高分辨率區(qū)域模式降水預(yù)報(bào)在云南的檢驗(yàn)

趙寧坤，張秀年，孫俊奎，鄒陽(yáng)

(1.云南省氣象臺(tái)，昆明650034；2.昆明市氣象局，昆明650506)

引 言

隨著氣象觀測(cè)手段的日益豐富和超級(jí)計(jì)算機(jī)性能的持續(xù)提高，數(shù)值天氣預(yù)報(bào)的準(zhǔn)確性大幅度提升。在人們對(duì)天氣預(yù)報(bào)精細(xì)化程度需求越來(lái)越高的今天，以高分辨率數(shù)值預(yù)報(bào)產(chǎn)品為基礎(chǔ)建立的現(xiàn)代綜合氣象預(yù)報(bào)系統(tǒng)，已成為氣象工作者進(jìn)行精細(xì)化天氣預(yù)報(bào)重要及有效的手段。但是由于數(shù)值預(yù)報(bào)結(jié)果受初值場(chǎng)、邊界條件、物理過(guò)程、地形、植被及模式本身的設(shè)計(jì)等諸多方面的影響，模式對(duì)氣象要素的預(yù)報(bào)，在量級(jí)大小、出現(xiàn)時(shí)間及范圍不可避免地會(huì)存在一定的誤差。特別是高分辨率區(qū)域模式中的一些細(xì)小的相位誤差、中小尺度天氣物理過(guò)程模擬誤差都可能極大的影響預(yù)報(bào)準(zhǔn)確率。因此，檢驗(yàn)高分辨率數(shù)值模式產(chǎn)品的預(yù)報(bào)偏差，客觀評(píng)估其預(yù)報(bào)能力，了解預(yù)報(bào)誤差的時(shí)空分布特征對(duì)于提高預(yù)報(bào)準(zhǔn)確率具有重要意義。

近些年，我國(guó)區(qū)域中尺度模式發(fā)展迅速，各種區(qū)域中尺度數(shù)值預(yù)報(bào)產(chǎn)品變得極為豐富。這些產(chǎn)品為提高天氣預(yù)報(bào)準(zhǔn)確率、開(kāi)展精細(xì)化天氣預(yù)報(bào)提供了強(qiáng)大基礎(chǔ)。如何對(duì)這些區(qū)域數(shù)值預(yù)報(bào)產(chǎn)品進(jìn)行釋用，使其更好地在天氣預(yù)報(bào)中發(fā)揮更大的作用，是當(dāng)前天氣預(yù)報(bào)業(yè)務(wù)面臨最大的問(wèn)題。針對(duì)高分辨率數(shù)值模式，國(guó)內(nèi)外研究者在不同地區(qū)進(jìn)行了檢驗(yàn)和評(píng)估。Lean等(2008)針對(duì)多種高分辨率數(shù)值預(yù)報(bào)模式的對(duì)流性降水預(yù)報(bào)開(kāi)展了相關(guān)的檢驗(yàn)；Gilleland 等(2009)研究發(fā)現(xiàn)，觀測(cè)網(wǎng)疏密程度對(duì)高分辨率模式降水預(yù)報(bào)評(píng)分有重要影響。在國(guó)內(nèi)，陳超君等(2012)對(duì)冬季高海拔復(fù)雜地形下GRAPES_Meso 要素預(yù)報(bào)進(jìn)行了檢驗(yàn)評(píng)估；張利紅等(2014)針對(duì)GRAPERS_Meso模式升級(jí)前后夏季青藏高原東部及周邊區(qū)域的降水預(yù)報(bào)開(kāi)展了對(duì)比檢驗(yàn)；毛東艷等(2014)對(duì)GRAPERS_Meso 模式在2013年8 至10月間四川盆地強(qiáng)降水、東部地區(qū)強(qiáng)降水及3個(gè)臺(tái)風(fēng)強(qiáng)降水過(guò)程進(jìn)行了天氣學(xué)檢驗(yàn)，發(fā)現(xiàn)模式的穩(wěn)定性、復(fù)雜地形條件下的強(qiáng)降水、高原系統(tǒng)的東移演變及物理?xiàng)l件的準(zhǔn)確性還有待提高。孫蟬和徐國(guó)強(qiáng)(2017)使用GRAPES中尺度模式對(duì)中國(guó)新疆南部的塔里木盆地2013年1、4、7、10月逐日的天氣過(guò)程進(jìn)行數(shù)值模擬,結(jié)果表明GRAPES 中尺度模式對(duì)沙漠地區(qū)的降水預(yù)報(bào)與實(shí)況相比空?qǐng)?bào)率較高，降水中心也存在一定的偏差。萬(wàn)子為和劉鑫華(2018)選取2016年3 至8月華東地區(qū)11 次弱天氣尺度強(qiáng)迫背景下下的強(qiáng)對(duì)流過(guò)程用GRAPES_Meso 模式進(jìn)行模式分析，認(rèn)為對(duì)于不同的天氣系統(tǒng)，GRAPES_Meso模式的強(qiáng)降水預(yù)報(bào)效果各有差異。于翡等(2018)對(duì)2012年7月中國(guó)降水個(gè)例進(jìn)行統(tǒng)計(jì)檢驗(yàn)后指出提高GRAPES_Meso 模式空間分辨率可以在一定程度上改善對(duì)降水中心的預(yù)報(bào)但對(duì)降水落區(qū)預(yù)報(bào)的改進(jìn)有限。徐同等(2011)對(duì)華東區(qū)域中尺度模式2010年汛期預(yù)報(bào)性能進(jìn)行系統(tǒng)檢驗(yàn)，結(jié)果表明區(qū)域模式對(duì)華東區(qū)域有無(wú)降水預(yù)報(bào)TS 評(píng)分總體較高，模式具有較高的降水預(yù)報(bào)擊中率，但空?qǐng)?bào)率相對(duì)較高。呂林宜等(2019)對(duì)2016年7月19日發(fā)生在河南省的極端暴雨過(guò)程進(jìn)行了天氣學(xué)檢驗(yàn)與分析，結(jié)果發(fā)現(xiàn)華東區(qū)域模式提前60 h對(duì)降水中心、強(qiáng)度及強(qiáng)降水發(fā)生時(shí)段做出了較好的預(yù)報(bào)，對(duì)暴雨過(guò)程中心極值的預(yù)報(bào)能力明顯優(yōu)于全球模式。

