2019年西北太平洋和南海臺風預報精度評定*

陳國民 張喜平 楊夢琪 白莉娜 萬日金

中國氣象局上海臺風研究所，上海 200030

提 要： 對2019年西北太平洋和南海海域臺風定位和定強、路徑預報、強度預報及登陸點預報精度進行評定，結果表明2019年臺風定位總平均誤差為24.7 km，定強總平均誤差為2.5 m·s-1，兩者同比2018年均略偏大。預報時效在72 h以內的主觀和客觀臺風路徑預報性能自2013年以來并沒有實質性改進，2019年部分預報方法的路徑預報極端誤差平均值是各自年平均誤差的2.1～3.9倍。中央氣象臺3 d以內的強度預報效果優于其他官方臺風預報機構。2019年各官方臺風預報機構較成功地預報出了臺風利奇馬在浙江溫嶺和山東青島，以及臺風白鹿在臺灣屏東和福建東山的登陸點。

引 言

2019年西北太平洋和我國南海海域共有29個編號臺風生成，較常年(1981—2010年氣候平均值為25.5個)略偏多。29個臺風中，生命史最大強度達到熱帶風暴級、強熱帶風暴級、臺風級、強臺風級和超強臺風級的臺風個數分別為8、4、5、6和6個，其中有6個登陸我國，登陸個數較常年(1981—2010年氣候平均值為7.2個)偏少1.2個。6個登陸臺風強度總體偏弱，但超強臺風利奇馬于2019年8月10日01：45前后在浙江省溫嶺市沿海登陸時，臺風中心附近最大風力達到16級(52 m·s-1)，中心最低氣壓低至930 hPa，是2019年登陸我國最強臺風，也是自1949年以來登陸浙江的第三強臺風(李瑩等，2020)。

隨著我國社會經濟不斷發展，各界對臺風路徑、強度和登陸點預報精度的要求也不斷提升。及時對西北太平洋臺風的路徑強度的預報性能進行總結和分析，可為科研人員改進預報方法和預報決策機構開展防災減災提供科學依據。本文綜述了2019年西北太平洋及我國南海29個臺風的定位和定強精度以及路徑、強度、登陸點的預報精度。

為確保精度評定標準的一致性，與前人的精度評定工作(陳國民等，2012；2013；2015；2017；2018；2019；陳國民和曹慶，2014；湯杰等，2011；占瑞芬等，2010)相同，本文采用中國氣象局上海臺風研究所整編的臺風最佳路徑數據(中國氣象局熱帶氣旋資料中心，http:∥tcdata.typhoon.org.cn/index.html；Ying et al, 2014)作為臺風精度評定中臺風位置、強度和登陸點信息的真值。臺風預報精度評估中的樣本篩選以及路徑、強度和登陸點誤差計算標準均以最新出版的《臺風業務和服務規定》(中國氣象局，2012)作為參考。

1 臺風定位和定強精度

表1是2019年中央氣象臺、日本氣象廳、美國聯合臺風警報中心、香港天文臺和韓國氣象廳五個官方機構以及北京衛星實時定位方法的全年平均定位和定強誤差。2019年，6個定位方法的總平均定位誤差為24.7 km，較2018年(17.6 km)偏大7.1 km，其中平均定位誤差最小的是中央氣象臺，達到了17.5 km；2019年全年總平均定強誤差為2.5 m·s-1，較2018年(1.8 m·s-1)略偏大，定強誤差最小的為中央氣象臺，達到了1.3 m·s-1。

表1 2019年各方法對29個臺風的平均定位和定強誤差

近年來，中央氣象臺的全年平均定位誤差能穩定維持在20 km左右，但是在以下幾種情況下仍存在定位偏差較大的現象(圖1a)：首先是對于部分遠海生成的臺風，業務定位主要基于衛星云圖，而生成初期的臺風強度較弱、結構松散，業務定位難度較大，容易出現定位誤差偏大的情況；其次是對于部分進入到中高緯海域的臺風，由于中高緯垂直風切變較大，臺風低層中心往往被高層云系遮蓋，也會影響業務定位的準確性。

