涂靜，黃曉瑩，張華龍

（廣東省氣象臺(tái)，廣東廣州 510640）

本研究對(duì)廣東省2019年1—12月20：00—20：00（北京時(shí)，下同）日降水、最高和最低氣溫網(wǎng)格預(yù)報(bào)（20：00起報(bào)）進(jìn)行檢驗(yàn)評(píng)估，評(píng)估對(duì)象包括省級(jí)主觀網(wǎng)格預(yù)報(bào)（以下簡(jiǎn)稱省級(jí)網(wǎng)格）、ECMWF和Grapes3 km模式，除特殊注明外，均選取距離廣東省86個(gè)市縣測(cè)站最近的格點(diǎn)預(yù)報(bào)值進(jìn)行檢驗(yàn)。根據(jù)實(shí)際業(yè)務(wù)情況，省級(jí)網(wǎng)格取0～24 h預(yù)報(bào)、客觀模式取相應(yīng)提前24 h起報(bào)的24～48 h預(yù)報(bào)進(jìn)行對(duì)比評(píng)估（例如：實(shí)況時(shí)間為3日20：00—4日20：00，省級(jí)網(wǎng)格取 3日 20：00起報(bào)的0～24 h小時(shí)預(yù)報(bào)，客觀模式取2日20：00起報(bào)24～48 h預(yù)報(bào)），其中最高、最低氣溫預(yù)報(bào)值取對(duì)應(yīng)時(shí)效內(nèi)所有預(yù)報(bào)時(shí)次中氣溫預(yù)報(bào)的最大和最小值。

1 溫度預(yù)報(bào)檢驗(yàn)

由2019年廣東省平均日最高氣溫和最低氣溫預(yù)報(bào)絕對(duì)誤差（表略）可以看出，省級(jí)網(wǎng)格分別為1.39和1.12℃，較模式有明顯訂正效果，模式中Grapes3km對(duì)日最高氣溫的預(yù)報(bào)效果優(yōu)于ECMWF，二者誤差分別為1.75和2.21℃，而ECMWF對(duì)日最低氣溫預(yù)報(bào)誤差較小，僅為1.22℃，Grapes3km誤差偏大為1.65℃。

1.1 逐月誤差

主客觀日最高、最低氣溫預(yù)報(bào)逐月絕對(duì)誤差和相對(duì)誤差分布如圖1所示，省級(jí)網(wǎng)格各月份預(yù)報(bào)誤差均小于模式。對(duì)于日最高氣溫預(yù)報(bào)，省級(jí)網(wǎng)格和Grapes3km月變化較為一致，冬、春季誤差較大，而夏、秋季誤差較小。省級(jí)網(wǎng)格2月誤差最大為2.10℃，9月最小為0.84℃?？陀^模式中，ECMWF在6—9月預(yù)報(bào)誤差明顯增加，對(duì)超過(guò)30℃以上高溫預(yù)報(bào)能力有限，存在系統(tǒng)性預(yù)報(bào)偏低，從日最高氣溫逐月相對(duì)誤差圖中可見(jiàn)（圖1c），除2月份，ECMWF預(yù)報(bào)均表現(xiàn)為偏低，6—9月份平均偏低超過(guò)2℃；Grapes3km亦存在系統(tǒng)誤差，但參考價(jià)值相對(duì)較高。

日最低氣溫預(yù)報(bào)逐月絕對(duì)誤差分布表現(xiàn)為冬、春季節(jié)大而夏季小，省級(jí)網(wǎng)格和兩個(gè)模式趨勢(shì)一致。省級(jí)網(wǎng)格2月誤差最大為1.52℃，5—9月誤差小于1.0℃，7月誤差最小為0.84℃。客觀模式中，ECMWF相對(duì)Grapes3km各月份誤差均較小，Grapes3km在冬季表現(xiàn)為預(yù)報(bào)偏高，其余季節(jié)預(yù)報(bào)偏低（圖1d）。

