多模式短期集合降水概率预报试验

利用AREM、MM5和WRF3个中尺度数值模式,通过积云参数化和边界层方案组合构成15个集合成员,对中国2003年7月汛期降水分别采用平均法、相关法、Rank法开展多模式短期集合降水概率预报试验。结果表明：用上述3种方法制作的多模式短期集合概率预报都能对降水落区及中心做出较准确的预报,但平均法和相关法易使降水落区虚假放大,Rank法则能较好地刻画降水落区边界及强度,其概率预报效果优于平均法和相关法结果。采用BS（Brier score）、RPS（ranked probability score）评分和ROC（relative operating characteristic）曲线对3种方法的降水概率预报效果评价时发现,对某一临界值等级的概率预报,3种方法结果差异较小;但对某一天降水概率预报结果的综合评价表明,Rank法显著优于前两种方法;降水强度大、范围广的降水的RPS评分和各级的BS评分较高,表明多模式降水概率预报也具艰巨性。     

多模式集合预报及其降尺度技术在东亚夏季降水预测中的应用

利用动力季节模式输出的匹配域投影技术和多模式集合预报技术对多个国家和城市的站点月平均降水进行预报。预报变量是北京1个站、韩国60个站和曼谷地区8个站点的月平均降水,预报因子是从多个业务动力季节预报模式输出的多个大尺度变量。模式回报数据和站点观测降水数据时段是1983—2003年。降尺度预报降水的技巧是在交叉验证的框架下进行的。匹配域投影方法是设定一个可以活动的窗口在全球范围内大尺度场上进行扫描,寻求与目标站点降水最优化的因子和最相关的区域,目标站点的降水变率就是由该匹配域上大尺度环流场信息决定的。最终预报是用多个降尺度模式预报结果的集合预报(DMME)。多个降尺度模式预报结果的集合预报能显著地提高站点降水的预报技巧。北京站,多个降尺度模式预报结果的集合预报的预报和观测降水的相关系数可以提高到0.71;韩国地区,多个降尺度模式预报结果的集合预报平均技巧提高到0.75;泰国,多个降尺度模式预报结果的集合预报技巧是0.61。     

中国夏季降水多模式集成概率预报研究

基于TIGGE资料中的中国气象局（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）以及英国气象局（UKMO）五个中心2007-2011年5月25日-8月31日中国地区逐日12-36 h、36-60 h、60-84 h、84-108 h、108-132 h与132-156 h累积降水集合预报资料,分别利用PoorMan （POOL）和多模式消除偏差（MBRE）两种方法对2011年各中心降水概率预报进行集成,并采用RPS和BS评分方法对预报效果进行评估。结果表明,对于12-156 h逐24 h累积降水量概率预报,多模式集成预报效果优于单模式预报效果,且多模式消除偏差概率预报效果最好;针对小雨、中雨以及大雨以上降水,PoorMan和MBRE概率预报较单中心预报效果均有提高,MBRE概率预报效果优于PoorMan方法。     

多模式集合优选方案在淮河流域夏季降水预测中的应用

基于国家气候中心提供的1981—2010年4种季节气候预测模式的资料,将两种互为补充的降尺度因子挑选方案应用于淮河流域夏季降水预测,利用距平符号一致率ASCR、等级评定PG、距平相关系数ACC方法,评定了每种模式及其所采用的两种降尺度方法对淮河流域夏季降水的预测效果,并采用了一种优选方案进行多模式集合。结果表明,从4种模式的降水预测效果来看,NCEP_CFSv2和TCC_CPS1模式的评分较高,NCC_CGCM1和ECMWF_SYSTEM4模式相对较低;采用2种基于最优子集回归的降尺度方法后,NCC_CGCM1、TCC_CPS1和ECMWF_SYSTEM4模式的降尺度方法相对于模式降水预测为正订正,NCEP_CFSv2模式为负订正;将模式和降尺度预测方案进行优选,其集合平均的评分不仅高于模式降水预测的集合平均,也优于降尺度方法的集合平均,该方法发挥了不同模式的区域性优势,改进了原始集合平均的效果,为提高多模式解释应用水平提供了一种参考性方案。      

CWRF模式对夏季降水的集合预报试验研究

以ISWS/UIUC发展的CWRF数值模式为试验模式,NOAA全球预报系统(GFS)每天4次的实时预报资料作模式初始和边界条件,同时采用NCEP每天发布的0.5°×0.5°全球SST实时分析资料,分别选取不同的云物理参数化、积云参数化、边界层参数化和辐射方案共计8种参数化组合方案,形成了8组、4个时次共计32个成员的集合预报体系,设计了时变权重分配和动态权重分配两种方案,开展了120 h的实时集合预报试验。试验结果表明,CWRF对中国区域降水有较好的预报能力;在短期降水预报中,集合成员对积云参数化方案更加敏感;考虑了前期预报误差的动态分配权重技术的集合预报方案能够及时反映模式在不同物理参数化方案下,在不同地方、不同预报时效的预报性能,总体上优于不考虑前期预报误差的时变集合预报方案和单个成员的预报。     

