CN109242126A - 一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法 - Google Patents

Abstract

本发明提供一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法，包括下列步骤：1)选定区域数值天气预报模式，从区域数值天气预报模式中选择边界层参数化方案和积云对流参数化方案参与设计；2)选择台风个例；3)针对选定的台风个例，开展120小时数值模拟；4)计算初始成员间的相似离度；5)集合成员相似度分析与筛选；6)计算平均绝对误差。本发明通过计算相似离度指数，逐步剔除相似成员，在综合评估预报平均误差的基础上，得到合理的集合成员，解决了目前基于物理扰动的集合成员选择过程中主观性太强的问题。

Description

一种针对物理过程扰动的热带气旋集合预报初始成员筛选 方法

技术领域

本发明属于数值天气预报技术领域，尤其涉及一种针对物理过程扰动的热带气旋集合预 报初始成员筛选方法。

背景技术

自20世纪60年代以来，数值天气预报已经成为开展台风预报预警的重要手段之一，也 取得了显著的进步。数值预报的误差主要源自模式预报过程中的不确定性，这种不确定性的 来源分为初值误差和模式误差，初值中的观测误差、仪器误差以及大气的混沌特性，使得初 始场不可避免地存在不确定性，初始微小的扰动随着模式积分时间的增长，会使预报结果出 现巨大的误差。其次是模式自身的误差，由于模式是一个离散化的模型，需要对辐射、边界 层和云微物理等次网格尺度的物理过程进行参数化，这种物理过程参数化方案的不确定性是 模式误差的主要来源之一。研究发现，初始误差与模式误差对数值预报误差的贡献率分别为 70％和30％。

集合预报技术是减小数值预报误差的有效手段，其基本目标是构造未来大气可能状态的 概率密度函数，而数值天气预报的目标是预测状态变量概率密度函数的演变。热带气旋的集 合预报技术主要包括基于初值的扰动和模式扰动，其中模式扰动既包括单模式的物理过程扰 动，也包括多模式扰动。考虑到计算资源的限制和预报时效的要求，基于单模式物理过程扰 动的集合预报技术由于其操作简便，对计算资源要求小，因此越来越受到气象预报员的关注， 在热带气旋集合预报中经常被采用。但其中存在一个最大的问题就是集合成员的选择。由于 模式提供的辐射、边界层和云微物理过程等参数化方案有很多，模式参数组合可能会达到上 千个，不可能全部用做集合成员，究竟选择哪些组合作为集合预报初始成员，并没有很好的 办法。目前业务中没有一种客观有效的方法，多根据经验主观选择，这给预报结果带来了很 大的不确定性。

发明内容

本发明的目的是提供一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法，用 以解决目前模式物理过程扰动成员难以客观确定的问题。

为实现上述目的，本发明采用以下技术方案：

一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法，包括下列步骤：

1)根据需要选定区域数值天气预报模式，从区域数值天气预报模式中选择边界层参数化 方案和积云对流参数化方案参与设计，初始成员数低于100组；

2)选择台风个例，所选定的台风个例的包括不同强度、不同路径特征；

3)针对选定的台风个例，利用步骤1)确定的区域数值天气预报模式和物理参数组合开 展120小时数值模拟；

4)对步骤3)的模拟结果，计算初始成员间的相似离度C_ij，相似离度定义为两条路径 间的平均距离和形态相似度，相似离度的计算公式为其中，

为数值相似，表示i，j两个集合成员预报的热带气旋路径 曲线在k时次时的数值是否相近，也就是位置是否相互靠近，和分别表示第m个样 本的第i和第j条路径在k时次的位置点，M为样本数，K则表示总的计算时次数；

为形态相似，判断两条曲线形状是否相近，其中表示第m个样本的第i和第j个集合成员在所有预报时次内的平均 偏差，可以看出，C_ij越小，表示两个成员的路径越接近；

假设有N组参数组合，则可得到个相似离度值；

5)集合成员相似度分析与筛选，首先将所有相似离度值按照从小到大进行排序，相似离 度最小者说明该两种组合在所有集合成员中最为相似，将其中一组从集合成员中剔除，将剩 余集合成员之间的相似离度值进行重新排序，经过N-1步后，只剩一个成员；

6)计算步骤5)中每剔除一个参数组合后剩余集合成员的24、72和120小时路径预报 平均绝对误差，选择平均绝对误差最小的参数组合为最终的基于物理过程扰动的热带气旋集 合预报最佳初始成员。

本发明具有如下有益效果：本发明提供了一种客观有效的方法，通过计算相似离度指数， 逐步剔除相似成员，在综合评估预报平均误差的基础上，得到合理的集合成员，解决了目前 基于物理扰动的集合成员选择过程中主观性太强的问题。

应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构 思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题 的所有组合都被视为本公开的发明主题的一部分。

结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和 特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显 见，或通过根据本发明教导的具体实施方式的实践中得知。

附图说明

附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分 可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在， 将通过例子并参考附图来描述本发明的各个方面的实施例，其中：

图1是选取2000—2014年发生在西北太平洋上的14个热带气旋个例进行50次的多物理 参数组合扰动的路径集合预报试验的示意图；

图2集合成员相似度筛选过程示意图；

图3是预报24，72，120小时的平均绝对路径误差与集合成员数的关系图。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开 的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以 及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为 本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单 独使用，或者与本发明公开的其他方面的任何适当组合来使用。

