為了更好地理解不同隨機(jī)物理擾動方案對全球中期集合預(yù)報(bào)的影響差異,本研究基于GRAPES全球集合預(yù)報(bào)系統(tǒng)（GRAPES-GEPS）對比分析了隨機(jī)物理傾向擾動（Stochastically Perturbed Parameterization Tendencies,SPPT）、隨機(jī)動能補(bǔ)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(chǎn)生的擾動特征及其對集合預(yù)報(bào)的影響。為避免初值擾動影響,考察隨機(jī)物理方案所產(chǎn)生的擾動特征時(shí),不使用初值擾動。通過擾動與誤差相關(guān)性分析（PECA）發(fā)現(xiàn),不同隨機(jī)物理擾動方案所產(chǎn)生的擾動對預(yù)報(bào)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(shí),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(yù)報(bào)時(shí)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(zhuǎn)移。從擾動總能量的譜結(jié)構(gòu)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(jī)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(xué)報(bào). 2020,78(06)北大核心CSCD

【文章頁數(shù)】：16 頁

【部分圖文】：

2017年8月7—16日12時(shí)SPPT、SKEB與SPPT＿SKEB 3組不使用初值擾動的集合預(yù)報(bào)試驗(yàn)10 d平均的500 h Pa (a）緯向風(fēng)場、（b）經(jīng)向風(fēng)場、（c）溫度場與（d）位勢高度場全球PECA值隨預(yù)報(bào)時(shí)效的演變

考察不同隨機(jī)物理擾動方案下擾動總能量的時(shí)、空演變特征。式中，?u、?v和?T分別表示集合成員與對照預(yù)報(bào)緯向風(fēng)場、經(jīng)向風(fēng)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(yàn)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(jī)物理擾動方案下，預(yù)報(bào)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(yù)報(bào)時(shí)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(zhuǎn)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(guān)，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(shí)還可以看到，大約4 d以后，不同試驗(yàn)方案下擾動總能量垂直結(jié)構(gòu)非常相似，這可能與擾動本身的依流型發(fā)展有關(guān)。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(shí)間后不同初值擾動試驗(yàn)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(yàn)最大，SKEB試驗(yàn)次之，SPPT試驗(yàn)最小。從擾動能量的譜結(jié)構(gòu)（圖4）可以看到，隨著預(yù)報(bào)時(shí)效的增加，所有試驗(yàn)方案中的擾動能量不斷升尺度發(fā)展，向大尺度方向轉(zhuǎn)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(dá)到飽和，不再增長。

對于一個(gè)集合預(yù)報(bào)系統(tǒng)而言，連續(xù)分級概率評分越小，觀測和預(yù)報(bào)的累積概率分布函數(shù)之間的差異越小，概率預(yù)報(bào)技巧越高（Hersbach,2000）。圖7給出了3組采用隨機(jī)物理擾動方案的試驗(yàn)（INI＿SPPT、INI＿SKEB和INI＿SPPT＿SKEB）與INI試驗(yàn)在北半球和熱帶地區(qū)850 h Pa緯向風(fēng)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(fù)，表明相對于INI試驗(yàn)，連續(xù)分級概率評分減小，預(yù)報(bào)技巧有提高。可以看出，北半球，與INI試驗(yàn)相比，3組使用隨機(jī)物理擾動方案的試驗(yàn)評分均有所減�。ú町悶樨�(fù)），其中INI＿SPPT＿SKEB試驗(yàn)溫度場的改進(jìn)最顯著（圖7b）；對于緯向風(fēng)場，在預(yù)報(bào)前期，INI＿SPPT＿SKEB試驗(yàn)的改進(jìn)也最顯著，但預(yù)報(bào)后期，INI＿SKEB試驗(yàn)緯向風(fēng)場連續(xù)分級概率評分的改進(jìn)呈現(xiàn)出減小趨勢，這導(dǎo)致在預(yù)報(bào)后期INI＿SPPT＿SKEB試驗(yàn)連續(xù)分級概率評分的表現(xiàn)與INI＿SPPT試驗(yàn)相近（圖7a）。熱帶地區(qū)，大部分預(yù)報(bào)時(shí)效上，連續(xù)分級概率評分顯著減�。ú町悶樨�(fù)），而且這種改進(jìn)效果在聯(lián)合使用SPPT與SKEB方案時(shí)最好（圖7c、d），說明SPPT與SKEB方案聯(lián)合使用對集合預(yù)報(bào)系統(tǒng)概率預(yù)報(bào)技巧的改進(jìn)程度最大。4.3 預(yù)報(bào)失誤率

【參考文獻(xiàn)】：
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(jìn)及試驗(yàn)分析[J]. 李曉莉,劉永柱.  氣象學(xué)報(bào). 2019(03)
[3]GRAPES全球集合預(yù)報(bào)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(xué)學(xué)報(bào). 2019(03)
[4]GRAPES全球集合預(yù)報(bào)系統(tǒng)模式擾動隨機(jī)動能補(bǔ)償方案初步探究[J]. 彭飛,李曉莉,陳靜,李紅祺.  氣象學(xué)報(bào). 2019(02)
[5]不同隨機(jī)物理擾動方案在一次暴雨集合預(yù)報(bào)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?qū)W順,李曉莉.  氣象學(xué)報(bào). 2013(03)
[7]GRAPES全球集合預(yù)報(bào)的集合卡爾曼變換初始擾動方案初步研究[J]. 馬旭林,薛紀(jì)善,陸維松.  氣象學(xué)報(bào). 2008(04)



本文編號：3403323