GRAPES区域集合预报条件性台风涡旋重定位方法研究

奥鹏网院作业

GRAPES区域集合预报条件性台风涡旋重定位方法研究*
吴政秋1,2 张 进2 陈 静2 庞 波1,2 夏 宇2,3 陈法敬2

WU Zhengqiu1,2 ZHANG Jin2 CHEN Jing2 PANG Bo1,2 XIA Yu2,3 CHEN Fajing2

摘 要 为了在集合预报中更合理描述台风涡旋中心定位的不确定性，采用2009—2018年中国气象局和日本气象厅台风最佳路径数据，分析台风最佳路径涡旋中心定位的不确定性特征，在此基础上设计条件性台风涡旋重定位方法（Conditional Typhoon Vortex Relocation，CTVR），构建集合成员台风涡旋中心重定位阈值条件、台风涡旋分离数学处理及涡旋重定位等数学处理过程，利用中国气象局数值预报中心区域集合预报系统（Global/Regional Assimilation and Prediciton System-Regional Ensemble System，GRAPES-REPS）对2018年西北太平洋上的3个台风（1808号“玛莉亚”、1824号“谭美”和1825号“康妮”）进行轴对称结构和轴对称+非对称结构条件性台风涡旋重定位两种方案的集合预报试验和检验评估。结果表明：（1）中国气象局和日本气象厅台风最佳路径误差平均值为13.72 km，可视为台风涡旋中心定位不确定性的合理估计值；（2）统计检验结果和典型个例分析表明，采用轴对称结构和轴对称+非对称结构条件性台风涡旋重定位方法的台风集合预报路径误差及集合预报一致性结果比较接近；（3）条件性台风涡旋重定位方法可以有效改进GRAPES-REPS区域集合预报台风路径概率预报效果，如台风路径集合预报平均误差有所减小，集合预报一致性（路径离散度与路径均方根误差比值）增大，特别是预报初期概率预报效果改进更为显著，而预报中后期改进有限；（4）通过对“玛莉亚”台风集合预报诊断分析发现，经过条件性台风涡旋重定位后，各集合成员的台风路径误差在预报初期明显减小且路径收敛，但随着预报时效的延长台风路径逐渐发散。应用条件性台风涡旋重定位方法后，台风涡旋环流与大尺度环境场仍然比较连续协调，且台风涡旋环流外的大尺度环境场具有一致性特点，最低气压误差、最大风速误差和降水预报技巧基本不变。可见，条件性台风涡旋重定位方法的应用可以提供更准确的台风路径预报不确定性信息，帮助预报员做出更准确的预报决策。

关键词 台风涡旋，中心不确定性，条件性台风涡旋重定位，GRAPES区域模式，集合预报

1 引 言
准确预报台风路径变化是一项具有挑战性的工作。为了减小台风涡旋中心初始定位误差对数值预报的影响，Yoshio Kurihara等（1993）提出了经典的台风涡旋分离和构造理论及一系列改进方案，使用三点平滑滤波方法从背景场中去除涡旋，保持背景场的平滑，并构造新的台风涡旋，再与剔除台风涡旋的背景场结合，进而改进台风路径数值预报准确率。近年来，涡旋重定位技术和台风数值预报系统不断改进成熟，如美国地球流体动力实验室（GFDL）飓风模式和中尺度预报模式（MM5）等台风预报模式的初始化方案是将背景场中的初始涡旋直接剔除，随后再与台风bogus模型合并（Leslie，et al，1995；Wang，et al，1998；黄小刚等，2006），这些台风涡旋重定位方案在中国也被应用于台风数值预报系统中（王国民等，1996；陈德辉等，1996；王诗文，1999；瞿安祥等，2009a，2009b，2016；张进，2017），缩小了西北太平洋台风路径预报误差。但是，由于观测资料、数据分析、同化处理和模式自身存在误差，台风涡旋中心初始定位仍然存在不确定性，加之非线性大气运动具有混沌特性（陈静等，2002；杜均等，2010；王璐等，2019），使得单一确定性台风路径数值预报仍然存在误差（Zhang，et al，1999；袁金南等，2010；沈越婷，2015）。台风集合预报是描述台风涡旋中心路径预报不确定性的有效手段，研究如何合理描述台风涡旋中心初始定位不确定性的方法对改进台风集合预报具有重要科学意义和应用价值。

中外不少研究人员开展了台风集合预报的研究。Zhang等（1997）采用经验正交函数分解法（EOF）分析不稳定模，以此来构造台风集合预报初始扰动场，结果表明台风路径集合预报优于对照预报。Cheung等（1999）基于正压模式，通过随机扰动法（MCF）构造台风涡旋扰动，并采用滞后平均法（LAF）和增长模繁殖法（BGM）构造环境场扰动，其结果表明应用更精细化的扰动构造方案使台风集合概率预报精度得到明显提高。随后Chan等（2005）在Cheung等（1999）的基础上研究了增长模繁殖法台风初始场扰动方法，发现同时生成涡旋和环境场扰动的台风路径预报结果优于只生成环境场扰动的预报结果。黄小刚等（2007）通过集合卡尔曼滤波数据同化的方法生成台风扰动成员，试验结果表明经过同化处理的台风集合预报结果优于未经过同化处理的预报结果。王晨稀等（2007）将增长模繁殖法和模式物理过程扰动法（MPP）结合构造台风初始扰动，与单独使用任一种方法相比，结合增长模繁殖法初值和模式物理过程的扰动法进一步提高了台风路径预报的精度。随后王晨稀（2014）又采用组合不同的物理参数化方案方法和随机物理过程模式扰动方法（SPPT）结合构造台风初始扰动，同样发现两种方法的结合可以更有效地提高台风路径预报的准确度。对台风集合预报的研究尽管已经取得了较丰富的成果，但如何更合理地描述台风涡旋中心定位的不确定性仍有待深入研究。

