唐圣鈞 王東海 杜 鈞 周鏡石
1)(成都信息工程大學(xué)大氣科學(xué)學(xué)院,成都 610225)2)(雅礱江流域水電開發(fā)有限公司,成都 610051)3)(中國氣象科學(xué)研究院災(zāi)害天氣國家重點(diǎn)實(shí)驗(yàn)室,北京 100081)4)(美國國家海洋大氣局國家環(huán)境預(yù)報(bào)中心,馬里蘭 20740)
?
混合集合預(yù)報(bào)法在華南暴雨短期預(yù)報(bào)中的試驗(yàn)
唐圣鈞1)2)王東海3)*杜 鈞4)周鏡石1)
1)(成都信息工程大學(xué)大氣科學(xué)學(xué)院,成都 610225)2)(雅礱江流域水電開發(fā)有限公司,成都 610051)3)(中國氣象科學(xué)研究院災(zāi)害天氣國家重點(diǎn)實(shí)驗(yàn)室,北京 100081)4)(美國國家海洋大氣局國家環(huán)境預(yù)報(bào)中心,馬里蘭 20740)
基于ARPS和WRF模式的多初值、多物理方案的集合預(yù)報(bào)系統(tǒng),檢驗(yàn)由高、低空間分辨率模式集成的結(jié)果。針對(duì)2013年5月8日華南地區(qū)強(qiáng)降水過程,設(shè)計(jì)ARPS模式集合、WRF模式集合和ARPS-WRF多模式集合3組試驗(yàn),對(duì)比分析混合集合預(yù)報(bào)法與傳統(tǒng)方法的降水預(yù)報(bào)效果。結(jié)果表明:ARPS模式集合改善了廣東省南部局地強(qiáng)降水預(yù)報(bào),該方法在中雨、大雨、暴雨量級(jí)改進(jìn)效果顯著。WRF模式集合對(duì)廣東省北部強(qiáng)降水預(yù)報(bào)優(yōu)于ARPS模式集合,但空?qǐng)?bào)、漏報(bào)率較大,該方法有一定局限性。ARPS-WRF多模式集合在降水落區(qū)和量級(jí)預(yù)報(bào)上均優(yōu)于傳統(tǒng)方法?;旌霞项A(yù)報(bào)法利用低分辨率(36 km)集合預(yù)報(bào)和高分辨率(12 km)控制預(yù)報(bào)實(shí)現(xiàn)了高分辨率(12 km)集合預(yù)報(bào),改善了降水預(yù)報(bào)效果,該方法可為業(yè)務(wù)高分辨率集合預(yù)報(bào)提供參考。
混合集合預(yù)報(bào)法; 高分辨率; 華南暴雨
由于大氣運(yùn)動(dòng)高度非線性,因而模式初始場的微小誤差很可能導(dǎo)致預(yù)報(bào)結(jié)果較大的不確定性[1]。為了減小模式預(yù)報(bào)的不確定性,集合預(yù)報(bào)技術(shù)已成為用于克服單一預(yù)報(bào)不確定性的有效方法[2-3],在暴雨[4-5]、氣旋[6]、水文[7]預(yù)報(bào)及短期氣候預(yù)測等方面廣泛應(yīng)用,其通過概率預(yù)報(bào)提高了災(zāi)害性天氣事件預(yù)報(bào)的可信度,大幅增強(qiáng)了對(duì)強(qiáng)對(duì)流天氣的預(yù)警能力,減少經(jīng)濟(jì)損失,具有很高的應(yīng)用價(jià)值。
近年來,區(qū)域集合預(yù)報(bào)發(fā)展迅速,已在各國氣象部門實(shí)現(xiàn)業(yè)務(wù)化。美國國家環(huán)境預(yù)報(bào)中心(NCEP)于2001年率先建立了全球第1個(gè)短期集合預(yù)報(bào)系統(tǒng)(SREF)[8]。隨后,英國和法國也相繼建立了全球區(qū)域集合預(yù)報(bào)系統(tǒng)(MOGREPS, PEARP)[9-10]。中國區(qū)域集合預(yù)報(bào)系統(tǒng)[11](WRF-REPS,2014年改為GRAPES-REPS)于2011年正式投入業(yè)務(wù)運(yùn)行。然而,由于集合預(yù)報(bào)成員較多,計(jì)算量大,在有限計(jì)算資源條件下,集合預(yù)報(bào)通常是以低分辨率模式預(yù)報(bào),很難捕捉到中尺度信息。一些研究表明,提高集合預(yù)報(bào)系統(tǒng)模式分辨率能更好描述中尺度系統(tǒng)特征。Ma等[12]研究指出,提高模式分辨率可改善多數(shù)變量(500 hPa位勢高度場、10 m經(jīng)向風(fēng)和緯向風(fēng)場等)在短期集合預(yù)報(bào)中的效果。因此,如何利用有限計(jì)算資源實(shí)現(xiàn)高分辨率集合預(yù)報(bào),改善暴雨的預(yù)報(bào),具有重要的研究價(jià)值。
