基于中尺度集合预报的预报误差估计和目标观测外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

基于中尺度集合预报的预报误差估计和目标观测

杜 钧 宇如聪 崔春光 李 俊

1 美国国家环境预报中心 美国国家海洋和大气管理局，华盛顿

2中国气象局，北京100081

3中国气象局武汉暴雨研究所，武汉430074

摘要：本文使用NCEP的短期集合预报系统（SREF），通过集合预报方法论述了数值天气预报中目前的两个基本进展。一个进展是从传统的单一值的决定论预报转变为流依赖的概率论预报，从而体现了预报不确定性。另一个进展是从单向的观测—预报系统向相互影响的双向观测—预报系统转变，从而增加天气系统的可预报性。本文的第一部分研究了：在一个月的时期内，怎样从NCEP SREF中得到的集合离散度去预测集合平均预报误差。结果表明：在降水预报中，通过NCEP SREF的21个集合预报成员预测预报误差的能力已经接近甚至高于当前最先进的数值天气预报模式，例如，对于一些气象变量，在预报时效为87h（3.5天）时，集合离散度和绝对预报误差的平均空间相关度已经达到甚至高于0.5。这说明目前正在运行的集合预报系统已经初步具备了用可用的技巧预测预报误差的能力，这是迄今一个了不起的成就。当集合离散度和预报技巧的相关性比较好时，源自于集合预报的概率预报也是具有统计可靠性的，这是一个适用的概率预报应该具有的最重要的特征。本文的第二部分测试了基于集合预报的双向监测方法（E-BIT）。与其他的数值求解的客观方法不同，这个方法是主观的，即基于从集合预报中获取的信息，与“人”这个主体之间是相互影响的。为了检验E-BIT方法，本文通过NCEP区域谱模式（NCEP SREF的一个子成员，包含10个成员，使用增长模繁殖法的中尺度集合预报）对8个实际大气案例进行了数值模拟研究。这个方法对基本大气变量最有效，对于对流不稳定的效果适中，对于降水的效果最不显著。降水是多种因素综合作用的复杂结果，因此，这是一个更具挑战性的领域，需要通过目标观测加以改进。

关键词：NCEP SREF集合预报，离散度-预报技巧关系，目标观测

1.介绍

由于大气模式的混沌特性和高度非线性，初始很微小的不同（初始条件的不同或者模式本身的不同）会随着模式的时间积分被放大，以致不能忽略（Lorenz，1965）。因为初始条件和模式结构的内在不确定性一直存在，所以模式预报总是具有不确定性。集合预报是一种把流依赖的预报不确定性定量化的动力学方法（Leith, 1974; Du et al., 1997; Du and Tracton, 2001）。在集合预报中，通过多个具有微小区别的初始条件或者基于不同的模式结构进行多模式的整合，而不是单模式的集成。如果想要回顾更加完整的数值天气预报，请读者参考Du（2007）。虽然集合平均确实会从所有成员中非线性地过滤掉可预报性低的信息，保留更具可预报性、更普遍的信息，从而在平均意义上来看，使集合平均预报比单一值预报更加准确，但是集合预报的首要任务是定量估计预报不确定性，并将其传达给用户，以便于他们基于自身对气象条件的依赖程度做出更好的决策，而不是没有差别的向所有人提供一个最佳预报。对于一个好的集合预报系统，集合离散度应该能正确地反映一个事件的可预报性：高（低）集合离散度对应可预报性低（高）的事件。同时，一般而言，大（小）的预报误差对应低（高）的可预报性。因此，集合离散度与绝对集合预报平均误差呈正相关，也就是我们所说的离散度-预报技巧关系（Whitaker and Loughe,1998）。离散度与预报技巧的高度相关是集合预报提供好的、可信赖的概率预报的基础。在可信的概率预报中，概率值实际上意味着对应的事件真正发生的概率。例如，一个完全可靠的概率预报，如果概率值为60%，那么在100次的预报（这个预报可以是时间上的，即同一地点出现在不同时间上的100次同一概率预报；也可以是空间上的，即同一时间出现在100个不同地点上的同一概率预报）中，60次实况应该出现而40次不会出现（Wilks, 2006;Hamill and Colucci,1998;Du and Deng,2010）。本文的第一部分以NCEP SREF作为例子，研究了当前最先进中尺度集合预报系统在估计预报误差和计算可信度方面是否有用，这部分内容详见第二节。

