海洋气象学报  2018, Vol. 38 Issue (4): 136-144  DOI: 10.19513/j.cnki.issn2096-3599.2018.04.015
0

引用本文  

党英娜. ECMWF和华东WARMS模式对山东半岛汛期暴雨的预报能力检验[J]. 海洋气象学报, 2018, 38(4): 136-144. DOI: 10.19513/j.cnki.issn2096-3599.2018.04.015.
DANG Yingna. Verification of the rainstorm forecast by ECMWF-Thin and SMS-WARMS during the flood season in Shandong Peninsula[J]. Journal of Marine Meteorology, 2018, 38(4): 136-144. DOI: 10.19513/j.cnki.issn2096-3599.2018.04.015. (in Chinese)

基金项目

中国气象局预报员专项(CMAYBY2018-043)

作者简介

党英娜,女,硕士,高级工程师,主要从事短期天气预报与数值产品释用工作,63393076@qq.com.

文章历史

收稿日期:2018-06-19
修订日期:2018-07-04
ECMWF和华东WARMS模式对山东半岛汛期暴雨的预报能力检验
党英娜     
烟台市气象局,山东 烟台 264003
摘要:利用欧洲中期天气预报中心细网格模式(以下简称ECMWF-Thin)产品和模式水平分辨率为9 km的华东区域气象中心中尺度数值预报模式Ⅴ1.0(以下简称SMS-WARMS)产品,对山东半岛2016—2017年汛期35个暴雨日(26次过程)的暴雨预报能力进行检验。结果表明:1)对于降水强度,ECMWF-Thin预报偏弱导致暴雨和大暴雨漏报率偏高,大暴雨几乎全部漏报,当其预报有50 mm以上降水时出现暴雨的概率达90%以上,SMS-WARMS则预报降水量偏强、空报率较高,SMS-WARMS降水强度量级预报总体优于ECMWF-Thin,24 h预报能力最佳;2)对于强降水开始时间的预报,两家模式均表现为偏晚为主,且偏晚3 h以内的概率较大,在参考其预报结论的基础上可适当提前3 h;3)对于强降水落区,ECMWF-Thin略优于SMS-WARMS,SMS-WARMS对台风暴雨的落区预报较为精准,而其他类型暴雨的落区ECMWF-Thin预报多偏南或偏向西南1°以内,因此预报员需向偏东或东北1°范围内的区域调整;4)对于强降水范围大小的预报,ECMWF-Thin预报暴雨范围偏小的概率较大,而SMS-WARMS预报范围偏大的概率较大,因此需综合考虑两种数值预报结论进行折中预报。
关键词ECMWF-Thin    SMS-WARMS    汛期暴雨    检验    
Verification of the rainstorm forecast by ECMWF-Thin and SMS-WARMS during the flood season in Shandong Peninsula
DANG Yingna     
Yantai Meteorological Bureau, Yantai 264003, China
Abstract: The verification of the rainstorm forecast by ECMWF thin grid model products (ECMWF-Thin for short) and SMS-WARMS Ⅴ1.0 with the resolution of 9 km (SMS-WARMS for short) from East China Regional Meteorological Center for the 35 rainstorm days (26 processes) in the flood season of Shandong Peninsula from 2016 to 2017 is conducted. The results are listed as below. 1) For the precipitation intensity, the weak prediction by ECMWF-Thin leads to high omission rate of rainstorms and torrential rain processes and almost all the torrential rain processes are omitted. When the precipitation is predicted to be more than 50 mm, the probability of rainstorms is over 90%. SMS-WARMS predicts relatively strong precipitation and is of high vacancy rate. SMS-WARMS is generally superior to ECMWF-Thin in predicting the precipitation intensity and possesses the best 24-hour forecast ability. 2) For the beginning time of heavy precipitation, both models are generally predicting later, and the probability of three hours late is greater. Therefore, the precipitation can be suitably predicted to be three hours in advance referring to the conclusion. 3) For the heavy precipitation areas, ECMWF-Thin is slightly better than SMS-WARMS. The latter model is more accurate in forecasting typhoon rainstorm areas, but the areas of other types of rainstorms by the former model are generally to the south or southwest within 1°. Thus forecasters should adjust eastward or northeastward within 1°. 4) For the heavy precipitation range, it is more probable for ECMWF-Thin to forecast a smaller range and SMS-WARMS a larger range. Therefore, it is necessary to integrate two kinds of numerical predictions.
Key words: ECMWF-Thin    SMS-WARMS    rainstorms in the flood season    verification    
引言

