以首都北京为中心的京津冀地区地形条件复杂，人口稠密。在暖季，强对流风暴在这一地区频繁出现，常带来暴雨、大风、冰雹等短时局地强对流天气，给这一地区的社会经济发展和人们日常生活造成严重影响和损失，因此，对强风暴过程准确实施临近预报、预警是十分必要的。但是，这一地区对流风暴的发展和演变特征比较复杂(Chen et al，2012，2014)，如经常出现强的局地突发和快速演变的中尺度对流系统(MCS)，其预报、预警难度极大。

目前，中外针对强对流风暴及其带来的对流天气的临近预报和预警，主要是以外推技术为核心的临近预报系统(Wilson et al，1998；陈明轩等，2004；俞小鼎等，2012)。为了提升对流风暴及强天气的临近预报水平，部分系统也结合了局地观测、数值模式、概念模型等(Mueller et al，2003；Li et al，2000；Wong et al，2006；Liang et al，2010；Wilson et al，2010；陈明轩等，2010；程丛兰等，2013)。特别值得一提的是，在2000年悉尼奥运会、2008年北京奥运会和2010年上海世博会期间，世界气象组织分别组织实施了3个临近预报国际示范项目(S2000FDP、B08FDP和WENS)，其目标是让中外多个先进的临近预报系统参与上述大型活动期间的强对流天气临近预警服务，也可以说是代表了国际上临近预报技术业务应用的最高水平。但是，大多数临近预报系统基本以自动识别、跟踪和外推预报技术为基础，并未过多考虑中低层精细的动力(三维风场、垂直风切变、辐合上升)、热动力(冷池、出流)等特征对风暴生消发展的影响，因此，很难对快速发展和局地新生的对流风暴做出客观准确的临近预报和预警(Keenan et al，2003；Wilson et al，2010)。

近年来，随着资料同化技术和高分辨率数值模式的发展，基于数值模式的短时临近预报成为研究的热点和发展的趋势。因为基于雷达探测资料同化方案初始化的高分辨率数值模式更加充分地考虑了对流尺度高频观测信息，以及与对流风暴生消发展密切相关的动力、热力和微物理特征，因此，相对于传统的基于外推的临近预报以及传统的短时数值预报来说，均具有明显优势，其对局地突发和快速演变的强对流风暴及对流性强降水也具有较强的短时临近预报潜力(Xiao et al，2007; Kawabata et al，2011; Ballard et al，2012a，2012b; Sun et al，2012，2013; Simonin et al，2014；郝民等，2012)。

从20世纪90年代开始，Sun等(1997，1998，2001)、Crook等(2002)逐渐发展了一个基于雷达资料四维变分同化(4DVar)技术的变分多普勒雷达分析系统(VDRAS)，主要用于与对流风暴生消发展密切相关的三维动力、热动力及微物理量场的模拟反演分析(Crook et al，2004；Sills et al，2004)。随后，一系列的研究和测试对VDRAS系统进行了改进(Sun，2005a；Chen et al，2007；Sun et al，2008，2010；陈明轩等，2011)。2008年，同化北京和天津2部新一代天气雷达探测资料的VDRAS系统在北京奥运会和B08FDP期间的强天气临近预报中得到成功的实时示范应用(陈明轩等，2010，2011)。最近，又对VDRAS系统进行了进一步改进和优化，初步形成了一个适合于实时运行的、快速刷新的雷达四维变分分析系统，并对京津冀地区不同类型对流风暴的动力和热动力特征进行了高时空分辨率的数值模拟分析(陈明轩等，2012a，2012b，2013，2016；孙继松等，2013；肖现等，2013，2015；刘莲等，2015)。

另外，VDRAS作为一个基于雷达观测资料4DVar的系统，能够被用来初始化高分辨率数值模式。目前，利用VDRAS初始化的数值模式对对流风暴及对流性强降水的短时临近预报开展过很多研究。Crook等(2004)开展的1 h数值临近预报试验发现，与强阵风锋相关的低层风场和散度场预报要优于持续性外推预报。Sun(2005b)的数值模拟研究指出，2 h之内的降水及雷暴回波预报场与实况场有很好的相关，并且对降水预报来说，同化径向速度比同化反射率因子的预报效果更好。Sun等(2008)的研究发现，使用VDRAS初始化数值模式，极大减少了模式的起转时间，并对模式的短时临近预报有明显改进，而增加一定的4DVar循环同化次数会进一步改进对流性降水的短时预报效果。Tai等(2011)对台湾地区的对流性降水过程实施的数值临近预报试验也发现，将VDRAS的分析场作为中尺度模式WRF的初始场，可以提高WRF的定量降水短时临近预报能力，特别是对WRF的2 h累积降水量预报有显著改进。

