GRAPES_GEPS模式對2018年冬季歐亞地區(qū)500 hPa高壓脊形勢的預(yù)報(bào)效果評估

張博 王慧 蔡其發(fā) 鄭飛

1 國家氣象中心，北京 100081 2 中國人民解放軍61741部隊(duì)，北京 100094 3 中國科學(xué)院大氣物理研究所國際氣候與環(huán)境科學(xué)中心，北京 100029

1 引言

阻塞高壓（葉篤正等, 1962）是中高緯度地區(qū)最重要的大氣環(huán)流持續(xù)性異?，F(xiàn)象之一，其生成、維持和崩潰與大氣環(huán)流的劇烈變化相聯(lián)系。伴隨研究的深入，學(xué)者發(fā)現(xiàn)阻高系統(tǒng)在冬春季節(jié)可造成大范圍的寒潮天氣（Cattiaux et al., 2010; Buehler et al., 2011; Pfahl and Wernli, 2012; 葉培龍等, 2015;Brunner et al., 2017），而在夏季則可帶來持續(xù)性高溫?zé)崂耸录∕atsueda, 2011）。歐亞地區(qū)的阻塞形勢對中國夏季大范圍持續(xù)性異常天氣有著極其重要的影響，阻塞形勢的維持可導(dǎo)致大范圍旱澇天氣的出現(xiàn)（畢慕瑩和丁一匯, 1992; 吳國雄等, 1994; 張慶云和陶詩言, 1998; 陸日宇和黃榮輝, 1999; 顧偉宗等, 2016; 于淑秋和林學(xué)椿, 2006）。目前國際上定義阻塞高壓指數(shù)的方法有500 hPa位勢高度的正距平及位渦負(fù)距平方法（Dole, 1978）、Lejen?s and ?kland（1983）提出又經(jīng)Tibaldi and Molteni（1990）改進(jìn)的高度場方法、Pelly and Hoskins（2003）提出用位渦面上的位溫經(jīng)向差來構(gòu)造阻高指數(shù)及Rex（1950）提出的環(huán)流型方法。利用不同的阻高定義方式，北半球阻塞系統(tǒng)分布的氣候?qū)W特征被廣泛研究（Barriopedro et al., 2006; Diao et al., 2006;Tyrlis and Hoskins, 2008; Small et al., 2014; Shi et al.,2016）。在閉合性阻塞系統(tǒng)對天氣氣候產(chǎn)生影響的同時(shí)，研究也發(fā)現(xiàn)在一定條件下500 hPa開放性高壓脊同樣也可引發(fā)例如歐洲2003年8月初的極端高溫?zé)崂耸录˙lack et al., 2004）和東亞地區(qū)的冷事件（Bueh and Xie, 2015）。為了了解當(dāng)持續(xù)性高壓脊和閉合性阻塞高壓在時(shí)間和空間上均為相鄰狀態(tài)，而作為同一事件被識別和追蹤時(shí)，二者之間存在的統(tǒng)計(jì)特征有何不同？Liu et al.（2018）開發(fā)了追蹤500 hPa持續(xù)性高值事件算法，該算法既包含傳統(tǒng)的阻塞高壓又囊括了持續(xù)性開放式高壓脊的信號，并分析了北半球500 hPa持續(xù)性高值系統(tǒng)的統(tǒng)計(jì)特征，與發(fā)生在北美及歐洲的災(zāi)害性事件進(jìn)行對比分析。

以往的阻塞檢驗(yàn)主要是針對阻塞高壓的預(yù)報(bào)技巧（王毅等, 2014; 周寧芳和賈小龍, 2018），而本文則結(jié)合定量化阻塞高壓指數(shù)和持續(xù)性高值事件的維持時(shí)間及移動(dòng)路徑開展數(shù)值模式性能的檢驗(yàn)分析。文章首先基于Liu et al.（2018）開發(fā)的500 hPa持續(xù)性高值事件追蹤方法，利用1979～2017共39年NCEP/NCAR第一套再分析數(shù)據(jù)分析歐亞地區(qū)持續(xù)性高值事件的氣候?qū)W分布特征。隨后借助阻塞高壓指數(shù)評估了GRAPES和ECMWF確定性模式對2018年阻塞形勢的預(yù)報(bào)能力，檢驗(yàn)GRAPES全球集合預(yù)報(bào)系統(tǒng)（GRAPES-GEPS）和ECMWF集合預(yù)報(bào)對2018年冬季持續(xù)性高值事件的預(yù)報(bào)性能，并對2018年12月底發(fā)生在我國寒潮過程的中期延伸期預(yù)報(bào)效果開展評估，以獲取GRAPES_GEPS和ECMWF集合預(yù)報(bào)對冬季持續(xù)性高值事件的綜合預(yù)報(bào)能力。