随着数值预报技术的不断更新和预报精度及准确率的不断提高,数值预报产品已成为现代天气预报的重要参考依据。但由于数值预报结果受模式初始场、边界条件、物理过程、动力框架等诸多方面的影响, 数值预报产品特别是对天气要素的预报在量级大小、出现时间和范围上都不可避免地存在一定的误差[1-6]。正确认识数值预报产品的性能可以使预报员有根据地对数值预报加以订正,从而取得更好的预报效果, 因此开展数值产品的预报能力检验评估是必不可少的工作[7-9]。张永婧等[10]通过对WRF集合预报24 h确定性降水量检验,发现确定性预报24 h降水量达到30 mm以上, 且天气形势和各物理量满足产生暴雨的条件时, 可考虑预报暴雨。肖明静等[11]对2010年山东汛期降水预报进行了检验,结果表明T639模式的预报效果最佳。梁寒等[12]对2013年8月16日辽宁地区特大暴雨过程数值模式的预报产品进行检验和对比分析,发现暴雨预报平均准确率欧洲中期天气预报中心(ECMWF)模式略高于T639模式。张国华等[13]根据天气分型对多种数值模式在河北地区做TS评分,发现T639、MM5、T213模式对大雨和暴雨的预报好于其他模式。

暴雨作为对人类生产生活影响最大的灾害性天气之一,形成机制较为复杂[14-15],因此预报难度较大。对气象工作者来说,如何能够定时、定量、定点地作出准确的预报,具有很大的挑战,是天气预报的重点和难点之一。由于山东暴雨主要集中出现在汛期,因此采用目前预报业务中广泛使用的欧洲中期天气预报中心预报模式和华东区域气象中心中尺度数值预报模式产品对山东半岛2016—2017年汛期期间35个暴雨日(26次过程)的暴雨预报能力进行了客观检验,旨在分析两种数值模式对降水强度、强降水开始时间、强降水落区及范围大小的预报效果,通过检验了解这两种数值预报模式的预报能力及特点,以期为预报员在实际预报中如何释用数值模式产品提供参考,从而提高暴雨预报的准确率。

1 资料与检验方法 1.1 模式资料与暴雨过程的选取

参与检验的模式为欧洲中期天气预报中心0.25°×0.25°分辨率细网格模式(以下简称ECMWF-Thin)产品以及水平模式分辨率为9 km的华东区域气象中心中尺度数值预报模式Ⅴ1.0(以下简称SMS-WARMS)产品。参与检验的资料为2016—2017年山东半岛汛期(6—9月)期间每日20:00(北京时,下同)起报的逐3 h降水量以及0~24 h、24~48 h和48~72 h的24 h累计降水量预报。

暴雨过程选取山东半岛296个自动站在2016—2017年汛期期间2站以上20:00—次日20:00降水量达到50 mm的35个暴雨日(26次过程),详见表 1。由暴雨类型来看,35个暴雨日中有17次暖区暴雨、9次锋面暴雨、5次先暖区后锋面暴雨和4次台风暴雨。

表 1 2016—2017年山东半岛汛期暴雨日(20:00—次日20:00)概况 Table 1 Overview of the rainstorm days during the flood season of Shandong Peninsula from 2016 to 2017 (from 20:00 to 20:00 the next day)
1.2 检验内容及方法

检验内容分为降水强度、强降水开始时间、强降水落区及范围大小四个方面。

对于降水强度的检验,因模式对暴雨落区预报有一定的偏差,所以如采取严格的点对点检验,将不能很好地刻画出模式对暴雨的预报能力,因此通过对比模式24 h累计降水量预报产品的强降水中心值与实况强降水中心值,对暴雨、大暴雨预报效果进行检验,相关检验指标如下。

$ {\mathrm{TS评分}}:S_{\mathrm{TS}}=\frac{N_{\mathrm{A}}}{N_{\mathrm{A}}+N_{\mathrm{B}}+N_{\mathrm{C}}} \times 100 \% $ (1)
$ 空报率:R_{\mathrm{FA}}=\frac{N_{\mathrm{B}}}{N_{\mathrm{A}}}+N_{\mathrm{B}} \times 100 \% $ (2)
$ 漏报率:R_\mathrm{Po}=\frac{N_{\mathrm{C}}}{N_{\mathrm{A}}}+N_{\mathrm{C}} \times 100 \% $ (3)
$ 命中率:R_{\mathrm{POD}}= \frac{N_{\mathrm{A}}}{N_{\mathrm{A}}}+N_{{\mathrm{B}}} \times 100 \% $ (4)

