气象聚集预知趋势探析范文

作者：彭勇王萍,徐炜周惠成王本德单位：大连理工大学建设工程学部水利工程学院

扰动方法

集合预报扰动方法,是集合预报最核心的研究问题。扰动方法的好坏直接影响着预报结果的质量。根据数值预报的不确定性,大致可以把集合预报的扰动方法分为以下几种。

1初始场扰动

初始扰动的生成是制作集合预报的关键,其研究始于20世纪70年代。首先,1974年Leith提出蒙特卡罗方法(MCF)并应用在数值预报中,使集合预报从理论研究向实际应用转变;1983年R.N.Hoffman和E.Kalnay提出了替代MCF的滞后平均预报方法(LAF),该方法继承了MCF的优点并充分利用了历史观测信息。但是为得到较好的预报结果,这两种方法都需要庞大的初始扰动数目,而这受到现有计算资源的限制。此外由这两种方法得到的预报成员的离散度很小,即它们并不是产生初始扰动的理想方法。有研究指出,最终对集合预报有贡献的扰动应是那些投影到快速增长模上的扰动分量。基于该思想,1993年Toth和Kal2nay提出了增长模繁殖法(BGM),并在美国国家环境预报中心(NCEP)投入业务使用;20世纪90年代开始,欧洲中期天气预报中心(ECMWF)采用奇异向量法来生成集合成员,这两种方法都具有动力学意义。现介绍几种具有代表意义的初值扰动方法。

1.1随机扰动

胡增臻采用了随机扰动方法,即蒙特卡罗方法(MCF)。在初始场上叠加小扰动如服从正态分布的随机噪声,从而建立许多不同的起始场,再对这些初始场进行预报,得到多个不同的预报结果组成集合。随机扰动方法的基本思想是观测的大气资料初始误差是随机分布的,它是以概率统计为理论,以随机抽样为手段的数值计算方法。随机扰动的优点是程序结构简单、计算量小。但是随机扰动是在初始场误差范围内随机产生扰动,没有动力学意义。另外,随机扰动得到的预报成员的离散度小。

1.2时间滞后平均预报方法

杨学胜等和周霞琼等应用了滞后平均预报的方法(LAF)。即用同一数值预报模式对前后相续的不同初始场做预报,然后对这些预报集合中同一时刻的预报做统计平均,得到最终的预报结果。它运用了气象场演变的历史信息。LAF方法的初始扰动实际上是集合成员从其起始时间积分至正常起始时间的预报误差。LAF方法的优点是简单,计算量小,容易实现。它的扰动是集合成员运用模式从起始时间积分至正常起始时间的预报误差,即在一定程度上考虑了与动力模式的协调。但是相应地,它的样本受到取样时间间隔的影响,增加集合样本数困难。此外,预报成员的离散度小。

1.3增长模繁殖方法

关吉平,于永锋等应用了增长模繁殖法(BGM)。即首先对初始分析场加一个随机扰动,再运用模式对其进行一定时段的预报,将控制预报减去扰动预报的差值调整后作为下一次计算的扰动量,如此对模式反复使用,最终生成初始场。通过这种误差的循环增长,可以使高速增长型误差的比重不断增大直至饱和。BGM实际上是模仿分析循环中误差的增长过程。BGM的优点是原理简单,几乎不耗费计算资源。其扰动是通过对模式的反复循环运用产生的,从而扰动结构与模式大气结构的协调性较好。但它忽略了误差增长率及误差中短期不增长的部分,而且扰动振幅会影响到集合预报的预报技巧。此外,真实误差的概率密度函数分布不可知。

1.4奇异向量法

刘金达和张泽椿等介绍了奇异向量法,这是由ECMWF提出并使用的方法。其基本原理是利用非线性动力学的有限时间不稳定理论以及数值天气预报中的切线性和伴随模式。通过求解线性和伴随模式乘积的特征值和特征向量得到扰动。该方法具有动力学意义,容易增加集合成员个数,容易捕获分析误差,可以确定最快的扰动发展方向并且离散度比较好。但是该方法忽略了误差不增长的部分,而且计算量较大,需要耗费大量的计算资源,我国的国家气象中心采用奇异向量法来产生初始扰动场。

