我国的热带气旋路径数值预报业务水平在20世纪90年代前期获得较大进展, 近10年来进展不大, 其原因主要有两方面:一是热带气旋主要活动在洋面上, 观测资料缺乏, 除了其位置、强度等特征量的估测存在误差外, 热带气旋的初始结构也只是依据其热力、动力理论结构及半经验公式构造得到, 将这种理想化的结构模型嵌套至客观分析场后形成的模式初始场的不确定性就更显然; 其次, 由于对热带气旋活动和变化过程的认识还不够深入, 用于预报其路径的数值模式尚缺乏针对性, 其参数化方案反映的不确定性尤为明显。
集合预报技术是减小初始条件不确定性与模式不确定性对数值预报结果影响的有效方法, 这一技术在中期天气预报和短期气候预测中已获得成功应用和发展[1-3], 在短期天气预报中也得到应用[4-5]。将集合预报技术应用于热带气旋路径数值预报的研究开始于20世纪90年代中期。Zhang等[6]用EOF方法分析预报场的扰动在有限时间内的不稳定模, 以不稳定模态为基础构造初始扰动, 所有试验个例路径集合预报结果均优于控制试验预报结果, 但该方法试验的个例较少。Cheung等[7-8]选用一个正压模式, 用随机扰动法(MCF)、滞后平均法(LAF)和增长模繁殖法(BGM)分别生成环境场扰动和涡旋扰动, 其中用LAF和BGM方法生成环境场扰动, 66个热带气旋个例中分别有36%和42%的个例路径预报精度得到提高。Goerss[9]将不同模式的预报作为集合成员, 对1995-1996年大西洋飓风进行试验, 3个模式结果简单平均后的24 h, 48 h和72 h平均距离误差分别比3个模式中的最好结果改进16%, 20%和23%。Kumar等[10]将欧洲中心、美国、英国和日本的6个业务模式预报结果作为集合成员, 用多元回归技术产生每个成员的权重系数, 对1998, 1999年和2000年太平洋热带气旋路径和强度进行试验, 集合预报结果显著好于各模式预报结果, 也好于简单的集合平均结果。
我国虽然也已开展了热带气旋路径集合预报方面的工作, 但研究尚处于起步阶段。周霞琼等用一个正压模式进行热带气旋路径集合预报试验[11], 在此基础上还研究了路径概率预报的可行性[12], 并用LAF方法对2000年汛期热带气旋进行了业务试验[13]。最近广州热带海洋气象研究所也开展了这方面的工作[14-15]。然而目前还没有针对西北太平洋热带气旋路径的比较成熟的集合预报方法。
本文以MM5模式作为试验模式, 分别考虑初始条件的不确定性和预报模式的不确定性, 用增长模繁殖法(BGM)和模式物理过程扰动法(MPP)形成集合成员, 对2005年在我国登陆的热带气旋路径进行集合预报试验, 试图找到适合西北太平洋热带气旋路径的集合预报方法, 为建立热带气旋路径集合预报系统奠定基础。
1 试验模式与资料试验模式为PSU/NCAR的MM5 V3非静力模式。模式区域中心位于目标热带气旋中心, 水平分辨率为45 km, 格点数为115×115, 垂直方向为σ坐标, 分辨率为不等距23层, 顶层气压为100 hPa。模式选用的物理参数化方案主要有:Grell对流参数化方案、MRF边界层参数化方案、简单冰相的显式湿方案、云辐射方案和多层土壤模式方案。
试验所用资料为美国AVN全球谱模式的初始场和预报场。考虑到进行业务运行时, 和起报时刻对应的AVN初始场无法得到, 而对应于起报时刻前24 h和前12 h的AVN初始场可以得到, 因此在繁殖增长模时将AVN初始场作为模式积分的初始场, 在进行集合预报时则将AVN的12 h预报场作为模式积分的初始场。由于试验主要是考察集合预报相对于控制试验的改进效果, 因此在模式积分的初始场上不加bogus, 也不对初始热带气旋位置进行调整。
2 试验个例2005年西北太平洋和南海海域发生的风暴级以上的热带气旋共23个, 其中8个在我国登陆。8个热带气旋中0508“天鹰”和0510“珊瑚”为强热带风暴, 生命史较短, 其余6个都达到台风强度, 生命史长, 影响强度大、范围广, 造成的损失巨大。
对2005年登陆我国的8个热带气旋进行了52次路径集合预报试验, 预报起始时刻为08:00(北京时, 下同)或20:00, 预报时间为72 h。试验对象选取的原则是:除了生命史不足72 h的“天鹰”和“珊瑚”外, 对其他6个热带气旋, 以08:00和20:00为起始时刻, 只要72 h内没有减弱为热带低压就进行预报试验。表 1为进行试验的热带气旋概况。
|
|
