基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

北半球中纬度地区地面气温的超级集合预报

基于TIGGE资料中的ECMWF、JMA、NCEP和UKMO四个中心2007年6月1日-8月31日北半球中纬度地区地面气温24～168 h集合预报资料,分别利用固定训练期超级集合(SUP, Superensemble)和滑动训练期超级集合(R-SUP, Running Training Period Superensemble )对2007年8月8-31日预报期24 d进行超级集合预报试验.采用均方根误差对预报结果进行检验评估,比较了两种超级集合方法与最好的单个中心模式预报、多模式集合平均的预报效果.结果表明,SUP预报有效降低了预报误差,24～144 h的预报效果优于多模式集合平均(EMN, Ensemble Mean)和最好的单个中心预报,168 h的预报效果略差于EMN.R-SUP预报进一步改善了预报效果.对于24～168 h的预报,R-SUP预报效果都要优于EMN.尤其对于168 h的预报,R-SUP改进了预报效果,优于EMN.     

基于深度学习的中国地面气温的多模式集成预报研究

基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。     

基于TIGGE资料的地面气温多模式超级集合预报

基于TIGGE资料, 采用均方根误差分别对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和英国气象局4个中心集合预报的地面气温场集合平均结果进行检验评估, 比较各中心地面气温的预报效果。并利用超级集合、多模式集合平均和消除偏差集合平均3种方法对4个中心的地面气温预报进行集成, 同时对预报结果进行分析。结果表明: 2007年夏季日本气象厅与欧洲中期天气预报中心在北半球大部分地区预报效果最好, 各中心在不同地区预报效果不同。超级集合与消除偏差集合平均降低了预报误差, 预报效果优于最好的单个中心预报和多模式集合平均。对于较长的预报时效, 消除偏差集合平均表现出了更好的预报性能。     

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。     

2010年8月环流形势的多模式超级集合预报

利用多模式超级集合预报法,以欧洲中期天气预报中心、日本气象厅、德国气象局、中国气象局和中国空军气象中心共5个决定性7 d预报产品为集合成员,对2010年8月500 hPa高度场和850 hPa温度场分别进行固定训练期和滑动训练期超级集合预报。采用均方根误差和相关系数对超级集合预报、单一模式预报和简单集合平均预报进行对比检验,同时对各预报结果的均方根误差空间分布进行对比分析。结果表明:超级集合预报在所有预报结果中最佳,且滑动集合预报对8月后期时段预报要略好于固定集合预报,两者预报效果均好于参与集合预报的各模式,也好于集合平均预报。但随着预报时效的延长,集合平均预报的优势也随之提升。从预报结果均方根误差的空间分布可知,多模式超级集合预报相比于单一模式预报效果提高的区域,500 hPa位势高度场主要位于印度半岛、印度洋、青藏高原及以西地区,而850 hPa温度场则主要位于蒙古、青藏高原、中国新疆及以西地区。     

江苏—南黄海地区M≥6强震有序网络结构及其预测研究

基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法.     

基于TIGGE资料的北半球地面气温预报的统计降尺度研究

基于TIGGE(THORPEX Interactive Grand Global Ensemble,全球交互式大集合)资料中欧洲中期天气预报中心(European Centre for Medium-Range Weather,ECMWF)、日本气象厅(Japan Meteorological Agency,JMA)、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)和英国气象局(United Kingdom Met Office,UKMO)4个中心的北半球地面2 m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合(superensemble,SUP)方法进行统计降尺度预报研究。结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果。引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小。对比综合表现最好的单中心ECMWF的预报,1~7 d的降尺度预报误差改进率均达20%以上。研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法。     

