GRAPES全球集合預報系統(tǒng)不同隨機物理擾動方案影響分析
發(fā)布時間：2021-09-22 06:43
為了更好地理解不同隨機物理擾動方案對全球中期集合預報的影響差異,本研究基于GRAPES全球集合預報系統(tǒng)（GRAPES-GEPS）對比分析了隨機物理傾向擾動（Stochastically Perturbed Parameterization Tendencies,SPPT）、隨機動能補償（Stochastic Kinetic Energy Backscatter,SKEB）及聯(lián)合使用SPPT與SKEB三種模式擾動方案所產生的擾動特征及其對集合預報的影響。為避免初值擾動影響,考察隨機物理方案所產生的擾動特征時,不使用初值擾動。通過擾動與誤差相關性分析（PECA）發(fā)現(xiàn),不同隨機物理擾動方案所產生的擾動對預報誤差均具有一定的描述能力,而且聯(lián)合使用SPPT與SKEB方案時,擾動對誤差的描述能力最好。對所有擾動方案來說,擾動總能量最初主要集中在熱帶地區(qū)對流層中高層以及平流層低層。隨著預報時效的延長,擾動總能量不斷增大,其大值區(qū)不斷向熱帶外地區(qū)轉移。從擾動總能量的譜結構來看,擾動能量均呈現(xiàn)升尺度發(fā)展的特征。在基于奇異向量初值擾動的GRAPES-GEPS中,隨機物理擾動方案的使用均能夠顯著增加不同地區(qū)...
【文章來源】：氣象學報. 2020,78(06)北大核心CSCD
【文章頁數】：16 頁
【部分圖文】：
2017年8月7—16日12時SPPT、SKEB與SPPT＿SKEB 3組不使用初值擾動的集合預報試驗10 d平均的500 h Pa (a）緯向風場、（b）經向風場、（c）溫度場與（d）位勢高度場全球PECA值隨預報時效的演變
考察不同隨機物理擾動方案下擾動總能量的時、空演變特征。式中，?u、?v和?T分別表示集合成員與對照預報緯向風場、經向風場和溫度場的差異，cp為干空氣比熱容（1004 J/（kg·K)),Tr為參考溫度（280 K）。從SPPT、SKEB與SPPT＿SKEB三組試驗下擾動總能量緯度-高度剖面（圖2）可以看到，不管在哪種隨機物理擾動方案下，預報初期，擾動總能量主要集中在熱帶地區(qū)對流層中高層以及平流層低層（約300—100 h Pa）；隨著預報時效的延長，擾動總能量不斷增大，其大值區(qū)也由熱帶地區(qū)轉移至熱帶外地區(qū)，這可能與熱帶外地區(qū)擾動的快速發(fā)展以及熱帶地區(qū)擾動向熱帶外地區(qū)的傳播有關，并且大值區(qū)依舊主要集中在對流層中高層以及平流層低層（約500—200 h Pa）。同時還可以看到，大約4 d以后，不同試驗方案下擾動總能量垂直結構非常相似，這可能與擾動本身的依流型發(fā)展有關。類似特征在初值擾動發(fā)展過程中也存在，如Magnusson等（2009）指出在模式積分一段時間后不同初值擾動試驗方案下擾動總能量將收斂。就整層擾動總能量（圖3）而言，不管在熱帶地區(qū)還是熱帶外地區(qū)，SPPT＿SKEB試驗最大，SKEB試驗次之，SPPT試驗最小。從擾動能量的譜結構（圖4）可以看到，隨著預報時效的增加，所有試驗方案中的擾動能量不斷升尺度發(fā)展，向大尺度方向轉移，大尺度擾動能量不斷增大，而小尺度擾動能量在大約2 d之后達到飽和，不再增長。
