曹艷察 鄭永光 盛 杰 唐文苑
國家氣象中心,北京 100081
提 要: 基于我國自主研發(fā)的GRAPES_3 km高分辨率模式預(yù)報數(shù)據(jù),通過計算逐時最大上升螺旋度(updraft helicity,UH)產(chǎn)品,發(fā)展了不同預(yù)報時效時段內(nèi)超過指定閾值的UH格點(diǎn)概率預(yù)報技術(shù)。由于UH能夠表征對流風(fēng)暴的上升運(yùn)動和中低層旋轉(zhuǎn)強(qiáng)度,因此通過UH格點(diǎn)概率預(yù)報產(chǎn)品得到了綜合表征對流性大風(fēng)或冰雹(簡稱風(fēng)雹)的概率預(yù)報指導(dǎo)產(chǎn)品。對2019年6月14日至7月31日我國華北東北區(qū)域和華南區(qū)域兩個風(fēng)雹高發(fā)區(qū)的逐日試驗(yàn)和典型個例預(yù)報結(jié)果進(jìn)行了細(xì)致評估,結(jié)果表明該產(chǎn)品具有良好的預(yù)報能力。該產(chǎn)品對華北東北區(qū)域和華南區(qū)域的風(fēng)雹TS評分均明顯高于主觀預(yù)報,特別是對于華南區(qū)域可預(yù)報性較低的弱天氣尺度強(qiáng)迫過程,能夠顯著降低漏報率從而明顯提高預(yù)報準(zhǔn)確率。預(yù)報產(chǎn)品還能夠很好地指示對流風(fēng)暴的形態(tài)分布和移動傳播特征,概率落區(qū)與實(shí)況風(fēng)雹的落區(qū)位置具有較好的匹配效果。對選取不同的UH閾值和空間高斯平滑系數(shù)的概率產(chǎn)品對比檢驗(yàn)結(jié)果表明,基于較低UH閾值計算的概率預(yù)報產(chǎn)品由于漏報率更低,其TS評分要高于較高閾值的預(yù)報結(jié)果,高斯平滑系數(shù)取值20 km得到的概率產(chǎn)品在各等級概率評分中預(yù)報效果總體表現(xiàn)最佳。
強(qiáng)對流風(fēng)暴通常會造成雷暴大風(fēng)、冰雹、極端強(qiáng)降水等強(qiáng)對流天氣,但由于其空間尺度小、發(fā)展演變快、突發(fā)性強(qiáng)等特點(diǎn),給業(yè)務(wù)預(yù)報帶來了很大的難度和挑戰(zhàn),因此,強(qiáng)對流風(fēng)暴及其產(chǎn)生的分類強(qiáng)對流天氣預(yù)報一直是數(shù)值預(yù)報的難點(diǎn)和重要研究方向之一。
近年來,隨著高分辨率數(shù)值預(yù)報模式準(zhǔn)確率和精細(xì)化程度的不斷提高,其在強(qiáng)對流天氣預(yù)報預(yù)警中發(fā)揮了越來越重要的作用(Kain et al,2010;Sun et al,2014;漆梁波,2015;鄭永光等,2015b)??臻g水平格距不超過4 km的“對流可分辨”模式(convection-allowing model,CAM)可以提供中尺度對流回波形態(tài)、系統(tǒng)環(huán)流等可用預(yù)報產(chǎn)品(Done et al, 2004),同時具有一定的區(qū)分中尺度對流系統(tǒng)模態(tài)的預(yù)報能力,如區(qū)分弓狀回波或超級單體等(Kain et al, 2008),從而為該類系統(tǒng)造成的強(qiáng)對流天氣預(yù)報提供較好的指導(dǎo)(Sobash et al, 2011)。因此,基于CAM輸出的能更精細(xì)表征中尺度對流系統(tǒng)發(fā)生發(fā)展特征的動力、云微物理等環(huán)境特征的物理量參數(shù),綜合發(fā)展龍卷、冰雹、雷暴大風(fēng)等強(qiáng)對流天氣的預(yù)報成為高分辨率數(shù)值模式的主要應(yīng)用方向(Clark et al,2012b;2013;Sun et al,2014;鄭永光等,2015a;張小玲等,2018)。
