阜新地区东北冷涡多模式降水预报检验

张旭 孙宝利 白佳宁 张丹梅 孙可 杨晓彤 赵振宇 宁喜龙

(阜新市气象局，辽宁 阜新123000)

引言

随着国内外数值天气预报模式的快速发展，可供预报员日常参考的客观定量降水预报方面的数值预报产品越来越多，如ECMWF(欧洲中心)、NCEP_GFS(美国)、JMA(日本)和GRAPES(中国)全球数值模式预报产品以及睿图东北模式预报产品等。为了能够掌握不同模式产品的预报准确率，提高本地预报质量，广大预报工作者从不同角度对这些模式产品进行了大量的分析检验。如吴晶等[1]对我国西北四省(区)2016—2017年逐月GRAPES模式的晴雨和降水检验，结果发现小雨、中雨、大雨、暴雨的TS评分依次递减。在对江西省汛期区域性暴雨的ECMWF、JMA和T639预报能力进行检验中，孙素琴等[2]发现ECMWF的24 h产品对系统的演变、调整和降水量级预报评分均好于其他两种，但存在暴雨以上量级降水预报漏报的情况。另外，有研究表明[3-4]，ECMWF模式的降水预报产品在安徽省的小雨量级降水TS评分明显高于其他量级降水，但空报率较高，对大雨以上量级的预报能力相对较差。潘留杰等[5]对比了ECMWF和NCEP两个集合预报系统在秦岭及周边地区的降水预报性能，发现ECMWF系统对降水高低值中心的降水量级及降水量的振荡幅度把握更好。徐姝等[6]、洪伟和郑玉兰[7]则分别基于ECMWF降水产品采用不同方法对本地降水预报偏差进行订正或建立短时强降水预报模型，效果较好，并投入业务应用。Buizza等[8]对比了ECMWF、NCEP_GFS和加拿大气象中心的集合预报结果，认为ECMWF的综合预报系统整体性能最好。另外，在对东北区域中尺度数值模式、MM5模式、WRF-RUC模式和辽宁省精细化网格预报等方面，也有学者[9-11]进行了一些研究，包括订正、建立数值预报本地化应用平台等。

在众多的数值模式中，很多学者[6-7，12]都是基于ECMWF产品开展相关研究，主要是因为目前ECMWF模式资料代表了较先进的数值模式水平，但是在实际的预报工作中，ECMWF模式对于降水预报也存在一定的问题，如强降水预报偏弱等。所以充分利用更多的数值预报模式产品，提高预报准确率仍有现实意义。此外，针对某一类天气系统的降水检验也很少，东北冷涡是东亚阻塞形势下在中国东北地区形成的较为深厚的冷性低值系统，也是影响辽宁西部地区降水的重要天气系统之一。对于辽宁省阜新市来说，2011—2019年东北冷涡所导致的降水量约占年总降水量的60%。因此，本文主要选择在东北冷涡背景下，针对欧洲数值中心全球模式(ECMWF)、中国全球模式(GRAPES)和美国全球模式(NCEP_GFS)的降水产品进行逐一分析检验，旨在提高本地东北冷涡降水的综合预报能力，为阜新地区精细化降水预报服务提供客观依据。

1 资料与方法

选取2019年5—8月受东北冷涡影响的所有降水日(当日20时至次日20时降水量>0.1 mm定义为1个降水日)作为样本检验资料，利用欧洲数值模式ECMWF(以下简称EC)、GRAPES模式和NCEP_GFS模式08时起报的24 h降水预报产品来检验阜新市两个国家观测站即阜蒙县站(42°04′N，121°44′E)和彰武县站(42°23′N，122°33′E)降水预报情况。主要采用平均绝对误差(MAE)、平均误差(ME)以及目前气象部门广泛应用的《中短期天气预报质量检验办法》和《定量降水估测(QPE)质量检验办法》，此方法在数值预报检验方面应用较多且简便易行[13-15]，其中检验的降水种类划分为晴雨、一般性降水(小雨至大雨)、小雨、中雨、大雨、暴雨和大暴雨7种。以下将分别针对上述三种数值模式对7种分类进行晴雨预报准确率(PC)、分量级降水(TS)评分、一般性降水(TS)和预报偏差(B)等多个参量检验。

