2024年3月26日发(作者：目前口碑最好的国产电视机)
第
45
卷第
1
期
2021
年
1
月
大气科学
Chinese
Journal
of
Atmospheric
Sciences
Vol. 45 No. 1
Jan. 2021
危国飞，刘会军，潘宁，等
.2021.
台风路径数值预报实时订正技术及其集成应用
[J].
大气科学，
45(1): 195-204. WEI Guofei，LIU Huijun，PAN
Ning, et al. 2021. Real-Time Correction Method for Numerically Modeled Typhoon Tracks and Its Integrated Application [J]. Chinese Journal of
Atmospheric Sciences (in Chinese), 45(1): 195-204. doi:10.3878/.l006-9895.2010.19237
台风路径数值预报实时订正技术及其集成应用
危国飞h
2
刘会军U
2
潘宁U
2
冷典颂
1
>
2
吴启树
U2
1
福建省灾害天气重点实验室，福州
350001
2
福建省气象台，福州
350001
摘要
以台风路径数值预报的短时效预报偏差和目标时效（指所需订正的时效）的纬度预报为预报因子，采用
多元线性回归方法建立了台风路径预报的偏差预估方程，继而对台风路径预报进行实时订正。本文以
12
h
为短
时效，通过对欧洲中期天气预报中心确定性预报模式（
ECMWF-IFS)
和集合预报模式（
ECMWF-EPS)
的台风
路径预报的应用，得到以下结论：
2018
年试报结果表明，
24h
、
36h
、
48h
、
60h
、
72h
、
84h
订正后的
ECMWF-
IFS
台风路径预报的平均距离误差分别比订正前减小了
7.3 km
、
9.3 km
、
8.9 km
、
6.5 km
、
6.9km
、
2.6
km
,总体
来说较强台风（指
12 h
的台风强度实况
>32.7ms_1)
路径预报的订正效果更好。尝试了先对
ECMWF-EPS
各成
员的台风路径预报进行订正，再进行集成预报，并对比了以下
5
种方式得到的台风路径预报：“订正后的确定性
预报
”
、
“
所有集合预报成员集合平均
”
、
“
优选集合预报成员集合平均”、“所有集合预报成员先订正再集合
平均
”
和
“
优选集合预报成员先订正再集合平均
”
，
2018
年试报结果表明，对于平均距离误差
，24 h
和
36 h
“
优选集合预报成员先订正再集合平均
”
最小
，48 h
和
60 h “
所有集合预报成员先订正再集合平均
”
最小
，72 h
和
84h “
优选集合预报成员集合平均
”
最小，如果在业务中有针对性地进行应用，有望获得一个在各预报时效表
现都较优异的台风路径客观综合预报结果
。24 h、36 h、48 h、60 h “
优选集合预报成员先订正再集合平均”的平
均距离误差分别比
“
所有集合预报成员集合平均”减小了
13.3 km
、
11.7km
、
10.0 km
、
7.6 km
,比中央气象台官
方预报（对应的时效为
12h
、
24h
、
36h
、
48h
)减小了
0.7km
、
2.0km
、
3.9km
、
2.4km
。
关键词
台风路径数值预报订正集
文章编号
1006-9895(2021)01-0195-10
doi:
10.3878/j .issn.
1
006-9895.2010.19237
成
中图分类号
P456
文献标识码
A
Real-Time Correction Method for Numerically Modeled Typhoon Tracks
and Its Integrated Application
WEI
Guofei
1 ",
LIU
Huijun
1 2,
PAN
Ning
1 2,
LENG
Diansong
1'2,
and
WU
Qishu
1 "
1
Fujian Key Laboratory of Severe Weather, Fuzhou
350001
2
Fujian Provincial Meteorological Observatory, Fuzhou
350001
Abstract
Using the short-lead-time forecast bias and target-lead-time latitude forecast (i.e., the lead time required to be
收稿日期
2019-10-22:
网络预出版日期
2020-09-02
作者简介危国飞，男，
1987
年出生，硕士研究生、工程师，主要从事天气预报技术方法研究。
E-mail:*****************.cn
通讯作者刘会军，
E-mail:****************.cn
资助项目中国气象局预报员专项
CMAYBY2017-035,
气象预报业务关键技术发展专项子项目
YBGJXM(2018)lB-05
,福建省自然科学基金社
会发展引导性（重点）项目（
2017Y-008)
Funded
by China Meteorological Administration Forecaster Special Project (Grant CMAYBY2017-035), Meteorological Forecasting Operation Key
Technology Development Program (Grant YBGJXM(2018)lB-05), Social Development Guiding (Key) Project of Fujian Natural Science
Foundation (Grant 2017Y-008)
大气科学
196
Chinese Journal of Atmospheric Sciences
45
卷
Vol. 45
corrected) of numerically forecasted typhoon tracks as the predictors, a track forecast bias prediction equation is
established by multiple linear regression. The equation permits typhoon track forecast correction in real time. In this
paper, 12 h is taken as the short lead time, and the European Center for Medium-Range Weather Forecasts deterministic
prediction system (ECMWF-IFS) and ensemble prediction system (ECMWF-EPS) for typhoon track forecasts are applied.
The modeled forecast results from 2018 show that the mean track error of the corrected typhoon tracks forecasted by
ECMWF-IFS at 24 h, 36 h, 48 h, 60 h, 72 h, and 84 h is reduced by 7.3 km, 9.3 km, 8.9 km, 6.5 km, 6.9 km, and 2.6 km,
respectively, compared with those of uncorrected typhoon tracks. In general, the corrective effect is better for strong
typhoons (observed intensity at 12 h^32.7 m s *). First, the typhoon track forecast of each ensemble forecast member
from ECMWF-EPS is corrected; the integrated forecast is then obtained. The typhoon track forecasts obtained by the
following five methods are compared: “corrected deterministic prediction,” “ensemble mean of all ensemble forecast
members,” “ensemble mean of selective ensemble forecast members,” “ensemble mean of all corrected ensemble forecast
members,” and “ensemble mean of corrected selective ensemble forecast members.” The modeled forecast results from
2018 show that “ensemble mean of corrected selective ensemble forecast members,” 44ensemble mean of all corrected
ensemble forecast members,” and “ensemble mean of selective ensemble forecast members” yield the lowest track error at
24 h and 36 h, 48 h and 60 h, and 72 h and 84 h, respectively. When applied in a targeted manner in operational
application, an objective comprehensive forecast result for typhoon tracks with excellent performance for each lead time
is expected. At 24 h, 36 h, 48 h, and 72 h, the mean track error of
14
ensemble mean of corrected selective ensemble
forecast members” is reduced by 13.3 km, 11.7 km, 10.0 km and 7.6 km, respectively, compared with those of “ensemble
mean of all ensemble forecast members” and by 0.7 km, 2.0 km, 3.9 km，and 2.4 km, respectively, compared with those of
the Central Meteorological Office official track forecast (with corresponding lead times of 12 h, 24 h, 36 h, and 48 h,
respectively).