在有限的計(jì)算資源情況下,Du[13]提出了混合集合預(yù)報(bào)法(hybrid ensembling),即將低精度的集合預(yù)報(bào)同高精度的單一預(yù)報(bào)結(jié)合,構(gòu)成新集成的高精度混合集合預(yù)報(bào)。Du[13]證明了混合集合預(yù)報(bào)優(yōu)于原來的低精度集合預(yù)報(bào)。為對(duì)比混合集合預(yù)報(bào)法與傳統(tǒng)方法的優(yōu)劣,建立了基于ARPS,WRF模式的36 km和12 km混合集合預(yù)報(bào)系統(tǒng)。通過個(gè)例模擬,研究了混合集合預(yù)報(bào)法對(duì)暴雨的預(yù)報(bào)效果并與傳統(tǒng)12 km集合預(yù)報(bào)對(duì)比,結(jié)果顯示,混合集合預(yù)報(bào)法仍可在一定程度上改進(jìn)降水預(yù)報(bào)。為增加結(jié)果的可靠性,分別對(duì)3組集合預(yù)報(bào)進(jìn)行試驗(yàn),總之,混合集合預(yù)報(bào)法利用有限的計(jì)算資源,實(shí)現(xiàn)了高分辨率集合預(yù)報(bào),可為業(yè)務(wù)應(yīng)用提供參考。
1.1 初值擾動(dòng)方法
該系統(tǒng)采用ARPS和WRF_ARW模式,同時(shí)考慮計(jì)算代價(jià)和動(dòng)力學(xué)意義,本系統(tǒng)采用增長模繁殖法(breeding growing mode)[14-15],間隔12 h動(dòng)態(tài)調(diào)整方式(breeding cycle)。Ma等[12]研究認(rèn)為對(duì)全球集合預(yù)報(bào),成員數(shù)小于40時(shí),提高成員數(shù)對(duì)集合預(yù)報(bào)技巧改進(jìn)明顯;Du等[16]研究認(rèn)為對(duì)短期集合預(yù)報(bào),8~10個(gè)成員能較好改進(jìn)預(yù)報(bào)技巧并獲得集合平均90%效果;高峰等[17]研究認(rèn)為,風(fēng)暴尺度集合預(yù)報(bào)技巧隨成員數(shù)增加而增加,成員數(shù)為5~13個(gè),預(yù)報(bào)技巧趨于飽和。鑒于以上研究,本系統(tǒng)采用ARPS和WRF中尺度模式,經(jīng)過資料同化系統(tǒng)(ADAS)同化分析場上,利用12 h對(duì)偶BGM擾動(dòng)方法分別對(duì)動(dòng)力場-水平速度(緯向風(fēng)u、經(jīng)向風(fēng)v)和熱力場-位溫進(jìn)行初始擾動(dòng),形成6個(gè)初始擾動(dòng)場,再將6個(gè)初始擾動(dòng)場分別在兩個(gè)模式中積分形成12個(gè)集合擾動(dòng)成員,同ARPS和WRF模式的控制預(yù)報(bào),最后形成14個(gè)集合成員。
1.2 物理過程參數(shù)化選取
許多研究[18-20]指出,物理過程參數(shù)化擾動(dòng)對(duì)集合預(yù)報(bào)結(jié)果影響很大。為了使成員盡可能包含大氣真實(shí)狀態(tài),對(duì)微物理參數(shù)化、積云對(duì)流參數(shù)化、邊界層參數(shù)化方案進(jìn)行組合集合。微物理參數(shù)化采用LIN,WARMRA,NEMICE,Thompson,WSM6,WSM5和Ferrier方案,積云對(duì)流參數(shù)化采用KF,Kuo+Kessler,New KF和BMJ方案,邊界層參數(shù)化采用MYJ,YSU,PBL specified和PBL diagnosed方案,具體方案組合見表1。
表1 系統(tǒng)集合成員的構(gòu)成Table 1 The formation of ensemble members of the system
注:n代表負(fù)擾動(dòng)成員,p代表正擾動(dòng)成員,ctl代表控制預(yù)報(bào)。
該方法為后處理方法對(duì)模式預(yù)報(bào)場的相關(guān)處理。在集合預(yù)報(bào)中,集合成員分解為
(1)
雖然微胖,但周岱翰的身體極好,因?yàn)樗ㄊ朝熤?,其著作《中醫(yī)腫瘤食療學(xué)》中介紹的食材和烹調(diào)方法多是他實(shí)踐的成果。
3.1 天氣概況
選取2013年5月8日華南暴雨過程,8日08:00—20:00(北京時(shí),下同)在廣東地區(qū)出現(xiàn)短時(shí)局地強(qiáng)降水,尤其南部和北部局部地區(qū)遭遇持續(xù)性大暴雨甚至特大暴雨,強(qiáng)度和持續(xù)時(shí)間歷史罕見。由12 h 實(shí)況降水量(圖1)可見,大暴雨區(qū)位于廣東、江西、湖南三省交界處和廣東江門附近,南部局地降水量超過150 mm,達(dá)到特大暴雨量級(jí)。一些研究[21]指出,該過程降水為暖區(qū)降水,較難預(yù)報(bào)。因此,選取8日08:00—20:00作為個(gè)例研究時(shí)段,同時(shí)檢驗(yàn)混合集合預(yù)報(bào)法對(duì)短時(shí)強(qiáng)降水預(yù)報(bào)能力。
