地球科学进展, 2019, 34(8): 814-825 DOI: 10.11867/j.issn.1001-8166.2019.08.0814

综述与评述

我国1030天延伸期预报技术进展与发展对策

金荣花,, 马杰,, 任宏昌, 尹姗, 蔡芗宁, 黄威

国家气象中心,北京 100081

Advances and Development Countermeasures of 1030 days Extended-range Forecasting Technology in China

Jin Ronghua,, Ma Jie,, Ren Hongchang, Yin Shan, Cai Xiangning, Huang Wei

National Meteorological Centre, Beijing 100081, China

通讯作者: 马杰(1980-),男,陕西蒲城人,高级工程师,主要从事中期延伸期预报研究. E-mail:majie@mail.iap.ac.cn

收稿日期: 2019-04-24   修回日期: 2019-07-19   网络出版日期: 2019-09-20

基金资助: 夏季高温中期预报方法研究”.  2015BAC03B04
气象预报业务关键技术发展专项“发展11-30天延伸期客观定量预报关键技术”(编号:YBGJXM.  2018)04

Corresponding authors: Ma Jie (1980-), male, Pucheng County, Shaanxi Province, Senior engineer. Research areas include medium and extended range forecast research. E-mail:majie@mail.iap.ac.cn

Received: 2019-04-24   Revised: 2019-07-19   Online: 2019-09-20

作者简介 About authors

金荣花(1969-),女,黑龙江牡丹江人,研究员,主要从事天气分析与大尺度动力过程研究.E-mail:jinrh@cma.gov.cn

JinRonghua(1969-),female,MudanjiangCity,HeilongjiangProvince,Professor.Researchareasincludeweatheranalysisandlarge-scaledynamicprocessresearch.E-mail:jinrh@cma.gov.cn

摘要

10~30天延伸期预报技术是世界性难题,但是延伸期时效预报在我国气象防灾减灾决策服务和重大活动气象保障服务中起着非常重要的作用。近10年来,我国在10~30天延伸期预报技术领域进行了有益的探索,并取得了一定的进展。在总结延伸期预报理论和预报技术的基础上,系统介绍我国延伸期预报业务技术的进展;并结合数值模式发展趋势和未来延伸期预报的需求,分析我国延伸期预报业务中存在的具体技术问题和挑战,最后提出未来延伸期预报业务的发展思路。

关键词: 延伸期预报 ; 技术进展 ; 发展对策 ; 可预报性

Abstract

The 10~30 days extended-range forecasting technology is a worldwide problem, but it plays a very important role in meteorological disaster prevention and mitigation decision-making services and meteorological support services for major activities in China. In the past decade, China has carried out beneficial explorations in 10-30 days extended-range forecasting theory and technology and made some progress. Based on the introduction of the theory and technology of extended-range forecast, this paper systematically introduced the technical progress of China’s extended-range forecasting service; combining with the development trend of numerical model and the demand of future extended-range forecast, here we analyzed the specific technical problems and challenges in China’s extended-range forecast service, and finally proposed the development ideas of future extended-range forecast service.

Keywords: Extended-range forecast ; Technical progress ; Development countermeasures ; Extended-range predictability.

PDF (6619KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

金荣花, 马杰, 任宏昌, 尹姗, 蔡芗宁, 黄威. 我国1030天延伸期预报技术进展与发展对策. 地球科学进展[J], 2019, 34(8): 814-825 DOI:10.11867/j.issn.1001-8166.2019.08.0814

Jin Ronghua, Ma Jie, Ren Hongchang, Yin Shan, Cai Xiangning, Huang Wei. Advances and Development Countermeasures of 1030 days Extended-range Forecasting Technology in China. Advances in Earth Science[J], 2019, 34(8): 814-825 DOI:10.11867/j.issn.1001-8166.2019.08.0814

1 引 言

气象灾害是自然灾害中最为严重的灾害。中国作为世界上气象灾害损失十分严重的国家之一,每年因各种气象灾害造成的农业受灾面积为5 000×104 hm2,直接经济损失占GDP总值的1%~3%,占GDP增加值的10%以上,面临的灾害不仅种类多,如干旱、洪涝、台风、暴雨和寒潮等,而且频次高。不仅危及人民生命和财产安全,而且极大地影响着国民经济的正常运行。近10年来,随着我国经济的快速发展,气象灾害造成的影响愈发显著,2007年仅淮河洪水就造成受灾农田25 000 km2,涉及人口2 474万,直接经济损失155.2亿元;2008年南方低温雨雪冰冻的损失更是高达500亿元、受灾人口1亿;此外还有2009年的川渝干旱、2010年西南地区秋冬春特大干旱、2013年南方持续性高温、2014年“威马逊”台风等。研究表明,引起灾害的天气过程往往与大气环流系统的异常强度和稳定持续程度相伴随[1]。比如2008年南方持续低温雨雪冰冻事件、2013年持续高温事件等,持续的异常环流均先后维持了10~20天。因此,若能提前10~20天准确预报相应天气过程,无疑将提高我国防灾减灾的应对能力,为经济社会的正常运行作出重要贡献。

