張涵斌, 陳 靜, 龍柯吉

(1.成都信息工程學(xué)院,四川 成都 610025;2.國家數(shù)值預(yù)報中心,北京 100081;3.四川省氣象局,四川 成都610025)

0 引言

自2000年以來,中國氣象局自主開發(fā)了新一代全球/區(qū)域同化預(yù)報系統(tǒng)(Global/Regional Assimilation and Prediction Enhanced System,GRAPES)[1-3]。GRAPES模式系統(tǒng)主要包括資料同化系統(tǒng)、多尺度有限區(qū)域與全球模式通用的動力框架以及物理過程參數(shù)化方案[4]。資料同化系統(tǒng)采用三維變分,現(xiàn)在正逐步向四維變分過渡[2-3];動力框架采用靜力/非靜力可變,半隱式-半拉格朗日計算方案,能夠降低計算成本[1-2],并逐步走向精細(xì)化[4];物理過程參數(shù)化經(jīng)過對國際先進(jìn)參數(shù)化方案的優(yōu)選與優(yōu)化,形成了輻射,邊界層、陸面過程參數(shù)化,積云對流參數(shù)化和微物理過程等多種適合研究和預(yù)報應(yīng)用的方案[1-3],并逐步針對中國天氣特點(diǎn)進(jìn)行著優(yōu)化改進(jìn)[4]。

集合預(yù)報系統(tǒng)是GRAPES的重要發(fā)展方向[5-7]。近年來,GRAPES區(qū)域模式集合預(yù)報初值擾動技術(shù)研究取得了一些進(jìn)展。譚燕等[8]、紀(jì)永明[9]、龍柯吉等[10]研究了GRAPES區(qū)域模式區(qū)域集合預(yù)報技術(shù),總體來看,GRAPES集合成員發(fā)散度不夠,沒能反映GRAPES模式自身的誤差特征。一個合理的集合預(yù)報系統(tǒng)需要對GRAPES模式誤差特點(diǎn)進(jìn)行更多的研究,捕獲到GRAPES模式誤差的主要影響因素。中國有不少學(xué)者已經(jīng)研究了GRAPES全球和區(qū)域模式預(yù)報誤差特征。葉成志,歐陽里程等[11]指出,GRAPES區(qū)域中尺度模式預(yù)報能力隨預(yù)報時效延長而下降,預(yù)報誤差隨預(yù)報時效延長而增長。王雨等[12]指出GRAPES模式對降水預(yù)報存在雨量偏大的問題。莊照榮等[13]指出在集合卡爾曼濾波同化系統(tǒng)中,模式誤差是不可忽略的因素,并用不同分辨率的模式預(yù)報差異估計了GRAPES全球模式的模式誤差,研究發(fā)現(xiàn)模式誤差隨著分辨率降低而線性增加,而且模式誤差隨著預(yù)報時效的增加呈現(xiàn)線性增長的趨勢。

過去的研究表明,區(qū)域模式預(yù)報誤差主要來源于初值、模式和邊界條件[14-16],在模式誤差中,模式動力框架和物理過程參數(shù)化方案是模式誤差的主要影響因素,GRAPES動力框架誤差特征是什么?物理過程對預(yù)報誤差的影響特征究竟是什么?目前對這方面研究分析較少,因此,研究GRAPES-Meso模式動力框架與物理過程對預(yù)報誤差影響,對改進(jìn)GRAPES模式發(fā)展GRAPES集合預(yù)報具有重要意義。利用GRAPES中尺度模式,對不同類型天氣過程(強(qiáng)降水、中等強(qiáng)度降水、弱降水)進(jìn)行數(shù)值模擬試驗(yàn),研究GRAPES區(qū)域模式誤差影響因素,分析模式動力框架和參數(shù)化方案對預(yù)報誤差的影響特征,為改進(jìn)GRAPES模式和發(fā)展GRAPES集合預(yù)報技術(shù)提供依據(jù)有用的信息。