此外，进一步改进后的VDRAS系统基于雷达资料快速刷新四维变分同化(RR4DVar)，可以对京津冀区域内每部雷达的逐6 min连续体扫观测信息(径向速度和反射率因子)进行4DVar同化，同时在计算中尺度背景场时也充分考虑了地面5 min自动气象站观测和雷达VAD的信息(陈明轩等，2016)。但是，以往开展的京津冀对流风暴模拟研究都是基于VDRAS的反演分析(Sun et al，2010；陈明轩等，2011，2012a，2012b，2013，2016；孙继松等，2013；肖现等，2013，2015；刘莲等，2015)，而利用基于VDRAS初始化的对流尺度数值模式，针对京津冀复杂地形条件下的对流风暴开展数值临近预报研究还没有开展过。本研究选取2013年7月4日京津冀地区一次典型的中尺度对流系统过程，该中尺度对流系统强度强，生命史长，影响范围大，造成平原地区出现较大范围的强降水。利用以雷达资料RR4DVar为核心的VDRAS初始化的三维数值云模式，对本次强对流风暴过程开展数值临近预报试验研究，就如何有效地将高时空分辨率雷达组网观测资料与对流尺度数值模式结合应用到京津冀地区强对流临近预报中做出一些科学探索，为强对流天气的数值临近预报和雷达资料快速同化提供研究基础和科学依据。

利用NCEP/NCAR逐6 h的1°× 1°再分析资料(Kalnay，1996)和京津冀地面自动站观测资料，对2013年7月4日中尺度对流系统形成前各高度层(500、850 hPa及地面)的天气尺度背景进行分析(图略)，发现东北冷涡稳定维持、内蒙古中部横槽旋转南压、京津冀中南部受湿舌控制，这为京津冀地区降水的发生提供了极为有利的大尺度动力抬升条件和水汽条件。

风暴的发生、发展除了受天气尺度背景条件的制约，还受到环境风垂直切变的影响，环境风场中强的风垂直切变有利于风暴内部对流单体的组织发展(袁子鹏等，2011)。本次中尺度对流系统传播下山进入北京地区前，北京地区低层风垂直切变达中等强度，而0—6 km的中层风垂直切变异常强，约30 m/s(探空图略)。如此强的中低层风垂直切变对风暴内对流单体的组织发展及新生对流单体的合并加强极为重要，是本次中尺度对流系统传播下山增强，到达平原地区后再次增强的重要因素。

发生在2013年7月4日的风暴是典型的中尺度对流系统，经历了两次发展演变过程，其一是山区中尺度对流系统进入平原地区后发展加强(记为“第一阶段中尺度对流系统”)，其二是平原地区再次形成中尺度对流系统(记为“第二阶段中尺度对流系统”)。此次中尺度对流系统带来的强降水主要出现在平原地区，暴雨、大暴雨出现在天津西南部与廊坊、沧州交界一带，主要是由第一阶段中尺度对流系统造成的，而第二阶段中尺度对流系统造成的降水强度较弱，雨带范围较小，降水持续时间较短。

雷达回波的演变(图 1)显示，13时03分(北京时，下同)，张家口西北部山区对流单体合并组织成东北—西南向的短线状风暴，长宽比约5：1，渤海湾与天津和沧州交界附近初生的对流单体也不断合并发展(图 1a)。张家口和渤海湾附近的对流风暴相向运动过程中，不断捕捉及合并移动路径上的小对流单体。山区风暴进入平原地区后，因与保定市东部块状对流单体和天津南部对流风暴合并而再次增强，形成平原地区大面积的块状中尺度对流系统，即第一阶段中尺度对流系统。最大回波强度达到71 dBz，出现在沧州西北部附近(图 1g)，由此造成沧州附近极强的降水，地面自动气象站观测资料表明，最大1 h累积降水量达到70.9 mm。向东南偏东方向移动的中尺度对流系统不久即减弱分裂，其西南部脱离风暴主体后与石家庄和保定附近新生的对流单体再次合并发展，形成一条近似东—西走向的窄带回波风暴(图 1k)，即第二阶段中尺度对流系统。窄带回波长约150 km，宽约20 km，属于典型的β中尺度系统，其生命史短(约2 h)，以40 km/h速度南移过程中，很快减弱消散。