2 資料和方法

2.1 資料

本文所用的資料包括：1）1979～2017年NCEP/NCAR第一套逐日再分析資料（Kalnay et al., 1996）中500 hPa高度場資料，水平分辨率為2.5°（緯度）×2.5°（經(jīng)度）；2）GRAPES（沈?qū)W順等, 2017）和ECMWF確定性模式12:00（協(xié)調(diào)世界時(shí)，下同）起報(bào)的500 hPa高度場資料，水平分辨率為2.5°（緯度）×2.5°（經(jīng)度）；3）GRAPES全球集合預(yù)報(bào)系統(tǒng)（GRAPES-GEPS）和ECMWF集合預(yù)報(bào)（Molteni et al., 1996）12:00起報(bào)500 hPa高度場資料，GRAPES-GEPS集合成員30個(gè)（包含控制預(yù)報(bào)為31個(gè)）、ECMWF集合成員50個(gè) （包含控制預(yù)報(bào)為51個(gè)）。由于模式輸出產(chǎn)品的限制，文章分析時(shí)段為2018年12月19日至2019年2月28日，共計(jì)72 d。

全球集合預(yù)報(bào)系統(tǒng)（GRAPES-GEPS）由中國氣象局?jǐn)?shù)值預(yù)報(bào)中心于2010年啟動(dòng)開發(fā)，至2018年12月正式業(yè)務(wù)化運(yùn)行以替代T639全球業(yè)務(wù)集合預(yù)報(bào)系統(tǒng)，初值擾動(dòng)（霍振華等, 2018; 李曉莉等, 2019; 李曉莉和劉永柱, 2019）采用奇異向量 （Singular vectors, SVs）技術(shù)，模式采用隨機(jī)物理擾動(dòng)（Stochastically Perturbed Parameterization Tendencies, SPPT）方案及隨機(jī)動(dòng)能補(bǔ)償 （Stochastic Kinetic Energy Backscatter, SKEB）方案（彭飛等, 2019）。集合成員31個(gè)（包含控制預(yù)報(bào)1個(gè)，擾動(dòng)成員30個(gè)），模式分辨率50 km，預(yù)報(bào)時(shí)長15 d。通過2016年冬季一個(gè)月 （11～12月）的集合預(yù)報(bào)試驗(yàn)，并與同時(shí)段業(yè)務(wù)T639_GEPS的結(jié)果進(jìn)行對比，試驗(yàn)結(jié)果表明，GRAPES_GEPS的集合平均誤差和離散度增長關(guān)系較好，全面優(yōu)于T639_GEPS。

2.2 高度場持續(xù)高值系統(tǒng)識別算法

對于500 hPa高度場持續(xù)高值事件（簡稱為PMZ事件，Persistent open ridges and blocking high (maxima)of 500-hPa geopotential height, PMZ）檢驗(yàn)的方法采用的是Liu et al.（2018）所開發(fā)的500 hPa持續(xù)性高壓脊及阻塞高壓系統(tǒng)追蹤方法。追蹤PMZ事件的步驟和標(biāo)準(zhǔn)如下：首先，識別500 hPa高度場局地?cái)_動(dòng)異常最大值的中心位置，且要求與之相鄰格點(diǎn)的位勢高度均大于100 gpm，與最大值之差小于20 gpm；對同一個(gè)持續(xù)性高值事件而言，相鄰兩個(gè)時(shí)次渦度距平中心區(qū)至少存在一個(gè)交叉的網(wǎng)格點(diǎn)，且相鄰兩天的中心位置移動(dòng)距離小于10個(gè)經(jīng)度；持續(xù)性高值事件可維持4 d或者更長時(shí)間，直至無連續(xù)中心，持續(xù)天數(shù)達(dá)到2 d也可滿足標(biāo)準(zhǔn)。

2.3 高度場持續(xù)高值核心區(qū)移動(dòng)路徑分類方法

本文對PMZ事件核心移動(dòng)路徑進(jìn)行了簡單分類。通過計(jì)算事件發(fā)生初始日與結(jié)束日的相對方位，將移動(dòng)路徑分為8個(gè)方向（正東方向?yàn)?°，正北方 向 為90°）：東 東 北（0°～45°）、北 東 北 （45°～90°）、北 西 北（90°～135°）、西 西 北 （135°～180°）、西西南（180°～225°）、南西南 （225°～270°）、南東南（270°～315°）、東東南（315°～360°）。

2.4 集合預(yù)報(bào)命中概率檢驗(yàn)方法

文中采用的集合預(yù)報(bào)命中概率檢驗(yàn)方法，即是以模式零場識別的PMZ事件某一時(shí)刻位置為中心，計(jì)算該點(diǎn)周圍有效半徑（本文有效半徑選為400 km）內(nèi)集合成員占總成員的比例即為集合預(yù)報(bào)命中概率。

