張璟,李泓,段晚鎖,張峰

① 中國氣象局 上海臺風(fēng)研究所,上海 200030;② 復(fù)旦大學(xué) 大氣與海洋科學(xué)系/大氣科學(xué)研究院,上海 200433;③ 中國氣象局 臺風(fēng)數(shù)值預(yù)報重點實驗室,上海 200030;④ 中國科學(xué)院 大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國家重點實驗室(LASG),北京 100029

臺風(fēng)是發(fā)生在熱帶洋面的多時間多空間尺度相互作用的極端天氣現(xiàn)象。由于臺風(fēng)的發(fā)生通常伴隨著極端災(zāi)害性事件:比如強(qiáng)風(fēng)、暴雨、風(fēng)暴潮等,給人類的生命和財產(chǎn)造成巨大損害。因此,對臺風(fēng)及其伴隨的極端事件進(jìn)行及時準(zhǔn)確地預(yù)報是防災(zāi)減災(zāi)的關(guān)鍵。然而,由于臺風(fēng)的發(fā)生發(fā)展受到復(fù)雜的多時空尺度過程的相互作用的影響,其預(yù)報存在較大的不確定性。單一確定性預(yù)報的形式無法對臺風(fēng)預(yù)測的不確定性進(jìn)行定量度量,提供的預(yù)報信息較為有限,存在一定的局限性。對此,國際上越來越多的業(yè)務(wù)預(yù)報機(jī)構(gòu)開始將集合預(yù)報的思想和方法應(yīng)用到臺風(fēng)預(yù)測中,嘗試定量估計臺風(fēng)預(yù)報的不確定性,并以概率的形式給出臺風(fēng)指導(dǎo)預(yù)報。

集合預(yù)報從思想和方法的提出到業(yè)務(wù)應(yīng)用的發(fā)展,已有近半個世紀(jì)。目前,世界氣象組織(WMO)更是將集合預(yù)報列為未來數(shù)值預(yù)報的三大發(fā)展戰(zhàn)略之一。集合預(yù)報思想最早是由Epstein(1969)和Leith(1974)提出。其思路如圖1所示,對模式的初始分析場(紅點)進(jìn)行擾動,生成一組能反映初始狀態(tài)不確定性的初始集合成員。然后,再對這些擾動初始場分別進(jìn)行數(shù)值積分,得到未來天氣演變的多種可能性(多個黑色方框)。業(yè)務(wù)預(yù)報中進(jìn)一步將這些集合預(yù)報場進(jìn)行后處理,得到集合預(yù)報產(chǎn)品,比如降水概率估計(填色)。

圖1 英國36 h集合降水概率預(yù)報示意(引自Bauer et al.(2015))Fig.1 Schematic diagram of 36 h ensemble forecasts used to estimate the probability of precipitation over the UK (image courtesy of Bauer et al.,2015)

相比之下,針對臺風(fēng)的集合預(yù)報研究起步稍晚,始于20世紀(jì)90年代中期。起初,大量的研究集中在單一模式的初值擾動方面,即在完美模式的假定下,根據(jù)臺風(fēng)渦旋特點構(gòu)造初始擾動成員(Zhang and Krishnamurti,1997,1999;Majumdar and Finocchio,2010)。隨著研究的不斷深入,更多學(xué)者開始關(guān)注由于模式不確定性所帶來的臺風(fēng)預(yù)報誤差(盧長浩等,2019),并相應(yīng)地發(fā)展了多種模式擾動方法,以期能夠?qū)⒛Ｊ秸`差引起的預(yù)報不確定性定量化(張慶紅等,2007;陳耀登等,2017)。

眾所周知,數(shù)值預(yù)報中初值誤差和模式誤差是同時存在的,又是相互作用的。在一個復(fù)雜的集合預(yù)報系統(tǒng)中,若要全部考慮這些不確定性并逐個進(jìn)行采樣是非常困難的。能否跳出這些微觀細(xì)節(jié),從宏觀的角度去刻畫初始和模式誤差并考慮其相互作用呢?目前,國際上采用的多模式集成預(yù)報可以同時考慮初始誤差和模式誤差對集合預(yù)報的影響。自Krishnamurti et al.(1999)首次提出多模式超級集成預(yù)報方法以來,大量研究表明,通過有效融合不同模式的各種信息,多模式集成預(yù)報相比最優(yōu)的單模式預(yù)報具有更高的預(yù)報技巧,它能夠更優(yōu)地捕捉到臺風(fēng)活動的不確定性,并給出更好的概率分布的預(yù)測(Melhauser et al.,2017)。但是,多模式集成預(yù)報容易受到系統(tǒng)誤差的影響,引起集合平均的偏差和集合離散度的不足。因此,氣象學(xué)者們進(jìn)一步提出了基于觀測的臺風(fēng)集合樣本優(yōu)選法(Lee and Wong,2002;Yamaguchi et al.,2012)、基于結(jié)構(gòu)特征的集合平均算法等(Feng et al.,2020;Zhang et al.,2021)。這些方法先對樣本進(jìn)行處理之后再做集成,進(jìn)一步提高了臺風(fēng)集合預(yù)報技巧。經(jīng)過二十多年的發(fā)展,臺風(fēng)的集合預(yù)報研究涵蓋了初始集合生成、模式擾動、多模式集合和集合后處理等多個方面,臺風(fēng)的集合預(yù)報理論和方法也得到迅速的發(fā)展,預(yù)測水平逐步提高。

