基于集合匹配尺度的邻域集合概率法及其在梅雨锋暴雨预报中的适用性

概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood Ensemble Probability based on Ensemble Agreement Scale,EAS_NEP),并在中国南方典型的梅雨锋暴雨中开展准确性和预报技巧的定量检验评估,以期验证该方法在此类过程中的适用性,并促进其在实际业务中的推广使用。联合扰动初始场、侧边界和物理过程所得到的集合预报能较好地表征实际的预报不确定性,进一步在此基础上比较了格点概率法、不同半径的邻域集合概率法以及EAS_NEP的优劣。试验结果表明,EAS_NEP能根据集合成员间的一致性程度,自适应地调整邻域半径,其在集中型降水中所确定的邻域半径通常大于分散型降水。动态调整的邻域半径既避免了半径过大时的过度平滑与关键信息丢失,又消除了半径较小所带来的奇异点,其空间分布呈阶梯型,空间连续性更优。此外,BS(布莱尔评分)、FSS(分数技巧评分)和ROC曲线(相对作用特征曲线)等定量评估结果也体现出EAS_NEP相比传统方法正的预报技巧,尤其是在分散型降水和高阈值检验时优势更明显。以上结果表明,EAS_NEP在梅雨锋暴雨的预报中具有较好的应用前景,运用在业务中能有效提升概率预报质量。

混合截断尺度Blending方案及其在西南区域模式中的应用

西南区域地形复杂多样,产生的灾害性天气系统往往具有多尺度特征,各个尺度的波动信息均影响着天气系统的发生发展。为了在循环同化过程中及时并恰当地引入来自全球模式背景场的信息,修正区域模式对大尺度波段信息的分析和预报偏差,本文以西南区域为研究背景,根据不同类型模式变量的长度尺度特征,将风场的截断尺度与温湿变量的截断尺度进行差异化设置,提出了混合截断尺度的Blending方案,并基于西南区域循环同化系统进行了为期一周的批量循环同化试验和个例结果诊断分析。结果表明,统一和混合截断尺度的Blending方案均能减小循环同化过程中的分析和预报偏差,而混合截断尺度的Blending方案通过对动力场和温湿场采用不同的截断尺度,分别引入更符合动力场和温湿度场尺度特征的全球背景场信息,进一步减小了区域背景场的偏差,提高了循环同化分析的连续性和气象要素预报的准确度。在降水个例分析中,模式在地形陡峭区域出现了明显的降水虚报和落区偏差,混合截断尺度Blending方案能进一步降低大量级降水的虚报率,改进了对降水量级和落区的预报,提高了降水预报准确度。