基于集合預(yù)報(bào)的異常溫度預(yù)報(bào)產(chǎn)品在中國(guó)的應(yīng)用分析*

陶亦為 張恒德 代 刊 董 全 周 軍 劉 珺

1 國(guó)家氣象中心,北京 100081 2 中國(guó)氣象局華風(fēng)氣象傳媒集團(tuán),北京 100081

提 要: 基于歐洲中期天氣預(yù)報(bào)中心(ECMWF)第五代全球再分析資料(ERA5)構(gòu)建模式氣候,應(yīng)用ECMWF集合預(yù)報(bào),采用“集合預(yù)報(bào)標(biāo)準(zhǔn)化異常預(yù)報(bào)法”,針對(duì)最高和最低氣溫構(gòu)建中國(guó)地區(qū)集合平均異常溫度預(yù)報(bào)和異常溫度概率預(yù)報(bào)產(chǎn)品,并與極端預(yù)報(bào)指數(shù)(extreme forecast index,EFI)開(kāi)展檢驗(yàn)和對(duì)比分析預(yù)報(bào)性能,并基于“異常溫度影響矩陣”,構(gòu)建了異常溫度影響程度預(yù)報(bào)指數(shù),通過(guò)異常溫度事件個(gè)例探討相關(guān)產(chǎn)品的預(yù)報(bào)應(yīng)用。結(jié)果表明:基于ECMWF的ERA5和集合預(yù)報(bào)構(gòu)建的集合平均異常溫度預(yù)報(bào)產(chǎn)品對(duì)我國(guó)夏季和冬季異常溫度事件均有比較好的預(yù)報(bào)效果,預(yù)報(bào)性能好于或接近EFI,可作為業(yè)務(wù)上對(duì)異常溫度事件預(yù)報(bào)的支撐產(chǎn)品。異常溫度概率預(yù)報(bào)產(chǎn)品可以體現(xiàn)集合成員中的預(yù)報(bào)異常溫度事件的信息,在中期預(yù)報(bào)時(shí)效對(duì)發(fā)現(xiàn)早期異常溫度事件信號(hào)有優(yōu)勢(shì),并可反映對(duì)異常天氣預(yù)報(bào)的不確定性信息。異常溫度影響程度預(yù)報(bào)指數(shù)結(jié)合了異常天氣概率預(yù)報(bào)信息和異常程度預(yù)報(bào)信息,可對(duì)異常溫度時(shí)間給出客觀定量的預(yù)報(bào)結(jié)果,對(duì)一次異常低溫事件的個(gè)例預(yù)報(bào)證明該指數(shù)有比較好的預(yù)報(bào)效果,對(duì)異常溫度事件的預(yù)報(bào)和早期科學(xué)預(yù)警有一定指示意義和業(yè)務(wù)應(yīng)用前景。

引 言

隨著全球氣候變暖,極端溫度事件呈現(xiàn)上升趨勢(shì),如2021年1月4—7日受強(qiáng)冷空氣影響,華北、黃淮等地60個(gè)氣象站最低氣溫突破歷史極值(徐冉等,2021),同年2月18—21日我國(guó)中東部地區(qū)出現(xiàn)異常升溫天氣,618個(gè)國(guó)家級(jí)氣象站日最高氣溫突破2月歷史同期極值(胡藝和董全,2021),短時(shí)間內(nèi)出現(xiàn)異常偏冷和偏暖天氣事件對(duì)社會(huì)生活和經(jīng)濟(jì)發(fā)展產(chǎn)生嚴(yán)重影響。近年來(lái)極端天氣事件越來(lái)越受到學(xué)者們關(guān)注(羅玲等,2019;張芳華等,2020;官曉軍等,2021;車(chē)少靜等,2022),但極端天氣是小概率事件,對(duì)其預(yù)報(bào)能力十分有限(翟盤(pán)茂等,2016)。隨著集合預(yù)報(bào)系統(tǒng)近二十年的快速發(fā)展,極大地提高了對(duì)極端天氣事件不確定性的預(yù)報(bào)能力(Buizza et al,2007),尤其是近十年基于集合預(yù)報(bào)系統(tǒng)發(fā)展的針對(duì)極端天氣的預(yù)報(bào)技術(shù)。歐洲中期天氣預(yù)報(bào)中心(ECMWF)發(fā)展了極端預(yù)報(bào)指數(shù)(extreme forecast index,EFI),通過(guò)計(jì)算集合預(yù)報(bào)與模式氣候累計(jì)分布函數(shù)之間的差異,取值范圍為-1～1,差異越大代表極端事件程度越大且可能性越高(Lalaurette,2003;Zsótér,2006)。有研究表明在應(yīng)用時(shí)取較低的EFI閾值,雖然可提高對(duì)極端事件預(yù)報(bào)的命中率但也會(huì)產(chǎn)生較高的空?qǐng)?bào)情況(Boisserie et al,2016),因此應(yīng)用中需要平衡命中和空?qǐng)?bào),選取最優(yōu)閾值(Petroliagis and Pinson,2014)。但EFI最優(yōu)閾值在不同季節(jié)、不同地點(diǎn)、不同預(yù)報(bào)時(shí)效是不一樣的(董全等,2017),使用者如果缺乏相關(guān)了解則無(wú)法釋用好EFI產(chǎn)品。

