风暴尺度集合预报中的混合初始扰动方法及其在北京2012年“7.21”暴雨预报中的应用

风暴尺度集合预报系统（Storm-Scale Ensemble Forecast system,简称SSEFs）中集合成员之间发散度不足一直都是研究的难点。本文尝试了将Barnes空间滤波融入到集合转换卡尔曼滤波（ETKF）更新预报系统中的混合初值扰动法。该方案将ETKF方法的小尺度信息与来自于侧边界条件扰动的大尺度信息相结合,缓解了扰动在侧边界不匹配的问题。通过2012年北京“7.21”暴雨并使用邻位方法对比分析了不同初值扰动方案在不同时间尺度与空间尺度上的特征,在此基础上进一步探讨了构造混合初始扰动法的可行性。结果表明:ETKF试验所构造的初始扰动无法与侧边界条件扰动相匹配,混合后的初始扰动可以有效缓解SSEFs中由于初始扰动与侧边界扰动不匹配产生的虚假波动,其中大尺度信息保留较多的混合试验（ETKF80）和动力降尺度方案（Down）在减少虚假波动方面的效果最优;从集合离散度来看,在前期暖区降水阶段ETKF的离散度在小尺度上最大,随着锋面降水的开始,Down的离散度逐渐超过ETKF,而使用各滤波波段构造的混合试验同时具备ETKF与Down二者的特征。选择合理的滤波波段可以获得最为合理的离散度表现（ETKF180）,说明仅考虑侧边界匹配（Down和ETKF80）并不能获得最合理的集合离散度,应综合考虑其他因素。从降水概率预报结果来看,选取合适的滤波波段所构造的混合扰动试验同样获得了较好的效果。     

风暴尺度集合预报最优侧边界条件扰动方法设计:个例分析

考虑到全球预报模式与风暴尺度预报模式在分辨率上的显著差异,在构造风暴尺度集合预报系统的时候需要用一个中间分辨率的中尺度区域模式为风暴尺度模式提供侧边界条件扰动,但如何构造侧边界扰动才能更为有效地提高风暴尺度集合预报系统的预报能力目前仍然未知。本文基于WRF模式,通过一次个例试验设计了风暴尺度集合预报中的3种不同侧边界扰动方案,结果表明:直接通过0.5°水平分辨率全球集合预报扰动插值所得到的侧边界扰动(LBC_DOWN)在预报中可以获得较高的大尺度扰动能量,而在中尺度区域模式(本文中为模式外层)中通过ETKF循环所构造的侧边界条件扰动(LBC_CYCLE)包含较高的中小尺度能量,而将LBC_CYCLE中的中尺度扰动信息与LBC_DOWN中的大尺度扰动信息相混合所得到的混合侧边界扰动(LBC_BLEND)在大尺度能量上更接近于LBC_DOWN,在中小尺度能量上更接近于LBC_CYCLE;LBC_BLEND较前两种方案有着更好的离散度技巧表现;在降水概率预报技巧方面LBC_BLEND与LBC_CYCLE较为接近,且均优于LBC_DOWN。     

GRAPES区域集合预报两种侧边界扰动方法对比试验

中国气象局数值预报中心自2014年建立了区域集合预报业务系统,其使用的侧边界扰动由全球集合预报系统动力降尺度得到。为深入了解侧边界扰动对区域集合预报的影响,基于15 km水平分辨率的区域集合预报模式,使用动力降尺度方法和尺度化滞后平均法(scaled lagged average forecasting,SLAF)设计构造了两种侧边界扰动方案,并开展了2015年7月共6天的集合预报试验,利用集合均方根误差、集合离散度、连续分级概率评分、离群值、Brier Score及相对作用特征曲线面积等概率预报检验方法进行了多方面检验,分析了两种侧边界扰动方案对区域集合预报质量的影响。结果表明:动力降尺度侧边界扰动方案(DOWN)的扰动总能量在各垂直层次均大于SLAF方案,使得边界上前者的离散度大于后者,集合扰动增长更为合理;对于等压面要素和地面要素,DOWN方案的离散度、Outlier、CRPS等评分优于SLAF方案,反映了DOWN方案构造的侧边界扰动更加合理;在降水概率预报技巧方面,SLAF方案在评分上具有一定优势,但评分的提高没有通过显著性水平检验,因此认为两种方案对降水预报的改进基本相当。     