圖1 中央氣象臺對2019年29個臺風的定位誤差(a)和定強誤差(b)分布

對于定強誤差而言，2019年中央氣象臺業務定強明顯偏弱的樣本主要出現在遠海海域，定強明顯偏強的樣本則集中出現在1909號超強臺風利奇馬、1908號強臺風范斯高、1915號強臺風法茜及1928號超強臺風北冕四個臺風中，其中“北冕”和“范斯高”部分時次的定強偏差超過了10 m·s-1(圖1b)。

2 臺風路徑預報誤差

2.1 確定性預報誤差

2019年國內外各類官方臺風主觀預報方法24、48、72、96和120 h平均路徑預報誤差(圖2)和樣本數信息列于表2。橫向比較五個官方臺風預報機構的路徑預報誤差可以發現，24 h 平均路徑預報誤差最小的機構是美國聯合臺風警報中心，為84.0 km；而48、72、96和120 h平均路徑預報誤差最小的機構均為日本氣象廳，分別為141.4、207.2、268.1和365.7 km。進一步通過同樣本比較(表3)發現，日本氣象廳對于4 d以內的臺風路徑預報誤差是最小的，而120 h路徑預報誤差最小的是韓國氣象廳。縱向比較五個官方臺風主觀預報機構自2006年以來在24、48和72 h臺風路徑預報性能趨勢(圖2)可以發現，2019年官方臺風預報機構3 d以內的路徑預報性能相較于2018年明顯下降，24、48和72 h平均路徑預報誤差比2018年分別增加了5～10、15～25和10～30 km。從圖2a～2c也可以看出，五個官方臺風主觀預報機構自2013年以來對3 d以內的西北太平洋臺風路徑預報性能并沒有明顯改善。

表2 2019年主觀路徑預報方法平均路徑誤差

圖2 2007—2019年24 h(a,d)、48 h(b,e)和72 h(c,f)的臺風路徑預報誤差趨勢(a,b,c)官方臺風預報機構，(d,e,f)全球和區域模式

表4給出的是2019年客觀預報方法(包括全球模式和區域模式)平均路徑預報誤差統計信息。美國國家大氣環境研究中心全球預報系統(National Centers for Environmental Prediction-Global Forecast System，NCEP-GFS)、歐洲中期天氣預報中心綜合預報系統(European Centre for Medium-Range Weather Forecasts-Integrated Forecast System，ECMWF-IFS)、英國數值、日本數值、韓國全球資料同化和預報系統(Global Data Assimilation and Prediction System, GDAPS)這五個全球模式24、48、72、96和120 h的平均路徑誤差區間分別在73.3～96.6、124.1～179.0、182.7～260.5、249.7～355.3和281.7～454.4 km。從表4中可以發現2019年各全球模式的預報性能差距非常大，24、48、72、96和120 h平均路徑預報誤差最小值和最大值的差距分別達到23.3、54.9、77.8、105.6和172.7 km。進一步通過各全球模式之間的同樣本比較(表3)后發現(韓國GDAPS樣本數較少，本文并未將其納入全球模式的同樣本比較表格內)，24 h的路徑預報誤差最小的是NCEP-GFS，日本數值則在預報時效為48 h和72 h上的路徑預報誤差是最小的，而較長時效(96 h和120 h)的預報誤差最小的是ECMWF-IFS。此外，從表3中還可以發現，日本數值雖然在48 h和72 h上的預報性能較優，但4 d及以上長時效的路徑預報性能與ECMWF-IFS、英國數值和NCEP-GFS相比仍有較大差距。

區域模式的非同樣本比較結果表明(表4)，上海臺風模式在24、48和72 h的平均路徑預報誤差是最小的，分別為75.8、133.5和213.4 km；而同樣本比較結果則表明(表3)，24 h和48 h平均路徑預報誤差最小的區域模式是廣州數值，72 h路徑預報表現最好的為上海臺風模式。