表 1 试验热带气旋概况 Table 1 The information of the experiment tropical cyclones |
3 试验方案
对52次路径进行3组试验, 分别为试验A、试验B和试验C, 集合成员为12个, 包括1个控制试验和11个扰动成员。
试验A从初始条件的不确定性出发, 用增长模繁殖法(BGM)产生扰动成员。在预报起始时刻的前24 h开始繁殖增长模, 进行2次繁殖循环, 每次繁殖的积分时间为12 h。具体繁殖方法为:在起报时刻前24 h的初始水平风场(u和v)与温度场(t)上加上小扰动, 小扰动的分布形态由一个分布于-1~1之间的随机函数给出, 大小由常值系数确定, 常值系数从低层到高层逐渐增大, 水平风场的常值系数最低层为2, 最高层为6.5, 温度场的常值系数最低层为1.4, 最高层为2.5;分别从扰动初始场和未扰动初始场出发, 积分12 h, 将两个积分结果相减得到两者的差值场, 分别对水平风场的差值场与温度场的差值场的整体大小进行调整, 使之与初始扰动场有相同的扰动幅度, 将调整后的差值场再加到起报时刻前12 h的初始水平风场与温度场上, 重复一次上述步骤即可得到起报时刻的增长模, 在初始水平风场与温度场上加上或减去增长模就是所需要的扰动成员。
试验B从预报模式的不确定性出发, 用模式物理过程扰动法(MPP)产生扰动成员。这里MPP方法通过选择不同的物理参数化方案实现, 将不同的对流参数化方案、边界层参数化方案和显式湿方案进行组合得到11个扰动成员, 初始场保持不变。表 2为试验B(MPP)12个集合成员物理参数化方案的配置, 成员2为控制试验。
试验C则在试验A和试验B的基础上, 将BGM方法和MPP方法相结合产生扰动成员。
|
|
表 2 试验B(MPP)12个集合成员的构成 Table 2 The formation of the 12 ensemble members of test B(MPP) |
4 试验结果
图 1、图 2和图 3分别为0509“麦莎”(起始时刻8月5日08:00)、0513“泰利”(起始时刻8月28日20:00)和0515“卡努”(起始时刻9月9日08:00)的72 h路径, 这里集合预报路径为12个成员的简单算术平均结果(以下相同)。
|
|
| 图 1. BGM方法(a)和MPP方法(b)预报的0509“麦莎”72 h路径 (起报时刻为8月5日08:00, 实心圆线为实况路径, 空心圆线为集合预报路径, 空心正方形线为控制试验预报路径, 其他直线为扰动成员预报路径, 时间间隔为6 h) Fig 1. The 72 h tracks of Maisa(0509)forecasted by the methods of BGM(a)and MPP(b) (the initial time is 08:00 on August 5;line with solid circles:best track; line with empty circles:ensemble mean track; line with empty squares:control forecast; other lines:perturbation members; time interval:6 h) | |
|
|
| 图 2. BGM方法(a)和MPP方法(b)预报的0513“泰利” 72 h路径 (起报时刻8月28日20:00, 其他说明同图 1) Fig 2. The 72 h tracks of Talim(0513)forecasted by the methods of BGM(a)and MPP(b) (the initial time is 20:00 on August 28, others as in Fig.1) | |
|
|
| 图 3. BGM方法(a)和MPP方法(b)预报的0515“卡努” 72 h路径 (起报时刻9月9日08:00, 其他说明同图 1) Fig 3. The 72 h tracks of Khanum(0515)forecasted by the methods of BGM(a)and MPP(b) (the initial time is 08:00 on September 9;others as in Fig.1) | |
