ECMWF 驅(qū)動場譜逼近對浙江超強臺風“利奇馬”（2019）精細化數(shù)值預(yù)報的影響

董美瑩 陳鋒 邱金晶 冀春曉

浙江省氣象科學研究所，杭州 310008

1 引言

為改進區(qū)域數(shù)值模式模擬性能，Waldron et al.（1996）提出了譜逼近方法。該方法假設(shè)無邊界全球數(shù)值模式在較大尺度大氣波動的解析表達方面比有邊界有限區(qū)域數(shù)值模式更優(yōu)；所以在有限區(qū)域模式中，從大氣波動譜空間的角度對模式整個模擬區(qū)域的較大尺度譜空間增加一個訂正項來減少有限區(qū)域數(shù)值模式模擬誤差。由此可見，動力譜逼近是具有尺度選擇性的，它既要求區(qū)域模式模擬的較大尺度大氣波動接近全球模式強迫場，又保證了較小尺度大氣波動在有限區(qū)域模式中自由發(fā)展（von Storch et al., 2000）。換言之，譜逼近技術(shù)一定程度上兼收了全球模式在較大尺度系統(tǒng)模擬優(yōu)勢和有限區(qū)域模式在中小尺度系統(tǒng)模擬優(yōu)勢，是提升區(qū)域模式模擬性能的一個有效途徑。

由于上述譜逼近技術(shù)優(yōu)勢，該方法在區(qū)域氣候模擬工作應(yīng)用較多，譜逼近能有效降低區(qū)域數(shù)值模式性能對于模擬區(qū)域大小和位置的依賴性（Miguez-Macho et al., 2004; 宋寔和湯劍平, 2011; 曾先鋒和周天軍, 2012），對美國與我國的夏季降水、江淮梅雨等氣候模擬均有較好改進（Miguez-Macho et al.,2005; Cha and Lee, 2009; Shan et al., 2012; Spero et al., 2014; Choi and Lee, 2016）。2013 年以來，有學者嘗試把譜逼近方法用于重大天氣過程的數(shù)值模擬，并取得較好應(yīng)用效果。Cha and Wang（2013）利用譜逼近改進了區(qū)域模式的大尺度形勢場，模擬臺風路徑和強度更接近實況。針對2008 年初我國南方大范圍持續(xù)性降水過程，王淑莉等（2016）通過譜逼近技術(shù)對低層風場與水汽輸送的訂正實現(xiàn)了降水模擬改進。最近，針對浙江省高分辨區(qū)域數(shù)值天氣預(yù)報系統(tǒng)雨帶位置預(yù)報不足（邱金晶等,2015），董美瑩等（2019）開展了多要素譜逼近方法在高分辨率區(qū)域數(shù)值天氣預(yù)報模式梅雨模擬性能的應(yīng)用研究，確定了水平風場譜逼近為最優(yōu)方案；該方案通過低層風場和高濕區(qū)等動力、熱力影響因子修正改進了梅雨模擬。

從動力張弛譜逼近基本原理可知，大尺度驅(qū)動場本身預(yù)報質(zhì)量是影響譜逼近效果的關(guān)鍵因素，選擇一個高質(zhì)量大尺度驅(qū)動場有助于譜逼近技術(shù)提升高分辨區(qū)域數(shù)值預(yù)報業(yè)務(wù)系統(tǒng)性能。對當前全球模式預(yù)報產(chǎn)品業(yè)務(wù)評估表明，ECMWF（European Centre for Medium-range Weather Forecasts, https://www.ecmwf.int/en/forecasts/datasets/set-i）和NCEPGFS（National Centers for Environmental Prediction Global Forecast System，https://www.nco.ncep.noaa.gov/pmb/products/gfs/）全球預(yù)報模式對于我國臺風天氣預(yù)報性能優(yōu)良（雷小途和余暉, 2015; 陳國民等, 2019）；ECMWF 全球模式的實時預(yù)報產(chǎn)品對于浙江參考價值很高（浙江省氣象科學研究所,2020）。因此，開展ECMWF 全球模式預(yù)報產(chǎn)品驅(qū)動的譜逼近技術(shù)應(yīng)用研究無疑是值得嘗試的一條重要途徑。已有研究顯示，基于NCEP 再分析資料（王淑莉等, 2016; 董美瑩等, 2019）或GFS 預(yù)報場資料（Cha and Wang, 2013）驅(qū)動的譜逼近技術(shù)研究工作取得一定進展，而在區(qū)域高分辨數(shù)值天氣預(yù)報模式使用ECMWF 全球模式預(yù)報場驅(qū)動的譜逼近預(yù)報試驗很少，針對動力譜逼近如何影響臺風風雨精細化預(yù)報的研究鮮見。

綜上所述，為提升高分辨率區(qū)域數(shù)值天氣預(yù)報模式性能，考慮高質(zhì)量ECMWF 資料和譜逼近方法優(yōu)勢，本文以2019 年嚴重影響我國的超強臺風“利奇馬”為例，開展ECMWF 資料驅(qū)動譜逼近技術(shù)在高分辨率區(qū)域數(shù)值天氣預(yù)報系統(tǒng)中的應(yīng)用研究，重點探討該技術(shù)對浙江臺風精細化預(yù)報的可能影響，以期提高ECMWF 資料應(yīng)用水平和動力譜逼近技術(shù)適用性認知，為高分辨區(qū)域數(shù)值預(yù)報精細化預(yù)報水平提升和臺風災(zāi)害防御工作提供支持。文中后續(xù)內(nèi)容安排如下：第2 節(jié)介紹了研究所用的譜逼近方案、數(shù)值模式、試驗設(shè)計和資料；第3 節(jié)概述了研究個例的基本情況；譜逼近方案對于“利奇馬”臺風路徑、強度及精細化風雨預(yù)報的影響在第4 節(jié)進行了著重分析；最后第5 節(jié)是全文的結(jié)論與討論。

