董 甫，張 玲，張海鵬，李 佳，宋柳賢

（1.南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，南京信息工程大學(xué)氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210044；2.南方電網(wǎng)科學(xué)研究院有限責(zé)任公司，廣東 廣州 510700）

引 言

我國(guó)地處東亞季風(fēng)區(qū)，受季風(fēng)影響，水汽供應(yīng)豐富，常出現(xiàn)暴雨天氣。由強(qiáng)降水、強(qiáng)對(duì)流等災(zāi)害性天氣導(dǎo)致的氣象災(zāi)害是我國(guó)最為嚴(yán)重的自然災(zāi)害之一。強(qiáng)天氣過(guò)程通常包括強(qiáng)降水過(guò)程和強(qiáng)對(duì)流過(guò)程［1－2］。我國(guó)對(duì)強(qiáng)降水天氣過(guò)程定義為：在同一個(gè)或多個(gè)天氣系統(tǒng)相繼或連續(xù)影響下，在某一區(qū)域造成的降雨強(qiáng)度和量值均相當(dāng)大的降水天氣。一般而言，24 h達(dá)到或超過(guò)50 mm的降水為暴雨。強(qiáng)對(duì)流天氣過(guò)程定義為：出現(xiàn)短時(shí)強(qiáng)降水、雷暴、大風(fēng)、冰雹、龍卷等現(xiàn)象的災(zāi)害性天氣［3］。這些短期中尺度天氣系統(tǒng)具有生命史短、空間尺度小、局地性強(qiáng)、動(dòng)力機(jī)制較為復(fù)雜等特征，此類強(qiáng)天氣的數(shù)值預(yù)報(bào)具有較大的不確定性［4］。

為了解決因初值誤差、模式誤差以及大氣混沌特性［5－6］而引起的單一數(shù)值預(yù)報(bào)的不確定性問(wèn)題，LORENZ［7］提出了集合預(yù)報(bào)思想。集合預(yù)報(bào)作為減小數(shù)值預(yù)報(bào)不確定性的有效方法，已經(jīng)較為廣泛應(yīng)用于強(qiáng)天氣過(guò)程的研究和預(yù)報(bào)中［8－10］。隨著美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction，NECP）于2001年建立全球第一個(gè)短期集合預(yù)報(bào)系統(tǒng)［11］，世界上主要國(guó)家也相繼建立了區(qū)域集合預(yù)報(bào)系統(tǒng)［12－13］，實(shí)現(xiàn)了區(qū)域集合預(yù)報(bào)系統(tǒng)的業(yè)務(wù)化，大幅增強(qiáng)了強(qiáng)天氣的預(yù)報(bào)能力。然而，集合預(yù)報(bào)面臨的首要科學(xué)問(wèn)題是如何通過(guò)恰當(dāng)?shù)臄_動(dòng)方法來(lái)構(gòu)造合理的集合預(yù)報(bào)系統(tǒng)［14－15］，區(qū)域中尺度數(shù)值預(yù)報(bào)中的不確定性主要來(lái)源于初值擾動(dòng)、側(cè)邊界擾動(dòng)、物理過(guò)程擾動(dòng)以及模式擾動(dòng)等，如何針對(duì)這些不確定性發(fā)展有效的集合預(yù)報(bào)擾動(dòng)方法，是當(dāng)前模式預(yù)報(bào)研究的熱點(diǎn)和難點(diǎn)［16－17］。

隨著中尺度大氣模式的不斷發(fā)展，WRF模式（weather research and forecasting model）因其完全開(kāi)放、可移植性強(qiáng)、更新快等特點(diǎn)已得到廣泛應(yīng)用。本文對(duì)WRF模式在強(qiáng)天氣過(guò)程中的集合預(yù)報(bào)進(jìn)行回顧，簡(jiǎn)單介紹了WRF模式，詳細(xì)論述了資料同化方法對(duì)模式初始場(chǎng)的改進(jìn)，以及初值擾動(dòng)、側(cè)邊界擾動(dòng)和模式擾動(dòng)等在集合預(yù)報(bào)中的研究現(xiàn)狀，并針對(duì)對(duì)流尺度集合預(yù)報(bào)的研究現(xiàn)狀進(jìn)行總結(jié)與展望。

