数值模式中的集合预报是什么？
本帖最后由 好奇心Log 于 2024-3-31 00:52 编辑集合预报是一种气象预报方法，其中计算机模型不是只运行一次预测，而是多次从略有不同的起始条件开始运行。这种方法的目的是为了应对大气作为一个混沌系统所带来的挑战，即初始状态中的微小错误可能导致预报中的大错误。
图一 红色表示单一预报的不准确性，蓝色代表集合预报的多次采样。集合预报通过采样起始条件的不确定性，估计预报的不确定性，并预测可能天气事件。
引言
传统上，短期天气预报依赖于单一、高分辨率的确定性模型模拟，但其中观测到的初始条件中的小误差会迅速放大。为克服这一限制，20世纪80年代后期发展了集合预报（多重预测）。本文讨论集合预报是什么，以及它在中长期预报时间框架中的作用。
如何产生集合预报
集合预报是由许多预报或成员组成的，现代集合预报系统通常包含12到51个成员。这些预报的空间分辨率由于计算机能力限制通常低于单一确定性模型。为确保每个集合成员的独特性，初始天气值或初始条件(IC)进行轻微调整，以启动每个成员的预报。这种做法考虑了原始初始条件的不确定性，意味着每个成员预测的天气状况同样可能发生。
因此，这种技术估计了预报的不确定性。在某些模型中，为了捕捉模型物理不确定性，模型方程也会略有调整。通过这种方式，集合预报不是生成单一结果，而是产生一系列可能的结果，从而展示了预报的不确定性。
在图1中，我们看到成员从左边圆圈中描述的不同初始条件开始。随着时间的流逝(从左到右) ，每个预测都遵循自己独特的路径，在未来获得一组新的值。每一个预测都和其他预测一样可能是正确的。我们看到，集合产生了一系列可能的结果，而不是产生一个单一的结果。
图1 预测不确定性分布图
模型输出
集合预测通过产生多个可能结果提供优势，这优势超过了每个成员相较于确定性预报较低的分辨率。长期预报（超过7天）时，集合成员的平均结果往往比任何单一预报更准确。集合预报的解读可能较复杂，因为它提供一组数字而非单一值。
尽管通常使用集合的平均值来简化，这种方法却忽略了集合预报的独特性：预报范围或传播。这种传播展示了可能结果的广度，为理解各种天气事件的可能性提供了额外且有价值的数据，是衡量预报不确定性的有效方式。
图2 显示集合预报的图表
置信度
图2揭示了集合预报中每日温度的盒状与晶须图演变，时间轴从左至右。这些盒子的高低代表了预测的100%、80%和50%的范围。预报的中位数由中间线条表示，与总体均值相近。
天气预报的可信度或置信度，反映了预报的准确性概率。在图2的左侧，小盒子意味着预测的范围狭窄，因此信心或置信度较高。但随时间推移，盒子逐渐变大，显示出预测的不确定性增加，导致预测的信心或置信度降低。
集合预报通过校准过程得以优化。这一过程将集合预报的历史与之前的实际天气状况进行对比，从而修正模型的不确定性，使预报的温度范围更接近真实情况。此外，这一校准还能消除预测偏差，即模型预测与实际观测之间的平均差异。这确保了模型的预测结果具有可靠性。
对于以概率为框架的预测，尽管人们可能觉得难以理解，但它们对于数值应急模型非常有价值，这些模型广泛应用于农业、能源定价等多个领域。简言之，若预测显示某一事件有40%的发生概率，那么在实际中，这一事件至少会在40%的时间里发生。
图3 世界气候服务概率预报的正确率得分，指示性概率至少为 50
长期预测
集合预报在中长期预测中扮演着关键角色，其预测能力远超一般的10至14天中期预报。为了捕捉长期预测技能，我们需要对预测信息进行多天的平均，而非仅针对个别天数。例如，世界气候服务组织（WCS）会为目标周进行长期预测，这些目标周可以是日历周、商业周或美国能源信息管理局（USEIA）定义的周。
为了生成可靠的长期预测，WCS会对集合预测进行校准。预测结果被划分为三个等可能的类别：高于正常、接近正常和低于正常。下图显示，在未来六周的预测中，部分预测指出气温高于或低于正常值的概率在50-60%之间，而随机预测的正确率仅为33%。这表明经过校准的集合预测在长期预测中具有更高的准确性。
多模式集合
多模式集合预报是一种策略，它汇集了多个独立的动力学模型预测结果。研究发现，当结合两个或更多的数值天气预报模型的预测时，得到的集合预报的精度通常超过任何一个单独模型的预测（如图4所示）。
然而，将多个模型的输出整合在一起是一个复杂的过程。这是因为不同的动力学模型通常会采用不同的建模参数，例如网格分辨率，并以各自独特的方式描述物理过程。
世界气候服务组织（WCS）的科学家在整合这些动力学模型输出以确保数据完整性方面拥有丰富的经验。目前，WCS的多模型集合（MME）已经结合了ECMWF和CFSv2模型，以产生更为精准的预报。WCS计划近期对MME进行升级，将GEFS模型也纳入其中。这样做旨在进一步提高集合预报的准确性和可靠性。
图4 当世界气候服务机构将 CVSv2 和 ECMWF 的集合预报结合在一起时，得出的多模式集合预报比任何一个单一模式的预报都更精确。
WCS 概率图
图5展示了世界气候服务集合概率预报图的一个实例。在此图中，每个集合预报的成员被划分为三个等可能的分类。该地图揭示了在一个特定位置上，哪个分类有最高的出现概率。值得注意的是，在较长的预测时段内，最有可能出现的分类的概率常常低于严格的40%阈值，导致地图在这些区域显示为空白。
图5 世界气候服务机构第五周领先概率预测
如果某一预测的最大概率达到或超过40%，地图会通过阴影来突出显示这一特定预测概率所覆盖的区域。这样，那些预测事件概率有所增长的区域便得以凸显。例如，下图中显示了一个相对明显的情况，美国北部在五周前预测有40-60%的概率会出现高于正常的气温。与此相对照，德克萨斯州的部分地区有40-50%的概率被归入低于正常水平的分类。这种方式帮助用户更直观地理解预测结果，并根据这些概率信息做出相应的决策或准备。
集合预报如何帮助天气预报员
集合预报能让预报员更好地了解特定时间可能发生的天气事件。通过比较这些不同的预报，预报员可以确定特定天气事件发生的可能性有多大。如果这些预报差异很大，那么预报员就会知道天气的实际变化存在很大的不确定性，但如果这些预报都非常相似，那么预报员就会更有信心预测某个特定事件。
结论
集合预报包含多个预测或成员，用于预测一系列可能的未来情境。由于其结构的复杂性，集合预报的解读相对于单一预测更为困难。然而，正是因为集合预报能够体现初始条件的不确定性，它在更长的预测时段内比单一的确定性预测更具参考价值。
集合预报产生的预测范围允许我们通过一种名为“校准”的过程来量化其中的不确定性。经过校正的集合预报输出可以生成可靠的概率预测。世界气候服务组织利用这种经过校准的集合预报方法，能够提供未来三周至六个月内的次季节预测和跨季节预测服务。
简言之，尽管集合预报在解释上可能更为复杂，但其对不确定性的处理和量化能力使其在长期预测中具有更高的价值。
参考来源：
https://www.metoffice.gov.uk/research/weather/ensemble-forecasting/what-is-an-ensemble-forecast
https://www.worldclimateservice.com/2021/09/03/ensemble-forecast/
文章来源于微信公众号：好奇心Log
页:
[1]