期刊检索:
  暴雨灾害   2020, Vol. 39 Issue (5): 462-469.  DOI: 10.3969/j.issn.1004-9045.2020.05.004

论文

DOI

10.3969/j.issn.1004-9045.2020.05.004

资助项目

国家重点研发计划项目(2018YFC1507200,2016YFC0203304);国家自然科学基金重点项目(41830965);国家自然科学基金青年项目(41705034)

第一作者

熊洁, 大气物理与数值天气预报。E-mail:xiongjie8707@sina.com.

文章历史

收稿日期:2019-07-26
定稿日期:2020-06-26
YHGS模式产品在华中一次暴雨预报应用的评估
熊洁1 , 赵军2 , 赖安伟1 , 曹小群2 , 周志敏1 , 康兆萍1     
1. 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;
2. 国防科技大学 气象海洋学院, 长沙 410073
摘要:利用国防科技大学全球中期数值天气预报模式(YinHe Global Spetral model,YHGS)产品驱动WRF对2018年7月4日华中地区暴雨过程进行模拟,并与ERA-interim资料作初始场模拟结果对比,评估YHGS模式产品在此次暴雨过程预报中的应用能力。结果表明:(1)WRF-YHGS对2018年7月4日华中地区暴雨过程有一定的预报能力,其模拟的大尺度环流形势、水汽收支量变化趋势与WRF-ERA有着很好的一致性,YHGS模式产品驱动中尺度数值预报是可行的。(2)WRF-YHGS模拟效果较WRF-ERA差,但大雨量级WRF-ERA湿偏差较大,两组试验各物理量模拟结果存在一定差距,且随着积分时间的增加差异逐渐增大。(3)WRF-YHGS、WRF-ERA模拟结果的差异主要来自YHGS与ERA初始场中差异较大的次天气尺度运动和YHGS全球模式预报场误差两个方面。
关键词YHGS模式    暴雨    初始场    应用评估    
Application evaluation of theYHGS model products in a rainstorm forecast in central China
XIONG Jie1 , ZHAO Jun2 , LAI Anwei1 , CAO Xiaoqun2 , ZHOU Zhimin1 , KANG Zhaoping1     
1. Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, China Meteorological Administration, Wuhan 430205;
2. College of meteorological and oceanography, National University of Defense Technology, Changsha 410073
Abstract: In this paper, the rainstorm event on 4 July 2018 in central China was simulated using YHGS model product driven WRF, and the application capability of YHGS model product in this forecast was evaluated by comparing to the initial field simulation results with ERA-interim data. The conclusions are as follows. (1) WRF-YHGS has a certain ability to forecast the rainstorm in central China on 4 July 2018. The simulated large-scale circulation situation and the variation trend of water vapor budget are in good agreement with WRF-ERA. YHGS model product driven mesoscale numerical prediction is feasible. (2) The simulated skill of WRF-YHGS is worse than WRF-ERA, but WRF-ERA wet deviation of heavy rain is larger. There is a certain gap between the simulation results of each physical quantity in the two tests, and the difference gradually increases with the increase of integration time. (3) The difference between WRF-YHGS and WRF-ERA simulation results mainly comes from two aspects: the subsynoptic-scale motion between YHGS and ERA in the initial field and the prediction field error of YHGS global model.
Key words: YHGS model    rainstorm    initial field    application evaluation    
引言

数值天气预报技术的发展主要取决于数值预报模式的改进(陈德辉等,2004沈学顺等,2011王明欢等,2011)和模式初始场的准确程度(马旭林等,2015袁有林等,2017)。目前数值模式日益完善,模式初始场的精度成为现代数值天气预报成功与否的关键(潘宁等,2001)。当前在中尺度数值预报模式中,为获得最优化初始条件主要采用资料同化(王叶红等,2010孟晓文等,2017)和使用高质量的数值模式资料作为背景场,但这也只是大气真实状态的近似。Zhang (2006)比较全面地研究了中尺度强降水的可预报性,表明模式和初始场误差对预报结果有显著影响;贝耐芳等(2002)用数值模式研究了“98.7”长江流域强降水,指出该过程的数值预报对初始场很敏感,初始信息是否完全是这次强降水预报成功与否的关键;朱红芳等(2007)用T213和FNL资料分别驱动GRAPES模式,对淮河流域的一次强降水过程进行了数值试验,表明模式的预报能力对不同初始场和侧边界条件存在不同程度的依赖性;朱本璐等(2009)用AREM模式对华南一次强降水过程进行了模拟,表明初始时刻不同物理量场加实际振幅的正态分布随机扰动时,对降水的影响是不同的;麻素红等(2004)利用T213和T106提供的初始场和侧边界条件对台风路径进行了数值预报,表明初始场和侧边界的改进可以明显提高台风路径数值预报能力。这些研究表明初、边界条件能否真实反映大气的运动状态,能否与模式匹配协调,直接影响到模式的预报结果好坏。

