2009年夏季西太平洋台风的集合预报和多模式集成预报试验

智协飞,孙晶,周文友

(1.南京信息工程大学 气象灾害预报预警与评估协同创新中心,江苏 南京 210044;2.南京信息工程大学 大气科学学院,江苏 南京 210044)

2009年夏季西太平洋台风的集合预报和多模式集成预报试验

智协飞1,2,孙晶2,周文友2

(1.南京信息工程大学 气象灾害预报预警与评估协同创新中心,江苏 南京 210044;2.南京信息工程大学 大气科学学院,江苏 南京 210044)

摘要：基于WRF模式,利用增长模繁殖法(Breeding of Growing Modes,BGM)建立了一个台风路径和强度的集合预报试验系统(WRF-EPS)。此外,将此集合预报结果与TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报资料中4个中心的预报进行多模式集成,对2009年8月1—31日西北太平洋台风路径和强度进行24～72 h集成预报,并对0908号“莫拉克”台风预报进行个例分析。结果表明,基于BGM的WRF-EPS的西北太平洋台风路径和强度的预报误差,与CMA(China Meteorological Administration,中国气象局)、JMA(Japan Meteorological Agency,日本气象厅)、ECMWF(European Centre for Medium-range Weather Forecasts,欧洲中期天气预报中心)、NCEP(US National Center for Environment Prediction,美国国家环境预报中心)的预报误差大致相当;与CMA的集合预报结果相比,有些预报时效WRF-EPS的预报技巧具有明显优势。总体上,WRF-EPS对2009年夏季西北太平洋台风路径和强度的预报较好,可以与TIGGE多模式预报结果进行集成。消除偏差集合平均和加权集合平均显著地改进了台风路径和强度的预报技巧,预报效果优于最好的单模式预报和多模式简单集合平均。对于24～72 h预报,加权集合平均预报性能最优。

关键词：台风;集合预报;多模式集成;BGM;TIGGE

中图分类号：

文章编号：1674-7097(2015)05-0633-08P456.7

文献标志码：码：A

doi：10.13878/j.cnki.dqkxxb.20130620010

Abstract:An ensemble forecasting experiment system(WRF-EPS) for the track and intensity forecasts of typhoon is established with the breeding of growing modes(BGM) as the initial perturbation method in the WRF model.In addition,the 24—72 h multimodel ensemble forecasts of track and intensity of typhoons over western Pacific from 1 to 31 August 2009 have been conducted by using the multimodel ensemble mean(EMN),bias-removed ensemble mean(BREM) and weighted ensemble mean(WEM) methods based on TIGGE(THORPEX Interactive Grand Global Ensemble) ensemble forecasts of 4 operational forecast centers as well as WRF-EPS.Then,a case study is carried out for the forecast of typhoon Morakot(2009).The results show that the forecast errors of track and intensity of the typhoon using BGM as the initial perturbation method in the WRF model(WRF-EPS) are roughly equivalent to those of CMA,JMA,ECMWF,NCEP models.Compared with the forecasts of CMA model,the WRF-EPS has some advantages in some forecast leading time in terms of forecast errors of track and intensity of typhoon.Overall,using WRF-EPS,the forecasts of track and intensity of typhoon in western Pacific from May to August 2009 are better and can be used for the multimodel ensemble forecasts with TIGGE forecasts.BREM and WEM methods can significantly reduce the forecast errors,with the forecast skills higher than those of each single model and EMN method.For the 24—72 h forecasts of track and intensity of typhoon,WEM has the best performance among the three multimodel ensemble forecast schemes as mentioned before.

收稿日期：2013-05-24;改回日期:2013-12-31

基金项目:国家“十二五”科技支撑计划项目(2012BAC22B03)；国家自然科学基金资助项目(41375098)；江苏高校优势学科建设工程资助项目(PAPD)

通信作者：陶丽,博士,教授,研究方向为热带大气低频振荡及台风气候学,taoli@nuist.edu.cn.

