林曉霞，馮業(yè)榮，陳子通，簡(jiǎn)云韜

(1. 中國(guó)氣象局廣州熱帶海洋氣象研究所/廣東省區(qū)域數(shù)值天氣預(yù)報(bào)重點(diǎn)實(shí)驗(yàn)室，廣東廣州510641；2. 香港城市大學(xué)能源與環(huán)境學(xué)院/佳達(dá)亞太氣候研究中心，中國(guó)香港)

1 引 言

GRAPES(Global and Regional Assimilation and PrEdiction System)模式是在國(guó)家科技部和中國(guó)氣象局共同支持下我國(guó)自主研發(fā)的新一代全球/區(qū)域通用數(shù)值天氣預(yù)報(bào)系統(tǒng)，近年來得益于該模式的大力發(fā)展和改進(jìn)，填補(bǔ)了我國(guó)數(shù)值天氣預(yù)報(bào)領(lǐng)域的多項(xiàng)技術(shù)空白[1-4]。對(duì)臺(tái)風(fēng)、暴雨、大雪等實(shí)時(shí)應(yīng)用結(jié)果表明GRAPES 模式對(duì)中尺度系統(tǒng)有較好的預(yù)報(bào)表現(xiàn)[5-9]。 GRAPES_GZ_R 1 km(GRAPES Guangzhou Regional Modeling System)華南短臨預(yù)報(bào)模式是中國(guó)氣象局廣州熱帶海洋氣象研究所區(qū)域數(shù)值天氣預(yù)報(bào)重點(diǎn)實(shí)驗(yàn)室基于現(xiàn)有的中尺度華南模式(GRAPES_GZ 3 km)，結(jié)合局地資料同化、模式動(dòng)力過程和模式物理方案多年研究成果，逐漸形成具有區(qū)域特色的公里尺度區(qū)域模式，該模式具有三維參考大氣動(dòng)力框架，結(jié)合了高分辨率華南區(qū)域地形數(shù)據(jù)集以及雷達(dá)資料云分析技術(shù)等具有華南區(qū)域特色的模式技術(shù)方案，建立了穩(wěn)定、合理、準(zhǔn)確的業(yè)務(wù)模式預(yù)報(bào)系統(tǒng)，為廣東省氣象部門短時(shí)數(shù)值智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)提供強(qiáng)有力的支撐。但是目前針對(duì)該模式產(chǎn)品性能的客觀檢驗(yàn)較少，對(duì)超高分辨率的短臨模式目前仍沒有合理的評(píng)估方法，模式對(duì)降水及其他要素的預(yù)報(bào)能力究竟如何，其預(yù)報(bào)產(chǎn)品能否為預(yù)報(bào)員提供一定的應(yīng)用和指導(dǎo)價(jià)值仍需要分析探索。

近年來，針對(duì)國(guó)內(nèi)外中尺度模式降水模擬的評(píng)估工作已有不少，潘留杰等[10]利用日本高分辨率模式產(chǎn)品，結(jié)合泰勒?qǐng)D等多種技巧評(píng)分，對(duì)不同預(yù)報(bào)時(shí)效降水預(yù)報(bào)產(chǎn)品進(jìn)行評(píng)估，發(fā)現(xiàn)模式對(duì)我國(guó)東部沿海降水具有一定模擬能力。此外，潘留杰等[11]還利用鄰域法(Fractions Skill Score)[12]和ETS(Equitable Threat Score)評(píng)分指數(shù)對(duì)歐洲數(shù)值天氣預(yù)報(bào)中心(ECMWF)，日本以及我國(guó)T639模式降水產(chǎn)品在夏季不同空間尺度的預(yù)報(bào)能力進(jìn)行評(píng)分，發(fā)現(xiàn)不同模式對(duì)應(yīng)的最佳空間尺度各有不同，但ECMWF 模式在系統(tǒng)和整體降水模擬上最好，且各家模式在7 月的預(yù)報(bào)表現(xiàn)最好。曹越等[13]利用標(biāo)準(zhǔn)差和期望重新定義一個(gè)R指數(shù)并應(yīng)用于ECMWF 高分辨率模式(ECMWF-Hi)和ECMWF集合預(yù)報(bào)(ECMWF-EPS)產(chǎn)品中，評(píng)估表明盡管ECMWF-Hi 在降水預(yù)報(bào)準(zhǔn)確度上沒有更優(yōu)于ECMWF-EPS，但在預(yù)報(bào)離散度上存在優(yōu)勢(shì)，尤其是在極端降水的量級(jí)上。另外一些研究[14-16]同樣表明高分辨率模式在暴雨預(yù)報(bào)上存在較好的模擬能力。對(duì)于GRAPES 模式的評(píng)估，也有一些研究針對(duì)不同的區(qū)域以及不同分辨率版本進(jìn)行分析。結(jié)合熱力和動(dòng)力檢驗(yàn)，彭新東等[17]對(duì)GRAPES 模式在2008年華南地區(qū)的兩次夏季暴雨過程進(jìn)行數(shù)值預(yù)報(bào)檢驗(yàn)，評(píng)估模式對(duì)降水的總體刻畫準(zhǔn)確，但對(duì)局部降水的空間分布細(xì)節(jié)等仍存在一定不足。許 晨 璐 等[18]基 于 GRAPES-Meso4.0_10 km 和GRAPES-Meso4.0_3 km 兩個(gè)模式，對(duì)比我國(guó)東南地區(qū)夏季定量降水預(yù)報(bào)，評(píng)估發(fā)現(xiàn)GRAPESMeso4.0_3 km模式在日平均降水量和強(qiáng)降水過程相比GRAPES-Meso4.0_10 km 模式有一定提高，但在空間相關(guān)系數(shù)和弱降水過程頻率表現(xiàn)仍存在較大不確定性。