式中,检验样本包括暴雨(大暴雨)实际发生个例数和数值模式暴雨(大暴雨)空报样本数;NA为检验时段及区域内暴雨(大暴雨)预报正确的次数;NB为预报空报的次数;NC为预报漏报的次数。

强降水开始时间的检验主要指模式预报的强降水开始时间与实况对比的偏早、偏晚或一致情况。将山东半岛行政区域内,实况开始出现10 mm·h-1以上降水时所对应的时间定义为实况强降水开始时间;ECMWF-Thin和SMS-WARMS的逐3 h累计降水量产品出现20 mm·(3 h)-1以上降水时所对应的预报时间(当预报时段内没有达到20 mm·(3 h)-1的降水时则选取时段内3 h最大降水出现的时间)定义为模式预报的强降水开始时间。

对于强降水落区的检验分偏离程度和偏离方向两部分。偏离程度指模式预报的强降水落区相对实况暴雨区偏离的经纬度,规定当偏离的经纬度均不超过0.2°视为强降水落区预报准确,当偏离的经度或纬度大于0.2°时视为强降水落区预报偏离,又将其细分为偏离0.2°~0.5°、0.5°~1°和1°以上;偏离方向为模式预报的强降水落区相对实况暴雨区的偏离方向,分东、南、西、北、东北、东南、西南和西北8个方位。

强降水范围大小检验是指模式产品预报的强降水面积与实况暴雨区面积进行比较,分偏大、偏小和一致三类。

2 预报检验与分析 2.1 降水强度检验 2.1.1 两种模式逐24 h累积降水的TS评分、空漏报率检验

由2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS的24 h、48 h、72 h暴雨和大暴雨预报的TS评分(图 1)可知:1)SMS-WARMS无论是暴雨还是大暴雨预报的TS评分都明显高于ECMWF-Thin,特别是对大暴雨的预报,差距更为明显;2)对于ECMWF-Thin来说,暴雨预报中,72 h预报能力最差,TS评分仅为22%,48 h的TS评分最高,为32.5%,略优于24 h的30.6%,而对大暴雨的预报,72 h的TS评分最高,却仅为9.1%,48 h评分最低为4.5%,24 h的TS评分居中,为5.0%;3)对于SMS-WARMS来说,TS评分随着预报时效的临近大幅提升,24 h暴雨预报的TS评分高达62.5%,大暴雨预报的TS评分为50%,在预报服务中有一定的参考价值。

图 1 2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS的24 h、48 h、72 h暴雨和大暴雨预报的TS评分 Fig.1 Threat scores of the 24-hour, 48-hour, 72-hour forecast of rainstorms and torrential rain processes by ECMWF-Thin and SMS-WARMS during the flood season of shandong Peninsula from 2016 to 2017

由两种模式24 h、48 h、72 h暴雨、大暴雨预报的空报率(图 2)可见,除ECMWF-Thin大暴雨预报的72 h空报率较48 h减小外,两种模式的空报率基本随着预报时效和降水量级的增大而增大,也就是说,随着预报时效的临近,各数值产品暴雨和大暴雨的空报率逐渐降低,其中24 h暴雨和大暴雨预报空报率均最低,命中率均最高。对于暴雨预报而言,SMS-WARMS的空报率远高于ECMWF-Thin,ECMWF-Thin的24 h空报率仅为8.3%,即命中率高达91.7%,意味着当ECMWF-Thin的24 h预报有暴雨时,实况出现暴雨的概率非常大;而SMS-WARMS的24 h空报率为30.2%,即有接近1/3为空报的可能,可见SMS-WARMS模式预报量级偏强或强降水范围偏大;当两种数值产品均预报有暴雨时,出现暴雨的概率几乎为100%。对于大暴雨而言,ECMWF-Thin的空报率反而略高于SMS-WARMS,ECMWF-Thin的24 h的空报率为50%,SMS-WARMS的24 h的空报率为48.6%,当ECMWF-Thin或SMS-WARMS预报有100 mm以上降水时,出现大暴雨的概率约为50%,但出现暴雨的概率分别为100%和77%。

