崔慧慧，智協(xié)飛

(氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室(南京信息工程大學(xué))，江蘇南京210044)

0 引言

隨著國(guó)民經(jīng)濟(jì)和人民生活水平的提高，人們不僅關(guān)心一周以內(nèi)的天氣變化，同樣也更加關(guān)注10 d以后甚至更長(zhǎng)時(shí)間的天氣變化。受大氣自身特點(diǎn)以及數(shù)值模式發(fā)展等因素的限制，10～30 d延伸期的天氣預(yù)報(bào)變得十分困難。因而，延伸期預(yù)報(bào)也成為目前研究的熱點(diǎn)及難點(diǎn)問(wèn)題。隨著對(duì)延伸期預(yù)報(bào)認(rèn)識(shí)的不斷深入，一些研究者嘗試?yán)媚Ｊ綄?duì)延伸期內(nèi)天氣的發(fā)展進(jìn)行模擬。Miyakoda et al．(1983)首先采用高分辨率的大氣環(huán)流模式，成功預(yù)報(bào)了北半球10～30 d平均的阻塞高壓，該工作被看作是延伸期數(shù)值預(yù)報(bào)的開(kāi)端;Palmer(1990)討論了延伸期預(yù)報(bào)系統(tǒng)誤差的演變、延伸期預(yù)報(bào)技巧與模式水平分辨率的關(guān)系及集合預(yù)報(bào)對(duì)延伸期預(yù)報(bào)技巧的影響等內(nèi)容;隨后，Palmer(1993)基于Lorenz對(duì)流模式進(jìn)行了逐月的延伸期預(yù)報(bào)，結(jié)果表明，模式在10 d以后也具有相當(dāng)?shù)念A(yù)報(bào)能力;我國(guó)的月動(dòng)力延伸預(yù)報(bào)系統(tǒng)始于“八五計(jì)劃”，國(guó)家氣候中心在“九五”期間建立了月動(dòng)力延伸預(yù)報(bào)的試驗(yàn)性業(yè)務(wù)系統(tǒng)，李維京和陳麗娟(1999)、陳麗娟和李維京(1999)在此領(lǐng)域做了大量深入的工作。

大氣是一個(gè)高度非線性的混沌系統(tǒng)，這就使得描述其變化的數(shù)值模式對(duì)初始時(shí)刻的誤差非常敏感，即非常小的誤差，隨著時(shí)間的演變會(huì)不斷擴(kuò)大，使系統(tǒng)的預(yù)報(bào)值和真實(shí)狀況相差很遠(yuǎn)(Lorenz，1963)，但這并不意味著人們對(duì)時(shí)效較長(zhǎng)的預(yù)報(bào)就無(wú)能為力(金榮花等，2010)。研究表明，可預(yù)報(bào)性與模式的初始場(chǎng)關(guān)系密切(Lorenz，1995;Ripley and Archibold，2002)，選取一定數(shù)量的初始場(chǎng)，預(yù)報(bào)場(chǎng)的平均值高于單個(gè)模式的預(yù)報(bào)期限;Epstein(1969)首先提出了應(yīng)用集合預(yù)報(bào)方法來(lái)彌補(bǔ)數(shù)值天氣預(yù)報(bào)預(yù)報(bào)時(shí)效的不足，集合預(yù)報(bào)與傳統(tǒng)數(shù)值預(yù)報(bào)的最大不同就是初值不是“一個(gè)”，而是滿足某一誤差概率分布的數(shù)據(jù)集，因此預(yù)報(bào)結(jié)果也是“一組”或一個(gè)集合;經(jīng)過(guò)近20 a的研究探索和數(shù)值預(yù)報(bào)試驗(yàn)，到20世紀(jì)90年代初，集合數(shù)值預(yù)報(bào)進(jìn)入了實(shí)際業(yè)務(wù)應(yīng)用階段。自 Krishnamurti et al．(1999，2000a，2000b，2007)提出超級(jí)集合預(yù)報(bào)方法后，集合預(yù)報(bào)技術(shù)又獲得重大突破: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)模式和多模式集成平均;Vijaya Kumar et al．(2003)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)，獲得了較好的效果;智協(xié)飛等(2009)成功將超級(jí)集合方法應(yīng)用于北半球1～7 d地面氣溫的預(yù)報(bào)中，并提出了滑動(dòng)訓(xùn)練期超級(jí)集合預(yù)報(bào)方法;Zhi et al．(2011)以2008年初我國(guó)南方低溫冰凍雨雪災(zāi)害天氣事件為例，研究了多模式集成技術(shù)在降水預(yù)報(bào)中的適用性;Zhi et al．(2012)又基于TIGGE資料，對(duì)比了三種多模式集成方案的預(yù)報(bào)技巧。

