GRAPES全球集合预报系统模式扰动随机动能补偿方案初步探究

为了体现次网格尺度能量升尺度转换过程中存在的不确定性,文中将随机动能补偿(Stochastic Kinetic Energy Backscatter,SKEB)方案应用于GRAPES(Global/Regional Assimilation and Prediction System)全球集合预报系统(GRAPES-GEPS),以更好地表征模式误差并且增大集合离散度。使用的SKEB方案基于具有一定时、空相关特征的随机型以及由数值扩散导致的局地动能耗散率来构造随机流函数强迫。并根据流函数与水平风速旋转分量的关系,将SKEB方案中的流函数强迫转化为适用于GRAPES全球模式的水平风速扰动。结果表明,SKEB方案的使用一方面能够提高GRAPES对大气动能谱的模拟能力;另一方面能够改善GRAPES-GEPS的集合离散度与集合平均误差的关系,增加了集合离散度,并在一定程度上减小了集合平均误差,尤其是在热带地区这种改进更为显著。而且该方案使得热带地区连续分级概率评分(CRPS评分)显著减小。就降水预报而言,从Brier评分与相对作用特征面积(AROC,Area under the Relative Operating Characteristics)的结果来看,SKEB方案有助于改善中国地区小雨[0.1 mm,10 mm)、中雨[10 mm,25 mm)与大雨[25 mm,50 mm)量级降水的概率预报技巧,而对暴雨[50 mm,∞)量级降水预报技巧影响很小(24 h降水量)。总体上,模式扰动随机动能补偿方案提高了GRAPES-GEPS的概率预报技巧。