云南處低緯高原，西部高山峽谷相間，東部山壩交錯(cuò)，地形復(fù)雜多變。由于受南亞季風(fēng)和東亞季風(fēng)等多重復(fù)雜因素的影響，天氣氣候既獨(dú)特又多樣(秦劍等，1997)，因此云南一直以來(lái)注重?cái)?shù)值預(yù)報(bào)產(chǎn)品的使用和研究。最初應(yīng)用的數(shù)值模式產(chǎn)品有歐洲數(shù)值預(yù)報(bào)(EC)、德國(guó)、日本、T213 等全球數(shù)值預(yù)報(bào)產(chǎn)品，其產(chǎn)品分辨率大多在10 km 以上。有研究者(張秀年等，2010；趙寧坤等，2015)曾對(duì)這些數(shù)值預(yù)報(bào)在云南地區(qū)的降水進(jìn)行過(guò)檢驗(yàn)，雖然得到一些有益的結(jié)論，但對(duì)于中小尺度天氣系統(tǒng)表現(xiàn)欠佳。近些年由于計(jì)算機(jī)技術(shù)的提高，高分辨率區(qū)域模式的迅速發(fā)展彌補(bǔ)了這一缺陷。華東區(qū)域數(shù)值預(yù)報(bào)業(yè)務(wù)模式(SMS-WARMS)、華南中尺度模式(GRAPES-MARS)、中央氣象臺(tái)GRAPESMeso模式的空間分辨率已經(jīng)提高到9 km、5 km，甚至3 km，可以模擬或預(yù)報(bào)中小尺度天氣系統(tǒng)的生消。但是，對(duì)于這些新引入的區(qū)域中尺度高時(shí)空分辨率數(shù)值模式，云南還從未開(kāi)展過(guò)系統(tǒng)的檢驗(yàn)，包括對(duì)各種模式預(yù)報(bào)產(chǎn)品的預(yù)報(bào)準(zhǔn)確率、誤差的時(shí)空分布特征等都沒(méi)有相關(guān)結(jié)論，因此針對(duì)實(shí)際業(yè)務(wù)，全面、系統(tǒng)的檢驗(yàn)幾種高時(shí)空分辨率區(qū)域數(shù)值模式的預(yù)報(bào)性能和強(qiáng)降水天氣過(guò)程的預(yù)報(bào)效果，不僅有助于進(jìn)一步完善數(shù)值預(yù)報(bào)產(chǎn)品應(yīng)用指標(biāo)體系，增強(qiáng)預(yù)報(bào)員對(duì)數(shù)值模式產(chǎn)品的理解和駕馭能力，同時(shí)也為提高云南省精細(xì)化天氣預(yù)報(bào)水平提供了技術(shù)支撐。