Ensemble and multimodel ensemble forecasts of western Pacific

typhoons during summer 2009

ZHI Xie-fei1,2,SUN Jing2,ZHOU Wen-you2

(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters,NUIST,Nanjing 210044,China;

2.School of Atmospheric Sciences,NUIST,Nanjing 210044,China)

Key words:typhoon;ensemble forecast;multimodel ensemble;BGM;TIGGE

0引言

目前,许多国家在日常天气预报业务中使用集合预报产品。集合预报除了在中期天气预报和短期气候预测中得到了成功的应用(关吉平和张立凤,2009),在短期天气预报中也得到了发展(王晨稀和端义宏,2003;Jones et al.,2007;Peel and Wilson,2008;Yuan et al.,2009)。许多研究指出,集合预报中不同初始场、模式物理过程,甚至不同模式的集合,所得数值预报结果更加客观,也更接近实况(王晨稀,2013)。

20世纪90年代中期,集合预报技术开始用于台风预报研究。Aberson et al.(1995)最早论证了集合预报在热带气旋路径预报的可行性。Cheung(2001)通过对比随机扰动法和增长模繁殖法(BGM)对台风路径的预报技巧,指出BGM能够在合理的范围内获取更大的离散度,使集合预报系统捕获极端天气的能力明显提高。黄燕燕等(2006)基于BDA(Bogus Data Assimilation)扰动方法,对台风路径进行了集合预报试验,试验结果相当令人鼓舞。王晨稀和梁旭东(2007)利用MM5模式对台风进行预报试验,分别利用BGM和模式物理过程扰动法形成集合预报成员。他们发现同时考虑二者的预报效果优于单一集合的效果。Yamaguchi et al.(2009)基于JMA全球谱模式建立了一个新的台风集合预报系统。他们对北太平洋和中国南海2007年5—12月的热带气旋进行初始扰动的集合预报试验,发现集合平均的结果优于控制试验。黄小刚等(2007,2010)把集合卡尔曼滤波技术应用到台风路径和强度的试验上,同时还考虑了模式物理过程的不确定性。他们发现,应用同化的集合预报结果优于未同化的集合预报,台风路径的预报技巧优于强度预报的技巧。谭燕和梁旭东(2010)在GRAPES_TCM模式基础上,采用BGM法分别对台风“韦帕”涡旋场和环境场进行扰动来构造集合成员,预报效果也比较好。王秋良等(2012)利用BGM法进行了台风路径的集合预报试验,并对繁殖长度进行了研究,结果表明相对于控制预报利用增长模繁殖法制作的集合预报对台风路径预报的技巧水平有了很大提高,集合预报中采用不同的繁殖长度对台风路径预报效果有一定影响。

除了基于单一模式构造扰动成员进行集合预报,还可以将多个不同模式的预报作为集合成员进行多模式集成预报,这种方法同时考虑了初始场与模式的不确定性。Goerss(2000)利用三个不同预报模式对1995—1996年大西洋飓风进行集成预报试验,多模式集合平均预报24、48和72 h平均距离误差分别比三个模式中的最好结果改进了16%、20%和23%。Kumar et al.(2003)则利用超级集合预报方法对1998—2000年太平洋的台风路径和强度进行预报试验,他们发现超级集合预报技巧优于单个模式的预报和多个模式的简单集合平均。Froude(2010)运用TIGGE中9个集合预报系统对2008年2—7月北半球温带气旋分别进行了集合预报试验,结果显示各个模式的预报性能具有很大的差别,其中ECMWF集合预报系统的综合表现要优于其他预报系统。最近,利用TIGGE多中心全球集合预报资料对西北太平洋台风路径和强度进行了多模式集成预报试验,发现多模式集成预报能明显改进台风的路径和强度预报(Zhi et al.,2011;周文友和智协飞,2012;He et al.,2015)。

本文首先建立基于BGM方法的WRF模式集合预报试验系统,对2009年5—8月西北太平洋台风路径及强度进行集合预报试验,并将结果同CMA、ECMWF、JMA和NCEP 4个中心进行比较;随后将WRF集合预报系统的预报结果与4个中心的集合预报结果进行多模式集成预报试验。