1 研究個例簡介

選取2008年汛期中國區(qū)域3種不同類型天氣過程(強(qiáng)降水、中等強(qiáng)度降水、弱降水)。強(qiáng)降水過程為2008年7月22日08時至23日08時暴雨過程(圖1a),中國黃淮地區(qū)普降暴雨到大暴雨,湖北西部和北部、河南大部、山東南部、江蘇北部、安徽北部等地24小時累計降水量一般在100～180mm,局部地區(qū)降水量達(dá)200～240mm;中等強(qiáng)度降雨過程選取2008年7月24日08時至25日08時的降水過程(圖1b),四川西部、安徽北部有局部降水,降水量不到100mm;弱降水天氣選取2008年6月5日08時至6日08時,除廣東南部地區(qū)有一些降水外,中國大部地區(qū)無明顯強(qiáng)降水天氣(圖1c),圖2給出了影響這3種不同天氣過程的環(huán)流形勢,從500hPa位勢高度場,風(fēng)場以及急流的分布可以看出這3個個例的影響系統(tǒng)不同,可以代表不同的環(huán)流形勢和天氣類型。

2 試驗(yàn)方案設(shè)計

GRAPES-Meso模式分辨率0.3×0.3度,模式積分區(qū)域?yàn)?0°E～142°E,15°N ～60°N。背景場采用國家氣象中心T213全球譜模式預(yù)報場,分析時間間隔12h,同時生成GRAPES模式的邊界條件。再利用GRAPES三維變分系統(tǒng)同化、探空和地面觀測資料對背景場進(jìn)行同化分析后,獲得GRAPES模式初始場。

為了分析模式動力框架和物理過程參數(shù)化方案對GRAPES模式誤差的影響特征,設(shè)計了全物理過程模式和關(guān)閉所有物理過程模式(即只考慮動力框架)對比試驗(yàn),如表1所示。

表1 試驗(yàn)方案設(shè)計

3 試驗(yàn)結(jié)果分析

3.1 形勢場及降水偏差

圖3是TEST1試驗(yàn)對3個典型過程60h預(yù)報時效的24h累積降水預(yù)報。與實(shí)況對比(圖1)可見,2008年7月23日強(qiáng)降水過程的雨帶預(yù)報存在明顯偏差,模式預(yù)報主要降水帶位于四川南部,重慶,貴州,湖北,安徽以及江浙一帶,沒有預(yù)報出山東地區(qū)強(qiáng)降水過程。對2008年7月25日中等強(qiáng)度降水過程,強(qiáng)降水落區(qū)存在明顯差異,山東東部降水預(yù)報偏強(qiáng),中心值達(dá)到了100mm左右,而實(shí)況為20mm左右,而河南地區(qū)預(yù)報偏弱,僅為15mm左右,而河南實(shí)況降水為50～100mm。對2008年6月6日中國區(qū)域無明顯降水的個例,預(yù)報與實(shí)況較為吻合。

圖4給出了TEST1試驗(yàn)對2008年7月23日強(qiáng)降水個例500hPa位勢高度場和850hPa風(fēng)場的24h和48h預(yù)報。與實(shí)況相比(圖2a),隨著預(yù)報時效的延長,500hPa高度場和850hPa風(fēng)場預(yù)報偏差增長,西南氣流風(fēng)速隨預(yù)報時效延長明顯偏強(qiáng),其他2個個例誤差特征相似(圖略)。

3.2 誤差分布及成因初步分析

定義等壓面上某格點(diǎn)的模式預(yù)報誤差為GRAPES預(yù)報時刻與相應(yīng)該時刻GRAPES-3D VAR分析場的偏差Ei

其中t 0為預(yù)報起始時間,t為預(yù)報時效,Ft0+t代表預(yù)報場,At0+t代表分析場。

定義絕對偏差 AEi。

3.2.1 平均絕對偏差分布總體特征

圖5為TEST1和TEST2對2008年7月23日08時 V分量風(fēng)的不同預(yù)報時效預(yù)報的平均絕對偏差垂直廓線分布圖。從圖5(a)可以看出,TEST1的預(yù)報平均絕對偏差最大值出現(xiàn)在200hPa附近,隨預(yù)報時效延長,絕對偏差值也增大,TEST2(見圖5b)平均絕對偏差同樣在200hPa上,且量級相同,表明物理過程參數(shù)化方案對200hPa的模式預(yù)報偏差影響不顯著。值得一提的是,TEST1和TEST2絕對偏差在400hPa以下層次存在較大差異,TEST1低層偏差相對較小,即使隨著預(yù)報時效的延長,1000hPa偏差也基本保持在3m/s左右;而TEST2,偏差隨等壓面高度降低而增大,1000hPa誤差最大,且隨預(yù)報時效延長而增加,平均絕對偏差超過6m/s。U分量風(fēng)平均絕對偏差特征與V分量風(fēng)類似。