1.5集合卡尔曼变换方法

田伟红等运用了集合卡尔曼变换方法(ETKF)。它是基于集合变换方法和卡尔曼滤波理论,是一种次优的卡尔曼滤波方案。马旭林等在ETKF初始扰动方案研究的基础上,建立了GRAPES(全球与区域同化预报系统)。ETKF方法将预报与分析误差协方差矩阵用集合扰动近似表示出来,从而可以构造集合初始扰动。它不仅可以同化观测资料,而且还可以估计分析误差协方差。ETKF方法程序设计比较简单,计算量较小,它产生的集合扰动能够反映观测密度与质量的空间变化,且在观测空间中是等概率分布的。但是,由于模式误差、观测误差不可能准确给定,从这个意义上来看,它是一个次优的卡尔曼滤波方案。

1.6其他初值扰动方法

初值扰动的方法研究较多,以上只介绍了比较有代表性的初值扰动方法。除此之外,龚建东提出了四维变分同化方法(BDA),该方法同时吸收MCF方法和LAF方法的优点。黄燕燕等提出了BDA扰动方法对台风路径进行集合预报。穆穆等设计了集合预报初始扰动的新方法)条件非线性最优扰动。上述方法产生扰动初始场的原理都是相同的,即通过某一种方法,得到一组小扰动,将这组小扰动加到分析场上即得扰动的初始场。因此,在进行集合预报中,大可以自己研究开发出适合自身情况的初值扰动方法。但需遵循两个基本的原则:¹扰动场的特征需与实测资料中可能的误差分布大致相同;º扰动场之间在模式中的演变方向尽可能地发散,但是也不能虚假的大。

2模式扰动

模式的误差也会带来预报的不确定性,只有当模式足够好时,集合预报才会有明显的效果。因此,提高模式的质量对提高集合预报的效用具有重大的意义。自20世纪90年代后期以来,针对模式误差带来的预报不确定性,国内外的学者进行了大量研究。加拿大气象中心(CMC)采用多模式多参数化方案组成的/模式扰动0集合预报方法。ECMWF在模式积分过程中,在非绝热强迫项中加入随机增倍噪声,以反映引起模式误差的次网格物理过程参数化的不确定性。NCEP在短期集合预报方面,采用多模式来表征与模式相关的不确定性;在中期集合预报方面,自2010年起采用随机全倾向扰动法来表示模式的不确定性。

2.1基于参数化方案的不确定性

针对同一种模式,将物理过程中的一些不确定性因素,但又对预报结果很敏感的部分,当作随机过程来处理或选用不同的参数化方案。如积云对流参数化方案是影响暴雨模拟的敏感因子,则进行预报时,可采用不同的积云对流参数,得到预报的集合成员。文献即是采用了这种方法,并证明了该方法的可行性。此外,陈静等还通过扰动Grell积云对流参数化方案中的主要参数振幅来产生集合成员,但结果并不是很理想。虽然运用这种方法来描述模式的不确定性能取得一定的效果,但是一个模式作为一个整体的系统,各个参数可能达到最适合的组合状态,此时若改变某些参数,可能会给模式的准确性带来一定的负面影响。

2.2多模式

即运用多个模式(分辨率不同、地形处理不同等)分别进行预报,再将各个预报结果加在一起形成集合。因为不同的模式的物理设计一般是不一样的,所以采用多模式的方法进行集合预报就是考虑了模式物理过程不确定性的影响。但是纯粹运用这种方法进行集合预报研究的很少,一般都会结合初值扰动来进行集合预报试验。

3多模式-多初值集合预报

即采用两个或两个以上的模式,而对于每个模式又有多个初值,从而对各个模式进行集合预报时,都会产生一个子集合,然后把这些子集合预报加在一起成为总集合预报。显然,这个方法既考虑了初值的不确定性,又考虑了模式物理过程的不确定性。有研究指出,无论从概率意义上(如概率密度分布),还是从决定论意义上(如集合平均预报),多模式集合预报提供的信息均比单个模式集合预报更准确。但是由于选取了不同的数值模式,使得每个集合成员的系统性偏差差别较大。这就有悖于集合预报系统的/成员等同性0,所以就需要对集合预报结果采用系统性偏差订正的方法来扣除自身的系统性偏差。目前对于集合预报偏差订正的研究还处于发展阶段,其中自适应卡尔滤波偏差订正的方法已用于NCEP业务集合预报系统,并且订正效果明显且稳定。

