重慶一次暴雨過(guò)程的數(shù)值模擬與初值分析

呼延李豆, 吳 鉦,翟丹華,高 松

(1.重慶市氣象科學(xué)研究所,重慶 401147；2.重慶市農(nóng)業(yè)氣象與衛(wèi)星遙感工程技術(shù)研究中心，重慶 401147；3.重慶市氣象臺(tái),重慶 401147；4.重慶市長(zhǎng)壽區(qū)氣象局,重慶 401220)

關(guān)于初始條件對(duì)天氣系統(tǒng)發(fā)生發(fā)展和數(shù)值模擬問(wèn)題，學(xué)者們已經(jīng)做了大量的工作[1-7]，大家普遍認(rèn)同的觀點(diǎn)是數(shù)值天氣預(yù)報(bào)的難點(diǎn)很大程度上是由于天氣形勢(shì)的演變對(duì)初始條件的敏感性，初始環(huán)境中微小的差異在時(shí)間的推移下會(huì)逐漸擴(kuò)散，誤差增長(zhǎng)的速率也隨尺度大小表現(xiàn)不同。天氣尺度的可預(yù)報(bào)性時(shí)效是有限的這一觀念現(xiàn)在逐漸被認(rèn)可。Zhang等針對(duì)美國(guó)東海岸2000年1月的一次暴雪過(guò)程分析了初始誤差對(duì)數(shù)值模式預(yù)報(bào)產(chǎn)生的可能影響[8-9]，其結(jié)果在Tan等的工作中得到證實(shí)[10]。在以上工作基礎(chǔ)上Zhang等研究了包含對(duì)流的理想斜壓波試驗(yàn)中模式預(yù)報(bào)誤差的增長(zhǎng)情況[11]。

針對(duì)我國(guó)的暴雨過(guò)程，學(xué)者們也分析了在暴雨的發(fā)生發(fā)展過(guò)程中數(shù)值模擬的初值問(wèn)題。Bei和Zhang研究了我國(guó)的一次梅雨鋒暴雨事件初始誤差相關(guān)的可預(yù)報(bào)性問(wèn)題[12]。Zhai和Lin利用模式的擾動(dòng)能量偏差分析了上海地區(qū)發(fā)生的一次特大暴雨事件的可預(yù)報(bào)性時(shí)效[13]。吳亞麗等[14]通過(guò)數(shù)值試驗(yàn)分析了模式初始濕度條件差異對(duì)暖區(qū)對(duì)流系統(tǒng)的可預(yù)報(bào)性造成的影響。徐幼平等[15]研究了我國(guó)南方暴雨中不同資料分析場(chǎng)對(duì)暴雨數(shù)值預(yù)報(bào)結(jié)構(gòu)的作用。唐永蘭等[16]針對(duì)2008年一次西南渦暴雨過(guò)程研究了數(shù)值模式中不同初值的問(wèn)題。這些結(jié)果深化了對(duì)我國(guó)暴雨過(guò)程中尺度可預(yù)報(bào)性的理解和認(rèn)識(shí)，但關(guān)于中國(guó)暴雨事件數(shù)值模擬的初值問(wèn)題，還有待于更多的個(gè)例研究。

重慶地區(qū)有著特殊的地理位置和氣候條件，每年由于暴雨產(chǎn)生的次生災(zāi)害給工農(nóng)業(yè)生產(chǎn)帶來(lái)巨大經(jīng)濟(jì)損失。以往對(duì)重慶暴雨的研究主要集中在其產(chǎn)生的動(dòng)力和熱力條件等方面[17-18]，對(duì)暴雨本身的可預(yù)報(bào)時(shí)限問(wèn)題知之甚少。在實(shí)際業(yè)務(wù)中，暴雨預(yù)報(bào)的不確定性越來(lái)越受到氣象工作者的關(guān)注和重視，因此研究暴雨本身的不確定性及其物理成因?qū)μ嵘A(yù)報(bào)能力，降低暴雨對(duì)人民生產(chǎn)生活的不利影響有著重大的科學(xué)和現(xiàn)實(shí)意義。2017年5月2日到3日重慶地區(qū)發(fā)生了2017年首次區(qū)域性暴雨過(guò)程，重慶東北部大部地區(qū)、中西部部分地區(qū)出現(xiàn)大雨到暴雨，局地大暴雨天氣。本次過(guò)程中有7個(gè)區(qū)縣達(dá)到暴雨量級(jí)，其中最大降雨量出現(xiàn)在梁平的聚奎村(197.8 mm)。本文利用重慶市氣象局天資·高分辨率預(yù)報(bào)系統(tǒng)，主要著眼于不同初始資料的差異對(duì)2017年5月2日到3日暴雨過(guò)程可預(yù)報(bào)性產(chǎn)生的影響，旨在增強(qiáng)對(duì)暴雨過(guò)程模擬中初值問(wèn)題的理解和認(rèn)識(shí)。

