婁小芬,王麗穎,羅玲,傅良,錢浩

(浙江省氣象臺，杭州 310007)

引 言

極端降水事件是典型的極端天氣事件之一。在政府間氣候變化專門委員會(IPCC)第三次和第四次報(bào)告中，極端天氣事件均被定義為：在某一特定地點(diǎn)和時(shí)間，其發(fā)生概率極小，通常只占該類天氣現(xiàn)象10%或者更低。極端降水事件一旦發(fā)生，往往給國民經(jīng)濟(jì)和人民生命財(cái)產(chǎn)造成重大損失(Zhai and Liu，2012)，因此如何提高對這些降水、溫度等極端天氣的預(yù)報(bào)能力，是目前我國氣象部門面向國家防災(zāi)減災(zāi)和重大服務(wù)需求的重要發(fā)展方向。由于大氣是一個(gè)混沌系統(tǒng)，小概率極端天氣事件的發(fā)展演變存在諸多不確定性，用單一數(shù)值天氣模式預(yù)報(bào)其未來演變是不嚴(yán)謹(jǐn)?shù)?杜均和陳靜，2010；陳法敬等，2011；任志杰等，2011)，而集合預(yù)報(bào)系統(tǒng)綜合考慮了初始場、模式物理過程等不確定因素，為小概率事件提供了更加全面的預(yù)報(bào)信息，具有發(fā)展極端或?yàn)?zāi)害天氣預(yù)報(bào)技術(shù)的先天優(yōu)勢。Buiz?za(2008)研究表明，基于不同起報(bào)時(shí)刻的集合概率預(yù)報(bào)較確定性模式更加連續(xù)且穩(wěn)定。近年來隨著集合預(yù)報(bào)系統(tǒng)(EPS)的發(fā)展，數(shù)值模式對極端天氣的預(yù)報(bào)能力不斷提高(汪嬌陽等，2014；Petroliagis and Pinson，2014；朱鵬飛等，2015；董全等，2016；陶亦為等，2016)。

利用有效的方法對集合預(yù)報(bào)提供的極端信息進(jìn)行提取和檢驗(yàn)，從而對極端天氣進(jìn)行識別和預(yù)報(bào)，具有重要科學(xué)和實(shí)際意義(高麗等，2019)。為了識別極端天氣事件是否發(fā)生,歐洲中期天氣預(yù)報(bào)中心(EC?MWF)研究了一種極端天氣預(yù)報(bào)指數(shù)EFI，其表征的是氣候值與集合預(yù)報(bào)系統(tǒng)集合成員之間的連續(xù)差異,利用極端天氣指數(shù)能夠較準(zhǔn)確地識別出極端天氣所發(fā)生的區(qū)域。Zsótér(2011)利用改進(jìn)后的EFI研究了2005年10月西歐持續(xù)極端高溫，發(fā)現(xiàn)改進(jìn)后的EFI能識別出更多發(fā)生極端高溫的區(qū)域。Petroliagis和Pinson(2014)分析了德國北部三個(gè)機(jī)場7年的強(qiáng)風(fēng)事件，指出EFI指數(shù)可以提早發(fā)出預(yù)警信息。劉琳等(2013)利用降水觀測概率和我國T213集合預(yù)報(bào)系統(tǒng)建立了極端降水天氣預(yù)報(bào)指數(shù)，其應(yīng)用結(jié)果表明，該指數(shù)可提前3～7 d提供極端降水信息。董全等(2017)運(yùn)用TS評分最大為標(biāo)準(zhǔn)，分別確定了不同時(shí)效、不同百分位的極端強(qiáng)降水事件在我國的預(yù)報(bào)閾值，對于95%和99%的極端強(qiáng)降水事件，EFI的閾值分別在0.45和0.7左右。根據(jù)前人的研究，EFI對極端天氣事件的預(yù)報(bào)有一定的指示作用，但如何確定不同地區(qū)、不同類型極端天氣的閾值，如何有效利用EFI開展極端天氣的預(yù)報(bào)業(yè)務(wù)仍是一個(gè)非常值得研究的重要課題。杜鈞等(2014)將集合預(yù)報(bào)與氣候資料結(jié)合起來，定量分析相關(guān)氣象因子的異常程度和可信度，幫助預(yù)報(bào)員在預(yù)報(bào)工作中做出合理的決策。通過對2012年北京7月21日特大暴雨事件的分析顯示，“集合異常預(yù)報(bào)法”可以提供比單一模式更可靠或更連慣的預(yù)報(bào)，且對于北京地區(qū)大暴雨的實(shí)際可預(yù)報(bào)性時(shí)效提前了2 d，有效地提高重大災(zāi)害性天氣的預(yù)報(bào)能力。

中緯度冷空氣入侵有利于臺風(fēng)外圍環(huán)流斜壓性的發(fā)展引起鋒生，從而導(dǎo)致倒槽區(qū)域內(nèi)中尺度對流的發(fā)展和暴雨的產(chǎn)生，臺風(fēng)倒槽與冷空氣結(jié)合而產(chǎn)生的暴雨，往往比臺風(fēng)環(huán)流本體暴雨強(qiáng)得多(吳海英等，2016)。2017年20號臺風(fēng)“卡努”雖然登陸廣東沿海，但距離臺風(fēng)中心1 000 km的浙江東北部出現(xiàn)了極端強(qiáng)降水，ECMWF、NECP等確定性模式對此次過程在預(yù)報(bào)提前量和穩(wěn)定性上都不能滿足決策服務(wù)的需求。但集合預(yù)報(bào)所提供的概率結(jié)果可以給出極端事件在未來出現(xiàn)的可能性，對此類低概率極端天氣事件具有更好的預(yù)報(bào)效果。目前，我國基于集合模式的極端天氣預(yù)報(bào)業(yè)務(wù)還相對薄弱，亟待開展進(jìn)一步的研究。另外，杜鈞等(2014)認(rèn)為“集合異常預(yù)報(bào)法”與EFI在極端天氣預(yù)報(bào)中各有優(yōu)劣，如能在實(shí)際應(yīng)用例子中對兩者進(jìn)行具體比較是一項(xiàng)很有價(jià)值的研究，但目前還沒有相關(guān)研究工作。本文采用ECMWF interim再分析資料、ECMWF集合預(yù)報(bào)資料、實(shí)況降水資料、FY-2G TBB資料，運(yùn)用“集合異常預(yù)報(bào)法”從氣象因子異常的角度對2017年10月14—16日浙江東北部極端降水的成因和可預(yù)報(bào)性進(jìn)行分析，檢驗(yàn)集合預(yù)報(bào)EFI閾值對極端降水的識別效果，并對兩種方法進(jìn)行對比，探討如何利用ECWMF集合預(yù)報(bào)提高對極端災(zāi)害天氣的預(yù)報(bào)能力。