綜合以上研究，本文嘗試將多模式集成預(yù)報(bào)方法應(yīng)用于延伸期10～15 d地面氣溫的預(yù)報(bào)中。首先對(duì)加拿大氣象局(CMC)、歐洲中期天氣預(yù)報(bào)中心(ECMWF)、英國(guó)氣象局(UKMO)以及美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)的10～15 d地面氣溫預(yù)報(bào)性能進(jìn)行檢驗(yàn)評(píng)估，并對(duì)四個(gè)中心的地面氣溫進(jìn)行多模式集成預(yù)報(bào)。然后，分別對(duì)四個(gè)中心地面氣溫的延伸期集合預(yù)報(bào)資料以及“觀測(cè)”資料做滑動(dòng)平均處理，再對(duì)滑動(dòng)平均后的資料進(jìn)行多模式集成，并比較滑動(dòng)平均前后的預(yù)報(bào)效果。

1 資料和方法

1.1 資料

所用資料包括 TIGGE資料中 CMC、ECMWF、UKMO及NCEP四個(gè)中心的集合預(yù)報(bào)資料以及NCEP提供的FNL全球再分析資料(Final Operational Global Analysis，簡(jiǎn)稱 FNL)。

1)TIGGE(Richardson et al．，2005;智協(xié)飛和陳雯，2010)是全球交互式大集合(THORPEX Interactive Grand Global Ensemble)的簡(jiǎn)稱，目前全球共有中國(guó)氣象局(CMA)、歐洲中期天氣預(yù)報(bào)中心(ECMWF)和美國(guó)國(guó)家大氣研究中心(NCAR)三個(gè)TIGGE集合預(yù)報(bào)產(chǎn)品數(shù)據(jù)中心，這三個(gè)中心收集來(lái)自全球十多個(gè)預(yù)報(bào)中心的集合預(yù)報(bào)產(chǎn)品。本文選取CMC、ECMWF、UKMO及NCEP四個(gè)中心全球集合預(yù)報(bào)模式2008年7月1日—9月30日每天12:00(世界時(shí)，下同)起報(bào)的地面氣溫集合預(yù)報(bào)資料，預(yù)報(bào)區(qū)域?yàn)楸卑肭蛑芯暥鹊貐^(qū)(30～60°N)，水平分辨率為0.5°×0.5°，預(yù)報(bào)時(shí)效為240～360 h(即10～15 d)，間隔為24 h。

2)“觀測(cè)”資料:選取NCEP每日12:00的FNL再分析資料作為實(shí)況值，用以檢驗(yàn)預(yù)報(bào)效果，資料時(shí)段為2008年7月11日—10月15日，水平分辨率為1°×1°。

由于預(yù)報(bào)資料和“觀測(cè)”資料的分辨率不一致，為便于計(jì)算，本文采用雙線性插值方法使二者的分辨率保持統(tǒng)一。

1.2 方法

式中:Fi為第i個(gè)模式的預(yù)報(bào)值;N為參與集成的模式總數(shù)。

2)消除偏差集成平均定義為

1)多模式集成平均

多模式集成的算法平均定義為

式中:VBREM為消除偏差集成預(yù)報(bào)值;Fi為第i個(gè)模式的預(yù)報(bào)值;ˉFi為第i個(gè)模式預(yù)報(bào)值的平均;ˉO為觀測(cè)值平均;N為參與集成的模式個(gè)數(shù)。

3)超級(jí)集合的方法見(jiàn)式(3)，其中，參與集成的模式權(quán)重滿足，預(yù)報(bào)效果越好的模式在多模式集成中所占權(quán)重越大。文中權(quán)重由一段時(shí)間內(nèi)各模式預(yù)報(bào)均方根誤差的倒數(shù)決定，具體見(jiàn)式(4)，式中Ei代表各模式均方根誤差的倒數(shù)。超級(jí)集合預(yù)報(bào)用到的各個(gè)模式的權(quán)重系數(shù)也可用線性回歸方法(林春澤等，2009)、神經(jīng)網(wǎng)絡(luò)方法(Zhi et al．，2009)等在訓(xùn)練期確定。