应用的计算公式如下：

(1)

(2)

(3)

(4)

(5)

式(1)—式(5)中，NA为命中站点数；NB为空报站点数；NC为漏报站点数；ND为无降水预报正确的站点数；Gi为雨量站累积雨量观测值；Ri为模式降水预报值；N为参与评估的总站数。其中对一般性降水的检验也参照公式(2)来进行。本文使用孙力等[16]对东北冷涡的定义进行个例筛选：即500 hPa天气图上至少能分析出一条闭合等高线，并有冷中心或明显冷槽配合的低压环流系统，且冷涡出现在35°—60°N，115° — 145°E的范围内，生命史至少3 d或以上。还分别定义了出现在50°—60°N、40°—60°N以及35°—40°N的东北冷涡为北涡、中涡和南涡，当冷涡中心某时次的500 hPa高度值较上一时次有所降低时，则称此时次的东北冷涡是一个发展的冷涡，笔者在此基础上将500 hPa高度值持续降低或维持作为冷涡成熟阶段划分依据，反之则为衰减阶段。结合影响阜新地区的东北冷涡位置，按照不同经纬度将上述3个阶段划分为发展期(48°—52°N，113°—118°E)成熟期(40°—50°N，118°—125°E)和衰减期(40°—55°N，125°—135°E)，以下将分别针对这3个阶段对上述数值预报模式降水产品进行分析检验，继而将研究成果应用到本地预报业务当中。

2 结果分析

2.1 东北冷涡个例统计

2019年5—8月影响阜新地区的东北冷涡共18次(从冷涡发展期至衰减期计为一次)，其中6—8月月平均为4—5次，且每次影响时间为2—5 d。不考虑天气系统的影响，2019年5—8月阜蒙县共57个降水日，彰武县共52个降水日，而受东北冷涡系统影响阜蒙县有41个降水日，彰武县有38个降水日。可见，两站受东北冷涡影响而产生的降水日分别占所有降水日的72%和73%，两县最大日降水量分别为92.2 mm和104.7 mm，均发生在冷涡的成熟阶段(表1)，可见从冷涡的发展到成熟阶段，多数降水呈逐渐增大的趋势，此时也正是雷电等强对流天气的易发阶段。

表1 2019年5—8月东北冷涡不同阶段24 h最大降水量和样本数Table 1 24-h maximum precipitation and sample numbers in different stages of Northeast Cold Vortex from May to August 2019

2.2 晴雨准确率及分级降水的TS评分

从2019年5—8月阜新全地区预报情况来看(取两县气象资料的平均值作为全地区的资料样本)，EC模式在晴雨、一般性降水以及小雨三方面是表现最好的，NCEP_GFS效果次之，GRAPES则表现最差(图1a)，中雨量级EC的预报则不如另外两种，大雨和暴雨量级EC表现要好于其他两种。所以在针对大雨及以上量级的预报要重点参考EC模式的预报。

图1 2019年5—8月阜新地区(a)以及阜蒙县和彰武县(b)EC、GRAPES、NCEP_GFS晴雨准确率、一般性降水、分量级降水TS评分Fig.1 Accuracy and TS scores of sunny/rainy weather,general precipitation,and grading precipitation in Fuxin (a),and at Fumeng and Zhangwu stations (b) from May to August of 2019 predicted by ECMWF,GRAPES,and NCEP_GFS models

由图1b阜蒙县和彰武县的预报对比情况可见，NCEP_GFS对阜蒙县晴雨预报准确率最高,EC和GRAPES在晴雨预报上对阜蒙县的准确率高于彰武县；三种数值模式对一般性降水和小雨在阜蒙县的TS评分均高于彰武县；中雨情况则相反，EC和NCEP_GFS模式对彰武TS评分高于阜蒙县，大雨和暴雨情况两县对比来说效果不明显，特别是由于暴雨次数较少，数值模式预报产品也相对不稳定，所以其客观产品也不能直接进行应用，需要进行人工订正。

