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:

陈超辉,E-mail:chenchaohui2001@163.com

引用:刘侃,陈超辉,何宏让,等,2023.基于局地增长模培育法的对流可分辨尺度WRF模式对河南“21·7”特大暴雨的预报评估[J].大气科学学报,46(5):725-737.

Quote:Liu K,Chen C H,He H R,et al.,2023.Assessment of the convection-allowing scale WRF model using LBGM theory:a case study of severe torrential rain in Henan Province,July 2021[J].Trans Atmos Sci,46(5):725-737.

目录contents

    摘要

    基于WRF(Weather Research and Forecasting)模式,选取河南“21·7”特大暴雨事件,采用局地增长模培育法(Local Breeding Growth Mode,LBGM)生成对流尺度集合预报系统,在此基础上对24 h累积降水量进行SAL(Structure,Amplitude and Location)检验,结合预报成功指数(Threat Score,TS)、公平成功指数(Equitable Threat Score,ETS)评分等评分结果进行对比分析,综合评估集合预报成员的预报效果,表明:1)基于局地增长模培育法生成初始扰动的集合预报系统成员对于强降水预报有一定优势,在降水强度和位置的预报上与实况较接近;2)经检验,成员e003的TS和ETS评分在20日00时—21日00时(北京时,下同)和21日08时—22日08时两个强降水时段内表现最佳,并在SAL检验中对应较好的降雨强度A和雨区位置L,而成员e008暴雨TS、ETS评分最低,对应SAL检验中具有一定的位置偏差,即TS、ETS评分和SAL检验之间存在相关性,将二者有机结合,可以为业务工作中定量评估模式降水预报效果提供参考;3)通过对比整体评分表现较好的成员e003和较差的成员e008,两者预报的位势高度场与ERA5(ECMWF reanalysis v5,ERA5)再分析资料之间的差值,可以验证降水预报误差主要源于对低涡系统的预报偏差,同时预报评分较好的成员其位势高度偏差较小,综合评估效果更佳。

    Abstract

    Ensemble forecasting has emerged as a crucial method for enhancing quantitative precipitation forecasting in operational meteorology.To advance our understanding and improve effectiveness of ensemble predictions,it is imperative to rigorously and accurately assess the predictive skills of ensemble forecast systems.This study offers a comprehensive evaluation of prediction performance using statistical scoring methods such as Threat Score (TS),Equitable Threat Score (ETS),and spatial forecast verification (SAL) based on precipitation forecasts from perturbation and control ensemble members.Our results reveal the following:1) Ensemble members that initialize disturbances based on local breeding growth processes exhibit distinct advantages in forecasting heavy rainfall,yielding predictions that closely align with observed precipitation intensity and spatial distribution.2) Among all ensemble members,member e003 demonstrates the highest TS and ETS scores,along with the lowest false alarm rate and missing alarm rate.These scores are associated with superior accuracy in forecasting rainfall intensity (A) and rain area (L) in SAL verification.Conversely,member e008 displays the lowest scores for TS and ETS related to heavy rainfall,indicating a certain positional deviation in the SAL evaluation.3) Model precipitation forecast bias primarily arises from deviations in forecasting the low vortex system.Furthermore,the evaluation results of precipitation forecast scores for proficient ensemble members tend to exhibit a high degree of consistency.

  • 强降水是业务天气预报的重点关注对象,其局地性和突发性使其能在较短时间内迅速引发洪涝、泥石流以及滑坡等次生灾害。集合预报是研究强降水预报不确定性的重要方法,并已成为目前和未来业务预报中的重要手段和工具(杜钧和陈静,2010; Li et al.,2021)。随着集合预报的发展与应用,结合强降水等灾害性天气发生的复杂性,对流可分辨尺度模式已经成为集合预报研究的重要载体,并且受到越来越高的重视(Kong et al.,2007; Clark et al.,2012; Mülleretal et al.,2017),其模式分辨率为1~4 km,无需采取积云对流参数化方案,目的是描述更详细的中小尺度天气特征,并改善集合预报效果。因此对流可分辨尺度集合预报系统(Convection-Allowing Ensemble Prediction Systems,CAEPS)能够提供多种预报信息,并通过初始扰动、模式物理过程等产生确定预报成员和扰动预报成员来定量评价预报不确定性(Tennant,2015)。