在對(duì)多模式集成預(yù)報(bào)結(jié)果的檢驗(yàn)中，本文采用了交叉檢驗(yàn)方法(Cross Validation;Mo and Straus，2002)，即從試驗(yàn)資料序列的第一個(gè)樣本開(kāi)始，每次輪流留出一個(gè)樣本，用余下的樣本建立預(yù)報(bào)方程，并對(duì)留出的樣本作預(yù)報(bào)檢驗(yàn)。這樣依次進(jìn)行，直到全部樣本都作為獨(dú)立的預(yù)報(bào)檢驗(yàn)完畢。這種方法的優(yōu)點(diǎn)是能充分利用所有的觀測(cè)數(shù)據(jù)。

2 單個(gè)集合預(yù)報(bào)系統(tǒng)對(duì)延伸期地面氣溫的預(yù)報(bào)效果評(píng)估

為綜合分析各個(gè)集合預(yù)報(bào)系統(tǒng)對(duì)10～15 d延伸期地面氣溫的預(yù)報(bào)能力，本文采用多種評(píng)價(jià)檢驗(yàn)方法，包括側(cè)重于確定性預(yù)報(bào)的均方根誤差以及側(cè)重于檢驗(yàn)集合預(yù)系統(tǒng)可靠性的Talagrand分布(Talagrand and Vautard，1997)和離散度指標(biāo)。

2.1 Talagrand分布

適宜的離散度是一個(gè)好的集合預(yù)報(bào)系統(tǒng)的重要指標(biāo)。一個(gè)好的集合預(yù)報(bào)系統(tǒng)應(yīng)該是每個(gè)預(yù)報(bào)成員發(fā)生的概率均等，實(shí)況值可能是集合成員中的任意一個(gè)，對(duì)其通常采用Talagrand分布的檢驗(yàn)方法(李莉等，2011):將N個(gè)集合預(yù)報(bào)成員按非降序排列后構(gòu)成N+1個(gè)區(qū)間(包括兩側(cè)的開(kāi)區(qū)間)，然后用實(shí)況值落在這N+1個(gè)區(qū)間的時(shí)空累積頻率來(lái)描述集合預(yù)報(bào)系統(tǒng)的可靠性。對(duì)于理想的集合預(yù)報(bào)系統(tǒng)，實(shí)況落在每個(gè)區(qū)間的概率相同，即Talagrand分布應(yīng)該是平直的;若Talagrand分布呈“L”型分布，表明實(shí)況大多落在集合預(yù)報(bào)的小值區(qū)，即集合預(yù)報(bào)系統(tǒng)有正偏差，反之亦然;若為“U”型分布，說(shuō)明集合預(yù)報(bào)系統(tǒng)的離散度偏小。

圖1給出了四個(gè)集合預(yù)報(bào)系統(tǒng)地面氣溫240 h預(yù)報(bào)的Talagrand分布。由圖1可知，四個(gè)系統(tǒng)的Talagrand分布中，實(shí)況值落在大多數(shù)區(qū)間的概率都低于理想概率，說(shuō)明集合預(yù)報(bào)系統(tǒng)的離散度不夠;CMC、UKMO及ECMWF三個(gè)系統(tǒng)的Talagrand分布略呈反“L”型，即實(shí)況值落在最大預(yù)報(bào)值區(qū)間之外的概率較大，系統(tǒng)對(duì)地面氣溫的預(yù)報(bào)存在一定程度的“冷偏差”。對(duì)于NCEP集合預(yù)報(bào)系統(tǒng)，實(shí)況值落在兩端區(qū)間的概率較大，Talagrand分布呈“U”型，說(shuō)明集合預(yù)報(bào)系統(tǒng)的離散度偏小，這也是目前集合預(yù)報(bào)普遍存在的問(wèn)題。

2.2 離散度—均方根誤差關(guān)系

集合離散度定義為集合擾動(dòng)預(yù)報(bào)與集合平均預(yù)報(bào)之間的平均距離，它反映了預(yù)報(bào)的不確定性、置信度和集合成員總體變率程度。離散度的大小一方面體現(xiàn)了大氣可預(yù)報(bào)性的高低，離散度大，意味著大氣可預(yù)報(bào)性低，相反則高;另一方面，離散度的大小又反映了集合預(yù)報(bào)代表真實(shí)大氣狀態(tài)的程度，離散度大，反映大氣真實(shí)狀態(tài)的可能性就高，反之亦然。因此，如何在不影響預(yù)報(bào)準(zhǔn)確率的前提下適當(dāng)增大集合成員間的離散度是目前很多集合預(yù)報(bào)系統(tǒng)需要解決的問(wèn)題(麻巨慧等，2011;肖玉華等，2011)。集合預(yù)報(bào)系統(tǒng)的好壞或者說(shuō)基于集合預(yù)報(bào)系統(tǒng)的平均預(yù)報(bào)是否具有可靠性和準(zhǔn)確性，關(guān)鍵前提之一就是要衡量集合預(yù)報(bào)的離散度是否有能力定量給出預(yù)報(bào)誤差的分布(段明鏗和王盤興，2004;李俊等，2009)。理想的的集合預(yù)報(bào)系統(tǒng)，其均方根誤差和離散度二者是相當(dāng)?shù)摹?/p>