我国区域中尺度模式使用的初始条件和边界条件大多采用美国NCEP/NCAR的Global Forecast Sys⁃ tem(GFS)资料、欧洲ECMWF的ERA-interim(以下简称ERA)和中国GRAPES模式等预报场和再分析场,然而近些年我国自主研发的数值天气预报模式已得到快速发展,其中,国防科技大学在全球中期数值天气预报模式和全球资料变分同化技术等方面进行了一系列关键技术研究,取得了高水平的理论和应用成果(张卫民等, 2012, 2016曹小群等,2012卢风顺等,2012)。该成果包括资料同化系统和全球中期数值天气预报模式(YinHe Global Spetral model,YHGS)两部分(赵军等,2000),其中资料同化系统是从实时气象观测资料库提取全球实时观测资料,对资料进行预处理和质量控制,应用四维变分同化方法进行全球气象资料客观分析,所得分析场作为YHGS模式的初始场,进行模式积分输出预报产品(李伟,2001),该产品可为我国区域中尺度模式提供背景场和侧边界条件(赵军等,2010)。但是目前YHGS模式在我国模式业务和科研中运用不多,对其预报性能还缺少系统全面的分析和认识,且当前我国模式发展一直落后于欧美,发展及加强我国自主研发数值天气预报模式的应用与评估显得尤为重要。

本文利用YHGS模式零场和短期预报产品做初始场,驱动WRF (Weather Research and Forecasting)模式对2018年7月4日华中地区暴雨过程进行模拟,并结合ERA-interim资料为初始场的模拟,对比评估YHGS模式产品在暴雨预报中的应用,以期提高对YHGS模式相关特征的认识,找到YHGS模式产品在驱动区域中尺度模式中的不足,为其更好改进及应用提供科学的参考,进而为该资料在我国模式业务和研究中的运用奠定基础。

1 天气过程概况

2018年7月4—7日受切变线、低空急流影响,西南地区东部、江汉地区中部、黄淮地区中南部、江淮大部、江南大部、华南大部出现了一次由北向南的大范围移动性暴雨过程(汪小康等,2019)。华中地区降水主要集中在4—5日,从2018年7月4日00时(世界时,下同)天气形势图上看,500 hPa (图 1a)低槽穿过四川延伸至云南地区,华中地区受槽前西南气流影响,850 hPa (图 1b)低涡中心位于四川东部及重庆南部,华中地区多处于低涡槽前西南气流中,低涡暖切变位于安徽北部至湖北北部,呈东北-西南走向,强盛的西南暖湿气流与偏东气流在切变线附近汇集,造成华中地区此次暴雨过程。图 2是2018年7月4日12时—5日12时24 h降水实况,实况中重庆东部、湖南西北部、湖北大部、河南东南部出现了大范围强度较大的降水。

图 1 2018年7月4日00时500 hPa (a)和850 hPa (b)天气形势 Fig. 1 (a) 500 hPa and (b) 850 hPa synoptic situation at 00:00 UTC 4 July 2018.

