0 引言

贵州地处云贵高原东麓，作为长江-珠江流域上游重要生态屏障，其气候系统受东亚季风与西南涡协同作用控制，叠加喀斯特地貌对水热再分配效应，导致降水时空分布异质特征显著(年均降水量为1 210 mm，变异系数达35%)^[1-4]。近些年极端干旱事件频发，如2009—2010年秋冬春季连旱(作物受灾面积超120万hm²)^[5]、2011年与2013年夏秋季连旱(直接经济损失超50亿元)^[6-7]，以及2022年长江流域特大干旱(经济损失逾200亿元)^[8]，凸显区域水资源安全保障的迫切性。飞机人工增雨作为贵州抗旱减灾的核心技术手段，近年来取得一定成效，累计增加降水量为180亿m³(空地年均增雨量为15亿~26亿m³)^[9-12]，其作业效能依赖于云降水数值模式的预报精度——需通过云微物理量场与动力场等的协同诊断，作为增雨潜力区识别和催化判别优化等人工增雨决策的重要参考依据^[13-14]。

当前，基于中国气象局云降水显示预报系统(China Meteorological Administration-Cloud and Precipitation Explicit Forecasting System，CMA-CPEFS)的云解析模式已在全国多地开展业务应用。丁莉等^[15]分析湖南2013—2018年夏秋季天气过程，针对不同天气类型开展人工影响天气模式预报对比检验。林文等^[16]、陈超君等^[17]、孙安平等^[18]、王德立等^[19]通过WRF模式和双偏振雷达分析，量化降水云系的相态转换阈值。马占山等^[20]、刘屹岷等^[21]、陈英英等^[22]、史月琴等^[23]、孙晶等^[24]结合卫星反演产品，构建云顶粒子有效半径与降水效率的经验关系。同时，搭载MODIS的Aqua卫星气溶胶光学厚度与CloudSat卫星云剖面数据的同化应用^[25-27]，以及基于雷达反射率因子正演算子的云场验证技术^[28-31]，显著提升了模式对云宏微观结构的表征能力。然而，贵州独特的山地气象特征与复杂云系属性，导致现有模式在云水垂直输送、冰相过程参数化等方面存在系统性偏差^[32-34]，制约着增雨作业的科学性。

此研究以2020—2021年5—9月30次飞机增雨作业过程为研究对象，融合风云二号G星(FY-2G卫星)反演产品、贵阳等地S波段多普勒雷达数据及贵阳、威宁探空观测数据，系统评估CMA-CPEFS模式对云系(冷、暖云)相态特征、动力参数(0 ℃层高度、云系水平移向和移速)及飞机作业参数(催化剂类型、作业高度层等)在贵州的适用性，旨在为模式本地化改进及精准化人工影响天气作业体系构建提供理论依据。

1 资料与方法 1.1 模式数据

此次检验采用的CMA-CPEFS v1.0由中国气象局人工影响天气中心研发，其核心架构基于WRF v3.5动力框架，并耦合中国气象科学研究院(Chinese Academy of Meteorological Sciences，CAMS)开发的CAMS云微物理参数化方案(2016版)^[35-37]。该模式关键配置如下：水平分辨率为3 km，投影方式为等经纬度投影，垂直方向采用地形追随坐标，共51层，顶层气压为50 hPa；长波辐射采用RRTM方案，短波辐射采用Goddard方案，边界层参数化采用MYNN 2.0方案；CAMS云微物理参数化方案采用双参数混合相态冰晶-过冷水-霰粒子分档模型，可输出云水含量(cloud water content，CWC)、冰水含量(ice water content，IWC)及过冷水(supercooled water，SWC)垂直通量等20类云参数。模式每日08时和20时(北京时，下同)启动初始化，预报时效为48 h，时间步长为18 s，输出间隔为1 h。此文针对该系统输出的定量预报产品开展检验。

