（氣象學(xué)專業(yè)論文）北半球地面氣溫的多模式超級(jí)集合預(yù)報(bào)研究.pdf

中文摘要 基于t i g g e 資料，采用均方根誤差分別對(duì)e c m w f 、j m a 、n c e p 和u k m o 四個(gè) 中心的地面氣溫集合預(yù)報(bào)資料的集合平均結(jié)果進(jìn)行評(píng)估，比較各中心預(yù)報(bào)效果。 然后利用多模式集合平均、超級(jí)集合與消除偏差集合平均三種方法對(duì)四個(gè)中心 的地面溫度預(yù)報(bào)進(jìn)行集成，比較三種集成方法的預(yù)報(bào)效果?；诖饲暗难芯拷Y(jié) 果，利用滑動(dòng)訓(xùn)練期對(duì)傳統(tǒng)的超級(jí)集合預(yù)報(bào)方法進(jìn)行改進(jìn)，并對(duì)滑動(dòng)訓(xùn)練期超 級(jí)集合和消除偏差集合平均的訓(xùn)練期長(zhǎng)度進(jìn)行調(diào)試，最后采用最優(yōu)滑動(dòng)訓(xùn)練期 長(zhǎng)度進(jìn)行超級(jí)集合與消除偏差集合平均的對(duì)比試驗(yàn)。 結(jié)果表明，2 0 0 7 年夏季j m a 與e c l d w f 的北半球大部分地區(qū)預(yù)報(bào)效果較好， 各中心在中國(guó)地區(qū)的預(yù)報(bào)效果較差，在美國(guó)地區(qū)較好。超級(jí)集合與消除偏差集 合平均明顯降低了預(yù)報(bào)的均方根誤差，預(yù)報(bào)效果遠(yuǎn)優(yōu)于最好的單個(gè)中心預(yù)報(bào)和 多模式集合平均。采用滑動(dòng)訓(xùn)練期的超級(jí)集合迸一步改善了預(yù)報(bào)效果。對(duì)于2 0 0 7 年8 月8 日一3 1 日北半球中緯度陸地地面氣溫預(yù)報(bào)，進(jìn)行滑動(dòng)訓(xùn)練期超級(jí)集合預(yù) 報(bào)時(shí)，訓(xùn)練期的長(zhǎng)度不能太短，較長(zhǎng)的訓(xùn)練期長(zhǎng)度對(duì)預(yù)報(bào)效果較為有利。對(duì)于 消除偏差集合平均的預(yù)報(bào)，要得到最優(yōu)預(yù)報(bào)滑動(dòng)訓(xùn)練期的長(zhǎng)度不能太長(zhǎng)也不能 太短，半個(gè)月至一個(gè)月左右的長(zhǎng)度較為合適。最優(yōu)滑動(dòng)訓(xùn)練期的超級(jí)集合與消 除偏差集合平均兩種方法對(duì)短期預(yù)報(bào)的改善效果相當(dāng)，對(duì)于較長(zhǎng)預(yù)報(bào)時(shí)效，消 除偏差集合平均表現(xiàn)出了更好的預(yù)報(bào)性能。隨著各中心預(yù)報(bào)效果的改善、參與 集合的模式數(shù)量增加以及在超級(jí)集合預(yù)報(bào)中引入非線性回歸、神經(jīng)網(wǎng)絡(luò)等方法， 有望進(jìn)一步改進(jìn)超級(jí)集合預(yù)報(bào)效果。 關(guān)鍵詞：t i g g e ，多模式集合平均，超級(jí)集合，消除偏差集合平均，多元線性回 歸分析 1 1 1 a b s t r a c t b a s e do nt h et i g g ed a t a , t h ee n s e m b l em e a no u t c o m e so ft h e2 4 16 8 h e n s e m b l ef o r e c a s t sf o rt h eg l o b a ls u r f a c et e m p e r a t u r ep r o v i d e db ye c m w ej m a ， n c e pa n du k m ow e r ev e r i f i e db ye x a m i n i n gt h er o o tm e a ns q u a r ee l r o r s ( r m s e ) t h em u l t i m o d e le n s e m b l ef o r e c a s t so ft h es u r f a c et e m p e r a t u r ef o rt h ef o r e c a s tp e r i o d f r o m8t o31a u g u s t2 0 0 7h a v eb e e nc o n d u c t e db yu t i l i z i n gt h em u l t i m o d e le n s e m b l e m e a n ，t h es u p e r e n s e m b l e ，a n dt h eb i a s - r e m o v e de n s e m b l em e a n t h ef o r e c a s ts k i l lo f t h e s em u l t i m o d e le n s e m b l em e t h o d sw a si n v e s t i g a t e d am u l t i m o d e ls u p e r e n s e m b l e a p p r o a c h w i t ht h e r u n n i n gt r a i n i n gp e r i o d w a s p r o p o s e d t o i m p r o v e t h e s u p e r e n s e m b l ef o r e c a s ts k i l l t oa c h i e v et h eo p t i m a lf o r e c a s t ，t h el e n g t ho ft h e r t m n i n gt r a i n i n gp e r i o dw a st e s t e df o rt h es u p e r e n s e m b l ea n dt h eb i a s - r e m o v e d e n s e m b l em e a n ，r e s p e c t i v e l y f i n a l l y , t h ec o m p a r a t i v et e s tw a su n d e r t a k e nt o e v a l u a t et h ef o r e c a s ts k i l lo ft h em u l t i m o d e ls u p e r e n s e m b l ea n dt h eb i a s r e m o v e d e n s e m b l em e a n 、骯t ht h eo p t i m a ll e n g t ho ft h et r a i n i n gp e r i o d t h er e s u l t ss h o wt h a tt h ej m aa n dt h ee c m w fe n s e m b l ef o r e c a s t sh a dt h eb e s t s k i l ld u r i n gt h es u m m e r2 0 0 7i nt h en o r t h e r nh e m i s p h e r e a l lf o u rm o d e l sh a dt h e b e s tf o r e c a s ts k i ui nt h eu n i t