在我国气象部门,10~30天时效预报被称为延伸期预报,其处于0~10天中短期天气预报和月尺度以上短期气候预测之间,是构建无缝隙、精细化预报预测体系至关重要的一环。然而,由于大气是一个非线性系统,存在内在的随机性[2~4],使得其可预报时效存在一定的范围,超出该时效,预报将失去技巧[5]。理论上逐日预报的可预报时效一般在2周左右。而在业务预报中,其所依赖的数值模式由于对初值和物理过程等存在着敏感性[6],实际所能达到的时效还远小于这一理论上限。以全球性能最好的欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)模式为例,2017—2018年其可预报时效接近9天。因而,10~30天延伸期时效的预报,无论对理论研究还是预报实践均存在诸多困难和挑战,在整个预报预测体系中也处于最薄弱的环节。鉴于此,延伸期的理论研究和预报技术研发一直是国内外热点问题。

2 延伸期预报理论问题

如前言所述,在常规天气预报业务和气候预测之间存在的10~30天预报缝隙,是目前预报业务中的“薄弱点”,它刚好涵盖了逐日预报的可预报时效上限和外强迫开始起作用的时间下限(图1),这使得它在科学研究和气象业务上都很复杂。早在1963年Lorenz[2]就提出,大气是一个高度非线性的混沌系统,这就使得描述其变化的数值模式对初始时刻的误差非常敏感,即非常小的误差,随着时间的演变会不断扩大,使预报值和系统的真实状况相距很远[7~9]。这样就产生了大气的可预报理论:由于初始资料不能做到百分之百的准确,而且数值模式相对真实大气也不完备,这就使得模式永远不能做出预报时效超过两周、准确率超过随机猜测水平的逐日天气预报。延伸期预报既是初值问题,也是边值问题,这在理论上决定了该时间尺度的预报非常困难[10~12]。目前,延伸期预报是一个国际难题,总的预报技巧较低,因此延伸期可预报性是国际研究热点之一[13]

图1

图1   无缝隙天气—气候预报示意图

Fig. 1   The schematic diagram of seamless prediction of weather and climate

纵坐标为不同预报时效对应的预报产品形式,横坐标则为不同领域的应用

The Y-axis means the forecast product in different leading time, the X-axis represents the application in different fields


那么这是否说明,超过2周的预报我们就无能为力?答案是否定的。首先,大气可预报的理论时间长度上限针对的只是大气平均状况。即它仅描述了平均逐日天气预报的最长可预报上限。而不同时空尺度的大气运动,可预报性是不一样的。如局地雷雨、大风或冰雹等强对流天气的可预报性上限只有几个小时[14,15],而线性理论中最慢的波动是天气尺度波,其时间尺度为几天,这是中短期天气预报的重要预报对象[16]。大尺度系统可预报时效则更长[17,18]。其次,理论研究表明,大气环流模式的非线性误差增长到一定时间后,一些大气以外的强迫系统,如土壤湿度、植被、雪、冰盖、陆地温度、反照率和海冰移动等,这些信号的持续性明显比日变化天气更长,它们的作用将使误差增长减慢或停止,表现在这些误差可能在符号上随时间迅速改变,所以几天或更长时间的平均趋向于稳定,从而气象要素在一定时间内的平均值是可以预报的[19]。再者,许多长生命周期的大气现象,如行星尺度Rossby波的强度和位置、Madden-Julian Oscillation(MJO)[1,20]、Arctic Oscillation(AO)等,它们对天气尺度系统有明显的影响(图1)。当后者失去可预报性后,这些受地形等因素作用的准定常系统的可预报性依然保持。研究表明,当这些特定的大气流型出现,或者某些异常环流明显且持续时,此时延伸期天气过程往往具有较好的可预报性,因为这些强的异常环流一般会引发后期的极端天气气候异常。如阻塞高压维持的平均时间为5~7天,有时可达20天以上,它所在的地区往往形成单一天气。2008年低温雨雪冰冻事件就是在这样的背景下发生的[21,22]。夏季,对我国影响最大的乌拉尔山和鄂霍次克海阻高也是明显例子,1998年阻塞高压维持时,我国南方出现连续暴雨天气过程,导致长江中下游遭受百年一遇大洪水。此外,MJO作为全球最强低频信号之一,被认为是联系天气预报和季节预报的桥梁[23]。研究也指出MJO不仅显著影响着我国的降水[24,25],同时对我国的气温异常也有着非常显著的影响[26,27]。基于以MJO为代表的季节内振荡的传播来进行延伸期预报,对于提高极端事件的延伸期预报技巧有着重要意义。

3 国外延伸期预报技术现状

3.1 S2S(Subseasonal to Seasonal Prediction Project)数值预报数据

随着预报时效延长,数值预报存在着不确定性增大和可靠性降低等问题。目前,集合预报被认为是解决初值条件误差和模式误差的有效途径。为此,在业务预报中世界各国均在大力发展集合数值预报技术,它不但可以提高确定性预报的效果和可靠性,还可为概率预报提供基础。比如美国各个业务预报中心[水文气象预报中心(Hydrometeorological Prediction Center, HPC)、风暴预报中心(Storm Prediction Center, SPC)、海洋预报中心(Ocean Prediction Center, OPC)、国家飓风中心(National Hurricane Center, NHC)和航空气象中心(Aviation Weather Center, AWC)]都在使用集合预报产品。美国气象局(National Weather Service,NWS)发布的气象战略目标中宣称未来发布的所有预报产品都将是具有动力学意义的概率预报。2014年,世界气象组织(World Meteorological Organization,WMO)推出了S2S 试验数据集,这是继2006年TIGGE(the THORPEX interactive grand global ensemble)资料之后的又一个数据集。前者的应用使得时效达到15天左右的数值产品实现了业务应用,而后者的逐日预报时效可达60天,其发展无疑将对未来的无缝隙预报提供有利支撑。因此,吸引了全球各大预报中心的积极参与(表1)。