圖1 2013年5月8日08:00—20:00降水量Fig.1 Observed precipitation from 0800 BT to 2000 BT on 8 May 2013
3.2 資料選取
采用NCEP全球預(yù)報(bào)場GFS資料作為模式背景場和側(cè)邊界條件,水平分辨率為1°×1°,側(cè)邊界每6 h更新1次。同化分析觀測資料源自華南季風(fēng)暴雨試驗(yàn)13部風(fēng)廓線雷達(dá)(南雄、清遠(yuǎn)連州、從化、龍門、增城、潮州、羅定、新會(huì)、深圳、珠海、南沙、蘿崗、湛江)資料和7部多普勒天氣雷達(dá)(潮州、陽江、韶關(guān)、梅州、汕頭、深圳、河源)資料徑向風(fēng)和反射率因子以及風(fēng)云二號(hào)E星的黑體亮溫資料(TBB)。降水資料采用國家氣象信息中心提供的我國逐小時(shí)自動(dòng)氣象站降水?dāng)?shù)據(jù)集,該數(shù)據(jù)集包含全國40589個(gè)自動(dòng)氣象站降水資料。
3.3 試驗(yàn)設(shè)計(jì)
試驗(yàn)以高、低分辨率混合集合預(yù)報(bào)和傳統(tǒng)高分辨率集合預(yù)報(bào)進(jìn)行模擬分析,試驗(yàn)水平區(qū)域?yàn)閮芍貑蜗蚯短祝椒直媛史謩e為36 km和12 km,中心經(jīng)緯度分別為32°N,108°E和24.2°N,111.8°E,水平格點(diǎn)數(shù)分別為225×177和289×217,兩層區(qū)域垂直方向均為53層,模式層頂氣壓50 hPa,控制預(yù)報(bào)和集合成員物理過程參數(shù)化方案設(shè)置見表1??紤]模式調(diào)整適應(yīng)(spin-up)需要3~6 h,將模式起報(bào)時(shí)間定為5月8日02:00,積分18 h,并對(duì)初始場進(jìn)行ADAS綜合云分析,36 km外層區(qū)域只考慮同化TBB資料,12 km內(nèi)層區(qū)域同化風(fēng)廓線、雷達(dá)、TBB資料??紤]模式差異性,設(shè)計(jì)了ARPS模式集合、WRF模式集合和ARPS-WRF多模式集合3組預(yù)報(bào)試驗(yàn),對(duì)比分析混合集合預(yù)報(bào)與傳統(tǒng)集合預(yù)報(bào)的降水預(yù)報(bào)效果,進(jìn)一步探究混合集合預(yù)報(bào)法在暴雨預(yù)報(bào)中的效果和作用。
3.4 ARPS模式集合
ARPS模式集合設(shè)置了3種對(duì)比試驗(yàn)方案:區(qū)域分辨率為12 km×12 km,成員數(shù)為7,包含6個(gè)ARPS集合擾動(dòng)成員和ARPS控制預(yù)報(bào);方案1即傳統(tǒng)內(nèi)層區(qū)域集合預(yù)報(bào),該方案集合擾動(dòng)成員通過GFS提前6,12,18 h對(duì)初始時(shí)刻的預(yù)報(bào)場差異構(gòu)造擾動(dòng)量,進(jìn)行初值和物理過程擾動(dòng)并預(yù)報(bào)生成;方案2即傳統(tǒng)兩層區(qū)域嵌套集合預(yù)報(bào),該方案內(nèi)層區(qū)域集合擾動(dòng)成員通過外層區(qū)域提前6,12,18 h對(duì)初始時(shí)刻的預(yù)報(bào)場差異構(gòu)造擾動(dòng)量,進(jìn)行初值和物理過程擾動(dòng)并預(yù)報(bào)生成;方案3即混合兩層區(qū)域嵌套集合預(yù)報(bào),該方案內(nèi)層區(qū)域集合擾動(dòng)成員是通過混合集合預(yù)報(bào)法生成,基本量為內(nèi)層區(qū)域ARPS控制預(yù)報(bào),擾動(dòng)量來自外層區(qū)域集合擾動(dòng)成員與外層區(qū)域控制預(yù)報(bào)的差異值。其中,方案2和方案3的外層區(qū)域集合擾動(dòng)成員生成方式與方案1類似。
圖2 ARPS 3種方案12 h累積降水預(yù)報(bào)集合平均和離散度Fig.2 12 h accumulative precipitation ensemble mean and spread of 3 schemes in ARPS
