NCEP、ECMWF及CMC全球集合預(yù)報(bào)業(yè)務(wù)系統(tǒng)發(fā)展綜述

麻巨慧，朱躍建，王盤興，段明鏗

(1.南京信息工程大學(xué)氣象災(zāi)害省部共建教育部重點(diǎn)實(shí)驗(yàn)室，江蘇南京210044;2.Environmental Modeling Center/NCEP/NOAA，Camp Springs，MD 20746 USA;3.UCAR，Boulder，CO 80307 USA)

0 引言

大氣具有混沌特性，對于初始場的微小誤差高度敏感，這種誤差會迅速增長，影響可預(yù)報(bào)性(Lorenz，1963)。初始場誤差主要來源于觀測(資料在時間和空間上的不完整，代表性誤差和測量誤差等)及資料同化過程(使用背景場誤差協(xié)方差時假設(shè)各向同性及缺乏背景場誤差的信息等)，即使假設(shè)模式完備，這樣的初值也會使預(yù)報(bào)技巧在幾周后降為零(Toth and Kalnay，1993)。況且數(shù)值預(yù)報(bào)模式并非完備，離散化的大氣模式僅是真實(shí)大氣在數(shù)學(xué)和物理上的近似。有限的模式分辨率、不完備的物理參數(shù)化方案及邊界條件(近似估計(jì)粗糙度長度、土壤濕度、雪蓋、植被和海表溫度)都會帶來模式誤差，它像初始誤差一樣，會影響預(yù)報(bào)技巧。

集合預(yù)報(bào)是估計(jì)數(shù)值預(yù)報(bào)中不確定性的一種方法，它將單一確定性預(yù)報(bào)轉(zhuǎn)變?yōu)楦怕暑A(yù)報(bào)。初始場的不確定性可用概率密度函數(shù)(PDF)來表征。集合預(yù)報(bào)的初始擾動方法就是通過不同方式取樣PDF，包括經(jīng)典的蒙特卡羅法(Leith，1974)、滯后平均法(Hoffman and Kalnay，1983)、增殖向量法(Toth and Kalnay，1993，1997)、能量模奇異向量法(Buizza and Palmer，1995;Molteni et al.，1996)、觀測擾動法(Houtekamer et al.，1996)、集合轉(zhuǎn)換卡爾曼濾波(Bishop et al.，2001;Wang and Bishop，2003)和集合轉(zhuǎn)換法(Wei et al.，2008)等。集合預(yù)報(bào)不但可以估計(jì)初始不確定性，也可以通過采用多模式方法(Houtekamer et al.，1996)、物理過程的隨機(jī)模擬方法(Buizza et al.，1999)及隨機(jī)全傾向擾動法(Hou et al.，2006，2008，2010)等來捕捉與模式相關(guān)的不確定性，從而彌補(bǔ)單一確定性預(yù)報(bào)的不足。

集合預(yù)報(bào)可以通過追蹤初始不確定性的時空演變，提供依流型(flow-dependent)的概率分布，來提高可預(yù)報(bào)性(Toth et al.，2007)。不同用戶在根據(jù)集合預(yù)報(bào)結(jié)果進(jìn)行決策時要比使用單一預(yù)報(bào)得到更多的經(jīng)濟(jì)利益，因?yàn)榧项A(yù)報(bào)可以針對他們各自的成本/損失比提供不同的決策標(biāo)準(zhǔn)(Zhu et al.，2002)，而單一確定性預(yù)報(bào)無法幫助每一個用戶根據(jù)自身的情況做出最優(yōu)的決策，用戶只能簡單地依賴氣候場信息進(jìn)行判斷。Joslyn et al.(2007)和Nadav-Greenberg and Joslyn(2009)的研究表明，預(yù)報(bào)中包含不確定性估計(jì)，可以幫助預(yù)報(bào)員和公眾做出更好的決策。

美國國家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction，NCEP)和歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts，ECMWF)于1992年12月分別建立了各自的全球集合預(yù)報(bào)系統(tǒng)(global ensemble forecast system，GEFS)，加拿大氣象中心(Canadian Meteorological Centre，CMC)的集合預(yù)報(bào)業(yè)務(wù)也于1998年2月建成，它們是目前最具代表性的GEFS，ECMWF和CMC稱其為GEPS(global ensemble prediction system)，為敘述方便，本文統(tǒng)一稱為GEFS。近來一些研究也對這3個中心的初始擾動方法及集合預(yù)報(bào)產(chǎn)品進(jìn)行了比較。Bowler(2006)使用低階的Lorenz 96模式比較得出集合卡爾曼濾波(ensemble Kalman filter，EnKF)方法要優(yōu)于增殖向量(breed vector，BV)法和奇異向量(singular vector，SV)法的結(jié)論，Descamps and Talagrand(2007)也使用Lorenz 96模式和三層準(zhǔn)地轉(zhuǎn)模式得到了一致的結(jié)論。盡管上述試驗(yàn)在比較中基于相同的模式，避免了模式差異對比較結(jié)果的影響，但模式過于簡單，尚不能代表復(fù)雜的大氣系統(tǒng)。Magnusson et al.(2008)使用TL255L40的ECMWF集合預(yù)報(bào)模式比較了SV法和BV法，發(fā)現(xiàn)在熱帶外地區(qū)SV方法的表現(xiàn)稍好，在熱帶地區(qū)則反之。Buizza et al.(2005)比較了3個中心2002年5—7月20～80°N 500 hPa位勢高度場集合預(yù)報(bào)產(chǎn)品，總體而言，ECMWF表現(xiàn)最好，NCEP在短預(yù)報(bào)時效效果好，CMC對長預(yù)報(bào)時效效果好。WMO(World Meteorological Organization)的THORPEX(the observing system research and predictability experiment)科學(xué)計(jì)劃中的TIGGE計(jì)劃(the THORPEX interactive grand global ensemble)提出了建立全球交互式大集合預(yù)報(bào)的思路，TIGGE資料的交換為各中心預(yù)報(bào)產(chǎn)品的比較、自身技術(shù)的改進(jìn)提供了有價(jià)值的信息。