表1   S2S数据集包含的11个数值模式具体参数

Table 1  The specific parameters of 11 numerical models in S2S datasets

预报

时效/d

分辨率成员数频率回算回算时段回算频率

回算

成员数

实时预报每个周期数据量

每次回算

更新数据量

BoM(ammc)0~62T47L173×112次/周回算完毕1981—2013年6次/月3×116 TB
CMA(babj)0~60T106L404逐日回算完毕1994—2014年逐日4
CNR-ISAC(isac)0~320.75×0.56 L5441逐周回算完毕1981—2010年1次/5日5
CNRM(Ifpw)0~32T255L9151逐周回算完毕1993—2014年4次/月156.6 TB
ECCC(cwao)0~320.45×0.45 L4021逐周实时回算1998—2017年逐周4
ECMWF(ecmf)0~46Tco639/319 L91512次/周实时回算过去20年2次/周11
HMCR(rums)0~611.1×1.4 L2820逐周实时回算1985—2010年逐周10
JMA(rjtd)0~33TI479/TI319 L10050逐周回算完毕1981—2010年3次/月53.8 GB900 GB
KMA(rksl)0~60N216L854逐日实时回算1991—2010年4次/月3
NCEP(kwbc)0~44T126L6416逐日回算完毕1999—2010年逐日4
UKMO(egrr)0~60N216L854逐日实时回算1993—2016年4次/月7

新窗口打开| 下载CSV


3.2 国外延伸期预报技术现状

目前,ECMWF每周2次发布延伸期时效的预报产品,包含逐周的2 m平均温度、累积降水量、500和200 hPa高度场、海平面气压场等(图2),以及相应的气候距平场。距平具体计算方法为:先将每个预报时次的51个预报成员做平均;然后基于660个回算样本(11个成员×20年×3个预报时次)计算模式20年资料对应的气候态;最后二者相减。ECMWF数值模式经过不断升级,在10~30天时效形成了2类模式产品,第一类为逐日00/12时(世界时)运行,成员数为51,预报时效0~15天,水平分辨率0.2°(18 km),垂直方向91层。第二类为每周运行2次(周一和周四),预报时效16~46天,水平分辨率为0.4°(36 km),垂直方向依然是91层。2类产品均由海气耦合模式运算,这主要考虑到延伸期时段的可预报性信号来源于MJO、陆面及平流层等。

图2

图2   ECMWF延伸期预报产品示例

Fig. 2   The example of extended-range forecast products in ECMWF

2017年10月19日起报的第三周(a)500 hPa高度场及距平;(b) 200 hPa高度场、风场;图形均来自中央气象台业务预报平台

The third week forecast of (a) 500 hPa geopotential height and the anomaly; (b) Geopotential height, wind at 200 hPa; Initialized at October 19, 2017; (a)~(b) come from the operational forecast platform of National Meteorological Center of CMA


1988年6月6日,美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)下属的气候预报中心(Climate Prediction Center,CPC)开始6天以上预报的研究探索。2004年8月13日其首次正式发布延伸期时效系列预报产品,数值模式主要基于气候预报系统(Climate Forecast System,CFSv1),该系统考虑了海—气—陆耦合,包含了大气、海洋、海冰和陆面等模块。2011年3月,此系统完成了第二次升级并被名为CFSv2[28]。目前,它的预报时效涵盖4个时间尺度:次季节尺度(46天)、季节预报(9个月)、年代际以及百年尺度。大气模式分辨率为T126L64(水平100 km,垂直64层),海洋部分为普林斯顿地球物理流体动力学实验室(Geophysical Fluid Dynamics Laboratory,GFDL)的模块化海洋模式MOM3。CPC向公众主要发布6~10天、8~14天的趋势预报,即预测未来偏高(强)、偏低(弱)或接近同期气候态(图3a,b)。具体产品为逐周的地表2 m气温、降水量距平(图3c)和百分率、500 hPa高度场、200 hPa和850 hPa风场等。除此之外,CPC还发布大量监测类产品,比如海温、风暴路径和阻塞高压等环流系统。未来,NCEP将以不断提高延伸期预报技巧,提高产品通俗性、可用性以及精细化水平,预报预测也将由平均态向极端事件拓展。

图3

图3   NCEP延伸期预报产品示例

Fig. 3   The example of extended-range forecast products in NCEP

(a)主观预报的气温距平;(b)主观预报的累积降水量距平;(c)CFSv2 逐周累积降水量距平;图形均来源于美国NCEP 网站

(a)The anomaly of temperature predicted by forecaster;(b)The anomaly of precipitation predicted by forecaster;(c)The anomaly of weekly cumulative precipitation forecasted by the model of CFSv2. (a)~(c)are from NCEP website