此外，文中短期時(shí)效在預(yù)報(bào)業(yè)務(wù)中是指時(shí)效在3 d以內(nèi)的預(yù)報(bào)；中期時(shí)效指未來3 d以上到10 d以內(nèi)的預(yù)報(bào)；延伸期時(shí)效是指11 d以上到20 d以內(nèi)的預(yù)報(bào)；中期延伸期在預(yù)報(bào)業(yè)務(wù)上指3 d以上到20 d以內(nèi)的預(yù)報(bào)。

2.5 阻塞高壓定義

阻塞高壓指數(shù)的定義采用Tibaldi and Molteni（1990）的方法，該指數(shù)計(jì)算較為簡便且易于被業(yè)務(wù)監(jiān)測部門使用（李威等, 2007; 王前等,2017）。

對每個(gè)經(jīng)度，南500 hPa高度梯度（geopotential height gradients of middle latitudes，GHGS）和 北500 hPa高度梯度（geopotential height gradients of high latitudes，GHGN）計(jì)算如下（Tibaldi and Molteni, 1990; 李威等, 2007）：

其中，Z代表位勢高度，Φn= 80°N+δ，Φ0= 60°N+δ，Φs= 40°N+δ，計(jì)算梯度的緯度插值δ=-5°, 0°, 5°。

對某時(shí)某經(jīng)度任意一個(gè) δ值，如果條件同時(shí)滿足1）GHGS＞0和2）GHGN＜-10 m/緯度，則診斷為該時(shí)該經(jīng)度有阻塞，阻塞指數(shù)為GHGS。當(dāng)有兩個(gè)以上的δ 值同時(shí)滿足1）和2）兩個(gè)條件時(shí)，則取GHGS值大者為阻塞指數(shù)。

3 PMZ事件的氣候分布特征

圖1給出1979～2017年歐亞地區(qū)春、夏、秋和冬季PMZ事件發(fā)生格點(diǎn)的頻率分布，由圖可見烏拉爾地區(qū)（60°E～90°E）PMZ事件年均發(fā)生頻率最高、貝加爾湖其次、鄂霍茨克海地區(qū)發(fā)生頻率最低，這一結(jié)果與李艷等（2010）采用PV-θ阻塞高壓指數(shù)計(jì)算3個(gè)關(guān)鍵區(qū)阻塞高壓發(fā)生頻率相同。烏拉爾地區(qū)PMZ事件在春季（圖1a）和冬季（圖1d）發(fā)生的頻率較夏季（圖1b）和秋季（圖1c）有明顯升高，該地區(qū)夏季為PMZ事件發(fā)生頻率最低的季節(jié)。而對于遠(yuǎn)東地區(qū)而言，夏季該地區(qū)PMZ事件發(fā)生頻率超過4%，且從貝加爾湖向東延伸至140°E附近，春季、秋季和冬季遠(yuǎn)東地區(qū)PMZ事件罕有發(fā)生。冬季烏拉爾山附近PMZ事件的維持時(shí)間和出現(xiàn)位置與我國寒潮天氣過程密切相關(guān)，而遠(yuǎn)東地區(qū)夏季PMZ事件的發(fā)生則與我國長江中下游夏季尤其是8月降水異常有很好的相關(guān)關(guān)系 （Zhang et al., 2019）。

圖1 1979～2017年春、夏、秋、冬季500 hPa持續(xù)性高值[Persistent open ridges and blocking high (maxima) of 500 hPa geopotential height,PMZ]事件出現(xiàn)頻率Fig. 1 Frequency of persistent open ridges and blocking high (maxima) of 500-hPa geopotential height (PMZ) events in spring, summer, autumn, and winter from 1979 to 2017

為了更好地了解烏拉爾山地區(qū)冬季PMZ事件的氣候特征，從PMZ事件的生命史、移動(dòng)距離、移速及移動(dòng)方向進(jìn)行了統(tǒng)計(jì)分析。烏拉爾山地區(qū)冬季發(fā)生的PMZ事件生命周期最高頻率為2～3 d，超過4 d約占近30%，最長生命周期可達(dá)10 d（圖2a）。從烏拉爾山地區(qū)冬季PMZ事件出現(xiàn)至消亡整個(gè)生命周期的移動(dòng)距離可以看出（圖2b），超過80%的PMZ事件移動(dòng)距離小于1000 km，整個(gè)事件最長累計(jì)移動(dòng)距離超過2000 km。該地區(qū)冬季PMZ事件移動(dòng)速度（圖2c）低于400 km/d的頻率已超過90%，從移動(dòng)距離和移動(dòng)速度的頻率分布可以看出，烏拉爾山地區(qū)冬季的PMZ事件具有穩(wěn)定少動(dòng)的特點(diǎn)。從移動(dòng)方向來看（圖2d），以東東北方向發(fā)生頻率最高（42%），其次為東東南方向（27%），北東北、北西北、西西北三個(gè)移動(dòng)方向頻率之和為10%，表明烏拉爾山地區(qū)冬季PMZ事件以東傳方向?yàn)橹鳌?/p>