圖6是 2008年7月23日強(qiáng)降水個例TEST1和 TEST2的高度(圖6a,圖6d)、比濕(圖6b,圖6e)及溫度(圖6c,圖6f)預(yù)報平均絕對偏差垂直分布廓線。圖6中00h的平均絕對偏差是GRAPES模式系統(tǒng)經(jīng)過初始化和后處理過程,將初始分析場插值到模式面,再經(jīng)后處理過程插值到等壓面后,與初始分析場的絕對偏差?？煽吹皆?00hPa以下層次,00h的高度、比濕、溫度與原分析場存在較大的絕對偏差,如925hPa和1000hPa溫度絕對偏差分別為3℃左右和5.5℃左右,表明垂直插值過程會在低層大氣產(chǎn)生較大的偏差。再看各預(yù)報時效的平均絕對偏差垂直分布,高度平均絕對偏差(圖6a,圖6d)隨高度增加而增加,在200hPa達(dá)到極大值,如60h高度預(yù)報偏差達(dá)到40位勢米,隨后高度偏差開始減小,到50hPa后,高度平均偏差低于低層偏差值,到模式層頂又突然增加,且TEST1和TEST2的分布特征相似。對于比濕(圖6b,圖6e),偏差隨高度增加而減少,這與水汽主要分布在低層有關(guān)。在925hPa至1000hPa,TEST1與TEST2的平均絕對偏差特征一致,在925～850hPa,TEST1的偏差較TEST2小,表明物理過程可以改善水汽的預(yù)報誤差;對于溫度(圖6c,圖6f),預(yù)報偏差較大層次依然是100～400hPa左右,如參考00h的絕對偏差值,則動力框架預(yù)報偏差垂直廓線比全物理過程參數(shù)化方案模式離散。

在注冊會計師注冊領(lǐng)域強(qiáng)化監(jiān)管力度，選取品德優(yōu)秀，專業(yè)技能比較強(qiáng)的人才，防止濫竽充數(shù)，堅(jiān)決防止憑關(guān)系取得注冊會計師資格的舉措，在挑選的源頭提升注冊會計師的品質(zhì)。在進(jìn)行管理時，提升注冊會計師的待遇，依托高薪養(yǎng)廉的途徑讓他有自己的生活保障，防止腐敗的滋生。順應(yīng)時代的潮流方可更好地融入時代，進(jìn)而可以實(shí)現(xiàn)自身的價值。

前面提到GRAPES的00h絕對偏差主要來自垂直插值過程。GRAPES-Meso三維變分同化系統(tǒng)在等壓面上進(jìn)行分析,而預(yù)報積分是在模式面上進(jìn)行,分析對象為預(yù)報結(jié)果插值到等壓面的結(jié)果,實(shí)況值采用的是GRAPESMeso三維變分同化系統(tǒng)的等壓面分析值,這必然包含垂直插值誤差。插值誤差對模式誤差分析的影響如何,對上述結(jié)論是否會有影響?以2008年7月23日強(qiáng)降水為例,分析垂直插值過程對誤差分布的影響。

圖7是2008年7月23日08時的GRAPES-3DVAR的分析場與00h預(yù)報場 V分量風(fēng)偏差在不同高度層的水平分布。由圖7(a)～(f)可知,在青藏高原這樣的高海拔區(qū),600hPa以下層次已經(jīng)位于地表以下,預(yù)報值均來自垂直插值,這些區(qū)域的預(yù)報值表現(xiàn)出較大插值偏差,而在其他區(qū)域,插值偏差都維持在-0.5～-0.5m/s,隨著高度的上升,插值偏差越來越小,500hPa偏差為-0.5至0.5m/s。其他變量分布情況與 V分量風(fēng)類似。由此可知,插值方案產(chǎn)生的模式預(yù)報誤差主要出現(xiàn)在高海拔區(qū)域,尤其是青藏高原地區(qū),且層次越高,插值誤差越小,這種插值誤差在TEST1和TEST2中均存在,不會影響上述分析。

