谷文梁，高山紅

(1.中國(guó)海洋大學(xué)海洋與大氣學(xué)院，山東 青島 266100；2.中國(guó)海洋大學(xué)物理海洋教育部重點(diǎn)實(shí)驗(yàn)室，山東 青島 266100)

引言

海霧發(fā)生在海上大氣邊界層內(nèi)，其內(nèi)部懸浮的小液滴或小冰晶對(duì)可見(jiàn)光進(jìn)行吸收和散射，導(dǎo)致大氣水平能見(jiàn)度(以下簡(jiǎn)稱(chēng)“能見(jiàn)度”)不足1 km[1]。我國(guó)黃海海域海霧頻發(fā)，多為平流冷卻霧[1-4]。其中，發(fā)生在近岸海域且頻繁入侵到沿岸陸地的近岸海霧需要引起重視，因?yàn)樗鼑?yán)重影響了沿海與港口交通以及近海作業(yè)。據(jù)統(tǒng)計(jì)[5]，平均每年發(fā)生在山東半島南岸的近岸海霧次數(shù)占黃海海霧(除去黃海東岸的近岸海霧)總數(shù)的29.2%。

目前針對(duì)黃海海霧的機(jī)制研究主要聚焦于發(fā)生在開(kāi)闊海域的大范圍海霧[3,6-9]，而對(duì)霧區(qū)范圍較小的近岸海霧的研究較少，而且它們大多針對(duì)朝鮮半島西側(cè)的近岸海霧[10-13]。山東半島北接渤海、南臨黃海，經(jīng)常受到海陸風(fēng)環(huán)流的影響[14-15]。黃海近岸海霧最新研究發(fā)現(xiàn)，陸風(fēng)環(huán)流能夠促進(jìn)夜間海霧的形成，而海風(fēng)則會(huì)抑制日間海霧的發(fā)展[5]，海陸風(fēng)強(qiáng)弱會(huì)明顯影響近岸海霧的演變過(guò)程。因此，近岸海霧數(shù)值預(yù)報(bào)中要盡量準(zhǔn)確刻畫(huà)出由海陸差異驅(qū)動(dòng)的局地環(huán)流，這意味需要設(shè)置較高的模式分辨率。

海霧數(shù)值預(yù)報(bào)不僅對(duì)初始場(chǎng)高度敏感[3,16-20]，而且還嚴(yán)重依賴(lài)模式物理方案，如邊界層方案[21-22]、微物理方案[23]和陸面方案[24]。鑒于此，海霧數(shù)值預(yù)報(bào)技術(shù)的一個(gè)發(fā)展趨勢(shì)是采用集合預(yù)報(bào)[3,15,25]。高山紅等[26]對(duì)一次大范圍黃海海霧嘗試了海霧集合預(yù)報(bào)，證實(shí)了海霧集合預(yù)報(bào)的可行性。而針對(duì)近岸海霧的集合預(yù)報(bào)研究工作還未見(jiàn)到。由于近海海霧的數(shù)值預(yù)報(bào)需要較高的模式分辨率，如果集合成員較多，受限于計(jì)算資源空間，難以業(yè)務(wù)化應(yīng)用。一個(gè)解決辦法是通過(guò)初始場(chǎng)擇優(yōu)來(lái)減少集合成員數(shù)[27-28]。鄭青和高山紅[29]嘗試根據(jù)初始時(shí)刻集合體成員預(yù)報(bào)霧區(qū)與衛(wèi)星反演霧區(qū)吻合程度來(lái)對(duì)初始場(chǎng)集合體擇優(yōu)，擇優(yōu)成員的平均值作為決定性預(yù)報(bào)的初始場(chǎng)，海霧模擬效果得到顯著改進(jìn)，但在預(yù)報(bào)初始時(shí)刻如果衛(wèi)星未反演出海霧，該擇優(yōu)方法就會(huì)失效。

因此，在前人對(duì)黃海海霧數(shù)值預(yù)報(bào)的研究基礎(chǔ)上，嘗試提出一個(gè)適用于近海海霧集合預(yù)報(bào)的初始場(chǎng)擇優(yōu)方案。其基本思路是：利用沿岸地面站氣象要素的觀測(cè)信息來(lái)評(píng)估集合成員的初始場(chǎng)，將有可能導(dǎo)致海霧預(yù)報(bào)效果不好的集合成員剔除，讓剩下的成員參與集合預(yù)報(bào)。接下來(lái)，以2014年4月發(fā)生的一次黃海近岸海霧個(gè)例為研究對(duì)象，開(kāi)展初始場(chǎng)擇優(yōu)集合預(yù)報(bào)試驗(yàn)。希冀提出的擇優(yōu)方案能為近海海霧業(yè)務(wù)化預(yù)報(bào)提供技術(shù)支撐。

1 數(shù)據(jù)

1.1 模式驅(qū)動(dòng)與驗(yàn)證數(shù)據(jù)

