李霽杭，高郁東，萬齊林

(中國氣象局廣州熱帶海洋氣象研究所/廣東省區(qū)域數(shù)值天氣預(yù)報重點實驗室，廣東廣州510640)

1 引 言

集合預(yù)報是對確定性預(yù)報的初始狀態(tài)進(jìn)行擾動并形成多個集合成員的一種預(yù)報方法[1]。它提供了一系列可能出現(xiàn)的未來大氣狀態(tài)。近年來，因其優(yōu)于單一的確定性預(yù)報[2-3]，且具有顯著的經(jīng)濟(jì)效益和社會效益，因而在數(shù)值天氣預(yù)報(NWP)領(lǐng)域得到了廣泛應(yīng)用[4]。

然而，研究表明，集合成員是基于離散度不充分的初始擾動組成的[5]。此外，一些研究發(fā)現(xiàn)，預(yù)報的不確定性主要由模式的不確定性和初始條件的不確定性構(gòu)成[6]。然而，不同系統(tǒng)帶來的不確定性通常不能很好地代表初始條件的不確定性[7]。

在有限的集合成員條件下，集合通常不能滿足完美的高斯概率分布。但每個集合成員可以被視為近似高斯概率分布狀態(tài)下的一個樣本。這時，常常會有一些樣本處于接近零概率分布范圍以外的位置[7]。理想情況下，樣本應(yīng)反映出大氣的真實的狀態(tài)(這里以觀測代替)，但實際情況是有些樣本不能反映大氣的真實狀態(tài)，且相去甚遠(yuǎn)。這些離群的或小概率事件的樣本對統(tǒng)計分析是有一定意義的，但卻很可能降低集合預(yù)報整體的準(zhǔn)確性。

解決這個問題的一個方法就是調(diào)整這些樣本的概率密度分布以便使它們更加接近真實(觀測)的概率密度分布[1]狀態(tài)，在這里將其稱為集合預(yù)報的樣本優(yōu)選技術(shù)。因此，在這項研究中觀測數(shù)據(jù)被用來限制樣本的概率分布。這種方法不同于資料同化，可以被視為一種基于觀測的集合技術(shù)。

一般而言，相等的權(quán)重是由一個簡單的算術(shù)平均數(shù)來計算的，而不等的權(quán)重則是用更為復(fù)雜的算法來確定的。同樣的原理可被用于優(yōu)選集合樣本的思想中，它已被成功地應(yīng)用于預(yù)測暖季中尺度對流系統(tǒng)[8]和冷季地形強(qiáng)迫[9]的研究中。

路徑和地表最大風(fēng)速預(yù)測已被認(rèn)為是熱帶氣旋來臨時定量評估風(fēng)險和是否較早做沿海撤離決定[10]的重要指標(biāo)。通常，熱帶氣旋生成之處遠(yuǎn)離大陸，因此資料同化效果并不顯著，且結(jié)果往往不令人滿意。根據(jù)2013年的熱帶氣旋研究數(shù)據(jù)表明，在過去的20年里，路徑預(yù)報誤差從1天到5天的均已減少了50%以上[11]。然而，數(shù)值預(yù)報技術(shù)的改善仍需要進(jìn)一步降低熱帶氣旋路徑的預(yù)報誤差。

在一些研究中，樣本優(yōu)選也被稱為基于觀測的集合子集[12-15]。Qi等[14]首先提出了一種通過挑選集合成員作為短期預(yù)測路徑誤差函數(shù)的方法來獲得集合平均路徑預(yù)報。Dong等[15]將該方法應(yīng)用于單個集合，通過使用超級集合來對集合子集進(jìn)行挑選和延展。中國氣象局提出，對于一個給定的集合，一些樣本得到的熱帶氣旋路徑預(yù)報誤差較小，這樣的樣本被認(rèn)為是“好”樣本，而一些樣本得到的熱帶氣旋路徑預(yù)報誤差很大，明顯偏離觀測路徑，這樣的樣本被認(rèn)為是“壞”樣本。

好、壞樣本應(yīng)該得到客觀的評定。在本項研究中，接近期望值(觀察)的樣本被確定為“好”的樣本，而那些屬于小概率事件的，遠(yuǎn)離觀測的樣本則被認(rèn)為是“壞”的樣本，它們將被好的樣本所替代，從而盡可能地反映大氣的真實狀態(tài)。Dong等[15]使用颶風(fēng)的最優(yōu)路徑對發(fā)生于2012—2013年出現(xiàn)的颶風(fēng)進(jìn)行樣本優(yōu)選的研究。然而，實際業(yè)務(wù)中通常根本無法及時獲得熱帶氣旋的最優(yōu)路徑。因此，本項研究中以中央氣象臺實時發(fā)布的臺風(fēng)路徑報文(http://typhoon.nmc.cn/web.html)作為限制集合成員概率分布的標(biāo)準(zhǔn)。