1资料与方法

1.1　资料

所用的资料包括2009年5月1日—8月31日一日4个时次的NCEP/NCAR 1°×1°再分析资料,用作WRF模式启动及预报评估和多模式集成预报的“观测”资料。选取TIGGE中国气象局(China Meteorological Administration,CMA)、欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF),日本气象厅(Japan Meteorological Agency,JMA),以及美国国家环境预报中心(US National Centers for Environment Prediction,NCEP)4个中心的全球集合预报系统2009年5月1日—8月31日台风路径和强度(中心气压和中心附近最大风速)预报的集合平均资料,预报区域选取为100～165°E、10～50°N,预报时效为24～72 h,一天预报2次(00时,12时;世界时,下同)。此外,还选取2009年5月1日—8月31日JTWC观测资料中逐日热带气旋实况资料,区域与预报资料相同,用于检验预报效果。

1.2　方法

使用多模式简单集合平均(Ensemble Mean,EMN)、消除偏差集合平均(Bias-Removed Ensemble Mean,BREM)以及加权集合平均(Weighted Ensemble Mean,WEM)方法或者超级集合方法(Krishnamurti et al.,1999,2000a,2000b;林春泽等,2009;智协飞等,2009,2013;Zhi et al.,2009,2012;He et al.,2015),对2009年8月生成于西北太平洋的5个台风的路径和强度进行24～72 h预报试验。

2WRF-EPS的台风路径及强度预报误差分析

2009年5—8月在西北太平洋一共生成了11个热带气旋,分别是鲸鱼(0901)、灿鸿(0902)、莲花(0903)、浪卡(0904)、苏迪罗(0905)、莫拉菲(0906)、天鹅(0907)、莫拉克(0908)、艾涛(0909)、环高(0910)和科罗旺(0911)。

2.1　WRF集合预报系统(WRF-EPS)

利用WRF中尺度数值天气预报模式,选取NCEP/NCAR 2009年5月1日—8月31日每日逐6 h的再分析资料作为背景场,预报区域中心选在(145°E,27°N),网格格距为27 km,垂直层次为28层,模式顶取50 hPa。模式的物理过程分别采用Ferrier微物理方案、Betts-Miller-Jajic积云对流参数化方案、YSU边界层方案、Goddard短波辐射和RRTM长波辐射方案(沈新勇等,2010;王咏青等,2012)。

在中、短期集合预报中BGM方法是生成初始扰动场行之有效的方法(Toth and Kalnay,1993,1997;关吉平和张立凤,2009)。BGM方法模拟气象资料的处理分析过程,通过模式积分反复生成初始场,在模式繁殖循环过程中,高速增长误差的比例逐渐增加,最终达到饱和,初始扰动就是将这个增长最快的误差模态提取出来。本文采用BGM法对动力场和热力场进行初始扰动处理,得到了12个扰动集合成员,集合平均预报取6对扰动预报的平均值。

为了比较WRF模式扰动成员和控制试验在台风路径和强度预报中的技巧,首先计算了12个扰动成员的预报平均值相对于控制试验预报值的平均技巧水平R。表1给出了平均技巧水平R和正技巧的比率,可以看出,在所有预报时效中,BGM集合成员的预报平均值相较于控制试验预报值均为正技巧,其中台风路径预报的正技巧都超过了55%,而强度预报的正技巧均超过了45%。这表明扰动成员的预报平均值要远远优于控制试验的预报值。因此在后面的研究中,使用扰动成员的预报平均值作为WRF集合预报系统的预报值。

