2021, Vol. 40 
2. 安徽省气象科学研究所 安徽省大气科学与卫星遥感重点实验室, 合肥 230031;
3. 安徽省黄山市气象局, 黄山 245000
2. Anhui Key Lab of Atmospheric Science and Satellite Remote Sensing, Anhui Institute of Meteorological, Hefei 230031;
3. Huangshan Meteorological Bureau of Anhui Province, Huangshan 245000
近年来安徽省洪涝频发，公众对强降水预报的精确度要求越来越高。ECMWF模式(以下简称EC模式) 是强降水预报和服务中的重要参考(蔡芗宁，2013)，但其存在着一定的预报偏差，尤其对极端强降水过程，偏差更加明显，如对2016年7月1-5日长江流域和2020年7月17-18日江淮地区两次极端强降水过程主雨带位置预报均明显偏北。如何订正数值预报产品在强降水预报中的偏差，一直以来都是预报业务中的难点。目前对强降水预报偏差订正主要体现在两个方面：一、主观订正。通过总结强降水历史个例天气形势和要素特征等进行预报订正(唐永兰等，2016；张家国等，2018；沈晓琳等，2018；丁一汇，2019)，此方法凝练了预报员的主观经验，但较难客观化。二、客观订正。如基于配料法的强降水等级预报(毕宝贵等，2016)；基于不同量级预报降水面积与实况降水面积之比的历史统计数据调整不同量级强度的频率或面积匹配方法(李俊等，2014)；基于集合预报的融合方法、概率匹配以及两者相结合的方法等(陈博宇等，2015；李武阶等，2018)，但这些客观订正方法大都针对量级进行订正，较少融入位置的偏差订正。李泽椿等(2019)指出暴雨预报的科学问题是从预报实践中提炼出来的。模式的偏差订正应建立在对模式的正确评估上。由于TS评分方法的局限性(王在文等，2016)，目前许多方法尝试对降水主雨带位置、面积等进行检验(Ebert and Mcbride, 2000；刘凑华和牛若芸，2013；符娇兰等，2014)，但这些检验结果往往是针对某个过程或某段时间，大多局限于对历史的评估，较难应用到强降水预报业务中。因此，目前模式的客观订正与客观检验结果并没有很好的融合，同时也没有融入预报员的主观经验，而后两者往往是强降水预报的关键所在。任敏等(2006)统计安徽省梅雨期至7月末暴雨落区的500 hPa高度，发现81.7%集中在582~585 dagpm的窄小区间，主雨带在584 dagpm线(以下简称584线)附近。王东勇等(2008)和张娇等(2008)分析2003、2005和2007年淮河流域持续性强降水过程中发现3个年份主雨带均在584线附近。500 hPa西太平洋副热带高压北侧的584线处于副高边缘，通常也是北方冷空气南下的南边界，因此冷暖空气交汇所形成的强降水区域往往对应在584线附近。584线位置是安徽省气象台夏季强降水过程主雨带位置预报的重要参考指标。本文使用客观方法判定强降水中心和天气类别，将584线位置指标融入EC模式冷空气类强降水预报的偏差订正方法中，在2020年安徽省梅汛期强降水过程预报服务中发挥了重要作用，尤其对极端强降水过程订正效果显著。
1 资料来源与研究方法 1.1 资料来源本文应用安徽省81个国家站逐日降水量资料判定安徽省强降水中心实况纬度位置、应用安徽省国家和区域站共293站逐日降水量资料检验预报情况、应用中国大陆2 400多个国家级气象观测站日降水资料判定6-7月115°-120°E之间逐日主雨带50 a平均位置。
用EC20时起报的12-36 h 0.125°×0.125°网格距降水量资料检验6-7月模式的强降水中心预报。应用EC20时起报的12-36 h每天08、14、20时和第二天02、08时共5个时次0.25°×0.25°网格距500 hPa平均高度判断暴雨天气类别和计算115°-120°E 584线平均纬度。
在统计2012-2018年历史强降水过程天气类型和计算115°-120°E之间584线平均纬度位置时，应用NCEP 2.5°×2.5°逐日20时再分析资料。过程总雨量预报资料应用EC过程开始前一天20时起报过程总降水量。
