2015年5
—8月貴州區域中尺度WRF模式降水檢驗

朱文達，萬雪麗，彭　芳，李天江，張　媛

(1.貴州省氣象臺，貴州　貴陽　550002；2.甘肅省武威市氣象局，甘肅　武威　733000;3.民航貴州空管分局，貴州　貴陽　550012)

?

2015年5
—8月貴州區域中尺度WRF模式降水檢驗

朱文達1，萬雪麗1，彭芳1，李天江2，張媛3

(1.貴州省氣象臺，貴州貴陽550002；2.甘肅省武威市氣象局，甘肅武威733000;3.民航貴州空管分局，貴州貴陽550012)

運用貴州區域中尺度WRF模式資料和貴州省85個區域自動站5—8月24 h累積降水觀測資料，利用TS評分降水客觀檢驗方法，分別對24 h預報時效、48 h預報時效和72 h預報時效降水量達到中雨量級及以上的過程按中雨、大雨和暴雨3個級別進行評分。評分以5—8月平均、逐月平均對比和暴雨過程5—8月評分的結果來評測模式對貴州區域5—8月降水預報的性能。評分結果顯示，貴州區域中尺度WRF模式對于中雨量級以上降水的評分隨預報時效增長而降低，伴隨大氣環流的季節變換表現出明顯的不同特征；模式對于4站以上暴雨過程評分高于1站以上中雨量級及以上過程評分；模式降水預報在雨帶的走勢上較實況有較好的對應，降水強度中心和降水極值也能夠為預報做參考；但模式預報的降水也存在雨帶位置偏移、強度中心較實況存在偏差、降水強度過大、雨帶周邊地區出現暴雨空報的問題。

WRF模式; 暴雨過程; 降水檢驗; TS評分

1　引言

貴州地處青藏高原向我國東部丘陵地區過渡的斜坡地帶，是國內唯一沒有平原的山區省份，貴州地勢高差懸殊，垂直方向差異較大，各地氣候差別也較大，天氣變化劇烈，氣象災害頻發，其中汛期中等強降水引發的災害和次生災害尤為突出。針對這一特點，貴州省氣象臺引入了中尺度The Weather Research and Forecasting(簡稱WRF)模式，以滿足預報業務需求。對數值模式進行降水統計檢驗能夠客觀定量的反映數值預報模式預報水平，同時又可以幫助業務人員分析中尺度預報模式中存在的問題，為改進模式提供可靠依據。張秀年等通過云南地區2009年全球模式降水檢驗，發現日本和T639模式在高原東側降水預報效果較好，但模式預報偏差隨時效減小[1]。王雨通過高原降水的模式檢驗，發現模式對青藏高原的降水都存在較大偏差[2]。毛冬艷等指出GRAPES_meso模式的時空分辨率與較好反應天氣過程的演變過程呈正相關[3]；同時該模式對強對流降水系統有較好的刻畫能力[4]。除了統計檢驗，也有通過天氣學檢驗方法，從降水中心強度、中心位置、降水主體強度、落區、范圍和移速等對中尺度模式降水預報產品的預報性能進行檢驗[5]。也有研究表明數值模式的參數組合、不同的降水預報檢驗方案、天氣過程類型、降水量級對檢驗結果都有一定的影響[6-8]。

本文運用統計檢驗方法對貴州區域中尺度數值模式2015年5—8月降水進行TS評分檢驗，根據檢驗結果對模式進行下一步改進。

2　模式介紹

貴州區域中尺度數值模式基于WRF模式，WRF模式是新一代中尺度天氣預報系統，它不僅可以用來做大氣活動研究，還可以用來做實時天氣預報。WRF模式包含2大部分，一部分為數據預算處理系統，一部分為便于并行計算和系統擴展設計的軟件系統。WRF模式適用于從幾十米到數千公里的天氣尺度系統。WRF開始研發于20世紀后期，主要的研發成員為美國國家大氣研究中心(National Center for Atmospheric Research，簡稱NCAR)、以美國國家環境預測中心(National Centers for Environmental Prediction，簡稱NCEP) 和美國預報系統實驗室(Forecast Systems Laboratory，簡稱FSL)為代表的美國海洋暨大氣總署(National Oceanic and Atmospheric Administration，簡稱NOAA)、美國空軍氣象局(Air Force Weather Agency，簡稱AFWA)、海軍研究實驗室(Naval Research Laboratory)，俄克拉何馬大學(University of Oklahoma)和美國聯邦航空管理局(Federal Aviation Administration，簡稱FAA)。 WRF模式的初始場數據可以為實際數據(觀測數據和分析數據)，也可以是理想數據。WRF為預報業務提供了一個靈活和高效的計算平臺，它不斷的提供加入在物理參數化方案、數值解和資料同化方面的最新研究成果。WRF目前業務運行在像NCEP、AFWA和其它一些中心[9]。

