排序方式： 共有8条查询结果，搜索用时 15 毫秒
1
1.
GRAPES_GFS中三维参考大气的研究：参考态构造和实际预报试验 总被引：1，自引：0，他引：1
GRAPES_GFS（Global Regional Assimilation and PrEdiction System, Global Forecast System）采用基于等温大气构造的一维参考大气,前期的研究工作已在GRAPES_GFS的动力框架中引入了三维参考大气,并通过一系列理想试验检验了新方法的正确性以及计算精度。本部分研究工作,主要针对实际资料的预报试验,对比分析了不同三维参考态给定方法的优劣,并采用气候平均法,进行夏季两个月的四维变分循环预报试验。检验结果显示,使用三维参考大气后,模式的综合预报性能得到了提升,对流层高度场、温度场的预报偏差有所减小,长期积分过程中模式质量损失较为严重的问题也得到了明显的缓解。另外,通过动能谱的对比也可以看到使用三维参考大气后,模式在高层的能量耗散明显较小,能谱变化与观测更加吻合。 相似文献
2.
通过选取2014年1月、4月、7月、10月的GRAPES_GFS 2.0预报产品和NCEP FNL分析资料进行对比分析,发现GRAPES_GFS 2.0的系统误差具有以下特性:位势高度场误差的空间分布具有纬向条带状或波列状特征,误差大值集中在中高纬度地区,低纬度地区误差较小。误差在南北半球各自的冬季最大、夏季最小,并呈现明显的季节变化特征。误差随预报时效的增速略低于线性增速且不同预报时效下误差随高度变化的曲线趋势相似。温度场误差的空间分布相对均匀,误差大值位于30°S~30°N附近地区。纬向风场误差没有十分明显的分布规律,与纬度变化、海陆分布和地形的关系均不密切,西风误差和东风误差交替出现。结果表明:模式对冬季中高纬度地区和边界层及对流层顶的模拟技巧尚需提高。明确GRAPES_GFS 2.0的系统误差分布特性,有助于有针对性地进行模式订正,改善误差大值区域的模式预报方法。 相似文献
3.
GRAPES_GFS模式全球降水预报的主要偏差特征 总被引：1，自引：0，他引：1
利用2017年1、4、7、10月“全球降水观测（global precipitation measurement,GPM）计划”每日08时（北京时）的24 h累计降水量和逐30 min降水量观测产品,从降水量和频率等角度,对同期GRAPES全球模式（GRAPES_GFS）第1（D1）、3（D3）、5天（D5）的全球降水预报性能和偏差特征进行细致评估与分析,且对低纬度暖池和北半球中纬度风暴路径区进行了重点观察,初步探讨了降水预报偏差特征在低纬度和中纬度明显不同的可能原因。结果显示:（1）GRAPES_GFS的D1—D5预报对全球日降水（量和频率）分布描述合理,能准确再现纬向平均降水（量和频率）的典型特征—降水“双峰”极大位于南北纬20°之间,次极大位于南北纬40°—50°地区的特征,以及关键区日降水时、空演变和降水日循环逐日演变的主要趋势特征。（2）低纬度的纬向平均湿日（≥0.1 mm/d）频率预报正偏差很小,但日降水量和强降水日（＞25 mm/d）频率预报的正偏差明显、偏差极大值“双峰”位置恰是相应观测极大值所在处（南北纬5°—10°）;中纬度的纬向平均日降水量预报基本无偏,但明显的湿日降水频率预报正偏差（20%—30%）和强降水日频率负偏差出现在南北纬40°—60°。降水偏差正、负分布特征随季节和预报时效基本保持不变,预报均方根误差数倍于平均误差,暗示模式降水预报偏差有系统性且性能表现波动较大。（3）日循环中,模式在暖池的降水量预报正偏差缘于降水强度预报偏强,降水频率预报的弱负偏差主要与降水落区预报偏小有关;而模式在北半球风暴路径区降水频率预报的正偏差则是降水落区预报偏大和空报弱降水事件两方面因素造成。（4）模式降水（量和频率）预报偏差特征在低纬度和中纬度的明显差异与模式次网格尺度和网格尺度降水比例失调有关,改进线索指向模式对流参数化方案中深对流的启动和深对流降水量的处理以及对流参数化方案与云微物理方案的协同问题。 相似文献
4.
