NCEP_ECMWF及CMC全球集合预报业务系统发展综述

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

NCEP_ECMWF及CMC全球集合预报业务系统发展综述20116Transactions of Atmospheric SciencesJun, 2011
麻巨慧,朱跃建,王盘兴,等, 2011, NCEP、ECMWF及 CMC 全球集合预报业务系统发展综述,J,, 大气科学学报,34( 3) :37 0-380,
Ma Ju-hui,Zhu Yue-jian,Wang Pan-xing,et al, 2011, A Review on the edvelopments of NCEP,ECMWF andCMC global ensemble forecats system ,J,,Tra ns AtmoSsc i,34( 3) :37 0-380,
NCEP、ECMWF CMC 及全球集合预报业务系统发展综述
1,2,3 2 1 1,,, 麻巨慧朱跃建王盘兴段明铿
( 1, ,210044;南京信息工程大学气象灾害省部共建教育部重点实验室江苏南京
2, Envronmenta M odeng Center / NCEP / NOAA,CampS prngs,M D 20746 USA; 3, UCAR,Bouder,CO 80307 USA) illiil
( global ensemble forecast system,GEFS——) —:3 摘要总结了目前最具代表性的个全球集合预报系统美
( National Centers foErn vironmental Prediction,NCEP) 、国国家环境预报中心欧洲中期天气预报中心( European Centre Mfoedr ium-Range Weather Forecasts,ECMWF) ( Canadian Meteoro- 和加拿大气象中心
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
( ECMWF) 、( NCEP) ( CMC) —量法增殖向量法和观测扰动法更新为现在的集合资料同化奇异向量法 ( ECMWF)、 ( NCEP) ( CMC)。

,重新尺度化集合转换法和集合卡尔曼滤波在估计模式不确定性方面ECMWF CMC ,NCEP 和都修订了各自
的随机参数化方案和多参数化方案最近也在模式中加入了随。

,TIGGE ( the THORPEX interactive grand 机全倾向扰动为提高全球高影响天气预报的准确率计划
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
:; ; ; 关键词全球集合预报系统初值不确定性模式不确定性多模式和多中心
集合预报
:P456. 7 :A:1674-709(72011)03-0370-11中图分类号文献标识码文章编号
A Review on the developments of NCEP,ECMWF and CMC
global ensemble forecast system 1,2,3 2 1 1MA Ju-hu,ZHU ue-an,WANG Pan-xng,DUAN Mng-keng iYjiii ( 1, Key Laboratory Moeft eorological Disaster of Ministry of Education,NUIST,Nanjing 210044,China;
2, Envronmenta Modeng Center / NCEP / NOAA,CampS prngs,MD 20746,USA; 3, UCAR,Bouder,CO 80307,USA) illiil
Abstract: The papers ummarizes the developments of theN ational Centers forE nvironmental Prediction( NCEP) ,the European Centre Mfored ium-Range WeatherF orecasts( ECMWF) ,and the Canadian Mete- orological
Centre( CMC,)w hich are the mosretp resentative of global ensemble forecast system( GEFS,D) ue to theen larging of computational
resources,themo del resolution and ensemble size of their GEFS subsequently increase, At the sameti me,for promoting the improvement
of the ofrecast skill,they all de- vote to edvelop the initial and model perturbation methods used stiom ulate the
effect of initial and model uncertainties, The initial perturbation methods are updated from the singular vector ( SV ) method(E CMWF ) ,
the rbeeding method N( CEP ) and the perturbed observation ( PO ) method ( CMC ) to then seemble of data ssaimilation and singular vector
( EDA-SV ) method ( ECMWF ) ,
:2010-10-16;:2011-01-19收稿日期改回日期
基金项目:NOAA Hurrcane Forecastm provement ProgramH( FP)iII
作者简介:麻巨慧( 1983—) ,女,黑龙江哈尔滨人,博士生,研究方向为集
合预报,Juhui, Ma@n oaa, gov,
the ensemble transform itwh rescaling( ETR) method ( NCEP) and thee nsemble Kalman filter ( EnKF)method( CMC,)S eve ral attempts areal so made to account mforod el-related uncertainty, ECMWF and CMC have
revised their stochastic physics parameterization tendencies( ECMWF) andm ulti-parameteriza- tion( CMC) schemes,and NCEalPs o develops stochastic total tendency eprturbation to estimate the mod- e-reated uncertanty, To acceerate mprovements on the accuracy g ofob a hgh-mpact weather orfe- llilillii
casts,TIGGE( the THORPEX interactive grandg lobal ensemble) was initiated to enhance int ernational collaboration on multi-center and multi-model ensemble forecast,and NAEFS ( NorAtmhe rican ensemble forecast system) canr opvide an operational framework forglo bal multi-model ensemble forecast system,They area ll helpful for developing the global interactive forecast system(G IFS) , Key words: global ensemble forecast system;i nitial uncertainty; model uncertainty; multi-model and multi-center ensemble forecast
( Toth eta l, ,2007) 。