圖1 地面氣溫240 h預(yù)報(bào)的 Talagrand分布(單位:%) a．CMC;b．ECMWF;c．UKMO;d．NCEPFig．1 Taragrand distribution of 240 h forecast of surface air temperature(units:%) a．CMC;b．ECMWF;c．UKMO;d．NCEP

圖2給出了2008年7月1日—9月30日地面氣溫預(yù)報(bào)的區(qū)域平均均方根誤差及離散度?？梢?jiàn)，四個(gè)中心溫度預(yù)報(bào)的均方根誤差都隨預(yù)報(bào)時(shí)效延長(zhǎng)而增大，但增幅不大;當(dāng)預(yù)報(bào)時(shí)效從10 d延至15 d，四個(gè)集合預(yù)報(bào)系統(tǒng)的預(yù)報(bào)均方根誤差增幅均在0.3℃以下，其中ECMWF預(yù)報(bào)效果最好，NCEP次之，UKMO預(yù)報(bào)均方根誤差最大。四個(gè)系統(tǒng)的離散度都在1.5～2.0℃之間，明顯小于均方根誤差，且離散度與均方根誤差隨預(yù)報(bào)時(shí)效的變化趨勢(shì)是一致的。

3 延伸期地面氣溫的多模式集成預(yù)報(bào)

由以上分析可知，各模式的預(yù)報(bào)效果不盡相同，都存在系統(tǒng)偏差。為進(jìn)一步消除系統(tǒng)偏差，提高預(yù)報(bào)技巧，擬采用多模式集成平均(Ensemble Mean，EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean，BREM)及超級(jí)集合(Multi-model Superensemble，SUP)三種多模式集成方法，對(duì)2008年7月1日—9月30日四個(gè)集合預(yù)報(bào)系統(tǒng)的地面氣溫延伸期預(yù)報(bào)進(jìn)行集成處理，分析集成前后預(yù)報(bào)效果的改善程度并比較三種集成方法的優(yōu)劣。

圖3給出了研究區(qū)域7月1日—9月30日預(yù)報(bào)時(shí)效為10～15 d單個(gè)集合預(yù)報(bào)系統(tǒng)和三種集成方法對(duì)地面氣溫預(yù)報(bào)的區(qū)域平均均方根誤差以及多模式集成相對(duì)于最優(yōu)單系統(tǒng)的改進(jìn)幅度。圖3a顯示，對(duì)于各個(gè)預(yù)報(bào)時(shí)效，EMN、BREM及SUP三種多模式集成方法均降低了預(yù)報(bào)誤差，其預(yù)報(bào)技巧優(yōu)于單個(gè)系統(tǒng)，且SUP對(duì)預(yù)報(bào)效果的改進(jìn)程度大于BREM及EMN。由圖3b發(fā)現(xiàn)，對(duì)于10～15 d地面氣溫的預(yù)報(bào)，SUP相對(duì)于最優(yōu)單系統(tǒng)ECMWF誤差降低的幅度最大，平均降幅在11%左右;BREM次之，約為7%;EMN的改進(jìn)效果最差，誤差平均減小幅度僅為2%。

圖4給出了EMN、BREM及SUP三種集成方案相對(duì)于最優(yōu)系統(tǒng)ECMWF在92 d預(yù)報(bào)期內(nèi)地面氣溫240 h預(yù)報(bào)平均均方根誤差減小百分比的地理分布。由圖4可知，三種集成方案比單個(gè)系統(tǒng)預(yù)報(bào)效果明顯提高。其中，EMN對(duì)均方根誤差的減小程度最小，大部分地區(qū)在10%左右;BREM對(duì)預(yù)報(bào)效果的改進(jìn)程度比EMN顯著，大部分地區(qū)在10% ～30%之間，局部地區(qū)改進(jìn)百分比達(dá)50%以上;SUP的改進(jìn)效果最明顯，在整個(gè)預(yù)報(bào)區(qū)域內(nèi)其改進(jìn)百分比都較高，尤其是在歐亞大陸上，誤差減小幅度較大。綜上所述，多模式集成平均、消除偏差集成平均及多模式超級(jí)集合三種集成方法都有效地減小了預(yù)報(bào)區(qū)域的預(yù)報(bào)均方根誤差且SUP效果最佳。這說(shuō)明SUP是一種有效的多模式集成方法，能夠提高預(yù)報(bào)技巧，穩(wěn)定預(yù)報(bào)效果。