英国气象局(Met Office, MO)自1990年开始发展“一体化模式”(Unified Model),即天气—气候一体化模式。它包含了一系列模式,可根据需要进行调整。预报时间尺度从逐日到百年,空间尺度可兼顾全球和对流尺度。延伸期时段预报系统为海气耦合模式(HadGEM3气候模式的一个版本),水平分辨率为0.8°×0.5°,大气模式垂直分辨率85层、海洋模式75层,海洋模式水平分辨率0.25°×0.25°。面向公众的延伸期预报产品包含10~15天预报(主要提供站点预报及全国落区预报)以及16~30天长期时效的趋势预报(该部分以文字形式预测可能影响英国的天气)。文字预报每天更新,描述整个英国天气如何变化及相对于气候态的特征(即偏暖,偏冷,降水偏多、偏少)。在预报业务中,预报人员除了参考该模式外,也会考虑其他的全球预报模式,如欧洲中期天气预报中心和美国等模式预报产品。

日本气象厅(Japan Meteorological Agency, JMA)10~30天预报使用全球集合预报系统(Global Ensemble Prediction System, GEPS)。该系统2017年3月经过更新,提高了水平和垂直分辨率,更新了对流、辐射和海冰等物理模块。目前,延伸期时效预报每周发布1次,但周三和周四会各起报1次,每次包含25个成员,因此共有50个成员。预报产品主要为未来3~9天、10~16天、17~30天、3~30天的500 hPa平均高度场、850 hPa平均温度场、平均海平面气压、累积降水量及其距平。GEPS仅运行大气环流模式,但在初始时刻考虑海温和海冰等外强迫。18天以内水平分辨率较高,为0.375°(约40 km),之后分辨率降为55 km。垂直方向均为100层。

4 我国延伸期预报技术进展

4.1 我国延伸期预报业务概况

我国延伸期预报业务相对起步较晚。2005年9月,国家气象中心(中央气象台)开展了延伸期预报试验业务,主要关注未来第二旬和第三旬降水量及其对应的距平百分率、温度及其距平。2008年,国家气象中心为推动延伸期预报业务建设,制定了相应的预报规范和流程,提出了延伸期时效预报方法的攻关方向。2010年5月,中国气象局宣布正式发布延伸期预报产品,国家气象中心负责“未来10~20天气温距平预报”、“未来10~20天降水量预报”和“未来10~20天降水量距平百分率预报”等产品(图4),而21~30天预报由国家气候中心和国家气象中心联合会商并发布。

图4

图4   中央气象台延伸期预报产品示例

Fig.4   The example schematic diagram from the National Meteorological Center of CMA

(a) 11~20天降水量预报;(b)11~20天降水量距平百分率预报;(c)11~20天气温距平预报;图形来自中央气象台《中长期天气预报》

(a) The cumulative precipitation in the leading period from 11th day to 20th day; (b) Anomaly of precipitation anomaly percentage in the leading period from 11th day to 20th day;(c) Anomaly of 2 m temperature in the leading period from 11th day to 20th day; (a)~(c) are chosen from weather bulletin in medium and extend range of National Meteorological Center of CMA


目前,国家气象中心延伸期预报已实现了逐日发布,面向公众的主要预报产品有文字类的《中长期天气预报》,具体描述未来20天内全国降水和气温趋势,并对灾害性(区域性寒潮、暴雪、暴雨、高温、沙尘暴和霜冻等)、转折性(持续性旱涝天气的转换、持续性高温起止、低温雨雪冰冻的持续和结束等)和关键性天气过程(华南前汛期暴雨、梅雨、华北暴雨和华西秋雨等)进行预报。经过多年的预报积累,延伸期时效预报已经形成了一套完整规范和流程。2009年国庆60周年阅兵、2013年南方持续性高温、2014年北京亚洲太平洋经济合作组织峰会(Asia-Pacific Economic Cooperation,APEC)、2018年青岛上合峰会,中央气象台提供的延伸期时效预报均取得了很好的气象服务效果。

总的来讲,我国数值模式起步较晚、水平较低,尤其在延伸期时效,国家—省级台站在预报产品制作中,还主要依赖ECMWF和NCEP的模式预报资料。但基于模式产品进行解释应用并进行预报决策服务,无论是产品形式、种类,还是预报信息挖掘的深度和广度上,均处于世界先进水平。

4.2 客观预报方法

早在20世纪,众多研究者使用自然天气周期、环流型预报方法、罗斯贝指数循环等天气学和统计学相结合手段进行中期延伸期时效预报。随着数值预报的发展,基于天气气候和动力统计等方法的数值预报产品的解释应用,逐步成为国际上气象要素预报的最为通行的预报技术。

中央气象台预报基于我国国情和天气特点,先后研发了一系列针对不同天气特征的中期延伸期客观预报方法,如冬半年冷空气过程预报方法、春季低温阴雨预报方法、冬季低温雨雪冰冻客观预报方法、综合相似预报、旬平均温度距平预报、北方地区夏季暴雨预报、中期时效定量降水(Quantitative Precipitation Forecast,QPF)客观预报方法、低频预报方法等。此外,还有表征多种关键环流系统特征的指数,如西风指数、南支槽指数、副高脊线位置等,以及天气学概念模型,如寒潮能量学预报模型、西风环流分析预报模型。

2013年后,随着集合预报产品在延伸期预报业务上的推广应用。中央气象台研发了多种延伸期集合预报客观方法,比如利用自然正交法、多元线性回归和动力相似等方法,并结合集合预报多成员特点,开发了极端降水概率预报产品、基于MJO和其他低频信号传播特征的过程降水量预报产品。