值得注意的是，由于觀測數(shù)據(jù)被用來限制集合成員的概率分布，樣本優(yōu)選有可能會對集合的離散度產(chǎn)生影響。一般來說，在許多研究中，集合離散度被用于預(yù)測集合平均技巧的評估。Houtekamer[16]發(fā)現(xiàn)，當(dāng)它是處于“極值”的狀態(tài)下，即當(dāng)它相對于平均值而言非常大或非常小時，離散度極具預(yù)測價值。Whitaker等[17]指出，離散度越偏離氣候平均值，對預(yù)報技巧而言它就越有用。當(dāng)離散度越接近氣候平均值時，它的預(yù)測價值就越小，因為預(yù)報誤差基本上是從氣候分布中隨機(jī)抽取的?；诩项A(yù)報系統(tǒng)，Grimit等[18]采用了一種完美的預(yù)測假設(shè)統(tǒng)計模型。在該系統(tǒng)中，預(yù)測誤差的基本概率分布函數(shù)是已知的，單個集合成員取自隨機(jī)分布，集合離散度則可預(yù)測期望誤差。一般來說，一個較大(小)的集合離散度意味著更多(更少)的預(yù)報不確定性[19]。國內(nèi)也已經(jīng)有相關(guān)的研究成果[20-25]。

然而，在樣本優(yōu)選方案中，過多的壞樣本被替換可能會導(dǎo)致集合離散度過小，這將會產(chǎn)生不準(zhǔn)確的集合平均。相反，壞樣本的替換數(shù)量不足則會阻礙集合平均的明顯改善。因此，樣本的替換數(shù)量須深入研究，仔細(xì)斟酌，方可確定，從而提高集合平均水平，但需以集合離散度不過分降低為前提。

2 試驗方案設(shè)計

2.1 集合預(yù)報樣本優(yōu)選的具體思路

本文中，集合預(yù)報的樣本優(yōu)選技術(shù)主要包含兩點內(nèi)容：樣本挑選和樣本補(bǔ)充。

在第一點里，每個樣本的質(zhì)量首先應(yīng)該得到評估。由于路徑和強(qiáng)度均是熱帶氣旋的重要指標(biāo)，因此由中央氣象臺提供的臺風(fēng)觀測報文被選定為樣本質(zhì)量評估的主要依據(jù)。以絕對誤差的計算結(jié)果為前提，熱帶氣旋的路徑被用于限制樣本的概率分布。以路徑為例，路徑誤差為相同時刻熱帶氣旋的中心預(yù)報位置與觀測位置的距離。

值得一提的是，路徑在本文中被認(rèn)作是挑選樣本的標(biāo)準(zhǔn)，而強(qiáng)度、回波、降水、熱帶氣旋結(jié)構(gòu)等指標(biāo)同樣也可以作為優(yōu)選的標(biāo)準(zhǔn)，這將在未來的研究中被用到。而本文中，我們重點關(guān)注的是好、壞樣本的替換是否會對集合預(yù)報產(chǎn)生明顯的影響。接下來，每一個樣本將要與觀測計算出路徑誤差，得出結(jié)果后進(jìn)行排序。誤差小的得以保留，誤差大的剔除，誤差值居中的同樣被保留。

在第二點里，由于一些壞的樣本已被剔除，因而需要補(bǔ)充一些樣本使得集合的整體成員數(shù)保持恒定，而被補(bǔ)充的樣本就是之前提到的那些好的樣本。被補(bǔ)充的樣本并不是好樣本的簡單復(fù)制，而是通過集合卡爾曼濾波擁有一定的觀測擾動增量。

圖1為同化窗口中一個循環(huán)周期內(nèi)的集合預(yù)報樣本優(yōu)選過程示意圖。雖然集合總共包括N個樣本(本文中N=60)，為方便起見，示意圖只顯示8個樣本(即此圖中N=8，而M則是優(yōu)選樣本的個數(shù))。以示區(qū)別，傳統(tǒng)的集合預(yù)報稱為SOno，而集合預(yù)報樣本優(yōu)選則稱為SO后邊接數(shù)字。三角形代表一個周期內(nèi)熱帶氣旋最開始的觀測位置。黑色實線是觀測路徑，黑色實心圓表示1 h的觀察位置。集合成員4和5(圖中假定M=2，N=8)都是好樣本。圖中的SOno為沒有進(jìn)行樣本優(yōu)選的模擬路徑，而SO則為進(jìn)行了2個成員優(yōu)選替換后的模擬路徑。

