黃書捷 吳新宇 陳志韞
(涵江區氣象局,福建 莆田 351100)
隨著氣象業務現代化建設的迅速發展和通信條件的改善,可為預報提供的數值預報產品[1-4]越來越多。數值預報理論的不斷完善,以及高速度、大容量的巨型計算機及網絡的快速發展,數值預報已成為中短期天氣預報的基礎[5-8]。臺風登陸時性質復雜多變,給沿海地區帶來狂風暴雨,導致山洪、泥石流、滑坡等次生災害[9],造成嚴重的財產損失和生命威脅。數值預報是國內外臺風業務預報最重要的途徑之一[10],對臺風路徑、強度、風向風速、暴雨的準確預報對保障人民生命財產安全至關重要。準確的模式預報對臺風天氣有重要的參考,能夠給預報員更強的信心。本文分析了三家模式對臺風過程的預報性能,分析了各家模式的優劣,為臺風預報提供了一定的參考價值。
本文利用經典統計方法,選取歐洲中心細網格模式(簡稱EC細網格)、美國國家環境預報中心數值預報模式(簡稱GFS數值模式)、GRAPES全球同化預報模式(簡稱GRAPES模式)三家模式的預報資料。對副熱帶高壓檢驗的預報時效為12~36h,3h極大風風速檢驗的預報時效為24~60h,雨量檢驗的預報時效為24h和48h。自動站觀測資料來源于全省294個預報考核站點。
2020年8月10日11時位于南海的熱帶低壓升格為熱帶風暴,國際編號2006,命名為“米克拉”。8月11日6時,中央氣象臺將其升格為臺風,當日7時30分左右臺風“米克拉”在福建漳浦縣沿海登陸。登陸時中心附近最大風力12級,中心最低氣壓為980hPa。8月11日14時降格為熱帶低壓,17時中央氣象臺對其停止編號。臺風米克拉為近海生成,突然加強為臺風,從生成到登陸間隔不到一天,移動路徑為偏北方向,不斷西折(圖1)。

圖1 2006號臺風“米克拉”移動路徑
受臺風“米克拉”影響,8月10—11日,全省沿海都出現了8級以上大風,廈門、漳州出現了12級以上陣風,其中以漳州龍海隆教畬族鄉50.4m/s(15級)為最大,10日20時—11日20時,福州、廈門、莆田、泉州、漳州、龍巖出現了暴雨到大暴雨。
一般通過觀察5880gpm(588線)來判斷副熱帶高壓的演變趨勢,副熱帶高壓主體西伸增強代表副高強度增強,反之則為副高減弱。對2020年8月10日20時副高588線檢驗如圖2(a)、(b)、(c)所示。①GFS模式對副高的預報:36h時效內副高588線位于臺灣島以東洋面上,24h時效內,強度加強,588線位置調整為穿過臺灣島,12h時效內,588線位置預報繼續東移,已經壓到福建沿海,12h時效預報與實況最接近。以20°N為分界線,588線北段位置在過去36小時內不斷向西調整,同時592線也有西伸加強的趨勢,說明副高整體加強西伸。②GRAPES模式對副高的預報:36h時效內預報偏強,但588線位于福建的位置偏北,24h和12h預報588線位置基本不變,與實況整體較為接近,北段略微偏弱。整體預報調整較小,24h預報已經接近于實況。③EC模式對副高的預報:36h整體預報都偏強,588線涵蓋福建大部分區域,24h預報偏弱,588線退出福建上空,12h預報與實況最為接近,尤其是20°N以北與實況幾乎一致,對20°N以南副高預報偏強。
選取臨近臺風登陸時間的2020年8月11日08時副高588線檢驗,詳見圖2(a1)、(b1)、(c1)。①GFS模式對副高的預報:在20°N以北3個預報時效內都預報偏弱,但臨近時效內是往副高增強的方向調整。②GRAPES模式對副高的預報:只有36h時效的預報偏弱,在24h和12h時效預報與實況場非常接近,預報效果最好,調整很小。③EC模式對副高的預報:3個時效內預報都偏弱,但是逐漸往偏強方向調整。

(a)
綜合3家模式對臺風登陸前后的2個時次副高強度的預報可以看出,EC模式隨著預報時間的接近,預報場與實況場越來越接近,說明了越臨近的預報與實況的接近程度越高;GFS模式預報始終偏弱,尤其是在20°N以北段預報;GRAPES模式雖然在36h預報時效內出現了預報偏強和偏弱,但是在24h和12h都表現出與實況高度吻合,是3家模式表現最好的。同時可以看出,各家模式對副高強度變化基本上都是往增強方向調整。季亮等[10]通過數值模擬研究得出,副高強度的加強有利于臺風后期再次增強,同時加速了臺風北上速度,參照臺風登陸前后12h內中心風速差超過13m/s,可以定義為屬于近海突然加強臺風,從生成到登陸間隔不到1天,副高增強對臺風強度和移速影響都具有一定的指示。副高西伸加強后,引導氣流由偏南氣流轉為東南氣流,引導臺風往北偏西方向移動。與實況上臺風北上后往北偏西方向移動相符。
本文對2020年8月10日20時—8月11日20時,全省294個關鍵考核站點進行3h極大風速和24h降水量檢驗。其中,極大風速檢驗包括EC細網格和GFS模式,雨量檢驗包括EC細網格、GFS模式和GRAPES模式。為保證檢驗結果的公平性,統一采用臨近點插值法將網格點資料插值到站點上。
通過分析24~60h時效內風速的平均絕對誤差分布可以看出,GFS模式總體表現優于EC細網格,只有在48~54h時效內GFS模式的平均絕對誤差大于EC細網格,GFS模式平均絕對誤差為4.07m/s,在33h時效內平均絕對誤差最小為3.24m/s;EC細網格平均絕對誤差為4.97m/s,在45h時效內平均絕對誤差最小為3.68m/s。從平均情況上看,GFS模式整體平均絕對誤差比EC細網格小18%,預報性能更好,如圖3所示。

