多物理ETKF在暴雨集合預(yù)報(bào)中的初步應(yīng)用

黃紅艷齊琳琳劉健文黃江平李崇銀西昌衛(wèi)星發(fā)射中心，四川西昌65000北京航空氣象研究所，北京000853中國(guó)科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京00094解放軍理工大學(xué)氣象海洋學(xué)院，南京0

?

多物理ETKF在暴雨集合預(yù)報(bào)中的初步應(yīng)用

黃紅艷1齊琳琳2劉健文2黃江平2李崇銀3, 4
1西昌衛(wèi)星發(fā)射中心，四川西昌615000
2北京航空氣象研究所，北京100085
3中國(guó)科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京100029
4解放軍理工大學(xué)氣象海洋學(xué)院，南京211101

摘 要基于集合轉(zhuǎn)換卡爾曼濾波（ETKF）的初值擾動(dòng)方法是目前集合預(yù)報(bào)領(lǐng)域熱點(diǎn)方法之一，但應(yīng)用在短期集合預(yù)報(bào)中仍存在離散度不夠、誤差較大等問(wèn)題?？紤]到在區(qū)域短期集合預(yù)報(bào)中，模式不確定性和邊界不確定性的影響不能忽略，本文嘗試在ETKF生成分析擾動(dòng)的過(guò)程中，同時(shí)考慮初值不確定性、物理不確定性與邊界不確定性，進(jìn)而構(gòu)建多初值、多物理、多邊界ETKF集合，并以2010年9月30日到10月8日海南島特大暴雨作為研究個(gè)例，對(duì)其在暴雨集合預(yù)報(bào)中的應(yīng)用展開初步研究，重點(diǎn)分析多種物理參數(shù)化過(guò)程對(duì)預(yù)報(bào)結(jié)果的影響。結(jié)果表明，多物理過(guò)程的ETKF（多物理ETKF）和單物理過(guò)程的ETKF（單一ETKF）均優(yōu)于對(duì)照預(yù)報(bào)，多物理ETKF優(yōu)勢(shì)更加明顯，其均方根誤差、離散度等指標(biāo)均得到很好的改善；對(duì)于降水采用SAL方法進(jìn)行檢驗(yàn)，發(fā)現(xiàn)多物理ETKF對(duì)于降水位置的預(yù)報(bào)有明顯的改善，對(duì)于特大暴雨的強(qiáng)度預(yù)報(bào)也略有改善。研究表明，在ETKF初值擾動(dòng)中加入多種物理過(guò)程，可以有效改善短期集合的離散度，提高預(yù)報(bào)準(zhǔn)確率，有良好的發(fā)展前景和應(yīng)用潛力。

關(guān)鍵詞集合轉(zhuǎn)換卡爾曼濾波（ETKF） 集合預(yù)報(bào) 物理不確定 暴雨預(yù)報(bào)

黃紅艷，齊琳琳，劉健文，等. 2016. 多物理ETKF在暴雨集合預(yù)報(bào)中的初步應(yīng)用 [J]. 大氣科學(xué), 40 (4): 657–668. Huang Hongyan, Qi Linlin, Liu Jianwen, et al. 2016. Preliminary application of a multi-physical ensemble transform Kalman filter in precipitation ensemble prediction [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (4): 657–668, doi:10.3878/j.issn.1006-9895.1508.14308.

1 引言

暴雨是影響中國(guó)的主要災(zāi)害性天氣，由于其過(guò)程非常復(fù)雜、發(fā)生具有很多的不確定性以及模式無(wú)法準(zhǔn)確描述降水過(guò)程等原因，使得降水預(yù)報(bào)尤其是大雨以上的強(qiáng)降水預(yù)報(bào)難度較大、準(zhǔn)確率較低，至今仍是世界天氣預(yù)報(bào)的難點(diǎn)問(wèn)題（陶詩(shī)言等，2001；趙思雄和孫建華，2013）。近年來(lái)，隨著集合預(yù)報(bào)研究的不斷深入及其在業(yè)務(wù)預(yù)報(bào)中的成功應(yīng)用（Stensrud et al., 1999; Saito et al., 2012），該方法成為國(guó)際上公認(rèn)的提高暴雨可預(yù)報(bào)性最具發(fā)展前途的有效途徑之一。

基于集合轉(zhuǎn)換卡爾曼濾波（ETKF）的初值擾動(dòng)方法是現(xiàn)在集合領(lǐng)域較新的一種初值擾動(dòng)方法，該方法基于集合變換思想，可以直接得到預(yù)報(bào)誤差協(xié)方差的減少量，且具有卡爾曼濾波流依賴的特性，被認(rèn)為是目前理論上最優(yōu)的初值擾動(dòng)方法之一。該方法最早由Bishop et al.（2001）提出，用于適應(yīng)性觀測(cè)領(lǐng)域。Wang and Bishop（2003）將其用于集合初值擾動(dòng)，并同業(yè)務(wù)中使用的增長(zhǎng)模繁殖法（BGM）進(jìn)行比較，發(fā)現(xiàn)基于ETKF得到的分析擾動(dòng)能夠反應(yīng)觀測(cè)資料的密度和準(zhǔn)確率，在相當(dāng)?shù)臄?shù)量上保持集合擾動(dòng)的不相關(guān)，且擾動(dòng)相互正交，很好地解決了BGM中分析誤差方差固定不變、擾動(dòng)不正交等缺陷。Wei et al.（2006）進(jìn)一步在NCEP（National Centers for Environmental Prediction）業(yè)務(wù)環(huán)境預(yù)報(bào)中對(duì)ETKF與BGM進(jìn)行比較，所得結(jié)論與Wang and Bishop（2003）基本一致，ETKF產(chǎn)生的擾動(dòng)具有更大的自由度。同時(shí)，隨著ETKF方法研究的不斷深入，該方法也得到進(jìn)一步的完善。Wang et al. (2004) 從理論角度證明和正負(fù)擾動(dòng)方法相比球面中心化擾動(dòng)方法更適合ETKF。Wang et al. (2007) 在ETKF中引入一個(gè)小參數(shù)，使其擾動(dòng)離散度與真實(shí)大氣更接近。目前，英國(guó)氣象局也將該方法應(yīng)用在業(yè)務(wù)全球集合預(yù)報(bào)（Bowler and Mylne，2009）以及區(qū)域集合預(yù)報(bào)系統(tǒng)中（Bowler et al., 2009）。

