暴雨是我国的主要灾害性天气之一,随着数值预报技术的不断发展,对暴雨预报的准确率得到了极大的提高,数值预报不仅成为暴雨研究的主要方法,更是实际气象预报业务中不可缺少的基础和手段[1-2]。但是在模拟研究和业务应用的实践中,人们发现"单一的"确定性数值预报水平的提高变得越来越困难,而且预报结果也很不稳定,对同一次天气过程,不同数值模式的预报结果相差很大,即使是同一数值模式,不同时效的预报结果有时也大相径庭。
由于大气模式的高度非线性,预报对初值条件和物理过程都有非常强的敏感性,这在大气不稳定的情况下更是如此,尤其是对暴雨的预报,导致传统的、单一的数值模式存在显著的局限性,对暴雨过程经常出现空报或漏报现象。考虑到数值模式的初值和模式固有的误差总是无法彻底消除的,而且大气本身存在的不确定性随着时空尺度和天气系统变化,因而利用集合预报成为解决暴雨预报中不确定性问题的重要方法[3-9],通过采用动力学方法来定量预测大气的可预报性和不确定信息,从而提供更加全面的预报信息来进行最佳的决策。
自1992年集合预报系统首先在美国国家环境中心(NCEP)和欧洲中期天气预报中心(ECMWF)投入业务运行以来,集合预报产品得到广泛应用[10-12]。近年来,中国气象局开始在全国范围内推广使用集合预报产品,国家气象中心集合预报团队针对ECMWF集合预报开发了大量集合预报产品,并对集合预报产品进行了检验与分析[13-14],检验表明对于南方地区强降水,当确定性预报能较好把握主要雨带位置时,ECMWF集合预报统计产品对大雨和暴雨的评分往往高于确定性预报。很多集合预报应用与研究[15-20]也表明对于大雨以上量级的预报,集合预报不仅能在一定程度上减弱模式不确定性的影响,还能提高对强降水的预报时效。
本文利用ECMWF集合预报数据,以2016年6月出现在长三角地区的一次暴雨过程为例,对比分析确定性预报和集合预报对这次暴雨过程的预报能力,并且进一步探讨集合预报两类成员(模拟效果与实况较吻合的和偏差较大的)对这次暴雨过程的预报差异,详细分析造成这种差异的主要原因,以期对今后的暴雨预报及集合预报产品的应用有一定启示作用。
1 天气过程与资料选取2016年6月11—12日,长三角地区出现了一次暴雨(部分地区大暴雨)天气过程,此次暴雨过程主要降水时段为11日20时—12日20时,24 h累计降雨量最大值中心位于江苏、安徽和上海的交界处,其中苏州吴中111 mm,安徽宁国103 mm,上海青浦98 mm(雨量分布见图 1,资料来自于中国气象局下发的地面观测数据)。
6月11日20时500 hPa图上(图略),欧亚中高纬度地区呈现两槽一脊的形势,在贝加尔湖西北侧为阻塞高压,东北冷涡位于黑龙江北部,横槽从冷涡中心伸向蒙古西部,长江流域上空有高空槽东移,长三角地区处于高空槽前;在700 hPa、850 hPa上江南地区为西南暖湿气流和偏东气流的暖式切变。6月12日08时,东北冷涡维持,中纬度高空槽缓慢东移,长三角地区仍处于槽前,受高空环流形势和低空西南气流影响,850 hPa上在安徽南部逐渐形成气旋性涡旋,在其东侧为西南风与偏东风的切变线,涡旋形成后逐渐向偏东方向移动。低涡南侧的西南气流和北侧、东侧的东南或偏东气流有利于水汽向长三角地区输送,为暴雨的发生发展提供了有利条件。
针对此次暴雨过程,本文采用ECMWF确定性预报(即高分辨率业务模式预报)和集合预报结果来进行对比分析,分析资料为8日20时、9日20时、10日20时起报的96 h、72 h、48 h预报结果,与实况进行对比检验分析,实况资料来自于中国气象局下发的全国实时观测数据。
需要指出的是,2016年起ECMWF确定性预报空间分辨率提高到9 km,与大部分业务区域模式的分辨率基本相同;ECMWF集合预报系统有51个集合成员,包括1个控制预报和50个扰动成员,空间分辨率约为18 km。本文所使用的集合统计量产品分别是25%分位数、中位数、75%分位数、90%分位数、95%分位数、最小值、最大值、集合平均等。具体的计算方法如下:将每个格点上51个集合数据按大小排列,取每个格点上大小排列后的数据序列的25%分位值、中位值、75%分位值、90%分位值、95%分位值和最小值、最大值分别作为对应的分位数产品;取每个格点上所有集合成员数值的算术平均作为集合平均产品。