1.2 逐日誤差

從日最高、最低氣溫實(shí)況和預(yù)報(bào)逐日序列分析可知（圖略），主客觀模式均能較好預(yù)報(bào)日最高、最低氣溫變化趨勢(shì)，尤其對(duì)日最低氣溫的預(yù)報(bào)效果較好。冬季氣溫變化振幅和預(yù)報(bào)偏差最大，誤差較大日對(duì)應(yīng)了冷空氣和降水影響導(dǎo)致的降溫和后期回溫過(guò)程，無(wú)論對(duì)日最高氣溫還是最低氣溫的預(yù)報(bào)，主客觀均表現(xiàn)為預(yù)報(bào)偏高。前汛期3—5月受降水影響氣溫仍有所波動(dòng)，后汛期開(kāi)始降水較少，天氣穩(wěn)定，受其影響，6—10月氣溫較為平穩(wěn)，誤差較大時(shí)段對(duì)應(yīng)受臺(tái)風(fēng)外圍下沉氣流影響的高溫天氣過(guò)程，主客觀均表現(xiàn)為預(yù)報(bào)偏低［1］。

圖1 2019年省級(jí)網(wǎng)格、ECMWF和Grapes3km日最高、最低氣溫預(yù)報(bào)誤差逐月分布

1.3 逐時(shí)誤差

為了解省級(jí)網(wǎng)格對(duì)冷空氣影響過(guò)程氣溫變化節(jié)奏的把握程度和預(yù)報(bào)偏差來(lái)源，對(duì)氣溫預(yù)報(bào)誤差最大的2019年2月份進(jìn)行逐時(shí)氣溫預(yù)報(bào)檢驗(yàn)，分別選取韶關(guān)（59082）、廣州（G1099）和陽(yáng)江（59663）3個(gè)代表站，以代表廣東省北部、中部和南部市縣。

2月有3次冷空氣影響廣東省［2］，9—11日，受強(qiáng)冷空氣影響，廣東省陰天有小雨，廣州市日平均最大降溫11℃；17—18日受中等強(qiáng)度冷空氣影響，廣東省西部市縣出現(xiàn)暴雨，其余大部市縣陰天間多云，廣州日平均最大降溫6.2℃；21—24日，受強(qiáng)冷空氣影響，廣東省出現(xiàn)中到大雨，廣州日平均最大降溫8.5℃。如圖2所示，從韶關(guān)、廣州和陽(yáng)江站逐時(shí)氣溫變化中較易分辨出3次冷空氣影響過(guò)程，其中韶關(guān)9—11日降溫最為明顯，后期氣溫維持較低，廣州和陽(yáng)江在前兩次冷空氣影響后回溫明顯，因此對(duì)第3次冷空氣影響的降溫表現(xiàn)仍較為可觀。省級(jí)網(wǎng)格預(yù)報(bào)主要誤差來(lái)源于對(duì)降溫過(guò)程預(yù)報(bào)偏高，且對(duì)日較差預(yù)報(bào)過(guò)大，導(dǎo)致對(duì)日最高氣溫的預(yù)報(bào)較實(shí)況偏高尤為明顯；另外，由于對(duì)天氣狀況預(yù)報(bào)過(guò)于晴好，導(dǎo)致對(duì)21—24日緩慢回溫過(guò)程預(yù)報(bào)也偏高。從空間分布來(lái)看，省級(jí)網(wǎng)格對(duì)中北部市縣的預(yù)報(bào)誤差要明顯大于南部，這與南部市縣受冷空氣影響程度相對(duì)較弱、氣溫波動(dòng)較小有關(guān)。

2 降水預(yù)報(bào)檢驗(yàn)

2.1 降水預(yù)報(bào)評(píng)分

如表1所示，省級(jí)網(wǎng)格對(duì)晴雨、小雨以上、中雨以上、大雨以上和暴雨以上量級(jí)降水的預(yù)報(bào)較客觀模式均有一定訂正能力，模式中Grapes3 km的晴雨準(zhǔn)確率略高于ECMWF，ECMWF空?qǐng)?bào)失分較多，中雨以上Grapes3 km評(píng)分低于ECMWF，主要表現(xiàn)為漏報(bào)失分，其余量級(jí)中兩個(gè)模式評(píng)分相當(dāng)。

大雨以上和暴雨以上預(yù)報(bào)評(píng)分明細(xì)如表2所示，主客觀預(yù)報(bào)的空、漏報(bào)率均較高，對(duì)比而言，省級(jí)網(wǎng)格空?qǐng)?bào)率高于模式，漏報(bào)率低于模式，且空?qǐng)?bào)率明顯大于漏報(bào)率，預(yù)報(bào)偏差（式（1））較大，大雨以上和暴雨以上分別為1.61和1.47；ECMWF則相反，漏報(bào)率最高而空?qǐng)?bào)率最低，預(yù)報(bào)偏差小于1；Grapes3km模式的空漏報(bào)相當(dāng)，預(yù)報(bào)偏差相對(duì)最接近1。

