基于CMA模式體系的京津冀地區復雜地形下冬季的精細化地面要素多模式集成預報研究*

佟 華 張玉濤 齊倩倩 王遠哲 王大鵬

1 中國氣象局地球系統數值預報中心，北京 100081 2 災害天氣國家重點實驗室，北京 100081

提 要： 基于CMA模式體系的四個模式(CMA-GFS、CMA-REPS、CMA-MESO 3 km、CMA-MESO 1 km)和2020年12月1日至2021年3月15日的近地面要素2 m溫度、10 m風速、2 m相對濕度預報，對京津冀地區復雜地形下冬季誤差訂正后的各要素進行基于貝葉斯模型平均(BMA)方法的多模式集成試驗。結果表明，每個模式各要素誤差訂正后的均方根誤差都有明顯的減小。BMA方法多模式集成后預報效果優于每一個參加模式，2 m溫度BMA預報較幾個模式原始誤差的改進在0.5～1.4℃，均方根誤差減少了20%～40%，10 m風速和2 m相對濕度的均方根誤差分別減少了12%～45%和25%～35%。各要素均方根誤差水平分布表明不同要素在不同地形高度的地區誤差分布明顯不同，此方法使得京津冀地區的誤差顯著減小。此外，BMA預報的概率分布情況可定量地預測各要素的不確定性。

引 言

隨著數值預報技術不斷進步，準確率不斷提高，數值預報結果已經成為預報員的重要參考。而來自不同研發單位、不同分辨率、不同預報特點的海量數值預報產品對預報員的高效使用產生了較大挑戰，迫切需要對多種預報特色的預報產品基于檢驗進行多模式統計后處理集成，從而獲得效果更優的預報結果。在多模式集成技術中，貝葉斯模式平均(Bayesian model averaging，BMA)方法是一種非常有效的提高模式預報準確率的方法(Raftery et al，2005；代刊等，2018)，此方法將觀測與不同模式得出的預報結果作為先驗信息，通過求解參數，計算各模式相對最優的權重等參考值，此權重就是預報變量后驗概率分布，代表著每個模型在訓練階段相對的預報技巧。……