期刊检索:
  暴雨灾害   2019, Vol. 38 Issue (4): 373-379.  DOI: 10.3969/j.issn.1004-9045.2019.04.010

论文

DOI

10.3969/j.issn.1004-9045.2019.04.010

资助项目

国家重点研发计划(2018YFC1507200);公益性行业(气象)科研专项(GYHY201306076);国家自然科学基金(41328007);湖北省气象局科技发展基金(2015Q03, 2016Q03)

第一作者

王明欢, 主要从事数值天气预报研究。E-mail:minghuanw@163.com

文章历史

收稿日期:2018-08-08
定稿日期:2019-05-01
华中区域中尺度业务模式水平风场预报能力的检验评估
王明欢 , 赖安伟 , 周志敏 , 万蓉     
中国气象局武汉暴雨研究所 暴雨监测预警湖北省重点实验室, 武汉 430205
摘要:利用经过质量控制的风廓线雷达组网资料(以下简称观测)对华中区域中尺度业务模式(WHMM)水平风场的预报能力进行检验评估,分别从总体、不同高度、不同风速以及单站等方面对全风速(wspd)、纬向风(u)、经向风(v)进行1个月(2013年5月)的统计分析。结果表明:(1)WHMM对风场具有较好的预报能力。其12 h和24 h的预报与观测的相关系数在0.6以上,通过α=0.01的显著性检验,12 h相关系数大于24 h的,预报风速整体存在负偏差,较观测偏小。随预报时效延长,风场的预报误差增大。uwspd的预报能力好于v。(2)在垂直方向上,WHMM的wspduv预报的均方根误差(RMSE)随高度先增加后减小,在1~2 km高度预报误差较大,4~5 km的预报误差较小。(3)按照风廓线雷达测风wspd间隔5 m·s-1将模式预报分组,在30 m·s-1以下不同速度分组中,WHMM 12 h预报的wspduv与观测值的相关系数均大于24 h的,且通过α=0.01的显著性检验,12 h预报的RMSE大于24 h的,并随风速增加而增大。(4)从单站的风廓线来看,模式可以预报出站点上空风场随高度的变化趋势,广州站预报效果好于芜湖和秭归站。
关键词数值预报    华中区域中尺度业务模式    风廓线雷达    水平风    
Verification of horizontal wind for Wuhan Mesoscale Model
WANG Minghuan , LAI Anwei , ZHOU Zhimin , WAN Rong     
Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, China Meteorological Administration, Wuhan 430205
Abstract: In order to use quality-controled wind profiler network data (hereinafter referred to as observation) to evaluate the prediction ability of the horizontal wind in Wuhan Mesoscale Model (WHMM), comparison results of one month (May 2013) in the whole domain, and at different heights, speeds and single stations are analyzed, respectively, by calculating the correlation coefficient, bias, and root mean square error. Results show that (1) WHMM has a good performance for the horizontal wind forecasting. The correlation coefficients of 12 h and 24 h forecasts are larger than 0.6 and correspond to α=0.01 significant level. The correlation coefficients of 12 h forecast are greater than that of 24 h, and there are negative biases in the wind speed forecast, which is smaller than the observations.With the increase of the forecast range, the forecasting errors of the wind increase. The prediction of the U-component (u) and the wind speed (wspd) are better than that of V-component (v). (2) In the vertical distribution, the RMSEs of wspd, u and v of WHMM forecast increase first and then decrease with height. The RMSEs at the height of 1~2 km are largest. The RMSEs at the height of 4~5 km are smaller than that at other heights. (3) In groups of ≤ 5 m·s-1, 5-10 m·s-1, 10-15 m·s-1, 15-20 m·s-1 and 20-30 m·s-1, the correlation coefficients between 12 h predictions and observations are larger than those at 24 h, and they all correspond to α=0.01 significant level test. The RMSEs of wspd, u and v of WHMM forecasts increase with the increasing wind speed under different wind speed groups. (4) From wind profiles at a single station, the model can predict the trend of wind field over the station with height. The forecasting skill at Guangzhou station is better than that at Wuhu and Zigui stations.
Key words: NWP    WHMM    wind profiler radar    horizontal wind    
引言

