集合预报应用指导手册

集合预报应用指导手册世界气象组织，2012
WMO—No.1091
2013年5月
世界气象组织2012年8月正式发布了集合预报应用指导手册。

为推进我国集合预报业务应用发展，中国气象局预报与网络司组织国家气象中心集合预报应用团队对该指导手册进行了编译。

手册的翻译工作主要由陈良吕、陈静牵头完成，陈静、邓国对手册中文翻译稿进行了校对。

手册英文版可查阅
http://www.wmo.int/pages/prog/www/Documents/1091_en.pdf。

目录
1.引言 (1)
2.为什么需要集合预报 (1)
3 集合预报种类 (2)
3.1全球集合预报系统（Global EPS） (2)
3.2 区域集合预报系统（Regional EPS） (2)
3.3 对流尺度集合预报（Convective-scale EPS） (3)
4. 标准集合预报产品 (3)
4.1 模式直接输出产品 (4)
4.1.1 集合平均（Ensemble mean） (4)
4.1.2 集合离散度（Ensemble spread） (4)
4.1.3 天气要素概率图（Basic probability ） (4)
4.1.4 分位数（Quantil es ） (5)
4.1.5面条图（Spaghetti maps） (6)
4.1.6邮票图（Postage stamp maps） (6)
4.1.7单站集合预报(Site-specific meteograms) (7)
5.集合预报系统应用建议 (7)
6. 应用集合预报系统制作确定性天气预报 (8)
6.1 通过确定性预报做决策 (10)
7．描述可能出现的情况 (10)
8．全概率预报（Full probabilistic forecast） (11)
9. 后处理（Post-processing） (12)
9.1 统计后处理（Statistical post-processing） (12)
9.1.1 概率分布函数（probability distribution function）的一阶距偏差订正 (13)
9.1.2概率分布函数的二阶距偏差订正 (14)
9.2 降尺度技术（Downscaling ） (14)
9.2.1 动力降尺度技术（Dynamical d ownscaling） (14)
9.2.2 地形降尺度技术（Topographic d ownscaling using simple physical models）
(15)
9.2.3 站点数据提取（Site-specific extractions） (15)
9.2.4 统计降尺度技术（Statistical d ownscaling） (15)
9.2.5 高影响天气诊断方法（High-impact weather diagnostics） (16)
9.2.6 结合低分辨率集合预报系统和高分辨率控制预报的降尺度技术 (16)
9.3 聚类分析技术(Clustering techniques) (16)
9.4 再预报方法（Use of reforecasts） (17)
9.4.1 极端天气预报指数（Extreme Forecast Ind ex） (17)
9.4.2 分位数匹配法（Quantile–quantile matching） (18)
9.5 特征跟踪（Feature tracking） (18)
10. 集合预报系统在灾害性天气预报和预警发布中的应用 (18)
11. 灾害性天气影响模型 (21)
12. 集合预报系统检验 (21)
13. 预报员训练 (23)
1.引言
集合预报系统不仅给出单一的最佳可能预报，还定量地估计天气预报的不确定性。

确定性预报只进行一次数值积分，而集合预报系统用不同的初始场进行多次数值积分。

通常在集合预报系统中也会对模式的物理过程进行扰动，一些系统采用多个模式进行集合（多模式集合预报系统），一些系统采用相同的模式但是对模式的物理过程进行不同的组合而进行集合（多物理过程集合预报系统）。

由于多次运行模式需要耗费较高的计算成本，集合预报系统成员的水平分辨率通常是相应的确定性预报模式一半左右。

集合预报系统通常包括一个与集合预报成员具有相同分辨率，但是没有进行初始扰动和模式扰动的控制预报，也有个别的集合预报系统完全由集合成员组成。

集合预报成员得到的多个数值预报结果使得我们可以去估计天气预报的不确定性，同时还可以使我们对确定性预报更有信心。

天气预报的不确定性会随着天气形势不同而逐日变化，集合预报提供了对这种逐日变化的不确定性的估计。

集合预报系统可以用来取样调查天气预报结果的概率分布函数，而且通常用来产生概率预报——用来评估某一结果发生的可能性。

这本参考手册的设计目的，是为了给天气预报员和模式开发者提出一些关于集合预报系统的有效应用、集合预报可以做什么、不能做什么等方面的建议，关于集合预报的基本原理和应用的全部基础知识在本书中均有谈到。