驅(qū)動(dòng)WRF(Weather Research and Forecasting)模式的背景場(chǎng)數(shù)據(jù)是歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts, ECMWF)提供的逐小時(shí)再分析數(shù)據(jù)集ERA5(the fifth generation atmospheric reanalysis)。該數(shù)據(jù)垂直分層為37層，水平分辨率達(dá)到0.25°×0.25°，下載網(wǎng)址：https://www.ecmwf.int/en/forecasts/datasets/reanalysis-datasets/era5。模式底邊界條件中的海面溫度(sea surface temperature, SST)數(shù)據(jù)來(lái)自NEAR-GOOS(North-East Asian Regional Global Ocean Observing System)的逐日SST再分析產(chǎn)品，水平分辨率為0.25°×0.25°，下載網(wǎng)址：http://ds.data.jma.go.jp/gmd/goos/data/。

模式結(jié)果驗(yàn)證用到了常規(guī)觀測(cè)數(shù)據(jù)。它們來(lái)自全球通信系統(tǒng)(Global Telecommunication System, GTS)提供的常規(guī)觀測(cè)數(shù)據(jù)，數(shù)據(jù)包含地面(3 h·次-1)和探空(12 h·次-1)觀測(cè)數(shù)據(jù)，下載網(wǎng)址：https://rda.ucar.edu/datasets/ds337.0。此外，青島近岸的幾個(gè)站點(diǎn)觀測(cè)數(shù)據(jù)來(lái)自國(guó)家氣象信息中心，下載網(wǎng)址：http://data.cma.cn/data/detail/dataCode/A.0012.0001.html。

1.2 天氣圖與衛(wèi)星觀測(cè)

近岸海霧的演變受控于低層天氣系統(tǒng)。天氣系統(tǒng)的分析，使用的是來(lái)自韓國(guó)氣象廳(Korea Meteorological Administration, KMA)的天氣圖，下載網(wǎng)址：http://web.kma.go.kr/eng/index.jsp。MTSAT(Multifunctional Transport Satellite)衛(wèi)星可見(jiàn)光云圖來(lái)自日本氣象廳(Japan Meteorological Agency, JMA)，下載網(wǎng)址：http://222.195.136.24/satellite/cloud/mtsat_vis。

為了評(píng)估海霧集合預(yù)報(bào)的效果，采用WANG et al.[19]提出的全天候海霧反演方法來(lái)獲取海霧觀測(cè)信息(霧區(qū)和厚度)。此方法基于MTSAT靜止衛(wèi)星數(shù)據(jù)，包括多通道紅外亮溫和可見(jiàn)光反照率數(shù)據(jù)。MTSAT數(shù)據(jù)水平分辨率為0.04°×0.04°，下載網(wǎng)址：http://weather.is.kochi-u.ac.jp/sat/GAME。

2 集合預(yù)報(bào)試驗(yàn)

2.1 海霧個(gè)例

2014年4月2日，在山東半島南岸近海發(fā)生一次典型的近岸海霧個(gè)例(記為Case-2014)。圖1給出了海霧的霧區(qū)演變，其中圖1a—c為采用WANG et al.[19]提出的海霧反演方法得到的霧區(qū)，而圖1d—f為MTSAT可見(jiàn)光云圖(山東半島南岸海域乳白色云區(qū)為霧區(qū))。4月1日20時(shí)(北京時(shí)，下同)海霧還未開(kāi)始生成(圖1a)，4月1日23時(shí)，海霧小范圍生成于江蘇北部近海(圖1b)，在夜間快速發(fā)展并于2日白天占據(jù)了山東半島以南近海區(qū)域(圖1c—f)。

圖1 海霧Case-2014霧區(qū)演變(a. 4月1日20時(shí)， b. 4月1日23時(shí)， c. 4月2日10時(shí)， d. 4月2日11時(shí)， e. 4月2日14時(shí)， f. 4月2日16時(shí)；a—c.灰色陰影區(qū)代表通過(guò)反演方法得到的霧區(qū)，d—f. MTSAT可見(jiàn)光云圖中山東半島南岸海域乳白色區(qū)域代表霧區(qū))Fig.1 Evolution of fog area in the sea fog Case-2014 (a. 20:00 BST 1, b. 23:00 BST 1, c. 10:00 BST 2, d. 11:00 BST 2, e. 14:00 BST 2, f. 16:00 BST 2 April; a-c. grey shaded area for fog area by retrieval method, d-f. oyster white area to the south of Shandong Peninsula for fog area in MTSAT visible cloud imagery)

海霧發(fā)展過(guò)程中整個(gè)黃海區(qū)域受高壓控制(圖2)。圖2顯示1 016 hPa等高線(藍(lán)色粗線)所圍面積在4月1日20時(shí)—2日11時(shí)期間逐漸擴(kuò)大，表明高壓系統(tǒng)在不斷增強(qiáng)。在此高壓的控制下，山東半島南岸近海發(fā)生了海陸風(fēng)，且海陸風(fēng)環(huán)流明顯影響此次海霧的演變[5]。

圖2 控制海霧演變的地面天氣形勢(shì)(a. 4月1日20時(shí)，b. 4月1日23時(shí)， c. 4月2日11時(shí)， d. 4月2日14時(shí))Fig.2 Surface synoptic situation affecting the evolution of sea fog (a. 20:00 BST 1, b. 23:00 BST 1, c. 11:00 BST 2, d. 14:00 BST 2 April)

