基于局地增長模培育法的對流可分辨尺度WRF模式對河南“21?7”特大暴雨的預報評估

摘要 基于WRF（Weather Research and Forecasting）模式，選取河南“21·7”特大暴雨事件，采用局地增長模培育法（Local Breeding Growth Mode，LBGM）生成對流尺度集合預報系統，在此基礎上對24 h累積降水量進行SAL（Structure，Amplitude and Location）檢驗，結合預報成功指數（Threat Score，TS）、公平成功指數（Equitable Threat Score，ETS）評分等評分結果進行對比分析，綜合評估集合預報成員的預報效果，表明：1）基于局地增長模培育法生成初始擾動的集合預報系統成員對于強降水預報有一定優勢，在降水強度和位置的預報上與實況較接近;2）經檢驗，成員e003的TS和ETS評分在20日00時—21日00時（北京時，下同）和21日08時—22日08時兩個強降水時段內表現最佳，并在SAL檢驗中對應較好的降雨強度A和雨區位置L，而成員e008暴雨TS、ETS評分最低，對應SAL檢驗中具有一定的位置偏差，即TS、ETS評分和SAL檢驗之間存在相關性，將二者有機結合，可以為業務工作中定量評估模式降水預報效果提供參考;3）通過對比整體評分表現較好的成員e003和較差的成員e008，兩者預報的位勢高度場與ERA5（ECMWF reanalysis v5，ERA5）再分析資料之間的差值，可以驗證降水預報誤差主要源于對低渦系統的預報偏差，同時預報評分較好的成員其位勢高度偏差較小，綜合評估效果更佳。

關鍵詞集合預報;局地增長模培育法;對流可分辨尺度;SAL檢驗

強降水是業務天氣預報的重點關注對象，其局地性和突發性使其能在較短時間內迅速引發洪澇、泥石流以及滑坡等次生災害。集合預報是研究強降水預報不確定性的重要方法，并已成為目前和未來業務預報中的重要手段和工具（杜鈞和陳靜，2010;Li et al.，2021）。隨著集合預報的發展與應用，結合強降水等災害性天氣發生的復雜性，對流可分辨尺度模式已經成為集合預報研究的重要載體，并且受到越來越高的重視（Kong et al.，2007;Clark et al.，2012;Mülleretal et al.，2017），其模式分辨率為1～4 km，無需采取積云對流參數化方案，目的是描述更詳細的中小尺度天氣特征，并改善集合預報效果。因此對流可分辨尺度集合預報系統（Convection－Allowing Ensemble Prediction Systems，CAEPS）能夠提供多種預報信息，并通過初始擾動、模式物理過程等產生確定預報成員和擾動預報成員來定量評價預報不確定性（Tennant，2015）。

近年來，國內外各氣象業務中心使用CAEPS開展了更為深入的研究（陳超輝等，2020）。英國氣象局2012年開發了水平網格距為2．2 km的對流尺度集合預報系統MOGREPS－UK，并于2019年進行升級，使其預報時效從54 h增加到120 h。通過MOGREPS－UK生成2 m高度的溫度場，并進行溫度預報的統計后處理，取得了較好的預報效果（Allen et al.，2021）。法國氣象局于2016年10月開始業務運行對流尺度集合預報系統AROME－EPS，Keil et al.（2020）首次采用鄰域方法檢驗和評估了該系統的預報能力，并對法國東南部降水進行了可預報性研究。美國國家環境預報中心（NCEP）和國家大氣研究中心（NCAR）最早開展對流尺度集合預報研究，并開發了對流尺度集合預報系統，有計劃將模式水平分辨率提升至1 km的風暴尺度（Clark et al.，2009;Du et al.，2019）。國內針對對流尺度集合預報在暴雨和強對流天氣方面的研究和試驗工作也越來越多，不僅改善了暴雨、颮線、龍卷等中小尺度天氣過程的模擬，同時也提高了降水評分（孫正齊，2019）。但針對對流尺度集合預報系統成員之間離散度過小、降水預報效果不理想等缺陷沒有得到很好的解決。智協飛等通過對集合預報成員采取頻率匹配法進行訂正，試驗證明對集合成員先訂正后集成的方法可以取得較好的預報效果，改進預報降水誤差，另外，在引入了復卡爾曼濾波方法后更能有效改善復雜地形地區風場預報準確率（智協飛等，2015;智協飛和黃聞，2019;吳柏瑩等，2022）。除基于集合成員訂正的多模式集成預報方法外，李湘等利用BGM法構造對流尺度集合預報系統，雖然初始擾動增長率在24 h后能達到最大，能以較小計算量捕捉到降水不確定性的空間分布，但試驗結果也反映出傳統BGM法集合離散度不足的缺陷（李湘，2017;馬申佳等，2018）。因此，陳超輝等提出了局地增長模培育法（Local Breeding Growth Mode，LBGM），較傳統BGM法提高了對流尺度集合預報的局地特征，降低預報均方根誤差的同時提高了集合離散度（陳超輝等，2018）。Ma et al.（2019）通過信息熵理論證明了LBGM法可以增加與初始擾動相關的局地信息，而后基于LBGM法探索了颮線過程的對流尺度集合預報試驗，肯定了對流尺度集合預報對快速增長擾動的反饋，在一定程度上模擬出了颮線系統的結構（馬申佳等，2019），但僅基于一次颮線過程存在一定偶然性，李坤等采用LBGM法對兩次颮線活動過程進行了集合預報，并且與傳統BGM的模擬結果進行了對比，證實了LBGM法生成的對流尺度集合預報系統在颮線回波結構模擬和強降水預報上表現更優（李坤等，2021）。