1 資料和方法

1.1 資料

文中使用的資料包括1980—2016年和2017年10月13—16日0.5°×0.5°ECMWF interim逐6 h再分析資料、ECMWF提供的2017年10月8—16日20時(shí)、08時(shí)(北京時(shí)，下同)起報(bào)的集合預(yù)報(bào)資料（含逐日08—08時(shí)降水EFI資料）、FY-2G衛(wèi)星的黑體亮度溫度(TBB)、自動(dòng)站實(shí)況降水資料、浙江區(qū)域67個(gè)基準(zhǔn)站1980—2016年08—08時(shí)日降水資料。

1.2 方法

為了研究這次降水過程的極端性，先構(gòu)建了降水氣候樣本。本文選取1980—2016年的日降水資料，單日前后各10 d，一共21 d×36 a＝756個(gè)樣本構(gòu)建單日的氣候樣本。對于極端降水事件的定義采用了百分位法(翟盤茂和潘小華，2003；任福民等，2014)，研究中分別定義了第95%百分位與第99%百分位作為極端降水天氣事件的閾值，當(dāng)某日降水量超過該站點(diǎn)的極端強(qiáng)降水閾值時(shí)，稱該站點(diǎn)在該日有極端強(qiáng)降水發(fā)生。這種定義相比降水量閾值(如大于50 mm)的優(yōu)勢在于篩選出的極端降水事件更具季節(jié)和地域代表性。

1.2.1 “集合異常預(yù)報(bào)法”

同一氣象要素在不同地域或不同季節(jié)的異常度是不一樣的，為了更直觀和統(tǒng)一地比較天氣形勢及物理量場的異常程度，本文應(yīng)用了“標(biāo)準(zhǔn)化異常度”(Stan?dardized Anomaly，SA)方法(杜鈞等，2014)，選取與臺風(fēng)極端降水密切相關(guān)的物理量(陳聯(lián)壽等，2004；Ren et al.，2007)，包括850 hPa風(fēng)場、整層可降水量、200 hPa散度、850 hPa和925 hPa水汽通量、850 hPa和925 hPa水汽通量散度等動(dòng)力和水汽因子進(jìn)行標(biāo)準(zhǔn)化異常度計(jì)算。一般把異常程度超過氣候平均值3個(gè)標(biāo)準(zhǔn)差確定為異常的天氣事件(Grumm and Hart，2001；Hart and Grumm，2001；Graham and Grumm，2010)。

極端事件是與季節(jié)相關(guān)的，不同季節(jié)的極端事件標(biāo)準(zhǔn)和閾值不同，同時(shí)為了保證連續(xù)兩天的極端事件閾值和標(biāo)準(zhǔn)連續(xù)，因此采用當(dāng)日前后滑動(dòng)各10 d共21 d的方法(Hart and Grumm，2001)，選取ECMWF interim從1980—2016年共36 a×21 d=756個(gè)樣本作為當(dāng)日的氣候態(tài)，逐日計(jì)算當(dāng)日的氣候平均值(MEANt)和標(biāo)準(zhǔn)差(SDt)，并按公式(1)計(jì)算預(yù)報(bào)要素(FCSTe)集合平均的標(biāo)準(zhǔn)化距平Ae(即異常度)

其中n為異常度達(dá)到1倍、2倍、…M倍標(biāo)準(zhǔn)差的成員數(shù)。之后我們可以把公式(1)應(yīng)用到每個(gè)集合成員，得到所有成員的異常度預(yù)報(bào)；然后就可進(jìn)一步得到針對某一特定的異常度閾值M(1倍、2倍、…M倍)的概率P(公式2)。此概率的大小就可以用來作為衡量上述某一異常度預(yù)報(bào)的可信度：如概率大，可信度就大，反之就小，據(jù)此來增加或減弱預(yù)報(bào)員對該預(yù)報(bào)的信心，就可有效地提高對罕見極端高影響天氣預(yù)報(bào)的可靠性。1.2.2 EFI閾值法

Lalaurette(2003)基于ECMWF集合預(yù)報(bào)系統(tǒng)(EPS)開發(fā)了極端預(yù)報(bào)指數(shù)EFI，他假設(shè)，如果由EPS計(jì)算出的模式天氣相對于這一系統(tǒng)的“模式氣候”為極端事件的話，那么與之對應(yīng)的實(shí)際天氣相對于實(shí)際氣候同樣為極端事件。基于這一假設(shè)，通過比較集合預(yù)報(bào)所得降水樣本的累計(jì)概率分布函數(shù)(CDF)曲線與“模式氣候”CDF曲線之間的差異，從而對未來的極端降水事件進(jìn)行預(yù)報(bào)。EFI的值越大，與其對應(yīng)的事件有可能越極端，也表示發(fā)生極端事件的可能性越大。