本文以GRAPES_GZ_R 1 km 模式(下文簡(jiǎn)稱“1 km 模式”)預(yù)報(bào)結(jié)果為評(píng)估對(duì)象，采用傳統(tǒng)點(diǎn)對(duì)點(diǎn)評(píng)估方法、空間檢驗(yàn)方法以及統(tǒng)計(jì)分析等手段，對(duì)GRAPES_GZ_R 1 km 模式預(yù)報(bào)的降水、溫度和風(fēng)場(chǎng)等要素進(jìn)行評(píng)估。研究時(shí)段為2019 年6 月5日—7 月14 日，期間廣東省持續(xù)性暴雨多發(fā)，又恰逢龍舟競(jìng)渡高峰期，其中6月9—14日、22—25日、7月9—11日等廣東全省多次出現(xiàn)大范圍大雨到暴雨局部大暴雨的降水過程，能夠代表模式在不同天氣過程下的預(yù)報(bào)表現(xiàn)，同時(shí)與GRAPES_GZ 3 km模式(下文簡(jiǎn)稱“3 km 模式”)的預(yù)報(bào)評(píng)估結(jié)果對(duì)比，以期通過對(duì)該模式預(yù)報(bào)結(jié)果的檢驗(yàn)，分析不同分辨率中尺度模式的預(yù)報(bào)水平。

2 資料方法

2.1 模式設(shè)置和資料說明

本文使用的1 km模式是基于GRAPES區(qū)域模式[2]開發(fā)的版本。該模式是一個(gè)非靜力經(jīng)緯網(wǎng)格模式，時(shí)間差分格式為半隱式半拉格朗日方案，水平網(wǎng)格為ARAKAWA-C 網(wǎng)格，垂直方向采用Charney-Philips分層設(shè)計(jì)，垂直坐標(biāo)為高度地形追隨坐標(biāo)。目前3 km模式和1 km模式使用的物理方案包括：WSM6云微物理參數(shù)化方案、RRTMG長(zhǎng)短波輻射方案、MRF 邊界層方案和SLAB 陸面方案。由于1 km 模式分辨率較高，所以關(guān)閉對(duì)流參數(shù)化方案，3 km模式則采用NSAS對(duì)流參數(shù)化方案。模式側(cè)邊界通過Davies松弛邊界條件來處理[19]。

在本文的回算試驗(yàn)中3 km 模式使用0.125 °分辨率的ECMWF(European Centre for Medium-Range Weather Forecast)分析場(chǎng)和預(yù)報(bào)場(chǎng)提供初始場(chǎng)和邊界條件，模式分辨率為0.03 °，起始經(jīng)緯度為93.04 °E，16 °N，水平網(wǎng)格數(shù)為566×459，垂直層數(shù)為65 層，模式頂高度為30 km。而1 km 模式的初、邊界條件由3 km 模式的預(yù)報(bào)場(chǎng)提供，模式分辨率為0.01 °，起始經(jīng)緯度為107 °E，18 °N，水平格點(diǎn)數(shù)為1 201×901，垂直層數(shù)為65 層，模式頂高度為60 km。

模式 資料 選取 2019 年 6 月 5 日 —7 月 14 日 1 km 模式和3 km 模式的預(yù)報(bào)場(chǎng)，模式每天00 時(shí)、12時(shí)啟動(dòng)，向前積分24 h。觀測(cè)資料來自中國(guó)氣象局預(yù)報(bào)業(yè)務(wù)平臺(tái)MICAPS 提供的華南地區(qū)逐小時(shí)觀測(cè)實(shí)況。

2.2 檢驗(yàn)方法

2.2.1 經(jīng)典評(píng)分方法

傳統(tǒng)的降水檢驗(yàn)通常是基于觀測(cè)和預(yù)報(bào)按分類后列出的頻數(shù)表統(tǒng)計(jì)結(jié)果來計(jì)算各統(tǒng)計(jì)量，該表成為二分類列聯(lián)表(表1)，相應(yīng)公式(1)～(3)如下，式中NA 為預(yù)報(bào)命中頻次，NB 為漏報(bào)頻次，NC為誤報(bào)頻次，ND 為命中“否”頻次。原始觀測(cè)資料為自動(dòng)站逐時(shí)降水站點(diǎn)資料，為了方便評(píng)估，采用鄰近點(diǎn)插值法將模式數(shù)據(jù)插值到對(duì)應(yīng)的站點(diǎn)上，形成模式站點(diǎn)預(yù)報(bào)場(chǎng)，對(duì)站點(diǎn)進(jìn)行逐一評(píng)分。