中国气象局数值预报中心自主研发了区域集合预报业务系统（GRAPES-REPS），2014年实现业务化运行（张涵斌等，2014a，2014b），通过对GRAPES-REPS台风路径集合预报的诊断分析发现，虽然部分集合成员的台风涡旋中心初始定位经过扰动后比较合理，台风涡旋中心围绕着台风观测位置，但某些集合成员初始场中台风涡旋中心远离观测位置，夸大了台风涡旋中心初始定位的不确定性，从而导致该成员的路径预报效果较差，影响了台风路径集合概率预报的整体性能，因此需要改进台风涡旋中心定位误差的代表性。

利用2009—2018年中国气象局和日本气象厅台风最佳路径数据，分析台风涡旋中心定位的不确定性特征，在此基础上，基于GRAPES-REPS集合预报系统，设计了一种条件性台风涡旋重定位（CTVR）方法，以代表集合预报成员扰动初值中台风涡旋中心的不确定性特征，利用2018年西北太平洋上的3个台风（1808号“玛莉亚”、1824号“谭美”和1825号“康妮”）进行条件性台风涡旋重定位数值试验，并对台风路径、最低气压、最大风速和降水等集合预报结果进行检验，以期为改进台风集合预报提供依据。

2 台风涡旋中心初始定位的不确定性
2.1 资料简介
为获取台风涡旋中心初始定位不确定性的合理估计值，选取2009年1月1日至2018年12月31日中国气象局和日本气象厅10 a逐6 h的台风最佳路径数据集资料进行计算分析，其中中国气象局台风最佳路径资料采用了上海台风研究所整编的台风年鉴资料。

2.2 方法介绍
中国气象局和日本气象厅二者台风最佳路径的差值（S）采用Horton等（1968）的计算方法

pagenumber_ebook=6,pagenumber_book=165
式中，a1（a2）、 b1（b2)是中国气象局（日本气象厅）台风涡旋中心定位的经度和纬度，R为地球平均半径。

2.3 台风中心定位不确定性分析
表1是2009—2018年的最佳路径差值（S）计算结果。可见近10年中国气象局和日本气象厅最佳路径数据集中台风涡旋中心定位误差逐年平均值最大为17.18 km（2009 年），最小为11.98 km（2015 年），10 a误差平均值为13.72 km，可以认为该误差值是台风涡旋中心定位不确定性的合理估计值。

3 集合预报成员条件性台风涡旋重定位方法及试验设计
3.1 集合预报成员条件性台风涡旋重定位方法
集合预报成员条件性台风涡旋重定位过程包括了集合成员台风涡旋中心重定位阈值条件设定、台风涡旋分离数学处理及涡旋重定位数学处理。

3.1.1 集合成员台风涡旋中心重定位阈值条件设定

通过第2节统计分析可知，台风涡旋中心最佳路径的分析不确定性是13.72 km，结合试验模式10 km的水平分辨率（详见下节介绍），先以15 km为临界阈值，判别是否对集合预报成员进行台风涡旋重定位处理，即如果集合成员初值场中台风涡旋中心与最佳路径距离差值大于15 km，则判断该集合成员初始场中台风涡旋中心定位超出分析的不确定性范围，需要对该成员进行条件性台风涡旋重定位处理，否则认为该集合成员台风涡旋中心定位误差在分析不确定性范围之内，不做条件性台风涡旋重定位处理。随后通过典型个例集合预报试验，对台风涡旋中心重定位阈值进行敏感性试验，检验15 km阈值的合理性。

表1 中国气象局和日本气象厅最佳路径数据集2009—2018年平均最佳路径误差
Table 1 The mean best track errors of the best track data sets of China Meteorological Administration and Japan Meteorological Agency for 2009—2018

pagenumber_ebook=6,pagenumber_book=165
3.1.2 台风涡旋分离数学处理过程

采用美国地球流体动力试验室发展的台风涡旋分离技术（Kurihara，et al，1995），对需要进行重定位的台风集合预报成员进行台风初始场与台风涡旋的分离，具体步骤如下：

第1步：通过空间滤波，将台风初始场分离成大尺度基本场和中小尺度扰动场。

将表征气压、经（纬）向风、温度和水汽混合比等要素的台风初始场（hλ,φ）采用三点平滑滤波分离为基本场（hBλ,φ）与扰动场（hDλ,φ），其中下标 λ 、φ分别代表经度和纬度，如式（2）

pagenumber_ebook=7,pagenumber_book=166
具体数学处理过程是：首先利用局地三点平滑算子对台风集合预报成员初始场（hλ,φ）进行多次经向滤波获得经向平滑处理后的大尺度台风初始场pagenumber_ebook=7,pagenumber_book=166

pagenumber_ebook=7,pagenumber_book=166
式中，K为平滑系数，定义为

pagenumber_ebook=7,pagenumber_book=166
m依次取值为 2，3，4，2，5，6，7，2，8，9，2，连续应用于算子（3）进行经向滤波，目的是消除波长1000 km以内的中小尺度波动。经向滤波完成后，利用相同的方法继续对pagenumber_ebook=7,pagenumber_book=166进行纬向滤波，得到基本场 hBλ,φ，即

pagenumber_ebook=7,pagenumber_book=166
通过上述方法，可基本消除中小尺度波动，从而得到包含大尺度运动特征的基本场 hBλ,φ，而包含中小尺度运动特征的扰动场 hDλ,φ可由初始场 hλ,φ与基本场 hBλ,φ相减得到。