0509“麦莎”是2005年影响我国范围最广的台风, 8月6日03:40在浙江玉环登陆后一路北上, 影响我国东部海域、华东地区以及东北南部地区。从图 1可以看到, 控制试验预报的路径擦过浙江东部、上海和江苏东部转向东北偏北移动, 没有登陆, 与实况差异较大, BGM方法和MPP方法的集合预报路径则明显好于控制试验路径, 尤其是MPP集合预报路径, 较好地反映了热带气旋登陆和北上的过程; 两种方法的扰动成员路径均具有一定的发散度, BGM成员路径呈均匀发散状, MPP成员路径的分布则不均匀, 大部分集中于左侧。
对于8月28日20:00起报的0513“泰利”72 h路径(图 2), 尽管BGM方法和MPP方法的扰动成员路径都有合理的发散度, 但两种方法的集合预报效果相反, BGM方法对路径预报有改进, MPP方法则降低了路径预报精度, 其集合预报路径与实况的偏差比控制试验更大。
对于9月9日08:00起报的0515“卡努” 72 h路径(图 3), 控制试验没有预报出热带气旋的登陆, 其路径在近海转向; 考察集合预报结果, BGM方法的集合预报路径与实况非常接近, 尤其在36 h以后, 只是移速偏慢, MPP方法的集合预报尽管也没有预报出热带气旋的登陆, 但比控制试验有明显改进, 其不足主要是成员间发散度偏小。
综观52次路径的试验结果, 对于BGM方法, 虽然不同路径的集合预报效果各不相同, 但该方法对大部分路径预报有改进作用; 对于MPP方法, 不同路径的集合预报效果差异很大, 有些效果较好, 有些则起负作用, 即集合预报结果比控制试验差, 而且总体上起负作用的路径更多些。
为了对集合预报的总体效果有更清晰的认识, 分别计算集合预报相对于控制试验的技巧水平R和反映集合预报发散度Spread与Frms比值。R的计算方法如下:
|
(1) |
式(1)中, Econtrol和Eensemble分别为控制试验预报和集合平均预报的热带气旋位置距离误差。显然, R越大越好, R越大, 表明集合预报相对于控制试验的改进越多, 反之, 如果技巧水平为负技巧, 即R小于0, 表明集合预报结果不如控制试验。
一个好的集合预报系统不仅要有较高的技巧水平, 还要有合理的发散度, Spread与Frms比值是对集合预报发散度进行度量的一个指标。Spread代表各成员间的离散度, 以各成员预报的热带气旋位置与集合平均预报的热带气旋位置之间的距离均方根差来表征(D), 将Frms定义为各成员预报的热带气旋位置与热带气旋实况位置之间的距离均方根差(r), 一般认为一个理想集合预报系统的Spread应与Frms相当, 也就是D/r=1, 如果D/r >1, 表明系统发散度太大, 如果D/r < 1, 系统发散度则太小。
表 3给出了对52次路径, BGM方法和MPP方法的集合预报相对于控制试验的平均技巧水平R以及两种方法的平均Spread与Frms比值, 还给出了集合预报正技巧的次数占总次数的比率, 简称为正技巧比率。从表 3可以看到, 对于BGM方法, 从预报时效6 h到72 h, 集合预报相对于控制试验都为正技巧, 技巧水平在6%以上, 最高的达到12%, 从正技巧比率看, 除了个别时效外, 其余都在55%以上, 由此可见BGM方法的集合预报结果总体上好于控制试验。MPP方法的集合预报结果总体上则不如控制试验, 表 3显示, 从预报时效6 h到48 h, 集合预报相对于控制试验都为负技巧, MPP方法的正技巧比率也都在50%以下。再看发散度的情况, 两种方法的发散度都偏小, 尤其是MPP方法。
|
|
表 3 52次预报的平均技巧水平R、正技巧比率及Spread与Frms比值(D/r) Table 3 The mean skill levels R, positive skill percentages and the ratio of Spread to Frms(D/r)from 52 forecasts |
MPP方法的集合预报效果总体上不理想, 然而在考察了每次预报结果后发现, 当热带气旋发展到中、后期、其强度达到台风时, MPP集合预报效果往往较好。为此将起报时刻达到台风强度的热带气旋与没有达到台风强度的热带气旋分开, 分别计算对于这两类热带气旋, 集合预报相对于控制试验的平均技巧水平R和平均D/r, 52次路径中起报时刻达到台风强度的有25次, 没有达到台风强度的有27次(以下分别简称为台风和非台风)。
