Experimental  Extended  Range  GEFS  

Malaquías  Peña,  Dingchen  Hou,  Dick  Wobus,  YuejianZhu  Acknowledgment:  EMC’s  Ensemble  Group,  EMC’s  Global  

C&W  Modeling  Branch  

10  Jan  2014   WMO  InternaTonal  Conference  on  Subseasonal  to  Seasonal    PredicTon  

Global  operaTonal  ensemble  predicTon  systems  at  NCEP  

2  

CFSv2   GEFS  

Coupled     Yes   Atmos-­‐Land  

Ensemble  size   16   80  

ResoluTon   T126L64   T254L42  

Year  of  operaTon   2011   2012  

Ensemble  GeneraTon   Lagged   ETR  

Community  served   Climate   Weather  

Hindcast   CFSRR  (Saha  et  al)   ESRL  (Hamill  et  al)  

CFS  -­‐>    NMME,  IMME  GEFS  -­‐>    NAEFS,  TIGGE  

Both  use  the  GFS  as  the  Atmospheric  component  

Historical  RPSS  for  GEFS  

3  

2005   2010  

•  GEFS  constantly  improving:  I.C.,  higher  resoluTon,  GFS,  perturbaTon  methods  •  GEFS  currently  outperforms  climatology  beyond  16  days;  slowly  approaching  to  zero  

20  Member  Ensemble  every  6h  

Befer  than  predicTng  climatology  

ConTnuos  Rank  Probability  Score  

4  

QuanTfies  the  distance  between  two  staTsTcal  objects,  which  can  be  two  probability  distribuTons  or  samples;  or  the  distance  between  one  point  and  a  distribuTon  

CRPS = 1Cases

Fifcst (x)−Fi

obs (x)"# $%−∞

∞

∫i=1

Cases

∑2

dx

CRPSS = (C −CRPS) /C

AC  score   CRPSS  

WH  Time  Series  of  Mag(RMM1,  RMM2)   WH  Time  Series  of  Mag(RMM1,  RMM2)  

From  Yuejian  Zhu   From  Yuejian  Zhu  

10-­‐day  lead  skill  and  the  MJO  

Lingering  predicTon  skill  beyond  2  weeks?  

6  

Courtesy  of  Qin  Zhang  (CPC)  

•  GEFS  in  operaTons  in  2007  •  T120L42    •  AC  >  0.5  at  around  19  days  for  the  

two  MJO  leading  modes  •  Decaying  average  BC  in  solid  line;  

CFSv1  in  grey  dashed  lines  •  The  period  coincided  with  a  period  

of  high  amplitude  of  the  MJO  •  Does  seem  to  have  value  here.  

Cheers  to  the  GFS  developers!  •  Plan  to  use  it  in  the  NAEFS  project  

Can  this  good  skill  be  reproduced  for  other  periods?  

…  or  Beginner’s  Luck?     AC  of  RMM1  and  RMM2    

Experimental  Setup  •  GEFS  runs  out  to  1080h  (45  days)  Three  forecast  segments:  

 High  ResoluTon:  T254L42;      00h  to  192h  (1-­‐8  days)    Low  ResoluTon:    T190L42;  192h  to  384h  (+8  to  16  days)  

 Extended  ResoluTon:  T126L42;  384h  to  1080h  (45  days)  

•  Daily  runs  iniTalized  at  00Z,  no  cycling  •  First  two  segments  same  as  operaTonal  GEFS  and  ESRL’s  Reforecast  

•  Last  segment  has  addiTonal  10%  computaTonal  cost  to  current  GEFS  

•  Hybrid  EnKF-­‐3DVar  iniTal  condiTons  

Three  experimental  periods  

8  

Strong   Weak  Regular  

CFSv2  hindcast  skill  

9  

Courtesy  of  Qin  Zhang  (CPC)  

WH-­‐  MJO  Forecast  Skill  

10  

Courtesy  of  Qin  Zhang  (CPC)  