欧洲中期天气预报中心提供了包括集合预报详细应用建议在内的全面的欧洲中心集合预报系统运用指导
（http://www.ecmwf.int/product/forecast/guide）,还有一些通俗易懂的集合预报系统运用训练材料（https:///training_detail.php?orderBy=&topic=15）。

总的来说，我们强烈建议不确定性应该作为天气预报的一部分而表达出来，世界气象组织在《表达预报不确定性应用指南》这本书中（PWS-18，WMO/TD-No.1422），介绍了一些具体的表示方法。

本手册中大部分例子取自英国气象局全球/区域集合预报系统，或者欧洲中期天气预报中心的集合预报系统，但是描述的原理适用于所有的集合预报系统。

2.为什么需要集合预报
最新的数值预报系统可以很有效地帮助预报员做天气预报。

许多模式现在可以提供足够好的天气图像，因此可以通过模式直接输出来提供一些自动天气预报，虽然总体来说有必要做一些后处理来校正自动天气预报。

模式直接输出有时能够更好表示一些气象要素，例如地表温度(至少在非陡峭地形处)，而降水通常则不那么容易。

然而，众所周知，虽然有这么多的优点，即使采用全球最好的数值模式，也经常会做出很糟糕的预报。

这在中短期预报中最为明显，主要还是由于大气的混沌特性。

在进行数值预报时，首先会对来自世界各地的最新观测资料进行分析并估计出当前的大气状态，然后模式开始计算大气状态会如何随着时间从初始状态进行演变。

混沌理论表明大气状态的演变对于
初始场的微小误差非常敏感，因此初始场极小的误差（通常非常小到预报员几乎无法注意到）会在预报中逐渐变大。

即使拥有最好的观测值，我们也永远无法做出完美数值预报，也不可能做出完美的天气预报，这就是我们要做集合预报的原因。

在集合预报中，我们对初始场加入一些小扰动，然后再用这些扰动初始场进行数值积分。

如果不同的集合成员做出的预报非常相似，那么我们就会对预报更有信心。

如果它们都向不同方向发展，例如一些发展成了强风暴而另一些发展成了弱低压，那我们就会对预报不太有把握。

然而，通过观察分析集合成员中预报出风暴的比例，我们可以估计风暴发生的可能性。

当我们留意1-2天的短期天气预报时，整体的天气形势通常具有较高的可预报性。

然而，当我们留意一些也许会对气象用户非常重要的局地预报细节时，仍然可以发现，集合成员之间具有一些重要差别。

同时，在短期预报中，大尺度形势演变偶尔也会具有不确定性——这最有可能在强风暴的发展阶段出现，因此即使在短期天气预报中也需要考虑使用集合预报。

3. 集合预报种类
天气预报中应用的集合预报系统主要有三种——全球集合预报、区域集合预报和对流尺度集合预报——通常还包括确定性预报模式，它们重点解决不同时间尺度的预报问题。

以下会对它们进行简单的概述。

相同种类的集合预报系统也会有很多的差别，比如扰动的形成方法、模式中使用的物理过程等。

然而，集合预报的使用原理始终是一致的，这些细节在这里不会涉及到。

（需要注意的是，集合预报在长期天气预报和气候预测中也有应用，原理非常相似，但这些在这本参考书中不会涉及到，它们主要着眼于15天以上的预报）。

3.1全球集合预报系统（Global EPS）
全球集合预报系统通常设计用于3-15天的中期天气预报。

通常采用低分辨率的全球模式，格点长度介于30到70公里之间。

虽然全球集合预报系统主要设计用于中期天气预报，但是由于范围覆盖全球，它们也可以为那些没有集合预报系统的国家提供短期集合预报。

与此同时，它们被广泛地用于支持WMO灾害性天气预报示范项目（SWFDP）。

预报员在使用全球集合预报系统时，需要始终记住全球模式的低分辨率会限制他们获得所希望的预报细节。

全球集合预报系统通常不能分辨一些细节，例如风暴中的风速强度。

3.2 区域集合预报系统（Regional EPS）
区域集合预报系统运用覆盖小范围区域的区域模式制成，主要着眼于1-3天的短期天气预报，具有较全球模式更高的分辨率，通常在7-30公里之间，因此可以用于预报天气系统中的一些局部细节，还能够更好的判断一些强天气系统。