2 方法和資料

2.1 高分辨區(qū)域數(shù)值預(yù)報模式

利用WRF-ARW V3.4.1 模式（http://www2.mmm.ucar.edu/wrf/users，Skamarock et al., 2008），選用浙江省數(shù)值預(yù)報業(yè)務(wù)系統(tǒng)物理框架（Zhe-Jiang WRF ADAS Real_time Modeling System，ZJWARMS)（陳鋒等, 2012）。模式使用雙重嵌套，內(nèi)外層區(qū)域各為D01 和D02（圖1a），D01 水平分辨率9 km，格點數(shù)265×265；D02 水平分辨率3 km，格點數(shù)205×187。模式層頂設(shè)在10 hPa，內(nèi)外嵌套的垂直層數(shù)都是36 層。選用的物理過程參數(shù)化方案包括：Noah 陸面過程方案（Chen and Dudhia, 2001）、RRTMG 短波和長波輻射方案（Iacono et al., 2008）、YSU 大氣行星邊界層方案（Hong et al., 2006）、WSM 6-Class 云微物理方案（Hong et al., 2004）和MM5 相似理論的表面層方案（Jiménez et al., 2012）。

圖1 （a）模式模擬區(qū)域設(shè)置和（b）內(nèi)區(qū)域（d02）地形高度（陰影，單位：m）。圖（a）中內(nèi)（d02）、外（D01）區(qū)域水平格距分別為3 km 和9 km，黑色粗線框示意內(nèi)區(qū)域；圖（b）中點圈標記表示“利奇馬”影響期間浙江省7 個主要降水中心觀測站：括蒼山（KC）、枧頭村（JT)、石梁鎮(zhèn)（SL）、江南天池（JN）、照君巖（ZJ）、下西坑村（XX)、石屏村（SP）和鄭地村（ZD），藍色粗線AB 示意圖10 垂直剖面中過下西坑村（XX)和鄭地村（ZD）降水中心的水平線位置Fig. 1 (a) Configuration of the model domain and (b) the inner domain topography (shaded, units: m). In Fig.(a), the outer domain d01 corresponds to the 9-km horizontal resolution, the inner domain d02 with thick black frame has a 3-km resolution. In Fig. (b), the dot-circles indicate the seven observational stations as KC, JT, SL, JN, ZJ, XX,SP and ZD of main precipitation centers in Zhejiang Province as induced by typhoon Likima (2019);the thick blue line AB denotes the horizontal line through the rainfall centers of XX and ZD as displayed in the vertical cross section in Fig.10

2.2 譜逼近方案和試驗設(shè)計

基于浙江省高分辨區(qū)域數(shù)值系統(tǒng)和本地天氣氣候特點，借鑒von Storch et al.（2000）和Tang et al.（2010）的濾波思路，董美瑩等（2019）研制了適用于ZJWARMS 系統(tǒng)的水平風場譜逼近最優(yōu)方案及子模塊。譜逼近基本原理是把區(qū)域數(shù)值模擬作為一種“降尺度”問題來處理（Waldron et al.,1996），首先確定出譜逼近的具體要素和較大尺度譜空間，其次通過傅立葉變換等方法計算出在較大尺度譜空間全球模式強迫場和有限區(qū)域模擬場之間的差異增量，然后在區(qū)域模式積分的每一個時間步長中，在該要素預(yù)報方程中添加一個訂正項，最終實現(xiàn)區(qū)域模式模擬場向全球模式驅(qū)動場在較大尺度譜空間的動力逼近以減少模擬誤差。文中使用的譜逼近方法是將區(qū)域模式區(qū)域內(nèi)部某一垂直層次及以上所有層次大氣的較大尺度波動向質(zhì)量更優(yōu)的ECMWF 全球模式進行逼近，這種逼近是通過每一步積分步長（文中為20 s）對某垂直層次以上逼近要素的較大尺度譜逐步增加相應(yīng)增量修正項來實現(xiàn)；其他層次和要素的變化則是通過每一個積分步長中各預(yù)報方程之間的物理約束來逐步產(chǎn)生，因此譜逼近后各層次、各要素可以保持較好的平衡，譜逼近可視為是一種間接的資料同化方法（von Storch et al.，2000）。實際上，譜逼近方案中垂直層次的選擇可以影響到大氣邊界層狀態(tài)，而邊界層大氣屬性對于臺風等重大天氣過程有重要影響（陳聯(lián)壽和丁一匯, 1979; 鄧國等, 2005; Zhang et al., 2017; Zhang and Pu, 2017; Dong et al., 2019; 王葉紅和趙玉春,2020）。一方面，大氣低層明顯受到地表地形等局地分布特性影響，具有較高分辨率的區(qū)域模式對低層大氣及較小尺度波動模擬有相對優(yōu)勢；另一方面，無邊界的全球模式對中高層大氣較大尺度波動模擬有相對優(yōu)勢。因此可以推論，可能存在一個最佳譜逼近垂直層次，在該層次以下保留區(qū)域模式的模擬優(yōu)勢，在該層次及以上引入驅(qū)動場譜逼近來吸收全球模式的模擬優(yōu)勢，最終可使模擬性能達到最佳，因此有必要進一步開展垂直層次調(diào)優(yōu)試驗來進一步完善譜逼近方案。如表1 所示，本研究共設(shè)計了1個控制試驗（CTL）和4 個不同垂直層次譜逼近敏感性數(shù)值試驗，分別對模式層第12 層（約700 hPa高度，SNL12）、第10 層（約800 hPa 高度，SNL10），第8 層（約850 hPa 高度，SNL8）、第6 層（約925 hPa，高度，SNL6）及以上的層次做水平風場動力譜逼近。所有試驗均積分72 h，敏感性試驗除了逼近層次不同外，其他試驗設(shè)計與控制試驗完全相同。

