（气象学专业论文）深对流系统初始误差演变的热动力机制及风暴尺度集合预报试验.pdf

摘要 1 9 9 8 年5 月美国专门针对中尺度天气开展了科学研究计划一风暴尺度和中 尺度集合预报试验，肯定了其发展前景。2 0 0 7 - 2 0 0 9 美国几家科研院所又针对 风暴尺度系统开展了集合预报春季试验。但目前风暴尺度集合预报仍在探索之 中，还不能投入业务运行，主要是在构造中尺度集合预报方面还有一些问题亟 待解决，其中，如何针对对流不稳定产生有效的扰动场是一个关键问题。而作 为发展有针对性的扰动方法的前提条件之一，理解扰动误差增长和传播的特征 及其热动力机制是必要的。针对上述基本问题，本文进行了一系列集合试验， 主要研究工作及主要研究结论如下： ( 1 ) 分析了初始扰动误差增长和传播的热动力机制，试验结果显示：湿对流 系统对大气中快速增长误差增长和传播起主要作用，层结不稳定性和湿度对湿 对流系统的发展具有决定性作用。对流系统具有高度的非线性作用和强可预报 性时间限制，极小的初始扰动在短时间内仍可破坏预报技巧，表明了确定性预 报的局限性。环境场不稳定度和风切变强度显著地影响风暴发展强度和移动路 径，进而影响误差的增长速度及其分布结构。误差的传播主要通过声波和重力 波的形式传播，声波对天气的影响较弱，而重力波可能激发新的不稳定中心。 ( 2 ) 采用简单的m o n t e c a r l o 法构造集合预报系统。各评分表明，总体而言 集合预报要优于控制预报，但纯统计意义的m o m e c a r l o 法动力意义不足，导 致集合成员发散速度偏慢，离散度偏低，因此对于风暴尺度系统而言，随机扰 动法并非为理想的初值扰动方法。 ( 3 ) 采用繁殖法比m o m ec a r l o 法具有更明显的优势，其增强了动力过程约 束，保证了集合离散度增长速度。对于不同发展阶段和强度的风暴而言，该集 合技术均能够改善控制预报的技巧，改善效果优于随机扰动法，说明繁殖法在 风暴尺度集合预报中具有一定的应用价值。 ( 4 ) 基于实际计算资源有限性的考虑，采用简单的m o n t ec a r l o 法研究了集 合成员数对预报技巧的影响等相关问题。结果表明，成员数达到1 3 时，预报技 巧趋于饱和，不同扰动变量饱和成员数略有差异。由于采用了最简单的扰动方 法，因此此饱和成员数仅可能是一个上限。 关键词：初始扰动，误差演变，风暴尺度集合预报，蒙特卡洛法，繁殖法 a b s t r a c t t h ef u n d a m e n t a lg o a lo fe n s e m b l ef o r e c a s t i n g ( e f li st oe s t i m a t eaf o r e c a s t p r o b a b i l i t yd e n s i t yf u n c t i o n ( p d f ) o fp o s s i b l ef u t u r es t a t e so ft h ea t m o s p h e r ef r o m w h i c ht h et r u es t a t ei sc o n s i s t e n t l yar a n d o ms a m p l e t h es k i l l so fe fi se x c e lt ot h e d e t e r m i n i s t i c s t y l en w pw h e r eo n l yas i n g l em o d e lr u ni sc o n s i d e r e di nt h e m a c r o - s c a l ea n dl o n g - m e s o r a n g et h r o u g ht h es t u d yb yt h ei n t e m a la n di n t e r n a t i o n a l s c i e n t i s t s h o w e v e r t h es k i l l so fe fi nt h es t o r m s c a l ei su n c h a r t e da l t h o u g ht h e r e m a r k a b l ep r o g r e s si sg a i n e db yt h et e ny e a r sd e v e l o p m e n to ft h es t o r m s c a l e e n s e m b l ef o r e c a s t i n gb e c a u s es o m ec r i t i c a lp r o b l e mn e e dm o r ef u r t h e rs o l u t i o n ，f o r e x a m p l e ，t h ed e s i g no ft h ec l o u d r e s o l v i n ge p si sp r o b l e m a t i cd u et ol a c ko ft h e a p p r o p r i a t em e t h o do fg e n e r a t i n gp e r t