1.2 研究方法强降水预报的位置订正首先需要使用客观方法确定强降水中心的实况和预报位置。由于并不是所有强降水过程的EC预报都需要订正，因此需要对天气形势进行客观分类，筛选出降水中心预报位置偏差大的天气类型，并在此基础上根据预报降水中心与115°-120°E 584线的位置统计关系建立EC模式强降水中心位置偏差订正方法。
1.2.1 暴雨中心实况位置判定方法将安徽省81个国家站分为15个子区域(图 1)，规定每个网格中有大于等于2个站(避免将局地强降水判定为主雨带上的网格)出现大于等于50 mm降水时，判定这个网格为主雨带上的网格。计算从1-15每个网格是否为主雨带网格，当某个网格为主雨带网格，累计其相邻网格的主雨带网格数，数目最多的为主雨带中心，每个网格的最大累加主雨带网格数为8。以网格4为例，假设其自身和相邻的7、8、5、2网格均为主雨带网格(其余网格不是相邻网格)，网格1虽与其相邻，但不是主雨带网格时，网格4的累计相邻的主雨带网格数为4个。当有两个或多个累计相邻主雨带网格数同时最多且相等时，分别累计这几个网格中各自降水量大于等于50 mm站点的总雨量，值最大的为降水中心网格。降水中心位置为降水中心网格内大于等于50 mm站点经度平均和纬度平均值。文中简称这种确定主雨带中心的方法为大网格法。该方法不但对线性分布的带状主雨带，而且对不规则分布的强降雨中心确定同样成立。即便有两个或多个暴雨带(区)，也能准确判断出范围较大、强度较强的主雨带(区)降水中心。用该方法判定的安徽省强降水中心位置物理意义清晰，与主观判定基本一致。
|
图 1 安徽省大网格分区示意图 Fig. 1 The sketch map of Anhui big grid area. |
选取115°-120°E，26°-38°N之间EC模式20时起报的12-36 h降水预报，将该区域之间网格距为0.125°×0.125°的降水预报分为1°×1°大网格，每个大网格内有9×9=81个小格点。当1°×1°网格中有大于等于50个(此阈值如调小，会有少数暴雨日的降水中心与主观确定差异较大)格点出现大于等于50 mm的降水时，确定该网格为主雨带上网格。暴雨中心大网格判定方法同1.2.1中所用方法。暴雨中心位置为暴雨中心大网格内所有暴雨格点的经度平均和纬度平均。
1.2.3 天气类型客观判定方法将安徽省暴雨天气形势根据500 hPa高度场特征分为3类：西路强冷空气型、东路冷空气型和其他类型。西路强冷空气判定方法：108°-120°E，35°-38°N区域内格点纬偏差(陈菊英等，2006)平均小于0，108°-115°E，30°-33°N或108°-115°E，33°-35°N纬偏差平均小于0。格点纬偏差值
| $ \Delta H(\lambda i, \varphi j)=H(\lambda i, \varphi j)-\bar{H}(\varphi j) $ | (1) |
其中，λ为经度，i=90°，91°…140°E，φ为纬度，j=26°，27°…38°N。
东路冷空气判定方法：115°E与120°E 584线的纬度差大于0.5°。
除这两类，其余个例均归为其他类型。
在应用NCEP再分析资料分析2012-2018年天气类型时，西路强冷空气判定区域调整为：107.5°- 120°E，35°-37.5°N纬偏差平均值小于0，107.5°- 115°E，30°-32.5°N或107.5°-115°E，32.5°-35°N的纬偏差平均值小于0。其余天气类型判定方法同上。
1.2.4 115°-120°E主雨带纬度位置判定方法计算逐日区域1-15(图 2)每个区域内所有测站50年(1961-2010年)平均降水量，每日最大值区域内的站点纬度平均值即为当日主雨带平均纬度位置。
|
图 2 区域1—15范围示意图 Fig. 2 Schematic diagram of area 1－15. |