10余年來，3個中心的GEFS都有了明顯的改進(jìn)，本文第1節(jié)將介紹有關(guān)3個中心GEFS的發(fā)展概況，第2、3節(jié)分別介紹3個中心如何估計(jì)初值和模式不確定性，第4節(jié)是關(guān)于建立多模式、多中心集合預(yù)報(bào)系統(tǒng)的進(jìn)展情況，第5節(jié)是對本文的總結(jié)。

1 發(fā)展概況

表1、2、3列出了3個中心的詳細(xì)發(fā)展概況。自GEFS開始業(yè)務(wù)化以來，3個中心就在不斷地致力于發(fā)展和完善初始和模式擾動方法，同時模式分辨率、集合成員數(shù)及預(yù)報(bào)時效也都有所升級。

ECMWF最初每周僅進(jìn)行3次業(yè)務(wù)預(yù)報(bào)(周五、六、日，12時(世界時，下同)起始預(yù)報(bào))，使用T63L19(水平分辨率約219 km)對32個集合成員積分10 d。到目前已經(jīng)升級為包括50個集合成員，每天兩次(00時、12時)，使用可變分辨率GEFS模式進(jìn)行15 d預(yù)報(bào)，即0～10 d預(yù)報(bào)運(yùn)行高分辨率模式TL639L62(約30 km)，10～15 d預(yù)報(bào)改用TL319L62(約65 km)。

NCEP的GEFS建成之初，在每天00時僅由1組正負(fù)擾動對產(chǎn)生2個集合成員。目前集合成員數(shù)已增到20個，每天00、06、12和18時起報(bào)，預(yù)報(bào)時效達(dá)16 d，水平分辨率于2010年2月升級為T190(約70 km)。

CMC的第1代GEFS僅使用TL95 SEF模式(spectral finite element model)對8個集合成員積分10 d。1999年8月新開發(fā)了GEM(global environmental multiscale model)，由模式中不同的物理參數(shù)化方案產(chǎn)生了另外8個成員，模式的分辨率是1.875°。2007年7月CMC對GEFS進(jìn)行了一次重要的升級，不再使用SEF模式，并將GEM的水平分辨率提高到0.9°，對20個集合成員進(jìn)行16 d預(yù)報(bào)。

圖1a比較了3個中心集合預(yù)報(bào)的距平相關(guān)系數(shù)，每個中心都只取10個集合成員進(jìn)行集合平均，其中ECMWF的預(yù)報(bào)效果最好，NCEP次之。但ECMWF的這種優(yōu)勢在一定程度上取決于較高的模式分辨率。如要比較僅由初始和模式擾動方法提高的預(yù)報(bào)技巧，可由圖1b中集合平均與控制預(yù)報(bào)的差來反映，在預(yù)報(bào)時效小于3 d時，3個中心的預(yù)報(bào)效果基本相當(dāng)，之后CMC開始顯現(xiàn)優(yōu)勢，CMC的多參數(shù)化方案更好地代表了模式不確定性，體現(xiàn)了其優(yōu)越性。

表1 ECMWF GEFS發(fā)展概況Table 1The development of the ECMWF GEFS

表2 NCEP GEFS發(fā)展概況Table 2The development of the NCEP GEFS

表3 CMC GEFS的發(fā)展概況Table 3The development of the CMC GEFS

2 初值不確定性

1)ECMWF

根據(jù)非線性動力學(xué)的有限時間不穩(wěn)定理論，擾動在相空間的不同方向具有不同的增長率?；谶@一原理，ECMWF使用奇異向量(SV)法來捕捉擾動增長最快的方向(Buizza and Palmer，1995;Molteni et al.，1996)(由于這種SV是生成在預(yù)報(bào)的初始時刻，為區(qū)別于其他SV，以SVINI(initial time SV)來表示)。SVINI是相對于初始模定義的，它是通過在最優(yōu)時間內(nèi)向前積分切線性模式，再向后積分伴隨模式，得到在最優(yōu)間隔內(nèi)能夠達(dá)到極大能量增長的擾動，因此初始模的選取和最優(yōu)間隔的長度很關(guān)鍵，ECMWF業(yè)務(wù)上使用總能量模作為初始模，最優(yōu)間隔最初是36 h，1994年后更新為48 h。得到的SVINI在相空間中再進(jìn)行正交旋轉(zhuǎn)及重新尺度化構(gòu)造集合擾動成員。由于使用切線性模式和其伴隨模式的次數(shù)是所需奇異向量數(shù)的3倍，因此需要耗費(fèi)大量的計(jì)算資源，所以僅運(yùn)行T42的低分辨率模式。對于熱帶外地區(qū)，兩個半球是分別計(jì)算奇異向量的，否則會使夏半球的奇異向量過少。在熱帶地區(qū)，奇異向量對切線性模式中非絕熱物理過程很敏感，如果計(jì)算整個熱帶地區(qū)的奇異向量，有時會生成在非線性預(yù)報(bào)模式中不增長的虛假結(jié)構(gòu)，所以僅計(jì)算熱帶氣旋附近區(qū)域的奇異向量(Barkmeijer et al.，2001)。為了提高短期集合預(yù)報(bào)的技巧，1998年3月ECMWF提出了演化奇異向量法(evolved SV-initial time SV，EVO-SVINI)，將SVINI與演化了48 h的SV按一定的權(quán)重合并，這樣一定程度上代表了資料同化循環(huán)引起的初始不確定性增長，得到了很好的效果(Barkmeijer et al.，1998)。

