论文总字数：15177字

目 录

1 引言·······································································1

2 资料与方法·······························································3

2.1 资料···································································3

2.2 贝叶斯模式平均方法·····················································3

2.3 绝对平均误差（MAE）·····················································4

2.4 Talagrand分布··························································4

2.5 预报技巧评分···························································4

2.5.1 BS评分···························································4

2.5.2 RPS评分··························································5

3 东亚地区多模式集成的降水概率预报试验·····························5

3.1 集合预报系统性能分析···················································5

3.2训练期调试······························································6

3.3 降水的贝叶斯模式平均···················································7

3.4 贝叶斯模式平均下的多模式集成···········································8

4 降水概率预报效果的检验评估·········································10

4.1 BS评分································································10

4.2 RPS评分·······························································11

5 结果与讨论·······························································11

参考文献····································································12

致谢·········································································14

基于TIGGE资料的多模式集成的降水概率预报研究

黄闻

, China

Abstract：Based on the daily 24～168h ensemble precipitation forecasts over East Asia(17.5°-47.5°N, 72.5°-137.5°E) from June 1^st to August 31^st in 2012 from the global ensemble models of ECMWF, UKMO, NCEP and JMA taken from the TIGGE archives, the probabilistic forecasts of precipitation were conducted by using the Bayesian Model Averaging (BMA) method. The forecast skills of the BMA method were evaluated by calculating the Brier Score (BS) and the Rank Probability Score (RPS). The results show that for the 24～168h precipitation forecasts, multimodel ensemble can reduce the forecasting error of each single model significantly. In addition, the probabilistic forecasts of precipitation can quantitatively describe the uncertainty in the forecasts of each model (center). To further improve the forecast skills, multimodel ensemble technique was applied in the probabilistic forecasts of precipitation. The forecast skills of multimodel ensemble are superior to those of each single model based on the BMA method. What’s more, BMA method can forecast the distribution of precipitation over East Asia more accurately, and the uncertainty over the ocean is bigger than over the continent.

Key words：TIGGE; BMA method; multimodel ensemble; probability forecasts of precipitation; Rank Probability Score

1 引言

由于大气是一个非线性耗散系统，数值天气预报会受限于模式的物理参数化，初始误差以及边界问题等不确定性因素的影响。这就使得无论在哪个模式和初始场下，数值预报的预报结果仍然会存在多种可能性。因此，可能需要较长的一段时间来改善一个成熟的单一模式的预报技巧，这就是为什么科学家在很久之前就提出了集合预报的想法。如今，数值天气预报正在从传统的确定性预报发展为集合概率预报。随着当今信息和网络方面科学技术的快速发展，特别是当观测系统研究和和可预报性试验（THORPEX）全球交互式大集合（TIGGE）数据可用的情况下，天气预报的国际合作已经变得更加密切。TIGGE是THORPEX的一个关键组成部分，并且后者包含在WMO（世界气象组织）世界天气研究计划中。THORPEX旨在加速改进为期1天到2周的高影响天气预报的准确性。TIGGE项目已经启动，旨在推动多模式集合概念的论证和进一步研究，并在国际层面上为这一系统的业务实施铺平道路。然而从当前的情况来看，全球气候系统模式仍然存在一些问题，即模式的分辨率较低、物理参数化的过程仍然有待完善、未来全球的排放情况仍然不确定等。这就使得全球气候的变化趋势存在较大的不确定性，因此对其的预估性研究工作也较难有所进展。而这样的不确定性对于气候预测又有着至关重要的作用，因而有必要对气候的概率预测进行更加深入的研究。

概率预报的概念在20世纪初就有科学家提出。Cook(澳大利亚，1906)、Hellenbeck(美国，1920)和Augers Angtrom对于概率预报的提出和发展做出了比较大的贡献。虽然概率预报提出较早，但是在1950年以前，其发展一直都较为缓慢。而以1965年为起点，美国国家气象局逐渐开始使用降水概率预报的业务试验后，概率预报的发展才逐渐迅速起来^[1]。自1990年以来，概率预报的科学性，应用方法，预报对象和前景都得到了更进一步的研究和阐释。沈继武等^[2]认为天气的概率预报越来越成为现代天气预报发展的需要。而由于公众可以根据百分比表示的概率预报来具体判别天气的发生与否，概率预报同时也满足了公众对于天气预报进一步的需求。概率预报不同于传统的确定性预报，它更好地适应了大气运动本身的随机性。

近年来，在天气预报中数值预报技术的地位可谓是越来越举足轻重，并且由于集合数值预报被更频繁地使用，传统的确定性预报因此得到了发展^[3]。尽管集合数值预报给天气预报带来了一定的进展，但各个模式在很多方面都存在一定的差异，比如模式的分辨率、初始场以及物理参数化等。因此，就需要利用多模式集成技术来合理利用各个中心的模式预报结果，从而能够减小模式的系统性偏差^[4]。

Krishnamurti et al于1999年最早提出了集合预报的方法。在其研究中发现，集合预报可以显著地减小天气预报结果上的误差，并且其预报效果也比单个模式和集合成员平均优秀得多^[5]。最近，Krishnamurti et al 于2009年利用TIGGE资料中英国气象局（UKMO）、美国国家环境预报中心（NCEP）、欧洲中期天气预报中心（ECMWF）、BOM以及中国气象局（CMA）五个中心的全球模式对中国季风区的梅雨期降水、南海季风爆发时的降水和台风登陆强降水进行了超级集合预报的研究，并讨论了把预报时效从1～3天延长到10天的情况，发现对于4～10天（或预报时效为24～240h）的预报而言，超级集合预报的均方根误差（RMSE）仍然是最小的。多模式集成方法简便实用，且能够有效地改进季节气候预测技巧，提高中短期预报的准确率，因此在国际上得到广泛的应用和研究^[6]。此外，集合预报可以将每个个体预报的不确定性度量出来，因此在一定程度上可以弥补单个模式的预报所存在的不确定性，最终提高预报技巧以及精确度。而在集合预报中，各个集合成员各自都具有不确定性，并且在不同预报中心、预报模式下的各个集合成员的预报效果都会存在差异，因此需要对输出结果进行一定的处理。因此对特定时间、特定地点的集合预报从概率密度函数（Probability Density Function，PDF）中取样，PDF即为描述不确定性的函数。近几年来，一些具有完整PDF概率预报方法的研究有一定的进展，其中就包括贝叶斯模式平均方法（Bayesian Model Averaging，简称BMA）。Raftery^[7]的研究表明，BMA方法的预报误差比单个模式和简单集合平均方法的预报误差要小；彭婷^[8]对东亚地区进行的气温和降水的概率预报即采用了贝叶斯模式平均方法，其研究表明BMA方法随预报时效的增长其效果会减弱，但是总体优于简单集合平均。目前，未来气候预测领域也开始应用BMA方法。

TIGGE的全称为全球交互式大集合（THORPEX Interactive Grand Global Ensemble）。目前，TIGGE中心收集了来自美国国家大气研究中心（NCAR）、中国气象局（CMA）和欧洲中期天气预报中心（ECMWF）等全球十几个预报中心的集合预报产品^[9]。林春泽等^[10]利用TIGGE资料对中国地区的夏季降水进行多模式集成概率预报研究，发现对于12-156h逐日24h累计降水量的概率预报，多模式集成的预报效果要优于单模式预报的效果。Zhi et al^[11]于2011年进行了降水的多模式集成的预报试验，此次试验是以降水的定量化为目的，结果发现多模式集成的预报技巧高于单模式的预报技巧。

剩余内容已隐藏，请支付后下载全文，论文总字数：15177字

相关图片展示：