目前國內針對河南“21·7”特大暴雨事件的研究可大致分為四類：可預報性研究、熱力與動力過程研究、觀測與模式評估研究及極端降水的氣候歸因與大尺度環流研究（冉令坤等，2021;史文茹等，2021;張霞等，2021;Cheng et al.，2022;梁旭東等，2022;朱科鋒等，2022）。基于此，本文首先使用LBGM法生成初始擾動的對流尺度集合預報系統對此次持續性暴雨過程中的20日00時—21日00時、21日08時—22日08時兩個強降水集中時段進行模擬研究，然后通過降水的空間檢驗SAL法對集合預報成員在降水強度、空間結構等方面的預報性能進行檢驗，并與傳統的TS、ETS、Bias等評分進行對比，分析預報誤差產生的原因。

1 資料與試驗方案

試驗采取WRFV4．3版本，使用了NCEP－FNL和ECMWF－ERA5再分析資料以及常規氣象觀測資料，從2021年7月19日20時起報，預報時長為48 h。模式使用兩層雙向嵌套網格，模式最外層網格中心位于（115°E，33°N），水平分辨率為9 km，內層區域水平分辨率為3 km，垂直層數為35層。所有集合成員均采用相同物理參數化方案（表1）。試驗過程未同化觀測資料，且未引入側邊界擾動和模式擾動，且擾動的物理量包括水平緯向風速U、水平經向風速V、位溫T、位勢高度擾動PH和水汽混合比Q。集合預報試驗分為培育階段和預報階段，擾動調整周期為均為6 h。

2 研究方法

2．1 LBGM法

LBGM法是在傳統BGM法基礎上提出來的，兩者最大區別在于LBGM同時考慮了集合預報擾動物理量在垂直方向和水平方向上的不均勻性，可以更好地描述對流天氣的局地特征。在培育階段，BGM法對擾動場進行動態調整公式為：

式中：dft（k）為培育周期動態的全局調整所形成的擾動;dft′（k）代表了動態調整后輸入下一培育時刻的擾動;e0（k）、et（k）分別為初始時刻和t時刻對應的預報均方根誤差（Root Mean Square Error，RMSE）。

LBGM較BGM優勢在于得到的擾動是（i，j，k）的函數，而不只是關于k的函數，LBGM局地調整公式為：

這種局地調整在RMSE上與初始擾動保持一致，體現了對流尺度天氣系統的局地特性，進一步提高了集合離散度，促進了對流尺度集合預報的發展。LBGM法在模式運行中首先需要設置單層培育區域以及雙層嵌套的預報區域，并修改培育與預報起止時間等參數，然后啟動系統進行6 h預報。

2．2 降水檢驗方法

為定量評估模式降水預報，通常采取的統計評分檢驗方法包括風險評分（Threat Score，TS）、公平技巧評分（Equitable Threat Score，ETS）、空報率（False Alarm Rate，FAR）、漏報率（Missing Alarm Rate，MAR）、偏差評分（Bias Score，Bias）等。雖然統計檢驗方法通俗易懂，且廣泛應用于業務工作，但由于數值模式的發展，特別是隨著模式分辨率的不斷提高，對于模式產品的檢驗需要更精細化的評估方法來解決傳統預報檢驗方法在降水預報上空間信息不足的缺陷。因此，考慮降水特征的面向對象的檢驗方法越來越流行，面向對象即利用各種空間檢驗技術，把有限區域的天氣系統作為檢驗對象，重點關注預報場與實況場的相似程度等，以及在構造變形矢量基礎上分析模式預報能力（Wernli et al.，2008;Davis et al.，2009;Singh et al.，2021;Ji et al.，2020）。