圖1 2008年12月1日00時—2009年2月28日00時(世界時)北半球500 hPa位勢高度場的距平相關(guān)系數(shù)(a;實(shí)線為集合平均預(yù)報(bào)，虛線為控制預(yù)報(bào))以及集合平均預(yù)報(bào)與控制預(yù)報(bào)距平相關(guān)系數(shù)之差(b)Fig.1 500 hPa geopotential height over the Northern Hemisphere extra-tropics for the winter of 2008—2009a.anomaly correlation scores(solid lines are ensemble mean;dash lines are control forecast);b.differences of anomaly correlation scores between the ensemble mean and the control forecast

2010年6月ECMWF開始采用集合資料同化—奇異向量法(ensemble of data assimilation-initial time SV，EDA-SVINI)(Buizza et al.，2008，2010)。EDA擾動由擾動觀測場、海表溫度場以及物理過程中的參數(shù)化傾向得到。因?yàn)檠莼腟V與EDA擾動都是用來估計(jì)資料同化過程中帶來的初始不確定性增長，但EDA較前者效果更好，所以用其取代演化的SV。EDA擾動與未受擾動的分析場相加，可生成10個擾動分析場，然后分別與5個SVINI合并，可得到50個集合成員，其中由于EDA擾動的振幅比原來的演化SV大，所以合并時SVINI的振幅降低10%。Palmar et al.(2007)和Buizza et al.(2008，2010)研究表明，只使用EDA擾動代表初始不確定性，誤差增長很慢，集合離散度太小，尤其是在熱帶外地區(qū)，影響了預(yù)報(bào)效果。但與SVINI合并后，與EVO-SVINI相比，在熱帶以外地區(qū)預(yù)報(bào)時效的前2 d和熱帶地區(qū)的前10 d，EDA-SVINI都具有更大的離散度，之后二者基本相當(dāng)。

2)NCEP

Toth and Kalnay(1993，1997)設(shè)計(jì)了增殖向量(BV)法，并于1992年在NCEP投入業(yè)務(wù)使用。該方法引入初始隨機(jī)擾動后，經(jīng)過3～4 d的增殖循環(huán)產(chǎn)生具有極大增長率的擾動，然后通過重新尺度化使慢速增長型誤差比重減小，得到最終的初始擾動場。BV法的局限性在于，初始擾動方差是由不隨時間變化的氣候場分析誤差限定的，另外擾動之間并未接近正交。

集合轉(zhuǎn)換(ensemble transform，ET)和重新尺度化集合轉(zhuǎn)換(ensemble transform with rescaling，ETR)技術(shù)是對BV法的改進(jìn)，最早是Bishop and Toth(1999)在目標(biāo)觀測研究中提出的。2004年之前NCEP就開始了ET和ETR生成集合預(yù)報(bào)初始擾動的試驗(yàn)，2006年5月ETR正式在NCEP投入業(yè)務(wù)使用。該方法產(chǎn)生的初始擾動受業(yè)務(wù)資料同化(data assimilation，DA)系統(tǒng)提供的分析場誤差方差限定，并以DA提供的分析場為中心，同時GEFS也為DA提供預(yù)報(bào)場誤差協(xié)方差，因此在ET和ETR方法中GEFS和DA具有一致性，這是原始的BV方法不具備的。另外各擾動之間接近正交，即相關(guān)性很小。所以ET和ETR方法彌補(bǔ)了BV正負(fù)擾動對方法中的一些不足(Wei et al.，2006)，但卻保留了BV法依流型變化、代表誤差最快增長的非線性擾動及耗用計(jì)算資源少的優(yōu)點(diǎn)。

ETR方法(Wei et al.，2008)主要是通過集合轉(zhuǎn)換矩陣T將預(yù)報(bào)場擾動Zf轉(zhuǎn)換為分析場擾動Za:理想的初始擾動應(yīng)該是中心化的，這樣才能以最可能的分析場為中心，從而得到最優(yōu)的集合平均;另外還應(yīng)具有最大的自由度，在集合子空間中分布到盡量多的方向上。通過方程(1)的轉(zhuǎn)換各擾動間相互正交，但并未中心化。因此還要進(jìn)行中心化處理，但這又使各擾動間不再嚴(yán)格的正交，不過可證明集合成員越多擾動間越接近正交。另外，為了使初始離散度分布能與分析誤差方差相似，還需要做重新尺度化。

綜上所述，經(jīng)過ETR轉(zhuǎn)換之后的分析擾動具有如下性質(zhì):1)各擾動之間以分析場為中心;2)成員越多，各擾動間越接近正交;3)具有最大的自由度;4)具有依流型變化的空間結(jié)構(gòu);5)如果集合成員數(shù)越多，初始擾動的協(xié)方差與DA提供的分析場誤差協(xié)方差越一致。Wei et al.(2008)比較了分別由BV、ET、ETR和ETKF(ensemble transform Kalman filter)產(chǎn)生初始擾動的集合預(yù)報(bào)，在大多數(shù)評分中ETR的表現(xiàn)最好。Magnusson et al.(2009)使用了相同的模式和4D-Var DA系統(tǒng)，比較ETR和SV的預(yù)報(bào)技巧，經(jīng)統(tǒng)計(jì)，文中19項(xiàng)比較，ETR優(yōu)于SV的占13項(xiàng)。

3)CMC

觀測擾動法(perturbed-observation，PO)(Houtekamer et al.，1996)，以隨機(jī)擾動法(Monte Carlo)為基礎(chǔ)。具體做法是:首先對觀測場加隨機(jī)擾動，將擾動的觀測場與上一循環(huán)提供的預(yù)報(bào)場一起進(jìn)行資料同化，得到擾動的分析場。然后用擾動的預(yù)報(bào)模式對這個分析場積分6 h，得到下一同化循環(huán)的預(yù)報(bào)場。循環(huán)4 d之后，集合統(tǒng)計(jì)量達(dá)到穩(wěn)定，最終得到可用于中期預(yù)報(bào)的擾動分析場。這種初始擾動方法計(jì)算量小，且估計(jì)了分析誤差，但在隨機(jī)取樣時會引入了不增長誤差，影響預(yù)報(bào)在短期的效果。

