随机物理倾向扰动方案在西部山地对流尺度集合预报中的研究

为了研究随机物理倾向扰动(SPPT)方法在复杂地形条件下对对流尺度集合预报中的影响,针对SPPT随机扰动场的时间尺度、空间尺度和格点标准差三个参数进行敏感性试验,分析扰动变化规律,探讨其预报效果。结果表明:空间尺度90 km、时间尺度3 h和格点标准差0.525参数构造的SPPT随机扰动场结构对西部山地对流尺度集合预报整体效果较好,该试验不同层次高空要素(纬向风场、温度场和湿度场)和近地面要素(10 m风和2 m温度)的离散度增长较快,考虑预报误差的离散度/RMSE也好于其他试验。虽然最优配置试验的3 h累积降水的集合平均相对于其他参数试验没有明显在各个量级上都有提高,但在≥10 mm、≥25 mm和≥50 mm的降水等级的ETS评分接近或者高于控制试验,概率预报技巧较好。综合来看,空间尺度参数的选取比时间尺度对离散度的影响更加明显,增加扰动振幅对离散度的增加也起到积极的作用,同时可以提高不同量级降水的概率预报技巧。

GRAPES全球集合预报系统不同随机物理扰动方案影响分析

为了更好地理解不同随机物理扰动方案对全球中期集合预报的影响差异,本研究基于GRAPES全球集合预报系统(GRAPES-GEPS)对比分析了随机物理倾向扰动(Stochastically Perturbed Parameterization Tendencies,SPPT)、随机动能补偿(Stochastic Kinetic Energy Backscatter,SKEB)及联合使用SPPT与SKEB三种模式扰动方案所产生的扰动特征及其对集合预报的影响。为避免初值扰动影响,考察随机物理方案所产生的扰动特征时,不使用初值扰动。通过扰动与误差相关性分析(PECA)发现,不同随机物理扰动方案所产生的扰动对预报误差均具有一定的描述能力,而且联合使用SPPT与SKEB方案时,扰动对误差的描述能力最好。对所有扰动方案来说,扰动总能量最初主要集中在热带地区对流层中高层以及平流层低层。随着预报时效的延长,扰动总能量不断增大,其大值区不断向热带外地区转移。从扰动总能量的谱结构来看,扰动能量均呈现升尺度发展的特征。在基于奇异向量初值扰动的GRAPES-GEPS中,随机物理扰动方案的使用均能够显著增加不同地区等压面要素的集合离散度,并在一定程度上改善集合平均误差。由于集合离散度的增大,预报失误率显著减小。连续分级概率评分也有所减小,尤其是在热带地区,改进更为明显。此外,中国地区不同量级(小雨、中雨、大雨和暴雨)降水概率预报技巧在一定程度上得到改善。上述改进均在联合使用SPPT与SKEB方案时最好,这与扰动总能量、扰动与误差相关分析结果一致。

随机物理倾向扰动在风暴尺度集合预报中的影响研究

为深入探究随机物理倾向扰动(Stochastically Perturbed Parameterization Tendencies,SPPT)方案在风暴尺度集合预报中的影响,基于WRF模式利用FNL资料对SPPT方案中的3个参量分别进行敏感性试验,得到SPPT方案的最佳参数配置,并在此基础上分析SPPT方案模拟的降水分布特征。结果表明:SPPT方案敏感性试验中,去相关时间选择6 h时构造的集合成员可信度更高,逐时降水评分效果在积分中后期较高,对于暴雨及以上量级的评分技巧最优;造成降水主要天气系统的维持时间对该变量的选取有较大的影响。去相关空间尺度选择100 km的集合试验更为可靠,对降水预报技巧较高;同时该变量的选取与天气过程中的大尺度信息、中小尺度系统的活跃以及模式的空间分辨率有密切联系。通过对离散度和离群值分析认为扰动振幅选择0.525最为合理。SPPT方案集合成员在局部地区可以较大幅度地改变降水量,对降水落区的准确模拟存在一定的局限性。