第2步：根据扰动风场分布特征确定台风涡旋中心和边界。

为了进一步将扰动场分解为台风成分与表征其他中小尺度系统的非台风成分，首先需要确定台风涡旋的中心和边界。具体做法为：首先以台风观测位置附近的海平面气压最小值与低层高度场所在点的平均位置作为初猜点，以此初猜点为中心、以6°为边长的正方形区域内计算扰动场低层（850 hPa）相对涡度的质心pagenumber_ebook=7,pagenumber_book=166即

pagenumber_ebook=7,pagenumber_book=166
式中，i,j为格点序号，ζ Dij为该格点的扰动场相对涡度，ΔSij为格点(i,j)对应的面积，wij为距离权重系数，定义为格点至观测中心距离（r）的函数

pagenumber_ebook=7,pagenumber_book=166
确定涡度质心位置后，继续根据需要向附近的风速最小值所在点微调，定为初始场中的台风涡旋中心位置。

台风涡旋中心确定后，台风边界可根据自台风涡旋中心延伸的24个径向上扰动切向风（vtan）的廓线确定，根据判据可将符合台风动力特征的扰动成分保留在台风区域之内，而将其他系统引起的扰动尽可能地划分在台风区域之外，从而得到台风涡旋半径（r0）。

第3步：在台风涡旋区域内采用最优插值法将扰动场分解为台风成分和非台风成分。

台风涡旋中心附近的扰动场主要由台风成分构成，而越接近区域边界，非台风成分所占比重越大，台风边界处的扰动则完全为非台风成分。据此，将边界处的扰动场作为非台风成分的已知值，将区域内部的非台风成分初猜场设为0，通过最优插值方法计算台风区域内非台风成分（hTλ,φ），从扰动场（hDλ,φ）中减掉非台风成分，即为台风成分（hVλ,φ）

pagenumber_ebook=8,pagenumber_book=167
3.1.3 台风涡旋重定位数学处理过程

考虑到台风涡旋结构的轴对称性和非对称性，为了将分离出的台风部分通过插值平移至观测位置，试验设计了两种台风涡旋重定位的数学处理过程。一是轴对称+非对称结构重定位，具体根据3.1.2节中所描述的方法得到台风轴对称+非对称结构部分（hVλ,φ），将所得到的台风部分插值到观测位置即可；二是轴对称结构重定位，具体方法是由Kurihara等（1993）提出，在台风轴对称+非对称结构（hVλ,φ）涡旋区域，以台风涡旋中心为极点引入极坐标系（r0，θ），其中 r0为台风涡旋平均半径，θ为极坐标系的极角（θ ∈ (0,2π)），将 hVλ,φ进行如下数学处理

pagenumber_ebook=8,pagenumber_book=167
式中，pagenumber_ebook=8,pagenumber_book=167为台风轴对称结构的部分。最后将台风轴对称涡旋环流场pagenumber_ebook=8,pagenumber_book=167插值到观测位置即可。

3.2 试验设计
3.2.1 集合预报模式简介

试验基于GRAPES-REPS区域集合预报系统，其集合成员数为15个（14个扰动预报和1个未扰动对照预报），预报区域为（15°—65°N，70°—145°E），水平分辨率 0.1°×0.1°，模式水平格点数为501×751，垂直方向为地形追随坐标，垂直分为50 层，模式积分步长为 150 s，预报时效为 72 h，模式每天2次（00和12时（世界时，下同））起报。模式背景场和侧边界条件由中国气象局数值预报中心T639全球集合预报（15个成员）系统产生。GRAPES-REPS集合预报系统初值扰动采用集合变换卡尔曼滤波方法，模式扰动采用多物理过程组合方法，通过组合边界层参数化方案与积云对流参数化方案构造不同集合成员的模式扰动方案（张涵斌等，2014a，2014b，2017）。

3.2.2 试验

选取2018年3个台风个例进行集合预报试验，分别为1808号台风“玛莉亚”（2018年7月9日00时—2018年 7月 11日 12时）、1824 号台风“谭美”（2018年9月26日12时—2018年9月29日12时）、1825号“康妮”台风（2018年10月4日00时—2018年10月6日18时）。进行3组试验：第1组是对照试验，不进行条件性台风涡旋重定位，第2组是重定位台风轴对称结构的部分，标记为试验1，第3组是重定位台风轴对称+非对称结构的部分，标记为试验2。3组试验的起报时间间隔均为 12 h。

在此基础上，以“玛莉亚”台风为例，对条件性台风涡旋重定位阈值进行了敏感性试验，试验方案见表2，并分析其预报路径、涡旋结构及要素场特征。

4 试验结果
4.1 统计检验结果
图1为“玛莉亚”、“潭美”、“康妮”台风经过条件性台风涡旋重定位后的集合平均路径误差改进率（%）随预报时效的变化，其中“玛莉亚”有5个预报样本，“潭美”“康妮”各有6个预报样本，总计17个样本，纵坐标下方数值为统计样本数。由图1可见，两种条件性台风涡旋重定位方案的改进效果相近，3个台风平均结果（图1d）显示台风经过条件性台风涡旋重定位后路径预报有一定的改进，原因是经过调整的台风集合预报初始场中的涡旋环流场和热力场等更接近实际的台风涡旋。但条件性台风涡旋重定位方法是针对台风集合预报初始场的改进与调整，在预报前期初始场质量的好坏影响较为明显，然而预报中后期路径误差主要受到模式物理过程和环境场的影响，因此0—42小时的改进较后期更为明显，随着预报时效的延长，路径误差改进率逐渐减小。“玛莉亚”（图1a）、“潭美”（图1b）和“康妮”（图1c）台风集合平均路径误差改进率最高分别达到了15.48%（6小时）、20.98%（12小时）和19.52%（24小时），“玛莉亚”台风的误差改进率在预报的中后期（36—60小时）有一定的提升。除了“玛莉亚”台风改进率始终为正值外，“潭美”和“康妮”台风的改进率分别在54和60小时出现了较小的负值。