Keywords
Typhoon track, Numerical forecast, Correction, Integrated forecast
l
引言
西北太平洋是全球台风（包括热带风暴、强热
客观预报方法主要有以下三种：第一，统计学方法，
即统计预报；第二，动力学方法，即数值模式预报;
第三，统计一动力学方法，即基于数值模式预报的
模式释用技术。在数值预报被广泛应用之前，人们
进行主观预报方法（包澄澜等，1979;陈联寿，1979;
王志烈，1981; 丁金才和唐新章，1985;韦有暹和朱庆
圻，1985)和统计学方法的研宄较多（上海台风协
作研宄组，1977;董克勤和李曾中，1980;金一鸣,
1983;王作述和傅秀琴，1983;王长甫等，1991;何夏
江等，1996;李建云和丁裕国，1998)。得益于模式
动力框架、物理过程、分辨率、初始化以及与海洋
模式的耦合等方面的进展，全球模式台风路径预报
误差在各海域持续减小，但基于数值模式预报的统
计一动力学方法仍然比数值模式预报具有更高的预
报精度（
Heming
，2017;麻素红和陈德辉，2018;端
义宏等,2020)。
早期的台风路径统计一动力学预报方法大多是
基于单模式预报的
（Neumann
and
Lawrence
, 1975;
倪允琪和薛宗元，1980;金一鸣和钟元，1997)，后
来人们发现台风路径集成预报技术是在现行模式、
计算机资源条件下获得最优预报效果的更有效方法
(王晨稀，2013
)。Goerss
(2000)采用等权集合
带风暴、台风、强台风和超强台风，下同）发生频
率最高、强度最大的海域。我国大陆位于西北太平
洋沿岸，大陆海岸线长达18000多千米，平均每年
约有7个台风登陆我国，年均造成约占当年
GDP
0.36%的直接经济损失和约9412.8人的人员伤亡，
是全球受台风影响最大的国家之一（雷小途等,
2009)。提高台风灾害的监测、预警服务水平，增
强我国防台减灾能力，关键是不断提高我国台风业
务预报的准确率（许映龙等，2010)。研宄表明，
对于单个登陆台风而言，24
h
路径预报误差每减
小1
km
可减少因灾直接经济损失约0.97亿元（人
民币，下同），24
h
强度预报误差每减小
lmsH
可减少因灾直接经济损失约3.8亿元（吴影等，
2017)。
台风风雨预报与台风路径预报密切相关，因此
台风路径预报是台风风雨预报的基础，历来受到人
们的关注和研究，特别是20世纪80年代以来，取
得了丰硕的成果。国内外许多气象学者进行了很多
台风路径主、客观预报方法的研究，其中台风路径
1
期
No. 1
危国飞等：台风路径数值预报实时订正技术及其集成应用
WEI Guofei et al. Real-Time Correction Method for Numerically Modeled Typhoon Tracks and ...
197
平均方法对1995〜1996年大西洋飓风进行集成预
报试验，发现集成预报24
h
、48
h
和72
h
路径预
报平均距离误差分别比最好的单个模式预报减小
了 16%、20% 和 23
%。Kumar
etal
. ( 2003)、张
守峰等（2007)、周文友和智协飞（20丨2
)、Zhi
etal
. (2012)、
Heetal
. (2015)、智协飞等（2015)
采用加权集合平均方法对西北太平洋台风路径进行
了多模式集成预报试验，均发现集成预报结果明显
好于各模式预报结果，也好于简单的集合平均结果。
Elsberry
and
Carr
II
丨（2000)利用5个模式的预报
结果对西北太平洋台风路径进行了多模式集成预报
试验，提出一种辨别并剔除误差大的预报结果后再
平均的集成方法，结果表明有选择性的集成方法优
于简单的无选择性的集成方法。钱奇峰等（2014)、
Qi
etal
. (2014
)、Dong
and
Zhang
(2016)通过对
集合预报成员的短时效预报误差进行评估，并从中
挑选出表现较好的成员进行长时效的预报集成，集
成结果明显优于所有成员等权集合平均，他们（钱
奇峰等,2014;
Qi
et
al
.，2014)还发现对筛选出的集
合成员进行等权集合平均的预报效果要优于加权集
合平均。
由于数值模式运行、后处理及资料传输等耗时，
数值预报资料的获得时间滞后于数值模式的起报时
间，因此预报员在制作业务预报时可以利用实况数
据来估计数值模式的短时效预报偏差。业务中发现
台风路径数值预报的短时效预报偏差与随后较长时
效预报偏差有较好的正相关关系，预报员可以利用
短时效预报偏差来估计随后较长时效预报偏差，继
而对数值模式预报进行订正
。Qi
etal
. (2014)、
Zhang
and
Yu
(2017
)、Guo
etal
. (2018)、郭蓉
等（2019)使用一种平移订正法对台风路径数值预
报进行订正试验，该方法假设台风路径数值预报的
短时效预报偏差与长时效预报偏差完全一致，结果
表明该方法在48
h
之前有一定的订正效果。平移
订正法简单快捷，但订正效果一般，其短时效预报
偏差与长时效预报偏差完全一致的假设不合理。需
要研究更有效的方法将这种预报思路客观化、最
优化。
通过检验发现，欧洲中期天气预报中心
(European
Center
for
Medium-Range
Weather
Forecasts
,
ECMWF
)台风路径数值预报的短时效
预报偏差与随后较长时效预报偏差有较好的正相关
关系，某时效的纬度预报与该时效的纬向预报偏差
有较好的负相关关系。本文拟根据这种相关性，建
立台风路径数值预报的偏差预估模型，继而对台风
路径数值预报进行偏差订正，对订正后的集合预报
各成员开展集成预报实验。研宄结果对提高我国台
风业务路径预报水平和增强我国防台减灾能力有所
裨益。
2资料
本文的研究对象是2013〜2018年活动于西北
太平洋（包括南海）的所有台风。本文使用欧洲中
期天气预报中心确定性预报模式
（Integrated
Forecast
System
,
ECMWF
-丨
FS
)和集合预报模式
(Ensemble
Prediction
System
,
ECMWF
-
EPS
)的
台风路径预报资料，从中国气象局上海台风研究所
的官方网站
http
://
www
.
sti
.
