高等天气学系列讲座 单元七：近代天气预报的进展 第十九讲 中短期天气预报的进展 丁一汇 国家气候中心

天气预报目前主要是用数值预报模式制作的，即作为初值问题用大气模式在超级计算机上算出未来几天到一周的天气发展。由于大气模式的时间积分属于初值问题，因此制作天气预报的能力不仅要求大气模式能真实地描述大气，而且还要求大气的初值条件尽可能正确。近40多年来数值天气预报的技巧有了明显改进，这主要由四个因素造成（Kalnay, 2004）：

（1）超级计算机计算能力的提高，使得业务大气模式中可以取更细的分辨率和更少的近似表达。 （2）模式中表示小尺度物理过程方法的改进（云、降水、热量、水汽、动量的湍流输送和辐射） （3）更精确的资料同化方法的使用，使得模式的初始条件得以完善。 （4）观测网的改进，资料的可用性增加，尤其是海洋和南半球的卫星资料和飞机资料。 与数值预报方法平行发展的还有经验统计方法和统计—动力方法，它们在历史上甚至在今天仍起着重要的作用。

19.1 天气预报方法的分类 天气预报方法总的可分为两类：一是经验方法，也称主观预报方法。主要依据天气图、卫星和雷达资料以及各种经验规则和统计图表由预报员综合作出。因而预报的正确性很大程度上取决于预报员的经验。这种方法的缺点是不够客观和定量，但它有重要作用。本节不讨论这种预报方法。第二类是客观预报方法。这包括数值预报和统计预报。近三十年来，统计预报又与数值预报相结合发展成统计－动力（或数值）预报方法。 从五十年代开始就研究数值天气预报方法。到六十年代初，不少国家都已建立了数值预报的业务预报。目前数值预报的业务预报能力不断提高，它是实现预报客观化定量化的主要手段。

总的来说，由于数值预报的不断改进，预报准确率到九十年代增加了一倍，从30 ％增加到60 ％（正确率的评分为2×(70－S1)，如得毫无价值的预报图，得0，此时S1＝70；对实际完全正确的预报图得100（％），此时S1＝20）。环流的预报能力也从3天增加到一周或10天。从数值模式看，也变得愈来愈复杂和完善。最早用的是正压模式和地转模式，以后变成半球的原始方程模式，又发展到全球模式，并用实际风观测资料直接输入。同时为满足要素预报又发展了区域模式，细网格模式和套网格模式（用大网格模式预报结果为中、小网格预报模式提供边界条件）。

目前数值预报还有许多问题需要解决，例如对于可移动的套网格有限区模式，不少国家都十分重视，但目前大部分这种模式都是所谓单向的，即只有大尺度模式通过边界条件影响有限区模式。目前正研究使用可移动的双向相互作用的细网格模式来作某些重要天气系统（如温带气旋和台风）的预报。对于中尺度模式的试验和研究也在积极进行，其分辨率为50～70km到几km。这种中尺度模式对于预报暴雨，强天气爆发是十分重要的。但一个关键的问题是如何取得合理的初始资料问题。另外，时间尺度1个月的延伸数值预报虽然已经取得了一定的进展，但仍有不少问题需要解决。这种预报对工农业生产的价值非常大。中期预报是一个难题，目前正在一些国家进行。欧洲中期天气预报的水平超过了气候预报和持续性预报。但是要把预报准确率提供一定的程度还有许多的问题需要解决。上述预报模式主要涉及中高纬地区的天气预报，虽然进展明显，但在热带预报方面则进展不太大。为改进热带预报尚需要许多研究工作。

统计预报方法在最近30年进展也十分明显。在统计方法中，未来的天气状况可以根据现在天气状态和气候平均的时间滞后相关用回归方程估计。统计方法的优点是它以观测的实际大气的特点为依据。不足之处在于，根据现有的气候资料序列建立起来的一些简单的回归方程具有显著的抽样误差，也不能反映大气中复杂的非线性物理过程和动力过程。统计方法的可预报性极限，可以从时间滞后函数趋于零这一观测事实来确定。随着时间的延长，预报的效用越来越小。