目前的綜述性文章中,對于集合預(yù)報發(fā)展的回顧和總結(jié)較多,但是對于臺風(fēng)的集合預(yù)報進(jìn)展回顧較少。針對臺風(fēng)的集合預(yù)報各方面的梳理和總結(jié)是十分必要的,有利于促進(jìn)臺風(fēng)集合預(yù)報理論發(fā)展創(chuàng)新與實際業(yè)務(wù)應(yīng)用。因此,本文將針對臺風(fēng)的集合預(yù)測,從以下幾個方面對已有研究進(jìn)行回顧和總結(jié):首先是單一模式的臺風(fēng)集合預(yù)報技術(shù),分別對初值擾動和模式擾動進(jìn)行介紹;然后是基于統(tǒng)計的臺風(fēng)集合預(yù)報后處理技術(shù),包括多模式集成以及單模式臺風(fēng)預(yù)報;接下來總結(jié)全球及我國主要數(shù)值預(yù)報中心集合預(yù)報系統(tǒng)發(fā)展概況;最后給出關(guān)于臺風(fēng)集合預(yù)報仍存在的問題及未來發(fā)展方向。

1 基于單一模式的集合預(yù)報技術(shù)

1.1 初值擾動技術(shù)

初始分析場同化了幾乎所有可用的觀測,是真實狀態(tài)的最優(yōu)估計,因此初值擾動生成問題在實際集合預(yù)報中的關(guān)鍵是解決如何在分析場上疊加合適的集合擾動。如果初始集合擾動在預(yù)報時長內(nèi)的演化(即集合預(yù)報擾動)能夠更好地反映控制預(yù)報誤差的演化,那么集合預(yù)報技巧就更高。目前為止,國際上已經(jīng)發(fā)展了多種生成集合預(yù)報初值擾動的方法,并且?guī)讉€大的數(shù)值預(yù)報中心都逐步建立起基于這些初始化方案的集合預(yù)報業(yè)務(wù)系統(tǒng)。

首先簡單回顧幾種常用的初始擾動方案,早期的方法有奇異向量方法(Singular Vector,SV;Molteni and Palmer,1993)和繁殖向量方法(Bred Vector,BV;Toth and Kalnay,1993,1997)。SV方法可以抓住短時間內(nèi)最快增長的擾動,但受線性誤差增長假定的制約,無法準(zhǔn)確反映實際大氣的擾動增長。因此,類似于SV但考慮擾動的非線性增長,我國學(xué)者提出了條件非線性最優(yōu)初始擾動(Conditional Nonlinear Optimal Perturbations,CNOP;Mu et al.,2003)。并逐漸開始應(yīng)用于臺風(fēng)集合預(yù)報中,提出了正交CNOPs的集合預(yù)報初始擾動產(chǎn)生方法 (Duan and Huo,2016;Huo and Duan,2019;Huo et al.,2019)。

BV方法擾動結(jié)構(gòu)來自模式預(yù)報,與模式協(xié)調(diào)性較好,且計算省時簡單,但缺點是擾動存在依賴性,尤其是某些局部區(qū)域。后續(xù)研究對BV方法在多維擾動增長子空間進(jìn)行拓展,提出了完全正交的增長擾動方法,即非線性局部Lyapunov向量(Nonlinear Local Lyapunov Vector,NLLV)方法(Feng et al.,2014,2016)。

除上述SV、BV方法外,還有集合Kalman濾波(Ensemble Klaman Filter,EnKF;Evensen,1994)、集合變換Kalman濾波等(Ensemble Transform Kalman Filter,ETKF;Bishop et al.,2001)。其基本原理就是利用集合成員估計預(yù)報誤差的協(xié)方差矩陣,然后結(jié)合觀測資料,利用同化算法對預(yù)報協(xié)方差矩陣進(jìn)行更新,得到分析集合,實現(xiàn)對分析誤差方差的估計。這類方法的優(yōu)勢是可以和資料同化步驟同步進(jìn)行,且初始集合可以較好地反映初始分析的不確定性,因而得到了廣泛的應(yīng)用和快速的發(fā)展。

這些初始擾動方法的提出并不是針對特定的天氣系統(tǒng),因此也廣泛應(yīng)用于臺風(fēng)集合預(yù)報中?；谂_風(fēng)的特殊結(jié)構(gòu),有學(xué)者提出將渦旋場與環(huán)境場分離,分別構(gòu)造初始擾動(即渦旋初始化)。Chan and Li(2005)發(fā)現(xiàn),同樣的模式和個例,用BV方法同時生成環(huán)境場與渦旋擾動時的臺風(fēng)路徑集合預(yù)報效果相較于只生成環(huán)境場擾動時的結(jié)果更好。Tan and Liang(2012)基于GRAPES_TCM模式,采用BV方法分別對臺風(fēng)“韋帕”渦旋場和環(huán)境場進(jìn)行擾動。結(jié)果表明,經(jīng)過BV的動力調(diào)整,各集合成員間呈現(xiàn)出不同的擾動形態(tài),在預(yù)報中產(chǎn)生合適的離散度。Magnusson et al.(2008)使用ECMWF(TL255L40)的集合預(yù)報模式比較了SV和BV方法,發(fā)現(xiàn)在熱帶地區(qū)BV方法略好于SV,而熱帶外地區(qū)則相反。

Hamill et al.(2011)采用美國國家環(huán)境預(yù)報中心(National Centers for Environmental Prediction,NCEP)的高分辨率(TL)集合預(yù)報系統(tǒng),用EnKF方法構(gòu)造初始擾動成員,發(fā)現(xiàn)其對臺風(fēng)路徑的預(yù)報技巧與歐洲中期天氣預(yù)報中心(European Centre for Medium-Range Weather Forecasts,ECMWF)相當(dāng)。這說明分辨率的提高以及EnKF擾動方法的使用明顯提高了臺風(fēng)預(yù)報水平。Munsell et al.(2015)利用WRF-EnKF對臺風(fēng)Nadine(2012)進(jìn)行初始化模擬。結(jié)果表明,5 d內(nèi)的臺風(fēng)預(yù)報基本準(zhǔn)確,60個集合成員中有50個能夠準(zhǔn)確預(yù)報出該臺風(fēng)的東南轉(zhuǎn)向,而其余10個成員中臺風(fēng)被槽帶向東。智協(xié)飛等(2015a)研究表明,ETKF方法較BV方法對臺風(fēng)“蘇拉”的路徑預(yù)報改進(jìn)程度更大。