[2020-10-04]下载，
起报时间为08:00和20:00 (北京时，下同），集
合预报的成员为51个。台风位置和强度的实况采
用中央气象台台风实时定位定强资料，台风路径官
方预报采用中央气象台官方预报，均从中央气象台
官方网站
http
://
m
.
nmc
.
cn
[2020-04-23]下载。由于
本研究主要针对台风业务预报使用，因此台风位置
实况使用的是中央气象台台风实时定位资料，而没
有使用热带气旋最佳路径资料。
3台风路径数值预报实时订正技术
3.1路径预报偏差统计分析
本文把台风路径预报偏差定义为台风中心预报
位置与观测位置的球面距离差，台风路径预报偏差
可分解为纬向预报偏差和经向预报偏差，如预报位
置的经度为九纬度为％，观测位置的经度为人,
纬度为％,则纬向预报偏差为（
Jf
-
A)_/f
cos(FfV
tc
/180,经向预报偏差为
dfF
0)•及'71/180,其中/?
为地球半径。2013〜2017年
ECMWF
-
IFS
台风路
径预报 24
h
、36
h
、48
h
、60
h
、72
h
、84
h
的平均
祎向预报偏差分别为—12.3
km
、—14.4
km
、-14.8
km
、
—13.2
km
、-10.3
km
、—10.7
km
,平均经向预报偏
差分别为 1.7
km
、1.5
km
、2.6
km
、2.2
km
、1.1
km
、
0.6
km
,说明
ECMWF
-
IFS
台风路径预报在24〜84
h
存在比实况偏西、偏北的系统性偏差，且纬向的系
统性偏差比经向的系统性偏差要明显得多。
业务中，若预报员在08时制作0〜24
h
的业
务预报，其参考的一般是前一天20时起报的
ECMWF
模式资料12〜36
h
的预报结果，即业务
198
大气科学
Chinese Journal of Atmospheric Sciences
45
卷
Vol. 45
预报起报时间与最新模式预报的12
h
对应。本文
以12
h
预报偏差作为短时效预报偏差为例建立台
风路径数值预报实时订正模型。从表1可知，
ECMWF
-
IFS
台风路径预报12
h
的纬向预报偏差与
随后较长时效的纬向预报偏差有较好的正相关关系，
12
h
的经向预报偏差与随后较长时效的经向预报偏
差有较好的正相关关系，预报时效越长，相关系数
越小。
ECMWF
-
IFS
台风路径预报某时效的祎度预
报与该时效的讳向预报偏差有较好的负相关关系，
即纬度预报越高，台风中心预报位置比实况偏西的
趋势越明显；24〜48
h
相关系数差别不大，48
h
之
后相关系数的绝对值明显减小。
由图1和图2可知，
ECMWF
-
IFS
台风路径预
报12
h
的纬向预报偏差与24
h
的纬向预报偏差、
12
h
的经向预报偏差与24
h
的经向预报偏差、24
h
的纬度预报与24
h
的讳向预报偏差都呈较好的线
表
1 2013
〜
2017
年
ECMWF-IFS
台风路径预报
12 h
的纬向预报偏差与随后较长时效的纬向预报偏差的相关系数（相关系
数
1 )、12 h
的经向预报偏差与随后较长时效的经向预报偏差的相关系数（相关系数
2
)、某时效的纬度预报与该时效的纬向预
报偏差的相关系数（相关系数
3 )
。表中除了括号中的相关系数外，其他全都通过
95
%信度水平的显著性检验
Table 1 Correlation coefficients between zonal forecast bias of typhoon tracks at 12 h and following lead times
(corresponding to the second column in the table), between meridional forecast bias of typhoon tracks at 12 h and following
lead times (corresponding to the third column in the table), and between latitude forecast of typhoon tracks at some lead time
and zonal forecast bias of typhoon tracks at that lead time (corresponding to the fourth column in the table). The typhoon
tracks are forecasted by ECMWF-IFS (Integrated Forecast System, European Center for Medium-Range Weather Forecasts)
from 2013 to 2017. AH correlation coefficients in the table, except the one in brackets, are statistically significant at the 95%
confidence level
预报时效
/h
相关系数
1
相关系数
2
相关系数
3
样本数
24
36
0.54
0.41
0.30
0.17
0.14
0.08
0.46
0.31
0.25
0.20
-0.13
-0.15
-0.14
-0.09
-0.08
(-0.06)
1199
1079
954
838
738
626
48
o
o
60
72
84
0.15
o
o
0.11
o
3
o
Oo
3
2
s
^
s
s
q
J
S
B
o
a
l
o
r
cc
u
o
z
寸
rN
q-
o
o
2
O
CK
Q
L
lD
l/
s
1
o
o
Q
1
o
c
0
-l
0
00
-2
00
-3
00
-4^
1
2
.5
q
JSB
03JO
J
I
U
O
I
IJ31U
3
C3
T3
-
l
l
寸
I
-500 -------------------------------------------------------------------------------------------------------------
-500 -400 -300 -200 -100 0 100 200 300
-300 --------------------------------------------------------------------------------------------------------------
-300 -200 -100 0 100 200 300
12-h zonal forecast bias/km 12-h meridiona
丨
forecast bias/km
图
1 2013
〜
2017
年
ECMWF-IFS
台风路径预报
12 h
和
24h
的纬向（左）预报偏差、经向（右）预报偏差的散点图。样本数为
1199
，斜线
为线性趋势线
Fig. 1 Scatter diagrams of zonal forecast bias (left) and meridional forecast bias (right) of typhoon tracks at 12 h and 24 h. Typhoon tracks are
forecasted by ECMWF-IFS from 2013 to 2017. The number of samples is 1199. The diagonal line denotes the linear trend
o
o
o
o
o
1
期
No. 1
危国飞等：台风路径数值预报实时订正技术及其集成应用
WEI Guofei et al. Real-Time Correction Method for Numerically Modeled Typhoon Tracks and ...
