2022年夏季CMA区域模式东北冷涡降水预报检验评估.pdf

第 30 卷第 3 期2023 年 9 月气象灾害防御METEOROLOGICAL DISASTER PREVENTIONVol.30 No.3September.2023收稿日期院2023-04-21作者简介院 姚凯 渊1993-冤袁 男袁 山东沂水人袁 硕士学位袁 工程师袁 主要从事预报模式检验与客观订正算法研究袁遥1引言近年来袁随着计算机计算能力的提升袁各种数值模式不断发展袁各类降水预报产品层出不穷袁数值模式的定量降水预报已经成为业务领域重要的参考依据1-3遥要想了解模式对于降水的预报能力袁对于降水产品的检验必不可少4遥 目前针对ECMW_HR尧日本尧T639尧JLWRF尧国家气象中心集合预报等模式降水产品在吉林省表现能力的研究已有不少的成果5-8遥 前人的研究方向主要集中于研究各个模式产品在不同天气系统下的预报效果袁 而东北冷涡背景下模式的降水预报能力评估是其中一个重要的方向遥东北冷涡是夏季影响吉林省的重要天气系统袁冷涡背景下的降水多阵性袁且局地性尧对流性强9袁因此冷涡降水预报一直是业务预报中的难点之一遥 受限于数值模式分辨率与参数化的影响袁ECMWF_HR 与 CMA-GFS 等大尺度系统对于大量级降水预报能力有限袁空报与漏报明显10-13袁而区域模式能够更细致地描述局地大量级降水的分布袁 因此总结不同区域模式对吉林省东北冷涡降水的预报能力能够为今后的东北冷涡降水预报提供参考依据遥2资料与方法2.1资料选取根据孙力等6对东北冷涡的定义袁2022 年夏季渊6要8 月冤有 26 d 为东北冷涡影响日遥 实况选取东北冷涡影响日吉林省 1 445 站 渊包括国家站与区域站冤的逐小时与逐 12h 降水实况资料袁模式数 据 采 用 国 家 局 中 尺 度 天 气 数 值 预 报 系 统渊CMA-MESO冤尧 华北区域数值业务模式 渊CMA-BJ冤与华东区域数值模式渊CMA-SH9冤3 种区域模式 08 时与 20 时起报的 12要36 h 预报时效内的逐小时与逐 12h 降水预报数据袁3 种区域模式的基本信息如表 1 所示遥2.2检验方法根据吉林省气象局科技与预报处 2022 年 11月印发的 叶吉林省智能网格天气预报产品质量检验方案曳渊下称叶检验方案曳冤袁首先将模式格点数据2022 年夏季 CMA 区域模式东北冷涡降水预报检验评估姚凯1袁3朱晓彤2袁3杨旭2袁3秦玉琳1渊1.吉林省气象台袁吉林长春130062曰2.吉林省气象科学研究所袁吉林长春130062曰3.长白山气象与气候变化吉林省重点实验室袁吉林长春130062冤摘要院为了解夏季东北冷涡背景影响下高分辨率区域模式在吉林省的预报能力与误差特点袁对中国气象局数值业务区域模式渊CMA 区域模式冤中的国家局中尺度天气数值预报系统渊CMA-MESO冤尧华北区域数值业务模式渊CMA-BJ冤尧华东区域数值模式渊CMA-SH9冤的降水预报产品进行了检验分析遥 结果表明院对于 24 h 降水袁CMA-MESO 在大雨及以上量级表现较好袁特别是在暴雨及以上量级袁TS 评分最高袁Bias评分最接近 1袁 其误差主要由暴雨空报造成曰CMA-MESO 与 CMA-BJ 对降水极值预报偏小袁CMA-SH9预报偏大曰 CMA-MESO 与实况相关性最高袁均方根误差最小袁误差主要由吉林省中西部暴雨预报的偏差导致袁但该模式在吉林省东部预报误差较小袁对东部降水预报效果优于中西部遥 对于大于 10 mm/h 和20 mm/h 的逐小时降水袁CMA-MESO 在命中率尧空报率尧不同预报时效的稳定性以及均方根误差的表现均优于其他两个区域模式遥关键词院东北冷涡曰CMA 区域模式曰降水检验评估气象灾害防御第 30 卷图 12022 年夏季东北冷涡背景下吉林省 CMA 区域模式 24 h 降水预报产品分量级 TS 评分渊a冤与 Bias 评分渊b冤应用临近点插值方法插值到站点袁 在预报与实况数据进行时间匹配后袁再计算相关检验指标遥对于 24 h 时效的逐 12 小时降水预报 渊下称24 h 降水预报冤袁使用 TS 评分尧Bias 评分尧均方根误差等进行检验曰对于逐小时降水预报袁使用均方根误差尧短时强降水命中率与空报率等指标进行检验遥 