利用2007年6月8日—8月31日东亚地区TIGGE集合预报资料中欧洲中期天气预报中心（European Centre for Medium-range Weather Forecasts,ECMWF）和英国气象局（United Kingdom Met Office,UKMO）两个中心的地面2 m气温资料进行集合成员优选研究。结果表明,对于24-96 h预报,集合成员优选方法能够较好地选出预报技巧较高和预报技巧较低的集合成员。个例分析表明,在极端天气出现的地区,优选集合平均的预报优势较为明显。对比ECMWF和UKMO的集合成员优选结果发现,ECMWF的预报效果优于UKMO的预报效果。
利用中尺度模式WRF(Weather Research and Forecasting Model)及其资料同化系统3DVAR,将国内多普勒天气雷达(CINRAD)反射率因子及径向风资料直接用于中尺度数值模拟;对安徽梅雨期一次暴雨过程进行模拟试验,经过质量控制后,分析同时同化安徽省内六部多普勒天气雷达观测资料对模拟结果的影响。结果表明:(1)经过质量控制后,同化雷达径向风和反射率因子对初始场的风场和湿度场均有较为明显的改善,说明用该雷达资料质量控制方案同化雷达资料是可行的;(2)同化多部雷达径向速度资料能使风场气旋性增强,同化反射率资料能调整初始水汽场,使对流层中下层水汽含量增加;(3)同化多部雷达径向风和反射率因子资料,能提前模拟出强降水回波结构,且其中尺度特征更清晰,降水落区和强度预报更接近实况,同化雷达资料对降水预报能持续影响到12 h,并提高了12 h降水预报准确率。
基于TIGGE资料中的ECMWF、JMA、NCEP和UKMO四个中心2007年6月1日-8月31日北半球中纬度地区地面气温24～168h集合预报资料，分别利用固定训练期超级集合（SUP，Superensemble）和滑动训练期超级集合（R—SUP，Running Training Period Superensemble）对2007年8月8—31日预报期24d进行超级集合预报试验。采用均方根误差对预报结果进行检验评估，比较了两种超级集合方法与最好的单个中心模式预报、多模式集合平均的预报效果。结果表明，SUP预报有效降低了预报误差，24～144h的预报效果优于多模式集合平均（EMN，Ensemble Mean）和最好的单个中心预报，168h的预报效果略差于EMN。R－SUP预报进一步改善了预报效果。对于24～168h的预报，R－SUP预报效果都要优于EMN。尤其对于168h的预报，R－SUP改进了预报效果，优于EMN。