貴州區域中尺度WRF模式于2014年9月開始調試，2015年1月實現穩定運行。目前由貴州省氣象臺負責模式的日常維護和數值模式產品釋用。模式采用3重嵌套(圖1)，嵌套之間Two-way(內外嵌套網格之間數據相互影響)方式數據運算。目前模式所選取的物理化參數(表1)組合能夠較好的適應貴州地區特殊的地形特性和氣候特征，目前未采用同化。

貴州區域中尺度WRF模式采用冷啟動[10]方式，采用Global Forecast System(美國全球預報系統，簡稱GFS)0.5°×0.5°的96 h預報場資料，每天00時、12時(世界時)啟動，預報時效為72 h。

圖1　貴州區域中尺度WRF模式3重嵌套區域Fig.1　Guizhou limited WRF 3 domains

參數名稱第1重嵌套D01第2重嵌套D02第3重嵌套D03格點數格距/km100×8627199×1819256×3073積分步長/s垂直層次輸出產品間隔/h物理參數化方案積云參數化方案邊界層參數化方案長波輻射方案短波輻射方案陸面過程方案過渡邊界90453WSM6-classBMJMYJTKErrtmGoddardshortwaveUNland-surface930451WSM6-classBMJMYJTKErrtmGoddardshortwaveUNland-surface910451WSM6-class—MYJTKErrtmGoddardshortwaveUNland-surface9

3　資料和方法

降水實況資料采用貴州區域85個國家級自動站08—08 h(北京時)的24 h累積降水資料，國家級自動站具有較好的代表性，建站時間較早，資料時間序列長且數值準確。貴州區域中尺度數值模式資料采用D03區域分辨率為3 km的格點降水資料雙線性插值方法插值到85個所選站點。所選取的資料時間為2015年5月1日—8月31日。

降水檢驗方法采用TS評分的降水客觀檢驗方法[2]，根據TS評分公式：

(1)

式中NAk為預報正確的站數，NBk為空報站數，NCk為漏報站數。k為降水的分級，一般可分為1～12個級別。按照累加降水檢驗方案，把降水分為中雨(≥10 mm)、大雨(≥25 mm)、暴雨級以上(≥50 mm)3級。根據貴州省氣象局重大災害天氣考核工作[11]的規定，以至少有5～7個國家級自動站24 h累積降水達到暴雨及以上量級降水定義為1次暴雨天氣過程，對5—8月貴州地區4個以上的國家級自動站08—08時(北京時)24 h累積降水達到暴雨級以上的21次暴雨天氣過程進行了單獨檢驗。

4　模式降水檢驗

統計5—8月降水R實況(表2)，其中85個國家級自動站中有1站出現中雨量級及以上過程94次，5月為25次，6月為24次，7月為20次，8月為25次；5—8月出現中雨量級及以上大于4站的過程為73次。相應的出現1站以上大雨及以上的過程有70次，對應各月分別為18次、18次、16次和18次；5—8月出現大雨量級及以上大于4站的過程為45次。對于暴雨及以上過程，出現1站以上的暴雨及以上過程有50次，對應各月分別為13次、12次、11次和14次；5—8月出現暴雨量級及以上大于4站的過程為21次(圖2)，暴雨過程最多、單次暴雨過程站數最多的月份為6月，其中單次暴雨過程站數在6月30日到達最多，為30站；最少為5月27日和6月4日的6站。降水TS評分樣本充足，能夠較好反應貴州區域中尺度WRF模式對貴州5-8月降水預報能力。

表2　實況降水R各月分布情況

圖2　5—8月大于4站的暴雨過程站數統計Fig.2　The number of May to August more than 4 stations torrential rainfall