1 資料和方法

所用的資料包括全球大氣數(shù)據(jù)同化系統(tǒng)(global data assimilation system，GDAS)再分析資料(6 h間隔)和歐洲中期天氣預(yù)報(bào)中心(European Centre for medium-range weather forecast)全球再分析資料(6 h間隔，簡(jiǎn)稱(chēng)ERA)，其中包括位勢(shì)高度、相對(duì)濕度、垂直速度以及水平風(fēng)場(chǎng)等信息；降水?dāng)?shù)據(jù)使用的是中國(guó)自動(dòng)站與CMORPH(climate prediction center morphing technique)降水產(chǎn)品融合的逐小時(shí)格點(diǎn)資料，水平分辨率為0.05°×0.05°[19-20]。為方便敘述，文中出現(xiàn)的時(shí)間除特殊說(shuō)明外，均為世界時(shí)。控制試驗(yàn)的初始值和邊界值來(lái)源于GDAS的0.25°×0.25°全球再分析格點(diǎn)資料[21]，模擬時(shí)間從2017年5月2日0000UTC到5月3日0000UTC。

計(jì)算模式區(qū)域內(nèi)總能量偏差DTE采用的是Zhang等討論模式誤差的時(shí)間演變及其可預(yù)報(bào)性問(wèn)題時(shí)使用的計(jì)算公式[9]，即

(1)

式(1)中，U′、V′和T′分別是兩個(gè)模擬試驗(yàn)的風(fēng)場(chǎng)、溫度場(chǎng)之間的差值；κ=Cp/Tr，Cp為定壓比熱，一般取1 004.6 m2/(s2K)，Tr為參考溫度，一般取287 K；i，j，k分別為x，y和σ方向的格點(diǎn)數(shù)。

2 模式介紹

本文基于重慶市氣象局業(yè)務(wù)運(yùn)行的天資·高分辨率數(shù)值預(yù)報(bào)系統(tǒng)(Tianzi high resolution numerical weather prediction system,CQHPS)開(kāi)展預(yù)報(bào)試驗(yàn)。該模式由美國(guó)俄克拉荷馬大學(xué)風(fēng)暴分析和預(yù)測(cè)中心、重慶市氣象局、重慶市氣象科學(xué)研究所和中國(guó)科學(xué)院重慶綠色智能技術(shù)研究院聯(lián)合研發(fā)。該模式自研發(fā)應(yīng)用以來(lái)，在重慶地區(qū)發(fā)生的多次區(qū)域性暴雨天氣過(guò)程中，較準(zhǔn)確地提前預(yù)報(bào)出了暴雨發(fā)生的落區(qū)和量級(jí)，為業(yè)務(wù)部門(mén)提前發(fā)布暴雨預(yù)警信息提供了有價(jià)值的參考[22]。該模式采用三層單向嵌套，模式分辨率分別為27、9、3 km，其中D01區(qū)域中心位置為(34.5°N，104.5°E)，區(qū)域分辨率為27 km，格點(diǎn)數(shù)為200×160，覆蓋了中國(guó)及周邊地區(qū)；D02區(qū)域分辨率為9 km，覆蓋了黃河、長(zhǎng)江流域大部分區(qū)域及周邊地區(qū)，格點(diǎn)數(shù)為288×216；D03區(qū)域分辨率為3 km，格點(diǎn)數(shù)為480×360，覆蓋了重慶及周邊地區(qū)(24.5°N～34.5°N，99°E～113°E；圖1)。垂直方向?yàn)?1層[23]。模式采用的微物理參數(shù)化方案為含有冰、積雪過(guò)程等的WSM6方案[24]，邊界層方案使用了Mellor-Yamada-Jajic (簡(jiǎn)稱(chēng)MYJ)方案[25]，積云參數(shù)化方案選用了Betts-Miller-Janjic(簡(jiǎn)稱(chēng)BMJ)方案[26]?？紤]到本次暴雨過(guò)程和計(jì)算時(shí)效性等，采用GDAS和ERA兩種資料為初始場(chǎng)作對(duì)比分析，模式的起報(bào)時(shí)間為2017年5月2日0000UTC，預(yù)報(bào)時(shí)間為24 h，下文中均選取的是D03輸出的模擬結(jié)果。