圖2 1979～2017年烏拉爾山地區(qū)冬季PMZ事件特征：（a）生命史；（b）移動(dòng)距離；（c）移動(dòng)速度；（d）移動(dòng)方向Fig. 2 PMZ characteristics in the Ural Mountains area in winter from 1979 to 2017: (a) Life history; (b) moving distance; (c) moving speed;(d) moving direction

4 GRAPES和ECMWF確定性模式對2018年冬季歐亞阻塞高壓檢驗(yàn)

圖3給出了GRAPES和ECMWF確定性模式零場和不同時(shí)效預(yù)報(bào)的（提前1～10 d）2018年12月19日至2019年2月28日鄂霍茨克海（50°N～60°N，120°E～150°E）阻塞高壓指數(shù)的時(shí)間序列，由于貝加爾湖和烏拉爾山地區(qū)高度場在該段時(shí)間內(nèi)無明顯阻塞事件故不作單獨(dú)討論。圖3中顯示，兩家確定性模式零場均體現(xiàn)2018年冬季鄂霍茨克海地區(qū)主要出現(xiàn)4次阻塞形勢過程，出現(xiàn)的時(shí)間依次是2018年12月下旬、2019年1月下旬、2月上旬初和2月上旬末。其中2018年12月下旬的阻塞形勢持續(xù)時(shí)間最長、阻塞指數(shù)也最強(qiáng)，GRAPES模式零場阻塞持續(xù)7 d、峰值為7.4 m/緯度，ECMWF模式零場阻塞持續(xù)6 d、峰值為7.8 m/緯度；2019年2月上旬末阻塞強(qiáng)度最弱。

由圖3可見，GRPAES確定性模式-10 d至-1 d均可對前兩次阻塞形勢給出預(yù)報(bào)提示，但進(jìn)入6 d內(nèi)對兩次形勢的持續(xù)時(shí)間和峰值強(qiáng)度預(yù)報(bào)與零場更為接近，而超過7 d預(yù)報(bào)的阻塞指數(shù)強(qiáng)度和峰值出現(xiàn)時(shí)間則顯得較為分散。ECMWF確定性模式在8 d時(shí)效以內(nèi)對于發(fā)生在2018年12月下旬的阻塞過程預(yù)報(bào)與零場均較為一致，而對于2019年1月下旬的過程在6 d時(shí)效以內(nèi)預(yù)報(bào)效果與零場接近；對于發(fā)生在2019年2月上旬初的阻塞過程而言，GRPAES模式可預(yù)報(bào)時(shí)效為4 d、ECMWF模式為6 d；對于2月上旬末的弱阻塞過程，兩個(gè)模式中短期時(shí)效預(yù)報(bào)效果與零場差別均較大。由以上分析可知，GRAPES和ECMWF確定性模式對2018年冬季發(fā)生鄂霍茨克海地區(qū)的偏強(qiáng)阻塞形勢在中短期時(shí)效有較好的預(yù)報(bào)效果，且ECMWF模式預(yù)報(bào)性能優(yōu)于GRAPES模式，而對弱阻塞形勢預(yù)報(bào)兩家模式均不理想。

圖3 GRAPES確定性模式零場及提前（a）1～5 d和（b）6～10 d預(yù)報(bào)鄂海阻塞指數(shù)時(shí)間序列、ECMWF確定性模式零場及提前（c）1～5 d和（d）6～10 d預(yù)報(bào)鄂海阻塞指數(shù)時(shí)間序列Fig. 3 Block index time series in GRAPES and ECMWF prediction at different lead times from 19 Dec 2018 to 28 Feb 2019 in Okhotsk Sea: (a)GRAPES 1–5 d; (b) GRAPES 6–10 d; (c) ECMWF 1 d–5 d; (d) ECMWF 6–10 d

5 GRAPES_GEPS和ECMWF集合預(yù)報(bào)對2018年冬季PMZ事件的檢驗(yàn)分析

5.1 GRAPES_GEPS對2018年冬季PMZ事件的檢驗(yàn)分析

在評估GRAPES_GEPS對2018年冬季PMZ事件預(yù)報(bào)能力之前，首先給出該模式對2018年12月19日至2019年2月28日北半球500 hPa高度場環(huán)流預(yù)報(bào)情況。圖4給出了2018年12月19日至2019年2月28日500 hPa高度場北半球控制預(yù)報(bào)（CTL）及集合平均（Mean）距平相關(guān)系數(shù) （Anomaly Correlation Coefficient, ACC）不同時(shí)效分布（圖4a），可以看到，集合平均相對于控制預(yù)報(bào)隨著預(yù)報(bào)時(shí)效ACC數(shù)值增加，效果改進(jìn)明顯，其中96 h預(yù)報(bào)后改進(jìn)更為顯著，216 h預(yù)報(bào)集合平均較控制預(yù)報(bào)提高0.113。對均方根誤差（RMSE）及離散度（Spread）（圖4b）而言，集合平均RMSE相對控制預(yù)報(bào)優(yōu)勢明顯，但模式離散度則相對RMSE偏低。

