基于LAPS分析場的中尺度模式暴雨預(yù)報檢驗

尚 博 鞏力源 徐建飛 雷 敏

（1.長春市氣象局，吉林長春 130013；2.吉林省氣象探測保障中心，吉林長春 130062）

1 引言

隨著大氣探測和資料同化技術(shù)的發(fā)展，雷達(dá)、衛(wèi)星、自動站、探空、微波輻射計等多種探測資料用于重建連續(xù)的格點再分析資料，與單一觀測資料相比，融合資料分辨率高，能夠較好地反映云和降水的宏微觀信息，不僅在天氣形勢分析中具有重要作用，同時也為模式預(yù)報提供了更詳細(xì)的初始信息，對強(qiáng)天氣預(yù)報具有改善效果[1-6]。

LAPS是美國國家海洋大氣管理局研發(fā)的局地氣象預(yù)報分析系統(tǒng)，該系統(tǒng)最重要的特點是能夠?qū)⒍嘣从^測資料在同一數(shù)值平臺上統(tǒng)一同化處理，且時空分辨率高[7]。上海中心氣象臺于2010年引入LAPS，并針對夏季6個強(qiáng)對流個例，分析了熱島效應(yīng)和海陸風(fēng)環(huán)流對強(qiáng)對流觸發(fā)機(jī)制的影響[8]。楊磊等[9]應(yīng)用遼寧本地化LAPS系統(tǒng)，分析了2013年8月16日遼寧撫順地區(qū)一次特大暴雨過程，檢驗了LN-LAPS融合多種觀測資料后的預(yù)報效果。彭菊香等[10]利用LAPS中尺度分析場對華中區(qū)域進(jìn)行了檢驗與評估，定量對比分析了各種觀測資料在LAPS中的應(yīng)用，結(jié)果表明LAPS融合所有觀測資料后得到的分析場最優(yōu)。李紅莉等[11]利用LAPS融合了中國多普勒雷達(dá)觀測資料，對輸出場在梅雨期強(qiáng)降水過程中的應(yīng)用進(jìn)行了研究，指出LAPS融合雷達(dá)徑向風(fēng)后，對風(fēng)場預(yù)報的改善效果較明顯，可以揭示流場的中尺度信息。

吉林省西部多平原東部多山區(qū)，氣候背景復(fù)雜，夏季暴雨是主要的災(zāi)害性天氣之一。冷渦天氣、臺風(fēng)北上和中小尺度系統(tǒng)觸發(fā)的強(qiáng)對流等都是引發(fā)吉林省暴雨的主要天氣系統(tǒng)。近年來，極端降水事件明顯增多，給人民財產(chǎn)和安全帶來巨大的損失。本文使用LAPS系統(tǒng)，同化了吉林省范圍內(nèi)多部雷達(dá)、衛(wèi)星和自動站的資料，形成高精度的分析場，并將其作為WRF模式初始場進(jìn)行數(shù)值模擬，利用吉林省2019—2020年6次暴雨個例，對比檢驗高精度初始場在暴雨中的預(yù)報能力，為局地氣象災(zāi)害的監(jiān)測、預(yù)警服務(wù)提供參考。

2 資料和試驗方案介紹

2.1 資料和方法介紹

選取2019—2020年夏季6次暴雨個例，使用吉林省774個地面觀測站的實況降水?dāng)?shù)據(jù)用于模式預(yù)報檢驗。插值方法使用臨近插值法，即將模式預(yù)報數(shù)據(jù)按鄰近點方法取值到觀測站點后進(jìn)行對比與統(tǒng)計。

依據(jù)預(yù)報正確站數(shù)、空報站數(shù)和漏報站數(shù)，計算TS評分、空報率和漏報率[12]。評估時效為6次降水個例當(dāng)日17時至次日05時累計實況降水量，12h降水量級定義，按照小雨、中雨、大雨、暴雨、大暴雨、特大暴雨進(jìn)行區(qū)分，得到6次個例不同量級降水的站點個數(shù)（表1）。