2 确定性预报由ECMWF确定性预报(图 2)与实况降水(图 1)对比可见,6月8日20时起报的24 h累计雨量在长三角地区明显偏小,大部分为小雨到中雨量级,尤其是在上海到江苏南部一带,雨量预报都为小雨,只有在安徽南部预报了大雨。而实况降水在长三角地区出现了大范围的暴雨,个别地区有大暴雨,在上海到江苏南部一带雨量预报明显偏小,而在30°N以南地区雨量预报却偏大,表明预报主雨带位置偏南。6月9日20时起报的24 h雨量有所增大,长三角地区大部分出现中雨,在安徽南部到浙江北部有大雨,其中部分地区出现暴雨甚至大暴雨,但是30°N以南地区雨量预报仍偏大,预报主雨带位置仍然偏南,在上海到江苏南部一带雨量预报仍偏小。
6月10日20时起报的24 h雨量预报,雨带位置明显北移,在江苏和安徽南部预报大雨,安徽南部局部地区暴雨和大暴雨,对安徽南部的降水预报较接近实况,但对江苏南部和上海的降水预报仍偏小,尤其是上海地区的降水预报(预报为中雨,实况为暴雨)。因此,对此次暴雨过程ECMWF确定性预报虽然有一定的预报能力,但整体而言不甚理想,尤其是江苏南部和上海地区的预报尤是如此,而且预报结果不稳定,雨带位置和雨量中心落区变化较大。
3 集合预报分析 3.1 集合成员平均的时效对比从ECMWF集合平均降水预报(图 3)来看,连续三个时次预报的集合平均雨带位置变化不大,6月8日20时起报的雨量最小,长三角地区都为中雨,但相比确定性预报雨量(小雨到中雨)有所增大;6月9日20时起报的雨量明显增大,从上海西部到江苏和安徽的南部都预报了大雨,更加接近实况雨量;6月10日20时起报的雨量与9日20时起报的基本相同,只是大雨落区向东扩大到上海全市,西边界范围缩小。因此,可以看出,集合平均的大雨雨带预报效果要优于确定性预报,而且随着预报时效的临近,集合平均的降水预报呈现一种稳定增大的趋势,说明出现大雨以上量级降雨的可能性在增大,降水过程愈加显著,对强降水的预报具有一定的指示意义。另外值得说明的是,由于集合平均会将集合成员中极端的强降水平均,平滑了集合预报成员中"优"和"劣"成员预报效果的差距,特别是导致集合平均的降水中心强度偏弱。
图 4为ECMWF集合预报8日20时、9日20时、10日20时起报75%分位数、90%分位数和95%分位数成员11日20时至12日20时24 h雨量预报(分别为72~96 h、48~72 h、24~48 h累计雨量),由图对比可知,随着集合分位数的增大,雨量预报与实况都更为吻合,尤其90%分位数96 h就在长江下游地区预报出了暴雨,95%分位数预报了大暴雨。另外,随着预报时次的临近,各分位数雨量预报在长三角地区大多呈现增大的趋势,其雨量分布与实况也更一致,这与集合平均雨量的预报是相同的。
从三个时次预报结果分析来看,8日20时预报90%分位数集合成员雨量在上海、江苏和安徽南部出现暴雨,95%分位数雨量出现大暴雨。9日20时预报75%分位数雨量就在江苏和安徽南部出现暴雨(8日20时预报75%分位数为大雨),90%分位数雨量的暴雨区进一步扩大,95%分位数集合成员雨量出现比较大范围的大暴雨。10日20时预报75%分位数暴雨区位置与9日20时预报基本相同,范围有所减小,90%分位数开始预报出现大暴雨,95%分位数雨量在上海、江苏和安徽南部都出现大暴雨,与实况基本吻合。
可见,由于数值模式对暴雨的预报存在比较大的不确定性,高分位数集合成员的雨量预报有比较好的参考价值和指示意义,尤其是预报时效还比较长时,随着预报时效的临近,如果连续多起报时次高分位数集合成员都预报出了暴雨,以及低分位数集合成员的雨量预报呈现逐渐增大的趋势,都表明了发生暴雨的可能性在增大,这有助于实际预报业务中暴雨预报的决策。
3.3 集合"好""坏"成员的对比分析对比分析2016年6月10日20时起报的各预报成员对此次强降水过程的降水预报效果,将预报结果最优(即对此次暴雨过程的雨带位置和降水强度模拟效果与实况较吻合的)和最差(即模拟效果与实况偏差相对较大的)的几个极端成员,分成"好"成员和"坏"成员两类,并对两类成员进行分析,以探讨造成此次降水过程预报好坏的主要因素。值得指出的是,每一个集合预报成员的"不确定性"是同等的,因此其本身不存在属"好"、属"坏"的成员,本文中只是根据预报效果进行了区分。