不过，预报员还是应该记住分辨率带来的限制，例如，区域集合预报系统不可能预测像龙卷一样的小尺度天气系统。

区域集合预报系统不得不从全球集合预报系统中获得侧边界条件（天气系统从有限区域范围以外移入有限区域内的边界）。

一些区域集合预报系统使用高分辨率的分析场，并由此
估算出相应的高分辨率初始扰动场，而一些系统则简单地使用全球集合预报系统的初始场和扰动场提供侧边界条件——这通常被称作为降尺度。

在降尺度集合预报系统中，模式开始运行高分辨率计算之前，需要好几个小时的前处理。

3.3 对流尺度集合预报（Convective-scale EPS）
现在在一些先进的数值中心已经拥有对流尺度预报系统，它们的模式分辨率在1-4km 之间，覆盖范围相对较小。

这些模式能够捕捉到一些对流系统的细节，因此可以用来预报一些天气细节，比如雷暴的位置和强度。

虽然这些优势为提高预报精度注入了很大的潜力，但是对流系统的发展十分迅速，可预报时限也很短，预报会很快受到大气混沌特性的影响。

因此，集合预报系统与对流尺度预报模式密切联系，因为对流不稳定给更低分辨率的模式增加了空间和时间尺度上的预报不确定性。

除了预报对流系统以外，这些高分辨率的对流尺度模式可以很大程度上增强局地气象要素预报能力，比如低云、航空能见度等。

这些现象通常会显著地受到地形强迫（例如：斜坡、海岸线、植被覆盖等）的影响，而对流尺度模式可以很好地处理地形强迫问题。

对流尺度集合预报系统可以为这些气象要素的可预报性提供信息。

2011年写这本书时，对流尺度集合预报系统在一些数值中心尚处于发展阶段。

德国气象局从2010年10月开始对水平分辨率为2.8km的COSMO-DE-EPS进行前期试验。

英国气象局和法国气象局也计划在将来采用这种系统，于此同时，其他的一些国家也在进行一些研究。

由于运行对流尺度集合预报系统需要耗费巨额计算成本，因此在很长的时间内，对流尺度集合预报生产国以外的国家几乎不可能拥有，而且现在的对流尺度集合预报系统业务经验也还非常有限，因此本书中只是简要的概述。

我们希望对流尺度集合预报系统在预报一些天气现象时，会比全球集合预报系统具有更高的精度，特别是那些受地形强迫和下垫面影响比较大的天气现象，例如局地地形强迫风、低云、能见度等。

在降水方面，对流尺度集合预报系统可以更好的用于判定雨强和落区，特别是对流系统降水。

如果要全面的显示出对流性降水的不确定性，那么需要成百上千个集合成员，也因此需要耗费巨额的计算成本，这在可以预见的将来都是不可能的。

因此我们强烈建议对流尺度预报集合系统运用邻域处理技术（假设某个天气现象确实存在，但是位置不确定，并假设其可能发生在周围10个格点长度内任何位置）进行后处理，从而提供更真实的空间分布概率。

考虑到集合成员数较少，类似的技术也适用于其他的一些变量。

4. 标准集合预报产品
这一部分描述一些绝大多数集合预报系统都有的标准化集合预报产品，并简要的概述怎样使用它们。

4.1 模式直接输出产品
从集合预报模式输出场中可以得到一系列的基本产品，主要包括以下几种：
4.1.1 集合平均（Ensemble mean）
集合平均是各个集合成员简单的数学平均。