表1　WRF模式集合预报的平均相对技巧评分(R)和正技巧比例

2.2　WRF-EPS与各个中心台风路径及强度预报误差比较

比较西北太平洋5月1日—8月31日WRF-EPS及4个中心的台风路径24 h预报的平均绝对误差(图1a)可以看出,ECMWF的预报效果最差,WRF-EPS与NCEP的预报误差相当。对于48 h预报,WRF-EPS的平均误差较大,预报技巧不及4个TIGGE单中心模式;而对于72 h预报,CMA的预报效果最差,WRF-EPS的表现优于CMA。在24、48和72 h 3个预报时效中,JMA的预报误差始终最小,在5个模式系统中表现最佳。图1b、c分别给出了中心气压预报和台风中心附近最大风速预报的平均绝对误差(由于CMA没有最大风速预报,所以只有4个模式参与风速预报的集成),可以看出JMA预报总体上最优。台风中心气压预报中CMA的预报效果最差,3个预报时效中误差均为最大。WRF-EPS与其他3个中心的预报误差大体相当。最大风速预报中,24 h预报中WRF-EPS的误差偏高,48和72 h预报中WRF-EPS和NCEP模式预报误差基本相当,且在48 h预报中要优于其他两个中心。比较WRF-EPS与4个中心的台风路径、中心气压和最大风速预报的平均绝对误差,可以看出在2009年夏季西北太平洋台风的24～72 h预报中,JMA的总体预报技巧要优于其他模式的预报技巧。基于BGM方法建立的WRF-EPS的集合预报效果,相对于CMA的预报在有些预报时效具有优势,和其他中心模式的误差也大致相当。总之,WRF-EPS对2009年夏季西北太平洋台风路径和强度的预报效果相对较好,可以参与多模式集成预报试验。

图1　2009年5月1日—8月31日预报区域内台风路径(a;单位:km)、中心气压(b;单位:hPa)和最大风速(c;单位:m/s)24～72 h预报的平均绝对误差Fig.1　Mean absolute errors of 24—72 h forecasts of (a)track(units:km),(b)central pressure(units:hPa),and (c)maximum wind speed(units:m/s) of typhoons over western Pacific from 1 May to 31 August 2009

3台风路径及强度的多模式集成预报

以上对WRF-EPS和4个中心的台风路径和强度预报效果的评估表明,各个中心的预报系统在不同预报时效的预报效果不尽相同,且都有系统性偏差。针对WRF-EPS和4个中心的台风预报资料,选取5、6、7月的6个台风过程作为训练期,8月1—31日的5个台风过程作为预报期,进行加权集合平均和消除偏差集合平均试验。同时,应用多模式集合平均对WRF-EPS和4个中心的8月1—31日的台风预报资料进行集成,比较这三种多模式集成方法的预报技巧。

图2a给出了预报期为2009年8月1—31日WRF-EPS和4个中心共五个预报系统成员及三种集成方法的24～72 h台风路径预报的平均绝对误差。由图4可知,在72 h预报中WRF-EPS的误差较大,超出了TIGGE的单中心预报,但是在其他预报时效中,WRF-EPS预报误差较小,并非表现最差的预报系统。对于24～72 h预报,相较单个中心的预报,三种多模式集成方法都能有效地降低误差。EMN对单个中心的预报误差的改进效果有限,有的预报时效还不如最佳单模式预报效果好。平均而言,BREM和WEM的预报误差小于表现最好的单模式预报。三种多模式集成方法中,WEM方法表现最好,其预报误差小于BREM和EMN的预报误差。WEM预报相对于表现最好的单模式,24、48和72 h预报的平均绝对误差分别减小了27%、17%和16%。

图2b是8月1—31日WRF-EPS和4个中心及三种多模式集成方法的24～72 h台风中心气压预报的平均绝对误差。WRF-EPS在24和72 h预报中误差较大,但在48 h预报中其预报技巧表现明显优于CMA,且与其他3个中心相差不大。和单个模式预报相比,三种集成预报方法均能有效地减少平均误差。在3种多模式集成方法中,WEM方法的预报误差改进效果最明显,相对于表现最好的单模式预报,24、48和72 h预报的平均绝对误差分别减小了12%、8%和9%。

图2　2009年8月1—31日预报区域内台风路径(a;单位:km)、中心气压(b;单位:hPa)和最大风速(c;单位:m/s)24～72 h预报的平均绝对误差Fig.2　Mean absolute errors of 24—72 h forecasts of (a)track(units:km),(b)central pressure(units:hPa),and (c)maximum wind speed(units:m/s) of typhoons over western Pacific from 1 to 31 August 2009