图 3为6-7月115°-120°E逐日降水中心及500 hPa的584、586、582 dagpm等值线50 a平均纬度位置，从图中可以发现：6-7月强降水中心大多位于586线以北和582线以南，与584线密切相关，两者相关系数达到0.443 7，通过0.001的信度检验。6月21日-7月21日强降水中心位于梅雨区(28°-35°N)期间内31 d中有14 d强降水中心位置位于584线南北纬1°以内。在安徽省梅汛期预报业务中，584线是主雨带位置预报的重要参考，文中将参考其115°-120°E平均纬度位置订正EC模式主雨带位置。
|
图 3 115°—120°E 6—7月逐日降水中心及500 hPa 584、586、582 dagpm线1961—2010年平均纬度位置 Fig. 3 The daily average latitude of precipitation center and the 584, 586, and 582 dagpm line at 500 hPa of 115°—120°E from June to July in 1961—2010. |
图 4为2012-2018年6-7月大于等于2 d强降水过程实况总雨量降水中心、EC预报总雨量降水中心及每个过程584线平均纬度位置(台风天气除外)。选择大于等于2 d强降水过程可将单日的短时强降水天气排除，能更清晰分析不同天气系统影响下模式对强降水过程的预报特征。强降水日的界定参考孙国武等(2014)的方法。EC预报降水中心与实况降水中心的纬度差绝对值平均分别为：西路强冷空气并且EC预报降水中心位于584线以北0.5°以上(大于584线平均纬度+0.5°)类为1.18°；西路强冷空气并且EC预报降水中心位于584线附近和以南(小于等于584线平均纬度+0.5°)类为0.28°；东路冷空气为1.3°；其他类型为0.23°，可以发现在西路强冷空气且EC预报降水中心偏北于584线0.5°以上和东路冷空气天气形势下EC模式降水中心预报偏北的偏差较大，预报中需将主雨带位置向南调整；而其他类型主雨带纬度位置与实况比较一致，仅少数个例偏差值位于0.5°~1°之间，其余大部分个例偏差值小于0.5°，基本不需要调整。
|
图 4 2012—2018年不同天气类型的实况、EC预报降水中心及115°—120°E 584线的平均纬度 Fig. 4 The average latitude of the actual situation of the precipitation center, the predicted situation by EC and the 115°—120°E 584 line from 2012 to 2018. |
西路强冷空气条件下，当EC预报降水中心明显位于584线以北时(偏北于584线0.5°以上)，6个过程中有5个预报比实况强降水中心纬度偏北0.59°~ 1.56°。因此在调整EC模式主雨带位置时，最大纬度距离不易超过1.56°。此类天气形势下的2017年6月30日-7月2日EC预报降水中心虽明显偏北于584线，但降水中心与实况几乎吻合。分析该过程500 hPa高度发现西低东高形势异常明显，584线在120°E与115°E的纬度差为3.43°，是该类型天气中纬度偏差最大过程，其余过程120°E与115°E 584线的纬度差普遍小于2.2°，因此对于西低东高形势异常明显，近乎经向环流(584线在120°E与115°E的纬度差大于3)的天气过程在预报中不予调整。从表 1可以看出EC预报偏差大的5个过程的共同特点为：所有过程EC预报主雨带中心位置均明显比584线位置偏北。其中EC预报主雨带位置比584线纬度偏北在0.59°~1.56°之间的2016年7月1-5日和2017年8月7-9日两个过程，可直接将降水中心平移到584线附近。而另外三个过程EC预报主雨带位置比584线纬度偏北大于1.56°，这三个过程降水中心比实况平均偏北0.93°。根据5个过程的统计，建立强降水位置订正方案(图 5)。按此原则调整5个过程后预报降水中心与实况相比绝对值平均偏差仅0.42°，明显小于未调整的平均偏差值1.18°。对于东路冷空气天气类型，EC预报强降水中心位置都位于584线以南，3个过程中有2个过程EC主雨带位置预报明显偏北。对于此类天气，暂时没有好的调整方法，但当EC预报降水中心位于584线以北时可将主雨带至少调整至584线附近；或当降水中心预报在584线以南，但584线以北有大范围强降水区域时，可适当减小584线以北降水量级或将主雨带略向南调整。