圖4 2018年12月19日至2019年2月28日500 hPa高度場北半球GRAPES_GEPS控制預(yù)報(bào)及集合平均（a）ACC、（b）RMSE及離散度不同預(yù)報(bào)時(shí)效分布特征Fig. 4 Distribution of (a) Anomaly Correlation Coefficient (ACC) and (b) RMSE and spread at 500 hPa in the Northern Hemisphere with GRAPES_GEPS control and ensemble mean with different leading times from 19 Dec 2018 to 28 Feb 2019

5.1.1 GRAPES_GEPS控制預(yù)報(bào)對2018年冬季PMZ事件檢驗(yàn)

通過對2018年12月19日至2019年2月28日GRAPES_GEPS控制預(yù)報(bào)零場的PMZ事件分析發(fā)現(xiàn)，共有16次PMZ事件發(fā)生，其中生命史為7 d的事件有1次、6 d的事件有1次、5 d的有4次、4 d的有4次、3 d的有6次（見表1）。圖5給出2018年12月19日至2019年2月28日GRAPES_GEPS控制預(yù)報(bào)零場的PMZ事件分布，由圖可見絕大多數(shù)PMZ事件均發(fā)生在貝加爾湖地區(qū)及以西的歐亞大陸。共有6次事件發(fā)生在烏拉爾山地區(qū) （60°E～90°E），平均生命史為4.2 d，移動(dòng)距離為1670.5 km，移動(dòng)速度為383 km/d，與圖2通過再分析資料計(jì)算的冬季烏拉爾山地區(qū)PMZ事件氣候態(tài)特征較為一致，由此可見該模式控制預(yù)報(bào)零場能較好地反映冬季歐亞地區(qū)PMZ事件。相對于2018年12月（綠線）和2019年2月（藍(lán)線）而言，2019年1月（紅線）歐亞大陸發(fā)生的PMZ事件最為頻繁，共發(fā)生了9次。

圖5 2018年12月19日至2019年2月28日GRAPES_GEPS控制預(yù)報(bào)零場的PMZ事件分布（綠線：2018年12月；紅線：2019年1月；藍(lán)線：2019年2月）Fig. 5 PMZ distributions of the zero field predicted by the GRAPES_GEPS control from 19 Dec 2018 to 28 Feb 2019 (green line:Dec 2018; red line: Jan 2019; blue line: Feb 2019)

表1 2018年12月19日至2019年2月28日PMZ事件列表Table 1 PMZ event list from 19 Dec 2018 to 28 Feb 2019

為了評估GRAPES_GEPS控制預(yù)報(bào)不同時(shí)效對PMZ事件的預(yù)報(bào)能力，選取了-2 d和-5 d兩個(gè)預(yù)報(bào)時(shí)效進(jìn)行考察。結(jié)果表明，-2 d時(shí)效共預(yù)報(bào)出6次PMZ事件，其中發(fā)生在2018年12月有1次、2019年1月有3次、2019年2月有2次。按照預(yù)報(bào)事件發(fā)生的時(shí)間和位置，確定了預(yù)報(bào)與零場PMZ事件的匹配情況。-2 d預(yù)報(bào)事件的時(shí)長與零場相當(dāng)或者偏少。對于預(yù)報(bào)的PMZ事件中心位置而言，-2 d預(yù)報(bào)的2019年2月16～21日過程最為接近零場，事件的起止時(shí)間與零場相同，起始位置與零場偏差小于100 km，終點(diǎn)位置偏差小于400 km。對于零場2018年12月25～31日（序號3）的PMZ事件而言，-2 d預(yù)報(bào)事件（序號1）維持3 d，明顯少于零場，起點(diǎn)和終點(diǎn)位置與零場偏差都在500 km以上，存在較大的預(yù)報(bào)偏差。該模式-2 d對2018年冬季PMZ事件起止位置預(yù)報(bào)偏差最大可超過1000 km，平均偏差為552 km。由-5 d的2018年12月19日至2019年2月28日PMZ事件可見，該時(shí)效共預(yù)報(bào)出6次PMZ事件，但是只有3次事件與零場可匹配。-5 d預(yù)報(bào)的事件起止位置與零場平均偏差為790 km，最大偏差為1455.8 km，最小為446.2 km。對于事件維持時(shí)長而言，-5 d預(yù)報(bào)與零場相比以偏少為主。通過對比-2 d和-5 d預(yù)報(bào)結(jié)果可以看出，GRAPES_GEPS控制預(yù)報(bào)中期時(shí)效預(yù)報(bào)效果明顯差于短期時(shí)效，控制預(yù)報(bào)模式對冬季PMZ事件的預(yù)報(bào)能力表現(xiàn)欠佳。