對于中等強(qiáng)度以及弱降水個例,TEST1和TEST2的U分量風(fēng)、V分量風(fēng)、溫度、高度、水汽預(yù)報的平均絕對偏差特征都與強(qiáng)降水個例較為一致(圖略),表明GRAPES-Meso模式存在較為顯著的系統(tǒng)性誤差。值得注意的是,TEST2試驗(yàn)的預(yù)報結(jié)果是模式動力框架獲得,沒有考慮物理過程,而其偏差特征與全物理過程類似,僅低層動力場預(yù)報誤差存在一些差別,這表明模式動力框架對預(yù)報誤差的影響較物理過程大。

圖7 2008年7月23日08時的GRAPES-3DVAR的分析場與00h預(yù)報場 V分量風(fēng)偏差水平分布

3.2.2 預(yù)報偏差空間結(jié)構(gòu)特征分析

對預(yù)報偏差的水平及垂直分布進(jìn)行分析,以了解GRAPES模式誤差的結(jié)構(gòu)空間形態(tài)以及GRAPES模式動力框架與物理過程對預(yù)報誤差影響相互聯(lián)系。

圖8 TEST1(a,b,c)和TEST2(d,e,f)試驗(yàn)對3個典型個例的700hPa V分量風(fēng)60h預(yù)報相對偏差(單位:m/s)

圖8是TEST1和TEST2試驗(yàn)對3個典型個例的700hPa V分量風(fēng)60h預(yù)報偏差分布。從圖可見,相同個例的TEST1和TEST2預(yù)報偏差分布形態(tài)比較相似,如2008年7月20日20時的60h預(yù)報(圖8a,圖8d),青藏高原東側(cè)邊緣均有一負(fù)偏差區(qū),高原主體上空和云南、貴州、重慶有一正預(yù)報偏差區(qū)。不同個例偏差分布會有所差異,如2008年7月23日TEST1對山東半島預(yù)報偏差為負(fù)偏差,而2008年7月25日個例卻為正偏差(圖8b及圖8e)。此外,3個個例在高原上空的偏差均為正值,表明高原地區(qū)存在較大誤差,這與GRAPES垂直插值方案誤差有關(guān)。

圖9是2008年7月23日08時強(qiáng)降水個例TEST1和TEST2的 V分量風(fēng)60h預(yù)報偏差沿25°N的垂直剖面圖。從圖可見TEST1(圖9a)和TEST2(圖9b)垂直分布形態(tài)很相似,在 105°E左右,300hPa至850hPa均存在較明顯的正偏差,而在107°E～117°E,則為較明顯的負(fù)偏差區(qū)。

綜上所述,動力框架和全物理過程參數(shù)化方案預(yù)報偏差形態(tài)比較相似,動力框架預(yù)報誤差略大,表明模式誤差主要特征是由模式動力框架部分確定,物理過程參數(shù)化方案對誤差形態(tài)有一定的修正,但作用有限,以上結(jié)果表明模式動力框架對模式預(yù)報誤差的分布形態(tài)具有較明顯的影響,GRAPES-Meso模式的預(yù)報誤差很大程度上來源于模式動力框架,同時也包含一定的插值誤差,低層插值誤差更明顯。

3.2.3 物理過程參數(shù)化方案對誤差總體特征的影響

前面的結(jié)果表明,GRAPES動力框架對U和V分量風(fēng)預(yù)報誤差影響較物理過程大,物理過程參數(shù)化方案可減少動力框架預(yù)報誤差,TEST1中共有7種參數(shù)化方案(見表1),哪一種參數(shù)化方案對減少誤差起主要作用?參數(shù)化方案與模式誤差又是如何相互影響的?

