目前人工增雨催化数值模拟研究较少考虑环境场误差对模拟效果的影响,结论往往具有很大的不确定性。有鉴于此,本文将初始场扰动集合预报技术与包含催化模块的柱状云模式进行单向耦合(One Way Coupling),利用中尺度模式所提供包含环境场...目前人工增雨催化数值模拟研究较少考虑环境场误差对模拟效果的影响,结论往往具有很大的不确定性。有鉴于此,本文将初始场扰动集合预报技术与包含催化模块的柱状云模式进行单向耦合(One Way Coupling),利用中尺度模式所提供包含环境场扰动误差的多组热力、微物理量廓线实时驱动柱状云模式,对2022年1月23日浙江省积层混合云降水过程进行多成员、单/多格点AgI催化数值试验,尝试从概率的角度探讨最佳播撒方案以及对应的增雨潜力。从单站(杭州站)的模拟效果来看,23日15:00(协调世界时)在3.6 km高度(−5.2℃)处使用AgI(碘化银催化剂量为1.2×10^(−7)~1.2×10^(−4)g kg^(−1))播撒时所有集合成员均能够取得正增雨效果,其中采用1.2×10^(−5)g kg^(−1)剂量时增雨率最大,所有成员的均值为4.67%,99%分位数为7.77%。在单点模拟中,初始场扰动对于过量播撒是否导致减雨的判断有很大影响,例如,播撒剂量增加至1.2×10^(−2)g kg^(−1)后,超过50%的集合成员表现为减雨效果,但仍然有部分成员表现为增雨。针对这次过程,多格点催化试验表明增雨效果发生概率最优的区域位于浙西北和浙北北部区域,尤其在嘉兴东北部和临安附近,从概率预报的角度来说也往往对应着相对较高的平均过冷水含量和较低的冰晶数浓度均值。展开更多
概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood ...概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood Ensemble Probability based on Ensemble Agreement Scale,EAS_NEP),并在中国南方典型的梅雨锋暴雨中开展准确性和预报技巧的定量检验评估,以期验证该方法在此类过程中的适用性,并促进其在实际业务中的推广使用。联合扰动初始场、侧边界和物理过程所得到的集合预报能较好地表征实际的预报不确定性,进一步在此基础上比较了格点概率法、不同半径的邻域集合概率法以及EAS_NEP的优劣。试验结果表明,EAS_NEP能根据集合成员间的一致性程度,自适应地调整邻域半径,其在集中型降水中所确定的邻域半径通常大于分散型降水。动态调整的邻域半径既避免了半径过大时的过度平滑与关键信息丢失,又消除了半径较小所带来的奇异点,其空间分布呈阶梯型,空间连续性更优。此外,BS(布莱尔评分)、FSS(分数技巧评分)和ROC曲线(相对作用特征曲线)等定量评估结果也体现出EAS_NEP相比传统方法正的预报技巧,尤其是在分散型降水和高阈值检验时优势更明显。以上结果表明,EAS_NEP在梅雨锋暴雨的预报中具有较好的应用前景,运用在业务中能有效提升概率预报质量。展开更多
降雨数值预报在预防极端天气和其他气象事件方面具有重要作用。通过提供可靠的概率预报,可以更准确地描述预报结果的不确定性,为决策者提供科学依据,从而提高应用价值和经济价值。以寸滩-三峡区间为研究对象,根据TIGGE资料中的ECMWF和NC...降雨数值预报在预防极端天气和其他气象事件方面具有重要作用。通过提供可靠的概率预报,可以更准确地描述预报结果的不确定性,为决策者提供科学依据,从而提高应用价值和经济价值。以寸滩-三峡区间为研究对象,根据TIGGE资料中的ECMWF和NCEP 2种模式,对2020-2022年(5-10月)逐日降水集合预报信息的精度进行评估。首先,采用Talagrand分布和Brier评分来评估不同预见期的集合预报能力;然后,采用贝叶斯模型平均(Bayesian model averaging,BMA)来修正集合预报;最后,对不同预见期的BMA修正值和实际降雨值之间的误差进行分析。结果显示:ECMWF和NCEP 2种模式的预报能力随预见期的增加逐渐下降,在不同预见期下,通过BMA修正后的降雨预报值具有更高的精度。展开更多
对流尺度集合预报(Convection-allowingEnsemblePrediction,CAEP)是提高强对流天气预报能力的重要手段,构造合理的初始扰动是CAEP的关键问题。本文开展基于观测扰动初值法(Perturbed-observation,PO)的CAEP在内蒙古地区的试验,并以动力...对流尺度集合预报(Convection-allowingEnsemblePrediction,CAEP)是提高强对流天气预报能力的重要手段,构造合理的初始扰动是CAEP的关键问题。本文开展基于观测扰动初值法(Perturbed-observation,PO)的CAEP在内蒙古地区的试验,并以动力降尺度(Downscaling,DOWN)方法作为对比,分析PO方法在内蒙古地区CAEP的预报效果,以期为内蒙古地区CAEP的构建提供技术参考。