其中SAL方法計算更簡單且結果更加直觀，在降水觀測基礎上確定預報檢驗區域，且降水量由小到大排列，根據傳統做法，將最大降水序號乘以0．95并取臨近整數序號降水量的1／15作為降水主體的臨界值，大于臨界值的降水格點確定為降水主體（公穎，2010）。SAL法通過計算三個無量綱的誤差衡量指標，降水強度（Amplitude，簡稱A）、結構（Structure，簡稱S）和位置（Location、簡稱L）三個關鍵因素來表征預報質量，更加符合評判邏輯。具體計算公式為：

其中：D（R）為所取區域內平均降水量;下標mod、obs分別代表預報降水場和觀測降水場，下同。

式中：R表示降水體內的總降水量；Rmax為降水體內最大降水值；V（R）為質量加權雨量值。

式中：s（R）表示場的重心位置;r（R）表示每個對象重心到總重心之間的質量加權平均距離，d表示區域D內橫向的最大距離。

3 集合預報結果及評估

3．1 強降水集合預報

3．1．1 過程概況

2021年7月17—22日河南省出現了一次罕見的極端強降水事件，鄭州、鶴壁、安陽、新鄉等19個縣（市）日降水量突破歷史極值，特別是20日16—17時（北京時，下同）鄭州站小時降水量達201．9 mm，小時雨強突破1951年以來中國大陸地區雨強極值。圖2給出了包括豫中和豫北兩個強降水中心在內的河南省24 h觀測累積降水量，此次極端強降水過程造成河南多地出現特大洪澇災害，部分水利工程受損，城市運行和交通等受到嚴重影響，出現重大人員傷亡與經濟財產損失。

通過500 hPa和700 hPa形勢場（圖3）可以看出此次特大暴雨降水過程是在多尺度天氣系統的相互作用下形成的。大陸高壓和西太平洋副熱帶高壓為暴雨過程提供了穩定少動的大氣環流，河南處于西太平洋副高南部邊緣，具有充足的不穩定能量，有利的環流配置使得暴雨過程較長時間的維持。同時，在穩定少動的環流形勢、充足的不穩定能量以及充沛水汽條件下，中小尺度對流反復在伏牛山區域發展并反復向鄭州地區沖擊，形成“列車效應”（朱宇寧等，2022），使得極端降水的維持時間長、降水強度大且具有強局地性。Wei et al.（2023）指出此次極端降水的直接制造者是中尺度對流系統，且是由單一準靜止對流風暴引起的而非“列車效應”，表明極端降水過程依賴于不同尺度大氣運動的相互配合，同時模式對太行山附近降水位置的預報偏差反映出數值模式對復雜地形動力作用的反映仍存在問題，因此全面梳理針對河南“21·7”特大暴雨事件的歸因問題研究并通過定量的方法評估降水預報效果，全面分析暴雨過程背后的影響系統，是很有必要的工作。

此次河南特大暴雨過程持續時間長，先后有兩個強降水中心，分別位于包括省會鄭州在內的豫中和太行山東麓沿山的安陽、新鄉等豫北地區，圖4給出了7月20日04時開始間隔4 h雷達觀測的對流系統演變過程，同時疊加850 hPa水平風場。由圖4a看，20日04時河南鄭州地區有一個正在強烈發展的中尺度對流系統，圖4b在06時對流系統的雷達回波逐漸達到最強，而鄭州站的極端強降雨過程就發生在強回波中心，且在太行山和伏牛山等復雜地形影響下，氣流北側和西側山地阻擋，暖濕空氣在鄭州站附近有較強的輻合和上升運動，因此容易形成高溫高濕的層結，更加有利于極端暴雨的發生。隨時間推移，圖4c和4d能看出在東南風作用下中尺度對流系統伴隨低渦的移動逐漸向西北方向逐漸消亡，但同時在河南中部地區不斷有零散對流組織新生發展（圖4e、4f）。

3．1．2 預報結果

此次過程的強降水包括豫中和豫北兩個中心，豫中強降水集中于19日20時—21日08時，豫北強降水集中于21日08時—22日08時，圖5和圖6分別代表豫中和豫北地區24 h降水集合預報結果。由圖可見，控制預報和擾動預報對于豫中和豫北24 h累積降水量達100 mm以上暴雨的可能性均有所體現，但是和實況（圖2）對比，雖然對于降水落區和強度有一定的體現，但是整體預報仍存在一定的結構偏差，強降水中心最大值預報偏弱且偏西，因此需要對控制預報成員和擾動預報成員在降水量預報過程的誤差進行更深入的分析。

3．2 集合成員降水預報評估

3．2．1 客觀評分統計檢驗

為進一步定量評估集合預報中控制預報和擾動預報的效果以及各成員在兩個強降水時段預報過程中的誤差表現，對集合預報的控制預報和擾動預報20日00時—21日00及21日08時—22日08時的24 h累積降水量進行誤差檢驗，范圍設定為106°～118°E、30°～40°N，成員總數為21個。將降水檢驗按照24 h降水量大小劃分為：小雨（0．1～9．9 mm）、中雨（10．0～24．9 mm）、大雨（25～49．9 mm）以及暴雨（≥50．0 mm）。

