基于多模式降水量预报的浙江省统计降尺度研究

基于欧洲中期天气预报中心(ECMWF)、美国全球集合预报系统(GFS)、日本气象厅(JMA)3个中心3~96 h预报时效的降水量预报资料,以及浙江省1957个高密度的自动站观测资料,对数值模式预报结果进行统计降尺度处理。首先利用线性回归方法对插值后的预报结果进行降尺度订正,然后把3个数值预报的降尺度结果进行消除偏差集合平均,最后得到多模式集成的降水量预报场。结果表明,统计降尺度订正后的预报结果比直接插值更加准确,多模式集成的预报效果优于单模式结果,其改进效果随预报时效的延长减小。     

我国地面降水的分级回归统计降尺度预报研究

利用TIGGE资料中欧洲中期天气预报中心(ECMWF,the European Centre for Medium-Range Weather Forecasts)、日本气象厅(JMA,the Japan Meteorological Agency)、美国国家环境预报中心(NCEP,the National Centers for Environmental Prediction)以及英国气象局(UKMO,the UK Met Office)4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为"观测值",对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。     

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。     

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。     

统计降尺度方法在天津小时降水和气温精细化预报中的应用

基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明:(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年"安比"台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。     

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。     

基于雨量分级回归分析的站点日降水量预报订正

利用ECMWF 24h累计降水量预报资料,以全国范围内2403个国家地面气象观测站24h累计降水量作为观测资料,对站点预报结果进行雨量分级回归订正,并与直接双线性插值的预报结果进行对比,利用频率匹配法进一步对不同量级的降水预报结果进行二次订正。结果表明,雨量分级回归相比双线性插值,可以减小预报误差,提高预报结果与观测值之间的相关系数以及降水预报的ETS评分,使站点预报值更接近实况。频率匹配法能改善各降水量级的预报效果,降水面积偏差减小,小雨空报率和大雨漏报率减小。对于不同起报时间、不同降水量级和不同预报时效,雨量分级回归和频率匹配法的改进程度各不相同。雨量分级回归对于20:00起报的降水预报改进幅度大于08:00,对0.1mm和50mm量级的降水预报改进较为有限,对5～15mm量级的降水预报改进明显,且随预报时效的延长,对降水预报的改进幅度呈增大趋势。此外,频率匹配法对于起报时次效果较差的降水预报改进幅度较大。     

降水的统计降尺度预报及其空间相关性和时间连续性重建

利用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)四个中心1~7 d日累计降水量集合预报资料,以中国降水融合产品作为"观测值",对我国地面降水量进行统计降尺度预报,并对预报降水的空间相关性和时间连续性进行重建。对降水量进行分级后,建立各个量级的回归方程进行统计降尺度预报。此外,还利用Schaake Shuffle方法重建丢失的空间相关性和时间连续性。结果表明,分级回归比未分级回归后的预报结果相关系数更高,预报误差更小,更接近观测值。Schaake Shuffle方法可以有效地改进降水预报的空间相关性和时间连续性,使之更接近实况观测,集合成员间的相关性也更好。     

贵州省本地化温度客观订正算法探究

利用2019年4月1日—7月31日的0～240 h欧洲中期天气预报中心2 m温度预报和2019年4月1日00时—7月31日00时贵州省境内364个自动气象观测骨干站点的温度观测资料,分别基于时间持续偏差订正(滑动平均)和类卡尔曼滤波的递减平均统计降尺度方法构建单模式的温度订正方案和客观算法模型,进而对欧洲中心2019年7月1日—7月15日的2 m温度预报进行客观订正。结果表明:时间持续偏差法构建的方案对订正效果不好,平均绝对误差值(MAE)均比原始数值预报大。相比之下,采用类卡尔曼滤波的递减平均统计降尺度方法构建订正方案对部分站点的预报有着非常显著的订正效果,平均绝对误差值在大多数时效上比数值预报本身小,且经过参数优化方案之后,又进一步提升了订正效果。订正模型的训练方案仍然有很大的改进空间,有望提高有效订正站点的数量。     

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。     

MULTIMODEL CONSENSUS FORECASTING OF LOW TEMPERATURE AND ICY WEATHER OVER CENTRAL AND SOUTHERN CHINA IN EARLY 2008

Based on the daily mean temperature and 24-h accumulated total precipitation over central and southern China, the features and the possible causes of the extreme weather events with low temperature and icing conditions,which occurred in the southern part of China during early 2008, are investigated in this study. In addition, multimodel consensus forecasting experiments are conducted by using the ensemble forecasts of ECMWF, JMA, NCEP and CMA taken from the TIGGE archives. Results show that more than a third of the stations in the southern part of China were covered by the extremely abundant precipitation with a 50-a return period, and extremely low temperature with a 50-a return period occurred in the Guizhou and western Hunan province as well. For the 24- to 216-h surface temperature forecasts, the bias-removed multimodel ensemble mean with running training period(R-BREM) has the highest forecast skill of all individual models and multimodel consensus techniques. Taking the RMSEs of the ECMWF 96-h forecasts as the criterion, the forecast time of the surface temperature may be prolonged to 192 h over the southeastern coast of China by using the R-BREM technique. For the sprinkle forecasts over central and southern China, the R-BREM technique has the best performance in terms of threat scores(TS) for the 24- to 192-h forecasts except for the 72-h forecasts among all individual models and multimodel consensus techniques. For the moderate rain, the forecast skill of the R-BREM technique is superior to those of individual models and multimodel ensemble mean.     