图 2 2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS的24 h、48 h、72 h暴雨和大暴雨预报的空报率 Fig.2 Vacancy rate of the 24-hour, 48-hour, 72-hour forecast of rainstorms and torrential rain processes by ECMWF-Thin and SMS-WARMS during the flood season of Shandong Peninsula from 2016 to 2017

由两种模式24 h、48 h、72 h暴雨和大暴雨的漏报率(图 3)可见ECMWF-Thin无论是暴雨还是大暴雨的漏报率都远高于SMS-WARMS,特别是对24 h大暴雨的预报,ECMWF-Thin预报正确1次,漏报18次,几乎全部漏报,而SMS-WARMS恰好相反,几乎全部正确;SMS-WARMS暴雨和大暴雨的漏报率均随预报时效的临近而大幅降低,究其原因是随着预报时效的临近预报量级或暴雨范围有所增大,使得正确次数增加造成的;而对于ECMWF-Thin,三个时次的暴雨漏报率均较高,大暴雨的漏报率更高且随着预报时效的临近而增多,仔细研究发现,与一般降水漏报不同,ECMWF-Thin对全部暴雨均做出了有降水预报,但降水量级明显偏小,其中72 h有74.3%、48 h有62.9%、24 h有68.6%的降水预报值<50 mm。另外,35个暴雨日中17次预报降水量从48 h到24 h进行了下调,其中4次由48 h预报暴雨到24 h调整到50 mm以下,仅2次从48 h预报50 mm以下降水到24 h调整为预报暴雨,导致24 h漏报率高于48 h,可见预报量级的偏小是造成ECMWF-Thin暴雨漏报率偏高的主要原因,大暴雨的漏报率甚至达到90%以上。

图 3 2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS的24 h、48 h、72 h暴雨和大暴雨预报的漏报率 Fig.3 Omission rate of the 24-hour, 48-hour, 72-hour forecast of rainstorms and torrential rain processes by ECMWF-Thin and SMS-WARMS during the flood season of Shandong Peninsula from 2016 to 2017

综上所述,SMS-WARMS对暴雨和大暴雨均具有较好的预报能力,特别是24 h预报能力最佳,但其较高的TS评分是建立在较高的空报率基础上,存在预报量级偏强或强降水范围偏大的问题,且随着预报时效和预报量级的增大问题更加明显,当24 h预报有50~100 mm的降水时,出现暴雨的概率为70%,预报有100 mm以上降水时,出现暴雨的概率为77%,出现大暴雨的概率为50%;ECMWF-Thin模式预报产品由于预报量级偏小,对暴雨的漏报率较高,对大暴雨几乎全部漏报,但当其预报有50 mm以上降水时,出现暴雨的概率达90%以上,预报有100 mm以上降水时,出现暴雨的概率高达100%,另外ECMWF-Thin存在随着预报时效的临近预报量级调小的情况,所以需要结合24 h和48 h预报结论进行分析判断。

2.1.2 两种模式产品对不同系统类型检验

数值模式产品对不同类型的暴雨预报能力不同,按暴雨类型对两种模式产品进行对比检验,能够进一步了解模式对不同类型暴雨的预报性能,从而更好地在业务中加以应用。此外,由2.1.1节分析可以看出,SMS-WARMS的24 h预报产品暴雨及大暴雨的TS评分最高,且空、漏报率均最低,而ECMWF-Thin虽然24 h预报产品的暴雨TS评分和漏报率均略低于48 h,但其48 h预报产品的空报率是24 h的三倍还多,同时24 h预报产品的大暴雨TS评分略高于48 h,空报率远低于48 h,漏报率持平,综合考虑得出,两种模式24 h产品预报能力最佳,故选取两种模式的24 h预报产品进行之后的各种检验。