2.2 模式設(shè)置

采用WRF模式(V3.9.1)進(jìn)行集合預(yù)報(bào)試驗(yàn)。選用ERA5再分析數(shù)據(jù)為模式提供初始場(chǎng)和邊界條件，采用NEAR-GOOS日平均海面溫度數(shù)據(jù)作為模式底邊界條件中的海洋強(qiáng)迫。為了減少模擬區(qū)域嵌套帶來(lái)的誤差，設(shè)置單層區(qū)域(圖3)，其水平分辨率為6 km，模式其他參數(shù)的設(shè)置詳見(jiàn)表1。

表1 WRF模式設(shè)置Table 1 Specifications of the WRF model

圖3 WRF模式區(qū)域(色階為SST，單位：℃；黑色圓點(diǎn)為地面站點(diǎn))Fig.3 WRF simulation domain (color scale for SST, units: ℃; black dot for surface station)

2.3 試驗(yàn)設(shè)計(jì)

前人研究[23]已經(jīng)表明，相對(duì)于決定性預(yù)報(bào)，黃海海霧集合預(yù)報(bào)效果明顯占優(yōu)。這里設(shè)計(jì)了一組對(duì)照試驗(yàn)(表2)，包括1個(gè)決定性預(yù)報(bào)與1個(gè)集合預(yù)報(bào)。

注：*表示η=1.000 0，0.997 5，0.993 5，0.989 9，0.986 1，0.982 1，0.977 7，0.973 1，0.968 2，0.962 9，0.957 3，0.951 3，0.945 0，0.938 2，0.931 2，0.924 0，0.916 5，0.908 8，0.900 8，0.892 5，0.883 5，0.873 0，0.858 0，0.838 0，0.816 0，0.791 8，0.762 5，0.708 4，0.657 3，0.609 0，0.563 4，0.520 4，0.479 8，0.441 5，0.405 5，0.371 6，0.339 7，0.309 7，0.281 5，0.255 1，0.230 3，0.207 1，0.185 4，0.165 1，0.146 1，0.128 4，0.111 8，0.096 5，0.082 2，0.068 9，0.056 6，0.045 2，0.034 6，0.024 9，0.015 9，0.007 6，0.000 0。

海霧集合預(yù)報(bào)需要一組初始場(chǎng)集合體。圖4給出了表2中數(shù)值試驗(yàn)的流程示意。借助蒙特卡羅(Monte Carlo, MC)隨機(jī)擾動(dòng)法提前6 h生成一組集合體(初始場(chǎng)與邊界條件)，隨機(jī)擾動(dòng)生成過(guò)程中所采用的背景誤差為依據(jù)美國(guó)國(guó)家氣象中心(National Meteorological Center, NMC)方法[35]統(tǒng)計(jì)得到的背景誤差協(xié)方差CV5而非模式自帶的背景誤差協(xié)方差CV3；CV5以模擬時(shí)間為中心，向前向后各7 d進(jìn)行后報(bào)，利用每天相隔12 h的2次預(yù)報(bào)結(jié)果統(tǒng)計(jì)得到[26]。MC隨機(jī)擾動(dòng)生成的初始集合體所有成員通過(guò)WRF積分6 h到預(yù)報(bào)起點(diǎn)(即運(yùn)行wrf.exe)得到一組初始場(chǎng)集合體。這組初始場(chǎng)集合體可以直接驅(qū)動(dòng)海霧集合預(yù)報(bào)，也可以利用集合平均來(lái)進(jìn)行決定性預(yù)報(bào)。

表2 海霧Case-2014的集合預(yù)報(bào)與決定性預(yù)報(bào)對(duì)比試驗(yàn)Table 2 Comparative experiment of ensemble forecast versus deterministic forecast for the sea fog Case-2014

如圖4所示，試驗(yàn)的運(yùn)行流程主要分為2部分：集合體生成(成員數(shù)N為36)和動(dòng)力調(diào)整階段(4月1日14—20時(shí)，時(shí)長(zhǎng)6 h)與預(yù)報(bào)階段(4月1日20時(shí)—2日20時(shí)，預(yù)報(bào)時(shí)長(zhǎng)24 h)。

圖4 數(shù)值預(yù)報(bào)試驗(yàn)的流程Fig.4 Flow chart of numerical forecast experiment

3 集合預(yù)報(bào)效果分析

3.1 決定性預(yù)報(bào)與集合預(yù)報(bào)的比較

3.1.1 預(yù)報(bào)霧區(qū)——定性分析

圖5給出了Exp-Det和Exp-Ens的海霧預(yù)報(bào)結(jié)果與觀測(cè)的比較，其中Exp-Det展現(xiàn)了霧區(qū)與厚度(圖5aA—fA)，而Exp-Ens僅有霧區(qū)概率(圖5aB—fB)。預(yù)報(bào)霧區(qū)不能由WRF模式直接輸出, 而是需要根據(jù)模擬的云水混合比 (cloud water mixing ratio, 簡(jiǎn)記為 Qc)進(jìn)行霧區(qū)診斷。采取高山紅等[17]提出的“鳥(niǎo)瞰”方式，對(duì)于海上的某一模式水平格點(diǎn)，在其垂直層中自上而下找到Qc≥0.016 g·kg-1以確定霧頂高度Htop；因?yàn)镠top一般不超過(guò)400 m[36],Htop≤400 m就表明該水平格點(diǎn)有霧，且海霧厚度記為Htop。