WRF模式中不同随机扰动方案在暴雨对流尺度集合预报中的对比评估

由于暴雨对流尺度集合预报模式中随机参数扰动能量偏小,本文利用WRFv3.9模式对我国长江流域一次特大暴雨天气过程开展对流尺度集合预报试验,对比分析随机参数扰动(SPP)方法和随机物理倾向扰动(SPPT)方法、随机动能补偿(SKEB)方法混合的扰动特征、评估多种混合扰动方案预报效果,主要结论如下:暴雨对流尺度集合预报中多随机物理扰动气象要素的离散度在单SPP方案基础上均增大,三种方案混合SPP+SPPT+SKEB的离散度最大,总体评分最优;其中SPP+SPPT试验较SPP+SKEB地面气象要素离散度更大,而SPP+SKEB试验较SPP+SPPT气象要素在高空(尤其是风场)离散度更大;SPP+SPPT试验在积分初期各气象要素离散度增加明显,SPP+SKEB试验随着积分时间的延长各气象要素离散度在各高度层增加更为凸显;多种随机扰动混合对降水的预报在集合平均、离散度分布和概率预报技巧等方面均优于单SPP方案,综合来看SPP+SPPT+SKEB方案总体评分最优。SPP+SPPT+SKEB综合了SPP、SPPT和SKEB的优势,在各高度层整个积分时间段各气象要素离散度达到最佳,多随机扰动方案的混合达到了有效互补的效果。

基于随机物理过程扰动的BMJ积云参数化方案对降水集合预报的影响

基于ARPS模式和随机物理过程参数化扰动(stochastically perturbed parameterization)方法,通过10个2018年6—7月间的降水个例,讨论了针对BMJ积云降水参数化方案下不同参数化扰动方式对降水预报的影响。扰动方式包括扰动BMJ方案的温湿倾向和扰动BMJ方案的温湿参考廓线。试验的结果表明BMJ方案在华东区域的降水预报中存在湿偏差,即预报的降水事件多于相应的观测事件。这一偏差在系统性增加参考廓线湿度后仍然存在。BMJ方案对不同扰动方式的响应存在较大差异。扰动BMJ方案的温湿倾向对降水预报的影响较小,且集合离散度低。扰动BMJ方案的温湿参考廓线对降水预报影响显著,能够大幅增加集合离散度,其中对称的BMJ参考廓线扰动对预报技巧评分改进有限,原因是小雨的湿偏差有所增加,而非对称的BMJ参考廓线扰动(扰动均值大于1.0)能够有效提高预报技巧评分并降低湿偏差。此外,非对称扰动大幅改善了BMJ降水预报初期(0~3 h)的空间分布形态,并且改进了夜间降水预报的强度。非对称扰动评分较高的原因是减少了原BMJ方案在降水预报初期的的大范围虚假预报,避免了大气湿度的大范围下降,保障了预报后期的强降水预报能力。而BMJ方案温湿倾向量级较小则是造成倾向扰动方法效果不明显的重要原因。

随机物理过程扰动方案在克拉玛依区域集合预报中的应用研究

克拉玛依气象局研发了区域集合预报系统并已实现业务运行,该系统仅采用了集合变换卡尔曼滤波(ETKF)初值扰动,导致离散度发展受到限制,为改善区域集合预报的离散度,本文尝试在初值扰动基础上引入随机物理过程倾向(SPPT)模式扰动方案。通过开展SPPT方案关键参数的敏感性试验,确定了适用于本系统的参数设置,构建了初值-物理过程扰动方案(ETKF-SPPT),并与仅采用初值扰动的集合方案(ETKF)进行了对比。结果表明:ETKF初值扰动方法能够产生具有动力学结构的初值扰动,但是随着预报时效的延长,集合离散度增长很快达到饱和,并在侧边界约束下逐渐减小;ETKF初值扰动结合SPPT模式扰动可使集合离散度在各个预报时效均保持增长状态;集合预报检验结果表明,仅采用ETKF初值扰动的集合预报概率分布可靠性较低,概率预报准确性也较差;ETKF-SPPT方法可获得更好的概率预报结果,可靠性更好,均方根误差更低。对克拉玛依城区一次大风预报个例表明,ETKF方案对大风起风时间和量级把握较差,而ETKF-SPPT可以增加集合离散度,起风时间和风速预报更准确。综合而言,增加SPPT扰动可以有效改善克拉玛依区域集合预报系统的预报技巧。