從圖7看，兩個強降水時段21組預報成員按照小雨、中雨、大雨、暴雨的TS評分依次遞減，且小雨預報的TS評分最高。以豫中為強降水中心的20日00時—21日00時段內，控制預報和擾動預報TS評分均位于0．6～0．7，除e003外其余成員暴雨評分處于0．2～0．3。24 h小雨預報評分中擾動預報中e003的評分優于控制預報，24 h中雨預報的TS評分中，除e002、e005、e008、e013、e016、e018六個成員的評分低于控制預報0．57外，其余預報評分均大于等于控制預報的TS評分。大雨量級TS評分擾動預報有12個成員高于控制預報0．45，24 h預報暴雨TS評分均表現較差，控制預報TS評分為0．26，擾動預報中僅有e003、e004、e010、e013、e016五個成員的評分高于0．26。以豫北為強降水中心的20日00時—21日00時段內，大雨以上量級的TS評分有13個擾動成員高于控制預報，且暴雨TS評分中e003為0．35，表現最佳。

針對此次特大暴雨過程，表2進一步針對暴雨量級降水預報進行評分，表明擾動預報成員e003在以豫中和豫北為強降水中心的兩次降水預報中整體表現最佳，e007、e013、e016次之。同時，e003空報率和漏報率在豫中強降水過程中為最低，分別是0．56和0．34，而豫北強降水過程中，e007的漏報率和空報率分別為0．68和0．59。對于暴雨量級降水而言，兩個強降水時段的控制預報ETS評分分別為0．16和0．12，其中豫北強降水時段有4個擾動預報成員評分表現更優，豫中強降水時段有8個擾動預報成員表現更優，以e013最優。 從24 h累積降水的Bias評分可以看出，e017在豫中強降水時段評分為0．99，最接近1，且在豫北強降水時段Bias評分也為最佳，表明其降水落區更接近于實況降水落區，但其存在較高的空報率和漏報率。故綜上所述，使用客觀定量統計檢驗方法，可以看出擾動預報e003與e013在以豫中和豫北為強降水中心的降水時段內暴雨TS和ETS評分最高，且能夠降低暴雨的空報率和漏報率，反之e008在兩個強降水時段的暴雨TS評分均表現最差。

3．2．2 SAL法檢驗

為進一步了解降水預報在空間上的信息，采用SAL降水空間檢驗方法對集合預報結果進行檢驗，分別從降水結構S、降水強度A、降水位置L三個主要方面進行定量描述。選取暴雨TS評分表現較好的成員e003、e013以及評分較差的成員e008與豫中強降水時段的觀測事實進行對比（圖5和圖2a），從主觀上看，對于強降水雨帶位置和強度均有所體現但存在偏差，因此對于24 h降水強度預報偏差及降水范圍偏差需進一步定量評估。

表3給出了SAL檢驗方法對各成員預報暴雨的分析。從結構S的檢驗來看，各成員S值均大于0趨于2，由于S值多半是由模式本身分辨率以及預報習慣決定，且無固定的取值范圍，一般來說，S正值出現在預報降水范圍相對于實況偏大或者預報降水中心雨量較實況偏小，試驗過程雖然采取了高分辨率數值模式，但對于強降水極大值習慣性預報偏小，強度偏弱，因此其S值大于0且值較大。考慮到S為較大的正值，也存在預報為大范圍強降水而實況為小范圍對流性強降水的情況。結合各成員的降水預報和實況，在結構檢驗上，各成員表現趨于一致，因此針對強降水范圍的預報有一定的偏大且預報強降水中心最大值偏小。

從強度A的檢驗來看，21個成員范圍都在-0．2～0．1，表明基于LBGM法的初始擾動方法形成的集合預報成員在降水強度預報上有較好的效果，成員e004和e005的A值在-0．2～0，表示預報較實況強度偏弱，e013的A值為0．02，說明e013預報的降水強度略偏強，其余成員的A值均等于或趨于0，因此除對于降水的極端性考慮不足外，整體上對于降水過程的強度預報把握較準確。

從位置L的檢驗看，各成員L值均在0～0．2，除e011和e019表現稍大之外，其余成員L值一致趨于0．07，說明模式預報降水雨帶位置較實況偏差小。雖然L值整體偏小，但通過預報和實況的對比，仍能明顯發現位置上存在一定的偏差，如e008和e019預報較實況位置偏西，且預報強降水中心的范圍偏小。因此位置L誤差主要來源于對于整個區域主體降水預報與實況位置的偏差。