u r b a t i o nf o ri c a sap o s t u l a t ef o rt h a t m e t h o d ，t h es t u d yo ft h ed y n a m i c so fe r r o rg r o w t ha n dp r o p a g a t i o ni ns t o r m s c a l e s y s t e mi sn e c e s s a r y s oi d e a ls t o r mc a s ei ss i m u l a t e db yw r f m o d e lo nt h es u p e r c e l l s e v e r el o c a ls t o r m ，n a m e dt h ed e lc i t ys t o r m ，o c c u r r e di nc e n t r a lo k l a h o m ao n2 0 m a y19 7 7t os t u d yt h ed y n a m i c so fe r r o rg r o w t ha n dp r o p a g a t i o ni ns t o r m s c a l e s y s t e m t oe x p e r i m e n ta b o u te n s e m b l ef o r e c a s i n gw i t ht h em o n t e - c a r l oa n d b r e e d i n gg r o w t hm o d e sm e t h o d si no r d e rt oa s c e r t a i nt h et h ev a l u ea n di m p o r t a n c e o fe n s e m b l ef o r e c a s i n ga p p l i e di ns t o r m s c a l es y s t e ms i m u l t a n e o u s l y t h em a i n r e s u l t ss h o wa sf o l l o w s ： ( 1 ) t h em o i s tc o n v e c t i o ni san e c e s s a r yc o n d i t i o nt oi n f l u e n c et h eg r o w t ha n d p r o p a g a t i o no ff a s tg r o w t ho fp e r t u r b a t i o n i ti s t h ev e r t i c a lw i n ds h e a ra n d i n s t a b i l i t yo fe n v i r o n m e n t a lc o n d i t i o nt h a ti ss i g n i f i c a n tt oi n f l u e n c et h ei n t e n s i t y a n dp a t ho fs t o r ma n dn o n l i n e a rr o l el e a d i n gt oi n f l u e n c et h ee r r o rd e v e l o p m e n t i ti s a l s of o u n dt h a tt h ee r r o rp r o p a g a t i o ni sr e l a t e dt ow a v e s s o u n d 1 i k ea n d g r a v i t y - w a v e l i k ew h i c hi sd o m i n a t i n gi nt h ei n i t i a la n dm e d i u m e n d i n g - - t e r ms t a g e s r e s p e c t i v e l y ( 2 ) t h ee n s e m b l ef o r e c a s ts y s t e mi sc o n s t i t u t e db yt h em o n t e c a r l om e t h o d s t h e d i f f e r e n ti n d e x e ss h o wt h a tt h ee n s e m b l ea v e r a g ef o r e c a s ti se x c e lt ot h ec o n t r o l f o r e c a s t b u tt h ea d v a n t a g ei s n tr e m a r k a b l e t h ep o t e n t i a lr e a s o ni st h em e t h o dc a n t c o n c l u d et h ed y n a m i cp r o c e s sl e a d i n gt ot h es m a l l e rs p r e a d s ot h er a n d o wm e t h o d i s n tt h ep