表1 降水的檢驗(yàn)分類

2.2.2 分?jǐn)?shù)技巧評(píng)分方法

傳統(tǒng)預(yù)報(bào)檢驗(yàn)具有一定的參考意義，但是隨著模式分辨率的提高，微小的位置變化和形態(tài)改變都會(huì)對(duì)評(píng)分的結(jié)果造成很大的影響。分?jǐn)?shù)預(yù)報(bào)技巧FSS(Fraction Skill Score)是屬于模糊檢驗(yàn)法中的一種，通過對(duì)比預(yù)報(bào)和觀測(cè)相應(yīng)鄰域內(nèi)的特征差異，是“面對(duì)面”的檢驗(yàn)，衡量空間場(chǎng)的相似性[12]。通過計(jì)算給定范圍的窗區(qū)中心格點(diǎn)的概率值，即某一物理量超過給定閾值q的格點(diǎn)數(shù)占窗區(qū)總格點(diǎn)數(shù)的比值，將實(shí)況場(chǎng)和預(yù)報(bào)場(chǎng)轉(zhuǎn)化為概率分布場(chǎng)，通過式(4)計(jì)算給定鄰域半徑和閾值的FSS評(píng)分。

式中M(i,j)為窗區(qū)內(nèi)預(yù)報(bào)概率值，O(i,j)為窗區(qū)內(nèi)觀測(cè)概率值，Nx和Ny分別表示評(píng)分區(qū)域內(nèi)x方向和y方向窗口的數(shù)量。與TS 評(píng)分不同，計(jì)算過程中將原始站點(diǎn)數(shù)據(jù)插值到與相應(yīng)模式分辨率相匹配的網(wǎng)格上進(jìn)行計(jì)算。FSS分值為0～1，其中0表示預(yù)報(bào)和觀測(cè)完全不匹配，1 表示完美匹配。同時(shí)，類似確定性預(yù)報(bào)形勢(shì)場(chǎng)指標(biāo)(ACC)，F(xiàn)SS 也存在如ACC大于0.6即可表示預(yù)報(bào)效果可用的標(biāo)準(zhǔn)，本文簡(jiǎn)單定義對(duì)于不同給定降水閾值下，F(xiàn)SS 大于0.5的空間尺度即為具有預(yù)報(bào)技巧的最低尺度大小。預(yù)報(bào)技巧尺度是衡量預(yù)報(bào)對(duì)于所檢驗(yàn)的對(duì)象在空間位置上的把握能力，預(yù)報(bào)技巧尺度越小，表示預(yù)報(bào)結(jié)果相對(duì)于實(shí)況位移偏差越小，在較小的窗區(qū)尺度就能體現(xiàn)出有用的預(yù)報(bào)信息；反之則表示預(yù)報(bào)誤差越大。

3 降水評(píng)估

3.1 整體預(yù)報(bào)效果評(píng)估

圖1 是 2019 年 6 月 5 日 —7 月 14 日 1 km 模式預(yù)報(bào)與觀測(cè)的廣東省日平均雨量序列，本文為了對(duì)比不同起報(bào)時(shí)刻的預(yù)報(bào)效果，將不同起報(bào)時(shí)間的預(yù)報(bào)結(jié)果放在一起分析。從廣東省日平均降水上看，1 km 模式在該時(shí)段內(nèi)預(yù)報(bào)的降水演變趨勢(shì)和量級(jí)都與實(shí)況整體相符，尤其幾次廣東省較強(qiáng)降水過程，模式均有很好體現(xiàn)，說明1 km 模式對(duì)廣東地區(qū)降水具有較好的模擬能力，預(yù)報(bào)結(jié)果穩(wěn)定可信。此外，從降水的空間分布上來看(圖2)，1 km 模式的兩個(gè)起報(bào)時(shí)次模擬的降水分布都與實(shí)況大體相近，但00時(shí)的預(yù)報(bào)結(jié)果更優(yōu)，尤其是在珠三角到粵東北一帶。降水誤差集中分布在珠三角北部至粵東北一帶，12 時(shí)的誤差范圍和量級(jí)均大于00 時(shí)的預(yù)報(bào)結(jié)果，模式在12 時(shí)起報(bào)結(jié)果中可能存在較多虛假降水和模擬降水量級(jí)偏強(qiáng)等問題，與圖1 反映的結(jié)果相對(duì)應(yīng)。對(duì)比不同模式預(yù)報(bào)結(jié)果，不管是00 時(shí)還是12 時(shí)起報(bào)，1 km 模式的預(yù)報(bào)效果均優(yōu)于3 km 模式。3 km 模式的預(yù)報(bào)在肇慶、云浮一帶存在明顯的偏差，而1 km 模式則更接近實(shí)況，在珠三角到粵東北的誤差量級(jí)也明顯比3 km 模式小，3 km 模式預(yù)報(bào)存在大范圍明顯的過度預(yù)報(bào)或漏報(bào)的情況。

