西北太平洋台风在S2S时间尺度预报效果评估

李慧; 王晓春; 赵立清; 钱苏伟

doi:10.16032/j.issn.1004-4965.2020.006

西北太平洋台风在S2S时间尺度预报效果评估

doi: 10.16032/j.issn.1004-4965.2020.006

1.
南京海维斯海洋信息服务有限公司，江苏南京 210000
2.
南京信息工程大学海洋科学学院，江苏南京 210044

基金项目:

国家自然科学基金项目 41630423

国家自然科学基金项目 91637209

详细信息

通讯作者:
王晓春，美国人，博士，教授，主要从事海洋预报系统方面的研究. E-mail：xcwang@nuist.edu.cn

中图分类号: P435
计量
- 文章访问数: 205
- HTML全文浏览量: 35
- PDF下载量: 91
- 被引次数: 0
出版历程
- 收稿日期: 2018-09-03
- 修回日期: 2019-10-18
- 刊出日期: 2020-02-01

EVALUATING NORTHWESTERN PACIFIC TROPICAL STORM FORECASTING WITH THE SUBSEASONAL TO SEASONAL PREDICTION PROJECT DATABASE

1.
Nanjing Hevis Ocean and Atmosphere Information Services. Ltd, Nanjing 210000, China
2.
School of Marine Science, NUIST, Nanjing 210044, China

摘要

摘要: 使用世界气象组织季节内至季节尺度（Subseasonal to Seasonal, S2S）预测项目数据库评估了多个集合预报系统在S2S时间尺度对台风的预报能力。评估的时间段为1999—2010年期间每年5月1日—10月31日。为评估S2S时间尺度台风的预报技巧，使用了台风密集度来描述台风的生成及移动状况。台风密集度定义为一段时间内500 km范围内台风出现的概率。台风密集度由6个S2S集合预报系统后报结果计算得出，它们分别由BoM、CMA、ECMWF、JMA、CNRM和NCEP开发使用。这6个预报系统台风密集度的预报技巧评分表明，当预报时效为11~30天时，ECMWF预报系统的评分为正值，比基于气候状态的参考预报能略好地预报台风。
- 台风密集度 /
- S2S /
- Debiased Brier Skill Score预报技巧评分
Abstract: To assess the potential of tropical storm forecasting on Subseasonal to Seasonal (S2S) timescales, the forecast skill of tropical storm is evaluated using S2S Prediction Project Database. The evaluation period is from May 1 to Oct 31 during 1999—2010. To evaluate the forecast skill of tropical storm on S2S timescales, tropical storm density, defined as the probability of tropical storm occurrence within 500 km, is used to describe the generation and movement of tropical storms. Tropical storm density is computed from the ensemble forecasts from six operational centers including BoM, CMA, ECMWF, JMA, CNRM and NCEP. The debiased Brier skill score is used to compare the tropical storm density forecast skill of these models. The ECMWF model shows positive debiased Brier skill score when forecast lead time is from 11 to 30 days, indicating better tropical storm forecast than reference forecast based on climatology.
- tropical storm density /
- Subseasonal to Seasonal /
- debiased Brier skill score

HTML全文

图 1 2004年5月17日西北太平洋（100 °E ~180 °，0~30 °N）地区模式BoM（a）、CMA（b）、ECMWF（c）、JMA（d）、CNRM（e）、NCEP（f）预报和观测（g）的台风密集度

下载: 全尺寸图片幻灯片

图 2 1999—2010年5月1日—10月31日西北太平洋（100 °E ~180 °，0~30 °N）模式BoM（a）、CMA（b）、ECMWF（c）、JMA（d）、CNRM（e）、NCEP（f）模拟和观测（g）的平均台风密集度

下载: 全尺寸图片幻灯片

图 3 1999—2010年5月1日—10月31日西北太平洋（105~150 °E，10~30 °N）台风密集度集合预报的Debiased Brier预报技巧评分

横坐标是预报时效（天），纵坐标是BSSD（Debiased Brier Skill Score）。

下载: 全尺寸图片幻灯片

图 4 1999—2010年5月1日—10月31日西北太平洋(105~150 °E，10~30 °N)台风密集度集合预报的Brier评分

横坐标是预报时效（天），纵坐标是BS（Brier Score）。

下载: 全尺寸图片幻灯片

图 5 1999—2010年5月1日—10月31日西北太平洋(105~150 °E，10~30 °N)模式BoM（a）、CMA（b）、ECMWF（c）、JMA（d）、CNRM（e）和NCEP（f）的D的空间分布

下载: 全尺寸图片幻灯片

图 6 $[![]!]

Figure 6. $[![]!]