海霧的概率預(yù)報(bào)最佳概率閾值通常在30%～50%之間[36]，這里取50%作為Exp-Ens的概率閾值[23]。對(duì)照觀測(cè)霧區(qū)，Exp-Det和Exp-Ens均較為成功地模擬出了海霧在4月2日白天的演變過(guò)程。4月2日07—09時(shí)，Exp-Det和Exp-Ens的結(jié)果比較接近；而從4月2日10時(shí)開(kāi)始，Exp-Det和Exp-Ens之間的差異逐漸顯現(xiàn)。仔細(xì)觀測(cè)模擬霧區(qū)與海岸線的貼合程度，發(fā)現(xiàn)Exp-Ens要優(yōu)于Exp-Det，譬如分別比較圖5dA和圖5dB，圖5eA和圖5eB。

圖5 MTSAT觀測(cè)霧區(qū)(aO—fO；乳白色區(qū)域?yàn)殪F區(qū))與Exp-Det(aA—fA；色階為霧區(qū)厚度)和Exp-Ens(aB—fB；色階為預(yù)報(bào)概率)預(yù)報(bào)霧區(qū)的對(duì)比Fig.5 Comparison of sea fog area between MTSAT observation (aO-fO; oyster white area for fog area) and forecast by Exp-Det (aA-fA; color scale for fog depth) and Exp-Ens (aB-fB; color scale for forecast probability)

3.1.2 霧區(qū)評(píng)分——定量分析

為了客觀定量評(píng)估Exp-Det和Exp-Ens的霧區(qū)預(yù)報(bào)效果，采用了4種評(píng)分[36]。它們分別為擊中率(probability of detection，POD，1為最佳)、誤報(bào)率(false alarm ratio，F(xiàn)AR，0為最佳)、偏差(Bias，1為最佳)和公正預(yù)兆評(píng)分(equitable threat score，ETS，越大越好)，計(jì)算公式如下：

(1)

(2)

(3)

(4)

其中，F(xiàn)為預(yù)報(bào)有霧的格點(diǎn)數(shù)；O為衛(wèi)星觀測(cè)到海霧的格點(diǎn)數(shù)；H為正報(bào)霧區(qū)的格點(diǎn)數(shù)(即預(yù)報(bào)和觀測(cè)都存在霧)；R代表隨機(jī)擊中項(xiàng)，R=F(O/N)，N代表評(píng)估區(qū)域的格點(diǎn)數(shù)總和。ETS同時(shí)考慮了POD、FAR與Bias，是一種綜合評(píng)分。本文選用4月2日10—14時(shí)時(shí)段內(nèi)逐時(shí)的衛(wèi)星反演結(jié)果對(duì)預(yù)報(bào)霧區(qū)評(píng)分，因?yàn)樵摃r(shí)段內(nèi)高云較少且反演霧區(qū)很清晰。

圖6給出了Exp-Det(黑色圓點(diǎn))和Exp-Ens(藍(lán)色實(shí)線)預(yù)報(bào)霧區(qū)的統(tǒng)計(jì)評(píng)分。圖中Exp-Ens的POD、FAR、Bias三個(gè)評(píng)分隨著預(yù)報(bào)概率增大而減?。欢鳨TS則呈現(xiàn)先增后減的趨勢(shì)，最大值(拐點(diǎn))出現(xiàn)在60%概率閾值處，ETS約為0.59，對(duì)應(yīng)的Bias為1.0左右，在所有概率中此處的預(yù)報(bào)效果最好。表3進(jìn)一步統(tǒng)計(jì)了Exp-Det與50%概率閾值的Exp-Ens預(yù)報(bào)霧區(qū)的評(píng)分，以及Exp-Ens相對(duì)于Exp-Det的改進(jìn)百分率。對(duì)于POD、FAR、Bias這3個(gè)評(píng)分，Exp-Ens皆?xún)?yōu)于Exp-Det，其中Bias的改進(jìn)率達(dá)到56.2%，這說(shuō)明集合預(yù)報(bào)大幅減少了虛報(bào)霧區(qū)，從而改進(jìn)了FAR；盡管POD的改進(jìn)只有7.2%，但由于虛報(bào)霧區(qū)減少，使得綜合評(píng)分ETS的改進(jìn)率達(dá)到了96.2%。值得注意的是，如果采用60%概率閾值作為對(duì)比，Exp-Ens相對(duì)于Exp-Det的優(yōu)勢(shì)將會(huì)更明顯。