数值天气预报(Numerical Weather Prediction,NWP)已成为现代天气预报业务中非常重要的基础支撑。为满足华中区域对高分辨率、高时效性模式产品的需求,中国气象局武汉暴雨研究所研发华中区域中尺度数值预报模式系统(Wuhan Mesoscale Model,WHMM)(许建玉等,2016赖安伟等,2017),并于2014年4月1日投入业务运行。陈超君等(2014)应用国家气象中心模式检验方法,开展降水、2 m温度、850 hPa温度、850 hPa风和500 hPa位势高度等物理量的统计检验,结果表明华中区域中尺度业务模式对天气预报具有一定参考价值。文章在中尺度风场检验中选取850 hPa气压层作为代表层高度,实况是模式的分析场,即预报场相对分析场的检验。但由于华中区域中尺度业务模式的业务化运行特点,利用起报时间前12 h美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)的全球模式(the Global Forecast System, GFS)数据作为同化的背景场,并进行了3次循环同化过程(赖安伟等,2017),同化的观测资料有探空和地面资料等世界气象组织(World Meteorological Organization,WMO)全球通信系统(Global Telecommunication System,GTS)交换报文观测资料,其输出的分析场与再分析数据和实际大气并不十分吻合,存在一定差距。因此,需要更高分辨率观测资料代表当前大气的真实状态,对模式结果加以检验与评估。

陈敏等(2003)吴曼丽等(2009)利用探空观测等常规观测作为实况对中尺度数值模式进行了检验评估。随着新型探测设备的建设,非常规观测在业务和研究中越来越显示出重要意义。其中,风廓线雷达观测资料具有较高时间和垂直空间分辨率的特点,观测精度较好,可弥补常规探空资料在此方面的不足,同时其具有较好的可靠性,与探空观测水平接近,有较高的一致性和可用性(Weber et al., 1990古红萍,2007万蓉等,2011吴蕾等,2013董丽萍等,2014吴蕾等,2014刘梦娟和刘舜,2016张小雯等,2017),已在国内外得到广泛应用。美国、日本和欧洲等地快速发展各自的风廓线雷达业务网。近10 a来,中国气象局及其所属气象部门已开始发展我国的风廓线雷达业务监测网,约有83部风廓线雷达投入业务运行,广泛应用于中小尺度天气的监测、预报与研究中(汪小康等,2012陈楠等,2014王艳春等,2014李霞等,2016王彦等,2017)。利用风廓线雷达资料检验数值模式的预报能力的研究目前还不多,如刘淑媛等(2003)用香港风廓线雷达资料来检验评估数值模式MM5模拟能力。因此,本文尝试利用风廓线雷达的测风数据与华中区域模式水平风场进行对比分析,以期增加非常规资料的用途,检验区域模式的预报效果,为数值产品的释用和实时预报业务的订正使用提供依据。

1 华中区域中尺度业务模式介绍

华中区域中尺度数值天气预报系统以广泛使用的中尺度数值天气模式WRF (the Weather Research and Forecast Model)(Shamrock et al., 2008)为基础。模式区域中心位于(114.133°E, 30.617°N),采用三层嵌套(图 1), 区域d01涵盖全国范围,d02包括华中区域,d03覆盖湖北省及三峡库区,其分辨率分别为27、9和3 km。模式层顶为30 hPa,垂直方向45层, 时间步长分别为120 s、60 s、20 s。其主要物理过程有WSM6显式微物理方案、Kain-Fritsch(new Eta)积云参数化方案(d03无)、YSU边界层方案、RRTM长波辐射方案、Goddard短波辐射方案、Noah LSM陆面模式。

图 1 风廓线雷达站空间分布(●为P波段对流层Ⅰ型风廓线雷达PB;+为P波段对流层Ⅱ型风廓线雷达PA;○为L波段边界层风廓线雷达LC。黑色矩形框分别为华中区域中尺度业务模式27、9 km覆盖范围,蓝色为3 km覆盖范围) Fig. 1 The spatial distribution of the wind profiler radar stations (●, +, ○ is PB, PA and LC, respectively. The black rectangular boxes are 27 km and 9 km coverage domains of WHMM and blue one is 3 km coverage.