图 2 2018年7月4日12时—5日12时24 h累积降水实况 Fig. 2 24 h accumulated precipitation from 12:00 UTC 4 July to 12:00 UTC 5 July 2018.
2 试验方案和资料

本文采用WRF V3.6.1,参照华中区域中尺度业务模式(王明欢等,2019赖安伟等,2017陈超君等,2014),采用物理方案主要包括thomphsom微物理方案,RRTM长波辐射方案,Dudhia短波辐射方案,YSU边界层方案,Noah陆面过程方案。模拟采用单层嵌套,网格格距为3 km,中心位置为(107°E,31°N),格点数1 200 × 600,垂直方向为σ地形跟随坐标,分32层。积分时间从2018年7月4日00时—5日12时,共积分36 h,1 h输出一次模拟结果。本文使用两种资料驱动WRF,分别为:YHGS模式产品,水平分辨率为0.25°×0.25°均匀经纬网格,三维要素场的垂直方向包括1 000、975、950、925、900、850、800、750、700、650、600、550、500、450、400、350、300、250、200、150、100、70、50、30、20、10 hPa共26个等压面。输出38个预报时次(0—72 h每3 h输出一次,78—120 h每6 h输出一次,144—240 h每24 h输出一次),本文所用资料分别为7月4日00、12时和7月5日00时的0 h场和6 h预报场。

ERA-interim是欧洲中期数值预报中心ECMWF提供的再分析数据,本文所用数据的水平分辨率为0.25°×0.25°,垂直分为27层(1 000—10 hPa),时间分辨率为6 h,所用资料为每日00、06、12、18时分析场。

采用中国国家气象信息中心0.1° × 0.1°网格化逐时实况降水融合资料(沈艳等,2013)用于预报效果的评估。

3 不同资料模拟结果分析

分别使用YHGS和ERA资料驱动WRF模式(分别记为WRF-YHGS和WRF-ERA试验),对比分析YHGS模式产品作为初始场WRF模拟结果与ERA资料模拟的异同。

3.1 降水模拟的结果

图 2降水实况分布图看,华中地区雨带呈东北-西南分布,暴雨中心分布在河南东南、湖北东北及湖北、重庆、湖南三省交界地段,其中湖北红安24 h总降水量最大达到217.4 mm,其次为河南平舆(155.1 mm),24 h降水量超过100 mm还包括湖北黄陂(127.1 mm)、河南确山(125.5 mm)、湖北五峰(120.6 mm)、河南沈丘(117.3 mm)、河南新县(110.5 mm)、湖北孝感(106.3 mm)和湖北麻城(101 mm) 7个国家站点。WRF-ERA(图 3b)模拟4日12时—5日12时24 h累积降水量在100 mm以上的区域为河南东南部、湖北北部、重庆湖北交界处,较实况偏西,WRF-YHGS (图 3a)模拟的湖北重庆交界强降水范围偏小,湖北东北部降水与实况更接近,河南东部降水模拟偏南。

图 3 2018年7月4日12时—5日12时WRF-YHGS (a)和WRF-ERA (b)模拟的24 h总降水量以及不同量级总降水量ETS评分(c)、BS评分(d) Fig. 3 (a) WRF-YHGS and (b) WRF-ERA simulated 24 h total precipitation and (c) ETS score and (d) BS score at different precipitation orders from 12:00 UTC 4 July to 12:00 UTC 5 July 2018.

为了客观反映两组试验模拟的降水结果,对图 2绘图区域4日12时—5日12时两组试验模拟的24 h总降水量进行公正风险ETS评分和BS评分。ETS评分是一种确定性降水评分方法,分值越高则说明预报技巧越高。24 h降水分为小雨(0.1~9.9 mm)、中雨(10.0~ 24.9 mm)、大雨(25.0~49.9 mm)和暴雨(50.0 mm以上),ETS评分结果如图 3c,对于各降水等级的评分,试验WRF-ERA均高于WRF-YHGS,即对本次暴雨过程WRF-ERA模拟24 h降水ETS评分优于WRF-YHGS (WRF-YHGS、WRF-ERA两组实验暴雨ETS评分均很低,分别为0.001、0.005)。偏差BS评分表示的是实况降水与预报的匹配度,其值越接近1,则模拟结果与实况越接近。从图 3d可以看出,小雨和中雨BS值两试验差异较小,均小于1,大雨量级两试验BS值接近1,暴雨量级WRF-YHGS和WRF-ERA两试验BS值分别为2.9、4.3,产生了严重的空报,且大雨以上量级WRF-ERA BS值大于WRF-YHGS,即对本次暴雨过程WRF-ERA模拟24 h降水在大雨量级存在较大湿偏差。

