四川地区多模式2m温度预报性能分析及集成方法研究

本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADAS Real-time Modeling System, SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在±0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。     

综合偏差订正法在内蒙古温度预报中的应用

文章基于EC集合预报2m平均最高和最低温度资料,采用卡尔曼滤波法的综合偏差订正方案对最高和最低温度产品进行订正,进而探讨订正后的预报性能。结果表明:综合偏差订正可以有效地减小集合平均预报的系统误差,集合平均预报质量得到有效的改善;最优权重系数对于综合偏差订正方案至关重要,对集合平均预报场的系统误差有良好的改善效果,能够提高集合平均预报的整体效果。     

“频率匹配法”在集合降水预报中的应用研究

基于“频率匹配法”的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差.(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均.(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报.     

区域极轨卫星ATOVS辐射偏差订正方法研究

近年来,卫星辐射资料在数值天气预报(NWP)系统中的直接同化研究取得了长足进展。为了利用TIROS业务垂直探测器(ATOVS)的辐射资料,必须对卫星观测辐射值的系统性偏差进行订正。在ECMWF原全球TOVS辐射偏差订正方案基础上,结合ATOVS资料特征和中国的实际情况,建立了适用于区域NOAA-15/16/17极轨气象卫星ATOVS辐射资料的偏差订正方案。该方案偏差订正分两步进行:首先进行扫描偏差订正,然后进行气团偏差订正。扫描偏差是临边测量相对于星下点测量的系统偏差,统计显示该种偏差具有一定的纬度依赖性,所以订正时按每10度的纬度带分别进行订正。气团偏差订正主要就是根据当时的天气条件进行订正,而天气条件一般用预报因子来定量表示。文中从中国国家气象中心T213背景场导出预报因子:(1)1000—300 hPa的厚度,(2)200—50 hPa的厚度,(3)模式地表温度,(4)总可降水量。模式预报因子的使用从观念上将对观测值的订正变为对计算前向辐射值的订正问题。试验结果表明,订正结果显著。     

GFS模式地形高度偏差对地面2m气温预报的影响

利用2016年1月1日—12月31日全球预报系统(GFS,Global Forecasting System)1～5 d的2 m气温预报资料,以及同期中国地面气象站2 m气温观测资料,研究模式地形高度偏差对地面2 m气温预报的影响。结果表明,较大模式地形高度偏差可严重影响2 m气温模式预报性能,导致较大预报误差。随着模式预报时效延长,2 m气温预报均方根误差也略有增加。比较模式地形高度偏差和预报时效对于模式预报性能的影响,发现模式地形高度偏差对于模式预报效果的影响更加显著。两种地形订正方案,即不做温度垂直订正的线性回归以及对温度进行垂直订正的线性回归都能显著减小2 m气温模式预报的误差,后者的订正效果更好。     

四川地区EC细网格模式2m温度偏差订正研究

本文选取2017年1~12月ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式168h预报时效的2m温度场和对应时段四川地区157个国家站的观测资料,对比分析了模式温度预报的系统性偏差特征,采用15日周期的滑动双权重平均法对2m温度预报产品进行偏差订正,并与四川省气象台现有的主、客观预报产品进行对比,结果表明:(1)EC模式对低温的预报准确率远高于高温预报准确率;订正后高、低温预报准确率均有显著提高,其中低温平均提高了20.5%,高温提高了31.2%,平均绝对误差分别减小约1.1℃和2.9℃。(2)EC模式高温预报的逐月差异明显比低温预报逐月差异大,订正后差异明显减小,且各月的高、低温预报准确率均有显著提升,订正后各月高、低温的平均绝对误差均在2℃之内。(3)EC模式对于低温和高温的预报在全省均大致呈现负的系统性误差,且高温预报的系统性误差明显比低温预报的系统性误差大,订正后2m温度预报的系统性误差均明显降低,全省大部分地区维持在±1℃之间。(4)与四川省气象台现有的主、客观预报产品对比显示,对于高低温预报均是EC订正后准确率最高、平均绝对误差最小,订正效果较为理想。     