高可预报性不同用户在根据集 0引言合预报结果进行决策时要比使用单一预报得到更多
,的经济利益因为集合预报可以针对他们各自的成,大气具有混沌特性对于
初始场的微小误差高
/ ( Zhu et al, ,2002) ,,,本损失比提供不同的决策标准度敏感这种误差会迅速增长影响可预报性
( Lorenz,1963。

) ( 而单一确定性预报无法帮助每一个用户根据自身的初
始场误差主要来源于观测资料
,,在时间和空间上的不完整代表性误差和测量误差情况做出最优的决策用
户只能简单地依赖气候场 ) ( 等及资料同化过程使用背景场误差协方差时假。

Joslyn et al, ( 2007) Nadav-Green- 信息进行判断和
) ,设各向同性及缺乏背景场误差的信息等即使假 berg andJo
slyn( 2009) ,的研究表明预报中包含不确
,设模式完备这样的初值也会使预报技巧在几周后,。

定性估计可以帮助预
报员和公众做出更好的决策
( Toth andK alnay,1993 ) 。

降为零况且数值预报模
,式并非完备离散化的大气模式仅是真实大气在数 Centers orf( National美国国家环境预报中心。

、学和物理上的近似有限的模式分辨率不完备的Environmental Prediction,NCEP) 和欧洲中期天气预( 物理参数化方案及边界条件近似估计粗糙度长 ( European Centre Mfored ium-Range Weather 报中心、、、) 度土壤湿度雪盖植被和海表温度都会带来模 Forecasts,ECMWF) 1992 12 于年月分别建立了各自,,。

式误差它像初始误差一样会影响预报技巧( global ensemble forecast sys- 的全球集合预报系统集合预报是估计数值预报中不确定性的一种方 tem,GEFS) ,( Canadian Meteorologi- 加拿大气象中心,。

法它将单一确定性预报转变为概率预报初始场
cal Centre,CMC) 1998 2 的集合预报业务也于年月 ( PDF) 。

的不确定性可用概率密度函数来表征集合
,GEFS,ECMWF 建成它们是目前最具代表性的和 PDF,预报的初始扰动方法就是通过不同方式取样
( Leith,1974 ) 、包括经典的蒙特卡罗法滞后平均法
ensemble prediction sys- CMC GEPS ( global( Hoffman andKa lnay,1983 ) 、( Toth and称其为增殖向量法
Kalnay,1993,1997) 、( Buizza and能量模奇异向量法 tem),,GEFS。

为叙述方便本文统一称为近来一些
3 研究也对这个中心的初始扰动方法及集合预报产。

Bowler( 2006) Lorenz 96 品进行了比较使用低阶的
( ensemble Kalman fil- 模式比较得出集合卡尔曼滤波
Palmer,1995; Molteni etal, ,1996 ) 、观测扰动法ter,EnKF)
( breedv ector,BV) 方法要优于增殖向量
( Houtekamer et ( singular vector,SV) ,Des- al, ,1996 ) 、法和奇异向量法的结论集合转换卡尔曼滤波
camps andTa lagrand( 2007) Lorenz 96 也使用模式和 ( Bishop et
al, ,2001; Wang andBi shop,2003) 和集合。