表3 2019年各預報方法平均路徑誤差同樣本比較

表4 同表2， 但為客觀路徑預報方法

圖2d、2e和2f分別展示的是全球和區域模式自2008年以來24、48和72 h平均路徑預報誤差的趨勢。可以看出無論全球還是區域模式，自2012年以來其24、48和72 h的平均誤差基本都突破100、200和300 km的整數關口。但與官方主觀臺風預報機構類似的是，從2013年起，各模式對于3 d以內的臺風路徑預報性能也沒有實質性的改進。

2019年，雖然大部分官方臺風預報機構、全球模式和區域模式的24、48和72 h平均路徑預報誤差能分別達到100、180和250 km以下，但各預報方法仍存在個別預報樣本異常偏大的現象。圖3展示的是2019年各預報方法24、48和72h路徑預報全年平均誤差和5%極端誤差樣本的誤差平均值對比，可以看到各預報方法在上述3個預報時效中的路徑預報的極端誤差平均值是各自年平均誤差的2.1～3.9倍。可以預期的是，有效減少各預報方法極端誤差出現的頻次或降低極端誤差數值，能在一定程度上減小各方法的年平均誤差值。

圖3 2019年各預報方法24 h(a)、48 h(b)和72 h(c)路徑預報全年平均誤差和5%極端誤差樣本的誤差平均值對比

2.2 集合預報誤差

近年來，集合預報系統在臺風預報業務中得到了廣泛應用，臺風路徑集合預報的精度也有了顯著的提高(Leonardo and Colle, 2017)。圖4展示的是歐洲中期天氣預報中心集合預報系統(ECMWF-EPS)、日本氣象廳全球集合預報系統(JMA-GEPS)、加拿大氣象局集合預報系統(MSC-CENS)、美國國家環境預報中心全球集合預報系統(NCEP-GEFS)、英國氣象局集合預報系統(UKMO-EPS)和上海臺風研究所臺風集合預報系統(STI-TEDAPS)對2019年西北太平洋29個臺風的集合平均路徑預報誤差結果。當預報時效在48 h以內(含48 h)時，NCEP-GEFS、ECMWF-EPS和STI-TEDAPS三個集合預報系統所表現出的集合平均路徑預報誤差最小；當預報時效在60～72 h時，ECMWF-EPS和STI-TEDAPS的集合平均路徑預報誤差最小；而當預報時效達到3 d以上時，UMKO-EPS、JMA-GEPS和ECMWF-EPS成為了路徑預報性能最好的三個集合預報系統。

陳國民等(2018)利用雙向分位圖分析了集合預報系統中的臺風路徑預報集合離散度和路徑預報誤差。雙向分位圖基于傳統的散點圖，通過對X軸方向上的集合路徑誤差和Y軸方向上的集合離散度數據進行百分位分析后所繪制。圖5是2019年六個集合預報系統不同預報時效的臺風路徑預報集合離散度和路徑預報誤差雙向分位分析圖。六個集合預報系統對2019年全部29個臺風的路徑預報的主要特點表現如下：以ECMWF-EPS(圖5a)和JMA-GEPS(圖5b)為代表的集合預報系統，隨著預報時效的遞增，其集合離散度和集合路徑誤差的中位數幾乎相當；而NCEP-GEFS(圖5c)、UKMO-EPS(圖5d)和STI-TEDAPS(圖5f)這三個集合預報系統，隨著預報時效的增加，集合路徑誤差的中位數會逐漸超過集合離散度的中位數值；對于MSC-CENS(圖5e)而言，78 h之內的集合離散度的中位數值隨著預報時效的增加會逐漸小于集合路徑誤差中位數值，但當預報時效78 h之后，集合離散度的中位數值會大幅度超過集合路徑誤差的中位數值。

圖5 2019年六個集合預報系統臺風路徑預報集合離散度和路徑預報誤差雙向分位分析圖(a)ECMWF-EPS，(b)JMA-GEPS，(c)NCEP-GEFS，(d)UKMO-EPS，(e)MSC-CENS，(f)STI-TEDAPS