Hart and Grumm(2001)提出“標(biāo)準(zhǔn)化異常度”方法,用來(lái)評(píng)估實(shí)況天氣的異常程度。Grumm and Hart(2001)基于NCEP再分析數(shù)據(jù)和全球譜模式,把“標(biāo)準(zhǔn)化異常度”方法用于對(duì)異常天氣事件的預(yù)報(bào)上,成功預(yù)報(bào)出北美地區(qū)異常天氣事件。基于集合預(yù)報(bào)對(duì)小概率異常天氣事件的預(yù)報(bào)優(yōu)勢(shì),美國(guó)2007年開(kāi)始在業(yè)務(wù)上應(yīng)用NCEP再分析數(shù)據(jù)和NCEP全球集合預(yù)報(bào)系統(tǒng),發(fā)展基于集合預(yù)報(bào)的標(biāo)準(zhǔn)化異常預(yù)報(bào)方法,在北美極端高溫和寒潮等異常天氣事件預(yù)報(bào)方面得到業(yè)務(wù)應(yīng)用(Graham and Grumm,2010;Grumm,2011)。Guan and Zhu(2017)研究認(rèn)為基于集合預(yù)報(bào)的標(biāo)準(zhǔn)化異常預(yù)報(bào)方法是一種對(duì)極端天氣事件更為合理的預(yù)報(bào)方法,用戶(hù)更容易判別極端天氣事件。杜鈞等(2014)在對(duì)北京“7·21”極端暴雨研究中發(fā)現(xiàn)該方法可提高對(duì)罕見(jiàn)極端天氣事件預(yù)報(bào)的可靠性,對(duì)小概率的極端天氣事件的預(yù)報(bào)更有優(yōu)勢(shì),并結(jié)合異常天氣的影響度(異常程度)和預(yù)報(bào)的可信度(預(yù)報(bào)概率),提出“社會(huì)影響矩陣”概念,可定量判斷極端天氣事件的綜合影響。

當(dāng)前國(guó)內(nèi)外學(xué)者們對(duì)EFI的應(yīng)用研究較多(吳劍坤等,2015;董全等,2016;Tsonevsky et al,2018),但對(duì)基于集合預(yù)報(bào)的標(biāo)準(zhǔn)化異常預(yù)報(bào)方法開(kāi)展的相關(guān)研究較少,且均是基于NCEP產(chǎn)品對(duì)國(guó)外極端天氣事件的應(yīng)用研究。本文擬基于ECMWF集合預(yù)報(bào)數(shù)據(jù),應(yīng)用基于集合預(yù)報(bào)的標(biāo)準(zhǔn)化異常預(yù)報(bào)方法,開(kāi)展對(duì)我國(guó)異常溫度事件的預(yù)報(bào)應(yīng)用評(píng)估。另外,目前還缺乏對(duì)杜鈞等(2014)提出的“社會(huì)影響矩陣”概念的具體研究,本文擬進(jìn)一步基于“異常溫度影響矩陣”,構(gòu)建異常溫度影響程度預(yù)報(bào)指數(shù),探討對(duì)我國(guó)異常溫度事件的預(yù)報(bào)應(yīng)用。

1 資料和方法

本文使用數(shù)據(jù)包括:國(guó)家氣象信息中心1981—2010年和2015年1月至2020年4月實(shí)況日最高(低)氣溫, ECMWF的1981—2010年ERA5逐小時(shí)2 m氣溫以及2015年1月至2020年4月逐日 08時(shí)(北京時(shí),下同)起報(bào)最高(低)氣溫集合預(yù)報(bào)產(chǎn)品和EFI產(chǎn)品(預(yù)報(bào)時(shí)效:0～168 h)。