|
表 1 2012—2018年西路强冷空气天气类型时，EC预报订正前后相对于实况降水中心的纬度差 Table 1 The central latitude difference between the EC forecast and the actual precipitation before and after the correction of the strong cold air weather on the West Road in 2012—2018. |
|
图 5 EC模式强降水预报位置偏差订正流程图 Fig. 5 Flow chart of position bias correction for heavy rainfall forecast of EC model. |
计算图 4中每个强降水过程实况和EC降水预报(距离站点最近格点降水作为站点降水)的15个大网格中(图 1)每个网格内站点平均降水量。23个过程(73 d) 最大网格平均降水量实况累加值为4 185.2 mm，EC预报累加值为3 337.2 mm，平均每日预报比实况最大降水区域的降水量偏少11.6 mm。因此在暴雨天气预报中可将较强降水区域降水量(文中取大于等于40 mm) 增加10 mm。
4 EC模式订正方法在2020年的应用2020年6-7月安徽省81站中大于等于5站的暴雨日共24 d，大于等于10站暴雨日共有16 d (表 2)。按暴雨日所有暴雨站的累计总雨量排序，7月18日排名第一。16个暴雨日中，有4个过程连续两天出现大于等于10站暴雨，分别为6月12-13日、6月27-28日、7月5-6日，7月17-18日，其中7月5-6日暴雨过程造成安徽省歙县高考中断，7月17-18日强降水造成淮河流域王家坝开闸向蒙洼蓄洪区泄洪，巢湖水位暴涨。
|
|
表 2 安徽省2020年6—7月超过10站暴雨日的累计暴雨量排序及天气类型统计表 Table 2 Statistical table of daily cumulative rainstorm amount and weather type of more than 10 stations in Anhui Province from June to July 2020. |
安徽省2020年6-7月超过10站暴雨日的16个强降水过程的分类如表 2，其中西路强冷空气类过程共4个个例，东路冷空气类共3个个例。按照3.2章节中的强降水订正方法，表 2中需要订正位置的过程共4个个例(表 3)。这4个个例强降水中心分别位于584线以北0.6~ 3.2°，按3.2章节中的强降水订正方法分别向南调整0.5~ 1°不等，其中3个个例在订正后暴雨评分明显增加，尤其是对7月18日和7月6日两个最强暴雨日的订正，TS评分分别由6.6%提高到47.8%，30%提高到62.6%。4个过程中7月11日在调整后TS评分有所下降，11日天气形势在白天和夜晚相差较大，白天西路强冷空气天气形势特征明显，EC预报暴雨落区位于淮北地区，但实况暴雨落区主要位于江淮之间，夜晚西太平洋副热带高压增强北抬，588线由我国东南海陆边界地区北抬至安徽省南部边界附近，同时584线由白天的东北－西南向转为近乎平直(图略)，西路冷槽明显减弱西移(通常低槽东移)，因此对于1 d内天气形势变化大的过程，此方法需谨慎使用。
|
|
表 3 2020年强降水过程中对EC降水预报的位置偏差订正及订正前后检验分析 Table 3 Position deviation correction of EC precipitation forecast in 2020 heavy rainfall process and test analysis before and after correction. |