GRAPES_GFS中三维参考大气的研究:理论设计和理想试验 总被引：4，自引：0，他引：4
参考大气的选取对于半隐式半拉格朗日（Semi-Implicit Semi-Lagrangian,简称SISL）模式动力框架的计算精度至关重要。中国气象局数值预报中心自主研发的GRAPES_GFS（Global Regional Assimilation and PrEdiction System,Global Forecast System）采用基于等温大气构造的一维参考大气,该方法求解简单、易于实现,但无量纲气压和位势温度扰动量的数量级较大,降低空间计算精度的同时,由于非线性项较大,使得时间计算精度较低。借鉴近年来世界上各主要业务中心的数值模式框架搭建方法,拟在GRAPES_GFS的动力框架中引入不随时间变化且满足静力平衡的三维参考大气,使得积分过程中参考大气可以尽量地靠近模式大气,提高空间计算精度的同时,减小非线性项的数量级,进而提高时间积分的计算精度。本研究重新推导了引入三维参考大气之后模式动力学方程组的求解过程,通过若干个理想试验验证了理论方法以及代码实现的正确性,说明新的三维参考大气可以有效地提高模式动力框架的计算精度。 相似文献
5.
如何在长时间积分的过程中保证模式大气的质量守恒是数值模式动力框架面临的基本问题之一,对于半拉格朗日动力框架来说, 在理论上要满足质量守恒面临着诸多的困难,质量订正方案不失为一种简单可行的选择。中国气象局数值预报中心的GRAPES_GFS (Global-Regional Assimilation and PrEdiction System, Global Forecast System) 在长时间积分过程中质量损失问题较为明显,该研究工作借鉴C-CAM (Climate-Community Atmosphere Model) 中对地面气压进行订正控制模式质量守恒的思路,在GRAPES_GFS中开发了一种对每个网格内的质量按照不同权重系数进行调整、控制模式大气总质量守恒的算法。经过一系列的试验,验证了该方法在GRAPES_GFS中的可行性,在保证模式质量守恒的情况下可有效减小高度场的预报偏差,缓解模式预报结果中天气系统偏弱的问题,在实际业务预报中有一定应用价值。 相似文献
6.
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。 相似文献
7.
在对GRAPES全球预报系统（GRAPES_GFS）云预报性能进行诊断评估的基础上,对凝结（华）和蒸发等物理过程及对流卷出对云的影响过程进行改进和优化,旨在提高GRAPES_GFS云量及其特征量和降水的预报精度。通过研究GRAPES全球模式、欧洲中期天气预报中心（ECMWF）和美国环境预报中心（NCEP）全球模式中3种云方案原理上的区别和联系,并将GRAPES_GFS预报结果与ECMWF第5代全球再分析资料（ERA5）做对比,分析云方案改进前后云量、云含水量、柱含水量等云宏观、微观物理量,降水量、向外长波辐射等基本物理量以及物理过程对温度和湿度的反馈倾向的预报性能,在此基础上对GRAPES_GFS原云方案进行改进。结果显示,云方案改进后,GRAPES_GFS在热带地区液水预报增大,云系和水成物垂直分布更合理;云量预报与ERA5预报结果更接近,特别是高云量预报的改进,使得热带向外长波辐射预报略有改进;低纬度地区日平均总降水量略有增大,特别是热带地区格点尺度降水增多较为明显,缓解了热带区域格点尺度降水预报偏小的现象。 相似文献
8.
初始场条件直接影响到区域模式的预报性能。基于GRAPES_GFS和NCEP_GFS两种初始场，详细比较了两者之间的差异，随后分别利用两种初始场驱动新疆区域数值模式（RMAPS-CA V1.0），对2021年4月整月的数值预报结果以及2021年4月21日一次暴雨过程模拟结果进行了MET（Model Evaluation Tools）对比检验。结果表明：（1）两种资料位势高度扰动场、温度扰动场、湿度扰动场存在明显差异，其相关系数分别为0.26~0.60、0.05~0.24和0.01~0.12，导致次天气尺度上存在着较大差异，并由此造成了模拟结果之间的差异，反映了区域模式对初始场和边界条件的敏感性；（2）从高空位势高度、风速、温度的预报结果看，NCEP_GFS初始场在新疆区域模式中高空要素的预报效果均要优于GRAPES_GFS初始场，均方根误差分别降低35.5~37.2%、7.6~12.6%和6.0~17.2%。从地面常规预报量的检验看，GRAPE_GFS初始场对2 m温度和10 m风速的预报效果则要优于NCEP_GFS初始场，均方根误差分别降低14.3%和6.8%；（3）从降水检验评分看，两种初始场的降水预报整体为漏报现象，NCEP_GFS初始场针对各降水阈值及不同时效的预报降水评分要高于GRAPES_GFS，0.1 mm/6h、6.1 mm/6h和12.1 mm/6h的TS评分分别提高22.5%、16.1%和150.8%；（4）从一次暴雨过程预报的检验结果看，GRAPES_GFS对于24小时为小量级降水预报效果优于NCEP_GFS,准确率分别为61.4%和40.0%；而NCEP_GFS对于大量级的降水预报则要优于GRAPES_GFS,准确率分别为66.7%和33.3%。两种初始场对降水个例检验偏差以空报现象为主，NCEP_GFS的TS评分整体高于GRAPES_GFS。 相似文献
1