3.2 集合成員預(yù)報(bào)效果的差異分析

圖7給出了Exp-Ens預(yù)報(bào)集合體中所有36個(gè)成員的4種評(píng)分統(tǒng)計(jì)結(jié)果(成員分別記為M01，M02，M03，…，M36)。POD在0.1～0.9之間，均值約為0.75；FAR在0.05～0.75之間，均值約為0.39；Bias在0.1～2.3之間，均值高達(dá)1.32，表明大部分成員預(yù)報(bào)的霧區(qū)偏大，較小的Bias則說(shuō)明預(yù)報(bào)失敗。綜合評(píng)分ETS均值約為0.36，高低值之間相差0.55，其中M05、M29、M33的ETS偏高，而M09、M16的ETS偏低。這些評(píng)分統(tǒng)計(jì)結(jié)果表明，集合體成員的預(yù)報(bào)效果存在較大的差異。

圖7 所有成員霧區(qū)統(tǒng)計(jì)評(píng)分(a. POD， b. FAR， c. Bias， d. ETS；黑色水平線代表平均值)Fig.7 Statistical scores (a. POD， b. FAR， c. Bias， d. ETS) of fog area of all members (black horizontal line represents the mean value)

為了更直觀地比較好壞成員的預(yù)報(bào)效果，挑選成員M33、M09與M16，對(duì)比它們的預(yù)報(bào)霧區(qū)(圖8)。圖8中，M33在1日20時(shí)—2日13時(shí)預(yù)報(bào)霧區(qū)與觀測(cè)霧區(qū)非常吻合，M09預(yù)報(bào)失敗，而M16中起始霧區(qū)偏北偏東且霧區(qū)過(guò)大。顯然，M33是好成員，而M09與M16是差成員。

圖8 觀測(cè)霧區(qū)(aO—eO)與三個(gè)預(yù)報(bào)集合體成員M33(aA—eA)、M09(aB—eB)、M16(aC—eC)的預(yù)報(bào)霧區(qū)之間的差異(色階為霧區(qū)厚度)Fig.8 Difference of fog area between observation (aO-eO) and forecast by three ensemble members (M33: aA-eA, M09: aB-eB, M16: aC-eC)(color scale for fog depth)

3.3 集合成員間霧區(qū)差異原因分析

為了分析好成員與差成員差異的產(chǎn)生原因，分別挑選M33與M09作為它們各自的代表，進(jìn)行剖析。

3.3.1 近海面溫濕場(chǎng)的差異

這里，以模式底層代表近海面。圖9展示了M33與M09在4月2日10時(shí)模式底層的水汽混合比、相對(duì)濕度與溫度的分布，以及它們的差異(M09減去M33)。在霧區(qū)(圖9中黑點(diǎn)所覆蓋的區(qū)域)，M33的水汽混合比明顯低于M09(圖9a、b、c)，但M33相對(duì)濕度高于M09(圖9d、e、f)，M33的溫度低于M09(圖9g、h、i)。這是由于在霧區(qū)中，湍流垂直熱通量向冷海面輸送熱量造成氣溫降低[3]，相對(duì)濕度升高，水汽凝結(jié)變成霧(即云水)導(dǎo)致水汽混合比降低。圖9表明，好成員與差成員在模式底層的溫濕場(chǎng)存在顯著的差異。

圖9 4月2日10時(shí)模式底層處M33(a、d、g)與M09(b、e、h)的水汽混合比(a、b、c；色階，單位：g·kg-1)、相對(duì)濕度(d、e、f；色階，單位：%)與溫度(g、h、i；色階，單位：℃)分布以及它們的差異(c、f、i)(黑點(diǎn)代表觀測(cè)霧區(qū))Fig.9 Distribution of water vapor mixing ratio (a/b/c; color scale, units: g·kg-1), relative humidity (d/e/f; color scale, units: %), and temperature (g/h/i; color scale, units: ℃) of M33 (a/d/g) and M09 (b/e/h), and their difference (c/f/i) at the bottom of model at 10:00 BST 2 April (black dot represents the observed fog area)

3.3.2 大氣邊界層結(jié)構(gòu)的差異

利用青島站和射陽(yáng)站(圖3中的QD和SY，紅十字)的探空觀測(cè)，比較M33與M09大氣邊界層結(jié)構(gòu)的差異。850 hPa以下的高度場(chǎng)、水汽、溫度與水平風(fēng)速的均方根誤差(root mean square error，RMSE)與偏差(Bias)的統(tǒng)計(jì)結(jié)果如圖10所示。無(wú)論是高度場(chǎng)(圖10a)還是水平風(fēng)速(圖10d)，M33的RMSE與Bias均小于M09，可以推測(cè)M33中低層天氣系統(tǒng)比M09更接近實(shí)況。就水汽(圖10b)與溫度(圖10c)而言，RMSE與Bias的統(tǒng)計(jì)結(jié)果說(shuō)明M33比M09偏濕偏冷。由圖10表明，好成員與差成員在大氣邊界層溫濕結(jié)構(gòu)上也存在顯著的差異。