1 資料和方法

華東區(qū)域數(shù)值預(yù)報(bào)業(yè)務(wù)模式(SMS-WARMS)、華南中尺度模式(GRAPES-MARS)、中央氣象臺(tái)GRAPESMeso(以下分別稱華東模式、華南模式、GRAPES模式)這三種區(qū)域中尺度模式在云南省氣象臺(tái)投入業(yè)務(wù)應(yīng)用的時(shí)間并不一致，可供開(kāi)展檢驗(yàn)評(píng)估的歷史資料也長(zhǎng)短不一。華南模式最早于2016年6月19日保存，分辨率為9 km×9 km；華東模式也于2016年7月1日保存，分辨率為9 km×9 km；而GRAPES模式則是在2017年9月5日才入庫(kù)保存，分辨率為10 km×10 km。為公平起見(jiàn)，項(xiàng)目檢驗(yàn)時(shí)間段統(tǒng)一取2017年9月5日至2018年12月31日共483 d；為更好的與業(yè)務(wù)應(yīng)用相結(jié)合，檢驗(yàn)內(nèi)容取三種模式20 時(shí)起報(bào)的24 h 間隔3 d 降水預(yù)報(bào)。由于高分辨率模式預(yù)報(bào)可以反映一些中小尺度天氣系統(tǒng)形成的局地強(qiáng)降水，而縣(市)氣象觀測(cè)站多數(shù)情況下難以反映這些局地強(qiáng)降水的發(fā)生，所以檢驗(yàn)的實(shí)況選取觀測(cè)較為密集的區(qū)域站數(shù)據(jù)(圖1)，即云南全省3064個(gè)區(qū)域站逐小時(shí)降水。圖1 中各區(qū)域包含的站點(diǎn)數(shù)分別為滇東北343站、滇東南497站、滇西518 站、滇西北301 站、滇西南577 站、滇中828 站。在進(jìn)行檢驗(yàn)時(shí)，先采用雙線性插值方法將三種模式的格點(diǎn)數(shù)據(jù)插值到3064個(gè)區(qū)域站，然后與實(shí)況站點(diǎn)進(jìn)行點(diǎn)對(duì)點(diǎn)檢驗(yàn)。

圖1 云南省3064個(gè)區(qū)域自動(dòng)觀測(cè)站分布圖Fig.1 Distribution of 3064 regional automatic observation stations in Yunnan Province.

對(duì)于相關(guān)性和誤差的比較，本文引入用于模式評(píng)估的泰勒?qǐng)D分析方法(Taylor，2001)。通過(guò)泰勒?qǐng)D，可以直觀的比較相關(guān)系數(shù)、均方根誤差、預(yù)報(bào)相對(duì)于觀測(cè)的標(biāo)準(zhǔn)差比值。降水檢驗(yàn)方法參照中國(guó)氣象局下發(fā)的《中短期天氣預(yù)報(bào)質(zhì)量檢驗(yàn)辦法》中累加降水量級(jí)檢驗(yàn)方法，檢驗(yàn)指標(biāo)包含晴雨預(yù)報(bào)準(zhǔn)確率、TS評(píng)分、空?qǐng)?bào)率、漏報(bào)率、預(yù)報(bào)偏差。此外，文中還引用了去除隨機(jī)事件后的公平TS 評(píng)分( Equitable Threat Score，ETS)進(jìn)行檢驗(yàn)分析。

2 結(jié)果檢驗(yàn)與分析

2.1 相關(guān)性和誤差分析

圖2為華東模式、華南模式、GRAPES模式24 h間隔降水預(yù)報(bào)的泰勒?qǐng)D。在這個(gè)極坐標(biāo)圖中，REF點(diǎn)為實(shí)況觀測(cè)位置，有顏色的標(biāo)注點(diǎn)為模式預(yù)報(bào)在泰勒?qǐng)D中位置。標(biāo)注點(diǎn)到極點(diǎn)的長(zhǎng)度(即極徑)為預(yù)報(bào)場(chǎng)與觀測(cè)場(chǎng)的標(biāo)準(zhǔn)差之比，其極角的余弦值就是預(yù)報(bào)場(chǎng)和觀測(cè)場(chǎng)的相關(guān)系數(shù)；標(biāo)注點(diǎn)到REF的長(zhǎng)度為預(yù)報(bào)場(chǎng)和觀測(cè)場(chǎng)中心化的均方根誤差。因此越靠近參考點(diǎn)REF，則與觀測(cè)資料的相關(guān)系數(shù)越高、中心化的均方根誤差越小、標(biāo)準(zhǔn)差越接近，表示模式的預(yù)報(bào)能力就越高。從圖中相關(guān)系數(shù)可以發(fā)現(xiàn)，三種模式相關(guān)系數(shù)差別并不大。華南模式在0.30～0.41 之間，GRAPES 模式在0.36～0.44之間，華東模式在0.27～0.43之間。GRAPES模式在24 h降水預(yù)報(bào)相關(guān)系數(shù)最高，而華東模式72 h降水預(yù)報(bào)相關(guān)系數(shù)最低。三種模式相關(guān)系數(shù)隨預(yù)報(bào)時(shí)效增加，呈逐漸減小趨勢(shì)。

圖2 華南模式、GRAPES模式、華東模式逐24 h降水的泰勒?qǐng)DFig.2 Taylor diagram of 24 h precipitation simulated by Huanan,GRAPES and Huadong model.

