肖柳斯，張華龍，楊慧燕，張?zhí)m，諶志剛，張靜

（1.廣州市氣象臺，廣東廣州 511430；2.廣東省氣象臺，廣東廣州 510640；3.廣州市氣象局，廣東廣州 511430）

全球／區(qū)域同化預報系統(tǒng)（Grapes）是在中國氣象局組織下、由我國自主研究發(fā)展的新一代數(shù)值預報系統(tǒng)。為滿足精細化氣象服務的需求，廣州市氣象局在“天河二號”上建立了高分辨率華南短臨預報模式Grapes－1km［1］。該模式的空間水平分辨率為1 km，實現(xiàn)了分鐘級快速更新循環(huán)同化連續(xù)性的、高時空分辨率觀測資料，可每12 min滾動更新未來6 h預報。自2017年試運行以來，該模式為華南汛期強對流短臨預報預警提供了關鍵技術支撐，在多次重大天氣過程預報服務中被作為重要參考依據(jù)。

但是受到模式初始場、觀測資料同化以及物理過程等因素的影響，數(shù)值模式仍存在多方面的誤差，尤其是對于新上線的模式，需要預報員和研究人員實施深入的檢驗應用和研究［2］。模式檢驗可分為主觀和客觀檢驗兩種，2017—2018年廣州市氣象臺組織技術人員基于不同天氣過程對Grapes－1 km業(yè)務產(chǎn)品進行了主觀檢驗，在業(yè)務運行前期為模式產(chǎn)品的訂正起到較大的幫助，并累積了一些模式釋用經(jīng)驗。但是主觀檢驗耗費人力和時間成本太高，往往只能在過程結束之后才組織檢驗分析，難以給預報員提供實時的指引［3］。模式預報效果的客觀檢驗和性能評估是改進模式預報能力、提升模式產(chǎn)品可靠性的重要依據(jù)，為預報員進行有效訂正提供參考。由于降雨局地差異大，模式對降雨的預報性能評估是模式檢驗中最具有挑戰(zhàn)性的任務［4］。隨著模式性能的發(fā)展，全球天氣模式對雨帶和強度的分布預報性能較為理想，但是暴雨以上量級降雨漏報明顯［5］。中尺度模式能夠描述強天氣過程的發(fā)生發(fā)展，但是對于極端強降雨的預報能力仍然有限［6］。將傳統(tǒng)的點對點評分方法應用于公里級的短臨模式預報產(chǎn)品進行檢驗，對空間位置分布的要求苛刻，不能合理反映高分辨率模式的預報能力。鄰域法允許預報與觀測存在偏移，兼具反映模式預報空間分布的能力以及沿用傳統(tǒng)評分指數(shù)的優(yōu)勢，用以評價高分辨率短臨模式具有較好意義［4］。Grapes－1 km模式時間分辨率達到12 min級，模式產(chǎn)品更新快速，數(shù)量龐大，除了天氣的發(fā)生發(fā)展情況，預報員還很關心的是模式能否展現(xiàn)出全球模式甚至中尺度模式難以把握的降雨極端性，臨近6 h內(nèi)有30個預報結果，哪個時次的預報結果在統(tǒng)計上最可信。

本研究以2018年嚴重影響廣東的一次極端性的季風低壓降雨過程為研究對象，針對模式預報降雨的極端性和空間分布預報能力進行定量分析，加深對短臨模式的了解和提高模式預報解釋應用能力。

1 天氣過程

受西移的季風低壓影響，2018年8月27日08：00—9月1日08：00（北京時，下同）廣東省出現(xiàn)了大范圍的連續(xù)性暴雨天氣，尤以珠江三角洲和粵東最為嚴重，其中30日08：00—31日08：00惠州、汕尾、河源、揭陽、汕頭等5市出現(xiàn)了特大暴雨，惠州惠東縣高潭鎮(zhèn)日降雨量達到1 034.4 mm，過程降雨量達到1 396.3 mm（圖1），均打破了歷史記錄。該次過程具有累積雨量大、持續(xù)時間長、小時雨量大的特征。

圖1 2018年8月29日08：00—9日1日08：00過程降雨總量（單位：mm）

在該次降雨過程中，全球模式預報結果明顯偏弱，集合預報效果也不理想，區(qū)域模式預報的雨強更接近于實況，但是雨帶分布特征表現(xiàn)各異，模式的分歧給預報員對于強降雨出現(xiàn)的時間和落區(qū)的把握帶來一定的干擾。

