基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。
总结了目前最具代表性的3个全球集合预报系统(global ensemble forecast system,GEFS)——美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)、欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)和加拿大气象中心(Canadian Meteoro-logical Centre,CMC)建成至今的发展概况。由于计算资源的不断扩展,各中心集合预报系统的模式分辨率、集合成员数也随之增加。同时各中心都在不断地致力于发展和完善初始和模式扰动方法,来更好地估计与初值和模式有关的不确定性,促进预报技巧的提高。其中初始扰动方法从最初的奇异向量法(ECMWF)、增殖向量法(NCEP)和观测扰动法(CMC)更新为现在的集合资料同化—奇异向量法(ECMWF)、重新尺度化集合转换法(NCEP)和集合卡尔曼滤波(CMC)。在估计模式不确定性方面,ECMWF和CMC都修订了各自的随机参数化方案和多参数化方案,NCEP最近也在模式中加入了随机全倾向扰动。为提高全球高影响天气预报的准确率,TIGGE计划(the THORPEX interactive grand global ensemble)的提出增进了国际间对多模式、多中心集合预报的合作研究,北美集合预报系统(North American ensemble forecast system,NAEFS)为建立全球多模式集合预报系统提供了业务框架,这都将有助于未来全球交互式业务预报系统的构建。
