重构GRAPES(Global/Regional Assimilation and Prediction System)全球、区域一体化变分同化系统中的极小化控制变量,提升中、小尺度同化分析能力,为中国气象局业务区域数值预报系统CMA-MESO提供千米尺度适用的同化方案。新方案用纬向...重构GRAPES(Global/Regional Assimilation and Prediction System)全球、区域一体化变分同化系统中的极小化控制变量,提升中、小尺度同化分析能力,为中国气象局业务区域数值预报系统CMA-MESO提供千米尺度适用的同化方案。新方案用纬向风速(u)和经向风速(v)替代原有流函数和势函数作为新的风场控制变量,采用温度和地面气压(T,ps)替代原有非平衡无量纲气压作为新的质量场控制变量,同时不再考虑准地转平衡约束,而是采用连续方程弱约束保证分析平衡。背景误差参数统计和数值试验结果表明,采用重构后的极小化控制变量,观测信息传播更加局地,分析结构更加合理,避免了原方案在中、小尺度应用时存在的虚假相关问题。连续方程弱约束的引入,限制了同化分析中辐合、辐散的不合理增长,帮助新方案在分析更加局地的同时保证分析平衡。为期1个月的连续同化循环和预报试验结果表明,新方案可以减小风场和质量场分析误差,CMAMESO系统地面降水和10 m风场的预报评分显著提升。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。