關(guān)于CNOP方法在臺風(fēng)預(yù)報中的應(yīng)用,Huo and Duan(2019)在Lorenz-96模式基礎(chǔ)上,發(fā)現(xiàn)正交CNOPs生成的初始擾動對臺風(fēng)Matsa(2005)路徑預(yù)報技巧優(yōu)于CNOP+SVs,也優(yōu)于SVs。此外,如圖2所示,Huo et al.(2019)進(jìn)一步發(fā)現(xiàn),在MM5模中,5個臺風(fēng)個例的平均結(jié)果表明,正交CNOPs對臺風(fēng)路徑的預(yù)報技巧與BV、SV和隨機(jī)擾動方法相比,均是最高的。并且正交CNOPs對應(yīng)的集合預(yù)報成員具有最大的集合離散度以及最好的離散度-預(yù)報誤差關(guān)系。表1對比了幾種常用的初值擾動生成方法及其在臺風(fēng)集合預(yù)報中的應(yīng)用。

圖2 隨時間變化的集合離散度(虛線)和隨時間變化的集合平均預(yù)報誤差(實線)(初始擾動能量范數(shù)β=0.3×9 J·kg-1)(引自Huo et al.(2019))Fig.2 Time-dependent spread of the ensemble forecast members (dashed lines) and time-dependent forecast errors of the ensemble-mean forecasts (solid lines),initial perturbation energy norm β=0.3×9 J·kg-1 (image courtesy of Huo et al.,2019)

1.2 模式擾動技術(shù)

與初值擾動研究相比,關(guān)于臺風(fēng)的模式擾動技術(shù)起步較晚,研究也相對較少。數(shù)值算法的離散化所帶來的截斷誤差和舍入誤差以及描述次網(wǎng)格尺度過程時的參數(shù)誤差等均可導(dǎo)致模式誤差。因此,由模式誤差引起的天氣和氣候預(yù)測的不確定性越來越受到重視。

表1 幾種常用初值擾動方法比較及其在臺風(fēng)集合預(yù)報中的應(yīng)用

目前為止,處理模式不確定性的方法很多,每種方法各有優(yōu)劣,無法比較說哪種方法最好。下面將對幾種常用的模式擾動方案做簡要介紹。早在1998年10月,Buizza et al.(1999)首次提出將參數(shù)化過程物理總傾向乘以隨機(jī)數(shù),用于刻畫非絕熱過程相關(guān)的隨機(jī)誤差,即隨機(jī)參數(shù)化傾向擾動方案(Stochastic Perturbed Parameterization Tendencies,SPPT-98)。結(jié)果表明,SPPT-98能夠在集合預(yù)報系統(tǒng)中產(chǎn)生額外的離散度和改善降水等要素的概率預(yù)報技巧。2009年9月ECMWF對該方法進(jìn)行了重大修訂(Palmer et al.,2009)。2010年11月進(jìn)一步修訂,主要是采用了單一空間平滑隨機(jī)模態(tài)生成器來擾動所有參數(shù)化傾向,簡稱SPPT3。

除了上述參數(shù)化中隨機(jī)誤差,還需要考慮模式動力框架缺陷,即次網(wǎng)格尺度能量的升尺度傳遞也是模式誤差的主要來源。當(dāng)前針對該問題是采用隨機(jī)動能補(bǔ)償方案(Stochastic Kinetic Energy Backscatter,SKEB),用以表征與尺度相互作用相聯(lián)系的模式不確定性,這種不確定性在真實大氣中客觀存在,但很難在截斷的數(shù)值模式中體現(xiàn)出來。SKEB技術(shù)最早是Berner et al.(2009)遵循大渦模擬思想發(fā)展出的一種模式不確定性的隨機(jī)表示方法,用來綜合考慮模式動力和物理過程在截斷尺度的動能耗散。2010年11月ECMWF將SPPT3方案與SKEB方案一起用于集合預(yù)報業(yè)務(wù)系統(tǒng)(SPPT3-SKEB)。近來,Leutbecher et al.(2017)基于ECMWF業(yè)務(wù)預(yù)報系統(tǒng),針對200 hPa緯向風(fēng)分別對北半球副熱帶和赤道地區(qū)的SPPT、SKEB和SPPT+SKEB三種模式擾動方案進(jìn)行比較。如圖3所示,從集合離散度、集合平均預(yù)報誤差及連續(xù)分級概率評分(Continuous Ranked Probability Score,CRPS)來看,SPPT好于SKEB;SPPT+SKEB較SPPT提高不明顯?？偟膩碚f,SPPT是現(xiàn)今國際上應(yīng)用最廣泛、認(rèn)可度最高的集合預(yù)報模式擾動方法之一。

圖3 SPPT、SKEB和SPPT+SKEB三種模式擾動方案針對北半球副熱帶(a)和熱帶(b)200 hPa緯向風(fēng)的集合離散度比較;(c)(d)類似,但為集合平均RMSE表現(xiàn);(e)(f)為CRPS評分(評估時間為2014年12月—2015年11月,共20個集合成員)(引自Leutbecher et al.(2017))Fig.3 Impact of SPPT,SKEB and SPPT+SKEB on 200 hPa zonal wind (m·s-1) relative to an experiment with only initial perturbations (IP only).Ensemble STDEV of (a) north extratropics,and (b) tropics;(c) and (d) are the ensemble mean RMS error;(e) and (f) are CRPS (based on 46 cases from December 2014 to November 2015,with 20 members.The bars show 95% confidence intervals based on a paired t-test) (image courtesy of Leutbecher et al.,2017)