圖2 2008年7月1日—9月30日地面氣溫預(yù)報(bào)的區(qū)域平均均方根誤差及離散度(單位:℃) a．CMC;b．ECMWF;c．UKMO;d．NCEPFig．2 The mean RMS error and ensemble spread of surface air temperature forecast in the forecast area from 1 July to 30 September 2008(units:℃) a．CMC;b．ECMWF;c．UKMO;d．NCEP

圖3 2008年7月1日—9月30日單個(gè)集合預(yù)報(bào)系統(tǒng)和三種多模式集成方案對(duì)地面氣溫預(yù)報(bào)的區(qū)域平均均方根誤差(a;單位:℃)以及三種集成方案相對(duì)于最優(yōu)單系統(tǒng)ECMWF誤差減小的區(qū)域平均百分比(b;單位:%)Fig．3 (a)The mean RMS error of surface air temperature forecast for single ensemble forecasting system and three multi-model ensemble methods from 1 July to 31 September 2008(units:℃)and(b)the decrease rate of RMS error for three multi-model ensemble methods compared with the best single system ECMWF(units:%)

圖4 2008年7月1日—9月30日三種多模式集成方案相對(duì)于最優(yōu)集合預(yù)報(bào)系統(tǒng)ECMWF的240 h預(yù)報(bào)均方根誤差減小百分比的地理分布(單位:%) a．EMN相對(duì)于ECMWF誤差減小的百分比;b．BREM相對(duì)于ECMWF誤差減小的百分比;c．SUP相對(duì)于ECMWF誤差減小的百分比Fig．4 Geographical distribution of RMS error decrease rate of 240 h forecast for three multi-model ensemble methods compared with the best single ensemble forecasting system ECMWF from 1 July to 30 September 2008(units:%) a．decrease rate of EMN compared with ECMWF;b．decrease rate of BREM compared with ECMWF;c．decrease rate of SUP compared with ECMWF

4 滑動(dòng)平均后地面氣溫的多模式集成預(yù)報(bào)

由以上研究發(fā)現(xiàn)，10～15 d地面氣溫逐日預(yù)報(bào)誤差較大，即使是最好的集成方案SUP，其在各個(gè)預(yù)報(bào)時(shí)效的均方根誤差都在2.4℃以上。為進(jìn)一步縮小預(yù)報(bào)誤差，考慮將各個(gè)集合預(yù)報(bào)系統(tǒng)的預(yù)報(bào)資料及“觀測(cè)”資料進(jìn)行滑動(dòng)平均處理，再對(duì)滑動(dòng)平均后的資料進(jìn)行多模式集成，以濾去短波擾動(dòng)，研究延伸期內(nèi)地面氣溫某幾天的平均狀態(tài)?；瑒?dòng)平均的滑動(dòng)步長(zhǎng)分別選取3 d、5 d及7 d。

圖5給出了滑動(dòng)平均前后單個(gè)系統(tǒng)及三種多模式集成方法在各個(gè)時(shí)效的區(qū)域平均均方根誤差。從圖5可以看出，無(wú)論是逐日預(yù)報(bào)還是滑動(dòng)平均后，SUP、BREM和EMN三種集成方法明顯優(yōu)于單個(gè)系統(tǒng)。其中，SUP預(yù)報(bào)效果最好，BREM 次之，EMN最差。逐日預(yù)報(bào)中，SUP在各個(gè)時(shí)效的平均誤差約為2.6℃;3 d滑動(dòng)平均后，SUP在各個(gè)時(shí)效的平均均方根誤差約為2.0℃，比逐日預(yù)報(bào)降低了0.5℃;5 d及7 d滑動(dòng)平均后，SUP在各個(gè)時(shí)效的平均均方根誤差已分別降低至1.7℃和1.5℃左右。這說(shuō)明，地面氣溫預(yù)報(bào)的均方根誤差隨著滑動(dòng)步長(zhǎng)的增大而降低。由圖5還可發(fā)現(xiàn)，滑動(dòng)平均后BREM和SUP與單個(gè)系統(tǒng)和EMN相比，優(yōu)勢(shì)更加突出:滑動(dòng)平均之前，SUP較最優(yōu)系統(tǒng)ECMWF平均誤差僅降低了0.3℃，而3 d滑動(dòng)平均后，SUP較ECMWF平均誤差降低了0.5℃，5 d及7 d滑動(dòng)平均后，SUP較ECMWF平均誤差分別降低了0.60℃和0.65℃。總之，SUP在逐日預(yù)報(bào)中和滑動(dòng)平均預(yù)報(bào)中都明顯提高了預(yù)報(bào)技巧，該方法對(duì)于延伸期天氣過(guò)程的預(yù)報(bào)也有一定的價(jià)值。