基于多模式短期集合预报技术的热带气旋降水预报试验

利用中尺度AREM和WRF模式为试验模式,由对降水预报结果影响颇大的积云和边界层参数化方案构成的10个集合预报成员,开展有限区域多模式短期集合预报在热带气旋降水预报中的应用与研究.分别研究了单个模式集合预报和多模式集合预报在热带气旋"天鹅"(0907)降水预报中的应用.试验结果表明:(1) WRF模式集合预报效果整体上...     

AREM模式两种初值扰动方案的集合降水预报试验及检验

基于我国科学家自主开发的AREM区域中尺度模式,考虑模式初值的不确定性,初步建立起11个成员37 km分辨率覆盖全国大部地区的短期集合预报系统。采用两套初值扰动试验方案(降尺度方案和BGM方案)分别进行了批量试验,试验结果表明:(1)通过对集合预报离散度和概率预报的检验,表明采用区域模式自身孵化循环产生的初始扰动明显优于直接使用全球集合预报提供的初始扰动。(2)无论采用哪种初值扰动方案,基于集合预报方法的集合平均预报、概率预报等均优于单一的确定性预报和业务预报。(3)离散度与集合平均预报误差的面平均有较好的对应关系;离散度与预报误差的空间相关系数平均为40%～45%。(4)目前集合预报系统离散度与预报误差相比偏小,其部分原因在于没有考虑模式物理过程的不确定性,这将在下一步的工作中逐步改进。     

基于时间尺度分离的中国东部夏季降水预测

基于时间尺度分离,利用NCEP第2代气候预测系统 (CFSv2) 每年4月起报的夏季月平均预测资料, 结合实际观测资料和再分析资料,对江淮流域及华北地区夏季降水距平百分率进行降尺度预测。将预测量和预测因子分为年际分量和年代际分量,在两个时间尺度上分别建立降尺度模型,两个预测分量之和为总预测量。对1982—2008年拟合时段的夏季降水距平百分率的回报结果表明:降尺度预测结果相对于原始模式结果预测技巧显著提高。降尺度预测与实况降水在江淮流域和华北地区的空间相关系数最大值超过0.8,多年平均值也分别提高到0.53和0.51;时间相关在每个站点也显著增强,相关系数为0.38~0.65。对2009—2013年进行独立样本检验,结果表明:降尺度模型能较好地预测出该时段的降水异常空间型态。同时,该模型对2014年夏季降水长江以南偏多、黄淮地区偏少的分布形势也有一定预测能力。     

基于IPCC A1B情景的中国未来气候变化预估:多模式集合结果及其不确定性

利用耦合模式比较计划(CMIP3)提供的20世纪气候模拟试验(20C3M)及A1B情景预估试验,讨论了全球增暖情景下21世纪中期中国气候的可能变化。结果表明,A1B情景下,中国夏季降水变化在-0.1～1.1mm/d,冬季降水变化在-0.2～0.2mm/d。模式对降水变化的预估存在较大不确定性。无论冬夏,预估的全国表面气温都将升高,升温幅度在1.2～2.8℃;随纬度升高,增暖幅度相应增大。模式对表面气温变化的预估能力强于对降水变化的预估能力。在A1B情景下,东亚夏季风增强,而冬季风则略为减弱,东亚夏季风雨带到达最北后南撤的时间较之20C3M滞后约一个月。     

观测降水概率不确定性对集合预报概率Brier技巧评分结果的分析

利用淮河地区652个站点日降水量和参加全球交互式大集合预报计划的中国T213集合预报系统24 h累积降水预报,建立了新的集合预报评分中观测资料的处理方法.该方法基于模式检验的观测资料处理中考虑不确定性的思想,构建了观测概率法和观测百分位法的观测资料处理方法.本文方法和通常数值预报检验观测资料处理方法的模式检验对比分析表明:采用了观测概率法和观测百分位法处理降水观测后,五个降水阈值预报Brier评分检验表明,新的观测资料处理方法使预报的Brier评分分值下降,即预报性能得到提高,尤其在中低降水阈值区域较为明显.Brier技巧评分可靠性和分辨性的分析表明,模式五个降水阈值预报都有预报技巧.新的观测资料处理方法普遍提高了五个降水阈值预报的分辨性,但是降低了可靠性.本研究结果对在今后集合预报评分方法中考虑观测资料不确定性的影响,尤其是对集合预报降水的评估起到非常积极的作用.     