EFI產(chǎn)品模式氣候是基于ECMWF再預(yù)報(bào)數(shù)據(jù),通過(guò)構(gòu)建某日前后9個(gè)再預(yù)報(bào)數(shù)據(jù)計(jì)算日(再預(yù)報(bào)數(shù)據(jù)每周周一和周四計(jì)算,滑動(dòng)日期范圍約為1個(gè)月)和20年回算以及11個(gè)成員得到(Tsonevsky,2015)。為方便對(duì)比,本文也參照1個(gè)月的滑動(dòng)日期范圍,即在構(gòu)建實(shí)況氣候樣本和模式氣候樣本的滑動(dòng)日期范圍設(shè)定為某日前后15天共計(jì)31天×30年(氣候標(biāo)準(zhǔn)值:1981—2010年)的930個(gè)樣本。對(duì)實(shí)況異常天氣分析參照Hart and Grumm(2001)“標(biāo)準(zhǔn)化異常度”方法:

(1)

參照杜鈞等(2014)提出的“集合預(yù)報(bào)標(biāo)準(zhǔn)化異常預(yù)報(bào)法”[式(2)],基于ERA5建立模式氣候樣本集,計(jì)算其均值和方差,分別計(jì)算集合預(yù)報(bào)51個(gè)成員1～7 d預(yù)報(bào)時(shí)效逐日的最高和最低氣溫的標(biāo)準(zhǔn)化異常度,再通過(guò)計(jì)算集合平均標(biāo)準(zhǔn)化異常度[式(3)],構(gòu)建集合平均異常溫度預(yù)報(bào)(ensemble mean of anomaly temperature forecast,EMATF)產(chǎn)品。Grumm and Hart(2001)指出+2(-2)個(gè)標(biāo)準(zhǔn)差(σ)相當(dāng)于正態(tài)分布95%(5%),本文定義標(biāo)準(zhǔn)化異常度≥2σ(≤-2σ)為異常高溫(低溫)溫度事件。異常溫度概率預(yù)報(bào)產(chǎn)品為通過(guò)計(jì)算集合預(yù)報(bào)成員達(dá)到異常高溫(低溫)事件的比例。

(2)

(3)

基于杜鈞等(2014)提出的“社會(huì)影響矩陣”概念,本文構(gòu)建了“異常溫度影響矩陣”。矩陣的橫、縱坐標(biāo)各設(shè)定11個(gè)等級(jí),其中縱坐標(biāo)為異常溫度概率預(yù)報(bào)等級(jí),異常溫度概率預(yù)報(bào)從0～100%逐10%對(duì)應(yīng)11個(gè)等級(jí);橫坐標(biāo)為異常溫度影響程度等級(jí),可認(rèn)為異常溫度事件越異常所造成的社會(huì)影響程度越大,因此對(duì)異常高溫(低溫)溫度事件從氣候百分位50%～100%(50%～0%)分為11個(gè)等級(jí),事件越異常不同等級(jí)的氣候百分位值間隔越小(表1)。通過(guò)計(jì)算橫坐標(biāo)不同等級(jí)氣候百分位所對(duì)應(yīng)的實(shí)況標(biāo)準(zhǔn)化異常度值,確定各等級(jí)所對(duì)應(yīng)的標(biāo)準(zhǔn)化異常度閾值;再通過(guò)集合平均異常溫度預(yù)報(bào)值與橫坐標(biāo)各等級(jí)的標(biāo)準(zhǔn)化異常度閾值比較,確定預(yù)報(bào)所對(duì)應(yīng)的橫坐標(biāo)等級(jí)。

表1 異常溫度影響矩陣對(duì)應(yīng)關(guān)系表Table 1 Corresponding relation table of abnormal temperature impact matrix

異常溫度影響程度預(yù)報(bào)指數(shù)為橫、縱坐標(biāo)所對(duì)應(yīng)的等級(jí)值相乘而得,范圍為0～100(圖1),能定量綜合反映預(yù)報(bào)的異常溫度事件的概率信息及異常程度信息。當(dāng)指數(shù)<40時(shí),表明預(yù)報(bào)的異常溫度事件概率很低或異常程度較小,對(duì)社會(huì)產(chǎn)生影響較小;當(dāng)指數(shù)≥60時(shí),表明預(yù)報(bào)的異常溫度事件的概率較高和異常程度較強(qiáng),需注意對(duì)社會(huì)產(chǎn)生的影響;當(dāng)指數(shù)≥80時(shí),說(shuō)明預(yù)報(bào)的異常溫度事件的概率很高且異常程度很強(qiáng),會(huì)對(duì)社會(huì)造成較大影響。

圖1 異常溫度影響矩陣Fig.1 Abnormal temperature impact matrix

本文應(yīng)用兩分類(lèi)預(yù)報(bào)統(tǒng)計(jì)檢驗(yàn)方法對(duì)產(chǎn)品進(jìn)行檢驗(yàn),采用TS評(píng)分、預(yù)報(bào)偏差(Bias)、命中率(H)、空?qǐng)?bào)率(F)進(jìn)行檢驗(yàn)評(píng)估(Jolliffe and Stephenson,2016)。對(duì)異常溫度事件的檢驗(yàn)還采用對(duì)稱(chēng)極端依賴(lài)指數(shù)(symmetric extremal dependence index,SEDI):

