昭通市区域性强降雨过程的智能网格预报的落区及量级偏差检验.pdf

沈茜等：昭通市区域性强降雨过程的智能网格预报的落区及量级偏差检验昭通市区域性强降雨过程的智能网格预报的落区及量级偏差检验沈茜胡勇裴玥何娟肖莎（昭通市气象局，昭通6 57 0 0 0）摘要：利用昭通市区域站和大监站2 0 2 0 一2 0 2 1年的逐小时雨量资料，挑选出区域性强降雨过程，再对天气环流背景进行分型，应用气象学、天气学、统计分析等方法对智能网格的预报产品进行检验分析。结果表明：对两高辐合型、副高外围型的强降雨落区多数情况下为偏北或一致，智能网格可对预报的强降雨雨带稍向东南方向订正,其余环流背景下产生的区域性强降雨较少，雨带也没有一致的规律性,所以难以对其进行订正；从降雨量级来看，智能网格对两高辐合型、西风槽型量级把握较好，而对其他类型造成的暴雨和大暴雨容易漏报；智能网格对于稳定的系统性降雨，落区和量级预报均较好，并且具有一定的可订正性，而对于在大尺度背景下的中小尺度系统、地形等造成的局地性、单点性暴雨和大暴雨预报效果较差，雨带和量级均没有规律性，在常规预报中很难进行订正。关键词：智能网格；检验释用；昭通市订正短临预警和高影响天气预报。自从我国推行智1引言能网格预报以来，一些专家和学者对此进行了释用随着科技的发展，现在智能网格已经是天气预报中的主流业务产品，其较高的时空分辨率大大提高了数值产品在实际业务工作中的可用性。金荣花叫等提到随着综合气象观测数据和多源资料融合分析网格实况产品的增多，多尺度数值预报模式和实时快速更新同化预报系统的快速发展，我国的无缝隙精细化网格预报技术体系得到了初步的建立，同时，研发了自动化、智能化的交互式预报制作平台，以满足客观高效制作与预报员对极端或高影响天气主观预报优势相结合的需求。李明娟2 也提到智能预报体系中,要转变预报员的职能，首先要从常规预报的思维模式转变为灾害性天气精细化订正预报模式，随着精细化预报的发展,预报站点的增多,常规预报将由智能预报系统完成，预报员的预报职能将是快速分析,王付华3等研究发现智能网格预报产品在降水开始时间、落区以及量级方面，对大兴安岭的暴雪预报有一定的指导意义；戴翼4 等研究发现北京智能网格温度客观预报方法可以有效提升北京地区温度预报的精细化能力和水平，有较好的业务应用价值；高萌5等研究发现陕西智能网格预报对系统性降水预报偏强,结果与实况基本一致,而对流性降水预报偏弱；韦青等研究发现智能网格预报业务整体上实现了从数值模式系统、国家级指导产品到省市级订正反馈产品的逐级增加价值的业务链条，国家级指导产品的降水、温度在数值模式的基础上都有明显提示；还有其他很多工作者7-10 将智能网格产品运用到风景区、面雨量等多种气象服务中。基金项目：昭通市气象局预报员专项ZTTQ202001。1作者简介：沈茜（198 9年10 月一），女，大学本科，工程师，主要从事短期和短临天气预报。E-mail:。-28-第4期2022年12 月本文通过对不同环流背景下智能网格降雨预报产品的预报效果进行检验和分析，试图找到昭通市区域性强降雨过程的降雨落区和降雨量级的订正偏差，从而提高昭通市天气预报的准确率，提前做出预报预警，整体提高天气预报气象服务的社会效益。2资料、方法和昭通市区域性强降雨过程空间分布特征2.1资料和方法使用昭通市2 2 9 个区域站和大监站2 0 2 0 一2021年的逐小时雨量资料，定义一日中有大于或等于2 0 个站的2 4小时（以下所有提及的时间段均为20一2 0 时）降雨量超过2 5 mm为一次区域性强降雨过程，挑选出2 0 2 0 一2 0 2 1年共计47 次过程来进行青海气象Journal of Qinghai Meteorology检验分析。应用气象学、天气学、统计分析等方法对所选出的区域性强降雨过程进行天气环流背景分型，在不同的天气形势下对智能网格的预报产品（选取的是产生区域性强降雨过程的前一日下午的最终预报，时间段为2 0 一2 0 时)进行检验分析，得出不同的环流背景下在昭通产生的区域性天气过程的预报效果,试图找出一定的规律性,以便对智能网格预报结果进行订正，提高预报准确率。