区域集合预报扰动方法研究进展综述

集合预报方法是解决单一数值预报不确定性问题的有效手段,而针对强天气预报的中尺度区域集合预报技术已逐渐受到国内外的重视。对于区域集合预报而言,由于其不确定性来源较为复杂,如何发展有效的扰动方法是研究的热点和难点。本文根据国内外区域集合预报的研究进展,从初值扰动、模式扰动以及侧边界扰动三个方面进行了总结和回顾,并对扰动方法的发展趋势进行了介绍。对于初值扰动,较为主流的方法有动力降尺度,沿用传统的由全球集合扰动方法发展而来的技术为区域集合产生初值,以及专门为区域集合设计的扰动方法。鉴于这些方法各有利弊,目前对于初值扰动方法的研究已经开始发展充分包含大尺度和小尺度不确定性信息的混合扰动方法。区域集合预报模式扰动的研究以物理过程扰动为主,典型方法为多物理过程组合以及随机物理过程扰动,其中多物理过程组合方法简单有效,而随机物理过程扰动方法的物理意义更为明确,是物理过程扰动的趋势。通过多模式组合进行模式扰动的方法也开展了一些相关研究,且对于台风等强天气预报均显示出相对于单模式集合较好的效果。侧边界扰动的主流方法是由大尺度集合预报场来为区域集合提供不同的侧边界,研究结果表明此种侧边界扰动方法简便易行,且有助于提高区域集合预报较长预报时效离散度和预报技巧。     

考虑尺度敏感性的长江中下游暖区暴雨初始扰动方案比较分析

弱天气尺度强迫背景下的长江中下游暖区暴雨突发性强,高度非线性,难以准确预报,这时考虑不确定因素的集合预报成为重要选项,而对流尺度集合预报核心问题是积分一段时间后离散度偏低,会导致预报失败。比较包含不同尺度扰动信息的对流尺度集合预报方案间的差异性并据此优化初始扰动方案,针对2018年5月4—5日一次典型长江中下游暖区暴雨过程,分别采用动力降尺度（DOWN）、增长模繁殖法（BGM）、局地增长模繁殖法（LBGM）和混合扰动法（BLEND）等四种方法进行集合预报试验,以期探讨对离散度和预报效果的影响。结果表明,在模式积分0~6 h,具有中小尺度扰动信息的BGM和LBGM的离散度优于DOWN,其中LBGM相比于BGM具有一定程度上的改进,说明具有更准确中尺度特征的扰动能够在积分初始阶段获得有效增长,即考虑了中小尺度天气系统局地性的LBGM能弥补BGM的不足;但是,在模式积分12 h以后,具有更多大尺度特征扰动的DOWN优于区域模式中的增长模繁殖法BGM和LBGM,说明经过初始误差快速增长一段时间后,大尺度扰动开始起主要作用。而具有不同尺度扰动信息的BLEND方案则兼具LBGM和DOWN的优势,几乎在整个预报时段离散度较高且概率预报评分较好,体现出混合扰动的优越性。以上结果进一步说明,初始扰动的尺度特征在暖区暴雨的集合预报效果中具有关键性的作用,因而通过调整初始扰动的尺度信息来优化集合预报性能的混合扰动思想,在业务上具有一定的指导意义和推广价值。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