1 WRF模式介紹

WRF模式系統(tǒng)的開(kāi)發(fā)計(jì)劃是1997年由美國(guó)國(guó)家大氣研究中心（National Center for Atmospheric Research，NCAR）中小尺度氣象處、NCEP的環(huán)境模擬中心、預(yù)報(bào)系統(tǒng)實(shí)驗(yàn)室（Forecast Systems Laboratory，F(xiàn)SL）的預(yù)報(bào)研究處和俄克拉荷馬大學(xué)的風(fēng)暴分析預(yù)報(bào)中心四家單位聯(lián)合發(fā)起，由美國(guó)國(guó)家自然科學(xué)基金和美國(guó)國(guó)家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）共同支持［18］。WRF模式是一種完全可壓非靜力模式，采用Arakawa C網(wǎng)格，集數(shù)值天氣預(yù)報(bào)、大氣模擬及數(shù)據(jù)同化于一體的模式系統(tǒng)，能夠很好地改善中小尺度天氣的模擬和預(yù)報(bào)［19］。

WRF模式于2000年推出第一版本，此后多次改進(jìn)版本［18］。2004年發(fā)布的第二版 WRF V2.0包含了單重和雙重嵌套，并引入了基于三維變分的資料同化系統(tǒng)（three dimensional variational，3DVar）。2011年推出的WRF V3.3中，更新了四維變分的資料同化系統(tǒng)（four dimensional variational，4DVar）［20］。

WRF模式中的物理參數(shù)化方案主要包括云微物理參數(shù)化方案［21］、積云對(duì)流參數(shù)化方案［22］、邊界層參數(shù)化方案以及陸面過(guò)程參數(shù)化方案［23］等，具體的參數(shù)化方案本文不再贅述。

2 模式初始場(chǎng)的改進(jìn)

中尺度強(qiáng)對(duì)流天氣常常伴隨著暴雨、大風(fēng)雷暴、冰雹等災(zāi)害性天氣，因其局地性與短時(shí)性，現(xiàn)有的數(shù)值模式難以做出準(zhǔn)確預(yù)報(bào)。要想獲取準(zhǔn)確的數(shù)值天氣預(yù)報(bào)，需要具備兩個(gè)條件：一是準(zhǔn)確初值［5－7］，二是準(zhǔn)確反映大氣運(yùn)動(dòng)規(guī)律的數(shù)值模式［24］。如何合理有效地利用中小尺度觀測(cè)資料信息來(lái)改進(jìn)初始場(chǎng)以提高中尺度數(shù)值模式預(yù)報(bào)精度，是數(shù)值模式發(fā)展的關(guān)鍵之一。

目前，資料同化作為一種提高初始場(chǎng)質(zhì)量的關(guān)鍵手段逐漸發(fā)展起來(lái)［25］。數(shù)值預(yù)報(bào)的資料同化實(shí)質(zhì)上是利用觀測(cè)資料不斷修正模式的預(yù)報(bào)，生成更加接近實(shí)況的模式大氣狀態(tài)過(guò)程，為下一時(shí)刻的預(yù)報(bào)提供更準(zhǔn)確的初始場(chǎng)［26］。當(dāng)前，數(shù)值模式同化的非常規(guī)觀測(cè)資料主要是多普勒天氣雷達(dá)觀測(cè)資料，還包括衛(wèi)星觀測(cè)資料、自動(dòng)站觀測(cè)資料等［27－28］。徐廣闊等［27］在常規(guī)觀測(cè)資料基礎(chǔ)上同化了多普勒天氣雷達(dá)資料，發(fā)現(xiàn)同化多普勒天氣雷達(dá)資料將有助于提高WRF模式對(duì)暴雨的模擬精度。徐枝芳等［28］在模式中同化了衛(wèi)星或雷達(dá)資料，雖然兩類資料引入模式后對(duì)降水預(yù)報(bào)效果不同，但都優(yōu)于控制預(yù)報(bào)，對(duì)模擬結(jié)果有較大改善。因此，在模式中同化一種或多種非常規(guī)觀測(cè)資料能夠提高模式對(duì)降水的預(yù)報(bào)精度，說(shuō)明初始場(chǎng)的改進(jìn)對(duì)數(shù)值預(yù)報(bào)非常重要。