  • 近年来,国内外各气象业务中心使用CAEPS开展了更为深入的研究(陈超辉等,2020)。英国气象局2012年开发了水平网格距为2.2 km的对流尺度集合预报系统MOGREPS-UK,并于2019年进行升级,使其预报时效从54 h增加到120 h。通过MOGREPS-UK生成2 m高度的温度场,并进行温度预报的统计后处理,取得了较好的预报效果(Allen et al.,2021)。法国气象局于2016年10月开始业务运行对流尺度集合预报系统AROME-EPS,Keil et al.(2020)首次采用邻域方法检验和评估了该系统的预报能力,并对法国东南部降水进行了可预报性研究。美国国家环境预报中心(NCEP)和国家大气研究中心(NCAR)最早开展对流尺度集合预报研究,并开发了对流尺度集合预报系统,有计划将模式水平分辨率提升至1 km的风暴尺度(Clark et al.,2009; Du et al.,2019)。国内针对对流尺度集合预报在暴雨和强对流天气方面的研究和试验工作也越来越多,不仅改善了暴雨、飑线、龙卷等中小尺度天气过程的模拟,同时也提高了降水评分(孙正齐,2019)。但针对对流尺度集合预报系统成员之间离散度过小、降水预报效果不理想等缺陷没有得到很好的解决。智协飞等通过对集合预报成员采取频率匹配法进行订正,试验证明对集合成员先订正后集成的方法可以取得较好的预报效果,改进预报降水误差,另外,在引入了复卡尔曼滤波方法后更能有效改善复杂地形地区风场预报准确率(智协飞等,2015; 智协飞和黄闻,2019; 吴柏莹等,2022)。除基于集合成员订正的多模式集成预报方法外,李湘等利用BGM法构造对流尺度集合预报系统,虽然初始扰动增长率在24 h后能达到最大,能以较小计算量捕捉到降水不确定性的空间分布,但试验结果也反映出传统BGM法集合离散度不足的缺陷(李湘,2017; 马申佳等,2018)。因此,陈超辉等提出了局地增长模培育法(Local Breeding Growth Mode,LBGM),较传统BGM法提高了对流尺度集合预报的局地特征,降低预报均方根误差的同时提高了集合离散度(陈超辉等,2018)。Ma et al.(2019)通过信息熵理论证明了LBGM法可以增加与初始扰动相关的局地信息,而后基于LBGM法探索了飑线过程的对流尺度集合预报试验,肯定了对流尺度集合预报对快速增长扰动的反馈,在一定程度上模拟出了飑线系统的结构(马申佳等,2019),但仅基于一次飑线过程存在一定偶然性,李坤等采用LBGM法对两次飑线活动过程进行了集合预报,并且与传统BGM的模拟结果进行了对比,证实了LBGM法生成的对流尺度集合预报系统在飑线回波结构模拟和强降水预报上表现更优(李坤等,2021)。

  • 目前国内针对河南“21·7”特大暴雨事件的研究可大致分为四类:可预报性研究、热力与动力过程研究、观测与模式评估研究及极端降水的气候归因与大尺度环流研究(冉令坤等,2021; 史文茹等,2021; 张霞等,2021; Cheng et al.,2022; 梁旭东等,2022; 朱科锋等,2022)。基于此,本文首先使用LBGM法生成初始扰动的对流尺度集合预报系统对此次持续性暴雨过程中的20日00时—21日00时、21日08时—22日08时两个强降水集中时段进行模拟研究,然后通过降水的空间检验SAL法对集合预报成员在降水强度、空间结构等方面的预报性能进行检验,并与传统的TS、ETS、Bias等评分进行对比,分析预报误差产生的原因。

  • 1 资料与试验方案

  • 试验采取WRFV4.3版本,使用了NCEP-FNL和ECMWF-ERA5再分析资料以及常规气象观测资料,从2021年7月19日20时起报,预报时长为48 h。模式使用两层双向嵌套网格,模式最外层网格中心位于(115°E,33°N),水平分辨率为9 km,内层区域水平分辨率为3 km,垂直层数为35层。所有集合成员均采用相同物理参数化方案(表1)。试验过程未同化观测资料,且未引入侧边界扰动和模式扰动,且扰动的物理量包括水平纬向风速U、水平经向风速V、位温T、位势高度扰动PH和水汽混合比Q。集合预报试验分为培育阶段和预报阶段,扰动调整周期为均为6 h。