NCEP目前正在使用的短期集合预报系统（SREF）是一个具有多模式、多物理过程、多初始条件和多侧边界条件的中尺度集合预报系统（Du et al.,2003）。SREF最初被使用是在2000年，在2001年正式投入使用，它是世界上第一个被用到实时操作中的区域集合预报系统（Tracton et. al., 1998; Du and Tracton, 2001）。NCEP SREF现在已经成为美国国家气象局日常天气预报过程中不可缺少的一部分。本文用的是2007版本的NCEP SREF。这个版本有4个成员：NCEP Eta（Black，1994），区域谱模式（RSM，Juang and Kanamitsu,1994），NCEP WRF（NMM），NCAR WRF（ARM）；通过每个模式本身不同的对流参数化方案体现与模式相关的不确定性（Du et al.,2004,2006）。为了体现与初始条件相关的不确定性，把两个不同的控制预报结果作为控制初始条件（ICs）；然后，通过增长模繁殖法（Toth and Kalnay, 1993 and 1997）产生扰动，并叠加在控制预报的结果上，为模式提供初值扰动。为了使集合预报所包含的情况更多，不同的SREF成员使用不同的侧边界条件（LBCs），这些侧边界条件由NCEP全球集合预报系统（Tracton and Kalnay, 1993）的不同成员提供。在本文的集合预报中，有21个成员，研究区域为整个北美地区，预报预见期为87h，每天运转4 次。更多关于NCEP SREF的细节，请参考文献Du et al.（2004,2006）或者访问相关网站，网址为：http://www.emc.ncep.noaa.gov/mmb/SREF/SREF.html。

目前正在使用的数值天气预报是一个单向系统，换句话说，资料观测会影响到模式预报，但是模式预报对未来的资料观测并没有反馈。这种单向的操作在科学和经济方面都是不合理的。因此，相互影响的双向预报-观测系统是WMO THORPEX/GIFS的目标之一，这就是所谓的适应观测或者目标观测的概念（Bishop and Toth, 1999）。目标观测现在仍处于初期阶段。目前有限的研究工作主要是基于全球模式，侧重于长期的（3-5天）、冷季的、像气旋和槽那样可预报性高的大尺度的天气系统，而很少用有限区域的模式去研究众所周知的可预报性较低的降水和对流不稳定等时间尺度小（1-3天）的变量。集合预报的重要应用之一就是追踪进行适应观测的区域。因此，本文的第二部分测试了基于集合预报的双向监测方法（E-BIT）。基于奇异向量的方法（Pu and Kalnay, 1999）、基于集合变换卡尔曼滤波（ETKF）的方法（Szunyogh et al., 2000）、基于集合灵敏度的方法（Li et al., 2013）都是数值求解的客观方法，而E-BIT方法是主观的，即基于从集合预报中获取的信息，与“人”这个主体之间是相互影响的。为了检验E-BIT方法，本文通过分辨率为32km的RSM模式（NCEP SREF的一个子成员，包含10个成员，使用增长模繁殖法的中尺度集合预报）对8个实际大气案例进行了数值模拟研究，这部分内容详见第三节。第四节为总结。

2.集合离散度-预报技巧关系和概率

图1a为21个SREF的集合成员对2006年飓风Ernesto的路径预报。在这个案例中，集合平均预报对飓风路径的预报比较接近实际，并且比其他任何一个单一模式的预报效果都要好（图1b）。统计结果也表明：对于预报预见期超过1天的很多变量，即使是较高分辨率的单一模式的预报效果整体上也不如集合预报平均（图2）。虽然对于一个好的集合预报系统（EPS），从平均意义上而言，其集合平均预报应当比单一预报的效果好，但是EPS的首要任务是通过区分不同成员的可预报性去估计一个事件的可预报性，而不是报一个最佳的单一值。一个好的EPS应该能模拟出好的集合平均预报误差，并且报出一个统计意义上可信赖的概率预报。

