氣象聚集預(yù)知趨勢(shì)探析范文
本站小編為你精心準(zhǔn)備了氣象聚集預(yù)知趨勢(shì)探析參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。
作者：彭勇王萍,徐煒周惠成王本德單位：大連理工大學(xué)建設(shè)工程學(xué)部水利工程學(xué)院
擾動(dòng)方法
集合預(yù)報(bào)擾動(dòng)方法,是集合預(yù)報(bào)最核心的研究問(wèn)題。擾動(dòng)方法的好壞直接影響著預(yù)報(bào)結(jié)果的質(zhì)量。根據(jù)數(shù)值預(yù)報(bào)的不確定性,大致可以把集合預(yù)報(bào)的擾動(dòng)方法分為以下幾種。
1初始場(chǎng)擾動(dòng)
初始擾動(dòng)的生成是制作集合預(yù)報(bào)的關(guān)鍵,其研究始于20世紀(jì)70年代。首先,1974年Leith提出蒙特卡羅方法(MCF)并應(yīng)用在數(shù)值預(yù)報(bào)中,使集合預(yù)報(bào)從理論研究向?qū)嶋H應(yīng)用轉(zhuǎn)變;1983年R.N.Hoffman和E.Kalnay提出了替代MCF的滯后平均預(yù)報(bào)方法(LAF),該方法繼承了MCF的優(yōu)點(diǎn)并充分利用了歷史觀測(cè)信息。但是為得到較好的預(yù)報(bào)結(jié)果,這兩種方法都需要龐大的初始擾動(dòng)數(shù)目,而這受到現(xiàn)有計(jì)算資源的限制。此外由這兩種方法得到的預(yù)報(bào)成員的離散度很小,即它們并不是產(chǎn)生初始擾動(dòng)的理想方法。有研究指出,最終對(duì)集合預(yù)報(bào)有貢獻(xiàn)的擾動(dòng)應(yīng)是那些投影到快速增長(zhǎng)模上的擾動(dòng)分量。基于該思想,1993年Toth和Kal2nay提出了增長(zhǎng)模繁殖法(BGM),并在美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)投入業(yè)務(wù)使用;20世紀(jì)90年代開始,歐洲中期天氣預(yù)報(bào)中心(ECMWF)采用奇異向量法來(lái)生成集合成員,這兩種方法都具有動(dòng)力學(xué)意義。現(xiàn)介紹幾種具有代表意義的初值擾動(dòng)方法。
1.1隨機(jī)擾動(dòng)
胡增臻采用了隨機(jī)擾動(dòng)方法,即蒙特卡羅方法(MCF)。在初始場(chǎng)上疊加小擾動(dòng)如服從正態(tài)分布的隨機(jī)噪聲,從而建立許多不同的起始場(chǎng),再對(duì)這些初始場(chǎng)進(jìn)行預(yù)報(bào),得到多個(gè)不同的預(yù)報(bào)結(jié)果組成集合。隨機(jī)擾動(dòng)方法的基本思想是觀測(cè)的大氣資料初始誤差是隨機(jī)分布的,它是以概率統(tǒng)計(jì)為理論,以隨機(jī)抽樣為手段的數(shù)值計(jì)算方法。隨機(jī)擾動(dòng)的優(yōu)點(diǎn)是程序結(jié)構(gòu)簡(jiǎn)單、計(jì)算量小。但是隨機(jī)擾動(dòng)是在初始場(chǎng)誤差范圍內(nèi)隨機(jī)產(chǎn)生擾動(dòng),沒有動(dòng)力學(xué)意義。另外,隨機(jī)擾動(dòng)得到的預(yù)報(bào)成員的離散度小。
1.2時(shí)間滯后平均預(yù)報(bào)方法
楊學(xué)勝等和周霞瓊等應(yīng)用了滯后平均預(yù)報(bào)的方法(LAF)。即用同一數(shù)值預(yù)報(bào)模式對(duì)前后相續(xù)的不同初始場(chǎng)做預(yù)報(bào),然后對(duì)這些預(yù)報(bào)集合中同一時(shí)刻的預(yù)報(bào)做統(tǒng)計(jì)平均,得到最終的預(yù)報(bào)結(jié)果。它運(yùn)用了氣象場(chǎng)演變的歷史信息。LAF方法的初始擾動(dòng)實(shí)際上是集合成員從其起始時(shí)間積分至正常起始時(shí)間的預(yù)報(bào)誤差。LAF方法的優(yōu)點(diǎn)是簡(jiǎn)單,計(jì)算量小,容易實(shí)現(xiàn)。它的擾動(dòng)是集合成員運(yùn)用模式從起始時(shí)間積分至正常起始時(shí)間的預(yù)報(bào)誤差,即在一定程度上考慮了與動(dòng)力模式的協(xié)調(diào)。但是相應(yīng)地,它的樣本受到取樣時(shí)間間隔的影響,增加集合樣本數(shù)困難。此外,預(yù)報(bào)成員的離散度小。