概率預(yù)報(bào)是集合預(yù)報(bào)最大優(yōu)勢,概率分布包含集合成員所有信息,因此,通過概率預(yù)報(bào)能全面描述集合預(yù)報(bào)對(duì)物理量分布特征。圖3為ARPS 3種試驗(yàn)方案分別對(duì)大雨(不小于15 mm)、暴雨(不小于30 mm)和大暴雨(不小于70 mm)5月8日08:00—20:00的12 h降水概率預(yù)報(bào)。由大雨量級(jí)的概率預(yù)報(bào)(圖3)可知,3種方案概率分布覆蓋范圍大致相同,實(shí)際降水基本涵蓋其中,表明3種方案均包含大氣真實(shí)情況,但降水高概率區(qū)存在差異,方案3對(duì)南部降水中心預(yù)報(bào)效果最優(yōu)。從暴雨、大暴雨量級(jí)的概率預(yù)報(bào)(圖3)看出,對(duì)南部降水中心,方案3大概率區(qū)與實(shí)況更為接近;對(duì)北部降水中心,方案2大概率區(qū)與實(shí)況對(duì)應(yīng)較好;方案1無法預(yù)報(bào)出南部降水大概率區(qū)。可見,不同方案對(duì)降水中心預(yù)報(bào)差異明顯。
為檢驗(yàn)3種方案集合平均對(duì)降水預(yù)報(bào)準(zhǔn)確率,采用TS評(píng)分衡量某一量級(jí)降水預(yù)報(bào)。12 h降水量級(jí)分為中雨以上(不小于5 mm)、大雨以上(不小于15 mm)、暴雨以上(不小于30 mm)、大暴雨以上(不小于70 mm)和特大暴雨(不小于140 mm),檢驗(yàn)區(qū)域范圍為21.5°~26.5°N,109.0°~115.5°E。由3種方案的降水集合平均TS評(píng)分(圖4)可知,方案3在大雨、暴雨、大暴雨、特大暴雨量級(jí)優(yōu)勢明顯,降水預(yù)報(bào)準(zhǔn)確度從高到低依次為方案3、方案2、方案1,即混合集合預(yù)報(bào)法對(duì)降水預(yù)報(bào)改善顯著。
圖3 ARPS 3種方案12 h降水概率預(yù)報(bào)大雨Fig.3 12 h precipitation probabilistic forecast of 3 schemes in ARPS
為進(jìn)一步檢驗(yàn)3種方案構(gòu)建的集合預(yù)報(bào)系統(tǒng)性能,采用BS(Brier Score)評(píng)分檢驗(yàn)降水概率預(yù)報(bào)效果。12 h降水BS評(píng)分設(shè)定降水量級(jí)閾值為5,15,30,70,140 mm。由3種方案BS評(píng)分(圖4)可知,對(duì)中雨、大雨、暴雨量級(jí),方案3優(yōu)勢明顯,但對(duì)大暴雨、特大暴雨量級(jí),其效果不及傳統(tǒng)集合預(yù)報(bào)方法,這是因?yàn)楦怕暑A(yù)報(bào)范圍較大導(dǎo)致空?qǐng)?bào)較多對(duì)大暴雨、特大暴雨改進(jìn)效果有限。
3.5 WRF模式集合
類似ARPS模式集合,WRF模式集合設(shè)置了3種對(duì)比試驗(yàn)方案。WRF模式集合中WRF控制預(yù)報(bào)成員使用ARPS資料同化系統(tǒng)(ADAS)初始分析場,而其他集合成員初始擾動(dòng)場來自BGM初值擾動(dòng)。
由12 h累積降水預(yù)報(bào)集合平均(圖5)可知,3種方案對(duì)北部降水中心模擬差異較大,方案3能模擬出3個(gè)強(qiáng)降水中心,落區(qū)與實(shí)況靠近,強(qiáng)度偏強(qiáng);方案2在強(qiáng)度上與實(shí)況接近;方案1無法模擬出北部降水中心;對(duì)比ARPS模式集合(圖2),方案2和方案3優(yōu)勢明顯,但3種方案均無法模擬出南部降水中心。由降水離散度(圖5)可知,方案2中北部離散度大值區(qū)與暴雨位置對(duì)應(yīng)較好;方案3北部離散度小,說明混合集合成員較為一致。即不同模式的降水預(yù)報(bào)差異明顯(南部降水中心),單一模式集合(WRF)很難捕捉中尺度天氣系統(tǒng)。
圖4 ARPS 3種方案12 h 累積降水預(yù)報(bào)TS評(píng)分和BS評(píng)分Fig.4 Threat Score and Brier Score of 12 h accumulative precipitation for 3 schemes in ARPS
圖5 WRF 3種方案12 h累積降水預(yù)報(bào)集合平均和離散度Fig.5 12 h accumulative precipition ensemble mean and spread of 3 schemes in WRF
由大雨、暴雨量級(jí)的降水概率預(yù)報(bào)(圖略)可知,3種方案對(duì)北部降水中心模擬較好,方案1和方案2存在高概率區(qū)空?qǐng)?bào)現(xiàn)象(廣東中部);大暴雨量級(jí)上概率預(yù)報(bào)表明:3種方案均無法模擬出南部降水中心,但方案3對(duì)北部降水中心概率達(dá)到50%,更接近實(shí)況。即混合集合預(yù)報(bào)法在不同量級(jí)的降水概率預(yù)報(bào)有一定優(yōu)勢。