WHMM系统每日起报两次(00:00UTC和12: 00UTC),单次预报时效为84 h,每次起报包含一次冷启动、两次暖启动共三个循环同化预报,以期利用更多的观测资料。其中,冷启动以起报时间前12 h的NCEP GFS(0.5°×0.5°)预报场数据作为同化分析的背景场,暖启动预报利用前一次启动的6 h预报场作为背景场。同化的观测资料主要是WMO的GTS交换的常规资料,包括:常规探空、常规地面、船舶/浮标、航空、小球探空飞机报、卫星测厚等观测资料。

2 数据及统计方法

为了客观评价模式的预报水平,同时考虑检验范围内风廓线雷达资料的连续性,本文利用的数据是2013年5月的模式预报结果和风廓线雷达观测数据。

2.1 数据来源与说明

用于模式检验的观测数据为国家大气探测中心提供的2013年5月逐日00:00UTC和12:00UTC的风廓线雷达资料(简称为观测,下同),其已经过质量控制处理,共25站(图 1中9 km区域内),包含L波段边界层风廓线LC 24部,P波段对流层Ⅱ型风廓线雷达PA 1部。由于风廓线雷达的垂直分辨率和海拔高度不同,因此与模式对比分析前,将第二层模式区域范围内的风廓线雷达数据利用相邻法插值到模式结果对应的高度层。在样本时间匹配上,该资料包括0.5 h平均数据(hobs)和1 h平均(oobs),本文使用1 h平均数据,模式预报结果为对应的时间。

为充分利用风廓线雷达资料在垂直方向上分辨率高的优势,参考风廓线的有效探测高度(吴蕾等,2013),本文评估WHMM系统2013年5月第二层区域的12 h和24 h风场预报效果。模式预报结果利用ARWpost软件进行处理,垂直方向插值至68层,分别为0.1、0.2、0.3、0.4、0.5、0.7、0.9、1 km以及1~13 km垂直间隔0.2 km的高度层。在水平方向上,采用双线性插值将模式结果插值到风廓线观测站点。鉴于选用风廓线雷达型号的大部分为边界层雷达数据,本次检验重点关注5 km以下高度,选取WHMM每日00:00UTC和12:00UTC的12 h和24 h预报结果。

2.2 统计方法

本文采用的部分统计量包括相关系数(R)、偏差(BIAS)、均方根误差(RMSE),其计算公式如下

$ R=\frac{\operatorname{Cov}\left(P_{f}, P_{o}\right)}{\sqrt{\left(\operatorname{Var}\left[P_{f}\right] \times \operatorname{Var}\left[P_{o}\right]\right)}} $ (1)
$ B I A S=\frac{1}{N} \sum\limits_{i=1}^{N}\left(P_{f}^{i}-P_{o}^{i}\right) $ (2)
$ RMSE = \sqrt {\frac{1}{N}\sum\limits_{i = 1}^N {P_f^i} - P{{_o^i}^2}} $ (3)

式(1)—(3)中,i表示第i个样本,N表示样本数,Pfi是第i个模式输出值,Poi是第i个观测值,协方差矩阵

$ {\mathop{\rm Cov}\nolimits} \left({{P_f}, {P_o}} \right) = \frac{{\sum\limits_{i = 1}^N {\left({P_f^i - {{\bar P}_f}} \right)} \left({P_o^i - {{\bar P}_o}} \right)}}{{N - 1}}$,方差$\operatorname{Var}\left[P_{f}\right]=\frac{1}{N} $$\sum\limits_{i = 1}^N {{{\left({P_f^i - {{\bar P}_f}} \right)}^2}}, \;{\mathop{\rm Var}\nolimits} \left[ {{P_o}} \right] = \frac{1}{N}\sum\limits_{i = 1}^N {{{\left({P_o^i - {{\bar P}_o}} \right)}^2}} $,其中${\bar P_f} = \frac{1}{N}\sum\limits_{i = 1}^N {P_f^i}, {\bar P_o} = \frac{1}{N}\sum\limits_{i = 1}^N {P_o^i} $