表1 試驗設(shè)計Table 1 Design of Experiments

2.3 資料

研究使用資料包括ECMWF 的全球模式預(yù)報資料、ZJWARMS 區(qū)域數(shù)值模式預(yù)報資料、臺風路徑資料和實況風雨觀測等資料。（1）ECMWF 全球模式預(yù)報資料取自中國氣象局下發(fā)的高分辨確定性預(yù)報產(chǎn)品，包括分析場和預(yù)報場，資料時間分辨率為3 h，其中高空變量的空間分辨率為0.25°×0.25°，地面變量的空間分辨率為0.125°×0.125°，作為本研究中高分辨區(qū)域數(shù)值模式的初始場和邊界條件。（2）臺風路徑和實況風雨觀測資料用于檢驗?zāi)Ｊ筋A(yù)報性能。臺風路徑資料取自中國氣象局上海臺風所研發(fā)的西北太平洋熱帶氣旋檢索系統(tǒng)提供的實時路徑資料（http://10.228.34.9/stiweb_light/[2019-07-15]）。（3）實況風雨資料取自浙江省氣象局信息網(wǎng)絡(luò)中心的自動站數(shù)據(jù)庫，包括了浙江省約2900 多個站點觀測資料（包括102 個國家站和2800 多個區(qū)域自動站），站點平均空間分辨率約6 km。已有研究表明，在這種較高空間站點密度情況下，不同插值方法對結(jié)果影響有限（許孌等,2017）。為此，在下文地面要素檢驗評估分析工作中，本文利用反距離加權(quán)插值法將全省各站點資料插值到預(yù)報場格點上進行地面要素的相關(guān)定量檢驗。（4）對于高空要素檢驗，本文使用了ECMWF 全球模式08 時（北京時，下同）和20 時的分析場，時間分辨率為12 h。

3 個例概況

2019 年第9 號臺風“利奇馬”（Lekima）8月4 日14 時在菲律賓以東洋面生成后向西北方向移動，強度不斷加強，7 日23 時加強為超強臺風。8 月10 日01 時45 分在浙江省臺州市溫嶺城南鎮(zhèn)登陸，登陸時中心附近最大風力16 級（52 m s-1），中心最低氣壓930 hPa。登陸后“利奇馬”向北偏西方向縱穿浙江、江蘇，強度逐漸減弱，11 日12時進入黃海北上，又于8 月11 日20 時50 分在山東省青島市黃島區(qū)沿海再次登陸。此后“利奇馬”繼續(xù)北上于12 日05 時移入萊州灣海面并迴旋打轉(zhuǎn)，13 日08 時減弱為熱帶低壓，同日14 時中央臺停止編號。據(jù)統(tǒng)計，“利奇馬”是1949 年以來登陸我國大陸地區(qū)的第五位超強臺風，導(dǎo)致了17 級以上大風和局地600 mm 以上暴雨，共造成浙江、山東、江蘇等省1402.4 萬人受災(zāi)，57 人死亡，14 人失蹤，直接經(jīng)濟損失537.2 億元。

受超強臺風“利奇馬”直接登陸影響，8 月8日到11 日浙江省普降暴雨，沿海地區(qū)大暴雨局部特大暴雨，多地刷新過程雨量和24 h 雨量紀錄，最大過程雨量達831mm（臺州臨海括蒼山站）；浙江大部出現(xiàn)8 級以上大風，其中沿海大部12～14 級、部分15～17 級，最大為61.4 m s-1（溫嶺石塘鎮(zhèn)三蒜島站），導(dǎo)致浙江省直接經(jīng)濟損失高達407.2 億元。可見，重創(chuàng)浙江的臺風“利奇馬”具有登陸強度強、風雨強度大、影響范圍廣、災(zāi)害影響重等特點。因此，超強臺風“利奇馬”是衡量ECMWF 驅(qū)動場譜逼近技術(shù)對浙江高分辨區(qū)域數(shù)值模式預(yù)報性能影響一個理想個例。鑒于本文研究目的，文中主要分析時段為2019 年8 月8 日20 時至2019 年8 月11 日20 時。

4 結(jié)果分析

臺風路徑和強度是臺風預(yù)報服務(wù)中關(guān)鍵因子，也是做好臺風精細化風雨預(yù)報的重要前提（陳聯(lián)壽等, 2012）。為此，考慮到臺風路徑強度在臺風精細化預(yù)報性能和服務(wù)中的重要性和本文研究重點，下文首先通過臺風路徑和強度的評估確定出最佳垂直層次逼近方案，然后，針對最佳譜逼近方案的模擬結(jié)果，進一步對高空形勢場、臺風10 m 風場和降水預(yù)報方面做深入評估分析，以期較全面評價譜逼近方法對于臺風天氣精細化預(yù)報性能綜合影響大小和可能過程。研究采用的統(tǒng)計評分參數(shù)有：均方根誤差（RMSE）、空間相關(guān)系數(shù)（SPCC）和TS、ETS（Equitable Threat Score）等評估量（丁金才,1995; Gotway et al., 2009）。