圖1 GRAPES_GZ_R 1 km模式預(yù)報(bào)與實(shí)況的廣東全省日平均雨量序列

Taylor等[20]針對(duì)多統(tǒng)計(jì)量的集成問題，設(shè)計(jì)了Taylor分析，泰勒?qǐng)D能有效將多個(gè)統(tǒng)計(jì)量在同一個(gè)二維平面展示出來，更直觀反映模式評(píng)估結(jié)果。圖 3a、圖 3b 是 1 km 模式和 3 km 模式不同起報(bào)時(shí)次的24 h 預(yù)報(bào)降水泰勒?qǐng)D，可看出在空間相關(guān)系數(shù)上1 km模式總體表現(xiàn)與3 km模式十分接近，均為0.5 左右。而通過對(duì)比觀測(cè)和模式的標(biāo)準(zhǔn)差比值(預(yù)報(bào)場(chǎng)到原點(diǎn)距離)以及對(duì)應(yīng)均方根誤差(預(yù)報(bào)場(chǎng)到Ref 的距離)，發(fā)現(xiàn)兩個(gè)模式在降水量級(jí)上仍有一定的不確定性，相比之下1 km 在量級(jí)的預(yù)報(bào)能力上有一定改進(jìn)。00 時(shí)起報(bào)1 km 模式標(biāo)準(zhǔn)差比值為0.99，總體模擬與觀測(cè)十分接近，而3 km的標(biāo)準(zhǔn)差比值為1.23，存在明顯的過度預(yù)報(bào)。12 時(shí)情況與00 時(shí)類似，1 km 模式和3 km 模式的預(yù)報(bào)在空間形態(tài)上總體接近，但1 km 模式在量級(jí)模擬上表現(xiàn)略優(yōu)，不過兩個(gè)模式的表現(xiàn)都較00 時(shí)有所下降。這里結(jié)合之前分析(圖2)，我們考慮1 km模式在量級(jí)預(yù)報(bào)上有優(yōu)勢(shì)，但降水的空間分布上沒有較明顯的改進(jìn)，這一問題在之前研究也類似指出[21]，至于其原因是否與分辨率有關(guān)，還有待進(jìn)一步研究。在這里，所給出泰勒?qǐng)D的計(jì)算結(jié)果均為研究時(shí)段內(nèi)的平均態(tài)，文中其余泰勒?qǐng)D也是如此。

圖2 00時(shí)實(shí)況日平均降水(a)、12時(shí)實(shí)況日平均降水(b)、00時(shí)起報(bào)(c~f)和12時(shí)起報(bào)(g~i)的GRAPES_GZ_R 1 km模式(c、d、g、h)和GRAPES_GZ 3 km模式(e、f、i、j)不同預(yù)報(bào)時(shí)效的過程累積日平均降水和偏差分布

圖3 GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式00時(shí)起報(bào)(a、c)和12時(shí)起報(bào)(b、d)的24 h降水預(yù)報(bào)泰勒?qǐng)D(a、b)和2 m氣溫預(yù)報(bào)泰勒?qǐng)D(c、d)

3.2 點(diǎn)對(duì)點(diǎn)評(píng)分整體評(píng)估

以插值后的模式站點(diǎn)預(yù)報(bào)數(shù)據(jù)為基礎(chǔ)，采用傳統(tǒng)的二分類時(shí)間檢驗(yàn)方法，利用同時(shí)段的站點(diǎn)觀測(cè)資料對(duì)1 km 模式和3 km 模式的降水預(yù)報(bào)進(jìn)行整體評(píng)估。從廣東全省日平均雨量和兩個(gè)模式的晴雨準(zhǔn)確率(圖4a～4b)可看到，研究時(shí)段內(nèi)1 km模式的晴雨準(zhǔn)確率均明顯優(yōu)于3 km模式，平均達(dá)0.8 以上，而3 km 模式評(píng)分結(jié)果維持在0.5 左右，同時(shí)也可看出不同日期的預(yù)報(bào)能力，對(duì)于較大降水的日期晴雨準(zhǔn)確率更高。圖4c、圖4d 給出1 km 模式和3 km 模式24 h 預(yù)報(bào)的不同降水量級(jí)的TS 評(píng)分結(jié)果，對(duì)于不同起報(bào)時(shí)次和降水閾值，1 km 模式的結(jié)果都明顯優(yōu)于3 km 模式，其TS 評(píng)分是3 km 模式的兩倍以上，隨著降水閾值的增大差異更加明顯，說明1 km 模式對(duì)強(qiáng)降水預(yù)報(bào)的表現(xiàn)能力優(yōu)于3 km模式。