美國NOAA于2008年開展的災(zāi)害性天氣測試平臺春季試驗(yàn)中,基于CAM輸出的集合預(yù)報產(chǎn)品,發(fā)現(xiàn)模式預(yù)報的中氣旋、強(qiáng)烈低空風(fēng)以及與線性或弓狀回波結(jié)構(gòu)相關(guān)的極大風(fēng)等現(xiàn)象與實(shí)況監(jiān)測的強(qiáng)對流密切相關(guān)(Coniglio et al, 2010;鄭永光等,2015a),因此,很多與強(qiáng)對流天氣系統(tǒng)結(jié)構(gòu)、強(qiáng)度、演變相關(guān)的后處理產(chǎn)品被研發(fā)并應(yīng)用于業(yè)務(wù)預(yù)報中,其中,應(yīng)用發(fā)現(xiàn)逐時極值場對分析雷暴系統(tǒng)的演變十分有效。Kain et al(2008)研究表明,基于每一模式積分時間步計算的每個格點(diǎn)上升螺旋度(updraft helicity,UH)來獲得該格點(diǎn)的逐時最大UH,該產(chǎn)品對超級單體系統(tǒng)預(yù)報具有很好的指示意義,Sobash et al(2011)進(jìn)一步指出基于UH計算的強(qiáng)風(fēng)暴概率預(yù)報場對雷暴大風(fēng)、冰雹以及龍卷等強(qiáng)對流天氣預(yù)報具有很好的指導(dǎo)意義。Carley et al(2011)結(jié)合模式預(yù)報反射率因子和UH,從而識別出中氣旋特征產(chǎn)品并應(yīng)用于業(yè)務(wù)預(yù)報中,幫助預(yù)報員快速識別模式預(yù)報的不同強(qiáng)度中小尺度對流系統(tǒng)及其演變特征。Clark et al(2012a)基于CAM輸出的逐時最大UH,利用三維目標(biāo)識別算法形成的路徑識別產(chǎn)品與美國實(shí)際龍卷路徑具有較高的相關(guān)性,特別對春季龍卷具有很好的預(yù)報能力。Flora et al(2019)利用不同層次積分的UH,發(fā)展并形成了中尺度氣旋短時概率預(yù)報指導(dǎo)產(chǎn)品,針對2017—2018年63個個例的對比檢驗(yàn)結(jié)果表明預(yù)報效果良好。以上都是美國高分辨數(shù)值預(yù)報強(qiáng)對流天氣的相關(guān)研究工作。
2016年以來,我國國家級自主研發(fā)的GRAPES_3 km高分辨率數(shù)值模式已經(jīng)在強(qiáng)對流天氣預(yù)報預(yù)警中得到較為廣泛的應(yīng)用。已有較多科技人員相應(yīng)開展了多種針對GRAPES_3 km模式的檢驗(yàn)評估工作(唐文苑等,2018;劉靜等,2019;張小雯等,2020)。檢驗(yàn)結(jié)果表明,GRAPES_3 km模式對預(yù)報難度較大的高閾值、小尺度對流事件具備較好的預(yù)報能力(唐文苑等,2018)。因此,借鑒美國強(qiáng)風(fēng)暴預(yù)報技術(shù)發(fā)展思路,發(fā)展基于我國高分辨率數(shù)值模式的強(qiáng)對流天氣預(yù)報釋用技術(shù),是提升強(qiáng)對流短時預(yù)報能力不可缺少的方面。
本文基于GRAPES_3 km模式預(yù)報計算的逐時最大UH預(yù)報場,進(jìn)一步發(fā)展了不同UH閾值的概率預(yù)報技術(shù)和產(chǎn)品,并對該產(chǎn)品進(jìn)行系統(tǒng)性評估分析,以進(jìn)一步提升GRAPES_3 km模式預(yù)報的業(yè)務(wù)應(yīng)用水平,從而為強(qiáng)對流業(yè)務(wù)短時和短期預(yù)報提供客觀技術(shù)和產(chǎn)品支撐。
GRAPES_3 km是由中國氣象局?jǐn)?shù)值預(yù)報中心開發(fā)運(yùn)行的高分辨率數(shù)值模式,模式空間分辨率為3 km,目前的覆蓋范圍為10°~60°N、70°~145°E,每日運(yùn)行4次,起報時間分別為02、08、14和20時(北京時,下同)。
本文使用的預(yù)報資料為GRAPES_3 km模式2019年6月13日至7月30日20時起報12~24 h預(yù)報時效、覆蓋我國中東部地區(qū)(18°~55°N、103°~135°E)的UH預(yù)報產(chǎn)品。
本文所用的UH預(yù)報產(chǎn)品為逐時最大UH預(yù)報格點(diǎn)場產(chǎn)品。具體來說,針對每一個模式格點(diǎn),首先根據(jù)GRAPES_3 km模式每一積分時間步(目前的積分時間步長為10 s)的氣象物理量計算UH,然后統(tǒng)計獲取逐整點(diǎn)時刻過去1 h內(nèi)的UH最大值,這稱為逐時最大UH。
基于Kain et al(2008)的UH計算方法,本文UH的計算公式為:
(1)
從式(1)中看出,UH為2~5 km海拔高度之間的垂直速度和垂直渦度乘積的積分,因此,UH大值區(qū)可以反映出模式預(yù)報中伴有上升運(yùn)動的氣旋性渦旋系統(tǒng),即通常所說的中氣旋或者中渦旋。由于這些中小尺度渦旋特征能夠表征具有渦旋特征的對流風(fēng)暴,而這些對流風(fēng)暴(如超級單體)通常易于產(chǎn)生雷暴大風(fēng)、大冰雹、龍卷等強(qiáng)對流天氣,因此,雖然高分辨率數(shù)值模式尚無法直接預(yù)報具體的強(qiáng)對流天氣類型,但我們期望利用GRAPES_3 km模式預(yù)報的UH,進(jìn)一步獲取風(fēng)雹概率預(yù)報產(chǎn)品,從而為業(yè)務(wù)強(qiáng)對流天氣短時和短期預(yù)報提供參考依據(jù)。
