基于全球模式檢驗結果的海上臺風初始場重建技術研制和應用*

邱金晶 陳 鋒 董美瑩

浙江省氣象科學研究所，杭州 310008

提 要： ECMWF和GFS全球模式對2016—2019年影響浙江臺風路徑和強度預報的評估結果表明：ECMWF模式對路徑預報總體優于GFS模式，而GFS模式對強度預報更具優勢。為提高臺風數值預報性能，基于該評估結論提出了一種業務可行的臺風初始化方案。該方案基于ECMWF和GFS分析場及洋面臺風觀測資料，利用臺風渦旋分離技術，將從GFS分析場分離得到的渦旋場進行重定位和最大風速調整，然后與從ECMWF分析場中分離得到的大尺度環境場重新疊加融合，實現了臺風初始場重建。針對近年14個影響浙江臺風個例，應用臺風初始場重建技術的中尺度數值天氣預報業務模式的回報試驗表明：經過初始場重建后，模式預報結果能兼顧ECMWF模式的路徑預報優勢和GFS模式的強度預報優勢，有效改進了臺風路徑和強度預報性能。新方法的路徑預報絕對誤差較GFS模式驅動的中尺度模式預報結果減少21 km，標準差降低26.6 km；新方法的強度預報絕對誤差較ECMWF模式驅動的中尺度模式預報結果減少1.7 m·s-1，標準差降低2.3 m·s-1。對超強臺風利奇馬典型個例的進一步分析得到，初始場重建技術對大氣環流特征和臺風暖心結構模擬均有較好的修正能力。

引 言

臺風帶來的狂風暴雨、洪澇、城市積澇等氣象災害和泥石流、山體滑坡等次生災害嚴重威脅著人民的生命和財產安全。臺風路徑和強度預報的準確性直接影響到臺風的總體預報效果，是臺風預報中最受關注的預報內容，也是難點問題(陳聯壽等，2012；張定媛等，2018)。臺風數值預報技術是提高臺風預報水平的一個有效途徑(馬雷鳴，2014；端義宏等，2020)，而初始場的準確性是提升數值預報性能的一個關鍵所在(Lorenz,1965；2004)。能否在初始場中合理描述臺風所處的大氣環流背景，并且較為準確地描述出臺風的結構(這一過程被稱為臺風渦旋初始化)，對臺風路徑和強度預報都顯得尤為重要(Hendricks et al,2013)。

數值模式初始化(包括資料同化、臺風渦旋初始化)是基于觀測和背景場資料通過動力和熱力約束形成數值模式初始場的過程。由于臺風生命史中絕大部分時間處于海上，而洋面上缺乏觀測資料，普通的資料同化對臺風渦旋的改進有限。早期的研究直接剔除模式背景場中的初始渦旋，加入人造臺風渦旋(簡稱bogus)實現臺風初始化(Kurihara et al,1990;Lord,1991;王國民等，1996)。Kurihara et al(1993;1995)利用濾波方法將臺風背景場分解為環境場、對稱渦旋場和非對稱渦旋場，利用bogus技術對對稱渦旋場進行替換，最后合成新的初始場。針對上述方法存在臺風初始條件和模式的物理過程以及動力學不平衡的問題，Zou and Xiao(2000)提出了BDA(bogus data assimilation)方案，把四維變分同化與bogus相結合，有效改進了初始臺風結構。黃燕燕等(2010)驗證了BDA方案可以更好地預報臺風海棠的路徑和中心強度變化。此外，渦旋重定位技術在近些年得到了發展并在GFS預報系統中進行了應用(Kurihara et al,1995;Liu et al,2006)。渦旋重定位技術將模式預報的渦旋移動到觀測的位置而不是植入一個人造渦旋，該方法減小了初始場與模式不協調的問題(Hsiao et al,2010)。瞿安祥等(2009a;2009b)利用模式自身產生的臺風渦旋，通過重定位和強度調整發展了一套完整可行的臺風初始化數值方案，該方案更多的是依靠數值模式自身的動力和物理過程來協調約束產生三維空間的渦旋結構，預報效果較好。但這些研究或基于bogus渦旋及其衍生技術，或基于模式自身預報的渦旋，業務上實現的技術難度較大。