图 1 2013年7月4日京津冀地区6部新一代天气雷达逐时的组合反射率因子 (a．13时03分，b．14时，c．15时，d．16时，e．17时03分，f．18时，g．19时，h.20时，i．21时，j．21时57分，k．23时，l．23时57分； 黑色空心圆代表雷达站所在位置，BJRS(39.809°N,116.4719°E)、TJRS(39.044°N,117.7169°E)、SJZRS(38.352°N,114.7119°E)、 QHDRS(39.881°N,118.8808°E)分别为北京、天津、石家庄、秦皇岛S波段天气雷达；ZBRC(41.115°N,114.6936°E)、 CDRC(40.976°N,117.9178°E)分别为张北、承德C波段天气雷达；粗黑线代表200 m地形等高线，用于区分平原和山地) Fig. 1 Composite reflectivity mosaic from the 6 CINRAD radars deployed in Beijing-Tianjin-Hebei area (shaded) at 13:03 BT(a), 14:00 BT(b), 15:00 BT(c), 16:00 BT(d), 17:03 BT(e), 18:00 BT(f), 19:00 BT(g), 20:00 BT(h), 21:00 BT(i), 21:57 BT(j), 23:00 BT (k) and 23:57 BT(l) on 4 July 2013(The black hollow circles denote locations of the 6 radars. BJRS(39.809°N,116.4719°E), TJRS(39.044°N,117.7169°E), SJZRS(38.352°N,114.7119°E), QHDRS(39.881°N,118.8808°E), ZBRC(41.115°N,114.6936°E) and CDRC(40.976°N,117.9178°E) indicate the S-band radar sites in Beijing, Tianjin, Shijiazhuang, Qinhuangdao, and C-band radar sites in Zhangbei and Chengde, respectively. The thick black line shows the 200 m isoline of terrain elevation, which is used to distinguish the plain from the surrouning mountains)

图选项

对到达平原地区的中尺度对流系统实施数值模拟和临近预报试验，检验以VDRAS初始化的三维数值云模式对平原地区中尺度对流系统的临近预报效果。预报所用的三维数值云模式与VDRAS系统的云模式为同一模式，模式运动方程采用滞弹性近似，预报方程包含3 个动量方程、热力方程、雨水方程和总水方程。模式采用Adams-Bashforth时间差分方案和Arakawa C网格空间差分方案。在模式中，预报变量有三维风场、液态水位温、雨水混合比和总水混合比，其中液态水位温作为热动力变量，而水汽混合比、云水混合比、扰动温度和扰动气压则由预报变量诊断得到。模式采用一个定常扩散方案，用于参数化扰动和稳定数值运算。模式采用Kessler微物理方案，包含了云水的凝结和蒸发、雨水蒸发、云雨自动转换、与雨水相关的云增长、雨滴沉降等物理过程的参数化。关于云模式的详细信息，可参考Sun等(1997)的描述，这里不再赘述。

模拟试验范围设置为540 km×540 km，其中模式网格点数为180×180，水平分辨率为3 km。对于第一阶段中尺度对流系统，模拟区域中心点设定在(39.85°N，116.75°E)，对于第二阶段中尺度对流系统，模拟区域中心点设定在(38.0°N，116.75°E)。京津冀地区4部新一代多普勒天气雷达(BJRS、TJRS、SJZRS和QHDRS)均位于该模拟范围内，这样的模拟范围设置使得模式可以对这4部雷达的观测资料进行RR4DVar同化(雷达站所在位置及其名称如图 1中黑色空心圆所示)。模式垂直方向设为41层，垂直分辨率设为500 m，模式最低层高度设为垂直分辨率的一半即250 m，模式层顶在20.25 km。设置8.5 km以上高度为海绵边界层，即模式只同化8.5 km以下的雷达观测资料(反射率因子和径向速度)，而8.5 km以上高度作为云模式的上部海绵边界层，用以削弱上层的波动反射效应影响及与中尺度背景场的平滑过渡。事实上，绝大多数的雷达有效观测数据也在8.5 km以下。在540 km ×540 km的模拟范围内，除了使用多普勒天气雷达观测资料，也使用北京与河北每隔5 min及天津每隔10 min的地面自动气象站观测资料，包括气压、气温、湿度和风，用于4DVar中尺度背景场中地面物理量场的分析计算。此外，从3 h快速更新循环数值预报业务系统(BJ-RUC)中提取的25 km间隔的模式探空资料，用于中尺度背景场中高空物理量场的分析计算。中尺度背景场的计算方案详见陈明轩等(2013)。VDRAS的RR4DVar使用有限元准牛顿迭代算法求解代价函数的最小值，当迭代次数到40—50次时，代价函数梯度值迅速下降，随着迭代次数再次增加，代价函数梯度值下降不明显。因此设置迭代次数为50次，用于结束最小化过程。