上述客观预报方法,一方面提升了延伸期时效的预报服务能力,如2016年3~7月我国东部地区降雨过程多,前后出现了27次显著降雨过程。中央气象台平均提前16天对这些降雨过程给出了预报。另一方面还提高了中期时效预报准确率。如中期时效4~7天QPF,暴雨以上的预报评分,基于客观方法的落区产品稳定优于EC、T639和日本模式的技巧评分,特别是相对于T639和日本模式的提高率更大,而且时效越长(主要是6~7天),订正能力越明显。

4.3 后处理技术

数值模式作为实际大气的近似,不可避免地存在着误差,因此在世界天气研究计划(World Climate Research Program,WCRP)中,数值模式订正研究成为了一个必不可少的后处理技术。模式后处理技术可消除系统性误差、提高预报产品的稳定性,又能在分辨率不变的前提下减少随机误差[29,30]。对于10~30天预报时效的集合预报,误差订正同样必不可少。如Sloughter等[31]基于贝叶斯集合平均技术制作定量降水概率预报产品;Yuan等[32]利用人工神经网络的方法订正概率定量降雨预报。Glahn等[33]发展的集合核密度模式输出统计方法,是对传统MOS方法(Model Output Statistic Method)的改进;Cui等[30]发展了针对北美集合预报系统(North American Ensemble Forecast System, NAEFS)的统计后处理技术,包括偏差订正和统计降尺度方法;Zhu等[34]介绍了NCEP集合预报系统的降水订正技术方法——频率匹配算法(Frequency Match Algorithm),并检验了订正后的降水产品,表明模式偏差得到了有效降低,且增加了预报技巧。2017年以来,国家气象中心在延伸期网格预报技术方面,利用数值预报模式后处理技术进行了初步尝试,具体做法:首先基于月尺度集合数值模式系统,通过多种统计后处理技术进行误差订正,接着利用高分辨率实况资料,建立统计降尺度矢量关系,进而实现降水、气温等要素预报在延伸期时段的统计降尺度,提高空间分辨率。如对于降水要素,为了消除由集合平均带来的延伸期小量级降水预报的湿偏差,采取了逻辑回归法和临界值法[31],设定降水临界值进行消空,一定程度上实现了消除集合平均带来的“小雨空报”。同时利用统计降尺度技术,提高预报产品的空间分辨率。对于温度,则采用衰减平均偏差估计法[29,35],即估计上一时刻预报相对于分析场的偏差,使用具有权重系数的衰减平均值,结合预报历史偏差和最新偏差,计算当前时刻平均偏差,进而实现偏差订正。2年多的业务预报实践表明,逐日降水客观订正(图5)和逐10天累积降水客观订正(图6)等产品TS评分,相比数值模式产品,均实现了有效提升。

图5

图5   20181796168 h暴雨TS评分

Fig.5   The score of TS above 50 mm in leading period from 96168 h from January to July in 2018

RR为参考客观产品后的预报员评分,EC为欧洲数值模式

RR means the score of forecaster and EC represents that of ECMWF


图6

图6   延伸期时效后处理技术效果评估示例

Fig.6   The example schematic diagram for the model post-process technology performance in extended range

(a)延伸期逐10天累积雨量大于50 mm的TS评分;(b)延伸期逐10天累积雨量大于100 mm降雨的TS评分

(a) TS score above 50 mm of the every 10-day cumulative precipitation; (b) TS score above 100 mm of the every 10-day cumulative precipitation


4.4 系统平台

10~30天时效的预报,要求对海量预报数据进行快速加工处理,如何高效快捷展示各类预报产品、并进行加工和挖掘,无疑在一定程度上决定着延伸期时效预报效率和服务成效。世界各气象强国均有多年的预报系统平台开发历史,如法国气象局的“SYNERGIE”系统,美国1998年发展了高级人机交互处理系统(Advanced Weather Interactive Processing System, AWIPS),2011年之后系统升级为AWIPS2,澳大利亚AIFS预报业务统,ECMWF的Metview和ecChart系统。这些系统均具备较好的预报资源整合、预报流程优化和预报新技术展示等功能。

中央气象台先后发展了基于BASIC(Beginner's All-purpose Symbolic Instruction Code)的中期预报业务平台(2006年),基于IDL语言(Interactive Data Language)的集合预报工具箱(2013年),目前正在边开发、边应用、边完善基于Web网页技术的智能中期—延伸期预报平台。该平台能够实现对历史数据、实况监测、各主流模式和集合预报的快速浏览、检索、分析和处理,也能通过后台软件算法自动提供模式后处理、客观预报、可预报性评估及预报性能评估等客观预报产品,还可以进行产品的交互分析、制作和自动分发等功能。

5 面临挑战与发展对策

延伸期天气预报业务作为构建无缝隙精细化气象预报业务体系的重要一环,在气象防灾减灾科学决策中起着重要的支撑作用。同时,随着全球变暖,我国极端天气频发[36,37],气象防灾减灾形势日趋复杂。为此各级政府对气象预报预测的时效性、精准化以及决策服务能力均提出了更高要求。在新的形势下,现有延伸期预报体系面临许多挑战,具体表现在:

(1)近些年来,各级政府部门以及相关行业对防灾减灾气象服务和重大社会活动气象保障提出了更长时效和更高精度的要求。如2014年APEC会议、2015年抗战胜利70周年阅兵等重大活动均要求提前30天启动气象保障服务。但随着预报时效的延长,预报准确率下降和不确定性快速增长的情况下,集合预报无疑会给出多种预报结果,如何提炼最有可能出现的预报结果,并给出基于影响的预报结果?