通过对两种数值模式不同类型暴雨24 h预报正确、空报、漏报次数统计(表 2)发现,SMS-WARMS在4种类型的暴雨和大暴雨预报中预报正确的个例数均明显多于ECMWF-Thin,但同时其暴雨和大暴雨的空报次数也均明显多于ECMWF-Thin。由TS评分对比可知,对暴雨的预报ECMWF-Thin的TS评分顺序为台风暴雨>先暖区后锋面暴雨>暖区暴雨>锋面暴雨,SMS-WARMS的TS评分顺序为台风暴雨>暖区暴雨>锋面暴雨>先暖区后锋面暴雨,即四种暴雨类型中两种数值模式产品对台风暴雨的预报能力均最优;对大暴雨的预报,ECMWF-Thin暖区大暴雨的TS评分仅为9.1%,其他类型大暴雨TS评分均为0,SMS-WARMS的TS评分顺序为台风大暴雨>先暖区后锋面大暴雨>暖区大暴雨>锋面大暴雨,且均在50%以上,对台风暴雨和台风大暴雨的预报TS评分高达100%。在空报率方面,ECMWF-Thin仅有1次暖区暴雨和1次暖区大暴雨空报,其他三种类型暴雨的空报率均为0,即命中率达100%,故当ECMWF-Thin预报有50 mm以上降水时,这三类降水实况为暴雨的概率是100%,暖区暴雨出现的概率为83%;SMS-WARMS暴雨和大暴雨的空报率顺序均为锋面暴雨>暖区暴雨>先暖区后锋面暴雨>台风暴雨,其中台风暴雨和台风大暴雨的空报率为0,其他空报率在25%~50%之间,进一步研究发现SMS-WARMS对锋面暴雨和暖区暴雨预报偏大1个量级的概率为35%(表略),这也是SMS-WARMS空报率较高的一个重要原因。对于漏报率而言,ECMWF-Thin锋面暴雨的漏报率最高(77.8%),其次是暖区暴雨(70.6%),然后是先暖区后锋面暴雨(60%),台风暴雨的漏报率最低(50%),暖区大暴雨的漏报率为90%,其他类型大暴雨的漏报率为100%,究其原因,是ECMWF-Thin对各类暴雨的预报量级偏小造成的,特别是暖区暴雨,预报量级严重偏小,偏小3个量级的比例高达41%,而锋面暴雨和先暖区后锋面暴雨的预报多偏小1~2个量级,台风暴雨偏小1个量级和偏小3个量级各占50%(表略),对比预报和实况的降水量发现,当ECMWF-Thin预报有中雨以上量级时就要警惕是否会有暴雨甚至大暴雨发生;而SMS-WARMS先暖区后锋面暴雨的漏报率最高(40%),其次是暖区暴雨(11.8%),然后是锋面暴雨(11.1%),最后为台风暴雨(0),对于大暴雨预报,仅暖区大暴雨漏报率为10%,其他类型大暴雨漏报率均为0。

表 2 2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS对不同类型暴雨24 h预报统计表 Table 2 24-hour forecast for different types of rainstorms by ECMWF-Thin and SMS-WARMS during the flood season of Shandong Peninsula from 2016 to 2017

综上可知,在降水强度方面,SMS-WARMS在四种类型暴雨预报中均明显优于ECMWF-Thin,有较好的参考价值,特别是对台风暴雨的预报,TS评分高达100%,在预报业务中可直接应用,但其空报率也较高,特别是对锋面暴雨和暖区暴雨,预报偏大1个量级的概率在1/3左右,同时也存在一定的漏报情况,主要是针对先暖区后锋面暴雨的预报,预报偏小1~2个量级的概率为40%;ECMWF-Thin对四种类型暴雨的TS评分均较低,降水量级偏小造成漏报率较高,特别是对暖区暴雨,预报量级偏小的更多,当预报中雨及以上降水时,就要注意是否会有暴雨甚至大暴雨的发生,而其空报率也较低,特别是对锋面暴雨、先暖区后锋面暴雨和台风暴雨的空报率为0,当预报50 mm以上降水时,暴雨命中率达100%。

2.2 强降水开始时间检验

以3 h为间隔,统计了两个模式对上述35个暴雨日24 h以内预报时效的强降水开始时间偏差(表 3),显示ECMWF和SMS-WARMS的24 h预报强降水开始时间的偏晚次数均较多,35次暴雨中,ECMWF-Thin预报偏晚次数为23次,达65.7%,SMS-WARMS预报偏晚次数共21次,为60%,且对于不同类型的暴雨过程,除SMS-WARMS对台风暴雨的预报偏早偏晚各2次、对锋面暴雨偏晚比偏早少1次外,其他均是偏晚次数较多,而且由偏晚的时间来看,ECMWF有10次偏晚3 h以上,而SMS-WARMS有5次偏晚3 h以上,可见在参考数值产品预报的强降水开始时间时应该适当提前。