图 6分别给出了6-7月期间EC模式以及对EC模式分别进行强度、位置、强度+位置订正后的TS评分和BIAS值。EC预报暴雨TS评分为23.91%，同时BIAS评分值为0.907。不调整雨带位置，仅将EC预报降水量值增加10 mm，TS评分值为26.7%，比EC预报TS评分提高2.79%，BIAS评分值为1.369，空报增加。应用3.2章节位置订正方法后TS评分为26.13%，相对于EC预报提高2.22%，BIAS值为0.915，比EC预报BIAS值更接近1，漏报率相对EC减小。应用3.2与3.3章节中的位置和强度订正方法，暴雨TS评分为29.65%，相对于EC预报提高5.74%，但同时BIAS值为1.397，空报率有所增加。通过以上分析可以发现，根据2012-2018年不同天气类型下EC强降水过程预报特征建立的EC强降水过程位置和强度订正方法，可对EC暴雨预报有明显正订正。
|
图 6 2020年6—7月对EC暴雨预报偏差订正前后的TS评分和BIAS值 Fig. 6 TS score and BIAS value before and after the bias correction of EC rainstorm forecast from June to July 2020. |
EC模式对2020年7月18日和7月6日两次降水量最大的过程的强降水中心预报均明显偏北。7月18日在西路强冷空气条件下西低东高形势明显，同时受南支槽影响，低层西南风偏强，切变线位于584线以北，模式预报降水中心在850 hPa切变线附近。500 hPa上584线位于中高纬度低槽和西太平洋副热带高压之间，584线附近为冷暖空气交汇区，K指数大值区(K≥ 36)也位于此处(图 7a)。应用位置订正方法，将EC预报降水中心向南调整0.875°至500 hPa 584线附近，相当于将降水中心由850 hPa切变线附近调整至500 hPa上冷暖空气交汇处和垂直结构上的不稳定能量大值区。
|
图 7 2020年7月18日(a)和7月6日(b) 500 hPa高度(橙色等值线，单位：dagpm)、850 hPa风场(单位：m·s-1)和K指数(阴影区，单位：℃) Fig. 7 500 hPa height (orange isoline, unit: dagpm), 850 hPa wind field (unit: m·s-1) and K index (shaded area, unit: ℃) on (a) 18 July and (b) 6 July 2020. |
7月6日为东路冷空气类，500 hPa上584线呈西北东南走向，EC模式将强降水中心预报在584线以北的850 hPa切变线附近。850 hPa的急流和K指数大值区均位于584线以南(图 7b)。应用位置订正方法将EC预报向南调整0.5°至584线附近，相当于将降水中心由850 hPa切变线附近调整至更接近不稳定能量大值区。以上对2020年两个极端降水日降水中心的订正均符合天气学规律。
5 结论及讨论尝试将EC预报偏差检验特征和预报员主观预报经验融入对EC预报主雨带位置和强度的客观订正。采用大网格法判定强降水中心，应用纬偏差等方法实现对强降水天气形势客观分类，在此基础上根据历史统计挑选出EC降水中心预报偏差较大天气类别，建立了对EC强降水预报的订正方法，应用该方法对2020年EC暴雨位置和强度进行订正，主要结论如下：
(1) 安徽省2020年6月2日至7月31日梅汛期大于10站暴雨日共16 d，最强暴雨日为7月18日。暴雨分布持续性特征明显，有4个过程连续两天出现大于10站暴雨，其中7月17-18日和5-6日两过程降水造成严重洪涝灾害。
(2) 应用大网格方法判定预报和实况暴雨中心与主观判定基本一致。采用纬偏差方法确定的西路强冷空气和用115°E与120°E 584线纬度差值定义的东路冷空气类型均符合主观判定。降水中心和天气形势的判定方法简单易行，均可应用于业务。
(3) 对安徽省强降水预报，EC模式在西路强冷空气天气形势下，当预报强降水中心偏北于584线0.5°以上；在东路冷空气天气形势下，当预报强降水中心偏北于584线时，主雨带位置预报通常比实况偏北。对于其他天气类型，EC暴雨落区预报较为准确。
(4) 建立的EC模式强降水预报位置和强度订正方案应用在2020年梅汛期中对暴雨TS评分有明显提高，尤其对极端强降水过程订正效果显著。