e ds t a t e sa n dr e l a t i v e l yb a ds k i l li nc h i n a t h e s u p e r e n s e m b l ea n dt h eb i a s r e m o v e de n s e m b l em e a nr e d u c e dt h ef o r e c a s tr m s e e v i d e n t l y b o t hm e t h o d ss h o wac o n s i d e r a b l ei m p r o v e m e n to nf o r e c a s ts k i l lo v e rt h e b e s ts i n g l em o d e lf o r e c a s ta n dt h ee n s e m b l em e a n t h es u p e r e n s e m b l ew i t ht h e n m n i n gt r a i n i n gp e r i o df u r t h e ri m p r o v e st h ef o r e c a s ts k i l l f o rt h es u r f a c e t e m p e r a t u r ef o r e c a s to v e rt h el a n da r e ao f3 0 n - 6 0 nf r o m8t o31a u g u s t2 0 0 7 ，a l o n g e rr u n n i n gt r a i n i n gp e r i o ds h o w sb e a e rf o r e c a s ts k i l lf o rt h es u p e r e n s e m b l e h o w e v e r ，t h i si sn o tt h ec a s ef o rt h eb i a s - r e m o v e de n s e m b l em e a nw h o s eo p t i m a l t r a i n i n gp e r i o dl e n g t hl i e sb e t w e e nah a l fm o n t ht oo n em o n t h t h ef o r e c a s ts k i l lo f t h es u p e r e n s e m b l ew i t ht h eo p t i m a ll e n g t ho ft h et r a i n i n gp e r i o di se q u i v a l e n tt ot h e b i a s 。r e m o v e de n s e m b l em e a nw i t ht h e o p t i m a ll e n g t ho ft h et r a i n i n gp e r i o df o r i v s h o r t - t e r mw e a t h e rf o r e c a s t s b u tf o rl o n g e rf o r e c a s t t i m e ，t h eb i a s r e m o v e d e n s e m b l em e a nh a sh i g h e rf o r e c a s ts k i l lt h a nt h es u p e r e n s e m b l e 、析t 1 1t h eo p t i m a l l e n g t ho ft h et r a i n i n gp e r i o d f u r t h e rs t u d ys h o u l db ec o n d u c t e dt oi m p r o v et h e f o r e c a s tk i l lo ft h em u l t i m o d e ls u p e r e n s e m b l eb yi n c l u d i n gm o r em o d e l sa sw e l la s m a k i n gu s eo fn o n l i n e a rr e g r e s s i o na n dn e u r a ln e t w o r kt r a i n i n g k e yw o r d s ：t i g g e ，e n s e m b l em e a n ，m u l t i m o d e ls u p e r e n s e m b l e ，b i a s - r e m o v e d e n s e m b l em e a n ， m u l t i p l el i n e a rr e g r e s s i o n s v 學(xué)位論文獨(dú)創(chuàng)性聲明 本人鄭重聲明： l 、堅(jiān)持以“求實(shí)、創(chuàng)新的科學(xué)精神從事研究工作。 2 、本論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究 成果。 3 、本論文中除引文外，所有實(shí)驗(yàn)、數(shù)據(jù)和有關(guān)材料均是真實(shí)的。 4 、本論文中除引文和致謝的內(nèi)容外，不包含其他人或其它機(jī)構(gòu) 已經(jīng)發(fā)表或撰寫過的研究成果。 5 、其他同志對(duì)本研究所做的貢獻(xiàn)均已在論文中作了聲明并表示 了謝意。 作者簽名： 日期： 學(xué)位論文使用授權(quán)聲明 本人完全了解南京信息工程大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī) 定，學(xué)校有權(quán)保留學(xué)位論文并向國(guó)家主管部門或其指定機(jī)構(gòu)送交論 文的電子版和紙質(zhì)版；有權(quán)將學(xué)位論文用于非贏利目的的少量復(fù)制 并允許論文進(jìn)入學(xué)校圖書館被查閱；有權(quán)將學(xué)位論文的內(nèi)容編入有 關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索；有權(quán)將學(xué)位論文的標(biāo)題和摘要匯編出版。保密 的學(xué)位論文在解密后適用本規(guī)定。 作者簽名：燧! 圣 日 期：趔年蛸g 旦 第一章緒論 1 1 多模式超級(jí)集合預(yù)報(bào)的研究意義 經(jīng)過將近一個(gè)世紀(jì)的發(fā)展，數(shù)值天氣預(yù)報(bào)已取得了巨大的進(jìn)步，預(yù)報(bào)準(zhǔn)確率有了很大 提高，并且由傳統(tǒng)的單一確定性預(yù)報(bào)向集合數(shù)值預(yù)報(bào)方向發(fā)展。l o r e n z 鹼最早提出集合數(shù) 值預(yù)報(bào)的思想，l e i t h 曲1 將l o r e n z 的非線性理論與e p s t e i n h l 的動(dòng)力隨機(jī)預(yù)報(bào)理論方法相結(jié) 合，提出了比較適合于實(shí)際應(yīng)用的蒙特卡羅方法。從此。集合數(shù)值天氣預(yù)報(bào)開始由理論研 究向?qū)嶋H應(yīng)用邁進(jìn)。進(jìn)入2 0 世紀(jì)9 0 年代，集合預(yù)報(bào)技術(shù)在許多國(guó)家氣象中心相繼投入業(yè) 務(wù)使用。