圖3 全省關鍵考核站點24~60h時效風速絕對誤差
為了進一步體現大風平均絕對誤差在地理位置上的分布特征,選取了實況站點出現8級以上陣風時,各家模式的平均絕對誤差分布情況。從圖4可以看出,兩家模式平均絕對誤差大值區主要分布于福建南部,主要集中于漳州市沿海區域,平均絕對誤差在16~24m/s之間,預報明顯偏小。進一步分析原因,參考預報時效為24h兩家模式對地面10m陣風的預報可以看出(圖略),EC細網格預報臺風登陸位置為廈門,登陸時漳州沿海一帶陣風為6~8級,GFS模式預報臺風登陸位置為泉州,登陸時漳州沿海一帶陣風為6級左右,而臺風登陸漳州時,在漳州和廈門沿海部分站點出現了12級以上的陣風,預報風力顯著偏小,預報位置偏北。對于本次近海生成的臺風“米克拉”,臺風迅速加強并登陸時,EC細網格和GFS模式對“米克拉”這種近海生成突然加強的臺風強度和登陸位置預報把握較差。

圖4 全省站點8級以上陣風平均絕對誤差分布情況
對本次過程24h降水量預報情況檢驗,將降水量分為暴雨以下(<50mm)、暴雨(50~100mm)、大暴雨以上(≥100mm),3家模式在暴雨以下量級實況與預報的樣本數最接近是EC細網格模式(為0.73),接近觀測的0.75,其次是GFS模式的0.82,GRAPES模式達到了0.91;在暴雨量級中與觀測樣本占比0.2最接近的是EC細網格模式和GRAPES模式,分別為0.22和0.19;在大暴雨以上量級樣本中,只有EC細網格模式體現并且與觀測樣本占比一致(皆為0.05),如圖5所示??傮w上看,三個量級的樣本占比中,EC細網格模式與實際觀測雨量分布樣本最為接近。但是樣本數接近不能代表預報性能好,還需要進一步分析預報準確率、空報率、漏報率,只有高的準確率低的空報率和漏報率,才能說明預報準確。

圖5 觀測與預報樣本數量不同類別占比
為更加直觀表現預報模式對本次臺風過程中降水預報,從24h降雨量為大雨以上的站點分布(見圖6)可以看出,大雨以上的站點主要集中分布于福建中南部和沿海地區,其中大暴雨以上站點主要集中在漳州和龍巖。

圖6 2020年8月10日20時—11日20時全省大雨以上量級(≥25mm)站點分布圖
由于3家模式在72h時效的預報都沒有預報本次暴雨落區,因此暴雨檢驗的預報時效為24h和48h,預報量級站點分布見圖7。24h預報:EC細網格模式在福建東北部沿海大雨漏報,龍巖西南部暴雨漏報,部分大暴雨點漏報,對漳州暴雨和大暴雨落區預報比較準確,整體預報與實況接近,預報準確率為19.75%,空報率為51.85%,漏報率為28.4%;GRAPES模式預報大暴雨落區偏南,范圍偏小,降水集中于西南部,對中部東部沿海大雨和暴雨都漏報,預報準確率為3.64%,空報率為40%,漏報率為56.36%;GFS模式預報暴雨落區偏小,對龍巖、莆田、福州的大雨、暴雨漏報,大暴雨落區偏北,預報準確率為7.94%,空報率為38.1%,漏報率為53.97%。48h預報:EC細網格模式對廈門以北暴雨落區預報較好,但未能預報出漳州、龍巖暴雨、大暴雨落區,暴雨預報準確率為13.92%,空報率為51.9%,漏報率為34.18%,其余兩家模式皆為漏報,漏報率達100%。

(a) (b)
總體上看,無論是24h還是48h,EC細網格模式表現最好,預報準確率最高,GRAPES模式和GFS模式預報準確率遠低于EC細網格模式,預報參考價值較低。
①近海生成的臺風預報難度高,登陸位置較難把握,需要加強預警監測。
②副熱帶高壓強弱與臺風移動關系密切,當各家模式對副高加強西伸的預報都一致時,近海生成的臺風快速加強西移,并登陸可能性高。
③ GFS模式和EC細網格模式在24~48h預報時效內,平均絕對誤差變化較小,當預報時效超過48h時,隨著預報時效增加而迅速增大,GFS模式整體平均絕對誤差比EC細網格模式小18%,同時兩家模式對極端大風漏報,沒有預報12級以上大風。
④在本次過程大雨及以上量級預報中,24h時效內,EC細網格準確率遠高于GRAPES模式和GFS模式,當預報時效變成48h時,各家模式預報性能嚴重下降,表明模式24h的預報結果較48h的預報更有參考價值。這說明在降水預報中,模式預報時效越短,準確率也越高。
⑤EC細網格模式在本次臺風過程中,對風雨預報表現出了一定的預報能力,但本文僅對本次臺風過程進行了檢驗分析,未來將收集更多臺風個例及更長時間序列的資料,對各家模式進行更全面、準確的評估分析,為本地氣象決策服務提供預報依據。