表 4为对25次台风路径和27次非台风路径, BGM方法和MPP方法的集合预报相对于控制试验的平均技巧水平R与两种方法的平均D/r。表 4显示, MPP方法对台风和非台风的集合预报效果相反, 对台风, 除了预报时效18 h外, MPP集合预报相对于控制试验都为正技巧, 从时效54 h到72 h, 技巧水平在15%以上, 集合预报的改进效果明显, 对非台风, MPP集合预报结果都比控制试验结果差, 而且大部分时效集合预报相对于控制试验的技巧水平在-10%以下; 对于BGM方法, 虽然对两类热带气旋, 集合预报相对于控制试验都为正技巧, 但BGM方法对非台风的集合预报效果好于对台风的集合预报效果, 从表 4还可以看到, BGM方法对非台风的技巧水平明显高于对台风的技巧水平; 从D/r结果看, 无论BGM方法还是MPP方法, 两类热带气旋中集合预报效果好的系统发散度总体上略大些, 但仍存在偏小的问题。
|
|
表 4 两类热带气旋的平均技巧水平R及Spread与Frms比值(D/r) Table 4 The mean skill levels R and the ratio of Spread to Frms(D/r)of two kind tropical cyclones |
为什么MPP方法对初始时刻强度不同的两类热带气旋路径的集合预报效果完全不同?其原因在于相同的物理参数化方案配置对两类热带气旋路径的预报效果不同。对于集合预报相对于控制试验的技巧水平, 当大部分扰动成员的预报结果好于控制试验的预报结果时, 集合预报相对于控制试验的技巧水平往往较高, 集合预报效果较好, 反之集合预报效果则较差。从MPP方法的结果中可以看到, 控制试验的物理参数化方案配置比较适合于对强度较弱的热带气旋路径的预报, 不适合于对强度达到台风的热带气旋路径的预报; 对强度较弱的热带气旋, 控制试验的方案配置总体上优于大部分扰动成员的方案配置, 使得控制试验的预报结果总体上好于大部分扰动成员的预报结果, 因此集合平均后的结果反而比控制试验差, 对强度达到台风的热带气旋情况相反, 因此集合平均后的结果比控制试验有改进。因此在进行热带气旋路径数值预报时, 可以考虑对强度不同的热带气旋选用不同的物理参数化方案。
从BGM方法对两类热带气旋路径集合预报效果的差异中可以看到, 在进行初值扰动集合预报时, 选择合适的物理参数化方案是非常重要的。控制试验的物理参数化方案配置对强度较弱的热带气旋路径的预报效果好于对强度达到台风的热带气旋路径的预报效果, 与此对应, 前者的BGM集合预报效果好于后者, 可见合适的方案配置可以提高BGM方法的集合预报效果。
从以上结果可以看到, 相对于控制试验, BGM方法的集合预报效果较好, 其中对强度较弱的热带气旋的集合预报效果更好些; MPP方法相对于控制试验的平均技巧水平虽为负技巧, 但对达到台风强度的热带气旋的集合预报效果较好。针对这一结果设计试验C方案进行第3组试验, 集合成员仍为12个, 包括1个控制试验, 控制试验与试验A和试验B相同。根据强度将热带气旋分为两类, 对初始时刻没有达到台风强度的热带气旋, 用BGM方法形成11个扰动成员, 对达到台风强度的热带气旋, 4个扰动成员用BGM方法形成, 另外7个扰动成员用MPP方法形成, 7个MPP扰动成员挑选试验B中总体预报效果较好的7个成员, 为试验B中的成员1, 3, 4, 6, 7, 8和12。
图 4为试验A(BGM)、试验B(MPP)和试验C的52次预报的平均技巧水平R。从图中可以看到, 从预报时效12 h起, 试验C集合预报相对于控制试验的平均技巧水平明显高于总体预报效果较好的试验A, 更高于总体预报效果不理想的试验B, 试验C的平均技巧水平在大部分时效达到10%以上。图 5和图 6分别为不同方法预报的0505“海棠”(起始时刻7月15日20:00)和0509“麦莎”(起始时刻8月5日20:00)的72 h路径。结果显示, 试验C的集合预报结果比试验A和试验B的集合预报结果更接近实况。
|
|
| 图 4. 试验A、试验B和试验C的52次预报的平均技巧水平R Fig 4. The mean skill levels R from 52 forecasts of test A, test B and test C | |
|
|