3 预报与观测对比分析 3.1 总体对比

将WHMM系统12 h和24 h预报的全风速(wspd)、纬向风(u)、经向风(v)与风廓线雷达水平风观测进行统计分析。

从预报与观测对比统计结果(表 1)看出,WHMM系统12 h预报的wspduv与风廓线雷达观测的相关系数分别为0.70、0.85、0.72,均高于24 h的相关系数(0.65、0.82、0.67),通过α=0.01的显著性检验。其中,12 h和24 h预报u的相关系数高于wspdvwspd的相关系数最小。从预报和观测的偏差(Bias)来看,wspduvBias均小于0,表明模式预报的wspduv整体上小于观测。从预报和观测的均方根误差(RMSE)来看,wspduv的12 h的RMSE分别为4.01、3.89、4.31,均低于对应的24 h值(4.27、4.31、4.68),其中在12 h的RMSE中,u的最小,wspd次之,vRSME最大。在24 h的RMSE中,wspd的最小,u与之接近,vRMSE最大。

表 1 2013年5月模式12 h和24 h预报与观测的wspduv对比统计分析结果 Table 1 Statistical analysis results of wspd, u, v for 12 h and 24 h predictions and observations in May 2013.

图 2是模式预报和风廓线雷达观测的wspduv分量对比的散点图,黑色线为预报与观测线性拟合线。理想情况下,若两者一致,则所有点都将分布在斜率为1的红色线上,红色与黑色线将重合;如果偏离红色线,则表示预报有偏差。从图 2中各量12 h和24 h的拟合线斜率可以看出,模式整体预报较观测偏小,预报的u的拟合线斜率更接近于1,和风廓线观测的一致性高于wspdvwspd的一致性低于其他两个量。

图 2 2013年5月模式12 h (a,c,e)和24 h (b,d,f)预报与观测的wspd (a,b)、u (c,d)、v (e,f)对比(黑色线为预报与观测拟合线,红色为理想情况下的拟合线) Fig. 2 Comparison of (a, b) wspd, (c, d) u and (e, f) v for 12 h and 24 h predictions and observations in May 2013 (The black line is the fitting line for prediction and observation, and the red line is the fitting line under ideal conditions).
3.2 不同高度水平风检验

鉴于风廓线雷达的优势之一是垂直分辨率较高,对模式数据进行高度分组检验。模式预报水平风与风廓线雷达资料按高度分为5组进行统计,即1 km以下(含1 km)、1~2 km(含2 km)、2~3 km(含3 km)、3~4 km (含4 km)、4~5 km(含5 km)(下同)。不同高度分组下风廓线雷达观测资料样本数量随高度增加的样本逐渐减少。其中,1 km以下样本数最多,可达5 394,1~2 km样本数为5 060,2~3 km和3~4 km样本数分别为4 667和3 426,4~5 km以上各高度分组样本最少,为2 305。

图 3是WHMM 12 h和24 h预报与观测的wspduv按高度分组的统计结果。从图 3a相关系数分布可看出,各层高度分组的12 h和24 h预报与观测的相关系数随高度的变化趋势一致,均在0.6以上,通过α=0.01的显著性检验,12 h预报与观测的相关系数普遍高于24 h预报。u的12 h和24 h相关系数在1 km以下和1~2 km高度上几乎保持不变,后随高度增加而增大,且总体上大于wspdv的。v的12 h和24 h相关系数在3 km以下,随高度增加而减小,3 km以上随高度增加而增大。wspd的12 h和24 h相关系数变化与u相似,3 km以下的相关系数小于uv,3 km以上大于v小于u

图 3 2013年5月模式12 h和24 h预报与观测的wspduv按高度分组对比统计分析(a.相关系数,b.偏差Bias,c.均方根误差RMSE). Fig. 3 Comparison of wspd, u, v for 12 h and 24 h predictions and observations according to the height group in May 2013 of (a) correlation coefficient, (b) Bias, and (c) RMSE.