1.2 观测数据

此研究基于2020—2021年贵州30次飞机人工增雨作业个例，构建多源融合验证数据集。数据集整合4类观测资料，具体构成是：多普勒雷达数据选取贵州8部(贵阳、都匀、凯里、铜仁、六盘水、兴义、遵义、毕节)S波段多普勒雷达数据，时间分辨率为6 min，空间上的距离分辨率为1 km，方位分辨率为1°，关键参数包括雷达组合反射率因子、回波强度、回波顶高、回波面积等。卫星数据采用FY-2G静止气象卫星Level 2产品，空间分辨率为5 km，反演参数包括云顶温度、云顶高度、云体过冷层厚度、云粒子有效半径等。探空观测数据使用贵阳、威宁站上空的L波段探空仪数据，包括曲线、云区和特征温度层(0、-10、-20、-40 ℃)高度等。飞行作业信息采集于增雨飞机实测数据，主要包括作业时间、飞行轨迹、催化作业高度、催化剂类型等参数。

1.3 定性检验方法

此研究采用多源观测数据融合验证框架，从云系相态、作业参数匹配度、潜力区空间一致性三个维度建立检验体系。

1.3.1 云系相态检验

基于FY-2G卫星反演云顶高度(空间分辨率为5 km)、S波段雷达垂直剖面(时间分辨率为6 min)及探空观测数据(L波段探空仪，垂直分辨率为10 m)，构建三维云相态验证数据集。通过空间插值方法将模式输出的云相态分类产品(冷云、暖云和混合云)与验证数据集进行格点匹配，采用混淆矩阵评估分类精度，具体判据：模式预报云顶温度不大于-10 ℃且0 ℃层高度不小于4 000 m为冷云相态，模式预报云顶温度大于0 ℃或0 ℃层高度缺失为暖云相态，模式预报云顶温度不大于0 ℃且0 ℃层高度存在为混合云相态。

1.3.2 作业参数适配性检验

建立催化决策树验证模型，重点检验：(1)作业高度，当实际作业高度位于模式建议高度区间±500 m内时视为有效；(2)催化剂匹配度，根据云相态分类结果验证催化方案合理性，冷云条件(t≤-5 ℃)需采用碘化银催化剂，暖云条件(t＞0 ℃)需使用吸湿性焰条，匹配误差率计算公式如下。

$ \begin{equation*} \eta=\frac{N_{\text {mismatch }}}{N_{\text {total }}} \times 100 \% \end{equation*} $

(1)

其中：η为匹配误差率，N_mismatch为催化类型误用次数，N_total为总作业次数。

1.3.3 潜力落区验证

通过模式预报云系特征及演变分析判断，结合飞机增雨需求，通过主观判识确定未来6 h具有人工增雨潜力的区域作为潜力落区。采用目标对象分析法，将模式预报的未来6 h增雨潜力区与观测数据进行空间匹配验证。(1)雷达验证：选取雷达组合反射率因子不小于20 dBZ且垂直累积液态水含量不小于0.5 g ·m^-3区域；(2)卫星验证：基于云顶亮温(black body temperature，以下简记为TBB)和云光学厚度(cloud optical depth，以下简记为COT)参数，定义冷云验证条件为TBB处于-24~-10 ℃且COT≥30，暖云验证条件为TBB≥0 ℃且COT处于5~20；(3)空间匹配验证：设定水平距离阈值为±10 km，时间窗口阈值为±30 min。

1.4 定量检验方法 1.4.1 云系运动场验证

采用光流法追踪云系移动矢量，建立时空匹配双窗函数如下。

$ \begin{gather*} \Delta T=\left|t_{\text {model }}-t_{\text {obs }}\right| \leqslant 30 \mathrm{~min} \end{gather*} $

(2)

$ \begin{gather*} \Delta S=\sqrt{\left(x_{\text {model }}-x_{\text {obs }}\right)^{2}+\left(y_{\text {model }}-y_{\text {obs }}\right)^{2}} \leqslant 5 \mathrm{~km} \end{gather*} $

(3)

其中：ΔT为模式预报时间与观测时间的绝对偏差，t_model为模式预报人工增雨潜力区出现时刻，t_obs为观测数据实际捕捉到符合验证条件云系的时刻，ΔS为模式预报增雨潜力区与观测云系之间的水平距离偏差，x_model、y_model为模式预报人工增雨潜力区目标位置的横、纵坐标，x_obs、y_obs为观测云系对应位置的横、纵坐标。