圖10 M33(紅色線)與M09(黑色線)在大氣邊界層結(jié)構(gòu)上的差異(a.位勢(shì)高度場(chǎng)，b.水汽混合比場(chǎng)，c.溫度場(chǎng)，d.水平風(fēng)速場(chǎng)；實(shí)、虛線分別是RMSE與Bias)Fig.10 Difference of atmospheric boundary layer (a. geopotential height, b. water vapor mixing ratio, c. temperature, d. horizontal wind speed) between M33 (red line) and M09 (black line) (solid and dashed lines are RMSE and Bias, respectively)

4 擇優(yōu)集合預(yù)報(bào)試驗(yàn)

4.1 擇優(yōu)方案

盡管集合預(yù)報(bào)的海霧預(yù)報(bào)效果顯著優(yōu)于決定性預(yù)報(bào)，但其缺點(diǎn)是計(jì)算代價(jià)高昂。減少集合成員無(wú)疑會(huì)降低計(jì)算量，但要保證預(yù)報(bào)效果至少不能降低。因?yàn)榧铣蓡T存在差異，去掉差成員(或者說(shuō)挑選出好成員)后進(jìn)行集合預(yù)報(bào)，既可降低計(jì)算量又有可能提高預(yù)報(bào)效果。這里，將在初始場(chǎng)集合體中挑選出好成員然后進(jìn)行集合預(yù)報(bào)稱(chēng)為擇優(yōu)集合預(yù)報(bào)。

4.1.1 擇優(yōu)方案的設(shè)計(jì)

基于3.3節(jié)中的分析結(jié)果，選擇4個(gè)最有可能在擇優(yōu)方案中作為擇優(yōu)依據(jù)的變量，它們分別為海平面氣壓(sea-level pressure, SLP)、2 m水汽混合比(water vapor mixing ratio,簡(jiǎn)記為Qv)、2 m溫度(temperature,T)與2 m相對(duì)濕度(relative humidity, RH)。對(duì)于小范圍近海海霧過(guò)程，由于高分辨預(yù)報(bào)區(qū)域內(nèi)探空觀測(cè)站較少而地面觀測(cè)相對(duì)較多，根據(jù)地面觀測(cè)統(tǒng)計(jì)每個(gè)集合成員初始場(chǎng)中以上4個(gè)變量的RMSE及其集合平均值，擇出RMSE小于集合平均值的成員參與集合預(yù)報(bào)。

對(duì)于研究個(gè)例Case-2014而言，利用山東半島南岸和江蘇省北部沿岸共計(jì)32個(gè)沿岸地面站(圖3中黑色圓點(diǎn))，統(tǒng)計(jì)起報(bào)時(shí)刻(4月1日20時(shí))所有集合體成員的SLP的RMSE以及RMSE的平均值，保留集合體中低于SLP的RMSE平均水平的成員，剔除集合體中高于SLP的RMSE平均水平的成員，稱(chēng)為SLP-RMSE擇優(yōu)方案。對(duì)Qv、T、RH也進(jìn)行類(lèi)似的操作，分別稱(chēng)為Qv-RMSE擇優(yōu)方案、T-RMSE擇優(yōu)方案、RH-RMSE擇優(yōu)方案。一共設(shè)計(jì)了4種擇優(yōu)方案。

4.1.2 擇優(yōu)方案的對(duì)比

為了比較4種擇優(yōu)方案的擇優(yōu)效果，設(shè)計(jì)了5組試驗(yàn)，其中決定性預(yù)報(bào)Exp-Det作為對(duì)照試驗(yàn)(同表3中的Exp-Det)，而Exp-EnsSLP、Exp-EnsQv、Exp-EnsT、Exp-EnsRH則在Exp-Ens的基礎(chǔ)上分別采用4種不同擇優(yōu)方案的擇優(yōu)集合預(yù)報(bào)試驗(yàn)，具體試驗(yàn)設(shè)計(jì)見(jiàn)表4。

圖11給出了表4中4個(gè)擇優(yōu)集合預(yù)報(bào)的預(yù)報(bào)霧區(qū)統(tǒng)計(jì)評(píng)分結(jié)果。其中Exp-EnsRH具有最高的POD評(píng)分(圖11a)，而在FAR與Bias評(píng)分上與其他3個(gè)擇優(yōu)集合預(yù)報(bào)的差別較小(圖11b、c)，高POD評(píng)分導(dǎo)致Exp-EnsRH在概率閾值超過(guò)50%時(shí)也同樣保持最高的ETS(圖11d)。這表明，RH-RMSE擇優(yōu)方案優(yōu)于其他3種擇優(yōu)方案。

表4 采用不同擇優(yōu)方案的集合預(yù)報(bào)對(duì)比試驗(yàn)Table 4 Comparative experiments of ensemble forecast with different optimization schemes

4.2 改進(jìn)效果分析

4.2.1 預(yù)報(bào)霧區(qū)的改進(jìn)