目前國際上使用較多的還有多物理參數(shù)化方案(Multiple Physics,MP)以及隨機(jī)參數(shù)擾動方案(Stochastically Perturbed Parameterization,SPP)。MP主要是通過組合各種模式物理過程參數(shù)化方案來開展集合預(yù)報(Houtekamer et al.,1996)。SPP則是通過隨機(jī)物理方法對模式的參數(shù)進(jìn)行擾動(Ollinaho et al.,2016)。此外,我國學(xué)者穆穆在2010年從理論上將CNOP方法推廣到適用于模式參數(shù)誤差引起的預(yù)報結(jié)果不確定性的研究(簡稱為CNOP-P;Mu et al.,2010)。

關(guān)于上述模式擾動方法在臺風(fēng)集合預(yù)報中的應(yīng)用,張慶紅等(2007)構(gòu)建了一個含有初值和模式不確定性的集合預(yù)報系統(tǒng)來模擬臺風(fēng)Danny(1997)的路徑與對流系統(tǒng),其中初值不確定性用不同分析場來描述,模式不確定性通過組合5種邊界參數(shù)化方案(MP)來描述。研究表明,初值不確定性主要影響模式積分的前12 h,而模式不確定性存在于整個積分過程中。Li et al.(2019)搭建的臺風(fēng)集合同化預(yù)報業(yè)務(wù)系統(tǒng)中通過采用不同物理過程(云微物理、邊界層、積云對流、地面過程)參數(shù)化的組合方案來減小模式誤差。Yuan et al.(2022)采用CNOP-P對WRF模式中WSM6和YSU參數(shù)進(jìn)行擾動。結(jié)果表明,與控制試驗及多物理參數(shù)化方案擾動結(jié)果相比,由CNOP-P生成的參數(shù)擾動對兩個臺風(fēng)個例(Rammasun和Linfa)的強(qiáng)度和路徑集合預(yù)報技巧最高。眾多研究表明,模式擾動方案可以明顯增加集合預(yù)報系統(tǒng)的離散度同時提高集合預(yù)報技巧,因此在數(shù)值預(yù)報領(lǐng)域的應(yīng)用逐漸深入,也越來越受到研究者們的廣泛重視。本節(jié)歸納了常用的模式擾動方法的主要優(yōu)缺點及其在臺風(fēng)預(yù)測中的應(yīng)用(表2)。

表2 幾種常用模式擾動方法比較及其在臺風(fēng)集合預(yù)報中的應(yīng)用

值得關(guān)注的是,近二十年來,集合初值擾動和模式擾動技術(shù)的快速發(fā)展促進(jìn)了臺風(fēng)路徑預(yù)報技巧的迅速提高。然而,對于臺風(fēng)強(qiáng)度預(yù)報的改進(jìn)并不顯著,這是由于臺風(fēng)強(qiáng)度與其內(nèi)核動力和高度非線性的濕對流過程有關(guān)?，F(xiàn)有的集合預(yù)報方法仍屬于中尺度范疇,而提高強(qiáng)度集合預(yù)報技巧需要發(fā)展針對對流系統(tǒng)發(fā)生發(fā)展不確定性的對流尺度集合預(yù)報技術(shù),如初值小尺度擾動技術(shù)以及考慮了對流尺度模式誤差快速增長特征的CNOP-P方法等。

2 臺風(fēng)集合預(yù)報后處理技術(shù)

在氣象研究中,除了本文第1節(jié)中介紹的基于單一模式構(gòu)造擾動成員進(jìn)行集合預(yù)報,還可以充分考慮不同模式的優(yōu)點,將多個模式的不同的預(yù)報結(jié)果作為集合成員進(jìn)行多模式集成預(yù)報后處理(智協(xié)飛等,2013)。Weigel et al.(2009)也指出,多模式集合通過增加模式的不確定性,提高了集合離散度以及概率預(yù)報的可靠性。

正是由于多模式集成預(yù)報的種種優(yōu)勢,近年來關(guān)于多模式集成方法的研究和使用也越來越多(Zhang et al.,2015b；智協(xié)飛等,2015b)。Krishnamurti et al.(1999)最早提出超級集合預(yù)報方法,具體是通過多元線性回歸方法計算得到每個成員的權(quán)重系數(shù)后再進(jìn)行集成預(yù)報。該方法在降水、季節(jié)預(yù)報等方面已取得較好結(jié)果,同時也成功應(yīng)用于臺風(fēng)集合預(yù)報中。例如,Vijaya et al.(2003)將歐洲中心、美國、英國和日本的6個業(yè)務(wù)模式預(yù)報結(jié)果作為集合成員,給定權(quán)重系數(shù)后對1998—2000年太平洋臺風(fēng)的路徑與強(qiáng)度進(jìn)行集合預(yù)報。結(jié)果表明,這種不等權(quán)的集合結(jié)果明顯好于各模式單一預(yù)報結(jié)果,也好于簡單的等權(quán)重的集合平均結(jié)果。Yamaguchi et al.(2012)利用各業(yè)務(wù)中心關(guān)于臺風(fēng)活動的全球中期集合預(yù)報對多中心集合預(yù)報和單一模式預(yù)報進(jìn)行比較,發(fā)現(xiàn)多中心集合預(yù)報比最優(yōu)的單模式預(yù)報效果更好。Krishnamurti et al.(2011)針對2004年臺風(fēng)研究發(fā)現(xiàn),6個模式不等權(quán)的超級集合預(yù)報效果比最優(yōu)的單模式路徑預(yù)報提高了15%,強(qiáng)度預(yù)報提高了11%。周文友和智協(xié)飛(2012)使用多模式加權(quán)消除偏差集合平均方法,有效改善了臺風(fēng)路徑的預(yù)報效果。Melhauser et al.(2017)對臺風(fēng)Sandy(2012)和Edouard(2014)進(jìn)行了多模式集合預(yù)報,并與MP、SPPT、SKEB模式擾動方案的單模式集合預(yù)報相比較,發(fā)現(xiàn)當(dāng)預(yù)報時長大于48 h,多模式集合在臺風(fēng)路徑和強(qiáng)度的概率預(yù)報上略優(yōu)于單一模式。