2 研究數(shù)據(jù)與方法

本研究采用的數(shù)據(jù)為2018年8月27日08：00—9月1日08：00期間的Grapes－1 km模式的逐小時預報降雨產(chǎn)品，用以檢驗的產(chǎn)品為廣東省國家和區(qū)域自動站的逐小時雨量，其中強降雨區(qū)定義為小時降雨量超過10 mm／h的區(qū)域（中央氣象臺把≥20 mm／h的降雨作為短時強降雨，但由于自動站點有限，一次天氣過程中出現(xiàn)小時降雨量超過20 mm／h的頻次較少，統(tǒng)計意義不顯著。為了得到具有統(tǒng)計意義的結果，本研究以10 mm／h作為強弱降水的區(qū)分閾值）。

2.1 模式極大值的選取

本研究從國家和區(qū)域自動站的小時雨量中遴選出最大小時降雨量，并以此站為中心，從附近50 km范圍內(nèi)選擇Grapes－1 km模式對該時次預報的最大值，作為模式預報極大值。由于模式的預報時效是6 h，所以模式對同一時次的預報極大值共有6個，分別是提前1、2、3、4、5、6 h預報的最大值。

2.2 模式定量評估值

利用相對偏差（Relative Bias，RB）、均方根誤差（root-mean-squared error，RMSE）、相關系數(shù)（Correlation Coefficient，CC）等指標定量評估模式降雨的精度，RB用以評價模式與地面雨量站總體偏差趨勢，取值范圍［－1，1］，越接近于0，則越精確，當RB的值乘以100，可表示模式預報低估或者高估的程度。RMSE可定量反映偏差的總體水平，其數(shù)值越小，估測準確度越高［7］。各個統(tǒng)計指標的公式［8］如下：

其中，Model為模式預報降雨（mm）；gauge為地面雨量站的降雨量（mm）；N為數(shù)值個數(shù)。

為了比較模式在不同降雨閾值下的表現(xiàn)，采用臨界成功指數(shù)（critical success index，CSI）等分類指標來評價在0.1、1、5和10 mm／h等4個降雨量級下模式的降雨預報能力。A代表模式準確預報的降雨事件數(shù)，B代表錯報的降雨事件數(shù)，C代表漏報的降雨事件數(shù)，D代表準確預報0降雨事件數(shù)，其關系如表1所示。

表1 雨量站降雨與Grapes－1km模式降雨列聯(lián)表

CSI為模式降雨產(chǎn)品準確預報的技巧評分，其值介于0～1之間，CSI越大，模式的預報性能越好。其計算公式［8］如下：

2.3 鄰域法檢驗

在評估模式格點預報能力檢驗環(huán)節(jié)中引入鄰域的概念，鄰域窗口選擇正方形網(wǎng)格窗，鄰域半徑為8個格點，窗口格點總數(shù)為17×17，選擇鄰域內(nèi)與中心站點的實況最接近的值作為模式的預報值，計算模式與實況的定量指標（相對偏差、均方根誤差和相關系數(shù)）。

針對分級降雨檢驗，如果模式預報鄰域窗內(nèi)超過5%的格點數(shù)超過降雨閾值，則認為模式預報的降雨超過該閾值，結合實況，依據(jù)表1和式（4）計算CSI評分。

3 檢驗結果

3.1 極大值檢驗

圖2比較了模式預報的極大值和雨量站的極大值的散點分布，散點多分布于對角線下方，模式的極大值普遍小于實況極大值，隨著預報提前量減小，散點聚集分布區(qū)有趨近對角線的態(tài)勢，即模式預報極大值低估幅度減小。從散點顏色分布可見不同時期模式降雨低估狀況，在過程的開始階段以及結束階段（8月27—29日和9月1日）散點趨于在對角線附近分布，表明模式預報與實況較為吻合；在過程降雨峰值期間（8月30—31日）散點分布則主要位于對角線右下方，具有顯著低估特征，實況小時最大降雨量普遍在50 mm／h以上，模式預報量多數(shù)僅在0～30 mm／h范圍內(nèi)。上述特征反映了，在該次過程中模式對于極大值的預報能力不足。

圖2 提前1～6 h模式預報的最大值和實況散點圖

通過定量計算，可用RB和RMSE評估模式對極端降雨性能的表現(xiàn)，預報提前量為1～6 h的模式預報RB均為負值，表明模式預報總體上低估了極端降雨量，其中提前量為2 h的預報RB絕對值最小，RMSE最小，提前量越大，模式預報RB絕對值和RMSE越大，表明模式提前2 h的極大值預報性能表現(xiàn)相對較好，臨近的預報效果更好（表2）。