延伸期温度预报误差订正技术初探

应用滑动平均误差订正方法和历史偏差订正方法,对欧洲中期天气预报中心的数值模式延伸期2 m温度预报进行误差订正。研究发现,应用滑动平均误差订正方法进行11～15 d逐日温度预报订正时,25～30 d是最优的训练期长度。对2018年订正预报的检验分析显示,应用上述两种误差订正方法均可减小模式预报的系统偏差,有效修正模式温度预报较实况明显偏低的问题,并将预报准确率提高30%以上。在6—10月,订正后的温度预报平均绝对误差基本在2℃以内,具有一定的参考性,其业务化产品可支撑预报员的业务预报需求。在15 d内的延伸期预报时效上,两种订正方法对温度预报的订正效果差异并不明显。随着时效的延长,历史偏差订正方法的优势逐渐显现。     

基于大尺度模式产品的误差订正与统计降尺度气象要素预报技术

应用自适应卡尔曼滤波方法,对大尺度模式要素预报进行误差订正和降尺度精细化气象要素预报。并通过对订正系数科学选取的研究,改进了滤波方法的应用效果。通过对大尺度模式系统进行误差订正,改善了大尺度模式预报的准确率,提高了模式要素,如2 m温度、10 m风等预报的精度,并基于改善了的大尺度模式预报场和高分辨率观测场,生成降尺度函数,得到高精度的气象要素预报产品,为精细化气象要素预报服务提供了有效的方法。     

T213 降水预报订正系统的建立与研究

目前T213降水预报存在一定程度上的系统性误差,为了更好地使用T213降水预报产品,减小系统性误差对主观预报的影响,利用一种统计学方法可以对T213降水预报进行订正,减小T213降水预报的系统性误差。通过对2004年6—11月订正前后的T213降水预报进行统计学和天气学检验分析,检验该订正系统的订正效果。结果表明,订正后的降水预报的预报偏差B值有了显著改善,其他统计检验量也有了不同程度的提高;订正后雨带的位置和轮廓更加接近降水实况。     

B08RDP区域集合预报温度场质量评估与综合偏差订正

针对B08RDP(The Beijing 2008 Olympics Research and Development Project)5套区域集合预报资料,系统分析了各套集合预报温度场的预报质量。在此基础上运用集合预报的综合偏差订正方法对温度场进行偏差订正,并对其效果进行了分析讨论。结果显示:5套B08RDP区域集合预报中,美国国家环境预报中心(NCEP)区域集合预报温度场的整体预报质量最高,平均预报误差最小,离散度也最为合理,预报可信度和可辨识度均较优;而中国气象科学研究院(CAMS)的温度预报误差过大,预报质量最差。整体上看,除NCEP之外的4套集合预报的温度场均存在集合离散度偏小的问题;综合偏差订正能有效减小各集合预报温度场的集合平均均方根误差,改善集合离散度的质量,显示出综合偏差订正方案对集合预报温度场偏差订正的良好能力。     

基于T213集合预报的延伸期产品释用方法及初步试验

基于T213集合预报系统2008年1月中国及附近区域500 hPa高度和850 hPa温度的1~15 d预报资料,构建延伸期产品释用方法,通过对逐日11~15 d预报资料做集合平均和后向衰减权重系数滑动平均,进而得到延伸期(11~15 d)候平均和候距平预报,并对预报效果进行检验,结果表明:对11~15 d预报场做集合平均和后向衰减权重系数滑动平均均能降低预报误差,改善整体预报效果。由此得到的500 hPa高度场和850 hPa温度场11~1 5 d候平均预报误差与逐日控制预报第5d的水平相当,候距平相关系数均接近0.6,整体而言效果较好,具备一定的应用价值。500 hPa高度场和850 hPa温度场11~15 d候距平预报在中国大陆地区位相准确率均较高,东南沿海和东北部分地区稍差,且850 hPa温度场的位相准确率整体高于500 hPa高度场。候距平预报对延伸期(11~15 d)的大范围持续性异常距平具有较强的捕捉能力,对异常距平出现的范围和分布、强距平中心的位置的预报均较好,但强度整体偏弱。     