本文先采用雙線性插值法將ECMWF分辨率為0.25°×0.25°的降水EFI插值到站點(diǎn)，再分別以EFI=0.1、0.2、0.3……1.0的區(qū)域代表99%和95%百分位極端降水預(yù)報(bào)落區(qū)，計(jì)算極端降水預(yù)報(bào)的TS評分。最后以TS評分最大為標(biāo)準(zhǔn)獲得99%和95%百分位的極端降水事件的EFI預(yù)報(bào)閾值，并進(jìn)一步檢驗(yàn)EFI閾值對極端降水的識別效果。

同“集合異常預(yù)報(bào)法”相比，EFI的優(yōu)點(diǎn)是以最新版本模式回算(過去20 a)而得到的“模式氣候”為背景，可以自動(dòng)消除模式系統(tǒng)性偏差的潛在影響。但EC?MWF只提供了降水、溫度、風(fēng)等氣象要素的EFI，而沒有計(jì)算與極端降水相關(guān)的動(dòng)力、水汽等氣象因子和形勢場的異常概率信息，考慮到數(shù)值模式對于大氣環(huán)流(高預(yù)報(bào)技巧)和降水預(yù)報(bào)(低預(yù)報(bào)技巧)之間的愈加明顯的發(fā)展差異(畢寶貴等，2016)，有必要與“集合異常預(yù)報(bào)法”結(jié)合，發(fā)揮各自的優(yōu)勢，為預(yù)報(bào)員提供更加全面的極端降水預(yù)報(bào)信息。

2 降水概況及極端特征

2017年10月14—16日浙江沿海和東北部地區(qū)出現(xiàn)了暴雨、大暴雨天氣，強(qiáng)降水致使舟山、寧波部分河網(wǎng)水位超高，多個(gè)鄉(xiāng)鎮(zhèn)積水嚴(yán)重，多地受淹。據(jù)統(tǒng)計(jì)(圖1a)，14日08時(shí)—16日20時(shí)舟山面雨量222.1 mm、寧波面雨量146.2 mm，單站雨量最大為普陀區(qū)南岙549.7 mm，共有63個(gè)站大于250 mm，9個(gè)站大于400 mm。從歷史資料統(tǒng)計(jì)分析來看，15日舟山地區(qū)的單日面雨量僅次于2005年9號臺風(fēng)“麥莎”，列歷史第二。從極端降水的分布看(圖1b，c)，14日20時(shí)—15日20時(shí)突破或達(dá)到歷史同期99%百分位（紅點(diǎn)，以下簡稱99%百分位事件）的站點(diǎn)主要分布于寧波和臺州北部地區(qū)，共12個(gè)站點(diǎn)，15日20時(shí)—16日20時(shí)99%百分位事件的站點(diǎn)范圍縮小并北移，主要位于寧波和舟山地區(qū)，共9個(gè)站點(diǎn)。從“卡努”整個(gè)生命期來看，臺風(fēng)本體離浙江東北部地區(qū)的最近距離大于1 000 km，然而產(chǎn)生的降水卻超過了臺風(fēng)登陸點(diǎn)附近。

圖1 2017年10月14日08時(shí)—16日20時(shí)過程累積雨量(a,單位:mm)、2017年10月14日20時(shí)—15日20時(shí)極端降水站點(diǎn)分布圖(b)、2017年10月15日20時(shí)—16日20時(shí)極端降水點(diǎn)分布圖(c)。(藍(lán)點(diǎn)為95%分位站點(diǎn)，紅點(diǎn)為99%分位站點(diǎn))Fig.1(a)Total precipitation from 08∶00 BT 14 to 20∶00 BT 16 October 2017(unit:mm),(b)Station distributions for extreme rainfall more than 95%percentile(little circle)and 99%percentile(big circle)from 20∶00 BT 14 to 20∶00 BT 15 October 2017,(c)Station distributions for extreme rainfall more than 95%percentile(blue dot)and 99%percentile(red dot)from 20∶00 BT 15 to 20∶00 BT 16 October 2017.

3 環(huán)流背景分析

“卡努”于2017年10月12日17時(shí)在菲律賓以東洋面上發(fā)展成熱帶風(fēng)暴，在臺風(fēng)活動(dòng)期間，500 hPa西太平洋副熱帶高壓(以下簡稱副高)呈東西帶狀(圖2a)，脊線穩(wěn)定維持在26°—27°N附近，強(qiáng)度異常強(qiáng)盛，比常年同期偏強(qiáng)8～10 dagpm，浙江東部處于副高控制之下。13日08時(shí)—16日20時(shí)副高持續(xù)加強(qiáng)，西脊點(diǎn)從125°E逐漸西伸至110°E，“卡努”在副高西南側(cè)偏東氣流的引導(dǎo)下，穩(wěn)定往偏西方向移動(dòng)。15日12時(shí)加強(qiáng)為強(qiáng)臺風(fēng)，之后強(qiáng)度快速減弱，16日1時(shí)減弱為強(qiáng)熱帶風(fēng)暴，并于16日3時(shí)25分前后在廣東省徐聞縣沿海登陸，登陸時(shí)中心附近最大風(fēng)力10級(28 m·s-1)，中心最低氣壓988 hPa，此后強(qiáng)度繼續(xù)減弱。

“卡努”大多時(shí)間在南?；顒?dòng)，臺風(fēng)中心距離浙江較遠(yuǎn)，但北側(cè)云系發(fā)展旺盛。從海平面氣壓場和850 hPa風(fēng)場來看(圖2b)，冷高壓中心位于東北地區(qū)，其底部的東北風(fēng)持續(xù)向華東地區(qū)輸送冷空氣，臺風(fēng)“卡努”靠近南海以后，引發(fā)臺風(fēng)外圍與副高之間的東南暖濕氣流增強(qiáng)北進(jìn)，與北側(cè)冷空氣形成一個(gè)東北—西南走向的倒槽，從14日20時(shí)TBB值也可以看見從臺風(fēng)中心一直伸展至東海中北部的倒槽云系，倒槽附近的云頂亮溫低于-60℃。浙江沿海地區(qū)的云頂亮溫為-40℃以下，降水開始增強(qiáng)。此后倒槽隨臺風(fēng)向偏西方向運(yùn)動(dòng)，冷暖氣流在浙江沿海長時(shí)間對峙，造成了持續(xù)的強(qiáng)降水。在降水期間浙江沿海地區(qū)及東海位于高空急流入口區(qū)右側(cè)及200 hPa南亞高壓(藍(lán)線)控制下(圖2a)，持續(xù)的高空輻散具有抽吸作用，有利于降水增強(qiáng)，倒槽上空的散度中心達(dá)到6×10-5s-1，低層輻合、高層輻散的形勢有利于倒槽的穩(wěn)定維持。

