基于再分析尺度化因子的集合预报初值扰动对台风烟花(2106)预报的影响

为考察基于再分析尺度化因子的集合变换卡尔曼滤波(ETKF_R)初值扰动方案对台风预报的影响,利用中国气象局区域集合预报系统(CMA-REPS)开展了2021年7月18—29日的回算试验,分析了初值扰动结构对登陆台风烟花路径和强度预报的影响,并与ECMWF和NCEP全球集合预报进行对比。结果显示:ETKF_R方法改善了初始三维风场的扰动幅度和结构,但台风初始位置和强度的离散度偏小;ETKF_R方法能合理降低对台风路径预报起关键作用的天气系统的集合离散度,从而限制台风移速和移向的过度发散,提高“烟花”全生命史的路径集合平均预报技巧,并改善台风路径集合平均误差与离散度关系;ETKF_R预报前24 h台风结构和强度的离散度能快速增长,其24 h后台风强度集合平均预报效果与ETKF方案基本相当;与国际先进的全球集合预报相比,ETKF_R对“烟花”登陆的预报效果最优,其统计平均的0~2 d路径预报误差与ECMWF集合相当,而NCEP集合的0~2 d路径预报误差最小,但过发散特征明显;同时,ECMWF集合对“烟花”的强度预报总体严重偏弱,而NCEP集合对预报台风最大强度的准确性较高,但预报的台风增强速度比ETKF_R慢。上述研究结果表明,CMA-REPS的台风路径和强度预报具有业务参考价值。

全球集合预报位温系统偏差和随机误差结合的模式倾向扰动方法

传统集合预报模式扰动方法通常用来描述物理过程随机误差,但模式不可避免会存在系统偏差,为了减少模式系统偏差对集合预报的影响,利用中国气象局全球集合预报系统(CMA-GEPS),通过经验正交函数(Empirical Orthogonal Function,EOF)分解方法获得系统偏差倾向,在积分过程中将系统偏差倾向扣除法与传统的随机物理倾向扰动法(Stochastically Perturbed Parameterization Tendency,SPPT)相结合,构建了全球集合预报系统偏差和随机误差结合的模式倾向扰动方法(Bias correction of bias tendency based on SPPT,SPPT-B),设计并开展了集合预报试验来探究该方法对全球集合预报的影响。结果显示:(1)经验正交函数分解的第一模态能较好地体现系统偏差的主要特征,即随预报时效线性增长、对流层高层的系统偏差比中、低层大。(2)系统偏差倾向扣除法和SPPT-B方法均可以有效降低南、北半球和热带地区高层和低层的系统偏差,且SPPT-B方法能明显改善热带地区集合离散度。(3)两套方案对对流层高层的集合预报技巧改进效果优于低层。SPPT-B能有效提高全球集合预报技巧,为发展同时考虑系统偏差和随机误差的全球集合预报模式扰动方法提供了科学依据。

CMA-REPS系统的降水邻域集合概率预报方法研究

基于CMA-REPS V3.1区域集合预报系统,在降水邻域集合概率法的基础上对其算法进行优化,发展了一种优化的邻域集合概率方法。选取该系统2021年5—7月逐日24 h累积降水资料计算降水邻域概率。采用国家气象信息中心开发的三源融合格点降水产品作为观测降水,用相对作用特征曲线面积评分法对降水邻域概率预报结果进行检验,并与邻域集合概率法和集合平均邻域概率法的评分结果对比,结合典型降水个例,评估三种方法的降水概率预报效果,结果表明优化的邻域集合概率法的评分最高,其反映的降水信息与观测更一致。利用这三种方法的降水邻域概率计算集合降水的分数技巧评分(Fractions Skill Score,FSS),结果显示基于优化的邻域集合概率法的FSS评分高于集合平均邻域概率法,且与邻域集合概率法的FSS评分各有优势,前者对小量级降水,尤其是小雨和中雨的评分最高,后者对大量级降水,尤其是暴雨的评分最高;基于优化的邻域集合概率法的FSS评分相对更客观。