基于三維變分的資料同化系統(tǒng)（3DVar），因其簡(jiǎn)單、快速等特點(diǎn)，在業(yè)務(wù)上得到廣泛應(yīng)用，解決了非常規(guī)觀測(cè)資料的同化問(wèn)題［29］。3DVar通過(guò)目標(biāo)函數(shù)極小化產(chǎn)生一個(gè)分析時(shí)刻大氣真實(shí)狀態(tài)的最優(yōu)估計(jì)x0，其極小化函數(shù)及梯度的表達(dá)式如下：

式中：x0是大氣狀態(tài)變量；xb為背景場(chǎng)；yo是觀測(cè)場(chǎng)；H為非線性模式算子；B為背景誤差協(xié)方差矩陣；O為觀測(cè)誤差協(xié)方差矩陣；F為預(yù)報(bào)模式協(xié)方差矩陣。

北京市氣象局基于3DVar同化系統(tǒng)發(fā)展了北京快速更新循環(huán)同化預(yù)報(bào)系統(tǒng)（BJ－RUC），已經(jīng)成功實(shí)現(xiàn)了雷達(dá)資料的實(shí)時(shí)同化，進(jìn)一步提升了強(qiáng)天氣系統(tǒng)的數(shù)值預(yù)報(bào)能力［30］。然而，無(wú)論是全球模式還是區(qū)域模式，4DVar同化方法較3DVar更具優(yōu)勢(shì)［31］。3DVar同化的觀測(cè)資料僅局限在單個(gè)時(shí)刻，優(yōu)化的目標(biāo)是尋求瞬間的最優(yōu)解。然而對(duì)一段時(shí)間而言，多個(gè)不相關(guān)的瞬間最優(yōu)解，并不能構(gòu)成整體上與模式一致的最優(yōu)解。此外，3DVar分析結(jié)果過(guò)多依賴于預(yù)先設(shè)定的背景場(chǎng)誤差統(tǒng)計(jì)模型，實(shí)際背景場(chǎng)誤差隨環(huán)流變化的特點(diǎn)成為其無(wú)法克服的一大難題。4DVar是3DVar在時(shí)間維的拓展，實(shí)際上是考慮一個(gè)時(shí)間窗內(nèi)觀測(cè)資料的分布［32］，它是尋找一個(gè)最好的擬合同化時(shí)間窗內(nèi)多個(gè)時(shí)刻所有觀測(cè)資料的最優(yōu)分析場(chǎng)。其目標(biāo)函數(shù)為［33］：

圖1是2008年6月9日00：00（世界時(shí)）至10日00：00實(shí)況與不同試驗(yàn)下WRF模式模擬的累計(jì)降水量［34］。可以看出，雨帶大致呈西南—東北向，且有3個(gè)暴雨中心，其強(qiáng)度自西南向東北逐漸增大；相比3DVar，4DVar具有明顯優(yōu)勢(shì)，能夠更為準(zhǔn)確地體現(xiàn)A、B、C三個(gè)雨帶的范圍和強(qiáng)度。因此，如何將4DVar同化系統(tǒng)有效應(yīng)用于中尺度高分辨率數(shù)值模式及提高4DVar同化的計(jì)算速度是目前資料同化的一個(gè)重要課題。

圖1 2008年6月9日00：00至10日00：00實(shí)況與不同試驗(yàn)下WRF模式模擬的累計(jì)降水量分布［34］（單位：mm）（a）實(shí)況，（b）無(wú)同化試驗(yàn)，（c）WRF－3DVar試驗(yàn)，（d）WRF－4DVar試驗(yàn)Fig.1 Distribution of observed and simulated accumulative precipitation under different tests of WRF model from 00：00 UTC 9 to 00：00 UTC 10 June 2008［34］（Unit：mm）（a）observation，（b）control test，（c）WRF－3DVar test，（d）WRF－4DVar test

3 基于WRF模式的集合預(yù)報(bào)