從預(yù)報(bào)與觀測(cè)的標(biāo)準(zhǔn)差比值來(lái)看，華南模式和GRAPES 模式均大于1。其中華南模式在1.40～1.50之間，GRAPES模式在1.32～1.37之間，這表明模式預(yù)報(bào)降水的變化幅度較觀測(cè)偏大。華東模式48 h和72 h的標(biāo)準(zhǔn)差比值小于1，24 h的標(biāo)準(zhǔn)差比值約等于1。這表明華東模式的48 h 和72 h 降水預(yù)報(bào)較觀測(cè)振幅偏小，華東模式24 h降水預(yù)報(bào)變化幅度與實(shí)況觀測(cè)到變化幅度基本一致。預(yù)報(bào)與觀測(cè)的均方根誤差顯示，三種模式均方根誤差(預(yù)報(bào)到REF 的距離)均在1.0 這條弧線外，但華東模式的均方根誤差明顯要小于華南模式、GRAPES 模式。也就是說(shuō)華東模式預(yù)報(bào)更接近于實(shí)況觀測(cè)。

綜合而言，華南模式和GRAPES模式華東模式24 h間隔降水預(yù)報(bào)的變化幅度較觀測(cè)偏大，華東模式預(yù)報(bào)降水的振幅接近實(shí)況，均方根誤差也相對(duì)較小。

2.2 晴雨預(yù)報(bào)檢驗(yàn)分析

從逐24 h 的3 d 晴雨預(yù)報(bào)檢驗(yàn)來(lái)看(圖3)，華東模式晴雨準(zhǔn)確率明顯要高于華南模式和GRAPES 模式。在3個(gè)預(yù)報(bào)時(shí)效中，華東模式晴雨準(zhǔn)確率均在0.67 以上，48 h 最高達(dá)到0.68；而華南模式和GRAPES模式晴雨準(zhǔn)確率僅在0.55～0.59 之間，均未超過(guò)0.6，兩個(gè)模式在三個(gè)預(yù)報(bào)時(shí)效中晴雨準(zhǔn)確率比較都接近，區(qū)別并不大。

為了進(jìn)一步了解三種模式晴雨預(yù)報(bào)在空間上的差異，選取三種模式24 h晴雨預(yù)報(bào)準(zhǔn)確率的空間分布進(jìn)行比較和分析。從分布圖(圖4)中可以看出，華南模式和GRAPES 模式空間分布基本一致，在滇中及以東地區(qū)晴雨準(zhǔn)確率大多在0.5～0.6 之間，在滇西、滇西南、滇南邊緣地區(qū)高于0.6，而在迪慶的北部則低于0.5。兩者區(qū)別在于華南模式在滇中西部有成片的準(zhǔn)確率高于0.6 的區(qū)域，而GRAPES 則表現(xiàn)的較為分散。華東模式的晴雨準(zhǔn)確率則普遍在0.6 以上，特別是在滇中、滇西南地區(qū)的晴雨準(zhǔn)確率更是超過(guò)了0.7。由于其他2個(gè)時(shí)效與24 h晴雨準(zhǔn)確率空間分布基本類似，在此就不再贅述。綜上，華東模式24 h間隔晴雨預(yù)報(bào)明顯優(yōu)于華南模式和GRAPES模式，GRAPES模式晴雨預(yù)報(bào)效果最差。

圖3 華南模式、GRAPES模式、華東模式逐24 h晴雨預(yù)報(bào)準(zhǔn)確率Fig 3 The accuracy forecasting rate of clear or rain forecasted by Huanan,GRAPES and Huadong model.

圖4 華南模式(a)、GRAPES模式(b)、華東模式(c)24 h晴雨預(yù)報(bào)準(zhǔn)確率空間分布圖Fig.4 Spatial distributions of the accuracy forecasting rate for clear or rain forecasted by(a)Huanan,(b)GRAPES and(c)Huadong model.

2.3 逐24 h累加降水量級(jí)檢驗(yàn)

圖5 華南模式、GRAPES模式、華東模式逐24 h≥0.1 mm降水預(yù)報(bào)評(píng)分指數(shù):(a)TS評(píng)分；(b)空?qǐng)?bào)率FAR；(c)漏報(bào)率PO；(d)預(yù)報(bào)偏差Bias；(e)ETS評(píng)分Fig.5 Forecast skill scores of 24 h rainfall ≥0.1 mm forecasted by Huanan,GRAPES and Huadong model，(a),(b),(c),(d)and(e),(f)are TS,FAR,PO,Bias,ETS.