運用降水TS評分客觀檢驗方法，分別做模式24 h預報場、48 h預報場和72 h預報場對實況24 h降水的TS評分。對中雨、大雨和暴雨3個量級的每次過程進行評分，并作5—8月的平均(圖3)。在同一預報時效內，降水評分都是隨著降水量級的增加而快速衰減，導致這一現象的原因主要是由于TS檢驗方法本身的特點決定，另外隨著降水量級增大，模式預報結果中包含的天氣系統偏差和中小尺度系統刻畫程度[4]也是導致評分隨著降水量級增大而快速衰減的重要原因。對于中雨量級及以上5—8月平均評分結果為24 h預報場42.81%、 48 h預報場39.27%、 72 h預報場38.69%。 相應的大雨量級及以上5—8月平均評分結果分別為26.47%、 25.04%、 23.17%。 對應的暴雨量級及以上5—8月平均評分結果分別為18.19%、 17.65%、 14.55%。隨著預報時效的增長，數值模式的計算偏差和系統誤差逐漸增大，因此平均的降水評分呈現出明顯的下降趨勢[6]；48 h預報場評分對比24 h預報場評分中雨量級降低了3.54%，大雨量級降低了1.43%，暴雨量級降低了0.54%。相應的72 h預報場對比24 h預報場和48 h預報場，中雨量級分別降低了4.12%和0.58%，大雨量級分別降低了3.3%和1.87%，暴雨量級分別降低了0.54%和3.64%。預報時效從24 h增加到72 h后，中雨量級降水評分的衰減大值段出現在24～48 h，達到3.5%以上；大雨和暴雨量級降水評分的衰減大值段出現在48～72 h，分別為3.3%和3.64%。

統計5—8月逐月平均的TS評分(圖4)，24 h預報場的降水評分中雨量級及以上的評分5月最高，為48.10%，7月份以43.39%排第2位，6月的41.21%排第3位，最低為8月份的38.54%；大雨量級及以上的評分和中雨量級趨勢一致，從高到低依次為5月的29.39%、7月的28.77%、6月的25.91%和8月的21.83%；暴雨量級及以評分7月最高，為22.98%、 5月次之，為18.71%、 第3位的是6月的16.67%，最低為8月的14.39%。48 h預報場中雨量級及以上的評分5月的40.46%最高，8月的39.91%次之，第3位的是7月39.10%，最低的是6月的37.63%; 大雨量級及以上評分排名依次為5月的26.78%、 7月的25.25%、 8月的24.19%和6月的23.94%；暴雨量級及以上評分中7月最高，為28.56%， 5月評分顯著降低為18.33%, 8月和6月評分未達到15%，僅為12.18%和11.55%。72 h的預報場中雨量級及以上評分最高為8月的42.49%， 7月的42.04%次之，排第3位的是5月的36.79%，最低的為6月的33.42%；大雨量級及以上的評分次序依次為8月的26.73%、7月的23.23%、5月的22.09%和6月的20.63%；暴雨量級及以上評分中5月的16.67%為最高，次之為7月的15.06%，第3位的是8月的14.26%，最低的是6月的12.15%。從24～72 h的預報時效演變中，各個量級降水的TS評分是逐漸降低的，24 h和48 h預報時效中5月和7月的降水評分都較高；72 h預報時效8月則反超，不僅在中雨和大雨兩個量級中排名第1，暴雨量級中較第1位的5月差距也較小。總體來看，6月的降水評分最差，在各量級降水和各預報時效中排名最低；7月降水評分最為穩定，中雨和大雨量級中在各預報時效內都是排名第2，并且與第1位僅存微小差距。伴隨大氣環流的轉變，季風環流強弱、副高位置氣候差異、水汽輸送源地改變和熱帶氣旋發展都導致了影響貴州地區的天氣系統發生著變化，而模式參數化方案并不能完全伴隨其改變和對相應的變化刻畫不完全，因此模式降水評分在5—8月的季節轉換中也表現出明顯的不同特征[3]。

單獨統計暴雨站數大于4站的暴雨天氣過程評分情況(圖5)，中雨和大雨的降水評分明顯提高，暴雨量級降水的評分變化不大。中雨的評分都在0.5以上，最高為24 h預報時效的59.53%，最低則出現在48 h預報時效的50.33%,72 h預報時效為54.27%；大雨以上評分在29%以上，最高依舊出現

在24 h預報時效內，為37.01%，最低為48 h預報時效的29.13%, 72 h預報時效為30.04%；暴雨以上量級評分最高為24 h時效的19.63%，最低為48 h的14.50%, 72 h預報時效為16.26%。總體來看，對于暴雨過程，模式24 h預報時效評分最高，72 h預報時效次之，48 h預報時效和72 h預報時效相差較小。模式對于暴雨過程的評分中雨量級及以上在50%以上，大雨量級及以上基本在30%以上，暴雨量級及以上在14%～20%之間。

