en
×

分享给微信好友或者朋友圈

使用微信“扫一扫”功能。
通讯作者:

王新敏,E-mail:995378392@qq.com

引用:栗晗,王新敏,朱枫,2022.“21·7”河南极端暴雨多模式预报性能综合评估[J].大气科学学报,45(4):573-590.

Quote:Li H,Wang X M,Zhu F,2022.Comprehensive evaluations of multi-model forecast performance for “21·7” Henan extreme rainstorm[J].Trans Atmos Sci,45(4):573-590.

目录contents

    摘要

    采用CRA、邻域TS评分、FSS等多种空间检验方法,对多个不同尺度业务数值模式在“21·7”河南极端暴雨过程中的预报性能进行了综合检验评估,并从低空急流、水汽辐合和热力条件等方面对模式偏差原因进行诊断分析。结果表明:1)在24 h大暴雨降水位置预报偏差上,WARMS预报性能最优,GRAPES_3 km次优;大暴雨降水预报范围与实况相当时,RMAPS降水强度预报较实况明显偏强,且落区较实况出现持续偏西的特征;2)GRAPES_3 km和WARMS预报3 h累积降水的位置偏差更多表现在经向方向上,且离散度较大,但在更临近预报时效经向偏差明显减小,而纬向偏差则随预报时效变化较小;RMAPS的位置偏差主要表现在纬向方向上,19—21日分别有86.7%、91.3%、72.7%的降水个体预报偏西;3)WARMS对低空急流和水汽辐合预报偏弱导致其对19—20日降水强度估计不足,EC和RMAPS对19—20日低空急流预报明显偏西是导致降水落区位置存在偏差的主要原因;MESO对20日急流和水汽辐合发生时间及位置预报较好,但明显偏弱的热力条件导致其缺乏对极端强降水的预报能力;4)21日,MESO和RMAPS预报低空急流过多的偏东分量导致其在太行山陡峭地形处预报了偏强的地形增幅降水;EC和WARMS预报低空急流风向更接近实况,但对低层水汽辐合强度和时间的预报偏差导致预报降水个体出现了较明显的经向位置偏差。

    Abstract

    During the “21·7” extreme rainstorm in Henan,the precipitation of mutil-model showed great differences and divergence.This paper uses multiple spatial verification methods (such as CRA,neighborhood TS score and FSS) to comprehensively evaluate the forecast performance of multiple numerical models during the “21·7” Henan extreme rainstorm process,and diagnoses the cause of model deviation from the aspects of low-level jet,water vapor convergence and thermal conditions.Results show that:(1)For the position forecast deviation of precipitation over 100 mm,the forecast performance of WARMS is the best,followed by GRAPES_3 km.When the heavy rain area predicted by RMAPS is comparable to the observation,the predicted precipitation intensity is obviously stronger,and the predicted rain area continues to appear westward compared with the observation.(2)The position deviation of 3 h cumulative precipitation predicted by GRAPES_3 km and WARMS is more manifested in the meridional direction and has large dispersion.The meridional deviation decreases obviously when the forecast time is nearer,while the zonal deviation changes slightly with the forecast time.The position forecast deviation of RMAPS is mainly manifested in the zonal direction,with 86.7%,91.3% and 72.7% of the individual forecasts of precipitation being westward from the 19th to the 21st,respectively.(3)The weak forecast of low-level jet and water vapor convergence by WARMS leads to the underestimation of precipitation intensity from 19th to 20th.The main reason for the location deviation of precipitation area is that the low-level jet predicted by EC and RMAPS is obviously westward from the 19th to 20th.MESO has a good forecast of the occurrence time and location of jet stream and water vapor convergence on the 20th,but it lacks the ability to predict extreme heavy precipitation due to the obviously weak thermal conditions.(4)On the 21st,too many easterly components of low-level jet predicted by MESO and RMAPS leads to the strong terrain increasing precipitation forecast at the steep terrain of Taihang Mountain.The wind direction of low-level jet stream forecasted by EC and WARMS is closer to the observation,but the forecast deviation of intensity and time of low-level water vapor convergence leads to the obvious meridional position deviation of individual precipitation forecast.

  • 2021年7月17—22日,河南省出现历史罕见的极端暴雨(简称“21·7”极端暴雨),河南省中北部大部地区累积降雨量超过500mm,最高达1 122.6mm(鹤壁市科创中心站),过程短时雨量强度出现明显极端性特征,7个国家级气象站1h降雨量突破建站以来小时降雨量历史极值,其中郑州站最大小时降雨量达201.9mm,突破内陆地区小时降雨量历史极值。此次过程导致郑州、鹤壁、新乡、安阳等城市发生严重内涝,多条河流发生超警洪水,造成重大人员伤亡和财产损失。

  • 近年来,我国高分辨率数值预报业务快速发展,国家级以及各区域气象中心也相继建立了水平分辨率达9km甚至3km的高分辨率数值预报系统,在预报预警业务中广泛应用的同时也相继开展了相关的检验评估工作(祁莉等,2017;佟华和张玉涛,2019;张小雯等,2020;王婧卓等,2021)。在“21·7”极端暴雨过程中不同尺度模式的降水预报表现出较大差异,由于较小的落区位置偏差可能导致过大的空报和漏报,从而导致评分偏低难以有效评估模式的预报性能。针对此类问题,近年来也已经发展出多种降水空间检验技术,如邻域法、尺度分离法、场变换法以及基于降水对象的评估方法等(Davis et al.,2009;Ebert and Gallus,2009;Gilleland et al.,2009;Wernli et al.,2009;Mittermaier and Roberts,2010)。邻域法是传统点对点检验方法在空间邻域上地拓展,目前应用较为广泛的是分数技巧评分(Fractional Skill Score,FSS;Roberts and Lean,2008)。赵滨和张博(2018)对比了TS评分和FSS在不同降水阈值条件下的评估效果指出,两者在小量级降水评估时表现相似,但对于较高量级或者降水预报较弱时段FSS评分能够更好地区分降水预报特征。张小雯等(2020)将FSS方法应用到高分辨率模式对流风暴预报能力评估中,结果表明邻域检验能够在模式对流风暴预报存在位移和强度偏差时仍然给出有价值的评分结果。李子良等(2021)将FSS方法拓展应用至集合预报领域,并在此基础上构建适用于集合预报的降水空间检验指标EFSS。基于降水对象的评估方法则利用各种空间诊断技术对预报与观测的位置、面积、方位、形态等特征进行全面评估。符娇兰等(2014)、符娇兰和代刊(2016)基于连续降雨区(Continues Rain Area,CRA)方法评估了EC模式对于我国西南地区降水的预报能力,指出了EC对于大雨量级以上降水预报范围偏大且雨带偏西的特征。王新敏和栗晗(2020)基于CRA方法评估了多个业务模式在2018年三次登陆台风暴雨过程中的降水预报空间偏差特征,指出该方法能够从位移、强度、形态等角度区分模式的误差特征。Chen et al.(2018)应用CRA方法评估了ACCESS台风模式对于2012—2013年间15次台风过程的降水预报能力,结果表明该模式更倾向于在台风中心(台风眼)附近预报出更多的极端强降水。与CRA同为面向对象的空间检验方法,不同的是,MODE检验利用对降水场的空间卷积实现降水个体的识别和分类。潘留杰等(2016,2017)评估了不同种类空间检验方法的适用性指出MODE方法除了给出传统技巧评分在不同尺度上的变化特征以外,还能够表现降水对象的多种空间偏差属性,能够为用户提供多视角的评估信息。

