讲数值天气预报和无缝隙预报系统讲课文档.pptVIP

五、集合预报 解决初值条件误差和模式误差的途径是使用集合天气预报系 统（EPS），以此估计可能预报结果发生的概率。EPS是由略 微不同的初值或不同模式作出个别预报（预报成员）的集合。 集合平均代表EPS确定性的预报结果，各成员对集合平均的 散布或标准差，代表EPS的不确定性，一般认为由内部变率 造成。任一地点和任一变量的EPS不确定性可由概率密度函 数（PDF）表征。它是由不同集合成员构成的一种频率分布。 现在六十二页，总共九十五页。 业务集合预报于1992年在美国国家环境预报中心（NCEP）开 始使用，近年来在其它国家的气象中心也使用了这种预报方 法。集合预报是用某种方法生成不同的初值，然后得到不同 的预报结果或预报成员，然后用概率方法对所有的预报成员 进行集合，最后得到最可能的预报结果。由于预报模式分辨 率，集合成员数，扰动初值的方法和模式本身的不断改进， 促使了集合预报方法的迅速发展，并且检验和使用集合预报 的方法也得到了相应的发展 。 现在六十三页，总共九十五页。 集合预报的目的有三个：第一是通过集合平均提高预报质量，其提高之 处在于集合平均有过滤掉预报中不确定成分（集合成员彼此不同）而保 留下集合成员中一致的部分的倾向。滤波只能在扰动的非线性演变中进 行，如果从分析中加上或减去扰动场，当扰动保持线性时集合平均预报 就和对照预报相同。和对照试验相比，几天之后的NCEP全球预报集合平 均预报的改进是非常明显的。集合预报的第二个目的是提高预报的可靠 性。如果集合预报每个成员之间有很好的一致性，那么就有更多理由相 信所做的预报。集合离差（spread）和预报误差之间的定量关系（或者 反过来说在预报一致性和预报技巧之间）还尚待进一步的确认，但已经 在日常预报中被预报员们所考虑。集合预报的第三个目的是为概率预报 提供定量基础。在下图的例子中，我们可以说，集合表明A簇的概率是 40%，而B簇为60%。 现在六十四页，总共九十五页。 (a)典型的集合预报分量示意图。（1）对照 预报（标有C），从真实大气初始状态的最 好估计分析场开始（用x表示）；（2）两个 扰动集合预报（标有P+和P-），从对照场中加上和减去初始扰动；（3）集合平均，用A表示；（4）大气“真实”演变，用T表示。这是一个“好”集合，因为“真实”状态看起来是集合的一个合理成员。集合成员的均值趋于比对照预报更加接近“真实”大气（Toth和Kalnay,1997）。（b）一个“不好”的集合预报示意图，其中预报误差由系统误差所控制（比如模式缺陷）。在这个例子中，集合对预报无用，但它能帮助我们确定预报误差可能是由于系统误差的存在引起的，而不是由于初始条件误差的混沌增长所造成的。 现在六十五页，总共九十五页。 集合预报示意图。从表示初始条件的不确定性（理想的是分析误差协方差）的圆内出发根据扰动初始条件的个别预报的轨迹，结束于可能的解范围之内。对较短时期而言，预报之间比较接近，可以看成是确定性的。但超过一段时间后，可能的解差别很大，必须认为是随机的。对大尺度流动预报而言，过渡时间为2~3天，而对单个风暴等中尺度而言短到只有几个小时，对强非线性参数而言过渡时间要短一些；即使对大尺度场，降水预报表现出显著的发散，比500hPa场发散得快。预报场可能向A或者B子集集聚（选自Tracton和Kalnay，1993） 现在六十六页，总共九十五页。 最近变得比较流行的另外一种方法是多系统集合。很长时间 以来人们已经认识到来自不同业务中心的业务全球预报的集 合平均要比最好的单个预报的技巧高得多（比如，Kalnay和 Ham，1989，Fristch等，2000和其中的参考文献）。人们发 现对于区域模式的较短期的集合也是如此（Hou等，2001） ，这样人们就可以把使用多系统进行集合预报推广到短期预 报中。Krishnamurti等（2001）发现如果用回归方法对多系 统集合误差进行订正的话，集合系统的质量会进一步显著提 高。Krishnamurti等（2001）把这种多系统方法称为“超级 集合”。 现在六十七页，总共九十五页。 多系统集合的优势并不奇怪。这些优势不是向初始分析加上 扰动并向对照模式参数化引入扰动，而是多系统方法采用了 最好（对照）初始条件和各个预报中心最好（对照）的模式 ，这些中心运行具有竞争力的现代化业务分析和模式预报。 这样，多系统可能提供的真正不确定无论在初始条件还是在 模式上都要比后引入某单个业务系统的任何扰动好得多。 现在六十八页，总共九十五页。 飓风运动的8个预报，用同一个模式，但8个不同的涡旋初始位置（右下方）所做出来的预测 ? 现在三十页，总共九十五页。 大气(包含天气和气候)是一种混沌现象,它具有明 显的湍流或非周期性运动。它的长期行为是否可 预测？如果可预