在中國(guó)，不少學(xué)者也展開了對(duì)ETKF初值擾動(dòng)方法在區(qū)域集合預(yù)報(bào)系統(tǒng)中的應(yīng)用研究。馬旭林等（2006）基于ALADIN模式，對(duì)ETKF、BGM和奇異向量（SV）三種初值擾動(dòng)方法進(jìn)行比較，結(jié)果表明在較少集合成員的試驗(yàn)中，ETKF方案相對(duì)于BGM與SV初始擾動(dòng)方案表現(xiàn)出了一定的優(yōu)越性。田偉紅和莊世宇（2008）、馬旭林等（2008）以及龍柯吉等（2011）基于GRSPES-Meso區(qū)域模式對(duì)ETKF初值擾動(dòng)方法展開深入研究，揭示了 ETKF初值擾動(dòng)方案的基本性質(zhì)及利用ETKF方法進(jìn)行區(qū)域集合預(yù)報(bào)的可行性。陳超輝（2010）和陳超輝等（2013）通過(guò)理論和實(shí)際應(yīng)用揭示了ETKF在短期集合預(yù)報(bào)中的應(yīng)用前景，并將其延伸到混合資料同化領(lǐng)域。王太微等（2014）對(duì)比分析GRAPES_ETKF 和GRAPES_BGM兩個(gè)中尺度集合預(yù)報(bào)系統(tǒng)，表明ETKF的集合離散度和特征值分布優(yōu)于BGM方法，但對(duì)于降水結(jié)果TS評(píng)分等的比較上來(lái)看，BGM的預(yù)報(bào)結(jié)果優(yōu)于ETKF。隨著研究的不斷深入，ETKF在實(shí)際應(yīng)用中的一些不足也顯現(xiàn)出來(lái)，大量結(jié)果表明對(duì)于區(qū)域集合預(yù)報(bào)，僅包含初值不確定的ETKF初值擾動(dòng)方法仍存在離散度不夠，誤差較大等問(wèn)題。

近年來(lái)，有學(xué)者結(jié)合區(qū)域短期集合預(yù)報(bào)的特點(diǎn)，將物理不確定與邊界不確定引入 ETKF中。Peffers（2011）在其博士論文中研究了在ETKF中引入多種物理過(guò)程對(duì)于混合資料同化的影響，發(fā)現(xiàn)與單一物理過(guò)程的ETKF集合相比，多物理過(guò)程的ETKF集合的集合均值更加準(zhǔn)確，集合離散度、泰勒分布等均有明顯的改善。張涵斌等（2014）基于GRAPES-Meso集合預(yù)報(bào)系統(tǒng)設(shè)計(jì)了三種集合方案——多初值、多初值多物理、多初值多物理多邊值，結(jié)果表明引入物理參數(shù)方案擾動(dòng)及邊界條件擾動(dòng)能顯著提高集合離散度，改善各物理量場(chǎng)的預(yù)報(bào)效果，并且多初值多物理多邊值預(yù)報(bào)效果最好。在該試驗(yàn)中，三種方案的初始場(chǎng)均由ETKF方法生成，在預(yù)報(bào)中再引入多種物理參數(shù)化方案和邊界擾動(dòng)。也就是說(shuō)該試驗(yàn)在生成分析擾動(dòng)的過(guò)程中，僅考慮了初值的不確定，如果在ETKF生成分析擾動(dòng)的過(guò)程中，同時(shí)考慮初值不確定、物理不確定與邊界不確定對(duì)于預(yù)報(bào)結(jié)果又會(huì)帶來(lái)怎樣影響，能否有效提高暴雨預(yù)報(bào)準(zhǔn)確性、增加集合離散度呢？為此，本文嘗試在ETKF生成分析擾動(dòng)的過(guò)程中，同時(shí)考慮初值不確定、物理不確定與邊界不確定，然后構(gòu)建多初值、多物理、多邊界ETKF集合，以2010年9 月30日到10月8日海南島特大暴雨作為研究個(gè)例，對(duì)其在暴雨集合預(yù)報(bào)中的應(yīng)用展開研究，重點(diǎn)對(duì)比分析多物理過(guò)ETKF集合（以下簡(jiǎn)稱多物理ETKF）與單物理過(guò)程的ETKF集合（以下簡(jiǎn)稱單一ETKF）的差異，為更準(zhǔn)確地預(yù)報(bào)暴雨提供科學(xué)的理論依據(jù)。

2 試驗(yàn)方案設(shè)計(jì)

2.1 模式、資料與個(gè)例簡(jiǎn)介

本文選取2010年9月30日到2010年10月8日海南島特大暴雨作為研究對(duì)象。此次暴雨根據(jù)成因和降水強(qiáng)度可以分為三個(gè)階段，三個(gè)階段所進(jìn)行的模擬其結(jié)果基本相似，為節(jié)省篇幅本文僅以降水最強(qiáng)的第二階段為例進(jìn)行討論。第二階段為10月3日到6日，此次全海南島普降暴雨至大暴雨，甚至達(dá)到特大暴雨（強(qiáng)降水中心集中于東部沿海），給當(dāng)?shù)亟?jīng)濟(jì)造成重大損失。就5日00時(shí)（協(xié)調(diào)世界時(shí)，下同）至6日00時(shí)24 h累計(jì)降水，全島降雨量普遍超過(guò) 50 mm，接近一半地區(qū)的降雨量達(dá)到100 mm的大暴雨量級(jí)，全島降雨量自西向東逐漸增多，以東部沿岸最多，達(dá)到250 mm的特大暴雨級(jí)別，其中瓊海站24 h降雨量達(dá)到701.9 mm，萬(wàn)寧站雨量為392.2 mm，定安站為280.9 mm（圖1a）。

本文采用WRF V3.5模式，模式分辨率為12 km，模擬區(qū)域如圖 1b所示，模擬區(qū)域格點(diǎn)數(shù)為262×184，垂直方向分為42層，模式頂為10 hPa，投影方式為Mercator，降水檢驗(yàn)區(qū)為海南島。

模式背景場(chǎng)和邊界條件均采用NCEP的 FNL再分析資料，同時(shí)加入RTG_SST海溫資料，他們的分辨率均為0.5°×0.5°；觀測(cè)資料選取NCEP全球觀測(cè)資料，該資料包含NCEP全球衛(wèi)星通行系統(tǒng)（GTS）提供的陸地表面、海洋表面、探空和飛機(jī)探測(cè)資料，US雷達(dá)獲取的風(fēng)場(chǎng)、SSM/I的海洋風(fēng)和TCW 資料以及美國(guó)國(guó)家環(huán)境衛(wèi)星、數(shù)據(jù)和信息局（NESDIS）提供的衛(wèi)星風(fēng)場(chǎng)資料，時(shí)間間隔為6 h；降水資料為中國(guó)逐日網(wǎng)格降水資料，空間分辨率為0.25°×0.25°，該資料從實(shí)時(shí)降水庫(kù)提取全國(guó) 2400多臺(tái)站（包括國(guó)家氣候觀象臺(tái)，國(guó)家氣象觀測(cè)一級(jí)站、二級(jí)站）逐日降水量處理得到。