2.3 预报偏差

预报偏差B的计算公式见式(5)，B值等于1时表示该降水量级预报频率与观测相同，大于1时表示存在空报，小于1时表示存在漏报。2019年5—8月阜蒙县和彰武县的降水预报偏差见表2。三种数值模式对阜蒙县均存在漏报现象，NCEP_GFS漏报情况最为严重；对彰武县来说EC模式空报比较明显，其余两种数值模式则漏报比较明显，GRAPES和NCEP_GFS对彰武县的降水评分明显要高于阜蒙县。

表2 2019年5—8月阜蒙县和彰武县的降水预报偏差Table 2 Precipitation forecast deviation in Fumeng and Zhangwu stations from May to August of 2019

2.4 东北冷涡不同发展阶段的数值模式对比分析

在东北冷涡发展期(图2a)，EC模式5—7月降水TS评分达到100%,所以在预报中不需要进行订正，产品可以直接应用；5—8月GRAPES模式对阜蒙县预报效果要好于彰武县,尤其体现在6—7月，降水TS评分达到了100%；数值预报对彰武县整体评分不高，GRAPES模式预报效果比较稳定，TS评分均维持在40%—50%左右，但是该模式在50°N以北的东北冷涡容易产生空报现象，这一点需要引起预报员的注意。相比之下，NECP_GFS在彰武的TS评分则明显较高，均在75%—100%左右，整体效果好于GRAPES。由此，不同数值预报模式的特点就显现出来，需要通过本地预报员加以分析后进行区别应用。从冷涡的成熟阶段(图2b)来看，EC预报模式更加准确可以直接应用，只在5月彰武县出现一次北涡空报现象，6—8月两县的TS评分均为100%；GRAPES模式和NCEP_GFS模式在此阶段优势并不十分明显，5月易存在北涡空报的现象，7—8月则也比较容易出现空漏报的问题，经分析，两种模式漏报的次数明显多于空报次数。同以上两个阶段相比，冷涡的衰减阶段(图2c)则问题较多，各数值模式的TS评分高低不齐，EC模式在涡后西北气流、东北气流、涡底有弱切变线这些位置均存在空漏报的问题；GRAPES模式在55°N以北的涡及涡后西北气流容易空报，且有连续性，这个问题在预报中需引起注意，其整体效果阜蒙县好于彰武县；NCEP_GFS稳定性较差，北涡、涡后西北气流和东北气流均存在预报偏差且没有预报规律。但是，三种数值预报模式在此阶段唯一的共同点就是对小于1 mm的降水准确率均不高，中雨及以上量级的预报准确性相对较高。综上所述，此阶段数值产品不能直接应用，需要预报员进行综合技术与经验订正来实现预报准确率的提高，从而发挥预报员的能动性，使数值预报产品的应用价值最大化。

图2 2019年5—8月阜蒙县和彰武县EC、GRAPES和NCEP_GFS在东北冷涡发展阶段(a)、成熟阶段(b)、消亡阶段(c)一般性降水的TS评分Fig.2 TS scores of general precipitation in Fumeng and Zhangwu stations during the development stage (a),mature stage (b),and decay stage (c) of Northeast Cold Vortex from May to August of 2019 predicted by the ECMWF,GRAPES,and NCEP_GFS models

2.5 平均绝对误差分析和平均误差分析

由图3a可知，2019年5—8月阜蒙县三种数值预报模式预报平均绝对误差均在8月表现为最小，6月NCEP_GFS预报误差最小，表现效果最好，7月GRAPES和NCEP_GFS误差接近一致，且两种模式整体呈现突升突降的态势，预报效果不稳定，相比之下EC模式平均绝对误差最小，预报效果最稳定，能力最强。三种数值预报模式对彰武的预报能力(图3b)则区别于阜蒙县，具体表现在5—6月GRAPES平均绝对误差最小，能力最强，7—8月NCEP_GFS预报效果最好。相反，EC在7月平均绝对误差最大，表现最差，其他三个月预报也没有优势，表现平平。

图3 2019年5—8月阜蒙县(a)和彰武县(b)EC、GRAPES和NCEP_GFS模式降水平均绝对误差Fig.3 Mean absolute error of precipitation in Fumeng (a) and Zhangwu (b) stations from May to August of 2019 predicted by the ECMWF,GRAPES,and NCEP_GFS models