针对本次中尺度对流系统两个阶段的数值预报试验，对VDRAS分别实施冷启动。对于第一阶段，冷启动设置在17时11分，每18 min循环一次，实施5次同化循环，前2—3个循环作用是降低模式的起转问题并使分析场变得平滑，以减小冷启动噪音对模拟结果的影响。将第5次的VDRAS分析场作为随后模式预报的初始条件及边界条件，其中初始条件雨水混合比(q_r)不用18时41分的分析值，而改用多普勒雷达探测值反算出的(q_r)代替。从18时41分起模式预报2 h，且每分钟输出一次模式预报物理量场。类似地，对于第二阶段，冷启动设置在19时51分，从21时57分起模式预报2 h，同样每分钟输出一次模式预报物理量场。为了对模式预报结果进行定性分析，需要对预报时段内的中尺度对流系统进行基于VDRAS的反演分析，反演分析工作选择同化窗长度为12 min，并作3 min预报，为下一个时段的同化循环提供必要的初猜场。

根据Sun等(1997)研究，在假定雨滴平均尺寸满足Marshal-Palmer分布的近似前提下，雷达反射率因子(Z)与模式雨水混合比(q_r)的转换算子为

点击浏览公式

根据式(1)，由模式每分钟的雨水混合比(q_r)预报场可以反算出相应时次每个模式层上的雷达反射率因子场，然后再计算得到模式预报的雷达组合反射率因子场。图 2a—e为18时41分起报的90 min预报时效内的组合反射率因子和近地层风场，图 2f —j为相应时间雷达观测的组合反射率因子和VDRAS系统反演的近地层风场(即对应时次的分析场)。可以看出，利用VDRAS初始化的三维数值云模式可以较为准确地预报出第一阶段中尺度对流系统的回波带走向。

图 2 (a—e)18时41分起报的29、47、58、76、87 min的组合反射率因子 (色阶)和模式预报的低层(250 m)水平风场(矢线)；(f—j)是与a—e相当时次 (时间差在3 min之内)的雷达观测组合反射率因子(色阶)和VDRAS反演的 低层(250 m)水平风场(矢线)(黑色粗实线为200 m地形线) Fig. 2 Forecasts of composite reflectivity (shaded) and low-level wind field (vector) at the integration time of 29, 47, 58, 76 and 87 minutes respectively (a-e). The model is initialized at 18:41 BT. (f-j) show composite reflectivity observations and analysis of low-level wind fields at times corresponding to that in the (a-e)

图选项

分析图 2f—j，并结合图 3d—j可以看出，承德和唐山一带强西北及偏北出流逐渐远离风暴前缘，风暴前沿暖空气中东南及偏南气流被偏西出流取代，造成冷暖空气之间的气流辐合明显减弱；虽然存在地形对暖空气的动力抬升作用，但由于暖空气显著减弱，冷池前沿扰动温度梯度减小，出现了明显的锋消现象，成为风暴减弱及下山分裂的重要动力、热动力指示因子；垂直于地形走向风分量的存在是保定附近山前新生对流单体的主要原因；平原地区东西走向的风暴冷池迅速发展加深，强偏北冷池出流与偏南暖气流之间形成了狭长的气流辐合线，暖空气沿辐合线上升运动是对流单体沿辐合线新生的关键。

图 3 低层(250 m)扰动温度场(色阶)和水平风场(矢线) (a—c．18时41分起报的30、60、90 min的模式预报场，d—f．对应的时次相同的VDRAS反演分析场；白色等值线为低层水平散度(单位：10-3s-1)，绝对值最小为0.5，每隔1画一根等值线，实线为正，表示辐散，虚线为负，表示辐合；黑色粗实线为200 m地形线) Fig. 3 Low-level (250 m) temperature perturbation (shaded) and horizontal winds (vector). White contours indicate low-level horizontal divergence with absolute value not less than 0.5. The interval is 1. Forecasts at 30, 60 and 90 min are shown in (a-c). The model is initialized at 18:41 BT. (d-f) present simulated fields at times corresponding to that in (a-c)