表2 “玛莉亚”条件性台风涡旋重定位阈值敏感性试验方案
Table 2 The test scheme for the sensitivity of Conditional Typhoon Vortex Relocation threshold of "Maria"

pagenumber_ebook=8,pagenumber_book=167
pagenumber_ebook=9,pagenumber_book=168
图1 “玛莉亚”（1808）、“潭美”（1824）、“康妮”（1825）台风集合平均路径误差改进率（%）随预报时效的变化
（a.“玛莉亚”（2018年7月9日00时，60 h），b.“潭美”（2018年9月26日12时，72 h），c.“康妮”（2018年10月4日00时，66 h），d.3个台风平均（0—60小时3个台风平均，60—66小时2个台风平均，66—72小时仅1个台风））
Fig.1 The variation of the improvement rate of ensemble mean track errors of typhoons Maria（1808），Tarmi（1824）and Kong（1825）with forecast time
（a.Maria（00:00 UTC 9 July 2018，60 h），b.Tarmi（12:00 UTC 26 September 2018，72 h），c.Kong（00:00 UTC 4 October 2018，66 h），d.mean（The mean of three typhoons in 0—60 h，two typhoons in 60—66 h，and only one typhoon in 66—72 h））

为进一步确认条件性台风涡旋重定位对台风路径集合预报的影响，统计“玛莉亚”（1808）、“潭美”（1824）、“康妮”（1825）3个台风的集合平均路径误差与离散度（图2）。对比发现，试验1和试验2的集合平均路径误差和路径离散度统计结果相近。3个台风平均结果（图2d）表明经过条件性台风涡旋重定位后集合平均路径误差减小。3个台风路径误差减小值最高分别达到8.4 km（42小时）、8.6 km（12小时）和 13.1 km（24小时），路径预报的改进主要集中在0—42小时，在48—72小时条件性台风涡旋重定位前后的集合平均路径误差较为接近，且“潭美”和“康妮”台风试验1和试验2的路径误差分别在54和60小时大于对照试验，与其不同的是“玛莉亚”台风试验1和试验2的路径误差在预报过程中始终小于对照试验。3个台风及其平均结果的台风路径离散度在条件性台风涡旋重定位前后也有相应的变化，试验1和试验2的路径离散度在预报初期略小于对照试验，路径离散度较对照试验都呈现预报初期（0—24小时）减小然后基本一致的趋势，这与条件性台风涡旋重定位方案将台风涡旋中心初始定位平移至台风观测位置有关，使得台风涡旋中心初始定位与观测位置基本重合，从而路径离散度在预报初期减小。

pagenumber_ebook=11,pagenumber_book=170
图2 “玛莉亚”（1808）、“潭美”（1824）、“康妮”（1825）台风集合平均路径误差和离散度（km）随预报时效的变化
（a.“玛莉亚”，b.“潭美”，c.“康妮”，d.3 个台风平均（同图 1））
Fig.2 The variation of the ensemble mean track error and spread（km）of Typhoon Maria（1808），Tarmi（1824）and Kong（1825）with the forecast time
（a.Maria，b.Tarmi，c.Kong，d.mean（Same as Fig.1））

台风路径集合预报一致性（路径离散度与路径均方根误差比值）统计结果（图3）表明，采用条件性台风涡旋重定位方法后，3个台风及其平均结果的路径集合预报一致性在预报初期（0—12小时）较对照试验明显提升，这集中体现了条件性台风涡旋重定位方法对台风涡旋中心初始定位不确定性描述的改善效果。在预报中后期，试验1和试验2的一致性与对照试验结果相近，且3个试验的一致性随着预报时效的延长逐渐降低，此时的台风路径预报主要受到模式物理过程和环境场的影响。

4.2 “玛莉亚”台风个例分析
基于4.1节统计结果，以“玛莉亚”台风为例分析条件性台风涡旋重定位阈值敏感性、预报路径、涡旋结构及要素场特征。

pagenumber_ebook=12,pagenumber_book=171
图3 “玛莉亚”（1808）、“潭美”（1824）、“康妮”（1825）台风路径集合预报一致性（路径离散度/路径均方根误差）随预报时效的变化
（a.“玛莉亚”，b.“潭美”，c.“康妮”，d.3 个台风平均（同图 1））
Fig.3 The variations of the track ensemble forecast consistency（track spread/Root Mean Square Error of track）of typhoon Maria（1808），Tarmi（1824）and Kong（1825）with forecast time
（a.Maria，b.Tarmi，c.Kong，d.mean（Same as Fig.1））

图4为“玛莉亚”条件性台风涡旋重定位阈值敏感性试验结果，分别为对照试验、试验1与试验2不同阈值（10、15、20 km）的台风路径预报一致性。总体来看，条件性台风涡旋重定位阈值设定为15 km时，预报初期的一致性略高于其他试验结果，但随着预报时效延长，不同试验的一致性差异明显小于预报初期，究其原因，预报后期路径误差主要受到模式物理过程和环境场的影响。

从图5a可以看出，“玛莉亚”条件性台风涡旋重定位前误差阈值范围之外共有8个离群集合成员的台风涡旋中心，将这8个集合成员的台风涡旋中心重定位到台风观测位置（图5b），然后进行模式积分完成试验（2018年7月10日00时）。