虽然我们期望集合预报系统满足好的离散度-技巧关系，但是在之前的研究中（ Stensrud et al.,1999），由于早期使用的集合预报技术不成熟，离散度与预报技巧之间的关系很弱。经过多年的发展，NCEP SREF在这一重要方面做的如何呢？图3简要描述了4个变量（海平面气压，500hPa位势高度，850hPa相对湿度，850hPa温度）的集合平均预报误差（左图）和标准差形式的集合离散度（右图）。结果表明，尽管预报误差包含一些小尺度的信息，它仍然可以被大尺度的集合离散度很好地预测。在预报预见期为87h时，对于集合离散度和绝对误差的平均空间相关度（将近一个月的平均值，2007年5月13日至6月7日），海平面气压、2m温度、500hPa位势高度达到或超过了50%，10m风场、250hPa风场和850hPa温度超过了30%（图4）。在预测降水方面，集合预报的预报技巧达到甚至超过了当前正在使用的最先进的NWP模式。既然模式降水对于预报员也是有用的，那么NCEP SREF 预报的误差分布也能给预报员提供有用的信息。这种水平的离散度-技巧关系是到今天为止NWP的发展进程中一个相当显著的成就。注意到有趣的一点：海平面气压和500hPa位势高度的离散度与预报误差之间的相关程度在第一天很弱，之后随着预报时间稳定增长。这说明对于短期预报（0-1天），也许需要一个不同的集合预报策略（比如初值扰动）。在离散度-预报技巧高度相关的情况下，我们可以认为从NCEP SREF获取的概率预报是相当可信的，这在图5 的可信度评分衡量中确实得到了证实，图5 中的对角线对应完全可靠的完美概率预报（观测频率等于预报概率）。

3.一种基于集合预报的双向监测方法（E-BIT）

上一节论述了传统和新型数值天气预报之间的一个主要区别：从专注于得到最好的单一值预报到强调预报不确定性的集合预报。在这一节中，通过测试一个基于集合预报的双向监测方法（E-BIT）论述了另一个主要区别：从单向系统（观测会影响预报，但是预报对观测没有反馈）转为双向系统（不仅观测会影响到预报，预报也会影响未来的观测）。为了检验E-BIT方法，本文用包含10个成员，分辨率为32km，研究区域包含整个北美大陆，用增长模繁殖法得到初始扰动场的NCEP SREF模式做了一个实验。

在E-BIT方法中，基于目前最先进的循环集合预报系统的集合预报，（1）首先要监测的是集合离散度，观察你所感兴趣的天气系统是否具有大的不确定性。例如，以2005年5月11日9:00（世界时）为起报时间，预报的阿拉斯加湾2.5天以后的海平面气压具有很大的不确定性（图6a）；（2）及时地通过预报之后的集合离散度场（图6）和变量场（图7），可以形象地、交互式地追踪到高不确定性起源的可能的敏感源区。例如，在这个案例中，通过集合离散度和变量分布追

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18945]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 气候系统模式BCC_CSM1.1对东亚高空对流层急流和相关瞬变涡流活动的模拟外文翻译资料
• 基于FAO Penman-Monteith方程与每日天气预报信息估算参考蒸散量研究外文翻译资料
• 稳定非饱和渗流条件下的无限大边坡稳定性外文翻译资料
• CMIP5模式下中国极端降水指数。第二部分:概率投影外文翻译资料
• 2013年2月8-9日东北部地区暴风雪过程的偏振雷达和微物理过程研究外文翻译资料
• 华南前汛期香港中尺度暴雨的研究外文翻译资料
• 边界层对极地春季臭氧损耗现象起止的影响外文翻译资料
• 一种利用神经网络从具有高光谱分辨率的红外光谱 反演温度信息的方法外文翻译资料
• 1961 ~ 2004年青藏高原夏季降水的时空分布外文翻译资料
• 中国中东部地区冬季雾——霾日的年际变化及其与东亚冬季风的关系外文翻译资料