近年來，集合預(yù)報(bào)技術(shù)取得了許多重大進(jìn)展，其中最顯著的是發(fā)展了多模式一多 分析集合預(yù)報(bào)技術(shù)幅1 。多模式集合技術(shù)是一個(gè)充分利用各中心模式預(yù)報(bào)結(jié)果以減小模式系 統(tǒng)性偏差的有效途徑，而作為一種多模式集合技術(shù)的超級(jí)集合預(yù)報(bào)技術(shù)又是目前預(yù)報(bào)效果 最好的方法之一。k r is h n a m u r t i 等6 1 最早提出了超級(jí)集合預(yù)報(bào)方法，它是種對(duì)多個(gè)模 式的數(shù)值預(yù)報(bào)結(jié)果進(jìn)行后處理加工獲得最優(yōu)預(yù)報(bào)的方法。對(duì)于某一氣象要素預(yù)報(bào)，在每一 個(gè)格點(diǎn)上，超級(jí)集合方法根據(jù)參與集合的各個(gè)模式在該格點(diǎn)上訓(xùn)練期的表現(xiàn)分配不同的權(quán) 重川，權(quán)重用到預(yù)報(bào)期進(jìn)行超級(jí)集合預(yù)報(bào)。通常，預(yù)報(bào)效果好的模式分配的權(quán)重多，差的 模式分配的權(quán)重少，從而降低了單個(gè)模式偏差，提高了預(yù)報(bào)準(zhǔn)確率。該方法具有有效改進(jìn) 季節(jié)氣候預(yù)測(cè)技巧、提高中短期預(yù)報(bào)準(zhǔn)確率和簡(jiǎn)便實(shí)用等優(yōu)點(diǎn)，因此在國(guó)際上得到了廣泛 研究與應(yīng)用陋1 6 1 。 由于觀測(cè)資料的獲取范圍、初始場(chǎng)同化方案、數(shù)值模式性能等方面的差異，各國(guó)氣象 中心全球數(shù)值預(yù)報(bào)模式在全球不同的區(qū)域有不同的預(yù)報(bào)效果。隨著計(jì)算機(jī)與通信技術(shù)的發(fā) 展，各國(guó)氣象合作日趨緊密，越來越多國(guó)家氣象中心的數(shù)值預(yù)報(bào)資料相互共享。多模式超 級(jí)集合預(yù)報(bào)技術(shù)可充分利用各國(guó)氣象中心的全球數(shù)值預(yù)報(bào)資料以提高預(yù)報(bào)準(zhǔn)確率成為各大 氣象中心的研究熱點(diǎn)。我國(guó)的數(shù)值預(yù)報(bào)技術(shù)與氣象合作處于快速發(fā)展階段，多模式超級(jí)集 合預(yù)報(bào)技術(shù)由于其算法靈活、簡(jiǎn)便實(shí)用等特性在我國(guó)數(shù)值預(yù)報(bào)研究與業(yè)務(wù)應(yīng)用等方面有著 廣泛的應(yīng)用前景。 1 2 超級(jí)集合預(yù)報(bào)方法的研究現(xiàn)狀 1 2 1 超級(jí)集合預(yù)報(bào)在國(guó)外的研究現(xiàn)狀 k r i s h n a m u r t i 等哺一1 伽在提出超級(jí)集合預(yù)報(bào)方法的同時(shí)做了大量的試驗(yàn)對(duì)該方法進(jìn)行 檢驗(yàn)。研究發(fā)現(xiàn)，超級(jí)集合預(yù)報(bào)有效地減小了季節(jié)氣候預(yù)測(cè)和天氣預(yù)報(bào)的誤差，預(yù)報(bào)效果 遠(yuǎn)優(yōu)于單個(gè)模式和多模式集合平均。為了驗(yàn)證超級(jí)集合預(yù)報(bào)對(duì)中短期天氣預(yù)報(bào)的能力，他 們集合七個(gè)不同的全球數(shù)值天氣預(yù)報(bào)模式，選取1 9 9 8 年6 月、7 月共6 1 天作為訓(xùn)練期，8 月的3 1 天作為預(yù)報(bào)期，應(yīng)用e c i 棚f 的分析資料作為對(duì)比分析的“觀測(cè)值”，分別對(duì)模式預(yù) 報(bào)時(shí)效1 - 3 天的8 5 0 h p a 風(fēng)場(chǎng)預(yù)報(bào)做超級(jí)集合，在熱帶地區(qū)、亞洲季風(fēng)區(qū)、美國(guó)地區(qū)、歐洲 地區(qū)、整個(gè)北半球和南半球等不同區(qū)域?qū)︻A(yù)報(bào)效果進(jìn)行檢驗(yàn)。與各個(gè)模式和集合平均相比， 超級(jí)集合更有效地降低了預(yù)報(bào)誤差陽1 。k u m a r 等”利用超級(jí)集合方法對(duì)颶風(fēng)的路徑和強(qiáng)度進(jìn) 行預(yù)報(bào)試驗(yàn)，發(fā)現(xiàn)超級(jí)集合預(yù)報(bào)效果也優(yōu)于單個(gè)模式和多模式集合平均。 前期的火量試驗(yàn)證明了多模式超級(jí)集合預(yù)報(bào)方法的可靠性和穩(wěn)定性，而該方法的好壞 主要取決于參與集合的單個(gè)模式性能。目前數(shù)值模式在長(zhǎng)期預(yù)報(bào)方面還處于比較低的水平， 雖然超級(jí)集合預(yù)報(bào)較單個(gè)模式有所改善，但與實(shí)況相比長(zhǎng)期預(yù)報(bào)還存在比較大的誤差。近 年來隨著人們對(duì)大氣運(yùn)動(dòng)規(guī)律的進(jìn)一步探索和計(jì)算機(jī)技術(shù)的發(fā)展，中短期數(shù)值預(yù)報(bào)技術(shù)有 了長(zhǎng)足的進(jìn)步，同時(shí)也促進(jìn)了中短期超級(jí)集合預(yù)報(bào)技術(shù)準(zhǔn)確率的提高。r o s s u 副等應(yīng)用超級(jí) 集合預(yù)報(bào)技術(shù)，集合全球五個(gè)業(yè)務(wù)預(yù)報(bào)中心模式( b m r c 、j m a 、n c e p 、n r l 和r p n ) 和f s u ( f l o r i d as t a t eu n i v e r s i t y ) 的全球譜模式，利用這六個(gè)模式的全球數(shù)值預(yù)報(bào)逐日資料， 分別對(duì)平均海平面氣壓、5 0 0 h p a 高度場(chǎng)、2 0 0 h p a 和8 5 0 h p a 的風(fēng)場(chǎng)做超級(jí)集合預(yù)報(bào)，預(yù)報(bào) 時(shí)效為卜5 天，針對(duì)全球不同的區(qū)域進(jìn)行預(yù)報(bào)誤差分析。通過大量的試驗(yàn)比較分析，超級(jí) 集合預(yù)報(bào)效果優(yōu)于最好的單個(gè)模式和集合平均，并且總體上南半球比北半球預(yù)報(bào)效果更好， 春秋兩季比冬夏兩季預(yù)報(bào)效果更好。其中，對(duì)平均海平面氣壓預(yù)報(bào)效果最好，其次是5 0 0 h p a 高度場(chǎng)、8 5 0 h p a 風(fēng)場(chǎng)和2 0 0 h p a 風(fēng)場(chǎng)。c a r t w r i g h t ”副集合九個(gè)模式成員，其中五個(gè)成員來 自美國(guó)業(yè)務(wù)與研究中心的中尺度模式，四個(gè)成員來自應(yīng)用不同初始條件的f s u ( f l o r i d a s t a t eu n i v e r s i t y ) 的區(qū)域譜模式。