( Wei et al, ,2008) 。

三层准地转模式得到了一致的结论尽管上述转换法等集合预报不但可以估
,,计初始不确定性也可以通过采用多模式方法试验在比较中基于相同的模式避免了模式差异 ( Houtekamer aetl, ,1996) 、,,物理过程的随机模拟方对比较结果的影响但模式过于简单尚不能代 ( Buizza et al, ,1999) ( Hou et 法及随机全倾向扰动法。

Magnusson ealt, ( 2008 ) 表复杂的大气系统使 a, ,2006,2008,2010 ) l等来捕捉与模式相关的不确 T255 L40 ECMWF SV 用的集合预报模式比较了 L
,。

定性从而弥补单一确定性预报的不足 SV BV ,法和法发现在热带外地区方法的表现稍集合预报可以通过追踪初始不确定性的时空演,。

Buizza et al, ( 2005) 好在热带地区则反之比较了,( flow-dependent) ,变提供依流型的概率分布来提
34 372卷第大气科学学报
3 2002 20 : 80?N 500 hPa ( ) ) ,5—7 、,12 ,个中心年月位势高世界时下同起始预报使用六日时
,,ECMWF ,T63L19( 219 km) 32 度场集合预报产品总体而言表现最好水平分辨率约对个集合成员积 NCEP 10 d。

50 ,CMC ,在短预报时效效果好对长预报时效效分到目前已经升级为包括个集合成员每
( 00 、12 ) ,GEFS 天两次时时使用可变分辨率模式 Meteorological Organization ) MO ( Word。

Wl的果好15 d ,0 : 10 d 进行预报即预报运行
高分辨率模式 THORPEX( the observing system research andred ipct-
T63962( 30 km) ,10 : 15 d T319L62L约预报改用 LLability experiment ) TIGGE ( the 科学计划中的计划 ( km) 。

65 约 THORPEX interactive grandg lobal ensemble) 提出了 NCEP GEFS ,00 1 的建成之初在每天时仅由,TIGGE 建立全球交互式大集合预报的思路资料的 2 。

组正负扰动对产生个集合成员目前集合成员数、交换为各中心预报产品的比较自身技术的改进提 20 00、06、12 ,18 ,已增到个每天和时起报预报时。

供了有价值的信息 16 d,2010 2 T190 效达水平分辨率于年月升级为 10 GEFS ,3 余年来个中心的都有了明显的改( km) 。

70 约,1 3 GEFS 进本文第节将介绍有关个中心的发展 CMC GEFS 95 SEF 1 T的第代仅使用模式 L,2、3 3 概况第节分别介绍个中心如何估计初值和 ( spectral finite element model) 8 对个集合成员积分,4 、模式不确定性第节是关于建立多模式多中心集
,5 。

合预报系统的进展情况第节是对本文的总结
environ-10 d。

1999 GEM ( global8 年月新开发了
mental multiscale model) ,由模式中不同的物理参数 1发展概况8 ,化方案产生了另外个成员模式的分辨率是 1. 875?。

2007 CMC GEFS 7 年月对进行了一次重 1、2、3 3 。

表列出了个中心的详细发展概况自,SEF ,GEM 要的升级不再使用模式并将的水平分 GEFS ,3 开始业务化以来个中心就在不断地致力于
,、发展和完善初始和模式扰动方法同时模式分辨率 0. 9?,20 16 d 。

