CMA-REPS系统的降水邻域集合概率预报方法研究

基于CMA-REPS V3.1区域集合预报系统,在降水邻域集合概率法的基础上对其算法进行优化,发展了一种优化的邻域集合概率方法。选取该系统2021年5—7月逐日24 h累积降水资料计算降水邻域概率。采用国家气象信息中心开发的三源融合格点降水产品作为观测降水,用相对作用特征曲线面积评分法对降水邻域概率预报结果进行检验,并与邻域集合概率法和集合平均邻域概率法的评分结果对比,结合典型降水个例,评估三种方法的降水概率预报效果,结果表明优化的邻域集合概率法的评分最高,其反映的降水信息与观测更一致。利用这三种方法的降水邻域概率计算集合降水的分数技巧评分(Fractions Skill Score,FSS),结果显示基于优化的邻域集合概率法的FSS评分高于集合平均邻域概率法,且与邻域集合概率法的FSS评分各有优势,前者对小量级降水,尤其是小雨和中雨的评分最高,后者对大量级降水,尤其是暴雨的评分最高;基于优化的邻域集合概率法的FSS评分相对更客观。

基于Local-BGM法的冷涡暴雨集合预报试验及评估检验

基于传统增长模繁殖法(Breeding Growing Mode,BGM)和局地增长模繁殖法(Local Breeding Growing Mode,Local-BGM)生成初始扰动成员,对一次冷涡暴雨过程进行集合预报试验,从多方面比较两种方案的预报效果,并且在邻域概率法(Neighborhood Probability,NP)中引入时间邻域,评估概率预报结果。结果表明,引入局地化思想的Local-BGM方案能够生成比传统BGM方案更合理的初始扰动,具有很明显的局地特征。对于扰动变量的预报,Local-BGM方案在均方根误差和离散度等方面均表现更好,同时能够提高各量级降水的预报技巧。邻域集合概率法能够综合各个集合成员预报的降水信息得到优于集合平均的概率预报,分数技巧评分更高。并且在考虑时间不确定性后,无论是控制预报、集合平均还是邻域集合概率法,分数技巧评分均有很大改善,并且降水阈值越大改善效果越明显,能够为极端强降水天气提供较为客观的概率预报信息。

基于时空不确定性的对流尺度集合预报效果评估检验

针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:(1)邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。(2)对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。(3)对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。(4)改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。