本文中的研究方法與Qi等[14]和Dong等[15]提出的方法的不同之處在于，在這項研究中，被選定的集合子集成員數(shù)是可變的，而集合成員的總數(shù)卻是固定不變的，但在以前的這兩項研究中，只挑選出好成員且數(shù)量變化的集合子集被用于最后的預(yù)報。本質(zhì)上來講，這項研究中包含“壞”樣本被“好”樣本取代，以接近好樣本的集合子集，而這些被補(bǔ)充的好樣本并不是簡單地復(fù)制原始的好樣本，而是通過好樣本的同化觀測更新擾動后得到的。且協(xié)方差的計算則是剔除掉壞樣本后的集合成員來進(jìn)行。以圖1為例進(jìn)一步說明，Qi等[14]和Dong等[15]的方法中集合子集只包含選定好的樣品，即M和N是變化的。而本文的方案中N值固定，只有M是可變的。M個壞樣本將被M個好樣品取代，有N-M個樣本被保留，并用這N-M個樣本計算協(xié)方差。

圖1 1 h循環(huán)同化窗內(nèi)集合預(yù)報的樣本優(yōu)選的過程示意圖

2.2 模式和試驗設(shè)計

本文中，共涉及兩個熱帶氣旋，分別是2016年的第4號臺風(fēng)“妮妲”(Nida)和2016年的第17號臺風(fēng)“鲇魚”(Megi)。具體情況如下(以下均為世界時)：“妮妲”從2016年8月1日00時開始模擬至2016年8月3日00時，其中8月1日19時35分，“妮妲”在廣東省深圳市大鵬新區(qū)大鵬街道附近沿海登陸，20時在深圳市鹽田區(qū)梅沙街道第二次登陸。3日00時，中央氣象臺對“妮妲”停止編號?！蚌郁~”從2016年9月26日00時開始模擬至9月29日00時，其中27日06時10分以強(qiáng)臺風(fēng)級在中國臺灣花蓮沿海登陸，27日20時44分在福建省泉州市惠安縣沿海登陸，登陸時中心附近最大風(fēng)力有12級(33 m/s)，中心最低氣壓為975 hPa。

為了探討集合預(yù)報樣本優(yōu)選對熱帶氣旋模擬的影響，每個熱帶氣旋共包含7個試驗，為SOno、SO5、SO10、SO15、SO20、SO25、SO30。簡單 解 釋為：SOno為對比試驗，不進(jìn)行優(yōu)選處理。進(jìn)一步解釋，SO5代表該試驗中5個壞樣本將會被5個好樣本所取代，而SO30則代表該試驗中將會有30個壞樣本被30個好樣本所代替。本文中如前面所言，所有的集合預(yù)報試驗每一個循環(huán)結(jié)束后都將一直維持最原始的60個成員總數(shù)。

本文中使用WRF3.4.1-ARW模式，背景場采用ECM/ECMWF0.125°×0.125°的再分析資料。圖2為試驗的區(qū)域范圍，水平分辨率為3 km，垂直分辨率為35層。其中“妮妲”的水平格點數(shù)為334×631，“鲇魚”則為 532×412。