Probabilistic seasonal prediction of summer rainfall over East China based on multi-model ensemble schemes

The skill of probability density function (PDF) prediction of summer rainfall over East China using optimal ensemble schemes is evaluated based on the precipitation data from five coupled atmosphere-ocean general circulation models that participate in the ENSEMBLES project. The optimal ensemble scheme in each region is the scheme with the highest skill among the four commonly-used ones: the equally-weighted ensemble (EE), EE for calibrated model-simulations (Cali-EE), the ensemble scheme based on multiple linear regression analysis (MLR), and the Bayesian ensemble scheme (Bayes). The results show that the optimal ensemble scheme is the Bayes in the southern part of East China; the Cali-EE in the Yangtze River valley, the Yangtze-Huaihe River basin, and the central part of northern China; and the MLR in the eastern part of northern China. Their PDF predictions are well calibrated, and are sharper than or have approximately equal interval-width to the climatology prediction. In all regions, these optimal ensemble schemes outperform the climatology prediction, indicating that current commonly-used multi-model ensemble schemes are able to produce skillful PDF prediction of summer rainfall over East China, even though more information for other model variables is not derived.     

Improving multi-model ensemble probabilistic prediction of Yangtze River valley summer rainfall

Seasonal prediction of summer rainfall over the Yangtze River valley(YRV) is valuable for agricultural and industrial production and freshwater resource management in China, but remains a major challenge. Earlier multi-model ensemble(MME) prediction schemes for summer rainfall over China focus on single-value prediction, which cannot provide the necessary uncertainty information, while commonly-used ensemble schemes for probability density function(PDF) prediction are not adapted to YRV summer rainfall prediction. In the present study, an MME PDF prediction scheme is proposed based on the ENSEMBLES hindcasts. It is similar to the earlier Bayesian ensemble prediction scheme, but with optimization of ensemble members and a revision of the variance modeling of the likelihood function. The optimized ensemble members are regressed YRV summer rainfall with factors selected from model outputs of synchronous 500-h Pa geopotential height as predictors. The revised variance modeling of the likelihood function is a simple linear regression with ensemble spread as the predictor. The cross-validation skill of 1960–2002 YRV summer rainfall prediction shows that the new scheme produces a skillful PDF prediction, and is much better-calibrated, sharper, and more accurate than the earlier Bayesian ensemble and raw ensemble.     

Probabilistic Seasonal Prediction of Summer Rainfall over East China Based on Multi-Model Ensemble Schemes

The skill of probability density function (PDF) prediction of summer rainfall over East China using optimal ensemble schemes is evaluated based on the precipitation data from ˉve coupled atmosphere-ocean general circulation models that participate in the ENSEMBLES project. The optimal ensemble scheme in each region is the scheme with the highest skill among the four commonly-used ones: the equally-weighted ensemble (EE), EE for calibrated model-simulations (Cali-EE), the ensemble scheme based on multiple linear regression analysis (MLR), and the Bayesian ensemble scheme (Bayes). The results show that the optimal ensemble scheme is the Bayes in the southern part of East China; the Cali-EE in the Yangtze River valley, the Yangtze-Huaihe River basin, and the central part of northern China; and the MLR in the eastern part of northern China. Their PDF predictions are well calibrated, and are sharper than or have approximately equal interval-width to the climatology prediction. In all regions, these optimal ensemble schemes outperform the climatology prediction, indicating that current commonly-used multi-model ensemble schemes are able to produce skillful PDF prediction of summer rainfall over East China, even though more information for other model variables is not derived.     

春季青藏高原感热对中国东部夏季降水的影响和预测作用

利用1980-2012年青藏高原中、东部71个站点观测资料、全中国756站的月降水资料、哈得来中心提供的HadISST v1.1海温资料以及ERA-Interim再分析资料,综合青藏高原的感热加热以及全球海温,研究了春季青藏高原感热对中国东部夏季降水的影响,并建立预报方程,探讨了青藏高原春季感热对中国降水的预报作用。结果表明,青藏高原春季感热与中国东部降水关系密切,青藏高原春季感热异常增强伴随着长江流域中下游同期降水增多,后期夏季长江流域整流域降水也持续偏多,华南东部降水偏少。春季青藏高原感热的增强与环北半球中高纬度的罗斯贝波列密切相关,扰动在北太平洋形成的反气旋环流向西南方向延伸至西北太平洋,为长江流域输送大量的水汽,有利于降水的发生。夏季,伴随着前期青藏高原感热的增强,南亚高压位置偏东,西北太平洋副热带高压（西太副高）位置偏西偏南,西太副高北侧为气旋式环流异常。在西太副高的控制下,华南东部降水减少;西太副高西侧的偏南气流为长江流域带来大量水汽,并与来自北部气旋式环流异常西侧的偏北风发生辐合,降水增多。青藏高原春季感热异常是华南和长江流域夏季降水异常的重要前兆信号。加入青藏高原春季感热后,利用海温预报的华南、长江流域夏季降水量与观测值的相关系数有所提高,预报方程对区域降水的解释方差提高约15%。      