由于文中建立的降水中心位置订正方法基于天气分类，因此并不适合一天中天气类型变化较快的天气类型。此外，由于位置调整针对南北纬度调整，因此也不适合西低东高形势异常明显，径向度大的天气类型(120°E与115°E 584线纬度差大于3°)。
致谢：感谢中国气象局气象干部培训学院安徽分院叶金印院长为本文构思和结构安排提出的宝贵意见！
毕宝贵, 代刊, 王毅, 等. 2016. 定量降水预报技术进展[J]. 应用气象学报, 27(5): 534-549. |
蔡芗宁. 2013. 2012年9-11月EC及日本模式中期预报性能检验[J]. 气象, 39(2): 253-258. |
陈博宇, 代刊, 郭云谦. 2015. 2013年汛期EC集合统计量产品的降水预报检验与分析[J]. 暴雨灾害, 34(1): 64-73. DOI:10.3969/j.issn.1004-9045.2015.01.009 |
陈菊英, 冷春香, 程华琼. 2006. 江淮流域强暴雨过程对阻高和副高逐日变化的响应关系[J]. 地球物理学进展, 21(3): 1012-1022. DOI:10.3969/j.issn.1004-2903.2006.03.048 |
丁一汇. 2019. 中国暴雨理论的发展历程与重要进展[J]. 暴雨灾害, 38(5): 395-406. |
符娇兰, 宗志平, 代刊, 等. 2014. 一种定量降水预报误差检验技术及其应用气象[J], 40(7): 796-805
|
李俊, 杜钧, 陈超君. 2014. 降水偏差订正的频率(或面积)匹配方法介绍和分析[J]. 气象, 40(5): 580-588. |
李武阶, 车钦, 姜杰, 等. 2018. 集合统计量集成法在湖北短期暴雨预报中的应用研究[J]. 暴雨灾害, 37(5): 455-461. DOI:10.3969/j.issn.1004-9045.2018.05.008 |
李泽椿, 谌芸, 张夕迪, 等. 2019. 中央气象台暴雨预报业务的发展及思考[J]. 暴雨灾害, 38(5): 407-415. DOI:10.3969/j.issn.1004-9045.2019.05.002 |
刘凑华, 牛若芸. 2013. 基于目标的降水检验方法及应用[J]. 气象, 39(6): 681-690. |
任敏, 陈炎, 璩英. 2006. 安徽暴雨落区与一些物理量关系的统计分析[J]. 气象, 32(4): 40-44. |
沈晓琳, 陶亦为, 张芳华, 等. 2018. 2017年4-10月我国主要暴雨天气过程简述[J]. 暴雨灾害, 37(2): 187-196. |
孙国武, 何金海, 李震坤, 等. 2014. 低频天气图-延伸期过程预报方法[M]. 北京: 中国环境出版社, 27-28.
|
唐永兰, 徐桂荣, 万蓉, 等. 2016. 近52 a湖北省梅雨期降水的气候变化特征分析[J]. 暴雨灾害, 35(6): 511-520. DOI:10.3969/j.issn.1004-9045.2016.06.003 |
王东勇, 张娇, 朱红芳, 等. 2008. 淮河洪涝年7月上旬环流特征与近10年平均环流特征差异分析[J]. 气象, 34(8): 63-69. |
王在文, 梁旭东, 范水勇, 等. 2016. 数值模式降水评分对分辨率的敏感性初探[J]. 暴雨灾害, 35(1): 10-16. |
张娇, 王东勇, 田红, 等. 2008. 2003年与2005年淮河流域强降水过程环流特征的对比分析[J]. 气象科学, 28(4): 402-408. DOI:10.3969/j.issn.1009-0827.2008.04.008 |
张家国, 王珏, 吴涛, 等. 2018. 长江中游地区极端降水主要天气系统类型分析[J]. 暴雨灾害, 37(1): 14-23. |
Ebert E E, Mcbride J L. 2000. Verification of precipitation in weather systems: determination of systematic errors[J]. Journal of Hydrology, 239(1): 179-202. |