  • 由于数值模式对于极端强降水的落区、强度预报不确定性远大于一般性降水,单一检验方法往往不能够全面评估模式预报偏差特征。因此,针对“21·7”极端降水过程,本文综合应用CRA、邻域TS评分、FSS等多种空间检验方法,对不同尺度的业务数值模式预报性能进行多角度地检验,并评估模式对于24、3h极端强降水的预报性能及有效预报尺度,以期揭示模式降水预报的偏差特征,评价其不确定性,从而提高数值模式的应用水平。同时,也对比分析不同检验方法对于模式偏差信息的提取能力,对其适用场景进行评估,从而为智能网格预报技术中多尺度模式产品的释用提供参考依据。

  • 1 资料和方法

  • 1.1 资料

  • 本文针对“21·7”河南极端暴雨逐24h和逐3h累积降水对模式预报性能进行检验评估,选取2021年7月19日08时—22日08时(北京时,下同)主要降水时段作为研究对象。评估对象主要包括2个全球模式(EC、GRAPES_GFS)和4个中尺度模式(WARMS、GRAPES_MESO、GRAPES_3km、RMAPS)共6个业务模式(模式详细信息见表1)。其中GRAPES_3km和RMAPS每日有多个起报时次产品,为方便各模式之间进行对比,本文仅检验各模式每日08时、20时两个起报时次的降水预报产品。同时考虑产品在实时业务中的滞后时间,模式产品第一天的预报时效为12~36h(对应实际预报业务0~24h),其他以此类推。

  • 表1 模式基本信息

  • Table1 Basic information of models

  • 为了更好地评估模式预报降水的空间偏差特征,选取国家气象信息中心地面、卫星、雷达三源降水融合产品(CMPA_Hourly V2.1)作为模式检验的实况观测资料,时间分辨率为1h,空间分辨率为0.05°。模式预报降水偏差诊断分析对比实况数据为ECMWF(European Centre for Medium-range Weather Forecast)全球气候再分析资料第五代产品(ERA5),时间分辨率为1h,空间分辨率为0.25°。

  • 1.2 检验方法

  • 1.2.1 传统点对点检验

  • 传统的点对点的检验方法(如TS评分)能够方便有效地对不同模式预报降水的性能差异进行评估,但由于雨带位置和强度的微小偏差有可能带来空报率或漏报率地增加则会使评分大大降低。TS评分综合考虑模式预报命中(a)、空报(b)、漏报(c)情况,计算公式如下:

  • Ts=aa+b+c
    (1)
  • 1.2.2 邻域空间检验

  • 邻域空间检验主要是基于升尺度的方法将高分辨率模式信息调整到更大尺度上与实况观测信息进行对比,包括“面对面”的FSS以及“点对面”的邻域TS方法等。FSS检验方法是通过比较不同尺度的窗口区内不同阈值降水发生的概率来评估模式预报与实况的差异,如果在一定尺度的窗口区内模式预报降水发生概率与实况接近则为有效预报,其衡量的是预报与实况在邻域窗内发生频率的相似度,如果FSS趋于0则表示无技巧,趋于1则表示在邻域尺度内预报与实况降水发生频率相同,具体计算方法见(Mittermaier and Roberts,2010;潘留杰等,2017;赵滨和张博,2018;王新敏和栗晗,2020)。

  • 而邻域TS评分则是在TS评分的基础上,将检验对象从实况点变为以其为中心向外拓展的邻域进行点对面的评分,当邻域内格点预报有相应阈值降水且对应实况点也出现时,记为命中(a),若实况点无对应阈值降水则记为空报(b),当邻域内格点预报无相应阈值降水而对应实况点达到阈值时,记为漏报(c),依据式(1)计算邻域TS评分。

  • 1.2.3 基于目标的CRA空间检验及实况降水预处理

  • CRA检验方法首先将预报与实况降水场进行叠加(重叠格点取降水与实况的最大值),在固定阈值下对叠加降水场的连续降雨区进行分离,并从中识别出符合降水面积阈值的降水目标个体,同一连续雨区中所识别的预报与降水目标个体则互相匹配,并在此基础上计算个体间的各类评价指标(Ebert and Mcbride,2000;Ebert and Gallus,2009;符娇兰和代刊,2016;Sharma et al.,2018;王新敏和栗晗,2020)。

  • 在实际检验分析过程中经常发现,如果对实况降水格点场直接进行降水目标识别匹配,得到的评价结果往往涵盖了整个研究区域内的所有降水事件。为了使评价结果更有针对性,同时不同模式间的对比也更加公平,本文采用CRA检验方法中的降水目标识别技术对24和3h实况累积降水场进行预处理,将实况降水场中不同阈值下的降水目标个体进行识别分离(24h累积降水目标范围大于1°×1°,3h累积降水目标范围大于0.5°×0.5°),形成包含单个降水目标个体的降水场,以此为实况降水检验目标再对各模式不同阈值的预报降水进行评估分析。

