基于不同多模式集成方案的10-15d延伸期天气的概率预报研究

Extended range weather forecast has recently become the hot and difficult topic of the atmospheric sciences. Since there is no complete theory for the extended range weather forecast, it is of great challenge to give accurate forecast of extended range weather. Multimodel ensemble forecast is a statistical post-processing methodology for mutlimodel forecast outputs, which may significantly improve the weather forecast. The available results show that mutlimodel ensemble forecast technique can improve the short and medium range forecast skills considerably. However, in comparison with the short and medium range forecast, the forecast skill of the extended range weather at grid points remains much to be desired. How to improve the usage of the extended range numerical weather forecast information is worthy of intensive investigation. The traditional superensemble forecast in the multimodel ensemble techniques determines the weight of each model by minimizing the error of the forecast and the observed value at grid points in the training period. Nevertheless, it neglects the spatial similarities of the variables, resulting in low forecast skills of the multimodel ensemble. This study attempts to conduct probabilistic forecast of the 10-15d extended range weather “pattern” by using the multimodel ensemble techniques, and give the uncertainty information of the forecast quantitatively, and improve the skill of the extended range weather forecast. This project will carry out probabilistic forecast of surface air temperature, precipitation and geopotential height，in particular the spatial weather pattern of these variables based on different multimodel ensemble techniques, i.e. Bayesian model averaging (BMA), the multivariate Gaussian ensemble kernel dressing (GEKD), and the method for object-based diagnostic evaluation(MODE), and compare the performance of the extended range weather forecast with that of the traditional weather forecast based on the mutlimodel ensemble techniques at grid points.

延伸期天气预报是目前大气科学研究的热点及难点问题。延伸期预报的理论基础尚不完备，准确预报延伸期天气仍存在不少困难。多模式集成方法是一种针对多个模式预报的统计后处理方法，对提高模式预报准确率行之有效。已有研究表明，多模式集成方法能有效提高短中期天气预报技巧。然而，相对于短中期预报，逐个格点天气要素的延伸期预报准确率还不高。而传统集成方法通常忽略了天气要素空间结构的相似性，预报可信度仍偏低。如何提高10-15 d延伸期数值天气预报信息的可用性值得深入研究。本项目试图利用多模式集成方法（贝叶斯模式平均（BMA）、多元高斯集合核拟合（GEKD）及MODE）对10-15 d延伸期气温、降水以及位势高度等天气变量的空间结构（“型”）进行概率预报的研究，特别是研究变量的空间型概率预报，并与传统的“点对点”的多模式集成预报效果分析比较。同时，定量化给出预报的不确定信息，以改进10-15 d延伸期预报效果。

10-15d延伸期天气预报是当前研究的重点和难点之一，理论基础尚不完善。项目利用多模式集成方法来改善10-15d延伸期概率天气预报具有重要的理论意义和应用价值。项目采用贝叶斯模式平均（Bayesian Model Averaging, BMA）对2m气温、位势高度场、降水进行10-15天概率预报研究；利用基于对象的检验评估方法（Method for Object-based Diagnostic Evaluation, MODE）对24h累积降水进行空间型评估并基于降水的空间结构进行多模式集成。完成英文期刊论文4篇，其中3篇(SCI)已发表，另一篇投稿到Mon Wea Rev，目前处于二审中。发表国际会议论文（EI）2篇，核心期刊论文8篇，获批2个软件著作权，培养博士生4名，硕士生12名，顺利地完成了项目的任务。本项目主要得到如下创新性结果：.1.基于降水分级BMA的降水概率预报研究.利用全球交互式大集合提供的多中心降水集合预报资料，以中国降水融合产品作为观测值，对东亚地区24h累积降水进行降水分级BMA概率预报。研究表明，基于多个模式建立的BMA模型（c-BMA和s-BMA）预报结果，无论是确定性预报还是概率预报，都优于基于单模式建立的BMA模型（E-BMA、N-BMA和U-BMA）。并且，c-BMA也是一直优于s-BMA，尤其是在预报时效较长的时候。c-BMA的PDF更加集中，表明其概率预报技巧更佳。此外，BMA模型优于原始集合预报。并且，在有雨预报和小雨预报中，c-BMA模型在长预报时效中相比于s-BMA有很大的改进。.2.基于MODE空间型评估的多模式集成预报研究.利用MODE对欧洲中期天气预报中心、美国国家环境预报中心、英国气象局、日本气象厅和中国气象局5个集合预报模式进行降水空间型评估，并基于两种量化综合相似度的指数（最大相似中值法（MMI）和基于对象的TS评分（OTS））来进行多模式集成降水预报研究，并与传统的“点对点”加权集成预测技术进行对比分析。研究表明，无论是基于MMI还是OTS计算的权重，多模式集成后的结果都优于单个模式，表现出了多模式集成的优越性。多模式集成后质心位置优于单模式，且质心位置的权重大，而小权重的长宽比和轴角虽然不如单模式，但是离观测的偏差并不大，这是使得多模式集成结果优于单模式的主要原因。