通過超級(jí)集合預(yù)報(bào)方法對(duì)美國(guó)東南部夏季降水進(jìn)行定 量預(yù)報(bào)，預(yù)報(bào)時(shí)效為1 2 、2 4 、3 6 、4 8 和6 0 小時(shí)。應(yīng)用e t s 評(píng)分與f a r 評(píng)分對(duì)降水量預(yù)報(bào) 效果進(jìn)行檢驗(yàn)，超級(jí)集合預(yù)報(bào)對(duì)降水的定量預(yù)報(bào)評(píng)分優(yōu)于最好的模式成員，也優(yōu)于簡(jiǎn)單的 集合平均和消除偏差的集合平均。 近幾年來，超級(jí)集合預(yù)報(bào)技術(shù)在實(shí)際應(yīng)用與研究中不斷得到改進(jìn)。y u n 等( 1 4 j 設(shè)計(jì)了一 種用奇異值分解( s v d ) 求解回歸系數(shù)的超級(jí)集合方法，在對(duì)回歸方程進(jìn)行求解時(shí)該方法 可解決協(xié)方差矩陣的奇異性問題，得到更好的回歸系數(shù)。y u n 等又提出了利用e o f 改進(jìn) 超級(jí)集合預(yù)報(bào)的季節(jié)氣候預(yù)測(cè)技巧，在構(gòu)建超級(jí)集合預(yù)報(bào)之前先對(duì)資料進(jìn)行e o f 濾波，這 樣的超級(jí)集合預(yù)報(bào)方法優(yōu)于常規(guī)的超級(jí)集合預(yù)報(bào)方法。s t c f a n o v a 6 1 在傳統(tǒng)的超級(jí)集合預(yù)報(bào) 方法中引入了概率預(yù)報(bào)觀點(diǎn)，用于改進(jìn)季節(jié)降水概率預(yù)報(bào)，并使用b r i e r 技巧評(píng)分( b s s ) 對(duì)概率預(yù)報(bào)效果進(jìn)行檢驗(yàn)，超級(jí)集合預(yù)報(bào)方法提供的概率預(yù)報(bào)優(yōu)于多模式集合和氣候預(yù)報(bào)。 2 1 2 2 超級(jí)集合預(yù)報(bào)在我國(guó)的研究現(xiàn)狀 數(shù)值預(yù)報(bào)的誤差主要來源于初始場(chǎng)的不確定性與預(yù)報(bào)模式的不確定性_ 8 1 ，按數(shù)值預(yù) 報(bào)的誤差來源，可以將集合預(yù)報(bào)分為兩種，一種是初值擾動(dòng)集合預(yù)報(bào)，一種是模式擾動(dòng)集 合預(yù)報(bào)。模式擾動(dòng)集合預(yù)報(bào)又分為單一模式集合預(yù)報(bào)和多模式集合預(yù)報(bào)兩大類。在我國(guó)對(duì) 于初值擾動(dòng)集合預(yù)報(bào)與單一模式集合預(yù)報(bào)研究較多n 7 ，但對(duì)于多模式集合預(yù)報(bào)研究還較 少，作為一種多模式集合預(yù)報(bào)技術(shù)的超級(jí)集合預(yù)報(bào)的研究更是處于起步階段。陳麗娟等曙引 借用超級(jí)集合思想對(duì)我國(guó)汛期降水預(yù)測(cè)的各大單位預(yù)報(bào)結(jié)果進(jìn)行集成，結(jié)果表明集成預(yù)報(bào) 效果比較穩(wěn)定，多數(shù)情況下優(yōu)于單個(gè)成員預(yù)報(bào)。馬清等晗引針對(duì)全球五個(gè)氣象中心的區(qū)域集 合預(yù)報(bào)模式的2 m 溫度預(yù)報(bào)，做了超級(jí)集合預(yù)報(bào)的集成研究，發(fā)現(xiàn)集成預(yù)報(bào)的平均絕對(duì)誤差 小于單一模式預(yù)報(bào)，并且不存在明顯的系統(tǒng)誤差。智協(xié)飛等心4 - 矧和林春澤等幢”利用t i g g e 資料對(duì)北半球地面氣溫所做的多模式超級(jí)集合預(yù)報(bào)試驗(yàn)表明，對(duì)于1 - 3 天短期預(yù)報(bào)而言， 基于線性同歸和神經(jīng)網(wǎng)絡(luò)技術(shù)的超級(jí)集合預(yù)報(bào)誤差遠(yuǎn)小于單個(gè)模式，多模式集合平均以及 消除偏差集合平均的預(yù)報(bào)誤差。使用滑動(dòng)訓(xùn)練期的多模式超級(jí)集合預(yù)報(bào)效果明顯優(yōu)于使用 固定訓(xùn)練期的超級(jí)集合預(yù)報(bào)效果。對(duì)于4 - 7 天預(yù)報(bào)而言，滑動(dòng)訓(xùn)練期的多模式超級(jí)集合預(yù) 報(bào)效果優(yōu)于單個(gè)模式，多模式集合平均以及消除偏差集合平均的預(yù)報(bào)誤差。 1 3 本文主要工作介紹 近年來，世界氣象組織( 刪o ) 發(fā)起的t h o r p e x ( t h eo b s e r v i n gs y s t e mr e s e a r c ha n d p r e d i c t a b i l i t ye x p e r i m e n t ，全球觀測(cè)系統(tǒng)研究和可預(yù)報(bào)性試驗(yàn)) 科學(xué)計(jì)劃中的t i g g e 計(jì) 劃提出了建立全球交互式大集合預(yù)報(bào)，以改進(jìn)1 - 1 4 天天氣預(yù)報(bào)準(zhǔn)確率。中國(guó)氣象局( c m a ) 、 歐洲中期天氣預(yù)報(bào)中心( e c m w f ) 以及美國(guó)國(guó)家大氣研究中心( n c a r ) 一起作為t i g g e 資料 交換的三個(gè)全球中心，每天接收歐洲中期天氣預(yù)報(bào)中心、美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心( n c e p ) 等數(shù)十個(gè)國(guó)家氣象中心的集合預(yù)報(bào)資料，預(yù)報(bào)時(shí)效達(dá)到1 - 1 6 天。比較各中心的預(yù)報(bào)效果和 如何充分利用各中心數(shù)值模式集合預(yù)報(bào)資料提高預(yù)報(bào)準(zhǔn)確率已成為各氣象中心的研究熱 點(diǎn)。本文選取歐洲中期天氣預(yù)報(bào)中心( e c m w f ) 、日本氣象廳( j m a ) 、美國(guó)國(guó)家環(huán)境預(yù)報(bào)中 心( n c e p ) 和英國(guó)氣象局( u k m o ) 四個(gè)中心的t i g g e 資料，對(duì)各中心的全球集合預(yù)報(bào)資料做 集合平均處理并對(duì)各中心集合平均預(yù)報(bào)效果進(jìn)行評(píng)估，然后利用超級(jí)集合預(yù)報(bào)技術(shù)對(duì)四個(gè) 中心的集合平均資料進(jìn)行集成并對(duì)超級(jí)集合預(yù)報(bào)結(jié)果進(jìn)行分析。由于資料的限制，本文只 選取各中心地面氣溫預(yù)報(bào)資料進(jìn)行超級(jí)集合預(yù)報(bào)試驗(yàn)，主要是對(duì)超級(jí)集合預(yù)報(bào)方法的實(shí)際 應(yīng)用進(jìn)行探討。由于該方法在我國(guó)的研究與應(yīng)用還較少，希望能給我國(guó)超級(jí)集合預(yù)報(bào)方法 的研究和構(gòu)建我國(guó)業(yè)務(wù)使用的多模式超級(jí)集合預(yù)報(bào)系統(tǒng)等工作提供參考。 