圖6給出了2008年7月1日—9月30日多模式超級(jí)集合地面氣溫240 h預(yù)報(bào)平均均方根誤差的地理分布。由圖6可知，逐日預(yù)報(bào)中誤差較大的區(qū)域位于歐亞大陸及北美大陸上。3 d滑動(dòng)平均后，絕大部分地區(qū)的預(yù)報(bào)誤差明顯降低。其中北美大陸的誤差降低至2～3℃，歐亞大陸上誤差在4℃以上的區(qū)域明顯縮小;5 d及7 d滑動(dòng)平均后，誤差進(jìn)一步降低，尤其在7 d滑動(dòng)平均后，歐亞大陸誤差在4℃以上的區(qū)域基本消失，北美大陸上的誤差也進(jìn)一步降低。

由以上分析可知，SUP在逐日預(yù)報(bào)，3 d、5 d及7 d滑動(dòng)平均預(yù)報(bào)中，都明顯改善了預(yù)報(bào)效果。而上述的SUP是基于交叉檢驗(yàn)的，即將其中1 d作為預(yù)報(bào)期，其余的樣本作為訓(xùn)練期，但這個(gè)訓(xùn)練期長(zhǎng)度并不一定是最佳的。那么，訓(xùn)練期究竟取多長(zhǎng)，預(yù)報(bào)效果才最好呢?下面嘗試對(duì)訓(xùn)練期窗口進(jìn)行調(diào)試，以找出SUP的最佳訓(xùn)練期長(zhǎng)度，最大程度地發(fā)揮該方法的優(yōu)勢(shì)。嘗試以10～80 d逐日作為訓(xùn)練期，計(jì)算各個(gè)訓(xùn)練期長(zhǎng)度下的預(yù)報(bào)均方根誤差。圖7給出了10～15 d各個(gè)時(shí)效SUP預(yù)報(bào)誤差隨訓(xùn)練期長(zhǎng)度的變化。由圖7可知，對(duì)于逐日及3 d滑動(dòng)平均預(yù)報(bào)，10～12 d的預(yù)報(bào)誤差在訓(xùn)練期為75 d時(shí)最小，對(duì)于13～15 d預(yù)報(bào)，其訓(xùn)練期選取35 d為宜;對(duì)于5 d及7 d滑動(dòng)平均預(yù)報(bào)，10～15 d各個(gè)時(shí)效的預(yù)報(bào)均方根誤差在訓(xùn)練期為35 d時(shí)最小。

圖5 2008年7月1日—9月30日單個(gè)集合預(yù)報(bào)系統(tǒng)及三種多模式集成方案對(duì)地面氣溫預(yù)報(bào)的區(qū)域平均均方根誤差(單位:℃) a．逐日;b．3 d滑動(dòng)平均;c．5 d滑動(dòng)平均;d．7 d滑動(dòng)平均Fig．5 The mean RMS error of surface air temperature forecast for single ensemble forecasting system and multi-model ensemble methods from 1 July to 30 September 2008(units:℃) a．daily;b．3-day moving average;c．5-day moving average;d．7-day moving average

5 結(jié)論

本文對(duì) CMC、ECMWF、UKMO及 NCEP四個(gè)集合預(yù)報(bào)中心2008年7月1日—9月30日的10～15 d地面氣溫延伸期集合預(yù)報(bào)在北半球中緯度的預(yù)報(bào)效果進(jìn)行檢驗(yàn)評(píng)估，并利用多模式集成平均、消除偏差集成平均及超級(jí)集合進(jìn)行多模式集成預(yù)報(bào)試驗(yàn)，比較了三種集成方法的預(yù)報(bào)效果;又對(duì)各模式的延伸期地面氣溫預(yù)報(bào)資料進(jìn)行滑動(dòng)平均處理，并對(duì)滑動(dòng)平均后的資料集成;最后對(duì)超級(jí)集合的訓(xùn)練期窗口進(jìn)行了調(diào)試。得到以下結(jié)論:

1)四個(gè)集合預(yù)報(bào)系統(tǒng)的離散度均偏小，存在一定的系統(tǒng)偏差。10～15 d地面氣溫逐日預(yù)報(bào)中，ECMWF的預(yù)報(bào)效果最佳，NCEP和 CMC次之，UKMO預(yù)報(bào)效果最差。

2)多模式集成平均在一定程度上減小了單個(gè)系統(tǒng)預(yù)報(bào)的系統(tǒng)誤差，預(yù)報(bào)效果優(yōu)于最好的系統(tǒng)ECMWF，但對(duì)預(yù)報(bào)效果的改善不明顯;消除偏差集成平均使預(yù)報(bào)的均方根誤差得到明顯降低，預(yù)報(bào)效果優(yōu)于最好的單系統(tǒng)和集成平均;超級(jí)集合是對(duì)等權(quán)消除偏差的改進(jìn)，它使好的模式在集成中獲得較大的權(quán)重，從而進(jìn)一步改善了預(yù)報(bào)效果。

3)對(duì)資料進(jìn)行滑動(dòng)平均，在一定程度上濾去了短波擾動(dòng)，反映了延伸期中某一天氣過(guò)程的平均狀態(tài)，故其預(yù)報(bào)均方根誤差低于逐日預(yù)報(bào)，且7 d滑動(dòng)平均效果最好，其次是5 d及3 d滑動(dòng)平均。BREM及SUP的優(yōu)勢(shì)在滑動(dòng)平均后的預(yù)報(bào)中較單個(gè)系統(tǒng)及EMN更加突出。

圖6 2008年7月1日—9月30日多模式超級(jí)集合對(duì)地面氣溫240 h預(yù)報(bào)的平均均方根誤差地理分布(單位:℃) a．逐日;b．3 d 滑動(dòng)平均;c．5 d 滑動(dòng)平均;d．7 d 滑動(dòng)平均Fig．6 Geographical distribution of the mean RMS error of 240 h surface air temperature forecast of SUP from 1 July to 30 September 2008(units:℃) a．daily;b．3-day moving average;c．5-day moving average;d．7-day moving average

4)通過(guò)對(duì)SUP訓(xùn)練期的調(diào)試，發(fā)現(xiàn)滑動(dòng)平均前后，不同時(shí)效的最適訓(xùn)練期長(zhǎng)度也不同。對(duì)于逐日及3 d滑動(dòng)平均預(yù)報(bào)，10～12 d預(yù)報(bào)的訓(xùn)練期為75 d時(shí)最佳，13～15 d預(yù)報(bào)的訓(xùn)練期長(zhǎng)度選取35 d為宜;對(duì)于5 d及7 d滑動(dòng)平均預(yù)報(bào)，10～15 d各個(gè)預(yù)報(bào)時(shí)效的均方根誤差在訓(xùn)練期長(zhǎng)度為35 d時(shí)最小。

陳麗娟，李維京．1999．月動(dòng)力延伸預(yù)報(bào)產(chǎn)品的評(píng)估和解釋應(yīng)用［J］．應(yīng)用氣象學(xué)報(bào)，10(3):486-490．

段明鏗，王盤興．2004．集合預(yù)報(bào)方法研究及應(yīng)用進(jìn)展綜述［J］．南京氣象學(xué)院學(xué)報(bào)，27(2):279-288．

金榮花，馬杰，畢寶貴．2010.10～30 d延伸期預(yù)報(bào)研究進(jìn)展和業(yè)務(wù)現(xiàn)狀［J］．沙漠與綠洲氣象，4(2):1-5．

李俊，杜鈞，王明歡，等．2009．中尺度暴雨集合預(yù)報(bào)系統(tǒng)研發(fā)中的初值擾動(dòng)試驗(yàn)［J］．高原氣象，28(6):1365-1375．

李莉，李應(yīng)林，田華，等．2011．T213全球集合預(yù)報(bào)系統(tǒng)性誤差訂正研究［J］．氣象，37(1):32-34．

李維京，陳麗娟．1999．動(dòng)力延伸預(yù)報(bào)產(chǎn)品釋用方法的研究［J］．氣象學(xué)報(bào)，57(3):338-345．

林春澤，智協(xié)飛，韓艷，等．2009．基于TIGGE資料的地面氣溫多模式超級(jí)集合預(yù)報(bào)［J］．應(yīng)用氣象學(xué)報(bào)，20(6):706-712．

麻巨慧，朱躍建，王盤興，等．2011．NCEP、ECMWF及CMC全球集合預(yù)報(bào)業(yè)務(wù)系統(tǒng)發(fā)展綜述［J］．大氣科學(xué)學(xué)報(bào)，34(3):370-380．