  • 由于本文的主要研究对象为不同阈值下实况降水场中的连续雨区,而较高量级降水阈值(如24h累积降水达100mm以上)对应的连续雨区较难识别,因此,本文中24h累积降水的邻域TS和FSS评分对于50mm及以上量级的评估均基于25mm阈值所识别的实况连续降雨区,同理,3h累积降水对于20mm及以上量级的评估则均基于10mm阈值所识别的实况连续降雨区。

  • 2 实况降水及识别连续降雨区分布特征

  • 从自动站实况降水观测数据来看,17日08时—23日08时,河南省全省平均降水量达224.1mm,河南省中北部大部分地区累积降水量超过400mm,过程最大累积降水量为鹤壁科创中心1 122.6mm。从过程分阶段降水实况来看,此次过程最强降水时段集中在19—21日(图略),强降水中心在逐渐北移的过程中主要影响郑州、鹤壁、新乡和安阳等地区,其中20日16—17时,郑州最大小时降雨量达201.9mm。

  • 基于格点实况降水对此次过程中超过对应阈值的降水目标进行识别,从7月19日08时—22日08时逐24h累积降水场中分别识别出超过25、50和100mm各5个连续降雨区,3h累积降水场中则分别识别出55(超过10mm)、41(超过20mm)、13个(超过50mm)连续降雨区(图1)。从降水目标中格点最大降水量的分布可以看出,24h累积降水超过500mm以及3h累积降水超过50mm降水目标的分布区域与实况强降水发生区域基本一致,其中24h累积降水目标中格点最大降水量为553.85mm,3h累积降水目标最大降水量为211.26mm。从识别出的降水目标频次空间分布也可以看出,更多的强降雨区(24h累积超过100mm和3h超过50mm)分布在豫中郑州及豫北新乡、鹤壁等地区附近。以上结果表明,基于格点实况降水客观识别出的连续降雨区能够较好地反映出此次过程的实况降水特征,为了使数值模式检验评估更聚焦于强降水发生的时段和区域,下文将基于上述识别的降水目标对各模式预报开展检验对比。

  • 图1 2021年7月19日08时—22日08时识别的24h(1)和3h(2)累积降水量降水目标大于等于对应阈值的平均降水量(a—c)、最大降水量(d—f)和降水频次(g—i)的空间分布:(a1、d1、g1)≥25mm;(b1、e1、h1)≥50mm;(c1、f1、i1)≥100mm;(a2、d2、g2)≥10mm;(b2、e2、h2)≥20mm;(c2、f2、i2)≥50mm

  • Fig.1 Spatial distributions of (a—c)average precipitation,(d—f)maximum precipitation and (g—i)precipitation frequency of (1) 24h and (2) 3h cumulative precipitation individuals greater than or equal to the corresponding threshold,identified from the forecast fields from 08:00BST19to 08:00BST22July 2021:(a1,d1,g1)≥25mm;(b1,e1,h1)≥50mm;(c1,f1,i1)≥100mm;(a2,d2,g2)≥10mm;(b2,e2,h2)≥20mm;(c2,f2,i2)≥50mm

  • 3 24 h累积降水点对点检验评估

  • 首先针对格点实况降水场中所识别的降水目标计算点对点的TS评分,对比不同模式对于此次过程逐24h累积降水中暴雨、大暴雨的预报能力(表2、3)。17—18日除豫东部分地区外,河南省其他大部分地区都出现了零散的暴雨区,其中豫北沿太行山附近强降水集中且出现连片的大暴雨落区,RMAPS模式提前36h对于此阶段强降水预报优于其他模式(18日大暴雨预报TS评分为0.064)。19日强降水自豫中地区开始发展加强,RMAPS模式依然维持了较好的预报水平,其对于19日08时—20日08时大暴雨预报TS评分达0.235优于其他模式。20日大暴雨落区继续向北扩展,强降水中心集中在郑州附近,在此阶段GRAPES_3km对于大暴雨以上量级降水的预报表现出优势,对于暴雨以上量级降水预报则GRAPES_MESO评分最高。21日,强降水中心移至豫北,EC对于强降水落区的预报能力较前期有明显提升,对于21日08时—22日08时暴雨、大暴雨的预报TS评分分别为0.482、0.362均优于其他模式。22日为此次过程的降水减弱阶段,在豫北和豫西部分地区出现了局地对流性降水导致的零散暴雨落区,从TS评分来看各模式对此阶段强降水的预报能力均较差。

  • 综上,从点对点的TS评分评估结果来看,对于此次过程的开始阶段(17—18日)及首日强降水集中时段(19日),RMAPS模式对于暴雨及大暴雨预报优于其他模式。对于20日以郑州地区为中心的强降水,GRAPES系列中尺度模式表现出优势,尤其GRAPES_3km对于大暴雨预报明显优于其他模式。21日随着强降水中心继续北抬,EC模式预报强降水落区较前期有所调整,其对21日豫北暴雨、大暴雨预报把握较好。22日,随着过程降水逐渐减弱,暴雨落区明显减小,各模式对于零散的局地对流性暴雨预报能力均较差。

  • 表2 2021年7月17日08时—23日08时各模式逐12h起报36h预报TS评分(≥50mm)

  • Table2 The 36h forecast TS scores for each model initiated every 12h from 08:00BST17to 08:00BST23July 2021 (≥50mm)

  • 注:1)为预报时段内评分最高模式.

  • 表3 2021年7月17日08时—23日08时各模式逐12h起报36h预报TS评分(≥100mm)

  • Table3 The 36h forecast TS scores for each model initiated every 12h from 08:00BST17to 08:00BST23July 2021 (≥100mm)

  • 注:1)为预报时段内评分最高模式.