1.3增長(zhǎng)模繁殖方法
關(guān)吉平,于永鋒等應(yīng)用了增長(zhǎng)模繁殖法(BGM)。即首先對(duì)初始分析場(chǎng)加一個(gè)隨機(jī)擾動(dòng),再運(yùn)用模式對(duì)其進(jìn)行一定時(shí)段的預(yù)報(bào),將控制預(yù)報(bào)減去擾動(dòng)預(yù)報(bào)的差值調(diào)整后作為下一次計(jì)算的擾動(dòng)量,如此對(duì)模式反復(fù)使用,最終生成初始場(chǎng)。通過(guò)這種誤差的循環(huán)增長(zhǎng),可以使高速增長(zhǎng)型誤差的比重不斷增大直至飽和。BGM實(shí)際上是模仿分析循環(huán)中誤差的增長(zhǎng)過(guò)程。BGM的優(yōu)點(diǎn)是原理簡(jiǎn)單,幾乎不耗費(fèi)計(jì)算資源。其擾動(dòng)是通過(guò)對(duì)模式的反復(fù)循環(huán)運(yùn)用產(chǎn)生的,從而擾動(dòng)結(jié)構(gòu)與模式大氣結(jié)構(gòu)的協(xié)調(diào)性較好。但它忽略了誤差增長(zhǎng)率及誤差中短期不增長(zhǎng)的部分,而且擾動(dòng)振幅會(huì)影響到集合預(yù)報(bào)的預(yù)報(bào)技巧。此外,真實(shí)誤差的概率密度函數(shù)分布不可知。
1.4奇異向量法
劉金達(dá)和張澤椿等介紹了奇異向量法,這是由ECMWF提出并使用的方法。其基本原理是利用非線性動(dòng)力學(xué)的有限時(shí)間不穩(wěn)定理論以及數(shù)值天氣預(yù)報(bào)中的切線性和伴隨模式。通過(guò)求解線性和伴隨模式乘積的特征值和特征向量得到擾動(dòng)。該方法具有動(dòng)力學(xué)意義,容易增加集合成員個(gè)數(shù),容易捕獲分析誤差,可以確定最快的擾動(dòng)發(fā)展方向并且離散度比較好。但是該方法忽略了誤差不增長(zhǎng)的部分,而且計(jì)算量較大,需要耗費(fèi)大量的計(jì)算資源,我國(guó)的國(guó)家氣象中心采用奇異向量法來(lái)產(chǎn)生初始擾動(dòng)場(chǎng)。
1.5集合卡爾曼變換方法
田偉紅等運(yùn)用了集合卡爾曼變換方法(ETKF)。它是基于集合變換方法和卡爾曼濾波理論,是一種次優(yōu)的卡爾曼濾波方案。馬旭林等在ETKF初始擾動(dòng)方案研究的基礎(chǔ)上,建立了GRAPES(全球與區(qū)域同化預(yù)報(bào)系統(tǒng))。ETKF方法將預(yù)報(bào)與分析誤差協(xié)方差矩陣用集合擾動(dòng)近似表示出來(lái),從而可以構(gòu)造集合初始擾動(dòng)。它不僅可以同化觀測(cè)資料,而且還可以估計(jì)分析誤差協(xié)方差。ETKF方法程序設(shè)計(jì)比較簡(jiǎn)單,計(jì)算量較小,它產(chǎn)生的集合擾動(dòng)能夠反映觀測(cè)密度與質(zhì)量的空間變化,且在觀測(cè)空間中是等概率分布的。但是,由于模式誤差、觀測(cè)誤差不可能準(zhǔn)確給定,從這個(gè)意義上來(lái)看,它是一個(gè)次優(yōu)的卡爾曼濾波方案。
1.6其他初值擾動(dòng)方法