其中袁短时强降水定义为小时雨强大于20 mm/h袁检验时使用领域法对站点周围 40 km 半径范围内的强降水进行筛选袁 若范围内出现了强降水袁即视为此站点出现了短时强降水遥各指标详细计算公式与说明参照叶检验方法曳遥3结果分析3.12022 年夏季吉林省东北冷涡降水特点在冷涡影响日中共有 8 218 站次出现短时强降水袁其中 6 月出现 3 152 站次袁7 月 4 696 站次袁8 月 370 站次袁 短时强降水主要集中在 6 月和 7月遥从强降水发生次数的日变化看袁其表现出双峰型分布袁峰值分别出现在 19 时渊588 次冤与 05 时渊459 次冤袁19 时强降水主要出现在吉林省东部与北部地区袁 而 05 时强降水主要出现在辽源地区袁这说明吉林省的短时强降水日变化存在凌晨与傍晚两个频次极值袁 而非前人认为的单峰型午后极值14袁其产生原因需要进一步研究遥 绝大部分短时强降水过程持续时间不足 2 h袁 有较强的局地性袁仅有 10 站次的短时强降水持续时间超过 2 h遥 从地区分布看袁白城北部尧四平东部尧长春东部尧辽源以及通化北部出现短时强降水的频率明显高于其他地区袁 辽源东辽明德村出现 17 次短时强降水袁白城 5 站尧长春 5 站尧辽源 1 站尧四平 1 站出现 16次短时强降水遥在冷涡影响日中共有 2 776 站次出现暴雨袁其中 6 月 1 231 站次袁7 月 1 438 站次袁8 月 107 站次遥暴雨主要集中在白城北部尧松原北部尧长春尧四平中部以及通化南部袁 其中长春的德惠有 2 站各出现 7 次暴雨袁 另外有 33 站各出现 6 次暴雨袁主要集中在长春市中东部遥3.224 h 降水预报检验评估3.2.1TS 评分与 Bias 评分图 1 给出了各区域模式的降水分量级 TS 评分与 Bias 评分遥 由图 1 可知袁 对于小雨量级袁CMA-BJ尧CMA-MESO尧CMA-SH9 的 TS 评分分别为 0.80尧0.74 和 0.77遥 从 Bias 评分来看袁3 个模式的评分均小于 1袁 小雨误差以漏报为主袁 其中CMA-BJ 的 Bias 评分最接近于 1袁 对小雨预报效果最好遥 对于中雨量级袁CMA-MESO 的 TS 评分高于其他两个模式袁但是同时其 Bias 评分大于 1袁高于其他两个区域模式袁对中雨略有空报遥对于大雨及以上量级袁 从 TS 评分看袁CMA-MESO 评分较高袁 大雨与暴雨的 TS 评分分别为0.11 与 0.04袁 大于 CMA-BJ 的 0.9尧0.03 与 CMA-模式名称水平分辨率/km预报时效/h时间分辨率/h微物理参数化CMA-MESO3721WSM6CMA-BJ9481ThompsonCMA-SH99721Thompson表 1CMA 区域模式相关信息ab1.21.00.80.60.40.20.0CMA-BJCMA-MES0CMA-SH9小雨中雨大雨暴雨2.52.01.51.00.50.0CMA-BJCMA-MES0CMA-SH9小雨中雨大雨暴雨26第 3 期图 2CMA 区域模式 24 h 降水预报产品与实况降水的概率分布函数对比渊a冤尧频率匹配映射关系渊b袁黑色虚线代表完美预报冤SH9 的 0.10尧0.03遥 但是值得注意的是袁从 Bias 评分看袁3 个区域模式的 Bias 评分均大于 1袁说明模式预报误差主要以空报为主袁 相较之下袁CMA-MESO 暴雨预报的 Bias 仅为 1.28袁预报效果最好遥结合 TS 评分与 Bias 评分看袁CMA-BJ 模式在小雨量级表现最好袁CMA-MESO 在大雨及以上量级预报效果最好袁 特别是在暴雨量级袁 有最大的TS 评分与最接近 1 的 Bias 评分袁大雨以上量级的模式误差主要由降水空报造成遥3.2.2降水概率分布与频率匹配分析在晴雨概率分布方面袁 实况晴雨概率分别为0.58 与 0.42遥 CMA-MESO 的晴雨预报概率与实况最为接近袁 分别为 0.58 与 0.42曰CMA-BJ 为 0.49与 0.51袁对于晴空预报概率偏低袁降水概率偏高曰CMA-SH9 为 0.6 与 0.4袁对于晴空预报概率偏高袁降水概率偏低遥从降水累计概率分布来看渊图 