值得注意的是,在實際預(yù)報中,有些集合成員不能很好地反映大氣的真實狀態(tài),且偏差較大。這些離群的或小概率事件對統(tǒng)計分析具有一定意義,但是會降低集合預(yù)報的整體準(zhǔn)確性。針對這一問題,Qi et al.(2014)首先提出了一種通過挑選集合成員作為短期預(yù)測路徑誤差函數(shù)的方法來獲得集合平均路徑預(yù)報。該方法對發(fā)生在某一時段內(nèi)的臺風(fēng)進(jìn)行挑選,剔除誤差較大的樣本,從而提高整個集合樣本的質(zhì)量。Zhang and Yu(2017)采用類似的樣本優(yōu)選方案對臺風(fēng)進(jìn)行集合后處理。郭蓉等(2019)基于NCEP、ECMWF、日本數(shù)值等6個模式資料,設(shè)計出滿足實際業(yè)務(wù)預(yù)報需求的多模式預(yù)報方法,最終該方法對臺風(fēng)路徑的預(yù)報效果優(yōu)于單一ECMWF模式。

近來,Feng et al.(2020)從一個全新的視角出發(fā),通過減小集合成員的位置偏差來提高臺風(fēng)集合預(yù)報水平。這種基于結(jié)構(gòu)特征的集合平均算法(Feature-oriented Mean,FM)將不同集合預(yù)報場的相似特征調(diào)整至它們的平均位置后,再計算強(qiáng)度的平均。Zhang et al.(2021)進(jìn)一步將FM方法應(yīng)用于臺風(fēng)的集合平均預(yù)報,考慮了集合成員間的臺風(fēng)位置偏差。如圖4所示,對2017年9月17日臺風(fēng)Maria的第5天集合平均預(yù)報分析表明,FM方法由于減小了集合成員間臺風(fēng)的位置偏差,相比傳統(tǒng)的算數(shù)平均方法(Arithmetic Mean,AM)(圖4a、b),臺風(fēng)低層和中層的渦旋結(jié)構(gòu)明顯加強(qiáng)(圖4c、d),與觀測更為接近。該方法較好地解決了由于集合間臺風(fēng)位置偏差造成的臺風(fēng)集合平均的過度平滑和結(jié)構(gòu)扭曲問題,是一種有潛力的能夠同時提供臺風(fēng)路徑、強(qiáng)度和結(jié)構(gòu)預(yù)報的集合平均計算方法。

圖4 臺風(fēng)Maria路徑預(yù)報(紅線)和第5天的AM的表面氣壓場(等值線)和10 m風(fēng)速(填色)預(yù)報場(a),500 hPa風(fēng)場(箭頭)和500 hPa風(fēng)速(填色)預(yù)報(b);(c、d)與(a、b)類似,但是為FM預(yù)報場(引自Zhang et al.(2021))Fig.4 The track consensus forecast (red lines) overlain on the 5 d AM fields of (a) the SLP (black contours) and 10 m wind amplitude (shaded part) and (b) the 500 hPa wind vectors (black arrows) and amplitude (shaded) of Typhoon Maria;(c,d) same as for parts (a,b),respectively,but for the FM forecast (image courtesy of Zhang et al.,2021)

3 基于全球及區(qū)域集合預(yù)報系統(tǒng)的臺風(fēng)集合預(yù)報發(fā)展

1992年,NCEP和ECMWF分別建立全球最早的集合預(yù)報系統(tǒng),并投入業(yè)務(wù)運行。并且隨著分辨率的逐漸提高以及初值擾動技術(shù)的不斷發(fā)展,目前全球集合預(yù)報系統(tǒng)已完全具備臺風(fēng)預(yù)報能力,只是不同區(qū)域的臺風(fēng)的預(yù)報水平仍存在差異。

我國業(yè)務(wù)集合預(yù)報的發(fā)展雖然開展得比較晚,但仍取得了令人鼓舞的成果。目前已搭建了多個臺風(fēng)集合預(yù)報系統(tǒng),并且成功應(yīng)用于臺風(fēng)的路徑和強(qiáng)度等的預(yù)報中。

3.1 美國國家環(huán)境預(yù)報中心集合預(yù)報系統(tǒng)

初值擾動和模式擾動生成方法的關(guān)注點各不相同,思路也不盡相同,但兩種方法均已在業(yè)務(wù)預(yù)報系統(tǒng)中廣泛應(yīng)用并取得了很好的成績。在初值擾動方面,NCEP的全球集合預(yù)報系統(tǒng)(Global Ensemble Forecast System,GEFS)最早使用BV方法生成初值集合擾動(Toth and Kalnay,1997)。20世紀(jì)初逐漸更新為重新尺度化集合轉(zhuǎn)換技術(shù)(ETR)(Wei et al.,2006,2008)。目前則使用國際上廣泛流行的EnKF方法(Zhou et al.,2017)。共有集合成員31個,包括1個控制預(yù)報和30個集合預(yù)報。其中控制成員的初始場來自混合三維變分-集合數(shù)據(jù)同化(Hybrid three-dimensional variational-ensemble data assimilation;Feng and Wang,2019),集合成員的初始場來自循環(huán)的EnKF(Ensemble Kalman Filter)。值得注意的是,盡管NCEP-GEFS的預(yù)報著眼點并非臺風(fēng),為了改善臺風(fēng)的初始條件,NCEP早在2004年就使用了渦旋重定位技術(shù)(vortex relocation technique)。即先將臺風(fēng)從環(huán)境場中分離出來單獨進(jìn)行擾動,然后再加入環(huán)境場,并根據(jù)臺風(fēng)觀測位置進(jìn)行重新定位,從而得到最終的臺風(fēng)集合初始成員。該技術(shù)使得NCEP臺風(fēng)路徑預(yù)報發(fā)散度明顯減小,預(yù)報技巧也明顯提高(Liu et al.,2006)。