从按高度分组的Bias分布可见(图 3b),u的12 h和24 h Bias在5 km以下以负值为主,说明模式预报纬向风偏小。v的12 h和24 h Bias在5 km以下为负值,说明模式预报经向风偏小,且各高度层上其Bias绝对值大于uwspd 12 h和24 h的Biaswspd在1 km以下高度12 h和24 h的Bias为正值,预报较观测偏大,1 km以上为负值,预报较观测偏小。

从按高度分组的RMSE分布(图 3c)可以看出,模式uvwspdRMSE变化具有较高的一致性,随高度先增加再减少,12 h预报的RMSE小于24 h的,uvwspd的12 h预报和v的24 h预报RMSE在1~2 km大于其它高度层的,uwspd的24 h预报RMSE在2~3 km大于其它高度层的。uvwspd的12 h和uwspd的24 h的RMSE在4~5 km高度小于其他高度,v 24 h的RMSE在1 km以下小于其他高度。

3.3 不同风速条件对比

为检验不同风速条件下模式预报水平风的情形,模式数据按照风廓线雷达测风观测进行分组,即小于等于5 m·s-1、5~10 m·s-1 (含10 m·s-1)、10~15 m·s-1(含15 m·s-1)、15~20m·s-1(含20m·s-1)、20~30m·s-1(含30m·s-1)、大于30 m·s-1共6组(表 2中的取值范围与此相同)。uv样本主要集中在15 m·s-1以下,随风速增加先增多后减少,在5~10 m·s-1的样本数最多,>30 m·s-1时样本数最少。

表 2 2013年5月不同速度分组下wspduv12 h和24 h模式预报与观测对比统计分析结果 Table 2 Statistical results of wspd, u, v for 12 h and 24 h predictions and observations in different velocity groups in May 2013.

从不同风速分组的相关系数(表 2)来看,u的12 h和24 h相关系数都先增加后减小,10~15 m·s-1的相关系数大于其他速度分组,12 h(24 h)各速度分组相关系数分别为0.56(0.52)、0.80(0.78)、0.87(0.85)、0.86(0.84)、0.82(0.78)、-0.01(-0.07),其中前5组为正相关,都通过α=0.01的显著性检验,大于30 m·s-1的分组相关系数为负相关,未通过α=0.01和0.05的显著性检验。v的相关系数变化与u类似,12 h(24 h)各组相关系数分别为0.51(0.47)、0.70(0.67)、0.73(0.70)、0.76(0.72)、0.69 (0.54)、0.24(0.19),其中前5组为正相关,都通过α=0.01的显著水平检验,大于30 m·s-1的分组相关系数为负相关,未通过α=0.01和0.05的显著水平检验。wspd的相关系数小于其他两个量,12 h(24 h)各组相关系数分别为0.12(0.10)、0.33(0.30)、0.25(0.20)、0.20(0.20)、0.40 (0.29)、-0.57(-0.51),其中前5组为正相关均通过了α=0.01的显著水平检验,但相关性没有uv强。大于30 m·s-1的速度分组的12 h预报与观测的相关系数为负相关,通过α=0.01的显著水平检验,大于30 m·s-1速度分组的24 h的相关系数为负相关,通过α=0.05的显著水平检验。

从预报和观测的Bias(表 2)可见,u在小于等于5 m·s-1Bias为0.29(12 h)和-0.01(24 h),说明12 h预报u较观测偏大,24 h预报略偏小,随分组风速增加,Bias逐渐由正偏差转为负偏差且绝对值缓慢增大,预报较观测偏小。wspd的变化与u类似,它的12 h(24 h)各组预报偏差分别为1.29(1.61)、-0.81(-0. 60)、-2.08 (-2.28)、-3.82(-4.16)、-6.09(-6.73)、-18.87(-18.40)。v对不同风速预报偏差都为负,较观测偏小,12 h(24 h)各组预报偏差分别为-0.09(-0.09)、-1.00(-1.05)、-2.06 (-2.19)、-2.88(-2.80)、-3.96(-4.52)、-8.89(-7.13)。