其中，NA為命中站點(diǎn)數(shù)；NB為空?qǐng)?bào)站點(diǎn)數(shù)；NC為漏報(bào)站點(diǎn)數(shù)，當(dāng)預(yù)報(bào)偏差大于1時(shí)表示存在空?qǐng)?bào)，小于1時(shí)表示存在漏報(bào)，數(shù)值絕對(duì)值越大，表示空、漏報(bào)越多。

圖2 2019年2月1日20：00—28日20：00韶關(guān)、廣州和陽(yáng)江逐小時(shí)省級(jí)網(wǎng)格預(yù)報(bào)及溫度見(jiàn)測(cè)實(shí)況分布

表1 2019年主客觀降水24 h預(yù)報(bào)評(píng)分 %

2.2 分類型強(qiáng)降水過(guò)程檢驗(yàn)

為了解主客觀模式對(duì)廣東省不同類型強(qiáng)降水過(guò)程的預(yù)報(bào)能力，對(duì)2019年56個(gè)區(qū)域性大雨日降水進(jìn)行分類型檢驗(yàn)，區(qū)域性大雨日選取參照廣東省氣象臺(tái)中期預(yù)報(bào)服務(wù)的實(shí)際經(jīng)驗(yàn)，凡省內(nèi)某測(cè)站日雨量達(dá)到25mm及以上者，稱該站有大雨以上降水，當(dāng)某日省內(nèi)出現(xiàn)大雨以上降水的測(cè)站有相鄰4個(gè)連成片者，定義該日為區(qū)域性大雨日。根據(jù)實(shí)際統(tǒng)計(jì)情況，屬于暖區(qū)類型有11 d，鋒面類型36 d，與熱帶系統(tǒng)相關(guān)的類型9 d。

表2 大雨和暴雨預(yù)報(bào)報(bào)評(píng)分明細(xì) %

表3所示為3種類型降水大雨以上TS評(píng)分，主客觀預(yù)報(bào)對(duì)比而言，省級(jí)網(wǎng)格對(duì)暖區(qū)和熱帶系統(tǒng)類型評(píng)分均高于模式，鋒面類型評(píng)分與Grapes3km相當(dāng)，模式中Grapes3km暖區(qū)和鋒面類型降水評(píng)分較高，熱帶系統(tǒng)類型ECMWF較好；對(duì)比不同降水類型，主客觀熱帶系統(tǒng)類型降水TS評(píng)分明顯高于其他兩種類型，模式中鋒面類型評(píng)分略高于暖區(qū)類型，省級(jí)網(wǎng)格則相反。

表3 分類型降水預(yù)報(bào)大雨以上TS評(píng)分 %

配合大雨及以上評(píng)分明細(xì)分析（圖3）可知，省級(jí)網(wǎng)格對(duì)各類型降水預(yù)報(bào)的空?qǐng)?bào)率均最高，漏報(bào)率最低，主要為空?qǐng)?bào)失分；ECMWF則相反，漏報(bào)多于空?qǐng)?bào)，尤其對(duì)于暖區(qū)類型降水，漏報(bào)率明顯高于空?qǐng)?bào)率，Grapes3km對(duì)熱帶系統(tǒng)類型降水漏報(bào)率最高。主客觀對(duì)熱帶系統(tǒng)類型降水的空、漏報(bào)率低于其它類型降水，因此得分較高。

圖3 2019年不同類型降水過(guò)程大雨及以上評(píng)分明細(xì)