  • 4 模式预报降水空间偏差特征

  • 从上述分析来看,基于传统点对点TS评分能够一定程度上区分不同模式的预报性能,但无法给出模式预报降水的偏差来源。因此,本节基于CRA方法从降水个体格点数、平均和最大降水量等角度对17日08时—23日08时模式降水预报进行评估,以期更好地分析各模式的主要偏差特征。

  • 4.1 24 h累积降水空间偏差特征

  • 从不同阈值下识别的降水个体格点数对比可以看出,对于大雨以上量级,WARMS和RMAPS两个模式预报降水个体较实况范围偏大,其中RMAPS预报降水格点数分布更加集中,偏大的特征更加明显(图2a)。随着量级的增大,各模式预报降水范围大小与实况的差异也更加显著,对于100mm以上量级,GRAPES_GFS几乎没有预报能力,其预报降水个体格点数远小于实况,EC和MESO两个模式也呈现出较实况偏小的特征。对比各模式预报格点数平均值,WARMS、GRAPES_3km和RMAPS与实况均较为接近,但从预报降水个体格点数的离散度可以看出,RMAPS预报结果优于其他模式。

  • 图2 2021年7月17日08时—23日08时CRA从各模式逐12h起报36h预报24h累积降水场中识别出的大于等于对应阈值的降水个体格点数(a、d、g)、平均降水量(b、e、h)和最大降水量(c、f、i)的统计特征:(a—c)≥25mm;(d—f)≥50mm;(g—i)≥100mm

  • Fig.2 Statistical characteristics of (a,d,g)grid points,(b,e,h)average rainfall and (c,f,i)maximum rainfall of 24h cumulative precipitation individuals greater than or equal to the corresponding threshold,identified by CRA from 36h forecast fields of each model initiated every 12h from 08:00BST17to 08:00BST23July 2021:(a—c)≥25mm;(d—f)≥50mm;(g—i)≥100mm

  • 从平均降水量(图2b、e、h)和最大降水量(图2c、f、i)的统计特征来看,对于25和50mm阈值,WARMS、GRAPES_3km、RMAPS预报结果较其他模式更接近实况,EC与MESO对于降水强度预报能力相当,均略小于实况,GRAPES_GFS则较实况明显偏弱。对于100mm量级,无论是平均降水量还是最大降水量,RMAPS预报均较实况明显偏强,即在预报降水落区范围大小与实况相当的情况下,RMAPS对于强降水的强度预报出现较大的偏差。

  • 分析19—21日强降水发生时段各模式预报降水个体的空间位置偏差可以看出,部分模式此次过程部分时次的强降水预报出现了明显偏西的特征(图3)。如EC在18日20时起报产品预报19日降水较实况降水个体位置偏西接近1.5°,且对于100mm降水个体预报偏西程度更大(接近2°)。类似偏差特征也表现在RMAPS模式的预报结果中,其18日20时和19日08时起报的36h效产品对于100mm降水预报结果分别较实况偏西1.1°和1°。对于20日08时—21日08时强降水时段,RMAPS预报偏西的特征仍然较明显,其对于25、50、100mm降水个体位置预报偏西均接近1.3°,而EC预报较前期有所调整,其对于25、50mm降水个体位置预报偏差较小,但其对于100mm降水个体预报仍明显偏西(达1.5°)。对于21日豫北强降水阶段,从纬向位置偏差来看,RMAPS仍然维持了较明显的偏西特征,尤其20日20时起报产品预报不同阈值降水个体均偏西接近1°。从19—21日强降水过程整体降水位置预报偏差来看,WARMS预报性能优于其他模式(100mm降水个体平均纬向偏差0.1°、平均经向偏差0.6°),其次为GRAPES_3km(100mm降水个体平均纬向偏差0.42°、平均经向偏差0.64°)。

  • 4.2 3 h累积降水空间偏差特征

  • 由于3h累积降水个体雨区范围较小,尤其在17—18日及23日降水较弱阶段,识别个体数量较少,因此本节主要分析各模式对于19—21日连续三天强降水阶段大于20mm的3h累积降水预报空间偏差特征(图4)。从19日的空间偏差特征统计分布情况来看,各模式对于该日强降水范围预报明显较实况偏小,实况降水个体范围平均大小接近200个格点,4个中尺度模式预报降水个体平均范围低于100个格点,EC、GRAPES_GFS偏小程度更加明显。从各模式平均降水量预报对比来看,WARMS和RMAPS与实况更为接近,EC、MESO和GRAPES_3km预报平均降水强度较实况偏弱,GRAPES_GFS则偏弱最为明显。最大降水量则仅RMAPS模式预报平均强度与实况较为接近,但其预报离散度也较实况明显偏大,其他模式则均较实况偏弱。

  • 图3 2021年7月19日08时—22日08时CRA从各模式逐12h起报36h预报24h累积降水场中识别出的大于等于对应阈值的降水个体相对于实况的经向和纬向位移偏差(序号代表数值模式、填色代表起报时次):(a)≥25mm;(b)≥50mm;(c)≥100mm

  • Fig.3 Meridional and zonal displacement deviations (relative to the observations) of 24h cumulative precipitation individuals greater than or equal to the corresponding threshold,identified by CRA from 36h forecast fields of each model initiated every 12h from 08:00BST19to 08:00BST22July 2021 (Serial number represents the numerical model,and color filling represents the initial time):(a)≥25mm;(b)≥50mm;(c)≥100mm

  • 20日强降水落区继续北移,除GRAPES_GFS以外其他各模式对于3h累积降水个体格点数的预报与实况较为接近,但全球模式对于平均降水量以及最大降水量的预报仍然明显小于实况,4个中尺度模式中RMAPS预报降水强度最大,其预报降水个体最大降水量平均值接近200mm。21日,随着强降水落区移至豫北安阳、鹤壁、新乡等地区,3h累积降水个体范围较前期有所减小,EC、WARMS、GRAPES_3km等模式预报降水个体范围均较实况略微偏大。从平均降水量和最大降水量的预报来看,EC和GRAPES_3km预报降水个体的统计分布情况与实况更为接近,RMAPS则仍然维持降水强度预报偏大的特征。

  • 19日,EC、GRAPES_GFS、MESO识别降水个体较少不做讨论,其他模式中RMAPS偏西明显,识别出的降水个体中有86.7%出现了偏西的纬向位置偏差,平均纬向偏差达0.74°,WARMS也有70.6%的降水个体出现偏西的特征,但平均纬向偏差为0.35°(图5)。对比经向位置偏差来看,WARMS在经向方向上位置偏差离散度最大,标准差达0.59°,GRAPES_3km则南北偏差离散度较低。20日,EC、GRAPES_GFS、RMAPS分别有73.7%、83.3%和91.3%的降水个体出现位置较实况偏西的特征,平均纬向偏差分别为0.69°、0.43°和0.85°,也均超过了平均经向偏差。WARMS、MESO和GRAPES_3km的位置偏差则更多表现在经向方向,标准差分别为0.97°、0.9°、0.8°,均大于纬向方向的位置偏差离散度。尽管EC对于21日豫北强降水阶段的3h降水预报仍有82.1%降水个体位置较实况偏西,但平均纬向偏差减小至0.35°。同理,尽管GRAPES_GFS仅识别出4个超过20mm的降水个体且均较实况偏西,但平均偏西仅0.28°。中尺度模式中RMAPS预报偏西特征仍较为明显(72.7%),同时也出现63.6%的降水个体预报较实况偏南。

