An assessment was made of whether detectable changes in tropical cyclone (TC) activity are identifiable in observations and whether any changes can be attributed to anthropogenic climate change. Overall, historical data suggest detectable TC activity changes in some regions associated with TC track changes, while data quality and quantity issues create greater challenges for analyses based on TC intensity and frequency. A number of specific published conclusions (case studies) about possible detectable anthropogenic influence on TCs were assessed using the conventional approach of preferentially avoiding type I errors (i.e., overstating anthropogenic influence or detection). We conclude there is at least low to medium confidence that the observed poleward migration of the latitude of maximum intensity in the western North Pacific is detectable, or highly unusual compared to expected natural variability. Opinion on the author team was divided on whether any observed TC changes demonstrate discernible anthropogenic influence, or whether any other observed changes represent detectable changes. The issue was then reframed by assessing evidence for detectable anthropogenic influence while seeking to reduce the chance of type II errors (i.e., missing or understating anthropogenic influence or detection). For this purpose, we used a much weaker “balance of evidence” criterion for assessment. This leads to a number of more speculative TC detection and/or attribution statements, which we recognize have substantial potential for being false alarms (i.e., overstating anthropogenic influence or detection) but which may be useful for risk assessment. Several examples of these alternative statements, derived using this approach, are presented in the report.

This study examines the track and intensity forecasts of two typical Bay of Bengal tropical cyclones (TC) ASANI and MOCHA. The analysis of various Numerical Weather Prediction (NWP) model forecasts [ECMWF (European Centre for Medium range Weather Forecast), NCEP (National Centers for Environmental Prediction), NCUM (National Centre for Medium Range Weather Forecast-Unified Model), IMD (India Meteorological Department), HWRF (Hurricane Weather Research and Forecasting)], MME (Multi-model Ensemble), SCIP (Statistical Cyclone Intensity Prediction) model, and OFCL (Official) forecasts shows that intensity forecasts of ASANI and track forecasts of MOCHA were reasonably good, but there were large errors and wide variation in track forecasts of ASANI and in intensity forecasts of MOCHA. Among all model forecasts, the track forecast errors of IMD model and MME were least in general for ASANI and MOCHA respectively. Also, the landfall point forecast errors of IMD were least for ASANI, and the MME and OFCL forecast errors were least for MOCHA. No model is found to be consistently better for landfall time forecast for ASANI, and the errors of ECMWF, IMD and HWRF were least and of same order for MOCHA. The intensity forecast errors of OFCL and SCIP were least for ASANI, and the forecast errors of HWRF, IMD, NCEP, SCIP and OFCL were comparable and least for MOCHA up to 48 h forecast and HWRF errors were least thereafter in general. The ECMWF model forecast errors for intensity were found to be highest for both the TCs. The results also show that although there is significant improvement of track forecasts and limited or no improvement of intensity forecast in previous decades but challenges still persists in real time forecasting of both track and intensity due to wide variation and inconsistency of model forecasts for different TC cases.

Improving the prediction of weather events is always an important research area and challenging task to the meteorologists since it poses a major impact on human life, properties and countries economy. The operational and research centers around the globe have been working to better understand the multiscale interactions involved to advance severe weather including Tropical Cyclones and thunderstorm predictions. The present review article focuses on research activities with a specific emphasis on Numerical Weather Prediction (NWP) methods that led to improvements in severe weather prediction over India during the last three decades. This work also highlights the continuous efforts of India Meteorological Department (IMD) in increasing the observational network and severe weather monitoring. The evolution of NWP models and associated advancements in genesis, movement and precipitation forecasts of extreme events by these models are discussed.