(2)虽然数值模式发展较快,性能不断提升,但对一些重大极端天气过程预报尤其是在延伸期,甚至中期时效内仍然表现不佳,如2016年7月19~20日黄淮气旋引发的华北区域性极端暴雨天气过程,各主流模式无一准确预报出气旋移动的路径,而集合预报模式不确定性更大,只有极个别成员预报了强降雨可能影响华北。如何充分考虑集合预报各成员信息、挖掘各种可能性,将可预报性信息融入延伸期预报产品,有效传递预报的不确定性信息。

(3)欧美国家近年来依托其先进的数值模式,开发了种类丰富的延伸期预报产品,并且逐步由确定性预报向概率预报转变。虽然中央气象台开发了降水过程概率预报产品,但更多的决策用户习惯使用确定性过程累计量预报产品。如何实现预报产品的概率化、格点化并与用户的需求有机结合。

为应对上述挑战,提高延伸期预报的业务技术能力,有必要在集成传统的动力—天气—统计相结合的延伸期预报方法的基础上,发展建立基于可预报性的、更为科学的现代化延伸期预报业务技术体系。为此,2016年12月国家气象中心提出要建立基于可预报性的延伸期天气预报体系(图7)。涵盖五方面内容:

图7

图7   延伸期预报业务技术体系架构图

Fig.7   The technical architecture diagram for the extended- range forecast operation


第一,海量的模式预报数据、气候背景、历史个例库、实时和历史观测以及再分析数据为延伸期预报业务的开展提供基础条件,同时数值模式预报性能的提升也是提高延伸期整体业务能力的关键。

第二,需要针对所关注环流系统进行可预报性监测和分析,并为整个业务流程的运行提供指导。

第三,延伸期客观预报技术的运用,有利于从海量数据中提取有效预报信息,并提供最优的确定性和概率预报,进而针对不同的可预报性情况尤其是低可预报性情况发展相应的处理方法。

第四,延伸期产品的制作及进行决策服务。该环节主要通过发展和整合多种技术手段方法,帮助预报员理解大气的可预报性并进行快捷、高效的预报订正集成,同时需要通过设计和发展多种多样的延伸期预报产品,多角度传递可预报性信息,提高决策服务的科学水平。

第五,建立较为完备产品和服务评估体系,并反映不同可预报性情况下的延伸期预报能力[38]

6 结论与讨论

本文首先回顾了延伸期预报相关理论和业务技术现状。欧美等气象强国均在各自海—气—陆耦合数值预报模式基础上,利用集合预报系统研发延伸期预报产品,以弥补天气预报和短期气候预测之间的这一“薄弱”重要环节,目前已取得了显著进步。它们的预报产品多以客观化、概率化为主,主观及文字产品为辅。而在我国,虽然相关数值模式和理论研究起步较晚,但为满足社会和经济发展需要,延伸期预报也发展出一整套较为完善的产品体系。除了利用模式后处理技术,还有基于动力—统计相结合等方法,对数值预报产品进行解释应用。多次重大气象保障服务的实践证明,这是一条行之有效的发展之路。

其次,本工作还通过分析延伸期预报在发展过程中存在的挑战,提出了一些解决思路。延伸期预报面临着海量预报数据,数值模式也存在着显著的不确定性,如何对各种预报场景进行可预报性和影响评估,制作更有针对性的预报产品。这也是中央气象台提出未来要建立基于可预报性的现代化延伸期预报体系的出发点和着眼点。

最后,当前发展延伸期预报也具备很多优势和机遇。近些年来,天气—气候一体化成为国际数值模式的发展主流,全球先后已有11个国家参与了世界气象组织的S2S计划。通过对数值预报产品的共享,共同来推动延伸期理论研究和预报技术的发展。同时,对不同模式预报产品的研究比较,也有利于发现并完善数值模式。作为气象大国,我国气象部门非常重视,国家气候中心的月动力延伸预测模式系统(Dynamical Extended Range Forecast,DERF)积极参与其中。并且经过努力,中国气象局和欧洲气象中心成为了全球并列的2个S2S数据存储中心,2017年中国气象局还被指定为世界气象中心,未来要承担全球天气预报的发布和服务任务。这些均为我国开展延伸期预报研究奠定了坚实基础。此外,人工智能、大数据和云计算等信息技术的发展将给新一轮气象科技的进步带来了新机遇,2016年中央气象台启动建设的中长期智能预报系统平台,已经融入了人工智能、大数据、云计算等信息技术,必将为未来的延伸期预报技术发展提供动力引擎。

参考文献

Zhai Panmao , Ni Yunqi , Chen Yang .

Mechanism and forecasting method of persistent extreme weather events: Review and prospect

[J]. Advances in Earth Science, 2013, 2811):1 177-1 188.

[本文引用: 2]

翟盘茂倪允琪陈阳 .

我国持续性重大天气异常成因与预报方法研究回顾与未来展望

[J]. 地球科学进展,20132811):1 177-1 188.