图2c是2009年8月1—31日WRF-EPS和3个中心共4个集合成员及3种多模式集成方法的24～72 h台风中心附近最大风速预报的平均绝对误差。在3个预报时效中WRF-EPS均有较好的表现,且在48 h预报中WRF-EPS的误差水平在4个单模式中是最低的(CMA模式没有台风中心附近最大风速预报),在72 h预报中WRF-EPS的误差水平也要低于ECMWF和JMA的模式。3种集成方法中,WEM方法仍然是台风中心附近最大风速预报误差最小的多模式集成方法。相对于表现最好的单模式预报,24、48和72 h WEN预报的平均绝对误差分别减小了14%、21%和15%。

4“莫拉克”台风的预报

为检验多模式集成预报方法在单个台风预报中的预报技巧,选取登陆我国并造成了重大影响的0908号台风“莫拉克”(Morakot)进行预报个例分析。2009年第8号台风“莫拉克”于8月4日02时在琉球群岛东南部海面生成,于5日14时加强为台风。“莫拉克”的移动路径经历了西北—偏西—偏北—登陆后偏西,穿过台湾海峡后向偏北方向移动等5个阶段,属于比较典型的西北移路径(周文友,2012)。

图3是WRF-EPS各个集合成员、集合平均和控制试验对“莫拉克”台风路径的72 h预报。从中可以看出,各集合成员的路径预报与实况都有不小的偏差,但是集合成员的平均预报值更接近台风的实况路径,而控制试验的台风路径预报的误差则要大于扰动集合成员预报值的平均值。控制试验预报的路径偏北,擦过上海后转向东北方向移动。控制试验的预报中台风没有登陆,这与实况差异较大。WRF-EPS集合预报的平均值则有北上登陆的过程,预报结果明显优于控制试验的路径预报。

图3　基于BGM方法的WRF模式预报的“莫拉克”台风72 h路径(红线:JTWC实况路径;绿线:集合平均;黄线:控制试验;蓝线:12个扰动成员)Fig.3　The 72 h forecasts of track of the typhoon Morakot in the WRF model based on BGM method(red line:observed track by JTWC;green line:ensemble mean;yellow line:control experiment;blue lines:12 perturbation members)

图4给出了台风“莫拉克”24～72 h预报时效WRF-EPS和4个中心以及3种多模式集成方法的路径预报(JTWC为实况路径),可以看出,随着预报时效的延长,台风路径预报的离散度也在增大。WRF-EPS的预报路径主要位于实况路径的上方,大体上接近台风的实际路径,和其他几个模式系统相比,预报技巧并非最低。5个多模式集合成员中,JMA的台风路径预报总体上预报技巧最高。单个模式的路径预报有不少大角度的路径偏转,这和实际观测结果有很大差异。经过多模式集成处理以后,这些偏差基本被平滑了。相较于单模式预报,多模式集成的台风路径预报总体上更接近实际观测结果。3种多模式集成方法对路径预报都有一定程度的改进,其中加权集合平均方法对预报的改进最明显。

图4　“莫拉克”台风的实际路径和预报路径　　a.24 h;b.48 h;c.72 hFig.4　Observed and forecasted track of the typhoon Morakot　　a.24 h;b.48 h;c.72 h

图5是“莫拉克”24～72 h的中心气压和最大风速预报的平均绝对误差,可以看出,WRF-EPS在最大风速48 h预报中表现略差,在其他预报时效中,中心气压和最大风速预报均要优于表现最差的单中心预报。对于24～72 h预报,相对于5个单模式预报,EMN的误差改进水平有限,有的预报时效还不如最佳单模式预报好,加权集合平均方法和去除偏差集合平均方法都能有效地减小误差,二者的预报误差均明显小于最好的单模式的预报误差。3种多模式集成预报方法中,加权集合平均方法表现最佳,相较最好的单模式预报,24、48和72 h预报的台风中心气压的平均绝对误差分别减小了18%、12%和12%,中心附近最大风速的平均绝对误差则分别减小了12%、15%和10%。

