北京复杂地形及下垫面、城市热岛效应以及城市环流等导致降水形成机理复杂、夏季降水分布极不均匀 (孙继松等，2007；丁青兰等，2009)，增大了北京地区降水在时间、落区、量值等精细化要素上的预报难度。当前，随着探测技术、同化技术及数值模式技术水平的发展，高水平分辨率区域数值预报模式已能够对24 h以内对流天气显示出一定的预报能力，对降水的定点、定量预报服务起到明显的支撑作用 (陈敏等，2011；雷蕾等，2012)。由北京城市气象研究所日常业务运行的高分辨率WRF (Weather Research and Forecasting Model) 快速更新循环同化和预报系统BJ-RUC (范水勇等，2009；陈敏等，2014) 能够为北京及华北地区提供高分辨 (3 km) 预报产品，是当前北京城市精细化预报的重要支撑，但模式降水预报的准确性尚有待提高。降水日变化特征是研究和理解降水形成和演变过程的重要途径，同时也是检验数值模式、确定模拟预报不确定性的重要标准 (宇如聪等，2014)。降水是模式热动力、多物理过程耦合的产物，降水的日变化特征预报好坏也直接反映了模式对天气过程物理、热动力真实再现能力，能够帮助理解模式预报存在的问题，从降水日变化去认识高分辨率数值模式预报存在的问题是提高模式降水预报准确性的一种新方式。

近年来降水日变化研究进展显著，中国区域降水日变化存在鲜明的区域差异 (Zhai, et al, 2005；Yu, et al, 2007；Zhou, et al, 2008；Yin, et al, 2009)，降水日变化存在年代际变化、季节差异和季节内演变 (Li, et al, 2008；Yuan, et al, 2010；Bao, et al, 2011)，降水日变化涉及复杂的地形强迫以及不同尺度大气环流的影响 (Carbone et al, 2002, 2008；Yu, et al, 2009；Bao, et al, 2011；Chen, et al, 2012；Yuan, 2013；赵玉春等，2012)。随着天气雷达观测技术的成熟，能够揭示出对流天气日变化的气候态特征 (Carbone, et al, 2002；Hsu, et al, 2006；Chen, et al, 2012)。北京复杂地形及城市群下垫面决定了该地区降水日变化特征和区域性差异 (李建等，2008；刘伟东等，2014)。由于燕山—太行山山脉的地形作用，北京及华北地区降水日变化表现为从山区向东南平原地区传播 (He, et al, 2010；Bao, et al, 2013；Yuan, et al, 2014)，同时由于北京城市化规模的不断扩大，导致城市下垫面变化从而影响局地降水发生时间和降水量、强降水频次和降水落区的变化 (王喜全等，2007；苗世光等，2010)。

数值模式对降水日变化的模拟能力是检验数值模式的重要标准。评估区域气候模式或全球模式对中国区域降水日变化的模拟能力，以及利用模式结果对不同区域降水日变化的形成机理展开研究已经取得很多进展 (戴泽军等，2011；Yuan, 2013)。在中尺度模式中，详细分析SSEF (Storm-Scale Ensemble Forecast) 系统 (4 km分辨率) 对2008年美国春季降水日变化的模拟能力 (Berenguer, et al, 2012)，利用耦合了单层城市冠层模型UCM (Urban Canopy Model) 的中尺度模式WRF探讨了长江三角洲地区城市化对夏季日降水特征的影响 (敖翔宇等，2011)，基于WRF模式分析山地-平原环流对华北地区降水日变化的影响 (Bao, et al, 2013)。但这些工作是将数值模式作为降水日变化机制研究的工具，并没有对模式降水日变化的模拟偏差特征及其成因进行更多探讨。

另外，通过对模式降水日变化的评估分析可以找出模式存在的问题以及模式物理过程对降水日变化的响应机制。欧洲中期天气预报中心 (ECMWF) 短期预报对巴西亚马逊地区清晨降水峰值的预报比实况提前是由非降水对流边界层的模拟偏差造成的 (Betts, et al, 2002)。韩国实时天气系统降水预报日变化振幅过大是由低层水汽偏高造成 (Kim, et al, 2010)。不同陆面过程、辐射传输以及积云对流参数化方案对区域气候模式模拟中国夏季降水日变化能力有明显影响 (黄安宁等，2008)。Koo等 (2010)对区域谱模式以及WRF模式试验结果的分析也表明降水日变化峰值时间主要由积云对流参数化方案决定，边界层方案则可以对降水日变化振幅的模拟产生影响。Yuan (2013)进一步将模式模拟降水日变化特征的不确定性指向了积云对流参数方案。