總之，貴州區域中尺度WRF模式對于中雨量級以上降水的評分隨預報時效增長而降低，伴隨大氣環流的季節變換表現出明顯的不同特征；對于暴雨過程評分預報時效24 h和72 h評分高于48 h預報時效，各量級評分中，中雨量級及以上能夠達到50%以上，大雨量級及以上基本在30%以上，暴雨量級及以上在14%～20%之間。

圖3　5—8月平均降水TS評分Fig.3　TS grade of precipitation from May to August

圖4　5—8月逐月平均降水TS評分對比(橫坐標：預報時效和降水分級，預報時效單位：h)Fig.4　Monthly comparison of precipitation TS grade from May to August(X-axis: forecast time and precipitation class, unit of forecast time: hour, Y-axis: TS grade, unit: %)

圖5　5—8月暴雨站數大于4縣站平均降水TS評分Fig.5　The mean precipitation TS grade of more than 4 stations torrential rainfall from May to August

5　暴雨過程個例檢驗

選取2015年5月26日、6月2日和6月17日3個24 h累積降水達到暴雨量級的過程個例，運用天氣學檢驗方法，以暴雨落區形態和走勢分析貴州區域中尺度WRF模式的趨勢預報效果，從模式預報的降水強度和中心分布分析模式的強度預報效果[5]。

5月26日08時—27日08時的暴雨過程(圖6)，黔東南州南部、黔南州北部和貴陽市南部出現較強降水，模式預報雨帶的走勢較實況較為一致，但量級和強降水中心較實況偏東，貴州西北部出現了暴雨的空報。6月2日08時—3日08時暴雨過程(圖7)，貴州中部出現東北—西南向帶狀強降水區，模式預報雨帶的走勢較實況一致，強度中心也和實況吻合。6月17日08時—18日08時暴雨過程(圖8)，強降水分布在銅仁市南部、黔東南州和黔南州大部、安順市大部，模式預報雨帶走勢較實況一致，降水中心的位置略偏南，空報了貴州省西部和西北部地區的暴雨；模式預報量級偏大。

圖6　5月26日暴雨過程24 h降水實況與模式預報對比圖(a：24 h降水實況，b：模式預報24 h降水量，單位：mm)Fig.6　The contrast between observation and model of 24 h accumulated Torrential rainfall on 26th May(a: observation, b: model, unit: mm)

圖7　6月2日暴雨過程24 h降水實況與模式預報對比圖(a：24 h降水實況，b：模式預報24 h降水量，單位：mm)Fig.7　The contrast between observation and model of 24 h accumulated Torrential rainfall on 2nd June(a: observation, b: model, unit: mm)

圖8　6月17日暴雨過程24 h降水實況與模式預報對比圖(a：24 h降水實況，b：模式預報24 h降水量，單位：mm)Fig.8　The contrast between observation and model of 24 h accumulated Torrential rainfall on 17th June(a: observation, b: model, unit: mm)

從暴雨過程的個例檢驗中可以得出：模式降水預報在雨帶的走勢上較實況有較好的對應，降水強度中心和降水極值也能夠為實際預報做參考。但也存在模式預報的雨帶位置偏移、強中強度中心較實況存在偏差、降水強度過大、雨帶周邊地區出現暴雨空報的問題；導致以上問題的原因主要有數值模式的GFS初始場存在系統偏差；隨著模式積分時間增長，初始場的強迫作用逐漸減弱，模式可能自主訂正偏差，也可能放大偏差；WRF模式對于大量級降水的預報總是偏大；模式積分運算中存在系統誤差。

6　結論與討論

貴州區域中尺度WRF模式運用適應西南區域的參數化組合，較好的反應了貴州區域的天氣系統演變特征。模式產品釋用豐富多樣，包含網頁顯示的圖片產品、MICAPS格式格點產品和城鎮精細化格式產品。運用TS評分的模式降水客觀檢驗方法，對貴州5—8月的降水進行了檢驗，得出以下結論：

①貴州區域中尺度WRF模式在同一時效內降水評分隨著降水量級增大而快速衰減；對于中雨量級以上降水的評分隨預報時效增長而降低，伴隨大氣環流的季節變換表現出明顯的不同特征；模式對于暴雨過程評分預報時效24 h和72 h評分高于48 h預報時效。