圖2 2017年10月14日20時(shí)500 hPa高度場、200 hPa急流(風(fēng)向桿)以及散度場(a,陰影表示散度≥1×10-5s-1，藍(lán)線為南亞高壓，綠色為臺風(fēng)路徑，紫線代表850 hPa臺風(fēng)倒槽位置)及海平面氣壓場(單位：hPa)、850 hPa風(fēng)場和TBB值(填色，單位：℃)(b)Fig.2(a)Geopotential height at 500 hPa,wind speed and divergence at 200 hPa(the shaded area mean divergence more than 1×10-5s-1,blue line is south Asia high,green line is typhoon track.),(b)Sea level pressure(unit:hPa),wind at 850 hPa and TBB(shaded,unit:℃)at 20∶00 BT 14 October 2017.

從低層925 hPa溫度平流和假相當(dāng)位溫(θse)的演變來看(圖3)，13～16日華北冷高壓底部東北風(fēng)不斷向華東地區(qū)輸送冷空氣。13日20時(shí)(圖3a)東南沿海一帶存在大范圍-8×10-5K·s-1以上的冷平流區(qū)域，臺風(fēng)倒槽位于臺灣以東洋面，隨“卡努”外圍東南暖濕氣流西進(jìn)，浙江沿海θse等值線密集，溫州、臺州開始出現(xiàn)小陣雨。14日20時(shí)(圖3b)倒槽靠近浙江沿海，東海暖平流加強(qiáng)到10×10-5K·s-1，同時(shí)北側(cè)仍有弱冷平流補(bǔ)充，冷暖空氣在浙江近海海域發(fā)生激烈交匯，θse梯度迅速增強(qiáng)到約32×10-2K·km-1，有明顯的鋒生，臺州、寧波地區(qū)的降水逐漸增強(qiáng)到20～40 mm·h-1。14日夜里倒槽在浙江沿海地區(qū)一直維持且向北伸展，倒槽北段逐漸與臺風(fēng)主體斷裂。15日20時(shí)(圖3c)東海中北部的暖平流中心向西北方向移動(dòng)并加強(qiáng)到12×10-5K·s-1，浙江中北部沿海地區(qū)處于倒槽東南風(fēng)和東北風(fēng)的強(qiáng)輻合中，對應(yīng)有正渦度發(fā)展，θse梯度加強(qiáng)到約36×10-2K·km-1，寧波、舟山雨強(qiáng)達(dá)到了40～70 mm·h-1。16日02時(shí)隨著北側(cè)冷平流的入侵和偏北風(fēng)輻合下正渦度顯著加強(qiáng)，在浙江中北部沿海形成了低壓環(huán)流。16日08、14時(shí)(圖3d)浙江東部地區(qū)冷平流加強(qiáng)到-8×10-5K·s-1，將鋒區(qū)向海上推進(jìn)，中尺度低渦(圖中藍(lán)色圓圈)隨之向偏東方向移動(dòng)，在這個(gè)過程中，寧波東部和舟山地區(qū)仍處在低渦附近及鋒區(qū)之中，使其產(chǎn)生持續(xù)的強(qiáng)降水。因此，臺風(fēng)倒槽長時(shí)間存在，其東側(cè)東南暖濕氣流與北側(cè)冷空氣在浙江沿海地區(qū)持續(xù)交匯，引起鋒生，并在倒槽頂部誘生了低壓環(huán)流，是造成浙江東北部大暴雨的主要原因。

圖3 2017年10月13日20時(shí)(a)、14日20時(shí)(b)、15日20時(shí)(c)、16日14時(shí)(d)925 hPa風(fēng)場、溫度平流(填色，單位：10-5K·s-1)和假相當(dāng)位溫(等值線，單位：K)Fig.3 The 925 hPa Wind field,the temperature advection(shaded,unit:10-5k·s-1)and the potential pseudo-equivalent temperature(contour,unit:K)at(a)20∶00 BT 13，(b)20∶00 BT 14，(c)20∶00 BT 15 and(d)14∶00 BT 16 October 2017.

4 集合異常預(yù)報(bào)法在“卡努”極端降水預(yù)報(bào)中的應(yīng)用

通常極端降水與環(huán)流異常有著直接聯(lián)系，所以，對于本次過程嘗試通過形勢場和物理量偏離氣候平均值的程度對過程的異常性進(jìn)行分析。根據(jù)物理意義和經(jīng)驗(yàn)，低層大氣的南風(fēng)分量、水汽輸送通量以及整層大氣的可降水量是對暴雨預(yù)報(bào)有指示意義的氣象要素(Junker et a1.，2008；孫軍等，2012；杜鈞等，2014)。圖4為根據(jù)公式(1)計(jì)算的36 h時(shí)效集合平均的水汽通量、大氣可降水量、850 hPa風(fēng)場v分量的標(biāo)準(zhǔn)化距平，從圖4可以看出15日08時(shí)在浙江沿海地區(qū)EC集合預(yù)報(bào)的異常信號相當(dāng)明顯，850 hPa臺風(fēng)外圍的東南風(fēng)、東北冷高壓底部的偏東風(fēng)達(dá)到了16～20 m·s-1，浙江沿海的可降水量為60 mm以上，850 hPa u、v分量及可降水量均超過氣候平均值3個(gè)標(biāo)準(zhǔn)差，達(dá)到了極端的標(biāo)準(zhǔn)。925 hPa水汽通量在浙江東部大于20 g·(cm·hPa·s)-1，超過氣候平均值4個(gè)標(biāo)準(zhǔn)差。同時(shí)也計(jì)算了200 hPa輻散、各層渦度、垂直速度、低層輻合和水汽通量散度等與降水相關(guān)的物理量(圖略)，其集合平均值的異常度均達(dá)到3～5個(gè)標(biāo)準(zhǔn)差。集合預(yù)報(bào)結(jié)果表明：受倒槽和冷空氣共同影響，極端強(qiáng)盛的臺風(fēng)東側(cè)東南暖濕氣流和大陸冷高壓底部的偏東干冷氣流長時(shí)間在浙江沿海交匯，使得這一帶地區(qū)具備優(yōu)越的動(dòng)力和充沛的水汽條件，天氣形勢有利于極端強(qiáng)降水的發(fā)生。

