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。     

基于频率匹配法的中国降水多模式预报订正研究

基于TIGGE资料中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及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。     

TOPOGRAPHY-DEPENDENT HORIZONTAL LOCALIZATION SCALE SCHEME IN GRAPES-MESO HYBRID EN-3DVAR ASSIMILATION SYSTEM

Based on the GRAPES-MESO hybrid En-3 DVAR(Ensemble three-dimension hybrid data assimilation for Global/Regional Assimilation and Prediction system) constructed by China Meteorological Administration, a 7-day simulation(from 10 July 2015 to 16 July 2015) is conducted for horizontal localization scales. 48 h forecasts have been designed for each test, and seven different horizontal localization scales of 250, 500, 750, 1000, 1250, 1500 and 1750 km are set. The 7-day simulation results show that the optimal horizontal localization scales over the Tibetan Plateau and the plain area are 1500 km and 1000 km, respectively. As a result, based on the GRAPES-MESO hybrid En-3 DVAR, a topography-dependent horizontal localization scale scheme(hereinafter referred to as GRAPES-MESO hybrid En-3 DVAR-TD-HLS) has been constructed. The data assimilation and forecast experiments have been implemented by GRAPES-MESO hybrid En-3 DVAR, 3 DVAR and GRAPES-MESO hybrid En-3 DVAR-TD-HLS, and then the analysis and forecast field of these three systems are compared. The results show that the analysis field and forecast field within 30 h of GRAPES-MESO hybrid En-3 DVAR-TD-HLS are better than those of the other two data assimilation systems. Particularly in the analysis field, the root mean square error(RMSE) of u_wind and v_wind in the entire vertical levels is significantly less than that of the other two systems. The time series of total RMSE indicate, in the 6-30 h forecast range, that the forecast result of En-3 DVAR-TD-HLS is better than that of the other two systems, but the En-3 DVAR and 3 DVAR are equivalent in terms of their forecast skills. The 36-48 h forecasts of three data assimilation systems have similar forecast skill.     

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.     

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。     

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.     

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.     

加拿大主要农田作物临界气象指标

根据加拿大主要农田作物生长发育对天气与气候条件的要求、农业气象学与气候学原理以及全球气候变化对农作物生产的影响和发展趋势,选择6个关键性气象因素(极端气温、强降水、强风、冷冻、土壤极端水分和作物生产有效热能条件),开发和评价12个农业气象临界指标(寒潮及热浪天数、日及旬最大降水量、日最大风速、强风天数、无霜期及冰冻期天数、标准降水系数、季节性水分亏缺、作物生长有效积温和累积热能单位).这些指标可供在该国各农产区科学规划和合理发展各类农田作物生产,包括喜暖性和喜凉性一年生草本作物,越冬性二年生及多年生草本及木本作物.该研究还依据该国这三类主要农田作物对临界温度和水分的需求,以及加拿大农田作物生长期和越冬期的天气和气候特征,建立了在任意农业生产年份中各类农田作物生长起始和终止日期的模式.本研究结果能用于指导该国将来在不同农产区适地适时种植适宜的农田作物和高效地经营与管理农场,同时可为农业生产咨询、政策制定和合理决策提供科学依据,也可供其他国家或地区开展类似的科学研究参考.     

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。     

ECMWF业务预报模式地面气温预报的不一致性特征研究

为探讨ECMWF业务预报模式(以下简称ECMWF)的地面气温预报不一致性问题,本文利用2015年12月1日—2016年11月30日业务预报中常用的地面气温预报数据,研究ECMWF地面气温预报产品在不同季节里的不一致性指数分布及变化特征。结果表明:各个季节不一致性指数有不同的特点,冬季不一致性指数最大,大值区主要分布在除华南和青藏高原外的大部分区域;而夏季不一致性指数最小,在青藏高原地区不一致性指数相对较大;春、秋两季不一致性指数大小均处于冬、夏季之间。此外,研究还发现冬季地面气温预报不一致性指数单日变化较大,而夏季较小。夏季不同起报时间的地面气温预报比较稳定。