(4)

SEDI取值區(qū)間為-1～1,越接近1代表預(yù)報(bào)越接近完美預(yù)報(bào)(Ferro and Stephenson,2011),該方法廣泛應(yīng)用于對(duì)異常天氣事件的檢驗(yàn)(Mandal et al,2019)。

2 集合平均異常溫度預(yù)報(bào)(EMATF)產(chǎn)品評(píng)估分析

2015—2019年夏季(6—8月)和2015—2020年冬季(12月至次年2月),全國(guó)有22689站次(11960站次)出現(xiàn)異常高溫(低溫)事件,對(duì)夏季最高氣溫和冬季最低氣溫EMATF開(kāi)展TS、Bias、SEDI定量檢驗(yàn)(表2)。發(fā)現(xiàn),夏季短期預(yù)報(bào)時(shí)效(0～72 h)TS≥0.24、SEDI≥0.65,中期預(yù)報(bào)時(shí)效(96～168 h)TS≥0.13、SEDI≥0.48;冬季,短期預(yù)報(bào)時(shí)效TS≥0.22、SEDI≥0.70,中期預(yù)報(bào)時(shí)效TS≥0.16、SEDI≥0.62;即,EMATF對(duì)夏季和冬季的異常溫度事件短中期預(yù)報(bào)時(shí)效均有比較好的預(yù)報(bào)效果。

表2 0～168 h預(yù)報(bào)時(shí)效EMATF產(chǎn)品與EFI產(chǎn)品對(duì)中國(guó)夏季(2015—2019年)異常高溫事件和冬季(2015—2020年)異常低溫事件檢驗(yàn)結(jié)果Table 2 Verification result of 0-168 h lead-time EMATF and EFI for abnormal high-temperature events of China in summer (2015-2019) and abnormal low-temperature events of China in winter (2015-2020)

EMATF經(jīng)過(guò)集合平均后能反映產(chǎn)品整體性能,但也因集合平均被平滑掉集合成員對(duì)異常天氣事件的預(yù)報(bào)信息。對(duì)此,考慮有集合預(yù)報(bào)成員預(yù)報(bào)出異常高(低)溫事件就認(rèn)為發(fā)現(xiàn)了異常高(低)溫信號(hào),即異常溫度概率預(yù)報(bào)產(chǎn)品>0,但這同時(shí)也會(huì)增加空?qǐng)?bào),因此主要對(duì)命中率、空?qǐng)?bào)率和SEDI開(kāi)展檢驗(yàn)。夏季異常高溫事件,0～72 h預(yù)報(bào)時(shí)效SEDI可達(dá)到0.82以上,168 h預(yù)報(bào)時(shí)效在0.73;冬季異常低溫事件,0～168 h預(yù)報(bào)時(shí)效SEDI評(píng)分在0.78及以上(表3)。但無(wú)論夏季還是冬季,隨著預(yù)報(bào)時(shí)效延長(zhǎng),命中率和空?qǐng)?bào)率均呈現(xiàn)增加趨勢(shì),這與集合預(yù)報(bào)隨預(yù)報(bào)時(shí)效延長(zhǎng)離散度增加有關(guān),因此雖然命中增加,但同時(shí)也會(huì)顯著增加空?qǐng)?bào)。此外,異常溫度概率預(yù)報(bào)產(chǎn)品SEDI評(píng)分要好于EMATF,在中期預(yù)報(bào)時(shí)效更為明顯,說(shuō)明在中期預(yù)報(bào)時(shí)效該產(chǎn)品對(duì)異常天氣信號(hào)的發(fā)現(xiàn)更有優(yōu)勢(shì),在業(yè)務(wù)中建議兩種產(chǎn)品宜結(jié)合使用。

表3 0～168 h預(yù)報(bào)時(shí)效集合異常溫度概率預(yù)報(bào)產(chǎn)品(預(yù)報(bào)概率>0)對(duì)中國(guó)夏季(2015—2019年)異常高溫事件和冬季(2015—2020年)異常低溫事件的預(yù)報(bào)檢驗(yàn)Table 3 Verification result of 0-168 h lead-time ensemble abnormal temperature probability forecast products (forecast probability>0) for abnormal high-temperature events of China in summer (2015-2019) and abnormal low-temperature events of China in winter (2015-2020)