初值擾動(dòng)的方法研究較多,以上只介紹了比較有代表性的初值擾動(dòng)方法。除此之外,龔建東提出了四維變分同化方法(BDA),該方法同時(shí)吸收MCF方法和LAF方法的優(yōu)點(diǎn)。黃燕燕等提出了BDA擾動(dòng)方法對(duì)臺(tái)風(fēng)路徑進(jìn)行集合預(yù)報(bào)。穆穆等設(shè)計(jì)了集合預(yù)報(bào)初始擾動(dòng)的新方法)條件非線性最優(yōu)擾動(dòng)。上述方法產(chǎn)生擾動(dòng)初始場(chǎng)的原理都是相同的,即通過(guò)某一種方法,得到一組小擾動(dòng),將這組小擾動(dòng)加到分析場(chǎng)上即得擾動(dòng)的初始場(chǎng)。因此,在進(jìn)行集合預(yù)報(bào)中,大可以自己研究開發(fā)出適合自身情況的初值擾動(dòng)方法。但需遵循兩個(gè)基本的原則:¹擾動(dòng)場(chǎng)的特征需與實(shí)測(cè)資料中可能的誤差分布大致相同;º擾動(dòng)場(chǎng)之間在模式中的演變方向盡可能地發(fā)散,但是也不能虛假的大。
2模式擾動(dòng)
模式的誤差也會(huì)帶來(lái)預(yù)報(bào)的不確定性,只有當(dāng)模式足夠好時(shí),集合預(yù)報(bào)才會(huì)有明顯的效果。因此,提高模式的質(zhì)量對(duì)提高集合預(yù)報(bào)的效用具有重大的意義。自20世紀(jì)90年代后期以來(lái),針對(duì)模式誤差帶來(lái)的預(yù)報(bào)不確定性,國(guó)內(nèi)外的學(xué)者進(jìn)行了大量研究。加拿大氣象中心(CMC)采用多模式多參數(shù)化方案組成的/模式擾動(dòng)0集合預(yù)報(bào)方法。ECMWF在模式積分過(guò)程中,在非絕熱強(qiáng)迫項(xiàng)中加入隨機(jī)增倍噪聲,以反映引起模式誤差的次網(wǎng)格物理過(guò)程參數(shù)化的不確定性。NCEP在短期集合預(yù)報(bào)方面,采用多模式來(lái)表征與模式相關(guān)的不確定性;在中期集合預(yù)報(bào)方面,自2010年起采用隨機(jī)全傾向擾動(dòng)法來(lái)表示模式的不確定性。
2.1基于參數(shù)化方案的不確定性
針對(duì)同一種模式,將物理過(guò)程中的一些不確定性因素,但又對(duì)預(yù)報(bào)結(jié)果很敏感的部分,當(dāng)作隨機(jī)過(guò)程來(lái)處理或選用不同的參數(shù)化方案。如積云對(duì)流參數(shù)化方案是影響暴雨模擬的敏感因子,則進(jìn)行預(yù)報(bào)時(shí),可采用不同的積云對(duì)流參數(shù),得到預(yù)報(bào)的集合成員。文獻(xiàn)即是采用了這種方法,并證明了該方法的可行性。此外,陳靜等還通過(guò)擾動(dòng)Grell積云對(duì)流參數(shù)化方案中的主要參數(shù)振幅來(lái)產(chǎn)生集合成員,但結(jié)果并不是很理想。雖然運(yùn)用這種方法來(lái)描述模式的不確定性能取得一定的效果,但是一個(gè)模式作為一個(gè)整體的系統(tǒng),各個(gè)參數(shù)可能達(dá)到最適合的組合狀態(tài),此時(shí)若改變某些參數(shù),可能會(huì)給模式的準(zhǔn)確性帶來(lái)一定的負(fù)面影響。
2.2多模式
即運(yùn)用多個(gè)模式(分辨率不同、地形處理不同等)分別進(jìn)行預(yù)報(bào),再將各個(gè)預(yù)報(bào)結(jié)果加在一起形成集合。因?yàn)椴煌哪Ｊ降奈锢碓O(shè)計(jì)一般是不一樣的,所以采用多模式的方法進(jìn)行集合預(yù)報(bào)就是考慮了模式物理過(guò)程不確定性的影響。但是純粹運(yùn)用這種方法進(jìn)行集合預(yù)報(bào)研究的很少,一般都會(huì)結(jié)合初值擾動(dòng)來(lái)進(jìn)行集合預(yù)報(bào)試驗(yàn)。
3多模式-多初值集合預(yù)報(bào)