西北太平洋(含南海)热带气旋路径集成预报分析

基于2004—2009 年中国中央气象台、日本气象厅、美国联合台风警报中心、欧洲中心对西北太平洋和南海编号热带气旋主客观预报资料,利用算术平均、多元回归以及历史平均误差等三种集成方法,建立了热带气旋路径集成预报业务化系统。通过2007—2009 年的业务运行结果分析发现,欧洲中心客观预报参与的24、48 和72 h 集成比主观预报三个成员集成预报水平分别提高约2%、3%～5%和3%～5%,减小误差2.5 km左右、6～9 km 和10～12 km。技巧分析发现,24～72 h 集成预报有正技巧,多元回归集成技巧相对稍低,而算术平均和以各成员平均误差的平方倒数为权重系数的集成技巧对于各集成成员来说技巧差异不大。96 h 集成预报对欧洲中心的客观预报没有正技巧。      

Assessment of probability multimodel seasonal forecast based on the APCC model data

The probability multimodel forecast system based on the Asia-Pacific Economic Cooperation Climate Center (APCC) model data is verified. The winter and summer seasonal mean fields T ₈₅₀ and precipitation seasonal totals are estimated. To combine the models into a multimodel ensemble, the probability forecast is calculated for each of single models first, and then these forecasts are combined using the total probability formula. It is shown that the multimodel forecast is considerably more skilful than the single-model forecasts. The forecast quality is higher in the tropics compared to the mid- and high latitudes. The multimodel ensemble temperature forecasts outperform the random and climate forecasts for Northern Eurasia in the above- and below-normal categories. Precipitation forecast is less successful. For winter, the combination of single-model ensembles provides the precipitation forecast skill exceeding that of the random forecast for both Northern Eurasia and European Russia.     

2009年夏季西太平洋台风路径和强度的多模式集成预报

基于TIGGE资料中的中国气象局、欧洲中期天气预报中心、日本气象厅和英国气象局等四个中心的2009年5月1日-8月31日台风预报资料,利用多模式集合平均、消除偏差集合平均和加权消除偏差集合平均等方法,对2009年8月1-31日预报期的西太平洋的台风路径和强度(中心气压)进行24～ 72 h预报时效的多模式集成预报,并对0907号台风“天鹅”和0908号台风“莫拉克”进行个例分析.结果表明:各中心对于不同时效的预报,预报技巧有明显差异.消除偏差集合平均与加权消除偏差集合平均显著地减小了预报误差,预报效果优于最好的单个中心预报和多模式集合平均.对于24 ～ 72 h预报,加权消除偏差集合平均方法始终表现出最好的预报性能.     

OPERATIONAL ENSEMBLE FORECASTING AND ANALYSIS OF TROPICAL CYCLONES OVER THE WESTERN NORTH PACIFIC (INCLUDING THE SOUTH CHINA SEA)

Based on the tropical cyclone data from the Central Meteorological Observatory of China, Japan Meteorological Agency, Joint Typhoon Warning Center and European Centre for Medium-Range Weather Forecasts （ECMWF） during the period of 2004 to 2009, three consensus methods are used in tropical cyclone （TC） track forecasts. Operational consensus results show that the objective forecasts of ECMWF help to improve consensus skill by 2%, 3%-5% and 3%-5%, decrease track bias by 2.5 kin, 6-9 km and 10-12 km for the 24 h, 48 h and 72 h forecasts respectively over the years of 2007 to 2009. Analysis also indicates that consensus forecasts hold positive skills relative to each member. The multivariate regression composite is a method that shows relatively low skill, while the methods of arithmetic averaging and composite （in which the weighting coefficient is the reciprocal square of mean error of members） have almost comparable skills among members. Consensus forecast for a lead time of 96 h has negative skill relative to the ECMWF objective forecast.     