表 3 2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS对不同暴雨类型24 h强降水开始时间检验结果 Table 3 Verification of the beginning time of the 24-hour heavy precipitation forecast for different types of rainstorms by ECMWF-Thin and SMS-WARMS during the flood season of Shandong Peninsula from 2016 to 2017

具体分析发现,锋面暴雨和先暖区后锋面暴雨的降水过程偏晚时段几乎都在3 h以内,仅ECMWF-Thin预报有1次在3 h以外,若将强降水开始时间较预报结论提前3 h,则这两类暴雨几乎全部被提前报出;对于暖区暴雨,虽同样是偏晚的概率较大,但ECMWF-Thin预报的偏晚3 h以内和以外的次数相同,而SMS-WARMS偏晚3 h以内的次数较多,同样将强降水开始时间提前3 h,这样ECMWF-Thin预报中65%、SMS-WARMS预报中76%的暖区暴雨可被提前预报出;对于台风暴雨,ECMWF-Thin预报仅1次偏早,而3次偏晚3 h以上,SMS-WARMS为2次偏早,偏晚3 h以内和3 h以外各1次,可见SMS-WARMS预报效果更好,将其预报时间提前3 h,这样75%的台风暴雨将被提前报出。

对于强降水开始时间的预报,SMS-WARMS模式预报略优于ECMWF-Thin,可主要参考SMS-WARMS预报结论并将其提前3 h,这样100%的锋面暴雨和先暖区后锋面暴雨、76%的暖区暴雨和75%的台风暴雨将被提前报出,便于有关决策部门对可能出现的强降水提前做出相应准备。

2.3 强降水落区检验

由两种模式产品24 h预报的强降水落区较实况的偏离程度(表 4)来看,35个暴雨日中,ECMWF-Thin和SMS-WARMS均有13次落区预报准确,而ECMWF-Thin预报有10次、SMS-WARMS有9次偏离程度在0.2°~0.5°之间,可见在0.5°偏离以内两种模式产品预报能力相当;二者最大的差距在偏离0.5°以上的次数,ECMWF-Thin有11次偏离程度在0.5°~1°之间,仅1次在1°以上,而SMS-WARMS有6次在0.5°~1°之间,7次在1°以上,落区偏差较大。总体来看,ECMWF-Thin有97%而SMS-WARMS有80%的偏离程度在1°以内,ECMWF-Thin对强降水落区的预报略优于SMS-WARMS,有较好的参考价值。

表 4 2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS对不同暴雨类型24 h强降水落区偏离程度检验 Table 4 Deviation degree verification of the 24-hour heavy precipitation area forecast for different types of rainstorms by ECMWF-Thin and SMS-WARMS during the flood season of Shandong Peninsula from 2016 to 2017

针对不同暴雨类型分析发现,ECMWF-Thin和SMS-WARMS对台风暴雨的落区预报最为准确,准确率分别为75%和100%,尤其是SMS-WARMS的预报有更高的参考价值;其次是对锋面暴雨的落区预报,准确率分别为44%和33%,ECMWF-Thin模式略优于SMS-WARMS预报,其中偏差在1°以内的概率均为89%;再次是对暖区暴雨的落区预报,准确率均为29%,其中偏差在1°以内的概率分别为100%和65%,可见二者准确率虽一致,但SMS-WARMS偏差1°以上的概率较高,综合来看仍是ECMWF-Thin略优于SMS-WARMS预报;最后是对先暖区后锋面暴雨的落区预报,准确率均仅为20%,但其偏差在1°以内的概率均为100%,二者预报能力相当。

通过进一步对比分析两种模式产品24 h预报的强降水落区较实况的偏离方向(表 5)发现,ECMWF-Thin除13次强降水落区预报准确外,有16次偏西南或偏南,其他方向的偏离仅6次,而SMS-WARMS模式除13次强降水落区预报准确外,在西、西南、南、北四个方向偏离次数均在4次以上,无明显规律,可见对于偏离方向的预报ECMWF-Thin也优于SMS-WARMS。

表 5 2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS对不同暴雨类型24 h强降水落区偏离方向检验 Table 5 Deviation direction verification of the 24-hour heavy precipitation area forecast for different types of rainstorms by ECMWF-Thin and SMS-WARMS during the flood season of Shandong Peninsula from 2016 to 2017