即采用兩個(gè)或兩個(gè)以上的模式,而對(duì)于每個(gè)模式又有多個(gè)初值,從而對(duì)各個(gè)模式進(jìn)行集合預(yù)報(bào)時(shí),都會(huì)產(chǎn)生一個(gè)子集合,然后把這些子集合預(yù)報(bào)加在一起成為總集合預(yù)報(bào)。顯然,這個(gè)方法既考慮了初值的不確定性,又考慮了模式物理過(guò)程的不確定性。有研究指出,無(wú)論從概率意義上(如概率密度分布),還是從決定論意義上(如集合平均預(yù)報(bào)),多模式集合預(yù)報(bào)提供的信息均比單個(gè)模式集合預(yù)報(bào)更準(zhǔn)確。但是由于選取了不同的數(shù)值模式,使得每個(gè)集合成員的系統(tǒng)性偏差差別較大。這就有悖于集合預(yù)報(bào)系統(tǒng)的/成員等同性0,所以就需要對(duì)集合預(yù)報(bào)結(jié)果采用系統(tǒng)性偏差訂正的方法來(lái)扣除自身的系統(tǒng)性偏差。目前對(duì)于集合預(yù)報(bào)偏差訂正的研究還處于發(fā)展階段,其中自適應(yīng)卡爾濾波偏差訂正的方法已用于NCEP業(yè)務(wù)集合預(yù)報(bào)系統(tǒng),并且訂正效果明顯且穩(wěn)定。
目前研究的模式擾動(dòng)方法基本上是以上三類,相比較于初值擾動(dòng)方法的研究,模式擾動(dòng)方法研究的較少,我國(guó)更是如此。好的初值擾動(dòng)以及好的模式擾動(dòng)對(duì)集合預(yù)報(bào)系統(tǒng)具有積極的影響,各大中心一直致力于發(fā)展并且完善初始和模式擾動(dòng)方法,如ECMWF的初始擾動(dòng)方法從奇異向量法發(fā)展到了集合資料同化-奇異向量法(EDA2SVINI);模式擾動(dòng)從隨機(jī)參數(shù)化擾動(dòng)方案(SPPT)發(fā)展到了修訂的隨機(jī)參數(shù)化擾動(dòng)方案和隨機(jī)補(bǔ)償方案(revisedSPPT2SPBS)。
對(duì)于集合預(yù)報(bào),初值擾動(dòng)和模式擾動(dòng)都是必不可少的。Stensrud等的研究表明,當(dāng)環(huán)境中大尺度的強(qiáng)迫作用強(qiáng)時(shí),結(jié)果表示基于初值不確定性的集合預(yù)報(bào)效果較好,即初值的不確定性起主導(dǎo)作用。當(dāng)大尺度的強(qiáng)迫作用很弱時(shí),結(jié)果表示基于物理不確定性的集合預(yù)報(bào)效果較好,即物理的不確定性起到了主導(dǎo)作用。可以基于這個(gè)結(jié)論合理地設(shè)計(jì)集合預(yù)報(bào)系統(tǒng)。
檢驗(yàn)方法
當(dāng)進(jìn)行集合預(yù)報(bào)試驗(yàn)之后,都必須對(duì)預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)。集合預(yù)報(bào)結(jié)果比較特殊,不像單值預(yù)報(bào),集合預(yù)報(bào)不能只用確定性的方法進(jìn)行驗(yàn)證。其預(yù)報(bào)結(jié)果分為確定性預(yù)報(bào)(集合平均)和概率預(yù)報(bào)兩種形式,相應(yīng)的有兩大類檢驗(yàn)方法。
1確定性預(yù)報(bào)檢驗(yàn)方法
對(duì)于確定性,其檢驗(yàn)比較容易、意義也比較明確。常用的有均方根誤差、相對(duì)誤差、絕對(duì)誤差和相關(guān)系數(shù)。其中均方根誤差表示的是兩個(gè)變量(如預(yù)報(bào)均值與實(shí)際觀測(cè)值)的平均偏離程度,用于衡量?jī)蓚€(gè)變量之間的平均差異。相關(guān)系數(shù)檢驗(yàn)兩個(gè)場(chǎng)(如預(yù)報(bào)均值場(chǎng)與實(shí)際觀測(cè)值場(chǎng))的型態(tài)是否一致,即檢驗(yàn)兩個(gè)變量的序列變化是否一致。相對(duì)誤差反映預(yù)報(bào)的系統(tǒng)誤差情況,能夠反映集合預(yù)報(bào)系統(tǒng)的系統(tǒng)偏差狀況;絕對(duì)誤差是衡量預(yù)報(bào)效果的根本指標(biāo)。
2概率性預(yù)報(bào)檢驗(yàn)方法