虽然不少学者从大气环流、辐射传输、物理过程参数化等方面揭示了模式对降水日变化模拟偏差的成因，但这部分工作大都基于大尺度模式开展。目前在中国，基于降水日变化预报性能认识对流可分辨尺度模式降水预报存在的问题，开展的工作尚少。本研究试图通过稠密自动气象站全要素观测和秒级探空观测，研究北京复杂地形及下垫面条件下高分辨率数值模式夏季降水日变化的预报偏差特征及区域性差异，研究中小尺度局地环流预报偏差与降水日变化预报偏差的响应机制。为提高当前北京高分辨率天气数值预报模式的预报能力提供改进思路。

北京城市气象研究所基于美国国家大气研究中心发展的WRF和WRFDA (Weather Research and Forecasting (WRF) model Data Assimilation system) 资料同化系统发展了北京快速更新循环同化预报系统BJ-RUCv1.0，为北京的日常天气预报、乡镇预报、高影响天气预报、重大事件气象服务 (包括2008年北京奥运会) 等业务提供技术支撑。2011年该系统更新升级为BJ-RUCv2.0(陈敏等，2014)，2012年实现业务化运行，BJ-RUCv2.0在预报区域及资料同化上较之前的1.0系统均有很大的改进。BJ-RUCv2.0系统的预报区域共有2个，分辨率分别为9 km (D1区域) 和3 km (D2区域)(图 1)。

(大方框为D1区域 (9 km分辨率)，小方框为D2区域 (3 km分辨率)) 图 1 BJ-RUCv2.0系统预报区域和模式地形 (色阶) (The outer box represents 9 km-resolution domain while the inner box represents the 3 km-resolution domain) Figure 1 Model domain and topography (shaded) of BJ-RUCv2.0

图选项

BJ-RUCv2.0系统主模式为WRFv3.3，同化模块为WRFDAv3.3，采用三维变分同化技术进行各种观测资料的同化分析。在D1和D2区域均同化了常规观测资料，包括常规及加密探空观测、常规及加密地面观测、船舶/浮标观测、飞机观测、北京地区自动气象站观测和地基GPS可降水量资料，此外，在D2区域实现了京津冀地区6部雷达的径向风和反射率因子的同化。系统逐日流程由08时 (北京时，下同) 的冷启动开始，其初猜场由NCEP 0.5°×0.5°分辨率的GFS全球预报场得到；其后逐3 h进行一次三维变分同化更新，即在11、14、17、20、23、02、05时进行热启动循环更新。BJ-RUCv2.0系统在2013、2014年有部分改进更新 (表 1)。

选用2012—2015年6—8月BJ-RUCv2.0系统D2区域 (3 km分辨率) 的预报结果为研究对象，选取的实况观测资料为对应时间内北京地区资料连续性与稳定性较好的122个自动气象站的逐时观测数据和北京观象台 (54511) 的秒级探空观测资料，站点分布如图 2b所示。

图 2 (a) 北京地区122个站点降水 (≥1 mm/h) 发生频次的日变化, (b)2012—2015年夏季北京短时降水 (持续时间小于6 h) 发生频率 (黑粗线为200 m地形高度线，图中“1”表示54511站点位置，“2”表示A1452站，“3”表示54424站)，(c) BJ-RUCv2.0系统预报的降水频次与实况之差的幅度 Figure 2 (a) Observations of diurnal cycle of precipitation frequency in Beijing area (b) Observational frequencies of short-time precipitation (with the duration time less than 6 h, black line indicates the 200 m terrain height, digit "1" represents the location of observation station 54511, "2" represents A1452 and "3" represents A54424) (c) Precipitation forecast biases of BJ-RUCv2.0