3 第二章資料和方法 2 1 資料說明 本文所用資料包括歐洲中期天氣預(yù)報(bào)中心( e c m w f ) 、日本氣象廳( j m a ) 、美國(guó)國(guó)家環(huán) 境預(yù)報(bào)中心( n c e p ) 以及英國(guó)氣象局( u i ( 1 1 0 ) 四個(gè)中心集合數(shù)值預(yù)報(bào)資料的集合平均資料 以及n c e p n c a r 再分析資料。 ( 1 ) t i g g e 資料：選取四個(gè)中心全球集合預(yù)報(bào)模式2 0 0 7 年6 月1 日q 月3 1 日每天 1 2 時(shí)( 世界時(shí)，下同) 起報(bào)的地面氣溫的各自集合平均資料，預(yù)報(bào)區(qū)域?yàn)楸卑肭虼蟛康貐^(qū) ( 1 0 。8 7 5 。n ，0 9 3 5 7 5 。) 和北半球中緯度地區(qū)( 3 0 。6 0 。n ，0 。 - 3 5 7 5 。) ， 分辨率為1 2 5 。1 2 5 。經(jīng)緯網(wǎng)格，預(yù)報(bào)時(shí)效為2 4 1 6 8 小時(shí)，間隔為2 4 小時(shí)。 ( 2 ) n c e p n c a r 再分析資料：選取2 0 0 7 年6 月1 日9 月7 日逐日1 2 時(shí)地面氣溫資 料，區(qū)域?yàn)楸卑肭虼蟛康貐^(qū)( 1 0 。8 7 5 。n ，0 。3 5 7 5 。) 和北半球中緯度地區(qū)( 3 0 。 - - 6 0 。n ，0 。 3 5 7 5 。) ，分辨率為2 5 。2 5 。經(jīng)緯網(wǎng)格，作為“觀測(cè)值”，用于檢 驗(yàn)預(yù)報(bào)效果。 2 2 方法說明 2 2 1 誤差分析 均方根誤差：r m s e = 【吉1 i i ；1 ( 鼻一q ) 2 】- ( f = l ) ( 2 1 ) 絕對(duì)誤差：彳e 。專萋l e o , i ( f = 1 ) ( 2 2 ) 系統(tǒng)誤差：髓2 專萋( c q ) ( f = 1 ) ( 2 3 ) ( 2 1 ) 、( 2 2 ) 與( 2 3 ) 中e 為第i 個(gè)樣本的預(yù)報(bào)值，q 為第i 個(gè)樣本的觀測(cè)值，n 為 總樣本數(shù)。 2 2 2 多模式集合平均 e m n = 三巧 ( 2 4 ) 療智 ( 2 。4 ) 中f 為第i 個(gè)模式的預(yù)報(bào)值，療為參與集合的模式總數(shù)。 2 2 3 超級(jí)集合預(yù)報(bào)方法 從超級(jí)集合預(yù)報(bào)流程上看( 圖2 1 ) ，超級(jí)集合預(yù)報(bào)方法把選取的時(shí)間序列分為兩部分， 即訓(xùn)練期和預(yù)報(bào)期。在訓(xùn)練期使用超級(jí)集合預(yù)報(bào)值與觀測(cè)值做多元線性回歸分析，確定參 4 與超級(jí)集合的各個(gè)模式的回歸( 權(quán)重) 系數(shù)，權(quán)重隨空間變化但是隨時(shí)間不變，相應(yīng)的權(quán) 重系數(shù)用于預(yù)報(bào)期的超級(jí)集合預(yù)報(bào)嵋呻1 。 超級(jí)集合預(yù)報(bào)模型由方程( 2 5 ) 構(gòu)建，在一個(gè)給定的格點(diǎn)上，對(duì)于某一預(yù)報(bào)時(shí)效某一氣 象要素： s = 乃+ q ( c ，一霉) ( 2 5 ) i = 1 墨為超級(jí)集合預(yù)報(bào)值，否為訓(xùn)練期觀測(cè)值平均，c ，為第i 個(gè)模式的預(yù)報(bào)值，虧為第i 個(gè)模 式在訓(xùn)練期的預(yù)報(bào)值平均，q 為回歸系數(shù)( 權(quán)重) ，n 為參與超級(jí)集合的模式總數(shù)，t 為時(shí)間。 在訓(xùn)練期，回歸系數(shù)q 由( 2 6 ) 中的誤差項(xiàng)g 最小化計(jì)算而得引： ，n 坍 g = 一q ) 2 ( 2 6 ) ，# i ( 2 6 ) 中d ，為觀測(cè)值，n t r a i n 為訓(xùn)練期時(shí)間樣本總數(shù)。在用超級(jí)集合預(yù)報(bào)值與觀測(cè)值 做多元線性回歸分析時(shí)，要使g 最小在計(jì)算中應(yīng)用最& - - 乘法原理仉1 4 1 ，誤差協(xié)方差矩陣 c 為 n t r a l n c = 哆，j = 【曩：，】( f ，_ ，= l ，2 力 ( 2 7 ) - l ( 2 7 ) 中e 和e ，分別是第i 個(gè)模式和第j 個(gè)模式的預(yù)報(bào)值距平。 建立線性代數(shù)方程： 【e j 【q 】= 【q 】 ( 2 8 ) n t 陽i n 其中曰= o ：g ，研為觀測(cè)值距平，e 。，】為( n n ) 的矩陣，【q 】為( n x l ) 的矩 ，= l 陣，【諺1 為( n x1 ) 的矩陣。應(yīng)用g a u s s j o r d a n 消除法求解( 2 8 ) 中的【g 】，得到鱗代入 到( 2 5 ) 中。對(duì)其他格點(diǎn)也做同樣的計(jì)算，在預(yù)報(bào)期即可利用求得的餌進(jìn)行超級(jí)集合預(yù)報(bào)。 5 t 時(shí)間 訓(xùn)練期 j 預(yù)報(bào)期 。 圖2 1 超級(jí)集合預(yù)報(bào)流程示意圖 2 2 3 消除偏差集合平均 相對(duì)于超級(jí)集合預(yù)報(bào)方法，提出了一種在預(yù)報(bào)期給予參與集合的各個(gè)模式等權(quán)重的集 合方法一消除偏差集合平均( b r e ) 1 1 3 消除偏差集合平均可由方程( 2 9 ) 定義： b r e = 否+ 二( z 一虧) ( 2 9 ) 一。 ，# i ( 2 9 ) 中否為訓(xùn)練期觀測(cè)值平均，f 為第i 個(gè)模式的預(yù)報(bào)值，虧為第i 個(gè)模式在訓(xùn)練 期的預(yù)報(bào)值平均，n 為參與超級(jí)集合的模式總數(shù)。 比較方程( 2 5 ) 與( 2 9 ) ，兩個(gè)式子中否都為訓(xùn)練期觀測(cè)值平均，聲都為第i 個(gè)模式 在訓(xùn)練期的預(yù)報(bào)值平均，它們都是利用訓(xùn)練期的歷史資料處理預(yù)報(bào)期的預(yù)報(bào)，唯一的不同 是超級(jí)集合預(yù)報(bào)是一種非等權(quán)重加權(quán)，珥是通過訓(xùn)練期進(jìn)行回歸分析得到的，而消除偏差 集合平均是一種等權(quán)重加權(quán)，在整個(gè)預(yù)報(bào)期都給予參與集合的n 個(gè)模式相同的權(quán)重即1 n 。 消除偏差集合平均給予參與集合的每個(gè)模式相同的權(quán)重，好的模式與差的模式對(duì)預(yù)報(bào)的貢 獻(xiàn)是相同的，而超級(jí)集合通過各個(gè)模式在訓(xùn)練期的表現(xiàn)給予不同的權(quán)重來量化它們對(duì)集合 預(yù)報(bào)的貢獻(xiàn)。進(jìn)行超級(jí)集合預(yù)報(bào)試驗(yàn)時(shí)常用消除偏差集合平均做對(duì)比分析，以評(píng)價(jià)超級(jí)集 合預(yù)報(bào)技巧。 