英语原文共 19 页，剩余内容已隐藏，支付完成后下载完整资料

通过地表模式参数不确定性提高天气预报能力

RENE ORTH
Institute for Atmospheric and Climate Science, ETH Zurich, Zurich, Switzerland
EMANUEL DUTRA
European Centre for Medium-Range Weather Forecasts, Reading, United Kingdom
FLORIAN PAPPENBERGER
European Centre for Medium-Range Weather Forecasts, Reading, and School of Geographical Sciences,
University of Bristol, Bristol, United Kingdom
(Manuscript received 19 August 2015, in final form 27 November 2015)

摘要

地表是地球系统模式的重要组成部分，与海洋和大气等其他部分非线性相互作用。为了研究陆地表面的复杂多变的水文情况，地表模式包括大量影响耦合到其他组分的参数。本文以ECMWF的陆地表面模式水文学为研究对象，研究了陆地表面交换的ECMWF方案，提出了利用欧洲多个观测数据集进行综合参数敏感性评价的方法。作者选取了6个约束条件较差的有效参数（地表径流有效深度，土壤电导率，最小气孔阻力，最大截留量，土壤湿度应力函数和土壤总深度），并利用非耦合模拟和耦合季节预报探索它们对模式输出如土壤湿度，蒸散和径流的敏感性。此外，作者研究了从多个地表参数构建集合的可能性。

在非耦合运行中，作者发现最小气孔阻力和总土壤深度对模式性能的影响最大。在非耦合分析中，预测技能分数对与HTESSEL性能相同的参数更为敏感。作者通过比较多个表现最好的参数集和多个随机选择的参数集证明了这些发现的稳健性。作者发现更好的温度和降水预报技巧与最佳性能的参数扰动，证明了模式性能在非耦合（计算要求较低）和耦合设置的代表性。

最后，作者利用HTESSEL的不同最佳性能参数化来构建集合成员的集合预测。参数不确定性在整体生成中的集合导致预测技巧的提高，甚至超出默认系统的技能。

1.引言

地表是地球系统模式中的一个重要元素。地表水文非常复杂， 例如，土壤和植被以及非线性过程的横向和纵向非均质性决定着陆地表面与大气之间能量和水的交换。用陆面模式研究这些过程是一个很大的挑战。由于计算能力的进步，以及额外的研究流程，用陆面模式研究陆—气之间交换过程的复杂性也在不断增加。

虽然地表过程的物理表现有所改善，但研究中的模式性能并不一定会得到改善。因为增加的模式复杂度通常涉及更多（有效的）模式参数和其他挑战，使得对地表模式进行校准变得越来越困难，例如模式结构中的不确定性。 此外，在所需的空间尺度应用模式参数化是一项挑战。由于地表水文观测的稀缺性（和不确定性）以及土壤和植被的基本特征，使模式参数的校准更加复杂。

在本研究中，我们将重点放在欧洲中程天气预报中心(ECMWF)的陆地表面模式水文地面化和ECMWF方案的陆地表面交换。为了解决其中的地表不确定性问题，我们采用了Orth和Seneviratne（2015）提出的综合方法，将欧洲的多个水文观测数据集与HTESSEL进行校准。 为此，我们使用准随机变化策略（Sobol1967）选出许多受限制较差的参数，并以许多不同的组合扰乱它们。使用观测到的大气压力数据，由此设定出的非耦合模式模拟使我们能够识别敏感参数，并且还可以确定许多不同但同样表现良好的参数。

通常，模式校准的范围定义了方法。例如，在数值天气预报系统中，地面模式有助于提高预测技能。然而，在这样的耦合系统内的模式校准是困难的并且在计算上要求很高。

在这里，我们解决了这个问题，并研究从非耦合模式实验到耦合设置结果的可转移性。未耦合的设置意味着运行用（观测）大气压力驱动的陆面模式，而不向大气提供任何反馈。耦合的模式运行包括运行陆地表面模式和计算大气压力的大气模式，同时考虑来自陆地表面的反馈（例如，蒸发通量）。我们通过扩展非耦合模式校准方法，并在耦合的子周期集成天气预报中测试派生的最佳参数集，来比较非耦合和耦合设置的模式性能。可以全面地分析出一个耦合系统在哪个范围内可以从非耦合模式校准中受益，该模式校准更简单，计算要求也更低。

除了模式校准之外，最后一步我们试图提供关于陆面模式参数不确定性的新观点。我们分析了预测集合生成的同样好的陆面模式参数化的潜在好处。这是通过耦合模式实验来完成的，由于计算量，这在其他研究中是少见的。在这种方法中使用等效模式参数化可以使我们共同获取由模式参数化和初始条件产生的不确定性，因为这些不确定性会随着参数变化而变化。这样的方法可能是有用的，因为表示表面变量的不确定性是困难的，而它们的分布可以随时间变化，并且它通过测试不同的物理方案为模式的不确定性评估提供了一种替代方法。以下两部分描述了本研究中使用的数据和方法，其次是非耦合和耦合模拟的讨论结果，最后一部分则论述了此次研究的主要结论。