圖1 （a）2010年10月5日00時(shí)到6日00時(shí)24 h地面觀測(cè)的累計(jì)降水（單位：mm）；（b）試驗(yàn)?zāi)M區(qū)域范圍Fig. 1 (a) 24 h accumulative precipitation (units: mm) from 0000 UTC 5 to 0000 UTC 6 October 2010; (b) simulation area

2.2 方案設(shè)計(jì)

本文共進(jìn)行三組試驗(yàn)，分別為對(duì)照試驗(yàn)、單一ETKF試驗(yàn)和多物理ETKF試驗(yàn)，分別記為K、I、P試驗(yàn)。對(duì)照試驗(yàn)為確定性試驗(yàn)，選取了Kain-Fritsch對(duì)流參數(shù)化過(guò)程，Yonsei University邊界層參數(shù)化方案，積分時(shí)間為2010年10月3日00時(shí)至6日00時(shí)，共72小時(shí)，側(cè)邊界每6 h更新一次。

單一ETKF共20個(gè)集合成員，均通過(guò)在分析場(chǎng)（再分析資料）上疊加隨機(jī)擾動(dòng)得到，物理方案與控制試驗(yàn)相同；多物理ETKF試驗(yàn)分為4組，每組采用相同的物理參數(shù)化方案，每組參數(shù)化方案對(duì)應(yīng)5個(gè)隨機(jī)擾動(dòng)，共20個(gè)集合成員。本文的物理過(guò)程擾動(dòng)采用積云對(duì)流參數(shù)化和邊界層參數(shù)化方案的組合，其余物理過(guò)程與控制試驗(yàn)一致（表1）。

在區(qū)域集合預(yù)報(bào)中，側(cè)邊界的不確定也是影響預(yù)報(bào)效果的重要因素。所以，本文中單一ETKF與多物理ETKF集合均采用相同的方法引入側(cè)邊界擾動(dòng)，其做法類似于WRFDA（WRF模式中的同化模塊）中的側(cè)邊界更新，即利用各擾動(dòng)成員相鄰6 h邊界場(chǎng)的差異作為側(cè)邊界的擾動(dòng)。上述兩組集合試驗(yàn)的積分方案也相同，前24 h每6 h進(jìn)行一次ETKF擾動(dòng)更新，到4日00時(shí)，再連續(xù)積分48 h，側(cè)邊界每6 h更新一次，且均為擾動(dòng)后的邊界條件。本次試驗(yàn)中，ETKF主要對(duì)緯向風(fēng)，經(jīng)向風(fēng)，垂直風(fēng)，位勢(shì)，位溫，水汽混合比和干空氣質(zhì)量七個(gè)物理量進(jìn)行更新。

綜上所述，在本文的試驗(yàn)中，單一ETKF在生成分析擾動(dòng)時(shí)，考慮了初值和邊界不確定的影響，多物理ETKF則同時(shí)考慮了初值、物理和邊界不確定的影響，對(duì)比分析單一ETKF與多物理ETKF的結(jié)果，可以很好的檢驗(yàn)多種物理過(guò)程對(duì)于暴雨集合預(yù)報(bào)的影響。

表1 多物理ETKF物理參數(shù)化組合Table 1 Multi-physical ensemble transform Kalman filter (ETKF) parameterization combination

3 模擬降水結(jié)果的比較檢驗(yàn)

降水預(yù)報(bào)的準(zhǔn)確與否是衡量數(shù)值模擬效果的一個(gè)重要方面，為了客觀定量分析降水預(yù)報(bào)準(zhǔn)確率，本文選取SAL方法（Wernli et al., 2008）對(duì)降水結(jié)果進(jìn)行檢驗(yàn)。此方法以研究范圍內(nèi)的降水為目標(biāo)物，并根據(jù)分布情況將此范圍內(nèi)的降水主體劃分為不同的降水個(gè)體，從總雨帶及其內(nèi)部結(jié)構(gòu)兩個(gè)方面，對(duì)雨帶的預(yù)報(bào)從強(qiáng)度（A）、位置（L）、結(jié)構(gòu)（S）三個(gè)降水預(yù)報(bào)的關(guān)鍵因素進(jìn)行效果檢驗(yàn)，方法設(shè)計(jì)科學(xué)，與預(yù)報(bào)員和科研人員的分析思路一致，可很好地解決了TS評(píng)分和ETS評(píng)分中缺乏天氣學(xué)意義等不足，結(jié)果更加可信。SAL檢驗(yàn)結(jié)果為S、A、L三個(gè)檢驗(yàn)數(shù)值，值域范圍分別為[?2, 2]、[?2, 2]、[0, 2]，數(shù)值意義明確，判斷方法簡(jiǎn)單。對(duì)于三個(gè)數(shù)值，絕對(duì)值越小，預(yù)報(bào)效果越好，并且三個(gè)指標(biāo)中對(duì)降水預(yù)報(bào)效果指示意義最大的為L(zhǎng)檢驗(yàn)值，L值越小，預(yù)報(bào)效果好的可能性越大，A值其次，S值再次，具體原理請(qǐng)參見(jiàn)文獻(xiàn)Wernli et al.（2008）和公穎（2010）。

圖2給出了集合均值2010年10月5日至6日24 h累計(jì)降水的SAL檢驗(yàn)結(jié)果。由圖可以看出，此次特大暴雨，對(duì)于L，多物理ETKF明顯優(yōu)于對(duì)照試驗(yàn)和單一ETKF；對(duì)于A，三組試驗(yàn)值均較大，多物理ETKF與另外兩組試驗(yàn)結(jié)果持平；對(duì)于S，對(duì)照試驗(yàn)較小。這些結(jié)果說(shuō)明，多物理ETKF對(duì)于降水的位置有顯著的改善，但對(duì)于特大暴雨，預(yù)報(bào)的降水強(qiáng)度仍然偏小，范圍偏大。同樣，對(duì)48 h以及72 h的累計(jì)降水作相同的檢驗(yàn)分析（圖略），所得結(jié)論與對(duì)24 h的檢驗(yàn)結(jié)果基本一致。這種降水強(qiáng)度預(yù)報(bào)的偏弱現(xiàn)象，一般是多成員集合預(yù)報(bào)的常見(jiàn)問(wèn)題，因?yàn)槊總€(gè)預(yù)報(bào)難于在每個(gè)點(diǎn)都有相同量值的結(jié)果，集合時(shí)往往會(huì)將峰值平均掉。