199
o
3
o
o
2
o
1
lu
>
j/
o
-
s
.5
q
3
ls
B
-
2
—
o
3
J
O
rB
o
U
O
Z
o
L
,
寸
3
I
o
10°N 20°N 30°N40°N
50°N
24-h latitude forecast
图
2 2013
〜
2017
年
ECMWF-IFS
台风路径预报
24 h
的纬度预报
与
24 h
的纬向预报偏差的散点图。样本数为
1199
,斜线为线性趋
势线
Fig. 2 Scatter diagram of latitude forecast and zonal forecast bias of
typhoon tracks at 24 h. Typhoon tracks are forecasted by ECMWF-IFS
from 2013 to 2017. The number of samples is 1199. The diagonal line
denotes the linear trend
性关系。这种线性关系在24
h
之后的其他时效也
有体现（图略，相关系数见表1)，但随着预报时
效的延长，线性关系逐渐变得不明显。因此可以根
据
ECMWF
-
IFS
台风路径预报12
h
的纬向预报偏
差、目标时效（指所需订正的时效，下同）的纬度
预报和纬向系统性偏差去预估目标时效的纬向预报
偏差；可以根据12
h
的经向预报偏差和目标时效
的经向系统性偏差，去预估目标时效的经向预报偏
差，继而对台风路径预报进行偏差订正。
3.2
基于预估偏差的实时订正模型
由以上分析可知，对于某个台风的某次路径预
报，可以建立
ECMWF
-
IFS
台风路径预报的偏差预
估方程和订正方程：
Mi =
a
,
x
Af
12
+ /?/,
Z
, =
c
/
x
Z12
+ dj
x
Wj
+
ei
,
W* =
(
1
)
J* = Ji - (Zi/(R
x
cos
(Wi)))
x
(1
80/7
t
),
其中，
z
•为预报时效，
M
,.、
Z
,+分别为时效经向预
报偏差、纬向预报偏差的预估值（单位：
km
)，
从12、
Zl
2分别为12
h
预报的经向预报偏差、纬向
预报偏差（单位：
km
), %、
J
,分别为/时效订正
前的炜度、经度预报[单位：（°)]，％、•/,*分别为
/时效订正后的纬度、经度预报[单位：（°)], /?为
地球半径。
a
,•、
c
,、必为/时效的回归系数，6,、
为*_时效的常数项，根据一定长度（训练期）的历
史资料采用最小二乘法求解。
3.3最优滑动训练期样本数
考虑到模式预报能力在持续不断地升级，较远
的历史资料对当前预报订正的参考意义不大，故本
文采用滑动训练期训练偏差预估方程的相关参数。
即对某次预报进行订正，取距其起报时间最近的过
去
W
组有效的模式数据和实况数据作为训练样本，
这样对于每次预报都由新的训练样本来确定偏差预
估方程的相关参数，使订正效果更加稳定。图3给
出了 2016〜2017年订正后的
ECMWF
-
IFS
台风路
径预报的订正技巧随滑动训练期样本数的变化，
订正技巧指订正前的平均距离误差减去订正后的平
均距离误差，正值越大，技巧水平越高。可以看出，
24
h
、36
h
、48
h
的订正技巧随着
iV
的增大先快速
波动式增大、后趋于稳定；60
h
、72
h
、84
h
的订
正技巧随着
W
的增大先快速波动式增大、达到最
高点后波动式减小。24
h
、36
h
、48
h
、60
h
, N
取 450, 72
h
，
TV
取 430，84
h
，
TV
取 375,各时效
的订正技巧达到或接近最大，因此确定24
h
、36
h
、
48
h
、60
h
、72
h
、84
h
的最优滑动训练期样本数
分别为 450、450、450、450、430、375。
3.4 2016〜2017年回报结果分析
2016〜2017年回报结果（表2)表明，24
h
、
36
h
, 48
h
, 60
h
、72
h
、84
h
ECMWF-IFS
台风路
径预报订正前的平均距离误差分别为62.2
km
、
79.3
km
、105.8
km
、145.8
km
、193.2
km
、236.8
km
;
如果只对纬向预报偏差进行订正，订正后的平均距
离误差分别比订正前减小了 4.4
km
、3.5
km
、2.0
km
、
0.8
km
、0.5
km
、1.2
km
;如果只对经向预报偏差
进行订正，订正后的平均距离误差分别比订正前减
小了 2.0
km
、0.4
km
、0.5
km
、1.2
km
、1.0
km
、
0.3
km
。总体来看纬向预报偏差的订正效果比经向
预报偏差的订正效果好。如果对经向预报偏差和纬
向预报偏差都进行订正，订正后的平均距离误差分
别比订正前减小了 6.6
km
、4.3
km
、2.8
km
、2.0
km
、
1.5
km
、1.6
km
。
3.5 2018年试报结果分析
为了验证台风路径数值预报实时订正技术的订
正效果，对2018年
ECMWF
-
IFS
台风路径预报进
行了独立样本订正试验。结果（表3)表明，24
h
、
200
大气科学
Chinese Journal of Atmospheric Sciences
45
卷
Vol. 45
表
2 2016
〜
2017
年
ECMWF-IFS
台风路径预报订正前后的平均距离误差（单位
:km
)。括号内数字表示样本数
Table 2 Mean track errors of uncorrected and corrected typhoon tracks forecasted by ECMWF-IFS from 2016 to 2017. The
numbers in brackets indicate the number of samples
不同预报时效的平均距离误差
/km
台风路径预报
订正前
只订正纬向预报偏差
只订正经向预报偏差
纬向和经向预报偏差都订正
注
:
加粗的数字为每个预报时效的最小值。
24 h(402)
62.2
57.8
60.2
55.6
36 h (358)
79.3
75.8
78.9
75.0
48 h (307)
105.8
103.8
105.3
103.0
60 h(262)
145.8
145.0
144.6
143.8
72 h (228)
193.2
192.7
192.2
191.7
84 h(187)
236.8
235.6
236.5
235.2
表
3 2018
年
ECMWF-
丨
FS
台风路径预报订正前后的平均距离误差（单位
：km
)。括号内数字表示样本数
Table 3 Mean track errors of uncorrected and corrected typhoon tracks forecasted by ECMWF-IFS in 2018. The numbers in
brackets indicate the number of samples
不同预报时效的平均距离误差
/km
台风路径预报
订正前
预估偏差订正法
平移订正法
24 h (268)
63.5
56.2
60.4
36 h (245)
85.4
76.1
81.6
48 h (220)
109.2
100.3
104.7
60 h (196)
131.9
125.4
130.6
72h(171)
162.1
155.2
162.0
84 h(150)
195.6
193.0
198.5
注：加粗的数字为每个预报时效的最小值。
图
3 2016〜2017
年订正后的
ECMWF-IFS
台风路径预报的订正技巧随滑动训练期样本数
W
的变化
Fig. 3 Skill score of corrected typhoon tracks forecasted by ECMWF-IFS from 2016 to 2017, changing with number of samples TV in a moving
training period
36 h、48 h、60 h、72 h、84 h ECMWF-IFS
台风路
径预报订正前的平均距离误差分别为
63.5 km
、
85.4km
、
109.2km
、
131.9km
、
162.1km
、
195.6km,
U
D
J
/
I
S
1
1
P
J
S
-10
-12
-14
-16
50 100 150 200 250 300 350 400 450 500 550
Samples N in moving training period
订正后的平均距离误差分别比订正前减小了
7.3 km
、
9.3 km
、
8.9 km
、
6.5 km
、
6.9 km
、
2.6 km
。
尝试用
平移订正法对
2018
年
ECMWF-IFS
台风路径预报
1
期
No. 1
危国飞等：台风路径数值预报实时订正技术及其集成应用
WEI Guofei et al. Real-Time Correction Method for Numerically Modeled Typhoon Tracks and ...