6 第三章北半球地面氣溫的超級(jí)集合預(yù)報(bào) 3 1 各個(gè)中心地面氣溫集合預(yù)報(bào)誤差評(píng)估 以溫度預(yù)報(bào)的均方根誤差作為衡量預(yù)報(bào)效果的指標(biāo)，計(jì)算2 0 0 7 年6 月1 日一8 月3 1 日四個(gè)中心地面氣溫預(yù)報(bào)在北半球大部地區(qū)( 1 0 。8 7 5 。n ，0 。3 5 7 5 。) 的區(qū)域平 均均方根誤差。如圖3 1 所示，對(duì)于北半球大部地區(qū)四個(gè)中心預(yù)報(bào)的均方根誤差隨預(yù)報(bào)時(shí) 效增長(zhǎng)而增大，但增幅并不大，從2 4 小時(shí)到1 6 8 小時(shí)均方根誤差增加了0 。5 左右，u k m o 誤差最大，n c e p 的次之，e c m w f 與j 姒的誤差最小。j m a 的2 4 小時(shí)、4 8 小時(shí)預(yù)報(bào)效果最好， 誤差為2 0 7 和2 1 6 。u l ( m o 的2 4 小時(shí)、4 8 小時(shí)預(yù)報(bào)效果最差，誤差達(dá)到2 6 和2 6 5 。j m a 與e c m w f 的7 2 小時(shí)預(yù)報(bào)誤差相當(dāng)，1 2 0 小時(shí)、1 4 4 小時(shí)、1 6 8 小時(shí)e c m w f 的預(yù)報(bào)誤 差略小于j m a ，預(yù)報(bào)效果最好。 圖3 12 0 0 7 年6 月1 日8 月3 1 日地面溫度北半球區(qū)域平均均方根誤差( 單位：) 分別計(jì)算2 0 0 7 年6 月1 日q 月3 1 日中國(guó)( 1 5 。 - 5 5 。n ，7 0 。 1 3 5 。e ) 、美國(guó)( 2 5 。5 5 。n ，1 2 5 。7 0 。w ) 和歐洲( 3 0 。5 5 。n ，0 。 4 0 。e ) 三個(gè)地區(qū)各中心地面 氣溫預(yù)報(bào)的區(qū)域平均均方根誤差。從圖3 2 可以看出，e c m w f 、j m a 和n c e p 三個(gè)中心的地 面氣溫預(yù)報(bào)在中國(guó)地區(qū)效果都比較差，在美國(guó)地f x z - _ n 報(bào)效果最好，u i o d o 的預(yù)報(bào)在中國(guó)地區(qū) 與美國(guó)地區(qū)效果相當(dāng)，在歐洲地區(qū)較差。在中國(guó)地區(qū)，u k m o 預(yù)報(bào)的均方根誤差略小于其它 三個(gè)中心，e c m w f 與j - m a 比較接近，n c e p 誤籌最大；在美國(guó)地區(qū)，j m a 的預(yù)報(bào)效果最好， 7 咄0 最差，2 4 小時(shí)至1 6 8 小時(shí)預(yù)報(bào)均方根誤差比小04 左右；在歐洲地區(qū) j m a 的預(yù)報(bào)效果最好，其扶是e c m w f ，u 酬0 的預(yù)報(bào)均方根誤著最大。 圖322 0 0 7 年6 月l 口8 月3 lue c 岍f ( a ) ，j i i a ( b ) 、h 腳( c ) 和u 蹦0 ( d ) 預(yù)報(bào)的 地面溫度區(qū)域平均均方根誤差( 單位：) 圖33 給出6 月一8 ，e j 共9 2 天的四個(gè)中心2 4 小時(shí)地面氣溫預(yù)報(bào)均方根誤差在北半球大 部地區(qū)的地理分布。從中可見，每個(gè)中心的地面氣溫預(yù)報(bào)均方根誤差在亞洲大陸地醫(yī)都較 大，特別是在亞洲丈陸的高原地區(qū)尤為突出，在北美地區(qū)較小。均方根誤差在2 以f 的 區(qū)域e c m v f 最大，均方根誤差在3 以下的區(qū)域皿 最大。比較四個(gè)中心的均方根誤差分 布圖，總體上看e c i w f 和j l i a 的地面氣溫預(yù)報(bào)的均方根誤差較其它中心小，4 8 小時(shí)、7 2 小 時(shí)的均方根誤差的地理分布( 圖略) 與2 4 小時(shí)比較一致。對(duì)于1 4 4 h 與1 6 8 h 的預(yù)報(bào)( 圈略) ， 各中心在高緯度地區(qū)均方根謖差增長(zhǎng)很快預(yù)報(bào)效果較差。表3l 為6 月8 月共9 2 天的四 個(gè)中心2 4 小時(shí)地面氣溫預(yù)報(bào)均方根誤差分別小于2 c 和3 c 的區(qū)域占整個(gè)預(yù)報(bào)區(qū)域的百分 比。娜均方根誤差在2 c 以下的區(qū)域i 整個(gè)預(yù)報(bào)區(qū)域的6 6 ，高于其它三個(gè)中心。j l i a 均方根誤差在3 以下的區(qū)域占整個(gè)預(yù)報(bào)區(qū)域的8 76 ，高于其它三個(gè)中心。 刪刪刪柵硎皿 旄惟雌皿礎(chǔ)舢 剿l 麟 霧囔 目332 0 0 7 年6 月1 日8 月3 1 日e o l l l f ( a ) 、j 姒c b ) 、n 旺p ( c ) 和u ( d ) 地面溫度2 4 h 預(yù)報(bào)均方根誤差地理分布( 單位：) 表3l2 0 0 7 年6 月1 日- 8 月3 1 日各中心地面溫度2 4 h 預(yù)報(bào)均方根誤差 分別在z 和3 c 咀下的區(qū)域占整個(gè)預(yù)報(bào)區(qū)域的百分比( 單位；) 、箜中心 e c m w fj m an c e pu k m 0 區(qū)域 小丁2 c 的區(qū)域 6 6 6 4 26 145 57 小于3 c 的區(qū)域 8 768 9 58 2 98 0 3 倒3 4 為2 0 0 7 年6 月1 日一8 月3 1 日四個(gè)中心2 4 h 至1 6 8 h 地面溫度預(yù)報(bào)均方根誤差 大于3 的r 域占整個(gè)預(yù)報(bào)區(qū)域的百分比。從圖中可以看出，2 4 h 一1 6 8 h 的預(yù)報(bào)，四個(gè)中心 均方根誤差犬于3 c 的區(qū)域所占預(yù)報(bào)區(qū)域的百分比呈增加的趨勢(shì)。4 8 h 一1 6 8 h 的預(yù)報(bào)，e c f 均方根誤差大于3 c 的區(qū)域最小。特別是對(duì)于較長(zhǎng)的預(yù)報(bào)時(shí)效1 2 0 h 的預(yù)報(bào)其他三個(gè)中心 均方根誤差大于3 c 的區(qū)域占到】睜 個(gè)預(yù)報(bào)區(qū)域的2 2 以上而娜只有1 83 。e 0 胛f 較 其他三個(gè)中心預(yù)報(bào)更為穩(wěn)定。 錳 圖342 0 0 7 年6 月1 日8 月3 l 口2 4 h 1 6 8 h 地面溫度預(yù)報(bào)均方根誤差 大干3 的區(qū)域占整個(gè)預(yù)報(bào)豎域的百分比( 單位：) 3 2 超級(jí)集合預(yù)報(bào)試驗(yàn)結(jié)果 通過對(duì)四個(gè)中心的地面氣溫預(yù)報(bào)效果檢驗(yàn)，可以了解到各個(gè)中心在北半球不同的區(qū)域 預(yù)報(bào)效果不同，各個(gè)中心的數(shù)值預(yù)報(bào)模式都有一些系統(tǒng)性偏差。針對(duì)e a 帆? 