留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

GRAPES_GFS 2.0模式非系统误差评估

张萌 于海鹏 黄建平 沈学顺 苏勇 薛海乐 窦宝成

张萌, 于海鹏, 黄建平, 等. GRAPES_GFS 2.0模式非系统误差评估. 应用气象学报, 2019, 30(3): 332-344. DOI: 10.11898/1001-7313.20190307..
引用本文: 张萌, 于海鹏, 黄建平, 等. GRAPES_GFS 2.0模式非系统误差评估. 应用气象学报, 2019, 30(3): 332-344. DOI: 10.11898/1001-7313.20190307.
Zhang Meng, Yu Haipeng, Huang Jianping, et al. Assessment on unsystematic errors of GRAPES_GFS 2.0. J Appl Meteor Sci, 2019, 30(3): 332-344. DOI:  10.11898/1001-7313.20190307.
Citation: Zhang Meng, Yu Haipeng, Huang Jianping, et al. Assessment on unsystematic errors of GRAPES_GFS 2.0. J Appl Meteor Sci, 2019, 30(3): 332-344. DOI:  10.11898/1001-7313.20190307.

GRAPES_GFS 2.0模式非系统误差评估

DOI: 10.11898/1001-7313.20190307
资助项目: 

中国博士后科学基金 2017M613250

公益性行业(气象)科研专项 GYHY201206009

国家自然科学基金项目 41705077

详细信息
    通信作者:

    于海鹏, 邮箱:hpyu09@lzu.edu.cn

Assessment on Unsystematic Errors of GRAPES_GFS 2.0

  • 摘要: 选取2014年1月、4月、7月、10月的GRAPES_GFS 2.0预报产品和对应时刻的NCEP FNL分析资料进行对比。从时间演变看,南、北半球的非系统误差均在各自冬季达到极盛,误差呈现周期性变化规律。位势高度场的非系统误差随时间演变先呈指数增长,后呈线性增长,温度场和纬向风场的误差则近似于线性增长。从空间分布看,GRAPES_GFS 2.0的非系统误差大值主要分布在中高纬度地区,呈条带状分布,误差大值区域基本不随预报时效的变化而发生变化;位势高度场和纬向风场的误差大值区出现在对流层顶附近,而温度场的误差大值区则出现在边界层顶附近。将误差增长曲线参数化拟合后发现,南半球的初始场误差、可预报上限和初始场误差占比均高于北半球,随离地高度增加初始场误差占比逐渐减小。
  • 图  1  所选取试验时间平均的GRAPES_GFS 2.0模式预报时效为1 d(a), 3 d(b), 5 d(c), 8 d(d)时500 hPa位势高度场非系统误差(填色)

    (实线为NCEP FNL分析资料对应的平均场,单位:gpm)

    Fig. 1  Forecast unsystematic errors of 500 hPa geopotential height field by GRAPES_GFS 2.0 with lead time of 1 d(a), 3 d(b), 5 d(c), 8 d(d) based on the average of selected time(the shaded)

    (solid lines denote mean field by NCEP FNL, unit:gpm)

    图  2  所选取试验时间平均的500 hPa位势高度场非系统误差经验正交函数分解

    (a)第1空间模态,(b)第1模态对应的时间系数,(c)第2空间模态,(d)第2模态对应的时间系数,
    (e)第3空间模态,(f)第3模态对应的时间系数

    Fig. 2  Empirical orthogonal function(EOF) analysis of unsystematic errors in 500 hPa geopotential height field based on the average of selected time

    (a)the first spatial mode, (b)the first mode corresponding to the time coefficient,
    (c)the second spatial mode, (d)the second mode corresponding to the time coefficient,
    (e)the third spatial mode, (f)the third mode corresponding to the time coefficient

    图  3  GRAPES_GFS 2.0模式预报时效为2 d时500 hPa位势高度场平均非系统误差(填色)

    (实线为NCEP FNL分析资料对应的平均场,单位:gpm)
    (a)2014年1月,(b)2014年4月,(c)2014年7月,(d)2014年10月

    Fig. 3  Mean unsystematic errors(the shaded) of 500 hPa geopotential height field by GRAPES_GFS 2.0 with lead time of 2 days

    (solid lines denote mean field by NCEP FNL, unit:gpm) (a)January 2014, (b)April 2014, (c)July 2014, (d)October 2014

    图  4  所选取试验时间平均的GRAPES_GFS 2.0模式预报时效为1 d(a), 3 d(b), 5 d(c), 8 d(d)时500 hPa温度场的平均非系统误差(填色)

    (实线为NCEP FNL分析资料对应的平均场)

    Fig. 4  Forecast unsystematic errors(the shaded) of 500 hPa temperature field by GRAPES_GFS 2.0 with the lead time of 1 day(a), 3 days(b), 5 days(c), 8 days(d) based on the average of selected time