華南暖區(qū)暴雨長(zhǎng)期以來(lái)一直是大氣科學(xué)研究和定量降水預(yù)報(bào)業(yè)務(wù)中的難點(diǎn)問(wèn)題［3］，從2019年11場(chǎng)暖區(qū)類型強(qiáng)降水形勢(shì)場(chǎng)空間分布來(lái)看，模式對(duì)東風(fēng)回流、暖式切變線影響的降水有一定預(yù)報(bào)能力，但對(duì)由于西南低槽強(qiáng)烈發(fā)展，導(dǎo)致其右側(cè)低層偏南急流輻合，出現(xiàn)在廣東省西南沿海市縣的強(qiáng)降水，預(yù)報(bào)能力十分有限，省級(jí)網(wǎng)格對(duì)該形勢(shì)下大雨容易空?qǐng)?bào)，對(duì)暴雨降水預(yù)報(bào)訂正效果明顯，以5月26日降水實(shí)況和預(yù)報(bào)為例，省級(jí)網(wǎng)格較為準(zhǔn)確的預(yù)報(bào)了暴雨落區(qū)和強(qiáng)度，模式中ECMWF暴雨漏報(bào)嚴(yán)重，Grapes3km落區(qū)預(yù)報(bào)較實(shí)況偏差大，空?qǐng)?bào)明顯，無(wú)明顯指示意義。

分析36場(chǎng)鋒面類型降水可知，大面積的空、漏報(bào)事件與模式對(duì)降水系統(tǒng)南壓、東移預(yù)報(bào)偏慢有關(guān)，相對(duì)而言，Grapes3km較ECMWF對(duì)系統(tǒng)南壓的預(yù)報(bào)能力更強(qiáng)。6月25日降水過(guò)程，實(shí)況雨帶已經(jīng)南壓減弱，ECMWF預(yù)報(bào)雨帶仍在中部偏北維持，Grapes3km預(yù)報(bào)雨帶壓至南部沿海，省級(jí)網(wǎng)格在ECMWF基礎(chǔ)上有南壓調(diào)整，但較實(shí)況仍偏北，導(dǎo)致大面積空?qǐng)?bào)。

2019年影響廣東省的熱帶系統(tǒng)強(qiáng)降水較少，其中有1次東風(fēng)波過(guò)程和8次熱帶氣旋主體或外圍影響過(guò)程。臺(tái)風(fēng)本體影響的降水預(yù)報(bào)均較為準(zhǔn)確，而對(duì)外圍影響的降水預(yù)報(bào)空、漏報(bào)增加。整體而言，模式預(yù)報(bào)易偏弱，漏報(bào)偏多（以8月1日1907號(hào)臺(tái)風(fēng)“韋帕”影響過(guò)程為例），ECMWF較Grapes3km模式更為準(zhǔn)確，省級(jí)網(wǎng)格對(duì)模式量級(jí)和落區(qū)預(yù)報(bào)有正技巧調(diào)整，因此評(píng)分最高。

3 結(jié)論

1）省級(jí)網(wǎng)格對(duì)廣東省日最高、最低氣溫預(yù)報(bào)較客觀模式有較好訂正能力，全年絕對(duì)誤差分別為1.39和1.12℃，季節(jié)分布上表現(xiàn)為冬季誤差最大而夏季誤差最小，模式中ECMWF對(duì)6—9月份日最高氣溫存在系統(tǒng)性預(yù)報(bào)偏低，誤差較大，對(duì)日最低氣溫預(yù)報(bào)各月份均優(yōu)于Grapes3km。

2）省級(jí)網(wǎng)格溫度預(yù)報(bào)誤差最大月份為2月，表現(xiàn)為對(duì)冷空氣和降水過(guò)程影響的降溫及升溫過(guò)程預(yù)報(bào)偏高，對(duì)過(guò)程日較差預(yù)報(bào)偏大，最大誤差來(lái)源于對(duì)中北部市縣日最高氣溫的預(yù)報(bào)偏高。

3）省級(jí)網(wǎng)格對(duì)各量級(jí)降水預(yù)報(bào)評(píng)分均高于模式，對(duì)大雨和暴雨降水預(yù)報(bào)空?qǐng)?bào)明顯多于漏報(bào)，ECMWF則相反，漏報(bào)率最高而空?qǐng)?bào)率最低。

4）省級(jí)網(wǎng)格對(duì)暖區(qū)和熱帶系統(tǒng)類型大雨以上降水預(yù)報(bào)較模式有較好訂正能力，對(duì)鋒面類型大雨降水空?qǐng)?bào)過(guò)多，評(píng)分與Grapes3km相當(dāng)；模式中Grapes3km暖區(qū)和鋒面類型降水評(píng)分較高，熱帶系統(tǒng)類型ECMWF較好；主客觀對(duì)熱帶系統(tǒng)類型大雨以上降水預(yù)報(bào)空、漏報(bào)率較低，評(píng)分高于暖區(qū)和鋒面類型。