概率預(yù)報(bào)能夠全面地反映集合預(yù)報(bào)信息,是集合預(yù)報(bào)中最有代表性的預(yù)報(bào)產(chǎn)品。但是,如何對(duì)概率預(yù)報(bào)進(jìn)行檢驗(yàn)評(píng)價(jià)是一個(gè)難點(diǎn),目前方法還不多,有待于進(jìn)一步的探索。下面介紹幾種比較常見的檢驗(yàn)方法。Brier評(píng)分。是對(duì)某個(gè)等級(jí)(即某事件發(fā)生)的概率預(yù)報(bào)結(jié)果進(jìn)行評(píng)價(jià)的一個(gè)指標(biāo)。BS評(píng)分是一種均方概率誤差,統(tǒng)計(jì)的是預(yù)報(bào)概率的均方誤差,其值越小越好,取值范圍在0~1之間。ºTalagrand分布。基本思想為集合成員具有相同的可能性代表未來(lái)的天氣狀況,即實(shí)況值落在各個(gè)成員附近的概率是相等的。Talagrand分布能檢驗(yàn)預(yù)報(bào)值和檢驗(yàn)值是否都是來(lái)自相同的概率分布,即檢驗(yàn)集合預(yù)報(bào)的可靠性。此外,Talagrand分布能夠度量集合預(yù)報(bào)的離散度合宜性和成員等同性,理想的Talagrand分布是一條平直的水平線。»ROC(相對(duì)作用特征)曲線。用以對(duì)某個(gè)等級(jí)的概率預(yù)報(bào)結(jié)果進(jìn)行評(píng)價(jià)的工具。它統(tǒng)計(jì)的是命中率與假警報(bào)率的大小,能檢驗(yàn)集合預(yù)報(bào)的分辨能力。
目前,上述提到的方法是運(yùn)用的比較多的檢驗(yàn)方法。此外,直接將預(yù)報(bào)值與實(shí)測(cè)值進(jìn)行對(duì)比也運(yùn)用的較廣泛。各個(gè)方法都各有側(cè)重,使用時(shí)應(yīng)針對(duì)不同目的選擇不同側(cè)重點(diǎn)的評(píng)價(jià)方法。此外,不論運(yùn)用哪種檢驗(yàn)評(píng)價(jià)方法,都使用了統(tǒng)計(jì)方法,因此,檢驗(yàn)評(píng)價(jià)方法需立足于一定的樣本。
集合預(yù)報(bào)產(chǎn)品
集合預(yù)報(bào)輸出的信息量非常龐大,為了使預(yù)報(bào)員在短時(shí)間內(nèi)從中獲取有用的信息,必須從大量的集合預(yù)報(bào)輸出中提取有用的信息,形成便于預(yù)報(bào)員使用的圖像、數(shù)據(jù)等產(chǎn)品。
主要產(chǎn)品如下。集合平均。就是將集合成員進(jìn)行平均。這種方法可以過(guò)濾掉不可預(yù)報(bào)的隨機(jī)信息,但也會(huì)過(guò)濾掉少數(shù)成員預(yù)報(bào)出來(lái)的極端天氣事件。而且平均預(yù)報(bào)也只是大氣狀態(tài)的一種可能性,沒能跳出決定論預(yù)報(bào)的范疇,它不能很好地體現(xiàn)出集合預(yù)報(bào)的優(yōu)勢(shì)。
郵票圖。就是把所有預(yù)報(bào)成員全部縮放在一張大圖上,把多種可能的天氣形勢(shì)變化趨勢(shì)提供給預(yù)報(bào)員。它能夠提供集合預(yù)報(bào)的全面信息,但是當(dāng)集合成員數(shù)較多時(shí),會(huì)大大地降低分析效率。此時(shí)可以采用聚類法,即把集合預(yù)報(bào)中相似的成員合并成一類,并同時(shí)給出該類出現(xiàn)的相對(duì)頻率。
面條圖。選取一條特征等值線,把所有成員對(duì)該等值線的預(yù)報(bào)繪制在同一張圖上。面條圖能大致反映出預(yù)報(bào)的可信度,線條越是集中,則可信度越大。
概率預(yù)報(bào)。概率預(yù)報(bào)是表達(dá)集合預(yù)報(bào)的最全面的方法之一,對(duì)于某個(gè)特定預(yù)報(bào)對(duì)象,可以從所有的成員預(yù)報(bào)中算出其發(fā)生的相對(duì)頻率。概率分布包含了該集合預(yù)報(bào)系統(tǒng)所能提供的所有信息,最大程度地包含了實(shí)際大氣可能發(fā)生的種種情況。
集成預(yù)報(bào)技術(shù)