表2 提前1～6 h模式預報的最大值和實況的統(tǒng)計量

由此可見，GRAPES－1km由于時間分辨率高，預報產(chǎn)品數(shù)量龐大，預報員無需反復對比過去不同時次預報的結果，就可以采信于臨近時次的預報結果，而且該次過程中提前2 h的模式預報結果相較于提前1 h預報的結果更為理想。

為進一步了解模式對于局地性強降雨和區(qū)域性強降雨的預報性能，利用極大值站點附近50 km范圍內(nèi)強降雨站點占區(qū)域內(nèi)站點總數(shù)的比例加以區(qū)分局地性強降雨和區(qū)域性強降雨，當百分比＜10%時定義為局地性強降雨。從圖3可見，強降雨的站點比例曲線具有明顯的振蕩特征，27日白天、28日白天、29日凌晨、30日午后、31日午后至夜間到9月1日早晨等幾個階段屬于局地性的強降雨，其余時段屬區(qū)域性強降雨。27日早晨實況強降雨顯著高于模式預報值，即使是提前量2 h的預報，仍存在超2倍的差距。午后強降雨范圍擴大，模式的預報效果顯著改善（實況大致分布在模式填色范圍內(nèi)），提前2 h模式的預報結果大致接近實況。28日上午降雨范圍縮小，模式與實況的偏差有所增大。而29日午后強降雨范圍和強度都有所增大，可是模式預報值與實況偏差較大，說明這一階段模式對于極大值的預報效果不佳。30日凌晨開始，模式預報的極大值急劇上升，臨近2 h的預報結果也同步增大，08：00前后達到峰值，此時模式與實況差異不大。值得注意的是，該時段內(nèi)，模式不同時次預報的極大值差異（圖3中填色區(qū)的高度）較大，模式有顯著調(diào)整，臨近2 h的預報與實況接近，表明模式向?qū)崨r調(diào)整的效果顯著。30日午后降雨趨于局地，模式與實況的偏差較大，臨近2 h的偏差最大。30日夜間強降雨范圍增大，模式預報結果的區(qū)間（圖3中填色區(qū)高度）較大，表明模式的調(diào)整尤其顯著，臨近時次預報調(diào)整具有正效果，但是與實況的極大值相比而言仍低估40 mm／h左右。整體而言，對于調(diào)整顯著的時段，臨近時次預報均具有較好的預報效果。以上變化特征表明模式的性能與降雨范圍的局地性有一定的相關性（圖3），一般而言，降雨異常局地的時段內(nèi)，模式預報的偏差較大，預報性能有限。另外，模式預報80 mm／h以上的概率很低，表明對于這種異常極端的降雨，模式的預報性能也較為有限。

圖3 雨量站最大時降雨量、模式預報最大小時降雨量的范圍（模式預報的最大值和最小值包含的范圍）、最大降雨量站點附近50 km范圍內(nèi)發(fā)生短時強降雨站點（＞10 mm／h）的占比、提前2 h模式預報值，部分時段模式無數(shù)據(jù)

除此以外，實況出現(xiàn)的極端性降雨可能跟地形具有較密切的關系，本研究未考慮該情況。另外，模式調(diào)整幅度可能跟實時同化的觀測資料有關，3.1節(jié)的分析中部分時次臨近預報的效果與實況有較大的偏差，有可能是跟同化的觀測資料缺乏有關。在預報業(yè)務中對這一相關信息的實時監(jiān)控，將對模式產(chǎn)品的訂正與業(yè)務應用具有更大作用。

3.2 模式站點預報能力檢驗

該次過程廣東全省出現(xiàn)了降雨，但是強降雨區(qū)域分布不均，最大值在粵東地區(qū)，以站點雨量為基準，利用鄰域法分4個區(qū)域?qū)δＪ筋A報產(chǎn)品進行檢驗，4個區(qū)域分別為：廣東省、粵東區(qū)域（114°E—116.5°E，22.5°N—23.5°N）、廣東省強降雨區(qū)和粵東強降雨區(qū)。

統(tǒng)計提前1～6 h模式在4個區(qū)域檢驗的相對偏差（RB）、均方根誤差（RMSE）和相關系數(shù)（CC）（表略）可知，4個區(qū)域的RB均為負值，表明模式低估了過程的小時降雨量。廣東省不同提前量預報的RB差異不大，其值為－0.24～－0.27，即模式在廣東的降雨低估幅度達24%～27%?；洊|區(qū)域的低估更加明顯，RB在－0.30～－0.36之間，其中提前1～2 h的低估幅度較小，說明提前1～2 h的預報效果相對更好。強降雨區(qū)域的低估更明顯，廣東強降雨區(qū)域的RB在－0.61～－0.70之間，低估程度超過全區(qū)的2倍，其中提前1 h的低估幅度最小，其次是2 h，整體而言，提前時效越短，低估越不明顯?；洊|強降雨區(qū)域和廣東全省強降雨區(qū)提前4～6 h的RB大致相同，但是臨近2 h，粵東強降雨區(qū)域的低估幅度較小，提前1 h預報的低估程度約為56%，2 h約為59%，說明在臨近時次，模式對于粵東強降雨的調(diào)整有正效應。