中国东部夏季雨型的人工神经网络集合预测

在BP(back propagation)人工神经网络方法的基础上,考虑到历史资料的个体差异及其年代际变化会影响到样本均值,由此使得中国东部夏季雨型模拟和预测效果产生差异,故引入交叉检验及集合预报思想,以改进人工神经网络独立预报方法.在利用不同历史样本资料建立人工神经网络模型,并进行交叉检验的同时,对预测年的雨型进行预测,可获得预测年的多次预测结果.该方法在中国东部夏季四类雨型的试验预报中表现出较好效果.     

基于CMIP5资料的东亚夏季环流的BMA预测研究

利用CMIP5的17个全球气候系统模式对500 hPa位势高度场的年代际回报结果,采用距平相关系数、均方根误差、平均绝对误差及连续等级概率评分4种指标,评估了贝叶斯模式平均(Bayesian model average,BMA)预报方法对东亚夏季环流的回报能力,并与最优单模式MIROC5和多模式简单集合平均结果进行了比较。结果表明,BMA方法对东亚夏季500 hPa位势高度场的回报效果是最好的,优于最优单模式MIROC5和简单集合平均的回报结果。BMA模型能产生高集中度的概率密度函数,并包含了多模式集成回报不确定性的定量估计。此外,BMA方法对西太平洋副热带高压的年际变率也有较好的回报效果,对西太平洋副热带高压的预报,选取60~70%概率下的结果更为合理。     

The Early Summer Seasonal Change of Large－scale Circulation over East Asia and Its Relation to Change of The Frontal Features and Frontal Rainfall Environment During 1991 Summer

ＴｈｅＥａｒｌｙＳｕｍｍｅｒＳｅａｓｏｎａｌＣｈａｎｇｅｏｆＬａｒｇｅ－ｓｃａｌｅＣｉｒｃｕｌａｔｉｏｎｏｖｅｒＥａｓｔＡｓｉａａｎｄＩｔｓＲｅｌａｔｉｏｎｔｏＣｈａｎｇｅｏｆＴｈｅＦｒｏｎｔａｌＦｅａｔｕｒｅｓａｎｄＦｒｏｎｔａｌＲａｉｎｆａｌｌＥ...     

A multi-model ensemble approach for assessment of climate change impact on surface winds in France

Statistical downscaling of 14 coupled atmosphere-ocean general circulation models (AOGCM) is presented to assess potential changes of the 10 m wind speeds in France. First, a statistical downscaling method is introduced to estimate daily mean 10 m wind speed at specific sites using general circulation model output. Daily 850 hPa wind field has been selected as the large scale circulation predictor. The method is based on a classification of the daily wind fields into a few synoptic weather types and multiple linear regressions. Years are divided into an extended winter season from October to March and an extended summer season from April to September, and the procedure is conducted separately for each season. ERA40 reanalysis and observed station data have been used to build and validate the downscaling algorithm over France for the period 1974–2002. The method is then applied to 14 AOGCMs of the coupled model intercomparison project phase 3 (CMIP3) multi-model dataset. Three time periods are focused on: a historical period (1971–2000) from the climate of the twentieth century experiment and two climate projection periods (2046–2065 and 2081–2100) from the IPCC SRES A1B experiment. Evolution of the 10 m wind speed in France and associated uncertainties are discussed. Significant changes are depicted, in particular a decrease of the wind speed in the Mediterranean area. Sources of those changes are investigated by quantifying the effects of changes in the weather type occurrences, and modifications of the distribution of the days within the weather types.     

陆面热力因子应用于中国夏季降水预测的初步试验

基于对中国东部夏季降水与欧亚大陆土壤温度和全球海表温度的相关分析,选取不同关键区的土壤温度和海表温度作为夏季降水的预测因子。利用1961-1990年的资料,分别以土壤温度作为第1组预测因子,海表温度作为第2组预测因子,综合海表温度与土壤温度因子作为第3组预测因子,使用改进的典型相关分析和集合典型相关分析法对中国东部夏季降水场进行预测,建立了相应的预测模型。然后,利用1991—2010年的资料进行了独立样本预测试验。在独立样本预测试验中,综合海表温度与土壤温度因子建立的模型比只用海表温度进行预测的各项预测评分高,说明加入土壤温度因子后预测效果有所提高。基于陆面热力因子的预测模型对夏季降水有一定的技巧,而综合海温与陆面热力因子的预测模型对中国东部夏季降水有较高的预测能力。