基于TIGGE资料的地面气温延伸期多模式集成预报

基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜.     

厦门地区地面气温的多模式集成统计降尺度预报研究

利用双线性插值与线性回归方法、消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合预报(Super-ensemble Prediction,SUP)方法对厦门地区的地面气温进行统计降尺度分析,结果表明:在2013年夏季的3个月中,降尺度后三个单模式对厦门地面气温的预报效果显著改善。使用多模式集成预报方法(BREM和SUP)后,预报误差进一步减小。对比整体预报效果最好的单模式ECMWF,降尺度后3~96h预报误差均在3℃以下。此外,结合SUP方法的降尺度预报能最大程度的改善地面气温的预报误差。     

基于多模式集成技术的地面气温精细化预报

基于ECMWF、JMA、T639、WRF四个数值模式2012年6月1日—9月30日地面气温3—60 h预报资料和郑州加密自动站资料,利用多模式集合平均(EMN)、消除偏差集合平均(BREM)、加权消除偏差集合(WBREM)及多模式超级集合(SUP)4种方法,对2012年8月29日—9月27日郑州城区11个站点地面逐3 h气温进行多模式集成预报试验,采用绝对误差对预报结果进行检验评估,结果表明:在30天的预报期内,BREM、WBREM及SUP对于大多数站气温预报效果有明显改善,而EMN方案对11个站预报效果改善则不太明显;4种方案中,BREM和WBREM预报效果相对较好且稳定,各个站上3—60 h预报的绝对误差均在2℃附近或以下;SUP方案虽然对个别站预报误差较低,但是其预报效果并不稳定,一些站点的个别预报时效误差大于2℃。对于郑州观测站的气温预报而言,4种集成方案20时起报的气温误差明显小于08时起报的误差,并且20时起报的SUP集成方案绝对误差明显小于其他方案的绝对误差。总体而言,BREM、WBREM及SUP三种集成方案能够给郑州精细化预报业务提供较好的参考。     

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。     

超级集合预报在湖南地区的试验分析

基于TIGGE集合预报资料分析评估了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)4个模式系统在湖南2008年低温雨雪冰冻天气过程中的气温预报技巧,并对湖南地面气温和欧亚地区500 hPa天气形势进行了超级集合预报试验.结果表明,在湖南地区,ECMWF的预报效果最好,CMA的预报效果最差,并且ECMWF的168 h预报误差小于CMA的24 h预报误差.滑动训练期超级集合预报误差比较稳定,预报效果优于最好的单中心模式和固定训练期超级集合预报.对于24～ 72 h预报时效滑动窗口可选取50 d左右,而对于96 ～168 h预报时效的滑动窗口有必要选取2个月以上.此外,滑动训练期超级集合预报各时效对500 hPa天气形势的预报技巧都比单中心的预报技巧高,并且和实况资料相比,其预报效果也比较好.     

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。     

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。     

2008年初中国南方冰冻雨雪天气的多模式集成预报

利用逐日平均气温和24小时累积降水量资料研究了2008年初中国南方低温雨雪极端天气事件的特征。还利用TIGGE(THORPEX Interactive Grand Global Ensemble)资料中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)以及中国气象局(CMA)提供的集合预报资料进行多模式集成预报试验。结果表明,2008年初中国南方1/3以上测站的降水偏多达50年一遇,50年一遇的低温还出现在贵州和湖南西部。利用滑动训练期消除偏差集合平均(R-BREM)方法对地面气温做24～216 h预报,发现其预报技巧明显高于单个模式预报和其它多模式集成方法的预报技巧。以欧洲中期天气预报中心地面气温96 h预报的均方根误差作为标准,R-BREM方法能将中国东南部地区的气温预报时效延长到192 h。R-BREM方法还能有效地提高降水预报的准确率,24～192 h小雨预报的TS评分明显高于单个模式预报及其它多模式集成预报的评分,但72 h预报例外。对于24～192 h中雨预报,R-BREM方法也较单个模式及其它多模式集成预报方法的预报技巧高。      

基于TIGGE资料的西太平洋热带气旋多模式集成预报方法比较

基于TIGGE资料中CMA、ECMWF、JMA和NCEP四中心2010、2011和2012年3年的资料,采用集合平均（EMN）、加权集合平均（WEMN）、消除偏差集合平均（BREM）和加权消除偏差集合平均（即超级集合,SUP）四种方法,对西太平洋地区热带气旋路径与中心气压进行时效为24、48、72、96和120 h的多模式集成预报,评估了不同单中心预报结果,并分析了不同多模式集成预报方法的特点,对比了不同多模式集成方法的效果。结果表明,对于热带气旋路径和中心气压预报,各中心预报技巧不同,其中3年的CMA预报效果均较差,2010、2011年的ECMWF预报和2012年的NCEP预报效果最优;总体上几种多模式集成方法在120 h预报时效内均优于单模式预报,其中EMN作为一种最简单的集成预报方法,具有一定的局限性,而WEMN由于给不同单模式预报赋予了权重,因此相对于EMN能够得到更好的多模式集成预报结果;BREM方案由于消除了模式预报中的系统性偏差,因此集成预报效果也优于EMN;由于去除了模式预报偏差,同时给不同模式赋予了权重,SUP方案得到的集成预报效果最优。     

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.     

STUDY OF THE MODIFICATION OF MULTI-MODEL ENSEMBLE SCHEMES FOR TROPICAL CYCLONE FORECASTS

This study investigates multi-model ensemble forecasts of track and intensity of tropical cyclones over the western Pacific, based on forecast outputs from the China Meteorological Administration, European Centre for Medium-Range Weather Forecasts, Japan Meteorological Agency and National Centers for Environmental Prediction in the THORPEX Interactive Grand Global Ensemble (TIGGE) datasets. The multi-model ensemble schemes, namely the bias-removed ensemble mean (BREM) and superensemble (SUP), are compared with the ensemble mean (EMN) and single-model forecasts. Moreover, a new model bias estimation scheme is investigated and applied to the BREM and SUP schemes. The results showed that, compared with single-model forecasts and EMN, the multi-model ensembles of the BREM and SUP schemes can have smaller errors in most cases. However, there were also circumstances where BREM was less skillful than EMN, indicating that using a time-averaged error as model bias is not optimal. A new model bias estimation scheme of the biweight mean is introduced. Through minimizing the negative influence of singular errors, this scheme can obtain a more accurate model bias estimation and improve the BREM forecast skill. The application of the biweight mean in the bias calculation of SUP also resulted in improved skill. The results indicate that the modification of multi-model ensemble schemes through this bias estimation method is feasible.     

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.     

基于集合成员订正的强降水多模式集成预报

基于TIGGE资料集下欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、英国气象局（UKMO）、美国国家环境预报中心（NCEP）和中国气象局（CMA）5个气象预报中心2016年5月1日—8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明:采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水（日降水量25 mm以上）预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。     

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。     

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。