4.2.1.1 預(yù)報(bào)霧區(qū)——定性分析

Exp-Det、Exp-Ens、Exp-EnsRH預(yù)報(bào)霧區(qū)與觀測(cè)霧區(qū)的比較見(jiàn)圖12。整體上而言，Exp-Ens與Exp-EnsRH集合預(yù)報(bào)結(jié)果都要比Exp-Det決定性預(yù)報(bào)結(jié)果更貼近觀測(cè)事實(shí)，而Exp-Ens與Exp-EnsRH集合預(yù)報(bào)結(jié)果之間差異主要體現(xiàn)在高概率(50%～90%)霧區(qū)的分布，試驗(yàn)Exp-EnsRH高概率霧區(qū)比Exp-Ens高概率霧區(qū)大。這與圖11中的統(tǒng)計(jì)結(jié)果十分吻合。

圖11 4種擇優(yōu)方案的集合預(yù)報(bào)效果的統(tǒng)計(jì)評(píng)分(a. POD， b. FAR， c. Bias， d. ETS)比較Fig.11 Comparison of statistical scores (a. POD, b. FAR, c. Bias, d. ETS) between ensemble forecast with 4 optimization schemes

圖12 觀測(cè)霧區(qū)(aO—fO；乳白色區(qū)域?yàn)殪F區(qū))與Exp-Det(aA—fA；色階為霧區(qū)厚度)、Exp-Ens(aB—fB；色階為預(yù)報(bào)概率)、Exp-EnsRH(aC—fC；色階為預(yù)報(bào)概率)預(yù)報(bào)霧區(qū)的對(duì)比Fig.12 Comparison between the observed fog area (aO-fO; oyster white area for fog area) and fog area forecast by Exp-Det (aA-fA; color scale for fog depth), Exp-Ens (aB-fB; color scale for forecast probability), and Exp-EnsRH (aC-fC; color scale for forecast probability)

4.2.1.2 霧區(qū)評(píng)分——定量分析

圖13給出了Exp-Det、Exp-Ens和Exp-EnsRH的預(yù)報(bào)霧區(qū)統(tǒng)計(jì)評(píng)分，其中Exp-EnsRH的POD評(píng)分明顯高于Exp-Ens(圖13a)，這使得它的ETS也占優(yōu)(圖13d)。Exp-Ens在高概率(70%～90%)時(shí)的FAR評(píng)分中占有微弱優(yōu)勢(shì)，但在高概率時(shí)二者的FAR評(píng)分都相當(dāng)?shù)?，低?.2，誤報(bào)霧區(qū)均不明顯(圖13b)；Exp-EnsRH在高于60%概率閾值時(shí)的Bias評(píng)分更優(yōu)，數(shù)值上更接近于1，說(shuō)明Exp-EnsRH的高概率霧區(qū)比Exp-Ens偏大(圖13c)。

圖13 Exp-EnsRH(紅色實(shí)線)與Exp-Ens(藍(lán)色實(shí)線)預(yù)報(bào)效果的比較(a. POD， b. FAR， c. Bias， d. ETS)Fig.13 Comparison of forecast effect (a. POD, b. FAR, c. Bias, d. ETS) between Exp-EnsRH (red solid line) and Exp-Ens (blue solid line)

在70%～90%概率閾值范圍內(nèi)Exp-EnsRH相對(duì)于Exp-Ens的ETS改進(jìn)率超過(guò)10%，而在50%～90%概率閾值范圍內(nèi)ETS平均改進(jìn)率為35.74%。這說(shuō)明，采用RH-RMSE方案的擇優(yōu)集合預(yù)報(bào)相對(duì)于未擇優(yōu)的集合預(yù)報(bào)主要差異體現(xiàn)在高概率(60%～90%)預(yù)報(bào)霧區(qū)上。表5給出了Exp-Ens、Exp-EnsRH在50%～80%概率閾值范圍內(nèi)預(yù)報(bào)霧區(qū)的ETS統(tǒng)計(jì)結(jié)果?？梢钥吹剑?0%作為概率閾值時(shí)，Exp-Ens相對(duì)于Exp-Det的ETS改進(jìn)率最大，為126.9%，且Exp-Ens、Exp-EnsRH的Bias最接近1.0；以70%作為概率閾值時(shí)，Exp-EnsRH相對(duì)于Exp-Det的ETS改進(jìn)率最大，為146.2%。因此黃海近岸海霧的擇優(yōu)集合預(yù)報(bào)概率閾值選取60%較為合適。

表5 Exp-Ens、Exp-EnsRH在50%～80%概率閾值范圍內(nèi)預(yù)報(bào)霧區(qū)ETS統(tǒng)計(jì)評(píng)分的比較Table 5 Comparison of ETS between Exp-Ens and Exp-EnsRH with probability threshold range of 50%-80% in fog area

4.2.2 站點(diǎn)能見(jiàn)度觀測(cè)檢驗(yàn)