圖2 “妮妲”(a)，“鲇魚”(b)模式區(qū)域圖

下面將詳細(xì)闡述試驗過程。

第一步，集合預(yù)報的啟動。集合擾動(由WRF-3DVar方法提供)后，先不進(jìn)行同化積分6 h，主要的物理過程參數(shù)化方案與Zhu等[26]相同?；赪RF模式的EnKF同化系統(tǒng)由Meng等[27-28]率先開發(fā)，其中控制變量為流函數(shù)、速度勢和氣壓的非平衡量。初始的集合成員由WRF-3DVar包自帶的默認(rèn)背景誤差協(xié)方差選項“cv3”產(chǎn)生隨機(jī)擾動生成[29]。類似的擾動也被用于集合的邊界條件產(chǎn)生中。方案配置與Zhu等[26]相同，具體為：控制變量為流函數(shù)、勢函數(shù)和氣壓的非平衡量。初始的集合成員和集合的邊界場由隨機(jī)擾動生成。擾動變量包括水平風(fēng)分量(u、v)、位溫、混合比，并且風(fēng)速的標(biāo)準(zhǔn)偏差為2 m/s，溫度的標(biāo)準(zhǔn)偏差為1 K，和混合比的標(biāo)準(zhǔn)偏差為0.5 g/kg。背景誤差協(xié)方差的松弛系數(shù)為0.8。預(yù)報變量如擾動位溫(T)、垂直速度(W)、水平風(fēng)分量(U和V)、水汽混合比(QVAPOR)、云水量(QCLOUD)、雨水量(QRAIN)、位勢擾動(PH)、表面氣壓(PSFC)和擾動氣壓(P)均被更新。

第二步，樣本優(yōu)選。集合成員生成且集合預(yù)報已啟動后，采用WRF-EnKF方案進(jìn)行3 h資料同化，其中資料同化1 h進(jìn)行一次。該過程的方案配置仍與Zhu等[26]相同。但有一點差別需要指出的是，在3 h的循環(huán)同化窗里需要進(jìn)行樣本優(yōu)選。過程可簡單分為：樣本優(yōu)選、資料同化、模式積分。也就是說，壞的集合成員被好的集合成員取代這步將在EnKF[26]過程前進(jìn)行。

在EnKF(EnSRF)中，α是個常量。HPbHT和R為標(biāo)量，分別代表觀測點上的背景誤差協(xié)方差和觀測誤差協(xié)方差[30]。

本項目中，被補(bǔ)充的好樣本和原始的好樣本的區(qū)別在于同化時，好樣本的α不為0，而被補(bǔ)充的樣本的α為0。

第三步，模式積分。第二步樣本進(jìn)行3 h循環(huán)優(yōu)選同化后，60個集合成員計算集合平均，該集合平均將積分到預(yù)報結(jié)束。

具體過程：“妮妲”從2016年8月1日00時開始，集合預(yù)報啟動6 h后，即1日06時進(jìn)入3 h循環(huán)優(yōu)選同化，至1日09時止，取集合平均，積分至2016年8月3日00時，整個試驗完成?！蚌郁~”從2016年9月26日00時開始，集合預(yù)報啟動6 h后，即26日06時進(jìn)入3 h循環(huán)優(yōu)選同化，至26日09時止，取集合平均，積分至2016年9月29日00時，整個試驗結(jié)束。

需要指出的是，整個試驗過程中，同化的觀測資料為多普勒雷達(dá)徑向風(fēng)，本文中共有17部華南地區(qū)的雷達(dá)進(jìn)入3 h優(yōu)選同化窗。

3 試驗結(jié)果分析

3.1 3 h循環(huán)優(yōu)選同化窗分析

首先分析一下樣本優(yōu)選對集合離散度的影響。圖3和圖4為熱帶氣旋“妮妲”和“鲇魚”的中心分布。圖中第六排沒有綠色實心圓的圖為試驗SO30，因為30個壞樣本被好樣本替換，所以不存在一般樣本。

圖3顯示在第一個小時的循環(huán)中(06—07時)集合離散度從上到下并沒有明顯的下降趨勢。然而在第二和第三個小時的循環(huán)中(07—09時)集合離散度下降明顯，尤以SO25和SO30為甚，無論從東西還是南北方向來看，散點分布都更加集中。在最后一次循環(huán)中(08—09時)，SO30試驗?zāi)M的樣本明顯集中于觀測的西北方。而SO5離散度的演變則與SOno試驗類似，SO10和SO15的離散度變化較為近似。SO20、SO25和SO30試驗中隨著時間的演變集合離散度有著顯著下降。

圖3 熱帶氣旋“妮妲”的模擬和觀測中心分布圖 黑點代表觀測中心，紅點代表好樣本，藍(lán)點代表壞樣本，綠點代表一般樣本。四列代表的時間為 2016 年 8 月 1 日 06、07、08、09 時，七行從上至下表示 SOno、SO5、SO10、SO15、SO20、SO25、SO30 試驗。

圖 4 表明從左到右，SOno、SO5、SO10、SO15和SO20離散度沒有出現(xiàn)明顯的減小趨勢，但SO25和SO30則不同，散點分布愈來愈集中。從上向下來看，從07時開始，集合離散度顯著下降，特別是當(dāng)優(yōu)選的樣本數(shù)超過15個以后，南北方向散度分布十分集中?？傊^多的(超過15個)壞樣本被替換極有可能會導(dǎo)致集合離散度大幅下降，而少量的樣本被替換則對集合離散度的影響不大。