基于随机全倾向扰动的台风路径集合预报试验

以GRAPES-TCM为试验模式设计3种集合方案对2011年9个台风进行109次72 h的路径集合预报试验。结果显示:在3种集合方案中,路径预报效果总体最好的是方案1,其路径平均绝对误差与台风移速、移向的总体偏差都最小;方案1和方案2的平均绝对误差与台风移速、移向的总体偏差都小于它们的控制预报的结果,集合预报表现出优于确定性预报的预报能力;与实况比较,3种集合方案预报的台风移向总体以偏右为主,台风移速在积分后期以偏慢为主;方案1的路径离散度最大,方案3最小,3种方案的集合离散度比其合理的离散度都明显偏小;与国内外8个业务数值模式的预报结果比较,方案1的路径预报优于除欧洲中心数值模式以外的7个业务模式的预报,表现出一定的业务应用价值。

GRAPES区域集合预报系统模式不确定性的随机扰动技术研究

为进一步描述GRAPES(Global/Regional Assimilation and Prediction System)区域集合预报系统(GRAPES Me—soscale Ensemble Prediction System,GRAPES—MEPS)中GRAPES—Meso模式的不确定性特征,本研究在GRAPES—MEPS系统中引人了模式物理参数化倾向随机扰动方案(Stochastically Perturbed Parameterization Tendencies,SPPT),随机扰动型的产生是基于-阶马尔科夫链,其具有时间相关性特征,并服从正态分布,另外经过谱展开随机场具有空间结构特征,在水平结构上较平滑和连续。本文开展了基于SPPT方案的GRAPES—MEPS集合预报试验,针对SPPT方案中随机场的扰动幅度和时间相关尺度参数开展了一系列敏感性试验,并对试验结果进行了较全面的集合预报客观检验,此外,针对一次强降水过程,分析了SPPT方案对降水预报的影响。试验结果表明,引入SPPT方案能在一定程度上提高GRAPES—MEPS系统的预报技巧,降低系统的漏报率;且能显著改进预报后期大雨量级降水的预报技巧。通过敏感性试验发现,对于GRAPES—MEPS系统,SPPT方案的效果与随机扰动场幅度的范围,及扰动场的时间相关尺度选择相关,需经过敏感性试验确定出较适合的参数。

不同模式扰动方案在风暴尺度集合预报中的对比试验研究

由于适用于中长期集合预报的模式扰动技术在风暴尺度集合预报系统中的影响并不明确,为探究不同模式扰动方案在风暴尺度集合预报中的效果,基于WRF模式设计了3组模式扰动方案:多物理扰动(MP)方案、随机物理倾向扰动(Stochastically Perturbed Parameterization Tendencies,SPPT)方案以及由MP方案与SPPT方案组合构建的一种新混合扰动(SPMP)方案。对2013年7月5—6日发生在江淮流域的一次强对流天气过程进行了数值模拟。结果表明:MP方案在积分前期的降水概率评分较高,对高层大气的扰动效果更为合理;SPPT方案主要作用于积分中后期,对大气低层及近地面的扰动效果最为理想,尤其是对于地面水汽场的模拟;SPMP方案能显著提高大气中高层各预报变量的离散度,降低均方根误差,提升集合成员的可信度,有效弥补降水预报评分在单独使用MP方案和SPPT方案不同积分时段的不足。在扰动水平传播方向上,SPMP方案的扰动形态主要受MP方案主导;垂直方向上,SPMP方案在低层的扰动形态与SPPT方案一致,在高层受MP方案控制。波谱能量分析表明3组方案的扰动能量随积分时间均有向大尺度传播的趋势,SPMP方案能有效补偿两种方案能量在各尺度的耗散。

