基于ETKF法的风暴尺度集合预报试验研究-毕业论文网

论文总字数：16641字

目录

1 引言 3

2 ETKF初值扰动理论 4

3 风暴尺度集合预报试验 4

3.1 试验个例 4

3.2 试验设置 5

3.2.1 资料和模拟方案 5

3.2.2 试验方案设计 5

4 试验结果分析 7

4.1 集合预报统计检验 7

4.1.1 离散度和均方根误差 7

4.1.2 离群值百分比 9

4.1.3 Talagrand分布 10

4.2 温度场和风场分析 11

4.3 降水预报技巧评分 12

4.3.1 降水预报效果分析 12

4.3.2 ETS评分和偏差评分 14

4.3.3 ROC检验 15

5结论与讨论 16

参考文献 17

致谢 18

基于ETKF法的风暴尺度集合预报试验研究

冯宇轩

，China

Abstract: A storm-scale ensemble forecast system was established based on ETKF method, using WRF model and TIGGE Global Ensemble Forecast Data. An ensemble forecast experiment for a severe convection which took place in Anhui Province on July 11th, 2014 was carried out. The effect of the ensemble forecast system was also analyzed. The results indicate that the ensemble forecast system based on ETKF method has better forecast skills of the precipitation with higher scores and hitting rates especially for heavy rains than those from the single deterministic forecast obviously. Ensemble spread increases rapidly in the period of heavy rain which is benefical to catch the development trend of actual atmosphere. The results reveal the feasibility of storm-scale ensemble forecast based on ETKF method.

Key words:ETKF, Storm-Scale, Ensemble forecast, TIGGE data, WRF model

1 引言

数值天气预报的快速发展，使它逐渐成为气象要素预报的重要手段。然而，这种“单一”的确定性预报水平提升起来愈发困难，尤其对极端天气而言，有时预报结果会存在很大误差。预报结果的不理想主要是由以下几个方面的原因所导致的：一是大气自身的混沌特性，Lorenz(1963)提出大气运动是一个高度非线性的系统，因此数值模式对初值的误差呈现出高敏感性；二是模式误差，真实大气实际上是离散化的；三是初值误差，由于观测资料和资料分析、同化过程中的误差，气象分析资料仅仅可能是近似实际大气的一个值。由此可见，仅仅用这种方法来对未来大气运动状态进行预报是不够合理的，因为“单一”的确定性预报只能够体现大气发展的一种可能状态。Epstein(1969)提出了动力随机预报理论(Stochastic-dynamic Process)，自此预报的思想开始从唯一性向多样性转变。为了解决初值误差的问题，Leith(1974)开始运用“蒙特卡洛”法(Monte Carlo Forecasting)，其原理是以初始场为基础加上“蒙特卡洛”法生成的N个随机数，再对得到的N个初始场用模式进行积分，最终得到集合预报的结果。Hoffman(1983)提出了时间滞后法(Lag Average Forecasting, LAF)，其把相隔一定时间的N个模式分析场当做初始场来进行集合预报。Toth和Kalnay(1993)提出了增长模繁殖法(Breeding of the Growing Mode, BGM)，方法是把随机扰动添加到初始场上去，并进行一定时间的模式积分，再用控制预报减去之前得到的预报扰动场以获得下一时刻的扰动场，如此往复求得最后的初始场并进行集合预报。Buizza和Palmer(1995, 1997)提出了奇异向量法(Singular Vectors, SVs)，原理是结合数值天气预报的同化技术，利用有限时间不稳定理论，通过求解切线性模式的奇异向量和奇异值来得到扰动，而ECMWF(欧洲中期天气预报中心)已将其应用到业务中。

Bishop和Toth(2001)提出了集合变换卡尔曼滤波法(Ensemble Transform Kalman Filter, ETKF)，它建立在集合变换(EnsembleTransform, ET)和卡尔曼滤波(Kalman Filter, KF)的基础上，Wang和Bishop(2003)提出将该方法应用到集合预报初始扰动当中，原理是把预报扰动用一个变换矩阵转化成分析扰动。目前国内开展的基于ETKF法的集合预报研究大都集中在全球与区域同化预报系统(Global and Regional Assimilation and Prediction System ,GRAPES)中，马旭林等(2008)提出了基于GRAPES系统的ETKF法集合预报方案。田伟红等(2008)利用GRAPES中尺度模式针对一次5天的降水过程，基于ETKF法进行了集合预报试验。王太微等(2014)以GRAPES模式为基础，通过一次台风个例对比了BGM法和ETKF法，并得出ETKF法在集合离散度上优于BGM法，但是在降水评分上BGM法优于ETKF法。张涵斌等(2014)采用ETKF法和多物理过程组合的方法，基于GRAPES系统，进行了40天的试验，得出集合成员之间有很好的正交性。其后还与WRF模式(The Weather Research and Forecasting Model)进行了降水预报对比，结果得出GRAPES的降水预报效果优于WRF。

目前的ETKF初始扰动方案大多应用于中长期的天气系统，因此对于尺度小、强度大、生命史短的风暴尺度天气系统的研究也就成为了一个自然的选择。庄潇然等(2016)研究了在不同外界强迫条件下的暴雨个例，考虑ETKF法和大尺度动力降尺度构造的初始扰动与侧边界扰动相互作用构造风暴尺度集合预报的可行性。而之前的研究常利用“蒙特卡洛”法随机生成一组扰动获得，目前全球模式集合预报产品(THORPEX Interavitve Grand Global Ensemble, TIGGE)可以体现全球各集合预报系统的不同特征，所以用TIGGE资料生成初始扰动场更加科学有效。本文使用WRF模式模拟了2014年7月11日发生在安徽的一次强对流天气，基于ETKF法开展集合预报试验，评价集合预报的效果及其对确定性数值预报的改进作用，并对ETKF法的优势和不足进行分析。