4.1 對臺風路徑和強度的影響

不同邊界層垂直層次譜逼近敏感性試驗對于路徑預(yù)報影響表明：一方面，動力譜逼近對于臺風路徑預(yù)報有明顯影響，譜逼近對18 h 至72 h 的“利奇馬”臺風路徑預(yù)報有較好改善。對照實況和區(qū)域模式CTL 試驗?zāi)M路徑可得（圖2a）：區(qū)域模式CTL 試驗?zāi)M路徑誤差主要出現(xiàn)在9 日20 時至10 日20 時臺風移經(jīng)浙江期間，在浙江境內(nèi)臺風路徑偏西明顯，且預(yù)報移速14.1 km h-1較實況17.1 km h-1偏慢。經(jīng)過ECMWF 模式水平風場動力譜逼近之后，所有敏感性試驗均將CTL 試驗臺風路徑中的移向偏西誤差和移速偏慢誤差進行修正，對浙江省境內(nèi)的臺風路徑預(yù)報有顯著改進。定量分析區(qū)域模式各試驗路徑誤差顯示（圖2b），譜逼近試驗主要對18 h 至72 h（9 日14 時至11 日20 時）的預(yù)報路徑有明顯改進作用，譜逼近前后72 h 平均誤差減小約35 km，將控制試驗68 km 的誤差改進率約48.5%；逐小時誤差最多減小80 km。另一方面，不同邊界層垂直層次譜逼近的改進效果有一定差異，總體上模式層第10 層（約800 hPa高度）及以上譜逼近試驗SNL10 路徑預(yù)報最佳。分析各敏感性試驗的誤差逐時演變可知，模式層第10 層及以上譜逼近試驗SNL10 的誤差穩(wěn)定較小，72 h 小時平均誤差最小，是路徑預(yù)報的最佳譜逼近方案。

對比譜逼近前后“利奇馬”強度預(yù)報顯示：譜逼近對于強度影響總體較小，譜逼近對21 h 至45 h預(yù)報時效的強度略有改善。從“利奇馬”中心附近最大風速（Vmax）逐3 h 演變看到（圖2c），總體上，控制試驗對登陸前“利奇馬”強度模擬明顯偏弱，對于登陸后的強度模擬略偏強。動力譜逼近主要對2019 年8 月9 日17 時（積分21 h）至10 日17 時（積分45 h）臺風中心附近最大風速有一定改善，控制試驗的風速低估得到一定程度修正，平均誤差減少3 m s-1。這種修正與譜逼近改進TC 路徑后TC 經(jīng)過的下墊面狀況更接近實況從而改善了TC 邊界層有關(guān)。不同層次譜逼近對強度的修正與路徑類似，模式層第10 層及以上譜逼近試驗SNL10 的誤差總體最小，是強度預(yù)報的最佳譜逼近方案。

圖2 2019 年8 月8 日20 時至11 日20 時“利奇馬”（a）臺風路徑的實況與8 月8 日20 時起報的預(yù)報，（b）臺風路徑誤差的時序圖（單位：km）和（c）臺風中心附近最大風速的實況與預(yù)報（單位：m s-1）。圖中黑色、藍色、綠色、紅色、橙色、淺藍色、灰色實線分別示意實況與CTL、SNL12、SNL10、SNL08 和SNL06 試驗Fig. 2 Observed and simulated Lekima’s (a) tracks, (b) errors (units: km) and (c) maximum wind speeds near TC center (Vmax, units: m s-1) from 2000 BJT 8 August 2019 to 2000 BJT 11 August 2019. The black, blue, green, red, orange and light blue lines indicate the observation and simulations for experiments CTL, SNL12, SNL10, SNL08 and SNL06, respectively

根據(jù)上述試驗的分析結(jié)果，臺風路徑和強度模擬最接近實況的SNL10 試驗譜逼近方案為最佳方案，結(jié)合本節(jié)后續(xù)及4.2～4.4 節(jié)分析可知，本個例對于800 hPa 及以上層次譜逼近效果最佳主要是充分發(fā)揮了ECMWF 強迫場對引導(dǎo)氣流及臺風路徑的改進優(yōu)勢和區(qū)域模式對低層臺風結(jié)構(gòu)的解析優(yōu)勢。下文將著重探討超強臺風“利奇馬”嚴重影響浙江期間最佳譜逼近方案對于模式預(yù)報性能的綜合影響。

我們知道，臺風路徑主要受大尺度引導(dǎo)氣流的影響，為進一步理解譜逼近影響臺風路徑的過程，本段分析了控制試驗和最佳方案的引導(dǎo)氣流變化。參照文獻Holland（1984），通過計算距臺風中心500 km 水平范圍以內(nèi)、850 hPa 至300 hPa 垂直層次之間水平風場的平均值來估計臺風引導(dǎo)氣流。分析2019 年8 月9 日08 時至11 日08 時引導(dǎo)氣流演變得到（圖3c）：總體上，控制試驗比最佳試驗的引導(dǎo)氣流偏小，平均偏小0.8 m s-1（2.88 km h-1），最大偏小1.2 m s-1（4.32 km h-1）。分析緯向（圖3a）和經(jīng)向（圖3b）引導(dǎo)氣流可知，8 月10 日14 時之前CTL 試驗路徑移速偏慢和移向偏西主要由經(jīng)向南風引導(dǎo)氣流和緯向東風引導(dǎo)氣流共同偏小引起，而此后移速偏慢則主要由經(jīng)向南風引導(dǎo)氣流偏小導(dǎo)致。結(jié)合下文4.2 節(jié)譜逼近對于高空形勢場的影響分析可知，如圖4a 中紅色實線（綠色虛線）所示，譜逼近后對流層幾乎整層的緯向（經(jīng)向）風場均得到了較好改進，水平風場均方根誤差多降低了20%。換言之，譜逼近技術(shù)有效吸收了ECMWF 模式較大尺度高空形勢場模擬優(yōu)勢改進了對流層整層水平風場及臺風引導(dǎo)氣流的模擬，進而修正了“利奇馬”臺風路徑預(yù)報。

