基于路径相似的登陆热带气旋降水之动力-统计集合预报模型

数值天气预报(NWP)过去几十年在热带气旋(TC)预报方面的最大进步是越来越准确的路径预报。对于登陆TC降水的预报,目前以数值模式为代表的技术手段预报能力还十分有限。围绕动力-统计结合之方法研究,初步发展了登陆热带气旋降水(LTP)预报的一种新方法:基于路径相似的登陆热带气旋降水之动力统计集合预报(LTP_DSEF)模型。该方法主要分为五步:TC路径预报、相似路径TC识别、其他特征相似性的判别、TC降水集合预报和最佳预报方案选择;涉及两个关键技术:TC降水分离的客观天气图分析法(OSAT)和TC路径相似面积指数(TSAI)。LTP DSEF模型对2012-2016年影响华南地区出现最大日降水量≥100 mm的21个TC的定量降水预报(QPF)试验结果显示,该模型对登陆TC过程降水的预报结果优于动力模式。登陆TC过程降水≥50 mm情况下,建模样本和独立样本平均TS评分均高于动力模式(EC、GFS、T639)相应的最好表现。对LTP_DSEF模型三个最佳方案的参数取值分析显示,起报时刻参数设定为最临近影响时刻即TC对陆地产生降水的前一天12:00 UTC、集合参数取最大值时预报效果稳定趋好。     

统计-动力相结合的相似误差订正法

根据大气相似性原理,提出了利用历史资料的相似信息估计模式误差的反问题,并发展了一种相似误差订正(ACE)方法。该方法将统计和动力两种方法有机结合,在不改变现有数值预报模式的前提下,既充分利用了动力学发展的成就,又能够有效提取大量历史资料中的相似信息,达到减小模式误差、改进当前预报的目的。而且,ACE方法能够针对当前预报的特殊性来区分所利用过去资料的特殊性,提取历史相似信息间接求解反问题。定性分析表明,ACE方法与以往相似-动力模式原理是等价的,但无需重新建立复杂的相似离差预报模式,更具可行性和业务应用前景。在理想化的极限情形下,当数值模式或历史相似完全准确时,ACE方法的预报结果将分别蜕变为动力或统计学方法的预报结果。     

在动力相似预报中引入多个参考态的更新

针对如何更有效地利用历史资料中的相似信息提高预报水平的问题,在已有相似-动力模式研究基础上,进一步探讨了相似误差订正方法(ACE)的若干理论和技术问题,分析表明,ACE是对以相似离差方程和相似误差订正方程为理论依据的方法的再发展。在此基础上,提出了相似的更新问题和多个参考态的引入,并进而发展出一种考虑多参考态更新的动力相似预报新方法(MRSU)。这一方法通过引入相似更新周期的新概念,在预报进行到相似更新周期时重新选取多个参考态,并采用超平面近似法将相似-动力模式产生的多个预报估计成最佳预报向量,这样的“选取-估计”过程循环往复,从而完成整个时段的预报。Lorenz模式试验显示,相比于以往的相似-动力模式预报,MRSU能更有效减小预报误差,提高预报技巧,并且,ACE的理论优势应用前景也被初步证实。综合诸多研究结果,给出了MRSU的概念流程,这里针对复杂数值模式采用了ACE,能够等价实现相似-动力模式预报过程,无需重建模式,更易于推广。     

中国南方降水及其极端事件的动力-统计相结合延伸期预报

延伸期预报是无缝隙预测系统中的薄弱环节,如何提高灾害天气过程的延伸期预报技巧是国际热点及前沿问题。本研究基于2005年12月—2014年8月的观测/再分析资料,通过奇异值分解方法,揭示了与中国南方低频降水变化高度耦合的热带对流和中纬度波列信号。利用中国气象局参加国际次季节至季节预报计划模式（BCC-CPS-S2Sv2模式,简称BCC S2S模式）的回报数据,对中国南方低频降水异常场进行统计降尺度,构建了一套动力-统计相结合的延伸期降水预测模型。独立预测时段（2014年12月—2019年8月）的结果表明,BCC S2S模式可以提前10—15 d预报中国南方大部分区域的异常降水;提前15—20 d以上预报时,动力-统计结合预报模型对冬季（夏季）华南沿海地区（长江以北地区）的降水时间演变、降水空间分布及极端强降水事件的预报技巧均优于BCC S2S模式。文中提出的思路和方法可广泛应用于其他区域气象要素和极端天气事件的延伸期预报。     