采用相关系数(R)和均方根误差(root mean square error，RMSE)评估云系水平移速(V)和移向(θ)精度，计算公式如下。

$ V_R=\frac{n \sum\limits_{i=1}^n\left(V_{\mathrm{mod}, i} \times V_{\mathrm{obs}, i}\right)-\left(\sum\limits_{i=1}^n V_{\mathrm{mod}, i}\right)\left(\sum\limits_{i=1}^n V_{\mathrm{obs}, i}\right)}{\sqrt{\left[n \sum\limits_{i=1}^n V_{\mathrm{mod}, i}^2-\left(\sum\limits_{i=1}^n V_{\mathrm{mod}, i}\right)^2\right] \times\left[n \sum\limits_{i=1}^n V_{\mathrm{obs}, i}^2-\left(\sum\limits_{i=1}^n V_{\mathrm{obs}, i}\right)^2\right]}} $

(4)

其中：V_R为云系水平移速相关系数；n为样本数；V_{mod, i}为模式预报的云系水平移速，V_{obs, i}为观测获取的实际云系水平移速，单位为km ·h^-1。

$ \begin{equation*} \theta_{R}=\frac{n \sum\limits_{i=1}^{n}\left(\theta_{\mathrm{mod}, i} \times \theta_{\mathrm{obs}, i}\right)-\left(\sum\limits_{i=1}^{n} \theta_{\mathrm{mod}, i}\right)\left(\sum\limits_{i=1}^{n} \theta_{\mathrm{obs}, i}\right)}{\sqrt{\left[n \sum\limits_{i=1}^{n} \theta_{\mathrm{mod}, i}^{2}-\left(\sum\limits_{i=1}^{n} \theta_{\mathrm{mod}, i}\right)^{2}\right] \times\left[n \sum\limits_{i=1}^{n} \theta_{\mathrm{obs}, i}^{2}-\left(\sum\limits_{i=1}^{n} \theta_{\mathrm{obs}, i}\right)^{2}\right]}} \end{equation*} $

(5)

其中：θ_R为云系移向相关系数；θ_{mod, i}为模式预报的云系水平移向，θ_{obs, i}为观测获取的实际云系水平移向，单位为(°)。

$ \begin{equation*} V_{\mathrm{RMSE}}=\sqrt{\frac{1}{n} \sum\limits_{i=1}^{n}\left(V_{\mathrm{mod}, i}-V_{\mathrm{obs}, i}\right)^{2}} \end{equation*} $

(6)

其中：V_RMSE为云系水平移速的RMSE。

$ \begin{equation*} \theta_{\mathrm{RMSE}}=\sqrt{\frac{1}{n} \sum\limits_{i=1}^{n}\left(\Delta \theta_{i}\right)^{2}} \end{equation*} $

(7)

其中：θ_RMSE为云系水平移向的RMSE，Δθ_i为修正后的移向偏差。

1.4.2 0 ℃层高度验证

构建探空-模式数据集(2020—2021年，30站次)，采用偏差分析，计算公式如下。

$ \begin{equation*} V_{\text {Bias }}=H_{0{ }^{\circ} \mathrm{C}, \text { model }}-H_{0{ }^{\circ} \mathrm{C}, \text { radiosonde }} \end{equation*} $

(8)

其中：V_Bias为0 ℃层高度的偏差，H_{0 ℃, model}为模式预报的0 ℃层高度，H_{0 ℃, radiosonde}为无线电探空反演的0 ℃层高度。

基于公式(8)，统计以下指标：合格率(|V_Bias|≤250 m)反映预报精度达标的稳定性，平均绝对误差(mean absolute error，MAE)量化偏差的平均幅度，平均偏差误差(mean bias error，MBE)揭示模式对0 ℃层高度的系统性高估或低估趋势。