圖1 CQHPS模式嵌套區(qū)域圖(填色為地形高度，單位為m)

3 數(shù)值模擬結(jié)果

3.1 模擬結(jié)果與觀測(cè)對(duì)比

暴雨主要降水時(shí)段集中在2017年5月2日白天到3日白天。圖2a為2017年5月2日0000UTC到5月3日0000UTC的24 h觀測(cè)累積降雨量，可以看出本次暴雨過(guò)程主要降雨中心在30.5°N，107°E。圖2b給出了利用GDAS資料為初始場(chǎng)，CQHPS模擬的 24 h累積降雨量和位置，模擬的主要降水位置在30.1°N，106.5°E。與觀測(cè)相比，模擬的降水落區(qū)稍偏南偏西，降雨量偏小，由于數(shù)值模式模擬大氣系統(tǒng)會(huì)存在一些局限，認(rèn)為本次過(guò)程降水的模擬結(jié)果是有參考價(jià)值的。

圖2 2017-05-02T0000UTC—03T0000UTC 24 h累積降雨量(單位為mm；a 實(shí)況觀測(cè)，b GDAS資料為初始場(chǎng)的CQHPS模擬結(jié)果，c ERA資料為初始場(chǎng)的CQHPS模擬結(jié)果；審圖號(hào)為GS(2019)3082號(hào))

3.2 天氣形勢(shì)場(chǎng)模擬結(jié)果

圖3為GDAS再分析資料在D01區(qū)域500 hPa和700 hPa兩個(gè)等壓面上2日1200 UTC 及3日0000 UTC風(fēng)場(chǎng)、位勢(shì)高度場(chǎng)及比濕場(chǎng)(將GDAS再分析資料視為實(shí)況觀測(cè)資料)。圖4則給出了使用GDAS資料的CQHPS模擬結(jié)果。通過(guò)對(duì)比分析表明，雖然模式模擬的西南低渦偏弱，與對(duì)應(yīng)的實(shí)況觀測(cè)形勢(shì)存在一定差異，但是模式結(jié)果可以較好地模擬出高原低槽的移動(dòng)過(guò)程及其在四川盆地東部的停滯， 而且也較好地模擬出了本次區(qū)域性暴雨發(fā)生過(guò)程中高低層環(huán)流系統(tǒng)的配置情況。

圖3 實(shí)際觀測(cè)的水平風(fēng)場(chǎng)、比濕(>60%)和位勢(shì)高度場(chǎng)(a 2017-05-02T1200UTC 500 hPa，b 2017-05-03T0000UTC 500 hPa，c 2017-05-02T1200UTC 700 hPa，d 2017-05-03T0000UTC 700 hPa；審圖號(hào)為GS(2019)3082號(hào))

圖4 GDAS資料為初始場(chǎng)的CQHPS水平風(fēng)場(chǎng)、位勢(shì)高度場(chǎng)和比濕(>60%)模擬結(jié)果(a 2017-05-02T1200UTC 500 hPa，b 2017-05-03T0000UTC 500 hPa，c 2017-05-02T1200UTC 700 hPa，d 2017-05-03T0000UTC 700hPa；審圖號(hào)為GS(2019)3082號(hào))

通過(guò)比較分析本次暴雨過(guò)程模擬的24 h累積降水量和大尺度環(huán)流背景場(chǎng),可以得出利用GDAS資料為初始場(chǎng)的CQHPS模擬結(jié)果和實(shí)際觀測(cè)非常接近，模式的模擬比較合理，因此本文將此試驗(yàn)稱(chēng)為控制試驗(yàn)(control試驗(yàn)，下簡(jiǎn)稱(chēng)CNTL)。下文中的敏感試驗(yàn)以CNTL為背景展開(kāi)對(duì)比研究。