浙江是我國受臺風災害影響較大的省份之一，提升臺風數值預報精細化水平是浙江現代氣象業務面臨的迫切任務。目前浙江業務運行的浙江省中尺度數值預報業務系統(ZJWARMS)使用GFS模式預報產品作為初始場和背景場，在臺風影響期間提供0～72 h的逐小時路徑和強度預報(陳鋒等，2012)。實際應用表明，ZJWARMS由于缺乏有效的臺風初始化方案，對臺風路徑和強度預報存在較大的誤差。陳國民等(2018;2019)對2016年和2017年臺風業務預報評估發現，美國GFS全球預報系統對臺風路徑的預報總體不如歐洲中期天氣預報中心ECMWF模式，但在強度預報上優于ECMWF模式。針對模式資料各有優勢的情形，Wang and Yang(2008)融合了NECP/DOE R2和ERA40兩種再分析資料作為側邊界條件驅動WRF模式，對減小模式不確定性有較大的作用。受此類工作啟發，結合前述臺風渦旋初始化技術的進展，充分利用不同模式資料(如GFS模式和ECMWF模式)各自優勢、吸收有限的觀測資料，嘗試從基于全球模式評估結果的角度開展臺風初始場重建技術研究，通過為中尺度數值天氣預報模式提供更優的臺風初始場來提升其預報性能是值得探索的一個可行的途徑。

綜上所述，本文從實際應用需求出發，基于GFS和ECMWF兩個全球模式臺風預報優勢，結合臺風觀測資料，利用臺風渦旋分離、渦旋重定位以及最大風速調整等方法研制臺風初始場重建技術，試圖改進浙江省中尺度數值預報系統臺風預報性能，為精細化臺風數值預報提供科技支撐。

1 全球模式對影響浙江臺風路徑和強度的預報評估

本文選取2016—2019年期間14個影響浙江的臺風個例(1614莫蘭蒂、1616馬勒卡、1617鲇魚、1618暹芭、1703南瑪都、1718泰利、1808瑪莉亞、1810安比、1812云雀、1814摩羯、1818溫比亞、1909利奇馬、1913玲玲、1918米娜)，并收集中國氣象局下發的全球數值預報模式ECMWF和GFS對上述臺風的0～72 h預報數據。ECMWF模式在每日00時和12時(世界時，下同)起報，產品垂直層數為19層，空間分辨率為0.125°×0.125°，時間分辨率為3 h。GFS模式起報時間和產品時間分辨率與ECMWF 模式相同，但其垂直層數為34層，空間分辨率為0.5°×0. 5°。結合臺風影響浙江時段，提前24～36 h，選定14個臺風個例的模式起報時間，將模式起報時間開始的0～72 h作為研究時段。圖1是研究時段內的逐6 h臺風路徑實況，臺風強度實況見表1，數據來源于中國氣象局熱帶氣旋最佳路徑數據集(Ying et al,2014)，該數據集提供了臺風強度標記、緯度、經度、中心最低氣壓、2分鐘平均近中心最大風速。

圖1 研究時段內14個臺風的逐6 h路徑實況Fig.1 The 6 h track records of 14 typhoons during the study period

表1 研究時段內14個臺風的開始、結束強度實況Table 1 The start and ending strength records of 14 typhoons during the study period

選用中心最低海平面氣壓進行數值預報臺風的定位，使用近中心最大風速進行定強，對全球模式ECMWF、GFS開展上述14個臺風個例的路徑和強度預報性能評估。從路徑上來看，對比近4年影響浙江臺風的逐6 h預報累積誤差，有64.3%(9個)的個例，ECMWF模式預報的臺風路徑優于GFS模式；有28.6%(4個)的個例，ECMWF與GFS模式預報的臺風路徑相當；僅有7.1%(1個)的個例，GFS模式預報的臺風路徑優于ECMWF模式。圖2給出了兩個模式0～72 h 臺風路徑和強度預報的誤差分析，標準差的大小反映了模式預報誤差的離散度。由圖2a可知，兩個模式的路徑預報誤差均隨著預報時效的延長而增大，尤其是在48 h以后，誤差明顯加大。兩個模式對0～24 h以內的臺風路徑預報較好，平均誤差均在50 km左右，而對24～72 h 的臺風路徑預報，ECMWF模式要明顯優于GFS模式，平均誤差值分別為157 km和187 km。圖2b顯示ECMWF模式預報誤差的標準差在24～72 h期間明顯低于GFS模式，說明ECMWF模式的預報誤差比GFS模式更為穩定(離散度更小)。從強度的逐6 h預報累計絕對誤差來看，14個臺風個例中有64.3%(9個)的個例，GFS模式預報的臺風強度優于ECMWF模式；有7.1%(1個)的個例，GFS與ECMWF模式預報的臺風強度相當；僅有28.6%(4個)的個例，ECMWF模式預報的臺風強度優于GFS模式。由圖2c可知，GFS和ECMWF模式對臺風強度預報均存在低估，0～72 h平均誤差分別為-4.4 m·s-1和-6.3 m·s-1，結合平均絕對誤差(圖2d)可知，GFS模式對0～42 h的臺風強度預報要明顯優于ECMWF模式。圖2e表明GFS模式0～42 h的強度預報離散度較ECMWF模式明顯偏低，預報更穩定。