設(shè)計如表2的7個試驗(yàn)方案,分別關(guān)掉某個物理過程參數(shù)化方案,稱為試驗(yàn)wetA,wetB,wetC,wetD,wetE,wetF,wetG,對2008年7月23日08時的強(qiáng)降水個例進(jìn)行模擬,分析物理過程在減少模式誤差中的主要作用,其中比對參考預(yù)報場選擇表1中的TEST1試驗(yàn)。

表2 物理過程參數(shù)化方案影響試驗(yàn)方案

圖10為試驗(yàn)wetA,wetB,wetC,wetD,wetE,wetF,wetG的 V分量風(fēng)平均絕對偏差垂直廓線圖。對比圖5a和圖10可見,6個試驗(yàn)(wetA,wetB,wetC,wetD,wetE,wetG)預(yù)報偏差分布特征與TEST1相似,平均絕對偏差僅有一個極大值,位于200hPa,400hpa以下偏差明顯減小。而不考慮邊界層參數(shù)化方案的wetF試驗(yàn),平均絕對偏差有兩個極大值,一個位于1000hPa,一個位于200hPa,12h至60h預(yù)報平均絕對偏差為4.5～6.5m/s,500hPa平均絕對偏差值最小(圖10f),誤差形態(tài)與TEST2相似。其它變量如高度、溫度和比濕,邊界層方案對低層絕對偏差的影響程度不如風(fēng)場顯著(圖略),這表明邊界層方案對GRAPES模式低層動力場預(yù)報誤差有重要影響,原因是由于模式邊界層方案影響陸氣的熱量、水汽通量交換,并最終影響動力場預(yù)報[17-18]。

4 結(jié)束語

為了深入了解GRAPES-Meso區(qū)域模式動力框架與物理過程對預(yù)報誤差的影響,找出GRAPES-Meso模式不確定性的主要來源,為模式的改進(jìn)和針對GRAPES-Meso集合預(yù)報技術(shù)的發(fā)展提供參考,基于GRAPES中尺度模式,通過設(shè)計4組對比試驗(yàn),對2008年3個不同類型天氣過程(強(qiáng)降水、中等強(qiáng)度降水、弱降水)進(jìn)行數(shù)值模擬試驗(yàn),得出如下結(jié)果和結(jié)論:

(1)對于不同天氣形勢下的強(qiáng)降水、中等強(qiáng)度降水、弱降水個例,模式動力框架和全物理過程模式的U分量風(fēng)、V分量風(fēng)、溫度、高度、水汽預(yù)報的總體預(yù)報誤差特征、誤差水平分布與垂直結(jié)構(gòu)都較為一致,預(yù)報誤差在200hPa高度層左右達(dá)到最大。表明GRAPES-Meso模式存在較為顯著的系統(tǒng)性誤差。進(jìn)一步分析表明,動力框架對預(yù)報誤差影響較物理過程更大,參數(shù)化方案對誤差形態(tài)有一定的修正,但作用有限。

(2)GRAPES-Meso模式要素預(yù)報從模式面轉(zhuǎn)換到等壓面的插值方案對模式層底和模式層頂誤差分布有明顯的影響,GRAPES-Meso垂直插值方案有待完善。

(3)邊界層方案對GRAPES模式低層動力場預(yù)報誤差有重要影響,引入邊界層參數(shù)化方案能夠顯著改善模式動力場在低層的預(yù)報誤差,原因是由于模式邊界層方案影響陸氣的熱量、水汽通量交換,可顯著影響低層動力場預(yù)報 。

綜上所述,GRAPES-Meso模式誤差改進(jìn)重點(diǎn)在動力框架,在GRAPES-Meso集合預(yù)報系統(tǒng)的設(shè)計中,需要重點(diǎn)考慮動力框架引起的模式不確定性?；贕RAPES-Meso V3.0進(jìn)行了同樣的試驗(yàn),對比結(jié)果與GRAPESMeso V2.5的基本一致。需要注意的是,對比試驗(yàn)僅針對參數(shù)化方案進(jìn)行了不同的設(shè)置,而影響誤差的因素有很多,比如模式分辨率,分辨率為0.3度,如果分辨率更高或者更低,對誤差的影響又是如何?模式誤差又會表現(xiàn)出怎樣的分布特征?實(shí)驗(yàn)背景場和邊界條件選用了T213資料,背景場經(jīng)過三維變分后的分析場可能會存在一些動力不協(xié)調(diào)性,導(dǎo)致積分初期的誤差增長,側(cè)邊界也可能會對預(yù)報誤差產(chǎn)生影響,這些工作需要進(jìn)行更多的研究分析。