由單一初始場(chǎng)得到的唯一模式預(yù)報(bào)結(jié)果稱為確定性預(yù)報(bào)，但因大氣存在混沌效應(yīng)［5－7］，模式無(wú)法完全捕獲大氣的真實(shí)狀態(tài)，同時(shí)資料同化過(guò)程和模式參數(shù)化方案的不完善同樣能夠?qū)е骂A(yù)報(bào)誤差的產(chǎn)生，因此模式和初始場(chǎng)本身具有的不確定性，導(dǎo)致預(yù)報(bào)結(jié)果可能大相徑庭。在區(qū)域中尺度模式中，初值誤差、側(cè)邊界誤差、物理過(guò)程誤差不可避免，因此單一確定性預(yù)報(bào)具有很大的不確定性［35］，而集合預(yù)報(bào)是提高強(qiáng)天氣過(guò)程預(yù)報(bào)準(zhǔn)確率的重要途徑之一［36］。

自LEITH［37］提出集合預(yù)報(bào)理論以來(lái)，集合預(yù)報(bào)技術(shù)得到廣泛發(fā)展。隨著集合預(yù)報(bào)理論的不斷成熟和計(jì)算能力的提高，許多國(guó)家和地區(qū)建立了相應(yīng)的集合預(yù)報(bào)系統(tǒng)，集合預(yù)報(bào)已經(jīng)成為當(dāng)前解決單一預(yù)報(bào)不確定性問(wèn)題的關(guān)鍵技術(shù)及有效手段。集合預(yù)報(bào)擾動(dòng)方法是集合預(yù)報(bào)的核心問(wèn)題，擾動(dòng)質(zhì)量的好壞直接影響到集合預(yù)報(bào)的質(zhì)量［14］。模式的不確定性主要來(lái)源于初值、物理過(guò)程及側(cè)邊界等的不確定，相應(yīng)地構(gòu)造集合的方式應(yīng)從最開(kāi)始的初值擾動(dòng)集合，發(fā)展到物理擾動(dòng)集合、多初值多物理擾動(dòng)集合、多初值多物理多邊界擾動(dòng)集合。針對(duì)以上中尺度區(qū)域集合預(yù)報(bào)中的不確定性，開(kāi)展中尺度區(qū)域集合預(yù)報(bào)擾動(dòng)方法研究是當(dāng)前的熱點(diǎn)。

3.1 初值擾動(dòng)

大氣是一個(gè)混沌系統(tǒng)，數(shù)值預(yù)報(bào)對(duì)大氣的初始狀態(tài)具有高度的敏感性［5－6］，初始狀態(tài)的不確定性會(huì)導(dǎo)致數(shù)值預(yù)報(bào)結(jié)果遠(yuǎn)離真實(shí)大氣。因此，基于初值擾動(dòng)的集合預(yù)報(bào)系統(tǒng)最先發(fā)展起來(lái)。

LEITH［37］于 1974年首次提出了 monte－carlo隨機(jī)擾動(dòng)法，是一種完全隨機(jī)生成的擾動(dòng)，沒(méi)有任何動(dòng)力學(xué)意義，致使某些擾動(dòng)無(wú)法反映分析場(chǎng)的不確定性，故而集合預(yù)報(bào)效果較差。為了改善這一問(wèn)題，HOFFMAN等［38］于 1983年提出了滯后平均法（lagged average forecasting，LAF）進(jìn)行集合預(yù)報(bào)，通過(guò)在初始預(yù)報(bào)時(shí)刻前生成不同時(shí)刻的分析場(chǎng)，將這些分析場(chǎng)與初始時(shí)刻的分析場(chǎng)共同作為集合成員。時(shí)間滯后長(zhǎng)度越長(zhǎng)，則擾動(dòng)的時(shí)間跨度就越大，且越臨近初始時(shí)刻的擾動(dòng)預(yù)報(bào)在集合預(yù)報(bào)中所占的權(quán)重越大。隨后，TOTH等［39－40］提出了增長(zhǎng)模繁殖法（breeding growth mode，BGM）來(lái)生成具有動(dòng)力學(xué)意義的初始擾動(dòng)，即模式中同時(shí)以分析場(chǎng)和擾動(dòng)場(chǎng)進(jìn)行預(yù)報(bào)，在每個(gè)培育周期結(jié)束時(shí)對(duì)擾動(dòng)進(jìn)行調(diào)整，并疊加到下一個(gè)培育周期的分析場(chǎng)上進(jìn)行下一輪培育，經(jīng)過(guò)一段時(shí)間的培育，得到能夠反映初始場(chǎng)不確定性的初始擾動(dòng)集合成員后進(jìn)行集合預(yù)報(bào)［41］。由于能夠產(chǎn)生具有動(dòng)力學(xué)意義的初始擾動(dòng)，且消耗計(jì)算資源少，BGM法得到了廣泛應(yīng)用［42－43］，其集合預(yù)報(bào)結(jié)果明顯好于確定性預(yù)報(bào)。閔錦忠等［44］在BGM法的基礎(chǔ)上發(fā)展了滾動(dòng)繁殖法和區(qū)域繁殖法，進(jìn)一步提高了暴雨的預(yù)報(bào)技巧，改善了集合離散度偏低的缺陷。陳超輝等［45］考慮了對(duì)流尺度系統(tǒng)的局限性，發(fā)展了局地增長(zhǎng)模培育算法（local－BGM，LBGM），其產(chǎn)生的離散度大于傳統(tǒng)的BGM法 （圖2）。