GRAPES区域集合预报尺度混合初始扰动构造的新方案

集合预报初始扰动能否准确反映预报误差的结构特征是决定区域集合预报质量的关键因素之一。本文针对GRAPES区域数值预报模式,发展设计了一种基于资料同化思想的混合尺度初始扰动构造新方案。该方案以全球大尺度信息为背景场,区域模式预报作为观测资料,借助GRAPES三维变分同化系统,将高质量的全球大尺度信息与区域模式预报中质量较高的中小尺度信息有效融合,构造混合尺度区域集合预报初始扰动,并通过个例试验和批量试验,比较分析了新方案和原区域集合预报的性能。试验结果表明,基于资料同化构造的初始扰动能够有效融合全球大尺度信息和中小尺度天气系统的信息,其降水概率预报更具参考价值。总体上看,区域集合预报混合初始扰动新方案能够较好地改进区域集合预报质量,尤其是对高度场和温度场效果更为显著,但对风场的集合预报性能影响略小。     

集合预报最优ETKF初始扰动方法设计及其在暴雨中的应用

为改进集合转换卡尔曼滤波方法(Ensemble Transform Kalman Filter,ETKF)在初始扰动中离散度偏小的问题,考虑引入物理不确定性。使用初始时刻离散度检验两种ETKF初始扰动方案改进的程度,通过动力和水汽条件分析探求改进机制。利用WRF模式构建更新预报系统,选取2014年5月一次暴雨个例进行集合降水预报试验,通过ETKF方法设计两种不同的初始扰动方案。结果表明:在分析循环中引入多物理扰动的初始扰动方案(multi)相比单一物理过程的初始扰动方案(mono)在初始时刻离散度和模拟动力水汽条件以及降水评分上均有较大改进。初始扰动中multi的离散度相比mono整体更优,显然添加了多物理扰动方案的试验对结果有改进作用;在对两种方案的机理分析中,multi对于降水位置的明显改善主要取决于散度及水汽通量散度模拟能力的提高;在离散度分析中,multi方案在强对流区域的改进效果比在整个区域中的更好,而对各变量的离散度和均方根误差之比相当,说明集合预报系统的合理性;对各量级预报结果评分显示,multi方案均呈现较好表现能力。     

随机物理过程扰动方案在克拉玛依区域集合预报中的应用研究

克拉玛依气象局研发了区域集合预报系统并已实现业务运行,该系统仅采用了集合变换卡尔曼滤波(ETKF)初值扰动,导致离散度发展受到限制,为改善区域集合预报的离散度,本文尝试在初值扰动基础上引入随机物理过程倾向(SPPT)模式扰动方案。通过开展SPPT方案关键参数的敏感性试验,确定了适用于本系统的参数设置,构建了初值-物理过程扰动方案(ETKF-SPPT),并与仅采用初值扰动的集合方案(ETKF)进行了对比。结果表明:ETKF初值扰动方法能够产生具有动力学结构的初值扰动,但是随着预报时效的延长,集合离散度增长很快达到饱和,并在侧边界约束下逐渐减小;ETKF初值扰动结合SPPT模式扰动可使集合离散度在各个预报时效均保持增长状态;集合预报检验结果表明,仅采用ETKF初值扰动的集合预报概率分布可靠性较低,概率预报准确性也较差;ETKF-SPPT方法可获得更好的概率预报结果,可靠性更好,均方根误差更低。对克拉玛依城区一次大风预报个例表明,ETKF方案对大风起风时间和量级把握较差,而ETKF-SPPT可以增加集合离散度,起风时间和风速预报更准确。综合而言,增加SPPT扰动可以有效改善克拉玛依区域集合预报系统的预报技巧。     

热带气旋路径集合预报方法研究Ⅰ——正压模式结果的初步分析

选择1979～1993年间的热带气旋为试验个例,通过扰动热带气旋初始位置和初始结构,构造集合成员, 用正压原始方程模式,进行路径集合预报试验, 并初步探讨预报成员的集合方法。试验结果表明:热带气旋定位误差影响路径预报,但扰动初始位置的集合平均预报与控制试验的预报水平相接近。扰动热带气旋初始结构的集合预报试验表明,约有60 %～70 %个例的集合路径预报得到改进。此外,试验结果还表明,当环境引导气流较弱时,进行扰动热带气旋初始结构的集合预报,预报结果的改善较明显。     