②模式降水預報在雨帶的走勢上較實況有較好的對應，降水強度中心和降水極值也能夠為實際預報做參考。

③初始場強迫和模式誤差導致模式預報的降水存在雨帶位置偏移、強度中心較實況存在偏差、降水強度過大、雨帶周邊地區出現暴雨空報的問題。

本文僅從降水一項對模式性能進行了初步檢驗，還有很多不完善之處，如所選取資料僅為5—8月，選取降水量級在中雨量級及以上，選取站點僅為國家級自動站等；除此之外，貴州區域中尺度WRF模式本身也存在一些問題，如模式所選取的區域較小，不能反應北方冷空氣、南支波動和海上系統的活動情況；模式目前采用GFS作為初始場，未采用同化，對于近地面層的物理量預報誤差較大；目前模式在硬件穩定的情況下每天只運行2次，分別在00時、12時(世界時)啟動，預報時間間隔較長，對于轉折性天氣不能及時更新預報結果。對于模式的預報性能，今后還需進行更為全面細致的檢驗，從而為實際業務提供模式應用方面的參考。

[1] 張秀年, 曹杰, 楊素雨. 云南2009年雨季T639、日本、德國3個數值模式的降水預報檢驗[J]. 云南地理環境研究,2010,22(6):15-23.

[2] 王雨. 若干數值模式對2003年夏季青藏高原中南部降水預報檢驗[J]. 高原氣象,2004, 23(Suppl): 53-58.

[3] 毛冬艷, 朱文劍, 樊利強, 等. GRAPS_MESO V3.3模式強天氣預報性能的初步檢[J]. 氣象, 2014, 40(12): 1 429-1 438.

[4] 彭新東, 常燕, 王式功. GRAPS模式對2008年兩次強降水過程的數值預報檢驗[J]. 高原氣象, 2010,29(2):321-330.

[5] 崔錦, 周曉珊， 張愛忠, 等. 天氣學檢驗在東北區域數值模式秋冬季降水預報中的應用[J]. 氣象與環境學報, 2009,25(4):17-22.

[6] 肖明靜, 盛春巖, 石春玲, 等.2010年汛期多模式對山東降水預報的檢驗[J]．氣象與環境學報,2013,29(2):27-33．

[7] 陳超君, 李俊, 王明歡. 2013年汛期華中區域業務數值模式降水預報檢驗[J]. 氣象與環境學報,2015,31(2):01-08.

[8] 郭云云, 鄧蓮堂, 范廣洲, 等. GRAPS中尺度模式中不同積云參數化方案預報性能對比研究[J]. 氣象, 2015,41(8):932-941.

[9] William C. S , Joseph B. K , Jimy D, et al. A Description of the Advanced Research WRF Version 3[M]. NCAR TECHNICAL NOTE, 2008:1-28.

[10]朱豐, 徐國強, 李莉, 等. 同化青藏高原地區 GPSPW 數據對長江中下游地區降水預報的影響評估[J]. 大氣科學, 2014,38(1):171-189.

Precipitation Forecast Verification of Guizhou Limited Area WRF Model from May to August in 2015

ZHU Wenda1，WAN Xueli1，PENG Fang1，LI Tianjiang2，ZHANG Yuan3

(1.Guizhou Meteorological Observatory, Guiyang, 550002, China; 2.Wuwei Meteorological Bureau,Wuwei 733000,China; 3.Guizhou Air Traffic Management Bureau of CAAC, Guiyang 550012, China)

With Guizhou limited area WRF model data and the 85 stations Guizhou area automatic station 24 h Accumulated precipitation data from May to August, the TS grading method was used to graded that the model precipitation data which is separated by precipitation intensity in 24 h, 48 h and 72 h period of validity. Results show in May-August average TS grading, month average TS grading and Torrential rainfall events average TS grading. It indicates that Guizhou limited area WRF model rain TS grading gradually increases with period of validity growing. It shows the different characteristics in difference atmospheric circulation. The torrential rainfall events TS grading is higher than moderate rain events TS grading. The model forecast rain is similar to the observation in the rain pattern and intensity, but has discrepancy in details.

WRF model; torrential rainfall events; forecast verification; TS grading

1003-6598(2016)03-0024-07

2015-11-05

朱文達(1985—)，男，工程師，碩士，主要從事短期天氣預報和數值模擬研究工作，E-mail:wendazhu@yeah.net。

國家自然科學基金41265005；貴州省氣象局青年基金黔氣科合QN[2015]09資助。

P426.6

A