辨率提高到对个集合成员进行预报。

集合成员数及预报时效也都有所升级 1a 3 图比较了个中心集合预报的距平相关系ECMWF ( 、3 最初每周仅进行次业务预报
周五,10 ,数每个中心都只取个集合成员进行集合平均 ECMWF GEFS 1 表发展概况
Table 1The development of theE CM WF GEFS
/ d 初始不确定性模式不确定性分辨率预报时效集合成员数起报时次
1992-12 T63L19 32 奇异向量法 ( SN) VII 1996-12 T 159L31 1998-03 L 12 UTC 1998-10 10 T 159L40 1999-10 L 随机参数化 2000-11 演化奇异 T 255L40 扰动方案L 向量法2003-03 ( SPPT ) ( EVO-SVINI) T 399L62 2006-02 L 2006-
09 T 399L62( 0 : 10) L 50 T 255L62( 10 : 15) L 2009-09 修订的随机参数化扰动方案 2010-01 ( revised SPPT ) 00 UTC; 2010-06 12 UTC 15 T 639L62( 0 : 10) L 集合资料同化修订的随机参T 319L62( 10 : 15) L —奇异向量法数化
扰动方案 2010-11 ( EDA-SVINI) 和随机补偿方案 ( revised SPPT -SPBS)
2 NCEP GEFS 表发展概况
Table 2The development of theNC EP GEFS
/ d初始不确定性模式不确定性分辨率预报时效集合成员数起报时次
1992-12 T62L18 12 2 00 UTC 10( 00 UTC) 1994-03 T62L28 4( 12 UTC)
T126L28( 0 : 2. 5) 00 UTC; 2000-06 12 UTC T62L28( 2. 5 : 16) 增殖向量法( BV) T12628( 0 : 3. 5) L 2001-01 T6228( 3. 5 : 16) L10 16 T126L28( 0 : 7. 5) 2004-03 T62L28( 7. 5 : 16) 00 UTC; 2005-08 06 UTC; 2006-05 14
T126L28 12 UTC; 重新尺度化 18 UTC 2007-03 集合转换法 20 ( ETR) 随机全倾
向 2010-02 T190L28 ( STTP) 扰动
3 CMC GEFS 表的发展概况
Table 3 The development of theC M C GEFS
/ d初始不确定性模式不确定性分辨率预报时效集合成员数起报时次
T 95( SEF) 1998-02 8 L T 95( SEF) ;L ( PO)1999-08 观测扰动法 1, 875? ( GEM ) 10 00 UTC 多模式多参数化方案 16 2001-06 T 149( SEF) ; L
1, 2? ( GEM ) 2005-01 集合卡尔曼 00 UTC; 多参数化方案和 ( EnKF) 滤波2007-07 0, 9? ( GEM ) 16 20 12 UTC 随机参数化过程
CM WF ,NCEP 。

CM WF ( SV ) E,E其中的预报效果最好次之但使用奇异向量法来捕捉扰动一原理
ECM WF ( Buizza and Palmer,1995; M olteni 的这种优势在一定程度上取决于较高的模增长最快的方向。

et al, ,1996) ( SV 式分辨率如要比较仅由初始和模式扰动方法提高由于这种是生成在预报的初始时
,1b ,SV,SVINI( initial time SV ) 刻为区别于其他的预报技巧可由图中集合平均与控制预报的差以来
,3 d ,3 ) 。

SVINI ,来反映在预报时效小于时个中心的预报效表示是相对于初始模定义的它是通过在
,,CM C ,CM C 果基本相当之后开始显现优势的多最优时间内向前积分切线性模式再向后积分伴随
,,参数化方案更好地代表了模式不确定性体现了其模式得到在最优间隔内能够达到极大能量增长的。

,,优越性扰动因此初始模的选取和最优间隔的长度很关键
ECM WF ,业务上使用总能量模作为初始模最优间
36 h,1994 h。

SVI- 48 隔最初是年后更新为得到的
2初值不确定性NI 在相空间中再进行正交旋转及重新尺度化构造。

集合扰动成员由于使用切线性模式和其伴随模式 1) ECM WF 3 ,的次数是所需奇异向量数的倍因此需要耗费大,根据非线性动力学的有限时间不稳定理论扰。

动在相空间的不同方向具有不同的增长率基于这
34 374卷第大气科学学报
2008 —2009 ( ) 500 hPa1 12 1 00 2 28 00 图年月日时年月日时世界时北半球 ( a; ,)位势高度场的距平相关系数实线为集合平均预报虚线为控制预报
( b)以及集合平均预报与控制预报距平相关系数之差
Fig, 1 500 hPa geopotential height over the NorthernHe misphere extra-tropics for
a, anomay correaton scores ( sod nes arellililithe w inter of 2008—2009
ensembe mean; dashn es are contro forecast) ; b, dfferences of anomayllilil
correlation scores betw een thee nsemble mean and thceo ntrol forecast
SV。