图 5为两类成员的雨量预报,由图可见,"好"的成员模拟结果与实况(图 1)较为接近,特别是强降雨中心位置,在上海、江苏和安徽的南部都模拟出了超过100 mm的大暴雨;而"坏"成员模拟与实况相差较大,模拟雨量明显偏小,基本在小雨量级(小于10 mm),也没有模拟出主要的雨带。
雨带位置、降水中心强度及落区主要是由天气系统及气象要素的配置决定的,造成这次暴雨过程的主要天气系统是500 hPa高空槽、低空低涡和切变线,低涡南侧的西南气流和东侧、北侧的偏东气流也起了重要作用。因此分析集合成员预报效果的优劣不仅在于其对降水的预报能力,更需要分析其对产生降水的天气系统的预报能力。图 6为10日20时起报集合"好""坏"成员预报12日08时500 hPa的高空形势场,图 7为12日08时850 hPa相对湿度和风场的分布。从两类成员对500 hPa高空形势(图 6)的预报看,与实况相比"坏"成员预报位于长江下游地区的高空槽偏浅,环流偏平直,由此造成的上升运动就偏弱,降水就弱。
从两类成员对850 hPa的天气形势(图 7)预报来看,"好"成员预报的湿区位置明显较北,更为接近实况湿区,同时在安徽南部模拟出了一个低涡,位置与实况也基本一致,而"坏"成员则没有模拟出这个低涡,东侧低涡切变线同样没有体现出来。对于低涡南侧的西南气流,"好"成员也是较好地模拟出,只是与实况相比略偏强、偏北,这可能也是造成模拟的强降雨区(大暴雨区)范围偏大、强度偏强的原因,而"坏"成员模拟的西南气流明显偏弱、偏南,不利于向北侧输送水汽和形成切变;同样"好"成员对于低涡北侧、东侧的偏东气流的模拟也更与实况一致,低涡北侧和沿海一带以偏东或东南风为主,而"坏"成员模拟的风向则以偏北或东北为主,与实况差异较大。
由上可见,对天气系统和气象要素的预报差异是造成对本次暴雨过程模拟效果差异的主要原因,"好"的集合成员对500 hPa高空槽的强度、位于皖南的850 hPa低涡及其切变线、低涡南侧的西南气流和北侧、东侧的偏东气流模拟较为理想,而这些因素都是形成暴雨的主要有利条件。
4 结论与讨论受高空低槽、低空低涡及切变线的共同影响,2016年6月11—12日长三角地区出现了一次暴雨天气过程,本文通过这一次实际个例,采用ECMWF预报数据,对比分析了确定性预报和集合预报对这次暴雨过程的预报能力,进一步探讨集合预报两类成员(模拟效果与实况较吻合和偏差较大的)对这次暴雨过程的预报差异,详细分析造成这种差异的主要原因,分析结果表明:
(1) 确定性预报模式对本次暴雨过程虽然有一定的预报能力,但整体而言不甚理想,尤其对江苏南部和上海地区的大暴雨漏报明显,而且预报结果不稳定,雨带位置和雨量中心落区变化较大;集合预报对本次暴雨过程具有比较好的预报能力,集合平均雨量预报效果优于确定性预报,其演变趋势对强降水的预报具有一定的指示意义,集合平均雨量预报稳定增大的趋势表明降水过程愈加显著。
(2) 对于暴雨预报,高分位数集合成员的雨量预报在实际预报中有比较好的参考价值,尤其是在预报时效还较长的时候,因此在一定程度上可以提高对暴雨的预报时效;如果连续多起报时次高分位数集合成员都预报出暴雨,以及低分位数集合成员的雨量预报呈现逐渐增大趋势,也说明发生暴雨的可能性在增大,有助于暴雨预报的决策。
(3) 对"好""坏"两类成员的对比及与实况的检验分析说明,对天气系统和气象要素的预报差异是造成对本次暴雨过程模拟效果差异的主要原因,"好"集合成员对造成暴雨的天气系统(500 hPa高空槽、850 hPa低涡及其切变线、低涡南侧的西南气流和北侧、东侧的偏东气流)的位置、强度、持续时间和演变过程的预报明显优于"坏"集合成员,与实况更为一致,而这也正是暴雨预报成功与否的前提条件。
值得注意的是,本文只是针对一个暴雨个例展开分析讨论,对这次暴雨过程确定性模式预报能力较差,而单一的确定性预报具有不稳定性,集合预报对于暴雨预报能给出更多的预报信息,因此不管确定性预报是否做出了正确的暴雨预报,都需要结合多种集合产品(如集合平均、分位数、降水概率和离散度等)对天气过程进行综合分析,协助进行科学决策。
[1] |
李泽椿, 陈德辉. 国家气象中心集合数值预报业务系统的发展及应用[J]. 应用气象学报, 2002, 13(1): 1-15. |
[2] |
廖洞贤. 大气数值模式的设计[M]. 北京: 气象出版社, 1999.
