2023年河南麥區連陰雨過程的數值模式精細化檢驗評估

馬蘊琦, 栗 晗, 呂林宜

(1.中國氣象局·河南省農業氣象保障與應用技術重點開放實驗室,鄭州 450003; 2.河南省氣象臺,鄭州 450003;3.安陽國家氣候觀象臺,河南 安陽 455000)

引 言

連陰雨天氣具有氣溫低、濕度大和日照少的特點,往往推遲農作物的發育或生殖生長,造成農作物不能按時成熟甚至發芽霉變,影響產量和質量[1-2]。河南是全國農業大省,連陰雨天氣是河南省主要農業氣象災害之一,常帶來嚴重的經濟損失。如2017年8月下旬至10月中旬,河南出現3次區域連陰雨過程。該過程持續時間長、累計雨量大、影響范圍廣,為河南省自2000年來所罕見,給農業生產帶來嚴重的經濟損失[3]。

學者們分析了不同地區連陰雨的時空分布特征。杜明哲等[4]統計1961-2019年河南秋季連陰雨天氣后,表明黃河以南地區平均降水量多于黃河以北的,山區的多于平原地區的。史瑞琴等[5]指出,華中地區連陰雨發生頻次基本呈徑向分布,自北向南增加。朱玉周等[6]指出,河南大部分地區9月份降水中連陰雨成分占比為60%～70%。還有一些學者研究了連陰雨天氣成因及發展機制,從天氣系統、地形、海溫強迫等方面進行研究[7-9]。何慧根等[10]指出,歐亞地區中高緯環流形勢有利于冷空氣南下,高原高度場偏低,西太平洋副高面積偏小、脊線和北界位置偏南、西脊點偏東,是重慶連陰雨發生的主要原因。潘旸等[11]研究發現,烏拉爾山阻高形勢穩定,西太平洋副高位置偏北,但穩定在菲律賓海上空,同時對流層高層的副熱帶西風急流軸穩定在35°N,造成了2009年的春季連陰雨天氣過程。

隨著精細化天氣預報業務迅速發展,智能網格預報業務對檢驗分析產品的需求日益增長,以實況場為參考可以實現對高分辨率數值預報的質量跟蹤和性能評估。在數值模式預報產品檢驗評估[12-14]方面也有諸多研究成果。Novak等[15]對美國國家環境預報中心下屬的天氣預報中心過去60年的預報員、數值模式預報的定量降水預報進行了TS檢驗。Engel等[16]對澳大利亞的GOCF溫度網格預報進行了檢驗,并與ECMWF、UK等模式進行對比評估。國家氣象中心建立了“國家級天氣預報檢驗分析系統”[17],實現對各級網格預報產品的常規檢驗評估。對客觀預報方法進行檢驗評估,是產品優化升級、進一步開展預報檢驗、客觀訂正方法研發等多領域應用的基礎[18-20]。因此開展降水評估,尤其是針對某種特定類型降水進行精細化檢驗評估具有重要意義。

2023年5月25日至6月5日,河南麥收關鍵期出現大范圍陰雨過程。此次連陰雨天氣過程降水影響范圍廣、持續時間長、降水量異常偏多、日照時數嚴重偏少、氣溫顯著偏低,多項指標突破1961年以來同期觀測極值。雨區與河南小麥主產區成熟收獲期高度重疊,造成小麥成熟收獲進程延遲,部分麥收區出現發芽、霉變、倒伏等災情。為深入了解數值天氣預報(NWP)模式對連陰雨天氣過程的預報能力,本文對3種NWP模式的逐1 h降水預報結果進行精細化預報檢驗,評估模式對連陰雨天氣的預報性能,以期為今后業務精細化降水預報提供技術支撐和防災減災工作的開展提供參考。

1 資料和方法

1.1 資 料

本文選擇歐洲中期天氣預報中心的全球模式預報產品(ECMWF)、中國氣象局的中尺度模式預報產品(CMA-MESO)和華東區域氣象中心的中尺度模式預報產品(CMA-SH9)3個業務主流數值天氣預報模式作為檢驗評估對象。

為了更好地評估小時降水預報的日變化特征,各模式均選用每天20時起報的13-36 h預報時效(即08:00到次日08:00)的逐小時降水預報結果,并采用雙線性插值將水平分辨率統一為0.05°×0.05°。實況資料選取河南省2706個自動氣象站降水觀測資料。數值模式格點資料采用臨近法插值到站點上,與實況站點數據對應進行評估。