有二种主要的统计预报方法，一种是经典统计方法（CS）。它需要得到初条件与某个以后时刻条件之间的统计后延关系。例如用这种关系可直接由今天的观测资料预报明天或后天的天气。这种方法完全不考虑数值预报或动力模式的结果，是一种纯统计方法。统计预报方法很多，这包括：概率天气预报方法、分类预报（是/否预报，多类预报）、相关回归预报（一元或多元回归，逐次回归，事件概率回归等），判别分析（二元与多元判别，逐步判别），时间序列分析（平稳分析，谱波分析）、谱分析与过滤技术等。

第二种是统计－动力预报方法，这又包括完全预报法（PP）和模式输出统计方法（MOS）。完全预报法是建筑在数值预报模式能作出较好的环流型预报的条件上。如同CS方法中一样，它用长期实测历史资料（气象要素和各层形势场）统计得到局地天气和气象预报因子（由环流等表征）间的预报方程。这个关系是同时期的，不是落后的。在作预报时，用各层形势场的数值预报结果代入预报方程就可得到每天的要素预报。这个方法的缺点是数值预报的误差不可避免的全部进入这种统计方法的预报结果中去。即它认为数值预报是完全对的，因而它与数值预报模式的改进关系很大。一般当数值模式有改进时，PP方法也有改进。这种方法不适用概率预报。其优点是由于用了较长时间的资料样本，所得到的预报方程比较稳定，并且在推导方程时不需要用数值预报的样本，也不受数值模式改进的影响。

MOS方法与PP方法相似也是把动力与统计方法组合在一起，得到瞬时的预报关系，也即根据数值预报的形势和物理量场的预报资料与所报的气象要素直接联系建立统计预报方程。这种方法不必使用长期的观测资料。MOS中的样本通常是一较短时期数值预报模式作出的各种预报量。一般可把这种预报资料存档，并且把这种资料与当地天气模式相对应，然后用各种统计方法最后建立一套统计预报方程。这个模式大的优点是在建立预报方程时自动地考虑了数值预报的系统误差及局地气候学，同时大量利用了数值预报的物理量场，效果往往较好。但是由MOS得到的预报关系每当数值模式改变时，也要求有相应的改变。

总之最有用的是MOS方法，它适于报天气尺度12～60小时的预报，可用一天两次的高空资料作出。至于更长时期，PP是主要方法。对中尺度和短于12小时的预报，CS是主要方法。现在MOS已被广泛地用来代替PP，CS方法。对中长期，一旦将来有了更长期的预报，也可进一步被应用。对于短期天气预报，尤其是中尺度和局地预报，可用MOS＋CS，并且每小时更新一次。因而有人预计，MOS将成为局地和气象要素（包括城市天气）的主要预报工具。

天气预报虽然有了明显的进展，但一些关键性的转折性天气或强烈天气的突然爆发的预报仍然常常失败。Ramage曾指出，这是因为大气湍流很强和各向异性的性质所决定，也即大多数能量都是在不到5～10 ％的时间内释放出来的。这种大气的爆发性质是无法用动力学或数值预报报出的，如积云的发展，雷暴或飑线的爆发，台风和温带气旋的生成，厄尔尼诺现象等只能用统计方法作出。他特别强调要研究大气中这种“爆发”的发展过程以及导致爆发的先决条件。这种意见与数值模式的研究者是不同的，后者认为大气的运动是决定性的，只要有了好的观测网和完善的模式，强有力的计算机，是能够作出正确的天气预报来。现在天预报也正是沿着这两条路向前发展。近几十年来又把两者结合起来使预报正确率有了相当的提高。

19.2 中短期数值天气预报 天气预报和大气模拟从时间尺度可以分为短中期和长期预报，前者主要取决于大气的初始状态；而中期预报，虽然主要考虑运动的初始状态，但目前认为，也要尽可能考虑决定最终平衡的外部强迫作用。前面已经说明了短期数值预报的情况。最早的中期预报试验是在六十年代末开始，当时进行了一系列的半球的两周预报试验，结果是令人鼓舞的。大大促进了中期预报的发展。1979年8月1日欧洲中期天气预报中心（ECMWF）开始发布10天以内的中期数值预报。