、n c e p 和 u 刪0 四個(gè)數(shù)值中心2 0 0 7 年6 月i 日8 月3 1 日在北半球大部地區(qū)的地面氣溫預(yù)報(bào)，預(yù)報(bào)時(shí) 效為2 4 h 至1 6 8 h 時(shí)( 間隔2 4 h ) ，分別選取6 月7 日至8 月6 日、6 月6 日至8 月5 日、6 月5 日至8 月4 日、6 月4 日至8 月3 日、6 月3 日至8 月2 日、6 月2 日至8 月1 日和6 月1 日至7 月3 1 日各6 1 天作為固定訓(xùn)練期，都咀8 月8 日3 1 日2 4 天作為預(yù)報(bào)期，以同 期的n c e p n c a r 再分析資料作為“觀瀾i 值”，進(jìn)行超級(jí)集合預(yù)報(bào)試驗(yàn)。同時(shí)，應(yīng)用多模式集 合平均( 聃) 和消除偏差集臺(tái)平均( b r e ) 兩種方法對(duì)四個(gè)中心的預(yù)報(bào)進(jìn)行集成，比較這二 種多模式集合方法的預(yù)報(bào)效果，并對(duì)超級(jí)集合預(yù)報(bào)結(jié)果進(jìn)行分析。 圉5 分別給出了北半球大部地區(qū)( 1 0 。8 75 。n ，0 。3 5 75 。) 0 月1 日8 月 3 1 目，預(yù)報(bào)時(shí)效為2 4 小時(shí)至1 6 8 小時(shí)四個(gè)中心和三種集合方法地面溫度預(yù)報(bào)每天的區(qū)域 平均均方根誤差。從中可見，2 4 小時(shí)、4 8 小時(shí)的預(yù)報(bào)，三種集合方法都降低了預(yù)報(bào)誤差， 超級(jí)集臺(tái)與消除偏差集合平均預(yù)報(bào)效果明顯好于各個(gè)中心的預(yù)報(bào)。在預(yù)報(bào)期，超級(jí)集合與 消除偏差集合平均預(yù)報(bào)均方根誤差隨預(yù)報(bào)期增加有遞增的趨勢(shì)，兩種方法預(yù)報(bào)效果相當(dāng)， 預(yù)報(bào)期的前幾天超級(jí)集合預(yù)報(bào)效果略好于消除偏差的集合平均，但差異不太明顯。兩種方 法在預(yù)報(bào)期2 4 天的均方根誤差比多模式集合平均的誤差降低了05 左右，明顯優(yōu)于多模 1 0 式集合平均的預(yù)報(bào)。對(duì)于7 2 小時(shí)、9 6 小時(shí)預(yù)報(bào)，在預(yù)報(bào)期前1 0 天超級(jí)集合與消除偏差集 合平均效果相當(dāng)，1 0 天以后超級(jí)集合預(yù)報(bào)的均方根誤差超過了消除偏差集合平均，在預(yù)報(bào) 期后期超過了多模式集合平均。1 2 0 小時(shí)至1 6 8 小時(shí)的預(yù)報(bào)，在整個(gè)預(yù)報(bào)期，消除偏差集 合平均預(yù)報(bào)效果最好，在預(yù)報(bào)期的前半段超級(jí)集合預(yù)報(bào)好于單個(gè)最好的中心模式和四個(gè)中 心的集合平均，但隨著預(yù)報(bào)期的增長(zhǎng)，超級(jí)集合預(yù)報(bào)的均方根誤差增長(zhǎng)得很快，在預(yù)報(bào)期 的后期超過了集合平均和單個(gè)中心的預(yù)報(bào)。 綜上所述，超級(jí)集合與消除偏差集合平均兩種方法對(duì)2 4 h 、4 8 h 預(yù)報(bào)改善的效果相當(dāng)， 在預(yù)報(bào)期前期，超級(jí)集合預(yù)報(bào)的均方根誤差小于消除偏差集合平均的誤差，但后期超級(jí)集 合預(yù)報(bào)的均方根誤差超過了消除偏差集合平均的誤差。對(duì)于7 2 h 、9 6 h 預(yù)報(bào)，在預(yù)報(bào)期前期 超級(jí)集合預(yù)報(bào)的均方根誤差和消除偏差集合平均的誤差相當(dāng)，在后期超過了消除偏差集合 平均和多模式集合平均。對(duì)于1 2 0 h 一1 6 8 h 的預(yù)報(bào)，在整個(gè)預(yù)報(bào)期消除偏差集合平均預(yù)報(bào)效 果最好，在預(yù)報(bào)期的前半段超級(jí)集合預(yù)報(bào)好于單個(gè)最好的中心模式和四個(gè)中心的集合平均。 但到預(yù)報(bào)期的后期，超級(jí)集合預(yù)報(bào)的均方根誤差增長(zhǎng)得很快，甚至超過了單個(gè)中心預(yù)報(bào)的 均方根誤差。 4 。 薹z 婁t 三三三妄三二乒弓三 、一。 8 月8 日1 5 口2 2 u2 9 u 艉限期 4 0 3 妻z 暈 婁t ( b ) 8 月8 口1 5 u2 2 h 2 9 u 預(yù)報(bào)期 1 ( c ) d z 量妻耋沒iz 善至考靶 一，、。一 g 一一 1 婁1 。 o 8 月8 日 4 ；3 2 暈 主- 預(yù)報(bào)期 8 月8 h1 5 口2 2 u2 9 u 預(yù)報(bào)期 ( 引 一4 ( f ) 鼉注堂耋冬客i ：蘭孥蘭鑫婆 一。，、， i ”o 一 8 月8 u 1 5 口2 2 日2 9 日 預(yù)m 顱拙期 4 ( g 壙 i ：善囊毫泰 喜h o 。一 8 月8 日1 5 日2 2 口2 9 u 顧m 圈3 52 0 0 7 年8 月8 日q 1 日逐日2 4 h ，4 8 h ( b ) ，7 2 h ( c ) ，9 6 i l ( d ) ，1 2 0 h ( e ) 1 4 4 h ( 竹和1 6 8 h ( g ) 地面氣溫預(yù)報(bào)在預(yù)報(bào)區(qū)域內(nèi)平均均方根誤差( 單位 ) 圖36 給山t 2 、n 球大部地區(qū)j 舭、多模式集合平均、消除偏差集合平均和超級(jí)集合 2 4 h 地面氣溫預(yù)報(bào)在預(yù)報(bào)期2 4 天平均均方根誤差的地理分布。從中可見。集臺(tái)平均對(duì)降低 誤差效果并不明顯。超級(jí)集合預(yù)報(bào)均方根誤差大丁二3 的區(qū)域明顯減少，小于2 c 的區(qū)域明 顯增多，超級(jí)集臺(tái)有效地減小了預(yù)報(bào)誤差，盯于最好的中心j m a 模式的預(yù)報(bào)和集合平均。 超級(jí)集臺(tái)與消除偏差集臺(tái)平均的均方根誤差分布較為一致，兩種方法預(yù)報(bào)效果相當(dāng)。圖37 為j i i a 和三種集臺(tái)方法2 4 h 地面氣溫預(yù)報(bào)在預(yù)報(bào)期2 4 天平均均方根誤差小丁2 的區(qū)域i i 整個(gè)預(yù)報(bào)區(qū)域的百分比。單個(gè)中心j i a 的預(yù)報(bào)，均方根誤差在2 c 咀下的區(qū)域f 到整個(gè)區(qū) 域的7 36 而超級(jí)集合使其增加到8 6 “，明顯改善了預(yù)報(bào)效果。對(duì)丁4 8 小時(shí)的預(yù)報(bào)( | 璺| 略) ，超級(jí)集合與消除偏差集臺(tái)平均改善了預(yù)報(bào)效果，好丁最好的單個(gè)中心預(yù)報(bào)和四個(gè)中心 的集合平均，超級(jí)集合的均方根誤差大值區(qū)域小于消除偏差的集合平均。 