為了直觀對比-2 d和-5 d GRAPES_GEPS控制預(yù)報(bào)的PMZ事件情況，圖6a和6b分別給出2018年12月19日至2019年2月28日該模式在兩個(gè)時(shí)效預(yù)報(bào)的PMZ事件分布。對于2018年12月而言，-2 d僅預(yù)報(bào)出12月28～30日的PMZ事件（圖6a綠線），維持3 d，較零場明顯偏短；-5 d同樣也預(yù)報(bào)出12月底的PMZ事件，但零場中移動(dòng)路徑以緯向?yàn)橹?，?5 d預(yù)報(bào)以經(jīng)向移動(dòng)路徑為主 （圖6b綠線）。對于2019年1月，零場共出現(xiàn)9次PMZ事件，其中5次發(fā)生在巴爾喀什湖至貝加爾湖之間區(qū)域，對比-2 d和-5 d預(yù)報(bào)可以看出，GRAPES_GEPS控制預(yù)報(bào)對2019年1月的PMZ事件預(yù)報(bào)并不理想，事件發(fā)生頻數(shù)較零場明顯偏低 （-2 d預(yù)報(bào)出3次，-5 d預(yù)報(bào)出2次）。對于2019年2月，零場中出現(xiàn)4次PMZ事件，其中發(fā)生在2月上旬的事件主要集中在地中海以北地區(qū)，2月中下旬的事件集中在貝加爾湖一帶，-2 d預(yù)報(bào)出了分別發(fā)生在2月上旬和中旬的PMZ事件，且位置與零場較為接近，但事件的維持時(shí)長較零場偏短。-5 d未能預(yù)報(bào)出與2月零場相匹配的PMZ事件。

圖6 GRAPES_GEPS控制預(yù)報(bào)提前（a）2 d和（b）5 d預(yù)報(bào)2018年12月19日至2019年2月28日的PMZ事件分布（綠線：2018年1月；紅線：2019年1月；藍(lán)線：2019年2月）Fig. 6 Distributions of GRAPES_GEPS (a) 2-d and (b) 5-d forecast PMZ event forecast from 19 Dec 2018 to 28 Feb 2019 (green line: Dec; red line:Jan 2019; blue line: Feb 2019)

通過分析GRAPES_GEPS控制預(yù)報(bào)對2018年冬季PMZ事件的預(yù)報(bào)能力可以發(fā)現(xiàn)，短期時(shí)效預(yù)報(bào)與零場可對應(yīng)的PMZ事件個(gè)數(shù)多于中期時(shí)效，且短期時(shí)效預(yù)報(bào)的PMZ事件起止位置與零場的偏差距離明顯低于中期時(shí)效。

5.1.2 GRAPES_GEPS集合預(yù)報(bào)對2018年12月冬季PMZ事件檢驗(yàn)

王毅等（2014）利用Tibaldi and Molteni （1990）定義的阻高指數(shù)檢驗(yàn)了ECMWF集合預(yù)報(bào)對2018年1月歐亞地區(qū)阻塞發(fā)生頻率的預(yù)報(bào)性能，發(fā)現(xiàn)集合預(yù)報(bào)的優(yōu)勢主要體現(xiàn)在中期預(yù)報(bào)時(shí)段。為了對比GRAPES_GEPS集合預(yù)報(bào)和控制預(yù)報(bào)對2018年冬季PMZ事件的預(yù)報(bào)性能，表2給出集合預(yù)報(bào)不同時(shí)效起報(bào)的16次PMZ事件命中概率（方法介紹見2.4節(jié)）。表中“-1 d”指某一次PMZ事件開始日期的前一天、“-2 d”指開始日期的前兩天。命中概率大于50%的平均預(yù)報(bào)時(shí)長是1 d，命中概率為40%～50%的平均時(shí)長是3.6 d，命中概率為30%～40%的平均時(shí)長是3.2 d，命中概率為20%～30%的平均時(shí)長是4.1 d，命中概率為10%～20%的平均時(shí)長是6.2 d，小于10%命中概率的平均預(yù)報(bào)時(shí)長是7.6 d?？梢钥闯觯殡S預(yù)報(bào)時(shí)效逐步臨近命中概率數(shù)值增加，表明更多的集合成員可預(yù)報(bào)出與零場接近的PMZ事件。

表2 GRAPES_GEPS集合預(yù)報(bào)不同時(shí)效起報(bào)的2018年冬季16次PMZ事件的命中概率Table 2 The strike probability of 16 PMZ events in the winter of 2018 reported from different forecast time by GRAPES_GEPS ensemble