图选项

由于降水事件的不连续性，选用2012—2015年的预报结果评估模式降水预报误差的气候特征，虽然样本数略微偏少，但对2012年之前BJ-RUCv1.0系统在北京地区夏季降水偏差的研究中也发现类似的偏差特征 (结果略)，由于1.0系统和2.0系统在预报区域和流程运行方式上有明显差异，因此，文中只选取BJ-RUCv2.0系统4 a的预报结果开展分析，从平均的统计结果更容易看到模式降水预报偏差特征。鉴于数值预报模式的降水预报能力随降水强度的增大而减弱，而文中意在研究BJ-RUCv2.0系统对降水事件的预报偏差，因此仅针对雨强≥1 mm/h降水事件发生频次进行统计分析。

图 2a给出2012—2015年北京地区所有122个观测站夏季逐时降水 (≥1 mm) 发生频次的实况，与已有对北京地区降水日变化的研究结果 (李建等，2008；刘伟东等，2014) 一致，北京地区在20时至次日02时有一个明显的降水峰值，并且北京地区降水以短时降水 (降水持续时间小于6 h) 为主，短时降水平均发生频率占70%以上 (图 2b)。

将BJ-RUCv2.0系统逐日8次的24 h预报结果 (图 2c) 与实况进行对比，即预报频次减去实况频次后除以实况发生频次，可以看到，由于同化了雷达探测资料，BJ-RUCv2.0系统7个暖启动 (11、14、17、20、23、02、05时起报) 预报在前7 h预报时效内存在明显空报，系统08时的冷启动并未在这段预报时效内发生空报，反而在1 h预报内发生明显漏报，这是由冷启动起转过程造成的。同时可以看到，多个预报 (除了临近预报时次外) 在20时至前半夜均有明显的漏报，经过多次更新循环同化 (23、02、05时起报) 的预报在夜间漏报更为显著。北京地区大部分降水事件的持续时间在6 h以内，暖启动预报在夜间的漏报与其在启动初始时效内的空报并无太大关系。从逐日8个不同循环时次的预报结果看，不断将局地资料同化到模式中并不能减少夜间降水的漏报 (临近时次的预报例外)，系统在北京地区夜间降水的漏报更多是与WRF模式的预报性能和物理过程紧密相关。为了方便研究及表现系统的预报偏差，以下研究均为对08时冷启动预报做出的分析。

由于燕山—太行山山脉的地形作用，华北平原地区的降水具有自西北向东南传播的特征 (陈明轩等，2014)，2012—2015年夏季北京地区降水亦具有此类特征 (图 3a—e)，14时，西部山区对流开始活跃并缓慢向东南方向移动，20时传播到平原地区，23时在平原和城区增强，之后开始减弱移出北京。BJ-RUCv2.0系统08时冷启动预报情况及偏差特征如图 3f-j所示，系统对于午后山区降水有较好的预报效果，但降水预报偏多且降水出现时间比实况偏早；模式也报出了雨带自西向东的传播特征，但是模式未能报出降水带在平原地区加强的特征，出现夜间降水在平原地区漏报问题。由图 3k—o可以看出，BJ-RUCv2.0系统在北京地区的降水预报有以下时空偏差特征：(1) 模式预报降水在西部山区偏多；(2) 模式预报降水带在自西向东传播过程中并没有在平原地区增强发展反而减弱消散；(3) 傍晚模式降水预报在山区偏多而前半夜在平原地区明显偏少。

图 3 (a)—(e) 分别为2012—2015年夏季14、17、20、23和02时降水次数 (≥1 mm/h) 的实况观测，(f)—(j) 分别为对应的BJ-RUCv2.0预报次数，(k)—(o) 分别为预报减去实况的差值 Figure 3 The number of observational precipitation events (≥1 mm/h) in the summer from 2012 to 2015 at (a) 14: 00, (b) 17: 00, (c) 20: 00, (d) 23: 00, (e) 02: 00 BT and that from BJ-RUCv2.0 forecasts at (f) 14: 00, (g) 17: 00, (h) 20: 00, (i) 23: 00, (j) 02: 00 BT. The differences between forecasts and observations are shown at (k) 14: 00, (l) 17: 00, (m) 20: 00, (n) 23: 00, (o) 02: 00 BT