致謝:感謝數(shù)值預(yù)報中心陳德輝老師、鄧國老師、鄧蓮堂老師、徐枝芳老師給予的熱心幫助。

[1] 陳德輝,楊學(xué)勝,胡江林.多尺度通用動力模式框架的設(shè)計策略[J].應(yīng)用氣象學(xué)報,2003,14(4):452-461.

[2] 陳德輝,沈?qū)W順.新一代數(shù)值預(yù)報系統(tǒng)GRAPES研究進(jìn)展[J].應(yīng)用氣象學(xué)報,2006,17(6):773-777.

[3] 張人禾,沈?qū)W順.中國國家級新一代業(yè)務(wù)數(shù)值預(yù)報系統(tǒng)GRAPES的發(fā)展[J].科學(xué)通報,2008,53(20):2393-2395.

[4] 薛紀(jì)善,陳德輝,等.數(shù)值預(yù)報系統(tǒng)GRAPES的科學(xué)設(shè)計與應(yīng)用[M].北京:科學(xué)出版社,2007.

[5] Toth Z,Kalnay E.Ensemble forecasting at NMC:The generation of perturbations[J].Bull Amer Meteor Soc,1993,74:2317-2233.

[6] Toth Zoltan.meeting summary:Ensemble Forecasting in WRF.Bulletin of the American Meteorological Society[J].2001,82:695-697.

[7] Hamill,Thomas M,Steven L.Ensemble Forecasting in the Short to Medium Range:Report from a Workshop[J].Bulletin of the American Meteorological Sociaty,2000,81:2653-2664.

[8] 譚燕.中尺度強(qiáng)降水天氣集合預(yù)報技術(shù)的研究[D].北京:中國氣象科學(xué)研究院.

[9] 紀(jì)永明,陳靜,矯梅燕,等.基于多中心T IGGE資料的區(qū)域GRAPES集合預(yù)報初步試驗(yàn)[J].氣象,2011,37(4):392-402.

[10] 龍柯吉,陳靜,馬旭林,等.基于集合卡爾曼變換的區(qū)域集合預(yù)報初步研究[J].成都信息工程學(xué)院學(xué)報,2011,(1):37-46.

[11] 葉成志,歐陽里程,李象玉.GRAPES中尺度模式對2005年長江流域重大災(zāi)害性天氣過程預(yù)報性能的檢驗(yàn)分析[J].熱帶氣象學(xué)報,2006,26(4):393-399.

[12] 王雨,李麗.GRAPES-Meso V3.0模式預(yù)報效果檢驗(yàn)[J].應(yīng)用氣象學(xué)報,2010,21(5):524-533.

[13] 莊兆榮,薛紀(jì)善.GRAPES全球模式的模式誤差估計[J].大氣科學(xué),2010,34(3):591-598.

[14] Zhang Fuqing,Andrew M Odins,John W.Nielsen-Gammon:Mesoscale predictability of an extreme warm-season precipitation event[J].Weather and Forecasting,2006,21:149-166.

[15] Kalnay,E Atmospheric Modeling.Data Assimilation and Predictability[M].Cambridge university press,2003:196-199.

[16] Harrison M S.Analysis and model dependencies in medium-range forecast:two transplant case studies[J].Quart.J.Roy.Meteor.Soc.1999,126:711-724.

[17] 趙鳴.邊界層和陸面過程對中國暴雨影響研究的進(jìn)展暴雨災(zāi)害[J].2008,27(2):186-190.

[18] 肖玉華,何光碧.邊界層參數(shù)化方案對不同性質(zhì)降水模擬的影響高原氣象[J].2010,29(2):331-339.