基于TIGGE多模式集合的24小时气温BMA 概率预报

利用TIGGE(THORPEX Interactive Grand Global Ensemble)单中心集合预报系统(ECMWF、United Kingdom Meteorological Office、China Meteorological Administration和NCEP)以及由此所构成的多中心模式超级集合预报系统24小时地面日均气温预报,结合淮河流域地面观测率定贝叶斯模型平均(Bayesian model averaging,BMA)参数,从而建立地面日均气温BMA概率预报模型.由此针对淮河流域进行地面日均气温BMA概率预报及其检验与评估,结果表明BMA模型比原始集合预报效果好;单中心的BMA概率预报都有较好的预报效果,其中ECMWF最好.多中心模式超级集合比单中心BMA概率预报效果更好,采用可替换原则比普通的多中心模式超级集合BMA模型计算量小,且在上述BMA集合预报系统中效果最好.它与原始集合预报相比其平均绝对误差减少近7%,其连续等级概率评分提高近10%.基于采用可替换原则的多中心模式超级集合BMA概率预报,针对研究区域提出了极端高温预警方案,这对防范高温天气有着重要意义.     

中国夏季降水多模式集成概率预报研究

基于TIGGE资料中的中国气象局（CMA）、欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、美国国家环境预报中心（NCEP）以及英国气象局（UKMO）五个中心2007-2011年5月25日-8月31日中国地区逐日12-36 h、36-60 h、60-84 h、84-108 h、108-132 h与132-156 h累积降水集合预报资料,分别利用PoorMan （POOL）和多模式消除偏差（MBRE）两种方法对2011年各中心降水概率预报进行集成,并采用RPS和BS评分方法对预报效果进行评估。结果表明,对于12-156 h逐24 h累积降水量概率预报,多模式集成预报效果优于单模式预报效果,且多模式消除偏差概率预报效果最好;针对小雨、中雨以及大雨以上降水,PoorMan和MBRE概率预报较单中心预报效果均有提高,MBRE概率预报效果优于PoorMan方法。     

ENSO预测的目标观测敏感区在热带太平洋海温的多模式集合预报中的应用

本文将ENSO预测的目标观测敏感区与多模式集合预报方法相结合, 提出了一种能够有效提高预报技巧且又具有较小计算成本的多模式集合预报方法。该方法在目标观测敏感区内采用模式不等权的多模式超级集合预报方法(SUP), 而在其他区域采用相对简单的等权的多模式消除偏差集合平均方法(BREM)。利用CMIP5中15个气候系统模式的工业革命前参照试验(pi-Control)数据, 针对热带太平洋海温的长期演变开展了理想预报试验。将新集合预报方法与现有的多模式集合预报方法进行了比较。结果表明, 在所考察的预报期内(即1～20年), 新集合预报方法与整个热带太平洋区域使用SUP方法具有相当的预报技巧, 但前者的计算成本明显小于后者, 计算时间仅为后者的1/4。可见, 新方法是一个具有较高预报技巧且计算成本较小的多模式集合预报方法。同时, 其较高的预报技巧强调了热带太平洋SST预测对ENSO目标观测敏感区内的模式误差也是极端敏感的, 也正因如此, 多模式集合预报方法才能够有效过滤模式误差的影响, 具有较高的预报技巧。     

Application of multimodel ensemble techniques for real time district level rainfall forecasts in short range time scale over Indian region

During the summer monsoon (1 June to 30 September) 2007, real-time district level rainfall forecasts in short-range time scale were generated for Indian region applying multimodel ensemble technique. The pre-assigned grid point weights on the basis of correlation coefficients (CC) between the observed values and forecast values are determined for each constituent model at the resolution of 0.5° × 0.5° utilizing two seasons datasets (1 June to 30 September, 2005 and 2006), and the multimodel ensemble forecasts (day 1 and day 2 forecasts) are generated at the same resolution on a real-time basis. The ensemble forecast fields are then used to prepare forecasts for each district taking the average value of all grid points falling in a particular district. In this paper we examined the performance skill of the multimodel ensemble-based real-time district level short-range forecast of rainfall. It has clearly emerged from the results that the multimodel ensemble technique reported in this study is superior to each ensemble member. District wise performance of the ensemble rainfall forecast reveals that the technique, in general, is capable of providing reasonably good forecast skill over most districts of the country, particularly over the districts where the monsoon systems are dominant. Though the procedure shows appreciable skill to predict occurrence or non-occurrence of rainfall at the district level, it always underestimates rainfall amount, particularly in heavy rainfall events. Possible reasons of this failure may be due to model bias and poor data assimilation procedure.     