图选项

降水形成过程复杂多变，影响北京地区降水的因素是多方面的，各个因素相互作用使得降水更为复杂，是动力作用和热力环流的综合产物。由于地形的存在和超大城市群的影响，北京地区带有明显的局地环流特征，山区-平原地区的温度差异迫使白天谷风夜间山风的形成，超大城市群加强了城市热岛效应使得城乡之间产生温度差异，又必然强迫局地流场发生调整，从而对降水的日变化及空间分布产生影响。可以说北京地区降水特征与北京复杂地形及复杂下垫面导致的局地环流特征息息相关，若要开展BJ-RUCv2.0系统在北京地区的降水预报偏差成因研究工作，首先需要验证BJ-RUCv2.0系统对北京地区局地环流特征的描述能力。实际上，虽然没有高分辨率三维环流场的实况观测可以用来开展检验，但稠密的自动观测和秒级探空观测可以在一定程度上反映出局地环流特征，通过和这些观测的比较，可以分析模式系统对环流的预报偏差情况，文中分析了模式系统对地面气温、风场和湿度的预报偏差以及探空温、湿度廓线的预报偏差。由于降水的发生对温风湿压等要素变量的影响很大，非降水时模式系统预报基本态特征能更好反映模式存在的问题，在下文研究分析中所使用的资料都进行了筛选，统计分析时，对观测或模式预报出现了降水的站点和时次予以剔除。

温度梯度主导着山区-平原间环流的变化，图 4给出地面2 m气温的实况观测和BJ-RUCv2.0系统08时冷启动预报结果。为了便于比较不同区域、不同地形高度的温度梯度，统一将所有站点的观测和预报按照0.6℃/(100 m) 的垂直递减率统一订正到海平面高度再进行比较。从订正高度后的实况可以看到，平原地区与山区的温度梯度在17时开始出现，并随着时间的推移增强，20时较为明显，23时达到最大。山区-平原温度梯度的日变化趋势与实况中北京地区降水的日变化是一致的，最大温度梯度出现的时间正是夜间城区降水爆发的时段，两者之间的对应关系也反映了地形作用和城市化效应对北京地区降水日变化的影响。

图 4 (a)—(e) 分别为2012—2015年夏季14、17、20、23和02时地面2 m气温的实况观测，(f)—(j) 分别为对应的BJ-RUCv2.0预报，(k)—(o) 分别为预报减去实况的差值 Figure 4 Observations of 2 m air temperature averaged over the summer from 2012 to 2015 at (a) 14; 00, (b) 17: 00, (c) 20: 00, (d) 23: 00, (e) 02: 00 BT and that from BJ-RUCv2.0 forecasts at (f) 14: 00, (g) 17: 00, (h) 20: 00, (i) 23: 00, (j) 02: 00 BT. Differences between forecast and observation are shown at (k) 14: 00, (l) 17: 00, (m) 20: 00, (n) 23: 00, (o) 02: 00 BT

图选项

进一步分析模式系统的预报偏差。白天，模式在平原城区的2 m气温预报有正偏差而同时在山区有负偏差，并且平原地区的正偏差在午后逐渐增大，17时正偏差达到1.5℃，20时城区的正偏差达到2℃。20时之后，不论平原地区还是山区，地面气温都表现出正偏差。由于模式对不同区域的预报偏差相反，使得模式预报的山区-平原地区的温度梯度的强度和出现时间均与实况有差异，模式预报温度梯度的强度在17时就达到了23时的实况强度。模式预报中，山区-平原温度梯度提前出现，在午后山区不稳定能量的配合下模式预报在山区提前出现降水。值得注意的是，模式预报的夜间气温正偏差在城区三环内最大，这可能是模式过多考虑城市效应引起的。

水汽条件是影响降水的重要因子，由于大气层结稳定度对水汽垂直状态很敏感，它在垂直方向上的分布直接影响大气的成云致雨和对流的发展，模式对大气湿度场的预报能力也会影响模式对降水的预报能力。地面湿度观测仅能反映大气中近地层的水汽信息，但在探空温、湿度廓线的配合下可以反映出模式存在的部分问题。