饌 鯉 臻 圖362 0 0 7 年8 月8r 3 lh 日本氣象廳( a ) 、多模式集合甲均( b ) 、消除偏差集合平均( c ) 和超級(jí)集 臺(tái)( d ) 地面溫度2 4 h 預(yù)撤均方根誤差地理分布( 單位：) 圖3 72 0 0 7 年8 月8e i - 3 1 日2 4 h 地面溫度預(yù)報(bào)均方根誤差 小于2 的區(qū)域占整個(gè)預(yù)報(bào)區(qū)域的百分比( 單位：) 固定訓(xùn)練期的超級(jí)集合預(yù)報(bào)選取預(yù)報(bào)期前6 l 天作為訓(xùn)練期計(jì)算的權(quán)重系數(shù)用于整個(gè) 預(yù)報(bào)期2 4 天的預(yù)報(bào)。不過，值得注意的是權(quán)重系數(shù)到了預(yù)報(bào)期后期就會(huì)逐漸欠效，尤其當(dāng) 預(yù)報(bào)時(shí)效比較長(zhǎng)時(shí)，權(quán)重系數(shù)會(huì)更快地火效。歐洲中期天氣預(yù)報(bào)中心、多模式集合平均、 消除偏差集合平均和超級(jí)集合在預(yù)報(bào)期最后一天8 月3 1 日地面氣溫1 6 8 h 預(yù)報(bào)的絕對(duì)誤差 地理分布如圖3 8 所示。由圖可知，相對(duì)于最好的單個(gè)中心模式預(yù)報(bào)和四個(gè)中心集合平均， 超級(jí)集合與消除偏差集合平均使絕對(duì)誤差較大的區(qū)域明顯減少，改善了預(yù)報(bào)效果。從整個(gè) 北半球區(qū)域看，超級(jí)集合與消除偏差集合平均效果相當(dāng)，但在部分區(qū)域，超級(jí)集合預(yù)報(bào)絕 對(duì)誤差較大，特別是在靠近北極附近誤差極大。在前面的計(jì)算中發(fā)現(xiàn)，當(dāng)預(yù)報(bào)時(shí)效較長(zhǎng)時(shí)， 到了預(yù)報(bào)期后期超級(jí)集合預(yù)報(bào)誤差增長(zhǎng)得很快。對(duì)于1 6 8 h 的預(yù)報(bào)，在預(yù)報(bào)期的最后一天超 級(jí)集合在北半球大部地區(qū)區(qū)域平均均方根誤差已經(jīng)遠(yuǎn)遠(yuǎn)超過了單個(gè)最差的中心預(yù)報(bào)，權(quán)重 系數(shù)明顯失效。對(duì)比圖3 8 發(fā)現(xiàn)，超級(jí)集合預(yù)報(bào)在預(yù)報(bào)期后期權(quán)重系數(shù)會(huì)失效并不是在預(yù) 報(bào)區(qū)域內(nèi)所有格點(diǎn)上都是如此，而是在部分區(qū)域格點(diǎn)上比較明顯，特別是在極地區(qū)域更為 嚴(yán)重，從而導(dǎo)致預(yù)報(bào)誤差較大。從整體上看還是改進(jìn)了預(yù)報(bào)，效果優(yōu)于多模式集合平均， 與消除偏差集合平均相當(dāng)。 1 4 凇i 驂 圖382 0 0 7 年b 月3 lu 歐洲中期天氣預(yù)撤中心( a ) 、多模式集臺(tái)平均( b ) 、消除偏差嶷臺(tái)，r 均( c ) 和 超級(jí)囊臺(tái)( d ) 地血溫度1 6 8 h 項(xiàng) i f 絕對(duì)誤差地理分布( 單位：) 3 3 本章小結(jié) 本章對(duì)e c m v f 、j 姒、n c e p 和唧0 四個(gè)中心2 0 0 7 年6 月1 日至0 月3 1 日的2 4 h1 0 8 h 全球集合預(yù)報(bào)資料中的地面溫度場(chǎng)的集合平均結(jié)果進(jìn)行了評(píng)估，并對(duì)四個(gè)中心地面溫度預(yù) 報(bào)進(jìn)行超級(jí)集合預(yù)報(bào)試驗(yàn)，然后比較了多模式超級(jí)集合與多模式集合平均、消除偏若集合 平均的預(yù)報(bào)效果得到以下幾點(diǎn)結(jié)論。 ( i ) 整個(gè)2 0 0 7 年夏季，各中心地面溫度預(yù)報(bào)效果明顯不同，j m a 與e c m w f 的在北、# 球 大部份地區(qū)預(yù)報(bào)效果最好。再中心在中國(guó)地區(qū)的預(yù)報(bào)效果較差，在美國(guó)地區(qū)較好。對(duì)丁2 4 小時(shí)至1 6 8 小時(shí)預(yù)報(bào)，e o f 的預(yù)報(bào)效果最為穩(wěn)定。 ( 2 ) 四個(gè)中心的集合平均在一定程度上減小了各中心預(yù)報(bào)的均方根誤差預(yù)報(bào)效果優(yōu) 于最好的單個(gè)中心預(yù)報(bào)，但預(yù)報(bào)效果的改善不明顯。消除偏差集合平均使預(yù)報(bào)的均方根誤 差得到明顯降低，預(yù)報(bào)效果優(yōu)r 最好的單個(gè)中心預(yù)報(bào)和多模式集合平均。 ( 3 ) 超級(jí)集合與消除偏差集合平均兩種方法對(duì)2 4 h 、4 8 h 預(yù)報(bào)改善的效果相當(dāng)。在預(yù)報(bào) 期前期，超級(jí)集合預(yù)報(bào)的均方根誤差小干消除偏差集合平均的誤差，中期兩者相當(dāng)，后期 超級(jí)集合預(yù)報(bào)的均方根誤差超過了消除偏差集合平均的誤差。對(duì)丁7 2 h 、9 6 h 預(yù)報(bào)。在預(yù)報(bào) 期前期超級(jí)集合預(yù)報(bào)的均方根誤差與消除偏差集合平均的誤差相當(dāng)，在后期超過了消除偏 差集合平均和多模式集合平均。1 2 0 h - 1 6 8 h 的預(yù)報(bào)，在整個(gè)預(yù)報(bào)期，消除偏差集合平均預(yù) 報(bào)效果最好，在預(yù)報(bào)期的前半段超級(jí)集合預(yù)報(bào)好于單個(gè)最好的中心模式和四個(gè)中心的集合 平均，但隨著預(yù)報(bào)期的增長(zhǎng)，超級(jí)集合預(yù)報(bào)的均方根誤差增長(zhǎng)得很快，在預(yù)報(bào)期的后期甚 至超過了單個(gè)中心預(yù)報(bào)的均方根誤差。 由于超級(jí)集合與消除偏差集合平均兩種方法都是選用前6 1 天的歷史資料處理后2 4 天 的預(yù)報(bào)，在預(yù)報(bào)期超級(jí)集合通過在訓(xùn)練期各個(gè)模式的表現(xiàn)給予不同的權(quán)重，而消除偏差集 合平均給予各個(gè)模式相同的權(quán)重，隨著預(yù)報(bào)期的增長(zhǎng)，兩種方法的預(yù)報(bào)誤差都有增加的趨 勢(shì)。固定訓(xùn)練期的超級(jí)集合預(yù)報(bào)的權(quán)重系數(shù)隨空間變化，但隨時(shí)間不變。選取前6 1 天作為 訓(xùn)練期計(jì)算權(quán)重系數(shù)，用于整個(gè)預(yù)報(bào)期2 4 天的預(yù)報(bào)，預(yù)報(bào)區(qū)域部分格點(diǎn)上的權(quán)重系數(shù)隨著 預(yù)報(bào)期增長(zhǎng)就會(huì)逐漸失效，尤其當(dāng)預(yù)報(bào)時(shí)效比較長(zhǎng)時(shí)，權(quán)重系數(shù)失效得更快。針對(duì)不同的 預(yù)報(bào)時(shí)效，采用滑動(dòng)訓(xùn)練期，讓權(quán)重系數(shù)隨時(shí)間變化，有望進(jìn)一步改善超級(jí)集合預(yù)報(bào)的預(yù) 報(bào)效果。 1 6 第四章北半球中緯度地區(qū)地面氣溫的超級(jí)集合預(yù)報(bào) 4 1 引言 超級(jí)集合預(yù)報(bào)方法根據(jù)參