長(zhǎng)門(mén)巖站和董家口站兩站(圖3中CMY和DJK，紅三角)有能見(jiàn)度觀測(cè)，可以檢驗(yàn)Exp-Ens與Exp-EnsRH的預(yù)報(bào)效果。圖14為兩個(gè)測(cè)站處的預(yù)報(bào)概率與能見(jiàn)度觀測(cè)的時(shí)間序列。可以看出，長(zhǎng)門(mén)巖站和董家口站的海霧出現(xiàn)時(shí)段不一樣，董家口站偏早而長(zhǎng)門(mén)巖站偏晚；Exp-Ens與Exp-EnsRH均較準(zhǔn)確地預(yù)報(bào)出了兩個(gè)站點(diǎn)處海霧的發(fā)生，但卻較實(shí)際觀測(cè)過(guò)早地消散。在海霧即將發(fā)生之前(圖14a中04時(shí)、圖14b中00時(shí))，能見(jiàn)度快速降低，預(yù)報(bào)概率也相應(yīng)地迅速增大。盡管Exp-Ens與Exp-EnsRH的預(yù)報(bào)概率變化曲線基本一致，但在海霧發(fā)生前約2 h與海霧發(fā)生后約4 h的時(shí)間段之內(nèi)，Exp-EnsRH總體上比Exp-Ens高10%左右。這表明，擇優(yōu)集合預(yù)報(bào)Exp-EnsRH相對(duì)于不擇優(yōu)集合預(yù)報(bào)Exp-Ens，海霧預(yù)報(bào)概率閾值有明顯的提升。

圖14 Exp-Ens(藍(lán)色實(shí)線)與Exp-EnsRH(紅色實(shí)線)在長(zhǎng)門(mén)巖站(a)和董家口站(b)的預(yù)報(bào)概率與能見(jiàn)度觀測(cè)(黑色實(shí)線)的時(shí)間序列(兩條黑色虛線之間為觀測(cè)有霧時(shí)段)Fig.14 Time series of observed visibility (black solid line) and forecast probability of Exp-Ens (blue solid line) and Exp-EnsRH (red solid line) at Changmenyan Station (a) and Dongjiakou Station (b) (area between two black dotted lines denotes the period with observed fog)

5 結(jié)論

由于海霧數(shù)值預(yù)報(bào)對(duì)初始場(chǎng)的高度敏感性以及對(duì)模式參數(shù)化方案的嚴(yán)重依賴(lài)性，集合預(yù)報(bào)已經(jīng)成為海霧數(shù)值預(yù)報(bào)的發(fā)展趨勢(shì)。在已有研究者證實(shí)了大范圍黃海海霧集合預(yù)報(bào)可行的基礎(chǔ)上，本文聚焦于山東半島南岸近岸海霧的集合預(yù)報(bào)方法研究。鑒于高分辨率的近岸海霧集合預(yù)報(bào)的高計(jì)算量阻礙了其業(yè)務(wù)化實(shí)施，本文提出了初始場(chǎng)擇優(yōu)集合預(yù)報(bào)的思路，并設(shè)計(jì)了4種擇優(yōu)方案。以2004年4月1次受海陸風(fēng)環(huán)流強(qiáng)烈影響的近岸海霧個(gè)例為研究對(duì)象，進(jìn)行一系列數(shù)值試驗(yàn)，比較分析了4種方案的集合預(yù)報(bào)效果。主要結(jié)論如下：

(1)不進(jìn)行初始場(chǎng)擇優(yōu)的集合預(yù)報(bào)，其效果也優(yōu)于決定性預(yù)報(bào)，ETS提升了約96%。比較不同集合成員的海霧預(yù)報(bào)結(jié)果時(shí)發(fā)現(xiàn)，存在不少海霧預(yù)報(bào)效果差的成員；它們的存在會(huì)潛在地降低集合預(yù)報(bào)效果，應(yīng)該考慮舍棄它們。

(2)4種擇優(yōu)方案分別利用到了集合成員初始場(chǎng)中海平面氣壓、水汽混合比、溫度、相對(duì)濕度與沿海地面觀測(cè)的均方根誤差統(tǒng)計(jì)信息。采用不同擇優(yōu)方案的集合預(yù)報(bào)效果對(duì)比試驗(yàn)的分析結(jié)果表明，以相對(duì)濕度均方根誤差作為擇優(yōu)指標(biāo)的方案最佳。

(3)相比于不擇優(yōu)集合預(yù)報(bào)，擇優(yōu)集合預(yù)報(bào)在常用的50%概率閾值上預(yù)報(bào)效果略?xún)?yōu)，而在70%～90%概率閾值上優(yōu)勢(shì)明顯，在50%～90%概率閾值范圍內(nèi)，平均ETS改進(jìn)率高達(dá)36%左右。此外，擇優(yōu)集合預(yù)報(bào)由于成員數(shù)大約減半，可以降低50%左右的計(jì)算代價(jià)。

值得指出的是，文中提出的擇優(yōu)方案仍有很大的改進(jìn)空間，如可以同時(shí)考慮多個(gè)擇優(yōu)指標(biāo)來(lái)進(jìn)行擇優(yōu)，而不是文中采用的單一指標(biāo)。此外，本文聚焦于擇優(yōu)集合預(yù)報(bào)方法的探究，在數(shù)值試驗(yàn)中沒(méi)有進(jìn)行數(shù)據(jù)同化。如果進(jìn)行數(shù)據(jù)同化后再進(jìn)行擇優(yōu)，集合預(yù)報(bào)效果可能會(huì)更好。