2.2日昭通市区域性强降雨过程空间分布特征统计分析昭通市2 0 2 0 2 0 2 1年所有区域站逐日雨量资料研究发现，昭通灾害性强降雨过程具有明显的分布不均的特征，多大雨区分布在巧家中部以北、昭阳东南部、镇雄西南部和东南部、绥江南部到威信北部，可达到年均12 次以上；少大雨区分布NO.4Dec.2022ab12照通C2501005025100.1图12 0 2 0 2 0 2 1年全市区域站降雨情况（a.出现大雨的平均站次；b.出现暴雨的平均站次；c.最大降雨量）-29-青海气象在鲁甸南部、昭阳北部、彝良中部、盐津南部,出现次数在年均3 次以下。昭通的多暴雨区分布在巧家和鲁甸北部、永善南部、盐津、威信、绥江东部，达到年均4次以上；少暴雨区分布在巧家和鲁甸南部、昭阳、大关和永善北部、彝良中部以北，出现次数在年均1次以下。从最大降雨量看出，2 4h累计降雨量超过10 0 mm的区域站主要出现在昭通的东部和北部县区，而西北部及以南地区较少出现,说明昭通的大暴雨较易出现在接近于四川盆地的地区，可能是地形、热力等条件造成的。3智能网格对昭通区域性强降雨过程的降雨落区分析和订正考虑到不同的环流背景下所产生的降雨动力条件、热力条件、水汽条件等都各有不同，智能网格预报对不同环流背景的降雨预报能力有所不同，所以对挑选出的47 次区域性强降雨过程进行分型讨论。天气、气候将产生昭通市强降雨过程的环流背景分为5 类，即：西风槽型、两高辐合型、低涡型、东风倒槽型、副高外围型。其中两高辐合型出现的次数最多，达到2 5 次，占比5 3.2%，这种类型一般出现在7 一9 月；出现最少的是台风（东风倒槽）型，仅出现了3 次，占比6.4%，出现在7 月和8 月；其余类型出现的次数较为平均，在5 7 次之间，出现的时间段横跨了4一9月。下面对不同环流背景所产生的降雨落区和量级来进行讨论。3.1两高辐合型500hPa和7 0 0 hPa均为两高辐合或者三高辐合，青藏高原上的高压、副热带高压、孟加拉湾为高压脊控制，云南上空为辐合区,有时表现为低槽控制；水汽来源于副高外围的西南气流输送，水汽条件较好，同时还受冷空气南下影响，冷暖气流在昭通上空交汇，导致全市性的强降雨过程；地面为低压带，并有地面辐合线起到触发抬升的作用。此种环流型为系ab2501005025100.1250大关10050镇雄25100.1Cd250100502510.1250大关10050棋推25O,1巧家图22020年7 月17 日预报(a)和实况(b)对比、2 0 2 0 年8 月13 日预报（c)和实况(d)对比-30-第4期2022年12 月统稳定维持，并且持续时间较长，雨带的位置和500hPa、7 0 0 h Pa 辐合区的位置均有对应，并且雨带经常呈现出东北一西南向的带状分布特征。此种过程一般发生在高温高湿的环境条件下，前期的能量条件均较好，当辐合区持续出现时，一般不可能出现连续两天的区域性暴雨过程，例如2020.7.172020.7.18连续两天预报全市性的大到暴雨过程，但实况是7 月17 日出现了区域性暴雨过程，到18 日全市以小雨、单点性的大雨天气为主；所以当两高辐合型形势长期维持，没有明显冷空气影响时，以单点性或局部的强对流天气为主，当有冷空气南下影响时，由于前期高能高湿，导致之后较容易产生区域性的强过程。预报比实况偏北（图2)：出现次数为12 次，占比达48.0%，可看到大雨以上的强降雨带预报比实况明显偏北或偏西北，实际雨带呈东北一西南向的带状分布特征，沿着副高外围的辐合区分布。其中青海气象Journal of Qinghai Meteorology2020.7.8、2 0 2 0.7.9、2 0 2 0.7.10 这三次过程（图略），在500hPa上可以看到为滇缅之间的高压脊和副热带高压辐合导致的，但实际是由于副高形态的变化导致在昭通上空形成一个低槽辐合区，其实际的辐合抬升作用没有7 月中到8 月份形成的典型辐合区强，然而智能网格对此次辐合带的预报大雨和暴雨的范围明显偏大较多，但落区预报较好。