1、第 41 卷 第 1 期2023 年 2 月Vol.41 No.1February，2023干旱气象Journal of Arid Meteorology对流尺度集合预报对川渝地区降水的预报性能分析叶茂，吴钲，高松，陈良吕，游婷（重庆市气象科学研究所，重庆 401147）摘要：为深入认识对流尺度集合预报对川渝地区降水的预报性能，利用 20202021年暖季（59月）川渝地区7 213个自动气象站逐日降水观测数据，综合评估对流尺度集合预报系统的控制预报（Control Forecast，CNTL）、集合平均（Ensemble Mean，MEAN）和概率匹配平均（Probability-match
2、ed Ensemble Mean，PM）对川渝地区降水的预报能力，并对比不同起报时次（08：00和20：00，北京时，下同）的预报差异。结果表明：（1）PM和MEAN的预报性能相对CNTL有所提高，MEAN对中雨和大雨量级降水预报具有指示意义，PM对大量级降水具有明显的预报优势。（2）模式预报的降水频率在小雨量级相比观测呈区域一致的正偏差，中雨及以上量级降水的预报正偏差集中在大巴山、华蓥山、武陵山脉等高海拔山区，预报负偏差主要位于四川盆地和丘陵区域，MEAN对小雨和中雨（大雨和暴雨）的预报正（负）偏差最明显。（3）08：00起报的36 h时效临界成功指数（Critical Success In
3、dex，CSI）和命中率（Probability of Detection，POD）整体高于20：00起报的48 h时效预报结果，但08：00起报的降水频率对高海拔山区的高估更明显。（4）PM和MEAN对四川盆地2021年9月47日强降水过程的降水落区预报优于CNTL，这是因为集合预报能够更好地把握天气系统的位置和形状特征。关键词：集合预报；对流尺度；降水评估；川渝地区文章编号：1006-7639（2023）01-0152-12 DOI：10.11755/j.issn.1006-7639（2023）-01-0152中图分类号：P456.7 文献标志码：A引 言四川盆地位于青藏高原东部，受复杂地
4、形以及东亚夏季风、西南涡等天气系统共同影响，暴雨灾害频发且预报难度大（刘德等，2012；罗玉等，2018；张武龙等，2021）。随着数值预报模式和物理参数化方案不断完善，24 km水平分辨率的对流尺度模式迅速发展，可以较详细地刻画复杂地形下的对流过程（Bauer et al.，2015），相比采用积云参数化方案的粗网格距模式表现出更高的预报水平（Weisman et al.，2008；Meng et al.，2012）。然而强降水过程往往是多尺度系统非线性相互作用的结果（陶诗言，1977），其发展具有很大的不确定性，初值、物理过程参数化方案等的改变会对预报结果产生重大影响（Berner et
5、al.，2011；衣娜娜等，2020），单一初值的确定性预报存在明显不足，因此有必要发展对流尺度集合预报（董甫等，2020；肖柳斯等，2021）。研究表明对流尺度集合预报相对全球集合预报有效改进了山地暴雨过程的预报效果（李俊等，2020）。Clark等（2009）研究表明，4 km的对流尺度集合预报相比20 km的集合预报能更好地表现对流性降水的时空演变特征。Schellander-Gorgas 等（2017）研究指出 2.5 km 分辨率的集合预报系统明显提高了日降水循环特征的模拟能力。相比确定性预报，集合预报可以提供可能的预报误差分布和概率预报信息（王璐和沈学顺，2019），且集合平均通常
6、比单一预报更准确（杜钧和李俊，2014；叶茂等，2022），但由于降水分布不满足正态分布，集合平均方法不能有效地用于降水预报叶 茂，吴 钲，高 松，等.对流尺度集合预报对川渝地区降水的预报性能分析 J.干旱气象，2023，41（1）：152-163，YE Mao，WU Zheng，GAO Song，et al.Analysis on precipitation forecast performance of convective-scale ensemble system in Sichuan-Chongqing region J.Journal of Arid Meteorology，202
7、3，41（1）：152-163，DOI：10.11755/j.issn.1006-7639（2023）-01-0152收稿日期：2022-05-05；改回日期：2022-10-09基金项目：中国气象局创新发展专项（CXFZ2022P017）、重庆市自然科学基金面上项目（cstc2021jcyj-msxm4335）、重庆市气象部门青年基金项目（QNJJ-202207）和重庆市气象部门智慧气象技术创新团队项目（ZHCXTD-202002）共同资助作者简介：叶茂（1994），女，硕士，工程师，主要从事数值模拟研究。E-mail：。通信作者：吴钲（1985），男，博士，高级工程师，主要从事数值模拟和资
8、料同化研究。E-mail：。第 1 期叶茂等：对流尺度集合预报对川渝地区降水的预报性能分析（Yang et al.，2012）。Du等（1997）研究指出，尽管集合平均对降水落区的预报更准确，但会导致小量级降水区扩张过大而大量级降水区缩减过小。针对这一问题，Ebert（2001）提出“概率匹配”方法，可以综合集合平均对降水落区预报和原始集合成员对不同量级降水发生频率预报的优势，研究表明概率匹配法对暴雨的预报效果有很大改进（王德立等，2020；李坤等，2021）。李俊等（2015）研究指出，集合系统离散度越大，概率匹配平均对集合平均的改进也越大。马申佳等（2018）利用集合预报分析飑线结构特征，
