基于BMA方法的地面气温的10～15,d延伸期概率预报研究

摘要利用TIGGE资料提供的欧洲中期天气预报中心 （ECMWF）、美国国家环境预报中心（NCEP）、英国气象局（UKMO）三个预报中心2013年6月1日至8月31日的地面2 m气温10～15 d预报资料，对延伸期地面气温进行贝叶斯模式平均（Bayesian Model Averaging，BMA）预报试验。结果表明，BMA方法的预报效果随训练期长度而改变，训练期长度为30 d时预报效果最优。BMA方法可提供全概率密度函数，定量描述预报不确定性的大小，且陆地上预报不确定性大于海洋上的预报不确定性，高纬度地区预报不确定性大于低纬度地区的预报不确定性。利用CRPS评分对BMA概率预报技巧进行评估，发现预报技巧随预报时效的延长降低，且预报技巧在海洋上优于陆地、低纬度地区优于高纬度地区。此外，3 d、5 d和7 d滑动平均的预报值反映某些天气过程的平均要素预报，对于提高10～15 d延伸期概率預报技巧有一定效果，且滑动天数越长，预报效果越好。

关键词BMA；延伸期预报；概率预报；滑动平均

延伸期预报是指时间尺度为10～30 d的天气预报，是连接常规天气预报和短期气候预测达成无缝隙预报的关键。根据大气的可预报性理论，一般认为逐日天气可预报时效的理论上限约为两周，超过理论上限则失去预报技巧（Lorenz，1982；Chou，1989）。由于大气是高度非线性的，且目前的数值预报模式也不完善，这种逐日预报上限主要是由数值模式对大气初始条件的敏感性所决定的。而延伸期天气预报不仅受大气的初始条件影响，也同时和大气外部强迫因子有关。气象要素在几天或者更长时间内的平均值或距平值是可以预报的，并且当某些异常环流信号明显且持续时，对于延伸期天气过程往往具有较好的可预报性（金荣花等，2010）。因此，延伸期天气预报仍然是可能的。

数值模式预报时效的延长，为延伸期天气预报提供了可能和有力支撑。特别是集合预报的应用，作为延伸期预报的重要手段，有效延长了数值天气预报的预报时效（郑志海，2013）。Palmer et al.（1990）、Palmer（1993）基于ECMWF模式讨论了延伸期大尺度天气系统转变的系统误差、预报技巧的演变及两者对模式水平分辨率的依赖关系，以及集合预报对延伸期预报技巧的影响等，发现数值模式预报时效在10 d以上也有一定的预报技巧。法国（Déqué and Royer，1992）、美国（Tracton et al.，1989）、加拿大（Boer et al.，1988）等国家也尝试做了延伸期预报研究。国内陈丽娟等（2005）、顾伟宗等（2009）、许晓光等（2009）利用国家气候中心月动力延伸预报结果，最大限度地提取模式有用信息并建立了月降水的降尺度预测模型，取得了较好的结果。崔慧慧和智协飞（2013）、卞赟等（2015）对延伸期地面气温和降水等采用超级集合、消除偏差集合平均等方法进行了确定性预报研究，结果表明多模式集合预报可以有效改善延伸期预报技巧。

自Epstein（1969）提出集合预报以来，数值天气预报有了全新的发展，为概率预报的诞生奠定了基础。概率预报可以更加真实地刻画大气的多平衡态和大气运动的不确定性，比传统确定性预报提供更为科学合理的预报结果（智协飞等，2014a，2014b）。一些基于回归方法制作的概率预报只能提供超出某一阈值的特定事件的发生概率，而不能提供完整的概率密度函数（Probability Density Function，PDF）。贝叶斯模式平均方法（Bayesian Model Averaging，BMA）作为获得概率预报的一种统计后处理方法，可以充分利用集合预报的全部信息，给出完整的PDF，量化预报的不确定性信息。目前，BMA方法在天气尺度（智协飞等，2014a，2014b）和气候尺度（Casanova and Ahrens，2009；智协飞等，2015）的预报预测中均获得应用，并且取得了较好的预报效果。此外，吉璐莹等（2017）利用BMA对东亚地区冬季延伸期地面气温进行了概率预报的研究，其预报技巧明显高于原始集合预报的技巧。

1资料与方法

11预报资料

TIGGE（智协飞和陈雯，2010）是全球交互式大集合（THORPEX Interactive Grand Global Ensemble）的简称，目前全球共有ECMWF、美国国家大气研究中心（NCAR）和中国气象局（CMA）三个TIGGE集合预报产品数据中心，本文选取ECMWF、UKMO和NCEP三个中心每日12时（世界时）起报的地面2 m气温的逐日预报资料，预报区域为（90～130°E，15～45°N），分辨率为1°×1°，资料时间选为2013年6月1日—8月31日，逐日预报时效为240～360 h。三个中心成员数分别为21、51和24。

12观测资料

以与预报资料相应时段的FNL全球再分析资料（Final Operational Global Analysis，简称FNL）作为参照资料，时间段选为2013年6月11日—9月15日，分辨率为1°×1°。

13贝叶斯模式平均方法

Raftery et al.（2005）指出BMA是一种结合多个统计模型进行联合推断和预测的，可以产生完整PDF的一种统计后处理方法，其PDF为：

p（y|f1，f2，…，fK）=∑k=Kk=1wkhk（y|fk）。

其中：f=f1，f2，…，fK分别表示K个不同成员的预报结果；y代表需要预报的变量；wk是权重，反映了第k个成员在训练期的相对贡献，非负，且满足∑Kk=1wk=1。hk（y|fk）是与单个成员预报结果fk相联系的条件概率密度函数。对于气温、海平面气压等符合正态分布的变量，BMA预报均值以及方差的求解可参考智协飞等（2014a，2014b）在研究单站气温的概率预报时的详细介绍。

推荐访问:概率 气温 延伸 预报 地面