e r f e c to n e c o n s i d e r i n gt h el i m i t e dc o m p u t i n gr e s o u r c e ，t h ei n f l u e n c eo ft h e d i f f e r e n te n s e m b l es i z e st ot h es k i l l so ft h ee n s e m b l ei s e x p l o r e dt h r o u g h e x p e r i m e n t sw i t ht h ea d d i t i o no ft h er a n d o mi n i t i a le r r o r st ot h ed i f f e r e n ta r e a i ti s f o u n dt h a tt h ee n s e m b l ea v e r a g ec a nw o r k si ng a i n i n gh i g h e rf o r e c a s ts k i l l sa n d 2 p r o t r a c t i n gt h ee f f e c t i v ef o r c a s t i n g a l t h o u g hi te n h a n c e sw i t ht h ei n c r e a s eo f e n s e m b l es i z e sa saw h o l e ，t h ei m p r o v e m e n ti ss a t u r a t e dw h e nt h ee n s e m b l es i z e s c o m e st o5 13 b e c a u s eo ft h ep r i m i t i v em o n t e c a r l om e t h o d s t h ea p p r o p r i a t e e n s e m b l es i z ei so n l yu p p e rl i m i t ( 3 ) t h es a t u r a t i n gc h a r a c t e r i s t i c so fb r e dm o d e si se v i d e n ta n dt h eb r e dm o d e si s b e a e ri nt h er e s c a l i n gw a yt h a ni nt h ef r e ew a y b r e e d i n gg e t st h eg r o w i n ge r r o r si n t h ea n a l y s i sw h i c hi sc o m p a r a b l et ot h ea c t u a le r r o rg r o w t ha n dt h em o r e a p p r o p r i a t e e n s e m b l e s p r e a d t h a nt h er a n d o w p e r t u r b a t i o n s c o n s i d e r i n g t h ed i f f e r e n t i n d e x e s ，t h ef o r e c a s t i n gs k i l lo ft h ee n s e m b l es y s t e mb yb r e e d i n gg r o w t hm o d e si s h i g h e rt h a nt l l er a n d o wm e t h o d s k e yw o r d s ：i n i t i a lp e r t u r b a t i o n ，e r r o r g r o w t ha n dp r o p a g a t i o n ，s t o r m s c a l e e n s e m b l ef o r e c a s t ，m o n t e c a r l o ，b r e e d i n gg r o w t hm o d e s 学位论文独创性声明 本人郑重声明： 1 、坚持以“求实、创新 的科学精神从事研究工作。 2 、本论文是我个人在导师指导下进行的研究工作和取得的研究成果。 3 、本论文中除引文外，所有实验、数据和有关材料均是真实的。 4 、本论文中除引文和致谢的内容外，不包含其他人或其它机构已经发表或 撰写过的研究成果。 5 、其他同志对本研究所做的贡献均已在论文中作了声明并表示了谢意。 作者签名：壹竖 日 期：d 旦孓6 学位论文使用授权声明 本人完全了解南京信息工程大学有关保留、使用学位论文的规定，学校有权 保留学位论文并向国家主管部门或其指定机构送交论文的电子版和纸质版；有 权将学位论文用于非赢利目的的少量复制并允许论文进入学校图书馆被查阅： 有权将学位论文的内容编入有关数据库进行检索；有权将学位论文的标题和摘 要汇编出版。保密的学位论文在解密后适用本规定。 作者签名：筠壁 日 期：盟s 6 第一章绪论 第一章绪论 1 1 集合预报的研究意义及基本原理 1 1 - l 集合预报的研究意义 数值天气预报是2 0 世纪大气科学领域最重要的科学成就之一。