分别从“点对点”雨量检验和降水空间结构特征检验两方面对多个数值模式东亚夏季中短期逐日降水集合预报进行评估,结果表明不同模式对降水的不同方面存在不一样的预报能力。借助基于对象的诊断评估方法(method for object-based diagnos...分别从“点对点”雨量检验和降水空间结构特征检验两方面对多个数值模式东亚夏季中短期逐日降水集合预报进行评估,结果表明不同模式对降水的不同方面存在不一样的预报能力。借助基于对象的诊断评估方法(method for object-based diagnostic evaluation,简称MODE)提出了基于降水对象的超级集合(Object-based Superensemble,简称OBJSUP)模型,采用观测场和预报场中降水对象空间结构的相似度来分配各个成员模式的权重,有别于利用传统“点对点”误差分析来计算权重的超级集合(Gridpoint-based Superensemble,简称GPSUP)。相比于最优单模式,两种多模式集成预报均有效地提高了中短期降水预报技巧,且OBJSUP模型整体优于GPSUP模型,主要原因在于OBJSUP模型可以较好地改进降水对象的质心位置预报。为进一步检验多模式集成模型对强降水空间结构特征的预报能力,针对2018年夏季广东一次极端强降水事件,多模式集成预报与高分辨率区域模式动力降尺度预报对比表明,多模式集成对强降水的预报不足,但对广东省逐日大雨量级降水和过程累积降水量空间分布预报较好。高分辨率区域模式对此个例中粤东地区发生的强降水具有一定的预报能力,但对广东省其他地区降水量预报偏弱。展开更多
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 Weathe...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。展开更多
基金Projects(52074085,U21A20117,U21A20475)supported by the National Natural Science Foundation of ChinaProject(N2004010)supported by the Fundamental Research Funds for the Central Universities,China。
文摘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。