图6为“玛莉亚”（1808）台风涡旋中心初始定位误差超过阈值的集合成员0—24小时台风预报路径和台风最佳路径。可见试验1（图6b）与试验2（图6c）的集合成员经过条件性台风涡旋重定位后，台风涡旋中心初始定位误差超过阈值的离群成员涡旋中心初始定位与观测位置基本重合，经过调整的台风集合预报初始场中的涡旋环流场和热力场等要素场更接近实际的台风涡旋。因此，台风路径误差和离散度明显减小，各集合成员在预报初期（0—12小时）的预报路径较对照试验（图6a）有明显的收敛，然而预报中后期路径误差主要受到模式物理过程和环境场的影响，集合成员的预报路径随着预报时效的延长逐渐发散。路径偏南的集合成员（12号、13号）经过条件性台风涡旋重定位后的路径有一定程度的北抬，与最佳路径更为接近。

各集合成员的路径预报误差统计（图7）表明，试验1（图7b）和试验2（图7c）台风涡旋中心初始定位误差超过阈值的集合成员经过条件性台风涡旋重定位后，在预报初期（0—12小时）各集合成员的台风路径误差较对照试验（图7a）明显减小。对于24 h台风路径预报，对照试验的集合成员路径误差值最大为163 km，而试验1和试验2的集合成员最大误差值不超过150 km，表明条件性台风涡旋重定位对台风路径预报有一定程度的正贡献。

为了检验条件性台风涡旋重定位方法设计的合理性，对比了条件性台风涡旋重定位前后1000 hPa高度场、风场和温度场的变化（图8）。由图8可见，条件性台风涡旋重定位后的台风涡旋环流和大尺度环境场仍然比较连续协调，除了涡旋环流内的要素场在重定位前后有微小的变化外，涡旋环流外的大尺度环境场基本不变，具有一致性特点，这充分说明了文中所使用的条件性台风涡旋重定位方法是合理的。

pagenumber_ebook=14,pagenumber_book=173
图4 “玛莉亚”（1808）台风路径集合预报一致性（路径离散度/路径均方根误差）随预报时效的变化
（a.试验 1，b.试验 2； 2018年7月9日00时起报）
Fig.4 The variations of the track ensemble forecast consistency（track spread/Root Mean Square Error of track）of typhoon Maria（1808）（a.Exp 1，b.Exp 2； 00:00 UTC 9 July 2018）

pagenumber_ebook=14,pagenumber_book=173
图5 “玛莉亚”（1808）台风 02号集合成员 1000 hPa气压场和风场（2018年7月10日00时，台风图标右下角数字为该位置的集合成员台风涡旋中心个数，黑色虚线为条件性台风涡旋重定位阈值的分界线）（a.重定位前，b.重定位后）
Fig.5 Pressure and wind fields of 1000 hPa of the No.2 member of typhoon Maria（1808）（00:00 UTC 10 July 2018，the number at the bottom right corner of the typhoon icon is the number of typhoon vortex centers of the members at that location，the black dotted line is the boundary line of threshold of the conditional typhoon vortex relocation）（a.before relocation，b.after relocation）

pagenumber_ebook=14,pagenumber_book=173
图6 “玛莉亚”（1808）台风涡旋中心初始定位误差超过阈值的集合成员 0—24 小时台风预报路径与台风最佳路径（起报时间 2018年7月10日00时）（a.对照试验，b.试验 1，c.试验 2）
Fig.6 The 0—24 h forecast track and the observational track of typhoon Maria（1808）for members whose initial location error of typhoon vortex center exceeds the threshold（starting time： 00:00 UTC 10 July 2018）（a.Control exp，b.Exp 1，c.Exp 2）

pagenumber_ebook=14,pagenumber_book=173
图7 “玛莉亚”（1808）台风涡旋中心初始定位误差超过阈值的集合成员 0—24 小时路径预报误差
（a.对照试验，b.试验 1，c.试验 2）（起报时间 2018年7月10日00时）
Fig.7 The errors of Typhoon Maria 0—24 hour forecast track for members whose initial location error of typhoon vortex center exceeds the threshold（a.control Exp，b.Exp1，c.Exp2）（starting time：00:00 UTC 10 July 2018）

图8a、b分别为试验1和试验2条件性台风涡旋重定位前后1000 hPa高度场和风场的差值，经过重定位数值试验后，台风初始场大尺度环流形势基本不变，只是将分离出来的台风涡旋中心平移到观测位置，从而使台风涡旋中心初始定位处的气压升高40 hPa，而观测位置的气压降低。风场除了在台风涡旋中心有约10 m/s的差值外，其他位置的风场在重定位前后基本不变。

图8c、d分别为试验1和试验2条件性台风涡旋重定位前后1000 hPa温度场的差值，结果表明温度场重定位前后基本不变，试验1（图8c）的台风涡旋中心处的等温线较为密集，且重定位前后温度差值最大仅为0.2 K。试验2（图8d）的温度差值最大为0.5 K，主要集中在台风涡旋的西部和北部。

pagenumber_ebook=14,pagenumber_book=173
图8 “玛莉亚”（1808）台风 02 号集合成员重定位前后 1000 hPa高度场（gpm）、风场（m/s）和温度场（K）差值（起报时间2018年7月10日00时）
（a.高度场与风场差值（试验 1），b.高度场与风场差值（试验 2），c.温度场差值（试验 1），d.温度场差值（试验 2））
Fig.8 Differences of 1000 hPa height field（gpm），wind field（m/s）and temperature field（K）before and after the Relocation of Typhoon Maria No.2 member（starting time: 00:00 UTC 10 July 2018）
（a.difference of height field and wind field（Exp1），b.difference of height field and wind field（Exp2），c.difference of temperature field（Exp1），d.difference of temperature field（Exp2））

pagenumber_ebook=15,pagenumber_book=174
图9 “玛莉亚”（1808）台风集合平均最低气压误差 与最大风速误差 随预报时效变化
（a.最低气压误差，b.最大风速误差；起报时间2018年7月10日00时）
Fig.9 The variation of the error of ensemble mean minimum atmospheric pressure（hPa）and the error of maximum wind speed（m/s）of Typhoon Maria（1808）with forecast time（starting time：00:00 UTC 10 July 2018）
a.minimum atmospheric pressure error，b.maximum wind speed error

