時洋,吳乃庚,2,羅聰,黃曉瑩,張?zhí)m,袁宇東,涂靜
(1.廣東省氣象臺,廣東廣州 510640;2.廣東省生態(tài)氣象中心,廣東廣州 510640;3.廣州市氣象局,廣東廣州 511430)
廣東省是全國最早開展數(shù)字網(wǎng)格天氣預(yù)報業(yè)務(wù)的省份。2008年發(fā)展基于格點(diǎn)的交互訂正預(yù)報平臺研發(fā),2015年完成省市聯(lián)動的網(wǎng)格預(yù)報業(yè)務(wù)運(yùn)行,逐步形成一套完整的精細(xì)化智能網(wǎng)格預(yù)報業(yè)務(wù)體系,為公眾服務(wù)和政府決策提供了強(qiáng)有力的支撐。智能網(wǎng)格預(yù)報技術(shù)的發(fā)展和完善離不開數(shù)值模式的評估和釋用。受到觀測和模式計算誤差等影響,數(shù)值模式常具有一定偏差,需經(jīng)統(tǒng)計后處理減小預(yù)報偏差以提高其預(yù)報技巧。多模式集成較單一模式的模式輸出統(tǒng)計方法具有輸出結(jié)果穩(wěn)定、預(yù)報技巧更優(yōu)以及預(yù)報偏差較小等特點(diǎn)[1-2]。趙聲蓉等[3]利用BP神經(jīng)網(wǎng)絡(luò)建立基于國家氣象中心多模式集成方法的溫度預(yù)報系統(tǒng),集成效果明顯優(yōu)于單一模式;智協(xié)飛等[4]利用交互式全球大集合預(yù)報系統(tǒng)(TIGGE)資料,發(fā)現(xiàn)滑動訓(xùn)練期超級集合預(yù)報方法優(yōu)于其他多模式集成方法;羅聰?shù)龋?]對比了多種基于站點(diǎn)的日極端氣溫多模式集成算法,消除偏差加權(quán)集成算法的集成效果最佳;吳乃庚等[6]考慮了地形影響、過去誤差、權(quán)重集成等,建立的溫度多模式動態(tài)權(quán)重集成方案已成為支撐廣東智能網(wǎng)格溫度預(yù)報的主要客觀技術(shù)。
科學(xué)檢驗評估是預(yù)報技術(shù)改進(jìn)和業(yè)務(wù)應(yīng)用的關(guān)鍵環(huán)節(jié)。隨著參與集成模式的不斷更替以及廣東智能網(wǎng)格業(yè)務(wù)平臺的進(jìn)一步完善,溫度多模式集成技術(shù)也進(jìn)行了多次方案調(diào)整和產(chǎn)品升級。本研究對溫度多模式集成產(chǎn)品重新進(jìn)行系統(tǒng)性檢驗評估,從預(yù)報評分的角度評價其業(yè)務(wù)參考價值,從誤差空間分布特征的角度討論其在區(qū)位上的優(yōu)劣,從天氣分類的角度分析其適用性,以期為該產(chǎn)品在業(yè)務(wù)預(yù)報中的合理應(yīng)用和釋用技術(shù)的針對性改進(jìn)提供科學(xué)參考。
本研究參與集成預(yù)報的模式包含歐洲中期天氣預(yù)報中心的全球模式(ECMWF,水平分辨率0.125°×0.125°,預(yù)報時效0~240 h)、美國國家環(huán)境預(yù)報中心的全球模式(NCEP,水平分辨率0.5°×0.5°,預(yù)報時效0~240 h)、國家氣象中心區(qū)域模式(GRAPES_M(jìn)ESO,水平分辨率0.1°×0.1°,預(yù)報時效0~72 h)和廣東省區(qū)域數(shù)值天氣預(yù)報重點(diǎn)實驗室的區(qū)域模式(TRAMS,水平分辨率0.03°×0.03°,預(yù)報時效0~96 h)。觀測資料使用廣東省國家級自動站日最高、最低氣溫(20:00—20:00,北京時)作為集成方法的觀測實況。