2 模式产品检验 2.1 云系相态特征检验

基于30次飞机增雨作业个例的模式预报与实况观测对比分析，研究发现，该模式对贵州地区云系相态(冷、暖云)的识别能力显著。检验结果表明：28次个例预报的冷/暖云混合相态与探空、卫星及雷达观测结果一致，准确率达93%(28/30)；2次个例模式误判为混合云相态，而实况观测显示为纯暖云结构，误判率为7%。模式输出的30次个例云系均表现为深厚层积混合云结构，云顶高度为7 000~12 000 m，其冷云区(过冷水)垂直范围(0 ℃层至云顶)及水平分布特征与雷达回波(雷达组合反射率因子不小于15 dBZ)具有显著空间一致性(R²=0.81，p < 0.01)，表明模式可有效刻画过冷水的三维结构特征。

以2021年9月28日强降水云系为例，模式预报与多源观测数据对比显示：08时贵阳探空观测0 ℃层高度为4 871 m，FY-2G卫星反演17时云顶高度为2 000~11 000 m(图 1a)；毕节S波段雷达垂直剖面显示，云底高度为2 000 m，云顶延伸至12 000 m(图 1b、c)，证实该云系具备冷云(0 ℃层高度大于4 871 m)、暖云(0 ℃层高度小于4 871 m)混合层结特征。模式预报的17时云垂直结构(图 1d)显示，作业区0 ℃层高度为5 500 m，云底抬升至3 000 m，云顶高度突破12 000 m，过冷水区(-20~0 ℃层)厚度达6 500 m，与实况观测的冷云区范围误差小于8%，进一步验证了模式对云系相态及微物理过程模拟的可靠性。

上述结果表明，此次个例预报的云系相态特征与实况基本一致，模式可精准刻画西南地区积层混合云系的相态分布与垂直结构特征，其冷、暖云区预报结果对人工增雨作业的催化潜力评估具有重要指导价值。

2.2 云系运动场检验

基于30次飞机增雨作业个例的多源数据融合分析表明，CMA-CPEFS模式对云系水平移向移速的整体预报准确率达77%(23/30)，其中移向准确率为80%(24/30)，移速误差不大于5 km · h^-1，占比为77%(23/30)。24次移向准确个例中，主导移向分型显示西南—东北(SW-NE)向和西—东(W-E)向共18次(75%)，与贵州高空200 hPa平均风场(西风分量为18.5 m ·s^-1)一致，其他方向6次个例(15%)，包括切变线系统和局地地形影响。统计表明模式预报移速在10~60 km ·h^-1，均值为(32.5±12.3) km ·h^-1，雷达观测移速在8~50 km ·h^-1，均值为(29.8±9.7) km ·h^-1，说明预报的移速范围总体上能够覆盖实际移速的变化区间。

以2021年5月8日16—18时强降水过程为例(图 2)，雷达实况资料(图 2b、d、f)显示，当日16—18时贵州西部地区的云系总体呈现自西向东移动的特点，移速约为40 km ·h^-1；而模式预报16—18时云带产品(图 2a、c、e)显示，在云系移动方向上，模式预报与实况基本一致，即云系由贵州西部移至东部，但在强度和覆盖范围方面存在一定差异，16时和17时，模式预报的云系强度和水平范围均比实际偏大。16时，模式预报的云系移速(42.5 km ·h^-1)比雷达观测的云系移速(40.0 km ·h^-1)快2.5 km ·h^-1；17时，模式预报的云系移速(38.2 km ·h^-1)比雷达观测的云系移速(40.0 km ·h^-1)慢1.8 km ·h^-1；18时，模式预报的云系移速(43.2 km ·h^-1)比雷达观测的云系移速(40.0 km ·h^-1)快3.2 km ·h^-1；受此持续偏快的移速影响，主要云带位置较实况略偏东。这提示模式对局地云系发展的描述还有待加强。总体而言，模式对此次个例云系移向和移速的预报较为成功。

CMA-CPEFS模式对贵州云系移向移速的预报具有较高实用价值，但在复杂地形区仍存在系统性偏差。未来需通过精细化地形处理、多源数据同化及物理过程优化，将移速预报MAE降至3.5 km ·h^-1以内，移向准确率提升至85%以上，并着力改进模式对贵州局地天气过程的模拟和预报水平，为飞机增雨作业提供更精准的时空指引。