    (solid lines denote mean field by NCEP FNL, unit:K)

    图  5  所选取试验时间平均的GRAPES_GFS 2.0模式预报时效为1 d(a),3 d(b),5 d(c),8 d(d)时纬向平均温度场的平均非系统误差(填色)

    (实线为NCEP FNL分析资料对应的平均场,单位:K)

    Fig. 5  Forecast unsystematic errors(the shaded) in zonal average temperature field by GRAPES_GFS 2.0 with lead time of 1 day(a), 3 days(b), 5 days(c), 8 days(d) based on the average of selected time

    (solid lines denote mean field by NCEP FNL, unit:K)

    图  6  所选取试验时间平均的GRAPES_GFS 2.0模式预报时效为1 d(a),3 d(b),5 d(c),8 d(d)时200 hPa纬向风场的平均非系统误差(填色)

    (实线为NCEP FNL分析资料对应的平均场,单位:m·s-1)

    Fig. 6  Forecast unsystematic errors(the shaded) of 200 hPa zonal wind field by GRAPES_GFS 2.0 with lead time of 1 day(a), 3 days(b), 5 days(c), 8 days(d) based on the average of selected time

    (solid lines denote mean field by NCEP FNL, unit:m·s-1)

    图  7  所选取试验时间平均的GRAPES_GFS 2.0模式预报时效为1 d(a), 3 d(b), 5 d(c), 8 d(d)时850 hPa纬向风场的平均非系统误差(填色)

    (实线为NCEP FNL分析资料对应的平均场,单位:m·s-1)

    Fig. 7  Forecast unsystematic errors(the shaded) of 850 hPa zonal wind field by GRAPES_GFS 2.0 with lead time of 1 day(a), 3 days(b), 5 days(c), 8 days(d) based on the average of selected time

    (solid lines denote mean field by NCEP FNL, unit:m·s-1)

    图  8  所选取试验时间平均的GRAPES_GFS 2.0模式预报时效为1 d(a), 3 d(b), 5 d(c), 8 d(d)时纬向平均风场的平均非系统误差(填色)

    (实线为NCEP FNL分析资料对应的平均场,单位:m·s-1)

    Fig. 8  Forecast unsystematic errors(the shaded) of zonal average wind field by GRAPES_GFS 2.0 with lead time of 1 day(a), 3 days(b), 5 days(c), 8 days(d) based on the average of selected time

    (solid lines denote mean field by NCEP FNL, unit:m·s-1)

    图  9  所选取试验时间平均的GRAPES_GFS 2.0模式平均500 hPa位势高度场(a)、温度场(b)、纬向风场(c)预报非系统误差随时间演变

    Fig. 9  Unsystematic error of geopotential height field(a), temperature field(b), zonal wind field(c) at 500 hPa by GRAPES_GFS 2.0 along with lead time based on the average of selected time

    图  10  所选取试验时间平均的GRAPES_GFS 2.0模式的平均位势高度场(a)、温度场(b)、纬向风场(c)在不同预报时效下非系统误差随高度变化

    Fig. 10  Unsystematic error of geopotential height field(a), temperature field(b), zonal wind field(c) by GRAPES_GFS 2.0 along with height based on the average of selected time