结果表明:(1)PO方法构造的初始扰动能引入内蒙古地区观测资料从而减少背景场的不确定性,且扰动具有充分的增长能力。(2)与DOWN方法相比,PO方法可以显著减少CAEP的短时预报误差,高空和地面要素的RMSE分别减小4%~43%和3%~9%,集合离散度略有减少。高空要素的CRPS评分最大可减少约53%,地面要素的CRPS评分平均减少6%,整体提高了对流尺度集合预报质量。(3)PO方法能够提高短时降水的预报能力,0.1mm、4 mm和13 mm 3个量级的TS评分分别提升了0.015、0.003和0.0015。且降水个例表明,PO方法对降水的落区和量级预报更准确。展开更多
集合预报在数值天气预报中占有重要地位,如何有效地从集合成员中提取信息以提高降水的集合平均预报技巧是重要科学问题。采用2019—2022年夏季中国气象局全球集合预报业务模式(China Meteorological Administration Global Ensemble Pre...集合预报在数值天气预报中占有重要地位,如何有效地从集合成员中提取信息以提高降水的集合平均预报技巧是重要科学问题。采用2019—2022年夏季中国气象局全球集合预报业务模式(China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS)的逐日累计降水量集合预报数据,发展了基于分段层次聚类的逐步订正方法(Stepwise correction method based on segmented Hierarchical Clustering,SHC)以改进该模式的强降水集合平均预报结果,并定量评估了SHC方法的性能,比较了其与集合平均(EM)和直接聚类法(HC)的订正效果差异。结果表明:SHC方法由于采取了分段聚类订正来有效引入更有价值的集合成员预报信息,进而修正集合平均预报结果,提升目前在短、中期天气集合预报中的强降水预报能力;该方法的逐日连续预报检验评分总体在降水预报订正方面有优势,相对于EM和HC方法预报技巧均有明显提升,证明其具有良好的适用性;对于2021年郑州7·20暴雨个例的应用显示SHC方法对极端降水预报具有较好的订正效果。SHC方法为改进中国强降水集合平均预报技巧提供了新方法。展开更多
传统集合预报模式扰动方法通常用来描述物理过程随机误差,但模式不可避免会存在系统偏差,为了减少模式系统偏差对集合预报的影响,利用中国气象局全球集合预报系统(CMA-GEPS),通过经验正交函数(Empirical Orthogonal Function,EOF)分解...传统集合预报模式扰动方法通常用来描述物理过程随机误差,但模式不可避免会存在系统偏差,为了减少模式系统偏差对集合预报的影响,利用中国气象局全球集合预报系统(CMA-GEPS),通过经验正交函数(Empirical Orthogonal Function,EOF)分解方法获得系统偏差倾向,在积分过程中将系统偏差倾向扣除法与传统的随机物理倾向扰动法(Stochastically Perturbed Parameterization Tendency,SPPT)相结合,构建了全球集合预报系统偏差和随机误差结合的模式倾向扰动方法(Bias correction of bias tendency based on SPPT,SPPT-B),设计并开展了集合预报试验来探究该方法对全球集合预报的影响。结果显示:(1)经验正交函数分解的第一模态能较好地体现系统偏差的主要特征,即随预报时效线性增长、对流层高层的系统偏差比中、低层大。(2)系统偏差倾向扣除法和SPPT-B方法均可以有效降低南、北半球和热带地区高层和低层的系统偏差,且SPPT-B方法能明显改善热带地区集合离散度。(3)两套方案对对流层高层的集合预报技巧改进效果优于低层。SPPT-B能有效提高全球集合预报技巧,为发展同时考虑系统偏差和随机误差的全球集合预报模式扰动方法提供了科学依据。展开更多
文摘概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood Ensemble Probability based on Ensemble Agreement Scale,EAS_NEP),并在中国南方典型的梅雨锋暴雨中开展准确性和预报技巧的定量检验评估,以期验证该方法在此类过程中的适用性,并促进其在实际业务中的推广使用。联合扰动初始场、侧边界和物理过程所得到的集合预报能较好地表征实际的预报不确定性,进一步在此基础上比较了格点概率法、不同半径的邻域集合概率法以及EAS_NEP的优劣。试验结果表明,EAS_NEP能根据集合成员间的一致性程度,自适应地调整邻域半径,其在集中型降水中所确定的邻域半径通常大于分散型降水。动态调整的邻域半径既避免了半径过大时的过度平滑与关键信息丢失,又消除了半径较小所带来的奇异点,其空间分布呈阶梯型,空间连续性更优。此外,BS(布莱尔评分)、FSS(分数技巧评分)和ROC曲线(相对作用特征曲线)等定量评估结果也体现出EAS_NEP相比传统方法正的预报技巧,尤其是在分散型降水和高阈值检验时优势更明显。以上结果表明,EAS_NEP在梅雨锋暴雨的预报中具有较好的应用前景,运用在业务中能有效提升概率预报质量。