圖2 近地面氣象變量的離散度隨預(yù)報(bào)時(shí)間演變（a）海平面氣壓，（b）2 m溫度，（c）2 m相對(duì)濕度，（d）10 m水平緯向風(fēng)速，（e）10 m水平經(jīng)向風(fēng)速［45］Fig.2 The evolution of dispersion of near surface meteorological variables with forecast time（a）sea surface level pressure，（b）2 m temperature，（c）2 m relative humidity，（d）10 m horizontal zonal wind speed，（e）10 m horizontal meridional wind speed［45］

2001年，BISHOP等［46］提出了基于 ET法［47］的集合變換卡爾曼濾波法（ensemble transform Kalman filter，ETKF），該方法基于集合變換思想，能夠直接獲得預(yù)報(bào)誤差協(xié)方差的減少量，且具有卡爾曼濾波流依賴的特性，得到的集合擾動(dòng)場(chǎng)能夠反映觀測(cè)場(chǎng)的信息，具有等概率分布和互相正交的特點(diǎn)。WANG等［48］最先將ETKF法應(yīng)用于集合初值擾動(dòng)，并同BGM法進(jìn)行比較，發(fā)現(xiàn)ETKF法很好地彌補(bǔ)了BGM法的缺陷，產(chǎn)生的集合擾動(dòng)優(yōu)于BGM。WEI等［49］進(jìn)一步在NCEP業(yè)務(wù)環(huán)境預(yù)報(bào)中對(duì) ETKF與BGM進(jìn)行比較，其結(jié)論與 WANG等［48］基本一致。對(duì)于一個(gè)好的初值擾動(dòng)方法而言，既要能夠體現(xiàn)中小尺度波動(dòng)的不確定性，還要能夠體現(xiàn)大尺度天氣的不確定性［50］，然而ETKF法包含的大尺度分量不足，不能很好地體現(xiàn)大尺度的不確定性，在一定程度上限制了離散度的發(fā)展［51］。目前國(guó)際上開(kāi)始探索混合擾動(dòng)方法［52－53］，該方法可以兼顧大尺度和小尺度不確定性信息。ZHANG等［54］開(kāi)展了多尺度混合擾動(dòng)試驗(yàn)，發(fā)現(xiàn)大尺度混合擾動(dòng)相對(duì)于ETKF方法能顯著增加大尺度擾動(dòng)分量，改善概率預(yù)報(bào)技巧。

研究指出，短期集合預(yù)報(bào)系統(tǒng)的離散度較小，且離散度和誤差的關(guān)系并不理想［55］，僅采用初值擾動(dòng)方法不能充分反映模式大氣演變的不確定性［56］，僅考慮單一物理過(guò)程的初始擾動(dòng)的離散度不如引入多物理過(guò)程的初始擾動(dòng)方案，前者的降水評(píng)分低于后者［57］（圖3和圖4）。為此，需要考慮側(cè)邊界、物理過(guò)程以及模式的不確定性來(lái)進(jìn)一步改進(jìn)集合預(yù)報(bào)系統(tǒng)的離散度，提高集合預(yù)報(bào)系統(tǒng)的預(yù)報(bào)能力。