溝通和合作能力培養(yǎng)有待進(jìn)一步加強(qiáng) 班級(jí)授課形式注重講授，學(xué)生之間、學(xué)生與教師之間溝通交流機(jī)會(huì)少。模式化的教學(xué)實(shí)踐難以適應(yīng)學(xué)生個(gè)體差異性，學(xué)生之間的團(tuán)隊(duì)合作意識(shí)和溝通意愿不足；難以適應(yīng)創(chuàng)新型國(guó)家建設(shè)對(duì)勞動(dòng)者團(tuán)隊(duì)精神、協(xié)作意識(shí)等創(chuàng)新能力的要求。

預(yù)報(bào)偏差評(píng)分結(jié)果(圖4e～4h)上看，0.1 mm預(yù)報(bào)1 km 模式評(píng)分結(jié)果多數(shù)集中或等于1，說明模式預(yù)報(bào)與觀測(cè)較相符，空、漏報(bào)較少，僅有個(gè)別時(shí)段存在過度預(yù)報(bào)的情況(BIAS>1)，相比之下3 km 模式預(yù)報(bào)明顯偏弱(BIAS<1)，存在較多的漏報(bào)。對(duì)于5 mm 預(yù)報(bào)，兩個(gè)模式都存在一定程度上的空、漏報(bào)，不同起報(bào)時(shí)次的評(píng)分變化趨勢(shì)不一樣，間接反映了模式不同起報(bào)時(shí)間的預(yù)報(bào)對(duì)降水過程的刻畫是有區(qū)別的。

圖4 2019年6月5日—7月14日GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式不同起報(bào)時(shí)次預(yù)報(bào)晴雨準(zhǔn)確率時(shí)間序列及實(shí)況24 h累積降水(a～b)、24 h累積降水平均TS評(píng)分(c～d)、BIAS評(píng)分(e～h)

綜上所述在傳統(tǒng)評(píng)分方法嚴(yán)格遵守點(diǎn)對(duì)點(diǎn)的情況下，兩個(gè)模式的TS 評(píng)分均能超過0.1，尤其是1 km模式對(duì)于25 mm以上降水評(píng)分平均大于0.2，說明該模式對(duì)于強(qiáng)降水過程具有較好的預(yù)報(bào)能力。對(duì)比之下，1 km 模式預(yù)報(bào)能力強(qiáng)于3 km 模式，這與模式對(duì)于降水的位置和強(qiáng)度的預(yù)報(bào)偏差有關(guān)。

對(duì)于高分辨率中尺度模式，業(yè)務(wù)上也更加關(guān)心模式的短臨預(yù)報(bào)效果。圖5是1 km 模式不同起報(bào)時(shí)次前6 h TS 評(píng)分結(jié)果，從逐小時(shí)的評(píng)分變化上可看到模式起報(bào)的前3 h 預(yù)報(bào)評(píng)分最高，3 h 后評(píng)分明顯下降，這與模式初值場(chǎng)加入云分析有關(guān)，云分析能夠有效緩解模式需要運(yùn)行幾個(gè)小時(shí)才能成云致雨的過程，縮短了模式“spin-up”時(shí)間。同時(shí)也可看出1 km 模式對(duì)5 mm 以上的降水評(píng)分明顯偏低，起報(bào)3 h 后TS 評(píng)分小于0.1，預(yù)報(bào)偏差也明顯大于其他降水量級(jí)。對(duì)比不同起報(bào)時(shí)次，00時(shí)起報(bào)的評(píng)分要優(yōu)于12 時(shí)起報(bào)，這一結(jié)果在前文分析中也多次體現(xiàn)，其原因可能是夜間起報(bào)(12時(shí))模式初值場(chǎng)對(duì)華南地區(qū)海陸熱力性質(zhì)差異刻畫不到位有關(guān)。本文主要針對(duì)預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)評(píng)估，對(duì)于結(jié)果差異的原因暫未做深入分析。

圖5 GRAPES_GZ_R 1 km模式前6 h預(yù)報(bào)00時(shí)起報(bào)(a、c)和12時(shí)起報(bào)(b、d)的逐時(shí)降水TS評(píng)分(a、b)和BIAS評(píng)分(c、d)