4 初始誤差的敏感性試驗(yàn)研究

下面主要利用實(shí)際的模式擾動(dòng)誤差，探討不同擾動(dòng)誤差的演變特征及其對(duì)2017年5月2日重慶區(qū)域暴雨過(guò)程中尺度可預(yù)報(bào)性的影響。敏感性試驗(yàn)為初始場(chǎng)來(lái)自ERA全球格點(diǎn)資料的CQHPS模擬結(jié)果(下簡(jiǎn)稱(chēng)EXP-ERA)，模式中其它的設(shè)置與CNTL一致。

比較EXP-ERA的24 h累積降水量(圖2c)與CNTL的(圖2b)可以看到，二者之間存在比較大的差異。圖 2c的模擬結(jié)果中暴雨中心位置在31.5°N，106.5°E，與圖2b模擬的降水大值落區(qū)的中心位置相比偏西偏北，且降雨量在重慶地區(qū)偏少。二者模擬降水結(jié)果差異較大，表明在本次過(guò)程的模擬中，模式初始資料的差異對(duì)此次過(guò)程的降水預(yù)報(bào)結(jié)果產(chǎn)生了比較明顯的影響。

通過(guò)功率譜分析的方法進(jìn)一步分析初始資料的差異對(duì)此次暴雨過(guò)程模擬結(jié)果的影響。圖5表示CNTL與EXP-ERA的DTE的時(shí)間演變?？梢钥闯?，初始時(shí)刻CNTL與EXP-ERA之間的DTE在積分開(kāi)始時(shí)刻主要出現(xiàn)在200 km以上的較大尺度上。從整個(gè)積分時(shí)間來(lái)看，DTE在大于200 km的尺度上增加的較為緩慢，而在小于200 km的尺度范圍內(nèi)增加的速度比較快，這和前人的研究結(jié)果是一致的[27-28]。圖6表示對(duì)CNTL的3 h累積降水量進(jìn)行功率譜分析，結(jié)果反映了積分初始時(shí)刻降水尺度主要集中在700 km附近，隨著積分時(shí)間的推移，降水的主要尺度也逐漸轉(zhuǎn)向大尺度范圍。

5 結(jié)論與討論

利用重慶市氣象局天資·高分辨率數(shù)值預(yù)報(bào)系統(tǒng)(CQHPS)對(duì)2017年5月2—3日重慶區(qū)域暴雨過(guò)程進(jìn)行數(shù)值模擬，使用 GDAS和ERA兩種資料分別作為模式初始場(chǎng)，對(duì)比模擬結(jié)果并進(jìn)行初值分析，結(jié)果如下。

(1)CQHPS能夠在很大程度上模擬出本次區(qū)域暴雨過(guò)程的大尺度天氣環(huán)流形勢(shì)以及降水落區(qū)和降雨強(qiáng)度，模擬結(jié)果與觀測(cè)比較吻合。

(2)使用不同的初始資料進(jìn)行模擬會(huì)對(duì)本次暴雨過(guò)程的預(yù)報(bào)結(jié)果產(chǎn)生較為顯著的影響；從總能量偏差DTE的功率譜分析可見(jiàn)，在大于200 km的尺度上DTE增加的較為緩慢， 而在小于200 km的尺度范圍內(nèi)增加的速度比較快，且功率譜結(jié)果也顯示能量隨積分時(shí)間的推移向著大尺度方向移動(dòng)。

黑色虛線表示CNTL在24 h時(shí)的總能量功率譜。圖5 CNTL與EXP-ERA的總能量偏差(單位為m2s-2)的功率譜在不同積分時(shí)間(3 h間隔)的分布

圖6 CNTL 3 h累積降雨量(單位為mm)的功率譜在不同積分時(shí)間(3 h間隔)的分布

(3)因?yàn)槌跏假Y料和數(shù)值模式系統(tǒng)本身的自限性，所以結(jié)果和分析有一定的局限性，且本文只研究了1次區(qū)域暴雨個(gè)例，有關(guān)暴雨可預(yù)報(bào)性的其他問(wèn)題有待更多更深入的研究。