表1 2019—2020年吉林省6次降水個例不同量級降水站點個數(shù) 個

2.2 試驗方案設(shè)置

LAPS包括風(fēng)分析、地面分析、溫度分析、云分析、水汽分析等模塊。本文使用LAPS系統(tǒng)融合GFS預(yù)報場以及吉林省范圍內(nèi)4部雷達(dá)、葵花衛(wèi)星的紅外通道和可見光通道數(shù)據(jù)、質(zhì)量控制后的區(qū)域站資料，形成一個覆蓋吉林全省的三維高分辨率格點場，水平分辨率9km，時間分辨率10min。輸出產(chǎn)品主要有云頂高度、云底高度、云總量、三維比濕、三維云冰總含量、云水總含量、三維溫度場、三維風(fēng)場、總降水量、沙氏指數(shù)等。WRFLAPS是以LAPS分析場作為WRF模式的初始場，運(yùn)行輸出WRF模式數(shù)值天氣預(yù)報系統(tǒng)。

GFS（Global Forecasting System）是美國國家環(huán)境預(yù)測中心（NCEP）的分析及預(yù)報場資料，2019年6月GFS v16升級為基于立方球有限體積算法，取代了原譜模型，此次升級將模型頂部從平流層上部擴(kuò)展到中間層，新的方案對模型未明確解析的靜止和非靜止重力波進(jìn)行參數(shù)化。WRF-GFS以0.5°×0.5° GFS數(shù)據(jù)作為WRF模式的初始場，運(yùn)行輸出WRF模式數(shù)值天氣預(yù)報系統(tǒng)。

WRF模式設(shè)置分為兩層嵌套，外層嵌套網(wǎng)格距為9km，內(nèi)層格距為3km，垂直方向39層，積分時間步長為27s，積云對流化參數(shù)方案為Grell 3D，微物理過程方案為WSM5，長波輻射方案為RRTM，邊界層方案為Thermal Diffusion，輸出的微物理參量主要包含水汽、云水、雨水、雪、冰晶混合比，地圖投影方式為蘭伯特投影。為便于對比LAPS高精度初始場對暴雨預(yù)報的影響，WRFGFS和WRF-LAPS這兩種模式均采用相同的運(yùn)算范圍和參數(shù)化方案設(shè)置，起報時刻為當(dāng)日14時。

3 結(jié)果分析

3.1 12h降水定性檢驗

為檢驗LAPS高精度分析場作為模式初始場后暴雨的預(yù)報效果，從6次個例17時至次日05時12h降水實況、WRF-LAPS預(yù)報和WRF-GFS預(yù)報降水量可以看出，6次個例吉林省均發(fā)生了暴雨，其中4次發(fā)生了大暴雨，兩種模式都給出了暴雨提示，WRF-LAPS給出了大暴雨提示4次，WRF-GFS給出了大暴雨提示2次，但不同個例暴雨落區(qū)與實況有一定差異。個例一（圖1），實況降水主要發(fā)生在吉林省的中部，其中長春西南部雨量較大，暴雨集中在長春市區(qū)44°N附近，呈塊狀分布。兩種模式預(yù)報的降水落區(qū)比實況略大，WRF-GFS預(yù)報的暴雨落區(qū)更接近實況，且形狀相似；WRF-LAPS預(yù)報的暴雨落區(qū)形狀相似但落區(qū)偏南，且在吉林市東南部存在暴雨的空報區(qū)域。實況7個站點出現(xiàn)了大暴雨，WRF-GFS給出了大暴雨的提示。

圖1 個例一吉林省實況（a）、WRF-LAPS預(yù)報（b）和WRF-GFS預(yù)報（c）降水量

個例二（圖2），實況降水主要發(fā)生在吉林省的中東部，由西向東降水量級逐漸增大，東部存在兩條暴雨帶，一條貫穿吉林市，一條位于延邊州琿春一帶。WRF-LAPS預(yù)報的降水范圍主要位于吉林省的中東部，且自西向東雨量逐漸增大，吉林市和琿春市的暴雨落區(qū)與實況一致，但總體WRFLAPS預(yù)報的量級偏大，吉林、通化、琿春預(yù)報均比實況大一個量級。WRF-GFS預(yù)報的降水范圍比實況更偏西，沒有預(yù)報出吉林中部的帶狀暴雨，量級偏小，琿春市的暴雨在落區(qū)和量級上與實況較吻合。兩個模式的共同點是通化一帶均出現(xiàn)了暴雨的空報。