圖2 2010年10月5日到6日24 h累計(jì)降水量的SAL檢驗(yàn)。黑色為對(duì)照試驗(yàn)（K），紅色為單一ETKF試驗(yàn)試驗(yàn)（I），藍(lán)色為多物理ETKF試驗(yàn)試驗(yàn)（P）Fig. 2 Test SAL (characters S, A, and L represent structure, amplitude, and location of rain belt) of 24-h accumulative precipitation from 0000 UTC 5 Oct 2010 to 0000 UTC 6 Oct 2010 . Black, red, and blue bars represent contrast test (K), single-physical ETKF test (I), and multi-physical ETKF test (P), respectively

4 集合預(yù)報(bào)比較檢驗(yàn)

對(duì)集合預(yù)報(bào)的檢驗(yàn)評(píng)價(jià)主要是針對(duì)它的以下兩個(gè)屬性：可靠性和分辨能力。為全面衡量ETKF集合預(yù)報(bào)的效果，本文采用多種檢驗(yàn)方法，主要包括集合均方根誤差（RMSE）和集合離散度（spread）、Talagrand分布、能量離散度以及集合擾動(dòng)與預(yù)報(bào)誤差相關(guān)分析（PECA），從多角度綜合分析初值ETKF和物理ETKF集合的差異。

4.1 均方根誤差和離散度檢驗(yàn)

圖3 2010年10月5日00時(shí)（48 h預(yù)報(bào)）集合平均RMSE（實(shí)線）、離散度（虛線）垂直變化：（a）位勢(shì)高度；（b）相對(duì)濕度；（c）溫度；（d）緯向風(fēng)。黑色為對(duì)照試驗(yàn)（K），紅色為單一ETKF試驗(yàn)（I），藍(lán)色為多物理ETKF試驗(yàn)（P），下同F(xiàn)ig. 3 Vertical distribution of RMSE (solid line) and spread (dashed line) at 0000 UTC 5 Oct 2010 (48 h forecast): (a) Geopotential height (GH); (b) relative humidity (RH); (c) temperature; (d) zonal wind. Black, red, and blue lines represent contrast test (K), single-physical ETKF test (I), and multi-physical ETKF test (P), respectively, the same below

集合平均是對(duì)集合成員預(yù)報(bào)值做簡(jiǎn)單的數(shù)學(xué)平均，是集合預(yù)報(bào)最初級(jí)的應(yīng)用。集合平均可以過(guò)濾掉每個(gè)成員的不可預(yù)報(bào)因素，給出總體的預(yù)報(bào)趨勢(shì)。將集合平均的均方根誤差與對(duì)照預(yù)報(bào)的均方根誤差進(jìn)行對(duì)比，可以比較直觀地看出集合預(yù)報(bào)系統(tǒng)相對(duì)于對(duì)照預(yù)報(bào)是否有所改進(jìn)。集合離散度是一種常用的衡量集合預(yù)報(bào)相對(duì)于集合平均的不確定性的檢驗(yàn)指標(biāo)。一個(gè)好的集合預(yù)報(bào)系統(tǒng)，其成員間的離散度和集合平均預(yù)報(bào)均方根誤差的大小應(yīng)該大體相當(dāng)，這樣才能保證集合成員數(shù)目有限時(shí)，有比較大的可能把真實(shí)大氣包含在成員集合當(dāng)中。

圖3給出三組試驗(yàn)2010年10月5日00時(shí)（48 h預(yù)報(bào)結(jié)果）集合平均RMSE和離散度的垂直變化。由圖3可知，對(duì)于位勢(shì)高度（H）、相對(duì)濕度（RH）、緯向風(fēng)（U）、溫度（T）四個(gè)物理量，單一 ETKF和多物理ETKF與對(duì)照預(yù)報(bào)相比都有一定的改善，多物理ETKF表現(xiàn)最優(yōu)，特別是中上層的H，以及中下層的 T、U。圖 4給出了三組試驗(yàn)集合平均RMSE和離散度隨預(yù)報(bào)時(shí)間的演變。由圖4知，多物理ETKF的RMSE始終小于單一ETKF和對(duì)照試驗(yàn)，并且隨著預(yù)報(bào)時(shí)間的增加優(yōu)勢(shì)更加明顯。對(duì)于離散度，單一ETKF較小，且隨時(shí)間增加無(wú)增長(zhǎng)趨勢(shì)；多物理ETKF在20 h以后，隨著預(yù)報(bào)時(shí)間增長(zhǎng)離散度呈增大趨勢(shì)，這和張涵斌等（2014）的結(jié)論一致。在20 h以前，對(duì)于多物理ETKF，500 hPa位勢(shì)高度H的離散度相對(duì)高于RMSE。應(yīng)該說(shuō)，在積分初期集合離散度大于或近似等于集合平均RMSE均是合理的。因?yàn)樵诜e分初期，模式屬于適應(yīng)調(diào)整階段，隨著模式積分時(shí)間的向前推進(jìn)，可能由于模式在積分過(guò)程中的動(dòng)力調(diào)整作用減小了初值擾動(dòng)對(duì)預(yù)報(bào)結(jié)果的影響，因此模式平均預(yù)報(bào)RMSE增長(zhǎng)相對(duì)較快。相比較而言，多物理ETKF集合離散度隨時(shí)間增長(zhǎng)明顯，相對(duì)于單一ETKF保持著較好的離散度。圖5和圖6進(jìn)一步給出離散度與RMSE的比值，可以看到兩個(gè)集合均值的比值基本都小于1，說(shuō)明離散度仍然小于均方根誤差，同時(shí)多物理ETKF的比值更接近1。

除了考慮集合均值的表現(xiàn)，各個(gè)集合成員的表現(xiàn)同樣值得關(guān)注。圖7和圖8給出了2010年10月5日00時(shí)兩種ETKF方案各集合成員的RMSE。由圖可知，兩種方案集合均值都優(yōu)于大部分集合成員，多物理ETKF集合均值優(yōu)勢(shì)更明顯，且多物理ETKF集合成員間的差異更為顯著，特別是位勢(shì)高度和溫度。同時(shí)，不同物理量受參數(shù)化影響不同，位勢(shì)高度和溫度受積云參數(shù)化方案和邊界層方案影響更明顯。