除了条件性台风涡旋重定位前后台风结构的变化，台风强度和降水集合预报的变化也是试验关注点之一（图9）。误差统计结果表明试验1的集合平均最低气压误差略高于对照试验与试验2，但是3个试验结果相差不大，且随着预报时效的延长都呈现增大、减小交替的趋势，误差值最大为32.2 hPa（8 小时），最小为 24.9 hPa（15 小时）（图 9a）。试验1、试验2与对照试验的集合平均最大风速误差在预报前中期（0—18小时）基本一致，直到预报后期（18—24小时）3个试验方案的风速误差才有微小的差异，误差值最大为 18.5 m/s（8小时），最小为10.8 m/s（18 小时）（图 9b）。

采用AROC评分对“玛莉亚”台风12、24 h累计降水集合预报进行检验（钟有亮等，2017），以分析条件性台风涡旋重定位前后台风降水集合预报的变化，降水阈值分别设定为0.1、5.0和15 mm，根据台风环流形势的影响，台风集合预报降水检验区域定为（15°—40°N，110°—135°E）。通过对比 3 个试验的AROC评分（表3）可以发现，试验1、试验2与对照试验的AROC评分在条件性台风涡旋重定位前后变化较小，最大的评分差值仅为0.005（对照试验与试验1降水阈值为5.0 mm的12 h累计降水AROC评分差值）。综上试验结果表明，条件性台风涡旋重定位前后的最低气压误差、最大风速误差和降水预报技巧变化不大，主要是因为条件性台风涡旋重定位只针对初始场中的台风涡旋中心初始定位进行了改进和调整，对台风的强度等要素不作调整。

表3 “玛莉亚”台风 12、24 h 累计降水 AROC 评分（起报时间为2018年7月10日00时）
Table 3 AROC score of cumulative precipitation of Typhoon Maria for 12 and 24 h（starting time:00:00 UTC 10 July 2018）

pagenumber_ebook=15,pagenumber_book=174
5 结论和讨论
采用2009—2018年中国气象局和日本气象厅台风最佳路径数据，分析台风最佳路径涡旋中心定位的不确定性特征，在此基础上设计条件性台风涡旋重定位方法，构建集合成员台风涡旋中心重定位阈值条件、台风涡旋分离数学处理及涡旋重定位等数学处理过程，利用中国气象局数值预报中心区域集合预报系统对2018年西北太平洋上的3个台风（1808号“玛莉亚”、1824号“谭美”和 1825号“康妮”）进行轴对称结构和轴对称+非对称结构条件性台风涡旋重定位两种方案的集合预报试验和检验评估。得到如下结果：

（1）中国气象局和日本气象厅台风最佳路径误差逐年平均值最大为17.18 km（2009年），最小为11.98 km（2015年），10 a误差平均值为 13.72 km，可视为台风涡旋中心定位不确定性的合理估计值。

（2）统计检验结果和典型个例分析表明，采用轴对称结构和轴对称+非对称结构条件性台风涡旋重定位方法的台风集合预报路径误差及一致性结果比较接近。

（3）3个台风统计检验结果表明，对集合预报成员进行条件性台风涡旋重定位后，台风路径集合概率预报效果改进明显，特别是0—42小时的改进较后期更为明显，随着预报时效的延长误差改进率逐渐减小，重定位前后的集合平均路径误差在预报后期较为接近，改进有限。试验1和试验2的路径离散度较对照试验相比都呈现初期减小然后基本一致的趋势。路径集合预报一致性结果显示，在预报初期试验1和试验2的一致性较对照试验得到明显提升，在预报的中后期，3个试验结果相近，且随着预报时效的延长一致性逐渐减小。

（4）通过对“玛莉亚”台风集合预报诊断分析发现，经过条件性台风涡旋重定位后，各集合成员的台风路径误差在预报初期明显减小且路径收敛，但随着预报时效的延长台风路径逐渐发散。应用条件性台风涡旋重定位方法后，台风涡旋环流和大尺度环境场仍然比较连续协调，且台风涡旋环流外的大尺度环境场具有一致性特点，最低气压误差、最大风速误差和降水预报技巧基本不变。

综上可见，条件性台风涡旋重定位方法可以改进GRAPES-REPS模式台风集合预报的概率预报效果，减小台风路径集合预报误差，初始时刻的台风预报效果改进尤为明显。但在研究中也注意到，在模式积分区域内需要具有完整的台风涡旋结构，否则无法使用条件性台风涡旋重定位方法，需要进一步研究条件性台风涡旋重定位方法在积分区域边界附近的适用性；此外还注意到，如果模式水平分辨率低于台风最佳路径不确定性阈值，将影响台风涡旋中心重定位的准确性，故该方法在高分辨率集合预报模式中更具有应用前景。

致 谢：感谢中国气象局数值预报中心数值预报专家陈德辉、邓国对条件性台风涡旋重定位方案设计的建议。

参考文献

陈德辉，王诗文，汪厚君.1996.改进的物理过程参数化对台风路径数值预报的影响.应用气象学报，7（1）：1-8.Chen D H，Wang S W，Wang H J.1996.Performance of parameterization of SUB-SCALE physical processes in numerical model and its effects on typhoon track forecastings.Quart J Appl Meteor，7（1）：1-8（in Chinese）