在模式擾動方面,NCEP-GEFS于2010年最早采用隨機(jī)全傾向擾動方案(Stochastic total tendency perturbation,STTP)來增加集合離散度。之后,在2015年將其替換為SPPT、SKEB和行星邊界層水汽隨機(jī)擾動方案(SHUM)。需要說明的是,STTP和SPPT不同在于STTP擾動總傾向而非擾動可變的那部分傾向,以及采用一系列正交權(quán)重組合所有集合成員的擾動傾向。目前水平分辨率為34 km,垂直64層,每6 h報一次,預(yù)報時效為192 h(Zhou et al.,2017)。具體發(fā)展過程見表3。

表3 NCEP-GEFS模式發(fā)展過程

上述NCEP-GEFS全球模式并不專門針對臺風(fēng)預(yù)報。針對臺風(fēng),NCEP建立了HWRF(Hurricane Weather Research And Forecast System)對流尺度分辨率的區(qū)域同化和集合預(yù)報系統(tǒng)。其采用了混合變分資料同化更新初始場,利用EnKF方案更新初始集合,理論與實施與NCEP-GEFS系統(tǒng)類似,這里就不再贅述。

3.2 歐洲中期天氣預(yù)報中心集合預(yù)報系統(tǒng)

ECMWF的全球集合預(yù)報系統(tǒng)(Ensemble Forecast System,EPS)在初值擾動方面一直采用SV方法(Molteni et al.,1996)?？紤]到熱帶地區(qū)的擾動增長機(jī)制不同于熱帶外地區(qū),對于熱帶地區(qū)(30°N～30°S),當(dāng)有臺風(fēng)時計算濕SV值,以此來表征臺風(fēng)內(nèi)部及附近區(qū)域的分析誤差;而在熱帶外地區(qū),ECMWF針對南、北半球分別計算SV值(Yamaguchi and Majumdar,2010)。在模式擾動方面,ECMWF于1998年采用SPPT-98對物理參數(shù)化過程中的敏感因子進(jìn)行擾動(Buizza et al.,1999)。2009年9月ECMWF對SPPT-98進(jìn)行了重大修訂(Palmer et al.,2009)。2010年將修訂后的SPPT3方案及SKEB方案同時用于系統(tǒng)中(SPPT3-SKEB)(Leutbecher et al.,2017)。最近,Ollinaho et al.(2016)研究發(fā)現(xiàn),SPPT對于增加離散度和提高預(yù)報技巧的貢獻(xiàn)遠(yuǎn)大于SKEB,而SKEB的作用微乎其微。因此,ECMWF于2018年6月取消了SKEB方案,從而減少了集合預(yù)報系統(tǒng)近2.5%的計算成本。2017年,ECMWF又加入了新的SPP方案(Ollinaho et al.,2016)。具體發(fā)展過程見表4。

表4 ECMWF集合預(yù)報發(fā)展過程

由于ECMWF-EPS在熱帶地區(qū)構(gòu)造擾動成員時針對臺風(fēng)使用濕SV值,并考慮了非絕熱過程,因而使得ECMWF在預(yù)報臺風(fēng)時效果非常好。從2004年10月起,ECMWF將臺風(fēng)集合預(yù)報產(chǎn)品作為常規(guī)業(yè)務(wù)產(chǎn)品的一部分,并開始對外發(fā)布。其中包括臺風(fēng)路徑及臺風(fēng)襲擊概率等(https://www.ecmwf.int/en/forecasts/charts/tcyclone/)。目前,ECMWF-EPS集合預(yù)報資料水平分辨率為18 km,垂直方向共91層。 ECMWF-EPS集合成員共51個,包括1個控制預(yù)報成員和50個集合預(yù)報成員。自2021年5月11日起,ECMWF-EPS的臺風(fēng)集合預(yù)報產(chǎn)品在原來的每日兩次預(yù)報(00時、12時;世界時,下同),預(yù)報時長為240 h的基礎(chǔ)上;新增了兩次預(yù)報(06時、18時),預(yù)報時效為144 h。

近年來,有大量的學(xué)者對ECMWF的臺風(fēng)集合預(yù)報能力進(jìn)行評估。Majumdar and Finocchio(2010)評估了ECMWF的2008年大西洋和西北太平洋臺風(fēng)的5 d集合預(yù)報效果。結(jié)果表明,ECMWF對大西洋臺風(fēng)的路徑概率預(yù)報非常好,而對西北太平洋臺風(fēng)的預(yù)報表現(xiàn)不如前者。Zhang and Yu(2017)分別對NCEP-GEFS和ECMWF-EPS的2014—2015年間西北太平洋和南海臺風(fēng)路徑集合預(yù)報效果進(jìn)行檢驗。結(jié)果發(fā)現(xiàn),相較而言,ECMWF-EPS臺風(fēng)路徑誤差更小,集合離散度更大,且預(yù)報誤差與離散度更加匹配(圖5)。

圖5 2014—2015年ECMWF-EPS,NCEP-GEFS及二者的超級集合平均對西北太平洋和南海臺風(fēng)的路徑預(yù)報誤差(引自Zhang and Yu(2017))Fig.5 The ensemble spread and position error for ECMWF-EPS,NCEP-GEFS,and their grand ensemble (EPS-CON) over the western North Pacific and South China Sea from 2014 to 2015 (image courtesy of Zhang and Yu,2017)