文摘降雨数值预报在预防极端天气和其他气象事件方面具有重要作用。通过提供可靠的概率预报,可以更准确地描述预报结果的不确定性,为决策者提供科学依据,从而提高应用价值和经济价值。以寸滩-三峡区间为研究对象,根据TIGGE资料中的ECMWF和NCEP 2种模式,对2020-2022年(5-10月)逐日降水集合预报信息的精度进行评估。首先,采用Talagrand分布和Brier评分来评估不同预见期的集合预报能力;然后,采用贝叶斯模型平均(Bayesian model averaging,BMA)来修正集合预报;最后,对不同预见期的BMA修正值和实际降雨值之间的误差进行分析。结果显示:ECMWF和NCEP 2种模式的预报能力随预见期的增加逐渐下降,在不同预见期下,通过BMA修正后的降雨预报值具有更高的精度。
文摘对流尺度集合预报(Convection-allowingEnsemblePrediction,CAEP)是提高强对流天气预报能力的重要手段,构造合理的初始扰动是CAEP的关键问题。本文开展基于观测扰动初值法(Perturbed-observation,PO)的CAEP在内蒙古地区的试验,并以动力降尺度(Downscaling,DOWN)方法作为对比,分析PO方法在内蒙古地区CAEP的预报效果,以期为内蒙古地区CAEP的构建提供技术参考。结果表明:(1)PO方法构造的初始扰动能引入内蒙古地区观测资料从而减少背景场的不确定性,且扰动具有充分的增长能力。(2)与DOWN方法相比,PO方法可以显著减少CAEP的短时预报误差,高空和地面要素的RMSE分别减小4%~43%和3%~9%,集合离散度略有减少。高空要素的CRPS评分最大可减少约53%,地面要素的CRPS评分平均减少6%,整体提高了对流尺度集合预报质量。(3)PO方法能够提高短时降水的预报能力,0.1mm、4 mm和13 mm 3个量级的TS评分分别提升了0.015、0.003和0.0015。且降水个例表明,PO方法对降水的落区和量级预报更准确。
文摘集合预报在数值天气预报中占有重要地位,如何有效地从集合成员中提取信息以提高降水的集合平均预报技巧是重要科学问题。采用2019—2022年夏季中国气象局全球集合预报业务模式(China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS)的逐日累计降水量集合预报数据,发展了基于分段层次聚类的逐步订正方法(Stepwise correction method based on segmented Hierarchical Clustering,SHC)以改进该模式的强降水集合平均预报结果,并定量评估了SHC方法的性能,比较了其与集合平均(EM)和直接聚类法(HC)的订正效果差异。结果表明:SHC方法由于采取了分段聚类订正来有效引入更有价值的集合成员预报信息,进而修正集合平均预报结果,提升目前在短、中期天气集合预报中的强降水预报能力;该方法的逐日连续预报检验评分总体在降水预报订正方面有优势,相对于EM和HC方法预报技巧均有明显提升,证明其具有良好的适用性;对于2021年郑州7·20暴雨个例的应用显示SHC方法对极端降水预报具有较好的订正效果。SHC方法为改进中国强降水集合平均预报技巧提供了新方法。
文摘传统集合预报模式扰动方法通常用来描述物理过程随机误差,但模式不可避免会存在系统偏差,为了减少模式系统偏差对集合预报的影响,利用中国气象局全球集合预报系统(CMA-GEPS),通过经验正交函数(Empirical Orthogonal Function,EOF)分解方法获得系统偏差倾向,在积分过程中将系统偏差倾向扣除法与传统的随机物理倾向扰动法(Stochastically Perturbed Parameterization Tendency,SPPT)相结合,构建了全球集合预报系统偏差和随机误差结合的模式倾向扰动方法(Bias correction of bias tendency based on SPPT,SPPT-B),设计并开展了集合预报试验来探究该方法对全球集合预报的影响。结果显示:(1)经验正交函数分解的第一模态能较好地体现系统偏差的主要特征,即随预报时效线性增长、对流层高层的系统偏差比中、低层大。(2)系统偏差倾向扣除法和SPPT-B方法均可以有效降低南、北半球和热带地区高层和低层的系统偏差,且SPPT-B方法能明显改善热带地区集合离散度。(3)两套方案对对流层高层的集合预报技巧改进效果优于低层。SPPT-B能有效提高全球集合预报技巧,为发展同时考虑系统偏差和随机误差的全球集合预报模式扰动方法提供了科学依据。