陈静，陈德辉，颜宏.2002.集合数值预报发展与研究进展.应用气象学报，13（4）：497-507.Chen J，Chen D H，Yan H.2002.A brief review on the development of ensemble prediction system.J Appl Meteor Sci，13（4）：497-507（in Chinese）

杜钧，陈静.2010.单一值预报向概率预报转变的基础：谈谈集合预报及其带来的变革.气象，36（11）：1-11.Du J，Chen J.2010.The corner stone in facilitating the transition from deterministic to probabilistic forecasts：Ensemble forecasting and its impact on numerical weather prediction.Meteor Mon，36（11）：1-11（in Chinese）

黄小刚，费建芳，陆汉城.2006.消除分析台风方法的对比研究.应用气象学报，17（1）：81-86.Huang X G，Fei J F，Lu H C.2006.A contrast test of the methods to remove the analyzed typhoon.J Appl Meteor Sci，17（1）：81-86（in Chinese）

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.大气科学学报，31（3）：468-478.Huang X G，Fei J F，Lu H C.2007.The ensemble forecasting of tropical cyclone track based on ensemble Kalman filter data assimilation.Trans Atmos Sci，31（3）：468-478（in Chinese）

瞿安祥，麻素红，Liu Qingfu 等.2009a.全球数值模式中的台风初始化 I：方案设计.气象学报，67（5）：716-726.Qu A X，Ma S H，Liu Q F.2009a.The initialization of tropical cyclones in the NMC global model Part I：Scheme design.Acta Meteor Sinica，67（5）：716-726（in Chinese）

瞿安祥，麻素红，李娟等.2009b.全球数值模式中的台风初始化II：业务应用.气象学报，67（5）：727-735.Qu A X，Ma S H，Li J.2009b.The initialization of tropical cyclones in the NMC global model Part II：Implementation.Acta Meteor Sinica，67（5）：727-735（in Chinese）

瞿安祥，麻素红，张进.2016.T639全球模式的台风初始化方案升级试验.气象，42（6）： 664-673.Qu A X，Ma S H，Zhang J.2016.Updated experiments of tropical cyclone initialization in global model T639.Meteor Mon，42（6）：664-673（in Chinese）

沈越婷，钱传海，李泽椿.2015.热带气旋集合预报技术的应用情况简介.气象科技进展，5（5）：33-42.Shen Y T，Qian C M，Li Z C.2015.A review on applications of tropical cyclones ensemble prediction technologies.Adv Meteor Sci Tech，5（5）：33-42（in Chinese）

王国民，王诗文，李建军.1996.一个人造台风方案及其在移动套网格模式中的应用.热带气象学报，12（1）：9-17.Wang G M，Wang S W，Li J J.1996.A bogus typhoon scheme and its application to a movable mesh model.J Tropic Meteor，12（1）：9-17（in Chinese）

王诗文.1999.国家气象中心台风数值模式的改进及其应用试验.应用气象学 报 ，10（3）： 347-535.WANG S W.1999.Advances on typhoon numerical model of NMC and applied experiments.Quart J Appl Meteor，10（3）：347-535（in Chinese）

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

王晨稀.2014.“梅花”台风路径与强度的集合预报.热带海洋学报，33（6）：48-60.Wang C X.2014.Ensemble prediction of typhoon Muifa’s track and intensity.J Tropi Oceanography，33（6）：48-60（in Chinese）

王璐，沈学顺.2019.对流尺度集合预报与模式不确定性研究进展.气象，45（8）： 1158-1163.Wang L，Shen X S.2019.Review on the representation uncertainty in convection-allowing ensemble prediction system.Meteor Mon，45（8）：1158-1163（in Chinese）

袁金南，宋丽莉，黄燕燕.2010.一种初始涡旋重定位方法及热带气旋路径数值模拟试验.热带气象学报，26（3）：257-263.Yuan J N，Song L L，Huang Y Y，et al.2010.A method of initial vortex relocation and numerical simulation experiments on tropical cyclone track.J Tropi Meteor，26（3）：257-263（in Chinese）

张进，麻素红，陈德辉等.2017.GRAPES_TYM改进及其在2013年西北太平洋和南海台风预报中的表现.热带气象学报，33（1）：64-73.Zhang J，Ma S H Chen D H.2017.The improvements of GRAPES_TYM and its performance in Northwest Pacific Ocean and South China Sea in 2013.J Trop Meteor，33（1）：64-73（in Chinese）

张涵斌，陈静，智协飞等.2014.基于GRAPES-Meso的集合预报扰动方案设计与比较.大气科学学报，37（3）：276-284.Zhang H B，Chen J，Zhi X F，et al.2014.Design and comparison of perturbation schemes for GRAPES-Meso based ensemble forecast.Trans Atmos Sci，37（3）：276-284（in Chinese）

张涵斌，陈静，智协飞等.2014.GRAPES 区域集合预报系统应用研究.气象，40（9）：1076-1087.Zhang H B，Chen J，Zhi X F，et al.2014.Study on the application of GRAPES regional ensemble prediction system.Meteor Mon，40（9）：1076-1087（in Chinese）

张涵斌，智协飞，陈静等.2017.区域集合预报扰动方法研究进展综述.大气科学学报，40（2）：145-157.Zhang H B，Zhi X F，Chen J，et al.2017.Achievement of perturbation methods for regional ensemble forecast.Trans Atmos Sci，40（2）：145-157（in Chinese）