集合模式定量降水预报的统计后处理技术研究综述

集合数值模式预报已在定量降水预报业务中广泛应用,以获得预报不确定性、最可能预报结果以及极端天气预警。由于集合系统的数值模式不完善,且不能提供所有的不确定性信息,常表现出系统性偏差以及欠离散或过离散（如对于多模式集合）。为此,需要发展统计后处理技术,在尽量保持集合预报解析度的条件下,提高预报的技巧和可靠性。近年来,各种集合预报统计后处理技术得到快速发展。针对定量降水预报,依据技术方法的途径和成熟度将后处理研究归纳为3方面进行总结,包括:（1）不基于统计模型的非参数化后处理,包括集合定量降水预报偏差订正、多成员或模式信息集成以及基于空间分析的对流尺度模式后处理;（2）基于概率分布统计模型的参数化后处理,包括集合模式输出统计和贝叶斯模型平均两种方法框架;（3）考虑预报量的时间、空间和多变量间依赖关系或结构的处理方法,包括参数化和经验连接概率法。最后,讨论发展统计后处理技术需要关注的问题,包括考虑不同来源、不同尺度的多模式信息集成;提供高质量、高分辨率的降水分析资料;发展再预报技术扩充训练样本;基于不同的订正目的和应用场景来使用不同的后处理技术;发展面向海量预报数据、捕捉极端降水以及考虑预报量结构的新技术。      

降尺度技术在月降水预报中的应用

着重介绍月动力延伸数值预报模拟技巧较高的大气环流在局域降水方面的降尺度（downscaling）应用。克服动力降尺度和统计降尺度技术的缺点，从动力与统计相结合的角度，给出月尺度大气环流与局地降水之间的关系，该联系有清楚的动力学背景和天气学意义。120个月的历史实况资料回报试验证明了该关系的合理性。T63/NCC月动力延伸形势场集合预报进行中国降水的降尺度应用亦取得了较好的结果。     

长江流域年降水预测动力-统计降尺度方法及其应用

基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解（EOF,Empirical Orthogonal Function）迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数（ACC）平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。     

MOS方法在短时要素预报中的应用与检验

通过对MM5数值预报产品的释用,将MOS统计方法应用到短时要素预报中,综合利用MM5数值预报产品、自动站实况数据和雷达数据等资料,建立降水和温度的4 h预报模型;降水作为不连续变量,将其通过建立降水可能函数的方法转化为连续变量,利用统计预报方法,可以达到定量预报的目的。通过对4140个时次的样本进行检验。结果表明：MOS预报结果较MM5直接输出结果整体有所改进,当数值模式误差较大时,统计方法显示出一定的优势;降水预报检验结果显示,TS评分为65%,预报正确率PC为91%。降水明显的样本(3 h雨量>5 mm)平均误差在8 mm以内,弱降水样本(3 h雨量<3 mm)平均误差在1 mm以内,预报方程对非雨日样本的整体预报效果较好,优于MM5模式预报,预报正确率高达98%,但对流性降水仍是预报难点;对于温度预报,20-08时段误差较小、平均在1.0℃以内,而11-17时、误差平均在1.5℃左右,但经过误差的季节订正,可以控制在1.0℃左右。     

数值预报中自由度的压缩及误差相似性规律

利用历史资料的有用信息提高数值模式预报水平是长期以来人们努力的目标。该文提出了一种在气候吸引子上缩小初始场自由度的相似选取方法,有效滤除了小尺度分量,避开了原有相似选取中自由度太大,相似选取困难的问题。分析表明:相似初值间的模式预报误差存在相似性,依此估计的预报误差与实际预报误差很接近。在空间分布特征上,相似初值间的模式预报误差也有很好的一致性。这为发展相似-动力方法,利用历史资料改进数值模式提供了支持。     

气象水文耦合中的降尺度方法研究进展

简述遥感技术特别是雷达估算降水技术发展对缓解气象水文尺度不匹配的贡献,着重介绍目前国内外研究应用较多的统计降尺度模型(SDSM)、EOF迭代方法、主分量分析与逐步回归相结合、动力与统计相结合等4种降尺度方法。同时,简要介绍中国气象局武汉暴雨研究所改进的一种降尺度方法,并选取一次降水过程,对利用该方法降尺度后的降水预报结果与其实况进行对比分析。结果表明,该降尺度方法有效地提高了降水预报结果的空间分辨率(2km×2km),有利于天气模式与水文模式相结合。     