根據(jù)圖1,可以自行開發(fā)一套集合預(yù)報(bào)系統(tǒng)。但是近年來(lái),世界氣象組織(WMO)建立了全球交互式大集合預(yù)報(bào)(TIGGE),可以從網(wǎng)站上下載到各大氣象中心的集合預(yù)報(bào)資料,這相比于自己開發(fā)一個(gè)復(fù)雜的集合預(yù)報(bào)系統(tǒng)要經(jīng)濟(jì)簡(jiǎn)便。比較各氣象中心的預(yù)報(bào)效果以及如何充分利用各中心的集合預(yù)報(bào)資料已成為各國(guó)的研究熱點(diǎn),即從大量的集合預(yù)報(bào)結(jié)果中盡可能地提取有用的信息,也就是進(jìn)行集成預(yù)報(bào)。目前,國(guó)內(nèi)外還沒有一種成熟、有效并得到預(yù)報(bào)業(yè)務(wù)技術(shù)人員普遍認(rèn)同的數(shù)值預(yù)報(bào)集成技術(shù)。但是基于集成的基本原理、思路和目的,提出了一些具有一定理論基礎(chǔ)、集成預(yù)報(bào)效果較好的集成預(yù)報(bào)方法。Krishnamurti等最先提出了超級(jí)集合預(yù)報(bào)的思想(屬于一種非等權(quán)的集成預(yù)報(bào)方法),并根據(jù)一定的方法對(duì)預(yù)報(bào)結(jié)果進(jìn)行了集成,以獲得最佳的決定性預(yù)報(bào)。陳麗娟等對(duì)參加中國(guó)汛期降水預(yù)測(cè)的各大單位預(yù)報(bào)結(jié)果進(jìn)行了集成。趙聲蓉基于3個(gè)氣象中心的2m高溫度預(yù)報(bào),利用神經(jīng)網(wǎng)絡(luò)方法中的BP網(wǎng)絡(luò)建立了我國(guó)600多個(gè)站的溫度集成預(yù)報(bào)系統(tǒng)。林春澤等基于TIGGE資料,對(duì)4個(gè)氣象中心的地面氣溫預(yù)報(bào)進(jìn)行了集成。
結(jié)果表明:超級(jí)集合與消除偏差集合平均降低了預(yù)報(bào)誤差,對(duì)于較長(zhǎng)的預(yù)報(bào)時(shí)效,消除偏差集合平均表現(xiàn)出了更好的預(yù)報(bào)性能。陳超輝等分別采用相關(guān)加權(quán)、多線性回歸以及支持向量機(jī)回歸的方法,開展了有限區(qū)域模式的多模式短期超級(jí)集合預(yù)報(bào)研究。結(jié)果表明:支持向量機(jī)方法的集成預(yù)報(bào)要好于相關(guān)加權(quán)法和多元線性回歸。不論是基于何種的集成預(yù)報(bào)方法,上述的研究均表示集成結(jié)果在多數(shù)情況下都優(yōu)于單個(gè)成員預(yù)報(bào)。現(xiàn)介紹幾種運(yùn)用較廣的集成方法。
算術(shù)平均法。即對(duì)每個(gè)模式預(yù)報(bào)的集合平均取相同的權(quán)重,對(duì)它們進(jìn)行集成預(yù)報(bào)。算術(shù)平均是最為簡(jiǎn)單的一種方法,它能濾掉不可預(yù)報(bào)的信息,通常比單個(gè)預(yù)報(bào)要準(zhǔn)確。
但是它也會(huì)濾掉少數(shù)成員預(yù)報(bào)出的極端天氣事件。盡管如此,算術(shù)平均由于計(jì)算簡(jiǎn)便等優(yōu)點(diǎn),在氣象集成研究中被廣泛使用。
多元線性回歸。其基本做法是將時(shí)間序列分為訓(xùn)練階段和預(yù)報(bào)階段兩個(gè)階段。在訓(xùn)練階段,對(duì)每個(gè)格點(diǎn)建立預(yù)報(bào)值與觀測(cè)值的多元線性回歸模型。在預(yù)報(bào)階段,用訓(xùn)練階段得到的回歸模型計(jì)算出集成預(yù)報(bào)值。
回歸系數(shù)(即權(quán)重)不隨時(shí)間變化的為固定訓(xùn)練期集成預(yù)報(bào),隨時(shí)間變化的為滑動(dòng)訓(xùn)練期集成預(yù)報(bào)。智協(xié)飛等研究得出對(duì)于固定訓(xùn)練期集成預(yù)報(bào),當(dāng)預(yù)報(bào)時(shí)效較長(zhǎng)時(shí),各模式的權(quán)重系數(shù)在預(yù)報(bào)期后期會(huì)逐漸失效,這時(shí)采用滑動(dòng)訓(xùn)練期的方法可以取得較好的效果。此外,多元線性回歸只能解決線性的問(wèn)題,而不能解決非線性的問(wèn)題,這在一定程度上會(huì)影響集成預(yù)報(bào)的效果。