1. 研究方法

a.模式描述

1) HTESSEL

ECMWF陆面模式HTESSEL通过计算地表对大气条件的感应程度，来模拟地表水和能量通量以及土壤温度，土壤含水量，植被拦截和积雪条件的时间演变规律。

在与大气的接触界面上，每个方格都被分成6块，代表不同的土地覆盖(例如，裸露的地面，高/低的植被，暴露的雪，有阴影的雪，和拦截)。在解决土壤和雪质量和能量平衡之前，在每个方格中独立地计算表面能量平衡。因此，需要土壤电导率参数来表示地表和下面的土壤之间的热传导率（考虑诸如冠层内的辐射传递的过程）。拦截水库是土壤/植被顶部的薄层，通过拦截雨水收集液态水露水，以潜在的速度蒸发。植被蒸腾作用是由冠层阻力建立的，冠层阻力是可以辐射，叶面积指数，土壤水分蒸发率和最小气孔阻力来表示的函数。土壤被全球离散化为四层（深度为7,21,72和189厘米），用于水和能量转移。水从下层的土壤中排出，作为自由排水，在地表上，使用与地形有关的子网格可变性的可变入渗率来计算地表径流。

2)ECMWF集合预报系统

对于耦合的周期预报实验，我们使用了与ECMWF当前操作集合预报系统（ENS）相似的模式配置。用于月度预报业务的ENS是一个由51个成员的海洋-大气耦合模式所集成的，最多可提前60天预测。前10天以TL639分辨率（28公里）预测。10天之后，由TL319

（50公里）预测。60天的预测是每周四和周一进行的。这些集合成员在初始条件和随机物理方面略有不同，代表了运行分析中固有的不确定性。在这种情况下，初始条件是指初始的土壤湿度和压力场。随机物理的差异是随机扰动在大气物理学的条件下而产生的。利用奇异向量扰动方法（包括热带地区的扰动和热带气旋的一些热带地区的扰动）以及数据同化的干扰，产生各自集成的初始条件。考虑到海洋资料同化中的风应力不确定性，海洋的初始条件也会受到干扰。

与操作系统相比，我们的实验设置在分辨率和整体大小上有所不同。为了能够测试多个地表扰动，使用较低的分辨率（T255，60 km，在整个预测期内不变）和减小集成尺寸（15而不是51）是降低这些实验的计算成本所必需的。

b.模式模拟

了解陆面模式参数不确定性对其性能的影响是解决这一参数不确定性是否能改善天气预报的问题的关键。为此，我们需要在计算可负担的设置中测试大量的参数集。

选择参数集的一个子集，然后测试并将最初的结果转移到扩展模式上模拟。这需要通过分析三种不同的配置来实现（参见表格1概述）。

1) 为了测试HTESSEL中许多不同的参数扰动，我们在1983年至2012年的6个选定的位置进行了非耦合模拟。应用参数扰动的细节在第2c(1)节中提供。包括1983年的第一年允许模式达到平衡状态（旋转）并且不被考虑用于分析。这些选择的地点代表了北欧，中欧和南欧的气候; 如图一所示，时间步长为1h。

2)为了评估这六个地区模拟结果的代表性，我们在1983年到2012年期间用欧洲地面模式HTESSEL进行非耦合模拟。这些模拟是用50组参数扰动的一个子集进行的[详见第2c（2）节]。

3)为了研究结果对耦合预报的可转移性，我们选取50个参数扰动中的11个参数进行全球预测[见第2c（2）节）。 我们采用了全球陆地 - 大气耦合实验2的研究设计，因为它们也研究了陆地表面（即初始土壤水分）在周期预报中的影响：我们着重关注北半球夏季，预测在每个月的开始和中间，预测从2001年至2010年在每年开始（即5月1日，5月15日，6月1日，6月15日，7月1日，7月15日，8月1日和8月15日）。预测的计算时间为45天，由15个总体成员组成，从而进行概率评估。最初的大气条件取自ERA-Interim分析的预测实验，初始地形条件取自全球未耦合的HTESSEL模拟和相应的一组参数扰动。这意味着土地初始条件在不同的实验中是不同的，但初始的大气条件是相同的(图2).