2018年12月27～30日我國出現(xiàn)一次寒潮天氣過程，全國大部地區(qū)日平均氣溫下降超過8°C，江南和華南的部分地區(qū)降溫超過10°C。通過追蹤識別發(fā)現(xiàn)12月25～31日在巴爾喀什湖至貝加爾湖之間出現(xiàn)了維持日數(shù)達(dá)7 d的PMZ事件，本文對該次事件進(jìn)行了檢驗(yàn)。圖7a和7b分別給出2018年12月25～31日GRAPES_GEPS控制預(yù)報(bào)和集合平均500 hPa位勢高度場分布，由圖可見控制預(yù)報(bào)和集合平均的零場及-3 d預(yù)報(bào)場均呈現(xiàn)出歐亞大陸中高緯存在兩槽一脊的分布形勢，對貝加爾湖附近的橫槽也給出較好的預(yù)報(bào)，但二者-3 d預(yù)報(bào)貝加爾湖以西地區(qū)高壓脊強(qiáng)度與零場對比略偏弱。雖然12月25～31日500 hPa高度平均場可以體現(xiàn)貝加爾湖以西地區(qū)有高壓脊發(fā)展，但并不能提供高壓脊系統(tǒng)的維持時(shí)間、移動(dòng)路徑和強(qiáng)度的變化，因此可以通過PMZ事件識別方法來進(jìn)行高壓脊系統(tǒng)的識別和檢驗(yàn)，從而可以更好的對GRAPES_GEPS集合預(yù)報(bào)中期延伸期時(shí)效對冬季高壓脊的預(yù)報(bào)能力進(jìn)行評估。

圖7 2018年12月25～31日基于（a）GRAPES_GEPS控制預(yù)報(bào)和（b）集合平均的500 hPa位勢高度場（單位：dagpm）（黑線：零場；紅線：3 d預(yù)報(bào)）Fig. 7 (a) GRAPES_GEPS control forecast and (b) the ensemble average of the 500-hPa geopotential height field from 25 Dec to 31 Dec 2018 (units:dagpm; black line: Zero field; red line: 3-d forecast)

為更好地評估GRAPES_GEPS集合預(yù)報(bào)中期延伸期時(shí)效對2018年12月25～31日PMZ事件的預(yù)報(bào)能力，圖8給出了該時(shí)段GRAPES_GEPS集合預(yù)報(bào)中期延伸期時(shí)效PMZ事件集合預(yù)報(bào)命中概率分布情況。由圖可見，19日起報(bào)，20%～30%集合成員給出PMZ事件預(yù)報(bào)，高壓脊中心位置和移動(dòng)路徑與零場較為接近；自20日起，預(yù)報(bào)PMZ事件的集合成員數(shù)增多、模式穩(wěn)定性提高；22日，有近半數(shù)成員均給出有效預(yù)報(bào)，且高壓脊中心位置、移動(dòng)路徑、高壓脊維持時(shí)間與零場均較為一致；23～24日起報(bào)，絕大多數(shù)成員預(yù)報(bào)出12月下旬末期的PMZ事件，但可以發(fā)現(xiàn)GRAPES_GEPS集合預(yù)報(bào)對此次PMZ事件的維持時(shí)間預(yù)報(bào)較零場偏短、高壓脊強(qiáng)度較零場偏弱。

圖8 GRAPES_GEPS 2018年12月（a）19日、（b）20日、（c）21日、（d）22日、（e）23日、（f）24日起報(bào)的2018年12月25～31日PMZ事件集合預(yù)報(bào)命中概率分布（黑粗線：零場；陰影：集合成員）Fig. 8 Strike probability distributions of PMZ during 25-31 Dec 2018 from GRAPES_GEPS ensemble forecast on (a) 19 Dec, (b) 20 Dec, (c) 21 Dec, (d) 22 Dec, (e) 23 Dec, and (f) 24 Dec 2018 (black thick line: Zero field; shadow area: Ensemble member)

此外，通過對比發(fā)現(xiàn)2018年12月19日起報(bào)的控制預(yù)報(bào)并未預(yù)報(bào)出12月下旬末期發(fā)生在巴爾喀什湖以北的PMZ事件，而部分集合成員給出了一定的預(yù)報(bào)信息（圖略）。由此可見，GRAPES_GEPS集合預(yù)報(bào)對于本次PMZ事件在中期延伸期時(shí)效上可以提供一定的指示性作用。