图选项

精确的风、温场预报是准确把握对流风暴生消演变的重要动力和热动力因素。从图 3a—c可以看出，模式预报可以反映对流系统的中小尺度扰动特征，对风暴冷池和边界层辐合线的发展变化均有较为合理的预报。观察图 2a—e发现，唐山附近的西南风预报明显偏强，和风暴西北出流沿东西向地形走向的强度相当，并长时间在山脚对峙，导致预报的唐山附近对流风暴稳定存在于山腰而难以传播下山；结合图 3a—c可以看出，虽然模式预报很好地把握了风暴前沿暖空气的变化，准确预报了锋消现象，但山上冷池发展加强，其前沿有明显的辐合线稳定维持，暖湿入流在山脚发生风场辐合上升运动和地形强迫抬升运动，造成预报的唐山附近风暴增强及对流单体新生。保定附近山脚的风场预报效果较差，沿地形走向的东北风异常增大，而垂直于地形走向的风分量小到可以忽略，导致预报的保定附近对流风暴下山减弱，且预报并没有抓住山前局地新生的对流单体(图 2a—e)。保定东部至天津西南部的中尺度对流系统主体受风暴出流影响表现为向东南平原缓慢移动，预报抓住了这一移动演变，但对移动幅度的把握却很困难，这与预报抓住了东西向的冷池及前沿狭长气流辐合线的强度演变，却无法准确获得冷池位置和动力、热动力因子的移动幅度有很大关系(图 3a—c)；对多单体块状主体风暴尤其是处于分裂阶段的风暴的出流强度、出流风向转变(切变)及出流边界位置没有很好地把握，造成预报无法跟踪主体风暴的分裂变化形势。

根据式(1)以及下面的式(2)、(3)，利用模式每分钟的雨水混合比(q_r)预报场，即可反算出90 min的累积降水量。

点击浏览公式

点击浏览公式

图 4a为模式预报的90 min累积降水量，利用地面自动站每5 min一次的观测资料进行相应时段内的累积降水量统计(图 4b)。对比图 4a、图 b发现，平原地区降水预报偏强，山脚附近降水预报偏弱。第一阶段中尺度对流系统主要造成天津西南与廊坊南部一带的强降水过程，模式对这一阶段的强降水中心和雨带位置的90 min预报有很大优势。而强降水预报范围偏大，与这些地区预报的风场偏差较大，以及强冷池稳定存在造成的强降水对流风暴长时间少动(图 2)，从而导致这些地区经历较长时间的强降水累积有很大关系。模式对风暴在山脚造成的强降水预报效果较差，降水强度预报偏弱，虽然能够预报出承德南部的雨带走向，但强降水范围预报有一定的偏差，且位置预报略偏东南，预报不出承德南部与平谷交界一带的降水过程，对保定北部雨带范围和强降水落区把握也很困难。究其原因，主要是由于所使用的云模式不是设计在复杂地形追随坐标系下，模式预报无法把握承德南部和保定北部非常特殊的地形对风暴降水的影响。

图 4 18时41分起报的90 min累积降水量(a)和相应时段内观测的累积降水量(b) Fig. 4 Accumulated 90 min precipitation of model forecast initialized at 18:41 BT (a) and observation (b)

图选项

图 5a—e为云模式在21时57分起报的90 min预报时效内的组合反射率因子和近地层风场，图 5f—j为相应时间的雷达观测反射率因子和VDRAS反演的近地层风场。可以看出，云模式对第二阶段中尺度对流系统的临近预报有一定优势，可以很好地预报出风暴回波带的走向和尺度，结合图 6可知，模式成功预报了线状中尺度对流系统的冷池范围及强度演变特征，对冷池出流的预报也较好。

图 5 (a—e)21时57分起报的32、44、61、73、91 min的组合反射率因子 (色阶)和模式预报的低层(250 m)水平风场(矢线)；(f—j)是与 a—e相当时次(时间差在3 min之内)的雷达观测组合反射率因子(色阶) 和VDRAS反演的低层(250 m)水平风场(矢线)(黑色粗实线为200 m地形线) Fig. 5 Composite reflectivity (shaded) and low-level wind fields (vector) at forecast time of 32, 44, 61, 73 and 91 minutes respectively (a-e). The model initial time is at 21:57 BT. (f-i) show composite reflectivity observations and analysis of low-level wind fields at the time corresponding to that in (a-e)

图选项

图 6 低层(250 m)扰动温度场(色阶)和水平风场(矢线) (a—c．21时57分起报的30、60、90min的模式预报场，d—f．对应的时次相同的VDRAS反演场；白色等值线为低层水平散度(单位：10-3s-1)，绝对值最小为0.2，每隔0.2画一根等值线，实线为正，表示辐散，虚线为负，表示辐合；黑色粗实线为200 m地形线) Fig. 6 Low-level (250 m) temperature perturbation (shaded) and horizontal wind (vector). White contours indicate low-level horizontal divergence with absolute value not less than 0.2 and at 0.2 interval. Forecast fields at the time of 30, 60 and 90 min are shown in (a-c). Model initial time is 21:57 BT. (d-f) show analysis fields at time corresponding to that in (a-c)