随机物理集合预报研究进展

考虑模式不确定性的集合预报是集合预报理论研究与业务应用的重要方面。模式不确定性主要源于大气在时间与空间方面的数理简化与有限数值计算,以及物理过程本身的非完美构造。当前盛行方法包括多模式法、多物理过程法以及随机物理法。本文旨在梳理随机物理集合预报研究进展、应用效果、主要方法、存在问题等方面,归纳相关理论和技术试验结果及科学问题,并探讨未来值得探索与研究的方向,为随机物理集合预报深入应用,以及集合预报相关理论从业人员提供参考与借鉴。

基于2118台风“圆规”模式扰动方案对台风区域集合预报的影响

为了探讨不同模式扰动方案对台风区域集合预报的影响,本文以2021年18号台风“圆规”为例,基于WRF模式,采用了多物理过程参数化方法(MP)、随机变化参数扰动方法(SPP)和物理倾向随机扰动(SPPT)三种不同的方法,设计了EXP1(MP)、EXP2(SPP+SPPT)和EXP3(MP+SPP+SPPT)三组敏感性试验进行了比较研究。结果表明:三组区域集合预报试验都能较好地模拟台风路径和台风增强的过程,其中EXP3试验效果最好,EXP3试验的路径偏差值为三组集合预报试验最小的,其平均值为52.8 km,而控制试验CTRL(无模式扰动)、EXP1和EXP2的平均值分别为61.8、54.4和65.7 km;三组集合预报试验的扰动能量值基本都大于控制试验CTRL,且EXP3的扰动能量发展最快,扰动能量值基本为最大的;三组集合预报试验的Brier评分相较于控制试验CTRL有所改善,且EXP3的Brier评分值为三组集合预报试验改善最大的,EXP1和EXP2相对于CTRL试验的改善率为45%和48.76%,而EXP3能达到70%,EXP2与EXP1的预报效果相当,EXP3相较于EXP1和EXP2预报效果有所改善,其相对于EXP1和EXP2的改善率达到57.5%和40%。

华东区域中尺度集合预报系统的改进及2020年梅雨期降水试验

考虑区域模式预报中不确定性的各种来源,分别引入初始场误差、侧边界误差和模式误差构建新一代华东区域中尺度集合预报系统,并对2020年梅雨期降水开展为期一个月的集合预报试验。通过不同时空尺度典型个例的分析可以看出,所选取的随机物理倾向扰动方案中的参数具备一定的通用性,且在参数调优中加强随机过程的影响,系统中低层的风场和湿度场有明显的反馈,集合系统的离散度得到较大改善,对预报的影响大小依次为:格点方差、随机扰动场的去相关空间和随机扰动场的去相关时间。一个月的梅雨期降水评估结果显示:集合系统升级后对各时次各量级的降水TS(Threat Score)评分均有所提升,但仍然存在着降水强度偏大的问题;从概率预报的角度来看,系统升级后,对中到大雨预报的准确率和可信度提升明显,对强降水事件的描述更准确;形势场的检验结果表明,系统的预报偏差问题得到了部分程度地改善,对大气中低层风场、湿度场和地面变量的预报效果较好。相比原华东区域中尺度集合预报系统,升级后的系统,其整体优势可概括为:预报误差减小、集合离散度明显增加,降水预报的能力在各时段各量级均有提升,其中物理过程的不确定性对于捕捉强降水事件有明显的影响,使得系统的预报可信度增加。