4.2 Talagrand分布檢驗(yàn)

Talagrand分布圖是對(duì)集合離散度和系統(tǒng)可靠性的檢驗(yàn)。當(dāng)每個(gè)柱型的高度相同時(shí)，集合預(yù)報(bào)系統(tǒng)的離散度最好；當(dāng)柱型有明顯的傾斜，即呈“L”或反“L”型，說(shuō)明集合存在系統(tǒng)性的偏差；如果呈“U”分布，說(shuō)明集合系統(tǒng)的離散程度不夠，反之呈倒“U”型分布時(shí)，集合系統(tǒng)的離散度過(guò)大。

圖 9圖給出 24 h、48 h、72 h預(yù)報(bào)結(jié)果的Talagrand分布，預(yù)報(bào)量為850 hPa緯向風(fēng)。由圖可知，單一ETKF離散度不足，呈“U”分布，多物理ETKF分布較為平緩，離散度得到明顯的改善，并且，隨著時(shí)間的增長(zhǎng)，多物理ETKF擾動(dòng)集合子空間各方向上方差維持較好。多物理ETKF對(duì)于動(dòng)力場(chǎng)預(yù)報(bào)的離散度有較大的改善，其他物理量和其他層次，結(jié)果類似（圖略）。

4.3 能量離散度分析

ETKF初值擾動(dòng)將預(yù)報(bào)擾動(dòng)變換為分析擾動(dòng)的過(guò)程中，融入了觀測(cè)提供的新信息，從而減小預(yù)報(bào)擾動(dòng)誤差協(xié)方差。與此同時(shí)，當(dāng)集合成員數(shù)較小時(shí)，ETKF得到的分析擾動(dòng)協(xié)方差無(wú)法達(dá)到真實(shí)的分析誤差協(xié)方差的量級(jí)，此時(shí)引入放大因子使分析擾動(dòng)成員的協(xié)方差與控制預(yù)報(bào)分析場(chǎng)的誤差方差大體相當(dāng)。下面對(duì)預(yù)報(bào)和分析擾動(dòng)的能量離散度進(jìn)行分析，對(duì)比兩者之間的差異。

本文選取擾動(dòng)總干能量進(jìn)行分析，其定義為

其中，u'、v'和T'分別代表水平風(fēng)場(chǎng)和溫度場(chǎng)擾動(dòng)；cp=1004.0Jkg?1K?1為干空氣定壓比熱；Tr為參考溫度（即驗(yàn)證區(qū)域內(nèi)FNL平均溫度廓線）；i, j, k分別水平和垂直格點(diǎn)維數(shù)。本文試驗(yàn)從2010年10月3日00時(shí)積分至6日00時(shí)，共72小時(shí)。圖10給出了前24 h（ETKF擾動(dòng)更新階段）預(yù)報(bào)和分析擾動(dòng)能量離散度垂直分布，這里的分析場(chǎng)資料選用FNL再分析資料。由圖可知，6 h和18 h兩種方案分析擾動(dòng)與預(yù)報(bào)擾動(dòng)的誤差協(xié)方差基本一致，也就是說(shuō)，在6 h和18 h ETKF擾動(dòng)更新的作用不明顯，這一方面可能是因?yàn)镋TKF的更新與觀測(cè)資料的密度、分布和質(zhì)量有密切的關(guān)系而6 h和18 h沒(méi)有常規(guī)探空觀測(cè)；另一方面也說(shuō)明更新與其時(shí)間間隔有關(guān)，這從某種角度可以說(shuō)明，對(duì)于ETKF初值擾動(dòng)更新的間隔可以選取12h。從12h和18h來(lái)看，對(duì)于單一ETKF，分析擾動(dòng)誤差協(xié)方差略小于預(yù)報(bào)擾動(dòng)誤差協(xié)方差，而多物理ETKF分析擾動(dòng)誤差協(xié)方差和預(yù)報(bào)擾動(dòng)誤差協(xié)方差的差異更為明顯，在12h時(shí)分析擾動(dòng)誤差協(xié)方差大于預(yù)報(bào)擾動(dòng)誤差協(xié)方差，說(shuō)明多物理ETKF對(duì)于能量的調(diào)整作用更加明顯。

圖11給出了不同預(yù)報(bào)時(shí)間集合擾動(dòng)的垂直分布，圖11a為單一ETKF，圖11b為多物理ETKF。由圖可知，隨著預(yù)報(bào)時(shí)間的延長(zhǎng)，兩種方案擾動(dòng)能量離散度均在增加，但是單一ETKF增長(zhǎng)不夠明顯，多物理ETKF增長(zhǎng)更為顯著，且增長(zhǎng)速度更快。這說(shuō)明采用不同的物理過(guò)程可以使擾動(dòng)誤差得到更快的增長(zhǎng)，有效提高集合離散度。

4.4 PECA分析

PECA即集合擾動(dòng)和預(yù)報(bào)誤差相關(guān)性分析。該方法由Wei and Toth（2003）提出，它僅考慮集合擾動(dòng)和預(yù)報(bào)誤差的相關(guān)關(guān)系，去除了由于模式、分析場(chǎng)等因素對(duì)于預(yù)報(bào)結(jié)果的影響，更客觀的評(píng)價(jià)集合擾動(dòng)方案優(yōu)劣。PECA定義式為

其中，X代表預(yù)報(bào)誤差（分析值與控制預(yù)報(bào)的差），Y代表集合擾動(dòng)（擾動(dòng)預(yù)報(bào)與控制預(yù)報(bào)的差）。PECA值越高，說(shuō)明集合越能捕捉預(yù)報(bào)誤差的信息，集合擾動(dòng)方案越好。

圖4 RMSE（實(shí)線）、離散度（虛線）隨預(yù)報(bào)時(shí)間的演變：（a）500 hPa的位勢(shì)高度；（b）500 hPa的相對(duì)濕度；（c）850 hPa的溫度；（d）850 hPa的緯向風(fēng)。黑色虛線代表ETKF更新結(jié)束的時(shí)刻Fig. 4 Evolutions of RMSE (solid line) and spread (dashed line) with forecast time: (a) 500-hPa GH; (b) 500-hPa RH; (c) 850-hPa temperature; (d) 850-hPa zonal wind. Black dotted line represents the end time of the ETKF updating