圖4 熱帶氣旋“鲇魚”的模擬和觀測中心分布圖 黑點代表觀測中心，紅點代表好樣本，藍(lán)點代表壞樣本，綠點代表一般樣本。四列代表的時間為 2016年 9月 26 日 06、07、08、09時，七行從上至下表示 SOno、SO5、SO10、SO15、SO20、SO25、SO30 試驗。

圖5 為循環(huán)中的路徑更新情況，無論是圖5a還是圖5b，可以看出6條樣本優(yōu)選的更新折線均在SOno線之下。也就是說，通過樣本優(yōu)選處理，“妮妲”和“鲇魚”的模擬路徑誤差皆減小。且隨著壞樣本被替換數(shù)目的增加，路徑誤差減小的幅度越大。但有一點須指明，當(dāng)替換的樣本數(shù)達(dá)到30個時，路徑誤差不減反增。

圖6為第二和第三個循環(huán)中樣本優(yōu)選和同化進(jìn)行前集合離散度和路徑誤差的關(guān)系?？梢园l(fā)現(xiàn)，第三個循環(huán)中的散點明顯較第二個循環(huán)中的散點更為發(fā)散。圖中所有情況，代表SO30和SOno的兩點均在散點擬合趨勢線之上，而SO5、SO10、SO15、SO20、SO25則大多數(shù)情況在擬合趨勢線下方。總之，SOno試驗擁有最大的離散度，SO30具有最大的路徑誤差，SO25擁有最小的離散度，SO20具有最小的路徑誤差。這進(jìn)一步說明樣本優(yōu)選可以影響集合離散度，也同時調(diào)整著路徑誤差，且替換樣本的數(shù)量選擇非常重要。

圖5 “妮妲”(a)和“鲇魚”(b)3 h的路徑誤差更新

圖6 路徑誤差和離散度的關(guān)系

3.2 模擬結(jié)果分析

表1揭示了觀測和模擬結(jié)果之間的平均路徑和強(qiáng)度誤差。只有“妮妲”的SO15和SO25試驗中路徑誤差大于SOno，其余的樣本優(yōu)選試驗路徑誤差均小于SOno試驗，對“妮妲”路徑誤差的改進(jìn)從4.30%(SO20)到 13.04%(SO10)不等，而對“鲇魚”路徑誤差的改進(jìn)從11.34%(SO30)至27.81%(SO10)不等。強(qiáng)度對比中，可以看出最低氣壓的樣本優(yōu)選6個試驗中有5個試驗的模擬結(jié)果好于SOno試驗，具體來講，對“妮妲”的最低氣壓誤差改進(jìn)從5.73%(SO20)到 11.56%(SO30)不等，而“鲇魚”的最低氣壓誤差改進(jìn)從1.58%(SO25)到11.62%(SO5)不等。最大風(fēng)速的所有樣本優(yōu)選試驗?zāi)M結(jié)果誤差除了“鲇魚”的SO20，其余均小于SOno試驗，其中“妮妲”最大風(fēng)速的誤差改進(jìn)從13.19%(SO5)到37.01%(SO15)不等，而“鲇魚”最大風(fēng)速的誤差改進(jìn)從11.78%(SO30)到27.07%(SO10)不等。因此，可以看出本文中集合預(yù)報的樣本優(yōu)選方法對熱帶氣旋的路徑和強(qiáng)度的模擬效果整體有所改善。

表1 觀測和模擬試驗的路徑、最低氣壓、最大風(fēng)速誤差 “妮妲”對應(yīng)的時間為2016年8月1日09時—2日18時，“鲇魚”對應(yīng)的時間為2016年9月26日09時—28日21時。

圖7對比了Dong等[15]的方法和本文中的方法(簡稱Li)的路徑誤差。在12個對比試驗中可以發(fā)現(xiàn)，只有3個試驗的路徑誤差是Li的大于Dong等[15]的。因此，本文中的集合預(yù)報樣本優(yōu)選的方法表現(xiàn)良好，特別是當(dāng)更多的樣本被替換時，但替換的數(shù)目最好不要多于25個。