通過對比傳統的客觀評分方法和基于降水空間的SAL檢驗法，針對暴雨量級的降水進行了定量化的分析。計算結果表明e003的TS評分和ETS評分均為最高，分別為0．35和0．23，表明該成員在暴雨量級的評分中表現較優，其在SAL檢驗中降雨強度A和雨區位置L表現均不錯，使得其空報率和漏報率均為最小，分別是0．56和0．34，因此兩類評分的結果在一定程度上存在對應關系，且對于e003而言，降雨強度與雨帶位置預報在客觀評分中的貢獻大于結構的預報。但結構S均為正值，且趨向于2，e008針對暴雨預報的空報率和漏報率分別達到0．66和0．64，其原因可能來自雨區位置預報偏西，從而使得暴雨中心偏西，空報率和漏報率偏高，同時其TS評分和ETS評分均為最低。

4 集合成員預報偏差分析

已有研究表明，影響此次極端暴雨過程的主要影響系統是深厚穩定的中尺度低渦（Yin et al.，2022;張入財等，2022），因此進一步針對500 hPa位勢高度場和風場的預報結果與ERA5再分析資料進行對比分析，在預報偏差成因試驗中主要選取評分表現較差的成員e008和表現較好的成員e003進行對比分析。由圖8可看出，成員e003和e008對于低渦位置的預報較實況均偏西且偏離程度不一，e003預報氣壓場具有封閉低壓環流中心。圖9通過比較兩個成員與ERA5再分析資料的位勢高度差和風場差，可以更直觀地看出兩個成員在河南中部地區都存在一定的風場預報誤差。成員e003黑色方框區域范圍較e008大，說明e003的位勢高度差更小，同時紅色方框區域代表位勢高度差的高值區，e003較e008范圍小，因此成員e008位勢高度場和ERA5的偏差大于e003，二者對于風場和位勢高度場的預報均存在誤差，這也是對于強降水位置預報偏西、強度偏弱的主要原因。

5 結論和討論

采用NCEP－FNL和ECMWF－ERA5再分析資料以及常規氣象觀測資料，針對河南“21·7”特大暴雨過程開展了對流可分辨尺度集合預報研究，基于LBGM的初始擾動方法生成集合預報成員，并針對降水預報采用SAL檢驗和TS、ETS等評分方法定量評估了集合預報成員的誤差，同時從降水過程的主要影響系統入手著重分析了降水位置和強度偏差的原因。結論如下：

1）采取LBGM法生成的集合預報成員，具有更明顯的局地特征，在以豫中和豫北為強降水中心的兩個時段內的降水預報中，集合預報結果在降水強度和空間上有一定的體現，同時對于極端強降水具有一定指示意義。

2）SAL檢驗結果表明，在降水分布上，e003預報的雨區位置與實況較相似，而e008雨區范圍偏小且降水中心偏西。整體上，集合預報各成員的預報結果仍存在一定偏差，結合當前已公開的研究成果，針對此次極端強降水過程的模擬和可預報性研究均有類似問題（栗晗等，2022;朱科鋒等，2022），因此本次集合預報試驗較成功地模擬了強降水過程。通過評分計算，TS、ETS評分和SAL檢驗之間有一定相關性，在業務工作中可以嘗試使用這兩類客觀評分方法來統計并檢驗預報效果。

3）針對主要影響系統分析了擾動預報成員的預報偏差，表明導致預報雨帶偏西的原因之一在于低渦位置預報偏西，整體上評分較優的成員e003和較差的成員e008的形勢場主要區別在于e003和ERA5再分析資料的位勢高度差低值區范圍更大，位勢高度差高值區范圍更小，因此e003預報偏差較小。

本文僅基于一次極端強降水過程進行了評估，具有一定局限性。但能反映出集合預報成員在降水方面的預報優劣，為業務預報和定量評估模式降水預報效果提供參考，為了更精確反映集合預報成員的預報效果以及預報結果誤差，后期將在此基礎上繼續開展對流尺度集合預報試驗。

參考文獻（References）

Allen S，Evans G R，Buchanan P，et al.，2021.Accounting for skew when post－processing MOGREPS－UK temperature forecast fields［J］.Mon Weather Rev，149（8）：2835－2852.doi：10．1175／mwr－d－20－0422．1.

Clark A J，Gallus W A Jr，Xue M，et al.，2009.A comparison of precipitation forecast skill between small convection－allowing and large convection－parameterizing ensembles［J］.Wea" Forecasting，24（4）：1121－1140.doi：10．1175／2009waf2222222．1.

Clark A J，Weiss S J，Kain J S，et al.，2012.An overview of the 2010 hazardous weather testbed experimental forecast program spring experiment［J］.Bull Amer Meteor Soc，93（1）：55－74.doi：10．1175／bams－d－11－00040．1.