圖3 2019 年8 月9 日08 時至11 日08 時控制試驗CTL（藍色空心園線）和最佳譜逼近試驗SNL10（紅色實心圓線）的（a）緯向（UU）、（b）經(jīng)向（VV）和（c）全風速（UV）引導(dǎo)氣流大小變化（單位：m s-1）。引導(dǎo)氣流由距臺風中心500 km 水平范圍以內(nèi)、850 hPa 至300 hPa 垂直層次之間的水平風場求平均估算（Holland,1984）；圖中灰色垂直實線示意“利奇馬”登陸時刻Fig. 3 The evolution of (a) zonal steering, (b) meridional steering and(c) total steering speed (units: m s-1) from 0800 BJT 9 August to 0800 BJT 11 August 2019, based on the CTL (blue line with open circle)control run and experiment SNL10 (red line with solid circle). The steering flow is defined as the mean horizontal wind averaged within a radius of 500 km from the typhoon centre between 300 and 850 hPa(Holland, 1984). The grey vvertical line denotes the time of Lekima landfall

4.2 對高空形勢場的影響

本節(jié)采用ECMWF 全球模式的分析場（即ECMWF 全球模式的初始場）為基準，逐12 h 計算一次分析場與各試驗預(yù)報風場、溫度、高度及濕度場的均方根誤差和空間相關(guān)系數(shù)來做對比分析，其中ECMWF 分析場通過WRF 模式的前處理模塊插值到區(qū)域模式預(yù)報格點上。

計算D02 區(qū)域內(nèi)所有預(yù)報時效下最佳譜逼近試驗相對控制試驗各評估參數(shù)的平均增量百分比（最佳試驗減去控制試驗的差值除以控制試驗）得到（圖4）：譜逼近后對于對流層整層的要素強度和分布預(yù)報均有較好修正。從均方根誤差增量百分比看（圖4a），譜逼近使得高度場、緯向風、經(jīng)向風、相對濕度和溫度場的均方根誤差多降低了20%以上。各要素對比而言，高度場改進幅度最大，700 hPa 至400 hPa 改進幅度穩(wěn)定在35%左右；其次是經(jīng)向風、緯向風和濕度場，最大改進層次位于對流層中層，改進幅度各達34%、30%和25%；最后是溫度場，多數(shù)層次改進10%左右。空間相關(guān)系數(shù)增量百分比也顯示（圖4b），譜逼近使得各要素的空間分布形態(tài)改善程度多在5%～10%；在垂直方向上，800 hPa 以上層次修正更明顯。值得注意的是，各要素中改進最明顯的是相對濕度，改進率多在20%以上。我們知道，臺風移動主要受850 hPa 至200 hPa 層次氣流的引導(dǎo)，這些層次包括風場在內(nèi)的形勢場改進與前文臺風引導(dǎo)氣流以及臺風路徑修正是一致的。

圖4 所有預(yù)報時效下最佳譜逼近試驗SNL10 相對控制試驗CTL 各要素模擬（a）均方根誤差和（b）空間相關(guān)系數(shù)的平均增量百分比（最佳試驗減去控制試的差值除以控制試驗）D02 區(qū)域平均垂直廓線。圖中紅線、綠線、藍線、橙線和紫線分別示意緯向風、經(jīng)向風、高度場、溫度場和相對濕度Fig. 4 Vertical profiles of average increment percentagesof (a) root mean square error (RMSE) and (b) spatial correlation coefficient (SPCC) for meteorological elements between the SNL10 experiment and the control run (the former minus the latter and then divided by the latter) during all lead times over D02. The red, green, blue, orange and purple lines indicate the zonal wind, meridian wind, geopotential height, temperature, and relative humidity from both observation and simulation experiments (CTL, SNL12, SNL10, SNL08 and SNL06), respectively

4.3 對10 m 風預(yù)報的影響

地面10 m 風是評估臺風預(yù)報能力的一個重要方面，且由于風矢量的瞬變特征以及受局地地形等要素影響明顯，也是預(yù)報中的難點。結(jié)合業(yè)務(wù)預(yù)報中最為關(guān)注的極大風，下文通過“利奇馬”影響過程極大風速實況和各試驗逐小時預(yù)報10 m 風的對比來評估譜逼近方案的影響。對比2019 年8 月9日20 時至8 月10 日20 時10 m 極大風實況和各試驗?zāi)M逐1 h 的10 m 風速最大值空間分布顯示（圖5）：各試驗?zāi)芑绢A(yù)報出臺風大風的空間分布特征，內(nèi)陸風力預(yù)報存在普遍高估，而沿海風力存在低估。譜逼近后，浙西南內(nèi)陸（圖中黑色方框所示）風速高估得到較好訂正（圖5c），沿海地區(qū)尤其是浙北沿海海面風力低估得到普遍修正。全省平均而言，譜逼近前后風速均方根誤差從5.04 m s-1降到4.42 m s-1，相關(guān)系數(shù)則從0.85 升到0.89，分別改進12.3%和5%。即最佳譜逼近試驗10 m 風力預(yù)報更接近實況，更具參考價值。

圖5 2019 年8 月9 日20 時至8 月10 日20 時10 m 高度極大風實況和各試驗?zāi)M逐1 h 的最大10 m 風速的對比（單位：m s-1）：（a）實況；（b）控制試驗CTL；（c）最佳譜逼近試驗SNL10。圖中黑色方框（30°N～31°N, 119.2°E～121°E）示意差異較明顯的浙西南地區(qū)Fig. 5 The observed extreme wind speed and simulated maximum hourly wind speed at 10 m above surface (units: m s-1) from 0800 BJT 9 August to 0800 BJT 11 August 2019: (a) Observations; (b) CTL; (c) SNL10. The black rectangle (30°N-31°N, 119.2°E-121°E) in each panel denotes the southwest region of Zhejiang Province (SWR), wherein the major wind and precipitation differences occur between CTL experiment and SNL10 experiment