  • 图1 模式预报区域

  • Fig.1 Forecast domain

  • 表1 模式物理过程参数化方案选取

  • Table1 Selection of physical parameterization schemes in models

  • 2 研究方法

  • 2.1 LBGM法

  • LBGM法是在传统BGM法基础上提出来的,两者最大区别在于LBGM同时考虑了集合预报扰动物理量在垂直方向和水平方向上的不均匀性,可以更好地描述对流天气的局地特征。在培育阶段,BGM法对扰动场进行动态调整公式为:

  • dft'(k)=e0(k)et(k)dft(k)
    (1)
  • 式中: dftk为培育周期动态的全局调整所形成的扰动; dft'k代表了动态调整后输入下一培育时刻的扰动; e0k)、etk)分别为初始时刻和t时刻对应的预报均方根误差(Root Mean Square Error,RMSE)。

  • LBGM较BGM优势在于得到的扰动是(ijk)的函数,而不只是关于k的函数,LBGM局地调整公式为:

  • dft'(i,j,k)=e0(k)et(i,j,k)dft(i,j,k)
    (2)
  • 这种局地调整在RMSE上与初始扰动保持一致,体现了对流尺度天气系统的局地特性,进一步提高了集合离散度,促进了对流尺度集合预报的发展。LBGM法在模式运行中首先需要设置单层培育区域以及双层嵌套的预报区域,并修改培育与预报起止时间等参数,然后启动系统进行6 h预报。

  • 2.2 降水检验方法

  • 为定量评估模式降水预报,通常采取的统计评分检验方法包括风险评分(Threat Score,TS)、公平技巧评分(Equitable Threat Score,ETS)、空报率(False Alarm Rate,FAR)、漏报率(Missing Alarm Rate,MAR)、偏差评分(Bias Score,Bias)等。虽然统计检验方法通俗易懂,且广泛应用于业务工作,但由于数值模式的发展,特别是随着模式分辨率的不断提高,对于模式产品的检验需要更精细化的评估方法来解决传统预报检验方法在降水预报上空间信息不足的缺陷。因此,考虑降水特征的面向对象的检验方法越来越流行,面向对象即利用各种空间检验技术,把有限区域的天气系统作为检验对象,重点关注预报场与实况场的相似程度等,以及在构造变形矢量基础上分析模式预报能力(Wernli et al.,2008; Davis et al.,2009; Singh et al.,2021; Ji et al.,2020)。

  • 其中SAL方法计算更简单且结果更加直观,在降水观测基础上确定预报检验区域,且降水量由小到大排列,根据传统做法,将最大降水序号乘以0.95并取临近整数序号降水量的1/15作为降水主体的临界值,大于临界值的降水格点确定为降水主体(公颖,2010)。SAL法通过计算三个无量纲的误差衡量指标,降水强度(Amplitude,简称A)、结构(Structure,简称S)和位置(Location、简称L)三个关键因素来表征预报质量,更加符合评判逻辑。具体计算公式为:

  • A=DRmod-DRobs0.5DRmod-DRobs
    (3)
  • 其中:DR)为所取区域内平均降水量; 下标mod、obs分别代表预报降水场和观测降水场,下同。

  • S=VRmod-VRobs0.5VRmod-VRobs
    (4)
  • V(R)=RRmax
    (5)
  • 式中:R表示降水体内的总降水量;Rmax为降水体内最大降水值;VR)为质量加权雨量值。

  • L=sRmod-sRobsd+2rRmod-rRobsd
    (6)
  • 式中:sR)表示场的重心位置; rR)表示每个对象重心到总重心之间的质量加权平均距离,d表示区域D内横向的最大距离。

  • 3 集合预报结果及评估

  • 3.1 强降水集合预报

  • 3.1.1 过程概况

  • 2021年7月17—22日河南省出现了一次罕见的极端强降水事件,郑州、鹤壁、安阳、新乡等19个县(市)日降水量突破历史极值,特别是20日16—17时(北京时,下同)郑州站小时降水量达201.9 mm,小时雨强突破1951年以来中国大陆地区雨强极值。图2给出了包括豫中和豫北两个强降水中心在内的河南省24 h观测累积降水量,此次极端强降水过程造成河南多地出现特大洪涝灾害,部分水利工程受损,城市运行和交通等受到严重影响,出现重大人员伤亡与经济财产损失。