水文气象研究进展

从面向流域的定量降水估测与预报、流域水文模型、水文气象耦合预报三个方面系统介绍水文气象研究进展。研究指出,融合天气雷达、卫星遥感及实况降水等多源信息是精细化定量降水估测产品的主要发展方向;采用多模式降水预报集成技术是提高定量降水预报精度的重要途径;分布式水文模型是流域水文模型的发展方向;引入定量降水预报的水文气象耦合预报模式可以延长洪水预报预见期,水文集合预报是水文预报方法的有效解决途径,而数值预报模式与水文模型的双向耦合模式是另一重要发展方向。     

2004年主汛期各数值预报模式定量降水预报评估

随着数值预报技术的飞速发展, 模式定量降水预报已成为天气预报业务工作中的主要参考依据。本文对目前在国家气象中心应用的3个业务运行模式T213L31, HLAFS0.25, 华北中尺度模式MM5和德国模式及日本模式的降水预报产品进行了季节空间分布、区域时间序列演变及统计检验, 试图从空间、时间及统计方面对降水预报产品的预报性能进行综合评估。检验结果表明:目前的数值预报模式对短期时效内定量降水预报均具有一定的空间预报能力, 但强降水中心位置有一定的偏差; 从时间序列演变检验来看, 模式对区域强降水过程的发展趋势具有较强的预报能力, 但降水量预报与实况有一定的差距; 从累加统计评分检验结果来看, 模式短期时效的预报性能差别不大, 全球模式在小中雨预报方面有一定优势, 其中日本模式的综合预报性能最好, 大雨以上量级的预报则是国内的模式有一定的优势, 其中华北中尺度MM5模式, T213L31模式各有所长, 但均存在预报量和预报区偏大问题。     

数值天气预报多要素深度学习融合订正方法

数值天气预报作为现代天气预报的主流技术方法,近年来不断朝着精细化方向发展,但预报误差至今仍无法避免.文中在CU-Net模型中引入稠密卷积模块形成数值预报要素偏差订正模型Dense-CUnet,在此基础上进一步融合多种气象要素和地形特征构建了Fuse-CUnet模型,开展不同模型的偏差订正试验和对比分析.以均方根误差(R...     

国家气象中心数值预报业务的进展

在最近的１５年中，国家气象中心的数值预报业务高速度发展，预报模式从北半球模式发展为全球谱模式，并配套建立了资料同化系统和用于降水预报的有限区预报模式，暴雨和台风预报模式正在研制中。目前数值预报时效已延至７天，Ｔ６３９３丙上时的预报水平已优于的数值预报产品的应用技术在不断改进，最高（低）气温下两天ＭＯＳ预报精度已接近预报员制作的综合预报结果。     

Development and Application of an Atmospheric-Hydrologic-Hydraulic Flood Forecasting Model Driven by TIGGE Ensemble Forecasts

A coupled atmospheric-hydrologic-hydraulic ensemble flood forecasting model,driven by The Observing System Research and Predictability Experiment (THORPEX) Interactive Grand Global Ensemble (TIGGE) dat...     

基于INCA和METRo的江苏省路面高温精细化预报

使用INCA（Integrated Nowcasting through Comprehensive Analysis）多源资料融合分析和短临外推预报系统的预报结果作为气象强迫场,驱动一路面温度理论预报模型（Model of the Environment and Temperature of Roads,METRo）,开展江苏省高速公路夏季路面高温预报试验,并使用公路沿线逐小时的路面温度观测资料对预报结果进行检验。结果表明:该预报方法能够较好地预报出高速公路沿线日最高路面温度的逐日变化趋势,以及日最高路面温度的大范围空间分布特征。平均日最高路面温度预报绝对偏差为4.1℃,平均相对偏差为10.8%。其中,日最高路面温度预报绝对偏差在5℃以内的站次占总数的64.5%,相对偏差在15%以内的站次占总数的74.6%,比常规业务预报方法分别提高了23.1%和25.3%。但该预报方法对较小的温度波动以及局地性较强的极端温度分布特征的预报技巧还需进一步提高。     

天气学检验在东北区域数值模式秋冬季降水预报中的应用

根据影响天气系统不同,利用2007年9月－2008年2月东北区域中尺度数值模式12h累积降水预报和东北地区常规站降水实况资料,采用天气学检验方法,从降水中心强度、中心位置、降水主体强度、落区、范围和移速6个方面对东北区域中尺度模式降水预报产品的预报性能进行检验。结果表明：模式对东北地区秋、冬季降水有很好的预报能力,但因天气系统和预报时效不同其预报能力也有较大差异,其中对高空槽预报效果最好;一般情况下,在预报出现偏差时中心和主体强度易偏强,雨带范围易偏大,移速易偏慢。     