1.2 檢驗評估方法

檢驗指標采用傳統二分類降水預報檢驗方法。該方法基于觀測和預報按列聯表1中的類別分類后進行相應頻數統計。將小時降水量按0.1 mm、2.0 mm、 5.0 mm和10.0 mm 4個降水量級進行檢驗評估,分別對應小雨、中雨、大雨、暴雨級別[21];采用氣象部門預報業務中常使用的TS評分來表示預報技巧,評分越接近1,說明預報效果越好。此外采用BIAS評分進一步評估預報偏差,預報偏差BIAS評分值越接近1越好。當 BIAS為1,表示漏報率和空報率相當;當 BIAS小于1時,預報結果傾向于漏報,大于1時則傾向于空報。兩個評分計算方法如下。

表1 降水量觀測和預報二分類列聯表

技巧評分(TS):

(1)

預報偏差(BIAS):

(2)

此外,還用到統計檢驗評估方法,采用均方根誤差RMSE來評估模式預報偏差。計算方法為

(3)

其中,Fi和Oi分別代表第i個預報值和觀測值,n代表檢驗的總樣本個數。

1.3 檢驗指標說明

為了更好地認識各模式小時降水預報偏差的日變化特征,本文采用平均降水量、平均有效降水頻次、平均降水強度等檢驗指標[22],作為降水過程精細化評估研究指標。各指標定義如下。

平均降水量:統計時段內模式預報及觀測降水量的平均值。

平均有效降水頻次:統計時段內每24 h有降水(≥0.1 mm)時次數的平均值。

平均有效降水時次占比:統計時段內每24 h有降水(≥0.1 mm)時次數除以非缺測時次數的平均值。

平均降水強度:統計時段內降水量除以有降水(≥0.1 mm)時次數的平均值。

降水強度峰值時間:最大雨強所在時間段。

2 連陰雨降水實況

2023年5月25日至6月5日,河南麥收關鍵期出現大范圍降水過程,降水集中在兩個時間段內,分別是5月25日20時至30日20時(第一階段)及6月3日08時至6月5日08時(第二階段)。圖1顯示了兩個降水階段的累計雨量。第一階段的降水持續時間長達5天,為1961年以來同期影響范圍最廣、持續時間最長的一次陰雨天氣過程;強降水主要集中在河南西北部、西部、中東部及南部,最大累計降水量達199 mm,最大雨強為48.5 mm/h。第二階段降水過程持續兩天,強降水分布在河南西部和南部,最大累計降水量為100.5 mm,雨強最大值為20.5 mm/h。

圖1 河南省2023年5月25日20時-30日20時(a)和6月3日08時-6月5日08時(b)累計降水量

3 多模式小時降水精細檢驗評估

3.1 不同量級降水的分階段檢驗評估

圖2給出了各模式對第一階段降水預報的整體TS和BIAS評分。結果顯示,隨著降水閾值增加,降水預報準確率降低。從TS評分來看,ECMWF對Rh(小時降水量)≥0.1 mm/h的預報效果最優,TS評分高達0.42,CMA-SH9的次之。

圖2 第一降水階段各數值模式不同量級降水預報的TS(a)和BIAS(b)評分

對于Rh≥2 mm/h和Rh≥5 mm/h的降水,評分明顯降低,均低于0.07,CMA-SH9預報準確率排在第一位,ECMWF、CMA-MESO分別在Rh≥2 mm/h和Rh≥5 mm/h上排名第二,各模式對Rh≥5 mm/h預報的TS評分接近0;對于Rh≥10 mm/h的降水,各模式幾乎無預報能力。

結合BIAS評分,ECMWF對Rh≥0.1 mm/h和2 mm/h的降水BIAS大于1,傾向于空報,其中對Rh≥0.1 mm的BIAS為1.50,空報更明顯,ECMWF對Rh≥5 mm/h和Rh≥10 mm/h的預報趨于漏報,BIAS評分均低于CMA-MESO和CMA-SH9,漏報現象明顯。

從BIAS評分綜合來看,CMA-SH9在各個降水量級上相對于其他模式更接近1,降水落區范圍預報更加準確。

對于第二階段的降水(圖3),ECMWF對Rh≥0.1 mm/h和Rh≥2 mm/h的預報性能最優,TS評分分別為0.50和0.21,BIAS評分也更接近1,CMA-SH9的次之。各模式對Rh≥5 mm/h和Rh≥10 mm/h的降水幾乎無預報能力。

圖3 第二降水階段各數值模式不同量級降水預報的TS(a)和BIAS(b)評分

3.2 不同量級降水的逐小時檢驗評估

為了進一步了解各數值模式對不同預報時效降水的預報特點,圖4、5給出ECMWF、CMA-SH9和CMA-MESO在13-36 h時效(對應08:00-次日08:00)對不同降水量級逐小時降水預報結果的TS評分。

圖4 各數值模式對第一階段降水不同預報時效不同量級預報結果的TS評分(a)Rh≥0.1 mm/h, (b)Rh≥2 mm/h, (c)Rh≥5 mm/h, (d)Rh≥10 mm/h