類似ARPS模式集合檢驗(yàn),3種方案TS評(píng)分(圖6)表明:方案2在大雨、暴雨量級(jí)預(yù)報(bào)優(yōu)勢明顯,方案3在大暴雨量級(jí)預(yù)報(bào)有一定優(yōu)勢。BS評(píng)分(圖6)顯示在暴雨量級(jí)上,方案3預(yù)報(bào)效果較差,這是由方案3對(duì)南部強(qiáng)降水區(qū)漏報(bào)造成的;在大暴雨量級(jí)上,方案1預(yù)報(bào)效果最優(yōu),這與方案2和方案3北部大范圍區(qū)域空?qǐng)?bào)而改進(jìn)效果有限有關(guān)??梢?,對(duì)WRF模式集合,混合集合預(yù)報(bào)法較傳統(tǒng)方法優(yōu)勢不明顯,有一定局限性。
圖6 WRF 3種方案12 h累積降水TS評(píng)分和BS評(píng)分Fig.6 Threat Score and Brier Score of 12 h accumulative precipitation for 3 schemes in WRF
3.6 ARPS-WRF多模式集合
由以上分析可知,ARPS模式混合集合能模擬出南部強(qiáng)降水中心,而WRF模式混合集合能較好地捕捉北部降水中心,因此,ARPS-WRF多模式集合可將兩者優(yōu)勢融為一體,并彌補(bǔ)WRF模式對(duì)南部降水預(yù)報(bào)的缺陷,具有一定參考價(jià)值。類似ARPS模式集合,ARPS-WRF多模式集合設(shè)置了3種對(duì)比試驗(yàn)方案。
由3種方案12 h累積降水預(yù)報(bào)集合平均(圖7)可知,3種方案均能大致模擬出雨帶整體走向,但強(qiáng)度上存在差異,主要體現(xiàn)在廣東南部強(qiáng)降水預(yù)報(bào),方案3中南部降水中心達(dá)到70 mm,較實(shí)況偏弱(實(shí)況降水中心為150 mm),這是WRF成員預(yù)報(bào)強(qiáng)度偏弱造成的,優(yōu)于方案1和方案2;對(duì)北部雨帶模擬,方案2與實(shí)況很相似,能模擬出北部雨帶3個(gè)強(qiáng)降水中心;方案2和方案3對(duì)北部雨帶模擬位置略偏北,優(yōu)于方案1。由于不同成員對(duì)強(qiáng)降水中心位置預(yù)報(bào)偏移,集合平均會(huì)過濾極端信息從而導(dǎo)致降水偏少,因此,集合平均對(duì)極端強(qiáng)降水并非一個(gè)好指標(biāo)[15,23],概率預(yù)報(bào)更為適合。由降水離散度(圖7)可知,離散度分布與集合平均相似,方案2和方案3南北部離散度大值區(qū)與實(shí)況降水帶對(duì)應(yīng),與ARPS模式集合分布相似。
由大雨量級(jí)的概率預(yù)報(bào)(圖8)可知,方案2和方案3中實(shí)況大雨區(qū)(圖1)概率超過50%,但方案2在廣東西部大雨有空?qǐng)?bào)現(xiàn)象;方案1南北部降水中心大雨概率較低,且廣東中部有大范圍空?qǐng)?bào)現(xiàn)象;可見,方案3對(duì)大雨概率預(yù)報(bào)最優(yōu)。由暴雨量級(jí)的概率預(yù)報(bào)(圖8)可知,方案2和方案3的北部暴雨概率預(yù)報(bào)區(qū)基本一致,隨概率增加,區(qū)域范圍也有一定差異,方案2的暴雨概率預(yù)報(bào)位置較方案3更為準(zhǔn)確,但方案3對(duì)南部暴雨概率預(yù)報(bào)明顯好于方案2,達(dá)到40%;方案1南北部暴雨概率均較低,說明方案3對(duì)暴雨概率預(yù)報(bào)較方案1和方案2有一定改善。從大暴雨量級(jí)的概率預(yù)報(bào)(圖8)可知,方案1和方案2無法預(yù)報(bào)南部大暴雨概率區(qū),但方案3有明顯改善,其概率達(dá)到40%;方案2較方案1和方案3對(duì)北部大暴雨概率區(qū)描述更為準(zhǔn)確,但概率只有20%~30%。由此可見,雖然3種方案對(duì)大雨、暴雨和大暴雨的概率預(yù)報(bào)均有所反映,但總體來說,方案3的預(yù)報(bào)效果最好,尤其對(duì)南部降水中心的預(yù)報(bào),即混合集合預(yù)報(bào)法對(duì)暴雨預(yù)報(bào)有明顯改善作用。 3種方案TS評(píng)分(圖9)表明:方案3在各降水量級(jí)上明顯優(yōu)于其他兩種方案,在大雨、暴雨、大暴雨量級(jí)優(yōu)勢明顯,而特大暴雨TS評(píng)分為0,這是集合平均過濾極端信息造成的;降水預(yù)報(bào)準(zhǔn)確度從高到低依次為方案3、方案2、方案1,所以混合集合預(yù)報(bào)法對(duì)暴雨預(yù)報(bào)具有明顯優(yōu)勢。