201
进行订正，24
h
、36
h
、48
h
、60
h
、72
h
、84
h
订
正后的平均距离误差分别比订正前减小了 3.1
km
、
3.8
km
、4.5
km
、1.3
km
、0.1
km
、-2.9
km
，平移
订正法的订正效果不如本文所提出的预估偏差订
正法。
台风路径数值预报实时订正技术的订正效果显
然和12
h
台风路径预报偏差的可靠性密切相关，
而12
h
台风路径预报偏差的可靠性又与中央气象
台台风实时定位的误差大小密切相关。一般来说，
台风越强，其结构特征就越成熟、显著，定位也就
相对要容易且准确些，因而定位误差较小；而当台
风较弱时，由于其云系等结构特征不很明显，难于
较准确地确定其中心位置，因而定位误差较大（雷
小途，2001 )。所以从理论上来说，对较强台风，
本文所提出的台风路径数值预报实时订正技术的订
正效果更好。根据12
h
台风近中心最大风速的实
况把2018年的样本分为台风及以上强度和强热带
风暴及以下强度两类，两类在各预报时效的样本数
基本相当。对于台风及以上强度类，24
h
、36
h
、
48
h
、60
h
、72
h
、84
h
订正后的平均距离误差分
别比订正前减小了 19.9%、11.5%、6.8%、6.7%、
6.0%、2.2%;对于强热带风暴及以下强度类，订
正后的平均距离误差分别比订正前减小了 6.5%、
10.5%、9.0%、3.7%、3.0%、0.7%,除了 48
h
夕卜，
台风及以上强度类的订正效果明显好于强热带风暴
及以下强度类的订正效果。
员的台风路径预报进行订正，对基于集合预报的台
风路径统计一动力学预报方法，基于订正后的集合
预报可能会比基于订正前的集合预报有更好的效果。
钱奇峰等（2014)研究发现，根据台风实时位
置，选择最新
ECMWF
-
EPS
各成员台风路径中路
径误差最小的
M
条路径进行算术平均，得到的订
正路径24
h
、48
h
、72
h
、96
h
的平均距离误差分
别比“所有集合预报成员集合平均”减小了 15%、
6%、10%、8%。应用于本研究时
A
/在24
h
、36 1
i
时取15,在48〜84
h
时取20。根据
ECMWF-EPS
各成员台风路径预报12
h
的路径误差大小优选
M
个集合预报成员，对优选出的成员取集合平均得到
的台风路径简称为“优选集合预报成员集合平均”，
对优选出的成员先进行路径预报订正再取集合平均
得到的台风路径简称为“优选集合预报成员先订正
再集合平均”。对
ECMWF
-
EPS
每个成员的台风
路径预报先进行订正，再对所有成员取集合平均，
得到的台风路径简称为“所有集合预报成员先订正
再集合平均”。
2018年试报结果（表4)表明，24
h
、36
h
、
48
h
、60
h
、72
h
、84
h
“优选集合预报成员集合平
均”的平均距离误差分别比“所有集合预报成员集
合平均”减小了 10.3
km
、10.3
km
、6.4
km
、7_2
km
、
4.9
km
、3.1
km
,说明有选择性的集合方法优于简
单的无选择性的集合方法，与钱奇峰等（2014)、
Qietal
. (2014
)、Dong
and
Zhang
(2016)得出的
4多集合预报成员的集成应用
根据集合预报每个成员的历史资料建立各自的
结论类似。24
h
、36
h
、48
h
、60
h
、72
h
、84
h
“所有集合预报成员先订正再集合平均”的平均距
离误差分别比“所有集合预报成员集合平均”减小
了 12.1
km
、10.8
km
、10.9
km
、8.1
km
、4.4
km
、
台风路径预报实时订正模型，继而对集合预报各成
表
4 2018
年台风路径客观预报和中央气象台官方预报的平均距离误差（单位
:kni
)。括号内数字表示样本数
Table 4 Mean track errors of objective forecasts and the Central Meteorological Office official forecast in 2018. The
numbers in brackets indicate the number of samples
不同预报时效的平均距离误差
/km
台风路径预报
订正后的确定性预报
所有集合预报成员集合平均
优选集合预报成员集合平均
所有集合预报成员先订正再集合平均
优选集合预报成员先订正再集合平均
中央气象台官方预报
24 h (263)
56.6
63.0
52.7
50.9
49.7
36 h (240)
75.8
83.6
73.3
72.8
71.9
48 h (213)
99.8
107.9
101.5
97.0
60 h (188)
124.2
131.6
124.4
123.5
72 h(163)
151.1
155.7
150.8
84 h (142)
187.2
186.8
183.7
151.3
151.7
150.3
188.2
188.5
182.9
97.9
101.8
124.0
126.4
50.4
73.9
注：加粗的数字为每个预报时效客观预报的最小值。预报时效是相对于模式起报时间来说的，基于数值模式预报的可应用性，采用主观预报与
预报时效滞后
12 h
的数值模式预报对比，即
24 h
对应中央气象台官方预报是
12 h，36 h
对应中央气象台官方预报是
24 h
，以此类推。
大气科学
202
Chinese Journal of Atmospheric Sciences
45
卷
Vol. 45
-1.4
km
,订正效果较显著的时段主要在72
h
之内，
84
h
没有订正效果。24
h
、36
h
、48
h
、60
h
、72
h
、
84
h
“优选集合预报成员先订正再集合平均”的平
均距离误差分别比“优选集合预报成员集合平均”
减小了 3.0
km
、1.4
km
、3.6
km
、0.4
km
、一0.9
km
、
-4.8
km