预报与实况落区较一致的情况（图3）：出现次数为11次，占比达44.0%，此种类型往往对大雨以上量级降雨预报的范围较广，但实况出现大雨以上量级降雨的范围经常远小于预报的范围，所以此处把其判定为预报与实况落区一致的情况。可能是由于落区偏大，而掩盖了雨带位置偏差的特征。其中2020.8.24的实况量级较预报明显偏大，此次过程的环流形势和西风槽型较为相似，但5 0 0 hPa上还是可以看到两高辐合的环流背景，所以将此次过程定义为两高辐合型，过程中在我国东部有台风西移影响，NO.4Dec.2022ab2501005025100.1250大关10050镇维2510家Cd250100502510O.1250大关10055025O.1托家图32020年9 月6 日预报(a)和实况(b)对比、2 0 2 1年7 月5 日预报(c)和实况(d)对比-31-青海气象导致副高形态发生变化，从而导致数值预报产品对辐合区的位置预报较实况有偏差，预报比实况有明显降水量偏小的情况。预报比实况落区偏南的情况（图略）：出现次数为2 次，占比达8.0%，实况副高是有明显加强西伸的过程，导致实际的降雨落区在昭通的北部、中部到南部，这是由于数值预报对于副高的位置预报有偏差导致的。综上，两高辐合型是昭通区域性强降雨过程的主要环流背景，从每年7 一9 月初都可能出现，但主要集中在7 月下旬一8 月中旬，通常情况下，智能网格对此种类型的降雨量级预报较好；但当环流背景不是严格意义的两高辐合时，要注意是否只是由于副高外围的形态发生变化，而在西侧并没有闭合的高压环流时,形成类似于两高辐合的环流型，而造成的辐合较弱,所以降雨也会比智能网格预报的弱。由于副高位置的变动难以预测，辐合区的位置变动较天气、气候大,从而导致降水落区的变动,尤其对大暴雨以上的量级降雨的落区预报较差。大雨及暴雨降雨落区主要分布在辐合区靠东南方向一侧,即靠近副高一侧，主要原因是靠近副高一侧水汽输送较好。强降雨落区预报比实况偏北或与实况落区一致，所以可结合实际情况将强降雨雨带向东南方向稍做订正或者不订正，量级预报较好，但也可结合实际情况稍作订正。3.2低涡型500hPa和7 0 0 hPa昭通上空为低涡环流控制，地面为低压或者地面辐合线影响。强降雨落区一般位于5 0 0 hPa和7 0 0 hPa低涡中心和低涡的东南象限，一般低涡的后侧不容易产生强降雨，但是当昭通处于低涡后部的东北气流影响时，也可能产生范围较广的大雨和局部的暴雨天气，所以在实际分析中应注意这一点。此种环流型可出现两种环流背景，第一种是在我国东部沿海地区有台风西移到陆地，使得我国呈现出西高东低的环流形势。第二种是配合有两ab2501005025100.1250大关100舞良5025100.1巧家Cd2501005025100.1250大关100良50镇旗25招通10.1图42020.6.30预报（a）和实况(b)对比、2 0 2 1.6.2 9 预报（c)和实况（d)对比-32-第4期2022年12 月高辐合，此种类型的降雨落区在靠近副高一侧。预报与实况落区一致（图4)：出现的次数为4次，占比达5 7.1%，其中2 0 2 1.6.2 9 为低涡后部的东北气流影响,5 0 0 hPa上尤为明显，但是此次过程在我市的东部和北部造成了区域性的大到暴雨，局部大暴雨的强降雨过程，但智能网格预报量级较小，同时环流形势也不是常规的利于产生强降雨的形势，在实际预报中较易对此次过程漏报。其余几次过程的强降雨落区出现在低涡的中心及低涡的东南象限处，而智能网格对这几次过程大雨以上量级的预报较差，出现漏报或者是降雨范围明显偏小的情况，落区预报比较具有参考性。