圖5 2010年10月5日00時(shí)（預(yù)報(bào)48 h）離散度與RMSE比值的垂直變化：（a）位勢(shì)高度；（b）相對(duì)濕度；（c）溫度；（d）緯向風(fēng)。黑色虛線為比值為1的線，下同F(xiàn)ig. 5 Vertical distribution of ratio of spread to RMSE at 0000 UTC 5 Oct 2010 (48-h forecast): (a) GH; (b) RH; (c) temperature; (d) zonal wind. Black dashed line indicates ratio 1, the same below

圖12給出了兩種方案24 h預(yù)報(bào)的PECA垂直分布。由圖可以看出，多物理ETKF集合PECA的值更大，也就是說(shuō)多物理ETKF集合擾動(dòng)方案能更好地捕捉預(yù)報(bào)誤差的信息。同時(shí)，我們發(fā)現(xiàn)兩者的值均小于0.5，這可能是因?yàn)榉e分時(shí)間較短以及沒(méi)有考慮模式誤差等其他不確定因素。

圖6 離散度與RMSE比值隨預(yù)報(bào)時(shí)間的演變：（a）500 hPa的位勢(shì)高度；（b）500 hPa的相對(duì)濕度；（c）850 hPa的溫度；（d）850 hPa的緯向風(fēng)Fig. 6 Evolutions of ratio of spread to RMSE with forecast time : (a) 500-hPa GH; (b) 500-hPa RH; (c) 850-hPa temperature; (d) 850-hPa zonal wind

圖7 2010年10月5日00時(shí)單一ETKF試驗(yàn)（I）各集合成員的RMSE：（a）位勢(shì)高度；（b）相對(duì)濕度；（c）溫度；（d）緯向風(fēng)。藍(lán)色實(shí)線表示RMSE的最小值，紅色柱狀代表集合均值Fig. 7 RMSE of all members in the single-physical ETKF test (I) at 0000 UTC 5 Oct 2010: (a) GH; (b) RH; (c) temperature; (d) zonal wind. Blue line represents the minimum and the red bar represents the mean

5 結(jié)論與討論

圖8 2010年10月5日00時(shí)多物理ETKF試驗(yàn)（P）各集合成員的RMSE：（a）位勢(shì)高度；（b）相對(duì)濕度；（c）溫度；（d）緯向風(fēng)。黑色填充代表參數(shù)化組合1，綠色填充代表參數(shù)化組合2，黃色填充代表參數(shù)化組合3，藍(lán)色填充代表參數(shù)化組合4Fig. 8 RMSE of all members in the multi-physical ETKF test P at 0000 UTC 5 Oct 2010: (a) GH; (b) RH; (c) temperature; (d) zonal wind. Bars filled with black and green represent the combination 1 and combination 2, respectively; bars filled with yellow and blue represent the combination 3 and combination 4, respectively

圖9 850 hPa緯向風(fēng)的Talagrand分布。上為I試驗(yàn)，下為P試驗(yàn)Fig. 9 Talagrand distributions of the forecasted zonal wind at 850 hPa using test I (upper panel) and test P (lower panel)

圖10 預(yù)報(bào)（實(shí)線）和分析（虛線）的擾動(dòng)能量離散度（單位：J kg?1）垂直分布：（a）6 h；（b）12 h；（c）18 h；（d）24 h。紅色為I試驗(yàn)，藍(lán)色為P試驗(yàn)Fig. 10 Vertical distributions of predicted perturbation energy spread and analyzed perturbation energy spread (units: J kg?1): (a) 6 h; (b) 12 h; (c) 18 h; (d) 24 h. Red and blue lines represent scheme I and P, respectively

圖11 兩種方案擾動(dòng)能量離散度（單位：J kg?1）垂直分布：（a）I方案；（b）P方案。不同線形代表不同預(yù)報(bào)時(shí)效Fig. 11 Vertical distribution of perturbation energy spread (units: J kg?1) using (a) scheme I and (b) scheme P. The different lines represent different forecast time

圖12 24 h預(yù)報(bào)的兩種方案PECA垂直分布特征：（a）位勢(shì)高度；（b）相對(duì)濕度；（c）溫度；（d）緯向風(fēng)。紅色為I試驗(yàn)，藍(lán)色為P試驗(yàn)Fig. 12 Vertical distribution of perturbation versus error correlation analysis (PECA) for 24 h forecast using the two schemes: (a) GH; (b) RH; (c) temperature; (d) zonal wind. Red and blue lines represent test I and P, respectively

在短期區(qū)域集合預(yù)報(bào)中，僅包含初值不確定的ETKF初值擾動(dòng)方法存在離散度不夠、誤差較大等問(wèn)題。為了克服這些不足，提高暴雨集合預(yù)報(bào)的準(zhǔn)確性，本文嘗試結(jié)合區(qū)域短期集合預(yù)報(bào)的特點(diǎn)，在ETKF擾動(dòng)更新中引入物理不確定和邊界不確定，構(gòu)建多初值、多物理、多邊值的ETKF集合，重點(diǎn)分析了引入多物理參數(shù)化對(duì)于集合預(yù)報(bào)效果的影響。并以2010年10月3日到10月6日海南島特大暴雨為研究對(duì)象，進(jìn)一步討論ETKF在暴雨集合預(yù)報(bào)中的應(yīng)用問(wèn)題，采用多種集合檢驗(yàn)方法對(duì)單一ETKF和多物理ETKF的表現(xiàn)進(jìn)行綜合客觀的分析，得出如下結(jié)論。

（1）兩種集合方案相對(duì)于對(duì)照試驗(yàn)預(yù)報(bào)效果均有一定的改善，集合均值的RMSE顯著小于對(duì)照預(yù)報(bào)，隨著預(yù)報(bào)時(shí)間的增加優(yōu)勢(shì)更加明顯。

（2）無(wú)論是降水預(yù)報(bào)還是形勢(shì)場(chǎng)的預(yù)報(bào)，多物理ETKF較單一ETKF表現(xiàn)更好，并且隨著預(yù)報(bào)時(shí)間的增加優(yōu)勢(shì)更為顯著。對(duì)于降水預(yù)報(bào)，多物理 ETKF對(duì)于降水位置的預(yù)報(bào)有顯著的改善。對(duì)于形勢(shì)場(chǎng)預(yù)報(bào)，多物理ETKF的RMSE始終小于單一ETKF；單一ETKF集合的離散度較小，且隨預(yù)報(bào)時(shí)效的增加沒(méi)有增長(zhǎng)的趨勢(shì)，而多物理ETKF集合離散度隨預(yù)報(bào)時(shí)效的增加呈增長(zhǎng)趨勢(shì)，使集合離散度保持更好；多物理ETKF的Talagrand分布更加平坦；對(duì)于能量離散度來(lái)說(shuō)，多物理ETKF可以對(duì)預(yù)報(bào)擾動(dòng)能量離散度有更好的調(diào)整，且隨著預(yù)報(bào)時(shí)效的增加，預(yù)報(bào)擾動(dòng)的能量離散度增長(zhǎng)更快，也就是說(shuō)多物理ETKF誤差擾動(dòng)增長(zhǎng)更快；通過(guò)PECA的比較發(fā)現(xiàn)，多物理ETKF相對(duì)于單一 ETKF來(lái)說(shuō)集合擾動(dòng)與預(yù)報(bào)誤差相關(guān)性更好，能更好地捕捉預(yù)報(bào)誤差的信息。