對(duì)≥0.1 mm降水進(jìn)行檢驗(yàn)(圖5)，結(jié)果顯示3個(gè)預(yù)報(bào)時(shí)效華東模式TS 評(píng)分均明顯高于華南模式和GRAPES 模式。華東模式在三個(gè)時(shí)效TS 評(píng)分差別較小，均在0.50～0.51 之間，48 h 評(píng)分最高，24 h 評(píng)分最低。GRAPES 模式在所有預(yù)報(bào)時(shí)效中的TS 評(píng)分均為最低，其TS 評(píng)分在0.42～0.46 之間。華南模式和GRAPES模式隨預(yù)報(bào)時(shí)效增加，TS評(píng)分隨之減小。空?qǐng)?bào)率(FAR)顯示華東模式的空?qǐng)?bào)率最低，所有時(shí)效均低于0.45。而華南模式和GRAPES模式空?qǐng)?bào)率均超過(guò)了0.50，且兩者空?qǐng)?bào)率值較為接近。漏報(bào)率(PO)顯示華東模式在三個(gè)預(yù)報(bào)時(shí)效均為最高，而華南模式均為最低。從預(yù)報(bào)偏差(Bias)看，華東模式的預(yù)報(bào)偏差在三種模式所有預(yù)報(bào)時(shí)效中最小，其值在1.55左右；而華南模式預(yù)報(bào)偏差均為最高，最高達(dá)2.0(72 h)，這也表示華南模式預(yù)報(bào)有降水的次數(shù)明顯高于實(shí)況出現(xiàn)降水次數(shù)。ETS評(píng)分顯示華東模式在所有預(yù)報(bào)時(shí)效均高于華南模式和GRAPES模式，華南模式次之，GRAPES模式最低。

從24 h的≥0.1 mm降水TS評(píng)分空間分布(圖6)比較來(lái)看。三種模式對(duì)滇東北、滇中西部、滇西北北部≥0.1mm降水預(yù)報(bào)評(píng)分普遍較低(均高于0.4)，對(duì)滇南、滇西南、滇西邊緣地區(qū)的評(píng)分普遍較高(均高于0.5)。華南模式和GRAPES的TS評(píng)分空間分布區(qū)別較小，兩者幾乎一致。華東模式不同于兩者之處在于普洱西部和西雙版納西部存在TS評(píng)分大于0.6的成片區(qū)域。

圖6 華南模式(a)、GRAPES模式(b)、華東模式(c)24 h≥0.1 mm TS評(píng)分空間分布圖Fig.6 Spatial distributions of TS for 24 h rainfall ≥0.1 mm forecasted by(a)Huanan,(b)GRAPES and(c)Huadong model.

從≥10 mm 降水檢驗(yàn)結(jié)果(圖7)可以看出，3個(gè)預(yù)報(bào)時(shí)效華東模式TS 評(píng)分均高于華南模式和GRAPES模式，GRAPES 模式在48 h、72 h 的TS 評(píng)分均為最低。三種模式隨預(yù)報(bào)時(shí)效增加，TS評(píng)分隨之減小。空?qǐng)?bào)率(FAR)顯示華東模式的空?qǐng)?bào)率略低于華南模式和GRAPES 模式，華南模式在48 h 空?qǐng)?bào)率最高，GRAPES 模式在24 h、72 h 最高。漏報(bào)率(PO)顯示三者在不同時(shí)效變化較大，GRAPES 模式在48 h、72 h最高，而華南模式在24 h 最高；華東模式在24 h 漏報(bào)率最小，48 h、72 h則介于華南模式和GRAPES模式之間。從預(yù)報(bào)偏差(Bias)看，華東模式的預(yù)報(bào)偏差在24 h最大，48 h、72 h 介于華南模式和GRAPES 模式之間，而華南模式預(yù)報(bào)偏差在24 h最小，但在48 h、72 h為三者最大。ETS評(píng)分顯示華東模式在所有預(yù)報(bào)時(shí)效均高于華南模式和GRAPES模式，華南模式次之，GRAPES模式最低。

圖7 華南模式、GRAPES模式、華東模式逐24 h ≥10 mm降水預(yù)報(bào)評(píng)分指數(shù)：(a)TS評(píng)分；(b)空?qǐng)?bào)率FAR；(c)漏報(bào)率PO；(d)預(yù)報(bào)偏差Bias；(e)ETS評(píng)分Fig.7 Forecast skill scores of 24 h rainfall ≥10 mm forecasted by Huanan,GRAPES and Huadong model，(a),(b),(c),(d)and(e),(f)are TS,FAR,PO,Bias,ETS.