對于一個集合預報系統(tǒng)而言，連續(xù)分級概率評分越小，觀測和預報的累積概率分布函數之間的差異越小，概率預報技巧越高（Hersbach,2000）。圖7給出了3組采用隨機物理擾動方案的試驗（INI＿SPPT、INI＿SKEB和INI＿SPPT＿SKEB）與INI試驗在北半球和熱帶地區(qū)850 h Pa緯向風場與溫度場連續(xù)分級概率評分的差異。連續(xù)分級概率評分差異為負，表明相對于INI試驗，連續(xù)分級概率評分減小，預報技巧有提高�？梢钥闯�，北半球，與INI試驗相比，3組使用隨機物理擾動方案的試驗評分均有所減�。ú町悶樨摚�，其中INI＿SPPT＿SKEB試驗溫度場的改進最顯著（圖7b）；對于緯向風場，在預報前期，INI＿SPPT＿SKEB試驗的改進也最顯著，但預報后期，INI＿SKEB試驗緯向風場連續(xù)分級概率評分的改進呈現(xiàn)出減小趨勢，這導致在預報后期INI＿SPPT＿SKEB試驗連續(xù)分級概率評分的表現(xiàn)與INI＿SPPT試驗相近（圖7a）。熱帶地區(qū)，大部分預報時效上，連續(xù)分級概率評分顯著減�。ú町悶樨摚�，而且這種改進效果在聯(lián)合使用SPPT與SKEB方案時最好（圖7c、d），說明SPPT與SKEB方案聯(lián)合使用對集合預報系統(tǒng)概率預報技巧的改進程度最大。4.3 預報失誤率
【參考文獻】：
期刊論文
[1]Representing Model Uncertainty by Multi-Stochastic Physics Approaches in the GRAPES Ensemble[J]. Zhizhen XU,Jing CHEN,Zheng JIN,Hongqi LI,Fajing CHEN. Advances in Atmospheric Sciences. 2020(04)
[2]GRAPES全球奇異向量方法改進及試驗分析[J]. 李曉莉,劉永柱. 氣象學報. 2019(03)
[3]GRAPES全球集合預報初始條件及模式物理過程不確定性方法研究[J]. 李曉莉,陳靜,劉永柱,彭飛,霍振華. 大氣科學學報. 2019(03)
[4]GRAPES全球集合預報系統(tǒng)模式擾動隨機動能補償方案初步探究[J]. 彭飛,李曉莉,陳靜,李紅祺. 氣象學報. 2019(02)
[5]不同隨機物理擾動方案在一次暴雨集合預報中的對比研究[J]. 蔡沅辰,閔錦忠,莊瀟然. 高原氣象. 2017(02)
[6]基于總能量模的GRAPES全球模式奇異向量擾動研究[J]. 劉永柱,沈學順,李曉莉. 氣象學報. 2013(03)
[7]GRAPES全球集合預報的集合卡爾曼變換初始擾動方案初步研究[J]. 馬旭林,薛紀善,陸維松. 氣象學報. 2008(04)
本文編號：3403323
【文章來源】：氣象學報. 2020,78(06)北大核心CSCD
【文章頁數】：16 頁
【部分圖文】：
2017年8月7—16日12時SPPT、SKEB與SPPT＿SKEB 3組不使用初值擾動的集合預報試驗10 d平均的500 h Pa (a）緯向風場、（b）經向風場、（c）溫度場與（d）位勢高度場全球PECA值隨預報時效的演變
考察不同隨機物理擾動方案下擾動總能量的時、空演變特征。式中，?u、?v和?T分別表示集合成員與對照預報緯向風場、經向風場和溫度場的差異，cp為干空氣比熱容（1004 J/（kg·K)),Tr為參考溫度（280 K）。從SPPT、SKEB與SPPT＿SKEB三組試驗下擾動總能量緯度-高度剖面（圖2）可以看到，不管在哪種隨機物理擾動方案下，預報初期，擾動總能量主要集中在熱帶地區(qū)對流層中高層以及平流層低層（約300—100 h Pa）；隨著預報時效的延長，擾動總能量不斷增大，其大值區(qū)也由熱帶地區(qū)轉移至熱帶外地區(qū)，這可能與熱帶外地區(qū)擾動的快速發(fā)展以及熱帶地區(qū)擾動向熱帶外地區(qū)的傳播有關，并且大值區(qū)依舊主要集中在對流層中高層以及平流層低層（約500—200 h Pa）。