圖3 強(qiáng)對(duì)流區(qū)域內(nèi)850 hPa緯向風(fēng)（a）、經(jīng)向風(fēng)（b）、位溫（c）和水汽混合比（d）的集合均方根誤差與離散度之比隨時(shí)間的變化［57］（mono、multi分別表示單一物理過(guò)程的ETKF試驗(yàn)和多物理過(guò)程的ETKF試驗(yàn)，下同）Fig.3 The change of ratio of ensemble mean root square error and spread of 850 hPa zonal wind（a），meridional wind（b），potential temperature（c）and water vapor mixing ratio（d）with forecast time in strong convection area［57］（Mono and multi indicate single and multiple physical processes ETKF tests，respectively，the same as below）

圖4 單一物理過(guò)程ETKF試驗(yàn)和多物理過(guò)程ETKF試驗(yàn)下集合預(yù)報(bào)的中雨、大雨、暴雨的 BIAS（a）和 ETS（b）評(píng)分［57］Fig.4 BIAS（a）and ETS（b）score of moderate rain，heavy rain and torrential rain under single physical process ETKF test and multiple physical processes ETKF test of ensemble forecast［57］

3.2 側(cè)邊界擾動(dòng)

地球上的大氣在特殊地形以外不存在水平邊界，而對(duì)于區(qū)域中尺度模式，因其假定大氣有邊界，所以不可避免地產(chǎn)生邊界誤差。HOU等［58］研究指出，在不引入側(cè)邊界擾動(dòng)的情況下，單向側(cè)邊界條件嚴(yán)重抑制了區(qū)域集合預(yù)報(bào)的發(fā)散度。因此，區(qū)域集合預(yù)報(bào)必須充分考慮側(cè)邊界條件所引起的不確定性［59－60］。目前，大多數(shù)業(yè)務(wù)中心利用全球集合預(yù)報(bào)系統(tǒng)為其區(qū)域集合預(yù)報(bào)系統(tǒng)提供大尺度的側(cè)邊界擾動(dòng)［53］。研究表明，在考慮初值擾動(dòng)基礎(chǔ)上，引入側(cè)邊界擾動(dòng)能夠有效提高集合預(yù)報(bào)的離散度［59，61－64］，降低預(yù)報(bào)誤差，且多初值、多物理過(guò)程、多側(cè)邊界方案最優(yōu)［64］（圖5），更能代表模式大氣的不確定性。

側(cè)邊界擾動(dòng)與初值擾動(dòng)的相互作用對(duì)模式集合預(yù)報(bào)有重要影響，但兩者的相互作用機(jī)制目前還不明確，還需對(duì)其做進(jìn)一步研究來(lái)發(fā)展更有效的擾動(dòng)方法［62］。

圖5 控制預(yù)報(bào)和三種擾動(dòng)方案集合預(yù)報(bào)的均方根誤差及離散度隨預(yù)報(bào)時(shí)效變化［64］（a）200 hPa風(fēng)場(chǎng)U分量，（b）500 hPa位勢(shì)高度，（c）850 hPa溫度，（d）850 hPa風(fēng)場(chǎng)U分量（PI表示多初值方案，PI＿PP表示多初值、多物理過(guò)程方案，PI＿PP＿PB表示多初值、多側(cè)邊界、多物理過(guò)程方案）Fig.5 The change of RMSE and spread for control forecast and ensemble forecast under three perturbation schemes with lead time［64］（a）U component of 200 hPa wind field，（b）500 hPa geopotential height，（c）850 hPa temperature，（d）U component of 850 hPa wind field（PI，PI＿PPand PI＿PP＿PB indicate multiple initial values scheme，multiple initial values and multiple physical processes scheme，and multiple initial values，multiple physical processes and multiple lateral boundaries scheme，respectively）

3.3 物理過(guò)程擾動(dòng)