圖4 ECMWF集合模式預(yù)報(bào)(起報(bào)時(shí)間為10月13日20時(shí))的2017年10月15日08時(shí)集合平均的(a)850 hPa風(fēng)場及u、v分量的標(biāo)準(zhǔn)化距平(填色為v分量，虛線為u分量)；(b)925 hPa水汽通量(等值線，單位：g·(cm·hPa·s)-1)及其標(biāo)準(zhǔn)化距平(填色)；(c)整層大氣可降水量(等值線，單位：mm)及其標(biāo)準(zhǔn)化距平(填色)Fig.4 The ensemble mean forecasts(initiated at 20∶00 BT on 13)from ECMWF ensemble forecast system at 08∶00 BT on 15(a)the wind at 850 hPa and it's normalized anomaly(shaded),(b)the moisture flux at 925 hPa(contour,unit:g·(cm·hPa·s)-1)and it's normalized anomaly(shaded),(c)the precipitable water(contour,unit:mm)and it's normalized anomaly(shaded).

圖5是基于ECMWF集合模式51個(gè)成員所得到的850 hPa南風(fēng)分量、PWT、925 hPa水汽通量的標(biāo)準(zhǔn)化距平超過3個(gè)標(biāo)準(zhǔn)差的36 h概率預(yù)報(bào)。由圖可見，浙江沿海地區(qū)超強(qiáng)的南風(fēng)異常的可信度達(dá)到70%～90%，大氣可降水量和低空水汽輸送異常的可信度達(dá)80%～90%，200 hPa輻散、850 hPa輻合等其它物理量異常可信度也都在70%以上。因此集合平均預(yù)報(bào)本身的異常度和集合預(yù)報(bào)給出的異常預(yù)報(bào)可信度，指示著極端天氣發(fā)生是高概率事件，這給了預(yù)報(bào)員做決策時(shí)一個(gè)非常重要的信息和參考。實(shí)況證明模式的預(yù)報(bào)是正確的，浙江沿海地區(qū)出現(xiàn)了極端強(qiáng)降水。另外，對近5年10多個(gè)臺風(fēng)極端降水的研究中發(fā)現(xiàn)，以上物理量的異常度和異常概率對降水的極端性和落區(qū)預(yù)報(bào)都有很好的指示意義。這種集合預(yù)報(bào)與氣候資料相結(jié)合定量估計(jì)天氣的異常度以及異常天氣預(yù)報(bào)可信度的方法，在極端降水預(yù)報(bào)中具有較高的應(yīng)用價(jià)值。

圖5 ECMWF集合模式預(yù)報(bào)(起報(bào)時(shí)間為10月13日20時(shí))的2017年10月15日08時(shí)標(biāo)準(zhǔn)化距平大于3個(gè)標(biāo)準(zhǔn)差的概率圖(填色)：(a)850 hPa南風(fēng)分量(虛線代表u分量);(b)大氣可降水量；(c)925 hPa水汽通量Fig.5 The probability of the normalized anomaly exceeds 3 standard deviations from EC ensemble forecast system(initiated at 20∶00 BT on 13)at 08∶00 BT on 15(shaded),(a)the southerly wind at 850 hPa(dashed line represents the westerly wind),(b)the precipitable water and(c)the moisture flux at 925 hPa.

數(shù)值模式的系統(tǒng)性誤差與預(yù)報(bào)時(shí)效有關(guān)，該產(chǎn)品不同時(shí)效預(yù)報(bào)都以EC-interim再分析資料為氣候資料，不同時(shí)效的產(chǎn)品表示的意義不同。如圖6為不同時(shí)效集合預(yù)報(bào)的PWT和850 hPa南風(fēng)分量的標(biāo)準(zhǔn)化距平大于3的概率分布圖，可以發(fā)現(xiàn)，84 h時(shí)效的預(yù)報(bào)即顯示大氣可降水量(圖6a)和低層南風(fēng)在浙江沿海地區(qū)出現(xiàn)10%～20%異常概率，有發(fā)生極端天氣的可能性，雖然概率不高，但也能提前4 d預(yù)報(bào)出極端天氣信息，為預(yù)報(bào)員做決策服務(wù)提供了重要參考依據(jù)。從60 h、36 h、12 h預(yù)報(bào)看出(圖6b—d)，隨著預(yù)報(bào)時(shí)效的臨近，浙江沿海地區(qū)異常度大于3的概率在迅速提高，對于60 h異常度大于3的概率為30%～40%，36 h概率值提高到了50%～70%，12 h達(dá)到了90%以上。同理，925 hPa水汽通量、200 hPa輻散等其它要素也有相似的演變特征。因此對于長時(shí)效的預(yù)報(bào)，概率值會明顯減小，應(yīng)相應(yīng)地降低預(yù)警的概率閾值。

圖6 不同起報(bào)時(shí)間11日20時(shí)(a)、12日20時(shí)(b)、13日20時(shí)(c)、14日20時(shí)(d)預(yù)報(bào)的15日08時(shí)的PWT(等值線)和850 hPa南風(fēng)分量(填色)標(biāo)準(zhǔn)化距平大于3個(gè)標(biāo)準(zhǔn)差的概率分布Fig.6 The probability of the normalized anomaly exceeds 3 standard deviations of PWT(contour)and southerly wind(shaded)for different lead times:(a)20∶00 BT 11,(b)20∶00 BT 12,(c)20∶00 BT 13 and(d)20∶00 BT 14 October 2017.