[本文引用: 2]

Lorenz E N .

Deterministic nonperiodic flow

[J]. Journal of Atmospheric Sciences, 196320(2):130-141.

[本文引用: 1]

Jifan Chou .

Long Term Numerical Forecasts

[M]. Beijing: China Meteorological Press, 1986:329.

丑纪范 .

长期数值天气预报

[M].北京气象出版社1986:329.

Jifan Chou .

New Developments in Atmospheric Dynamics

[M]. Lanzhou: Lanzhou University Press, 1990:214.

丑纪范 .

大气动力学的新进展

[M].兰州兰州大学出版社1990: 214.

Li Jianping , Ding Ruiqiang .

Temporal spatial distributions of predictability limit of short term climate

[J]. Chinese Journal of Atmospheric Sciences,2008, 32(4):975-986.

[本文引用: 1]

李建平, 丁瑞强 .

短期气候可预报期限的时空分布

[J]. 大气科学, 2008, 32(4):975-986.

[本文引用: 1]

Wang Taiwei , Chen Dehui .

A brief overview of ensemble forecasts

[J]. Journal of Meteorological Research and Application, 2007, 281):6-12.

[本文引用: 1]

王太微陈德辉 .

数值预报发展新方向—集合数值预报

[J]. 气象研究与应用,2007, 281):6-12.

[本文引用: 1]

Jifan Chou .

Nonlinear and Complexity of Atmospheric Sciences

[M]. Beijing: China Meteorological Press, 2002.

丑纪范 .

大气科学中的非线性与复杂性

[M]. 北京: 气象出版社, 2002.

Delsole T .

Predictability and information theory. Part I—Measures of predictability

[J]. Journal of the Atmospheric Sciences, 2004, 612 425-2 440.

Jifan Chou , Xie Zhihui , Wang Shigong .

An alternative approach to the establishment of a 6-15 day numerical weather prediction service system

[J]. Military Meteorology and Hydrology, 2006, (3): 4-9.

丑纪范, 谢志辉, 王式功 .

建立6-15天数值天气预报业务系统的另类途径

[J]. 军事气象水文,2006, (3): 4-9.

Mu Mu , Li Jianping , Jifan Chou , et al .

Theoretical research on the predictability of climate system

[J]. Climatic and Environmental Research2002, 7(2):227-235.

穆穆, 李建平, 丑纪范, .

气候系统可预报性理论研究

[J]. 气候与环境研究, 2002, 7(2):227-235.

Baldwin M P , Stephenson D B , Thompson D W J , et al .

Stratospheric memory and skill of extended-range weather forecasts

[J]. Science, 2003, 3015 633): 636-640.

Reichler T J , Roads J O .

The role of boundary and initial conditions for dynamical seasonal predictability

[J]. Nonlinear Processes in Geophysics, 2003, 10(3): 211-232.

Hoskins B .

The potential for skill across the range of the seamless weather-climate prediction problem: A stimulus for our science

[J]. Quarterly Journal of the Royal Meteorological Society, 2013, 139672): 573-584.

[本文引用: 1]

Tao Shiyan , Ding Yihui , Zhou Xiaoping .

Study of heavy rain and severe convective weather

[J]. Scientia Atmospherica Sinica, 1979,(3):227-238.

[本文引用: 1]

陶诗言, 丁一汇, 周晓平 .

暴雨和强对流天气的研究

[J]. 大气科学, 1979,(3):227-238.

[本文引用: 1]

Browning K A .

Nowcasting

[M]. London: Academic Press, 1982:256.

[本文引用: 1]

Jifan Chou .

Predictability of weather and climate

[J]. Advances in Meteorological Science and Technology, 2011, 1(2):11-14.

[本文引用: 1]

丑纪范 .

天气和气候的可预报性

[J]. 气象科技进展, 2011, 1(2):11-14.

[本文引用: 1]

Chao Jiping , Ji Jinjun , He Jiaye , et al .

The physical basis of a long-term numerical weather prediction method

[J]. Chinese Science Bulletin, 1977, (2): 162-172.

[本文引用: 1]

巢纪平, 季劲钧, 何家骅, .

一种长期数值天气预报方法的物理基础

[J]. 中国科学, 1977, (2): 162-172.

[本文引用: 1]

Chao Jiping , Ji Jinjun , Zhu Zhihui et al .

Filtering method for long-term numerical weather prediction

[J].Chinese Science Bulletin, 1979, (1): 75-84.

[本文引用: 1]

巢纪平, 季劲钧, 朱志辉, .

长期数值天气预报的滤波方法

[J]. 中国科学, 1979, (1): 75-84.

[本文引用: 1]

Li Zechun , Chen Dehui .

The development and application of the operational ensemble prediction system at National Meteorological Center

[J]. Journal of Applied Meteorological Science, 2002,131):1-15.

[本文引用: 1]

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

[J]. 应用气象学报, 2002,131):1-15.

[本文引用: 1]

Jin Ronghua , Ma Jie , Bi Baogui .

Research advancement and operation status about the extended range forecast from 10 to 30 days

[J]. Desert and Oasis Meteorology, 2010, 42):1-5.

[本文引用: 1]

金荣花马杰毕宝贵 .

10-30天延伸期预报研究进展和业务现状

[J].沙漠与绿洲气象, 2010, 42):1-5.