|
[3] |
杜钧. 集合预报的现状和前景[J]. 应用气象学报, 2002, 13(1): 16-28. |
[4] |
陈静, 薛纪善, 颜宏. 华南中尺度暴雨数值预报的不确定性与集合预报试验[J]. 气象学报, 2003, 61(4): 432-446. DOI:10.11676/qxxb2003.042 |
[5] |
李俊, 杜钧, 王明欢, 等. 中尺度暴雨集合预报系统研发中的初值扰动试验[J]. 高原气象, 2009, 28(6): 1 365-1 375. |
[6] |
杜钧, 李俊. 集合预报方法在暴雨研究和预报中的应用[J]. 气象科技进展, 2014, 4(5): 6-20. |
[7] |
Du Jun, Mullen S L, Sanders F. Short-range ensemble forecasting of quantitative precipitation[J]. Mon Wea Rev, 1997, 125(10): 2 427-2 459. DOI:10.1175/1520-0493(1997)125<2427:SREFOQ>2.0.CO;2 |
[8] |
李俊, 王明欢, 公颖, 等. AREM短期集合预报系统及其降水预报检验[J]. 暴雨灾害, 2010, 29(1): 30-37. |
[9] |
彭涛, 李俊, 殷志远, 等. 基于集合降水预报产品的汛期洪水预报试验[J]. 暴雨灾害, 2010, 29(3): 274-278. |
[10] |
Molteni F, Buizza R, Palmer TN, et al. The ECMWF ensemble prediction system: Methodology and validation[J]. Quart J Roy Meteor Soc, 1996, 122: 73-119. DOI:10.1002/(ISSN)1477-870X |
[11] |
Hersbach H, Mureau R, Opsteegh J D, et al. A short-range ensemble prediction system for the European area[J]. Mon Wea Rev, 2000, 128(10): 3 501-3 519. DOI:10.1175/1520-0493(2000)128<3501:ASRTEM>2.0.CO;2 |
[12] |
陈良吕, 陈静, 陈德辉, 等. 基于T213集合预报的延伸期产品释用方法及初步试验[J]. 气象, 2014, 40(11): 1 293-1 301. |
[13] |
陈博宇, 代刊, 郭云谦. 2013年汛期ECMWF集合统计量产品的降水预报检验与分析[J]. 暴雨灾害, 2015, 34(1): 64-73. |
[14] |
董全, 金荣花, 代刊, 等. ECMWF集合预报和确定性预报对淮河流域暴雨预报的对比分析[J]. 气象, 2016, 42(9): 1 146-1 153. |
[15] |
冯汉中, 陈静, 何光碧, 等. 长江上游暴雨短期集合预报系统试验与检验[J]. 气象, 2006, 32(8): 12-16. DOI:10.7519/j.issn.1000-0526.2006.08.002 |
[16] |
吴岩, 张惠君, 关铭, 等. 两次暴雨过程的主观及集合预报检验[J]. 黑龙江气象, 2014, 31(4): 1-4. |
[17] |
纪永明, 陈静, 矫梅燕, 等. 基于多中心TIGGE资料的区域GRAPES集合预报初步试验[J]. 气象, 2011, 37(4): 392-402. DOI:10.7519/j.issn.1000-0526.2011.04.002 |
[18] |
陈宇, 王小桃, 王瀛, 等. 基于中尺度集合预报的"8.16"抚顺地区特大暴雨过程分析[J]. 气象与环境学报, 2015, 31(6): 1-8. |
[19] |
谭燕, 陈德辉. 河南"75.8"大暴雨的中尺度集合预报试验[J]. 气象, 2008, 34(9): 10-21. DOI:10.7519/j.issn.1000-0526.2008.09.002 |
[20] |
吴志鹏, 陈静, 张涵斌, 等. 基于集合预报的持续性强降水可预报性评估方法研究[J]. 暴雨灾害, 2014, 33(2): 97-105. |