  • 通过500 hPa和700 hPa形势场(图3)可以看出此次特大暴雨降水过程是在多尺度天气系统的相互作用下形成的。大陆高压和西太平洋副热带高压为暴雨过程提供了稳定少动的大气环流,河南处于西太平洋副高南部边缘,具有充足的不稳定能量,有利的环流配置使得暴雨过程较长时间的维持。同时,在稳定少动的环流形势、充足的不稳定能量以及充沛水汽条件下,中小尺度对流反复在伏牛山区域发展并反复向郑州地区冲击,形成“列车效应”(朱宇宁等,2022),使得极端降水的维持时间长、降水强度大且具有强局地性。Wei et al.(2023)指出此次极端降水的直接制造者是中尺度对流系统,且是由单一准静止对流风暴引起的而非“列车效应”,表明极端降水过程依赖于不同尺度大气运动的相互配合,同时模式对太行山附近降水位置的预报偏差反映出数值模式对复杂地形动力作用的反映仍存在问题,因此全面梳理针对河南“21·7”特大暴雨事件的归因问题研究并通过定量的方法评估降水预报效果,全面分析暴雨过程背后的影响系统,是很有必要的工作。

  • 此次河南特大暴雨过程持续时间长,先后有两个强降水中心,分别位于包括省会郑州在内的豫中和太行山东麓沿山的安阳、新乡等豫北地区,图4给出了7月20日04时开始间隔4 h雷达观测的对流系统演变过程,同时叠加850 hPa水平风场。由图4a看,20日04时河南郑州地区有一个正在强烈发展的中尺度对流系统,图4b在06时对流系统的雷达回波逐渐达到最强,而郑州站的极端强降雨过程就发生在强回波中心,且在太行山和伏牛山等复杂地形影响下,气流北侧和西侧山地阻挡,暖湿空气在郑州站附近有较强的辐合和上升运动,因此容易形成高温高湿的层结,更加有利于极端暴雨的发生。随时间推移,图4c和4d能看出在东南风作用下中尺度对流系统伴随低涡的移动逐渐向西北方向逐渐消亡,但同时在河南中部地区不断有零散对流组织新生发展(图4e、4f)。

  • 3.1.2 预报结果

  • 此次过程的强降水包括豫中和豫北两个中心,豫中强降水集中于19日20时—21日08时,豫北强降水集中于21日08时—22日08时,图5和图6分别代表豫中和豫北地区24 h降水集合预报结果。由图可见,控制预报和扰动预报对于豫中和豫北24 h累积降水量达100 mm以上暴雨的可能性均有所体现,但是和实况(图2)对比,虽然对于降水落区和强度有一定的体现,但是整体预报仍存在一定的结构偏差,强降水中心最大值预报偏弱且偏西,因此需要对控制预报成员和扰动预报成员在降水量预报过程的误差进行更深入的分析。

  • 图2 观测24 h累积降水量(单位:mm):(a)2021年7月20日00时—21日00时、(b)2021年7月21日08时—22日08时

  • Fig.2 24-hour accumulated precipitation (a) from 00:00 BST on July 20, 2021, to 00:00 BST on July 21, 2021, and (b) from 08:00 BST on July 21, 2021, to 08:00 BST on July 22, 2021 for observations (unit:mm)

  • 图3 2021年7月20日08时500 hPa位势高度场(单位:dagpm,黑线)、温度场(单位:℃,红线)和风场(单位:m·s-1)(a),700 hPa位势高度场(单位:dagpm,黑线)、风场(单位:m·s-1)和相对湿度(%)(b)(三角形标注了主要关注区域)

  • Fig.3 (a) 500 hPa geopotential field (unit:dagpm, black lines) , temperature field (unit:℃, red lines) , and wind field forecasts at 08:00 BST on July 20, 2021 (unit:m·s-1) , (b) 700 hPa geopotential field (unit:dagpm, black lines) , wind field forecasts at 08:00 BST on July 20, 2021 (unit:m·s-1) , and relative humidity (%)