[本文引用: 1]

Wang Yafei , Li Yan , Li Pingyun , et al .

The large scale circulation of the snow disaster in south China in the beginning of 2008

[J]. Acta Meteorologica Sinica, 2008, 66(5):826-835.

[本文引用: 1]

王亚非, 李琰, 李萍云, .

2008年初中国南方雪灾大尺度环流背景分析

[J]. 气象学报, 2008, 66(5):826-835.

[本文引用: 1]

Li Yan , Wang Shigong , Jin Ronghua , et al .

Abnormal characteristics of blocking high during durative low temperature, snowfall and freezing weather in Southern China

[J]. Plateau Meteorology, 2012, 31(1):94-101.

[本文引用: 1]

李艳, 王式功, 金荣花, .

我国南方低温雨雪冰冻灾害期间阻塞高压异常特征分析

[J]. 高原气象, 2012, 31(1):94-101.

[本文引用: 1]

Zhang C , Gottschalck J , Maloney E D , et al .

Cracking the MJO nut

[J]. Geophysical Research Letters, 2013, 40(6):1 223-1 230.

[本文引用: 1]

Zhang L , Wang B Z , Zeng Q C .

Impact of the Madden-Julian oscillation on summer rainfall in Southeast China

[J]. Journal of Climate, 2009, 22(2):201-216.

[本文引用: 1]

Yuan Wei , Yang Haijun .

On the Modulation of MJO to the precipitation of southeast China in winter season

[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010, 46(2):207-214.

[本文引用: 1]

袁为, 杨海军 .

Madden-Julian振荡对中国东南部冬季降水的调制

[J]. 北京大学学报:自然科学版, 2010, 46(2):207-214.

[本文引用: 1]

Jeong J H , Ho C H , Kim B M , et al .

Influence of the Madden‐Julian Oscillation on wintertime surface air temperature and cold surges in East Asia

[J]. Journal of Geophysical Research Atmospheres, 2005,110(D11). DOI:10.1029/2004JD005408 .

[本文引用: 1]

Chen Xiong , Li Chongyin , Tan Yanke , et al .

The environmental characteristics of strong/weak MJO activity over the tropical western Pacific in winter

[J]. Journal of Tropical Meteorology, 2015, 31(1): 1-10.

[本文引用: 1]

陈雄, 李崇银, 谭言科, .

冬季热带西太平洋MJO活动强弱年的环境场特征

[J]. 热带气象学报, 2015, 31(1): 1-10.

[本文引用: 1]

Saha S , Moorthi S , Wu X , et al .

The NCEP climate forecast system version 2

[J]. Journal of Climate, 2014, 27(6):2 185-2 208.

[本文引用: 1]

Cui B , Toth Z , Zhu Y , et al .

Bias correction for global ensemble forecast

[J]. Weather and Forecasting, 2012, 27: 396-410.

[本文引用: 2]

Cui B , Zhu Y , Toth Z , et al .

Development of Statistical Post-processor for NAEFS

[J]. 2015. [2018-12-20]..

[本文引用: 2]

Sloughter J M L , Raftery A E , Gneiting T , et al .

Probabilistic quantitative precipitation forecasting using Bayesian model averaging

[J]. Monthly Weather Review, 2007, 135(9): 3 209-3 220.

[本文引用: 2]

Yuan H , Gao X , Mullen S L , et al .

Calibration of probabilistic quantitative precipitation forecasts with an artificial neural network

[J]. Weather Forecasting, 2007, 22: 1 287-1 303.

[本文引用: 1]

Glahn M R , Peroutka J , Wiedenfeld J L ,et al .

MOS uncertainty estimates in an ensemble framework

[J]. Monthly Weather Review, 2009, 137: 246-268.

[本文引用: 1]

Zhu Y , Luo Y .

Precipitation calibration based on the frequency-matching method

[J]. Weather Forecasting, 2015, 30(5):1 109-1 124.

[本文引用: 1]

Guan H , Cui B , Zhu Y .

Improvement of statistical postprocessing using GEFS reforecast information

[J]. Weather Forecasting, 2015, 30(4): 841-854.

[本文引用: 1]

Xu Yiming .

Suggestions to deal with the frequent occurrence of extreme weather events in the context of global warming

[J]. Science and Technology Industry of China, 2008, (3):24-25.

[本文引用: 1]

徐一鸣 .

应对全球气候变暖背景下极端天气事件频发的建议

[J]. 中国科技产业, 2008, (3):24-25.

[本文引用: 1]

Zhai Panmao , Liu Jing .

Extreme weather /climate events and disaster prevention and mitigation under global warming background

[J]. Chinese Engineering Science, 2012, 14(9): 55-63.

[本文引用: 1]

翟盘茂,刘静 .

气候变暖背景下的极端天气气候事件与防灾减灾

[J]. 中国工程科学, 2012, 14(9): 55-63.

[本文引用: 1]

Ma Jie , Jin Ronghua , Zong Zhiping , et al .

Analysis of predictability in extended range forecast

[J]. Desert and Oasis Meteorology, 2019,13(3):137-143.

[本文引用: 1]

马杰,金荣花,宗志平 .

延伸期预报中的可预报性浅析

[J].沙漠与绿洲气象,2019,13(3):137-143.

[本文引用: 1]

/