论文部分内容阅读
本文基于TIGGE资料的中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心全球集合预报模式,对地面要素中的气温和24h累积降水进行24h-168h预报时效的多模式集成预报方法的研究。主要采用的技术方案有多模式集合平均、加权集合平均、消除偏差集合平均、多元线性回归技术超级集合、神经网络技术下的超级集合、滑动训练期的超级集合等。并且针对多模式降水预报进行了降尺度方法以及降尺度的集成研究。
结果表明,地面气温预报的多模式超级集合明显降低了预报的均方根误差,预报效果远优于最好的单个模式预报和多模式集合平均。基于非线性神经网络技术的超级集合预报优于基于线性回归技术的超级集合预报。滑动训练期的超级集合进一步改善了预报效果。此外,在不同纬带超级集合预报技巧存在差异。北半球区域以及中纬度地区,相对最优的单个中心预报,滑动训练期的超级集合可减小24h-72h预报的均方根误差30%以上,对120h预报的改进也接近20%。在低纬度地区,相对最优的单个中心,24h-48h预报技巧的改进达到50%以上,对120h-168h预报技巧的改进也在40%左右。高纬度地区多模式集成预报效果相对较差。
此外,超级集合预报所使用的最优滑动训练期的长度选取对于不同纬带,不同预报时效也存在差异。中、高纬度地区,24h-72h预报的滑动窗口选取45天左右,96h-168h预报的滑动窗口宜选取60天以上。低纬度地区24h-168h预报的滑动窗口选取30天左右为宜。
对于24h累积降水预报,无论是以均方根误差还是以场相关系数来评价模式的预报效果,多模式集成结果始终优于单个模式的预报。基于超级集合思想的加权消除偏差集成方案能够有效地提高小雨以上量级降水的ETS评分,均方根误差也始终小于单模式及其简单集合平均的误差。多模式集成能提供比单中心模式更为稳定、可靠的预报。
通过建立24h累积降水量由模式预报变量的粗网格降至细网格的统计关系,进行降尺度预报试验。结果表明,各中心模式降尺之后预报误差明显降低,与“观测场”的场相关系数也明显提高。经过二次订正后,降尺度预报对小雨以上量级的ETS评分明显提高,预报技巧明显提高。
最后,在多模式降水降尺度结果的基础上,采用多模式集合平均对多模式结果进行集成试验。试验结果表明,多模式降尺度集合平均的预报效果要好于单个模式降尺度的预报,同时也好于模式预报的直接平均。