  • 3.2 集合成员降水预报评估

  • 3.2.1 客观评分统计检验

  • 为进一步定量评估集合预报中控制预报和扰动预报的效果以及各成员在两个强降水时段预报过程中的误差表现,对集合预报的控制预报和扰动预报20日00时—21日00及21日08时—22日08时的24 h累积降水量进行误差检验,范围设定为106°~118°E、30°~40°N,成员总数为21个。将降水检验按照24 h降水量大小划分为:小雨(0.1~9.9 mm)、中雨(10.0~24.9 mm)、大雨(25~49.9 mm)以及暴雨(≥50.0 mm)。

  • 从图7看,两个强降水时段21组预报成员按照小雨、中雨、大雨、暴雨的TS评分依次递减,且小雨预报的TS评分最高。以豫中为强降水中心的20日00时—21日00时段内,控制预报和扰动预报TS评分均位于0.6~0.7,除e003外其余成员暴雨评分处于0.2~0.3。24 h小雨预报评分中扰动预报中e003的评分优于控制预报,24 h中雨预报的TS评分中,除e002、e005、e008、e013、e016、e018六个成员的评分低于控制预报0.57外,其余预报评分均大于等于控制预报的TS评分。大雨量级TS评分扰动预报有12个成员高于控制预报0.45,24 h预报暴雨TS评分均表现较差,控制预报TS评分为0.26,扰动预报中仅有e003、e004、e010、e013、e016五个成员的评分高于0.26。以豫北为强降水中心的20日00时—21日00时段内,大雨以上量级的TS评分有13个扰动成员高于控制预报,且暴雨TS评分中e003为0.35,表现最佳。

  • 针对此次特大暴雨过程,表2进一步针对暴雨量级降水预报进行评分,表明扰动预报成员e003在以豫中和豫北为强降水中心的两次降水预报中整体表现最佳,e007、e013、e016次之。同时,e003空报率和漏报率在豫中强降水过程中为最低,分别是0.56和0.34,而豫北强降水过程中,e007的漏报率和空报率分别为0.68和0.59。对于暴雨量级降水而言,两个强降水时段的控制预报ETS评分分别为0.16和0.12,其中豫北强降水时段有4个扰动预报成员评分表现更优,豫中强降水时段有8个扰动预报成员表现更优,以e013最优。从24 h累积降水的Bias评分可以看出,e017在豫中强降水时段评分为0.99,最接近1,且在豫北强降水时段Bias评分也为最佳,表明其降水落区更接近于实况降水落区,但其存在较高的空报率和漏报率。故综上所述,使用客观定量统计检验方法,可以看出扰动预报e003与e013在以豫中和豫北为强降水中心的降水时段内暴雨TS和ETS评分最高,且能够降低暴雨的空报率和漏报率,反之e008在两个强降水时段的暴雨TS评分均表现最差。

  • 图4 7月20日04时(a)、08时(b)、12时(c)、16时(d)、20时(e)、24时(f)雷达观测复合反射率(阴影单位:dBZ),箭矢代表850 hPa水平风场(单位:m·s-1)(黑框区域代表影响郑州地区的中尺度对流系统发展情况)

  • Fig.4 Observed radar composite reflectivity (shading, unit:dBZ) at (a) 04:00 BST, (b) 08:00 BST, (c) 12:00 BST, (d) 16:00 BST, (e) 20:00 BST, and (f) 24:00 BST on July 20, 2021, and the arrows represent the 850 hPa horizontal wind field (unit:m·s-1) (The area boxed up represents the development of a mesoscale convective system affecting the Zhengzhou area)

  • 3.2.2 SAL法检验

  • 为进一步了解降水预报在空间上的信息,采用SAL降水空间检验方法对集合预报结果进行检验,分别从降水结构S、降水强度A、降水位置L三个主要方面进行定量描述。选取暴雨TS评分表现较好的成员e003、e013以及评分较差的成员e008与豫中强降水时段的观测事实进行对比(图5和图2a),从主观上看,对于强降水雨带位置和强度均有所体现但存在偏差,因此对于24 h降水强度预报偏差及降水范围偏差需进一步定量评估。

  • 图5 2021年7月20日00时—21日00时河南及周边地区24 h累积降水量预报,控制预报成员(a)和20个扰动预报成员(b—u)