从地面湿度实况观测 (图 5) 看到，由于太阳辐射作用，午后是地面相对湿度最低的时段，随着傍晚地面气温降低，相对湿度逐渐增大，至23时，平均地面相对湿度可达70%。模式预报的地面相对湿度明显偏低，无论是在山区还是平原地区，地面相对湿度偏低幅度达20%，且偏低幅度随着预报时间的延长而增大。此外，由于城市下垫面大多是不透水层，地面含水量低，在夏季容易表现出城市干岛效应 (窦晶晶等，2014)，而BJ-RUCv2.0系统预报的城市干岛效应比实况更凸出。

图 5 (a)—(e) 分别为2012—2015年夏季14、17、20、23和02时地面相对湿度的实况观测，(f)—(j) 分别为对应的BJ-RUCv2.0预报 Figure 5 Observations of surface relative humidity averaged in the summer from 2012 to 2015 at (a) 14: 00, (b) 17: 00, (c) 20: 00, (d) 23: 00, (e) 02: 00 BT and that from BJ-RUCv2.0 forecasts at (f) 14: 00, (g) 17: 00, (h) 20: 00, (i) 23: 00, (j) 02: 00 BT

图选项

为方便看出模式在不同区域的地面温、湿度预报偏差特征，分别选取54511站作为平原地区的代表，A1452站作为山区站的代表 (站点见图 2b)，给出这两个区域代表站气温、相对湿度的实况和预报的时序 (图 6)。模式对54511站的24 h气温预报都偏高，从中午开始表现出明显正偏差，17时达到最大。模式对于山区A1452站的气温预报则是白天偏低夜间偏高。两个站点间的温差可以代表山区-平原的温度梯度，实况观测中两站间的温差在夜里23时最大达到7.21℃，之后到06时温差一直维持在7℃左右。由于模式对白天的山区和平原地区有相反的预报偏差，模式对两个站点间的温差从第1 h预报起不断增大，在17时已经大于7℃，随后幅度继续增大，在19时达到最大值8.71℃，20时之后温差的强度不断减弱且强度一直小于实况。在模式预报中，山区-平原地区温差大于7℃的时间比实况提前。

从图 5中还可以看到，山区湿度不管白天还是夜间都比平原地区高，两个站点的相对湿度都在15时开始增大，23时到06时相对湿度变化很小，23时，54511站的相对湿度为70%，山区A1452站的相对湿度为86%。模式对两个站相对湿度的预报均偏低，偏低幅度随着预报时效的延长而增大，23时54511站的偏低幅度为26%，山区A1452站的幅度则为31%。当然，相对湿度是模式输出的诊断量，它的预报偏差还包含了气温预报偏差的作用在内。

图 6 平原站 (54511) 和山区站 (A1452) 的2 m气温实况 (点) 与预报 (线)、相对湿度的实况 (点) 与预报 (线)(粉色斜线区为模式预报的站点间温差大于7℃的时间范围，蓝色斜线区为对应的观测) Figure 6 Observations (dotted lines) and forecasts (solid lines) of 2 m air temperature and surface relative humidity (Pink slant lines denote the area with temperature gradient of forecast greater than 7℃, while blue slant lines denote that of observation)

图选项

由于山脉地形的作用，山谷风是北京地区局地环流的一个重要特征，同时又由于城市化效应，近地面风场受到地形、城市和季节性盛行风的共同作用。北京地区白天-夜间风向的转换引起地面环流场的辐合、辐散，对降水的发生、发展有重要的影响。图 7给出近地面10 m风的实况和模式预报结果。由于白天平原地区快速升温，北京地区以偏南风为主；晚上，平原地区气温降低，偏北风由山区吹向平原地区，并逐渐在整个北京地区以偏北风为主。由于南北风的转换，北京地区在20时至前半夜，沿着山脉方向形成了风场的辐合，地形辐合线逐渐由山底移向平原地区，然后减弱消散。