3.2 高度场、温度场之间的异同

分别计算两组试验850 hPa位势高度场和温度场与ERA-interim再分析场的距平相关系数(图 4),距平相关系数公式为

$ ACC = \frac{{\frac{1}{N}\sum\limits_{i = 1}^N {\left({{F_i} - \bar F} \right)} \left({{O_i} - \bar O} \right)}}{{\sqrt {\frac{1}{N}\sum\limits_{i = 1}^N {{{\left({{F_i} - \bar F} \right)}^2}} \bullet \frac{1}{N}\sum\limits_{i = 1}^N {{{\left({{O_i} - \bar O} \right)}^2}} } }} $ (1)
图 4 2018年7月4日06时—5日12时每6 h WRF-YHGS和WRF-ERA 850 hPa位势高度场(a)和温度场(b)距平相关系数 Fig. 4 Anomaly correlation coefficients of 850 hPa (a) potential height field and (b) temperature field of WRF-YHGS and WRF-ERA every 6 hours from 06:00 UTC 4 July to 12:00 UTC 5 July 2018.

式(1)中,N为空间场的格点数,Fi为模拟结果中各格点的值,Oi为ERA-interim作为观测值中各格点的值,Fˉ为模拟结果N个样本的平均值,O为观测值N个样本的平均值。距平相关系数ACC可以用来评估模拟场与观测场之间的相似程度,ACC值越大,表示两种资料越相近,差异越小。两组试验位势高度场(图 4a)距平相关系数在0.78~0.95之间,温度场(图 4b)距平相WRF-YHGS,可见WRF-ERA对形势的预报效果优于关系数在0.69~0.92之间,WRF-ERA均稍高于WRF-YHGS。

计算WRF-YHGS和WRF-ERA模拟的850 hPa位势高度场和温度场相关系数,用于分析两个模拟场的相似程度。相关系数公式为

$ R = \frac{{\sum\limits_{i = 1}^N {\left({F_i^1 - \overline {{F^1}} } \right)} \left({F_i^2 - \overline {{F^2}} } \right)}}{{\sqrt {\sum\limits_{i = 1}^N {{{\left({F_i^1 - \overline {{F^1}} } \right)}^2}} \bullet \sum\limits_{i = 1}^N {{{\left({F_i^2 - \overline {{F^2}} } \right)}^2}} } }} $ (2)

式(2)中,Fi1Fi2分别为两组试验模拟结果中各格点的值、$\overline {{F^1}} $$\overline {{F^2}} $分别为两组试验所有格点的平均值。由图 5可见,在整个模拟时段两组试验的850 hPa位势高度场相关系数均大于0.94,温度场相关系数均大于0.88,表明两种资料模拟的大尺度环流形势有着很好的一致性,位势高度场和温度场相关系数随着积分时间先增大后减小,说明模拟结果随着积分时间的增加差异逐渐增大。

图 5 2018年7月4日00时—5日12时WRF-YHGS和WRF-ERA 850 hPa高度场相关系数RH、温度场相关系数RT Fig. 5 The correlation coefficients (RH, RT) of 850 hPa height field and temperature field between WRF-YHGS and WRF-ERA from 00:00 UTC 4 July to 12:00 UTC 5 July 2018.

为了更明确揭示不同资料对WRF模拟结果的影响,计算WRF-YHGS和WRF-ERA模拟位势高度场和温度场的均方根误差,公式为

$ RMSE = \sqrt {\frac{{\sum\limits_i {\sum\limits_j {{{\left({F_{ij}^1 - F_{ij}^2} \right)}^2}} } }}{N}} $ (3)

式(3)中,Fij1Fij2分别为YHGS、ERA-interim作为WRF初值模拟的结果,N是模拟区域总格点数。均方根误差考虑了两个预报结果中所有格点的数值差异大小,用全部格点数据差值的均方根来代表两个预报场的差异,RMSE越小,两个场的差异越小。图 6给出了两组试验不同气压层(850 hPa、500 hPa、200 hPa)上位势高度、温度的均方根误差随时间变化,位势高度差异在各高度层变化趋势较一致,随积分时间先波动降低后增加,位势高度高层(200 hPa)差异最大;温度差异500 hPa高度层先增大后减小,850 hPa、200 hPa的温度差异逐渐减小,温度500 hPa差异最大。在积分时间内初值引起模拟结果的差异都是存在的。