预报比实况落区偏西北(图5)：出现的次数为3青海气象Journal of Qinghai Meteorology次，占比达42.9%，强降雨落区预报比实况偏西北，其中2 0 2 1.7.16、2 0 2 1.7.17 预报比实况偏大一个量级，结合环流形势看，实况降雨落区偏向于靠近副高一侧；2 0 2 1.6.3 0 预报和实况量级一致，大雨以上量级的降雨落区较实况偏向西北方向，并且范围偏大。综上，低涡型造成的强降雨，落区一般都出现在低涡的中心或东南象限，也有在低涡后部东北气流中出现强降雨的情况，智能网格预报的降雨落区比实况偏西北或与实况一致，但量级预报较差，容易出现大雨以上量级的降雨漏报，降雨的落区更靠近于副高一侧。当有低涡在昭通上空出现时，在我国东部地区常有台风环流存在，也导致了低涡的动力和水汽、热力条件难以估测,同时容易造成强降雨的漏报。NO.4Dec.2022a2501005025b250大关10050棋雄2510Cd2501005025100.1250大关10050棋雄2510图52021.6.30预报（a）和实况（b）对比、2 0 2 1.7.17 预报（c）和实况（d)对比3.3副高外围（内部）型500hPa和7 0 0 hPa昭通均为副高西北侧的偏南气流控制，水汽主要来源于副高外围的西南气流输送，地面为低压或地面辐合线控制。此种环流形势通常没有明显冷空气影响，但由于副高控制，热量和能量、水汽条件均较好，较易产生单点性或小范围的暴雨甚至大暴雨天气过程。雨带通常沿着副高西北侧呈东北一西南向的带状分布。由于小波动或地面的-33-青海气象弱的触发条件较难以在预报过程中捕捉到，所以容易造成强降雨过程漏报，同时单点性或小范围的强降雨往往与中小尺度系统有关，所以在预报中也很难报出。预报比实况落区偏西北(图6)：出现的次数为4次，占比达5 7.1%，三次过程大雨以上量级降雨出现的范围都较小,并且落区比实况均偏北偏西。预报与实况落区一致(图7)：出现的次数为2 次，占比达2 8.6%，预报和实况的降雨落区较为一致，但是均存在预报比实况偏小一到两个量级的特征。预报比实况落区偏南（图略）：出现的次数为1次，占比达14.3%，强降雨落区预报比实况偏南，并且比实况偏小两个量级，范围也偏小。综上，副高外围（内部）型造成的强降雨落区通常范围较小，较易出现单点性的暴雨或大暴雨，并且出现暴雨以上量级的降雨概率较大，但智能网格预报对此环流背景预报的降水落区通常偏西北方向或一致，量级总是偏小，通常偏小两个量级。天气、气候3.4西风槽型此种环流背景通常出现在4一6 月份,5 0 0 hPa为西风槽前的西南偏西气流控制，7 0 0 hPa上为切变线或低涡切变自东北向西南方向移动，地面为辐合线或静止锋影响，起到触发抬升的作用。此时为春夏交际时节，副高位置比较偏南，所以在我国的大部地区还是以东移的西风槽影响为主，水汽条件相对夏季来说稍差,所以较少产生区域性的暴雨过程。降雨落区主要受地面静止锋和7 0 0 hPa切变线影响。预报与实况落区一致（图8）：出现的次数为3次，占比达6 0%，强降雨落区预报和实况基本一致，预报比实况范围略偏大，由于切变线在南部维持时间较长，所以实况的强降雨落区集中在南部。预报比实况落区偏南（图9）：出现的次数为2次，占比达40%，强降雨的落区主要出现在7 0 0 hPa切变线的位置附近。大雨以上量级降水的范围预报比实况明显偏南，但量级预报较好。综上，西风槽型造成的强降雨由于出现在春夏a2501005025100.1b250关10050集雄25阳通10O.1巧家Cd2501005025100.125010050镇雄25照通100.1巧家图62021.8.17预报(a）和实况(b)对比、2 0 2 1.9.2 预报（c)和实况(d)对比-34-第4期2022年12 月青海气象Journal of Qinghai MeteorologyNO.4Dec.2022a2501005025100.1b2501005025照100.1C250100502510O.1d250关100502510五家图72021.9.4预报（a）和实况(b)对比、2 0 2 1.9.2 7 预报（c）和实况(d)对比a2501005025100.1250tao5025103.1西家C2501005025100.1d250190502510图82020.6.18预报（a）和实况(b)对比、2 0 2 1.5.4预报（c)和实况（d)对比-35-青海气象交际时节，水汽条件欠缺，以局部的大雨或者单点性的暴雨为主。