通常采用高度距平场的相关作为评价中短期预报的客观指标。所谓高度距平场的相关，也就是全球某一地区一个或几个等压面高度的观测值与预报值对其气候平均的离差之间的相关。这个方法给出的预报技巧的评价一般是可靠的。通常认为距平相关达到50 ％或60 ％，就可定义为有用的预报。图19.1a是北半球中高纬地区1980年12月500和1000hPa高度场业务预报的平均距平相关系数。图中表明，500hPa预报普遍优于1000hPa预报。另外，预报技巧随着预报时限的增长而减小。在这个冬季月，1000和500hPa距平相关达50 ％的时间分别为预报的第6.5天和第7.2天。另外，两次的高度场预报都远远高于持续性预报。图9.4b是不同波组的高度距平相关系数。可以看到，大尺度系统的预报更准确一些。波数在10～20之间的纬向波动代表较短的天气尺度的预报，比大尺度系统的预报差的多。这一结果反映，即使天气形势的总体报得较好，但各种天气现象发生的时间和强度有可能报错。

图19.1 20°N-82.5°N范围内1980年12月各次预报的平均距平相关系数。（a）1000和500hPa高度场的距平相关系数。同时给出了1000hPa持续性预报的相关系数；（b）根据1000～200hPa之间各标准等压面高度计算；计算是对不同纬向波数带分布进行的

可预报性也有一定的空间变化。对1980年12月，欧洲500hPa高度距平相关系数在预报第4天达80 ％，第5 业务预报的效果随时间也有明显变化。首先可预报性有显著的月际变化。从这一个月到下一个月，50 ％相关出现的时间可相差一天。除月际变化之外，预报技巧也有明显的季节变化。如对北半球，夏季的可预报性普遍低于冬季，这在东亚和北美尤为显著。在有些时候，可预报性较低，而在另一些时段可预报性相对比较高，可预报性的这种非季节性变化并不是纯偶然的现象，可能与某种持续性的长时间尺度的天气过程有关，这种过程一般是容易预报一些。 热带地区的预报效果并没有中高纬度好。

一般数值模式都会出现系统误差问题。在65oN 500hPa处，对流层温度偏低，其极大值达3K，平流层温度偏低的程度更明显。500hPa以下，温度偏低的程度随纬度变化很少。模式中的纬向风普遍较实际情况偏强。在高层，纬向平均副热带急流向极地方向移动。850hPa温度的纬向平均误差不大。可以看到在北美落基山，阿尔卑斯山和亚洲的天山为明显的负偏差，而在东南太平洋，大西洋和东南亚地区为大面积正偏差区。美国气象中心（NMC）也有类似的系统误差，在欧洲和亚洲有相同的相对最大和最小误差位置。两模式的最大差别是在北极，这种系统误差产生的一个原因是对地形强迫估计过低。

地形上处理不当还可引起虚假的降水。例如青藏高原下风方会产生大范围虚假降水区。 目前解决问题的方法有：静力扣除法，包括地形，重力波拖曳法等。

国内外中国地区多年模拟的平均降水场比较 单位：mm 澳大利亚模式 20年 加拿大模式 22年 中国的模式 实况

图19.3说明了最近30年北半球中短期业务数值预报的进展。1972年的曲线是1972年Miyakoda等给出的12个冬季个例的500hPa高度场的中短期数值预报结果，它代表了70年代初的水平。可以看到3天半以后，距平相关系数小于0.6，即预报不可用。到了79/80年，欧洲中期天气预报中心的冬季有用预报提高到了5天半，到2001/2002年，冬季预报进一步提高到8天半。也就是说，在过去30年中对北半球冬季大尺度气流场的预报技巧提高了5天，最近20年也提高了3天。

图19.3 北半球500hPa位势高度距平相关系数。图中的1972代表Miyakoda等的结果，1979/1980代表欧洲中期天气预报中心1979年12月～1980年2月的业务预报结果，2001/2002代表ECMWF2001年12月～2002年2月的业务预报结果（取自Hollingsworth等，2003）