过去的半个世纪以来， 随着计算机技术和数值预报理论、方法的发展，数值天气预报技术体系得到迅速发展并日 臻成熟，已经成为气象预报不可或缺的重要基础和手段。但在实际的业务预报方面，人 们发现“单一”确定性数值预报水平的再提高变得越来越困难，其预报的结果也很不稳定 ( 尤其对极端天气的预报) 。数值预报的这种“不确定性”闽题主要来自三个方面旺咱： 1 ) 大气本身的混沌特性 大气运动是一个具有混沌特性的高度非线性动力系统，数值模式对初值误差具有高度 敏感性。即使两个差异微小的初始场，在积分一定时间后，其在相空间的轨迹也会呈现出 明显的差异。 2 ) 初值误差 由于观测的不准确( 包括仪器误差，观测点在空间上、时间上的不够密集引起的插值 误差等问题) 和资料分析、同化处理中导入的误差，我们所得到的数值模式的初始场总含 有不确定性，换言之，气象分析资料只是实际大气的近似值。 3 ) 离散化的模式大气与真实大气的误差 大气模式是一个离散化的数值模型。由于我们对大气中物理过程的发生机理了解不够 清楚，同时考虑计算能力的限制，造成了模式中表征物理过程和计算近似的不确定性，尤 其是模式中次网格物理过程的参数化方案触发的物理过程和大气中实际的物理过程不一 致。因此，“模式大气”与“真实大气”存在着误差，而这种数值模式的预报误差随模式积 分时间的延长而增加。同时，大气运动变化的复杂性在于其具有各种时空尺度。而各种时 空尺度之间又存在复杂的非线性相互作用，这样当我们对大气中的一个尺度来研究时，就 不可避免的带来不确定性。 大气中存在上述诸多不确定性，“单一”确定性数值预报仅是未来大气状态演变的一种 可能性，因此用这种“单一”确定性数值预报来描述未来大气状态是不科学的哺1 。而根据 某种误差概率分布生成一组能够近似表达初值不确定性的初值集合是解决“单一”数值预 报存在不确定性问题的一种行之有效的方法。这种以概率的形式来认识未来的大气状态的 方法就是所谓的集合预报方法。1 9 6 9 年e p s t e i n 。首先在理论上提出动力随机预报 4 墨二兰丝笙 ( s t o c h a s t i c d y n a m i cp r o c e s s ) ，从此人们从“确定论”的思维模式向“随机论”的思维模式 转变。随后l e i t h 【8 1 提出了适合于实际应用的“蒙特卡洛”预报( m o n t ec a r l of o r e c a s t i n g ) 。 现在的集合预报就是基于这一蒙特卡洛预报概念发展而来。 1 1 2 集合预报的基本原理 集合预报的基本思想简单表述为：由于数值预报具有不确定性，数值预报问题应该是 在大气相空间中合适的概率密度函数( p d f ) 随时间的演变，即由定量的确定性预报向概 率预报转变，并给出确定性预报的可信度指标，最终提高预报准确率。 集合预报通常的做法是通过一定方法，估计得到具有某种概率密度分布特征的分析场 的误差范围，在此初值误差范围内构造初值集合。这样，通过平均可减抵消上述的误差源 产生的各自决定的预报误差部分，而保留有意义的信息，从而使预报的均方根误差与各自 预报的均方根误差相等或更小。这里每个初值有均等的可能性代表大气的真实状况。 1 2 集合预报系统 完整的集合预报系统包括初始扰动方法、数值预报模式、预报产品和预报效果检验评 价四个部分驯，简要介绍如下： 1 2 1 初始扰动方法 集合预报的首要问题就是估算出初值中误差分布的可能范围，根据这一范围，给出可 能的初值集合。因此，扰动初值在多大程度上能够正确的表达初始的不确定性，直接影响 到集合预报质量。分析误差可分为两类n 们：即有组织的、快速增长的和随机的、缓慢变化 的。数值模拟和现实的经验均表明有组织、快速变化的误差相对于随机、缓慢变化的误差 对预报的影响更显著，这就要求初始扰动场的构造要遵循一定的基本原则u ：1 ) 扰动场的 分布特征大致与实际分析资料中可能的误差分布一致，以保证所叠加的每个初值都有同样 的可能性代表大气的实际状态；2 ) 各个扰动在模式中的演变方向应在合理的范围内尽可能 大地发散，以保证其预报集合最大可能地包含了实际大气所能出现的状况。目前，我们面 临的困难是对分析误差的分布及其振幅范围了解不多，不同预报中心设计了不同的扰动方 法来表达初值不确定性，常用的初值扰动方法有几下几种： 1 ) m o n t ec a r l o 法( m o n t ec a r l of o r e c a s t i n g m c f ) 叫：最经典的初值扰动方法。假定 模式的状态向量以x 表示，普通的单一方程的动力预报的解记为： x i = x ( t ；0 ，x ( o ) ) ，其中0 ) 表示最近的观测时羽j t ：0 时的观测场。 对于m c f 的预报可形式地表示为： x i = x ( t ；o ，x ( 0 ) + z i ) ，其o z i 是具有零均值且与x ( 0 ) 无关的随机变量( 通常为矢量场) ， 5 蔓二兰丝笙 x i 为集合预报第i 个成员。 此方法将随机值加到格点场、谱系数或经验正交函数中，缺点是与动力模式不相协调， 从随机扰动产生的初始场要演变成动力不稳定结构差异较大的大尺度环流，需要较长的时 间，导致离散度偏低。 