图 6 2018年7月4日00时—5日12时WRF-YHGS和WRF-ERA 850 hPa、500 hPa、200 hPa位势高度场(a, 单位:hPa)、温度场(b, 单位:K)的均方根误差 Fig. 6 RMSE of 850 hPa, 500 hPa and 200 hPa (a) height field (unit: hPa) and (b) temperature field (unit: K) between WRF-YHGS and WRF-ERA from 00:00 UTC 4 July to 12:00 UTC 5 July 2018.
3.3 水汽输送的异同

根据水汽方程,对于大范围强降水过程,大尺度的水汽输送是最为重要的,在此对试验WRF-YHGS、WRF-ERA分别使用预报的地面及以上1 000—100 hPa共90层的比湿及风场资料,计算了华中降水区域7月4日00时—5日12时每小时的整层大气水汽输送(杨柳等,2018柳艳菊等,2005) (图略)。为了更明确对比两组试验模拟的水汽收支情况,选取了图 2区域范围计算各边界的水汽输送。该区域南、北两个边界的整层的水汽输送分别记为 FsFn,则经向净水汽输送量

$ {F_{{\rm{sn}}}} = {F_{\rm{s}}} - {F_{\rm{n}}} $ (4)

图 7为WRF-YHGS、WRF-ERA试验对暴雨区域的整层(1 000—100 hPa)经向水汽收支的逐时变化。分析可知,两组试验经向水汽收支均为正值,即为净水汽流入,WRF-YHGS的经向水汽收支量较WRF-ERA小,两组试验经向水汽收支量的变化趋势一致。

图 7 2018年7月4日00时—5日12时WRF-YHGS和WRF-ERA经向水汽收支变化(单位: g·m-1·s-1) Fig. 7 Changes in meridional moisture budget of WRF-YHGS and WRF-ERA from 00:00 UTC 4 July to 12:00 UTC 5 July 2018 (unit: g·m-1·s-1).
4 模拟结果差异来源

WRF-YHGS与WRF-ERA基于相同模式相同参数化方案进行,其模拟结果差异主要由初、边界条件决定,本节通过对YHGS模式产品与ERA资料的分析寻找模拟结果差异来源。

4.1 初始场差异

计算相关系数来检验初始场YHGS与ERA两种资料的相似程度,YHGS与ERA两种资料各气压层位势高度场、温度场和湿度场的相关系数如图 8所示,YHGS与ERA资料中位势高度场和温度场各高度层相关系数均超过0.98、0.94,表明相似程度较高,湿度场相关系数相对低,只在700—500 hPa、200 hPa以上高度层相关系数均大于0.9,表明低层和中高层湿度场的差异较大。

图 8 YHGS与ERA的(a)高度初始场和大尺度场, (b)温度初始场和大尺度场, (c)湿度初始场和大尺度场, (d)各要素扰动场的相关系数随高度的变化 Fig. 8 Change of correlation coefficient with height between YHGS and ERA for (a) initial field, large-scale field of potential height, (b) initial field, large-scale field of temperature, (c) initial field, large-scale field of humidity, and (d) disturbance field of three elements.

为了进一步了解YHGS与ERA资料之间的差异,采用9点平滑滤波方法(杨福全等,1996)对两种初始场资料进行尺度分离,9点平滑滤波公式中的平滑系数取0.5,平滑3次来获得YHGS与ERA的大尺度平均运动初始场,然后用原始场减去大尺度平均运动场得到小尺度运动的扰动场。在此基础上,计算两种资料之间的大尺度平均运动场和其扰动场的相关系数,由滤波结果(图 8)可知不同气压上的位势高度相关性、温度相关性和湿度相关性大尺度场好于原始资料,位势高度大尺度场的相关系数在0.99以上,说明两种资料大的环流形势差异很小。但两种资料间的扰动场相关系数较小,总体来看,扰动场相关性位势高度 > 温度 > 湿度,湿度扰动场相关系数500 hPa只有0.2,说明两种资料初始扰动场之间的差异明显,即扰动场所反映出的次天气尺度有着较大差异,且湿度扰动场差异最为突出。