同時還可以看到，大約4 d以后，不同試驗方案下擾動總能量垂直結構非常相似，這可能與擾動本身的依流型發(fā)展有關。類似特征在初值擾動發(fā)展過程中也存在，如Magnusson等（2009）指出在模式積分一段時間后不同初值擾動試驗方案下擾動總能量將收斂。就整層擾動總能量（圖3）而言，不管在熱帶地區(qū)還是熱帶外地區(qū)，SPPT＿SKEB試驗最大，SKEB試驗次之，SPPT試驗最小。從擾動能量的譜結構（圖4）可以看到，隨著預報時效的增加，所有試驗方案中的擾動能量不斷升尺度發(fā)展，向大尺度方向轉移，大尺度擾動能量不斷增大，而小尺度擾動能量在大約2 d之后達到飽和，不再增長。
對于一個集合預報系統(tǒng)而言，連續(xù)分級概率評分越小，觀測和預報的累積概率分布函數之間的差異越小，概率預報技巧越高（Hersbach,2000）。圖7給出了3組采用隨機物理擾動方案的試驗（INI＿SPPT、INI＿SKEB和INI＿SPPT＿SKEB）與INI試驗在北半球和熱帶地區(qū)850 h Pa緯向風場與溫度場連續(xù)分級概率評分的差異。連續(xù)分級概率評分差異為負，表明相對于INI試驗，連續(xù)分級概率評分減小，預報技巧有提高�？梢钥闯�，北半球，與INI試驗相比，3組使用隨機物理擾動方案的試驗評分均有所減�。ú町悶樨摚�，其中INI＿SPPT＿SKEB試驗溫度場的改進最顯著（圖7b）；對于緯向風場，在預報前期，INI＿SPPT＿SKEB試驗的改進也最顯著，但預報后期，INI＿SKEB試驗緯向風場連續(xù)分級概率評分的改進呈現(xiàn)出減小趨勢，這導致在預報后期INI＿SPPT＿SKEB試驗連續(xù)分級概率評分的表現(xiàn)與INI＿SPPT試驗相近（圖7a）。熱帶地區(qū)，大部分預報時效上，連續(xù)分級概率評分顯著減�。ú町悶樨摚�，而且這種改進效果在聯(lián)合使用SPPT與SKEB方案時最好（圖7c、d），說明SPPT與SKEB方案聯(lián)合使用對集合預報系統(tǒng)概率預報技巧的改進程度最大。4.3 預報失誤率
【參考文獻】：
期刊論文
[1]Representing Model Uncertainty by Multi-Stochastic Physics Approaches in the GRAPES Ensemble[J]. Zhizhen XU,Jing CHEN,Zheng JIN,Hongqi LI,Fajing CHEN. Advances in Atmospheric Sciences. 2020(04)
[2]GRAPES全球奇異向量方法改進及試驗分析[J]. 李曉莉,劉永柱. 氣象學報. 2019(03)
[3]GRAPES全球集合預報初始條件及模式物理過程不確定性方法研究[J]. 李曉莉,陳靜,劉永柱,彭飛,霍振華. 大氣科學學報. 2019(03)
[4]GRAPES全球集合預報系統(tǒng)模式擾動隨機動能補償方案初步探究[J]. 彭飛,李曉莉,陳靜,李紅祺. 氣象學報. 2019(02)
[5]不同隨機物理擾動方案在一次暴雨集合預報中的對比研究[J]. 蔡沅辰,閔錦忠,莊瀟然. 高原氣象. 2017(02)
[6]基于總能量模的GRAPES全球模式奇異向量擾動研究[J]. 劉永柱,沈學順,李曉莉. 氣象學報. 2013(03)
[7]GRAPES全球集合預報的集合卡爾曼變換初始擾動方案初步研究[J]. 馬旭林,薛紀善,陸維松. 氣象學報. 2008(04)
本文編號：3403323
本文鏈接：http://www.sikaile.net/projectlw/qxxlw/3403323.html