圖7 觀測和模擬的平均絕對路徑誤差

接下來，檢驗一下熱帶氣旋的垂直結(jié)構(gòu)是否有所變化。圖8(見下頁)為熱帶氣旋“鲇魚”的經(jīng)向風(fēng)速的中心經(jīng)向剖面圖，可見所有試驗的風(fēng)速結(jié)構(gòu)特征近似，熱帶氣旋“鲇魚”中心東側(cè)的風(fēng)速加強(qiáng)或減弱的趨勢較明顯，驅(qū)動臺風(fēng)向北移動。隨著“鲇魚”的強(qiáng)度有所減弱 (2016年9月28日00時)，其發(fā)展高度也同步下降。西風(fēng)帶在200 hPa高度以上處于統(tǒng)治地位。第三列圖中較為明顯的差異體現(xiàn)在SOno試驗中“鲇魚”中心東側(cè)的大風(fēng)圈發(fā)展高度低于400 hPa，而其余優(yōu)選試驗中大風(fēng)圈的發(fā)展高度則高于400 hPa。由此可見，樣本優(yōu)選已導(dǎo)致熱帶氣旋結(jié)構(gòu)發(fā)生了一定的變化，這將影響其路徑和強(qiáng)度的演變。

4 結(jié) 論

本文中，我們采用中央氣象臺提供的觀測路徑報文作為限制樣本概率分布的標(biāo)準(zhǔn)依據(jù)，通過一系列試驗以達(dá)到盡可能使集合預(yù)報中的樣本接近真實狀態(tài)。緊接著，探討樣本優(yōu)選對集合預(yù)報模擬結(jié)果的影響。通過結(jié)果的對比分析，最終發(fā)現(xiàn)，除了極少數(shù)情況外，樣本優(yōu)選對熱帶氣旋路徑、強(qiáng)度的模擬均起到較顯著的影響，其中對“妮妲”路徑誤差的改進(jìn)為4%～13%，對“鲇魚”路徑誤差的改進(jìn)為11%～28%，對“妮妲”的最低氣壓誤差改進(jìn)5%～12%，“鲇魚”的最低氣壓誤差改進(jìn)1%～12%，對“妮妲”最大風(fēng)速的誤差改進(jìn)13%～37%，而“鲇魚”最大風(fēng)速的誤差改進(jìn)11%～27%。

兩個熱帶氣旋的模擬結(jié)果顯示本文中的樣本優(yōu)選結(jié)果明顯好于傳統(tǒng)的集合預(yù)報。然而，需要指出的是過多的替換集合預(yù)報成員將會導(dǎo)致集合離散度過分降低。少于15個樣本被替換將會在一定程度上改善集合平均且又不致使集合離散度降低許多。

此外，又研究了路徑的調(diào)整效果。本文中以觀測路徑為標(biāo)準(zhǔn)進(jìn)行樣本優(yōu)選，結(jié)果發(fā)現(xiàn)路徑和強(qiáng)度誤差絕大多數(shù)情況下均有一定幅度的減小。但是，過多的或不充分的樣本優(yōu)選則起不到理想的效果。

繼而又分析了熱帶氣旋結(jié)構(gòu)的變化，結(jié)果顯示樣本優(yōu)選所有試驗的熱帶氣旋結(jié)構(gòu)演變均符合發(fā)展規(guī)律，但是7個試驗中還是存在一定的差異，以“鲇魚”為例，樣本優(yōu)選試驗中模擬的熱帶氣旋結(jié)構(gòu)較SOno試驗偏強(qiáng)，這將最終導(dǎo)致其強(qiáng)度和路徑發(fā)展的不同。

值得一提的是樣本優(yōu)選的替換數(shù)量超過5個少于25個會對熱帶氣旋的路徑、強(qiáng)度以及結(jié)構(gòu)帶來一定的正效果。

然而，本文中集合預(yù)報雖帶來了較好的正效果，但仍存在一定的不足。

(1)本方案中樣本優(yōu)選基于熱帶氣旋的觀測路徑報文，以其為限制樣本概率分布的條件。然而，熱帶氣旋的強(qiáng)度、降水、形狀結(jié)構(gòu)、回波等因素卻沒有考慮在內(nèi)。換句話講，確定樣本是好是壞的依據(jù)可以有很多，這將在今后的研究中進(jìn)行分析。

(2)樣本優(yōu)選影響集合離散度。過多的樣本數(shù)替換導(dǎo)致集合離散度大幅下降，因此樣本優(yōu)選的數(shù)目要合理。

(3)本文中研究的對象均是熱帶氣旋，其他的天氣系統(tǒng)比如對流單體、颮線等還未開展研究，這也是未來探索的一個方向。