Regular  Case  GEFS  Ensemble  Mean  Raw  

WH-­‐  MJO  Forecast  AC  Skill  

11  

Courtesy  of  Qin  Zhang  (CPC)  

Strong  Case  GEFS  Ensemble  Mean  Raw  

Compare  AC  at  lead  0  

WH-­‐  MJO  Forecast  Skill  

12  

Courtesy  of  Qin  Zhang  (CPC)  

Weak  Case  GEFS  Ensemble  Mean  Raw  

We  don’t  expect  the  EGEFS  as  it  is  now  to  be  a  good  predicTon  model  when  MJO  is  weak  

13  

Strong  

Weak  

CRPSS  

~  19  days  

~  16  days  

RMSE  and  Spread  

14  

Weak   Strong  

Spread  Spread  

Default  stochasTc  parameters  

Forecast  uncertainty  in  the  tropics  

15  

Area  of  current  development  

Weak   Weak  

New  approach  to  esTmate  uncertainty  

16  

!      Peña  and  Toth  2014  under  review  in  Tellus  

Lagged  forecasts  

17  

OperaTonal  GEFS   Experimental  GEFS  

1    2    3    4    5    6    7    8    9    10    11    12    13    14    15    16  

Forecast  Lead  (days)   Forecast  Lead  (days)  

Lagged  16  mem  vs  20  mem  at  00Z  

Gridpoint-­‐wise  SystemaTc  Error  of  the  500hPa  (m)  

Gridpoint-­‐wise  SystemaTc  Error  of  the  500hPa  

Gridpoint-­‐wise  SystemaTc  Error  of  the  500hPa  

GEFS  Reforecast  

•  Produced  at  ESRL  (Hamill  et  al  2012)  •  ETR,  only  00  UTC,  10  members+control.  •  6h  cycle  was  preserved  –cycling  only  10  membs  •  StochasTc  tendency  same  as  operaTonal  •  ResoluTon.  1-­‐8  days:  T254L42  (~40  km  at  40  lat)  •  +8  to  16:  T190L42  (54  km  at  40  lat)  •  29yrs:  Dec  1984-­‐Nov  2012  

22  

Several  deficiencies  reported  

Under-­‐dispersive  MJO  (The  reforecast  has  6  members  only)  23  

Hamill  and  Kiladis  2013  

Expected  GEFS  upgrades  (while  a  suitable  coupled  GFS  is  available)  

•  Higher  resoluTon:  T574L42    •  EnKF  based  3D  mask  perturbaTons    •  Surface  perturbaTons  at  iniTal  Tme    •  Tuning  of  stochasTc  perturbaTon  parameters  •  RealisTc  evolving  (two-­‐Ter)  SSTs  

24  

PrioriTes  and  Challenges  •  AccounTng  for  model  uncertainty  properly  in  ensemble  predicTons  of  extended  ranges  

•  Understanding  the  predictability  of  the  S2S  and  sensiTvity  to  surface  perturbaTons  

•  Assess  the  benefit  of  reforecast  at  leads  beyond  2  weeks  

•  Analyze  error  growth:  systemaTc  error  growth  to  opTmize  resources  to  carry  on  new  reforecasts  datasets;  Phase  versus  amplitude  error  

25  

Concluding  Remarks  •  An  extended  GEFS  is  in  the  preparaTon  phase  •  The  EGEFS  is  intended  as  a  benchmark  for  a  possible  coupled  versions  GEFS.  

•  The  EGEFS  does  not  affect  the  skill  the  short  and  medium  range  skill  of  the  operaTonal  GEFS.  

•  The  EGEFS  was  run  for  three  periods  during  2011-­‐2012,  corresponding  to  regular,  strong  and  weak  MJO.  

•  Raw  forecasts  show  that  skill  averaged  (in  the  NH)  for  each  period  correspond  to  the  amplitude  of  MJO  forcing  

•  It  is  an  predicTon  system  of  “opportunity”  that  will  take  advantage  of  the  experiences  and  data  from  the  CFSv2  and  the  ESRL’s  hindcast.  

26