當集合路徑誤差大于(小于)集合離散度時，一般認為集合預報系統低估(高估)了臺風路徑預報的不確定性。因此，整體而言，NCEP-GEFS、UKMO-EPS和STI-TEDAPS三個集合預報系統在一定程度上低估了2019年西北太平洋臺風路徑的不確定性。MSC-CENS則在短預報時效上低估了臺風路徑預報的不確定性，卻在長預報時效上高估了臺風路徑預報的不確定性。

表5給出的是2019年全年各集合預報方法70%概率橢圓命中率統計結果。70%概率橢圓命中率計算的是集合預報系統各集合成員每一次預測的臺風位置的70%概率橢圓是否覆蓋到觀測的臺風實際位置(即臺風最佳路徑位置)，最終計算70%概率橢圓覆蓋到臺風實際位置的次數占全年總樣本的百分比(Zhang and Yu, 2017)。表5表明，2019年24～96 h各集合預報方法中70%概率橢圓命中率最高的是ECMWF-EPS，而JMA-GEPS是120 h概率橢圓命中率最高的集合預報方法。各預報時效中，最高的70%概率橢圓命中率基本能接近或超過75%，這意味著2019年即便是最好的臺風集合路徑預報系統預測的結果依然有近四分之一的預報樣本整體會偏離觀測到的臺風實際位置。

表5 2019年各集合預報方法70%概率橢圓命中率

3 臺風強度預報誤差

表6列出了2019年主觀預報方法強度(近臺風中心地面最大風速，下同)預報的平均絕對誤差、平均均方根誤差統計結果。需要指出的是，由于上海臺風研究所制定的西北太平洋臺風最佳路徑采用2 min 平均風速來表征臺風強度，而日本氣象廳和美國聯合臺風警報中心分別采用10 min和1 min平均風速來表征臺風強度，因此在進行臺風強度預報精度評估之前，已按照世界氣象組織發布的臺風條件下風速轉換系數(Harper et al，2010)，將日本氣象廳和美國聯合臺風警報中心發布的臺風風速預報結果轉成了2 min平均風速。表6顯示中、美、日、韓和香港五個官方臺風預報機構24、48、72、96和120 h強度預報的平均絕對誤差，其范圍區間分別在3.9～5.3、5.4～6.6、6.4～7.7、6.7～7.8和5.9～7.1 m·s-1。其中，24、48、72及120 h強度預報平均絕對誤差最小的機構均為香港天文臺，96 h強度預報平均絕對誤差最小的機構是韓國氣象廳。

表6 2019年主觀預報方法強度預報誤差

表7給出的是2019年全球模式和區域模式強度預報誤差統計情況，該表統計的是各模式所有的預報樣本，即非同樣本比較。從表7中可以看到NCEP-GFS是24、48和72 h強度平均絕對誤差最小的預報方法，分別達到5.0、6.0和6.8 m·s-1；ECMWF-IFS則分別以7.1 m·s-1和7.5 m·s-1成為了96 h和120 h這兩個長預報時效上強度平均絕對誤差最小的模式。區域模式中，GRAPES-TCM和HWRF是強度預報性能最好的兩個模式。

表7 同表6，但為客觀預報方法

通過強度預報誤差同樣本比較(表8)后發現，中央氣象臺以3.6 m·s-1和4.9 m·s-1的誤差值成為24 h和48 h強度預報平均絕對誤差最小的預報機構；96 h和120 h強度預報平均絕對誤差最小的機構是韓國氣象廳，分別為6.6 m·s-1和6.0 m·s-1；而中、韓兩個機構以7.1 m·s-1的平均絕對誤差成為了72 h強度預報平均絕對誤差最小的兩家機構。全球模式的強度預報同樣本比較結果基本與非同樣本比較結果基本一致(表8)，即3 d內(包括3 d)和3 d以上的強度預報性能最好的全球模式分別為NCEP-GFS和ECMWF-IFS。此外，日本數值在24 h和120 h兩個預報時效上的強度預報性能也較為優秀。區域模式的強度預報同樣本比較也表明GRAPES-TCM和HWRF在不同預報時效上的強度預報性能互有優勢。