圖2 研究時段內14個臺風的ECMWF和GFS模式預報0～72 h臺風路徑的平均誤差(a)及其標準差(b)和臺風強度的平均誤差(c)、絕對誤差(d)及其標準差(e)Fig.2 The average errors (a) and standard deviations (b) of typhoon tracks and the average errors (c), absolute errors (d), standard deviations (e) of typhoon strength with 0-72 h lead time by ECMWF and GFS of 14 typhoons during the study period

綜上所述，ECMWF模式對影響浙江臺風的路徑預報總體優于GFS模式，其原因可能和ECMWF模式對500 hPa高度場的形勢預報具有較高的預報準確率，且對副熱帶高壓系統南側的引導氣流刻畫較準有關(關月，2016；任宏昌，2017)。GFS模式進行了臺風初始化處理(Liu et al,2006)，ECMWF模式未做相關處理，因此GFS模式對臺風強度預報把握更好，但仍存在初始強度估計偏低的問題。

2 重建方案與試驗設計

2.1 臺風初始場重建方案

根據全球模式的評估結果，制定臺風初始場重建方案，主要思路為：充分發揮ECMWF模式對大尺度環境場和GFS模式對臺風渦旋場刻畫的優勢，利用渦旋分離技術，將從GFS分析場中分離得到的渦旋場經過重定位和最大風速調整后，與從ECMWF分析場中分離得到的大尺度環境場重新疊加融合，重建一個強度、位置均和實況比較接近的新的臺風初始場(具體流程如圖3所示)。

圖3 臺風初始場重建方案流程Fig.3 Schematic diagram for typhoon initial field reconstruction

2.1.1 渦旋分離及重定位技術

本文采用Kurihara et al(1995)提出的渦旋分離技術，表征如下

(1)

相應計算過程簡述如下：

(1)確定臺風渦旋環流范圍。首先，利用850 hPa 位勢高度場確定臺風中心位置，并在極坐標下計算得到切向平均風速；其次，自臺風中心開始隨著半徑增長，取切向平均風速在減弱過程中第一次小于等于3 m·s-1時對應的半徑(Kurihara et al,1995)，即為臺風尺度半徑r0，從而確定臺風渦旋環流范圍。

(2)利用變化平滑系數的3點平滑算子將背景場H分離為基本場和擾動場，平滑系數為

(2)

式中：取m=2,3,4,2,5,6,7,2,8,9,2，先沿緯向再沿經向做濾波，得到擾動場HD。

(3)對擾動場HD做柱形濾波分離出渦旋環流，公式如下

(3)

(4)

式中：r為距離渦旋中心的半徑，l為控制E(r)形狀的參數，本文取l=r0/5。

(4)進一步計算得到大尺度環境場HE

HE=H-HV

(5)

2.1.2 最大風速調整技術

根據徐道生等(2019)提出的最大風速調整技術方案，得到式(6)，重新定位以后的背景水平風場可寫成

(6)

通過對渦旋分量乘以系數β實現最大風速調整

(7)

=Vobs

(8)

(9)