从预报和观测的RMSE(表 2)可见,在小于等于5 m·s-1、5~10 m·s-1、10~15 m·s-1、15~20 m·s-1、20~30 m·s-1五个分组中,uvwspd 12 h的RMSE小于24 h的,随分组风速增加,RMSE逐渐增大。u的12 h和24 h RMSE在小于等于5 m·s-1、5~10 m·s-1、10~15 m·s-1和大于30 m·s-1的速度分组中小于wspd,在15~20 m·s-1、20~30 m·s-1分组中大于wspdv的12 h和24 h RMSE在小于等于5 m·s-1分组中小于uwspd,在其它分组都大于uwspd

综上所述,在小于等于5 m·s-1、5~10 m·s-1、10~15 m·s-1、15~20 m·s-1、20~30 m·s-1风速分组下,uvwspd的12 h预报与观测的相关系数普遍大于24 h,且均为正相关,通过α=0.01的显著水平检验,12 h预报RMSE小于24 h,且RMSE随风速增加而增加,uwspdRMSE小于v,模式对uwspd的预报效果较好于v。在大于30 m·s-1的速度分组中,只有wspd的12 h预报刚刚通过α=0.01的显著水平检验。

3.4 单站对比

为检验模式对站点风廓线的预报效果,从25个站中挑选出2部L波段边界层风廓线LC(芜湖和秭归)和1部对流层Ⅱ型风廓线雷达PA(广州)的月平均风廓线作为观测实况,将模式不同起报时间的12 h和24 h预报到同一时刻的结果分别与之进行对比分析(图 4)。

图 4 2013年5月芜湖(a)、秭归(b)和广州站(c)wrf模式12 h和24 h预报与观测(obs)的wspduv对比 Fig. 4 Comparison of wspd, u and v for 12 h and 24 h predictions and observation at (a)Wuhu, (b)Zigui and (c) Guangzhou stations in May 2013.

图 4a是芜湖站模式预报和实况的风廓线分布情况。从中可见,风廓线雷达观测的u分量随高度增加而增大,并伴有波动,在1 km以下为负值,东风分量为主,在1 km以上为正值,西风分量为主。模式12 h和24 h能预报出u随高度的变化趋势,较观测平滑,预报的廓线整体比较相似。模式12 h(24 h)预报u在1.2 km (1.6 km)以下东风分量为主,此高度以上西风分量为主。同样,风廓线雷达观测的全风速wspd变化与u类似。wspd 12 h和24 h预报的廓线比较接近,在0.1 km高度预报大于观测,0.1~5 km预报较实况偏小。风廓线雷达观测的v分量随高度先增加后减小,在2 km左右,风速达到最大,约4.54 m·s-1。模式12 h(24 h)预报v在0.3(0.4) km风速达到最大,约为1.17(1.93)m·s-1

秭归站的风廓线预报情况(图 4b)与芜湖站有相似之处。风廓线雷达观测的u分量从0.4至2.6 km随高度东西风相互转换,2.6 km以上西风为主,且风速随高度增加而增加。模式12 h(24 h)预报u在2.6(3.0)km以下为负值,东风为主,风速较实况偏大,此高度以上为正,西风为主,风速较实况偏小,24 h预报偏差略大。v的观测在0.5 km以下为正,南风为主,0.5~1.2 km为负,北风为主,1.2 km以上为正,南风为主。模式预报的v在2.8 km以下为正,南风为主,2.8 km以上为负,北风为主。wspd的12 h和24 h预报结果非常接近,在1 km以下预报与实况接近,后随高度增加,预报误差增大,较实况偏小。

图 4c是广州站模式预报和实况的平均风廓线分布情况。风廓线雷达观测的u分量随高度波动较少,0.9 km以下为负值,东风为主,0.9 km以上为正,西风为主。12 h和24 h预报u的廓线比较相似,整体与实况非常接近,12 h预报普遍较实况略偏大,24 h预报略偏小。wspd的垂直廓线变化与u类似,观测随高度增加而增大,12 h和24 h预报与实况较一致。wspd的12 h预报在3.8 km以下略偏大,3.8 km以上略偏小,24 h预报1.2 km以下略偏小,1.2 km以上略偏大。风廓线雷达观测的v分量随高度增加而减小,并伴有波动,5 km以下南风为主。模式12 h和24 h预报v在5 km以下为正,南风为主,与实况一致,偏差较uwspd大。模式12 h(24 h)预报的v在0.9(0.7) km以下预报比实况偏大,0.9(0.7) km以上预报较实况偏小。