各种检验评分（均方根误差、平均绝对误差、距平相关系数等）证明集合平均通常优于控制预报，因为它过滤掉了集合成员的不确定因素并且简便的展示出了预报中的可预报要素。

集合平均能够让预报员对天气要素的预报更有信心，但是也不能完全依赖它，因为它几乎很少能够捕捉到极端天气。

4.1.2 集合离散度（Ensemble spread）
集合预报离散度是模式输出的各变量的标准差，可以用来衡量预报中变量的不确定性。

集合预报离散度在图中通常覆盖在集合平均上。

如图1所示，黑色等值线表示海平面气压（PMSL）的集合平均，填色表示海平面气压的离散度。

色调越深表示离散度越大，可预报性越低。

图1. 72小时海平面气压预报集合平均（黑色等值线）和集合离散度（填色）
4.1.3 天气要素概率图（Basic probability ）
为了预报天气事件发生的具体地点或格点位置，通常运用集合预报成员来估计其发生的概率，例如2m温度低于0度的概率，或者低于一个标准差的概率。

图2的填色部分表示阵风风速超过40kt的概率，灰色等值线表示海平面气压的集合平均。

图2 . 2010年7月16日世界时03点（2010年7月15日06时的24小时预报）区域阵风风速大于40kt的概率预报图；微弱的背景为海平面气压的集合平均等值线
值得注意的是，这里定义的概率并不是准确的统计学家贝叶斯定义的概率，它只是为了实际应用而设计的一种有用的估计。

它的前提是假定数值模式能够准确无误地反映出天气事件发生的气候分布。

因此以这种方式产生的概率预报需要通过大量的实际取样调查研究来证明是可行的。

图3给出的例子取自SWFDP计划。

图3. 2010年10月5日世界时00时（2010年10月3日世界时的48小时预报）全球MOGR集合预报系统10m风速大于20kt概率预报图；微弱的背景为海平面气压的集合平均等值线
4.1.4 分位数（Quantiles ）
集合分布的一系列的分位数可以简要地概括预报的不确定性。

通常运用的集合分布的分位数是最大值、最小值、25%、50%（中位值）、和75%。

其他常用还包括5%、10%、90%和95%。

4.1.5面条图（Spaghetti maps）
面条图通过运用所有的集合成员预报结果来绘制一些特定的等值线（比如500hpa高度场的528 位势什米线、546位势什米线、和564位势什米线等），并由此反映高度场的可预报性。

如果所有的预报成员的等值线在图上较紧密，表示可预报性较高；而如果所有的预报成员的等值线在图上像一盘散乱的面条一般，则表示可预报性较低。

图4. 2001年2月11日世界时12时（2001年2月7日世界时12时的96小时预报）500hpa
高度场集合预报面条图
4.1.6邮票图（Postage stamp maps）
邮票图由一系列集合预报成员预报结果绘制的等值线图组成（如图5所示），预报员可以通过邮票图了解到各个集合成员预报的可能发生的情况，从而估计出极端天气发生的可能性。

然而，邮票图提供了大量的信息，因此很难完全“消化”。

图5 2009年2月7日世界时12时（2009年1月26日世界时12时的300小时预报）850hpa
位温场集合预报邮票图
4.1.7单站集合预报(Site-specific meteograms)
具体站点的天气要素可以从格点模式输出变量中获得。

很多介绍表明，它们可以用来预报具体站点的天气要素，比如烟羽图和降水概率图等。

现在最常用的单站集合预报是箱线图，箱线图可表述一个或多个天气要素的预报结果的主要比例。

（如图6所示）
图6. 2007年7月19日世界时9点到2007年7月21日世界时12点MOGREPS欧洲集合预报系统Brize Norton（北纬51.8度，西经1.6度）单站预报图
5.集合预报系统应用建议
这一部分会全面阐述集合预报的使用原理，这些原理适用于所有的集合预报系统。