值得注意的是，這里計算的是地面層的β，在實際應用時，需要對其乘以一個權重系數使得低層的風速做較大訂正，而高層較小。

2.1.3 臺風初始場重建

以1909號超強臺風利奇馬為例，進行初始場重建。圖4a和4b分別為2019年8月8日12時ECMWF 和GFS分析場的850 hPa全風場，經過渦旋分離，得到大尺度環境場(圖4d，4e)和渦旋場(圖4g，4h)，由圖可知，兩個模式的大尺度環境場在臺風中心附近主要為南風和東南風，而在渦旋場展示出了完整的氣旋式環流，可見中心附近的氣旋式環流均被較好地分離出來，這表明采用上述渦旋分離技術是可行的。進一步對比得到，ECMWF分析場分離得到的大尺度環境場其南側的西南風和北側的偏東風氣流較GFS更為強盛，而GFS分析場分離得到的渦旋場表征的臺風中心附近環流風速較ECMWF偏強。根據觀測得到的臺風中心位置(24.4°N、125°E)和近中心最大風速(62 m·s-1)，將GFS分析場分離得到的渦旋場進行重定位和最大風速調整，然后疊加到ECMWF分析場分離得到的大尺度環境場，即得到重建初始場(圖4c)。由重建初始場與全球模式全風場差值分布(圖4f，4i)可知，經過最大風速調整后的重建初始場對臺風中心附近的氣旋式環流明顯強于ECMWF分析場，略強于GFS分析場。同時，重建初始場對大尺度環流場較GFS分析場有所調整?；谏鲜龇椒?，對本文研究的14個臺風均進行了初始場重建。

圖4 2019年8月8日12時臺風利奇馬850 hPa(a)ECMWF全風場，(b)GFS全風場，(c)重建初始場，(d)ECMWF大尺度環境場，(e)GFS大尺度環境場， (f)重建初始場與ECMWF全風場差值場，(g)ECMWF渦旋場，(h)GFS渦旋場，(i)重建初始場與GFS全風場差值場(矢量：風場，單位：m·s-1；填色：風速；黑點為觀測到的臺風中心位置：24.4°N、125°E)Fig.4 (a) Full wind field of ECMWF, (b) full wind field of GFS, (c) reconstructed initial field, (d) large-scale ambient field of ECMWF, (e) large-scale ambient field of GFS, (f) difference between reconstructed initial field and full wind field of ECMWF, (g) vortex field of ECMWF, (h) vortex field of GFS and (i) difference between reconstructed initial field and full wind field of GFS at 850 hPa for Typhoon Likema at 1200 UTC 8 August 2019[vector: wind field, unit: m·s-1; colored: wind speed; black dot: typhoon center (24.4°N， 125°E)]

2.2 模式介紹和試驗設計

2.2.1 模式介紹

浙江省中尺度數值預報業務系統框架(ZJWARMS)采用WRF 3.7.1為預報模式，選用單層嵌套，區域大致范圍為10°～55°N、80°～130°E，水平分辨率為9 km，垂直層數為51層。模式使用的物理過程包括：微物理方案采用WSM 6-Class方案(Hong et al,2004)，陸面過程使用Noah方案(Chen and Dudhia,2001)，行星邊界層采用Yonsei University(YSU)參數化方案(Hong and Pan,1996)，表面層使用基于Monin-Obukhov的MM5相似理論(Jiménez et al,2012)，長波、短波輻射選用RRTMG快速輻射傳輸方案(Iacono et al,2008)，不采用積云參數化方案。

2.2.2 試驗設計

為了探討臺風初始場重建對路徑、強度預報的影響，對本文研究的14個臺風，開展如下三組回報試驗：(1)TESTEC：利用ECMWF模式預報數據提供初、邊界條件，驅動ZJWARMS；(2)TESTGFS：利用GFS模式預報數據提供初、邊界條件，驅動ZJWARMS；(3)TESTCOM：利用重建的14個臺風初始場，結合ECMWF模式預報場作為邊界條件，驅動ZJWARMS。