溫度多模式集成業(yè)務(wù)流程主要包含實時檢驗、權(quán)重計算、格點(diǎn)釋用和權(quán)重加權(quán)4個步驟[6]。具體來說,首先根據(jù)參與集成模式最近一周的預(yù)報表現(xiàn),分析各模式的平均絕對誤差空間分布,計算各站點(diǎn)不同模式的加權(quán)系數(shù),在對加權(quán)系數(shù)進(jìn)行氣候分區(qū)和地形訂正等格點(diǎn)釋用后,再將最新模式起報產(chǎn)品加權(quán)集成得到溫度多模式集成產(chǎn)品,具體流程如圖1所示。
圖1 廣東省多模式集成溫度網(wǎng)格釋用業(yè)務(wù)技術(shù)流程示意圖
溫度多模式集成產(chǎn)品(MULT)空間分辨率為0.025°×0.025°,每天2次起報(00:00和12:00(UTC,下同)),預(yù)報時效為0~240 h,其中前0~72 h為上述4模式同時進(jìn)行集成,96~240 h僅由ECMWF和NCEP全球模式進(jìn)行集成。為避免因模式更新對評估結(jié)果造成影響,本研究對TRAMS最近一次更新后的溫度多模式集成產(chǎn)品(2019年9月—2020年6月)進(jìn)行評估和分析,同時為了保證各預(yù)報時效間的可比性和參與集成模式的一致性,分析12:00起報的0~72 h預(yù)報時效的集成產(chǎn)品。
根據(jù)中國氣象局《中短期天氣預(yù)報質(zhì)量檢驗辦法》,本研究主要使用的評估參數(shù)有平均絕對誤差(MAE)、平均相對誤差(ME)、預(yù)報準(zhǔn)確率和預(yù)報技巧。
溫度多模式集成的應(yīng)用效果分析包含整體預(yù)報性能評估、預(yù)報誤差空間分布特征分析和不同類型天氣過程的適用性分析。其中整體預(yù)報性能評估從業(yè)務(wù)考核評分的角度分析各模式和集成產(chǎn)品的預(yù)報表現(xiàn);預(yù)報誤差空間分布特征分析通過對比平均絕對誤差和相對誤差的空間分布討論各模式及集成產(chǎn)品在空間區(qū)位的優(yōu)劣;不同類型天氣過程的適用性分析嘗試總結(jié)多模式集成在表現(xiàn)較優(yōu)和較差過程中的預(yù)報特征。
從2019年9月至2020年6月的多模式平均絕對誤差對比(圖2)看出,MULT各個預(yù)報時效的預(yù)報誤差中均為最小,日最高(或低)氣溫的絕對誤差小于1.5℃(或1.3℃)。
圖2 多模式集成和各模式0~72 h日最高(a)和最低氣溫(b)平均絕對誤差
在參與集成的模式中,ECMWF和TRAMS的日最高氣溫和最低氣溫平均絕對誤差相對較?。籊RAPES_M(jìn)ESO(或NCEP)在日最高(低)氣溫的平均絕對誤差接近TRAMS(或ECMWF)的2倍,在預(yù)報中應(yīng)盡量避免直接參考。MULT相對GRAPES_M(jìn)ESO和NCEP的預(yù)報技巧最大,但相對表現(xiàn)較優(yōu)的TRAMS和ECMWF的預(yù)報技巧有限,尤其是對于ECMWF的日最低氣溫預(yù)報,預(yù)報技巧僅為5%左右。由此可見,MULT對日最高氣溫的預(yù)報技巧相對較高,在實際預(yù)報中可以作為重要的客觀參考產(chǎn)品之一。