2019 年8 月9 日20 時至8 月10 日20 時逐3 h各試驗?zāi)M的10 m 風評估表明，各試驗對于全省風力預(yù)報時間演變有較好參考價值，譜逼近對大多數(shù)時刻的風力預(yù)報強度和分布都有改善。逐3 h 均方根誤差變化顯示（圖6a），大多數(shù)時刻譜逼近試驗的均方根誤差均小于控制試驗，平均而言，均方根誤差從4.70 m s-1減低至4.30 m s-1，誤差改進了8.5%。同樣，逐3 h 空間相關(guān)系數(shù)變化給出（圖6b），譜逼近后“利奇馬”臺風風力的分布得到基本改善，平均相關(guān)系數(shù)從0.80 提升到了0.83，改善率為3.7%，最大改善率達10%。此外，進一步分析8 級（≥17.2 m s-1）以上的大風累計檢驗評分也看到（圖6c-d），譜逼近試驗提升了絕大多數(shù)時刻的統(tǒng)計評分，平均TS（ETS）從0.61（0.53）增加到了0.65（0.57），改進率為6.1%（8.0%），最大改進率達15.3%（20.8%）。

圖6 2019 年8 月9 日20 時至8 月10 日20 時逐3 h 控制試驗（藍柱）和最佳譜逼近試驗（紅柱）模擬10 m 風的（a）均方根誤差和（b）空間相關(guān)系數(shù)以及8 級以上大風（≥17.2 m s-1）的（c）TS 和（d）ETS 評分Fig. 6 The comparison of the (a) RMSE, (b) SPCC, (c) threat score (TS), and (d) equitable threat score (ETS) of wind speed at 10 m above surface(units: m s-1) from 0800 BJT 9 August to 0800 BJT 10 August 2019 between CTL (blue bar) and SNL10 (red bar) experiment. Strong wind is verified with the threshold of 17.2 m s-1 in (c and d)

結(jié)合臺風風力結(jié)構(gòu)知道，臺風大風圈是導(dǎo)致地面10 m 強風的直接原因，譜逼近后浙江省“利奇馬”風力預(yù)報改進主要與其路徑及大風圈修正有關(guān)。譜逼近后“利奇馬”路徑明顯向東修正使得相應(yīng)強風區(qū)隨之東移，浙西南地區(qū)因為遠離了臺風中心實現(xiàn)了高估風力的修正；同時，強風區(qū)的東移使得浙江近海靠近了臺風中心實現(xiàn)了低估風力的改善。

4.4 對降水預(yù)報的影響

圖7 給 出了2019 年8 月8 日20 時 至8 月11日20 時的72 h 累計過程雨量實況和模擬。從降水實況可知（圖7a），“利奇馬”造成的浙江降水中心主要有7 個代表站，分別是浙東的括蒼山（KC）和石梁鎮(zhèn)（SL），浙西北的江南天池（JN）和照君巖（ZJ），還有浙西南的下西坑村（XX)、石屏村（SP）和鄭地村（ZD）。結(jié)合圖1b 地形分布可知，上述降水中心與浙江括蒼山、天臺山、天目山、千里崗、仙霞嶺、洞宮山等山脈相聯(lián)系，可見地形對于“利奇馬”臺風降水增幅有重要影響（Smith et al., 2009; Dong et al., 2010; 段晶晶等,2017）。對比兩個試驗可見（圖7b、c）：伴隨臺風路徑的修正，譜逼近將控制試驗的雨區(qū)整體往東修正，特別是原來控制試驗在浙西南地區(qū)（黑色方框所示）及其3 個降水中心的高估降水得到了顯著修正，降水預(yù)報更加接近實況。定量統(tǒng)計也得到，控制試驗、最佳譜逼近試驗與實況的相關(guān)系數(shù)（均方根誤差）分別為0.48（124.62 mm）和0.73（86.38 mm），即譜逼近后相關(guān)系數(shù)（均方根誤差）的改進率達52.1%（30.7%）。強降水累加統(tǒng)計檢驗分析得到，100 mm 以上降水的TS（ETS）評分從0.69（0.12）提高至0.82（0.49），增幅率18.8%（308.3%）；250 mm 以上降水的TS（ETS）評分也由0.34（0.22）增高至0.48（0.39），改進率為44.1%（77.3%）。

圖7 2019 年8 月8 日20 時至8 月11 日20 時72 h 累計降水的實況和模擬（單位：mm）：（a）實況；（b）控制試驗；（c）最佳譜逼近試驗。黑色方框示意同圖5；點圈標記及字符標識同圖1bFig. 7 The comparison of 72 h accumulated precipitation (units: mm) from 2000 BJT 8 August 2019 to 2000 BJT 11 August 2019: (a) Observation;(b) CTL; (c) SNL10. The black rectangle is the same as in Fig.5, while the marks and texts of stations are the same as in Fig.1b

分析臺風影響期間浙江逐24 h 累計降水變化顯示，譜逼近試驗對于降水的主要改進發(fā)生在8月9 日20 時至8 月10 日20 時最強24 h 累計降水時段。分析降水實況及各試驗?zāi)M誤差顯示（圖略），譜逼近后浙西南地區(qū)降水高估得到顯著改進，其中石屏村（SP）的降水改進幅度超過300 mm。全省統(tǒng)計平均得到：譜逼近后均方根誤差從87.40 mm 降至62.46 mm，減少率28.5%；空間相關(guān)系數(shù)也從0.43 升至0.76，增幅比為76.7%。降水分級累加檢驗結(jié)果表明（圖8）：譜逼近對于大雨以上降水均有明顯改進。其中暴雨（大暴雨）以上級別的TS 評分從0.76（0.48）增加到0.85（0.65），改進率為11.8%（26.2%）。類似的，大雨、暴雨、大暴雨ETS 評分各提升了0.25、0.37 和0.25。