BS評(píng)分(圖9)顯示:方案3在中雨、大雨、暴雨量級(jí)效果顯著;隨著降水量級(jí)增加,方案1在大暴雨量級(jí)上較其他兩種方案略有優(yōu)勢,在特大暴雨量級(jí)上,3種方案效果趨于一致;在大暴雨、特大暴雨量級(jí)上,ARPS-WRF多模式混合集合的預(yù)報(bào)效果明顯優(yōu)于ARPS模式混合集合,其中ARPS-WRF多模式混合集合在大暴雨、特大暴雨量級(jí)上的BS評(píng)分分別為0.093和0.019,而對(duì)應(yīng)的ARPS模式混合集合的BS評(píng)分為0.117和0.038。以上結(jié)果說明,混合集合預(yù)報(bào)法能夠改進(jìn)集合預(yù)報(bào)系統(tǒng)效果,提高集合預(yù)報(bào)系統(tǒng)對(duì)中雨、大雨、暴雨量級(jí)的預(yù)報(bào)準(zhǔn)確度,但對(duì)大暴雨、特大暴雨量級(jí)因概率預(yù)報(bào)范圍較大,導(dǎo)致空?qǐng)?bào)較多而改進(jìn)效果有限。
圖7 ARPS-WRF 3種方案12 h累積降水預(yù)報(bào)集合平均和離散度Fig.7 12 h accumulative precipitation ensemble mean and spread of 3 schemes in ARPS-WRF
圖8 ARPS-WRF 3種方案12 h降水概率預(yù)報(bào)Fig.8 12 h precipitation probabilistic forecast of 3 schemes in ARPS-WRF
續(xù)圖8
圖9 ARPS-WRF3種方案12 h累積降水預(yù)報(bào)TS評(píng)分和BS評(píng)分Fig.9 Threat Score and Brier Score of 12 h accumulative precipitation for 3 schemes in ARPS-WRF
本文采用混合集合預(yù)報(bào)法,建立了一套基于ARPS,WRF模式的混合集合預(yù)報(bào)系統(tǒng)。利用該系統(tǒng)設(shè)計(jì)了3組集合預(yù)報(bào)試驗(yàn),通過降水分析及集合預(yù)報(bào)檢驗(yàn)等手段,綜合對(duì)比分析了混合集合預(yù)報(bào)與傳統(tǒng)集合預(yù)報(bào)在華南暴雨短期預(yù)報(bào)中的效果,得到以下主要結(jié)論:
1) ARPS模式集合顯示混合集合預(yù)報(bào)相對(duì)傳統(tǒng)集合預(yù)報(bào)對(duì)南部局地強(qiáng)降水模擬較好。降水TS評(píng)分顯示混合集合預(yù)報(bào)法在各量級(jí)降水預(yù)報(bào)都優(yōu)于傳統(tǒng)方法,降水BS評(píng)分顯示混合集合預(yù)報(bào)法提高了中雨、大雨、暴雨量級(jí)降水預(yù)報(bào),但因概率覆蓋范圍較大導(dǎo)致空?qǐng)?bào)較多對(duì)大暴雨、特大暴雨量級(jí)改進(jìn)效果有限。
2) WRF模式集合顯示混合集合預(yù)報(bào)能模擬出北部3個(gè)強(qiáng)降水中心,強(qiáng)度偏強(qiáng),北部降水中心概率達(dá)到50%,優(yōu)于ARPS模式集合;從降水TS評(píng)分和BS評(píng)分看,由于大范圍空?qǐng)?bào)、漏報(bào)現(xiàn)象,混合集合預(yù)報(bào)較傳統(tǒng)方法優(yōu)勢不明顯,有一定局限性。
3) ARPS-WRF多模式集合顯示混合集合預(yù)報(bào)相對(duì)傳統(tǒng)集合預(yù)報(bào)對(duì)暴雨預(yù)報(bào)有明顯改善,尤其對(duì)南部局地強(qiáng)降水預(yù)報(bào);降水TS評(píng)分表明混合集合預(yù)報(bào)法在各量級(jí)降水(除特大暴雨)預(yù)報(bào)上均優(yōu)于傳統(tǒng)方法;降水BS評(píng)分顯示混合集合預(yù)報(bào)法提高了中雨、大雨、暴雨量級(jí)降水預(yù)報(bào)準(zhǔn)確度,但對(duì)大暴雨、特大暴雨量級(jí)因概率覆蓋范圍較大導(dǎo)致空?qǐng)?bào)較多而改進(jìn)效果有限,但仍優(yōu)于單一模式集合。
綜上所述,對(duì)比傳統(tǒng)集合預(yù)報(bào),混合集合預(yù)報(bào)可在一定程度上改進(jìn)降水預(yù)報(bào)效果。然而,本文只通過1次個(gè)例對(duì)混合集合預(yù)報(bào)法進(jìn)行初步探究,由于個(gè)例的特殊性,ARPS,WRF模式模擬結(jié)果差異較大,其結(jié)論有一定局限性,下一步工作需要對(duì)其他暴雨過程進(jìn)行批量試驗(yàn),詳細(xì)分析混合集合預(yù)報(bào)法在暴雨短期集合預(yù)報(bào)中的效果。