3.3 日本氣象廳集合預(yù)報系統(tǒng)

日本氣象廳(Japan Meteorological Agency,JMA)運行兩套業(yè)務(wù)集合預(yù)報系統(tǒng),一套是提供一周概率預(yù)報的集合預(yù)報系統(tǒng)(Weekly Ensemble Prediction System,WEPS),另一套是專門針對臺風(fēng)的集合預(yù)報系統(tǒng)(Typhoon Ensemble Prediction System,TEPS)。JMA-TEPS經(jīng)過2007年5—12月的準(zhǔn)業(yè)務(wù)運行和評估后,于2008年2月正式業(yè)務(wù)化(Yamaguchi et al.,2009)。與ECMWF類似,JMA-TEPS也是利用SV方法構(gòu)造集合成員。不同的是,TEPS在整個熱帶地區(qū)(30°N～20°S)計算濕SV,而北半球30°N以北計算干SV。模式擾動采用SPPT方案。另外,TEPS初始條件來自其全球(確定性)模式系統(tǒng)。TEPS每天運行4次,預(yù)報起始時刻分別是00時、06時、12時和18時,預(yù)報時效為132 h。目前共有26個集合成員,水平分辨率為40 km,垂直60層。目前,日本數(shù)值預(yù)報仍處于世界領(lǐng)先,并且長期堅持自主發(fā)展的技術(shù)路線,具有鮮明的特色。我國在關(guān)注歐美集合預(yù)報發(fā)展的同時,也應(yīng)進(jìn)一步加強(qiáng)與JMA在數(shù)值預(yù)報技術(shù)上的交流。

3.4 中國氣象局?jǐn)?shù)值預(yù)報中心集合預(yù)報系統(tǒng)

中國氣象局(China Meteorological Administration,CMA)經(jīng)過十多年來對不同方案的比較與探索(馬旭林等,2008;李澤椿等,2020),逐漸建立了基于自主開發(fā)的GRAPES(Global and Regional Assimilation and Prediction System)全球預(yù)報模式的切線性和伴隨模式,并在此基礎(chǔ)上發(fā)展了以SV集合擾動方案為核心的區(qū)域集合預(yù)報系統(tǒng)(CMA-REPS)和全球集合預(yù)報系統(tǒng)(CMA-GEPS)。表5給出了CMA集合預(yù)報系統(tǒng)的簡要發(fā)展過程(Zhang et al.,2015a)。為了更好地預(yù)報臺風(fēng),2018年12月CMA-GEPS v1.0對初值擾動采用熱帶氣旋奇異向量擾動法(TC-SVs)。2019年9月,CMA-REPS v3.0增加了臺風(fēng)渦旋重定位技術(shù)。目前,CMA_集合預(yù)報已實現(xiàn)業(yè)務(wù)化,每日起報兩次(00時和12時)。集合預(yù)報產(chǎn)品包括臺風(fēng)襲擊概率、集合預(yù)報臺風(fēng)路徑、軌跡及登陸點、登陸時間及中心最低氣壓、登陸時間及中心最大風(fēng)速。

表5 CMA區(qū)域和全球集合預(yù)報系統(tǒng)發(fā)展過程

3.5 廣州熱帶海洋氣象研究所臺風(fēng)集合預(yù)報系統(tǒng)

廣州熱帶海洋氣象研究所基于區(qū)域GRAPES模式建立了確定性預(yù)報的南海臺風(fēng)模式(Tropical Regional Assimilation Model for the South China Sea,TRAMS)(Yu et al.,2013)。考慮到多源不確定性,研究人員進(jìn)一步搭建了臺風(fēng)中尺度集合預(yù)報系統(tǒng)(TREPS),于2018年投入業(yè)務(wù)試運行。該系統(tǒng)預(yù)報時長60 h,水平分辨率9 km,垂直55層。共有集合成員31個,包括1個控制預(yù)報和30個集合預(yù)報。初值擾動采用ECMWF大尺度動力降尺度擾動合并GRAPES小尺度隨機(jī)擾動的方法,模式方面則采用MP和SPPT兩種方法考慮模式的不確定性。Zhang(2018)針對2014—2016年登陸我國臺風(fēng)開展批量試驗。結(jié)果表明,TREPS對于臺風(fēng)強(qiáng)度、概率匹配降水和風(fēng)預(yù)報均明顯優(yōu)于ECMWF及TREPS確定性預(yù)報;TREPS概率預(yù)報相比ECMWF的優(yōu)勢在于強(qiáng)風(fēng)雨預(yù)報。2020年初,熱帶所針對TREPS所用的TRAMS模式進(jìn)行版本升級,包括模式范圍、參考大氣、垂直層次等。2020年3月,將升級版本正式命名為TRAMS-EPS并進(jìn)入業(yè)務(wù)試運行。

3.6 上海臺風(fēng)研究所臺風(fēng)集合同化預(yù)報系統(tǒng)

由上海臺風(fēng)研究所開發(fā)的臺風(fēng)集合同化預(yù)報系統(tǒng)(Typhoon Ensemble Data Assimilation and Prediction System,TEDAPS)以集合同化合并集合預(yù)報為特點。同化部分以GSI(Gridpoint Statistical Interpolation)為基礎(chǔ),通過3DVAR-EnKF混合資料同化方法引入隨流型(flow-dependent)的集合背景誤差信息同化常規(guī)、臺風(fēng)渦旋、衛(wèi)星等非常規(guī)資料。TEDAPS集合預(yù)報初值擾動來自GEFS初始場擾動,模式擾動采用了多模式物理過程參數(shù)化方案(MP)。系統(tǒng)共有21個集合成員,包括1個控制預(yù)報和20個集合預(yù)報。