目前研究的模式扰动方法基本上是以上三类,相比较于初值扰动方法的研究,模式扰动方法研究的较少,我国更是如此。好的初值扰动以及好的模式扰动对集合预报系统具有积极的影响,各大中心一直致力于发展并且完善初始和模式扰动方法,如ECMWF的初始扰动方法从奇异向量法发展到了集合资料同化-奇异向量法(EDA2SVINI);模式扰动从随机参数化扰动方案(SPPT)发展到了修订的随机参数化扰动方案和随机补偿方案(revisedSPPT2SPBS)。

对于集合预报,初值扰动和模式扰动都是必不可少的。Stensrud等的研究表明,当环境中大尺度的强迫作用强时,结果表示基于初值不确定性的集合预报效果较好,即初值的不确定性起主导作用。当大尺度的强迫作用很弱时,结果表示基于物理不确定性的集合预报效果较好,即物理的不确定性起到了主导作用。可以基于这个结论合理地设计集合预报系统。

检验方法

当进行集合预报试验之后,都必须对预报结果进行检验。集合预报结果比较特殊,不像单值预报,集合预报不能只用确定性的方法进行验证。其预报结果分为确定性预报(集合平均)和概率预报两种形式,相应的有两大类检验方法。

1确定性预报检验方法

对于确定性,其检验比较容易、意义也比较明确。常用的有均方根误差、相对误差、绝对误差和相关系数。其中均方根误差表示的是两个变量(如预报均值与实际观测值)的平均偏离程度,用于衡量两个变量之间的平均差异。相关系数检验两个场(如预报均值场与实际观测值场)的型态是否一致,即检验两个变量的序列变化是否一致。相对误差反映预报的系统误差情况,能够反映集合预报系统的系统偏差状况;绝对误差是衡量预报效果的根本指标。

2概率性预报检验方法

概率预报能够全面地反映集合预报信息,是集合预报中最有代表性的预报产品。但是,如何对概率预报进行检验评价是一个难点,目前方法还不多,有待于进一步的探索。下面介绍几种比较常见的检验方法。Brier评分。是对某个等级(即某事件发生)的概率预报结果进行评价的一个指标。BS评分是一种均方概率误差,统计的是预报概率的均方误差,其值越小越好,取值范围在0~1之间。ºTalagrand分布。基本思想为集合成员具有相同的可能性代表未来的天气状况,即实况值落在各个成员附近的概率是相等的。Talagrand分布能检验预报值和检验值是否都是来自相同的概率分布,即检验集合预报的可靠性。此外,Talagrand分布能够度量集合预报的离散度合宜性和成员等同性,理想的Talagrand分布是一条平直的水平线。»ROC(相对作用特征)曲线。用以对某个等级的概率预报结果进行评价的工具。它统计的是命中率与假警报率的大小,能检验集合预报的分辨能力。

目前,上述提到的方法是运用的比较多的检验方法。此外,直接将预报值与实测值进行对比也运用的较广泛。各个方法都各有侧重,使用时应针对不同目的选择不同侧重点的评价方法。此外,不论运用哪种检验评价方法,都使用了统计方法,因此,检验评价方法需立足于一定的样本。

集合预报产品

集合预报输出的信息量非常庞大,为了使预报员在短时间内从中获取有用的信息,必须从大量的集合预报输出中提取有用的信息,形成便于预报员使用的图像、数据等产品。

主要产品如下。集合平均。就是将集合成员进行平均。这种方法可以过滤掉不可预报的随机信息,但也会过滤掉少数成员预报出来的极端天气事件。而且平均预报也只是大气状态的一种可能性,没能跳出决定论预报的范畴,它不能很好地体现出集合预报的优势。

邮票图。就是把所有预报成员全部缩放在一张大图上,把多种可能的天气形势变化趋势提供给预报员。它能够提供集合预报的全面信息,但是当集合成员数较多时,会大大地降低分析效率。此时可以采用聚类法,即把集合预报中相似的成员合并成一类,并同时给出该类出现的相对频率。