圖2 個例二吉林省實況（a）、WRF-LAPS預(yù)報（b）和WRF-GFS預(yù)報（c）降水量

個例三，除了白城地區(qū)外，全省有分布不均勻的降水，強(qiáng)降水區(qū)位于吉林省中部的長春、四平地區(qū)，呈帶狀分布，其中暴雨區(qū)位于四平地區(qū)以及長春北部的榆樹和南部的公主嶺。WRF-LAPS預(yù)報的降水范圍和暴雨的形態(tài)與實況較一致，暴雨落區(qū)在南北兩側(cè)，中部為中到大雨。WRF-GFS雖然較好地預(yù)報了南北兩側(cè)降水量級大中間小的帶狀形態(tài)，但位置略有偏北。

個例四，吉林全省范圍內(nèi)有分布不均勻的降水，中西部以中到大雨為主，白城、松原、延邊、四平有分散的暴雨區(qū)，呈點狀。WRF-LAPS預(yù)報的降水范圍與實況基本吻合，中西部雨量大，東部雨量小，暴雨呈點狀分布，但落區(qū)有一定偏差。WRFGFS預(yù)報的降水范圍與實況亦基本吻合，白城地區(qū)同樣預(yù)報了散點式分布的暴雨，吉林省南部預(yù)報的大雨和暴雨區(qū)與實況位置接近，但中部地區(qū)預(yù)報的降水量級偏小。

個例五，降水主要位于吉林省中西部地區(qū)，降水梯度明顯，自西向東逐漸減小，暴雨區(qū)主要在白城北部和松原的扶余。WRF-LAPS預(yù)報的降水范圍、降水梯度和暴雨區(qū)的位置均與實況接近。WRF-GFS預(yù)報的降水范圍偏大，且對于暴雨模式基本沒有提示。

個例六，降水分布不均勻，實況有13站發(fā)生了暴雨，但較為分散，僅在松原南部呈現(xiàn)點狀的暴雨區(qū)。WRF-LAPS預(yù)報的降水分布不均勻，松原地區(qū)發(fā)生的暴雨模式給出了提示，且位置對應(yīng)較好，但范圍略大；吉林市北部有暴雨的空報，降水范圍與實況略有偏差；白城地區(qū)存在中到大雨漏報；東部地區(qū)存在大雨空報。WRF-GFS預(yù)報的降水分布不均勻，但松原地區(qū)的暴雨漏報，吉林市北部存在小范圍的暴雨空報區(qū)。6次暴雨個例表明LAPS作為模式初始場在降水范圍、降水梯度、暴雨落區(qū)和極值的預(yù)報上有一定的改善作用。

3.2 12h降水定量檢驗

以上定性分析了兩種模式對暴雨預(yù)報的影響，為了定量檢驗高精度初始場對暴雨預(yù)報的效果，本文采用氣象業(yè)務(wù)預(yù)報中常用的降水量級預(yù)報統(tǒng)計檢驗量TS評分、空報率和漏報率。檢驗使用的不同量級實況降水站點數(shù)見表1，6次個例產(chǎn)生大雨及大雨以上量級的降水總站數(shù)共711個，其中暴雨為268個站，大暴雨為19個站。

3.2.1 12h降水TS評分

圖3給出了WRF-LAPS和WRF-GFS預(yù)報的12h不同量級降水的TS評分，從圖中可以看到，個例一至個例六WRF-LAPS預(yù)報的暴雨量級TS評 分 分 別 為0.237、0.558、0.299、0.083、0.214、0，WRF-GFS預(yù)報的暴雨量級TS評分分別為0.026、0.186、0.209、0、0.036、0。6次個例實況均發(fā)生了暴雨，WRF-LAPS成功預(yù)報了其中的5次，WRF-GFS成功預(yù)報了其中的4次，且每次WRFLAPS的暴雨TS評分均高于WRF-GFS。個例一至個例四降水實況均發(fā)生了大暴雨，WRF-LAPS成功預(yù)報了其中的2次，為個例二和個例三；WRFGFS預(yù)報了0次。可見，WRF-LAPS對于暴雨和大暴雨的預(yù)報具有改善作用。