智能网格常将强降雨落区预报在昭通的南部，但实况上有6 0%的强降雨是出现在昭通南部，剩下的40%则是出现在昭通北部，实际预报中要结合7 0 0 hPa和地面系统停留的时间长短，局地的水汽、能量等条件来对强降雨落区进行订正。3.5台风、东风倒槽型2020一2 0 2 1年所出现的3 次过程，均为台风北侧的偏东风导致的。5 0 0 hPa和7 0 0 hPa上，在西太平洋通常有台风西移，台风北侧的偏东气流形成东风倒槽的形势影响昭通,地面也为偏东风影响。当受台风影响时，热量、水汽等条件较好，较易产生暴雨和大暴雨天气，但由于台风主体没有直接影响到昭通，所以，一般都以局部的大雨或者单点性暴雨、大暴雨为主，对流性较明显，较难以对其进行预报。预报与实况落区一致（图10)：出现次数为2次，占比达6 6.6%。智能网格对其落区预报较好，但量级预报较差，均偏小达两个量级，因为实况出现大天气、气候雨以上量级的降水范围为局部的或单点性的，所以预报难度较大。预报比实况落区偏北(图略）：出现次数为1次，占比达3 3.3%，智能网格对大雨以上降水的预报偏北,存在单点性暴雨漏报的情况。综上，东风倒槽型导致的强降雨在昭通出现的次数是最少的，此类型容易造成局部的大雨或暴雨及单点性的大暴雨，模式对这种环流形势的降雨落区预报相对来说是较好的,具有可参考性，而对降雨量级的预报把握不好,存在明显的漏报情况，但由于强降雨一般都为局部的或者单点性的，所以对其订正较难。3.6强降雨过程落区、量级预报偏差统计从落区偏差中看出（表1),智能网格对昭通市的强降雨落区的预报主要表现为3 种形态特征，预报的大雨以上量级降雨的落区较实况来说为偏北和一致，两种类型占比接近，合计占比达8 9.4%，而偏南的占比次数仅达10.6%，主要出现在两高辐合型、ab2501005025100.1250大关100祥良50镇雄25照通Cd2501005025100.1250大关1005025100.1图92020.6.2预报（a)和实况(b)对比、2 0 2 1.4.2 8 预报(c)和实况(d)对比-36-第4期2022年12 月青海气象Journal of Qinghai MeteorologyNO.4Dec.2022ab2501005025100.1250大关100舞良5025阳通10巧家C2501005025100.1d100大关50良2510o.1巧家图102020.8.30预报（a)和实况(b)对比、2 0 2 0.8.3 1预报(c)和实况(d)对比副高外围型和西风槽型,尤其对于西风槽型,没有雨带偏北的情况出现。结合环流形势分析发现，昭通市的雨带主要分布在靠近副高一侧,而在实际预报中，由于昭通市的东部和北部的海拔相对于南部来说更低，从物理量场来看，一般都会得出北部和东部的能量条件和水汽条件比南部好的特点，这也是智能网格模式预报的雨带位置偏北的原因之一。从以上分析中，可以得出，对于两高辐合和副高外围型这两类环流背景中，可以结合副高的位置，把强降雨雨带向东南方向稍作调整，而其余三种类型，有把握时可以预报较实况落区偏差副高外围型偏北12偏南2一致11进行调整，没有把握时尽量不做调整。从降雨量级偏差看出（表2），量级预报有2 6 次较准确，占比达5 5.3%；预报量级偏大有8 次，占比达17.0%，仅出现在两高辐合型和低涡型中；预报量级偏小的有13 次，占比达2 7.7%，除西风槽型外其余均有出现，在副高外围型、低涡型、东风倒槽型中占比较大，超过每类总次数的一半,其中东风倒槽型在2 0 2 0 2 0 2 1年中出现的3 次均为预报量级比实况偏小，容易出现暴雨和大暴雨漏报，而这些漏报的暴雨和大暴雨往往都为局部性或者单点性。