条件非线性最优扰动和繁殖向量相结合的一种集合预报方法

集合初始扰动的好坏对集合预报效果有着至关重要的影响.为了产生能够捕捉到初始场不确定性的初始扰动,在不考虑模式误差的情况下,用Lorenz-96模式探讨了条件非线性最优扰动(conditional nonlinear optimal perturbation,CNOP)在集合预报中的应用,并与传统的增长繁殖模方法(breeding of growing mode,BGM)进行了比较.发现用CNOPs代替2L范数较大的繁殖向量(breeding vectors,BVs)的集合预报技巧明显高于BGM方法.在分析误差是快速增长型扰动的条件下,新方法对预报结果的改善幅度随预报时间的延长而增大,特别是在中期预报范围(6~14 d)内,改善效果更加明显.按照通常距平相关系数(ACC)不小于0.6则视为有效预报的标准,新方法和BGM方法得到的集合预报相对于参照预报而言,都能够将有效预报时间延长4 d左右.