3 EMATF產(chǎn)品與EFI產(chǎn)品的對(duì)比分析

目前業(yè)務(wù)上對(duì)異常溫度事件的預(yù)報(bào)主要應(yīng)用EFI產(chǎn)品,本節(jié)主要分析EMATF與EFI對(duì)異常溫度事件的預(yù)報(bào)性能。為方便開(kāi)展對(duì)比分析,將二者逐日夏季(2015—2019年)最高氣溫和冬季(2015—2020年)最低氣溫的0～168 h預(yù)報(bào)時(shí)效預(yù)報(bào)產(chǎn)品分別進(jìn)行3階多項(xiàng)式擬合和相關(guān)性分析,用來(lái)確定二者對(duì)應(yīng)關(guān)系(圖2)。當(dāng)EMATF在夏季為2σ時(shí)對(duì)應(yīng)的EFI值為0.87,二者相關(guān)系數(shù)為0.95,當(dāng)EMATF在冬季為-2σ時(shí)對(duì)應(yīng)EFI值為-0.80,二者相關(guān)系數(shù)為0.93;即無(wú)論在夏季還是冬季,二者的相關(guān)性均較好。

注:黑實(shí)線為3階多項(xiàng)式擬合曲線,藍(lán)色虛線交叉點(diǎn)為EMATF等于2σ(-2σ)所對(duì)應(yīng)的EFI相應(yīng)數(shù)值。圖2 0～168 h預(yù)報(bào)時(shí)效EMATF產(chǎn)品和EFI產(chǎn)品逐日(a)夏季最高氣溫和(b)冬季最低氣溫預(yù)報(bào)關(guān)系散點(diǎn)圖Fig.2 Scatter diagram of the forecast relationship between the 0-168 h lead-time EMATF and the EFI daily (a) maximum temperature in summer and (b) minimum temperature in winter

通過(guò)比較EMATF與EFI 對(duì)夏季和冬季異常溫度事件的檢驗(yàn)結(jié)果(表2),發(fā)現(xiàn)無(wú)論是對(duì)于夏季還是冬季的異常溫度事件,EMATF在各預(yù)報(bào)時(shí)效的TS、SEDI均優(yōu)于或接近EFI,尤其是對(duì)夏季異常高溫事件更為明顯。同時(shí)發(fā)現(xiàn),EFI對(duì)夏季異常高溫事件在96 h預(yù)報(bào)時(shí)效以后評(píng)分出現(xiàn)明顯下降,陶亦為等(2017)也發(fā)現(xiàn)EFI隨著預(yù)報(bào)時(shí)效的延長(zhǎng)對(duì)異常溫度事件預(yù)報(bào)所對(duì)應(yīng)的最優(yōu)TS的EFI值呈現(xiàn)下降趨勢(shì)。造成這樣的原因可能是EFI產(chǎn)品模式氣候是基于ECMWF再預(yù)報(bào)數(shù)據(jù)構(gòu)建,再預(yù)報(bào)數(shù)據(jù)是基于當(dāng)前版本集合預(yù)報(bào)系統(tǒng)回算過(guò)去20年的集合預(yù)報(bào)數(shù)據(jù),雖有利于消除系統(tǒng)誤差,但隨著預(yù)報(bào)時(shí)效延長(zhǎng)再預(yù)報(bào)數(shù)據(jù)和集合預(yù)報(bào)產(chǎn)品的離散度均增加,可能導(dǎo)致二者之間的概率分布差異有所減小。

下面分別選取夏季和冬季兩次異常溫度事件進(jìn)一步開(kāi)展對(duì)比分析。2018年7月底至8月初東北地區(qū)發(fā)生異常高溫事件,7月30日達(dá)到最強(qiáng),東北地區(qū)中南部出現(xiàn)大范圍異常高溫(Tao and Zhang,2019)。對(duì)比EMATF和EFI產(chǎn)品29日08時(shí)起報(bào)的對(duì)30日異常高溫事件的預(yù)報(bào)(圖3),二者都預(yù)報(bào)出東北地區(qū)中南部將出現(xiàn)異常高溫,其中EFI預(yù)報(bào)異常高溫范圍偏東,而EMATF對(duì)異常高溫事件預(yù)報(bào)的范圍與實(shí)況更為接近,并且預(yù)報(bào)出遼寧中西部和內(nèi)蒙古東部偏南地區(qū)有異常高溫(實(shí)況表明,上述地區(qū)均出現(xiàn)36～38℃的高溫)。通過(guò)TS和Bias檢驗(yàn)可以看到,EMATF各時(shí)效評(píng)分均好于EFI(圖4),120 h預(yù)報(bào)時(shí)效以前TS大于0.6。此外,EMATF在短期時(shí)效內(nèi)Bias評(píng)分在0.8左右,而EFI則在0.5～0.7,存在一定的漏報(bào)現(xiàn)象,在中期時(shí)效EMATF的Bias評(píng)分明顯更好。