圖8 控制試驗（藍柱）和最佳譜逼近試驗（紅柱）對2019 年8 月9 日20 時至8 月10 日20 時閾值為0.1 mm，10 mm，25 mm，50 mm和100 mm 的各量級24 h 累計降水預(yù)報評分對比：（a）TS；（b）ETS 評分Fig. 8 The comparison of the (a) TS, (b) ETS of 24 h accumulated rainfall with the thresholds of 0.1 mm, 10 mm, 25 mm, 50 mm and 100 mm from 2000 BJT 9 August to 2000 BJT 10 August 2019 between the CTL (blue bar) and SNL10 (red bar) experiments

評估各試驗登陸期間（2019 年8 月9 日20 時至8 月10 日20 時）逐3 h 累計降水演變看到：與風力相似，譜逼近對絕大多數(shù)時次短時降水預(yù)報有明顯改進（圖略），對于“利奇馬”臺風期間的最強3 h 短時降水改進顯著。譜逼近后所有時次的均方根誤差都有下降，最大降幅出現(xiàn)在最強3 h 降水發(fā)生階段——即臺風剛剛登陸后的10 日02 時至05 時，均方根誤差從30.98 mm 降至24.51 mm，登陸期間平均RMSE 從20.80 mm 降到17.98 mm。逐3 h 空間相關(guān)系數(shù)的變化表明譜逼近改進了絕大多數(shù)時刻降水的空間分布，最強3 h 降水SPCC 從0.11 提 升 至0.48，平 均SPCC 從0.34 升 至0.55。短時降水累加檢驗結(jié)果也表明：譜逼近對絕大多數(shù)時刻的短時降水預(yù)報性能有提升作用。短時暴雨以上級別的平均TS（ETS）評分從0.29（0.13）增加到0.35（0.20），其 中10 日05 時 最 強3 h 降 水TS（ETS）評分從0.34（0.07）增至0.45（0.24）。

如前所述，譜逼近對浙西南降水高估改進顯著。針對登陸期間（2019 年8 月9 日20 時至8 月10日20 時）浙西南地區(qū)3 個降水中心下西坑村（XX，圖9a）、石屏村（SP，圖9b）和鄭地村（ZD，圖9c）單站逐1 h 降水實況和模擬的演變分析也得到，譜逼近后降水更加接近實況，動力譜逼近技術(shù)提升了“利奇馬”的精細降水預(yù)報性能。降水演變顯示，譜逼近對大多數(shù)時次降水預(yù)報有明顯改進，控制試驗降水高估得到修正。3 站均方根誤差從15.7 mm、23.7 mm 和15.6 mm 下降至7.6 mm，9.1 mm和7.3 mm，下降幅度約一半。此外，單站降水隨時間的演變趨勢也多是正效應(yīng)，3 站平均改進率為28.3%。

圖9 2019 年8 月9 日20 時至8 月10 日20 時各試驗副降水中心逐1 h 累計降水模擬（藍色空心園線示意CTL，紅色實心圓線示意最佳試驗SNL10）和實況（黑色實線）：（a）下西坑村（XX）；（b）石屏村（SP）；（c）鄭地村（ZD）。圖注中各模擬試驗名稱后的數(shù)值依次表示該站點1 h 降水預(yù)報的均方根誤差（單位：mm）和相關(guān)系數(shù)Fig. 9 Hourly evolution of the observed (black line) and simulated 1 h accumulated precipitation (blue line: experiment CTL; red line: SNL10;units: mm) at rainfall centers from 0800 BJT 9 August to 0800 BJT 11 August 2019: (a) XX; (b) SP; (c) ZD. The values behind the name of the test in the legend denote the RMSE and CC of each experiment in order

浙西南降水高估的改進過程如何？一方面，與10 m 風類似，臺風路徑修正是降水改進的前提，臺風位置的東調(diào)使得臺風強雨區(qū)大體東調(diào)。但浙西南降水中心的位置卻不變，說明浙西南山地的局地抬升作用對于降水增幅有重要貢獻（鈕學新等,2005; 冀春曉等, 2007）。分析2019 年8 月9 日20時至8 月10 日20 時平均的雷達組合反射率因子觀測和各試驗預(yù)報表明（圖略），譜逼近對控制試驗高估的雷達組合反射率因子進行了訂正，與觀測更為接近。與降水類似，下西坑村（XX)、石屏村（SP）和鄭地村（ZD）3 站也是雷達組合反射率因子的相對高值中心。過下西坑村（XX）和鄭地村（ZD）的雷達反射率因子、水平風場和垂直速度的垂直剖面看到（圖10）：總體上，控制試驗的低層風速強于譜逼近試驗，不難推論，由地形迎風坡抬升作用引起的上升作用也更強（Wu et al.,2002; 董美瑩等, 2011），形成雨水水凝物更多，易導(dǎo)致地面降水高估。比如，控制試驗中下西坑村（XX）站附近低層最大的雷達反射率因子達40 dBZ（圖10a），而譜逼近后只有32 dBZ（圖10b）；前者28 dBZ的反射率因子伸展至4 km 高度，后者不到2 km。

圖10 各試驗?zāi)M2019 年8 月9 日20 時至8 月10 日20 時逐小時雷達基本反射率因子（單位：dBZ）和風場 [矢量，沿剖面方向的水平風（單位：m s-1）和垂直風（單位: 0.2 m s-1）] 的24 h 時間平均沿浙西南副降水中心附近（圖1b 中藍線AB）垂直剖面：（a）控制試驗CTL；（b）最佳譜逼近試驗SNL10。橫坐標上黑色三角形標示下西坑村（XX）、石屏村東北側(cè)（SP_NE）和鄭地村（ZD）附近的位置Fig. 10 Vertical cross sections of the simulated 24 h mean basic reflectivity factor (shaded, units: dBZ), horizontal wind along AB blue line in Fig.1b (vector, units: m s-1) and vertical velocity (vector, units:0.2 m s-1) from the simulated experiments (a) CTL and (b) SNL10.Black triangle represents the vicinity of XX station, the north-east of SP station and ZD station