面条图。选取一条特征等值线,把所有成员对该等值线的预报绘制在同一张图上。面条图能大致反映出预报的可信度,线条越是集中,则可信度越大。

概率预报。概率预报是表达集合预报的最全面的方法之一,对于某个特定预报对象,可以从所有的成员预报中算出其发生的相对频率。概率分布包含了该集合预报系统所能提供的所有信息,最大程度地包含了实际大气可能发生的种种情况。

集成预报技术

根据图1,可以自行开发一套集合预报系统。但是近年来,世界气象组织(WMO)建立了全球交互式大集合预报(TIGGE),可以从网站上下载到各大气象中心的集合预报资料,这相比于自己开发一个复杂的集合预报系统要经济简便。比较各气象中心的预报效果以及如何充分利用各中心的集合预报资料已成为各国的研究热点,即从大量的集合预报结果中尽可能地提取有用的信息,也就是进行集成预报。目前,国内外还没有一种成熟、有效并得到预报业务技术人员普遍认同的数值预报集成技术。但是基于集成的基本原理、思路和目的,提出了一些具有一定理论基础、集成预报效果较好的集成预报方法。Krishnamurti等最先提出了超级集合预报的思想(属于一种非等权的集成预报方法),并根据一定的方法对预报结果进行了集成,以获得最佳的决定性预报。陈丽娟等对参加中国汛期降水预测的各大单位预报结果进行了集成。赵声蓉基于3个气象中心的2m高温度预报,利用神经网络方法中的BP网络建立了我国600多个站的温度集成预报系统。林春泽等基于TIGGE资料,对4个气象中心的地面气温预报进行了集成。

结果表明:超级集合与消除偏差集合平均降低了预报误差,对于较长的预报时效,消除偏差集合平均表现出了更好的预报性能。陈超辉等分别采用相关加权、多线性回归以及支持向量机回归的方法,开展了有限区域模式的多模式短期超级集合预报研究。结果表明:支持向量机方法的集成预报要好于相关加权法和多元线性回归。不论是基于何种的集成预报方法,上述的研究均表示集成结果在多数情况下都优于单个成员预报。现介绍几种运用较广的集成方法。

算术平均法。即对每个模式预报的集合平均取相同的权重,对它们进行集成预报。算术平均是最为简单的一种方法,它能滤掉不可预报的信息,通常比单个预报要准确。

但是它也会滤掉少数成员预报出的极端天气事件。尽管如此,算术平均由于计算简便等优点,在气象集成研究中被广泛使用。

多元线性回归。其基本做法是将时间序列分为训练阶段和预报阶段两个阶段。在训练阶段,对每个格点建立预报值与观测值的多元线性回归模型。在预报阶段,用训练阶段得到的回归模型计算出集成预报值。

回归系数(即权重)不随时间变化的为固定训练期集成预报,随时间变化的为滑动训练期集成预报。智协飞等研究得出对于固定训练期集成预报,当预报时效较长时,各模式的权重系数在预报期后期会逐渐失效,这时采用滑动训练期的方法可以取得较好的效果。此外,多元线性回归只能解决线性的问题,而不能解决非线性的问题,这在一定程度上会影响集成预报的效果。

相关系数加权法。用预报结果与观测值的相关系数作为权重,该方法跟多元线性回归方法较为相似。

纵观上述3种方法,集成预报的基本思路是运用某种方法,确定各成员的权重(效果好的模式获得的权重大,而效果差的模式获得的权重小),然后将它们进行加权计算得到一个决定性的预报。集成预报正好满足了那些希望得到一个确定性结果的用户部门。研究表明,先将各模式的预报结果进行系统偏差订正,然后再进行集成会得到更好的结果。