图 7 (a)—(e) 分别为2012—2015年夏季14、17、20、23和02地面10 m风的实况观测 (颜色表示不同风向)，(f)—(j) 分别为对应的BJ-RUCv2.0预报 Figure 7 Observations of surface wind averaged in the summer from 2012 to 2015 at (a) 14: 00, (b) 17: 00, (c) 20: 00, (d) 23: 00, (e) 02: 00 BT and that of BJ-RUCv2.0 forecasts at (f) 14: 00, (g) 17: 00, (h) 20: 00, (i) 23: 00, (j) 02: 00 BT

图选项

BJ-RUCv2.0系统对地面风场的预报存在明显偏差，首先表现在风速上，模式预报风速偏大，这是WRF模式在诊断输出时存在的问题。通过对比看到，白天模式预报的近地面风以东南风为主，比实际风向偏南偏东。20时，平原地区仍然由强劲的东南风控制，山区仍有部分地区是东南风，之后偏北风才开始到达山底并缓慢向平原地区移动，前半夜平原地区仍以偏南风为主。由于风向的预报偏差，使得晚上山区-平原的辐合线出现的时间滞后并且辐合线的位置比实况偏北。

上文以北京地区稠密自动气象站的温风湿观测诊断分析了BJ-RUCv2.0系统在北京地区的地面要素预报偏差特征，给出了预报偏差的地面水平分布变化特征。这一小节中以2012—2015年夏季北京地区观象台54511站的秒探空观测数据研究模式温、湿度预报在垂直方向上的偏差特征。夏季天气变化剧烈，一直以来观象台在夏季期间均进行加密探空观测，14时增加了一次探空观测，逐日08、14和20时的探空观测数据可以更详细地分析模式预报偏差的时间变化。

图 8显示模式预报在这3个时次的预报偏差情况。08时是模式冷启动的时间，得到的是模式的分析场，可以说是以全球模式GFS资料的6 h预报场为背景场同化了各种观测资料 (包括54511探空观测) 后得到的三维场。在初始时刻，模式分析场在500 hPa以下的气温表现为负偏差，幅度为0.5℃。850 hPa以上的水汽混合比基本无偏差，850 hPa以下的混合比偏大，越近地面越偏湿。至14时，经过6 h的预报，900—950 hPa的气温预报迅速由负偏差转为正偏差，950 hPa的气温偏高1℃左右，而800 hPa以上的气温负偏差则变大，达到1℃左右。与气温预报偏差相对应，14时的水汽混合比在925 hPa以下迅速降低，相反900 hPa以上的湿度增大，850 hPa的水汽混合比增大了1.2 g/kg。20时，气温预报偏差的幅度有所减小，但底层依然是偏高中高层偏低，同时底层的水汽偏低加剧。

图 8 BJ-RUCv2.0系统在08、14、20时54511站的气温 (实线) 及水汽混合比 (虚线) 预报偏差 Figure 8 Forecast biases of air temperature (solid line) and water vapor mixing radio (dashed line) at 08:00, 14:00 and 20:00 BT at 54511

图选项

BJ-RUCv2.0系统对北京地区基本要素的预报存在系统性偏差，山区、平原地区不同区域的预报偏差特征一定程度上会影响制约模式系统对降水日变化的预报能力。午后至傍晚，由于模式的地面气温预报在平原地区偏高而在山区偏低，使得山区-平原地区的温差出现时间偏早且强度偏大，同时模式预报地面湿度迅速降低，水汽集中到850 hPa附近，由于山区的高地形使得山区低层更容易达到饱和，且在强的温差以及模式地面辐合线偏北的配合下，雨带在山区得到维持，造成山区降水预报偏多。

入夜后，实际大气中由于温度梯度的加强以及地形辐合线的形成，同时平原地区低层湿度不断增大，平原地区充足的水汽能够在迎风坡爬升中凝结降水，进一步促进雨带的维持与加强，有利于平原地区对流的发展以及降水的增强。相对比，模式预报的山区-平原地区的温差与实况相当，但是由于整个平原地区底层偏暖，使得北京地区山谷风环流中的偏北风难以到达平原地区，平原地区底层南风和东风偏强，不利于山区降水雨带向东南方向的平原地区移动，并且由于山区部分地区已经转为偏北风，使得地形辐合线的位置较实况偏北，未能与温度梯度相配合。北京山区平均地形高度约为1 km，而BJ-RUCv2.0系统在平原地区900 hPa以下湿度偏低20%左右，难以让气流在迎风坡爬升中达到饱和，因此，降水雨带在东移过程中未能得到加强，从而使模式在平原地区夜间降水出现漏报。