[1] Lorenz E N.A study of the predictability of a 28-variable atmospheric model.Tellus,1956,17:321-333.
[2] 杜鈞.集合預(yù)報(bào)的現(xiàn)狀和前景.應(yīng)用氣象學(xué)報(bào),2002,13(1):16-28.
[3] 杜鈞,陳靜.單一值預(yù)報(bào)向概率預(yù)報(bào)轉(zhuǎn)變的基礎(chǔ):談?wù)劶项A(yù)報(bào)及其帶來的變革.氣象,2010,36(11):1-11.
[4] 王晨稀.短期集合降水概率預(yù)報(bào)試驗(yàn).應(yīng)用氣象學(xué)報(bào),2005,16(1):78-88.
[5] 吳政謙,徐海明,王東海,等.中尺度多模式超級(jí)集合預(yù)報(bào)對(duì)2010年6月19—20日中國南方大暴雨過程的分析.熱帶氣象學(xué)報(bào),2012,28(5):653-663.
[6] 王晨稀,梁旭東.熱帶氣旋路徑集合預(yù)報(bào)試驗(yàn).應(yīng)用氣象學(xué)報(bào),2007,18(5):586-593.
[7] 趙琳娜,劉瑩,黨皓飛,等.集合數(shù)值預(yù)報(bào)在洪水預(yù)報(bào)中的應(yīng)用進(jìn)展.應(yīng)用氣象學(xué)報(bào),2014,25(6):641-653.
[8] Du J,Tracton M S.Implementation of a Real-time Short-range Ensemble Forecasting System at NCEP,an Update∥Preprints,9th Conferenceon Mesoscale Processes.Amer Meteor Soc,2001:355-356.
[9] Bowler N E,Arribas A,Mylne K R,et al.The MOGREPS short-range ensemble prediction system.QJRMeteorSoc,2008,134:703-722.
[10] Descamps L,Labadie C,Joly A,et al.PEARP,the Météo-France short-range ensemble prediction system.QJRMeteorSoc,2014,doi:10.1002/qj.2469.
[11] 鄧國,龔建東,鄧蓮堂,等.國家級(jí)區(qū)域集合預(yù)報(bào)系統(tǒng)研發(fā)和性能檢驗(yàn).應(yīng)用氣象學(xué)報(bào),2010,21(5):513-523.
[12] Ma J,Zhu Y,Wobus R,et al.Aneffective configuration of ensemble size and horizontal resolution for the NCEP GEFS.AdvAtmosSci,2012,29:782-794.
[13] Du J.Hybrid Ensemble Prediction System:A New Ensembling Approach∥Preprints, Symposium on the 50th Anniversary of Operational Numerical Weather Prediction.Amer Meteor Soc,2004:14-17.
[14] Toth Z,Kalnay E.Ensemble forecasting at NMC,the generation of perturbation.BullAmerMeteorSoc,1993,74:2317-2330.
[15] Toth Z,Kalnay E.Ensemble forecasting at NCEP and the breeding method.MonWeaRev,1997,125:3297-3319.
[16] Du J,Mullen S L,Sander F.Short-range ensemble forecasting of quantitative precipitation.MonWeaRev,1997,125(10):2427-2459.
[17] 高峰,閔錦忠,孔凡鈾,等.風(fēng)暴尺度集合成員數(shù)對(duì)預(yù)報(bào)技巧的影響.南京氣象學(xué)院學(xué)報(bào),2009,32(2):215-221.