在最近20年，南半球的数值预报也有了显著进展，对于南半球，代表性的地区是澳大利亚与新西兰地区。因为这个地区有南半球最好的地面与高空观测网，其验证结果较为可靠。图9.8给出了近20年ECMWF，英国气象局（UK Met Office）和日本气象厅（JMA）对这个地区1，3和5天的预报技巧。这里的预报技巧是用SI（技巧分）表示的，它度量一组固定观测点（通过取探空站点间或网格点间）之间高度梯度的均方根误差（rms），也可近似为地转风的rms误差。如SI＝0，则代表最高技巧的预报；如果SI＝20，则为高技巧误差。由图19.4可见，四个预报中心（ECMWF，JMA和GASP（澳大利亚气象局））对1，3，5天的预报皆有明显的改进，尤其是在90年代中期，其中期预报水平几乎与北半球相当。这可能是由于（1）新的卫星资料的增加，即新的高频微波探测资料（AMSU），ERS和Quikscat散射仪资料；（2）模式的物理与分辨率的改进；（3）资料同化系统的应用。

图19.4 澳大利亚与新西兰地区24，72与120小时，海平面气压预报的SI评分变化，该结果由澳大利亚气象厅验证。SI是月滑动平均值（取自Hollingsworth等，2003）

随着形势预报的明显改进，天气要素的预报也有相当的改进。图19 随着形势预报的明显改进，天气要素的预报也有相当的改进。图19.5给出了ECMWF降水（24小时降水大于5mm的降水事件）预报的改进情况。所用的指数是公平威胁分（ETS：equitable threat scores）。可以看到，在欧洲地区，在检验的三个预报时段（18～42小时，42～66小时与66～90小时的累计降水）其预报技巧稳定地上升，大致相应于每十年盈得1天的技巧。 根据上面的讨论，可以知道欧洲中期天气预报中心的预报是很成功的，10天以内的预报都优于持续性预报。一般来说，北半球热带以外地区3～4天预报的质量是好的。5～7天的预报通常可以报出总的天气形势。而7～10天的预报由于系统性误差较大等原因，只能参考。降水和温度等的预报也在不断的改进。

图19.5 1993～2001年ECWMF制作的日降水预报ETS（Equitable Threat Scores）逐季时间序列。预报区间为18～42小时（实线），42～66小时（点线）和66～90小时（虚线））。所检验地区是欧洲，所取降水事件是日累计降水量大于5mm。（取自Lalaurette与Ferranti，2001）

19.3 集合预报 业务集合预报于1992年在美国国家环境预报中心（NCEP）开始使用，近年来在其它国家的气象中心也使用了这种预报方法。集合预报是用某种方法生成不同的初值，然后得到不同的预报结果或预报成员，然后用概率方法对所有的预报成员进行集合，最后得到最可能的预报结果。由于预报模式分辨率，集合成员数，扰动初值的方法和模式本身的不断改进，促使了集合预报方法的迅速发展，并且检验和使用集合预报的方法也得到了相应的发展 。

集合预报的目的有三个：第一是通过集合平均提高预报质量，其提高之处在于集合平均有过滤掉预报中不确定成分（集合成员彼此不同）而保留下集合成员中一致的部分的倾向。滤波只能在扰动的非线性演变中进行，如果从分析中加上或减去扰动场，当扰动保持线性时集合平均预报就和对照预报相同。和对照试验相比，几天之后的NCEP全球预报集合平均预报的改进是非常明显的。集合预报的第二个目的是提高预报的可靠性。如果集合预报每个成员之间有很好的一致性，那么就有更多理由相信所做的预报。集合离差（spread）和预报误差之间的定量关系（或者反过来说在预报一致性和预报技巧之间）还尚待进一步的确认，但已经在日常预报中被预报员们所考虑。集合预报的第三个目的是为概率预报提供定量基础。在19.7的例子中，我们可以说，集合表明A簇的概率是40%，而B簇为60%。