本发明提供的基于物理过程扰动的热带气旋集合预报初始成员筛选方法主要包括下列步 骤：

1)以WRFV3.5模式为例，对积云对流参数化方案和边界层过程参数化方案进行扰动组合。 其中积云参数化方案选用7种，包括KF，BMJ，GF，SAS，G3，Tiedtke，GFS SAS等，边界层 参数化方案选用9种，包括YSU，MYJ，QNSE，MYNN，ACM2，BouLac TKE，UW TKE，TEMF，GBMTKE，微物理方案采用Lin et方案，长波辐射方案采用RRTM，短波辐射方案采用Dudhia方案。通过将积云对流参数化方案与边界层参数化方案进行组合从而构造不同集合成员。考虑 到计算资源以及参数化方案的代表性，只选择部分组合参与试验。其中首先选择积云对流参 数化方案中的KF、BMJ方案分别与9种边界层参数化组合，得到18个集合成员。再选择边界 层参数化方案中常用的YSU和MYJ方案与积云参数化方案中除KF、BMJ以外的5种方案进行 组合，得到10个集合成员。一共得到28组物理参数组合，将其中第一组KF方案和YSU方案 组合作为控制试验，其余27组组合作为集合扰动初始成员，参数组合如表1：

表1 28组物理参数组合

2)选取2000—2014年发生在西北太平洋上的14个热带气旋个例进行50次的多物理参 数组合扰动的路径集合预报试验，个例路径包括正常(转向，西行，东北行等等)和异常转 向路径(短时间内突然转向)等，它们的强度范围从热带低压至强台风，覆盖了低纬至中纬 度，因此具有一定的代表性，路径图见图2，其中西北太平洋14个台风个例，时间间隔为6 小时一次，灰色和黑色路径分别代表异常和正常路径。

3)针对上述50个个例，分别开展27组预报试验，预报时长为120小时。

4)根据相似离度计算公式计算集合成员间的相似离度。

其中，为数值相似，表示i，j两个集合成员预报的热带气旋路径曲线在k时次时的数值是否相近，也就是位置是否相互靠近，和分别表 示第m个样本的第i和第j条路径在k时次的位置点，M＝50为样本数，K则表示总的计 算时次数，本例预报时长120个小时，间隔6小时，所以在这里K＝21。为形态相似，判断两条曲线形状是否相近，其中

表示第m个样本的第i和第j个集合成员在所有预报时次内的 平均偏差，可以看出，C_ij越小，表示两个成员的路径越接近。

根据公式N＝27表示集合成员数，共可得到351个代表两两成员之间相似程度的离度值。

5)集合成员相似度分析与筛选。

①首先将351个离度值按从小到大进行排序，相似离度值最小者说明该两种组合在所有 参考计算的集合成员中最为相似。将其中一组组合从集合成员中剔除。

②对剩余集合成员之间的离度值重新进行排序，重复步骤①。

经过26步的筛选之后，只剩最后一个成员。至此，筛选工作已经完成。

每一步筛选过程中最相似的两组集合成员组合，剔除的成员(黑体)以及两者间的离度 值(数字)见图3，其中括号内的是剩余组合中两组最相似的参数组合、剔除的组合(黑体) 以及两者间的离度值，箭头表示筛选的进程，黑体数字表示筛选的步数。

6)计算平均绝对误差。分别选取24，72，120小时的预报试验结果，分析其平均绝对路 径误差与集合成员数的关系(图3)，其中横坐标为集合成员数逆序排列，表示随着相似成员 的剔除，集合成员数逐步减少，虚线为该时刻的控制试验的平均误差，可以看到，随着集合 成员数的减小，第24、72小时集合平均绝对误差均显著下降，第120小时绝对误差先增加再 显著下降。当成员数降为13时，平均绝对误差最小，而当集合成员数进一步减少时，平均集 合平均误差逐渐小于控制实验，随后误差随成员数的进一步减小迅速增大，呈现出“V”字型 的分布特征。综合可见，集合成员数为13是最佳的方案。其相应的物理过程扰动方案为图1 中阴影对应的参数化方案组合。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域 中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本 发明的保护范围当视权利要求书所界定者为准。

Claims (1)

1.一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法，其特征在于，包括下列步骤：

1)根据需要选定区域数值天气预报模式，从区域数值天气预报模式中选择边界层参数化方案和积云对流参数化方案参与设计，初始成员数低于100组；

2)选择台风个例，所选定的台风个例的包括不同强度、不同路径特征；

3)针对选定的台风个例，利用步骤1)确定的区域数值天气预报模式和物理参数组合开展120小时数值模拟；

4)对步骤3)的模拟结果，计算初始成员间的相似离度C_ij，相似离度定义为两条路径间的平均距离和形态相似度，相似离度的计算公式为其中，

为数值相似，表示i，j两个集合成员预报的热带气旋路径曲线在k时次时的数值是否相近，也就是位置是否相互靠近，和分别表示第m个样本的第i和第j条路径在k时次的位置点，M为样本数，K则表示总的计算时次数；

为形态相似，判断两条曲线形状是否相近，其中表示第m个样本的第i和第j个集合成员在所有预报时次内的平均偏差，可以看出，C_ij越小，表示两个成员的路径越接近；

假设有N组参数组合，则可得到个相似离度值；

5)集合成员相似度分析与筛选，首先将所有相似离度值按照从小到大进行排序，相似离度最小者说明该两种组合在所有集合成员中最为相似，将其中一组从集合成员中剔除，将剩余集合成员之间的相似离度值进行重新排序，经过N-1步后，只剩一个成员；

6)计算步骤5)中每剔除一个参数组合后剩余集合成员的24、72和120小时路径预报平均绝对误差，选择平均绝对误差最小的参数组合为最终的基于物理过程扰动的热带气旋集合预报最佳初始成员。