從三種模式24 h≥10 mm降水的TS評(píng)分空間分布比較和分析(圖8)可以看出:三種模式在滇東北北部、滇中西部、及滇西北北部地區(qū)TS評(píng)分普遍低于0.2，滇西南地區(qū)的評(píng)分普遍高于0.3。區(qū)別在于華東模式在滇中西部評(píng)分小于0.2的區(qū)域明顯比華南模式和GRAPES模式小一些，同時(shí)在滇西南、滇西北西部評(píng)分大于0.3的區(qū)域也要比華南模式和GRAPES模式大一些。

圖8 華南模式(a)、GRAPES模式(b)、華東模式(c)24 h≥10 mm TS評(píng)分空間分布圖Fig.8 Spatial distributions of TS for 24h’s rainfall ≥10 mm forecasted by(a)Huanan,(b)GRAPES and(c)Huadong model.

≥25 mm降水檢驗(yàn)結(jié)果顯示(圖9)，在所有預(yù)報(bào)時(shí)效中，華東模式TS評(píng)分最高，華南模式次之，GRAPES模式最低。華東模式在三個(gè)時(shí)效TS 評(píng)分均在0.10 以上，但GRAPES 模式僅在24 h 的TS 評(píng)分在0.10 以上。三種模式隨預(yù)報(bào)時(shí)效增加，TS評(píng)分隨之減小。

圖9 華南模式、GRAPES模式、華東模式逐24 h ≥25 mm降水預(yù)報(bào)評(píng)分指數(shù)：(a)TS評(píng)分；(b)空?qǐng)?bào)率FAR；(c)漏報(bào)率PO；(d)預(yù)報(bào)偏差Bias；(e)ETS評(píng)分Fig.9 Forecast skill scores of 24 h rainfall ≥25 mm forecasted by Huanan,GRAPES and Huadong model，(a),(b),(c),(d)and(e),(f)are TS,FAR,PO,Bias,ETS.

從空?qǐng)?bào)率(FAR)來(lái)看，三種模式在24 h 基本持平，但48 h、72 h 華南模式最高，GRAPES 模式最低；三種模式的空?qǐng)?bào)率隨預(yù)報(bào)時(shí)效增加逐漸增大。漏報(bào)率(PO)顯示華東模式在所有預(yù)報(bào)時(shí)效中漏報(bào)率最低，GRAPES 模式最高，三種模式的漏報(bào)率也是隨預(yù)報(bào)時(shí)效增加逐漸增大。從預(yù)報(bào)偏差(Bias)看，GRAPES模式的預(yù)報(bào)偏差在三種模式所有預(yù)報(bào)時(shí)效中最小，這明顯是GRAPES 模式漏報(bào)較多造成的；而華東模式、華南模式預(yù)報(bào)偏差均大于1.0，這就表明這兩個(gè)模式空?qǐng)?bào)情況較多。華東模式較高的TS評(píng)分，也是以較高空?qǐng)?bào)為代價(jià)。ETS 評(píng)分顯示，華東模式所有預(yù)報(bào)時(shí)效的HSS評(píng)分明顯高于華南模式和GRAPES 模式，華南模式24 h的ETS評(píng)分高于GRAPES，而在48h、72h兩個(gè)預(yù)報(bào)時(shí)效中GRAPES模式略高于華南模式。

從三種模式24 h ≥25 mm降水的TS評(píng)分空間分布比較和分析(圖10)可以看出：華南模式和華東模式的空間分布較為接近。兩者在滇中以南、滇西及滇西北東部、滇中北部地區(qū)TS評(píng)分普遍在0.1以上，但在滇東北、滇西北北部、滇中西部地區(qū)TS評(píng)分普遍低于0.1；兩者的差別在于在滇西北地區(qū)華東模式評(píng)分高于0.1的區(qū)域明顯大于華南模式，并且華東模式在滇南邊緣評(píng)分大于0.2 的區(qū)域也有大于華南模式。而GRAPES 模式在滇中TS評(píng)分小于0.1的區(qū)域明顯大于華南模式和華東模式，并且滇西地區(qū)也沒(méi)有TS評(píng)分大于0.2的區(qū)域。

≥50 mm 降水檢驗(yàn)結(jié)果(圖11)顯示：華東模式在24 h、48 h 的TS 評(píng)分最高，GRAPES 模式在72 h 的TS評(píng)分最高，而華南模式在48 h、72 h的評(píng)分最低。

圖10 華南模式(a)、GRAPES模式(b)、華東模式(c)24 h ≥25 mm TS評(píng)分空間分布圖Fig.10 Spatial distributions of TS for 24 h rainfall ≥25 mm forecasted by(a)Huanan,(b)GRAPES and(c)Huadong model.