5 集合預(yù)報(bào)極端天氣指數(shù)(EFI)預(yù)報(bào)檢驗(yàn)

研究指出EFI可以作為一個(gè)重要的工具提前幾天預(yù)報(bào)出極端天氣事件(Richardson et al.，2011；夏凡等，2012)。應(yīng)用集合預(yù)報(bào)EFI對本次極端降水過程進(jìn)行檢驗(yàn)，探討如何有效地利用EFI提高對極端降水預(yù)報(bào)的準(zhǔn)確率。

10月15日08時(shí)—16日08時(shí)的日降水量達(dá)到最大，從實(shí)況降水圖7a的分布可以看出浙江東部地區(qū)有暴雨到大暴雨，14個(gè)常規(guī)站雨量超過250 mm，最大的為普陀區(qū)南岙418.6 mm。當(dāng)天實(shí)況日降水量有14個(gè)站點(diǎn)達(dá)到99%百分位事件(藍(lán)色圓點(diǎn))、27站達(dá)到95%百分位事件(綠色圓點(diǎn)+藍(lán)色圓點(diǎn))。浙江東北部大部分站點(diǎn)日降水量為95%百分位事件，99%百分位事件主要集中在寧波和舟山地區(qū)。從不同時(shí)效EC確定性預(yù)報(bào)及站點(diǎn)降水所占的歷史百分位來看(圖7b—f)，132 h時(shí)效(圖7b)的降水預(yù)報(bào)很弱，沒有預(yù)報(bào)出這次極端降水事件；108 h時(shí)效預(yù)報(bào)(圖7c)的降水依然較弱，以大雨為主，位于浙北地區(qū)，預(yù)報(bào)降水量的歷史百分位也不高，預(yù)報(bào)員憑借這個(gè)結(jié)果基本不會考慮有極端降水的可能；84 h預(yù)報(bào)(圖7d)的降水依然不強(qiáng)，在極端降水的落區(qū)上也有一定偏差，高估了浙西北的降水，沿海地區(qū)又偏弱；60 h(圖7e)確定性預(yù)報(bào)的臺風(fēng)倒槽位置偏西，導(dǎo)致強(qiáng)降水在陸地上的區(qū)域較大，浙江東部地區(qū)都為暴雨、大暴雨，預(yù)報(bào)較實(shí)況偏強(qiáng)。36 h(圖7f)的預(yù)報(bào)最接近實(shí)況，降水的落區(qū)、強(qiáng)度、極端降水的分布和實(shí)況基本一致，但實(shí)時(shí)獲得此次預(yù)報(bào)資料時(shí)降水即將開始，預(yù)報(bào)提前量不夠，不能滿足決策服務(wù)的需求。從以上分析可以發(fā)現(xiàn)：(1)EC確定性模式對于此次極端降水過程在84 h之前沒有報(bào)出，預(yù)報(bào)提前量只有3 d；(2)確定性預(yù)報(bào)無論在空間位置上還是在強(qiáng)度上都存在很大的跳躍性或不連續(xù)性，這使單一模式預(yù)報(bào)的應(yīng)用價(jià)值大打折扣，因?yàn)轭A(yù)報(bào)員無法判斷那一次預(yù)報(bào)可信。

圖7 2017年10月15日08時(shí)—16日08時(shí)實(shí)況降水(填色,單位：mm)與降水歷史氣候百分位(a),EC確定性模式不同時(shí)效132 h(b)、108 h(c)、84 h(d)、60 h(e)、36 h(f)降水量預(yù)報(bào)與站點(diǎn)降水所占的氣候百分位(綠色為95%百分位事件站點(diǎn)；藍(lán)點(diǎn)為99%百分位事件站點(diǎn))Fig.7(a)Total precipitation from 08∶00 BT 15 to 08∶00 BT 16 October 2017(shaded,unit:mm)and it’s climatic percentile,the EC precipitation forecast and it’s climatic percentile at different lead times(b)132 h,(c)108 h,(d)84 h,(e)60 h and(f)36 h(blue dot stands for station that reached 99% percentile events,green dot stands for station that reached 95% percentile events).

嘗試用EFI閾值的方法，討論集合預(yù)報(bào)在極端降水中的預(yù)報(bào)能力。本文對36—132 h時(shí)效降水的EFI做TS檢驗(yàn)，以TS評分最大為原則確定本次極端降水的EFI臨界閾值。從圖8可以看到，對于本次降水過程95%百分位事件，36 h時(shí)效EFI值在0.8時(shí)TS評分達(dá)到最大(為0.52)，TS評分達(dá)到最大后迅速降低；隨著時(shí)效延長最大TS評分所對應(yīng)EFI逐漸降低，在60 h、84 h、108 h、132 h時(shí)效EFI值分別在0.7、0.6、0.5、0.5時(shí)TS評分達(dá)到最大。另外，EFI值對應(yīng)的最大TS評分也隨著時(shí)效的延長而呈現(xiàn)下降的趨勢。對于更極端的降水(99%百分位事件)，在36 h時(shí)效EFI值在0.9時(shí)TS達(dá)到最大(0.26)，在60 h、84 h、108 h、132 h時(shí)效EFI值分別在0.8、0.7、0.6/0.7、0.6時(shí)TS評分達(dá)到最大，隨時(shí)效延長的趨勢和95%百分位事件一致。因此隨時(shí)效延長，極端降水事件的EFI臨界閾值逐漸降低，此結(jié)論與劉琳等(2013)、董全等(2017)相符，所確定的閾值也與作者(羅玲等，2019)對華東臺風(fēng)的研究結(jié)果一致。利用不同時(shí)效的EFI臨界閾值代表95%或99%降水落區(qū)，將降水EFI閾值法及ECMWF確定性預(yù)報(bào)對此次過程95%百分位極端降水的預(yù)報(bào)TS評分（表1）進(jìn)行對比，結(jié)果表明,ECMWF確定性模式對極端降水預(yù)報(bào)的評分隨預(yù)報(bào)時(shí)效延長下降明顯，TS從36 h的0.54快速下降到108 h的0.17，到132 h僅為0.06，而EFI閾值的TS評分隨時(shí)效延長變化緩慢，到132 h仍有0.36，對于99%百分位極端降水也具有一致的變化特征(表略)，表明在較長時(shí)效EFI閾值法對極端降水具有更高的預(yù)報(bào)技巧。