分析單站要素變化有助于進一步了解譜逼近的改進過程。對石屏村（SP）單站各物理量垂直廓線分析顯示（圖11）：由于臺風路徑的修正，譜逼近后對流層中低層水平風場全風速普遍低于控制試驗（圖11a），例如在2 km 高度的極大值為23 m s-1，比控制試驗低了6 m s-1。根據(jù)地形強迫垂直運動的形成原理，如圖11b，c 所示，近地層風速降低會導(dǎo)致水平輻合和垂直上升運動的減弱；從而形成水凝物減少，即雷達反射率因子的整體降低（圖11d），在5 km 高度以下各層次，譜逼近試驗的雷達反射率因子比控制試驗約低了8 dBZ；最終使得降水高估得到了改進。

5 結(jié)論和討論

為改進高分辨率區(qū)域數(shù)值天氣預(yù)報模式性能，本文基于高質(zhì)量的ECMWF 全球預(yù)報模式產(chǎn)品和動力譜逼近方法技術(shù)優(yōu)勢，著重探討了ECMWF驅(qū)動場水平風場譜逼近對超強臺風“利奇馬”路徑、強度以及浙江精細化風雨預(yù)報性能的影響。得出以下初步認識：

（1）動力譜逼近對于臺風強度影響較小，對于路徑預(yù)報修正明顯。譜逼近對18 h 至72 h 的“利奇馬”臺風路徑預(yù)報有較好改善，72 h 平均路徑誤差比控制試驗減小約35 km（改進率約48.5%），逐小時路徑誤差最多可降80 km；不同邊界層垂直層次譜逼近的改進效果有一定差異，總體上模式層第10 層及以上（約800 hPa 高度）譜逼近試驗路徑和強度預(yù)報最佳。譜逼近對于浙江省境內(nèi)路徑的明顯改進是通過同時修正南風和東風引導(dǎo)氣流的低估來訂正了移速偏慢和移向偏西誤差。

（2）譜逼近對于對流層整層的要素強度和分布預(yù)報均有較好訂正。對于各要素的均方根誤差改進率多在20%以上，最大改進層次位于對流層中層，其中高度場、緯向風和經(jīng)向風的改進率在30%以上；各要素空間相關(guān)性的增幅率多在5%～10%，800 hPa 以上層次更明顯，其中相對濕度改進最明顯，增幅率多在20%以上。這些改進與臺風引導(dǎo)氣流修正相一致。

（3）譜逼近對于浙江“利奇馬”過程極大風和風力演變有明顯改善作用。一方面，譜逼近使得浙江內(nèi)陸特別是浙西南地區(qū)的風速高估和沿海地區(qū)尤其是浙北沿海風力低估都得到較好訂正，譜逼近后風速均方根誤差和相關(guān)系數(shù)分別改進幅度為12.3%和5%。另一方面，譜逼近對逐3 h 預(yù)報的10 m 風強度和分布都有改進，其中8 級（≥17.2 m s-1）以上的大風累計檢驗TS（ETS）評分平均改進率為6.1%（8.0%），最大改進達15.3%（20.8%）。10 m 風精細分布的改進主要源自譜逼近對臺風路徑及大風圈的修正。

（4）譜逼近對于浙江“利奇馬”過程累計降水、最強日降水、3 h 累計降水乃至浙西南地區(qū)降水中心的小時降水均有明顯改進。過程累計降水、最強日降水、3 h 累計降水的均方根誤差改進幅度多在25%以上，暴雨以上強降水的TS（ETS）評分改進幅度可達20%；對于浙西南地區(qū)3 個降水中心單站小時降水的高估有顯著修正，3 站均方根誤差均下降了約一半，平均改進率為55.5%。浙西南地區(qū)“利奇馬”精細化降水的改進與譜逼近后臺風路徑和強度修正、近地層高估風力訂正及浙西南山地的局地降水增幅作用減弱有關(guān)。

綜合上述分析，梳理譜逼近改進“利奇馬”（2019）臺風精細化預(yù)報的主要物理過程如下（圖12）：首先，水平風場動力譜逼近修正了對流層整層的各要素分布和強度。然后，一方面，各要素預(yù)報改進訂正了臺風引導(dǎo)氣流和近地面風場，進而改進了臺風路徑、強度和大風圈，最終修正了地面10 m 風場預(yù)報；另一方面，各要素預(yù)報也改進了降水環(huán)境場條件，結(jié)合臺風路徑、強度預(yù)報和近地面風場等修正，使得浙西南地區(qū)及降水中心附近局地的地形強迫輻合作用減弱、強迫上升運動減弱和水凝物形成減少，最終訂正了地面高估降水。

圖12 動力譜逼近對臺風精細化預(yù)報的改進過程Fig. 12 The improvement process of typhoon fine prediction through dynamical spectral nudging technique

本文研究進一步驗證了譜逼近技術(shù)在短期天氣高分辨區(qū)域數(shù)值預(yù)報業(yè)務(wù)中的較好應(yīng)用價值（Cha and Wang, 2013; 王淑莉等, 2016; 董美瑩等, 2019）。本研究一方面是譜逼近技術(shù)在臺風高影響天氣精細化數(shù)值預(yù)報適用性的深入探究，另一方面是對ECMWF 全球預(yù)報模式分析及預(yù)報資料應(yīng)用的進一步挖掘。然而，本研究是個例研究結(jié)果，上述結(jié)論有待更多預(yù)報試驗的開展驗證。此外，譜逼近方案中關(guān)鍵參數(shù)設(shè)計對于不同天氣系統(tǒng)可能有所差異，這些工作有待后續(xù)研究開展。