2a冤袁实况数据在暴雨量级以下的累计概率已接近 0.99袁而 3 个区域模式的累计概率均低于实况袁说明 3 个区域模式暴雨样本量要高于实况袁暴雨以上量级的降水存在空报遥 累计降水极值方面袁实况最大降水量为 173.4 mm袁CMA-MESO 与 CMA-SH9 极值均低于实况袁分别为 134.6 mm 与 139.6 mm遥在实况降水累计降水概率到达 1 时袁CMA-BJ 概率不足 1袁 说明此模式对于降水极值明显高估 渊为227.31 mm冤遥在暴雨及以上量级的频率匹配映射关系曲线中渊图 2b冤袁CMA-MESO 位于最左侧袁相同概率下降水的预报值要小于实况袁CMA-BJ 与 CMA-SH9预报曲线与完美预报更为贴合袁但两者在 100 mm以上的降水预报表现出现差异袁CMA-SH9 倾向于降水低估袁而 CMA-BJ 倾向于降水高估遥3.2.3相关性与误差分析从相关系数可以发现袁CMA-BJ 与 CMA-SH9的相关系数差距较小袁 均为 0.27 左右袁CMA-MESO 相关系数最高袁为 0.31遥从标准差看袁3 个模式的标准差均大于实况标准差袁 说明模式预报降水的变化幅度较实况偏大袁其中 CMA-MESO 的变化幅度最小袁 预报值更为集中袁CMA-BJ 次之袁CMA-SH9 最大遥 均方根误差显示袁CMA-MESO 均方根误差较小袁CMA-BJ 与 CMA-SH9 较大遥从均方根误差的空间分布来看袁3 个模式的误差高值区基本集中在吉林省的中部和北部遥 表现最优的 CMA-MESO渊图 3冤在吉林省东部预报表现要优于其他地区遥值得指出的是 CMA-MESO 的误差高值区与吉林省中西部暴雨发生频次的空间分布类似袁说明在此地区 CMA-MESO 对于暴雨预报的误差较大遥 东南部地区虽然暴雨发生频次也较高袁但是均方根误差较小袁说明 CMA-MESO 对于东部暴雨的预报能力要优于中西部地区遥ab0.999 90.9990.990.90.50.1观测CMA-BJCMA-MES0CMA-SH90 10 2550100200降水量/mm250200150100500CMA-BJCMA-MES0CMA-SH90 10 2550100200降水量/mm姚凯袁等院2022 年夏季 CMA 区域模式东北冷涡降水预报检验评估27气象灾害防御第 30 卷图 3CMA-MESO 降水预报产品均方根误差的空间分布图 4CMA 区域模式逐小时降水预报产品均方根误差热力图3.3逐小时降水预报检验评估对于短时强降水袁CMA-MESO 表现最好袁命中率最高渊0.12冤袁同时空报率最低曰其次是 CMA-SH9 与 CMA-BJ袁命中率分别为 0.10 与 0.06遥在实际业务中袁 还需要关注小时雨强大于 10 mm/h 的降水袁特别是前期累计降水已经较大时袁较大的雨强极易引发次生灾害遥 对于大于 10 mm/h 的降水仍为 CMA-MESO 表现最优袁 命中率达到 0.23袁远高于 CMA-SH9渊0.18冤与 CMA-BJ渊0.11冤遥从逐小时的均方根误差分布看渊图 4冤袁各模式均在 21耀24 h 时效与 32耀36 h 时效有较大误差遥CMA-BJ 在 12耀18 h 预报偏差较小袁随着预报时效的增加袁误差也逐渐波动增大遥 CMA-SH9 整体看预报效果较差袁大多数时效内袁该模式预报误差为3 个模式之最袁特别是在 12 h 与 24 h 时效袁其误差均大于 4.8遥CMA-MESO 在 12耀30 h 预报偏差较为稳定袁相较于其他两个模式预报偏差较小袁效果最好曰在 31 h 之后袁其预报偏差才逐渐增大遥46毅N44毅N42毅N122毅E124毅E126毅E128毅E130毅E28.024.020.016.012.08.04.00.036353433323130292827262524232221201918171615141312CMA-BJCMA-MES0CMA-SH95.004.754.504.254.003.753.503.253.003.723.973.963.814.063.904.064.243.994.324.334.213.784.234.073.543.863.723.923.413.633.913.153.644.293.183.833.503.173.873.173.013.653.293.243.883.933.804.894.103.834.344.173.974.104.303.914.073.853.393.753.703.133.373.223.123.463.052.923.273.062.893.523.043.263.833.073.243.983.333.244.023.803.664.8428第 