表1 不同預(yù)報(bào)方法、不同預(yù)報(bào)時(shí)效的TS評分Table 1 TS scores of different forecasting methods and forecast periods.

圖8 不同時(shí)效降水EFI的TS評分：(a)95%百分位；(b)99%百分位Fig.8 The TS score of precipitation EFI for different lead times(a)95% percentile，and(b)99% percentile.

按照以上研究結(jié)果，我們使用EFI閾值發(fā)布極端降水預(yù)報(bào)，檢驗(yàn)EFI對極端降水的識別能力。圖9黃色區(qū)域代表不同時(shí)效EFI臨界閾值預(yù)報(bào)的95%百分位事件落區(qū)、橙色為99%百分位事件落區(qū)，對于36 h時(shí)效日降水EFI指數(shù)(圖9a)，浙江東北部降水EFI≥0.8，寧波和舟山降水EFI≥0.9，為36 h臨界閾值指示的極端降水區(qū)域，與實(shí)況95%、99%百分位事件的站點(diǎn)（綠色、藍(lán)色圓點(diǎn)）有很好的對應(yīng)關(guān)系，說明EFI閾值可以很好預(yù)報(bào)出極端降水。圖9d為108 h時(shí)效日降水EFI預(yù)報(bào)，在浙北東部地區(qū)EFI≥0.6，為臨界閾值指示的極端降水區(qū)域，與實(shí)況99%百分位事件的站點(diǎn)也有比較好的對應(yīng)關(guān)系；圖9e、f為156 h和180 h時(shí)效的預(yù)報(bào)，EFI的大值區(qū)和實(shí)況極端降水分布基本一致，說明對于此次過程EFI提前5—7 d對極端降水有較好的預(yù)報(bào)能力。從36—180 h日降水EFI來看，不同時(shí)效EFI閾值預(yù)報(bào)的極端降水落區(qū)基本穩(wěn)定，都集中在浙江東北部，均與實(shí)況極端降水站點(diǎn)對應(yīng)較好，但EFI值隨預(yù)報(bào)時(shí)效的延長而逐漸降低，因此對于長時(shí)效的預(yù)報(bào)需關(guān)注更低的EFI臨界閾值。相比確定性預(yù)報(bào)，集合預(yù)報(bào)EFI所反映的極端信息更穩(wěn)定和可靠，可以比確定性預(yù)報(bào)提前3～4 d預(yù)報(bào)出極端降水信號，因此在氣象決策服務(wù)中具有更高的參考價(jià)值。

圖9 2017年10月15日08時(shí)—16日08時(shí)不同時(shí)效36 h(a)、60 h(b)、84 h(c)、108 h(d)、156 h(e)、180 h(f)的降水EFI(等值線)、EFI臨界閾值預(yù)報(bào)的極端降水區(qū)域(填色，黃色代表95%百分位，橙色代表99%百分位)與實(shí)況降水歷史氣候百分位(綠色為95%百分位事件站點(diǎn)；藍(lán)點(diǎn)為99%百分位事件站點(diǎn))Fig.9 The precipitation EFI(contour),the area of extreme precipitation forecast by EFI threshold(shaded,yellow area stands for 95%percentile events,orange area stands for 99%percentile events)and the climatic percentile of actual precipitation from 08∶00 BT 15 to 08∶00 BT 16 October 2017 at different lead times.(Blue dot stands for site that reached 99%percentile events,green dot stands for site that reached 95% percentile events)(a)36 h,(b)60 h,(c)84 h,(d)108 h,(e)156 h,(f)180 h.

6 “集合異常預(yù)報(bào)法”和EFI對極端降水預(yù)報(bào)能力對比

對比文章第四部分的研究結(jié)論可以發(fā)現(xiàn)，相對物理量的集合異常概率隨著預(yù)報(bào)時(shí)效延長而明顯減小(圖6)，12 h為90%以上，108 h迅速下降至10%以下，降水EFI閾值的變化幅度較小，尤其在84 h后減小更慢，108 h極端降水區(qū)域EFI有0.6以上，156 h仍有0.5(圖9d，e)，因此可以更早提供極端降水的預(yù)警信息。其原因可能是：EFI指數(shù)考慮的是模式預(yù)報(bào)與模式氣候態(tài)之間的偏離程度，因此模式性能隨著預(yù)報(bào)時(shí)效延長而發(fā)生的變化在EFI指數(shù)中體現(xiàn)的較少，因而在長時(shí)效的預(yù)報(bào)中比“集合異常預(yù)報(bào)法”更具優(yōu)勢。