图19.6 (a)典型的集合预报分量示意图。（1）对照预报（标有C），从真实大气初始状态的最好估计分析场开始（用x表示）；（2）两个扰动集合预报（标有P+和P-），从对照场中加上和减去初始扰动；（3）集合平均，用A表示；（4）大气“真实”演变，用T表示。这是一个“好”集合，因为“真实”状态看起来是集合的一个合理成员。要注意由于非线性饱和，初始和真实大气离得较远的集合成员的误差（本例中标有P+）增长趋于比初始和真实带器较靠近的成员的误差要慢。这就造成误差的非线性过滤：集合成员的均值趋于比对照预报更加接近“真实”大气（Toth和Kalnay,1997）。（b）一个“不好”的集合预报示意图，其中预报误差由系统误差所控制（比如模式缺陷）。在这个例子中，集合对预报无用，但它能帮助我们确定预报误差可能是由于系统误差的存在引起的，而不是由于初始条件误差的混沌增长所造成的。

图19.7 集合预报示意图。从表示初始条件的不确定性（理想的是分析误差协方差）的圆内出发的有代表性的一组根据扰动初始条件的个别预报的轨迹，结束于可能的解范围之内。对较短时期而言，预报之间比较接近，可以看成是确定性的。但超过一段时间后，可能的解差别很大，必须认为是随机的。对大尺度流动预报而言，过渡时间为2~3天，而对单个风暴等中尺度而言短到只有几个小时，对强非线性参数而言过渡时间要短一些；即使对大尺度场，降水预报表现出显著的发散，比500hPa场发散得快。预报场可能向A或者B子集集聚（选自Tracton和Kalnay，1993）

最近变得比较流行的另外一种方法是多系统集合。很长时间以来人们已经认识到来自不同业务中心的业务全球预报的集合平均要比最好的单个预报的技巧高得多（比如，Kalnay和Ham，1989，Fristch等，2000和其中的参考文献）。人们发现对于区域模式的较短期的集合也是如此（Hou等，2001），这样人们就可以把使用多系统进行集合预报推广到短期预报中。Krishnamurti等（2001）发现如果用回归方法对多系统集合误差进行订正的话，集合系统的质量会进一步显著提高。Krishnamurti等（2001）把这种多系统方法称为“超级集合”。

多系统集合的优势并不奇怪。这些优势不是向初始分析加上扰动并向对照模式参数化引入扰动，而是多系统方法采用了最好（对照）初始条件和各个预报中心最好（对照）的模式，这些中心运行具有竞争力的现代化业务分析和模式预报。这样，多系统可能提供的真正不确定无论在初始条件还是在模式上都要比后引入某单个业务系统的任何扰动好得多。

图19.8是1995～2002年3～4天内日累计降水概率集合预报的Brier技巧分曲线。结果表明，集合预报对于四种降水事件（降水>1mm,>5mm, >10mm, 与>20mm）均有明显改进的趋势。这可能是由于2000年11月开始ECMWF集合预报模式的分辨率增加的结果（由谱TL159（～120km）分辨率增加到TL255（～80km）分辨率）。集合预报可以对控制预报不准确性的概率分布函数进行定量估算，概率分布函数本质上是多变量的，可用于估算同时超过规定阈值的一些变量的概率。利用集合预报输出的结果可以驱动各种应用模式（如有限区模式，水文模式，化学输送模式，火灾模式，电价模式等）。估算由这些模式得到的控制预报的不确定性。检验这种“下游”集合预报有重要的实际意义，也具有诊断分析的价值。

图19.8 1995～2002年3～4天日降水量概率集合预报Breier技巧分的时间序列。已进行了12月月滑动平均。这是对欧洲地区四种降水事件：>1mm（实线），>5mm（点线），>10mm（虚线），>20mm>（点虚线）。检验是在欧洲的SYNOP上进行的（Mullen与Buizza，2001）

参考文献见原书第九章，另建议阅读Kalnay的“大气模式、资料同化和可预报性”一书有关章节（气象出版社，中译本，2005年） 完