从三个单站的廓线分布情况可以看出,模式可以预报出站点上空风场随高度的变化趋势,预报u与实况是最为接近,其次是wspdv的预报误差相对较大。广州站的风廓线预报效果好于芜湖站和秭归站。

4 结论与讨论

利用经过质量控制的风廓线雷达数据作为一种观测资料对华中区域中尺度业务模式WHMM的水平风场的预报能力进行评估,将预报结果与观测从总体上、按高度分组、按风速分组以及单站等方面进行1个月(2013年5月)的对比分析。得到如下结论:

(1) 华中区域中尺度业务模式对风场有较好的预报能力。其12 h和24 h的整体相关系数大于等于0.6,且通过α=0.01的显著性水平检验,12 h相关系数大于24 h的,预报风速整体比观测偏小,12 h预报误差小于24 h。纬向风和全风速预报好于经向风的预报。

(2) 不同高度层分组下,WHMM的uvwspd预报大部分为负偏差,风速预报较观测偏弱,其中v的负偏差最大,预报均方根误差随高度先增加再减小,一般在1~2 km预报误差较大,4~5 km预报误差较小。

(3) 不同风速分组(小于等于5 m·s-1、5~10 m·s-1、10~15 m·s-1、15~20 m·s-1、20~30 m·s-1)中,WHMM的uvwspd 12 h预报与观测的相关系数大于24 h的,为正相关,均通过α=0.01的显著水平检验。uv在大于30 m·s-1的速度分组的12 h和24 h的相关系数,未通过α=0.01和0.05的显著水平检验。wspd在大于30 m·s-1的速度分组的12 h和24 h的相关系数分别通过α=0.01和0.05显著水平检验。uwspd的12 h和24 h预报在小于等于5 m·s-1时以正偏差为主,随着分组风速的增加,Bias逐渐为负偏差且绝对值随之增大。wspd的变化与u类似。v的12 h和24 h预报在各速度分组中都是负偏差,且随分组风速增加,Bias绝对值也变大。模式uvwspd 12 h预报RMSE小于24 h的,且随风速增加而增加,uwspdRMSE小于v,模式对uwspd的预报效果好于v

(4) 从单站的风廓线来看,模式可以预报出站点上空风场随高度的变化趋势,模式预报u与实况最为接近,其次是wspdv的预报误差相对较大。广州站预报效果好于芜湖和秭归站。

风廓线雷达数据作为检验模式所用的观测资料,垂直方向分辨率较高,具有一定的可用性。本文中仅使用2013年5月的数据开展检验评估,未来可利用更长时间序列的资料对该模式进行检验,以期能更全面和准确地评估该模式的预报性能,为华中区域业务数值预报模式的改进提供参考,也为决策订正预报提供依据,同时拓展风廓线雷达等非常规观测的用途。