GRAPES区域集合预报模式的初值扰动增长特征

基于GRAPES-REPS（Global and Regional Assimilation and Prediction Enhanced System-Regional Ensemble Prediction System）区域集合预报模式和集合变换卡尔曼滤波（Ensemble Transform Kalman Filter,ETKF）初值扰动方法,对2015年6月1~15日10 km与15 km水平分辨率分别进行集合预报试验,通过分析ETKF初值扰动分量、初值扰动方差准确率、动能谱、扰动能量演变、日变化及集合离散度、均方根误差等特征,揭示GRAPES-REPS区域集合预报ETKF初值扰动结构及增长特征。结果表明:（1）ETKF初值扰动方案产生的扰动能够保持所有正交、不相关方向的误差方差,且ETKF分量α参数值及放大因子具有较好的稳定性。（2）ETKF初值扰动方法生成的扰动场以大尺度扰动为主,扰动结构及能量具有随流型依赖特征,低层以内能扰动为主,高层以动能扰动为主,且集合扰动可以有效捕捉预报误差的结构。（3）GRAPES区域集合预报初值扰动总能量和集合离散度随预报时效的延长均呈发展趋势,但离散度增长率小于均方根误差增长率,即集合预报总体存在集合离散度不足的问题。（4）水平分辨率提高可以增加中高层大尺度扰动波谱能量,明显改进等压面及近地面风场及温度场的集合预报效果。值得指出的是,GRAPES-REPS区域集合预报低层内能扰动能量存在明显的日变化特征,特别是青藏高原地区更加显著,需要进一步研究青藏高原初值扰动结构的合理性。     

多物理ETKF在暴雨集合预报中的初步应用

基于集合转换卡尔曼滤波（ETKF）的初值扰动方法是目前集合预报领域热点方法之一,但应用在短期集合预报中仍存在离散度不够、误差较大等问题。考虑到在区域短期集合预报中,模式不确定性和边界不确定性的影响不能忽略,本文尝试在ETKF生成分析扰动的过程中,同时考虑初值不确定性、物理不确定性与边界不确定性,进而构建多初值、多物理、多边界ETKF集合,并以2010年9月30日到10月8日海南岛特大暴雨作为研究个例,对其在暴雨集合预报中的应用展开初步研究,重点分析多种物理参数化过程对预报结果的影响。结果表明,多物理过程的ETKF（多物理ETKF）和单物理过程的ETKF（单一ETKF）均优于对照预报,多物理ETKF优势更加明显,其均方根误差、离散度等指标均得到很好的改善;对于降水采用SAL方法进行检验,发现多物理ETKF对于降水位置的预报有明显的改善,对于特大暴雨的强度预报也略有改善。研究表明,在ETKF初值扰动中加入多种物理过程,可以有效改善短期集合的离散度,提高预报准确率,有良好的发展前景和应用潜力。     

Study on ETKF-Based Initial Perturbation Scheme for GRAPES Global Ensemble Prediction

Initial perturbation scheme is one of the important problems for ensemble prediction. In this paper, ensemble initial perturbation scheme for Global/Regional Assimilation and PrEdiction System (GRAPES) global ensemble prediction is developed in terms of the ensemble transform Kalman filter (ETKF) method.A new GRAPES global ensemble prediction system (GEPS) is also constructed. The spherical simplex 14-member ensemble prediction experiments, using the simulated observation network and error characteristics of simulated observations and innovation-based in ation, are carried out for about two months. The structure characters and perturbation amplitudes of the ETKF initial perturbations and the perturbation growth characters are analyzed, and their qualities and abilities for the ensemble initial perturbations are given. The preliminary experimental results indicate that the ETKF-based GRAPES ensemble initial perturbations could identify main normal structures of analysis error variance and reflect the perturbation amplitudes.The initial perturbations and the spread are reasonable. The initial perturbation variance, which is approximately equal to the forecast error variance, is found to respond to changes in the observational spatial variations with simulated observational network density. The perturbations generated through the simplex method are also shown to exhibit a very high degree of consistency between initial analysis and short-range forecast perturbations. The appropriate growth and spread of ensemble perturbations can be maintained up to 96-h lead time. The statistical results for 52-day ensemble forecasts show that the forecast scores ofensemble average for the Northern Hemisphere are higher than that of the control forecast. Provided that using more ensemble members, a real-time observational network and a more appropriate inflation factor,better effects of the ETKF-based initial scheme should be shown.     