2005年1月，CMC開始使用集合卡爾曼濾波(EnKF)(Houtekamer and Mitchell，2005;Houtekamer et al.，2007)為集合預(yù)報(bào)提供初值。這種方法將資料同化與集合預(yù)報(bào)相結(jié)合，在計(jì)算時不僅不要求使用復(fù)雜的切線性和伴隨模式，而且可以得到集合預(yù)報(bào)提供的隨天氣形勢演變的背景場誤差協(xié)方差。但是業(yè)務(wù)運(yùn)行結(jié)果表明得到的分析場離散度太小，這是因?yàn)镋nKF方法計(jì)算過程中，增益算子和分析誤差都來自于具有單一集合框架的有限的集合成員，因此低估了分析不確定性，使隨后的集合預(yù)報(bào)離散度偏小。2007年7月CMC就這一問題對EnKF方法進(jìn)行了改進(jìn)，將96個集合成員分成了4個子集合(每組24個成員)，在同化任一組觀測場時，使用由另3組72個成員計(jì)算得到的增益算子。由于每個子集合中各成員間統(tǒng)計(jì)量差異并不大，只從每組中各選出5個，共形成20個成員用于中期預(yù)報(bào)的初始場。在初始時刻還需加入隨機(jī)擾動，擾動的平均振幅要接近原始EnKF分析場成員的離散度，這樣可以彌補(bǔ)在初始階段集合離散度增長不夠的問題。這種集合預(yù)報(bào)與資料同化相結(jié)合的初始擾動方法，不但可以為集合預(yù)報(bào)提供能夠代表分析不確定性的最優(yōu)初值，同時集合預(yù)報(bào)又可以為同化提供盡可能準(zhǔn)確的背景場誤差協(xié)方差估計(jì)。

3 模式的不確定性

1)ECMWF

1998年10月ECMWF開始在業(yè)務(wù)集合預(yù)報(bào)中考慮模式不確定性，使用隨機(jī)參數(shù)化擾動方案(stochastic perturbed parameterization tendencies，SPPT)(Buizza et al.，1999，Palmer et al.，2009)，對物理參數(shù)化過程中的敏感因子進(jìn)行擾動，即在次網(wǎng)格尺度物理參數(shù)化生成的總傾向上乘以一個在［－0.5，0.5］范圍內(nèi)均勻分布的隨機(jī)數(shù)，可表示為

式中:Xc為未經(jīng)擾動的傾向;Xp為擾動后的傾向;rX為隨機(jī)數(shù)。不同的變量rX取值不同，但對于每一個擾動變量，為了保持空間和時間上的連續(xù)性，隨機(jī)數(shù)rX在每個10°×10°的整層大氣區(qū)域內(nèi)，每6個時間積分步長(對應(yīng)TL399的3 h，TL215的4.5 h)里，取值不變。這種方案可以增加集合離散度，提高概率預(yù)報(bào)的技巧，但集合的發(fā)散度仍偏小。

2009年9月ECMWF對SPPT方法進(jìn)行了修訂(Palmer et al.，2009)，將方程(2)改寫為

其中μ∈［0，1］用來減小近地面和平流層擾動振幅。因?yàn)閷Φ讓哟髿膺M(jìn)行擾動會引起模式不穩(wěn)定，而平流層的傾向以輻射強(qiáng)迫為主，它在平流層相對準(zhǔn)確，誤差主要是大尺度的，所以修訂后的SPPT方法中低于300 m和高于50 hPa時不加擾動。此外，這里的隨機(jī)數(shù)r服從高斯分布，所有變量的r都取相同值，這樣使模式的物理過程更加具有一致性。與原始的SPPT方法相比，修訂后降水預(yù)報(bào)和熱帶地區(qū)的預(yù)報(bào)效果有所改善。

下面介紹隨機(jī)補(bǔ)償方案(spectral stochastic backscatter scheme，SPBS)(Shutts，2004，2005;Berner et al.，2009)。與真實(shí)大氣相比，全球天氣預(yù)報(bào)模式中的模式大氣在截?cái)喑叨雀浇鼤霈F(xiàn)能量的過度耗散，這種數(shù)值過程的耗散會抑制能量從次網(wǎng)格尺度向可分辨尺度的轉(zhuǎn)換。同樣，參數(shù)化的次網(wǎng)格重力波傾向和深對流也影響這種能量轉(zhuǎn)換。SPBS方案則通過流函數(shù)強(qiáng)迫項(xiàng)Fψ來補(bǔ)償這種耗散。ECMWF通過了此方案的測試，于2010年11月將其與修訂的SPPT算法一同用于代表業(yè)務(wù)集合預(yù)報(bào)系統(tǒng)中模式的不確定性。

2)NCEP

NCEP從2010年2月起使用隨機(jī)全傾向擾動法(stochastic total tendency perturbation，STTP)(Hou et al.，2006，2008，2010)，在模式方程的傾向T中加入了隨機(jī)強(qiáng)迫項(xiàng)S，來代表與模式相關(guān)的不確定性。即用

代替?zhèn)鹘y(tǒng)的模式方程

假設(shè)任一集合成員的傾向可以代表未知的真實(shí)的傾向，則真實(shí)的傾向值與傳統(tǒng)的模式方程的差別，即每個成員與控制預(yù)報(bào)傾向的差，為N個擾動:

雖然隨機(jī)選取的每個Pi都可以用來代表傾向中的不確定性，但如果將N個傾向擾動隨機(jī)合并起來，則可以代表位相空間中更多的方向，會有更好的效果。因此隨機(jī)強(qiáng)迫項(xiàng)可以表示為

其中wi，j為每個集合成員i對應(yīng)的不同的一組隨機(jī)權(quán)重。對于任一成員i的權(quán)重wi，j(j=1，2，…，N)是由初始t=0時隨機(jī)產(chǎn)生的正交矩陣，之后隨時間變化不斷的旋轉(zhuǎn)一個微小的角度，形成新的正交矩陣。同時P也是正交的，因此得到的S同樣是正交矩陣。由于計(jì)算資源的限制，不可能每一積分步對傾向加一次隨機(jī)擾動，只能對一個固定的時間間隔Δt進(jìn)行，因此模式中積分的狀態(tài)變量改寫為

其中γ(t)為全球重新尺度化因子，用來降低隨機(jī)強(qiáng)迫項(xiàng)的振幅。每個成員的隨機(jī)強(qiáng)迫為

試驗(yàn)表明，STTP可以增加集合離散度，減少集合平均預(yù)報(bào)中的系統(tǒng)誤差。

3)CMC

CMC使用多模式多參數(shù)化方案代表模式不確定性(multi-model and multi-parameterization)(Houtekamer et al.，1996)。在2007年7月之前使用GEM(Cote et al.，1998)和SEF(Ritchie and Beaudoin，1994)兩種模式分別生成8個集合成員，各集合成員具有不同的水平擴(kuò)散、對流、輻射、陸面過程和重力拖拽等物理參數(shù)化方案。然而數(shù)值預(yù)報(bào)模式的版本和參數(shù)化方案的數(shù)量畢竟有限，因此這種代表模式不確定性的方法具有一定的局限性。而且近些年SEF模式的發(fā)展水平已經(jīng)遠(yuǎn)不及GEM模式，它所生成的8個集合成員的預(yù)報(bào)技巧明顯低于GEM模式生成的8個成員。因此從2007年7月開始CMC GEFS僅使用GEM一個模式，多參數(shù)化方案依然采用，但更新為20組不同的參數(shù)化方案，同時又使用了隨機(jī)參數(shù)化擾動方案(SPPT)和隨機(jī)動能補(bǔ)償方案(stochastic kinetic energy backscatter，SKEB)兩個隨機(jī)參數(shù)化過程，共同來代表模式相關(guān)的不確定性(Charron et al.，2010)。

4 多中心多模式集合預(yù)報(bào)系統(tǒng)

世界各國各地區(qū)的環(huán)境預(yù)報(bào)中心都在致力于提供可靠、及時、準(zhǔn)確的預(yù)報(bào)及預(yù)警，以滿足人們?nèi)找嬖鲩L的對環(huán)境信息的需求(朱躍建，2010)。在過去的十幾年間，集合預(yù)報(bào)技術(shù)得到了發(fā)展(段明鏗和王盤興，2004;關(guān)吉平等，2006)，促進(jìn)了極端天氣和高影響天氣預(yù)警能力的提高。旨在加快提高1～14 d高影響天氣預(yù)報(bào)準(zhǔn)確率的THORPEX國際研究計(jì)劃將TIGGE計(jì)劃列為其主要部分(Richardson et al.，2005;Bougeault et al.，2010)。2005年啟動的TIGGE計(jì)劃主要目的是增強(qiáng)國際間對多模式/多分析集合預(yù)報(bào)的合作研究，并結(jié)合用戶對預(yù)報(bào)信息的需求，將其應(yīng)用到高影響天氣預(yù)報(bào)中。目前由澳大利亞、巴西、法國、韓國、加拿大、美國、歐洲中期天氣預(yù)報(bào)中心、日本、英國和中國的10個業(yè)務(wù)或準(zhǔn)業(yè)務(wù)GEFS向TIGGE資料庫提供預(yù)報(bào)資料，為研究比較各系統(tǒng)的預(yù)報(bào)技巧及構(gòu)建最優(yōu)的多模式集合提供了便利條件(智協(xié)飛和陳雯，2010)。Park et al.(2008)應(yīng)用TIGGE資料比較了單個和多模式GEFS，結(jié)果顯示對于北半球500 hPa位勢高度場多模式預(yù)報(bào)較單個GEFS稍有提高，對熱帶850 hPa溫度場提高很明顯。Johnson and Swinbank(2009)研究了ECMWF、NCEP和UKMO(United Kingdom Met Office)組成的三模式集合預(yù)報(bào)的預(yù)報(bào)效果，發(fā)現(xiàn)它比單個集合預(yù)報(bào)有顯著的提高，尤其是2 m溫度場。Titley et al.(2008)將多模式集合應(yīng)用到一次熱浪的個例中，得到了與Johnson and Swinbank(2009)類似的結(jié)論。這些成果說明了基于TIGGE資料的研究能夠幫助我們更好地理解目前各中心使用的擾動方法在集合預(yù)報(bào)中的表現(xiàn)，并提高多模式集合預(yù)報(bào)的效果。

中國氣象局(China Meteorological Administration，CMA)作為TIGGE資料全球3個交換中心之一，充分利用獲取的大量TIGGE資料進(jìn)行科學(xué)研究(Jiao，2010)，主要包括進(jìn)行集合轉(zhuǎn)換(ET)初值擾動技術(shù)和數(shù)值模式不確定性的研究、發(fā)展多中心多模式超級集合預(yù)報(bào)產(chǎn)品的集成和應(yīng)用技術(shù)以及建立以集合預(yù)報(bào)技術(shù)為基礎(chǔ)的氣象水文風(fēng)險(xiǎn)預(yù)報(bào)模型。已得到了一些初步的研究成果，如智協(xié)飛等(2009)基于TIGGE資料中的ECMWF、JMA(Japan Meteorological Agency)、NCEP和UKMO四個中心北半球中緯度地區(qū)地面氣溫集合預(yù)報(bào)資料進(jìn)行了超級集合試驗(yàn)。趙曉琳等(2010)基于TIGGE資料，分析了集合變換卡爾曼濾波適應(yīng)性觀測敏感區(qū)識別方法在實(shí)際應(yīng)用中的具體環(huán)節(jié)。