3 結果分析

3.1 臺風初始場重建對路徑、強度的影響

選用海平面最低氣壓進行數值預報臺風的定位，選用中心最低海平面氣壓和近中心最大風速分別進行定強，對三組試驗開展臺風路徑和強度預報的檢驗評估。從路徑上來看，對比近4年14個影響浙江臺風的逐6 h預報累計誤差，有64.3%(9個)的個例，TESTCOM試驗預報的臺風路徑優于TESTGFS試驗，另有57.1%(8個)的個例，TESTCOM試驗優于TESTEC試驗。圖5給出了三組試驗對14個臺風0～72 h路徑和強度預報的誤差散點分布及平均誤差分析。由圖5a、5d和5g可知，經過渦旋重定位后，TESTCOM試驗在初始時刻的臺風中心位置基本和實況一致，在24 h以后TESTCOM試驗的路徑預報較TESTGFS試驗的優勢開始體現，尤其是在第60～72小時的預報明顯占優，平均誤差減少65.3 km，標準差降低72.5 km。三組試驗(TESTEC、TESTGFS和TESTCOM)所有預報時刻平均的路徑誤差分別為122、148和127 km，標準差分別為141.9、177.1和150.5 km?？梢?，TESTCOM試驗預報路徑平均誤差較TESTGFS試驗減少21 km，平均標準差較TESTGFS試驗降低26.6 km。14個臺風個例的誤差散點分布進一步表明(圖5a)，對TESTGFS試驗路徑預報誤差較大的臺風個例，TESTCOM試驗得到有效改進。從強度預報累計絕對誤差來看，有78.6%(11個)的個例，TESTCOM試驗預報的近中心最大風速較TESTEC試驗有改進，另有50%(7個)的個例，TESTCOM試驗較TESTGFS試驗有改進；有64.3%(9個)的個例，TESTCOM試驗預報的中心最低海平面氣壓累計絕對誤差小于TESTEC試驗，另有50%(7個)的個例，TESTCOM試驗小于TESTGFS試驗。由圖5b、5e和5h可知，經過最大風速調整后，TESTCOM試驗初始時刻的近中心最大風速誤差接近于0。除個別時刻外，TESTCOM試驗的平均誤差、絕對誤差和誤差離散度均明顯小于TESTEC試驗，尤其在第0～18小時的臺風強度預報，TESTCOM試驗絕對誤差改進4 m·s-1以上，標準差改進6 m·s-1以上。進一步計算得到，所有預報時刻平均的TESTEC、TESTGFS和TESTCOM試驗預報近中心最大風速平均絕對誤差分別為7.2、5.6和5.5 m·s-1，平均標準差分別為9.5、7.7和7.2 m·s-1。可見，TESTCOM試驗預報近中心最大風速平均絕對誤差較TESTEC試驗減少1.7 m·s-1，平均標準差較TESTEC試驗降低2.3 m·s-1。從中心最低海平面氣壓來看(圖5c、5f和5i)，TES- TCOM試驗0～72 h預報較TESTEC試驗更接近實況，預報更穩定。平均來看， TESTEC、TESTGFS和TESTCOM試驗預報最低氣壓平均絕對誤差分別為12.3、10.5和10.6 hPa，平均標準差分別為16.9、14.1和14.1 hPa。計算得到，TESTCOM試驗預報中心最低海平面氣壓平均絕對誤差較TESTEC試驗減少1.7 hPa，平均標準差較TESTEC試驗降低2.8 hPa。14個臺風個例的誤差散點分布進一步表明(圖5b和5c)，對TESTEC試驗強度預報誤差較大的臺風個例，TESTCOM試驗得到有效改進。

圖5 研究時段內14個臺風的三組試驗預報的0～72 h的(a，d，g)臺風路徑、(b，e，h)近中心最大風速及(c，f，i)中心最低海平面氣壓的(a，b，c)誤差散點分布及其平均誤差、(d，e，f)平均絕對誤差和(g,h,i)平均標準差Fig.5 (a, b, c) The scatter plots of errors with average values, (d, e, f) average absolute errors and (g, h, i) average standard deviations of (a, d, g) typhoon tracks, (b, e, h) maximum wind speed near typhoon centers and (c, f, i) minimum sea level pressure in typhoon centers with 0-72 h forecast lead time of three experiments of 14 typhoons during the study period

上述結果表明，經過初始場重建的TESTCOM試驗的臺風路徑預報能力與TESTEC試驗相當，較TESTGFS試驗有了較大改進；TESTCOM試驗的強度預報能力與TESTGFS試驗相當，較TESTEC試驗有明顯優勢?？梢姡亟ㄅ_風初始場后的模式預報結果兼顧了ECMWF模式的路徑預報優勢以及GFS模式的強度預報優勢，有效改進了臺風的路徑和強度預報，本文提出的初始場重建方案可投入實際業務使用。