表8 2019年各預報方法強度平均絕對誤差同樣本比較

近年來，官方臺風預報機構的24 h臺風主觀強度預報性能并沒有特別明顯的改進(圖6a)，但48 h和72 h臺風主觀強度預報性能自2017年起有了一定程度的改善(圖6b和6c)。臺風主觀強度預報能力的提升，主要得益于不斷改進的全球和區域模式對于臺風強度模擬性能的逐年提升(圖6d～6f)。

圖6 同圖2，但為臺風強度

4 臺風登陸點預報誤差

2019年共有6個臺風登陸我國，分別為熱帶風暴木恩(1904)、熱帶風暴韋帕(1907)、超強臺風利奇馬(1909)、強熱帶風暴白鹿(1911)、熱帶風暴劍魚(1914)和臺風米娜(1918)。其中“韋帕”和“利奇馬”3次登陸我國，“白鹿”2次登陸我國，其余4個臺風均登陸我國1次。

表9列出了2019年國內外各類臺風主觀預報方法24 h登陸點誤差。2019年，中央氣象臺除了“利奇馬”在山東濰坊、“韋帕”在海南文昌和廣西防城港的24 h登陸點誤差大于200 km以外，其余登陸點的24 h登陸誤差均小于100 km。總體而言，主觀預報方法對于“利奇馬”在浙江溫嶺和山東青島，“白鹿”在臺灣屏東和福建東山的登陸點預報效果較好，而對于“利奇馬”在山東濰坊，“韋帕”在廣西防城港的登陸點預報誤差較大。

表9 2019年主觀預報方法24 h登陸點誤差統計(單位： km)

表10是2019年國內外各類臺風客觀預報方法24 h登陸點誤差。與主觀預報方法相似，NCEP-GFS、ECMWF-IFS、英國數值和日本數值這四個全球模式對于“利奇馬”在浙江溫嶺和山東青島，“白鹿”在臺灣屏東和福建東山的登陸點預報誤差較小，這四個登陸點的24 h登陸誤差都在90 km以下。上海臺風模式、廣州數值、GRAPES-TCM、GRAPES-TYM和HWRF五個區域模式則對“韋帕”在廣東湛江，“白鹿”在臺灣屏東和福建東山的登陸點預報誤差較小。

5 結 論

本文對2019年西北太平洋及我國南海海域臺風定位精度及路徑、強度和登陸點預報精度進行了評定，主要結論如下：

(1)中央氣象臺、日本氣象廳、美國聯合臺風警報中心、香港天文臺和韓國氣象廳五個官方機構以及北京衛星實時定位方法的全年總平均定位和定強誤差分別為24.7 km和2.5 m·s-1，分別較2018年偏大7.1 km和0.7 m·s-1。

(2)2013年以來，官方主觀臺風預報機構和各類模式對于3 d以內的臺風路徑預報性能并沒有實質性的改進。2019年，部分預報方法路徑預報在24、48和72 h極端誤差平均值是各自年平均誤差的2.1～3.9倍。

(3)2019年，ECMWF-EPS在各預報時效上的集合平均路徑誤差整體較小，表現優異。此外，NCEP-GEFS、UKMO-EPS和STI-TEDAPS三個集合預報系統在一定程度上低估了2019年西北太平洋臺風路徑的不確定性。

(4)五個官方臺風預報機構24、48、72、96和120 h強度預報的平均絕對誤差范圍區間分別在3.9～5.3、5.4～6.6、6.4～7.7、6.7～7.8和5.9～7.1 m·s-1。中央氣象臺在3 d以內的強度預報效果上優于其他機構。

(5)各官方臺風預報機構對于“利奇馬”在浙江溫嶺和山東青島，“白鹿”在臺灣屏東和福建東山的登陸點預報效果較好，而對于“利奇馬”在山東濰坊，“韋帕”在廣西防城港的登陸點預報誤差較大。