| 图 5. 不同方法预报的0505“海棠”72 h路径 (起报时刻7月15日20:00, 实心圆线为实况路径, 空心圆线为控制试验预报路径, 三角形线、空心正方形线和实心正方形线分别为试验A、试验B和试验C的集合预报路径, 时间间隔为6 h) Fig 5. The 72 h tracks of Haitang(0505)forecasted by different methods (the initial time is 20:00 on July 15; line with solid circles:best track; line with empty circles:control forecast; line with triangles:ensemble mean track of test A; line with empty squares:ensemble mean track of test B; line with solid squares:ensemble mean track of test C; time interval:6 h) | |
|
|
| 图 6. 不同方法预报的0509“麦莎” 72 h路径 (起报时刻8月5日20:00, 其他说明同图 5) Fig 6. The 72 h tracks of Maisa(0509)forecasted by different methods (the initial time is 20:00 on August 5; others as in Fig.5) | |
由此可见, 根据BGM方法和MPP方法集合预报的不同特点, 将两种方法相结合构造扰动成员的方案C的集合预报效果好于单一方法的集合预报效果。这一结果是合理的, 数值预报的误差来源于初值误差和模式误差, 从理论上说既考虑初始状态不确定性又考虑模式不确定性的集合预报效果应好于仅考虑一方面不确定性的集合预报效果。
尽管方案C的集合预报效果比方案A和方案B有了改进, 但其结果总体上与实况仍有一定的偏差, 究其原因, 一方面与试验模式模拟热带气旋时存在的系统性偏差有关, 另一方面与模式初始场上涡旋的位置偏差有关。试验模式MM5是适用于中纬度气旋锋面系统、暴雨、中尺度对流系统等的非静力有限域模式, 并不是针对热带气旋的, 因此在模拟热带气旋时会存在一定的系统性偏差; 此外在试验中直接将AVN全球谱模式的12 h预报场作为模式积分的初始场, 没有加bogus, 也没有对初始涡旋位置进行调整, 当初始涡旋位置与实况存在较大偏差时, 其结果不可避免地会受到影响而存在偏差。
5 小结本文以MM5模式作为试验模式, 分别用增长模繁殖法(BGM)对初始场进行扰动形成扰动成员和组合不同的物理参数化方案对模式物理过程进行扰动(MPP)形成扰动成员, 对2005年登陆我国的8个热带气旋进行了52次路径集合预报试验, 集合成员为12个。
试验结果显示:无论BGM方法还是MPP方法, 对不同路径的集合预报效果各不相同, 其中MPP方法对不同路径的集合预报效果差异更大; 总体而言, BGM方法的集合预报效果较好, 集合预报相对于控制试验的平均技巧水平都为正技巧, 其中对强度较弱的热带气旋的集合预报效果更好些; MPP方法的集合预报结果总体上不如控制试验, 但对初始时刻强度达到台风的热带气旋的集合预报效果较好, 集合预报相对于控制试验的改进效果明显, 对强度没有达到台风的热带气旋, MPP方法的集合预报效果较差; 针对BGM方法和MPP方法集合预报的不同特点, 对强度没有达到台风的热带气旋采用BGM方法、对强度达到台风的热带气旋将BGM方法和MPP方法相结合构造扰动成员, 这一方法的集合预报效果较好, 好于单一方法的集合预报效果; 对于系统发散度, 尽管大部分路径的成员间都有一定的发散度, 但总体上发散度仍偏小。
试验表明, 对于西北太平洋热带气旋路径、尤其是登陆我国的热带气旋路径, BGM方法是一种比较有效的集合预报方法, 此外根据具体情况适当结合MPP方法可以获得更好的集合预报效果。因此, 开展西北太平洋热带气旋路径集合预报, 可以首先考虑采用BGM方法。在进行BGM方法的集合预报时, 需要选择合适的模式物理参数化方案, 因为在试验中发现, 对于BGM方法的集合预报, 合适的物理参数化方案配置可以提高集合预报效果。在本文试验中, 控制试验的物理参数化方案配置并不适合于对强度达到台风的热带气旋路径的预报, 为了得到更好的集合预报效果, 需要进一步试验寻找合适的方案配置。在下一步工作中, 需要考虑初始涡旋的位置误差, 对初始场进行扰动时将涡旋和环境场分开进行扰动。另外还要解决系统发散度偏小的问题, 并进行更多的个例试验。
| [1] | Toth T, Kalnay E, Ensemble forecasting at NCEP and the breeding method. Mon Wea Rev, 1997, 125: 3297–3319. DOI:10.1175/1520-0493(1997)125<3297:EFANAT>2.0.CO;2 |