EDA ,,T42 。

量的计算资源所以仅运行的低分辨率模式化的扰动与未受扰动的分析场相加可,, 10 SVINI ,5 对于热带外地区两个半球是分别计算奇异向量的生成个扰动分析场然后分别与个合。

,,50 ,EDA 否则会使夏半球的奇异向量过少在热带地区奇并可得到个
集合成员其中由于扰动的振
,SV SVINI ,异向量对切线性模式中非绝热物理过程很敏感如幅比原来的演化大所以合并时的振幅
,果计算整个热带地区的奇异向量有时会生成在非 et al, ( 2007 ) et
al,10% 。

PalmarBuizza降低和,线性预报模式中不增长的虚假结构所以仅计
算热
( 2008,2010) ,EDA 研究表明只使用扰动代表初始
,,,不确定性误差增长很慢集合离散度太小尤其是 et al, ,
( Barkmeijer带气旋附近区域的奇异向量
,。

SVINI 在热带外地区影响了预报效果但与合并 2001)。

,1998 3为了提高短期集合预报的技巧年,EVO-SVINI ,后与相比在热带以外地区预报时效 ECM WF ( evolved SV-in- 月提出了演化奇异向量法2 d 10 d,EDA-SVINI 的前和
热带地区的前都具有 itial time SV,EVO-SVINI) ,SVINI 48 h 将与演化了,。

更大的离散度之后二者基本相当 SV ,的按一定的权重合并这样一定程度上代表了 2) NCEP ,资料同化循环引起的初始不确定性增长得到了很Toth andK alnay ( 1993,1997 ) 设计了增殖向量 ( Barkmeijer et al, ,1998) 。

好的效果 ( B ) 1992 NCEP V,。

法并于年在投入业务使用该 2010 CM WF 6 E年月开始采用集合资料同,3 : 4 d 方法引入初始随机扰动后经过
的增殖循环—( ensembe of dataa ssimiation-initialll 化奇异向量法,产生具有极大增长率的扰动然后通过重新尺度化 time SV,EDA-SVINI) ( Buizza et
al, ,2008,2010 ) 。

,使慢速增长型误差比重减小得到最终的初始扰动
EDA 、扰动由扰动观测场海表温度场以及物理过程。

BV ,场法的局限性在于初始扰动方差是由不随。

SV EDA 中的参数化倾向得到因为演化的与扰,时间变化的气候场分析误差限定的另外扰动之间动都是用来估计资料同化过程中带来的初始不确定。

并未接近正交,EDA ,性增长但较前者效果更好所以用其取代演,( ensemble transform,ET ) 扰动将扰动的观测场与上一循环提供的预报场一集合转换和重新尺度
,。

起进行资料同化得到扰动的分析场然后用扰动 ( ensembletransform itwh rescaling ,化集合转换 6 h,的预报模式对这个分析场积分得到下一同化循 andETR) BV ,Bishop技术是对法的改进最早是。

4 d ,,环的预报场循环之后集合统计量达到稳定 Toth( 1999) 。

2004 在目标观测研究中提出的年之。

最终得到可用于中期预报的扰动分析场这种初始 NCEP ET ETR 前就开始了和生成集合预报初始扰,,扰动方法计算量小且估计了分析误差但在随机取NCEP ,2006 5 ETR 动的试验年月正式在投入业务,。

样时会引入了不增长误差影响预报在短期的效果。

( da- 使用该方法产生的初始扰动受业务资料同化2005 CM C 1 ,年月开始使用集合卡尔曼滤波 ta assimilation,DA) 系统提供的分析场误差方差限 ( EnKF) ( Houtekamer andM it chell,2005; Houtekam-,DA ,GEFS 定并以提供的分析场为中心同时也为 er eta l, ,2007) 。