  • Fig.5 24-hour accumulated precipitation forecast for Henan and surrounding areas from 00:00 BST on July 20, 2021, to 00:00 BST on July 21, 2021, (a) control forecast and 20 perturbation forecast members (b—u) (shading, unit:mm)

  • 图6 2021年7月21日08时—22日08时河南及周边地区24 h累积降水量预报,控制预报成员(a)和20个扰动预报成员(b—u)

  • Fig.6 24-hour accumulated precipitation forecast for Henan and surrounding areas from 08:00 BST on July 21, 2021, to 08:00 BST on July 22, 2021, (a) control forecast and (b—u) 20 perturbation forecast members (shading, unit:mm)

  • 表3给出了SAL检验方法对各成员预报暴雨的分析。从结构S的检验来看,各成员S值均大于0趋于2,由于S值多半是由模式本身分辨率以及预报习惯决定,且无固定的取值范围,一般来说,S正值出现在预报降水范围相对于实况偏大或者预报降水中心雨量较实况偏小,试验过程虽然采取了高分辨率数值模式,但对于强降水极大值习惯性预报偏小,强度偏弱,因此其S值大于0且值较大。考虑到S为较大的正值,也存在预报为大范围强降水而实况为小范围对流性强降水的情况。结合各成员的降水预报和实况,在结构检验上,各成员表现趋于一致,因此针对强降水范围的预报有一定的偏大且预报强降水中心最大值偏小。

  • 从强度A的检验来看,21个成员范围都在-0.2~0.1,表明基于LBGM法的初始扰动方法形成的集合预报成员在降水强度预报上有较好的效果,成员e004和e005的A值在-0.2~0,表示预报较实况强度偏弱,e013的A值为0.02,说明e013预报的降水强度略偏强,其余成员的A值均等于或趋于0,因此除对于降水的极端性考虑不足外,整体上对于降水过程的强度预报把握较准确。

  • 图7 1组控制预报(con)和20组扰动预报(e001—e020):(a)2021年7月20日00时—21日00时24 h累计降水;(b)2021年7月21日08时—22日08时24 h累计降水的TS评分

  • Fig.7 TS scores of 1 control forecast and 20 perturbation forecast members (e001—e020) cumulative precipitation for 24 hours (a) from 00:00 on July 20, 2021, to 00:00 on July 21, 2021, (b) from 08:00 on July 21, 2021, to 08:00 on July 22, 2021

  • 从位置L的检验看,各成员L值均在0~0.2,除e011和e019表现稍大之外,其余成员L值一致趋于0.07,说明模式预报降水雨带位置较实况偏差小。虽然L值整体偏小,但通过预报和实况的对比,仍能明显发现位置上存在一定的偏差,如e008和e019预报较实况位置偏西,且预报强降水中心的范围偏小。因此位置L误差主要来源于对于整个区域主体降水预报与实况位置的偏差。

  • 通过对比传统的客观评分方法和基于降水空间的SAL检验法,针对暴雨量级的降水进行了定量化的分析。计算结果表明e003的TS评分和ETS评分均为最高,分别为0.35和0.23,表明该成员在暴雨量级的评分中表现较优,其在SAL检验中降雨强度A和雨区位置L表现均不错,使得其空报率和漏报率均为最小,分别是0.56和0.34,因此两类评分的结果在一定程度上存在对应关系,且对于e003而言,降雨强度与雨带位置预报在客观评分中的贡献大于结构的预报。但结构S均为正值,且趋向于2,e008针对暴雨预报的空报率和漏报率分别达到0.66和0.64,其原因可能来自雨区位置预报偏西,从而使得暴雨中心偏西,空报率和漏报率偏高,同时其TS评分和ETS评分均为最低。

  • 4 集合成员预报偏差分析

  • 已有研究表明,影响此次极端暴雨过程的主要影响系统是深厚稳定的中尺度低涡(Yin et al.,2022; 张入财等,2022),因此进一步针对500 hPa位势高度场和风场的预报结果与ERA5再分析资料进行对比分析,在预报偏差成因试验中主要选取评分表现较差的成员e008和表现较好的成员e003进行对比分析。由图8可看出,成员e003和e008对于低涡位置的预报较实况均偏西且偏离程度不一,e003预报气压场具有封闭低压环流中心。图9通过比较两个成员与ERA5再分析资料的位势高度差和风场差,可以更直观地看出两个成员在河南中部地区都存在一定的风场预报误差。成员e003黑色方框区域范围较e008大,说明e003的位势高度差更小,同时红色方框区域代表位势高度差的高值区,e003较e008范围小,因此成员e008位势高度场和ERA5的偏差大于e003,二者对于风场和位势高度场的预报均存在误差,这也是对于强降水位置预报偏西、强度偏弱的主要原因。