3.2 臺風利奇馬個例分析

繼續以臺風利奇馬2019年8月8日12時起報的三組試驗結果為例，進一步探討不同初始化方案對臺風預報的影響。從路徑誤差來看(圖6a)，經過初始場重建的模式預報路徑與實況最為接近，尤其是對48～72 h的預報結果，TESTCOM試驗改進最為顯著，平均預報誤差較TESTGFS試驗降低200 km 以上。由強度誤差可知(圖6b和6c)，TESTCOM試驗較TESTEC試驗占優，尤其對0～33 h的預報改進較明顯，TESTCOM試驗最大風速預報誤差較TESTEC試驗平均降低9 m·s-1左右，最低氣壓預報誤差較TESTEC試驗平均降低12 hPa左右?？偟膩碚f，臺風初始場重建技術對臺風利奇馬的路徑和強度預報具有顯著的正效應。

圖6 三組試驗預報臺風利奇馬0～72 h的(a)路徑、(b)近中心最大風速及(c)中心最低海平面氣壓的誤差Fig.6 The errors of (a) typhoon tracks, (b) maximum wind speed near typhoon centers and (c) the minimum sea level pressure in the center with 0-72 h forecast lead time of three experiments for Typhoon Likema

本文擬從三組試驗預報的大氣環流特征來分析初始場重建后的模式預報臺風路徑占優的原因。利用NCEP/NCAR FNL(每日4次，水平分辨率為1°×1°)再分析資料作為實況。從8日12時的大氣環流分布來看(圖略)，三組試驗初始時刻500 hPa等壓面中緯度是兩槽兩脊的形勢，西太平洋副熱帶高壓(以下簡稱副高)588 dagpm等值線西伸脊點位置位于33°N、124°E附近，與再分析資料得到的結果基本一致。從10日00時(模式起報后36 h)再分析資料的結果來看(圖7a)，副高西伸脊點位置較8日12時有所東退北抬，脊點位于36°N、128°E附近，TESTEC和TESTCOM兩組試驗準確預報出了副高的位置變化(圖7b，7d)，588 dagpm等值線西伸脊點與圖7d所示的位置接近，但圖7c表明，TESTGFS試驗預報副高整體偏弱，副高西伸脊點大幅東撤至135°E以東，正是從該時刻開始，TESTGFS試驗的路徑誤差逐漸加大，而TESTEC和TESTCOM試驗的誤差相對較小?？梢姡涍^初始場重建的中尺度模式預報對環流形勢把握較好。

圖7 2019年8月10日00時500 hPa 位勢高度(單位：dagpm)(a)再分析場，(b)TESTEC試驗預報場與分析場差值，(c)TESTGFS試驗預報場與分析場差值，(d)TESTCOM試驗預報場與分析場差值(圖7a中，黑色加粗線為副高標志線588 dagpm線；紅色加粗線為臺風標志線570 dagpm線；黑點為臺風中心位置) Fig.7 The 500 hPa geopotential height (unit: dagpm) at 0000 UTC 10 August 2019 (a) reanalysis field, (b) difference between TESTEC forecast field and the reanalysis field, (c) difference between TESTGFS forecast field and the reanalysis field, (d) difference between TESTCOM forecast field and the reanalysis field [Balck bold line (588 dagpm) represents the mark line of the western Pacific subtropical high in Fig.7a; red bold line (570 dagpm) and black dot indicate the mark line and the center of typhoon respectively]