就RMSE而言，其值從小到大依次為廣東省、粵東區(qū)域、廣東強降雨區(qū)、粵東強降雨區(qū)，強降雨區(qū)的RMSE能達到全區(qū)的3～4倍。4個區(qū)域總體上都表現(xiàn)為預報提前量越小，RMSE越小。

廣東省和粵東區(qū)域的CC大致相同，而廣東強降雨區(qū)最小，其次為粵東強降雨區(qū)，廣東區(qū)域的相關系數(shù)最大，模式在強降雨區(qū)域的相關程度較低，相關程度隨著提前量的增大顯著減小，說明模式在臨近時次的調(diào)整較為明顯，并且調(diào)整效果較為顯著。

對降雨進行分級檢驗，從圖4a可見，降雨閾值越小，模式的CSI評分越高，4個降雨閾值對應的CSI評分分別為0.50、0.28、0.10和0.05。當降雨閾值為0.1 mm／h時，提前量越大，評分越高；當閾值為1、5和10 mm／h時，提前量越大，評分越低。從預報技巧評分的角度來看，對于晴雨的預報，提前量越大，預報效果越好，但是這種效果的差異比較小，而當降雨量級增大后，模式的性能表現(xiàn)為提前量越小，模式預報效果越好。

當模式與實況均為短時強降雨時，將每個自動雨量站點的方形鄰域窗口內(nèi)所有超過閾值的格點（命中點）及其與站點的相對位置偏差統(tǒng)計出來，形成頻數(shù)分布圖（圖4b），頻數(shù)大值區(qū)呈東北－西南方向分布，頻次最高的鄰域點在站點的東北方向4～5個格點附近，而頻次較低的點位于站點東南方，距離6～7個格點數(shù)附近最低。這個過程中，廣東省上空低層受西南風影響，頻數(shù)分布形狀與風場方向平行，頻數(shù)中心位于風場下游，這種分布特征表明模式預報降雨系統(tǒng)較實況移速偏快。

圖4 小時降雨量的CSI評分（a）；命中點與站點相對位置的頻次分布（五角星為站點）（b）

4 結論

1）模式預報與實況的散點分布及定量計算結果均表明模式對極端降雨具有較大程度低估，但提前量越小，相對偏差的絕對值和均方根誤差越小。模式的性能與降雨范圍的局地性有一定的相關性，降雨異常局地的時段內(nèi)，模式預報的偏差較大。臨近時次模式的預報效果相對較好，其中提前2 h的模式預報結果相較于提前1 h預報的結果更為理想。

2）分區(qū)檢驗表明，模式對4個區(qū)域的降雨量均有低估，其中對強降雨區(qū)域的低估更為顯著。提前1 h的低估幅度最小，其次是2 h，提前時效越小，低估幅度越小。模式在臨近時次的調(diào)整較為明顯，并且調(diào)整效果較好，模式對大范圍的強降雨空間把握能力更高，而其他地區(qū)由于局地性顯著，相關性較弱。

3）降雨分級檢驗結果顯示，對于晴雨的預報，提前量大，預報效果略好，而當降雨量級增加后，模式的性能表現(xiàn)為提前量越小，模式預報效果越好。當實況出現(xiàn)了短時強降雨，而模式又命中時，相對位置頻數(shù)呈東北－西南向分布，與低層盛行風向一致，命中頻次最高的格點位于站點東北方向，而頻次較低的位于東南方，頻數(shù)中心位于風場下游，表明模式預報降雨系統(tǒng)較實況移速偏快。

模式檢驗結果顯示預報提前量越小，模式預報效果越好，由于GRAPES－1 km時間分辨率高，預報產(chǎn)品數(shù)量龐大，預報員無需反復對比過去不同時次預報的結果，而可以采信于臨近時次的預報結果。但是本研究的分析也存在部分時次臨近預報效果存在較大偏差，有可能是跟同化的觀測資料缺乏有關。在預報業(yè)務中若能對這一相關信息的實時監(jiān)控，將對模式產(chǎn)品的訂正與業(yè)務應用產(chǎn)生更大作用。