对不同类型的强降水落区偏离方向具体分析发现,对于台风暴雨,SMS-WARMS预报略优于ECMWF-Thin预报,强降水落区准确率为100%;对于锋面暴雨,ECMWF-Thin除4次预报准确外,60%的偏离方向为西南;对于暖区暴雨,ECMWF-Thin除5次预报准确外,有58%偏向西南或南;而对于先暖区后锋面暴雨,ECMWF-Thin仅1次预报准确外,100%偏向西南或南。

综上所述,在预报强降水落区时,对于台风暴雨,可直接参考SMS-WARMS预报结论,而对于其他类型的暴雨则主要参考ECMWF-Thin预报结论,并需关注其偏东北或偏北1°范围内的区域。

2.4 强降水范围大小检验

对比两种模式产品24 h预报的强降水范围及实况(表 6)发现,ECMWF-Thin预报范围较实况一致8次、偏大7次、偏小19次,偏小概率达54%,可见强降水预报范围偏小也是ECMWF-Thin漏报率较高的一个重要原因;而SMS-WARMS预报范围较实况一致6次、偏小9次、偏大20次,有57%预报范围偏大,可见强降水预报范围偏大也是SMS-WARMS空报率较高的一个重要原因。

表 6 2016—2017年山东半岛汛期ECMWF-Thin和SMS-WARMS不同暴雨类型24 h强降水范围检验 Table 6 Range verification of the 24-hour heavy precipitation forecast for different types of rainstorms by ECMWF-Thin and SMS-WARMS during the flood season of Shandong Peninsula from 2016 to 2017

对不同类型暴雨的强降水范围分析可知,对锋面暴雨来说,ECMWF-Thin偏小的概率为67%,SMS-WARMS预报偏大的概率为56%;对暖区暴雨而言,ECMWF-Thin预报偏小的概率为65%,而SMS-WARMS预报偏大的概率为53%;对于先暖区后锋面暴雨,ECMWF-Thin预报与实况范围一致的概率为60%,而SMS-WARMS偏大的概率为60%;对台风暴雨,ECMWF-Thin预报偏大、偏小各占50%,而SMS-WARMS偏大的概率高达75%。

通过以上分析能够看出,ECMWF-Thin预报范围偏小的概率为54%,是造成其漏报率较高的重要原因之一,且对锋面暴雨(67%)、暖区暴雨(65%)、台风暴雨(50%)的偏小概率均在50%及以上,仅对先暖区后锋面暴雨的预报一致率为60%;SMS-WARMS预报范围偏大的概率为57%,是造成其空报率较高的重要原因之一,且四种类型的暴雨预报偏大的概率均在50%及以上,在实际应用中要加以注意。

3 结论

通过对ECMWF-Thin和SMS-WARMS产品在山东半岛2016—2017年汛期35个暴雨日(26次过程)的暴雨预报能力进行检验和分析发现,两种数值模式产品在降水强度、强降水开始时间、强降水落区及范围大小等四方面均有一定的参考价值并各具特点,主要体现在以下几点。

1) 对于降水强度的预报:ECMWF-Thin预报偏弱造成暴雨和大暴雨漏报率偏高,大暴雨几乎全部漏报,特别是对暖区暴雨,预报量级偏小的更多;72 h暴雨预报的TS评分最低、空漏报率最高,从48 h到24 h存在预报量级调小的情况,需综合分析24 h和48 h预报结论;当ECMWF-Thin预报有中雨以上量级时就要警惕是否会有暴雨甚至大暴雨发生,当预报有50 mm以上降水时,出现暴雨的概率达90%以上。SMS-WARMS预报量级偏强、空报率较高,且随着预报时效和预报量级的增大问题更加明显;对锋面暴雨、暖区暴雨、先暖区后锋面暴雨和台风暴雨及大暴雨的降水强度量级预报均明显优于ECMWF-Thin,特别是24 h预报能力最佳。

2) 对于强降水开始时间的预报:ECMWF-Thin和SMS-WARMS模式均表现为偏晚为主,且偏晚3 h以内的概率较大,SMS-WARMS略优于ECMWF-Thin,在参考其预报结论的基础上可适当提前3 h。

