人工智能模型与传统数值预报对极端温度事件的集合预报对比分析OA

极端温度事件对人类社会和经济活动有重要影响,但其预报仍存在较大的不确定性,因此,利用集合预报方法来合理表征这种不确定尤为重要。基于盘古气象模型(Pangu-Weather,PGW),利用中国气象局全球中期集合预报系统(China Meteorological Administration Global Ensemble Prediction System,CMA-GEPS)的扰动初值构建了盘古气象中期集合预报系统(PGW-GEPS),并以2022年浙江极端高温事件和2024年内蒙古寒潮事件为例,对比分析了PGW-GEPS与CMA-GEPS集合预报对这两次极端温度事件的中期预报能力。结果显示,在浙江高温事件和内蒙古寒潮事件中,PGW-GEPS对极端温度预报不确定性的描述能力和准确度与CMA-GEPS相当,均能较好表征2 m气温预报不确定性随预报时长延长而增大的特征。但在浙江高温事件中,PGWGEPS对切变线预报存在不足,中期预报表现出较大的误差。进一步对比分析了这两次极端温度事件的动能谱特征,发现PGWGEPS次天气尺度以下的动能谱存在衰减现象。总体而言,基于人工智能模型的PGW-GEPS对极端温度事件具有预报能力,特别是3—10 d的极端温度预报准确度与CMA-GEPS具有可比性,且计算速度方面具有一定优势。然而,PGW-GEPS在表征快速变化的中小尺度天气系统方面仍存在不足,需要进一步提升对次天气尺度系统的预报能力。