  • 图4 2021年7月19日08时—22日08时CRA从各模式逐12h起报36h预报3h累积降水场中识别出的大于等于20mm的降水个体格点数(a、d、g)、平均降水量(b、e、h)和最大降水量(c、f、i)的统计特征:(a—c)19日08时—20日08时;(d—f)20日08时—21日08时;(g—i)21日08时—22日08时

  • Fig.4 Statistical characteristics of (a,d,g)grid points,(b,e,h)average rainfall and (c,f,i)maximum rainfall of 3h cumulative precipitation individuals greater than or equal to 20mm,identified by CRA from 36h forecast fields of each model initiated every 12h from 08:00BST19to 08:00BST22July 2021:(a—c)08:00BST19to 08:00BST20;(d—f)08:00BST20to 08:00BST21;(g—i)08:00BST21to 08:00BST22

  • 对比各模式12~24h和24~36h前后各12h预报降水个体的平均经向、纬向位置偏差变化情况(表4),WARMS和GRAPES_3km在更临近时效(12~24h)预报降水个体的经向偏差明显减小,表现为19—21日平均经向偏差由0.9°(0.86°)减小至0.41°(0.37°),EC与RMAPS的经向偏差也随时效临近有所减小,但MESO模式则相反,其平均经向偏差由0.55°进一步增大至0.62°。各模式在纬向的偏差随时效变化较小,其中GRAPES_3km随时效临近平均纬向偏差由0.44°减小至0.31°,EC则由0.29°增大至0.42°。

  • 5 强降水空间邻域检验评估

  • 从点对点的TS评分和基于CRA的空间检验偏差分析可以看出,对于“21·7”降水过程不同阶段降水的预报,各模式存在较大差异:如EC对于19—20日强降水预报明显偏西但对21日降水预报位置偏差较小,从而获得了较高的TS评分;RMAPS预报降水强度较实况普遍偏大,且其对于19—21日连续3d降水预报均较实况偏西,但对于强降水开始阶段(19日)预报优于其他模式;WARMS和GRAPES_3km降水预报的偏差则主要来自其预报降水个体在经向方向上的位置偏差。上述检验主要针对24h累积降水大于50、100mm和3h累积降水大于20mm的识别降水个体,本节则主要基于邻域TS评分、FSS评分评估各模式对于24h累积大于250mm和3h累积超过50、70mm强降水的预报能力,同时,为了避免FSS邻域空间尺度过大时导致不同天气系统降水合并检验而引起误导,本节在计算FSS评分时,24h累积降水实况降水场均基于25mm阈值所识别的实况连续降雨区,同理,3h累积降水均基于10mm阈值所识别的实况连续降雨区。

  • 表4 2021年7月19日08时—22日08时各模式12~24h和24~36h预报3h降水个体的平均纬向、经向偏差

  • Table4 Average zonal and meridional deviations of 3h precipitation individuals from 12—24h and 24—36h forecast fields of each model from 08:00BST 19to 08:00BST 22July 2021

  • 图5 2021年7月19日08时—20日08时(a—f)、20日08时—21日08时(g—l)、21日08时—22日08时(m—r)CRA从各模式逐12h起报36h预报3h累积降水场中识别出的大于等于20mm的降水个体相对于实况的经向和纬向位移偏差(百分比代表对应方向位移偏差降水个体数所占比例,填色代表预报时效):(a、g、m)EC;(b、h、n)GRAPES_GFS;(c、i、o)WARMS;(d、j、p)MESO;(e、k、q)GRAPES_3km;(f、l、r)RMAPS

  • Fig.5 Meridional and zonal displacement deviations (relative to the observations) of 3h cumulative precipitation individuals greater than or equal to 20mm,identified by CRA from 36h forecast fields of each model initiated every 12h from (a—f)08:00BST 19to 08:00BST 20,(g—l)08:00BST 20to 08:00BST 21,and (m—r)08:00BST 21to 08:00BST 22July 2021 (Percentage represents the proportion of precipitation individuals in the displacement deviation of corresponding direction,and the coloring represents the forecast hours):(a,g,m)EC;(b,h,n)GRAPES_GFS;(c,i,o)WARMS;(d,j,p)MESO;(e,k,q)GRAPES_3km;(f,l,r)RMAPS

  • 5.1 24 h累积降水预报尺度检验

  • 首先评估各模式对19—21日250mm以上24h累积强降水在不同邻域空间尺度下的预报能力(图6)。19日,从实况观测降水的分布(图略)来看,250mm以上降水主要位于郑州南部及平顶山与南阳交界地区,雨区面积较小且分布较为零散。对比模式预报结果,仅RMAPS预报出了较明显的250mm以上降水落区,但雨区范围较实况偏大且位置偏西,这与图3中对100mm降水空间偏差检验结果较为一致。因此,从空间尺度为0km的邻域TS评分(即为点对点的TS评分)来看,只有RMAPS获得有效评分,其他模式均为0。随着空间尺度地增大,邻域内包含了更多的模式预报和实况信息,可以看到由于RMAPS预报250mm强降水明显范围偏大,因此当尺度增加时邻域内包含了更多的空报信息导致邻域TS评分随尺度增加而减小。对比60~70km尺度的FSS评分来看,RMAPS、WARMS均有不同程度地增加,同时也可以看到RMAPS的邻域TS评分也略微增加,这是由于60km左右的空间尺度容纳了更远距离的实况降水所导致。

  • 20日,强降水区北抬至郑州、新乡、开封等地。从邻域TS评分来看,GRAPES_3km在不同空间尺度上均明显优于其他模式,但是其FSS评分在空间尺度达到40km后则几乎不变。从模式预报降水预报(图略)可以看出,GRAPES_3km预报250mm降水范围较小,RMAPS模式预报范围较大但较实况整体偏西,因此,当邻域尺度较小时(30km以内),GRAPES_3km较小的250mm落区预报因为位置与实况较为接近,其邻域TS、FSS评分均较高。当邻域尺度增加时,更多的250mm以上实况格点被包含,当模式预报降水范围较小时(如GRAPES_3km)则导致模式降水漏报增加,邻域TS评分降低、FSS评分则持平,而预报强降水范围较大的模式(如RMAPS),其FSS评分随邻域增大而迅速增加,但由于位置上的偏差导致强降水空报、漏报均增多,邻域TS评分也有所降低。