,比中央气象台官方预报减小了 0.7
km
、
2.0
km
、3.9
km
、2.4
km
、-1.4
km
、-5.6
km
，订正
效果较显著的时段主要在60
h
之内，之后没有订
正效果。总体来看，“优选集合预报成员集合平
均”、“所有集合预报成员先订正再集合平均”和
“优选集合预报成员先订正再集合平均”的预报效
果要好于“所有集合预报成员集合平均”和“订正
后的确定性预报”。在客观预报之间比较，24
h
和36
h
“优选集合预报成员先订正再集合平均”的
平均距离误差最小，48
h
和60
h
“所有集合预报成
员先订正再集合平均”的平均距离误差最小，72
h
和84
h
“优选集合预报成员集合平均”的平均距离
误差最小。
5
结论与讨论
本文提出了一种业务上可用的针对确定性预报
或集合预报各成员的台风路径预报实时订正技术，
通过对
ECMWF
-
IFS
和
ECMWF
-
EPS
的台风路径
预报的应用，得到以下几点结论。
(1)
ECMWF
-
IFS
台风路径预报的短时效预
报偏差与随后较长时效预报偏差有较好的线性关系，
某时效的纬度预报与该时效的纬向预报偏差有较好
的线性关系。以短时效预报偏差和目标时效的祎度
预报为预报因子，采用多元线性回归方法建立了台
风路径预报的偏差预估方程，继而对台风路径预报
进行偏差订正。采用滑动训练期训练偏差预估方程
的相关参数，24
h
、36
h
、48
h
、60
h
、72
h
、84
h
的最优滑动训练期样本数分别为450、450、450、
450、 430、 375。
(2) 2016〜2017年回报结果表明，在24
h
、
36
h
、48
h
、60
h
、72
h
、84
h
,订正后的
ECMWF
-
IFS
台风路径预报的平均距离误差分别比订正前减
小 7 6.6
km
、4.3
km
、2.8
km
、2.0
km
、1.5
km
、
1.6
km
,且祎向预报偏差的订正效果比经向预报偏
差的订正效果好。2018年试报结果表明，在24
h
、
36
h
、48
h
、60
h
、72
h
、84
h
,订正后的
ECMWF
-
IFS
台风路径预报的平均距离误差分别比订正前减
小了 7.3
km
、9.3
km
、8.9
km
、6.5
km
、6.9
km
、
2.6
km
,订正效果明显优于平移订正法。总体来说，
较强台风（指12
h
的台风强度实况彡32.7
m
疒1)
路径预报的订正效果更好。
(3)尝试了先对
ECMWF
-
EPS
各成员的台风
路径预报进行订正，再进行集成预报，并对比了以
下5种方式得到的台风路径预报：“订正后的确定
性预报”、“所有集合预报成员集合平均”、“优
选集合预报成员集合平均”、“所有集合预报成员
先订正再集合平均”和“优选集合预报成员先订正
再集合平均”，2018年试报结果表明，24
h
和36
h
“优选集合预报成员先订正再集合平均”的平均距
离误差最小，48
h
和60
h
“所有集合预报成员先订
正再集合平均”的平均距离误差最小，72
h
和84
h
“优选集合预报成员集合平均”的平均距离误差最
小，如果在业务中有针对性地进行应用，有望获得
一个在各预报时效表现都较优异的台风路径客观综
合预报结果。24
h
、36
h
、48
h
、60
h
“优选集合预
报成员先订正再集合平均”的平均距离误差分别比
“所有集合预报成员集合平均”减小了 13.3
km
、
11.7
km
、10.0
km
、7.6
km
，比中央气象台官方预
报（对应的时效为12
h
、24
h
、36
h
、48
h
)减小
了 0.7
km
、2.0
km
、3.9
km
、2.4
km
。
对于每次预报，都需要根据历史资料重新计算
偏差预估方程的相关参数，在处理器为
Intel
(
R
)
Core
(
TM
)
i
7-4790
CPU
@3.60
GHz
、内存为 4.00
GB
的台式计算机上运算一次最长耗时不会超过15
s
。
中央气象台台风实时定位一般在整点后30
min
内
可以获得，在获得台风实时定位后进行台风路径数
值预报实时订正的相关运算并发布订正后的台风路
径数值预报，可以满足我国台风客观预报方法参加
气象广播的时效性要求。
本文以12
h
预报偏差作为短时效预报偏差建立
了台风路径数值预报实时订正模型，业务应用时可根
据需求把其他时效的预报偏差作为短时效预报偏差。
对基于集合预报的台风路径统计一动力学预报方法，
可以先对每个集合预报成员进行偏差订正，再进行后
续的优选成员、加权集合等处理，可能会比直接利用
未订正的集合预报成员有更好的效果。本研究结果在
预报业务中具有较好的实用性和推广价值。
参考文献
（References
)
包澄澜，魏荣茂，黄长花
.1979.
西太平洋和南海地
K
赤道反气旋活
动及其对台风路径的影响[几大气科学
，
3(2): 141-149. Bao
1期
No. 1
危国飞等：台风路径数值预报实时订正技术及其集成应用
WEI Guofei et al. Real-Time Correction Method for Numerically Modeled Typhoon Tracks and ...
203
Chenglan, Wei Rongmao, Huang Changhua. 1979. On the activity of
equatorial anticyclone over the western Pacific and the South China
Sea and its effects on the tracks of typhoon movement [J]. Chinese
Journal of Atmospheric Sciences (Scientia Atmospherica Sinica) (in
Chinese), 3(2): 141-149. doi:10.3878/. 1006-9895.1979.02.05
陈联寿
.1979.