欧洲中期天气预报中心数值预报图的检验

为了对欧洲中期天气预报中心（ECMWF）数值预报图的优缺点有比较系统的了解，本文用1984年5月到1985年4月的一年北半球预报图资料，对各月平均误差分布情况及其季节变化特点作了统计分析。ECMWF数值预报图在35°—70°N之间的预报效果最好；在75°N 以北的高纬度地区，都是春、夏、秋三季500百帕高度的预报平均明显偏高，500—1000百帕厚度预报平均明显偏暖，其中又以夏季偏暖最显著，春、秋季次之（冬季则变为偏冷），年变化规律性明显；在30°N 以南地区夏秋两季都是500百帕预报明显偏低，厚度明显偏冷，最强偏冷中心位于青藏高原东南坡，冬春季则预报偏低和偏冷的程度减轻，年变化情况似与低纬度云雨量和热带低压活动的年变化大致相对应。青藏高原上空500百帕预报全年基本上都是负偏差，以夏季负偏差最大，春秋季减小，冬季趋于0，各月之间有近于正弦波型式的年变化规律性。把平均误差值与标准差相比较，可以看出低纬度地带（尤其是高原附近）是最需要也是最有利于进行系统性误差订正的地区。     

ECMWF产品在东亚中纬度地区预报精度检验

利用求预报场与实况场绝对误差和相关系数，对ECMWF资料进行预报精度检验，结果表明：500hPa高度，850hPa温度和相对湿度，海平面气压等4个物理量场预报较好；850hPa相对湿度预报比700hPa的误差小；东西风预报比南北风预报好；绝对误差值随预报时效延长而增大，相关系数则随预报时效延长而减小。     

GOES-16大气温度产品资料同化在一次飓风预报中的应用研究

为评价静止卫星大气温度廓线产品资料同化对飓风预报的影响,以2018年飓风“迈克尔”为例,选用GOES-16温度廓线产品,开展静止卫星资料同化及其对飓风预报影响的研究。首先,通过评估温度廓线产品精度,选取质量较好的高度层并以统计的各层均方根误差作为观测误差用于同化试验;然后,利用WRF-3DVar系统进行不同稀疏化及不同同化频次的循环同化敏感性试验;最后,利用WRF模式开展24 h数值预报。试验结果表明,在飓风“迈克尔”期间温度廓线在200~1 000 hPa之间的误差在2 K以内,将水平分辨率稀疏化为模式分辨率的6倍且循环同化频次为6 h时同化该资料对模式的初始场有最为合理的改进,从大尺度环境场上看使模式具备更合理的环流形势,能够有效提高对飓风的路径及强度的预报效果,更准确地模拟降水落区及美国佛罗里达州等降水关键区域的雨强。      

重庆中尺度集合预报系统预报性能分析

本文利用2017年6～8月重庆中尺度集合预报系统逐日20时起报的预报资料及相应的观测资料对该系统的预报性能进行了综合分析,结果表明:500hPa位势高度、850hPa温度和2m温度的集合平均预报的均方根误差均优于控制预报,集合离散度均明显低于集合平均的均方根误差,Talagrand分布均呈现出“J型”或“U型”分布,500hPa位势高度和850hPa温度Outlier评分介于0.26～0.32,2m温度的Outlier评分普遍较高,总体介于0.33～0.67;降水预报方面,集合平均和概率匹配平均相对于控制预报表现出了较为明显的优势;小雨和中雨量级降水集合平均的TS评分明显优于概率匹配平均;大雨和暴雨量级的降水概率匹配平均的TS评分明显优于集合平均;0～24小时和24～48小时累计降水的Talagrand分布呈现出一定的“U型”分布且0～24小时更为明显,其余时效较为理想,Outlier评分随预报时效的延长而减小,最高0.31,最低0.20;降水概率预报检验方面,各个降水量级的Brier评分和相对作用特征技巧评分AROC均较为理想。总体而言,该系统相对于单一的确定性预报表现出了一定的优势。      