图选项

对于线状中尺度对流系统而言，出流边界相对于风暴的距离远近可以预测风暴的发展演变。当出流边界位于风暴前缘时，暖湿空气沿出流边界斜升形成新的对流单体，作为风暴的新成员，起到延长线状中尺度对流系统生命史、稳定其组织化的作用；当出流边界前冲并远离风暴时，风暴出流会切断近风暴低层入流暖湿空气，使得风暴逐渐减弱，这就是第二阶段中尺度对流系统西部近山脚地区回波先增强后减弱的原因之一(图 5f—j)；此外，风暴前沿气流辐合线相对于风暴的距离对回波强度有类似的影响。而冷池强度的演变是风暴强度变化的另一个重要影响因素，由图 6d—f可以看出，冷池强度减弱且冷池前沿偏东侧的辐合线逐渐远离风暴。因云模式不是在地形追随坐标系下，故对地形条件要求高，可以看出复杂地形条件对风暴的预报有很大影响，影响程度与风暴到山脚距离成反比，即离山脚越近，预报效果越差。结合图 5、6可知，模式可以准确预报远离山脚的出流边界的位置和强度，对出流边界和风暴前沿辐合线预报有很大优势(6a—c)；也可以准确预报远离山脚的风暴生消演变趋势，但对于风暴强回波范围及强度预报偏小，强回波落区预报偏南约25 km(图 5a—e)；对于石家庄附近近山脚地区，由图 6a—c可以看出，风暴前沿暖空气强度显著减弱，逐渐被冷气流取代，扰动温度梯度急剧减小，加上该处偏东冷池出流预报显著偏大，会切断近风暴低层入流暖湿空气，是山前风暴内强对流单体新生及发展不能成功预报的重要原因；模式预报的整个出流边界远离风暴，导致这一阶段中尺度对流系统逐渐减弱(图 5a—e)。

对第二阶段中尺度对流系统演变过程中造成的90 min累积降水量的预报(图 7a)进行分析，可以看出石家庄附近的雨带呈细带状，是由细长的尺度较小的线状中尺度对流系统造成的，而沧州和衡水及秦皇岛附近的块状雨区是由第一阶段中尺度对流系统减弱分裂造成的。图 7b为利用地面自动气象站每5 min降水资料统计的90 min累积降水量，对比图 7a、b发现，模式较为准确地预报了第二阶段中尺度对流系统造成的雨带分布，但降水中心强度预报偏弱，位置偏东南；对秦皇岛附近及保定山脚强降水强度及落区的预报困难则主要是由于云模式对复杂地形的处理能力不足所造成的。

图 7 21时57分起报的90 min累积降水量(a)和相应时段内观测的累积降水量(b) Fig. 7 Accumulated 90 min precipitation of model forecast initialized at 21:57 BT (a) and observation (b)

图选项

主要是对预报的组合反射率因子和90 min累积降水量进行客观检验评估。采用均方根误差(E_RMS)和空间相关系数(C_SC)两个检验量对组合反射率因子进行检验评估，而对降水量的检验，主要采用预报准确率(C_P)、预报TS评分和预报偏差(Bias)评分。

对地面自动站降水观测资料进行预报时段内的统计，用于检验预报时效为90 min的累积降水预报效果。对某些地面自动气象站而言，其观测状态在某些时次为缺测，这就造成了某些地面自动站观测的降水累积时长不到90 min。对本次中尺度对流系统造成的降水进行统计发现，相应时段内观测降水累积时长完全达到90 min的站点较少。对于18时41分起报的试验，最终选取相应时段内观测降水累积时长不少于70 min的站点资料，有612个观测站，各站累积降水量作为90 min的观测量，用以检验90 min预报的降水量，此时采用C_p、TS评分和Bias评分。对于21时57分起报的试验，由于地面自动站降水观测缺测太多，造成相应时段内的累积降水量异常，没有可用性，所以，此时不对90 min累积降水做C_p、TS评分和Bias评分，而转为对组合反射率因子做C_p、TS评分和Bias评分。

这里，采用降水站点检验方法和组合反射率因子邻近点插值检验方法。前者根据模式水平分辨率为3 km的区域格点预报产品，计算生成对应格点的累积降水量，再运用距离权重法，计算生成观测站点经纬度上与观测时间相对应的累计降水量；后者根据水平分辨率高于模式的雷达实况组合反射率因子产品(1 km×1 km分辨率)，采用邻近点插值法，计算生成模式格点上与预报时间相对应的组合反射率因子。不同阈值检验评分选用的列联表方案定义见表 1。