3.3 FSS評(píng)估

傳統(tǒng)檢驗(yàn)手段嚴(yán)格遵守點(diǎn)對(duì)點(diǎn)規(guī)則，往往會(huì)漏掉預(yù)報(bào)中一些積極的對(duì)預(yù)報(bào)員有價(jià)值的空間信息特征。隨著數(shù)值模式空間分辨率的提高以及探測(cè)手段的豐富，天氣系統(tǒng)的中小尺度越來越受到關(guān)注，較之大尺度而言，中小尺度系統(tǒng)局地性強(qiáng)，分布不規(guī)則等特點(diǎn)。從前文分析中可看出，傳統(tǒng)檢驗(yàn)評(píng)分結(jié)果上看，1 km 模式普遍優(yōu)于3 km 模式，但是多統(tǒng)計(jì)量集成圖體現(xiàn)出來1 km 模式對(duì)研究時(shí)段內(nèi)雨帶的整體分布上卻沒有明顯的優(yōu)勢(shì)，這可能和統(tǒng)計(jì)變量計(jì)算過程中遵循點(diǎn)對(duì)點(diǎn)原則有關(guān)。FSS 通過給定不同閾值，改變窗區(qū)(鄰域)的大小，評(píng)估模式預(yù)報(bào)和實(shí)況在鄰域內(nèi)的發(fā)生概率差異來評(píng)估模式的預(yù)報(bào)能力，當(dāng)模式預(yù)報(bào)結(jié)果相對(duì)于觀測(cè)存在可接受的位置偏差時(shí)仍能給出有價(jià)值的評(píng)分結(jié)果。

本文采用空間鄰域法對(duì)1 km 模式和3 km 模式降水預(yù)報(bào)結(jié)果進(jìn)一步評(píng)估，圖6 給出兩個(gè)模式6 h 累計(jì)降水FSS 評(píng)分在不同的鄰域空間尺度以及降水閾值下的結(jié)果?？梢钥闯鲭S著降水閾值的增加，兩個(gè)模式6 h 預(yù)報(bào)累積降水的FSS 評(píng)分均呈現(xiàn)下降趨勢(shì)。對(duì)同一模式而言，00 時(shí)起報(bào)的評(píng)分均高于 12 時(shí)，24 h 評(píng)分結(jié)果與 6 h 類似(圖略)。相比之下，兩個(gè)模式在選擇相同降水閾值和鄰域范圍時(shí)，各起報(bào)時(shí)次1 km 模式FSS 評(píng)分結(jié)果都明顯優(yōu)3 km模式。

圖6 GRAPES_GZ_R 1 km模式(a、c)和GRAPES_GZ 3 km模式(b、d)00時(shí)(a、b)和12時(shí)(c、d)起報(bào)的不同閾值、不同鄰域半徑下6 h累積降水FSS評(píng)分熱力圖

隨著鄰域空間尺度的增加，同一降水閾值上預(yù)報(bào)和觀測(cè)降水發(fā)生的概率差異在逐漸減小，降水預(yù)報(bào)向著較高技巧發(fā)展。其中對(duì)于0.1 mm、1 mm 及 5 mm 以上的降水，1 km 模式均可在較小的空間尺度上(15 km)呈現(xiàn)較高的預(yù)報(bào)技巧(FSS≥0.5)，遠(yuǎn)小于3 km的預(yù)報(bào)技巧尺度(＞35 km)，說明1 km模式對(duì)所檢驗(yàn)降水對(duì)象的空間位置把握能力更強(qiáng)，可在較小的預(yù)報(bào)技巧尺度下表現(xiàn)出較好的降水預(yù)報(bào)能力。隨著降水閾值的增大(＞25 mm)，可用的預(yù)報(bào)技巧尺度有所增加，F(xiàn)SS 評(píng)分較低，未能達(dá)到具有可用預(yù)報(bào)技巧尺度的要求，需要用更大的空間尺度才能捕捉到對(duì)應(yīng)量級(jí)的降水信息。

4 2 m溫度和1100 m風(fēng)速評(píng)估

4.1 預(yù)報(bào)整體評(píng)估

圖7給出了1 km模式回算試驗(yàn)在模式區(qū)域2 m氣溫和10 m 風(fēng)場(chǎng)預(yù)報(bào)偏差(BIAS)和均方根誤差(RMSE)隨時(shí)效的變化，可看到1 km 模式對(duì)2 m 氣溫的預(yù)報(bào)整體偏低1～2 ℃。00 時(shí)起報(bào)對(duì)2 m 氣溫的預(yù)報(bào)效果優(yōu)于12 時(shí)，尤其在前6 h 預(yù)報(bào)，體現(xiàn)了模式在不同起報(bào)時(shí)間的預(yù)報(bào)對(duì)于要素預(yù)報(bào)的刻畫是有區(qū)別的，環(huán)境場(chǎng)的差異對(duì)降水預(yù)報(bào)結(jié)果有直接影響，一定程度上解釋了前文對(duì)于不同起報(bào)時(shí)效模式降水預(yù)報(bào)結(jié)果的差異。風(fēng)場(chǎng)預(yù)報(bào)上，不同起報(bào)時(shí)效無明顯差異，一致表現(xiàn)為風(fēng)場(chǎng)預(yù)報(bào)過強(qiáng)。

圖7 GRAPES_GZ_R 1 km模式2 m氣溫(a、c)和10 m風(fēng)速(b、d)預(yù)報(bào)平均偏差(預(yù)報(bào)減去觀測(cè))(a、b)和均方根誤差(c、d)