我国东部海面台风路径突然西折的成因分析
[J
].大气
科学，
3(3): 289—298. Chen Lianshou. 1979. On the causal analysis
of typhoon tracks which turning direction westward suddenly over
the sea area near the eastern China [J]. Chinese Journal of
Atmospheric Sciences (Scientia Atmospherica Sinica) (in Chinese),
3(3): 289-298. doi:10.3878/. 1006-9895.1979.03.11
丁金才，唐新章
.1985.
台风蛇行摆动路径的成因分析
[J].
大气科学，
9(3): 217-225. Ding Jincai, Tang Xinzhang. 1985. An analysis of
the causes for the zigzag track of typhoons [J]. Chinese Journal of
Atmospheric Sciences (Scientia Atmospherica Sinica) (in Chinese),
9(3): 217-225. doi:10.3878/. 1006-9895.1985.03.01
董克勤，李曾中
.1980.
海南岛地形对过岛台风影响的初步研究
[J].
大气科学，
4(3): 288-292. Dong Keqin, Li Zengzhong. 1980. A
study of the effect of the earth's surface relief of Hainan Island on the
passing by typhoon [J]. Chinese Journal of Atmospheric Sciences
(Scientia Atmospherica Sinica) (in Chinese), 4(3): 288-292.
doi: 10.3878/. 1006-9895.1980.03.12
Dong L, Zhang F Q. 2016. OBEST: An observation-based ensemble
subsetting technique for tropical cyclone track prediction [J]. Wea.
Forecasting, 31(1): 57-70. doi: 10.1175/WAF-D-15-0056.1
端义宏，方娟，程正泉，等
.
2020
.
热带气旋研究和业务预报进展
—
第九届世界气象组织热带气旋国际研讨会（
IWTC-9)
综述[«!].气
象学报，
78(3): 537-550. Duan Yihong, Fang Juan, Cheng
Zhengquan, et al. 2020. Advances and trends in tropical cyclone
research and forecasting: An overview of the ninth World
Meteorological Organization International Workshop on Tropical
Cyclones (IWTC-9) [J]. Acta Meteor. Sinica (in Chinese), 78(3):
537-550. doi:10.11676/qxxb2020.050
Elsberry R L, Carr III L E. 2000. Consensus of dynamical tropical
cyclone track forecasts —Errors versus spread [J]. Mon. Wea. Rev.,
128(12): 4131-4138. doi: 10.1175/1520-0493(2000) 129<4131:
CODTCT>;2
Goerss J S. 2000. Tropical cyclone track forecasts using an ensemble of
dynamical models [J]. Mon. Wea. Rev., 128(4): 1187-1193.
doi: 10.1175/1520-0493(2000) 128< 1187:TCTFUA>;2
Guo R, Qi L B, Ge Q Q, et al. 2018. A study on the ensemble forecast
real-time correction method [J]. J. Trop. Meteor., 24(1): 42-48.
doi: 10.16555/j. 1006-8775.2018.01.004
郭蓉，余晖，漆梁波，等
.2019
.台风路径多模式集成预报技术研究
[J]•
气象科学，
39(6): 839-846. Guo Rong, Yu Hui, Qi Liangbo, et
al. 2019. A study on multi-model ensemble forecast technique for
typhoon track [J]. J. Meteor. Sci. (in Chinese), 39(6): 839-846.
doi:l 0.3969/2018jms.0090
何夏江，曾琼，许永锞，等
.1996.
热带气旋路径强度预报
—SAPC
法
[J].
应用气象学报，
7(1): 45-52. He Xiajiang, Zeng Cong, Xu
Yongke, et al. 1996. A method of forecasting tropical cyclone track
and intensity — SAPC method [J]. Quart. J. Appl. Meteor, (in
Chinese), 7(1): 45-52.
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 [J]. Meteor. Atmos. Phys
.，127(4): 467-479.
doi:l
0.1007/
S
00703-015-0377-1
Heming J T. 2017. Tropical cyclone tracking and verification
techniques for Met Office numerical weather prediction models [J].
Meteor. Appl., 24(1): 1-8. doi.10.1002/met.1599
金一鸣
.1983
.多预报量双重筛选逐步回归在台风路径预报中的应
用
[J].
大气科学，
7(2): 235-238. Jin Yiming. 1983. Application of
dual-screening and successive regression of multi-predictands to
typhoon track forecasting [J]. Chinese Journal of Atmospheric
Sciences (Scientia Atmospherica Sinica) (in Chinese), 7(2): 235-238.
doi: 10.3878/. 1006-9895.1983.02.14
金一鸣，钟元
.1997.
台风路径统计预报的改进
[J].
热带气象学报，
13(2): 125-130. Jin Yiming, Zhong Yuan. 1997. An improvement
of statistical prediction of typhoon tracks [J]. J. Trop. Meteor, (in
Chinese), 13(2): 125-130.
Kumar T S V V, Krishnamurti T N, Fiorino M, et al. 2003. Multimodel
superensemble forecasting of tropical cyclones in the Pacific [J].
Mon. Wea. Rev., 131(3): 574-583. doi: 10.1175/1520-0493(2003) 131 <
0574:MSFOTC>;2
雷小途
.2001.
西北太平洋热带气旋最佳定位的精度分析
[J
].热带气
象学报，
17(1): 65—70. Lei Xiaotu. 2001. The precision analysis of
the best positioning on WNP TC [J]. J. Trop. Meteor, (in Chinese),
17(1): 65-70. doi:10.3969/,1004-4965.2001.01.007
雷小途，陈佩燕，杨玉华，等
.2009
.中国台风灾情特征及其灾害客观
评估方法
[J].
气象学报，
67(5): 875-883. Lei Xiaotu, Chen
Peiyan, Yang Yuhua, et al. 2009. Characters and objective
assessment of disasters caused by typhoons in China [J]. Acta
Meteor. Sinica (in Chinese), 67(5): 875-883. doi:l 0.11676/
qxxb2009.085
李建云，丁裕国
.1998.
台风路径预报集成方法的一个试验
[J
].热带
气象学报，
14(3): 258-262. Li Jianyun, Ding Yuguo. 1998. A
forecast test of typhoon track by means of consensus forecast
techniques [J]. J. Trop. Meteor, (in Chinese), 14(3): 258-262.
麻素红，陈德辉
.2018
.国家气象中心区域台风模式预报性能分析
[J]•
热带气象学报，
34(4): 451-459. Ma Suhong, Chen Dehui.