  • 表2 2021年7月20日00时-21日00时和2021年7月21日08时-22日08时24 h降水预报暴雨量级TS、ETS、Bias评分

  • Table2 TS, ETS, and bias scores for heavy rainfall in precipitation forecast for 24 hours from 00:00 BST on July 20, 2021, to 00:00 BST on July 21, 2021, and from 08:00 BST on July 21, 2021, to 08:00 BST on July 22, 2021

  • 表3 2021年7月20日00时-21日00时暴雨预报TS和SAL评分

  • Table3 Storm precipitation forecasts TS and SAL scores from 00:00 BST on July 20, 2021, to 00:00 BST on July 21, 2021

  • 5 结论和讨论

  • 采用NCEP-FNL和ECMWF-ERA5再分析资料以及常规气象观测资料,针对河南“21·7”特大暴雨过程开展了对流可分辨尺度集合预报研究,基于LBGM的初始扰动方法生成集合预报成员,并针对降水预报采用SAL检验和TS、ETS等评分方法定量评估了集合预报成员的误差,同时从降水过程的主要影响系统入手着重分析了降水位置和强度偏差的原因。结论如下:

  • 图8 2021年7月20日08时成员e003(a)和成员e008(b)6 h预报500 hPa风场和气压场(红色线)与ERA5再分析资料对比(黑色线)(颜色填充为位势高度)

  • Fig.8 (a) Member e003 and (b) member e008 6-hour forecast of 500 hPa wind and pressure fields (red line) compared with ERA5 reanalysis data (black line) at 08:00 BST on July 20, 2021 (color filled as potential height)

  • 图9 2021年7月20日08时成员e003(a)和成员e008(b)6 h预报500 hPa风场和气压场与ERA5的差值场(箭矢代表风场差值; 颜色填充代表位势高度差,黑框代表位势高度差低值区,红框代表高值区)

  • Fig.9 (a) Member e003 and (b) member e008 6-hour forecast of the difference field between the500 hPa wind field and pressure field and era5 at 08:00 BST on July 20, 2021 (the arrow represents the wind field difference; shading represents the potential height difference; black represents the low-value area of the potential height difference; and red represents the high-value area)

  • 1)采取LBGM法生成的集合预报成员,具有更明显的局地特征,在以豫中和豫北为强降水中心的两个时段内的降水预报中,集合预报结果在降水强度和空间上有一定的体现,同时对于极端强降水具有一定指示意义。

  • 2)SAL检验结果表明,在降水分布上,e003预报的雨区位置与实况较相似,而e008雨区范围偏小且降水中心偏西。整体上,集合预报各成员的预报结果仍存在一定偏差,结合当前已公开的研究成果,针对此次极端强降水过程的模拟和可预报性研究均有类似问题(栗晗等,2022; 朱科锋等,2022),因此本次集合预报试验较成功地模拟了强降水过程。通过评分计算,TS、ETS评分和SAL检验之间有一定相关性,在业务工作中可以尝试使用这两类客观评分方法来统计并检验预报效果。

  • 3)针对主要影响系统分析了扰动预报成员的预报偏差,表明导致预报雨带偏西的原因之一在于低涡位置预报偏西,整体上评分较优的成员e003和较差的成员e008的形势场主要区别在于e003和ERA5再分析资料的位势高度差低值区范围更大,位势高度差高值区范围更小,因此e003预报偏差较小。

  • 本文仅基于一次极端强降水过程进行了评估,具有一定局限性。但能反映出集合预报成员在降水方面的预报优劣,为业务预报和定量评估模式降水预报效果提供参考,为了更精确反映集合预报成员的预报效果以及预报结果误差,后期将在此基础上继续开展对流尺度集合预报试验。

  • 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 ® 2023 版权所有  技术支持:北京勤云科技发展有限公司