计算预报准确率(C_P)、TS(S_T)、Bias(C_B)评分、E_RMS和空间相关系数(C_SC)的计算式为

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

对第一阶段中尺度对流系统而言，通过计算预报的雷达组合反射率因子与实况的E_RMS和C_SC(图 8a)发现，E_RMS维持在8.6—12.1 dBz，预报时效在30 min之内时，E_RMS呈上升趋势，30 min上升幅度达到3.3 dBz，这可能与模式向前积分时模式误差的逐渐累积有关；随着预报时效的延长，E_RMS趋于稳定，基本上围绕11.88 dBz发生微型振荡，说明本次模式向前积分相对稳定，模式的临近预报具有很大的合理性。对于前90 min预报，C_SC由0.7下降至0.3，超过90 min则C_SC大幅度下降，此时预报场与实测场没有显著的空间相关性，所以只给出了90 min之内的预报结果。前30 min的预报场与实测场的空间相关性显著，这与云模式很好地把握多单体强风暴在平原地区再次组织增强有很大关系；预报时效超过30 min时C_SC相对较低，与云模式无法准确跟踪预报第一阶段中尺度对流系统的减弱分裂有关。

图 8 18时41分起报的组合反射率因子随预报时效的ERMS、CSC变化(a)和90 min累积降水预报评分(c)及21时57分起报的组合反射率因子随预报时效的ERMS、CSC(b)和预报评分(d)的变化 Fig. 8 RMSE and SCC of composite reflectivity (a) and forecast score of accumulated 90 min precipitation (c) with forecast initlalized at 18:41 BT. ERMS and CSC(b) and forecast score (d) of composite reflectivity with forecast initialized at 21:57 BT

图选项

第一阶段中尺度对流系统造成很强的降水过程，用降水预报的C_P、TS、Bias评分对90 min累积降水量的模式预报效果进行检验(图 8c)，可以看出模式表现出较好的预报性能。C_P基本超过0.6，随降水阈值增大呈现出上升趋势，最高可达0.9，说明模式受雨量分级影响较小，对平原地区多单体强风暴造成的中雨、大雨甚至暴雨的预报准确率较高。预报偏差Bias评分是针对某一阈值预报发生降水的测站数与实际发生降水的测站数之比，反映的是模式对降水范围大小的预报性能。由TS评分配合Bias评分可以看出，TS评分与降水阈值近似成反比关系，对不同降水阈值的可预报性不同，总体而言，高降水阈值的可预报性逐渐降低。模式对低降水阈值(10 mm以下)的降水范围预报偏差比较合理，但是模式对高降水阈值(如10 mm以上)的降水范围的预报过大。

图 8b是对第二阶段中尺度对流系统的临近预报效果进行了检验，E_RMS维持在6.3—8.3 dBz，变化相对缓慢，可知这一阶段模式计算稳定，模式模拟或预报结果具有一定的可信度。对于前1 h预报，C_SC变化缓慢且保持较大值，说明对处于发展阶段的短生命史线状中尺度对流系统而言，模式的1 h临近预报有一定优势。预报96 min之后，C_SC迅速下降，这与模式对近山脚的对流单体新生以及并入中尺度对流系统的过程把握困难有很大关系。为了与第一阶段时次分析保持一致，本阶段预报也只分析前90 min的预报结果。

第二阶段中尺度对流系统带来较弱降水，用C_P、TS、Bias评分对不同组合反射率因子阈值的模式预报效果进行检验(图 8d)，可以看出模式对15 dBz阈值的预报性能较35 dBz强，这与本阶段中尺度对流系统强度较弱、回波面积较小、生命史较短有很大关系。随着预报时效的延长，TS评分呈现出减小的趋势，与模式预报期间不再加入高时空分辨率雷达资料有关。对于15 dBz阈值，TS评分由0.55减至0.23，配合Bias评分可知，模式对15 dBz阈值的回波范围预报偏差比较合理，对弱回波具有较好的预报能力；对于35 dBz阈值，TS、Bias评分均处于低值水平，说明模式对35 dBz阈值的回波范围预报过于偏小，对本阶段中尺度对流系统的强回波预报性能较差；此外，无论是弱回波还是强回波，在不同的TS、Bias评分下，模式对其预报准确率均稳定超过0.9，强回波的C_P值更高一些，可知如此高的C_P水平是对模式预报性能非常好的一个假像检验，主要原因在于本阶段中尺度对流系统实况回波面积较小，而模式的整个模拟范围较大，造成表 1中N_a、N_b和N_c很小，而N_d异常大，使得C_P居高不下。

