GRAPES-GEPS全球集合预报系统湿奇异向量的时空尺度敏感性研究

湿奇异向量(Moist Singular Vectors,简称MSVs)是包含了湿物理切线性过程计算得到的奇异向量。研究MSVs对最优化时间间隔(optimization time interval,简称OTI)及模式水平分辨率的敏感性对提高集合预报效果至关重要。本文基于中国气象局数值预报中心自主研发的全球/区域同化和预报系统(Global/Regional Assimilation and Prediction System,简称GRAPES)——全球集合预报系统(Global ensemble prediction system,简称GEPS)业务版本研究了4组不同时空尺度(不同OTI和水平分辨率)下的MSVs,从能量模、能量谱、空间剖面等方面分析热带外MSVs特征,并从等压面变量评分、降水评分、降水概率预报等方面评估不同初值的集合预报效果。结果表明:提高MSVs水平分辨率可使其扰动具有较大的增长率,缩短OTI后MSVs能量向上传播的趋势更明显,并可以在中尺度范围产生较大SVs扰动。不同OTI下初始MSVs相似性较低,结构差异较大。从集合预报的结果来看,OTI为24 h试验的集合扰动能量增长较大,集合离散度在预报的0~96 h有明显提升,特别是2 m温度,且近地面要素的outlier评分也有明显改进。进一步分析发现,提高水平分辨率和缩短OTI的MSVs能够提高降水概率预报,而降水评分显示,同一水平分辨率下,OTI越短评分越好,但是提高MSVs的水平分辨率并不一定会提升小雨到中雨量级的降水评分。

全球集合预报位温系统偏差和随机误差结合的模式倾向扰动方法

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。

NCEP、ECMWF及CMC全球集合预报业务系统发展综述

总结了目前最具代表性的3个全球集合预报系统(global ensemble forecast system,GEFS)——美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)、欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)和加拿大气象中心(Canadian Meteoro-logical Centre,CMC)建成至今的发展概况。由于计算资源的不断扩展,各中心集合预报系统的模式分辨率、集合成员数也随之增加。同时各中心都在不断地致力于发展和完善初始和模式扰动方法,来更好地估计与初值和模式有关的不确定性,促进预报技巧的提高。其中初始扰动方法从最初的奇异向量法(ECMWF)、增殖向量法(NCEP)和观测扰动法(CMC)更新为现在的集合资料同化—奇异向量法(ECMWF)、重新尺度化集合转换法(NCEP)和集合卡尔曼滤波(CMC)。在估计模式不确定性方面,ECMWF和CMC都修订了各自的随机参数化方案和多参数化方案,NCEP最近也在模式中加入了随机全倾向扰动。为提高全球高影响天气预报的准确率,TIGGE计划(the THORPEX interactive grand global ensemble)的提出增进了国际间对多模式、多中心集合预报的合作研究,北美集合预报系统(North American ensemble forecast system,NAEFS)为建立全球多模式集合预报系统提供了业务框架,这都将有助于未来全球交互式业务预报系统的构建。

T213全球集合预报系统性误差订正研究

针对模式系统性误差一直存在的现状,研究使用卡尔曼滤波的自适应误差订正方法对国家气象中心业务全球集合预报系统的系统性误差进行估计和订正。本文主要介绍这种方法及其原理,其优点是需要的样本量比较小,能够快速经济地对模式产品进行有效的误差估计和订正。使用这种方法对全球T213集合预报系统500 hPa高度场、850 hPa温度场和2 m温度的预报产品进行一阶偏差订正,对订正前后集合预报产品进行检验分析和对比,结果表明,订正后的高层形势场集合预报和2 m温度集合预报的均一性、集合平均的均方根误差和距平相关系数都得到了改善,系统性偏差得到了不同程度的订正,对于存在较大系统性误差的2 m温度预报,订正效果尤其显著。

GRAPES全球集合预报初始条件及模式物理过程不确定性方法研究

为描述GRAPES全球模式初始条件的不确定性,基于适合集合预报应用的GRAPES全球奇异向量技术,依据大气初始误差符合正态分布的特征,采用高斯取样奇异向量来构造全球集合预报初始扰动,在此基础上建立了GRAPES全球集合预报系统(GRAPES-GEPS)。利用GRAPES全球同化分析场,对采用初始扰动的GRAPES-GEPS连续试验预报结果进行检验和分析。结果表明:GRAPES-GEPS中高度场、风场及温度场预报的集合离散度能有效快速增加,集合平均均方根误差与集合离散度的关系合理;相对控制预报的均方根误差,集合平均的预报优势在预报中期非常显著。为进一步体现GRAPES-GEPS中模式物理过程的不确定性,发展了模式物理过程倾向随机扰动技术(SPPT)。试验结果表明:SPPT方案的应用有效提高了GRAPES-GEPS在南、北半球和热带地区等压面要素预报的集合离散度,同时一定程度减小了集合平均误差,进而改进了集合平均误差与集合离散度的关系,其中SPPT方案在热带地区的改进最为显著。本文发展的基于奇异向量的初始扰动方法和模式扰动SPPT方案在中国气象局2018年12月业务化运行的GRAPES-GEPS中得到了应用。

基于背景场奇异向量的CMA全球集合预报试验

目前中国气象局全球集合预报系统(China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS)利用CMA全球数值预报系统分析场计算奇异向量(ANSV),欧洲中期天气预报中心采用同化背景场计算奇异向量(FCSV),在业务流程上先于计算ANSV,可优化集合预报系统运行时间。为此,在CMA-GEPS中探索采用FCSV进行集合预报的可行性,分析ANSV和FCSV的空间分布及相似指数,进而针对夏秋季节10个个例开展采用ANSV和FCSV的全球集合预报试验,从等压面要素集合预报技巧、中国地区24 h累积降水概率预报技巧、台风路径集合预报技巧、台风中心最低海平面气压预报技巧等方面对比二者结果。结果表明:ANSV和FCSV的主要结构特征相似,两组集合预报结果相当,表明在CMA-GEPS中使用FCSV可行,可作为未来高分辨率CMA-GEPS业务系统建设的选项。

ECMWF未来10年“2+4+1”战略:将天气气候预报引向极致

2016年7月,欧洲中期天气预报中心（ECMWF）推出了其未来10年（2016—2025年）战略。这份36页的文件,让更多的人对未来10年天气气候预报能力的提升充满期待。这份新的10年战略,其最重要的,ECMWF在报道中用＂苛刻＂来形容的目标,可以用＂2＋4＋1＂来概括：即到2025年,1）高影响天气的有效集合预报提前2周;2）大尺度形势和机制转化预报提前4周;3）全球尺度异常预测提前1年。

文摘

(英文文献)WRF中尺度数据同化系统在2007-2009年春季强天气事件中的应用——Application of a WRF mesoscale data assimilation system to springtime severe weather events2007-09.Monthly Weather Review,2012,Vol.140,No.5.

我国12.5公里分辨率全球模式核心技术完成开发

中国气象局数值预报业务在开放合作、模式研发等方面取得重要进展。目前,我国12.5公里分辨率数值预报全球模式及集合四维变分同化系统核心技术开发已完成。自去年9月成立中国气象局地球系统数值预报中心以来,中国气象局数值预报业务模式性能稳步提升,全球模式、区域集合预报模式相继完成业务系统升级并实现系统切换。