下载: 全尺寸图片幻灯片

表 1 世界气象组织S2S预测项目数据库中6个模式的基本情况本表依据文献[4]中表 1的内容。

模式	预时时效 /天	分辨率	实时集合预报成员数量/个	实时预报频率频率	后报时间	后报频率	后报集合预报成员数量/个	是否耦合动力海洋模式	是否耦合海冰模式
BoM	0~62	2°x2°	33	每周两次	1981—2013年	每月6次	33	是	否
CMA	0~60	1°x1 °	4	每天	1994—2014年	每天	4	是	是
ECMWF	0~46	0.25 °x 0.25 °(0~10天）， 0.5 °x 0.5 °:10天以后）	51	每周两次	过去的20年	每周两次	11	是	否
JMA	0~33	0.5°x0.5 °	25	每周两次	1981—2010年	月	5	否	否
CNRM	0~44	0.7 °x 0.7 °	51	每周	1993—2014年	月	15	是	是
NCEP	0~44	1 °x 1 °	16	每天	1999—2010年	每天	4	是	是

下载: 导出CSV

参考文献(23)

[1]	BAUER P, THORPE A, BRUNET G. The quiet revolution of numerial weather prediction[J]. Nature, 2015, 525(1): 47-55, doi:10.1038/ nature14956.
[2]	CANGIALOSI J P, FRANKLIN J L. National Hurricane Center forecast verification report: 2016 hurricane season[R]. National Hurricane Center Rep., 72 pp. http:www.nhc.noaa.gov/verification/pdfs/Verifi cation_2016.pdf.
[3]	DEMARIA M, SAMPSON C R, KNAFF J A, et al. Is tropical cyclone intensity guidance improving?[J]. Bull Amer Meteor Soc, 2014, 95(3): 387-398, doi:10.1175/BAMS-D-12-00240.1.
[4]	VITART F, ARDILOUZE C, BONET A, et al. The subseasonal to seasonal(S2S) prediction project database[J]. Bull Ame Meteor Soc, 2017, 98(1): 163-173.
[5]	VITART F, ROBERTSON A W. The The sub-seasonal to seasonal prediction project(S2S) and the prediction of extreme events[J]. npj Climate and Atmospheric Science, 2018, doi: 10. 1038/s41612-018-0013-0.
[6]	钟有亮, 陈静, 王静, 等. GRAPES区域集合预报系统对登陆台风预报的检验评估[J].热带气象学报, 2017, 33(6): 953-964.
[7]	丁雪霖, 陈永平, 顾茜. 2013年西北太平洋台风路径集合预报[J].河海大学学报(自然科学版), 2015, 43(4): 361-365.
[8]	汤杰, 陈国民, 余晖. 2010年西北太平洋台风预报精度评定及分析[J].气象, 2011, 37(10): 1 320-1 328.
[9]	钱传海, 端义宏, 麻素红, 等.我国台风业务现状及其关键技术[J].气象科技进展, 2012, 2(5): 36-43.
[10]	顾茜, 丁雪霖, 陈永平. 2012年西北太平洋多台站台风预报误差比较分析[J].河海大学学报(自然科学版), 2013, 41(6): 531-535.
[11]	陈子通, 戴光丰, 钟水新, 等.模式动力过程与物理过程耦合及其对台风预报的影响研究[J].热带气象学报, 2016, 32(1): 1-8.
[12]	陈子通, 戴光丰, 钟水新, 等.中国南海台风模式(TRAMS v2.0)技术特点及其预报性能[J].热带气象学报, 2016, 32(6): 831-840.
[13]	张进, 麻素红, 陈德辉, 等. GRAPES_TYM改进及其在2013在西北太平洋和南海台风预报中的表现[J].热带气象学报, 2017, 33(1): 64-73.
[14]	麻素红, 陈德辉.国家气象中心区域台风模式预报性能分析[J].热带气象学报, 2018, 34(4): 451-459.
[15]	WEIGEL A P, LINIGER M A, APPENZELLER C. The discrete brier and ranked probability skill scores[J]. Mon Wea Rev, 2007, 135(1): 118-124.
[16]	CHU J H, SAMPSON C R, LAVINE A, et al. The Joint Typhoon Warning Center tropical cyclone best-tracks[R].2002, 1945-2000. 22pp, Naval Research Laboratory Tech. Rep. NRL/MR/7540-02-16.
[17]	VITART F, STOCKDALE T N. Seasonal forecasting of tropical storms using coupled GCM integrations[J]. Mon Wea Rev, 2001, 129: 2521-2537.
[18]	GRIJIN van der G, PAULSEN J E, LALAURETTE F, et al. Early medium-range forecast of tropical cyclones[R]. 2005, ECMWF, Newsletter, No. 102: 7-14. https://www.ecmwf.int/en/elibrary/14623-newsletter-no-102-winter-2004-05.
[19]	YAMAGUCHI, M, F VITART, S T K LANG, et al. Nakazawa Global distribution of the skill of tropical cyclone activity forecasts on short-to-medium-range time scales[J]. Weather and Forecast, 2015, 30: 1695-1709. DOI: 10.1175/WAF-D-14-00136.1
[20]	BRIEF G W. Verification of forecasts in expressed in terms of probability[J]. Mon Wea Rev, 1950, 78(1): 1-3.
[21]	孙一妹.西北太平洋不同强度台风时空特征统计分析[C].中国气象学会第32届中国气象学会年会S1灾害天气监测、分析与预报, 2015.
[22]	杨彩虹, 薛存金, 季民.近30年西北太平洋热带气旋时空特征分析[J].地球信息科学学报, 2012, 14(5): 611-617.
[23]	钱苏伟, 赵立清, 王晓春, 等.夏季季节内振荡对西北太平洋台风活动的影响[J].热带气象学报, 2019, 35(5): 664-672.