相關(guān)系數(shù)加權(quán)法。用預(yù)報(bào)結(jié)果與觀測(cè)值的相關(guān)系數(shù)作為權(quán)重,該方法跟多元線性回歸方法較為相似。
縱觀上述3種方法,集成預(yù)報(bào)的基本思路是運(yùn)用某種方法,確定各成員的權(quán)重(效果好的模式獲得的權(quán)重大,而效果差的模式獲得的權(quán)重小),然后將它們進(jìn)行加權(quán)計(jì)算得到一個(gè)決定性的預(yù)報(bào)。集成預(yù)報(bào)正好滿足了那些希望得到一個(gè)確定性結(jié)果的用戶部門。研究表明,先將各模式的預(yù)報(bào)結(jié)果進(jìn)行系統(tǒng)偏差訂正,然后再進(jìn)行集成會(huì)得到更好的結(jié)果。
集合預(yù)報(bào)在水文領(lǐng)域中的應(yīng)用
天氣預(yù)報(bào)中的降水信息是水文預(yù)報(bào)系統(tǒng)的核心輸入,降水預(yù)報(bào)的精確程度在很大程度上影響著水文預(yù)報(bào)的準(zhǔn)確度。此外,單一的降水預(yù)報(bào)存在著不確定性,這就決定了水文預(yù)報(bào)也存在著不確定性。而這種不確定性影響了水文預(yù)報(bào)的精度并且制約了水利工程調(diào)度的科學(xué)性。集合預(yù)報(bào)方法在一定程度上能夠解決這種不確定性,研究表明,降水集合預(yù)報(bào)產(chǎn)品較單一的預(yù)報(bào)產(chǎn)品有較高的準(zhǔn)確性以及較好的計(jì)算穩(wěn)定性。將降水集合預(yù)報(bào)產(chǎn)品輸入到水文預(yù)報(bào)系統(tǒng)中,形成一個(gè)氣象水文預(yù)報(bào)鏈,可以提高水文預(yù)報(bào)的精度和水利工程調(diào)度的科學(xué)性。國(guó)外學(xué)者在這個(gè)方面已有一些研究,DiomedeT等運(yùn)用不同的天氣數(shù)值預(yù)報(bào)模式產(chǎn)生多個(gè)降水?dāng)?shù)據(jù),從而進(jìn)行了水文集合預(yù)報(bào),使從概率的角度進(jìn)行洪水預(yù)警成為可能。ThirelGuillaume等比較研究了兩個(gè)徑流集合預(yù)報(bào)系統(tǒng)的性能,這兩個(gè)系統(tǒng)唯一的不同之處在于氣象輸入數(shù)據(jù)的來(lái)源不同。LuoLifeng等基于季節(jié)性氣候多模式的集合預(yù)報(bào),建立了季節(jié)性水文集合預(yù)報(bào)系統(tǒng),其關(guān)鍵技術(shù)是用貝葉斯融合技術(shù)對(duì)大氣集合預(yù)處理產(chǎn)生水文模型的大氣強(qiáng)迫輸入。HwangYeonSang等運(yùn)用集合日降水?dāng)?shù)據(jù)進(jìn)行集合徑流預(yù)報(bào),并用集合徑流測(cè)試了日降水輸入誤差的影響。RoulinE.介紹了水文集合預(yù)報(bào)系統(tǒng),將EPS(集合預(yù)報(bào)系統(tǒng))的集合降水預(yù)報(bào)應(yīng)用到水文模型中,并在比利時(shí)流域進(jìn)行了檢驗(yàn)。
在我國(guó),將降水集合預(yù)報(bào)產(chǎn)品應(yīng)用到水文領(lǐng)域上的研究還很少,彭濤等將中尺度暴雨數(shù)值模式集合降水預(yù)報(bào)產(chǎn)品作為新安江水文模型的輸入信息,對(duì)湖北省漳河流域2008年汛期一次典型的洪水過(guò)程進(jìn)行了預(yù)報(bào)預(yù)測(cè),結(jié)果表明在洪峰流量、峰現(xiàn)時(shí)間等水文要素上豐富了預(yù)報(bào)信息,將單一的確定性預(yù)報(bào)轉(zhuǎn)化為可能發(fā)生范圍的預(yù)報(bào),提高了水文預(yù)報(bào)的可靠性。但是,該研究只是初步的應(yīng)用試驗(yàn),對(duì)降水集合成員進(jìn)行了最為簡(jiǎn)單地應(yīng)用。包紅軍等將TIGEE降水應(yīng)用于流域洪水預(yù)報(bào),在2007年7月的息縣流域超警洪水預(yù)報(bào)中進(jìn)行檢驗(yàn),結(jié)果表明TIGGE降水可以應(yīng)用于洪水預(yù)報(bào)。