加拿大、墨西哥和美國于2004年建立了北美集合預(yù)報(bào)系統(tǒng)(North American ensemble forecast system，NAEFS)(Toth et al.，2005)，目前美國海軍艦隊(duì)數(shù)值大氣海洋中心(Fleet Numerical Meteorology and Oceanography Center，F(xiàn)NMOC)正準(zhǔn)備加入，英國(UKMO)和中國(CMA)也有計(jì)劃考慮在未來加入。這是一個業(yè)務(wù)化的多中心多模式GEFS，主要進(jìn)行的工作包括:交換原始預(yù)報(bào)數(shù)據(jù)(加拿大和美國各20個集合成員的預(yù)報(bào))，對所有成員進(jìn)行后處理，然后合并所有集合成員得出最終的預(yù)報(bào)產(chǎn)品。圖2比較了NCEP和CMC各20個經(jīng)過偏差訂正后的集合成員，及合并后的40個NAEFS成員的CRPSS(continuous ranked probability skill score)檢驗(yàn)評分，它可以度量集合預(yù)報(bào)的可靠性(reliability)和分辨能力(resolution)(Zhu et al.，1996)，可以看出NCEP和CMC預(yù)報(bào)效果比較匹配，合并后的NAEFS預(yù)報(bào)技巧提高明顯，尤其在長預(yù)報(bào)時效時。Zhu and Toth(2008)對2006/2007年冬季的預(yù)報(bào)效果檢驗(yàn)也得到了同樣的結(jié)果。NAEFS與TIGGE計(jì)劃有著緊密的聯(lián)系，NAEFS需要應(yīng)用TIGGE的研究成果來進(jìn)一步發(fā)展，同時又為建立全球多模式集合預(yù)報(bào)系統(tǒng)提供了業(yè)務(wù)框架，這兩個計(jì)劃最終將合并為一個業(yè)務(wù)系統(tǒng)—全球交互式預(yù)報(bào)系統(tǒng)(global interactive forecasting system，GIFS)，以提高對全球高影響天氣的預(yù)報(bào)和預(yù)警能力。

5 結(jié)論

集合預(yù)報(bào)已成為當(dāng)今一種重要的預(yù)報(bào)技術(shù)被全球多個國家和地區(qū)的業(yè)務(wù)和研究中心所使用，尤其是用于提高對高影響天氣的預(yù)警。本文總結(jié)了目前最具代表性的3個GEFS——NCEP、ECMWF和CMC建成至今的發(fā)展概況。由于計(jì)算資源的不斷擴(kuò)展，各中心集合預(yù)報(bào)系統(tǒng)的模式分辨率、集合成員數(shù)也隨之增加。如何利用有限的計(jì)算資源，實(shí)現(xiàn)最優(yōu)的預(yù)報(bào)效果，選取模式分辨率和集合成員數(shù)的最佳組合尤為關(guān)鍵。同時各中心都在不斷地致力于發(fā)展和完善初始和模式擾動方法。其中初始擾動方法從最初的增殖向量法(NCEP)、奇異向量法(ECMWF)、觀測擾動法(CMC)更新為現(xiàn)在的重新尺度化集合轉(zhuǎn)換法(NCEP)、集合資料同化—奇異向量法(ECMWF)和集合卡爾曼濾波(CMC)，發(fā)展與資料同化相結(jié)合的初始擾動方法也將成為未來估計(jì)初始不確定性的主要研究方向。對于與模式有關(guān)的不確定性，ECMWF和CMC都修訂了各自的隨機(jī)參數(shù)化方案和多參數(shù)化方案，NCEP最近也在模式中加入了隨機(jī)全傾向擾動。

圖2 2008年12月1日00時—2009年2月28日00時(世界時)北半球500 hPa位勢高度場集合預(yù)報(bào)的CRPSSFig.2 CRPSS for 500 hPa geopotential height over the Northern Hemisphere extra-tropics for the winter of 2008—2009

多模式、多中心集合預(yù)報(bào)是減少模式系統(tǒng)誤差的有效方法，試驗(yàn)表明預(yù)報(bào)效果相匹配的模式組合可以有效地提高預(yù)報(bào)技巧。旨在提高1～14 d高影響天氣預(yù)報(bào)準(zhǔn)確率的TIGGE計(jì)劃，增進(jìn)了國際間對多模式、多分析集合預(yù)報(bào)的合作研究，為建立全球多模式集合預(yù)報(bào)系統(tǒng)提供了理論基礎(chǔ)，北美集合預(yù)報(bào)系統(tǒng)(NAEFS)則可以為其提供業(yè)務(wù)框架，這都將有助于未來全球交互式業(yè)務(wù)預(yù)報(bào)系統(tǒng)的構(gòu)建。

中國GEFS的技術(shù)水平也在不斷的提高(付順旗和張立鳳，1999;李澤椿和陳德輝，2002;金榮花等，2007)，尤其在TIGGE計(jì)劃的推動下，2006年CMA開始業(yè)務(wù)運(yùn)行的以增殖向量法為初始擾動方法的T213L31全球模式集合預(yù)報(bào)產(chǎn)品也被列入TIGGE交換資料之中，另外在初始擾動方法、模式誤差增長的機(jī)理和特征等方面都開展了深入的研究，并建立了基于TIGGE資料的中國強(qiáng)天氣識別方法以及交互式致洪暴雨預(yù)報(bào)模型。

致謝:在本文完成過程中，美國國家環(huán)境預(yù)報(bào)中心侯定臣博士和魏謨政博士給予了熱情幫助和精心指導(dǎo)，在此表示感謝!