TEDAPS系統(tǒng)預(yù)報模式為WRF-ARW,水平分辨率為27公里,垂直層數(shù)36層,預(yù)報范圍為(105°～160°E,0°～50°N)。每日運行兩次(00時和12時),提供72 h臺風(fēng)路徑、強(qiáng)度、大風(fēng)、降水等多種集合概率預(yù)報產(chǎn)品。TEDAPS于2016年準(zhǔn)業(yè)務(wù)運行,2020年通過國家級業(yè)務(wù)準(zhǔn)入,成為首個也是唯一參加全國氣象廣播的臺風(fēng)集合預(yù)報系統(tǒng)。Li et al.(2019)研究表明,相比全球集合預(yù)報,TEDAPS路徑預(yù)報水平與NCEP-GEFS相當(dāng)而差于ECMWF-EPS,強(qiáng)度預(yù)報性能則優(yōu)于這兩個集合預(yù)報系統(tǒng)。

上述集合預(yù)報系統(tǒng)的參數(shù)概況詳見表6?？梢钥闯?不同預(yù)報系統(tǒng)的初值擾動方法、模式擾動方法以及分辨率都各不相同。這些差異都會導(dǎo)致各模式對同一臺風(fēng)的預(yù)報結(jié)果也不同。但整體上,通過日益廣泛和深入的國際合作和國內(nèi)合作,利用這些不同系統(tǒng)的各自優(yōu)勢,組成多模式以及單模式多成員的大樣本集合可以更大程度地提高臺風(fēng)預(yù)報水平。

表6 全球及區(qū)域臺風(fēng)集合預(yù)報系統(tǒng)介紹

4 總結(jié)與展望

由于臺風(fēng)發(fā)生發(fā)展過程的復(fù)雜多變,對其預(yù)報難度很大。單一確定性預(yù)報不能定量化度量臺風(fēng)預(yù)測的不確定性,具有明顯局限性。而集合預(yù)報通常能夠很好地反映數(shù)值模式對臺風(fēng)預(yù)報的不確定性,同時可以給出預(yù)測的概率分布,提供了豐富的臺風(fēng)集合預(yù)報產(chǎn)品。正因此,臺風(fēng)集合預(yù)報越來越受到廣大預(yù)報員的認(rèn)同,在日常業(yè)務(wù)預(yù)報中發(fā)揮著越來越重要的作用。

本文回顧了20多年來臺風(fēng)集合預(yù)報從理論方法發(fā)展到實際業(yè)務(wù)應(yīng)用的國內(nèi)外研究進(jìn)展。介紹了基于單一模式的初值擾動和模式擾動技術(shù)、臺風(fēng)集合預(yù)報后處理技術(shù),總結(jié)了全球及我國主要數(shù)值預(yù)報中心集合預(yù)報系統(tǒng)所采用的集合預(yù)報技術(shù)?？梢钥吹?各個集合預(yù)報系統(tǒng)針對臺風(fēng)的集合預(yù)報技術(shù)各不相同,并針對目標(biāo)臺風(fēng)做了特殊的技術(shù)處理(如濕SV的計算、渦旋重定位技術(shù)等),很好地展示了臺風(fēng)集合預(yù)報效果。盡管如此,未來臺風(fēng)預(yù)報技巧的提高仍需要在以下幾個方面攻堅和突破。

1) 高性能計算機(jī)的發(fā)展。目前,受制于有限的計算資源,各業(yè)務(wù)單位的臺風(fēng)的集合預(yù)報成員數(shù)通常在20～30個。即使歐洲中心的頂級計算條件,也僅僅使用了50個集合預(yù)報成員。而且,集合預(yù)報的分辨率均明顯低于控制預(yù)報。這就導(dǎo)致集合成員預(yù)報無法有效分辨臺風(fēng)的對流尺度結(jié)構(gòu),是臺風(fēng)預(yù)測向高分辨率方向發(fā)展的重大障礙。進(jìn)一步提高計算機(jī)的計算效率和性能,從而提升臺風(fēng)集合預(yù)報的模式分辨率和成員個數(shù),需要計算機(jī)和氣象等多個研究領(lǐng)域的專家共同合作努力才能實現(xiàn)。

2) 初始擾動對集合預(yù)報的表現(xiàn)至關(guān)重要,現(xiàn)有的初始集合擾動方案均有進(jìn)一步提升的空間。比如,現(xiàn)在的BV、SV等動力方法主要對臺風(fēng)的動力增長擾動結(jié)構(gòu)進(jìn)行采樣,缺點是無法反映分析誤差的統(tǒng)計特征;而EnKF等方法是對臺風(fēng)分析誤差進(jìn)行統(tǒng)計上的采樣,但抓住動力擾動結(jié)構(gòu)的能力不足。未來將兩種擾動生成思想進(jìn)行結(jié)合是值得嘗試的研究方向。

3) 在模式擾動方面,目前臺風(fēng)模式的分辨率已經(jīng)可以達(dá)到千米級,甚至是百米級,因此臺風(fēng)模式的邊界層、積云對流等方面的物理擾動方案仍然需要進(jìn)一步改進(jìn),以與高分辨率模式相匹配。此外,由于模式可擾動參數(shù)過多,可以嘗試?yán)妹舾行苑治龇椒?比如CNOP-P)識別出敏感參數(shù)再進(jìn)行擾動。

4) 集合預(yù)報后處理方法的發(fā)展。目前對集合預(yù)報進(jìn)行后處理的方法較多,比如基于偏差校正的、基于貝葉斯理論的、基于聚類分析的等。結(jié)合目前前沿的機(jī)器學(xué)習(xí)思想,對集合預(yù)報資料進(jìn)行后處理,或者是進(jìn)行智能預(yù)報是未來集合預(yù)報發(fā)展的一個重要方向。