肖玉華，何光碧，陳靜，等．2011．區(qū)域集合預(yù)報(bào)增長(zhǎng)模繁殖擾動(dòng)方法研究［J］．高原氣象，30(1):94-102．

智協(xié)飛，陳雯．2010．THORPEX國(guó)際科學(xué)研究新進(jìn)展［J］．大氣科學(xué)學(xué)報(bào)，33(4):504-511．

智協(xié)飛，林春澤，白永清，等．2009．北半球中緯度地區(qū)地面氣溫的超級(jí)集合預(yù)報(bào)［J］．氣象科學(xué)，29(5):569-574．

Epstein E S．1969．Stochastic dynamic prediction［J］．Tellus，21:739-759．

Krishnamurti T N，Kishtawal C M，LaRow T E，et al．1999．Improved weather and seasonal climate forecasts from multimodel superensemble［J］．Science，285:1548-1550．

Krishnamurti T N，Kishtawal C M，Shin D W，et al．2000a．Improving tropical precipitation forecasts from a multianalysis superensemble［J］．J Climate，13:4217-4227．

Krishnamurti T N，Kishtawal C M，Zhang Zhan，et al．2000b．Multimodel ensemble forecasts for weather and seasonal climate［J］．J Climate，13:4196-4216．

Krishnamurti T N，Gnanaseelan C，Chakraborty A．2007．Prediction of the diurnal change using a multimodel superensemble．Part I:Precipitation［J］．Mon Wea Rev，135:3613-3632．

Lorenz E N．1963．Deterministic nonperiodic flow［J］．J Atmos Sci，20:130-141．

圖7 10～15 d各個(gè)時(shí)效SUP預(yù)報(bào)均方根誤差隨訓(xùn)練期長(zhǎng)度的變化(單位:℃) a．逐日;b．3 d滑動(dòng)平均;c．5 d滑動(dòng)平均;d．7 d滑動(dòng)平均Fig．7 The mean RMS error change of SUP with the training period length for forecasting time from 10 to 15 d(units:℃) a．daily;b．3-day moving average;c．5-day moving average;d．7-day moving average

Lorenz E N．1995．Predictability:A problem partly solved［C］//Proceedings of Seminar on predictability，Vol．1．Reading，UK:ECMWF:1-18．

Miyakoda K，Gordon T，Carerly R，et al．1983．Simulation of a blocking event in January 1977［J］．Mon Wea Rev，111:846-869．

Mo R，Straus D M．2002．Statistical-dynamical seasonal prediction based on principal component regression of GCM ensemble integrations［J］．Mon Wea Rev，130:2167-2187．

Palmer T N．1990．The European Centre for Medium-Range Weather Forecasts(ECMWF)program on extended-range prediction［J］．Bull Amer Meteor Soc，71(9):1317-1330．

Palmer T N．1993．Extended-range atmospheric prediction and the Lorenz model［J］．Bull Amer Meteor Soc，74:49-65．

Richardson D，Buizza R，Hagedorn R．2005．Final report of the 1st workshop on the THORPEX Interactive Grand Global Ensemble(TIGGE)［R］//WMO/TD No．1273，WWRP/THORPEX，No．5．Ripley E A，Archibold O W．2002．Accuracy of Canadian short-and medium-range weather forecasts［J］．Weather，57:448-457．

Talagrand O，Vautard R．1997．Evaluation of probabilistic prediction system［C］//Proceedings of ECMWF Workshop on Predictability．Reading，United Kingdom:ECMWF:1-25．

Vijaya Kumar T S V，Krishnamurti T N，F(xiàn)iorino M，et al．2003．Multimodel superensemble forecasting of tropical cyclones in the Pacific［J］．Mon Wea Rev，131:574-583．

Zhi Xiefei，Bai Yongqing，Lin Chunze，et al．2009．Multimodel superensemble forecasts of the surface air temperature in the Northern Hemisphere［C］//Abstract，Third THORPEX International Science Symposium．California:TTISS．

Zhi Xiefei，Zhang Ling，Bai Yongqing．2011．Application of the multimodel ensemble forecast in the QPF［C］//Proceedings of International Conference on Information Science and Technology．Nanjing，China:IEEE:657-660．doi:10.1109/ICIST．2011.5765333．

Zhi Xiefei，Qi Haixia，Bai Yongqing，et al．2012．A comparison of three kinds of multi-model ensemble forecast techniques based on the TIGGE data［J］．Acta Meteor Sinica，26(1):41-51．doi:10.1007/s13351-012-0104-5．