  • 图6 各模式在不同邻域尺度对250mm以上特大暴雨预报的邻域TS(a—c)和FSS(d—f)评分的分布特征:(a、d)18日20时起报预报19日08时—20日08时;(b、e)19日20时起报预报20日08时—21日08时;(c、f)20日20时起报预报21日08时—22日08时

  • Fig.6 Distribution characteristics of (a—c)TS scores in the neighborhood and (d—f)FSS scores of the extreme heavy rain forecasts above250mm for each model at different neighborhood scales:(a,d)forecast from 08:00BST 19to 08:00BST 20of model initiated at 20:00BST 18;(b,e)forecast from 08:00BST 20to 08:00BST 21of model initiated at 20:00BST 19;(c,f)forecast from 08:00BST 21to 08:00BST 22of model initiated at 20:00BST 20

  • 21日,特大暴雨主要集中在豫北安阳、鹤壁、新乡等地区沿太行山区域。从点对点的TS评分来看,WARMS、RMAPS、GRAPES_3km有一定预报技巧。随着邻域尺度的增大,各模式预报准确、空报和漏报的站次数均随之增加,GRAPES_3km和EC预报的250mm格点较少,因此在0~60km内尺度增大时,预报准确的站次数增加更为明显,导致TS评分有所增大,随后当邻域尺度增大到足够包含所有出现250mm的实况信息时,尺度的继续增大仅会带来更多的空报和漏报,导致TS评分下降。同理,由于WARMS和RMAPS模式预报250mm格点较多,邻域尺度增大带来的空报、漏报的惩罚更为严重,导致TS评分在更小尺度上出现持平或下降的趋势。从FSS评分变化来看,WARMS在更小尺度上得到了较高的评分,说明其空间偏差小于其他模式。而EC则在100km尺度上FSS评分才接近WARMS,这说明EC对于21日强降水的预报范围与WARMS相当,但空间位置偏差更大。

  • 综上,在此次过程的强降水开始阶段(19日),仅RMAPS模式对250mm以上降水预报具有指示意义,但空间位置偏差较大。对于20日降水,GRAPES_3km在较小的邻域尺度上获得了优于其他模式的评分,主要原因是其预报强降水落区较为准确但量级、范围较实况偏小,因此在较大尺度上RMAPS的FSS评分优势更加明显。21日豫北强降水阶段,EC对于250mm降水空间位置预报偏差较大。

  • 5.2 不同强度3 h累积降水邻域检验

  • 对比模式预报和实况3h累积降水大于50、70mm的格点数(从CRA识别3h累积降水大于10mm的降水个体中提取),RMAPS几乎在强降水过程整个阶段预报降水个体范围大于实况,WARMS预报范围偏大的特征则主要表现在20日夜里至21日(图7)。对比FSS和邻域TS评分的时间变化特征,对于WARMS和RMAPS两个预报强降水范围较大的模式,其FSS、邻域TS评分变化特征基本一致。但对于模式预报范围较小、实况降水个体范围较大的时次,邻域TS评分可能会出现误导性的评价。如20日02—05时50mm强降水检验,GRAPES_3km预报降水格点数明显小于实况,且其FSS评分也明显较低(图7c),但其邻域TS评分接近0.2(图7e),远远高于WARMS和RMAPS两个模式,这是由于TS过度放大了预报降水位置偏差带来的惩罚所导致。类似的情况也出现在20日02—05时MESO对于50mm强降水的检验结果中(图7b、d、f)。从70mm强降水的检验结果中可以看出,虽然RMAPS在大多数时次预报降水格点数大于实况,但由于其位置偏差导致部分时次FSS、邻域TS评分均较低,如21日凌晨到上午的预报结果(图8)。

  • 图7 2021年7月19日08时—22日08时逐3h累积降水大于等于50mm的预报与实况格点数(a—b)、30km空间尺度FSS评分(c—d)和邻域TS评分(e—f):(a、c、e)模式20时起报;(b、d、f)模式08时起报

  • Fig.7 (a,b)Grid points of prediction and observation,(c,d)FSS scores at 30km spatial scale and (e,f)TS scores in the neighborhood of 3h cumulative precipitation greater than or equal to 50mm from 08:00BST 19to 08:00BST 22July 2021:(a,c,e)model initiated at 20:00BST;(b,d,f)model initiated at 08:00BST

  • 6 模式降水偏差诊断分析

  • 从上述不同检验方法的评估结果来看,“21·7”不同强降水阶段各模式降水预报的偏差特征出现较大差异,本节结合模式预报环境场进行诊断分析以期寻找模式降水偏差的主要原因。由于业务中未获取GRAPES_3km的高空预报资料,同时GRAPES_GFS对于此次过程预报偏差较大,因此本节仅对EC、MESO、WARMS和RMAPS四个模式进行诊断分析。从850hPa风场分布情况来看,19日20时在河南地区中部自东向西大部分地区出现超过12m/s的东风急流,20至21日急流带逐渐北抬,强降水区由伏牛山区东侧逐渐北移至太行山区沿山一带(图9)。对比模式预报可以看出,EC尽管在19、20日都预报出了大范围东风急流,但较实况明显偏西,21日则预报急流较实况明显偏北。WARMS虽然落区位置偏差较小,但其预报急流范围或强度较实况偏小。MESO在19、20日预报出了与实况接近的低空急流分布特征,但其预报降水仍较实况明显偏小,这说明急流预报偏差并不是导致其降水预报偏差的主要原因。RMAPS则持续表现出低空急流预报偏西偏南的特征,尽管从降水强度预报来看RMAPS较其他模式更接近实况,但急流位置预报的较大偏差导致了降水落区的明显偏移。