注:紅點(diǎn)為實(shí)況標(biāo)準(zhǔn)化異常度≥2σ。圖3 (a)EMATF產(chǎn)品和(b)EFI產(chǎn)品2018年7月29日08時(shí)起報(bào)的7月30日異常高溫事件的異常度預(yù)報(bào)(填色和等值線)Fig.3 The abnomaly forecasts of (a) EMATF and (b) EFI for the abnormal high-temperature event on 30 July 2018 initiated from 08:00 BT 29 July 2018 (colored and contour)

圖4 0～168 h預(yù)報(bào)時(shí)效EFI產(chǎn)品與EMATF產(chǎn)品對(duì)2018年7月30日異常高溫事件預(yù)報(bào)檢驗(yàn)(a)TS,(b)BiasFig.4 Verification of the EFI and EMATF forecasts with 0-168 h lead time to the abnormal high-temperature event on 30 July 2018(a) TS, (b) Bias

2018年1月28—29日發(fā)生了一次全國(guó)范圍的強(qiáng)冷空氣過(guò)程,華北中西部、西北地區(qū)東部以及江淮、江南、華南等地氣溫下降4～8℃,局地超10℃(劉超等,2018),在29日低溫達(dá)到最強(qiáng),共351個(gè)國(guó)家級(jí)氣象站達(dá)到異常低溫事件。EMATF和EFI于28日08時(shí)起報(bào)的對(duì)29日異常低溫事件的預(yù)報(bào),范圍與實(shí)況均比較接近(圖5),其中EFI在西北地區(qū)東部存在一定漏報(bào),在湖南南部存在一定空?qǐng)?bào),而EMATF對(duì)上述地區(qū)預(yù)報(bào)把握更好,預(yù)報(bào)出了陜西中南部大范圍異常低溫事件。定量檢驗(yàn)顯示(圖6),EMATF與EFI在短期預(yù)報(bào)時(shí)效TS評(píng)分接近,超過(guò)72 h預(yù)報(bào)時(shí)效后EMATF表現(xiàn)更好,超過(guò)24 h預(yù)報(bào)時(shí)效后EMATF的Bias優(yōu)于EFI,且在中期預(yù)報(bào)時(shí)效明顯優(yōu)于EFI。與夏季異常高溫事件相同,隨著預(yù)報(bào)時(shí)效的延長(zhǎng),EMATF的TS和Bias評(píng)分均表現(xiàn)比EFI更好、更穩(wěn)定。

注:紅點(diǎn)為實(shí)況標(biāo)準(zhǔn)化異常度≤-2σ。圖5 (a)EMATF產(chǎn)品和(b)EFI產(chǎn)品2018年1月28日08時(shí)起報(bào)的1月29日異常低溫事件的異常度預(yù)報(bào)(填色和等值線)Fig.5 The abnormaly forecasts of (a) EMATF and (b) EFI for the abnormal low-temperature event on 29 January 2018 initiated from 08:00 BT 28 January 2018 (colored and contour)

圖6 0～168 h預(yù)報(bào)時(shí)效EFI產(chǎn)品與EMATF產(chǎn)品對(duì)2018年1月29日異常低溫事件預(yù)報(bào)檢驗(yàn)(a)TS,(b)BiasFig.6 Verification of the EFI and EMATF forecasts with 0-168 h lead time to the abnormal low-temperature event on 29 January 2018 (a) TS, (b) Bias

4 對(duì)異常溫度事件預(yù)報(bào)的業(yè)務(wù)應(yīng)用探討

從前文對(duì)相關(guān)產(chǎn)品的檢驗(yàn)分析可以看出,EMATF對(duì)于夏季異常高溫事件和冬季異常低溫事件預(yù)報(bào)比EFI更好。本節(jié)以一次極端強(qiáng)寒潮天氣為例,具體探討相關(guān)產(chǎn)品在業(yè)務(wù)上的應(yīng)用。

2016年1月21—25日我國(guó)中東部地區(qū)爆發(fā)一次強(qiáng)寒潮天氣過(guò)程,出現(xiàn)大范圍極端低溫,25日中東部多站最低氣溫突破歷史極值(江琪等,2016)。EMATF提前6天預(yù)報(bào)出25日我國(guó)中東部大部將出現(xiàn)異常低溫事件,預(yù)報(bào)長(zhǎng)江中下游地區(qū)、西北地區(qū)東南部、云南中東部、福建沿海、重慶南部和東部等地將出現(xiàn)標(biāo)準(zhǔn)化異常度≤-3σ的低溫事件(圖7), TS評(píng)分為0.23,體現(xiàn)該產(chǎn)品對(duì)更異常低溫事件在中期預(yù)報(bào)時(shí)段也有較好的預(yù)報(bào)效果。