[18] 王晨稀,端義宏.短期集合預(yù)報(bào)技術(shù)在梅雨降水預(yù)報(bào)中的試驗(yàn)研究.應(yīng)用氣象學(xué)報(bào),2003,14(1):69-78.
[19] 譚燕,陳德輝.基于非靜力模式物理擾動(dòng)的中尺度集合預(yù)報(bào)試驗(yàn).應(yīng)用氣象學(xué)報(bào),2007,18(3):396-406.
[20] 李俊,杜鈞,劉羽.北京“7.21”特大暴雨不同集合預(yù)報(bào)方案的對(duì)比試驗(yàn).氣象學(xué)報(bào),2015,73(1):50-71.
[21] 張誠忠,陳子通,萬齊林,等.雷達(dá)反演水汽在華南前汛期短時(shí)臨近降水預(yù)報(bào)應(yīng)用試驗(yàn).熱帶氣象學(xué)報(bào),2014,30(5):801-810.
[22] 李俊,杜鈞,王明歡,等.中尺度暴雨集合預(yù)報(bào)系統(tǒng)研發(fā)中的初值擾動(dòng)試驗(yàn).高原氣象,2009,28(6):1365-1375.
[23] 李俊,杜鈞,陳超君.“頻率匹配法”在集合降水預(yù)報(bào)中的應(yīng)用:集合平均、偏差訂正及它們的結(jié)合.氣象,2015,41(6):674-685.
The Experiment of Hybrid Ensemble Forecast Approach in Short-range Forecast for South China Rainstorm
Tang Shengjun1)2)Wang Donghai3)Du Jun4)Zhou Jingshi1)
1)(CollegeofAtmosphericSciences,ChengduUniversityofInformationTechnology,Chengdu610225)2)(YalongRiverHydropowerDevelopmentCompany,Ltd,Chengdu610051)3)(StateKeyLabofSevereWeather,ChineseAcademyofMeteorologicalSciences,Beijing100081)4)(NationalCentersforEnvironmentalPrediction/NationalOceanicandAtmosphericAdministration,USA,Maryland20740)
Hybrid ensemble forecast approach composed of high-resolution and low-resolution model is tested with multi-initial conditions and multi-physics ensemble prediction system (EPS) based on ARPS and WRF. Three kinds of ensemble prediction experiments (ARPS model ensemble, WRF model ensemble and ARPS-WRF multi-model ensemble) are designed to comparatively analyze the precipitation effect between the hybrid ensemble forecast approach and traditional ensemble forecast approach based on the heavy rainfall event occurred in Southern China on 8 May 2013. ARPS model ensemble improves local precipitation simulation over southern part of Guangdong Province. The center intensity of southern ensemble mean reaches 150 mm, close to the observation, but its location shifts northeast a little. The distribution of ensemble spread is similar to that of ensemble mean. The probabilistic forecast area of the approach is close to the observation in terms of the torrential rain and downpour forecast. The Threat Score (TS) show that the greatest improvements for order of magnitude precipitation are obtained by the hybrid ensemble approach. The Brier Score (BS) also shows that the improvement on moderate rain, heavy rain and torrential rain is obvious, but the improvement on downpour and excessive storm is limited for the approach. WRF model ensemble has a better performance on precipitation simulation over northern part of Guangdong Province, but the hybrid approach is limited because of the large frequency of false alarms and misses. ARPS-WRF multi-models obviously improve precipitation simulation which has a better performance than those of traditional ensemble forecast approach on precipitation area and intensity. The center intensity of southern precipitation reaches 70 mm, less than the observation and it is caused by the weaker WRF members forecast. The distribution of ensemble spread is similar to that of ensemble mean. The probabilistic forecast of torrential rain and downpour in southern area is best up to 40%. The TS shows that the greatest improvements for order of magnitude precipitation are obtained by the hybrid ensemble approach, especially for heavy rain, torrential rain and downpour. The BS also shows that the improvement on moderate rain, heavy rain and torrential rain is obvious. ARPS-WRF multi-models have better performance than ARPS model on the forecast of downpour and excessive storm. Therefore, the hybrid ensemble forecast approach achieves high-resolution ensemble forecast system and improves the precipitation simulation combining low-resolution ensemble run with single high-resolution control model run. Meanwhile, a reference to high-resolution ensemble forecast system is provided for operational weather prediction centers.
hybrid ensemble forecast approach; high resolution; South China rainstorm
10.11898/1001-7313.20150603
國家自然科學(xué)基金項(xiàng)目(91437221),國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(2012CB417204),公益性行業(yè)(氣象)科研專項(xiàng)(GYHY201306005)
唐圣鈞,王東海,杜鈞,等. 混合集合預(yù)報(bào)法在華南暴雨短期預(yù)報(bào)中的試驗(yàn). 應(yīng)用氣象學(xué)報(bào),2015,26(6):669-679.
2015-03-25收到, 2015-06-10收到再改稿。
* 通信作者, email: wangdh@cams.cma.gov.cn