钟有亮，陈静，王静等.2017.GRAPES区域集合预报系统对登陆台风预报的检验评估.热带气象学报，33（6）：953-964.Zhong Y L，Chen J，Wang J.2017.Evaluation of the forecast for landed typhoons by GRAPESREPS regional ensemble prediction system.J Trop Meteor，33（6）：953-964（in Chinese）

Chan J C L，LI K K.2005.Ensemble forecasting of tropical cyclone motion using a barotropic model Part Ⅲ ： Combining perturbations of the environment and the vortex.Meteor Atmos Phys，90（1）：109-126

Cheung K K W，Chan J C L.1999.Ensemble forecasting of tropical cyclone motion using a barotropicmodel，Part Ⅰ ： Perturbations of the environment.Mon Wea Rev，127（6）：1 229-1 243

Kurihara Y，Bender M A，Ross R J.1993.An initialization scheme of hurricane model by vortex specification.Mon Wea Rev，121：2030-2045

Kurihara Y，Bender M A，et al.1995.Improvements in the GFDL hurricane prediction system.Mon Wea Rev，123：2791-2801

Leslie L M，Holland G J.1995.On the bogussing tropical cyclones in numerical models：A comparison of vortex profiles.Meteor Atmos Phys，56（1）：101-110

Lieut Jack O，Horton Jr Usnr.1968.Great circle route.Navigation，15（3）：257-259

Wang Y Q.1998.On the bogussing tropical cyclones in numerical models：The influence of vertical structure.Meteor Atmos Phys，65（1）：153-170

Zhang Z，Krishnamurti T N.1997.Ensemble forecasting of hurricane tracks.Bull Amer Meteor Soc，78（12）：2785-2795

Zhang Z，Krishnamurti T N.1999.A perturbation method for hurricane ensemble predictions.Mon Wea Rev，127（4）：447-469

1.Chengdu University of Information Technology，Chengdu 610025，China

2.Numerical Weather Prediction Center，China Meteorological Administration，Beijing 100081，China

3.Nanjing University of Information Science & Technology，Nanjing 210044，China

Abstract In order to describe the uncertainty of the location of typhoon vortex center more reasonably in ensemble forecast, the uncertainty characteristics of the location of typhoon vortex center in the best track of typhoon were analyzed by using the data of the China Meteorological Administration and Japan Meteorological Agency from 2009 to 2018.On this basis, the method of Conditional Typhoon Vortex Relocation (CTVR) is designed, and the threshold conditions of Typhoon Vortex Center Relocation, the mathematical processing of typhoon vortex separation and the mathematical processing of typhoon vortex relocation are constructed.Based on the Global/Regional Assimilation and Prediction System-Regional Ensemble System (GRAPES-REPS) of Numerical Weather Prediction Center of China Meteorological Administration , the ensemble forecast experiments and test of two schemes of axisymmetric structure and axisymmetric plus asymmetric structure Conditional Typhoon Vortex Relocation for three typhoons(Maria (1808), Tarmi (1824) and Kong (1825)) over the Northwest Pacific Ocean in 2018 were carried out.The results show that:(1) The mean error of the observational track of typhoon between China Meteorological Administration and Japan Meteorological Agency is 13.72 km, which can be regarded as a reasonable estimate of the uncertainty of typhoon vortex center location.(2) Statistical test results and typical case analysis show that typhoon ensemble forecast track error and ensemble forecast consistency using axisymmetric structure and axisymmetric plus asymmetric structure CTVR are comparatively close.(3) The method of CTVR can effectively improve the probabilistic prediction effect of typhoon track in GRAPES-REPS.For example, the mean error of ensemble forecast of typhoon track is reduced, and the consistency of ensemble forecast (the ratio of track spread to Root Mean Square Error of track) is increased, especially in the initial stage, the improvement of probabilistic prediction effect is more remarkable, while the improvement in the middle and later stage is limited.(4) Through the diagnosis and analysis of Maria typhoon ensemble forecast, it is found that after the CTVR, the typhoon track error of each member obviously decreases and the track converges in the early stage of forecast, but with the increase of forecast time, the typhoon track gradually diverges.After using the method of CTVR, the typhoon vortex circulation and the large-scale environmental field are still in continuous coordination, and the large-scale environmental field outside the typhoon vortex circulation has the characteristics of consistency.In addition, the error of minimum atmospheric pressure, the error of maximum wind speed and the skill of precipitation forecast are basically unchanged.It can be seen that the application of CTVR method can provide more accurate information of the uncertainty of typhoon track prediction and help forecasters to make more accurate prediction decisions.

Key words Typhoon vortex，Central uncertainty，Conditional typhoon vortex relocation，GRAPES regional model，Ensemble forecast

1.成都信息工程大学，成都，610225

2.中国气象局数值预报中心，北京，100081

3.南京信息工程大学，南京，210044

2019-10-22收稿，2020-01-02改回.

吴政秋，张进，陈静，庞波，夏宇，陈法敬.2020.GRAPES区域集合预报条件性台风涡旋重定位方法研究.气象学报，78（2）：163-176

Wu Zhengqiu，Zhang Jin，Chen Jing，Pang Bo，Xia Yu，Chen Fajing.2020.The study on the method of conditional typhoon vortex relocation for GRAPES regional ensemble prediction.Acta Meteorologica Sinica，78（2）:163-176

* 资助课题：国家重点研发计划项目（SQ2018YFC150096、2017YFC1501604）、国家自然科学基金项目（41605082）。

作者简介：吴政秋，主要从事集合预报研究。E-mail：1735367482@qq.com

通信作者：张进，主要从事台风数值预报研究。E-mail：zhangjn@cma.gov.cn

中图法分类号 P435