對(duì)比兩個(gè)模式的預(yù)報(bào)結(jié)果(圖8)，1 km 模式和3 km 模式對(duì)于研究時(shí)段內(nèi)廣東省從粵北到沿海日平均溫度逐漸升高的總體趨勢(shì)均把握良好。從預(yù)報(bào)分布上看，粵北地區(qū)溫度預(yù)報(bào)普遍偏低，模式對(duì)珠三角地區(qū)的高溫區(qū)沒有體現(xiàn)出來，預(yù)報(bào)結(jié)果較觀測(cè)偏低。對(duì)比兩個(gè)模式的情況，1 km 模式對(duì)珠三角的溫度大值區(qū)預(yù)報(bào)表現(xiàn)優(yōu)于3 km 模式，對(duì)溫度場(chǎng)的局部分布特征把握略優(yōu)，1 km 模式預(yù)報(bào)偏差的絕對(duì)值基本維持在1 ℃左右。從溫度泰勒?qǐng)D(圖3c～3d)上也可看出，無論是00 時(shí)還是12時(shí)，兩個(gè)模式都能較好地模擬出溫度的空間分布，總體的空間相關(guān)系數(shù)均超過0.6，而1 km模式在量級(jí)模擬上依然存在一定優(yōu)勢(shì)，溫度的總體偏差較3 km模式小。

圖8 2019年6月5日—7月14日觀測(cè)(第一列)、GRAPES_GZ_R 1 km模式預(yù)報(bào)(第二列)和GRAPES_GZ 3 km模式預(yù)報(bào)(第三列)的日平均2 m氣溫(第一行)和10 m風(fēng)速(第二行)的分布

風(fēng)場(chǎng)的預(yù)報(bào)上可看出1 km 模式和 3 km 模式在風(fēng)場(chǎng)模擬上均存在較大偏差，1 km 模式和3 km模式10 m 風(fēng)速的預(yù)報(bào)均表現(xiàn)為正偏差(圖9)，但 3 km 模式對(duì)10 m 風(fēng)速的預(yù)報(bào)偏差更小，基本在1 m/s附近波動(dòng)，1 km模式預(yù)報(bào)偏差則大多介于1 ~2 m/s 之間，在部分時(shí)間段甚至超過了3 m/s。均方根誤差(圖9d)的評(píng)估結(jié)果與偏差一致，3 km 模式的10 m風(fēng)預(yù)報(bào)的均方根誤差更小。與2 m氣溫的預(yù)報(bào)結(jié)果不同，3 km 模式對(duì)風(fēng)速的預(yù)測(cè)要明顯優(yōu)于1 km 模式，表現(xiàn)為較小的絕對(duì)誤差以及均方根誤差。

圖9 GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式2 m氣溫(第一列)和10 m風(fēng)速(第二列)預(yù)報(bào)平均偏差(預(yù)報(bào)減去觀測(cè))(第一行)和均方根誤差(第二行)

結(jié)合降水可看到，1 km 模式氣溫和風(fēng)速預(yù)報(bào)偏差隨降水過程存在明顯的波動(dòng)，出現(xiàn)較強(qiáng)降水過程之后溫度和風(fēng)場(chǎng)預(yù)報(bào)誤差明顯增大，溫度整體較實(shí)況偏低，風(fēng)速預(yù)報(bào)偏強(qiáng)。6—7 月華南地區(qū)處于前汛期向后汛期轉(zhuǎn)變的時(shí)期，受冷空氣、切變線以及西南季風(fēng)等多種系統(tǒng)影響，天氣形勢(shì)復(fù)雜。模式預(yù)報(bào)對(duì)天氣形勢(shì)轉(zhuǎn)變的刻畫可能存在一定的偏差，未能及時(shí)把握主要天氣系統(tǒng)的演變和發(fā)展，導(dǎo)致預(yù)報(bào)結(jié)果出現(xiàn)較大的誤差，在模式產(chǎn)品訂正、釋用等需要考慮天氣系統(tǒng)的影響。