Study on multi-scale blending initial condition perturbations for a regional ensemble prediction system

An initial conditions (ICs) perturbation method was developed with the aim to improve an operational regional ensemble prediction system (REPS). Three issues were identified and investigated: (2) the impacts of perturbation scale on the ensemble spread and forecast skill of the REPS; (3) the scale characteristic of the IC perturbations of the REPS; and (4) whether the REPS's skill could be improved by adding large-scale information to the IC perturbations. Numerical experiments were conducted to reveal the impact of perturbation scale on the ensemble spread and forecast skill. The scales of IC perturbations from the REPS and an operational global ensemble prediction system (GEPS) were analyzed. A "multi-scale blending" (MSB) IC perturbation scheme was developed, and the main findings can be summarized as follows: The growth rates of the ensemble spread of the REPS are sensitive to the scale of the IC perturbations; the ensemble forecast skills can benefit from large-scale perturbations; the global ensemble IC perturbations exhibit more power at larger scales, while the regional ensemble IC perturbations contain more power at smaller scales; the MSB method can generate IC perturbations by combining the small-scale component from the REPS and the large-scale component from the GEPS; the energy norm growth of the MSB-generated perturbations can be appropriate at all forecast lead times; and the MSB-based REPS shows higher skill than the original system, as determined by ensemble forecast verification.     

集合变换卡尔曼滤波局地化对区域集合初始扰动的影响

集合变换卡尔曼滤波(ensemble transform Kalman filter, ETKF)是一种有效的集合预报初始扰动构造方案。但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使两个距离较远的状态变量产生虚假相关,从而影响ETKF集合扰动的质量。为了有效解决远距离虚假相关问题,将局地化思想引入ETKF方案。本文针对GRAPES区域集合预报系统(GRAPES REPS),对ETKF初值扰动局地化方案的效果进行了试验分析,为进一步改善和优化局地化方案(LETKF方案)提供依据。通过一周的连续试验,从暴雨个例、集合预报多种评分检验等方面分析了LETKF初始扰动方案所产生的集合预报质量。结果表明,区域集合预报中集合变换卡尔曼滤波初始扰动的局地化方案能够更加合理地捕捉到快速增长的分析误差的物理结构,更准确地再现数值模式预报误差的线性与非线性传播和演变特征。该局地化方案可以较好地改进预报质量,提高降水预报的准确率,尤其是针对小雨、中雨、暴雨量级的预报。相对于现有区域集合预报的业务系统GRAPES REPS,基于局地化ETKF初始扰动方案的区域集合预报具有较明显的优势。总体来看,LETKF初始扰动方案可更好地改善区域集合预报的质量。     

中尺度暴雨集合预报系统研发中的初值扰动试验

针对2006年5月24～25日一次暴雨过程, 通过一系列初值扰动试验探讨实际业务中建立集合预报系统的方法。运用45 km的WRF模式构建一个11个成员的集合预报系统来比较分析不同的扰动方案、 扰动的空间结构和扰动振幅对集合预报的影响, 结果表明： （1）初值扰动的空间结构对暴雨集合预报的离散度影响很关键, 而扰动振幅的影响却居次要地位。具有动力学结构的孵化扰动明显优于随机扰动。（2）集合预报比单一控制预报提供了更有价值的预报信息。例如在该个例控制预报中漏报的湖北监利强降水中心, 在集合预报中有20%的概率, 并且实况被包含在集合预报的预报范围之中。集合平均预报也明显优于控制预报\.例如矫正了在控制预报中明显虚报的鄂东北的大暴雨中心, 且集合平均预报的暴雨中心落在实际观测暴雨中心的附近。（3）集合离散度较好地反映了实际降水过程的可预报性。例如应用孵化扰动, 其离散度的空间结构同降水预报误差的空间分布大致对应。