集合预报在水文领域中的应用

天气预报中的降水信息是水文预报系统的核心输入,降水预报的精确程度在很大程度上影响着水文预报的准确度。此外,单一的降水预报存在着不确定性,这就决定了水文预报也存在着不确定性。而这种不确定性影响了水文预报的精度并且制约了水利工程调度的科学性。集合预报方法在一定程度上能够解决这种不确定性,研究表明,降水集合预报产品较单一的预报产品有较高的准确性以及较好的计算稳定性。将降水集合预报产品输入到水文预报系统中,形成一个气象水文预报链,可以提高水文预报的精度和水利工程调度的科学性。国外学者在这个方面已有一些研究,DiomedeT等运用不同的天气数值预报模式产生多个降水数据,从而进行了水文集合预报,使从概率的角度进行洪水预警成为可能。ThirelGuillaume等比较研究了两个径流集合预报系统的性能,这两个系统唯一的不同之处在于气象输入数据的来源不同。LuoLifeng等基于季节性气候多模式的集合预报,建立了季节性水文集合预报系统,其关键技术是用贝叶斯融合技术对大气集合预处理产生水文模型的大气强迫输入。HwangYeonSang等运用集合日降水数据进行集合径流预报,并用集合径流测试了日降水输入误差的影响。RoulinE.介绍了水文集合预报系统,将EPS(集合预报系统)的集合降水预报应用到水文模型中,并在比利时流域进行了检验。

在我国,将降水集合预报产品应用到水文领域上的研究还很少,彭涛等将中尺度暴雨数值模式集合降水预报产品作为新安江水文模型的输入信息,对湖北省漳河流域2008年汛期一次典型的洪水过程进行了预报预测,结果表明在洪峰流量、峰现时间等水文要素上丰富了预报信息,将单一的确定性预报转化为可能发生范围的预报,提高了水文预报的可靠性。但是,该研究只是初步的应用试验,对降水集合成员进行了最为简单地应用。包红军等将TIGEE降水应用于流域洪水预报,在2007年7月的息县流域超警洪水预报中进行检验,结果表明TIGGE降水可以应用于洪水预报。

李俊等探讨了集合预报技术在山洪预报领域的应用前景,指出利用集合平均和极值预报,可以引导对山洪采取分类应对措施;将概率定量降水预报与水文预报模型结合,可以用于概率水文预报。上述的研究都只是对短期的洪水预报进行了试验,未涉及到中长期的预报。此外,这些只是几种可能的应用前景,而集合预报在水文方面的应用前景应远不止这些,这就需要气象、水文工作者合作开展深入的研究工作,但将气象降水预报结果输入到水文模型中应进行降尺度,这是一个难点。另一方面,水文预报作为一个预报系统,也可以应用集合预报的思想,进行水文集合预报技术研究。WuLimin等介绍和评价了从单值定量降水预报产生降水集合预报的统计方法,这类似于集合预报思想中的初值扰动。DuanQingyun等用3个不同的水文模型产生集合预报结果,并用平均贝叶斯模型(BMA)对该集合预报结果进行处理产生概率水文预报,这种集合预报扰动技术就属于模式扰动。

结论及展望

综上所述,在国外,集合预报及其在水文领域中应用的研究成果相对较多,国内的研究总体上尚处于起步阶段。但不管是国内还是国外,研究还大都停留在理论层面,特别是在国内,把集合预报应用于水文领域的研究成果不多。因此,需要在如下方面加强研究。

扰动方法是集合预报的关键,但落实到实际应用中,是采用初始场扰动的方法或模式扰动的方法,还是采用多模式-多初值的扰动方法得到合理的集合预报集,需从物理成因途径、结合实际资料分析,合理的利用预报集合,是提高集合预报在水文领域适用性的核心内容之一。

降雨量是水文预报模型的关键输入要素,水文预报对气象上的降雨预报寄予了较高的期望,但是目前集合预报应用于水文预报中的研究还很少,特别是中长期的集合预报在水文预报中的应用还有待进一步的深入研究。由于集合预报成员个数较少等原因,尚不能直接给出用户所需的、可用观测结果检验的预报密度函数,而且中期降雨的概率分布有着自己的独有特点,因此研究基于集合预报的中期降雨预报密度函数是集合预报应用在中长期水文预报中的关键。

数值预报模式的分辨率一般为几十公里,但中小流域水文预报模型的降雨输入资料一般都要达到1km甚至更高的空间分辨率,如何将大尺度的数值集合预报结果应用到水文预报模型,即降尺度的方法研究是集合预报应用成功的关键。