2 ) 滞后平均法( l a g a v e r a g ef o r e c a s t i n g ，l a f ) n 2 1 ：l a f 法是把过去间隔为s 的不同时 刻的初值场作预报，然后把t = 0 ，s ，2 s ，- ( n i ) s 的n 个由不同时刻初值场所作的同一时刻的 预报结果进行统计分析，得出均值的最佳预报以及预报分散度等信息。l a f 可一般地表示 为：x i = x ( t ；t i ，x ( t i ) ) 。l a f 方法在业务上是容易实现的，因为l a f 集合中的每个成员都是在日 常的业务预报循环中被产生出来的。 3 ) 奇异向量法( s i n g u l a rv e c t o r s ，s v s ) 1 3 - 1 4 ：基本原理是利用非线性动力学理论中的有 限时间不稳定理论和数值天气预报中同化技术即切线性和伴随模式，求取切线性模式的奇 异值和奇异向量就是求线性和伴随模式乘积的特征值和特征向量，最大奇异值对应的奇异 向量就是增长得最快的扰动，最大特征向量的增长较其它模态快得多。e c m w f 用这个方 法产生集合预报的初始扰动。 4 ) 增长模繁殖法( b r e e d i n go ft h eg r o w i n gm o d e ，b g m ) n 0 1 副：该方法是美国n c e p 集合预报系统采用的一种初值扰动方法。选择模式6 h 预报场与同一时刻的分析场之偏差作 为初始扰动。主要步骤有：利用一个大小( 任意模度量，比如位势高度场的均方根或动 能) 已知的随机初始扰动来启动繁殖循环，应注意的是随机种子只引入一次，将这个随机 扰动加到数值模式的初始分析场上；对扰动初始场和未扰动初始场( 控制预报) 作固定时 间间隔( 如6 h ) 积分；用控制预报减去扰动预报：将差值按比例缩小到与初始扰动有 相同的大小( 在均方根误差意义上) ；将该扰动加到如所述的下一个固定时间间隔( 如 6 h ) 同化分析中，多次重复上述步骤得到快速增长模。经研究发现，这个过程大概需要3 4 天的过渡期，扰动增长率要比m o n t e c a r l o 预报快。该方法既考虑了实际资料中可能出现 的误差，同时又考虑了误差快速增长的动力学结构。 5 ) 卡尔曼滤波法( e n s e m b l et r a n s f o r mk a l m a nf i l t e r , e t k f ) u 引：滤波的基本思想是 针对一系列带有误差的测量值，排除误差的干扰，分离出所需要的物理参数的估计值，并 使估计值的误差达到最小。在集合预报中的应用是通过基于观测、初估场和特定的误差方 差的分析，估计出大气的最佳的可能状态。卡尔曼滤波实质上代表了一种资料同化方法。 用类似于m o n t ec a r l o 的随机噪声代表观测误差，对观测资料加以扰动，每个扰动的同化分 析周期都是独立的，由此产生独立初始分析场，通过积分模式得到预报结果。 6 观测扰动技术( p e r t u r b e do b s e r v a t i o n s ，p o ) n 利：用初始扰动场与不同动力模式、 不同的物理过程参数化方案组合产生集合预报，是加拿大采用的方法。他们用增长模繁殖 6 第一章绪论 法产生一套扰动初值，用两个动力模式( 全球谱模式和全球格点模式) ，每个动力模式选取 若干个( 现在是8 个) 不同的物理过程参数化方案组合，由此形成集合预报系统。 为方便比较，表1 1 给出了主要初始扰动方法的优缺点n 引。 由于计算条件等因素的限制，我国集合预报研究起步较晚，但随着计算机技术的发展 和国际交流的日益频繁，集合预报研究在我国迅速发展，国内一些专家也在集合预报方面 做出了重大贡献。近年来，我国学者也对集合预报初始场扰动方法进行了深入研究，穆穆 等n 训针对计算奇异向量时将非线性问题简化为线性问题，提出了非线性奇异向量的概念， 并从理论方法和数值试验上研究了奇异值与基流的非线性稳定性和不稳定性的关系，将奇 异向量法的理论研究提高到了一个新的水平。龚建东等他们提出了最优初始场形成的四维变 分同化方法，该方法主要是针对m o n t ec a r l o 方法和滞后平均法在形成初始场时的不足，利 用四维变化同化技术，同时吸纳m o n t ec a r l o 方法具有明确统计意义和滞后平均法包含多时 刻信息的优点，来形成一组既与动力模式相协调，又具有明确统计意义的初始场。结果表 明，该方法的集合预报效果明显好于滞后平均法。陈静等幢u 提出并设计了异物理模态法， 是由不同对流参数化方案预报离差获得中尺度暴雨集合预报扰动初始场的一种新方法。该 方法主要是针对对流不稳定构造具有中尺度运动特征的集合预报初始场扰动区域、扰动结 构和扰动振幅。研究表明，该方法产生的初值扰动场具有合理的中尺度环流结构，可以反 映对流敏感区域对流不稳定的预报不确定性，该方法可以明显的改善控制预报结果。 作为集合预报系统中的首要问题，也是集合预报技术研究的关键问题，初始场扰动理 论和方法虽已取得较大进展，但集合离散度偏低，离散速度偏慢等问题仍未得到很好的解 决。 1 2 2 数值预报模式 一个性能优良的集合预报系统与性能优良的数值模式是相辅相成的。