根據第一階段降水TS評分可知,對于Rh≥0.1 mm/h時降水(圖4a),整體上ECMWF在不同預報時效內的逐時降水TS評分最高,CMA-SH9的次之,CMA-MESO的排在第三位。其中,ECMWF和CMA-SH9對13-17 h預報時效(09:00-13:00)的表現相當且預報效果好,對于18-21 h和24-36 h預報時效(14:00-17:00和20:00-次日08:00)的逐時降水,ECMWF預報效果明顯優于其他模式的。

對于Rh≥2 mm/h的降水(圖4b),各家模式預報表現差別較大。其中,CMA-SH9在13-16 h預報時效(09:00-12:00)及29-36 h預報時效(次日01:00-08:00)的預報效果較優,ECMWF則是在13:00至次日00:00的預報性能好;CMA-MESO相對其他模式預報效果較差。

在Rh≥5 mm/h(圖4c)和Rh≥10 mm/h(圖4d)的量級上,各個模式的預報效果明顯下降,區域數值模式CMA-SH9和CMA-MESO表現出一定的優勢,二者主要對次日夜里到早上的降水具有一定預報能力。

圖5顯示了各個模式對第二階段的3個降水量級(0.1 mm、2 mm、5 mm)逐小時預報結果的TS評分。對于Rh≥0.1 mm/h的降水(圖5a),各個模式隨著預報時效的增長評分呈現一致的變化趨勢,在09:00-13:00、14:00-17:00、18:00-次日01:00和次日02:00-08:00四個時間段TS評分的變化趨勢為先減少再增加、再減少再增加的趨勢。ECMWF對09:00-20:00的逐小時預報性能最好,排名第一,TS評分在0.6附近,CMA-SH9排在第二位,CMA-MESO的預報表現最差。對于21:00-次日08:00的逐小時降水預報,CMA-SH9排在第一位,ECMWF次之。對于Rh≥2 mm/h的降水(圖5b),ECMWF在12:00-次日04:00的逐小時預報中排名靠前,最高TS評分接近0.4,CMA-SH9對09:00-11:00和次日03:00-08:00的預報效果較好。在Rh≥5 mm的降水(圖5c)預報上,各個模式TS評分顯著下降,CMA-SH9和CMA-MESO在個別時間表現出較弱預報能力。

圖5 各數值模式對第二階段降水不同預報時效不同量級預報結果的TS評分(a)Rh≥0.1 mm/h, (b)Rh≥2 mm/h, (c)Rh≥5 mm/h

4 連陰雨預報偏差空間分布特征

圖6顯示了預報結果的均方根誤差(RMSE)。對于第一階段(圖6a-c)降水,3個模式都呈現出在階段降水量大值區預報偏差大的特點。對于豫北的降水,CMA-SH9和CMA-MESO預報偏差小,ECMWF對豫西南的降水預報效果好。對于第二階段(圖6d-f)降水,3個模式同樣表現出對降水大值區預報偏差大的特點,ECMWF對豫中和豫北的降水低值區把握較好,RMSE均在0.8 mm以下。

圖6 各數值模式對第一階段(a-c)和第二階段(d-f)預報結果的均方根誤差分布圖

在降水的第一階段,河南中部和西部山區的平均有效降水頻次大,平均每天有12～15 h都出現0.1 mm以上降水(圖7a)。ECMWF預報的降水頻次明顯偏多(圖7b),這也是其傾向空報(>0.1 mm/h的BIAS=1.50)的重要原因;CMA-MESO預報的降水頻次明顯偏少(圖7d),CMA-SH9的與實況最為接近,尤其對西部山區的降水頻次預報偏差小(圖7c)。

圖7 第一階段(a)和第二階段(e)有效降水時次及各數值模式對第一階段(b-d)和第二階段(f-h)預報的平均有效降水時次分布圖

對于第二階段降水,平均有效降水頻次從南向北遞減(圖7e)。ECMWF預報的有效降水頻次最貼近實況,偏差主要來源于對豫南的降水頻次預報偏多(圖7f),CMA-SH9(圖7g)和CMA-MESO(圖7h)預報的降水頻次分別明顯偏多和偏少。

圖8為兩個降水階段的降水強度峰值時間分布。對于第一階段的降水(圖8a),豫北和豫東的雨強峰值時間集中在白天時段(09:00-18:00),河南中西部和南部雨強峰值時間主要集中在03:00-09:00。ECMWF預報的雨強峰值滯后3～6 h,峰值時間差別較大(圖8b);CMA-SH9對河南中西部雨強峰值時間的預報結果與實況較為一致,預報的豫北地區峰值時間在03:00-09:00,與實況相差較大,預報的南部峰值時間在09:00-18:00,滯后于實況6 h左右(圖8c);CMA-MESO預報的雨強峰值時間主要集中在03:00-06:00,對豫東南的預報與實況較為一致(圖8d)。