圖11 華南模式、GRAPES模式、華東模式逐24 h ≥50 mm降水預(yù)報(bào)評(píng)分指數(shù)：(a)TS評(píng)分；(b)空?qǐng)?bào)率FAR；(c)漏報(bào)率PO；(d)預(yù)報(bào)偏差Bias；(e)ETS評(píng)分Fig.11 Forecast skill scores of 24 h rainfall ≥50 mm forecasted by Huanan,GRAPES and Huadong model，(a),(b),(c),(d)and(e),(f)are TS,FAR,PO,Bias,ETS.

從空?qǐng)?bào)率(FAR)來(lái)看，華南模式在三個(gè)預(yù)報(bào)時(shí)效空?qǐng)?bào)率最高，華東模式次之，GRAPES模式空?qǐng)?bào)率均為最低。漏報(bào)率(PO)顯示GRAPES模式在所有預(yù)報(bào)時(shí)效中漏報(bào)率最高，華南模式次之，而華東模式漏報(bào)率最低。從預(yù)報(bào)偏差(Bias)看，GRAPES模式由于較多的漏報(bào)導(dǎo)致預(yù)報(bào)偏差在三種模式所有預(yù)報(bào)時(shí)效中普遍小于1.0。華東模式、華南模式空?qǐng)?bào)情況較多以致預(yù)報(bào)偏差普遍都超過(guò)1.5，最高達(dá)到了3.0。而華東模式在24 h預(yù)報(bào)偏差最大，但在48 h、72 h華南模式的預(yù)報(bào)偏差最大。由此可見(jiàn)，華東模式、華南模式較高的TS 評(píng)分很大程度上是多數(shù)空?qǐng)?bào)來(lái)獲得的。ETS 評(píng)分顯示，華東模式24 h、48 h的評(píng)分高于華南模式和GRAPES模式，但在72 h，GRAPES 模式ETS 評(píng)分最高。華南模式在48 h、72 h兩個(gè)預(yù)報(bào)時(shí)效中ETS評(píng)分均為最低。

由于≥50 mm降水TS評(píng)分空間較為分散，所以在空間分布(圖12)中增加了0.05～0.1 的區(qū)間。從三種模式24 h ≥50 mm降水的TS評(píng)分空間分布可以看出：華南模式和華東模式在滇東南、滇西南、滇西邊緣及金沙江河谷沿線TS評(píng)分普遍大于0.05，相對(duì)而言華東模式在滇東南、滇西南評(píng)分大于0.05的區(qū)域略大于華南模式。GRAPES 模式在滇西及滇西南TS 評(píng)分大于0.05的區(qū)域明顯少于華南模式和華東模式。這里需要說(shuō)明是GRAPES 在昭通、文山南部有評(píng)分大于0.1 的區(qū)域，且面積還不小。通過(guò)回查數(shù)據(jù)發(fā)現(xiàn)造成這樣的原因是由于這兩個(gè)區(qū)域?qū)崨r缺報(bào)嚴(yán)重，個(gè)別站點(diǎn)取得TS評(píng)分再插值就造成了大片區(qū)域有較高評(píng)分。

縱觀三種模式對(duì)不同量級(jí)降水檢驗(yàn)的空間分布，不難發(fā)現(xiàn)三種模式普遍都存在云南東部及東北部評(píng)分低、南部評(píng)分較高的共性。概因云南東部地區(qū)是中、低緯天氣系統(tǒng)交匯的地區(qū)，冷鋒、昆明靜止鋒活動(dòng)頻繁，模式對(duì)這些天氣系統(tǒng)的預(yù)報(bào)效果普遍不好；而云南南部地區(qū)受影響的天氣系統(tǒng)相對(duì)單一，模式預(yù)報(bào)效果相對(duì)較好。

圖12 華南模式(a)、GRAPES模式(b)、華東模式(c)24 h ≥50 mm TS評(píng)分空間分布圖Fig.12 Spatial distributions of TS for 24 h rainfall ≥50 mm forecasted by(a)Huanan,(b)GRAPES and(c)Huadong model.