圖3 個例一（a）、個例二（b）、個例三（c）、個例四（d）、個例五（e）、個例六（f）WRF-LAPS與WRF-GFS預(yù)報12h累計降水分級TS評分

在個例二和個例三中，WRF-LAPS不僅成功預(yù)報了大暴雨的量級和落區(qū)，還可以看到其暴雨的TS評分明顯高于其他4個個例；WRF-GFS預(yù)報的個例二和個例三的暴雨TS評分也高于其他4個個例。說明模式對于降水區(qū)呈帶狀的區(qū)域性暴雨的預(yù)報效果好于降水區(qū)呈塊狀和點狀的局地性暴雨。

3.2.2 12h降水空報率

表2給出了兩種模式對6次個例12h累計降水預(yù)報的分級空報率。在暴雨量級的預(yù)報中可以看出，個例一至個例四WRF-LAPS暴雨空報率均低于WRF-GFS，個例五WRF-LAPS暴雨空報率比WRF-GFS高0.029，個例六兩者相同。個例一至個例四實況均有大暴雨，WRF-LAPS在大暴雨量級有3次空報，個例二和個例三都為0.8；WRF-GFS沒有預(yù)報出大暴雨，不存在空報率。可見，WRF-LAPS在大暴雨量級的預(yù)報上具有提示性，在暴雨量級預(yù)報上空報率比WRFGFS低。

同時還發(fā)現(xiàn)在6次暴雨個例中，個例二和個例三WRF-LAPS的暴雨空報率分別為0.586和0.688，WRF-GFS的暴雨空報率分別為0.619和0.778，與TS評分有相似之處，即個例二和個例三的暴雨空報率明顯低于其他個例。亦說明模式對于降水區(qū)呈帶狀的區(qū)域性暴雨的預(yù)報效果好于降水區(qū)呈塊狀和點狀的局地性暴雨。

3.2.3 12h降水漏報率

表3給出了兩種模式對6次個例12h累計降水預(yù)報的分級漏報率，從表中可以看出，個例一至個例五，WRF-LAPS預(yù)報的暴雨漏報率分別為0.763、0.429、0.697、0.917、0.786，WRF-GFS預(yù) 報的 暴 雨 漏 報 率 分 別 為0.974、0.814、0.791、1.0、0.964，WRF-LAPS預(yù)報的暴雨漏報率均低于WRF-GFS。兩者差值最大為個例二，相差0.385；個例六兩者漏報率相同，為100%暴雨漏報。4次大暴雨降水個例中，WRF-GFS漏報率均為100%，WRF-LAPS在個例二和個例三中存在大暴雨預(yù)報正確的站點?？梢钥闯鯳RF-LAPS在暴雨的預(yù)報中具有一定改善效果。

表3 6次個例WRF-LAPS（同化）與WRF-GFS（未同化）資料12h累計降水預(yù)報的漏報率

同時，兩種模式對區(qū)域性暴雨（個例二和個例三）的漏報率低于其他局地性暴雨個例。但從總體來看，暴雨的漏報率仍然較高，說明模式在局地性暴雨的預(yù)報中仍存在較大的改進(jìn)空間。

4 結(jié)語

（1）從6次暴雨累計12h降水定性分析來看，LAPS高精度分析場作為模式初始場在降水范圍、降水梯度、暴雨落區(qū)和極值的預(yù)報上有一定的改善作用。

（2）從暴雨量級TS評分定量分析來看，6次暴雨個例中，WRF-LAPS成功預(yù)報了暴雨5次，大暴雨2次；WRF-GFS成功預(yù)報了暴雨4次，大暴雨0次。WRF-LAPS的暴雨TS評分均高于WRFGFS，WRF-LAPS對于暴雨和大暴雨的預(yù)報具有改善作用。

（3）6次暴雨個例中，WRF-LAPS暴雨空報率4次低于WRF-GFS，1次相同；WRF-LAPS暴雨漏報率5次低于WRF-GFS。

（4）從TS評分和空報率、漏報率定量分析得到，盡管WRF-LAPS模式對于暴雨和大暴雨的預(yù)報具有改善，但其對于局地性暴雨的預(yù)報效果仍然不如區(qū)域性暴雨。