段明鏗，王盤興.2004.集合預(yù)報(bào)方法研究及應(yīng)用進(jìn)展綜述［J］.南京氣象學(xué)院學(xué)報(bào)，27(2):279-288.

付順旗，張立鳳.1999.中期數(shù)值天氣預(yù)報(bào)業(yè)務(wù)的回顧與展望［J］.氣象科學(xué)，19(1):104-110.

關(guān)吉平，張立鳳，張銘.2006.集合預(yù)報(bào)研究現(xiàn)狀與展望［J］.氣象科學(xué)，26(2):228-235.

金榮花，田偉紅，矯梅燕.2007.基于Ward聚類法的中國業(yè)務(wù)集合預(yù)報(bào)系統(tǒng)的產(chǎn)品開發(fā)［J］.氣象，33(12):9-15.

李澤椿，陳德輝.2002.國家氣象中心集合數(shù)值預(yù)報(bào)業(yè)務(wù)系統(tǒng)的發(fā)展及應(yīng)用［J］.應(yīng)用氣象學(xué)報(bào)，13(1):1-15.

趙曉琳，朱國富，李澤椿.2010.基于TIGGE資料識別適應(yīng)性觀測敏感區(qū)的應(yīng)用研究［J］.應(yīng)用氣象學(xué)報(bào)，21(4):405-415.

智協(xié)飛，林春澤，白永清，等.2009.北半球中緯度地區(qū)地面氣溫的超級集合預(yù)報(bào)［J］.氣象科學(xué)，29(5):569-574.

智協(xié)飛，陳雯.2010.THORPEX國際科學(xué)研究新進(jìn)展［J］.大氣科學(xué)學(xué)報(bào)，33(4):504-511.

朱躍建.2010.預(yù)報(bào)科學(xué)［J］.大氣科學(xué)學(xué)報(bào)，33(3):266-270.

Barkmeijer J，Van Gijzen M，Bouttier F.1998.Singular vectors and estimates of the analysis error covariance metric［J］.Quart J Roy Meteor Soc，124:1695-1713.

Barkmeijer J，Buizza R，Palmer T N.2001.Tropical singular vectors computed with linearized diabatic physics［J］.Quart J Roy Meteor Soc，127:685-708.

Berner J，Shutts G J，Leutbecher M，et al.2009.A spectral stochastic kinetic energy backscatter scheme and its impact on flow-dependent predictability in the ECMWF ensemble prediction system［J］.J Atmos Sci，66:603-626.

Bishop C H，Toth Z.1999.Ensemble transformation and adaptive observations［J］.J Atmos Sci，56:1748-1765.

Bishop C H，Etherton B J，Majumdar S.2001.Adaptive sampling with the ensemble transform Kalman filter.Part I:Theoretical aspects［J］.Mon Wea Rev，129:420-436.

Bowler N E.2006.Comparison of error breeding，singular vectors，random perturbations and ensemble Kalman filter perturbation strategies on a simple model［J］.Tellus，58A:538-548.

Buizza R，Palmer T N.1995.The singular-vector structure of the atmospheric global circulation［J］.J Atmos Sci，52:1434-1456.

Buizza R，Miller M，Palmer T N.1999.Stochastic representation of model uncertainties in the ECMWF ensemble prediction system［J］.Quart J Roy Meteor Soc，125:2887-2908.

Buizza R，Houtekamer P L，Toth Z，et al.2005.A comparison of the ECMWF，MSC，NCEP global ensemble prediction systems［J］.Mon Wea Rev，133:1076-1097.

Buizza R，Leutbecher M，Isaksen L.2008.Potential use of an ensemble of analyses in the ECMWF ensemble prediction system［J］.Quart J Roy Meteor Soc，134:2051-2066.

Buizza R，Leutbecher M，Isaksen L，et al.2010.Combined use of EDA-and SV-based perturbations in the EPS［J］.ECMWF Newsletter，123:22-28.

Bougeault P，Toth Z，Bishop C，et al.2010.The THORPEX interactive grand global ensemble(TIGGE)［J］.Bull Amer Meteor Soc，91:1059-1072.doi:10.1175/2010BAMS2853.1.

Charron M，Pellerin G，Spacek L，et al.2010.Towards random sampling of model error in the Canadian ensemble prediction system［J］.Mon Wea Rev，138(5):1877-1901.doi:10.1175/2009MWR3187.1.

Cote J，Gravel S，Methot A，et al.1998.The operational CMC-MRB global environmental multiscale(GEM)model.Part I:Design considerations and formulation［J］.Mon Wea Rev，126:1373-1395.

Descamps L，Talagrand O.2007.On some aspects of the definition of initial conditions for ensemble prediction［J］.Mon Wea Rev，135:3260-3272.

Hoffman N，Kalnay E.1983.Lagged averaged forecasting，an alternative to Monte Carlo forecasting［J］.Tellus，35A:100-118.

Hou D，Toth Z，Zhu Y.2006.A stochastic parameterization scheme within NCEP global ensemble forecast system［C］∥Extended abstract，the 18th AMS conference on probability and statistics，29 January—2 February 2006，Atlanta，Georgia.

Hou D，Toth Z，Zhu Y，et al.2008.Impact of a stochastic perturbation scheme on NCEP global ensemble forecast system［C］∥Extended abstract，the 19th AMS conference on probability and statistics，21—24 January 2008，New Orleans，Louisiana.

Hou D，Toth Z，Zhu Y，et al.2010.A stochastic total tendency perturbation scheme representing model-related uncertainties in the NCEP global ensemble forecast［J］.Submitted to Tellus.