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...     

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.     

地面气象要素多模式集成预报研究进展

目前,集合预报已成为天气预报业务的主要支撑。然而,由于数值模式本身的限制与不完善以及集合系统存在初值扰动、集合大小等方面的局限,常存在预报偏差。不同预报模式通常具有不同的物理过程参数化方案、初始条件等,导致其预报能力各有不同。为此,如何纠正预报偏差以及如何充分有效地利用不同模式的预报信息以获得更加准确的天气预报广受关注。近年来,利用统计理论与预报诊断,基于多个集合预报系统的多模式集成预报技术得到快速发展,已成为有效消除预报偏差从而提高天气预报技巧的一种统计后处理方法。针对气温、降水和风3个最基本的地面气象要素,首先依据预报形式将应用范围较广的简单集合平均、消除偏差集合平均、超级集合、贝叶斯模式平均、集合模式输出统计等加权或等权平均多模式集成技术,分成确定性预报和概率预报两大类,并做系统介绍。最后,讨论使用和发展多模式集成技术需要关注的问题,包括考虑参与集成的模式个数、发展降水及风速分级预报模型和发展基于机器学习的多模式集成新技术。     

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。     

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.     

面向台风暴雨的集合预报成员优选订正技术研究及应用试验

本文以2013—2015年主要登陆台风暴雨过程为研究对象,利用ECMWF降水和台风路径集合预报以及中央气象台实时业务台风中心定位资料,在统计分析的基础上,提出一种业务上可用的针对单模式集合预报的台风降水实时订正技术(简称集合成员优选技术)。结果表明,在登陆台风暴雨过程预报中,集合成员优选技术对改进集合统计量降水产品有明显的帮助,并较ECMWF确定性预报产品有一定优势;该方法对改进短期时效预报产品的效果优于中期时效预报,对大暴雨评分的改进高于暴雨和大雨评分。另外,本文基于概率匹配平均(Probability Matching average,PM)和融合(FUSE)产品的计算原理,提出融合匹配平均(Fuse Matching average,FM)产品,结果表明,对36 h时效预报,优选10~15个成员的PM产品TS(Threat Scores)评分可达最优,大暴雨评分较确定性预报提高近10%;对60和84 h时效预报,FM产品大暴雨评分较确定性预报提高超过20%。     

Numerical weather prediction over the Eastern Caribbean using Florida State University (FSU) global and regional spectral models and multi-model/multi-analysis super-ensemble

Summary A month-long short-range numerical weather prediction experiment using the Florida State University’s (FSU) global and regional models and the multi-model/multi-analysis super-ensemble over the Eastern Caribbean domain is presented in this paper. The paper also investigates weather prediction capabilities of FSU global and regional models by examining the root mean square errors (RMSE) for the wind and precipitation fields. Super-ensemble forecasting, a new statistical approach to weather forecasting, is used over this domain. Here, forecasts from a number of numerical models provide the input and statistical combinations of these forecasts produce the super-ensemble forecast. A similar approach is used for the precipitation field where one model using different rain rate algorithms is used to generate different model outputs. The results show that the super-ensemble method produces forecasts that are superior to those obtained from the ensemble members. Received May 29, 2000/Revised February 15, 2001     

中国区域高分辨率多源降水观测产品的融合方法试验

高质量、高分辨率降水产品研制对于数值天气模式检验、水文陆面模拟、山洪地质灾害监测有着重要意义。利用中国近4万自动气象站逐时降水资料、中国雷达定量降水估计和CMORPH卫星反演降水产品,开展0.05°×0.05°和0.01°×0.01°两种高分辨率下的三源降水融合方法研究试验,探讨如何有效引入雷达高分辨率信息来提高降水产品质量。一方面,在0.05°分辨率上,先以自动气象站观测降水数据为基准,采用概率密度函数（PDF）匹配法订正雷达和卫星估测降水产品的系统偏差,将雷达降水产品的偏差从-0.05 mm/h降至-0.008 mm/h;再采用贝叶斯模型平均（BMA）方法融合雷达和卫星降水产品,形成0.05°分辨率的中国区域覆盖完整且最优的联合降水背景场。此外,在0.01°分辨率上,以0.05°分辨率的卫星-雷达贝叶斯模型平均联合降水产品为背景,采用1 km雷达估测降水的空间结构信息进行降尺度,亦能有效提高0.01°分辨率背景场的质量。然后,分别以不同分辨率的卫星-雷达联合降水产品为背景,采用统计方法量化误差估计,再采用最优插值方法融入地面观测。通过2419个中国国家级气象台站的独立样本检验,评估了多种类型的降水资料及融合试验产品在中国地区的质量。结果表明,两种分辨率的三源融合试验产品的精度均优于任何单一来源的降水产品,特别是在站点稀疏地区,降水精度均较融合前有显著提高,达到了较好的融合效果,其中在0.05°分辨率上采用“概率密度函数+贝叶斯模型平均+最优插值”方法的三源融合降水产品整体质量最好,而0.01°分辨率上基于“概率密度函数+贝叶斯模型平均+降尺度+最优插值”方法的三源融合降水产品在强降水监测上更有优势。