图5　“莫拉克”台风的中心气压(a;单位:hPa)和最大风速(b;单位:m/s)24～72 h预报的平均绝对误差Fig.5　Mean absolute errors of 24—72 h forecasts of (a)central pressure(units:hPa) and (b)maximum wind speed(units:m/s) of the typhoon Morakot

5结论

本文利用基于BGM方法的WRF模式集合预报试验系统(WRF-EPS)对2009年夏季西北太平洋台风移动路径和强度进行了集合预报试验,并利用5个模式系统对台风移动路径和强度做了多模式集成预报,得到以下几点结论。

1)西北太平洋台风路径和强度的24～72 h多模式预报中,JMA预报的平均绝对误差总体上要小于其他单模式的预报误差。WRF-EPS集合成员的预报平均值的误差小于控制试验预报的误差。在和TIGGE多中心集合预报结果进行比较时,发现WRF-EPS的预报比CMA的预报总体上具有一定优势,和其他几个中心模式的预报结果相比,其误差也相差不大。因此,WRF-EPS对2009年5—8月西北太平洋台风的路径和强度的预报效果是相对比较好的。

2) 利用3种多模式集成预报方法对5个模式系统的西北太平洋台风路径和强度进行多模式集成预报试验。在台风中心附近最大风速的48 h预报中,WRF-EPS的误差是所有单个模式系统中最小的。多模式简单集合平均、消除偏差集合平均和加权集合平均都有效地提高了台风的路径和强度的预报技巧,但多模式简单集合平均预报的改进效果有限,有时其预报技巧甚至还不及最好的单模式预报的技巧。在24～72 h的预报中,加权集合平均的预报技巧优于最好的单模式预报和另外2种集成预报方法。

3)对0908莫拉克台风的预报个例分析发现,基于BGM扰动方案的WRF-EPS扰动成员的路径预报平均值优于控制试验的路径预报。对于台风强度预报,WRF-EPS在最大风速48 h预报中表现较差,其他预报时效的预报效果优于TIGGE资料中表现最差的模式预报结果。相较于单模式的预报,多模式集成后台风路径的预报总体上与台风的实测路径更为接近。3种集成方法中的WEM方法对台风强度预报的改进效果最显著。

参考文献(References)：

Aberson S D,Lord J,DeMaria M,et al.1995.Short-range ensemble forecasting of hurricane tracks[C]//The 21st conference on hurricanes and tropical meteorology.Miami:Amer Meteor Soc:494-496.

Cheung K K W.2001.Ensemble forecasting of tropical cyclone motion:Comparison between regional bred modes and random perturbations[J].Meteor Atmos Phys,78(1/2):23-34.

Froude L S R.2010.TIGGE:Comparison of the prediction of Northern Hemisphere extratropical cyclones by different ensemble prediction systems[J].Wea Forecasting,25(3):819-836.

Goerss J S.2000.Tropical cyclone track forecasts using an ensemble of dynamical models[J].Mon Wea Rev,128(4):1187-1193.

关吉平,张立凤.2009.增长模繁殖法在华南暴雨中期集合预报中的应用[J].热带气象学报,25(2):246-250.Guan Jiping,Zhang Lifeng.2009.Application of the method of BGM in medium-range ensemble forecast for a south China rainstorm[J].J Trop Meteor,25(2):246-250.(in Chinese).

He C F,Zhi X F,You Q L,et al.2015.Multi-model ensemble forecasts of tropical cyclones in 2010 and 2011 based on the Kalman Filter method.Meteor Atmos Phys,127(4):467-479.

黄小刚,费建芳,陆汉城.2007.基于集合Kalman滤波数据同化的热带气旋路径集合预报研究[J].大气科学,31(3):468-478.Huang Xiaogang,Fei Jianfang,Lu Hancheng.2007.The ensemble forecasting of tropical cyclone track based on ensemble Kalman filter data assimilation[J].Chinese J Atmos Sci,31(3):468-478.(in Chinese).