Houtekamer P L，Lefaivre L，Derome J，et al.1996.A system simulation approach toensemble prediction［J］.MonWea Rev，124:1225-1242.

Houtekamer P L，Mitchell H L.2005.Ensemble Kalman filtering［J］.Quart J Roy Meteor Soc，131:3269-3289.

Houtekamer P L，Charron M，Mitchell H L，et al.2007.Status of the global EPS at environment Canada［R］∥Proc ECMWF workshop on ensemble prediction，7—9 November 2007，ECMWF，Shinfield Park，Reading，Berkshire RG2 9AX，UK，57-68.

Jiao M.2010.Progress on the key technology development in application of ensemble prediction products associated with TIGGE［J］.Acta Meteor Sinica，68:136.

Johnson C，Swinbank R.2009.Medium-range multi-model ensemble combination and calibration［J］.Quart J Roy Meteor Soc，135:777-794.

Joslyn S，Pak K，Jones D，et al.2007.The effect of probabilistic information on threshold forecasts［J］.Wea Forecasting，22:804-812.

Leith C E.1974.Theoretical skill of Monte Carlo forecasts［J］.Mon Wea Rev，102:409-418.

Lorenz E N.1963.Deterministic non-periodic flow［J］.J Atmos Sci，20:130-141.

Magnusson L，Leutbecher M，Kallen E.2008.Comparison between singular vectors and breeding vectors as initial perturbations for the ECMWF ensemble prediction system［J］.Mon Wea Rev，136:4092-4104.

Magnusson L，Nycander J，Kallen E.2009.Flow-dependent versus flowindependent initial perturbations for ensemble prediction［J］.Tellus，61A:194-209.

Molteni F，Buizza R，Palmer T N，et al.1996.The ECMWF ensemble prediction system:Methodology and validation［J］.Quart J Roy Meteor Soc，122:73-119.

Nadav-Greenberg L，Joslyn S.2009.Uncertainty forecasts improve decision-making among non-experts［J］.Journal of Cognitive Engineering and Decision Making，3:209-227.

Palmer T N，Buizza R，Leutbecher M，et al.2007.The ensemble prediction system-recent and ongoing developments［R］∥ECMWF tech.memo.no.540，ECMWF，Shinfield Park，Reading，Berkshire RG2 9AX，UK.

Palmer T N，Buizza R，Doblas-Reyes F，et al.2009.Stochastic parametrization and model uncertainty［R］∥ECMWF tech.memo.no.598，ECMWF，Shinfield Park，Reading，Berkshire RG2 9AX，UK.

Park Y-Y，Buizza R，Leutbecher M.2008.TIGGE:Preliminary results on comparing and combining ensembles［J］.Quart J Roy Meteor Soc，134:2029-2050.

Richardson D，Buizza R，Hagedorn R.2005.Final report of the 1st workshop on the THORPEX interactive grand global ensemble(TIGGE)［C］∥WMO/TD-No.1273，WWRP-THORPEX No.5.

Ritchie H，Beaudoin C.1994.Approximations and sensitivity experiments with a baroclinic semi-Lagrangian spectral model［J］.Mon Wea Rev，122:2391-2399.

Shutts G J.2004.A stochastic kinetic energy backscatter algorithm for use in ensemble prediction systems［R］∥ECMWF tech.memo.no.449，ECMWF，ShinfieldPark，Reading，BerkshireRG2 9AX，UK.

Shutts G J.2005.A kinetic energy backscatter algorithm for use in ensemble prediction systems［J］.Quart J Roy Meteor Soc，131:3079-3102.

Titley H，Savage N，Swinbank R，et al.2008.Comparison between Met Office and ECMWF medium-range ensemble forecast systems［C］∥Meteorology R＆D technical report no.512，Met Office.

Toth Z，Kalnay E.1993.Ensemble forecasting at NMC:The generation of perturbations［J］.Bull Amer Meteor Soc，174:2317-2330.

Toth Z，Kalnay E.1997.Ensemble forecasting at NCEP and the breeding method［J］.Mon Wea Rev，125:3297-3319.

Toth Z，Desmarais J，Brunet G，et al.2005.The North American ensemble forecast system(NAEFS)［C］∥Abstract，the 1st THORPEX international science symposium，December 2004，Montreal，Canada.

Toth Z，Schultz P，Mullen S，et al.2007.Completing the forecast:Assessing and communicating forecast uncertainty［R］∥ECMWF workshop on ensemble prediction，7—9 November 2007，ECMWF，Shinfield Park，Reading，Berkshire RG2 9AX，UK，23-36.

Wang X，Bishop C H.2003.A comparison of breeding and ensemble transform Kalman filter ensemble forecast schemes［J］.J Atmos Sci，60:1140-1158.

Wei M，Toth Z，Wobus R，et al.2006.Ensemble transform Kalman filter-based ensemble perturbations in an operational global prediction system at NCEP［J］.Tellus，58A:28-44.

Wei M，Toth Z，Wobus R，et al.2008.Initial perturbations based on the ensemble transform(ET)technique in the NCEP global operational forecast system［J］.Tellus，60A:62-79.

Zhu Y，Iyengar G，Toth Z，et al.1996.Objective evaluation of the NCEP global ensemble forecasting system［C］∥Extended abstract，the 15th AMS conference on weather analysis and forecasting，19—23 August 1996，Norfolk，Virginia.

Zhu Y，Toth Z，Wobus R，et al.2002.The economic value of ensemblebased weather forecasts［J］.Bull Amer Meteor Soc，83:73-83.

Zhu Y，Toth Z.2008.Ensemble based probabilistic forecast verification［C］∥Extended abstract，the 19th AMS conference on probability and statistics，21—24 January 2008，New Orleans，Louisiana.