  • 从19—21日850hPa风场的分布情况来看,此次过程的强降水落区随偏东或东南低空急流的逐渐北抬而向北移动,因此对比不同纬度范围内纬向大气环境场的分布特征,对模式逐3h降水预报偏差的原因进行分析。19日EC与RMAPS预报降水较实况均偏西、MESO预报偏弱,上述模式850hPa东南低空急流西伸程度明显大于WARMS,即在112°E附近仍维持了超过12m/s的偏东或东南急流,而WARMS预报风速辐合区则与实况降水区对应更好(图10)。对比水汽通量散度可以看出,RMAPS在112.5°E附近预报出了较实况明显偏强的低层水汽辐合区,同时配合较实况也偏大的CAPE值,可能是导致其强降水预报偏西的原因之一(图11)。WARMS则对于19日夜间112.5°以东的低层水汽辐合强度预报与实况更为接近,EC与MESO则较实况明显偏弱。

  • 对于20日强降水,仅有RMAPS预报出接近实况的降水强度,其在低海拔及平原地区CAPE超过1 500J/kg,较其他模式来说与实况更为接近,但其预报水汽通量散度在111.5°~113°E附近明显强于实况,导致其强降水落区预报明显偏西。MESO尽管预报低空东南急流及水汽通量辐合较实况略偏强,但CAPE预报明显偏小,导致对流性降水强度估计不足。其他模式则预报低空急流风速和CAPE较实况偏小,且低层水汽强辐合时段与CAPE高值出现时段并不一致,低层辐合抬升时段热力条件不足可能是导致降水强度预报偏小的原因。

  • 图8 2021年7月19日08时—22日08时逐3h累积降水大于等于70mm预报与实况格点数(a—b)、50km空间尺度FSS评分(c—d)和邻域TS评分(e—f):(a、c、e)模式20时起报;(b、d、f)模式08时起报

  • Fig.8 (a,b)Grid points of prediction and observation,(c,d)FSS scores at 50km spatial scale and (e,f)TS scores in the neighborhood of 3h cumulative precipitation greater than or equal to 70mm from 08:00BST 19to 08:00BST 22July 2021:(a,c,e)model initiated at 20:00BST;(b,d,f)model initiated at 08:00BST

  • 21日,实况在太行山东侧以低空偏南急流为主,强降水发生时段主要为低层水汽强辐合导致,CAPE值相对较小。EC和WARMS均在太行山东侧预报了与实况风向较为接近的偏南气流,其WARMS预报急流强度与实况更为接近,MESO与RMAPS则对于急流偏东分量预报较实况偏大。从低层水汽辐合强度及出现时段的预报来看,EC预报出了21日下午与22日凌晨两个水汽强辐合时段,与实况较为一致。WARMS则仅预报出22日凌晨时段的低层水汽强辐合特征,这也可能是导致其22日预报降水位置经向偏差不确定性较大的原因。从低空急流风向和地形的分布情况来看,RMAPS对于此阶段降水预报部分来源于低层偏东急流遇高海拔地形强迫抬升作用,850hPa的水汽辐合区也伸展至113.5°以西的高海拔山区,从而导致预报降水偏西的特征更加显著。

  • 7 结论和讨论

  • 本文首先对格点实况降水场中的降水目标进行识别、筛选,得到了“21·7”极端暴雨过程中24h和3h累积降水的主要降水对象,并结合CRA、邻域TS、FSS等多种空间检验方法,对各数值模式24h和3h降水预报性能进行了多角度的综合检验评估,并结合ERA5再分析资料和模式预报水汽、热动力学要素的天气学检验对比分析了模式降水预报的偏差原因。

  • 1)综合多角度的检验结果来看,本文所评估的各个模式对“21·7”过程的预报效果各有优劣,并且在过程的不同阶段模式的降水预报偏差特征也表现出了明显的差异性。EC模式由于其对降水强度估计不足且前期预报降水落区较实况明显偏西,导致其对于19—20日大暴雨或更强降水几乎无预报能力,尽管对21日大暴雨落区及范围把握较好,但邻域检验显示其对250mm以上强降水预报仍有较大的空间位置误差。RMAPS在此次过程中预报降水强度及范围均远大于其他模式,接近甚至超过了实况降水强度,但持续出现落区较实况偏西的特征;基于FSS的检验结果也表明,RMAPS只有在较大邻域范围内才能够表现出对极端强降水的预报效果。WARMS和GRAPES_3km对于19—21日强降水过程整体降水位置预报偏差优于其他模式,首先表现在对于大暴雨降水个体的径向、纬向位置偏差均较小,同时对于3h累积降水,随着预报时效的临近经向偏差也明显减小。MESO模式对20日大暴雨具有一定预报能力,但基于FSS的检验结果显示其即使在较大的邻域空间上也没有对24h超过250mm或3h超过70mm强降水的有效评分,对极端强降水的指示意义较差。

  • 图9 ERA5(a、f、k)及EC(b、g、l)、WARMS(c、h、m)、MESO(d、i、n)、RMAPS(e、j、o)模式预报的24h累积降水和850hPa风场(大于等于12m/s;字母A、B、C分别代表太行山、嵩山、伏牛山位置):(a—d)18日20时起报预报19日08时—20日08时累积降水和19日20时风场;(f—i)19日20时起报预报20日08时—21日08时累积降水和20日20时风场;(k—n)20日20时起报预报21日08时—22日08时累积降水和21日20时风场

  • Fig.9 The 24h cumulative precipitation and 850hPa wind field (greater than or equal to 12m/s) from (a,f,k)ERA5,and predicted by (b,g,l)EC,(c,h,m)WARMS,(d,i,n)MESO and (e,j,o)RMAPS models (Letters A,B and C respectively represent the locations of Taihang Mountain,Songshan Mountain and Funiu Mountain):(a—d)predicted cumulative precipitation from 08:00BST 19to 08:00BST 20and wind field at 20:00BST 19of model initiated at 20:00BST 18;(f—i)predicted cumulative precipitation from 08:00BST 20to 08:00BST 21and wind field at 20:00BST 20of model initiated at 20:00BST 19;(k—n)predicted cumulative precipitation from 08:00BST 21to 08:00BST 22and wind field at 20:00BST 21of model initiated at 20:00BST 20

  • 图10 ERA5(a、g、m)及EC(b、h、n)、WARMS(c、i、o)、MESO(d、j、p)、RMAPS(e、k、q)模式预报的逐3h降水(阴影;单位:mm)和850hPa风场(箭矢)、风速(等值线;单位:m/s):(a—e)18日20时起报预报19日08时—20日08时沿34°~34.8°N的纬向剖面;(g—k)19日20时起报预报20日08时—21日08时沿34.2°~35°N的纬向剖面;(m—q)20日20时起报预报21日08时—22日08时沿35.3°~36.1°N的纬向剖面;f、l、r分别为对应剖面的地形高度