为集合预报提供初值这种方法将 DA ,ET ETR 提供预报场误差协方差因此在和方,资料同化与集合预报相结合在计算时不仅不要求 GEFS DA ,BV 法中和具有一致性这是原始的方,使用复杂的切线性和伴随模式而且可以得到集合。

,法不具备的另外各扰动之间接近正交即相关性。

预报提供的随天气形势演变的背景场误差协方差。

ET ETR BV 很小所以和方法弥补了正负扰动对,但是业务运行结果表明得到的分析场离散度太小( Wei et al, ,2006 ) ,方法中的一些不足但却
保留了 EnKF ,这是因为方法计算过程中增益算子和分析 BV 、法依流型变化代表误差最快增长的非线性扰误差都来自于具有单一集合框架的有限的集合成。

动及耗用计算资源少的优点,,员因此低估了分析不确定性使随后的集合预报离ETR ( Wei et al, ,2008) 方法主要是通过集合转 CM C EnKF 。

2007 7 散度偏小年月就这一问题对 f a T Z:Z换矩阵将预报场扰动转换为分析场扰动,96 4 方法进行了改进将个集合成员分成了个子集
( 24 ) ,,合每组个成员在同化任一组观测场时使用
3 72 。

由另组个成员计算得到的增益算子由于每 f a Z ( 1)= ZT。

,个子集合中各成员间统计量差异并不大只从每组,理想的初始扰动应该是中心化的这样才能以最可5 ,20 中各选出个共形成个成员用于中期预报的初,; 能的分析场为中心从而得到最优的集合平均另外。

,始场在初始时刻还需加入随机扰动扰动的平均,还应具有最大的自由度在集合子空间中分布到尽 EnKF ,振幅要接近原始分析场成员的离散度这样。

( 1 ) 量多的方向上通过方程的转换各扰动间相互。

可以弥补在初始阶段集合离散度增长不够的问题,。

,正交但并未中心化因此还要进行中心化处理但,这种集合预报与资料同化相结合的初始扰动方法,这又使各扰动间不再严格的正交不过可证明集合不但可以为集合预报提供能够代表分析不确定性的。

,成员越多扰动间越接近正交另外为了使初始离,最优初值同时集合预报又可以为同化提供尽可能,散度分布能与分析误差方差相似还需要做重新尺。

准确的背景场误差协方差估计。

度化
,ETR 综上所述经过转换之后的分析扰动具有
: 1 ) ; 2 ) 如下性质各扰动之间以分析场为中心成员
,; 3) ;越多各扰动间越接近正交具有最大的自由度
4) ; 5) 具有依流型变化的空间结构如果集合成员数
,DA 越多初始扰动的协方差与提供的分析场误差 3 模式的不确定性
1) ECM WF
1998 10 ECM WF 年月开始在业务集合预报中 etei al, ( 2008 ) 。

W协方差越一致比较了分别由,( sto- 考虑模式不确定性使用随机参数化扰动方案 KalmanBV、ET 、ETR ETKF ( ensemble transform和 chastic perturbedp arameterization tendencies,SPPT ) filter) ,产生初始扰动的集合预报在大多数评分中( Buizza et al, ,1999,Palmer et al, ,2009) ,对物理参
ETR 。

M agnusson etal , ( 2009 ) 的表现最好使用了,数化过程中的敏感因子进行扰动即在次网格尺度 4D-Var DA ,ETR SV 相同的模式和系统比较和的 ,) 0. 5,物理参数化生成的总倾向上乘以一个在,,19 SV ,ETR 预报技巧经统计文中项比较优于的 0. 5,,范围内均匀分布的随机数可表示为 13 。