4.2 站點(diǎn)特征分析

選取廣東省內(nèi)各區(qū)域4個(gè)國(guó)家站作為代表站，分別為韶關(guān)、廣州、汕頭、湛江，計(jì)算1 km 模式和3 km 模式00 時(shí)和12 時(shí)起報(bào)的24 h 預(yù)報(bào)結(jié)果與觀測(cè)資料的絕對(duì)誤差(AE)，得到研究時(shí)段內(nèi)4 站點(diǎn)2 m氣溫和10 m 風(fēng)速AE 的時(shí)間序列(圖10)。從2 m氣溫的站點(diǎn)時(shí)間序列對(duì)比可看到3 km 模式預(yù)報(bào)的氣溫站點(diǎn)AE 存在較大的波動(dòng)，尤其是沿海測(cè)站。比較兩個(gè)模式之間預(yù)報(bào)結(jié)果，3 km 模式00 時(shí)起報(bào)的4 站點(diǎn)在研究時(shí)段內(nèi)的最小AE 為0.08，最大 AE 為 9.28，平均 AE 為 2.97，對(duì)應(yīng)的 1 km 模式 4站點(diǎn)在研究時(shí)段內(nèi)AE 的整體趨勢(shì)表明1 km 模式預(yù)報(bào)與實(shí)況較接近，最小AE 為0.01，最大AE 為3.82，平均 AE 為 1.22，相比 3 km 模式有明顯改善。12時(shí)起報(bào)預(yù)報(bào)結(jié)果與00時(shí)類似，1 km 模式整體預(yù)報(bào)效果優(yōu)于3 km 模式。相比其他站點(diǎn)，沿海測(cè)站(汕頭、湛江)2 m 氣溫預(yù)報(bào)較實(shí)況存在較大偏差，模式對(duì)降水、云量以及主要系統(tǒng)的預(yù)報(bào)效果會(huì)影響到氣溫的預(yù)報(bào)效果，在預(yù)報(bào)產(chǎn)品氣溫訂正中也要考慮不同地區(qū)海拔差異、緯度高低、環(huán)流形勢(shì)預(yù)報(bào)等因素的影響。

圖10 GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式24 h預(yù)報(bào)時(shí)效站點(diǎn)2 m氣溫和10 m風(fēng)速AE時(shí)間序列

從10 m風(fēng)速的站點(diǎn)AE時(shí)間序列可看出3 km模式 00 時(shí)起報(bào)的 AE 整體小于 1 km 模式，4 站點(diǎn)在研究時(shí)段內(nèi)的最小AE 為0.01，最大AE 為5.28，平均 AE 為 1.22，相應(yīng)的 1 km 模式，最小 AE 為0.1，最大 AE 為 6.09，平均 AE 為 1.97。12 時(shí)起報(bào) 1 km模式和3 km模式預(yù)報(bào)結(jié)果AE整體趨勢(shì)一致。

5 結(jié) 論

基于華南地區(qū)自動(dòng)站逐小時(shí)觀測(cè)資料，采用傳統(tǒng)站點(diǎn)評(píng)分、鄰域法等評(píng)估華南區(qū)域高分辨率數(shù)值模式(包括GRAPES_GZ_R 1 km 模式和GRAPES_GZ 3 km 模式)對(duì)降水、地面溫度和風(fēng)場(chǎng)等要素的預(yù)報(bào)能力。

(1) GRAPES_GZ_R 1 km 模式的降水預(yù)報(bào)技巧優(yōu)于GRAPES_GZ 3 km 模式，模式預(yù)報(bào)以正偏差為主。對(duì)于不同起報(bào)時(shí)間的預(yù)報(bào)，00 時(shí)起報(bào)的預(yù)報(bào)效果優(yōu)于12 時(shí)。GRAPES_GZ_R 1 km 模式的TS 評(píng)分是GRAPES_GZ 3 km 模式的兩倍以上，對(duì)不同降水閾值的評(píng)分均較高。

(2) 分?jǐn)?shù)技巧評(píng)分(FSS)顯示GRAPES_GZ_R 1 km 模式 6 h 累計(jì)降水預(yù)報(bào)在 0.1 mm、1 mm 及 5 mm以上的降水均可達(dá)到最低預(yù)報(bào)技巧尺度，對(duì)所檢驗(yàn)降水對(duì)象的空間位置把握能力更好。

(3) 2 m 氣溫和10 m 風(fēng)速檢驗(yàn)結(jié)果表明兩個(gè)模式均能較好把握廣東省溫度的分布特征，GRAPES_GZ_R 1 km模式對(duì)2 m氣溫預(yù)報(bào)結(jié)果優(yōu)于GRAPES_GZ 3 km 模式，預(yù)報(bào)絕對(duì)誤差更小；兩個(gè)模式對(duì)風(fēng)速的預(yù)報(bào)整體偏強(qiáng)，預(yù)報(bào)偏差在1～4 m/s之間，但相比之下GRAPES_GZ 3 km模式在風(fēng)場(chǎng)預(yù)報(bào)上表現(xiàn)更好。

(4) GRAPES_GZ_R 1 km 模式的 2 m 氣溫和10 m 風(fēng)速預(yù)報(bào)偏差隨降水過程存在明顯波動(dòng)，出現(xiàn)較強(qiáng)降水過程之后溫度和風(fēng)場(chǎng)預(yù)報(bào)誤差明顯增大，溫度整體較實(shí)況偏低，風(fēng)速預(yù)報(bào)偏強(qiáng)，在模式產(chǎn)品訂正、釋用等需要考慮模式對(duì)主要天氣系統(tǒng)的預(yù)報(bào)情況。

需要指出的是由于模式預(yù)報(bào)數(shù)據(jù)的限制，本文評(píng)估只針對(duì) 2019 年 6 月 5 日—7 月 14 日的預(yù)報(bào)結(jié)果，要想得到更加全面的模式性能評(píng)估結(jié)果還需要更多的樣本，并針對(duì)不同類型的過程進(jìn)行分類歸納。