上文分析了模式对低层温风湿要素的预报偏差对降水预报的制约作用，同时也能清楚看到底层气温从初始时刻的偏低至6 h后的明显偏高，水汽从初始时刻的偏高到明显偏低，模式对近地层基本要素的预报误差快速增长。引起模式系统预报偏差的原因和可能性有很多，例如，模式冷启动时采用动力降尺度将0.5°×0.5°分辨率的GFS资料插值到模式3 km分辨率网格点作为背景场再进行同化得到的分析场并不能与WRF模式相协调，模式在起转过程中预报误差快速增长。也有学者 (Alexander, et al，2015) 提出一种边界层内大气偏暖偏干的正反馈模型，模式陆面偏暖偏干使得感热通量偏大，又导致湍流混合偏强以及边界层更为干燥深厚，使得低层云量减少以及向下短波辐射过量，从而又迫使陆面偏暖偏干才能使能量保持平衡。因此，文中利用2013年6—8月08时北京平原地区平谷区54424站 (图 2b) 的0—10 cm土壤层的体积含水量对模式初始时刻的第1层土壤湿度进行检验，平谷站的平均土壤湿度为0.31 m³/m³，而模式的土壤湿度为0.22 m³/m³，模式中土壤湿度偏低会迫使底层水汽快速蒸发，使得边界层内偏干感热通量增大温度偏高。当然，模式土壤水分偏低只是模式预报偏暖偏干的可能原因，还有待利用更多的观测资料，如辐射观测、通量观测等资料进行研究确认，文中只是给出一个初步推测。

对2012—2015年夏季北京快速更新循环同化预报系统 (BJ-RUCv2.0) 在北京地区降水日变化的预报偏差特征开展了研究，基于地面自动气象站观测资料研究无降水条件下模式对地面气温、风场及湿度预报偏差的水平分布及其随时间的演变，同时利用秒级探空观测分析模式中低层气温、湿度预报偏差，并讨论了模式预报存在的系统性偏差及其对降水预报偏差的可能反馈机制，主要结论如下：

(1) 模式预报降水在西部山区偏多，预报降水雨带在自西向东传播过程中难以在平原地区增强发展，造成了模式降水预报在山区偏多而夜间平原地区降水明显偏少。

(2) 白天模式地面气温预报在平原地区偏高而在山区偏低，使得山区-平原地区的温度梯度出现时间偏早且强度偏大，近地层湿度明显偏低而中层偏高，使得模式降水在西部山区偏多。

(3) 由于平原地区地面气温预报持续偏高，入夜后平原地区依然受偏南风影响，山区-平原的地形辐合线明显偏北，不利于山区降水雨带向平原地区移动，同时平原地区近地层内水汽持续偏低，降水雨带在东移过程中未能得到加强，造成了模式在平原地区夜间的降水预报出现漏报。

(4) 模式初始场土壤湿度明显偏低是北京平原地区模式预报偏暖偏干的原因之一。

降水是模式热动力、多物理过程耦合的产物，局地环流预报偏差仅是影响模式降水预报的一个重要因素，降水日变化预报偏差还受到城市化效应、气溶胶效应等影响。同时BJ-RUCv2.0业务化时间不长，本研究所用资料年份有限，分析结论仍有局限性，需要更深入研究。尽管非降水时次可以在一定程度上反映模式存在的系统性偏差，但与降水关系更密切的应该是降水发生前和降水演变过程中的动力、热力场偏差。文中仅利用北京地区的预报和观测进行了对比分析，对研究降水预报偏差来说角度比较有限，需要对京津冀更大范围开展分析；模式对不同天气系统的降水预报偏差也有所差异，仍需要进行更细致的分类分析。另外，仅分析模式土壤湿度与观测的差异，仍需要利用更多观测资料对模式的短波辐射及感热通量进行对比，找到模式近地层温风湿等基本要素的预报偏差成因，分析模式精细化降水预报偏差的成因。以上将是下一步希望开展的工作。