注:綠點(diǎn)和紅點(diǎn)分別為實(shí)況標(biāo)準(zhǔn)化異常度≤-2σ和≤-3σ。圖7 EMATF產(chǎn)品2016年1月19日08時(shí)起報(bào)的1月25日異常低溫事件的異常度預(yù)報(bào)(填色和等值線)Fig.7 The abnormaly forecast of EMATF for the abnormal low-temperature event on 25 January 2016 initiated from 08:00 BT 19 January 2016 (colored and contour)

異常溫度概率預(yù)報(bào)產(chǎn)品預(yù)報(bào)中東部大部地區(qū)會(huì)出現(xiàn)異常低溫事件的概率超過(guò)90%(圖8a),其中預(yù)報(bào)的江南東北部、江淮、云南中東部最低氣溫標(biāo)準(zhǔn)化異常度≤-3σ的概率超過(guò)90%(圖8b),可預(yù)報(bào)性較高,通過(guò)實(shí)況對(duì)比也可看到異常溫度概率預(yù)報(bào)提前6天預(yù)報(bào)最低氣溫標(biāo)準(zhǔn)化異常度≤-3σ的概率的區(qū)域與實(shí)況比較一致。另外,對(duì)于四川盆地西部出現(xiàn)的最低氣溫標(biāo)準(zhǔn)化異常度≤-3σ的低溫事件,雖然EMATF對(duì)上述地區(qū)預(yù)報(bào)偏弱,但異常溫度概率預(yù)報(bào)產(chǎn)品也有一定體現(xiàn)。這也進(jìn)一步說(shuō)明,業(yè)務(wù)上對(duì)異常天氣事件的預(yù)報(bào)應(yīng)結(jié)合異常溫度概率預(yù)報(bào)產(chǎn)品,尤其是對(duì)更異常的天氣事件進(jìn)行判斷和評(píng)估預(yù)報(bào)不確定性信息時(shí)。

圖8 異常溫度概率預(yù)報(bào)產(chǎn)品2016年1月19日08時(shí)起報(bào)的1月25日最低氣溫的標(biāo)準(zhǔn)化異常度(a)≤-2σ和(b)≤-3σ的概率預(yù)報(bào)Fig.8 Abnormal temperature probability forecast product for the abnormal minimum temperature of standardized anomaly (a) ≤-2σ and (b) ≤-3σ on 25 January 2016 initiated from 08:00 BT 19 January 2016

從最低氣溫異常溫度影響程度預(yù)報(bào)指數(shù)來(lái)看(圖9),在貴州和廣西指數(shù)小于40,反映此次強(qiáng)寒潮天氣過(guò)程在上述地區(qū)異常低溫事件概率很低且異常性不強(qiáng),所造成的社會(huì)影響較小,同時(shí)在江淮、江漢、江南、四川盆地、云南東部、西北地區(qū)東部等地指數(shù)預(yù)報(bào)均超過(guò)80。對(duì)照表1可知,當(dāng)異常溫度事件預(yù)報(bào)概率至少達(dá)到80%(縱坐標(biāo)等級(jí)為8)且異常低溫事件氣候百分位至少≤0.5%(橫坐標(biāo)等級(jí)為10),或異常溫度事件預(yù)報(bào)概率為100%(縱坐標(biāo)等級(jí)為10)且異常低溫事件氣候百分位至少≤2.5%(橫坐標(biāo)等級(jí)為8),預(yù)報(bào)指數(shù)才能達(dá)到80以上。異常溫度影響程度預(yù)報(bào)指數(shù)結(jié)合了集合平均異常溫度預(yù)報(bào)產(chǎn)品中的溫度異常程度的預(yù)報(bào)信息和異常溫度概率預(yù)報(bào)產(chǎn)品中的可預(yù)報(bào)性信息,可以在一個(gè)產(chǎn)品上給出對(duì)異常溫度事件更為直觀定量的預(yù)報(bào)結(jié)果,當(dāng)指數(shù)越大時(shí)代表預(yù)報(bào)的異常溫度事件對(duì)社會(huì)造成的影響越大。無(wú)論是事件的異常程度預(yù)報(bào)沒(méi)有達(dá)到最強(qiáng),但所有集合成員均預(yù)報(bào)出異常低溫事件的發(fā)生(概率較大);或者,盡管并非所有集合成員均預(yù)報(bào)出異常低溫事件的發(fā)生,但集合平均異常溫度預(yù)報(bào)產(chǎn)品所預(yù)報(bào)結(jié)果接近歷史最強(qiáng);這兩種預(yù)報(bào)得到的異常溫度事件均會(huì)對(duì)社會(huì)產(chǎn)生較大影響,均需要在預(yù)報(bào)預(yù)警上有所行動(dòng)。對(duì)比實(shí)況發(fā)現(xiàn),異常溫度影響程度預(yù)報(bào)指數(shù)超過(guò)80的區(qū)域基本覆蓋實(shí)況最低氣溫標(biāo)準(zhǔn)化異常度≤-2σ的區(qū)域,說(shuō)明對(duì)此次強(qiáng)寒潮天氣過(guò)程出現(xiàn)的異常溫度偏低事件有比較好的預(yù)報(bào)效果。本文構(gòu)建的“異常溫度影響矩陣”方法對(duì)異常溫度事件的預(yù)報(bào)和早期預(yù)警有較好的指示意義,可以在異常天氣事件的預(yù)報(bào)業(yè)務(wù)中開(kāi)展深入應(yīng)用。