北京地区夏季多模式降水预报的降尺度集成应用

以2008—2010年5—9月日本、德国、T639数值预报模式降水产品为基础,采取反距离插值的统计降尺度分析方法,将数值预报模式降水格点数据插值到北京西北、东北、西南、东南区域的延庆、密云、房山、观象台4个典型代表站点上;再结合统计分析,将夏季产生降水的天气系统分为西来槽、东北低涡、蒙古低涡、其他系统4种类型,采用预报准确率定级方法对各家模式配以不等权权重系数,从而建立北京地区夏季多模式集成降水预报模型,并用独立的样本对预报模型进行了业务试运行检验,检验结果表明:所建模型对降水预报的改进效果较好,优于单个数值模式降水预报。该模型的建立和应用方法为其他区域本地释用数值模式降水预报产品提供了一定的客观参考。     

随机参数扰动方法对中国冬季降水集合预报的影响

降水数值预报有很大的不确定性,与降水预报密切相关的物理过程参数化方案中关键参数的不确定性是降水数值预报误差来源之一,对这些参数引入随机扰动的随机参数扰动方法（Stochastically Perturbed Parameterization,简称SPP方法）可以代表模式降水预报的不确定性,是国际集合预报前沿研究领域。为了认识该方法能否代表中国冬季降水数值预报的不确定性,为业务应用提供科学依据,基于中国气象局中尺度区域集合预报模式（Global/Regional Assimilation and Prediction System-Regional Ensemble Prediciton System,简称GRAPES-REPS）,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等四个参数化方案中选取了16个与降水密切相关的关键参数,引入了随机参数扰动方法,并通过2018年12月12日至2019年1月12日总计31天的冬季集合预报试验,对比分析了SPP方法对等压面要素及降水的集合预报效果。结果显示:在冬季应用SPP方法时,等压面要素的概率预报技巧总体来说优于无SPP方法扰动的对比试验,且对于低层、近地面要素的改进效果优于对中高层等压面要素的改进;但对降水概率预报而言,尽管检验评分数值略优于对比预报试验,但并未通过显著性检验,这表明,在东亚冬季风影响下,随机参数扰动方法对中国冬季降水概率预报技巧没有明显的改进。究其原因,可能是由于SPP方法主要代表对流性降水预报的不确定性,而中国冬季降水过程主要与斜压不稳定发生发展有关,模式降水以大尺度格点降水为主,对流性降水较少,故对冬季降水预报改进不明显,这为业务集合预报模式中应用随机参数扰动方法提供了科学依据。     

Experiments of DSAEF_LTP Model with Two Improved Parameters for Accumulated Precipitation of Landfalling Tropical Cyclones over Southeast China

The Dynamical-Statistical-Analog Ensemble Forecast model for landfalling tropical cyclones (TCs) precipitation (DSAEF_LTP) utilises an operational numerical weather prediction (NWP) model for the forecast track, while the precipitation forecast is obtained by finding analog cyclones, and making a precipitation forecast from an ensemble of the analogs. This study addresses TCs that occurred from 2004 to 2019 in Southeast China with 47 TCs as training samples and 18 TCs for independent forecast experiments. Experiments use four model versions. The control experiment DSAEF_LTP_1 includes three factors including TC track, landfall season, and TC intensity to determine analogs. Versions DSAEF_LTP_2, DSAEF_LTP_3, and DSAEF_LTP_4 respectively integrate improved similarity region, improved ensemble method, and improvements in both parameters. Results show that the DSAEF_LTP model with new values of similarity region and ensemble method (DSAEF_LTP_4) performs best in the simulation experiment, while the DSAEF_LTP model with new values only of ensemble method (DSAEF_LTP_3) performs best in the forecast experiment. The reason for the difference between simulation (training sample) and forecast (independent sample) may be that the proportion of TC with typical tracks (southeast to northwest movement or landfall over Southeast China) has changed significantly between samples. Forecast performance is compared with that of three global dynamical models (ECMWF, GRAPES, and GFS) and a regional dynamical model (SMS-WARMS). The DSAEF_LTP model performs better than the dynamical models and tends to produce more false alarms in accumulated forecast precipitation above 250 mm and 100 mm. Compared with TCs without heavy precipitation or typical tracks, TCs with these characteristics are better forecasted by the DSAEF_LTP model.