（3）通過(guò)本文的研究試驗(yàn)，發(fā)現(xiàn)將多種物理參數(shù)化方案引入ETKF初值擾動(dòng)中，能很好地改善集合離散度，提高預(yù)報(bào)準(zhǔn)確性，進(jìn)一步說(shuō)明在區(qū)域短期集合預(yù)報(bào)中，物理不確定的重要性，多物理ETKF顯示出良好的發(fā)展前景和應(yīng)用潛力。

由于計(jì)算資源等原因，本文僅采用 20個(gè)集合成員，并且多物理參數(shù)化方案設(shè)計(jì)較為簡(jiǎn)單，僅引入積云對(duì)流參數(shù)化和邊界處理方案；而且對(duì)于ETKF擾動(dòng)更新過(guò)程的特征分析還不夠深入。在下一步工作中，我們將選取更多的個(gè)例進(jìn)行試驗(yàn)，并考慮增加集合數(shù)目、引入微物理過(guò)程，同時(shí)開展研究邊界不確定性對(duì)于預(yù)報(bào)效果的影響，進(jìn)一步探尋多物理ETKF在暴雨集合預(yù)報(bào)應(yīng)用中的可行性。

參考文獻(xiàn)（References）

Bishop C H, Etherton B J, Majumdar S J. 2001. Adaptive sampling with the ensemble transform Kalman filter. Part I: Theoretical aspects [J]. Mon. Wea. Rev., 129: 420–436, doi:10.1175/1520-0493(2001)129＆lt;0420: ASWTET＆gt;2.0.CO;2.

Bowler N E, Mylne K R. 2009. Ensemble transform Kalman filter perturbations for a regional ensemble prediction system [J]. Quart. J. Roy. Meteor. Soc., 135 (640): 757–766, doi:10.1002/qj.404.

Bowler N E, Arribas A, Beare S E, et al. 2009. The local ETKF and SKEB: Upgrades to the MOGREPS short-range ensemble prediction system [J]. Quart. J. Roy. Meteor. Soc., 135 (640): 767–776, doi:10.1002/qj.394.

陳超輝. 2010. 短期集合預(yù)報(bào)關(guān)鍵技術(shù)研究 [D]. 中國(guó)人民解放軍理工大學(xué)博士學(xué)位論文, 121–124. Chen Chaohui. 2010. The research of short-term ensemble forecasts [D]. Ph. D. dissertation (in Chinese), PLA University of Science and Technology, 121–124.

陳超輝, 李崇銀, 譚言科, 等. 2013. 隨機(jī)強(qiáng)迫對(duì)集合預(yù)報(bào)效果的影響研究 [J]. 氣象學(xué)報(bào), 71 (3): 505–516. Chen Chaohui, Li Chongyin, Tan Yanke, et al. 2013. Study of the drift of ensemble forecast effects caused by stochastic forcing [J]. Acta Meteor. Sinica (in Chinese), 71 (3): 505–516, doi:10.11676/qxxb2013.040.

公穎. 2010. SAL定量降水預(yù)報(bào)檢驗(yàn)方法的解釋與應(yīng)用 [J]. 暴雨災(zāi)害, 29 (2): 153–159. Gong Ying. 2010. The explanation and application of SAL quantitative verification for precipitation forecasts [J]. Torrential Rain and Disasters (in Chinese), 29 (2): 153–159.

Wernli H, Paulat M, Hagen M, et al. 2008. SAL—A novel quality measure for the verification of quantitative precipitation forecasts [J]. Mon. Wea. Rev., 136: 4470–4487, doi:10.1175/2008MWR2415.1.

龍柯吉, 陳靜, 馬旭林, 等. 2011. 基于集合卡爾曼變換的區(qū)域集合預(yù)報(bào)初步研究 [J]. 成都信息工程學(xué)院學(xué)報(bào), 26 (1): 37–46. Long Keji, Chen Jing, Ma Xulin, et al. 2011. The preliminary study on ensemble prediction of GRAPES-meso based on ETKF [J]. Journal of Chengdu University of Information Technology (in Chinese), 26 (1): 37–46, doi:10.3969/j.issn.1671-1742.2011.01.008.

Peffers L T. 2011. Hybrid variational ensemble data assimilation with initial condition and model physics uncertainty [D]. M. S. thesis, The Florida State University College of Arts and Sciences.

馬旭林, Wang Yong, 薛紀(jì)善. 2006. 基于ETKF理論的有限區(qū)域集合預(yù)報(bào)初始擾動(dòng)方案及初步試驗(yàn) [C]//中國(guó)氣象學(xué)會(huì)論文集. 北京: 氣象出版社. Ma Xulin, Wang Yong, Xue Jishan. 2006. Study on ETKF-based initial perturbation scheme for limited area ensemble prediction [C]// Chinese Meteorological Society Proceedings (in Chinese). Beijing: China Meteorological Press.

馬旭林, 薛紀(jì)善, 陸維松. 2008. GRAPES全球集合預(yù)報(bào)的集合卡爾曼變換初始擾動(dòng)方案初步研究 [J]. 氣象學(xué)報(bào), 66 (4): 526–536. Ma Xulin, Xue Jishan, Lu Weisong. 2008. Preliminary study on ensemble transform Kalman filter-based initial perturbation scheme in GRAPES global ensemble prediction [J]. Acta Meteor. Sinica (in Chinese), 66 (4): 526–536, doi:10.11676/qxxb2008.050.

Wei M Z, Toth Z. 2003. A new measure of ensemble performance: Perturbation versus error correlation analysis (PECA) [J]. Mon. Wea. Rev., 1549–1565, doi:10.1175//1520-0493(2003)131＆lt;1549:ANMOEP＆gt;2.0.CO;2.