2.3 0 ℃层高度检验

基于30次飞机增雨作业个例的多源数据融合分析表明，CMA-CPEFS模式对0 ℃层高度的预报准确率达77%(23/30)，7次个例预报与实况不一致的情况，其中4次个例预报高度偏高，3次个例预报高度偏低。误差范围为-542~+687 m，MBE为+108 m，MAE为+205 m[通过95%的置信水平，置信区间为(+108±97) m，p < 0.01]，最大偏高差达+687 m(2021年7月17日上午)，其次是+588 m(2021年7月17日下午)，再次是+582 m(2021年8月19日)；最大偏低差达-542 m(2021年8月25日)，其次是-435 m(2020年8月25日)，再次是-251 m(2021年8月30日)。

基于30次飞机增雨作业个例的分月统计显示，0 ℃层高度预报偏差呈现显著季节性差异。5月(9次个例)，误差范围为-143~+446 m，MBE为+85 m，MAE为+135 m，0 ℃层高度为4 195~5 843 m，与西南季风爆发前的稳定层结相关；6—7月(3次个例)，误差范围为+53~+687 m，MBE、MAE均为+443 m，0 ℃层高度为4 113~5 800 m；8月(13次个例)，误差范围在-542~+582 m，MBE为+28 m，MAE为+216 m，0 ℃层高度为5 118~5 924 m，受副热带高压北抬影响，云系垂直发展旺盛；9月(5次个例)，误差范围为+96~+196 m，MBE、MAE均为+157 m，0 ℃层高度为4 922~5 604 m，对应台风外围云系影响。总体而言，贵州不同月份作业个例数量不同，0 ℃层高度变化范围较大，这对飞机增雨作业的实施提出了更高要求。以2021年7月17日16时飞机增雨作业为例(图 3)，该个例中模式预报0 ℃层高度为5 800 m(图 3b、c)，较贵阳站08时探空观测(5 113 m)(图 3a)高估687 m，较20时观测(5 212m)(图略)高估588 m，偏差幅度达历史极值。

CMA-CPEFS模式对贵州0 ℃层高度的预报存在系统性高估，可能受地形抬升效应和微物理参数化方案影响。需通过精细化地形处理、多源数据同化及物理过程优化，可将预报偏差控制在±200 m以内，从而为飞机增雨作业提供更精准的垂直引导。

2.4 作业参数适配性检验 2.4.1 作业高度和催化剂类型验证

基于30次飞机增雨作业个例的多源数据融合分析表明，CMA-CPEFS模式对作业高度的预报准确率达93%(28/30)。统计显示：模式预报高度范围为3 000~8 000 m，实况为3 200~7 800 m，偏差不大于300 m的个例占76.7%，偏差在300~500 m的个例占16.7%，偏差大于500 m的个例占6.6%。

CMA-CPEFS模式通过动态诊断云顶相态(冰/水云比例)和过冷水通量，实现催化决策的物理一致性，模式对催化剂类型的匹配准确率达100%(30/30)。30次个例中YF-4冷云催化剂(碘化银，含量为40 g/枚)23架次(76.7%)，对应云顶温度小于-10 ℃；YF-4N暖云催化剂(氯化钾、氯化钙，含量为800 g/枚)3架次(10.0%)，对应云顶温度为0~5 ℃；混合催化剂(冷、暖云催化剂兼用)4架次(13.3%)，对应混合相态云系。经统计，5—7月均为冷云催化剂(12架次)，8月为冷云催化剂(8架次)、暖云催化剂(3架次)和混合催化剂(2架次)，9月为冷云催化剂(3架次)和混合催化剂(2架次)。这表明，模式能够根据不同月份飞机增雨作业期间云系的热力结构特点，合理地确定恰当的作业高度范围和催化剂种类。

综上所述，CMA-CPEFS模式能够较为准确地对贵州飞机增雨作业的适宜高度和催化剂类型进行验证，尤其对催化剂类型的判别具有很高的可靠性，这为开展精准、高效的人工影响天气作业提供了科学依据。