對(duì)WRF模式的參數(shù)化敏感性試驗(yàn)表明，物理過(guò)程參數(shù)化方案對(duì)降水模擬有十分重要的影響［20］。由于模式中物理過(guò)程同實(shí)際大氣中的物理過(guò)程存在一定差距，致使模式模擬效果對(duì)物理過(guò)程方案比較敏感［65－66］。研究表明，物理過(guò)程擾動(dòng)方案結(jié)合初值擾動(dòng)，能夠獲得更好的集合離散度和概率預(yù)報(bào)技巧［67］，且多物理過(guò)程的高分辨率集合預(yù)報(bào)能夠較好地反映模式的不確定性［68］，對(duì)均方根誤差和集合離散度的改進(jìn)相比于單物理過(guò)程更加明顯［69］。因此，在初值擾動(dòng)中加入物理過(guò)程擾動(dòng)，能夠顯著改善集合離散度，對(duì)于提高降水預(yù)報(bào)能力具有重要意義。

基于初值擾動(dòng)、側(cè)邊界擾動(dòng)以及物理過(guò)程擾動(dòng)的集合預(yù)報(bào)系統(tǒng)充分考慮了大氣演變的不確定性，相比于單一確定性預(yù)報(bào)，集合預(yù)報(bào)結(jié)果更準(zhǔn)確、穩(wěn)定。然而，真實(shí)大氣是十分復(fù)雜的，目前的模式預(yù)報(bào)水平和資料同化技術(shù)還不夠完善，并且大多數(shù)的集合平均方法采用簡(jiǎn)單平均處理，導(dǎo)致集合平均預(yù)報(bào)效果與實(shí)況分析場(chǎng)仍有較大差距。可見(jiàn)，相對(duì)完善的數(shù)值模式與資料同化技術(shù)是集合預(yù)報(bào)發(fā)展的基礎(chǔ)，而集合預(yù)報(bào)的發(fā)展與集合擾動(dòng)技術(shù)的提高和預(yù)報(bào)后處理技術(shù)的發(fā)展密不可分。

4 對(duì)流尺度集合預(yù)報(bào)

強(qiáng)天氣過(guò)程往往產(chǎn)生嚴(yán)重災(zāi)害，但因其影響范圍小、過(guò)程時(shí)間短，難以預(yù)報(bào)。近年來(lái)，計(jì)算能力的提高使得數(shù)值預(yù)報(bào)模式的水平分辨率提高到1～4 km，能夠較為準(zhǔn)確地模擬出對(duì)流過(guò)程，與積云參數(shù)化方案的粗分辨率相比，高分辨率的數(shù)值模式體現(xiàn)出更高的預(yù)報(bào)能力［70－71］。隨著災(zāi)害性天氣預(yù)報(bào)精度要求的不斷提高，發(fā)展對(duì)流尺度的集合預(yù)報(bào)成為目前集合預(yù)報(bào)的一項(xiàng)重要課題［72］。

研究發(fā)現(xiàn)，BGM法在對(duì)流尺度集合預(yù)報(bào)中能夠較好地表示大氣不確定性，集合預(yù)報(bào)結(jié)果比控制預(yù)報(bào)更為準(zhǔn)確［73］。在此基礎(chǔ)上針對(duì)對(duì)流尺度集合預(yù)報(bào)的強(qiáng)局地特征，陳超輝等［45］引入影響半徑，提出了LBGM（local－BGM）法，發(fā)現(xiàn)LBGM法的集合離散度高于BGM，其預(yù)報(bào)均方根誤差小于BGM法。另外，概率匹配平均法（probability matched mean，PMM）在對(duì)流尺度集合預(yù)報(bào)中對(duì)強(qiáng)降水和極端天氣具有指示意義［74］。

為了能夠更合理地評(píng)估高分辨率模式的預(yù)報(bào)結(jié)果，提出了空間鄰域法［75］，使降水預(yù)報(bào)的落區(qū)誤差落在一定的鄰域范圍內(nèi)，以保證預(yù)報(bào)結(jié)果有參考價(jià)值。研究表明，空間鄰域法能夠得到更多有用的對(duì)流尺度預(yù)報(bào)信息［76］，且該方法在高分辨率模式的預(yù)報(bào)效果好于低分辨率模式［77］。在空間鄰域的基礎(chǔ)上，馬申佳等［78］將時(shí)間因素引入，提出了一種新型鄰域法，發(fā)現(xiàn)改進(jìn)后的鄰域法的高分辨率模式預(yù)報(bào)結(jié)果能夠同時(shí)體現(xiàn)對(duì)流尺度降水事件的時(shí)、空不確定性，實(shí)現(xiàn)了對(duì)流尺度降水在時(shí)、空尺度上的綜合評(píng)估。