3) 对于强降水落区的预报:ECMWF-Thin略优于SMS-WARMS;SMS-WARMS对台风暴雨的落区预报较为精准,但对暖区暴雨的落区预报偏差1°以上的概率较高,在偏离方向上无明显规律可循;ECMWF-Thin对台风暴雨落区预报有1次0.5°~1°向南的偏差,对其他类型暴雨的落区预报多偏南或偏向西南1°以内,因此预报员需向偏东或东北1°范围内的区域调整。

4) 对于强降水范围大小的预报:ECMWF-Thin除对先暖区后锋面暴雨预报范围较实况一致的概率较高外,其他三种类型暴雨预报范围偏小的概率均较大,是其漏报率较高的重要原因之一;而SMS-WARMS对四种类型的暴雨预报范围偏大的概率均较大,是其空报率较高的重要原因之一。因此在预报强降水范围大小时需综合考虑两种数值预报结论折中预报。

参考文献
[1]
赵宁坤, 万石云, 杞明辉. 3种数值模式对云南地区雨季降水预报的检验[J]. 气象与环境学报, 2015, 31(5): 39-44.
[2]
杨晓霞, 夏凡, 杨璐瑛. 山东WRF集合概率预报对台风"麦德姆"逐6 h精细化预报检验[J]. 山东气象, 2016, 36(3): 20-27. DOI:10.3969/j.issn.1005-0582.2016.03.004
[3]
崔粉娥, 王勇, 李慧君. 多家数值产品沿海大暴雨预报性能检验[J]. 气象科技, 2013, 41(4): 696-702. DOI:10.3969/j.issn.1671-6345.2013.04.018
[4]
肖红茹, 王灿伟, 周秋雪, 等. T639、ECMWF细网格模式对2012年5~8月四川盆地降水预报的天气学检验[J]. 高原山地气象研究, 2013, 33(1): 80-85. DOI:10.3969/j.issn.1674-2184.2013.01.014
[5]
曲巧娜, 盛春岩, 车军辉, 等. 山东省多模式强降水落区预报检验[J]. 气象科技, 2016, 44(3): 392-399. DOI:10.3969/j.issn.1671-6345.2016.03.009
[6]
孙素琴, 郑婧, 金米娜, 等. 基于多模式2015年江西省汛期区域性暴雨的检验[J]. 气象与环境学报, 2017, 33(2): 1-7. DOI:10.3969/j.issn.1673-503X.2017.02.001
[7]
翟振芳, 魏春璇, 邓斌, 等. 安徽省ECMWF数值模式降水预报性能的检验[J]. 气象与环境学报, 2017, 33(5): 1-9. DOI:10.3969/j.issn.1673-503X.2017.05.001
[8]
程立渤, 崔宜少, 仇彦辉. T639降水预报产品的应用和检验[J]. 山东气象, 2011, 31(1): 24-27. DOI:10.3969/j.issn.1005-0582.2011.01.006
[9]
徐姝, 魏琳, 邓岩. 4种数值降水预报产品在海河流域的应用检验[J]. 海河水利, 2017(2): 45-51. DOI:10.3969/j.issn.1004-7328.2017.02.015
[10]
张永婧, 荣艳敏, 尹承美, 等. WRF集合预报对济南暴雨过程的检验与分析[J]. 山东气象, 2016, 36(2): 10-14. DOI:10.3969/j.issn.1005-0582.2016.02.002
[11]
肖明静, 盛春岩, 石春玲, 等. 2010年汛期多模式对山东降水预报的检验[J]. 气象与环境学报, 2013, 29(2): 27-33. DOI:10.3969/j.issn.1673-503X.2013.02.005
[12]
梁寒, 陈传雷, 聂安祺, 等. 辽宁地区"8.16"特大暴雨过程数值预报产品检验[J]. 气象与环境学报, 2016, 32(6): 1-9. DOI:10.3969/j.issn.1673-503X.2016.06.001
[13]
张国华, 张江涛, 张南, 等. 基于河北区域天气分型的多模式降水检验评估[J]. 气象, 2011, 37(8): 968-976.
[14]
杨学斌, 谌芸, 代玉田. 山东一次区域性暴雨中尺度特征分析[J]. 气象科技, 2012, 40(4): 627-634. DOI:10.3969/j.issn.1671-6345.2012.04.020
[15]
周黎明, 王庆, 龚佃利, 等. 山东一次暴雨过程的云降水微物理特征分析[J]. 气象, 2015, 41(2): 192-199.