李俊等探討了集合預(yù)報(bào)技術(shù)在山洪預(yù)報(bào)領(lǐng)域的應(yīng)用前景,指出利用集合平均和極值預(yù)報(bào),可以引導(dǎo)對(duì)山洪采取分類應(yīng)對(duì)措施;將概率定量降水預(yù)報(bào)與水文預(yù)報(bào)模型結(jié)合,可以用于概率水文預(yù)報(bào)。上述的研究都只是對(duì)短期的洪水預(yù)報(bào)進(jìn)行了試驗(yàn),未涉及到中長(zhǎng)期的預(yù)報(bào)。此外,這些只是幾種可能的應(yīng)用前景,而集合預(yù)報(bào)在水文方面的應(yīng)用前景應(yīng)遠(yuǎn)不止這些,這就需要?dú)庀蟆⑺墓ぷ髡吆献鏖_展深入的研究工作,但將氣象降水預(yù)報(bào)結(jié)果輸入到水文模型中應(yīng)進(jìn)行降尺度,這是一個(gè)難點(diǎn)。另一方面,水文預(yù)報(bào)作為一個(gè)預(yù)報(bào)系統(tǒng),也可以應(yīng)用集合預(yù)報(bào)的思想,進(jìn)行水文集合預(yù)報(bào)技術(shù)研究。WuLimin等介紹和評(píng)價(jià)了從單值定量降水預(yù)報(bào)產(chǎn)生降水集合預(yù)報(bào)的統(tǒng)計(jì)方法,這類似于集合預(yù)報(bào)思想中的初值擾動(dòng)。DuanQingyun等用3個(gè)不同的水文模型產(chǎn)生集合預(yù)報(bào)結(jié)果,并用平均貝葉斯模型(BMA)對(duì)該集合預(yù)報(bào)結(jié)果進(jìn)行處理產(chǎn)生概率水文預(yù)報(bào),這種集合預(yù)報(bào)擾動(dòng)技術(shù)就屬于模式擾動(dòng)。
結(jié)論及展望
綜上所述,在國(guó)外,集合預(yù)報(bào)及其在水文領(lǐng)域中應(yīng)用的研究成果相對(duì)較多,國(guó)內(nèi)的研究總體上尚處于起步階段。但不管是國(guó)內(nèi)還是國(guó)外,研究還大都停留在理論層面,特別是在國(guó)內(nèi),把集合預(yù)報(bào)應(yīng)用于水文領(lǐng)域的研究成果不多。因此,需要在如下方面加強(qiáng)研究。
擾動(dòng)方法是集合預(yù)報(bào)的關(guān)鍵,但落實(shí)到實(shí)際應(yīng)用中,是采用初始場(chǎng)擾動(dòng)的方法或模式擾動(dòng)的方法,還是采用多模式-多初值的擾動(dòng)方法得到合理的集合預(yù)報(bào)集,需從物理成因途徑、結(jié)合實(shí)際資料分析,合理的利用預(yù)報(bào)集合,是提高集合預(yù)報(bào)在水文領(lǐng)域適用性的核心內(nèi)容之一。
降雨量是水文預(yù)報(bào)模型的關(guān)鍵輸入要素,水文預(yù)報(bào)對(duì)氣象上的降雨預(yù)報(bào)寄予了較高的期望,但是目前集合預(yù)報(bào)應(yīng)用于水文預(yù)報(bào)中的研究還很少,特別是中長(zhǎng)期的集合預(yù)報(bào)在水文預(yù)報(bào)中的應(yīng)用還有待進(jìn)一步的深入研究。由于集合預(yù)報(bào)成員個(gè)數(shù)較少等原因,尚不能直接給出用戶所需的、可用觀測(cè)結(jié)果檢驗(yàn)的預(yù)報(bào)密度函數(shù),而且中期降雨的概率分布有著自己的獨(dú)有特點(diǎn),因此研究基于集合預(yù)報(bào)的中期降雨預(yù)報(bào)密度函數(shù)是集合預(yù)報(bào)應(yīng)用在中長(zhǎng)期水文預(yù)報(bào)中的關(guān)鍵。
數(shù)值預(yù)報(bào)模式的分辨率一般為幾十公里,但中小流域水文預(yù)報(bào)模型的降雨輸入資料一般都要達(dá)到1km甚至更高的空間分辨率,如何將大尺度的數(shù)值集合預(yù)報(bào)結(jié)果應(yīng)用到水文預(yù)報(bào)模型,即降尺度的方法研究是集合預(yù)報(bào)應(yīng)用成功的關(guān)鍵。