目前區(qū)域集合預(yù)報(bào)模式的擾動(dòng)方法在對(duì)流尺度集合預(yù)報(bào)中得到了很好的應(yīng)用，并且也發(fā)展了適用于對(duì)流尺度的評(píng)估方法，但對(duì)流尺度集合預(yù)報(bào)還存在著離散度不足的問(wèn)題。同時(shí)，對(duì)流尺度集合預(yù)報(bào)的強(qiáng)局地性特點(diǎn)也需要通過(guò)大量試驗(yàn)來(lái)確定適合不同地區(qū)的集合擾動(dòng)方案。此外，由于對(duì)流系統(tǒng)尺度較小，對(duì)流尺度集合預(yù)報(bào)系統(tǒng)只能同化雷達(dá)觀測(cè)資料，如何有效地同化雷達(dá)資料是提高對(duì)流尺度系統(tǒng)預(yù)報(bào)的重要途徑之一［79］。

5 結(jié)論與展望

本文對(duì)WRF模式在集合預(yù)報(bào)中的應(yīng)用進(jìn)行了回顧。雖然高分辨率中尺度數(shù)值模式對(duì)強(qiáng)天氣系統(tǒng)的預(yù)報(bào)有了長(zhǎng)足進(jìn)步，但資料同化技術(shù)、集合預(yù)報(bào)擾動(dòng)技術(shù)以及計(jì)算條件等還處于發(fā)展階段，強(qiáng)天氣系統(tǒng)的預(yù)報(bào)還需要從以下幾方面得到加強(qiáng)：（一）在兼顧計(jì)算資源的同時(shí)發(fā)展中尺度業(yè)務(wù)模式的4DVar同化系統(tǒng)；（二）發(fā)展集合預(yù)報(bào)的擾動(dòng)方案，使其能夠充分反映大氣的不確定性；（三）提高模式分辨率，發(fā)展對(duì)流尺度集合預(yù)報(bào)系統(tǒng)；（四）開(kāi)發(fā)適用于對(duì)流尺度集合預(yù)報(bào)的擾動(dòng)方法及評(píng)估方法。

隨著數(shù)值模式分辨率的提高，近年來(lái)對(duì)流尺度數(shù)值天氣預(yù)報(bào)成為全球研究熱點(diǎn)。相比于中尺度數(shù)值模式，對(duì)流尺度預(yù)報(bào)系統(tǒng)的分辨率更高、影響范圍更小，能夠更好地模擬強(qiáng)天氣系統(tǒng)的發(fā)生發(fā)展過(guò)程，提高強(qiáng)天氣過(guò)程的預(yù)報(bào)精度。然而，對(duì)流尺度系統(tǒng)更加復(fù)雜，對(duì)流尺度數(shù)值預(yù)報(bào)的發(fā)展需要解決更為復(fù)雜的問(wèn)題，具體包括：

第一，相比較于天氣尺度系統(tǒng)，對(duì)流尺度系統(tǒng)不滿足準(zhǔn)地轉(zhuǎn)平衡，使得對(duì)流尺度系統(tǒng)在基本數(shù)學(xué)層面上難以分析，并且對(duì)流尺度系統(tǒng)中包含著復(fù)雜的多尺度相互作用，使得對(duì)流尺度系統(tǒng)的基本特征理解較為困難；

第二，對(duì)流尺度天氣系統(tǒng)具有高度非線性的特征，發(fā)展適用于對(duì)流尺度集合預(yù)報(bào)的擾動(dòng)方法及評(píng)估方法能夠有效解決對(duì)流尺度集合預(yù)報(bào)非線性誤差增長(zhǎng)較快的問(wèn)題，提高集合預(yù)報(bào)離散度；

第三，隨著模式分辨率的提高，計(jì)算資源也相應(yīng)地增多，如何平衡對(duì)流尺度集合預(yù)報(bào)的高分辨率和相應(yīng)的計(jì)算資源來(lái)建立高效的集合預(yù)報(bào)系統(tǒng)是當(dāng)前對(duì)流尺度集合預(yù)報(bào)發(fā)展的重點(diǎn)之一。