黄小刚,费建芳,陆汉城,等.2010.基于集合Kalman滤波数据同化与偏差修正的热带气旋强度集合预报研究[J].气象学报,68(1):79-87.Huang Xiaogang,Fei Jianfang,Lu Hancheng,et al.2010.The ensemble forecasting of tropical cyclone intensity based on EnKF data assimilation and bias-correction[J].Acta Meteor Sinica,68(1):79-87.(in Chinese).

黄燕燕,万齐林,袁金南,等.2006.基于BDA扰动法的台风路径集合预报试验研究[J].热带气象学报,22(1):49-54.Huang Yanyan,Wan Qilin,Yuan Jinnan,et al.2006.Experiments of ensemble forecast of typhoon track using BDA perturbing method[J].J Trop Meteor,22(1):49-54.(in Chinese).

Jones M S,Colle B A,Tongue J S.2007.Evaluation of a mesoscale short-range ensemble forecast system over the Northeast United States[J].Wea Forecasting,22(1):36-55.

Krishnamurti T N,Kishtawal C M,LaRow T E,et al.1999.Improved weather and seasonal climate forecasts from multimodel superensemble[J].Science,285(5433):1548-1550.

Krishnamurti T N,Kishtawal C M,Zhang Z,et al.2000a.Multimodel ensemble forecasts for weather and seasonal climate[J].J Climate,13(23):4196-4216.

Krishnamurti T N,Kishtawal C M,Shin D W,et al.2000b.Improving tropical precipitation forecasts from a multianalysis superensemble[J].J Climate,13(23):4217-4227.

Kumar T S V V,Krishnamurti T N,Fiorino M,et al.2003.Multi-model super ensemble forecasting of tropical cyclones in the Pacific[J].Mon Wea Rev,131(3):574-583.

林春泽,智协飞,韩艳,等.2009.基于TIGGE资料的地面气温多模式超级集合预报[J].应用气象学报,20(6):706-712.Lin Chunze,Zhi Xiefei,Han Yan,et al.2009.Multi-model superensemble forecasts of the surface temperature using the TIGGE data[J].J Appl Meteor Sci,20(6):706-712.(in Chinese).

Peel S,Wilson L J.2008.A diagnostic verification of the precipitation forecasts produced by the Canadian ensemble prediction system[J].Wea Forecasting,23(4):596-616.

沈新勇,朱文达,杜佳,等.2010.2006年7—9月的台风季节预报试验[J].气象科学,30(5):676-683.Shen Xinyong,Zhu Wenda,Du Jia,et al.2010.The seasonal forecasting experiment of typhoon from July to September of 2006[J].Scientia Meteorologica Sinica,30(5):676-683.(in Chinese).

谭燕,梁旭东.2010.一次登陆台风的集合预报试验[J].热带气象学报,26(4):401-408.Tan Yan,Liang Xudong.2010.An ensemble forecast experiment of a landing typhoon[J].J Trop Meteor,26(4):401-408.(in Chinese).

Toth Z,Kalnay E.1993.Ensemble forecasting at NMC:The generation of perturbations[J].Bull Amer Meteor Soc,74(12):2317-2330.

Toth Z,Kalnay E.1997.Ensemble forecasting at NCEP and the breeding method[J].Mon Wea Rev,125(12):3297-3319.

王晨稀.2013.热带气旋集合预报研究进展[J].热带气象学报,29(4):698-704.Wang Chenxi.2013.Advances in tropical cyclone ensemble prediction[J].J Trop Meteor,29(4):698-704.(in Chinese).

王晨稀,端义宏.2003.短期集合预报技术在梅雨降水预报中的试验研究[J].应用气象学报,14(1):69-78.Wang Chenxi,Duan Yihong.2003.Experiment and research of short-range ensemble forecasting techniques in forecasting MeiYu precipitation[J].J Appl Meteor Sci,14(1):69-78.(in Chinese).