整體時段的誤差評估無法反映各模式和多模式集成產(chǎn)品的季節(jié)性優(yōu)勢,仍需從平均絕對誤差的逐月演變對比各模式和多模式集成誤差的季節(jié)性變化特征。以48 h預(yù)報為例,多數(shù)月份中MULT日最高和最低氣溫預(yù)報的平均絕對誤差(圖3)均為最小,且誤差大小穩(wěn)定。日最高氣溫的平均絕對誤差有顯著的季節(jié)性變化,2019年9—11月、2020年6月為誤差谷值,而2019年12月份起至2020年4月為誤差峰值,這與誤差峰值期間冷空氣頻繁影響有一定的關(guān)系。在參與集成的模式中,ECMWF和TRAMS的日最高氣溫預(yù)報誤差變化相對穩(wěn)定且數(shù)值較小,這與圖2結(jié)論一致。日最低氣溫?zé)o顯著的季節(jié)性變化特征,多數(shù)月份的多模式集成和ECMWF均表現(xiàn)較優(yōu),差異較小,均在1℃上下??梢?,MULT在各個季節(jié)中均表現(xiàn)相對較好,平均絕對誤差無明顯季節(jié)性波動。
預(yù)報準(zhǔn)確率(誤差2℃以內(nèi))是重要的業(yè)務(wù)考核指標(biāo)之一。MULT的日最高氣溫和日最低氣溫的預(yù)報準(zhǔn)確率分別在70%以上和80%以上(圖4)。在參與集成的模式中,TRAMS(或ECMWF)的日最高氣溫(或日最低氣溫)表現(xiàn)較好,僅次于多模式集成,而GRAPES_M(jìn)ESO的日最高氣溫預(yù)報準(zhǔn)確率僅為20%左右,在實際預(yù)報中應(yīng)謹(jǐn)慎參考。日最低氣溫的多模式集成與各參與模式預(yù)報準(zhǔn)確率差異較小,其中MULT較ECMWF僅有微弱優(yōu)勢。因此,無論是平均絕對誤差還是預(yù)報準(zhǔn)確率,多模式集成均顯示出較好的訂正效果,對日最高氣溫預(yù)報的改善幅度尤為顯著;在參與集成的模式中,ECMWF和TRAMS均表現(xiàn)出較優(yōu)的預(yù)報質(zhì)量和良好的穩(wěn)定性。
圖4 多模式集成和各模式0~72 h最高(a)和最低氣溫(b)預(yù)報準(zhǔn)確率(誤差2℃以內(nèi))
從2.1節(jié)的分析可知,溫度多模式集成在日最高氣溫的優(yōu)勢最為顯著,因此本節(jié)以日最高氣溫48 h預(yù)報為例,討論多模式集成及參與集成模式的預(yù)報誤差空間分布特征,以幫助業(yè)務(wù)人員在網(wǎng)格預(yù)報編輯中對產(chǎn)品誤差的空間分布有更好的認(rèn)識。從平均絕對誤差的空間分布(圖5)來看,GRAPES_M(jìn)ESO和NCEP誤差最大,在平均相對誤差圖上表現(xiàn)為全省性顯著的冷偏差。ECMWF在清遠(yuǎn)北部、韶關(guān)南部至河源西北部、梅州北部有平均絕對誤差大值區(qū),平均相對誤差也表現(xiàn)為-2℃左右的冷偏差。TRAMS的平均絕對誤差在廣東省北部地區(qū)數(shù)值相對較小,在雷州半島南端有數(shù)值大值區(qū),在平均相對誤差空間分布中廣東省北部和雷州半島南部分別表現(xiàn)為-1和-2℃左右的冷偏差。MULT的平均絕對誤差大值區(qū)與ECMWF和TRAMS分布一致,集中在廣東省北部和雷州半島南端,但數(shù)值小于所有參與集成的模式,珠三角和南部沿海地區(qū)平均絕對誤差較小,僅為0.5~1.0℃;另外,MULT在韶關(guān)西北部、河源中部易出現(xiàn)暖偏差,而在雷州半島南部、云浮中部以及潮汕部分地區(qū)易出現(xiàn)冷偏差。