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。     

GRAPES_GFS 2.0模式系统误差评估

通过选取2014年1月、4月、7月、10月的GRAPES_GFS 2.0预报产品和NCEP FNL分析资料进行对比分析,发现GRAPES_GFS 2.0的系统误差具有以下特性:位势高度场误差的空间分布具有纬向条带状或波列状特征,误差大值集中在中高纬度地区,低纬度地区误差较小。误差在南北半球各自的冬季最大、夏季最小,并呈现明显的季节变化特征。误差随预报时效的增速略低于线性增速且不同预报时效下误差随高度变化的曲线趋势相似。温度场误差的空间分布相对均匀,误差大值位于30°S~30°N附近地区。纬向风场误差没有十分明显的分布规律,与纬度变化、海陆分布和地形的关系均不密切,西风误差和东风误差交替出现。结果表明:模式对冬季中高纬度地区和边界层及对流层顶的模拟技巧尚需提高。明确GRAPES_GFS 2.0的系统误差分布特性,有助于有针对性地进行模式订正,改善误差大值区域的模式预报方法。     

神威中期集合数值预报产品的业务应用

目前神威中期集合数值预报产品包括 500 hPa 集合平均预报图、850 hPa 温度距平概率分布图、不同降水级别的降水概率分布图。 其中 500 hPa 集合平均预报场对欧亚大型环流形势演变趋势、春季风沙天气、降水天气过程以及夏季副热带高压变化趋势等的预报中得到应用, 850 hPa 温度距平概率分布图对未来气温变化趋势以及冷空气过程的预报有很好的使用价值, 而降水概率分布图可供预报员在做降水预报时参考。     

地气耦合非定常距平模式的准业务预报试验

本文用地气耦合非定常距平模式对1988年1—12月北半球100 hPa、500 hPa、海平面气压和地面温度的月距平场进行了为期一年的逐月30天预报准业务试验。结果表明，模式对月距平场距平符号的趋势预报以100 hPa效果最好，海平面气压较差；模式对500 hPa、地面温度的月距平场预报优于持续性预报，表明该模式对距平场形势有一定的预报能力。试验结果还表明，模式预报在中低纬优于中高纬；但对不同层次、不同月份的预报效果不够稳定，而且对低值系统预报能力较差。模式的一个突出问题是预报场空间过份平滑，尚须作进一步试验、改进。     

ECMWF全风速场集合预报结果的偏差订正与预报不一致性分析

采用卡尔曼滤波类型自适应误差订正法和滑动自适应权重法,对2012年夏季ECMWF 10 m全风速场集合预报结果进行偏差订正,对订正前后的预报结果进行评估,并通过Jumpiness指数对预报结果订正前后的预报不一致性特征进行分析。结果表明,卡尔曼滤波类型自适应误差订正法能有效降低集合预报的均方根误差,且当起报时刻为00时对中低纬度地区的订正效果更显著,当起报时刻为12时对中高纬度地区的订正效果更明显;卡尔曼滤波类型自适应误差订正法能有效改善Talagrand的U型或L型分布;由均方根误差分析结果知道,ECMWF 10 m全风速场集合预报本身存在较大的预报不一致性,经过卡尔曼滤波类型自适应误差订正后,集合预报的预报不一致性明显降低,偏差订正可有效改善集合预报的预报不一致性,且随着预报时效的延长,卡尔曼滤波误差法对预报不一致性的改善效果更加明显;从预报不一致性的发生次数特征来看,单点跳跃出现的次数最多,异号三点跳跃的次数最少;经过卡尔曼滤波类型自适应误差订正后,单点跳跃、异号两点跳跃、异号三点跳跃次数都有所下降。