扰动风场可以很好地表现次天气尺度涡旋运动,而原始场中难以表现出这种次天气尺度涡旋运动。对YHGS、ERA 2018年7月4日00时850 hPa的u、v风场分离结果(图 9)分析可知,YHGS与ERA描述的大尺度流场差异小,但其次天气尺度流场中强辐合中心位置和强度则存在较大的差异,随着积分时间延长,次天气尺度环流差异逐渐引起两组实验850 hPa高度场和风场(图略)风切变和低涡中心位置差异显著,进而造成了降水区域的差异。通过以上分析可知,YHGS与ERA初始场中存在着差异较大的次天气尺度运动,很可能是引起模式对此次暴雨预报差异的原因之一。

图 9 2018年7月4日00时YHGS (a, b)与ERA (c, d) 850 hPa高度大尺度场(a, c)和扰动场(b, d)的流场图 Fig. 9 The flow field diagram of (a, b) YHGS and (c, d) ERA 850 hPa height (a, c) large scale field and (b, d) disturbance field at 00:00 UTC 4 July 2018.
4.2 侧边界差异

两组试验侧边界资料分别为YHGS模式每日00、12时00场、6 h预报场和ECMWF提供的每日00、06、12、18时00场数据,图 10所示YHGS模式各时次00场(即4日00时、12时和5日00时)与ERA提供的侧边界温度和经向风相关系数较6 h预报场的高。WRF-YHGS试验边界场部分时次资料是从YHGS全球模式预报场中提取,全球模式普遍分辨率较低、参数化方案及模式本身动力框架不完善,其预报场本身存在一定的误差,对不同尺度及不同预报时段预报效果有一定的影响,预报场本身的误差使WRF模拟中不可避免的将边界场误差引入预报当中,从而使边界条件进一步对模拟预报技巧产生影响。以上分析可知,YHGS全球模式预报场误差,很可能是引起此次暴雨过程预报差异的另一原因。对于YHGS模式预报场的误差可通过提高时空分辨率、嵌套网格以及资料同化等方法改进。

图 10 YHGS与ERA侧边界温度相关系数RT、经向风相关系数RU变化 Fig. 10 Changes of correlation coefficients (RT, RU) of side boundary temperature and meridional wind between YHGS and ERA.
5 结论与讨论

本文对利用YHGS模式产品和ERA-interim资料驱动WRF模式,对2018年7月4日华中地区一次暴雨过程进行了数值模拟试验,并对比评估YHGS模式产品在此次过程预报的应用能力,初步得到如下结论:

(1) WRF-YHGS、WRF-ERA对2018年7月4日华中地区暴雨过程有一定的预报能力,两组试验模拟的大尺度环流形势和经向水汽收支变化趋势有着很好的一致性,YHGS模式产品驱动中尺度数值预报是可行的,WRF-YHGS、WRF-ERA在积分时间内各物理量的差异也是存在的,此次过程形势场、降水模拟WRF-ERA优于WRF-YHGS,但大雨量级WRF-ERA湿偏差较大。各物理量随着积分时间的增加差异逐渐增大,其中位势高度在高层(200 hPa)差异最大,温度在500 hPa差异最大,经向水汽收支量WRF-YHGS较WRF-ERA小。

(2) YHGS与ERA初始场中大尺度平均运动场之间相关系数较高,即YHGS与ERA初始场中大的环流形势很相似,但两者存在着差异较大的次天气尺度运动。YHGS与ERA初始场中差异较大的次天气尺度运动很可能是引起WRF模式对此次暴雨预报差异的原因之一。

(3) YHGS全球模式预报场误差,使WRF模拟中不可避免的将边界场误差引入预报当中,从而使边界条件进一步对模拟预报技巧产生影响,这很可能是引起此次暴雨过程预报差异的另一原因。

本文只针对一个个例开展研究,下一步研究将针对YHGS模式开展批量试验,通过观测资料同化改善YHGS中小尺度环流形势,以进一步提高YHGS模式产品在中尺度模式中的应用能力。