| [2] | 李泽椿, 陈德辉. 国家气象中心集合数值预报业务系统的发展及应用. 应用气象学报, 2002, 13, (1): 1–15. |
| [3] | 杜钧. 集合预报的现状和前景. 应用气象学报, 2002, 13, (1): 16–28. |
| [4] | Stensrud D J, Brooks H E, Du J, et al. Using ensembles for short-range forecasting. Mon Wea Rev, 1999, 127: 433–446. DOI:10.1175/1520-0493(1999)127<0433:UEFSRF>2.0.CO;2 |
| [5] | 王晨稀, 端义宏. 短期集合预报技术在梅雨降水预报中的试验研究. 应用气象学报, 2003, 14, (1): 69–78. |
| [6] | Zhang Z, Krishnamurti T N, Ensemble forecasting of hurricane tracks. Bull Amer Meteor Soc, 1997, 78: 2785–2795. DOI:10.1175/1520-0477(1997)078<2785:EFOHT>2.0.CO;2 |
| [7] | Cheung K K W, Chan J C L, Ensemble forecasting of tropical cyclone motion using a barotropic model.Part Ⅰ:Perturbations of the environment. Mon Wea Rev, 1999, 127: 1229–1243. DOI:10.1175/1520-0493(1999)127<1229:EFOTCM>2.0.CO;2 |
| [8] | Cheung K K W, Chan J C L, Ensemble forecasting of tropical cyclone motion using a barotropic model.Part Ⅱ:Perturbations of the vortex. Mon Wea Rev, 1999, 127: 2617–2640. DOI:10.1175/1520-0493(1999)127<2617:EFOTCM>2.0.CO;2 |
| [9] | Goerss J S, Tropical cyclone track forecasts using an ensemble of dynamical models. Mon Wea Rev, 2000, 128: 1187–1193. DOI:10.1175/1520-0493(2000)128<1187:TCTFUA>2.0.CO;2 |
| [10] | Kumar T S V, Krishnamurti T N, Michael Fiorino, et al. Multimodel superensemble forecasting of tropical cyclones in the Pacific. Mon Wea Rev, 2003, 131: 574–583. DOI:10.1175/1520-0493(2003)131<0574:MSFOTC>2.0.CO;2 |
| [11] | 周霞琼, 端义宏, 朱永禔. 热带气旋路径集合预报方法研究Ⅰ-正压模式结果的初步分析. 热带气象学报, 2003, 19, (1): 1–8. |
| [12] | 周霞琼, 端义宏, 朱永禔. 应用集合预报产品开展热带气旋路径概率预报试验. 气象学报, 2002, 60, (增刊): 111–118. |
| [13] | 周霞琼, 张秀珍, 端义宏, 等. 滞后平均法(LAF)在热带气旋路径集合预报中的应用. 气象科学, 2003, 23, (4): 410–417. |
| [14] | 袁金南, 万齐林, 黄燕燕, 等. 南海热带气旋路径集合预报试验. 热带气象学报, 2006, 22, (2): 105–112. |
| [15] | 黄燕燕, 袁金南, 万齐林, 等. 基于BDA扰动法的台风路径集合预报试验研究. 热带气象学报, 2006, 22, (1): 49–54. |
2007, 18 (5): 586-593