c.参数扰动

1) 参数空间取样

寻求有效的方法来约束模式参数及其不确定性是陆地表面建模中的一个长期话题，人们对此提出了不同的方法。

与蒙特卡罗的研究相反，我们在这次研究中采用Sobol(1967)提出的准随机参数扰动方法，因为它使我们能够更有效地对整个多维参数空间进行取样，并确保各个参数之间不存在交叉相关性。我们已经决定不假设任何交叉关联，因为这样的一个额外假设在这里是不必要的，而且校准模式朝向最优性能将会适当地调整这些相关性。这种方法能对水文误差问题进行纯粹的统计处理。为了能全面的分析灵敏度，我们同时扰动一些选定的参数。这使我们能够根据每个单独的参数得出模式性能的总体灵敏度。我们选择了六个参数来扰动这个研究中的默认值。这个选择是基于模式开发者和该领域现有文献的专家判断；选择这些参数的原因是因为它们测量的稀缺或空间异质性大，而且它们对模式的陆地水文影响非常重要。概述见表2。所选参数仅构成模式参数的一小部分（即，当前为100的量级）。尽管有更多的参数可以进行更全面的模式校准，但是由于参数的数量，扰动参数的可能组合的数量急剧增加，导致我们受到计算成本的限制。

我们通过对每个参数应用乘法因子来扰动参数。这些因素是从0.25到4之间的范围内选择的，这使得这些变化能保持在合理的物理范围内，而且会对模式模拟产生实质性的影响。乘数在空间和时间上保持不变。为了进一步限制计算量，我们使用一种有效的准随机变量策略来扰乱上述参数。为了评估单个参数相互作用之间的影响，及每个参数的总体灵敏度，我们计算了一组200个扰动（乘法因子），然后用在六个参数的每一个中。之后我们将第一个参数的前100个扰动与后面100个相同参数的扰动进行交换。这是针对每个参数单独完成的，也是针对每个可能的2个参数的组合，导致200（原始扰动） 6*100（交换每个参数的扰动） 15*100（为每组2个参数交换扰动）=2300扰动参数组。然而需要注意的是，尽管我们使用了大量的参数扰动和一个有效的采样策略，但是我们不可避免地错过了大型六维参数空间中的一些区域，这就影响了我们对参数不确定性的估计。

2)选择扰动参数集的子集

如上所述，让相应的2300个HTESSEL模拟在6个位置进行，而50个参数扰动子集中的一个子集被选择用于整个欧洲的模拟。这50组中的一半代表性能最好的参数集，另一半从剩余的2275组中随机选择，以表示参数空间的完全可变性。为了确定参数集的性能，我们首先将所有2300个模拟结果与四个验证数据集中的每一个进行比较，对其进行排序[第3b（1）节]。 对于每个参数集，根据土壤湿度，陆地蓄水量，河流流量和ET的异常相关性以及河流和ET的绝对偏差计算出六个等级。

表现最好的一组参数扰动由以下因素决定：（i）相应模拟的六个等级之和必须在2300个模拟结果最低的10％之间，（ii）各个等级必须全部在2300个模拟结果中且小于或等于1311（57％）。这些数字被选择为产生25个性能最好的参数集。这些参数包括HTESSEL的默认参数集，而不需要任何扰动。

从剩余的2275个模拟中随机选择额外的25组参数扰动，从而确保这25个参数扰动合理的不同（即，大部分不相关）。为次，我们选择了一个随机样本，其中任何一个参数与另一个参数扰动之间的相关性不超过0.1。

由于计算的限制，我们不能在全球耦合预测中测试所有选定的50个参数集。因此，我们选择了11个参数集的子集，包括默认的校准(见表2)和5组(其他)最佳性能参数和附加参数。为了做出选择，我们测试了25个参数集中的5个的所有可能的组合，以便选择出具有最不相关的参数扰动的组合（参见上文）。

d.计算参数敏感度

为了评估HTESSEL的特定输出变量的性能p对特定参数i扰动的灵敏度s，我们计算s(p,i)= (1)

其中p表示为异常相关性或偏差的模式性能，并可针对任何验证数据集进行计算（第3b(1)节），var(p）是它的方差，E（p|i）是在参数扰动i条件下的期望值，E（p|i）是通过拟合一个三次样条函数估计的, 如在线补充图S1所示。在等式(1)中如果参数i的扰动与所得到的模式性能p之间存在关系，则灵敏度高; 也就是说，如果这样的拟合函数能够体现出p的很大一部分变化性。相反，如果性能p的散射很大且是随机的，则灵敏度较低，使得拟合的函数不能体现大部分的整体变化性。灵敏度在0和1之间变化; 如果任何输出变量的性能对特定参数的扰动强烈敏感，则s将接近于1，否则接近于零。

上述总灵敏度由（i）反映特定参数的直接影响的一阶灵敏度和（ii）体现特定参数与其他参数的相互作用的影响的高阶灵敏度组成。描述的实验设计第2b节我们采用S

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21515]，资料为PDF文档或Word文档，PDF文档可免费转换为Word