  • [1] 陈德辉, 薛纪善.数值天气预报业务模式现状与展望.气象学报, 2004, 62(5):623-633. http://d.old.wanfangdata.com.cn/Periodical/qxxb200405009
    [2] 潘留杰, 张宏芳, 王建鹏.数值天气预报检验方法研究进展.地球科学进展, 2014, 29(3):327-335. http://d.old.wanfangdata.com.cn/Periodical/dqkxjz201403003
    [3] Lorenz E N.Atmospheric predictability experiments with a large numerical model.Tellus, 1982, 34:505-513. doi:  10.1111-j.2153-3490.1982.tb01839.x/
    [4] 丑纪范, 郑志海, 孙树鹏.10~30 d延伸期数值天气预报的策略思考——直面混沌.气象科学, 2010, 30(5):569-573. doi:  10.3969/j.issn.1009-0827.2010.05.001
    [5] 陈静, 陈德辉.集合数值预报发展与研究进展.应用气象学报, 2002, 13(4):497-507. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20020465&flag=1
    [6] 达朝究, 穆帅, 马德山.基于Lorenz系统的数值天气转折期预报理论探索.物理学报, 2014, 63(2):029201. http://d.old.wanfangdata.com.cn/Periodical/wlxb201402058
    [7] 于海鹏, 黄建平, 李维京, 等.数值预报误差订正技术中相似-动力方法的发展.气象学报, 2014, 72(5):1012-1022. http://d.old.wanfangdata.com.cn/Periodical/qxxb201405015
    [8] Dalcher A, Kalnay E.Error growth and predictability in operational ECMWF forecasts.Tellus A, 1987, 39:474-491. doi:  10.3402/tellusa.v39i5.11774
    [9] 邵爱梅, 希爽, 邱崇践.修正数值天气预报的非系统性误差的变分方法.中国科学(D辑), 2009, 39(2):235-244. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK200900199808
    [10] Danforth C M, Kalnay E, Miyoshi T.Estimating and correcting global weather model error.Mon Wea Rev, 2007, 135:281-299. doi:  10.1175/MWR3289.1
    [11] Hu S J, Qiu C Y, Zhang L Y et al.An approach to estimating and extrapolating model error based on inverse problem methods:Towards accurate numerical weather prediction.Chin Phys B, 2014, 23(8):089201. doi:  10.1088/1674-1056/23/8/089201
    [12] 丑纪范, 任宏利.数值天气预报——另类途径的必要性和可行性.应用气象学报, 2006, 17(2):240-244. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20060240&flag=1
    [13] Yu H P, Huang J P, Chou J F.Improvement of medium-range forecasts using the analog-dynamical method.Mon Wea Rev, 2014, 142(4):1570-1587. doi:  10.1175/MWR-D-13-00250.1
    [14] Reynolds C A, Webster P J, Kalnay E.Random error growth in NMC's global forecasts.Mon Wea Rev, 1994, 122:1281-1305. doi:  10.1175/1520-0493(1994)122<1281:REGING>2.0.CO;2
    [15] 陈德辉, 沈学顺.新一代数值预报系统GRAPES研究进展.应用气象学报, 2006, 17(6):773-777. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=200606125&flag=1
    [16] 胡江林, 沈学顺, 张红亮, 等.GRAPES模式动力框架的长期积分特征.应用气象学报, 2007, 18(3):276-284. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20070349&flag=1
    [17] 张萌, 于海鹏, 黄建平, 等.GRAPES_GFS 2.0模式系统误差评估.应用气象学报, 2018, 29(5):571-583. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20180506&flag=1
    [18] 施晓晖, 徐祥德, 谢立安.NCEP/NCAR再分析风速、表面气温距平在中国区域气候变化研究中的可信度分析.气象学报, 2006, 64(6):709-722. doi:  10.3321/j.issn:0577-6619.2006.06.004
    [19] 沈学顺, 苏勇, 胡江林, 等.GRAPES_GFS全球中期预报系统的研发和业务化.应用气象学报, 2017, 28(1):1-10. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20170101&flag=1
    [20] Dai Y J, and Coauthors.The common land model.Bull Amer Meteor Soc, 2003, 84(8):1013-1023. doi:  10.1175/BAMS-84-8-1013
    [21] Dai Y J, Dickinson R E, Wang Y P.A two-big-leaf model for canopy temperature, photosynthesis, and stomatal conductance.J Climate, 2004, 17(12):2281-2299. doi:  10.1175/1520-0442(2004)017<2281:ATMFCT>2.0.CO;2
    [22] Han J, Pan H L.Revision of convection and vertical diffusion schemes in the NCEP global forecast system.Wea Forecasting, 2011, 26(4):520-533. doi:  10.1175/WAF-D-10-05038.1
    [23] Lott F, Miller M J.A new subgrid-scale orographic drag parametrization:Its formulation and testing.Q J R Meteorol Soc, 1997, 123(537):101-127. doi:  10.1002/(ISSN)1477-870X
    [24] McFarlane N A.The effects of orographically excited gravity waves on the general circulation of the lower stratosphere and troposphere.J Atmos Sci, 1987, 44:1775-1800. doi:  10.1175/1520-0469(1987)044<1775:TEOOEG>2.0.CO;2
    [25] Palmer T, Shutts G J, Swinbank R.Alleviation of a systematic westerly bias in general circulation and numerical weather prediction models through an orographic gravity wave drag parameterization.Q J R Meteorol Soc, 1986, 112:1001-1039. doi:  10.1002/(ISSN)1477-870X
    [26] 王金成, 陆慧娟, 韩威, 等.GRAPES全球三维变分同化业务系统性能.应用气象学报, 2017, 28(1):11-24. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20170102&flag=1
    [27] 刘艳, 薛纪善, 张林, 等.GRAPES全球三维变分同化系统的检验与诊断.应用气象学报, 2016, 27(1):1-15. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20160101&flag=1
  • 加载中
图(10)
计量
  • 摘要浏览量:  4034
  • HTML全文浏览量:  1294
  • PDF下载量:  123
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-11-20
  • 修回日期:  2019-02-26
  • 刊出日期:  2019-05-31

目录

    /

    返回文章
    返回