GRAPES对流尺度集合预报模式中不同尺度初始扰动能量的演变特征

对流尺度数值预报对初始场的微小扰动非常敏感,且初始扰动的演变具有模式依赖、环流依赖和尺度依赖特征,如何构建合理的初始扰动场是国内外对流尺度集合预报领域尚未解决的难点问题和研究前沿。本文基于中国气象局3 km水平分辨率的GRAPES(Global/Regional Assimilation and Prediction Enhanced System)对流尺度模式,利用其同化分析系统的背景误差和一个二维随机型,构建大、中、小三个尺度的初始扰动场,并选取中国夏季一次典型的多区域强降水天气个例,开展对流尺度集合预报试验,对比分析了大、中、小尺度初始扰动能量的时空演变和谱分解特征,以期为构建适用于GRAPES对流尺度集合预报的初始扰动场提供依据。研究结果表明,在GRAPES 3 km对流尺度模式中:(1)大、中、小尺度初始扰动总能量的增长过程具有明显差异。大尺度初始扰动总能量随着模式积分呈增长趋势,尤以对流层中高层的持续增长为甚;而中、小尺度初始扰动总能量随着模式积分以日变化为主,表现为下午至傍晚(夜晚至清晨),扰动总能量显著增加(减小),且扰动总能量小尺度分量的日变化占主导,这可能是由于太阳辐射引起地表加热,使得白天的对流活动比夜晚活跃,且对流直接影响了扰动总能量小尺度分量的变化。此外,大、中、小尺度初始扰动总能量增长均以扰动动能增长为主,扰动位能在对流层低层的增长不可忽略。(2)大、中、小尺度初始扰动总能量增长具有环流依赖特征。对北支气流控制的中高纬天气区,在斜压不稳定较强的低槽区,大尺度初始扰动总能量增长突出,而在槽后西北气流区,大、中、小尺度初始扰动总能量均不增长;对南北气流交汇区,仍以大尺度初始扰动总能量增长最为明显;对南海夏季风影响区,大、中、小尺度初始扰动总能量发展均较弱,扰动位能增长与区域降水大值率演变有较好的对应关系。(3)大、中、小尺度初始扰动总能量的谱分析结果显示,不同积分时段扰动总能量的多尺度串级特征有差异。积分前3 h主要为扰动总能量的大尺度分量向小尺度分量降尺度串级,积分6 h后则为中、小尺度分量的升尺度串级。上述研究结果表明,在天气系统复杂、动力不稳定时空分布不均匀的区域(如中国区域)发展对流尺度集合预报时,有必要针对不同的不稳定天气区,构建具有尺度依赖和环流依赖的初始扰动结构。

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7~9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:(1)GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。(2)GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。(3)个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。(4)与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。

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。

云凝结核浓度对北京一次降水过程影响的数值模拟

利用WRF v3.6.1模式,采用Thompson云微物理参数化方案对北京奥运会期间的一次降水过程进行了模拟,通过3组数值试验对比分析了高、中、低云凝结核浓度对降水的影响。数值试验结果显示:(1)在云凝结核浓度较低的情况下,云凝结核浓度增加使24 h累积降水量增加,且增加的幅度相对较低;在云凝结浓度较高的情况下,云凝结核浓度增加使24 h累积降水量减少,且减少的幅度相对较高。(2)从地面雨强分布来看,不同的云凝结核浓度对暴雨、大雨、中雨、小雨的影响均体现在降水强度上,对降水位相的影响不显著。(3)云凝结核浓度的变化对低云量的影响与其对降水的影响相一致,故低云量是影响降水的一个重要因素。

一种新型西南低涡逐步订正识别方法

西南低涡是形成于青藏高原东侧的特殊天气系统,国内学者目前对于西南低涡的识别没有统一的标准。通过分析西南低涡的主要特征,结合高度场、涡度场、风场,设计了一种适应于西南低涡的HVW识别方法,将其应用于2014年6—8月GRAPESMESO高分辨率格点分析资料,对比与西南低涡天气图实况的差异。通过对西南低涡的识别、低涡生成和消亡时间、低涡中心位置以及低涡中心强度这几方面的具体分析,得到以下几点结论:1)HVW识别方法能够有效识别出高精度格点资料中的西南低涡过程,与格点实况的吻合率达到87.5%;对于天气图和格点资料都能够再现的西南低涡个例,HVW识别方法的准确度能够达到90.9%,说明HVW识别方法能够有效捕捉西南低涡。2)以天气图实况资料为西南低涡生命时长检验标准,HVW识别方法能够合理分析低涡的生成和消亡时间。3)对西南低涡中心位置偏差进行分析发现,HVW识别的西南低涡中心位置不仅位于西南低涡气压低值附近,更位于风场辐合中心。4)对西南低涡中心强度的评估发现,格点实况与HVW识别方法分析的西南低涡强度差异几乎可以忽略,充分说明了HVW识别方法包含了格点实况的高度场信息,也说明该识别方法的西南低涡中心强度可以用来代替格点实况结果。通过对2014年6—8月西南低涡过程的具体分析,验证了HVW逐步循环定位方法的可行性、合理性以及准确性。