扩展Nudging模式误差订正与初值蒙特卡洛集合预报的融合——模式参数和微分方程均有误差

本文主要研究扩展Nudging模式误差订正方案与初值蒙特卡洛集合预报的融合预报方法。这一方法首先使用历史资料估计出常数型模式误差,并将其叠加在模式倾向上作为新的预报模式,预报时再对此新预报模式的初始场叠加多了扰动,进行蒙特卡洛集合预报。这样在预报中不仅订正了模式误差,而且也考虑了初始场不确定性。在模式参数和微分方程均有误差的情况下,在最大简化气候模型的混沌台上,对这一新方法的预报效果做出全面的评估。数值试验结果表明,这一新方法在适当的人为扰动量级、预报时段和观测误差量级前提下,可以获得很好预报效果。

一阶模式误差订正方案的长期积分性质对初值的依赖性

采用最大简化气候模型,使用理想试验的方法,对模式用无误差的参数积分10 010 d,每隔10 d取一个值,获得1 000个初值,用任意一个初值积分500 000步,用所得的数据通过grapher软件可得出散点图和概率密度分布图,通过对模式长期积分在相空间中的概率密度分布分析得出参数无误差模式和有误差模式的长期积分性质对初值的依赖性不大而一阶模式误差订正方案长期积分性质对初值的依赖性很大,且与回溯阶有很大的关系。

基于ECMWF模式的武汉市冬季高空气温订正预报研究

基于2016—2018年冬季武汉站1000、925、850、700、500 hPa的探空气温和ECMWF的72 h气温预报数据,分析了武汉站的高空气温预报误差,使用多元线性回归方法建立了预报误差订正方程。研究发现,ECMWF模式对于各层气温的预报平均偏高0.54℃,1000~850 hPa平均预报误差随着高度增大,850 hPa上误差最大,高达0.77℃,预报偏高1.0℃以上的频次超过总数的1/3,850 hPa以上气温预报误差随着高度降低,500 hPa的预报误差最小。模式预报时效越长,高空气温预报误差越大,72 h时效平均预报误差高达0.80℃。基于ECMWF模式预报误差与850 hPa气温的相关关系,选取了两个订正预报因子,分别为22°N、112°E与33°N、112°E的温差及28°N、116°E与34°N、116°E的纬向风之差,并分层建立了气温预报误差订正方程。最后,对预报方程进行了检验,发现订正后各层气温误差均显著降低,误差平均降低了86.4%。

基于大尺度模式产品的误差订正与统计降尺度气象要素预报技术

应用自适应卡尔曼滤波方法,对大尺度模式要素预报进行误差订正和降尺度精细化气象要素预报。并通过对订正系数科学选取的研究,改进了滤波方法的应用效果。通过对大尺度模式系统进行误差订正,改善了大尺度模式预报的准确率,提高了模式要素,如2 m温度、10 m风等预报的精度,并基于改善了的大尺度模式预报场和高分辨率观测场,生成降尺度函数,得到高精度的气象要素预报产品,为精细化气象要素预报服务提供了有效的方法。

一种数值模式的嵌入式动力统计订正技术研究

目前数值天气预报效果的提高主要依靠改进模式初始场和模式输出结果统计订正两种方式。改进模式初始场虽然可在一定程度上提高模式预报准确率,但是模拟结果中的系统误差仍然存在。而模式输出结果统计订正虽然能消除一部分的系统误差,但是无法使预报变量之间相互协调。鉴于以上原因,本研究提出嵌入式模式逐步订正方法(EMPC)的思想和技术路线,以WRF模式为试验,结合FNL分析场历史资料,将模式输出订正方法嵌入到模式积分过程中,对2015年6月和7月进行回报。同FNL资料、地面观测及探空资料对比检验发现,经过EMPC订正的预报结果在短期内优于WRF模式直接预报结果。由于对初始场中物理量之间的协调性考虑不全,可能破坏了模式积分过程中的守恒性,使模式存在不稳定风险。