说明智表1智能网格预报较实况落区偏差统计（次数）两高辐合型低涡型431024西风槽型023台风型102合计/占比20/42.6%5/10.6%22/46.8%-37-青海气象预报较实况量级偏差偏大偏小一致注：实况出现单点性的一个量级降雨时忽略不计能网格对于局部或者单点性的对流性降水的量级把握较差，都会比实况偏小一到两个量级，即智能网格对于系统性降水的预报量级效果较好，但对于一些中小尺度或者地形导致的局地性或单点性的强降雨预报效果较差。现在中尺度预报模式发展也较好，可以结合其对预报量级乃至落区和范围进行订正，同时也可以结合本地地形、经验等来进行订正，从而提高预报的准确率。4结论和思考昭通市区域性强降雨过程在4一10 月均可出现，主要集中在6 一9 月；造成昭通市区域性强降雨过程的环流背景可分为五类，分别为两高辐合型、副高外围型、低涡型、西风槽型、东风倒槽型。最常出现的是两高辐合型，占比达5 3.2%，最少出现的是东风倒槽型，仅占总数的6.4%。从降雨落区来看，两高辐合型、副高外围型的降雨落区一般都偏向于靠近副高一侧，预报比实况偏北或一致，而当雨带一致时,往往智能网格对其降雨落区的范围预报偏大较多,所以在实际预报中，可对强降雨雨带稍向东南方向订正。其余环流背景下产生的区域性强降雨较少，并且雨带也没有一致的规律性,所以难以对其进行订正。从降雨量级来看，智能网格对两高辐合型、西风槽型量级把握较好，极少出现强降雨漏报的情况，而对其他三类均偏小一到两个量级，预报效果较差。智能网格对于稳定的系统性降雨，落区和量级预报均较好,并且具有一定的可订正性，而对于在大尺度背景下的中小尺度系统或者地形等造成的局表2 智能网格预报较实况量级偏差统计（次数）两高辐合型副高外围型低涡型西风槽型6025172天气、气候台风（东风倒槽）型合计/占比203025地性或者单点性暴雨和大暴雨预报效果较差，雨带和量级均没有规律性，在常规预报中难以对其进行订正。现阶段有很多中小尺度模式，例如CMA一meso、C MA 一GD等对于对流性降水预报效果较好，作为当下的预报员，应该学会合理释用数值预报产品，结合大尺度和中小尺度预报结果，提高预报的准确率。参考文献：1金荣花,代刊,赵瑞霞，等.我国无缝隙精细化网格天气预报技术进展与挑战.气象，2 0 19，45（4）：445 45 7.2李明娟，戴昌明，井宇.智能网络预报业务发展前景下预报员作用的思考.陕西气象，2 0 18(3)：46 48.3王付华，李博,王梅等.智能网格预报产品在大兴安岭暴雪天气中的释用分析，黑龙江气象，2 0 19,3 6(2)：2 一3.4戴翼，何娜，付宗钰，等.北京智能网格温度客观预报方法(BJTM)及预报效果检验).干旱气象，2 0 19,3 7(2):3 3 9 344.5高萌,刘帆,王瑾婷,等.关中一次大暴雨天气过程成因分析及陕西智能网格预报检验).陕西气象,2 0 19(5):2 8 3 4.6韦青，代刊，林建，等.2 0 16 一2 0 18 年全国智能网格降水及温度预报检验评估.气象，46(10）：12 7 2 12 8 5.7李雪丁，曾银东，陈金瑞，等.福建省智能网格海洋预报业务系统实现与应用.海洋预报，3 8(1)：10 18.8刘新伟,段伯隆,黄武斌，等.基于小波分析的客观预报方法在智能网格高低温预报中的应用.大气科学学报，43(3)：577584.9魏芳芳,王新伟，栗晗.基于智能网格的旅游景区气温预报技术研究.河南科技,2 7:9 5 一9 7.10卢小凤，李仲怡，陈剑飞，等.智能网格产品在西江流域面雨量预报中的应用检验.气象研究与应用,2 0 2 0,41(2)：4549.0308/17.0%13/27.7%26/55.3%-38-