GRAPES 奇异向量研究及其在暴雨集合预报中的应用

北京大学学报（自然科学版）

GRAPES 奇异向量研究及其在暴雨集合预报中的应用

刘永柱^1,2,杨学胜²,王洪庆¹

1. 北京大学物理学院大气与海洋科学系, 北京 100871; 2. 中国气象科学研究院灾害天气国家重点实验室, 北京 100081;

收稿日期:2010-03-18 出版日期:2011-03-20 发布日期:2011-03-20

Research on GRAPES Singular Vectors and Application to Heavy Rain Ensemble Prediction

LIU Yongzhu^{1, 2}, YANG Xuesheng², WANG Hongqing¹

1. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871; 2. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081;

Received:2010-03-18 Online:2011-03-20 Published:2011-03-20

摘要/Abstract

摘要： 为了产生好的集合预报初始扰动, 并能够用有限的集合样本来模拟大气概率密度函数在相空间中的时间演变, 把奇异向量法引入非静力 GRAPES 中尺度模式中, 研究了 GRAPES 奇异向量的基础性问题和基于奇异向量构造集合样本的方法。对2008 年7 月的一次西南涡移动带来的暴雨过程进行 GRAPES SVs 求解, 并进行集合预报试验。结果表明: 前 27 个 GRAPES SVs 反映了分析误差的主要信息; 要素的集合平均的均方根误差比控制预报具有更好的预报技巧, 且它们的集合离散度随时间逐渐增加, 反映了预报误差的主要信息; 从降水 Brier 评分和 ROC 技巧上可以看出该集合预报具有好的概率预报技巧, 能为暴雨预报提供一定的指导作用。

关键词: 奇异向量, 集合预报, GRAPES模式, 西南涡, 暴雨

Abstract: In order to generate the good initial perturbations of ensemble prediction and use limited ensemble members to simulate the time evolution of the atmosphere probability density function in the phase space, the singular vectors (SVs) method was introduced into non-hydrostatic GRAPES meso-scale model. The basic problem of GRAEPS SVs and the method to construct ensemble members based on SVs were researched. GRAPES SVs were solved for a heavy rainfall case by a southwest China vortex moving on July 2008, and an ensemble simulation experiment was made based on GRAPES SVs. The results indicate that the first 27 GRAPES SVs reflect the key information of analysis error; the root mean square error ( RMSE) of ensemble mean about forecast elements have better forecast skills than control forecast, and its ensemble spread is gradually growth with time evolution, reflecting the key information of forecast error; brier score and ROC skill of rainfall show that this ensemble prediction has higher probability skill, and can provide some guidance for the heavy rainfall forecast.

Key words: singular vectors, ensemble prediction, GRAPES model, southwest vortex, heavy rain

中图分类号:

P456

刘永柱,杨学胜,王洪庆. GRAPES 奇异向量研究及其在暴雨集合预报中的应用[J]. 北京大学学报（自然科学版）.

LIU Yongzhu,YANG Xuesheng,WANG Hongqing. Research on GRAPES Singular Vectors and Application to Heavy Rain Ensemble Prediction[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2011/V47/I2/271

[1]	程鹏, 李明远, 楼凯, 秦华鹏. 深圳河湾流域溢流污染规律及其对海湾水质的影响[J]. 北京大学学报自然科学版, 2021, 57(1): 132-142.
[2]	张斌, 吕宝磊, 王馨陆, 张雯娴, 胡泳涛. 利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例[J]. 北京大学学报自然科学版, 2020, 56(5): 931-938.
[3]	孟智勇, 唐晓静, 岳健, 白兰强, 黄龄. 地面和探空资料的EnKF同化对北京7·21极端暴雨模拟的影响[J]. 北京大学学报自然科学版, 2019, 55(2): 237-245.
[4]	张春喜,王迎春,王令,丁青兰,陶祖钰. 一次短历时特大暴雨系统的高分辨率卫星图像[J]. 北京大学学报（自然科学版）, 2008, 44(4): 647-650.
[5]	李万彪, 宋国琼, 童科. TRMM卫星LIS闪电资料在数值模式中的应用[J]. 北京大学学报（自然科学版）, 2008, 44(3): 399-406.
[6]	郑永光,陈炯,费增坪,王洪庆,张焱. 2003年淮河流域持续暴雨的云系特征及环境条件[J]. 北京大学学报（自然科学版）, 2007, 43(2): 157-165.
[7]	梅珏,梁旭东,吕环宇. 单Doppler雷达IVAP风场反演试验[J]. 北京大学学报（自然科学版）, 2007, 43(1): 48-54.
[8]	鄢俊一,王洪庆,张焱,郑永光,张春喜. 卫星资料在中尺度模式ARPS中的应用[J]. 北京大学学报（自然科学版）, 2006, 42(6): 791-796.
[9]	张春喜,朱佩君,郑永光,卓鸿,邵明轩,谭晓光,余小鼎. 一次春季暴雨不稳定条件和对流触发机制的数值模拟研究[J]. 北京大学学报（自然科学版）, 2005, 41(5): 746-753.
[10]	邵明轩,陈敏,陶祖钰,陈露. 用四维变分法同化自动站降水资料[J]. 北京大学学报（自然科学版）, 2005, 41(5): 701-709.
[11]	吴庆丽, 李亚萍, 高慧琳, 郑永光, 李万彪. 1998年7月20～25日湖北暴雨中尺度对流系统的分析研究[J]. 北京大学学报（自然科学版）, 2003, 39(1): 51-57.
[12]	王立琨, 陶祖钰, 杨阳, 王旭, 马禹. 1998年长江洪水大暴雨的卫星云图分析[J]. 北京大学学报（自然科学版）, 2000, 36(1): 87-94.
[13]	罗武安. 广义完全最小二乘问题可解的充分必要条件[J]. 北京大学学报（自然科学版）, 2000, 36(1): 1-7.
[14]	李宪之. 1993年美国特大暴雨成因问题[J]. 北京大学学报（自然科学版）, 1997, 33(1): 73-76.