圖9 2016年1月19日08時(shí)起報(bào)的1月25日最低氣溫異常溫度影響程度預(yù)報(bào)指數(shù)Fig.9 The forecast index of impact degree of minimum temperature anomaly on 25 January 2016 initiated from 08:00 BT 19 January 2016

5 結(jié) 論

基于ERA5構(gòu)建模式氣候,應(yīng)用ECMWF集合預(yù)報(bào),采用“集合預(yù)報(bào)標(biāo)準(zhǔn)化異常預(yù)報(bào)法”構(gòu)建集合平均異常溫度預(yù)報(bào)和異常溫度概率預(yù)報(bào)產(chǎn)品,并建立“異常溫度影響矩陣”,開(kāi)發(fā)異常溫度影響程度預(yù)報(bào)指數(shù)。分析了相關(guān)產(chǎn)品預(yù)報(bào)性能,并與EFI進(jìn)行了對(duì)比,進(jìn)一步分析相關(guān)產(chǎn)品在異常溫度事件上的應(yīng)用。主要結(jié)論如下:

(1)本文基于ECMWF的ERA5和集合預(yù)報(bào)所構(gòu)建的集合平均異常溫度預(yù)報(bào)產(chǎn)品,可以反映出我國(guó)夏季(冬季)異常溫度事件,在中短期預(yù)報(bào)時(shí)效均有比較好的預(yù)報(bào)效果,對(duì)于更極端的異常溫度事件也有一定的預(yù)報(bào)能力,但集合平均后也會(huì)平滑掉集合成員的信息。異常溫度概率預(yù)報(bào)產(chǎn)品可以體現(xiàn)集合成員的異常信息,尤其是在中期預(yù)報(bào)時(shí)效,對(duì)發(fā)現(xiàn)異常溫度事件的信號(hào)更有優(yōu)勢(shì),并可以反映對(duì)異常溫度事件可預(yù)報(bào)性的信息,在業(yè)務(wù)中建議兩種產(chǎn)品結(jié)合一起使用。

(2)通過(guò)定量檢驗(yàn)和個(gè)例對(duì)比,均反映出集合平均異常溫度預(yù)報(bào)產(chǎn)品在短中期預(yù)報(bào)時(shí)效對(duì)夏季異常高溫事件和冬季異常低溫事件的預(yù)報(bào)性能均優(yōu)于或接近EFI,尤其在中期預(yù)報(bào)時(shí)效的優(yōu)勢(shì)更為明顯。集合平均異常溫度預(yù)報(bào)產(chǎn)品相較于EFI原理簡(jiǎn)單,另外EFI取值范圍存在上限和下限(-1～1),而前者不存在上下限,可直觀地反映出異常溫度事件的異常程度,使用者也更容易理解其意義,在業(yè)務(wù)上可作為對(duì)異常溫度事件預(yù)報(bào)的補(bǔ)充產(chǎn)品。

(3)本文基于“異常溫度影響矩陣”開(kāi)發(fā)的異常溫度影響程度預(yù)報(bào)指數(shù),結(jié)合了異常溫度事件的概率預(yù)報(bào)信息和異常程度預(yù)報(bào)信息,并轉(zhuǎn)變?yōu)楦鼮橹庇^的定量預(yù)報(bào)結(jié)果。通過(guò)一次強(qiáng)寒潮天氣個(gè)例證明該指數(shù)對(duì)異常溫度事件有比較好的預(yù)報(bào)效果,有較好的業(yè)務(wù)應(yīng)用效果,對(duì)異常溫度事件預(yù)報(bào)和早期科學(xué)預(yù)警有比較好的指示意義。本文研究結(jié)果尚不能說(shuō)明該方法對(duì)風(fēng)、降水等其他要素的的預(yù)報(bào)能力,這值得進(jìn)一步研究。另外,本文在構(gòu)建“異常溫度影響矩陣”過(guò)程中只考慮了異常溫度事件異常程度的影響,后面可以探討融入社會(huì)信息如人口、城市、經(jīng)濟(jì)等,以進(jìn)一步增強(qiáng)產(chǎn)品的科學(xué)性和實(shí)用性。