Cheng J B，Zhao Y H，Zhi R，et al.，2022.Analysis of the July 2021 extreme precipitation in Henan using the novel moisture budget equation［J］.Theor Appl Climatol，149（1）：15－24.doi：10．1007／s00704－022－04022－7.

陳超輝，李湘，何宏讓，等，2018.基于對流尺度集合預報特性的局地增長模培育算法［J］.中國科學（地球科學），48（4）：510－520. Chen C H，Li X，He H R，et al.，2018.Local growth mode cultivation algorithm based on convection scale set forecasting characteristics［J］.Sci Sin Terrae，48（4）：510－520.doi：10．1360／N072017－00239.（in Chinese）.

陳超輝，王勇，杜鈞，等，2020.歐洲業務集合預報系統進展［J］.氣象科技進展，10（2）：19－29. Chen C H，Wang Y，Du J，et al.，2020.Overview of the European operational ensemble prediction systems［J］.Adv Meteorol Sci Technol，10（2）：19－29.doi：10．3969／j.issn.2095－1973．2020．02．004.（in Chinese）.

Davis C A，Brown B G，Bullock R，et al.，2009.The method for object－based diagnostic evaluation （MODE） applied to numerical forecasts from the 2005 NSSL／SPC spring program［J］.Wea Forecasting，24（5）：1252－1267.doi：10．1175／2009waf2222241．1.

Du J，Zhou B B，Levit J，2019.Measure of forecast challenge and predictability horizon diagram index for ensemble models［J］.Wea Forecasting，34（3）：603－615.doi：10．1175／waf－d－18－0114．1.

杜鈞，陳靜，2010.天氣預報的公眾評價與發布形式的變革［J］.氣象，36（1）：1－6. Du J，Chen J，2010.Necessity of communicating uncertainty in weather forecasts in view of public criticism［J］.Meteor Mon，36（1）：1－6.doi：10．3969／j.issn.1000－0526．2007．11．001.（in Chinese）.

公穎，2010.SAL定量降水預報檢驗方法的解釋與應用［J］.暴雨災害，29（2）：153－159. Gong Y，2010.The explanation and application of SAL quantitative verification for precipitation forecasts［J］.Torrential Rain Disasters，29（2）：153－159.doi：10．3969／j.issn.1004－9045．2010．02．009.（in Chinese）.

Ji L Y，Zhi X F，Simmer C，et al.，2020.Multimodel ensemble forecasts of precipitation based on an object－based diagnostic evaluation［J］.Mon Wea" Rev，148（6）：2591－2606.doi：10．1175／mwr－d－19－0266．1.

Keil C，Chabert L，Nuissier O，et al.，2020.Dependence of predictability of precipitation in the northwestern Mediterranean coastal region on the strength of synoptic control［J］.Atmos Chem Phys，20（24）：15851－15865.doi：10．5194／acp－20－15851－2020.

Kong F Y，Droegemeier K K，Hickmon N L，2007.Multiresolution ensemble forecasts of an observed tornadic thunderstorm system.part II：storm－scale experiments［J］.Mon Weather Rev，135（3）：759－782.doi：10．1175／mwr3323．1.

Li J，Du J，Xiong J，et al.，2021.Perturbing topography in a convection－allowing ensemble prediction system for heavy rain forecasts［J］.J G R Atmospheres，126（14）.doi：10．1029／2020jd033898.

李坤，陳超輝，何宏讓，等，2021.新型局地增長模培育法對兩次颮線個例的對流尺度集合預報試驗［J］.大氣科學學報，44（4）：518－528. Li K，Chen C H，He H R，et al.，2021.Convection－allowing ensemble forecasts of two squall line cases using a no－vel local breeding growth mode method［J］.Trans Atmos Sci，44（4）：518－528.doi：10．13878／j.cnki.dqkxxb.20200420001.（in Chinese）.

李湘，2017.增長模培育法在對流尺度集合預報中的初步應用與改進［D］.長沙：國防科技大學. Li X，2017.Preliminary application and improvement of growth mode cultivation method in convective scale ensemble forecast［D］.Changsha：National University of Defense Technology.（in Chinese）.

梁旭東，夏茹娣，寶興華，等，2022．2021年7月河南極端暴雨過程概況及多尺度特征初探［J］.科學通報，67（10）：997－1011. Liang X D，Xia R D，Bao X H，et al.，2022.Preliminary investigation on the extreme rainfall event during July 2021 in Henan Province and its multi－scale processes［J］.Chin Sci Bull，67（10）：997－1011.（in Chinese）.

栗晗，王新敏，朱楓，2022.“21·7”河南極端暴雨多模式預報性能綜合評估［J］.大氣科學學報，45（4）：573－590. Li H，Wang X M，Zhu F，2022.Comprehensive evaluations of multi－model forecast performance for“21·7”Henan extreme rainstorm［J］.Trans Atmos Sci，45（4）：573－590.（in Chinese）.