2.4.2 潜力落区合理性分析

通过将模式预报云系特征及演变分析判断，并结合增雨需求，主观分析的6 h增雨潜力区与实况6 h雷达回波(雷达组合反射率因子不小于20 dBZ)、FY-2G卫星云图(冷云云顶温度为-10~-4 ℃和暖云云顶温度为0~5 ℃)及云水含量(CWC大于0.2 g ·m^-3)落区进行对比，发现二者在空间分布上表现较一致。统计显示，CMA-CPEFS模式对增雨潜力落区位置的预报准确率达83.3%(25/30)，TS评分为0.67，但空报率偏高(范围扩大18%±3%)，与模式云水含量过高预估(偏差为+0.15 g ·m^-3)显著相关(R²=0.82，p < 0.001)。

以2021年8月9日贵州南部飞机增雨作业个例为例。CMA-CPEFS模式预报分析11—17时未来6 h该地区有明显飞机增雨潜力区分布，主要位于黔西南布依族苗族自治州、安顺、黔南布依族苗族自治州大部、黔东南苗族侗族自治州境内及周边地区(图 4a)。图 4b呈现的是15：27观测的都匀雷达组合反射率因子与飞行轨迹的叠加结果。将图 4a所示的模式预报潜力区与图 4b中雷达组合反射率因子落区进行对比可见，两者的分布型态和范围较为接近，主要在黔西南布依族苗族自治州、黔南布依族苗族自治州、黔东南苗族侗族自治州等地出现块状回波，位置吻合度为82%，回波强度为15~45 dBZ(图 4b)，但模式预报分析的潜力区略大于实况20 dBZ以上回波覆盖的区域。

综上所述，利用CMA-CPEFS模式分析的飞机增雨潜力落区分布与雷达回波等有利降水条件的实况落区基本吻合，对指导合理评估作业效益具有重要价值。

3 结论与讨论

此研究系统揭示了CMA-CPEFS模式在贵州地区的适用性特征，为西南复杂地形区云模式改进提供理论依据。研究成果已在贵州省人工影响天气指挥系统中试运行，使作业条件预判准确率提升至82%，为保障长江珠江上游生态安全和水资源可持续利用提供科技支撑。

(1) CMA-CPEFS模式在贵州喀斯特地区表现出较好的云系识别能力，云系相态(冷、暖云)、作业高度及催化剂类型决策准确率分别达93%、93%和100%，验证了模式对过冷水层(SWC大于0.2 g ·m^-3)和核化阈值的诊断能力；云系移向、移速及0 ℃层高度预报准确率分别为80%、77%和77%，但受地形抬升效应影响，0 ℃层高度出现系统性正偏差，MBE为+108 m[通过95%的置信水平，置信区间为(+108±97) m，p < 0.01]，MAE为+205 m；增雨潜力落区位置TS评分为0.67，但空报率偏高(范围扩大18%±3%)，与主观分析误差、模式云水含量过高预估(偏差为+0.15 g ·m^-3)显著相关(R²=0.82，p < 0.001)。

(2) 基于贵州喀斯特地形区云降水过程的复杂性，CMA-CPEFS模式在业务应用中仍存在不足，主要体现在关键预报参数精度不足导致移向/移速误差和0 ℃层高度系统性高估的云系动力场偏差，作业高度不确定性和潜力落区范围过高预估的微物理场精细化不足。目前检验方法以定性直观对比检验为主，下一步将增加飞机机载观测数据、偏振雷达相态识别微观参量定量验证。同时，需要对天气类型分类检验，建立西南涡、切变线、副热带高压边缘等天气型下的误差特征矩阵，制定分型订正系数。

(3) 目前结合前沿方法和技术CMA-CPEFS已升级为2.0版，主要基于WRF v4.2，并耦合中国气象局人工影响天气中心CAMS双参数云微物理方案、冷云催化微物理模块、催化作业方式仿真模块。与CPEFS v1.0相比较，可利用CPEFS v2.0模式增加的云催化相关的冰面过饱和水汽、催化后地面降水变化、催化影响区等气象预报相关产品，开展飞机人工增雨相关业务工作，在释用过程中，将进一步对模式模拟的降水过程个例中预报产品与观测及统计数据进行验证，更好地为贵州飞机增雨作业服务提供技术支撑。