為分析初始化方案對臺風結構的影響，給出三組試驗第0小時、第6小時、和第12小時預報的沿臺風中心的風速和溫度距平垂直剖面(溫度距平為當前格點溫度值與同一高度層臺風環流區域平均溫度值之差，圖8)。由圖8a～8c可知，經過初始場重建的TESTCOM試驗初始時刻的臺風近中心最大風速為57.4 m·s-1，大風速區在垂直方向深厚發展，較TESTGFS試驗(45.8 m·s-1)和TSETEC試驗(38.8 m·s-1)，風速得到明顯增強。此外，三組試驗在初始時刻臺風暖心結構的溫度距平數值相當，都達到了10 K。從第6小時的預報結果看(圖8d～8f)，TESTCOM試驗的最大風速(43.3 m·s-1)及暖心結構(9.6 K)預報結果較TESTEC試驗(35.1 m·s-1和8.8 K)要強，與TESTGFS試驗(45.6 m·s-1和9.4 K)接近。再對第12小時的結果進行分析(圖8g～8i)，TESTCOM試驗的最大臺風風速預報降至42.2 m·s-1，溫度距平為8.1 K，同時TESTGFS試驗為41.1 m·s-1和8.2 K，TESTEC試驗為32.1 m·s-1和6.6 K，TEST- COM試驗的預報結果仍占優。上述分析可知，模式預報臺風暖心結構和臺風強度變化趨勢一致，TESTCOM試驗對臺風強度預報較TESTEC試驗有了明顯改進，這與暖心結構預報的改進相匹配。從12 h以后的預報結果來看(圖略)，TESTCOM試驗對臺風結構預報較TESTEC試驗仍有明顯優勢，與TESTGFS試驗水平相當?？梢?，初始場重建后的模式預報對臺風垂向風場和暖心結構預報把握較好。

圖8 (a，d，g)TESTEC、(b，e，h)TESTGFS和(c，f，i)TESTCOM試驗2019年8月8日12時起報的(a，b，c)第0小時、(d，e，f)第6小時、(g，h，i)第12小時沿臺風中心的風速(填色)與溫度距平(等值線，單位：K)的緯向垂直剖面Fig.8 Zonal vertical cross-sections along wind speed (colored) of typhoon center and temperature anomalies (isoline, unit: K) of (a, d, g) TESTEC, (b, e, h) TESTGFS and (c, f, i) TESTCOM initialized at 1200 UTC 8 August 2019(a, b, c) 0 h forecast, (d, e, f) 6 h forecast, (g, h, i) 12 h forecast

4 結論與討論

為提升區域中尺度數值模式臺風預報性能，本文基于ECMWF和GFS兩個全球模式對2016—2019年影響浙江臺風的路徑和強度預報的評估結果，提出了一種新的臺風初始化方案，并開展了在14個臺風個例回報試驗中的應用和評估，主要結論如下：

(1)ECMWF模式對影響浙江臺風的路徑預報總體優于GFS模式，而GFS模式對臺風強度預報更具優勢。

(2)基于ECMWF和GFS分析場及洋面臺風觀測資料，利用臺風渦旋分離、渦旋重定位以及最大風速調整等方法研制了可吸收各模式優勢的臺風初始場重建技術。

(3)臺風初始場重建技術在浙江省中尺度數值天氣預報模式的應用表明，經過初始化處理過的模式預報結果兼顧了ECMWF模式的路徑預報優勢和GFS模式的強度預報優勢，有效改進了臺風的路徑和強度預報性能。相較于GFS模式驅動的中尺度模式預報結果，新方法的模式路徑預報絕對誤差減少21 km，標準差降低26.6 km。相較于ECMWF模式驅動的中尺度模式預報結果，新方法的模式強度預報絕對誤差減少1.7 m·s-1，標準差降低2.3 m·s-1。對典型個例超強臺風利奇馬進一步分析表明初始場重建技術對大氣環流特征和臺風暖心結構模擬均有較好的修正能力。

經過對14個影響浙江的臺風個例的業務試驗表明，本方法在實際業務中具有較強的實踐可行性，對提高臺風路徑和強度的預報有較好作用。誠然，本方案還存在一定的不足，首先，初始化方案依賴于ECMWF模式路徑預報優于GFS模式，GFS模式強度預報優于ECMWF模式這一檢驗結論，因此對于不支持該結論的臺風個例預報，進行初始場重建后預報效果可能會更差，今后在實時業務中可以考慮在初始場重建之前對模式資料進行動態評估，且模式資料不局限于ECMWF和GFS全球模式資料，也可以利用如區域模式自身的預報資料，動態選擇適合該臺風個例的模式資料進行融合。其次，本方案僅對渦旋場的風速進行調整，并未考慮調整后對其他要素場的影響，重建的初始場可能會造成動力-物理過程相互不協調。下一步，我們將進一步加強這方面的改進研究，借鑒考慮模式動力和熱力平衡、多種地形條件影響等臺風動力初始化方案(許曉林等，2019；Cha and Wang,2013;Liu et al,2018)，改進臺風業務數值預報準確率。