王晨稀,梁旭东.2007.热带气旋路径集合预报试验[J].应用气象学报,18(5):586-593.Wang Chenxi,Liang Xudong.2007.Ensemble prediction experiments of tropical cyclone track[J].J Appl Meteor Sci,18(5):586-593.(in Chinese).

王秋良,刘家峻,张立凤.2012.台风路径集合预报试验[J].气象科学,32(2):137-144.Wang Qiuliang,Liu Jiajun,Zhang Lifeng.2012.The study on ensemble prediction of typhoon track[J].Scientia Meteorologica Sinica,32(2):137-144.(in Chinese).

王咏青,宋天元,梁驹,等.2012.西北太平洋台风季节预报的数值模拟[J].大气科学学报,35(1):24-31.Wang Yongqing,Song Tianyuan,Liang Ju,et al.2012.Simulation of seasonal tropical cyclone activity over the western North Pacific by using the WRF model[J].Trans Atmos Sci,35(1):24-31.(in Chinese).

Yamaguchi M,Sakai R,Kyoda M,et al.2009.Typhoon ensemble prediction system developed at the Japan meteorological agency[J].Mon Wea Rev,137(8):2592-2604.

Yuan H,Lu C,John A,et al.2009.Evaluation of short-range quantitative precipitation forecasts from a time-lagged multimodel ensemble[J].Wea Forecasting,24(1):18-38.

智协飞,林春泽,白永清,等.2009.北半球中纬度地区地面气温的超级集合预报[J].气象科学,29(5):569-574.Zhi Xiefei,Lin Chunze,Bai Yongqing,et al.2009.Superensemble forecasts of the surface temperature in Northern Hemisphere middle latitudes[J].Scientia Meteorologica Sinica,29(5):569-574.(in Chinese).

Zhi X F,Lin C Z,Bai Y Q,et al.2009.Multimodel superensemble forecasts of surface temperature using TIGGE datasets[C]//The 2nd THORPEX-Asia science workshop.Hangzhou:5-7.

Zhi X F,Zhou W Y,Xu Z C.2011.Multi-model ensemble forecasts of the TC tracks over the Western Pacific using the TIGGE dataset[C]//The 3rd international conference on information science and engineering.Yangzhou:173-4176.

Zhi X F,Qi H X,Bai Y Q,et al.2012.A comparison of three kinds of multimodel ensemble forecast techniques based on the TIGGE data[J].Acta Meteor Sinica,26(1):41-51.

智协飞,季晓东,张璟,等.2013.基于TIGGE资料的地面气温和降水的多模式集成预报[J].大气科学学报,36(3):257-266.Zhi Xiefei,Ji Xiaodong,Zhang Jing,et al.2013.Multimodel ensemble forecasts of surface air temperature and precipitation using TIGGE datasets[J].Trans Atmos Sci,36(3):257-266.(in Chinese).

周文友.2012.基于TIGGE资料的2009年夏季西太平洋台风路径和强度的多模式集成预报[D].南京:南京信息工程大学.Zhou Wenyou.2012.Multimodel ensemble fore casts of the TC tracks and intensity over the western Pacific Ocean during the summer of 2009 using the TIGGE Dataset.Nanjing:Nanjing University of Information Science and Technology.(in Chinese).

周文友,智协飞.2012.2009年夏季西太平洋台风路径和强度的多模式集成预报[J].气象科学,32(5):492-499.Zhou Wenyou,Zhi Xiefei.2012.Multimodel ensemble forecasts of the TC tracks and intensity over the western Pacific during the summer of 2009[J].J Meteor Sci,32(5):492-499.(in Chinese).

(责任编辑：张福颖)

陶丽,吴盟盟,沈新勇,等.2015.1982—2009年冬夏两季热带季节内振荡的趋势特征[J].大气科学学报,38(5):641-649.doi：10.13878/j.cnki.dqkxxb.20130524001.

Tao Li,Wu Meng-meng,Shen Xin-yong,et al.2015.Trend of tropical intraseasonal oscillations in summer and winter during 1982—2009[J].Trans Atmos Sci,38(5):641-649.(in Chinese).