只有当模式足够 好，而预报的不准确性主要源自初值的误差时，集合预报才会有明显的效果饽1 。所以，不 断改进数值模式的质量对提高集合预报的效用也是至关重要的。由于预报模式在一定程度 上采用了简化处理，如时间和空间差分及物理过程参数化方案和下垫面的作用等，引起了预 报的不确定性。而预报结果( 如降水) 却对这些过程非常敏感，所以在模式的积分过程中 可以在一定的范围内把这些过程当作随机过程处理乜引。鉴于上述考虑，目前的扰动方法从 传统的仅考虑初值不确定性发展为同时考虑模式不确定性、并发展了多模式一多分析集合预 7 第一章绪论 报技术等扰动方法，下面作简要介绍： 1 ) 多分析一多模式集合预报技术1 ：此技术是同时使用两个或两个以上业务中心的分 析场及两个或两个以上业务中心的模式制作集合预报，每个模式都有其自身的集合预报系 统，然后把这几个子集合预报加在一起成为总集合预报。这种方法同时考虑了初始场不确 定性和模式物理过程中不确定性的影响，因此它所提供的信息比单个模式集合预报更准确。 2 ) “p o o r m a n ”集合预报技术幢圳：将来自几个业务中心的确定性预报作为集合预报的 成员，该方法比较容易实现。“p o o r m a n ”集合预报技术在表达短期预报的不确定性方面非 常有效，在前3 天“p o o r m a n ”预报技巧高于e c m w f 的集合预报系统。 3 ) 多模式超级集合技术幢引：使用多个业务确定性预报，但并非直接将多个模式的预报 结果作为集合预报系统，而是根据这些模式过去的性能对其预报进行统计订正。该方法是 “p o o r m a n ”集合预报系统的发展，超级集合技术提供的是一个确定性预报，而非概率预 报，它的预报技巧要优于普通的集合平均。 另外，研究表明数值模式分辨率的提高和集合成员数的增加可对集合预报系统产生有 益的影响，但需要大量的计算资源，因此，如何在模式分辨率、集合成员数和计算成本之 间达到平衡，是亟待解决的问题。 。1 2 3 集合预报产品 集合预报输出大量的预报场资料，要使其能够高效率的为预报员所使用，尤其是以概 率的形式呈现给预报员，如何从预报场中提炼有用信息就是关键的问题，这也是涉及到集 合预报系统能否最大的发挥其作用的问题皿刚。集合预报的目标有三：1 ) 通过集合平均提高 预报技巧；2 ) 提供预报结果的可靠性预报：3 ) 为概率预报提供定量基础。针对上述3 点目 标，目前业务上的集合预报产品主要有： 1 ) 集合平均盯8 ，1 0 ，1 2 t 1 5 ，2 ：集合平均可以过滤掉每个成员的不可预报因素，给出总体预 报趋势。但由于自身平滑作用，在大气不稳定而可能出现分叉而且多平衡态的情况下，集 合平均预报往往无能为力甚至误导，对极端天气的预报能力较差。集合平均仅提供了未来 大气的一种可能状态，仍没有跳出“确定论”预报的范畴。 2 ) 集合预报离散度堙引：在引入初始场扰动误差时，目的是使引入初始场的扰动与可观 测到的预报误差有相当的增长率，这一点可用离散度来表示。按照r b u i z z a 的定义，离散 度可以看作为各扰动预报与控制( 未扰动) 预报之间的平均距离，它是集合预报不确定性的 量度指标。 3 ) 概率烟羽图n 引：计算某一点上预报成员对各预报值范围出现的概率，绘制集合成员 对预报对象的预报概率分布的时间演变图。 4 ) 天气要素预报概率图：集合预报最具代表性的产品，通常用预报天气事件发生的成 8 第一章绪论 员数与总成员数之比作为天气事件的发生概率，最常用的是降水量概率预报。 5 ) 面条图1 ：选取一条特征等值线，把所有成员中预报的该等值线绘制在同一张图上。 一般来说等值线的发散程度大致反应出预报的可信度。 还有如可预报性相对度量，分簇图等集合预报产品，这里不做介绍。 1 2 4 集合预报技巧的检验与评价 一个集合预报系统建立后，有必要鉴定其合理性，并进行检验与评价m 1 ，作用有二： ( 1 ) 通过对检验结果的分析，可以发现其优势和缺陷，为进一步完善预报系统提供依据， 或者在系统改进后评价其对预报结果的影响。( 2 ) 通过对预报系统长期表现的检验评价， 可以在用户选择使用该系统时提供依据。 常用的预报效果检验和评价手段可分确定性预报检验方法和概率预报评价方法，其中 重点是概率预报产品。确定性的预报检验方法意义明确，主要有距平相关系数和均方根误 差。概率预报效果评价的原则是：预报总体结果既要与气候平均状况相一致( 可靠性， r e l i a b i l i t y ) ，同时又要具有对个别天气事件的识别和预报能力( 分辨能力，r e s o l u t i o n ) ，能 够对决策产生积极的影响。目前广泛使用的集合预报评价方法有晗引： 1 ) t a l a g r a n d 分布：t a l a g r a n d 认为个性能优良的集合预报系统的标准应是不同成员以 同样的概率发生，即观测实况应以相同的概率落在它们附近。该方法是度量系统可靠性的 方法。 2 ) 可靠性曲线：通过对预报概率与观测频率的一致性的分析描述预报的可靠性。 3 ) b r i e r 评分( b s ) ：这是一种均方概率误差。该方法综合考虑了可靠性、分辨能力和 不确定性。在b s 基础上定义的b s 技巧评分( b s s ) 引入了气候b s 评分，表示预报对气候预 报改进的程度。 