5.2 ECMWF集合預(yù)報(bào)對2018年冬季PMZ事件的檢驗(yàn)分析

當(dāng)前ECMWF確定性預(yù)報(bào)可用預(yù)報(bào)時(shí)效接近9 d，集合預(yù)報(bào)的可用預(yù)報(bào)時(shí)效則遠(yuǎn)超10 d。本文對比了ECMWF和GRAPES_GEPS兩個(gè)模式集合預(yù)報(bào)對PMZ的預(yù)報(bào)能力。由于PMZ事件是利用模式500 hPa零場計(jì)算來確定，因此分別由ECMWF集合預(yù)報(bào)和GRAPES_GEPS兩家模式控制預(yù)報(bào)零場來確定的PMZ事件次數(shù)和起止時(shí)間勢必不一致，這里采用的檢驗(yàn)手段是預(yù)報(bào)場均與自身零場進(jìn)行比較。2018年冬季ECMWF集合預(yù)報(bào)控制預(yù)報(bào)零場共識別出11次PMZ事件，ECMWF集合預(yù)報(bào)命中概率大于50%的平均預(yù)報(bào)時(shí)長是1.8 d，命中概率為40%～50%的平均時(shí)長是2.6 d，命中概率為30%～40%的平均時(shí)長是3 d，命中概率為20%～30%的平均時(shí)長是5.2 d，命中概率為10%～20%的平均時(shí)長是6 d，小于10%命中概率的平均預(yù)報(bào)時(shí)長是8.5 d。由兩家模式不同時(shí)效起報(bào)PMZ事件集合預(yù)報(bào)命中概率曲線分布（圖9）可見，ECMWF在前期預(yù)報(bào)效果明顯占優(yōu)（1～5 d），但隨著預(yù)報(bào)時(shí)效的增加，性能明顯衰減，第8天性能已與GRAPES_GEPS模式基本保持一致，而后期 （9～13 d）GRAPES_GEPS模式甚至顯示一定優(yōu)勢。

圖9 GRAPES_GEPS（灰線）和ECMWF（黑線）對不同時(shí)效起報(bào)PMZ事件集合預(yù)報(bào)命中概率分布Fig. 9 GRAPES_GEPS (grey line) and ECMWF (black line) ensemble forecast strike probability distribution of PMZ

6 結(jié)論和討論

本文基于GRAPES_GEPS和ECMWF全球集合預(yù)報(bào)產(chǎn)品，利用PMZ識別方法，以2018年冬季在歐亞地區(qū)中高緯出現(xiàn)的500 hPa持續(xù)性高值事件為研究對象，分析了兩家集合預(yù)報(bào)模式對北半球500 hPa持續(xù)性高值事件的預(yù)報(bào)效果，并對12月底發(fā)生在我國的寒潮過程的高壓脊形勢進(jìn)行了詳細(xì)的評估。此外文章還采用Tibaldi and Molteni（1990）定義的阻高指數(shù)對比了GRAPES和ECMWF確定性模式對2018年冬季鄂霍茨克海阻高的預(yù)報(bào)性能。研究發(fā)現(xiàn)：

（1）歐亞地區(qū)冬季PMZ事件主要發(fā)生在烏拉爾山地區(qū)，該地區(qū)PMZ事件生命史以2～3 d為主，生命史內(nèi)移動(dòng)距離小于1000 km，具有穩(wěn)定少動(dòng)的特點(diǎn)。

（2）GRAPES和ECMWF確定性模式對2018年冬季發(fā)生鄂霍茨克海地區(qū)的偏強(qiáng)阻塞形勢在中短期時(shí)效有較好的預(yù)報(bào)效果，且ECMWF模式預(yù)報(bào)性能優(yōu)于GRAPES模式，而對弱阻塞形勢預(yù)報(bào)兩家模式均不理想。

（3）GRAPES_GEPS控制預(yù)報(bào)中期時(shí)效預(yù)報(bào)效果明顯差于短期時(shí)效，控制預(yù)報(bào)模式對冬季PMZ事件的預(yù)報(bào)能力表現(xiàn)欠佳。GRAPES_GEPS集合預(yù)報(bào)伴隨預(yù)報(bào)時(shí)效臨近更多的集合成員可預(yù)報(bào)出與零場接近的PMZ事件。

（4）對于2018年12月25～31日發(fā)生在巴爾喀什湖至貝加爾湖一帶的PMZ事件，GRAPES_GEPS集合預(yù)報(bào)在延伸期時(shí)效給出預(yù)報(bào)信息，隨預(yù)報(bào)時(shí)效臨近，絕大多數(shù)成員均給出有效預(yù)報(bào)，但與零場相比維持時(shí)間預(yù)報(bào)較零場偏短、高壓脊強(qiáng)度較零場偏弱。

（5）與GRAPES_GEPS模式相比，ECMWF前期預(yù)報(bào)效果明顯占優(yōu)，但隨著預(yù)報(bào)時(shí)效的增加，效果顯著降低，GRAPES_GEPS在10 d后可顯示出一定的預(yù)報(bào)優(yōu)勢。

目前中期延伸期預(yù)報(bào)對大氣環(huán)流系統(tǒng)的業(yè)務(wù)檢驗(yàn)還多停留在傳統(tǒng)檢驗(yàn)評分上，對影響我國天氣氣候異常的主要天氣系統(tǒng)還缺乏追蹤和檢驗(yàn)技術(shù)。本文利用前沿的PMZ識別技術(shù)，獲取集合預(yù)報(bào)命中概率評分將有效提升中期延伸期時(shí)效西風(fēng)帶系統(tǒng)預(yù)報(bào)能力。未來有望將該方法應(yīng)用于實(shí)際業(yè)務(wù)中以提高整體評估效果。

致謝感謝國家氣象中心周寧芳正研級高工對本文的建議和指導(dǎo)。