9、发现概率匹配平均对回波强度的模拟效果优于集合平均，对极端降水事件的预报具有优势。为提升灾害性天气预报能力，重庆市气象局于2017年建立了对流尺度集合预报系统。陈良吕等（2017）通过计算预报成功指数评分（Threat Score，TS）发现该系统相对于单一的确定性预报表现出一定优势，但降水预报在多个评分指标下的综合表现以及不同起报时次的预报差异还缺乏系统性的评估分析。鉴于此，本文重点关注川渝地区暖季降水特征和强降水过程，综合评估该系统控制预报、集合平均和概率匹配平均在不同起报时次的降水预报性能，以期更好地理解对流尺度集合预报系统在复杂地形下的预报效果，为后续改进和优化集合预报系统提供参考。1资
10、料与方法1.1集合预报系统简介所评估的集合预报系统基于 WRF-ARWv3.5.1（Advanced Research Weather Research and Forecasting v3.5.1）模式搭建而成，模式区域采用三重嵌套，水平分辨率为27、9、3 km，最外层区域覆盖中国及周边地区，最内层区域（99E113E，24.5N34.5N）以重庆为中心覆盖重庆及周边地区。系统共设计11个集合成员，采用不同扰动方案组合（表 1）。控制预报（Control Forecast，CNTL，成员m00）初值和侧边界来自美国国家环境预报中心（National Centers for Environm
11、ental Prediction，NCEP）的全球预报系统（Global Forecast System，GFS），分辨率为 0.50.5，每 3 h更新一次侧边界条件。其余 10 个成员（成员 m01m10）的初值和侧边界由NCEP 11分辨率的全球集合预报系统（Global Ensemble Forecast System，GEFS）不同集合成员提供，每6 h更新一次侧边界条件；各集合成员采用不同的物理过程参数化方案组合，具体包括Kain-Fritsch（KF）、Betts-Miller-Janjic（BMJ）和 Grell 3D ensemble（G3）3种积云对流参数化方案，Thomp
12、son、Morrison和WRF Single-Moment 6-class（WSM6）3种微物理参数化方案，Mellor-Yamada-Janjic（MYJ）、Mellor-Yamada-Nakanishi-Niino（MYNN）和Yonsei University（YSU）3种边界层方案，其中3 km网格距区域未使用积云参数化方案，可显式表征包括积云对流在内的云和降水过程。1.2观测与预报数据针对集合预报系统最内层区域（3 km分辨率）的预报结果开展研究，评估时段为20202021年暖季（59月），检验区域主要为川渝地区（104.35E111E，27.5N33.5N）。该区域自西向东地形错
13、综复杂，依次是川东平原、大巴山脉、巫山山脉、武陵山脉、长江中下游平原（图1）。考虑到模式“spin-表1集合预报系统各成员扰动方案Tab.1Perturbation scheme for each member of the ensemble prediction system成员m00m01m02m03m04m05m06m07m08m09m10初值GFS初值GEFS成员初值GEFS成员初值GEFS成员初值GEFS成员初值GEFS成员初值GEFS成员初值GEFS成员初值GEFS成员初值GEFS成员初值GEFS成员初值侧边界GFS预报GEFS成员预报GEFS成员预报GEFS成员预报GEFS成员预
14、报GEFS成员预报GEFS成员预报GEFS成员预报GEFS成员预报GEFS成员预报GEFS成员预报微物理过程ThompsonWSM6MorrisonThompsonWSM6MorrisonThompsonWSM6MorrisonThompsonMorrison边界层方案MYJMYNNYSUYSUMYJMYNNMYNNYSUMYJMYJYSU积云参数化BMJKFKFG3BMJKFBMJG3BMJKFG315341 卷干旱气象up”影响以及模式数据的计算和传输等问题，预报员制作20：00起报的24 h累积降水预报时多参考模式 08：00 起报的 36 h 产品和前一日 20：00 起报的48 h预
15、报产品，因此本文针对对流尺度集合预报系统逐日 08：00起报的 1236 h预报和前一日 20：00起报的2448 h降水预报效果开展对比评估。观测数据为川渝地区7 213个自动气象站（图1）观测的20：00至次日20：00累积降水量，经过气象资料业务系统（Meteorological Data Operation System，MDOS）质量控制（李奇临等，2018）。模式格点数据通过临近点插值方法匹配到观测站点。欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）0.25 0.25 分 辨 率 的 ERA5
16、（ECMWF reanalysis v5）再分析数据用于分析集合预报的环流形势预报性能。本文附图涉及地图均基于国家测绘地理信息局标准地图服务网下载的审图号为GS（2016）1580号的地图制作，底图无修改；文中所有时间均为北京时。1.3研究方法1.3.1集合统计量计算矫梅燕等（2010）指出，在平均统计意义上，一个理想的集合预报系统中每个成员的准确率大致相同，这可称为“成员等同性”。由11个集合预报成员的长期统计降水预报评分（图略）可知，各成员对不同量级降水的预报技巧大致相当，这与集合预报系统的“成员等同性”原则相符，因此主要对比控制预报和集合统计量的降水预报效果。采 用 的 集 合 统 计 量 为 集 合 平 均（Ensemble Mean，MEAN）和概率匹配平均（Probability-matched Ensemble Mean，PM）。设研究区域内共 n个格点，集合平均即为每个格点上11个集合成员预报值的算术平均值，此方法可过滤集合成员预报的随机信息以提高预报水平。概率匹配平均的计算方法如下：首先将集合平均场上n个格点的数值由大到小依次排列，并保留各数值在研究区域的位置，得到序