4 ) r o c 分析方法：这是信号探测理论在气象中的应用，通过计算预报的条件命中率和 空报率来描述预报系统的分辨能力，该方法对确定性预报和概率预报结果均可进行评价。 5 ) e v 分析方法：根据概率预报做决策的关键要素就是计算所谓的“成本损失”比， 不同用户可根据自己对气象条件的依赖程度而做出不同的决定。 6 ) 离散度：一个性能优良的集合预报系统集合离散度应与均方根误差相近哺3 1 。 7 ) 相对技巧评分( r s s ) ：在均方差意义上，集合预报的表现可用r s s 定量表示。 相对于确定性预报，集合预报能够提供概率预报的优势可使针对不同目的、使不同用 户可以根据自己对气象条件的依赖程度而选用不同的预报，主动权掌握在自己的手中，而 气象预报员则只需对所服务的用户做出相应的预报和警报。当然，针对不同尺度系统的检 验评价方法也有所差异，本文将选取适合于检验和评价本研究所构造的集合系统的检验方 法。 9 第一章绪论 1 3 集合预报的研究进展及主要发展方向 7 0 年代初，集合预报思想i 虫e p s t e i n n l 和l e i t h 阳1 首先提出，由于计算条件的限制，集合 预报的研究主要集中于理论研究。9 0 年代后，随着大规模并行计算机的发展，集合预报的 研究和业务应用已经全面展开。美m n c e p n 仉1 5 1 、欧洲e c m w f n 3 1 和加拿大m s c 分别于 1 9 9 2 、1 9 9 2 、1 9 9 8 年建立了自己的集合预报业务系统，但此时的业务应用只限于全球中期 数值预报。利用上述扰动技术，中国、日本和南非等国的业务集合预报系统也相继建立。 我国的集合预报系统采用了e c m w f 的s v 方法，目前处于准业务运行阶段。与此同时，国 内的一些学者也进行了一系列关于集合预报原理和方法的研究工作8 q 。2 瓯3 卜捌，从统计物理 和胞映射全局分析的角度对集合预报的原理和集合预报样本数对预报结果的影响等方面进 行了研究，从理论上证明了集合预报方法能够提高预报的准确率。 近年来，鉴于集合预报方法在中期业务预报中所取得的巨大成功，集合数值预报领域 不断拓宽，从预报的时间尺度方面来看，目前已向短期和气候预测两个方向延伸。目前在 季节预报、e n s o 预测等他钉方面均已采用集合预报方法来进一步提高预测的准确性，并能 够给出发生概率的信度指标。在气候预测中更重视模式扰动以及外部强迫的不确定性，而 对初始条件的不确定性考虑较少，这也是由气候预测本身的尺度特征决定的。在短期方面， 增长模繁殖法和奇异向量扰动法已经被应用到有限区域模式、卜3 天的短期预报中。由于可 预报性限制随天气系统的尺度减小而迅速增大，短期集合预报相对于中、长期预报更为复 杂，预报时段较短，初始扰动场的质量对预报结果的影响比中期预报要大得多，因此如何 形成合适的初始扰动生成方法就显得尤为重要4 衢1 。目前虽然取得了一些成果，但仍还是 处于研究探索阶段。尤其是风暴尺度集合预报方面的研究，研究开展已有十余年，目前仍 然没有适合于风暴尺度集合预报的初始扰动方法，其中个原因就是在风暴尺度天气的预 报过程中，对初始扰动误差的快速增长及传播特征方面的认识还比较缺乏僻卵1 。短期集合 预报的另一个关键在于初始扰动场的的离散程度和离散速度，如果由于预报初期离散度偏 小而漏掉实际大气状态，那么在随后的预报中再捕获实际大气状态的难度就更大。中尺度 集合预报的复杂性除了初始扰动的生成外，还表现受侧边界条件对预报集合离散度的影响 以及不同初始场与侧边界条件在模式中的协调性问题。从预报的空间尺度上而言，在中尺 度暴雨和中高纬气旋等的研究中也引入了集合预报方法，研究表明，对于预报诸如台风路 径、强度及局地强降水等中尺度极端天气事件，该方法有明显优势。n c e p 建立了业务化的 短期集合预报系统，业务实践和检验表明，该系统对一些重大天气系统的预报良好，对短 期预报结果有明显的提高。另外，集合技术在“目标观测”、资料同化中应用也比较广泛。 1 0 第一章绪论 1 4 风暴尺度集合预报的基本问题 暴雨、冰雹等中尺度强对流系统往往使其巨大的能量在短时间内爆发而对人民的生命 财产造成严重的危害，2 0 0 5 年民政部公布仅仅3 次洪灾就造成3 7 7 人死亡，经济损失达到 1 9 6 8 8 亿元，这其中2 0 0 5 年6 月1 0 日下午在黑龙江省宁安市沙兰镇突降的暴雨，瞬间形成巨 大山洪，灌进了沙兰镇中心小学，造成1 1 7 人死亡，其中学生为i 0 5 人12 0 0 3 年长江流域江 淮地区梅雨期间所发生的龙卷、强局地暴雨等天气所造成的经济损失数以亿计；美国是世 界上龙卷最多的一个国家，每年因中尺度天气现象造成的损失高达上百亿美元以上。面对 强对流天气带来的巨大灾难和损失，对其准确的预报一直是气象工作者的目标。 在业务预报中，中尺度强对流天气预报更多地关注极端降水等地面参数，且中尺度强 对流系统的强度大、尺度小、生命史短、气象要素梯度大，相对于中长期预报而言，初始 的不确定性更大，确定性预报对其定时、定点、定量的预报难度也更大啪1 。因此，应用集 合方法反映中尺度强对流天气的不确定性是个合理的选择。