為了定量化地對比兩種方法的差異，將“集合異常預(yù)報(bào)法”應(yīng)用到降水預(yù)報(bào)中(陳圣劼等，2019)，計(jì)算異常度達(dá)到3的概率。然后給定一個(gè)概率臨界值，概率值取值范圍為0～100%，每隔5%設(shè)定臨界值進(jìn)行檢驗(yàn)，計(jì)算站點(diǎn)TS，TS評分最大的即為概率臨界值，當(dāng)高于概率臨界值時(shí)即預(yù)報(bào)95%或99%極端降水。將“集合異常預(yù)報(bào)法”和EFI閾值法的TS評分進(jìn)行對比，結(jié)果顯示(表1)：36 h預(yù)報(bào)時(shí)效兩種方法的TS接近，到132 h時(shí)EFI閾值法的TS評分高100%，到156 h高200%，顯然“集合異常預(yù)報(bào)法”對極端降水的預(yù)報(bào)技巧隨時(shí)效的延長下降更明顯，因此長時(shí)效的預(yù)報(bào)效果不如EFI，但優(yōu)于EC確定性預(yù)報(bào)。同時(shí)，杜鈞和李俊(2014)也指出EFI的缺點(diǎn)是易漏掉小概率事件：即當(dāng)從集合預(yù)報(bào)中導(dǎo)出的概率很小(只有很少集合成員報(bào)某極端事件會“發(fā)生”)而接近模式氣候概率使兩條CDF曲線很接近時(shí)，其EFI值可能達(dá)不到預(yù)先設(shè)定的最小閾值使得EFI值接近0而可能出現(xiàn)漏報(bào)現(xiàn)象；而對于“集合異常預(yù)報(bào)法”，根據(jù)公式(1、2)即使只有一個(gè)集合成員預(yù)報(bào)了極端事件(如1323號臺風(fēng)“菲特”)，就會使發(fā)生概率P＞0并給出預(yù)警。在本次過程中由于在最長預(yù)報(bào)時(shí)效(180 h)強(qiáng)降水區(qū)的EFI仍然大于0.3(圖9f)，說明有一定數(shù)量集合成員報(bào)極端降水會發(fā)生，“集合異常預(yù)報(bào)法”漏報(bào)率低的優(yōu)勢得不到體現(xiàn)。

從以上分析可知，“集合異常預(yù)報(bào)法”可以獲得與極端天氣相關(guān)的形勢場和物理量(相比降水為高預(yù)報(bào)技巧)的異常概率，在只有個(gè)別成員報(bào)出極端降水的情況下可減少漏報(bào)率，而EFI以模式氣候?yàn)楸尘跋讼到y(tǒng)性誤差，在長時(shí)效的預(yù)報(bào)更具優(yōu)勢，兩者結(jié)合、優(yōu)勢互補(bǔ)，可以為預(yù)報(bào)員提供更全面的極端天氣信號,從而有效提高極端降水預(yù)報(bào)的準(zhǔn)確率、延長預(yù)報(bào)提前量。

7 結(jié)論和討論

本文在對2017年10月14—16日浙江東部極端降水過程的形成原因進(jìn)行分析的基礎(chǔ)上，運(yùn)用ECMWF集合預(yù)報(bào)的降水EFI及氣象因子的異常概率對極端降水的可預(yù)報(bào)性進(jìn)行探討，并得出如下結(jié)論：

(1)臺風(fēng)倒槽長時(shí)間存在，其東側(cè)東南暖濕氣流與北側(cè)冷空氣在浙江沿海地區(qū)持續(xù)交匯，引起鋒生，并在倒槽頂部誘生了低壓環(huán)流，是造成浙江東北部大暴雨的主要原因。

(2)此次極端降水過程，36 h時(shí)效集合預(yù)報(bào)在沿海地區(qū)850 hPa南風(fēng)分量、大氣可降水量、925 hPa水汽通量、200 hPa散度等物理量的異常度均超過3～4個(gè)標(biāo)準(zhǔn)差，且超過3個(gè)標(biāo)準(zhǔn)差的概率也達(dá)到了70～90%，表明受臺風(fēng)倒槽和冷空氣影響，浙江沿海地區(qū)具備異常優(yōu)越的動(dòng)力和充沛的水汽條件，且極端天氣發(fā)生的概率很高，此結(jié)果可以極大增加預(yù)報(bào)員對此次預(yù)報(bào)的信心。

(3)隨著預(yù)報(bào)時(shí)效的延長，各物理量的異常概率會明顯減小，因此在判斷極端天氣發(fā)生可能性時(shí)應(yīng)相應(yīng)地降低預(yù)警的概率閾值。

(4)不同時(shí)效降水EFI對95%和99%百分位事件的預(yù)報(bào)效果均很好，可以比確定性預(yù)報(bào)提前3～4 d提供極端降水信號，短期時(shí)效(1～3 d)99%百分位事件降水EFI的臨界閾值為0.7～0.9，中期時(shí)效(4～7 d)99%百分位事件的EFI臨界閾值為0.5～0.7。集合預(yù)報(bào)EFI指數(shù)所反映的極端降水信息較確定性模式更加可靠且穩(wěn)定，在決策服務(wù)中具有更高的參考價(jià)值。

(5)“集合異常預(yù)報(bào)法”可以獲得與極端天氣相關(guān)的形勢場和物理量的異常概率，而EFI以模式氣候?yàn)楸尘跋讼到y(tǒng)性誤差，在長時(shí)效的預(yù)報(bào)更具優(yōu)勢，兩者結(jié)合、優(yōu)勢互補(bǔ)，可以為預(yù)報(bào)員提供更全面的極端天氣信號。

由以上分析可以發(fā)現(xiàn)集合預(yù)報(bào)在極端降水的中期預(yù)報(bào)中有較好的預(yù)報(bào)效果，預(yù)報(bào)員可以借助要素的標(biāo)準(zhǔn)化異常概率和EFI指數(shù)提前對極端天氣做出估計(jì)和判斷。由于篇幅的限制，本文只分析和檢驗(yàn)了這次強(qiáng)降水過程，然而在研究過程中發(fā)現(xiàn)，以上結(jié)論在很多臺風(fēng)極端降水個(gè)例中依然適用。