接下来几节会讲述一些关于集合预报系统独有的预报产品的具体使用细节。

(a)集合预报系统很好的表现了预报变量的不确定性
（i）通常而言，集合预报系统对高层大气变量的预报技巧比地面变量好。

——因为地面要素通常会受到模式不能分辨的次网格尺度不确定性的影响。

（ii）随着模式分辨率和模式性能的提高，地面要素的预报能力也一直在不断的提高。

(b)集合预报系统预报能力通常与它采用的模式预报能力相当。

（i）如果一个模式不能预报某种天气现象，那么相应的集合预报系统也同样不能预报出来。

——一个很好的例子：由于大多数模式都很难预报出对流风暴，因此绝大多数的集合预报系统都不能判断对流风暴的生成。

这也是许多数值中心发展对流尺
度集合预报系统的原因之一。

（ii）集合预报系统具有它所使用的模式的所有系统误差。

(c)怎样把确定性预报和集合概率预报结合起来？
（i）实际应用中，可以把集合成员的预报结果和高分辨率控制预报进行比较，进行综合分析。

（ii）具体的一些细节可以参阅世界气象组织“关于如何把集合预报系统提供的信息和单一的高分辨率模式预报结合起来”的参考书（Guidelines on using information
from EPS in combination with single higher resolution NWP forecasts）(February
2006).
(d)有一个普遍的问题：是否可以通过预报员筛选部分集合成员（例如通过对比高分辨率
的控制预报结果来决定）或者直接排除掉一些集合成员来提高预报能力。

（i）有些时候，预报员也许会认为有些集合成员不合理。

（ii）在现有的观测水平上，我们能够删除一些集合成员或者挑选出最佳集合成员吗？
——在预报短时天气或局地小范围天气时也许可行。

——
预报技巧通常是最好的。

——这种方法在长期预报中不可行。

（iii）这种方法是非常主观的，操作起来也很困难。

（iv）我们强烈建议预报员使用全部的集合成员，特别是在概率预报中。

(e)预报员应该了解所用模式和集合预报系统的优势和劣势。

同时还应该拥有相应的参考
资料。

（i）预报员应该了解多个临界值预报的检验结果。

（ii）预报员应该熟知模式在各个季节的预报优势和劣势。

(f)实际应用中，需要注意一些关于云和降水等的诊断参数，例如，注意对流系统中的各
种参数（比如CAPE，K指数等）的分布情况。

(g)预报员不应该仅仅依靠模式系统直接输出的结果，还应该根据模式的预报结果做一些
诊断分析，这也许还可以加深对集合预报结果的理解。

（例如通过诊断分析水汽的辐和、低空急流、对流统计特征等来判断天气特征、重大影响天气的发生环境/先兆/潜势等）
集合预报系统（以及其他概率预报工具）的使用使得我们有可能发布两种不同形式的天气预报：全概率预报、附带有不确定信息（例如信心指数）的确定性预报。

使用哪种形式的预报取决于用户。

总的来说，使用全概率预报可以让用户根据他们的特殊需求（例如估计耗费—损失比例）来制定相应的决定，从而更好的趋利避害。

这也是我们鼓励使用全概率预报的原因。

6. 应用集合预报系统制作确定性天气预报
总的来说，我们强烈建议最好向用户提供最完整的概率预报，特别是对于较长时间的预报。

然而，不得不承认许多用户需要的都是一个简单的确定性预报。

相比于单一的确定性预报模式而言，集合预报系统的使用通常都能提供更可信的预报，这在1-3天的天气预报中特别明显。

集合预报系统的一些指标可以用来优化确定性预报。

在许多标准检验评分中，集合平均的得分通常是最高的，集合平均优于一般的确定性预报，但是值得注意的是集合平均会把较小尺度的不可预测的细节平滑掉，而且集合平均也几乎很少能够捕捉到一些具有重大影响的天气系统及其强度。

所以在做一些极端天气的潜势预报时不应该单独使用集合平均。

其他的一些参数中，中位数（概率分布函数的中点）和众数（概率分布函数中概率最大的值）也能对预报提供一些有意义的参考——因为它们更容易识别单个的气象参数，而不是整个天气系统。