平均误差主要反映数值模式预报与实况的误差，需要与绝对误差一起来判断误差大小。当平均误差与绝对误差数值相当时，数值越小表示数值模式预报效果越好，但当绝对误差很大，而平均误差很小时，则只说明误差的倾向性不明显，可正可负，订正预报时需要注意。由图4a可知，阜蒙县只有7月EC和8月NCEP_GFS平均误差为正，其他模式在这三个月均为负，且数值与平均绝对误差相近，说明大多数时间模式对此站的降水预报偏弱；彰武县(图4b)在6月三种模式一致为正偏差，参考此月的平均绝对误差分析，此月模式降水多偏大，尽管8月仅NCEP_GFS为正偏差，但数值与绝对误差相差较大，模式误差偏大的可能性与偏小的可能性都有，人工订正时要慎重。

2.6 数值模式在大雨及以上量级降水检验

由于大雨及以上量级的出现对当地防汛部门及市民日常生活影响较大，现针对上述三种模式对阜蒙县和彰武县两个县站出现大雨及以上量级的降水进行检验。这里要补充说明的是由于受东北冷涡影响，出现大雨及以上量级次数较少，本文则不再考虑降水系统的影响，选取2019年5—8月所有出现大雨及以上量级的降水日数和模式数值预报24 h有大雨的日数作为样本的检验对象，其中阜蒙县8次，彰武县7次(表3)，平均来说EC模式TS评分最高为40.2%，NCEP_GFS模式TS评分26.8%，GRAPES模式TS评分最低为25.9%，可见EC模式的优势还是非常明显。另外，三种模式普遍存在预报降水量级比实际降水量级偏小的情况，尤其是GRAPES模式偏小更加明显，在以后的预报中，技术人员要注意这个特点并加以订正。

图4 2019年5—8月阜蒙县(a)和彰武县(b)EC、GRAPES和NCEP_GFS模式降水平均误差Fig.4 Mean precipitation error in Fumeng(a) and Zhangwu (b) stations from May to August of 2019 predicted by the of ECMWF,GRAPES,and NCEP_GFS models

表3 2019年5—8月阜新地区模式预报大雨及以上量级的检验情况Table 3 Verification of precipitation forecast for heavy rain and above in Fuxin from May to August of 2019

3 结论与讨论

(1)三种数值模式比较来说EC模式对2019年阜新地区5—8月的晴雨准确率、一般性降水和小雨的TS评分要高于GRAPES和NCEP_GFS。它们的共同点是对阜蒙县的预报要好于彰武县，而在彰武县可能受地形和特殊气候特征影响，预报存在较大的难度，当地东低山、西丘陵和中南平洼的地形在降水预报中的影响以及影响程度等问题还需要做进一步详细的研究，这也将是提高彰武县冷涡降水预报准确率的重要途径之一。

(2)针对东北冷涡演变的三个阶段，三种数值模式降水预报的共性体现在对冷涡的发展阶段和成熟阶段预报效果较好，EC模式的降水产品可以直接应用，在衰减阶段模式则出现分歧，尤其在涡底部存在低空切变线、涡后西北气流形势下三种模式容易产生空漏报的现象。另外，对于实况出现小于1 mm降水的预报，对本地预报员来说预报难度较大。

(3)对阜蒙县来说，三种数值模式预报平均绝对误差均在8月表现为最小，6月NCEP_GFS表现效果最好，7月GRAPES和NCEP_GFS误差接近一致，但以上两种模式预报效果不稳定，相比之下EC模式平均绝对误差最小，预报效果最稳定。模式在彰武县的表现则体现在5—6月GRAPES预报误差最小，7—8月NCEP_GFS误差最小。在平均误差方面，模式对阜蒙县的降水预报普遍存在偏弱现象，彰武县只有在6月模式一致为正偏差，降水预报多偏大，而8月模式误差偏大和与偏小的可能性都有。

(4)EC模式在大雨及以上量级的TS评分最高，且上述三种模式普遍存在量级偏小的问题，所以在本地大雨及以上量级的预报上，要发挥预报人员的主观能动性，不能单单只取决于数值模式或者某一个数值产品，还需要综合分析以及人工技术订正，这样才能最大发挥数值预报的作用。