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。

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。

不同大尺度强迫条件下考虑初始场与侧边界条件不确定性的对流尺度集合预报试验

研究了不同大尺度强迫条件下的暴雨个例中,考虑不同尺度特征的初始扰动与侧边界扰动相互作用构造对流尺度集合预报的可行性,为进一步构建"自适应"于不同强对流天气的对流尺度集合预报系统提供依据。结果表明,在大尺度强迫显著的个例1中,以大尺度扰动信息为主的动力降尺度的增长趋势较集合转换卡尔曼滤波(ETKF)更为显著,且总扰动能量在预报中后期超过集合转换卡尔曼滤波,而在大尺度强迫较弱的个例2中,集合转换卡尔曼滤波扰动能量始终高于动力降尺度。此外,当大尺度强迫显著时,初始扰动与侧边界扰动相匹配会产生相互促进的作用,而不匹配时初始扰动会在预报中后期抑制侧边界扰动的发展,当大尺度强迫较弱时,即使是互相间不匹配的初始扰动与侧边界扰动也能在大部分预报时段起到相互促进的作用,说明初始扰动与侧边界扰动的相互作用机制不仅与天气形势相关,也与二者是否匹配挂钩,另外,扰动的发展特征同样依赖于天气形势;从集合离散度的角度来看,当大尺度强迫明显时,侧边界扰动的作用会在更短的时间内取代初始扰动,从而对离散度起到主导地位;两种初始扰动方法相比,集合转换卡尔曼滤波在多数情况下对总离散度的贡献均大于动力降尺度;从降水量预报及概率预报情况来看,大尺度强迫明显的个例可预报性更高,且各集合成员间的差异较小,大尺度强迫较弱的个例则相反,且当两种初始扰动方案与侧边界扰动相结合时,较仅侧边界扰动均有一定提高。

不同初始场及其扰动对WRF模拟暴雨的影响

使用ERA-interim和FNL再分析资料分别驱动WRF,对2013年7月12—13日的一次暴雨过程进行数值模拟,详细比较了WRF模拟结果之间的差异。结果表明:(1)两种资料在次天气尺度上存在着较大差异,并由此造成了模拟结果之间的差异,ERA-interim作为初始场对降水的模拟优于FNL资料,反映了WRF对初、边界条件的敏感性;(2)从区域总降水量来看,湿度场扰动对降水量的影响最大,其次是风场扰动和温度场扰动,最小的是侧边界扰动;(3)从降水误差来看,湿度场扰动引起的降水误差最大,在积分20 h内风场扰动的降水误差大于温度场,积分21~24 h则相反,侧边界扰动引起的降水误差在前期比较小且增长缓慢,积分一段时间之后与单个气象要素扰动引起的降水误差相当。