2.4 強(qiáng)降水過(guò)程檢驗(yàn)分析

為了進(jìn)一步了解華南模式、GRAPES模式和華東模式對(duì)云南強(qiáng)降水天氣過(guò)程的預(yù)報(bào)效果，本節(jié)選取檢驗(yàn)時(shí)段內(nèi)云南省全省性強(qiáng)降水過(guò)程進(jìn)行對(duì)比檢驗(yàn)和分析。

在云南的業(yè)務(wù)規(guī)定中，24 h內(nèi)全省有22站或以上的降雨量≥25.0 mm 為一次全省性大雨過(guò)程，12 站或以上的降水量≥50.0 mm為一次全省性暴雨過(guò)程。根據(jù)上述標(biāo)準(zhǔn)，2017年9月5日至2018年12月31日云南發(fā)生的9次強(qiáng)降水過(guò)程。

表1 三種模式對(duì)云南強(qiáng)降水天氣過(guò)程檢驗(yàn)表Table 1 Verification results of precipitation forecasted by three models for 9 heavyrain events over Yunnan province.

對(duì)9次云南強(qiáng)降水天氣過(guò)程檢驗(yàn)發(fā)現(xiàn)(表1)，對(duì)于≥0.1 mm 降水，華南模式由于空?qǐng)?bào)率和漏報(bào)率都較低，三個(gè)預(yù)報(bào)時(shí)效的TS 評(píng)分都高于華東模式和GRAPES 模式，而GRAPES 模式空?qǐng)?bào)率和漏報(bào)率較高導(dǎo)致其TS評(píng)分最低。對(duì)于≥10 mm降水，華東模式TS評(píng)分24 h、72 h 都高于華南模式和GRAPES模式，48 h與華南模式并列第一；從空?qǐng)?bào)率和漏報(bào)率看，華南模式和華東模式比較接近，但GRAPES 模式明顯偏高。對(duì)于≥25 mm 降水，華東模式TS 評(píng)分24 h 時(shí)效TS 評(píng)分最高，華南模式次之，GRAPES 模式評(píng)分最低；48 h則是GRAPES 模式評(píng)分最高，華東模式次之，華南模式最低。從空?qǐng)?bào)率和漏報(bào)率看，華南模式和華東模式比較接近，但GRAPES 模式明顯偏高。對(duì)于≥50 mm降水，華東模式和華南模式24 h 的TS 評(píng)分并列第一，在48 h、72 h 時(shí)效則是GRAPES 模式TS 評(píng)分最高，華東模式次之，華南模式評(píng)分最低；從空?qǐng)?bào)率和漏報(bào)率看，GRAPES模式空?qǐng)?bào)率較大，但漏報(bào)明顯小于華南模式和華東模式。

綜合來(lái)看，對(duì)于云南強(qiáng)降水天氣過(guò)程，≥0.1 mm降水華南模式預(yù)報(bào)效果較好，但10 mm和25 mm以上量級(jí)降水華東模式的預(yù)報(bào)效果較好，≥50.0 mm 則是GRAPES模式更具參考價(jià)值。

3 結(jié)論與討論

通過(guò)以上對(duì)華東、華南、GRAPES-Meso 三種區(qū)域中尺度模式在云南2017年9月5日至2018年12月31日的降水預(yù)報(bào)檢驗(yàn)，得到以下幾點(diǎn)結(jié)論：

(1)華東模式降水預(yù)報(bào)效果整體最好，其降水的振幅接近實(shí)況，晴雨準(zhǔn)確率也是最高，而華南模式和GRAPES模式空?qǐng)?bào)率和漏報(bào)率普遍偏高。

(2) 三種模式對(duì)滇東北、滇中西部、滇西北北部≥0.1 mm降水預(yù)報(bào)評(píng)分普遍較低，對(duì)滇南、滇西南、滇西邊緣地區(qū)的評(píng)分普遍較高。在滇東北北部、滇中西部及滇西北北部三種模式對(duì)≥10 mm 降水TS 評(píng)分普遍較低。對(duì)于≥25 mm 降水，華東模式和華南模式在滇中、滇西地區(qū)的TS評(píng)分高于GRAPES 模式。對(duì)于≥50 mm 降水，華東模式和華南模式在滇東南、滇西南、滇西邊緣及金沙江河谷沿線TS評(píng)分高于GRAPES模式。

(3) 對(duì)于云南強(qiáng)降水天氣過(guò)程，三種模式各有優(yōu)劣?！?.1mm 降水華南模式預(yù)報(bào)效果較好，但10 mm和25 mm以上量級(jí)降水華東模式的預(yù)報(bào)效果較好，≥50.0 mm則是GRAPES模式更具參考價(jià)值。

由于文中收集到的模式資料時(shí)間較短，檢驗(yàn)結(jié)果也不能夠完全準(zhǔn)確地反應(yīng)各模式預(yù)報(bào)結(jié)果的準(zhǔn)確性及誤差；不同模式降水預(yù)報(bào)在云南地區(qū)預(yù)報(bào)效果各有差異，而對(duì)于哪些因素導(dǎo)致模式出現(xiàn)了這樣的差異有待于進(jìn)一步深入分析。