圖8 第一階段(a)和第二階段(e)降水強度峰值時間及各數值模式對第一階段(b-d)和第二階段(f-h)預報的降水強度峰值時間分布圖

對于第二階段降水(圖8e),豫南雨強峰值時間集中在09:00-15:00,其余地區集中在03:00-06:00。ECMWF的預報與實況的峰值時間接近(圖8f),CMA-SH9對中東部的雨強峰值時間滯后3～9 h(圖8g),CMA-MESO的偏差主要是對豫南的雨強峰值時間預報偏早6～9 h(圖8h)。綜合來講,ECMWF對第二階段的降水強度峰值時間預報較為準確,CMA-SH9對第一階段雨強峰值出現時間把握更好。

5 典型區域預報偏差日變化特征

根據下墊面特征及實況降水落區分布特征,選取豫西(33.0°-35.3°N、110.2°-113.4°E)、豫東(33.1°-34.9°N、113.8°-116.8°E)、豫東南(31.3°-33.1°N、113.0°-116.0°E)3個典型區域作為研究對象,分析整個麥收期連陰雨期間各模式偏差的日變化特征(圖9)。其中,豫西為復雜地形區、平均海拔較高,豫東為平原區,豫東南為混合地形區且在兩個階段中均出現大范圍暴雨天氣。

圖9 2023年5月25日08時-6月5日08時各模式不同區域觀測和預報的平均降水量(a-c)、降水強度(d-f)、有效降水頻次占比(g-j)日變化特征短豎線代表預報與觀測的差值通過0.05的顯著性檢驗

從小時平均降水量預報偏差對比來看,除CMA-MESO在豫東和豫東南夜間個別時次出現預報偏弱的特征以外,其他大多數時次各模式預報偏差并沒有通過0.05的顯著性檢驗,即沒有表現出顯著的偏強或偏弱的偏差特征。對比不同區域降水強度預報日變化特征發現,僅有CMA-SH9在豫東下午至傍晚(15:00及17:00-20:00)預報的降水強度較實況顯著偏弱,其他模式偏差特征并不明顯。從有效降水頻次占比來看,ECMWF和CMA-MESO均表現出了較顯著的偏差特征,其中ECMWF對于豫西(12:00-20:00)、豫東(09:00-12:00及21:00-次日03:00)、豫東南(幾乎所有時次)均表現出顯著偏多的特征,CMA-MESO則在豫西夜間、豫東午后至夜間及豫東南后半夜等時段表現出顯著偏少的特征。

綜上,此次連陰雨過程中各模式小時降水量和小時降水強度盡管平均偏差較大,但并沒有表現出顯著偏強或偏弱的特征;對于有效降水頻次占比預報,ECMWF和CMA-MESO在大多數時次分別表現出顯著偏多、偏少的特征,CMA-SH9的預報則與實況更為接近。

6 結論與討論

本文以2023年5月25日到6月5日麥收關鍵期間的連陰雨為例,對業務中常用的ECMWF、CMA-SH9和CMA-MESO高分辨率數值模式的小時降水預報進行精細化評估,主要結論如下:

(1)整體上,ECMWF對小雨以上(Rh≥0.1 mm/h)的預報表現好,CMA-SH9對中雨以上(Rh≥2 mm/h)和大雨以上(Rh≥5 mm/h)的預報效果較優,CMA-MESO預報性能較差,各個模式對暴雨以上(Rh≥10 mm/h)降水幾乎無預報能力。針對不同時效的逐小時降水預報結果,對中雨以上(Rh≥2 mm/h)降水,CMA-SH9對上午和夜間的降水預報效果較優,ECMWF對中午到夜里的預報表現好。

(2)從預報偏差的空間分布來看,各模式都表現出在降水量大值區預報偏差大的特點。CMA-SH9對第一階段的平均有效降水頻次預報與實況最為接近,尤其在西部山區,ECMWF則對第二階段有效降水頻次的預報更貼合實況;對于降水強度峰值時間預報,CMA-SH9對第一階段的預報較為準確,ECMWF 對第二階段的預報更好。

(3)盡管此次連陰雨過程中各模式小時降水量和小時降水強度的平均值偏差較大,但并沒有表現出顯著偏強或偏弱的特征。對于有效降水頻次占比預報,ECMWF和CMA-MESO的預報在大多數時次分別表現出顯著偏多或顯著偏少的特征,CMA-SH9的預報則與實況更為接近。

綜合分析,ECMWF對弱降水預報效果好,CMA-SH9對降水偏強的過程具有優勢,這對業務預報有一定指示意義。本次工作只是針對一次連陰雨過程進行評估,今后還需開展更長時間段的模式降水評估,并采用更多檢驗方法從多角度評估模式的預報價值和分析誤差信息來源,為精細化預報提供更多的檢驗信息和改善建議。