1 9 9 4 年在美国马里兰召开的 一次研讨会上确定了短期集合预报( s h o r t - r a n g ee n s e m b l ef o r e c a s t i n g ) 的研究方向。动机 是通过集合预报来反应中小尺度运动的初始不确定性，捕获极端天气，并利用集合预报的 概率形式提供预报风险指数和预报可信度指标。b r o o k s 等【3 驯认为在理论和计算资源能够满 足要求的情况下，把集合预报的技术应用到有限区域的短期预报是可行的。此后更多的学 者致力于短期集合预报。在已获得的理论基础上，1 9 9 8 年5 月美国专门针对中尺度天气展开 的科学研究计划一“风暴尺度和中尺度集合预报试验”( s t o r ma n dm e s o s c a l ee n s e m b l e e x p e r i m e n t ，s a m e x ) ，再次肯定了中尺度集合预报发展的前景，也使得风暴尺度集合预报 作为一个课题受到气象工作者的关注。 目前，由于中尺度集合技术的理论基础薄弱，人们通过提高初始资料( 通过资料同化 及其他方法) 的准确度来提高中尺度天气的预报准确率。然而，大气的混沌特性将使预报 误差增长更快，即使预报模式和初始值估计得更加准确，天气的可预报性也是有限的拉1 。 目前，大气可预报性受限制的观念已被广泛接受。1 9 9 7 年，t o t h 和k a l n a y u 副主要研究了天 气尺度中误差的发展演变特征；随后张福清等h 训对中尺度误差的发展做了相关的研究。张 福清于2 0 0 2 、2 0 0 3 年h 1 对极端暖季节降水的进一步研究说明了误差的发展特征一因为大气 的混沌特征，小的初始误差在模式预报过程中快速增长，并先在小尺度范围内达到饱和， 后向大尺度范围传播，最后导致1 2 天的中尺度天气预报被破坏。他认为，快速的误差增 长很大程度上依赖于湿对流的强弱，同时，w a l s e r 、h o h e n e g g e r 等h 3 。“通过对中尺度气旋可 预报性的研究认为湿对流不稳定性对中小尺度天气系统的发生发展的影响相对较大，而在 天气尺度系统中，这种过程主要是由斜压不稳定过程控制。鉴于系统尺度及其动力机制差 第一苹绪论 异，应用于天气尺度系统的扰动方法未必适合中尺度系统构造初值扰动，因而如何针对对 流不稳定产生有效的扰动场是一个关键的问题。目前，湿对流系统中误差快速增长和传播 的机制并不清楚，作为发展有针对性的扰动方法的前提条件之一，清楚的了解误差增长和 传播的特征以及热动力机制也是必要的。上述两个问题是风暴尺度集合预报发展的基本问 题，对其进行深入的讨论必然对风暴尺度集合预报的发展提供有益的参考。 1 5 本文研究的主要问题和内容安排 综合风暴尺度集合预报的基本问题，本文将对以下问题进行研究、讨论： 1 ) 模拟一典型风暴，通过集合预报试验探讨风暴系统中误差增长和传播的机制。 2 ) 利用蒙特卡洛扰动法，检验集合技术应用在风暴尺度系统中的价值。 3 ) 将考虑分析循环中误差增长过程的增长模繁殖法加以改进，应用在风暴尺度集合预报 系统中，并对比蒙特卡洛法和增长模繁殖法构造初值扰动场的效果。 4 ) 基于业务预报中计算资源有限性的考虑，探讨合适集合成员数等相关问题。 本文将围绕上述问题，通过以下六章内容阐述风暴尺度系统的集合预报试验研究结果。 第一章绪论 简要介绍集合预报的研究意义、概念、集合预报系统以及相关的基本理论，通过对集 合预报国内j l - 研究进展的回顾，总结集合预报未来的主要发展方向，阐述风暴尺度集合预 报研究的重要意义，提出本文拟研究和讨论的主要问题和内容。 第二章w r f 模式简介 简要介绍本工作所选用的w r f v 2 2 中尺度数值模式的特点、动力框架、物理过程以及 基本运行流程；较为详细的介绍了本研究涉及到的微物理过程方案。 第三章风暴尺度系统中初始误差增长和传播的热动力机制 本章利用w r f 模式( v 2 2 ) 对一典型超级单体风暴进行一系列敏感试验和集合预报试 验，分析扰动误差的发展与湿对流系统的内在联系，讨论湿对流系统的非线性作用和可预 报性时间限制；检验环境场对湿对流系统及其扰动误差的影响；探讨误差传播的可能形式。 1 2 第一章绪论 第四章m o n t e c a r l o 扰动法的集合预报试验 本章将采用简单的m o n t e c a r l o 扰动法作为初值扰动方法来构造集合预报系统，检验 集合预报应用于风暴尺度系统的可行性及潜在的应用价值。基于实际计算资源有限性的考 虑，研究集合成员数对预报技巧的影响及合适的集合成员数等相关问题。 第五章增长模繁殖法的集合预报试验 本章将采用增长模繁殖方法( b g m ) 代替前面试验所用的m o n t ec a r l o 方法，希望通 过动力过程的约束，对初始场的信息进行改善，提高预报效果。本章利用增长模繁殖法构 造集合预报系统的初始扰动场，分析繁殖法和随机法形成扰动场的差别，讨论不同繁殖周 期、不同繁殖时间对预报技巧的影响，并对由繁殖法构造的集合预报系统进行检验与评价。 第六章总结与讨论 总结全文主要内容及结论并讨论尚待进一步解决的问题。 1 3 第二章w r f ( v 2 2 ) 模式简介 2 1 引言 第二章w r f ( v 2 2 ) 模式简介 中尺度集