圖5 多模式集成和各模式48 h日最高氣溫平均絕對誤差空間分布(單位:℃)
將參與集成模式中表現(xiàn)最好的ECMWF、TRAMS定義為最優(yōu)集成模式。以日最高氣溫的48 h預(yù)報為例,定義多模式集成的最高氣溫平均絕對誤差在2℃以內(nèi)且小于最優(yōu)集成模式的過程為表現(xiàn)較好的過程(表略),在全省平均觀測實況和模式預(yù)報曲線(圖略)的分布上表現(xiàn)為過程前后最優(yōu)集成模式均表現(xiàn)為具有相對穩(wěn)定的冷偏差。表現(xiàn)較好的典型過程主要有4類:持續(xù)性高溫過程、緩慢回升過程、無明顯降水的弱冷空氣過程、持續(xù)性無降水過程。
將多模式集成日最高氣溫平均絕對誤差超過2℃,且大于最優(yōu)集成模式的過程定義為表現(xiàn)較差的過程(表略),在全省平均觀測實況和模式預(yù)報曲線(圖略)的分布上表現(xiàn)為過程前后最優(yōu)集成模式與實況的偏差存在明顯的波動。多數(shù)表現(xiàn)較差的過程均與受中等以上冷空氣影響造成持續(xù)性的降溫天氣有關(guān):最優(yōu)集成模式在冷空氣影響的第2~3 d預(yù)報明顯的回溫,而實況溫度卻持續(xù)下降或維持較低的水平。分析典型過程對應(yīng)的形勢預(yù)報場(圖略),雖然地面層次模式預(yù)報溫度回升,但低層(925~850 hPa)溫度梯度仍未預(yù)報明顯疏散,或配合較厚的實況低層云量或陰雨天氣。多模式集成也存在高估(或低估)冷空氣強(qiáng)度的情況,但個例數(shù)相對較少,成因需進(jìn)一步分析。因此,實際預(yù)報中需重點(diǎn)留意冷空氣過程前后的回溫、降溫過程,當(dāng)預(yù)計云量較厚或有陰雨天氣且模式預(yù)報低層溫度梯度未發(fā)生明顯疏散時,參與集成模式的預(yù)報偏差可能會由負(fù)轉(zhuǎn)正,預(yù)報偏差的不穩(wěn)定會導(dǎo)致多模式集成產(chǎn)品的誤差跳躍式顯著增大,盲目的參考可能會導(dǎo)致預(yù)報質(zhì)量下降。
1)同參與集成的模式相比,多模式集成釋用氣溫預(yù)報的誤差最小、準(zhǔn)確率(誤差2℃以內(nèi))最高,且相對GRAPES_M(jìn)ESO和NCEP的預(yù)報技巧最大,但相對表現(xiàn)較優(yōu)的TRAMS和ECMWF的預(yù)報技巧有限,其平均絕對誤差無明顯季節(jié)性波動;
2)因加入了真實地形高度訂正方案,多模式集成釋用對模式地形偏差造成的山區(qū)溫度誤差偏大現(xiàn)象改善明顯,除河源中部,全省其余地區(qū)的平均絕對誤差在2℃以內(nèi),且平均相對誤差在±1℃以內(nèi);
3)多模式集成在持續(xù)性高溫、緩慢回溫、無明顯降水配合的弱冷空氣以及持續(xù)性無降水過程中表現(xiàn)較優(yōu),在中等強(qiáng)度以上冷空氣造成的持續(xù)性降溫過程易表現(xiàn)不穩(wěn)定,在預(yù)報中需留意形勢場預(yù)報中低層溫度梯度是否有明顯疏散。