在发布一个确定性预报时，如果能够充分地利用一些不确定性信息，那么预报员对确定性预报的信心也许会增加。

同一个预报中对不同要素的预报信心通常是不一样的。

运用信心指数这个指标时，最好把不同的变量区分开。

信心水平应该根据集合离散度来确定，但同时也应该考虑天气预报的一些局限性。

发布确定性预报时，最好的方式是要充分地应用集合离散度显示的不确定性。

集合离散度可以通过许多的集合预报产品来分析，天气尺度系统分析中通常可以用面条图、均方差分布图等；更小尺度的系统分析中可以使用箱线图、分位数、聚类分析等。

（a）小的集合离散度（好的可预报性）
（i）在这种情况下，集合预报系统可以为预报提供更多的细节。

（ii）在预报中应该综合分析高分辨率控制预报、集合平均和集合中位数等（同时适当地注意是否需要校正或偏差订正）。

（iii）不同的变量通常具有不同的集合离散度，因此一个变量的较小的离散度并不能保证预报的各个方面都很有把握。

——天气尺度的可预报性很好并不意味着气温和对流降水等地面气象要素具有好的可预报性。

——预报员仍然需要考虑模式不能分辨的一些参数的不确定性。

（b）大的集合离散度（差的可预报性）
（i）在这种情况下，要避免为预报加入太多的细节。

（ii）在这种情况下，需要考虑集合平均，但是如果集合对象分布范围较大，集合平均通常不能预报出真实的情景。

（iii）在这种情况下，可以以集合中最有代表性的成员（比如聚类分析中最稠密的簇或者概率分布函数中的众数等）作为指引来推导可能的结果。

——需要注意的是，最具代表性的集合成员也许不能给出每个气象要素的最有可能出现的值（例如，某个地点最有可能出现的温度也许跟该地最有可能出现的降
水量没有联系）。

（iv）不确定性估计
——实际应用中，应该鼓励用户学习、理解、适应概率预报。

（v）综合运用集合预报系统和高分辨率控制预报来预报极端事件
——需要仔细估计天气系统可能的演变方向以及它们的潜在影响。

——需要充分考虑模式的性能。

——很多时候，高分辨率控制预报也许更有能力预报一些重大影响天气事件。

（c ） 在短期（12-18小时）预报中，也许可以把最新的观测资料（3-6小时后到观测资料）
考虑进来，从而挑选出与实况较接近的最好集合成员。

（i ）例如，集合成员可以将一个快速发展的气旋位置预报得非常好，但预报时效可能
极短，仅为数几小时。

（ii ）需要注意的是，未来系统演变会受到上游天气系统特征影响，这使得24h 以后的
预报通过选择集合成员来进行概率预报的方法，是不可行的。

（iii ）同样的，最新的模式预报结果与前面的模式预报的一致性，也是一个需要考虑的
因素。

（d ） 在长期预报中，概率预报是最合适不过的，在制作确定性预报时，使用集合预报平
均和中位数能够产生更多可信的预报。

6.1 通过确定性预报做决策
天气预报只有在用来做决策的时候才是有用的。

人们普遍认为运用确定性预报做决策比运用概率预报做决策更容易。

然而，当一个预报员发布确定性预报时，预报的潜在不确定性始终存在，预报员不得不在一系列可能出现的结果中做出一个最佳猜测。

除非预报员完全了解用户根据天气预报做的决策以及不同的结果会带来什么影响，否则预报员所做的最佳猜测常常不能满足用户的真实需要。

（a ） 在选择运用确定性预报做决策时，气象用户需要具备一些相应的知识。

在不了解用
户的耗费—损失比例时，几乎不可能做出最佳决策。

耗费—损失比可以通过调查分析或者跟用户的讨论来评估。

（b ） 适当的时候，预报员应该把可能出现的最糟糕的情况、最有可能出现的结果以及由
此可能带来的影响等信息传达给气象用户。

7．描述可能出现的情况
有一个概述预报不确定性的好方法：不必给出所有的概率预报细节，只是把可能出现的情况都描绘出来。

对于那些过去一直使用确定性预报的用户也许更能接受这种方式。

理论上，集合预报系统可以用来估计各种可能出现的情况的相对可能性。

在多数情况下，最好的方式是在发布一个最可能出现的情况，于此同时附加一个其他的情况。

这通常是集合成员预报出的很糟糕的极端情况，可以反映出可能发生的低概率但高影响的天气事件。

然而，需要注意的是不要给用户们这样的印象：这两种预报的情况肯定有一个是正确的。

因为实况很有可能介于两者之间的情景（甚至完全不同的情况）。

有两个有用的工具可以帮助预报员发布上面所说的那种天气预报：一个是邮票图，它可以把每个集合成员预报出来的情况都展示给预报员看；另一个是聚类分析图，它可以自动组合集合成员的预报结果并且向预报员提供可能出现的情况的客观估计。