3 期4结语通过对 2022 年夏季东北冷涡背景下 3 种CMA 区域模式 12耀36 h 时效的降水预报产品在吉林省的预报能力进行检验评估袁得到了如下结论院渊1冤对于 24 h 降水袁从分量级降水预报能力来看袁CMA-BJ 在小雨量级表现最优曰CMA-MESO在大雨及以上量级预报较好袁 特别是在暴雨及以上量级在 3 个模式中表现最为优异遥 各模式在小雨量级的误差主要由降水漏报引起袁 其他量级的误差主要由降水空报造成遥渊2冤从降水极值的预报能力来看袁CMA-MESO与 CMA-BJ 预 报 偏 小 袁CMA-SH9 预 报 偏 大 袁CMA-BJ 与 CMA-SH9 的频率匹配函数更接近于实况袁而 CMA-MESO 倾向于对大降水量低估遥 从误差来看袁CMA-MESO 的相关系数最高袁3 个模式的标准差均大于实况袁 预报降水的变化幅度较实况偏大袁其中 CMA-MESO 表现最好袁降水预报值更集中遥 同时袁CMA-MESO 的均方根误差也最低袁误差主要集中在吉林省中西部袁 且和此地区的暴雨频次空间分布类似袁说明 CMA-MESO 对于吉林省中西部暴雨预报误差较大而对于东部降水特别是暴雨有较好的预报能力遥渊3冤对于逐小时降水预报袁无论是大于 20 mm/h还是大于 10 mm/h 雨强的降水袁CMA-MESO 均表现最优袁特别是对大于 10 mm/h 的降水袁其命中率要远大于其他两个模式遥 同时袁CMA-MESO 的逐小时预报误差表现优秀袁 在 12耀31 h 时效误差变化不大袁在 31 h 时效后误差才逐渐增大遥参考文献1张湘华袁彭月袁张湘玲.副高北侧一次典型强降水过程分析J.气象水文海洋仪器袁2016袁33渊2冤院35-38.2钱宏超袁马中元袁何文袁等.一次梅雨锋大暴雨过程的初步分析J.气象水文海洋仪器袁2022袁39渊2冤院72-74.3李燕玲袁马中元袁陈鲍发袁等.一次辐合线触发产生短时强降水的特征分析J.气象水文海洋仪器袁2021袁38渊3冤院35-39.4刘凑华袁牛若芸.基于目标的降水检验方法及应用J.气象袁2013袁39渊6冤院681-690.5王卓宁袁陈长胜袁王铁岩袁等.东北冷涡背景下 EC-HR 数值预报产品对吉林省降水预报的检验分析J.气象灾害防御袁2021袁28渊1冤院15-20.6付冬雪袁王婷婷袁段明国袁等.几种常用数值模式对吉林省冷涡暴雨预报检验J.气象灾害防御袁2016袁23渊1冤院5-8.7陈长胜袁张智勇袁丑士连袁等.WRF 模式对吉林省 2009 年东北冷涡降水的预报能力检验J.吉林气象袁2010渊2冤院29-34.8应爽袁陈长胜.国家气象中心集合降水概率预报产品的初步检验与释用J.气象灾害防御袁2016袁23渊2冤院1-3.9孙力袁郑秀雅袁王琪.东北冷涡的时空分布特征及其与东亚大型环流系统之间的关系 J.应用气象学报袁1994渊3冤院297-303.10张子莹袁李超.鄂西南地区暴雨过程强降水特征分析J.气象水文海洋仪器袁2021袁38渊3冤院56-60.11郑卡妮袁马中元袁陈鲍发.2020 年江西汛期大暴雨卫星云图特征分析J.气象水文海洋仪器袁2021袁38渊2冤院29-31.12宫宇袁代刊袁徐珺袁等.GRAPES-GFS 模式暴雨预报天气学检验特征J.气象袁2018袁44渊9冤院1148-1159.13张晓芳袁马中元袁陈鲍发袁等.江西省副热带高压热雷雨气象要素特征分析J.气象水文海洋仪器袁2020袁37渊4冤院24-26.14宇如聪袁李建袁陈昊明袁等.中国大陆降水日变化研究进展J.气象学报袁2014袁72渊5冤院948-968.姚凯袁等院2022 年夏季 CMA 区域模式东北冷涡降水预报检验评估29