Saito K, Seko H, Kunii M, et al. 2012. Effect of lateral boundary perturbations on the breeding method and the local ensemble transform Kalman filter for mesoscale ensemble prediction [J]. Tellus A, 64: 11594,doi:10.3402/tellusa.v64i0.11594.

Stensrud D J, Brooks H E, Du J, et al. 1999. Using ensembles for short-range forecasting [J]. Mon. Wea. Rev., 127: 433–446, doi:10.1175/ 1520-0493(1999)127＆lt;0433:UEFSRF＆gt;2.0.CO;2.

陶詩(shī)言, 趙思雄, 周曉平, 等. 2003. 天氣學(xué)和天氣預(yù)報(bào)的研究進(jìn)展 [J].大氣科學(xué), 27 (4): 451–467. Tao Shiyan, Zhao Sixiong, Zhou Xiaoping, et al. 2003. The research progress of the synoptic meteorology and synoptic forecast [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 27 (4): 451–467, doi:10.3878/j.issn.1006-9895.2003.04.03.

田偉紅, 莊世宇. 2008. ETKF方法在區(qū)域集合預(yù)報(bào)中的初步應(yīng)用 [J]. 氣象, 34 (8): 35–39. Tian Weihong, Zhuang Shiyu. 2008. Application of ETKF method to regional ensemble forecasts [J]. Meteor. Mon. (in Chinese), 34 (8): 35–39.

王太微, 陳德輝, 吳曼麗. 2014. GRAPES-EPS系統(tǒng)的初值生成方法與對(duì)比試驗(yàn)研究 [J]. 氣象與環(huán)境學(xué)報(bào), 30 (2): 23–30. Wang Taiwei, Chen Dehui, Wu Manli. 2014. Two methods of initial perturbation generation and both comparison in the GRAPES-EPS system [J]. J. Meteor. Environ. (in Chinese), 30 (2): 23–30.

Wang X G, Bishop C H. 2003. A comparison of breeding and ensemble transform Kalman filter ensemble forecast schemes [J]. J. Atmos. Sci., 60 (9): 1140–1158, doi:10.1175/1520-0469(2003)060＆lt;1140:ACOBAE＆gt;2.0. CO;2.

Wang X G, Bishop C H, Julier S J. 2004. Which is better, an ensemble of positive–negative pairs or a centered spherical simplex ensemble? [J]. Mon. Wea. Rev., 132: 590–1605, doi:10.1175/1520-0493(2004)132＆lt;1590: WIBAEO＆gt;2.0.CO;2.

Wang X G, Hamill T M, Whitaker J S, et al. 2007. A comparison of hybrid ensemble transform Kalman filter–optimum interpolation and ensemble square root filter analysis schemes [J]. Mon. Wea. Rev., 135: 1055–1076, doi:10.1175/MWR3307.1.

Wei M Z, Toth Z, Wobus R, et al. 2006. Ensemble transform Kalman filter based ensemble perturbations in an operational global prediction system at NCEP [J]. Tellus A, 58 (1): 28–44, doi:10.1111/j.1600-0870.2006. 00159.x.

張涵斌, 陳靜, 智協(xié)飛, 等. 2014. 基于GRAPES_Meso的集合預(yù)報(bào)擾動(dòng)方案設(shè)計(jì)與比較 [J]. 大氣科學(xué)學(xué)報(bào), 37 (3): 276–284. Zhang Hanbin, Chen Jing, Zhi Xiefei, et al. 2014. Design and comparison of perturbation schemes for GRAPES_Meso based ensemble forecast [J]. Trans. Atmos. Sci. (in Chinese), 37 (3): 276–284.

趙思雄, 孫建華. 2013. 近年來(lái)災(zāi)害天氣機(jī)理和預(yù)測(cè)研究的進(jìn)展 [J]. 大氣科學(xué), 37(2): 297–312. Zhao Sixiong, Sun Jianhua. 2013. Study on mechanism and prediction of disastrous weathers during recent years [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (2): 297–312, doi:10.3878/j.issn.1006-9895.2012.12317.

資助項(xiàng)目 國(guó)家高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目2012AA091801，國(guó)家自然科學(xué)基金項(xiàng)目41205044、41205073、41275099

Funded by National High-tech R＆amp;D Program of China (Grant 2012AA091801), National Natural Science Foundation of China (Grants 41205044, 41205073, and 41275099 )

文章編號(hào)1006-9895(2016)04-0657-12 中圖分類號(hào) P456

文獻(xiàn)標(biāo)識(shí)碼A

doi:10.3878/j.issn.1006-9895.1508.14308

收稿日期2014-11-03；網(wǎng)絡(luò)預(yù)出版日期 2015-08-17

作者簡(jiǎn)介黃紅艷，女，1989年出生，碩士研究生，主要從事集合天氣預(yù)報(bào)研究。E-mail: huanghongyan2012@126.com

通訊作者李崇銀，E-mail: lcy@lasg.iap.ac.cn

Preliminary Application of a Multi-Physical Ensemble Transform Kalman Filter in Precipitation Ensemble Prediction

HUANG Hongyan1, QI Linlin2, LIU Jianwen2, HUANG Jiangping2, and LI Chongyin3, 4
1 Xichang Satellite Launch Center, Xichang Sichuan 615000
2 Institute of Aviation Meteorological Research, Beijing 100085
3 State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics (LASG), Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029
4 Institute of Meteorology and Oceanography, PLA University of Science and Technology, Nanjing 211101

AbstractThe optimal initial perturbation method using the ensemble transform Kalman filter (ETKF) is a point of intense popular interest in ensemble prediction. However, problems remain with respect to short-term ensemble prediction, such as insufficient ensemble spread, too large a prediction error, and so on. In this study, multi-physicalparameterizations and boundary perturbations were introduced into the initial ETKF, and a heavy rainfall event that occurred in Hainan Province during 30 September to 6 October 2010 was simulated, as an example, using the single-physical ETKF and multi-physical ETKF in WRF3.5. The main results were as follows: All ensemble schemes outperformed the contrast forecast, with the multi-physical ETKF found to be the best. The RMSE and ensemble spread were well improved. For the multi-physical ETKF, the improvement in the location of heavy rain was obvious. The results indicate that the introduction of a variety of physical processes in the initial perturbations for the ETKF could significantly amplify the ensemble spread and improve the ensemble forecast of each quantity. The application of the physical ETKF method may have great potential in precipitation ensemble prediction.

KeywordsEnsemble transform Kalman filter, Ensemble forecast, Physical perturbation, Precipitation prediction