多模式集成预报及概率预报研究

摘要

本文基于TIGGE资料中的欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)、中国气象局(CMA)、日本气象厅(JMA)和英国气象局(UKMO)五个中心的全球集合预报模式资料，对比研究了几种多模式集成预报方案的优劣以及各自特点。并且针对多模式集成预报产品，进行了概率预报试验。
　　 结果表明，对于地面气温的24-120h预报，线性回归的超级集合预报(LRSUP)以及消除偏差集合平均预报(BREM)效果不如非线性神经网络超级集合预报(NNSUP)。但是当预报时效延长至144-168h时，BREM和LRSUP与NNSUP预报效果相当。采用每个格点最优滑动训练期长度对500hPa位势高度、温度以及风场进行多模式超级集合(SUP)和消除偏差集合平均预报(BREM)，结果发现对于24-120h预报，SUP较最优单中心预报效果改进约16％，而BREM只提高了8％。但是，当预报时效延长到144-168h时，BREM预报技巧已接近SUP的预报技巧。
　　 超级集合预报方法对阻塞过程中特征等高线形势的预报，对阻塞区域高压强度的预报，以及对阻塞高压中心位置、中心强度的预报，均优于单个中心预报和多模式简单集合平均预报。
　　 利用多个模式的集合预报产品，在建立传统的“Poor Man”集合预报的基础上，对多模式概率预报结果进行订正，进一步消除预报的系统性偏差。采用BS、RPS检验方法对地面温度和累积降水的概率预报结果进行评估。结果表明，“Poor Man”集合预报(POOL)及多模式消除偏差集合预报(BREM)明显地改进了单中心模式的概率预报效果，并且BREM预报技巧高于POOL方案。

目录

文摘

英文文摘

声明

第一章 绪论

1.1多模式集成预报研究意义

1.2多模式集成预报国内外研究进展

1.3本文拟研究问题的目的和意义

1.4本文各章节主要内容

第二章多模式集成预报资料及方法

2.1资料

2.2多模式超级集合预报方法

2.2.1线性回归技术超级集合预报

2.2.2非线性神经网络技术超级集合预报

2.2.3消除偏差集合平均预报

2.2.4简单的集合平均预报

2.3预报效果检验方法

第三章多模式集成预报对比研究

3.1线性与非线性技术超级集合预报对比分析

3.2 SUP与BREM对500hPa位势高度预报对比分析

3.3 SUP与BREM预报最优滑动训练期长度地理分布对比分析

3.4 SUP与BREM各格点最优滑动训练期下预报效果对比

3.5模式质量对SUP和BREM集合预报效果的影响

3.6 SUP和BREM较最优单中心预报改善百分比地理分布对比

3.7本章小结

第四章 阻塞个例的多模式集成预报分析

4.1引言

4.2结果分析

4.3本章小结

第五章多模式概率预报研究

5.1引言

5.2资料及方法

5.2.1模式资料

5.2.2 检验资料

5.2.3多模式概率预报方法

5.2.4预报效果评估方法

5.3结果分析

5.3.1地面温度多模式概率预报分析

5.3.2累积降水多模式概率预报分析

5.4本章小结

第六章 总结和讨论

参考文献

致谢