参考文献
贝耐芳, 赵思雄. 2002. 初值及物理过程对"98.7"暴雨预报结果的影响[J]. 气候与环境研究, 7(4): 386-396.
曹小群, 宋君强, 张卫民, 等. 2014. 多源卫星观测数据在全球四维变分同化系统中的应用[J]. 测绘通报, (S): 102-107.
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.
陈德辉, 薛纪善. 2004. 数值天气预报业务模式现状与展望[J]. 气象学报, 62(5): 623-633.
袁有林, 杨秀洪, 杨必华, 等. 2017. 不同初始场及其扰动对WRF模拟暴雨的影响[J]. 沙漠与绿洲气象, 11(1): 67-75.
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.
柳艳菊, 丁以汇, 宋艳玲. 2005. 1998年夏季风爆发前后南海地区的水汽输送和水汽收支[J]. 热带气象学报, 21(1): 55-62.
卢风顺, 宋君强, 张理论, 等. 2012. 面向全球数值天气预报模式的加权等积并行数据划分算法[J]. 计算机研究与发展, 49(4): 795-803.
麻素红, 翟安祥. 2004. 不同初始场及侧边界对台风路径数值预报的影响[J]. 热带气象学报, 20(6): 737-742.
马旭林, 于月明, 陈德辉. 2015. 适应性观测研究现状和展望[J]. 气象学报, 73(2): 221-235.
孟晓文, 隆霄, 周国兵, 等. 2017. 同化常规资料对重庆地区一次大暴雨过程的数值模拟研究[J]. 暴雨灾害, 36(4): 309-318.
潘宁, 董超华, 张文建, 等. 2001. 变分同化及卫星资料同化[J]. 气象科技, 29(2): 29-36.
沈学顺, 王明欢, 肖锋. 2011. GRAPES模式中高精度正定保形物质平流方案的研究Ⅰ:理论方案设计与理想试验[J]. 气象学报, 69(1): 1-15.
沈艳, 潘旸, 宇婧婧, 等. 2013. 中国区域小时降水量融合产品的质量评估[J]. 大气科学学报, 36(1): 37-46.
王明欢, 赖安伟, 周志敏, 等. 2019. 华中区域中尺度业务模式水平风场预报能力的检验评估[J]. 暴雨灾害, 38(4): 373-379.
王明欢, 沈学顺, 肖锋. 2011. GRAPES模式中高精度正定保形物质平流方案的研究Ⅱ:连续实际预报试验[J]. 气象学报, 69(1): 16-25.
汪小康, 闵爱荣, 廖移山. 2019. 2018年4-10月我国主要暴雨天气过程简述[J]. 暴雨灾害, 38(2): 183-192.
王叶红, 赖安伟, 赵玉春. 2010. 地基微波辐射计资料同化对一次特大暴雨过程影响的数值试验研究[J]. 暴雨灾害, 29(3): 201-207.
杨福全, 杨大升. 1996. 1991年江淮流域暴雨中不同尺度系统的相互作用[J]. 应用气象学报, 7(1): 9-18.
杨柳, 赵俊虎, 封国林. 2018. 中国东部季风区夏季四类雨型的水汽输送特征及差异[J]. 大气科学, 42(1): 81-95.
朱本璐, 林万涛, 张云. 2009. 初始扰动对一次华南暴雨预报的影响的研究[J]. 大气科学, 33(6): 1333-1347.
朱红芳, 王东勇, 管兆勇, 等. 2007. 不同初始场条件对GRAPES模式数值预报的影响[J]. 气象学报, 65(4): 493-502.
赵军, 宋君强, 张理论, 等. 2000. 全球气息资料客观分析系统的分布式并行计算[J]. 国防科技大学学报, 22(3): 0039-0043.
赵军, 张理论, 宋君强. 2010. 数值天气预报后处理系统的作业级并行实现[J]. 计算机应用, 30(S1): 0241-0242.
张卫民, 曹小群, 宋君强. 2012. 以全球谱模式为约束的四维变分资料同化系统YH4DVAR的设计和实现[J]. 物理学报, 61(24): 249-202.
张卫民, 刘柏年, 曹小群, 等. 2016. 流依赖球面小波背景误差协方差模型设计和初步试验[J]. 气象学报, 74(3): 410-420.
Zhang F, Odins A M, Nielsen-Gammon J W. 2006. Mesoscale predictability of an extreme warm-season precipitation event[J]. Weather and forecasting, 21(2): 149-166. DOI:10.1175/WAF909.1