占项
3) CM C
( 2)X= ( 1 + r ) X。

p X c
( perturbed-observaton, PO )i: X; X; r 式中为未经扰动的倾向为扰动后的倾向观测扰动法 c p X
( Houtekamer et 。

r ,al, ,1996 ) ,( M onte为随机数不同的变量取值不同但对于每一个以随机扰动法 X
Carlo ) : ,,。

为基础具体做法是首先对观测场加随机扰动变量为了保持空间和时间上的连续性随机数
34 376卷第大气科学学报
r × 10?,6 10? ,在每个的整层大气区域内每个时间则可以代表位相空间中更多的方向会有更好的效 X。

果因此随机强迫项可以表示为 ( T 399 h,T 215 4. 5 h) 3 ,积分步长对应的的里取 L L N 。

,值不变这种方案可以增加集合离散度提高概率 1,
2,…,N) 。

( 7)= S( t)w ( t) P( t) ,( i? ? i,j j i ,。

预报的技巧但
集合的发散度仍偏小 j = 1
w i 其中为每个集合成员对应的不同的一组随机 2009 CM WF SPPT 9 E年
月对方法进行了修订i,j
( Pamer et a, ,2009) ,( 2) ll将方程改写为。

i w ( j = 1,2,…,N) 权重对于任一成员的权重是 i,j
t = 0 ,X( 3)由初始时随机产生的正交矩阵之后随时间变 = ( 1 + r) X。

μ pc
,。

0,1,。

,化不断的旋转一个微小的角度形成新的正交矩阵其中μ?用来减
小近地面和平流层扰动振幅
P ,S ,同时也是正交的因此得到的同样是正交矩因为对底层大气进行扰动
会引起模式不稳定而平。

,阵由于计算资源的限制不可能每一积分步对倾,,流层的倾向以辐射强
迫为主它在平流层相对准确
,t 向加一次随机扰动只能对一个固定的时间间隔Δ,SPPT 误差主要是大尺
度的所以修订后的方法中,进行因此模式中积分的状态变量改写为 300 m 50 hPa 。

,低于和高于时不加扰动此外这里 N
r ,r 的随机数服从高斯分布所有变量的都取相同 ,( X) )( X') = ( X) + ( t) w ( t)γ, i t ? i,j j t i t ,。

值这样使模式的物理过程更加具有一致性与原 j = 1SPPT ,始的方法相比修订后降水预报和热带地区 ( X) , ), ( X) ) (X ) ,,, j t ) Δt0 t 0 t ) Δt。

的预报效果有所改善 t,2t,…) 。

= ( i = 1,2,…,N; t( 8) ΔΔ
( spectralstochastic下面介绍随机补偿方案 ( t) ,其中为全球重新
尺度化因子用来降低随机强γ backscattersc heme,SPBS ) ( Shutts,2004,
2005B; er - 。

迫项的振幅每个成员的随机强迫为ner eta , ,2009) 。

,l与真实大气相比全球天气预报 N
模式中的模式大气在截断尺度附近会出现能量的过 SPw ( t) ,( X) )
(X ) , )= , i? i,j j t j t ) tΔj = 1 ,度耗散这种数值过程的耗散会抑制能量从次网格。

, ,( X ) ) (X )尺度向可分辨尺度的转换同样参数化的次网格 , ,, 0 t0 t ) Δt。

SPBS 重力波倾向和深对流也影响这种能量转换 ( i = 1,2,…,N; t=
t,2t,…) 。

( 9) ΔΔF。

方案则通过流函数强迫项来补偿这种耗散ψ ,STTP ,试验表明可以增加集合离散度减少集合平ECM WF ,2010 11 通过了此方案的测试于年月将。

均预报中的系统误差 SPPT 其与修订的算法一同用于代表业务集合预报 3) CM C 。

系统中模式的不确定性 CM C 使用多模式多参数化方案代表模式不确定 2) NCEP ( multi-model and multi-parameterization)
( Houteka-性 NCEP 2010 2 从年月起使用随机全倾向扰动
mer etal, ,1996 ) 。

2007 7 GEM在年月之前使用
( Cote et l, ,a1998 ) and B eaudoin,SEF (R itchie和 stochastic total tendency erpturbation,STTP ) (法 1994) 8 ,两种模式分别生成个集合成员各集合成员 ( Hou eta l, ,2006,2008,2010 ) ,在模式方程的倾向、、、具有不同的水平扩散对流辐射陆面过程和重力拖 T S,中加入了随机强迫项来代表与模式相关的不。