Ma S J，Chen C H，He H R，et al.，2019.An analysis on perturbation features of convection－allowing ensemble prediction based on the local breeding growth mode［J］.Wea Forecasting，34（2）：289－304.doi：10．1175／waf－d－18－0111．1.

Müller M，Homleid M，Ivarsson K I，et al.，2017.AROME－MetCoOp：a Nordic convective－scale operational weather prediction model［J］.Wea Forecasting，32（2）：609－627.doi：10．1175／waf－d－16－0099．1.

馬申佳，陳超輝，智協飛，等，2018.基于時空不確定性的對流尺度集合預報效果評估檢驗［J］.氣象學報，76（4）：578－589. Ma S J，Chen C H，Zhi X F，et al.，2018.The assessment and verification of convection－allowing ensemble forecast based on spatial－temporal uncertainties［J］.Acta Meteorol Sin，76（4）：578－589.doi：10．11676／qxxb2018．022.（in Chinese）.

馬申佳，何宏讓，陳超輝，等，2019.基于對流尺度集合預報的颮線結構特征模擬與改善［J］.氣象與環境學報，35（1）：1－9. Ma S J，He H R，Chen C H，et al.，2019.Simulation and improvement on structural characteristics of a squall line based on convection－allowing ensemble forecast［J］.J Meteorol Environ，35（1）：1－9.doi：10．3969／j.issn.1673－503X.2019．01．001.（in Chinese）.

冉令坤，李舒文，周玉淑，等，2021．2021年河南“7．20”極端暴雨動、熱力和水汽特征觀測分析［J］.大氣科學，45（6）：1366－1383. Ran L K，Li S W，Zhou Y S，et al.，2021.Observational analysis of the dynamic，thermal，and water vapor characteristics of the“7．20”Extreme rainstorm event in Henan Province，2021［J］.Chin J Atmos Sci，45（6）：1366－1383.（in Chinese）.

史文茹，李昕，曾明劍，等，2021.“7·20”鄭州特大暴雨的多模式對比及高分辨率區域模式預報分析［J］.大氣科學學報，44（5）：688－702. Shi W R，Li X，Zeng M J，et al.，2021.Multi－model comparison and high－resolution regional model forecast analysis for the “7·20” Zhengzhou severe heavy rain［J］.Trans Atmos Sci，44（5）：688－702.（in Chinese）.

Singh V，Konduru R T，Srivastava A K，et al.，2021.Predicting the rapid intensification and dynamics of pre－monsoon extremely severe cyclonic storm ‘Fani’ （2019） over the Bay of Bengal in a 12－km global model［J］.Atmos Res，247：105222.doi：10．1016／j.atmosres.2020．105222.

孫正齊，2019.中國對流性災害大風的數值模擬和形成機理研究［D］.南京：南京大學. Sun Z Q，2019.Numerical simulation and formation mechanism of convective disaster gale in China［D］.Nanjing：Nanjing University.（in Chinese）.

Tennant W，2015.Improving initial condition perturbations for MOGREPS－UK［J］.Quart J Royal Meteoro Soc，141（691）：2324－2336.doi：10．1002／qj.2524.

Wernli H，Paulat M，Hagen M，et al.，2008.SAL—a novel quality measure for the verification of quantitative precipitation forecasts［J］.Mon Weather Rev，136（11）：4470－4487.doi：10．1175／2008mwr2415．1.

Wei P，Xu X，Xue M，et al.，2023.On the key dynamical processes supporting the 21．7 Zhengzhou record－breaking hourly rainfall in China［J］.Adv Atmos Sci，40（3）：337－349.doi：10．1007／s00376－022－2061－y.

吳柏瑩，智協飛，陳超輝，等，2022.基于復卡爾曼濾波技術的華東區域風的多模式集成預報研究［J］.氣象，48（4）：393－405. Wu B Y，Zhi X F，Chen C H，et al.，2022.Multi－model ensemble forecasts of wind over East China by using augmented complex extended Kalman filter［J］.Meteor Mon，48（4）：393－405.doi：10．7519／j.issn.1000－0526．2022．011901.（in Chinese）.

Yin J F，Gu H D，Liang X D，et al.，2022.A possible dynamic mechanism for rapid production of the extreme hourly rainfall in Zhengzhou city on 20 July 2021［J］.J Meteorol Res，36（1）：6－25.doi：10．1007／s13351－022－1166－7.