致谢:大气探测中心的吴蕾研究员对本文风廓线雷达资料的应用提供技术指导,谨致谢意。

参考文献
陈超君, 李俊, 王明欢. 2014. 2013年华中区域中尺度业务数值预报的客观检验[J]. 暴雨灾害, 33(2): 187-192. DOI:10.3969/j.issn.1004-9045.2014.02.012
陈敏, 王迎春, 仲跻芹, 等. 2003. 北京地区中尺度数值业务预报的客观检验[J]. 应用气象学报, 14(5): 522-532. DOI:10.3969/j.issn.1001-7313.2003.05.002
陈楠, 胡明宝, 张柽柽, 等. 2014. 利用风廓线雷达资料对南京地区低空急流的统计分析[J]. 热带气象学报, 30(3): 511-517. DOI:10.3969/j.issn.1004-4965.2014.03.012
董丽萍, 吴蕾, 王令, 等. 2014. 风廓线雷达组网资料初步对比分析[J]. 气象, 40(9): 1145-1151.
古红萍. 2007.风廓线雷达资料在北京夏季强降水天气中的分析和应用及数值模拟[D].北京: 中国气象科学研究院 http://xueshu.baidu.com/usercenter/paper/show?paperid=a75d660aa8f85afe5abd056101c8620d&site=xueshu_se&hitarticle=1
赖安伟, 王明欢, 陈晓霞, 等. 2017. 基于SMS的华中区域中尺度数值天气预报系统设计和实现[J]. 气象科技, 45(1): 52-58.
李霞, 王磊, 任泉. 2016. 乌鲁木齐风廓线雷达探测能力评估[J]. 沙漠与绿洲气象, 10(1): 9-18. DOI:10.3969/j.issn.1002-0799.2016.01.002
刘梦娟, 刘舜. 2016. 海组网风廓线雷达数据质量评估[J]. 气象, 42(8): 962-970.
刘淑媛, 孙健, 陶祖钰. 2003. 用香港风廓线雷达资料看数值模式MM5模拟能力[J]. 北京大学学报(自然科学版), 39(3): 375-380. DOI:10.3321/j.issn:0479-8023.2003.03.013
万蓉, 周志敏, 崔春光, 等. 2011. 风廓线雷达资料与探空资料的对比分析[J]. 暴雨灾害, 30(2): 130-136. DOI:10.3969/j.issn.1004-9045.2011.02.005
王艳春, 王红艳, 刘黎平. 2014. 华南一次强飑线过程的三维变分风场反演效果分析[J]. 暴雨灾害, 33(4): 305-312. DOI:10.3969/j.issn.1004-9045.2014.04.001
汪小康, 王晓芳, 崔春光, 等. 2012. 用新型探测资料分析武汉一次短时强降水过程的中尺度对流系统[J]. 暴雨灾害, 31(4): 321-327.
王彦, 刘一玮, 孙晓磊. 2017. 利用风廓线雷达资料分析一次强降水过程的风垂直切变特征[J]. 暴雨灾害, 36(2): 171-176. DOI:10.3969/j.issn.1004-9045.2017.02.010
吴蕾, 陈洪滨, 高玉春, 等. 2013. 国产风廓线雷达对比试验初步分析[J]. 现代雷达, 35(6): 24-28. DOI:10.3969/j.issn.1004-7859.2013.06.007
吴蕾, 陈洪斌, 康雪. 2014. 风廓线雷达与L波段雷达探空测风对比分析[J]. 气象科技, 42(2): 225-230. DOI:10.3969/j.issn.1671-6345.2014.02.008
吴曼丽, 沈玉敏, 梁寒. 2009. 辽宁中尺度数值模式产品和T213产品对比检验分析[J]. 气象科技, 37(3): 276-280. DOI:10.3969/j.issn.1671-6345.2009.03.004
许建玉, 刘羽. 2016. 边界层方案对WRF3D模式夏季降水预报的影响分析[J]. 暴雨灾害, 35(1): 31-38. DOI:10.3969/j.issn.1004-9045.2016.01.005
张小雯, 郑永光, 吴蕾, 等. 2017. 风廓线雷达资料在天气业务中的应用现状与展望[J]. 气象科技, 45(2): 285-297.
Shamrock W C, Klemp J B, Dudhia J, et al. 2008. A Description of the Advanced Research WRF Version 3[Z]. http://www2.mmm.ucar.edu/wrf/users/docs/arw_v3.pdf
Stjames J S, Laroche S. 2005. Assimilation of Wind Profiler Data in the Canadian Meteorological Centre's Analysis Systems[J]. Journal of Atmospheric and Oceanic Technology, 22(8): 1181-1194. DOI:10.1175/JTECH1765.1
Weber B L, Wuertz D B. 1990. Comparison of rawinsonde and wind profiler radar measurements[J]. J Atmos Ocean Technol, 7(1): 157-174. DOI:10.1175/1520-0426(1990)007<0157:CORAWP>2.0.CO;2