2018. Analysis of performance of regional typhoon model in National
Meteorological Center [J]. J. Trop. Meteor, (in Chinese), 34(4):
451 -459. doi: 10.16032/. 1004-4965.2018.04.002
Neumann C J, Lawrence M B. 1975. An operational experiment in the
statistical-dynamical prediction of tropical cyclone motion [J]. Mon.
Wea. Rev., 103(8): 665-673. doi:10.1175/1520-0493(1975)103<
0665:AOEITS>;2
倪允琪，薛宗元
.1980
.应用数值预报的结果作西太平洋台风路径统
计预报的尝试
[J].
气象学报，
38(1): 36-43. Ni Yunqi, Xue
Zongyuan. 1980. A test of statistical forecasting scheme for western
Pacific typhoon tracks using numerical forecasting results as
predictors [J]. Acta Meteor. Sinica (in Chinese), 38(1): 36-43.
doi: 10.11676/qxxb 1980.004
Qi L B, Yu H, Chen P Y. 2014. Selective ensemble-mean technique for
大气科学
204
Chinese Journal of Atmospheric Sciences
45
卷
Vol. 45
tropical cyclone track forecast by using ensemble prediction systems
[J]. Quart. J. Roy. Meteor. Soc., 140(680): 805-813. doi:10.1002/
qj.2196
钱奇峰，张长安，高栓柱，等
.2014
.台风路径集合预报的实时订正技
术研宄
[J].
热带气象学报，
30(5): 905-910. Qian Qifeng, Zhang
Chang’an, Gao Shuanzhu，et al. 2014. Real-time correction method
for ensemble forecasting of typhoon tracks [J]. J. Trop. Meteor, (in
Chinese), 30(5): 905-910. doi:10.3969/. 1004-4965.2014.05.010
上海台风协作研究组
.1977.
台风移动的分型统计预报方法
[J
].大气
科学，
1(3): 214—222. Joint Research Group on Typhoon of
Shanghai. 1977. A statistical method for forecasting typhoon
movements with consideration of the synoptic situation classification
[J]. Chinese Journal of Atmospheric Sciences (Scientia Atmospherica
Sinica) (in Chinese), 1(3): 214-222. doi:10.3878/.l006-
9895.1977.03.07
王长甫，余荣华
,
刘福晓，等
.1991
.多层加权平均引导台风路径预报
方法
[J].
应用气象学报，
2(4): 434-439. Wang Changfu, Yu
Ronghua, Liu Fuxiao, et al. 1991. A multiple-layer weighted mean
steering method of the typhoon track forecast [J]. Quart. J. Appl.
Meteor, (in Chinese), 2(4): 434-439.
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, (in Chinese), 29(4):
698-704. doi:10.3969/. 1004-4965.2013.04.020
王志烈
.1981
.亚洲上空西风带长波槽对西太平洋台风路径的影响
[J]•
大气科学，
5(2): 198-206. WangZhilie. 1981. The influence of
the westerly belt long-wave trough over Asia on the western Pacific
typhoon tracks [J]. Chinese Journal of Atmospheric Sciences
(Scientia Atmospherica Sinica) (in Chinese), 5(2): 198-206.
doi: 10.3878/. 1006-9895.1981.02.09
王作述，傅秀琴
.1983.
双台风相互作用及对它们移动的影响[几大
气科学，
7(3): 269-276. Wang Zuoshu, Fu Xiuqin. 1983. The
interaction of binary typhoons and its influence on their movement
[J]. Chinese Journal of Atmospheric Sciences (Scientia Atmospherica
Sinica) (in Chinese), 7(3): 269-276. doi: 10.3878/. 1006-
9895.1983.03.04
韦有暹，朱庆圻
.1985
.南海和西北太平洋台风复杂路径的气候分析
[J].
大气科学，
9(4): 358-365. Wei Youxian, Zhu Qingqi. 1985. A
climato-statistical analysis of the complicated typhoon tracks over the
South China Sea and northwestern Pacific [J]. Chinese Journal of
Atmospheric Sciences (Scientia Atmospherica Sinica) (in Chinese),
9(4): 358-365. doi:l0.3878/. 1006-9895.1985.04.04
吴影，陈佩燕，雷小途
.2017
.登陆热带气旋路径和强度预报的效益
评估初步研宄
[J].
热带气象学报，
33(5): 675-682. Wu Ying,
Chen Peiyan, Lei Xiaotu. 2017. A preliminary study on the benefit
assessment of track and intensity forecast of landfall tropical
cyclones [J]. J. Trop. Meteor, (in Chinese), 33(5): 675-682.
doi: 10.16032/. 1004-4965.2017.05.011
许映龙，张玲，高栓柱
.2010.
我国台风预报业务的现状及思考
[J
].气
象，
36(7): 43—49. Xu Yinglong, Zhang Ling, Gao Shuanzhu. 2010.
The advances and discussions on China operational typhoon
forecasting [J]. Meteor. Mon. (in Chinese), 36(7): 43-49. doi:10.
7519/. 1000-0526.2010.7.009
Zhang X P, Yu H. 2017. A probabilistic tropical cyclone track forecast
scheme based on the selective consensus of ensemble prediction
systems [J]. Mon. Wea. Rev., 32(6): 2143-2157. doi:10.1175AVAF-
D-17-0071.1
张守峰，高拴柱，李月安
.2007
.集成方法在热带气旋路径和强度预
报中的应用
[J]•
气象科技
,35(2): 161-165. Zhang Shoufeng, Gao
Shuanzhu, Li Yuean. 2007. Application of consensus method to
forecast of tropical cyclones [Jj. Meteor. Sci. Technol. (in Chinese),
35(2): 161-165. doi:10.3969/.l671-6345.2007.02.001
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. doi: 10.1007/s 13351 -012-0104-
5
智协飞，孙晶，周文友
.2015. 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
[J].
大气科学学报，
38(5): 633-640. Zhi
Xiefei, Sun Jing, Zhou Wenyou. 2015. Ensemble and multimodel
ensemble forecasts of western Pacific typhoons during summer 2009
[J]. Trans. Atmos. Sci. (in Chinese), 38(5): 633-640. doi:l0.13878/
j .enki .dqkxxb.2
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. (in Chinese), 32(5): 492-499. doi: 10.3969/2012jms.
0106
发布者：admin，转转请注明出处：http://www.yc00.com/num/1711468350a1911447.html
评论列表（0条）