張入財，田金華，陳超輝，等，2022.鄭州“7·20” 特大暴雨極端性成因分析［J］.氣象與環境科學，45（2）：52－64. Zhang R C，Tian J H，Chen C H，et al.，2022.Cause analysis of the 20 July，2021 extreme rainstorm event in Zhengzhou［J］.Meteorol Environ Sci，45（2）：52－64.doi：10．16765／j.cnki.1673－7148．2022．02．006.（in Chinese）.

朱宇寧，孟智勇，雷蕾，等，2022.中國東北冷渦背景下連續發生的中尺度對流系統的組織演變特征個例分析［J］.北京大學學報（自然科學版），58（3）：421－433. Zhu Y N，Meng Z Y，Lei L，et al.，2022.A case study on organization features of successive mesoscale convective systems in the environment of northeast China cold vortex［J］.Acta Sci Nat Univ Pekin，58（3）：421－433.（in Chinese）.

朱科鋒，張晨悅，薛明，等，2022.對流可分辨尺度集合預報對河南“21·7”極端降水事件可預報性研究［J］.中國科學（地球科學），52（10）：1905－1928. Zhu K F，Zhang C Y，Xue M，et al.，2022.對流可分辨尺度集合預報對河南“21·7”極端降水事件可預報性研究［J］.Sci Sin Terrae，52（10）：1905－1928.（in Chinese）.

張霞，楊慧，王新敏，等，2021.“21·7” 河南極端強降水特征及環流異常性分析［J］.大氣科學學報，44（5）：672－687. Zhang X，Yang H，Wang X M，et al.，2021.Analysis on characteristic and abnormality of atmospheric circulations of the July 2021 extreme precipitation in Henan［J］.Trans Atmos Sci，44（5）：672－687.doi：10．13878／j.cnki.dqkxxb.20210907001.（in Chinese）.

智協飛，黃聞，2019.基于卡爾曼濾波的中國區域氣溫和降水的多模式集成預報［J］.大氣科學學報，42（2）：197－206. Zhi X F，Huang W，2019.Multimodel ensemble forecasts of surface air temperature and precipitation over China by using Kalman filter［J］.Trans Atmos Sci，42（2）：197－206.doi：10．13878／j.cnki.dqkxxb.20181108001.（in Chinese）.

智協飛，朱壽鵬，孫晶，等，2015.基于BGM與ETKF的臺風“蘇拉”（1209）集合預報的對比試驗Ⅰ：路徑預報［J］.大氣科學學報，38（6）：776－784. Zhi X F，Zhu S P，Sun J，et al.，2015.Comparative experiments of ensemble forecasting of typhoon Saola（1209） based on BGM and ETKF，Part Ⅰ：track forecast［J］.Trans Atmos Sci，38（6）：776－784.doi：10．13878／j.cnki.dqkxxb.20150420002.（in Chinese）.

·ARTICLE·

Assessment of the convection－allowing scale WRF model using LBGM theory：a case study of severe torrential rain in Henan Province，July 2021

LIU Kan1，CHEN Chaohui1，HE Hongrang1，JIANG Yongqiang1，CHEN Xiangguo1，WANG Weiliang2

1College of Meteorology and Oceanography，National University of Defense Technology，Changsha 410073，China;

2Chinese people＇s Liberation Army Air Force Command College，Beijing 100017，China

Abstract Ensemble forecasting has emerged as a crucial method for enhancing quantitative precipitation forecasting in operational meteorology.To advance our understanding and improve effectiveness of ensemble predictions，it is imperative to rigorously and accurately assess the predictive skills of ensemble forecast systems.This study offers a comprehensive evaluation of prediction performance using statistical scoring methods such as Threat Score （TS），Equitable Threat Score （ETS），and spatial forecast verification （SAL） based on precipitation forecasts from perturbation and control ensemble members.Our results reveal the following：1） Ensemble members that initialize disturbances based on local breeding growth processes exhibit distinct advantages in forecasting heavy rainfall，yielding predictions that closely align with observed precipitation intensity and spatial distribution.2） Among all ensemble members，member e003 demonstrates the highest TS and ETS scores，along with the lowest 1 alarm rate and missing alarm rate.These scores are associated with superior accuracy in forecasting rainfall intensity （A） and rain area （L） in SAL verification.Conversely，member e008 displays the lowest scores for TS and ETS related to heavy rainfall，indicating a certain positional deviation in the SAL evaluation.3） Model precipitation forecast bias primarily arises from deviations in forecasting the low vortex system.Furthermore，the evaluation results of precipitation forecast scores for proficient ensemble members tend to exhibit a high degree of consistency.

Keywords ensemble prediction;local breeding growth mode;convection－allowing scale;SAL verification

doi：10．13878／j.cnki.dqkxxb.20220830001

（責任編輯：袁東敏）

2022－08－30收稿，2023－03－29接受

國家自然科學基金資助項目（42275169;42205045）;湖南省自然科學基金資助項目（2022JJ30660）