消除偏差集合平均在黄海渤海大风预报中的应用

基于日本气象厅预报模式（JMA）、美国国家环境预报中心预报模式（NCEP GFS）及美国海军全球大气预报谱模式（NOGAPS）3个模式2009年6月28日~8月10日每日20：00预报的海面风场预报资料,利用消除偏差集合平均对海面风场进行预报试验,并采用均方根误差对预报结果进行检验评估。结果表明,对于24、48 h海面风场预报,消除偏差集合平均有效地减小了预报的均方根误差,预报效果优于单个模式的预报;其中,渤海中部偏南地区及黄海中部误差减小最为明显。此外,消除偏差集合平均预报明显改善了2009年7月13~14日和8月7日大风过程的预报效果,提高了风速值和大风区位置的预报准确率。

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。

多模式集成方法对延伸期降水预报的改进

利用TIGGE（THORPEX Interactive Grand Global Ensemble）资料中的CMC、ECMWF、NCEP和UKMO 4个中心全球集合预报模式对2007年10月3日—2008年2月29日逐日累积降水进行多模式集成预报试验。通过集合平均、多模式消除偏差集合平均、加权消除偏差集成3种方法进行试验对比,重点分析各中心模式及多模式集成的240~360h（10~15d）延伸期预报的检验效果。结果表明,多模式集成对逐日累积降水240~360h延伸期预报优于单个中心模式,将逐日降水的预报时效提高了72~168h。3种集成方法对比发现,多模式消除偏差集合平均方法预报效果最好,该方法将晴雨量级的降水预报时效在中短期和延伸期至少提高了1d和5d。

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心(ECWMF)确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。

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。

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。

TIGGE模式在淮河水系史河流域的应用

为了提高淮河水系史河流域降水预报的精度,对TIGGE模式降水预报校正方法进行了研究。基于TIGGE的ECMWF、KMA、JMA、UKMO、CMA等5个模式2015—2017年汛期在史河流域的降水预报数据和雨量站实测降水资料,采用降水预报的均方根误差指标和在确报率、空报率和漏报率评价指标基础上提出的降水预报三率综合评价指标,对各模式在1~7 d预见期内的预报精度进行综合评价,采用2种非线性方法RBF及ν-SVR对TIGGE的5个降水预报模式进行非线性集合预报校正,并与线性方法BREM法进行了比较。结果表明:TIGGE的5个模式中,JMA模式的降水预报精度最高,其次是ECMWF和UKMO,实时降水预报校正ν-SVR法明显优于BREM法和RBF法;实时降水预报校正ν-SVR法提高了TIGGE模式降水预报的精度。

基于偏最小二乘回归方法的东亚区域多模式温度集成预报试验

利用德国气象局(German Bureau of Meteorology,GBM)全球中期数值天气预报产品、日本气象厅(Japan Meteorological Agency,JMA)全球中期数值天气预报产品和中国国家气象中心T639数值预报产品3个子模式,采用偏最小二乘回归(partiaI least square regression,PLS)方法、超级集成(multi-model superensemble,SUP)方法和消除偏差集成平均(bias-removed ensemble mean,BREM)方法对比试验,建立2012—2013年冬季东亚区域(15°~70°N、90°~145°E)的地面气温多模式集成预报模型,并进行2014年冬季24~72 h预报时效的地面温度的多模式集成预报研究。为进一步验证集成方法的性能是否具备稳定性,以2014年2月1—9日发生的寒潮天气过程为个例进行检验分析。结果表明,多模式集成预报模型能够综合子模式优点,预报效果明显好于3个子模式,且PLS方法优于SUP、BREM集成方法。

一个台风降水预报的分级回归统计降尺度应用研究

利用全球交互式全球大集合预报资料和中国降水融合产品资料,对2013年7月12至14日1307号“苏力”台风多模式降水预报进行分级回归统计降尺度研究,并对多模式预报结果进行多模式集成,然后对降水预报结果进行频率匹配法订正。结果表明,四个中心降水预报的分级回归统计降尺度的预报效果改进显著,但对降水量级预报误差改进有限。多模式集成预报中,简单集合平均能明显提高降水预报的距平相关系数,消除偏差集合平均能明显减小降水量预报的均方根误差。四个中心预报经过频率匹配法订正后大雨及以上量级降水的漏报率有所改进,大雨量级的预报改进最明显。频率匹配法处理后强降水区的面积偏差得到显著改进,预报面积误差明显减少。

多源降水预报集成技术应用研究

基于欧洲中期天气预报中心全球高分辨率预报模式ECMWF、中国自主研发的新一代业务化区域数值模式GRAPES_Meso和WRF中国全国区域预报模式的降水预报结果进行未来3 d降水集成预报。以中国地面—卫星—雷达三源融合逐时降水格点产品(CMPA-Hourly,V2.0)作为“观测值”进行建模,采用消除偏差多模式平均法和基于无偏平均绝对误差集成法对中国大陆地区进行降水集成预报,同时采用2800个国家自动气象站降水观测数据对降水集成预报效果进行检验。结果表明:基于无偏平均绝对误差的降水集成方法能够综合每个模式成员降水预报场的优势,提供一种更为稳定可靠且具有更高分辨率的优质精细化降水预报产品;其在试验期间对中国大陆地区汛期的降水预报ETS评分,优于消除偏差多模式平均降水集成预报和最优单模式降水预报,BIAS评分更接近于1,与“实况”的距平相关系数也明显提高,是对降水大值捕捉能力较优的一种集成方法,尤其对中雨到暴雨量级预报的改进较好。