针对2013年7月4日发生在京津冀地区的一次典型的中尺度对流系统过程，利用以雷达资料RR4DVar为核心的VDRAS初始化的三维数值云模式，开展了2 h数值临近预报模拟试验研究，对两个阶段的中尺度对流系统的预报效果进行了定性分析，且利用E_RMS、C_SC、C_P、TS和Bias评分对模式预报效果进行了定量检验。主要结论如下：

(1)本次中尺度对流系统是在有利的天气尺度背景条件和局地对流条件下发生、发展的，造成的强降水主要发生在第一阶段，而第二阶段中尺度对流系统造成的降水较弱。

(2)云模式预报可以反映中尺度对流系统的中小尺度扰动特征，对风暴冷池和边界层辐合线的发展变化的临近预报均较为合理；可以较为准确地预报出第一阶段中尺度对流系统的回波带走向；对复杂地形条件下的低层风场预报偏差较大，是造成唐山附近对流风暴难以传播下山及保定附近对流风暴下山减弱等预报偏差的重要原因；模式能够预报出风暴的移动演变特征，但对出流强度、出流风向转变及出流边界位置的预报困难，造成模式预报无法跟踪风暴的分裂变化形势。

(3)云模式可以预报出第二阶段中尺度对流系统的走向和回波带尺度，但对强回波范围及强度预报偏小，强回波落区预报偏南约25 km；云模式对出流边界位置和强度的临近预报有很大优势，可以准确预报远离山脚的风暴生消演变趋势，但对山前风暴内的强对流单体新生及演变的预报偏差较为明显。

(4)云模式对强降水中心和雨带位置的临近预报有很大优势，但强降水落区预报偏大，且对山脚强降水的预报效果较差；模式较好地预报了第二阶段弱降水风暴造成的雨带分布形势和雨量，但由于云模式对复杂地形处理能力不足，导致其对秦皇岛及保定附近降水强度及落区的预报存在困难。

(5)云模式对第一阶段中尺度对流系统造成的降水的预报准确率较高，基本不受雨量分级的影响；对0.5—10 mm降水阈值的降水范围预报偏差比较合理，对高降水阈值(如超过10 mm)的降水范围过度预报；模式对第二阶段中尺度对流系统的弱回波具有较好的预报能力，对35 dBz阈值的回波范围预报过小。

对流风暴的发生发展是在各尺度系统相互作用下形成的，其特点是非线性地快速发展和消亡，可预报时效短，6 h之内的短时临近预报是强对流天气预报的重点时段，但一直也是业务预报的难点之一。目前，以雷达回波外推技术为核心的临近预报有效时效基本在1 h左右，而且对预报对流风暴的局地快速新生几乎无能为力。由于雷达资料同化技术的不断发展，以及数值模式研究的不断进步，基于数值模式的对流尺度短时临近预报为未来强对流天气预报精度的提高和时效的延长带来了希望。本文不仅使用了以雷达资料RR4DVar为核心的VDRAS的精确反演分析结果，也基于VDRAS初始化的三维数值云模式，对中尺度对流系统个例开展了0—2 h的数值临近预报试验。对比了预报起始时间选在某对流单体初生前(17时，文中未给出模式预报结果)和风暴系统进入平原地区后(18时41分)的预报效果，由于某地对流初生前有效的雷达观测资料是非常有限的，模式系统对复杂地形的处理有一定的局限性，所以本文讨论预报起始时间选在整个风暴系统下山进入平原地区的某时刻，此时云模式中加入更多的指示单体新生及演变的雷达资料，取得了更好的临近预报效果。虽然17时起报的试验并未预报出廊坊境内新生对流的发展与演变，总体而言90 min预报效果也很好，但这并不是本研究的重点，未来可以对比分析本次中尺度对流系统不同起报时刻的模式预报效果。

本工作使用物理过程较为简化的三维数值云模式(主要为构建有效的4DVar伴随模式)，因此对中尺度对流系统中云水微物理变化的描述存在一定的局限性；本次中尺度对流系统带来的降水类型既有对流云降水，又有层云降水，甚至还有混合云降水，文中对此未加区分，而采用固定的Z-R关系计算模式预报的降水量，从而会造成一定的误差；此外，传统的检验方法往往对高时空分辨率模式预报的降水位置等误差给予更大的惩罚，导致TS评分和Bias评分等对模式预报性能的检验存在一定的偏差，未来可以尝试基于连续降水区的定量降水预报的检验方法(Ebert et al，2000)，该方法从雨带的位置、强度以及形状3个方面对模式预报结果进行综合评定。