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。     

Multimodel based superensemble forecasts for short and medium range NWP over various regions of Africa

Summary This study examines the predictability of weather over several regions in Africa using a multimodel superensemble technique developed at the Florida State University, which is an objective means of combining daily forecasts from multilevel global models. It is referred to as FSUSE and up to 7 different models are used to construct the superensemble. The benchmark reanalysis fields used are the precipitation data sets from CMORPH and all other global fields from ECMWF daily operational analysis. The FSUSE works by using multiple linear regression to derive weights from a comparison of each member model forecast to the benchmark analysis during a training period of the most recent 120 days, and these weights are passed to the forecast phase. This procedure removes the bias of each model and allows for an optimal linear combination of the individual model forecasts by taking account of the relative skill of each model to give a consensus forecast that is superior to the ensemble mean and all the members. Results show that bad models and poor analysis fields used during the training phase degrade the skill of the FSUSE. In the forecasts of rainfall events over all regions of Africa, the FSUSE root-mean-square (R M S) error, equitable threat skill score (E T S), and bias on the daily forecasts of rainfall were invariably superior to the best member model. The skills deteriorate as the forecast lead time in days increases, with the degradation being most significant beyond day 3. In all cases, the bias score of the FSUSE was approximately 1, while the anomaly correlation scores were to the order of 0.9. These scores indicate the robustness of the FSUSE forecasts. Over East Africa, the FSUSE forecasts were consistent with the spatial-temporal pattern of the Intertropical Convergence Zone (ITCZ), the main rain bearing synoptic mechanism across tropical Africa. Thus, in addition to superior forecasts, the use of FSUSE based data sets may provide a better understanding of the dynamical processes within the ITCZ over the region. These results could be further improved if the daily series of operational analysis had included gauge data and if the resolution were higher. It is hardly possible to get uniformly consistent and continuous daily observations over these diverse regions of Africa. However, given the availability of the satellite based estimates of daily rainfall, such as CMORPH and global analysis that are exchanged very fast nowadays, the FSUSE scheme for numerical weather predictions (N W P) provides useful medium range weather forecasts in real-time.     

A Comparison of Three Kinds of Multimodel Ensemble Forecast Techniques Based on the TIGGE Data

Based on the ensemble mean outputs of the ensemble forecasts from the ECMWF (European Centre for Medium-Range Weather Forecasts),JMA (Japan Meteorological Agency),NCEP (National Centers for Environment...     

基于贝叶斯理论的单站地面气温的概率预报研究

基于贝叶斯理论,建立了将确定性预报向概率预报转换的基本模式,并利用TIGGE资料中欧洲中期天气预报中心(ECMWF)地面气温预报资料及地面气温观测资料,对概率化后的预报进行了评估与释用。结果表明,概率化后的预报结果不但能提供丰富的预报产品,而且所提供的预报均值优于原始的确定性预报。应用贝叶斯模式平均法(BMA)将中国气象局(CMA)、美国国家环境预报中心(NCEP)和ECMWF 3个模式的预报结果进行多模式集成,得到了更为合理的概率分布,其中分布的均值可作为模式的预报结果,方差和置信区间反映了预报量的可变范围。因此,基于贝叶斯预报模式的概率预报相对于确定性预报,不但能够提供更高精度的预报,而且能提供更全面的预报信息。BMA集成预报结果不但优于集合平均预报,而且还能定量描述预报的不确定性。利用ECMWF预报中心51个预报成员进行集成贝叶斯概率预报试验,发现BMA预报融合了各成员对预报不确定性的描述,还对概率预报的均值进行了调整,使之与观测值更为接近。BMA预报的概率密度分布更能反映大气的真实分布情况。