拽等物理参数化方案然而数值预报模式的版本和。

确定性即用,参数化方案的数量毕竟有限因此这种代表模式不确
X 。

SEF i定性的方法具有一定的局限性而且近些年模 = T( X ,t) + S ( t), ( i = 1,2,…,N) , ( 4) iit GEM ,8 式的发展水平已经远不及模式它所生成的
GEM 个集合成员的预报技巧明显低于模式生成的代替传统的模式方程
8 。

2007 7 CM C GEFS 个成员因此从年月开始仅 X i = T( X ,t) ,( i = 1,2,…,N) 。

( 5) iGEM ,,使用一个模式多参数化方案依然采用但更 t
20 ,新为组不同的参数化方案同时又使用了随机参假设任一集合成员的倾向可以代表未知的真实的倾( SPPT ) ( sto- 数化扰动方案和随机动能补偿方案,,向则真实的倾向值与传统的模式方程的差别即每
chastc knetc energy backscatter,SKEB) iii两个随机参,N :个成员与控制预报倾向的差为个扰动
,( Char- 数化过程共同来代表模式相关的不确定性P( t) = T( t) )T
( t) ,( i = 1,2,…,N) 。

( 6) 虽i i 0 ron eta l, ,2010) 。

P然随机选取的每个都可以用来代表倾向中的不i
,N ,确定性但如果将个倾向扰动随机合并起来
集合变换卡尔曼滤波适应性观测敏感区识别方法在 4 多中心多模式集合预报系统。

实际应用中的具体环节、2004 加拿大墨西哥和美国于年建立了北美集世界各国各地区的环境预报中心都在致力于提
( North American ensemble forecasts ys- 合预报系统、、,供可靠及时准确的预报及预警以满足人们日益
tem,NAEFS) ( Toth eta l, ,2005 ) ,目前美国海军舰 ( ,2010) 。

增长的对环境信息的需求朱跃建在过去
( Fleet Numerical M eteorology 队数值大气海洋中心,( 的十几年间集合
预报技术得到了发展段明铿和
and OceanographyCen ter,FNM OC ) ,正准备加入英,2004; ,2006) ,
王盘兴关吉平等促进了极端天气和
( UKM O) ( CM A ) 国和中国也有计划考虑在未来加。

1 : 14 高影响天气预警能力的提高旨在加快提高。

GEFS,入这是一个业务化的多中心多模式主要 d THORPEX 高影响天气预报准确率的国际研究计
: ( 进行的工作包括交换原始预报数据加拿大和美
20 ) ,国各个集合成员的预报对所有成员进行后处 TIGGE ( Richardsonet
划将计划列为其主要部分,。

理然后合并所有集合成员得出最终的预报产品
al, ,2005;B ougeault et al, ,2010 ) 。

2005 年启动的2 NCEP CM C 20 图
比较了和各个经过偏差订正后 TIGGE / 计划主要目的是增强国际间对多模式
多分,40 NAEFS 的集合成员及合并后的个成员的,析集合预报的合作研究并结合用户对预报信息的 CRPSS c(o ntinuous rankedp robability skill score) 检,。

需求将其应用到高影响天气预报中目前由澳大,( reliability ) 验评分它可以度量集合预报的可靠性和、、、、、、利亚巴西法国韩国加拿大美国欧洲中期天气 ( resolution) ( Zhu et al, ,1996 ) ,分辨能力可以看
出、、10 预报中心日本英国和中国的个业务或准业务 NCEP CM C ,和预报效果比较匹配合并后的 GEFS TIGGE ,向资料库提供预报资料为研究比较NAEFS ,。

预报技巧提高明显尤其在长预报时效时各系统的预报技巧及构建最优的多模式集合提供了 Zhu and Toth( 2008) 2006 /2007 对年冬季的预报效。

相关文档
最新文档