  • Fig.10 The 3h precipitation (shadings;units:mm) and 850hPa wind field (arrows)speed (contours;units:m/s) from (a,g,m)ERA5,and predicted by (b,h,n)EC,(c,i,o)WARMS,(d,j,p)MESO and (e,k,q)RMAPS models:(a—e)zonal profile of forecasts from 08:00BST 19to 08:00BST 20of model initiated at 20:00BST 18along 34°—34.8°N;(g—k)zonal profile of forecasts from 08:00BST 20to 08:00BST 21of model initiated at 20:00BST 19along 34.2°—35°N;(m—q)zonal profile of forecasts from 08:00BST 21to 08:00BST 22of model initiated at 20:00BST 20along 35.3°—36.1°N

  • 2)结合ERA5再分析资料的诊断分析来看,此次过程的强降水主要发生在太行山、伏牛山东侧低海拔区域850hPa急流带内。19日在嵩山附近及其东侧低层出现接近或超过14m/s的低空急流,同时配合有低层水汽辐合,配合嵩山局地地形作用出现了较明显的降水。对于20日强降水阶段,主要降水区低层并没有表现出明显的水汽辐合或较强的CAPE值,该阶段极端强降水的出现可能更多的源于中小尺度系统的发展增强,其可预报性偏低也是导致模式出现较大预报偏差的原因之一。21日白天及前半夜,太行山东侧出现了较明显的低层水汽辐合,各模式对于低空急流及水汽辐合强度和位置的预报是影响降水预报的关键因素。

  • 图11 ERA5(a,g,m)及EC(b,h,n)、WARMS(c,i,o)、MESO(d,j,p)、RMAPS(e,k,q)模式预报的逐3h对流有效位能(等值线;单位:J/kg)和850hPa水汽通量散度(填色;单位:10-7 kg·m-2·s-1·hPa-1):(a—e)18日20时起报预报19日08时—20日08时沿34°~34.8°N的纬向剖面;(g—k)19日20时起报预报20日08时—21日08时沿34.2°~35°N的纬向剖面;(m—q)20日20时起报预报21日08时—22日08时沿35.3°~36.1°N的纬向剖面;f、l、r分别为对应剖面的地形高度

  • Fig.11 The 3h CAPE (contours;units:J/kg) and 850hPa moisture flux divergence (color shadings;units:10-7 kg·m-2·s-1·hPa-1) from (a,g,m)ERA5,and predicted by (b,h,n)EC,(c,i,o)WARMS,(d,j,p)MESO and (e,k,q)RMAPS models:(a—e)zonal profile of forecasts from 08:00BST 19to 08:00BST 20of model initiated at 20:00BST 18along 34°—34.8°N;(g—k)zonal profile of forecasts from 08:00BST 20to 08:00BST 21of model initiated at 20:00BST 19along 34.2°—35°N;(m—q)zonal profile of forecasts from 08:00BST 21to 08:00BST 22of model initiated at 20:00BST 20along 35.3°—36.1°N

  • 3)从各模式预报低层风场、水汽辐合及CAPE与ERA5再分析资料的诊断对比分析表明,19日EC、RMAPS等模式预报850hPa急流区明显较实况偏西是导致降水落区偏西的原因之一;从日变化特征来看,RMAPS在19日白天即预报出了较强的低空急流和强水汽辐合,导致其强降水预报时间偏早,WARMS对低空急流和水汽辐合出现时段预报优于其他模式,但其强度估计偏弱导致其强降水预报范围和强度偏小。随着20日强降水区东移,EC与RMAPS仍然维持了低空急流及降水较实况预报偏西的特征,但从降水演变可以看出,20日白天RMAPS在嵩山区域附近预报出了较强的低层水汽辐合并配合有略强于实况的CAPE,这对该时段强降水的发生有较好的指示意义;WARMS对于急流和水汽辐合强度预报均偏弱导致其降水预报偏小;MESO对急流和水汽辐合发生时间和位置均预报较好,因此其给出了更好的大暴雨预报结果,但明显偏低的CAPE导致其缺乏对极端强降水的预报能力。21日,实况低层气流逐渐转为以偏南分量为主,MESO和RMAPS过多的偏东分量导致其在太行山陡峭地形处预报了偏强的地形增幅降水,而对于东侧浅地形处降水则预报偏弱;EC和WARMS预报低空急流风向更接近实况,因此其预报降水也主要发生在太行山东侧低海拔山区,但对于低层水汽辐合强度和时间的预报偏差也导致两者对于强降水发生时间预报存在误差,同时,低层偏南急流遇太行山东侧低海拔起伏地形产生的风速脉动辐合,也导致EC和WARMS降水预报出现了明显的经向位置偏差。

  • 本文利用了多种检验方法对模式降水预报偏差信息进行了综合评估,其中邻域检验既保留了TS评分量化评价的特点,又能够对模式预报空间尺度进行评估,CRA则能够从降水目标分析的角度提供更详细的空间偏差特征,以上多角度的空间偏差信息更有利于对模式预报误差来源进行有针对性的诊断分析。对可能导致强降水预报误差出现的低层急流、水汽辐合、热力环境场等因子进行了诊断分析,部分模式(EC、RMAPS等)在“21·7”过程中表现出了持续偏西的位置偏差特征,这与其他针对西南地区低涡切变型暴雨以及影响黄淮地区的登陆台风暴雨个例中对于模式偏差特征的检验结果较为一致(符娇兰和代刊,2016;王新敏和栗晗,2020),但降水偏差特征可能来源于天气尺度系统移动的预报偏差(如登陆台风路径预报),也可能来自复杂地形对模式降水预报的影响,未来仍需要通过典型降水个例并结合不同模式的形势场预报误差分析或不同分辨率地形的降水预报性能评估进一步探索。

  • 参考文献

  • 参考文献

  • 地址:江苏南京宁六路219号南京信息工程大学    邮编:210044

    联系电话:025-58731158    E-mail:xbbjb@nuist.edu.cn    QQ交流群号:344646895

    大气科学学报 ® 2024 版权所有  技术支持:北京勤云科技发展有限公司