由于UH是通過反映高分辨率數(shù)值模式預(yù)報的中氣旋或者中渦旋(由于中氣旋是一類較強(qiáng)的中渦旋,因此以下都簡稱為中渦旋)信息,從而對伴有中小尺度渦旋特征的對流風(fēng)暴產(chǎn)生的強(qiáng)對流天氣具有預(yù)報能力,而通常該類對流風(fēng)暴是在強(qiáng)的垂直風(fēng)切變和強(qiáng)的不穩(wěn)定能量條件下形成的(Weisman and Klemp,1982;Bunkers,2002),雖然其也會產(chǎn)生短時強(qiáng)降水天氣,但產(chǎn)生的風(fēng)雹天氣更加顯著,因此,檢驗(yàn)風(fēng)雹概率產(chǎn)品預(yù)報指標(biāo)采用的實(shí)況數(shù)據(jù),選取與預(yù)報產(chǎn)品時段相對應(yīng)的2019年6月14日至7月31日白天時段(08—20時),包括全國基本基準(zhǔn)站、一般天氣站和自動站經(jīng)雷暴觀測數(shù)據(jù)質(zhì)量控制過的≥17 m·s-1雷暴大風(fēng)和冰雹地面站點(diǎn)觀測數(shù)據(jù)(鄭永光等,2013)。
需要說明的是,根據(jù)2013年12月5日中國氣象局觀測司相關(guān)規(guī)定,自2014年1月1日起,地面氣象觀測站取消雷暴等13種天氣現(xiàn)象的人工觀測以及冰雹天氣的夜間觀測,因此,文中用于質(zhì)量控制雷暴大風(fēng)的觀測資料使用的是國家雷電監(jiān)測定位網(wǎng)監(jiān)測的地閃數(shù)據(jù)。
參考Sobash et al(2011)的方法,針對GRAPES_3 km模式20時起報的12~24 h預(yù)報時效內(nèi),即次日08—20時逐小時最大UH格點(diǎn)預(yù)報場,通過設(shè)置一定的UH閾值標(biāo)準(zhǔn),計算本段預(yù)報時效內(nèi)至少有一個時次超過閾值標(biāo)準(zhǔn)的格點(diǎn)并賦值為1,即代表模式預(yù)報的發(fā)生中渦旋(surrogate meso-vortice,SMV)的格點(diǎn),反之格點(diǎn)概率賦值為0,經(jīng)過上述處理后,得到空間格距為3 km的概率值為“0”或“1”的格點(diǎn)場數(shù)據(jù),從而獲得了代表模式預(yù)報的SMV數(shù)據(jù)。
已有部分研究(Brooks et al,1998;Theis et al,2005)利用類似“鄰域法”生成概率預(yù)報產(chǎn)品,該方法通過升尺度技術(shù)將高分辨率的預(yù)報調(diào)整到較低分辨率上,從而提高預(yù)報和觀測的匹配能力。Brooks et al(1998)提出可利用二維高斯平滑算法得到任意格點(diǎn)的概率值,即通過計算某一個格點(diǎn)周邊一定有效半徑內(nèi)所有格點(diǎn)上的概率權(quán)重平均值,得到中心格點(diǎn)的概率值f。具體公式如下:
(2)
式中:N表示周邊格點(diǎn)的總個數(shù),dn是從中心格點(diǎn)到標(biāo)記第n個格點(diǎn)的距離,σ為高斯核的標(biāo)準(zhǔn)偏差,這里代表空間平滑參數(shù),即x和y方向上的有效半徑取值,本文典型強(qiáng)對流過程評估中選取σ=20 km。進(jìn)一步,為了測試其有效半徑的敏感性,對整個預(yù)報評估期間,σ分別采用了10、20和40 km的取值,并利用該高斯平滑方法計算SMV全部網(wǎng)格上的概率值,如前所述,由于對流風(fēng)暴中的“中渦旋”與風(fēng)雹天氣密切相關(guān),從而得到相應(yīng)的風(fēng)雹概率預(yù)報(surrogate severe probability forecast,SSPF)產(chǎn)品,然后對其評估檢驗(yàn)。
利用目前國家級強(qiáng)對流業(yè)務(wù)檢驗(yàn)中所使用的“點(diǎn)對面”TS評分的檢驗(yàn)方法(唐文苑等,2017),分別對各個閾值標(biāo)準(zhǔn)計算的風(fēng)雹概率預(yù)報產(chǎn)品,按照5%間隔的概率值進(jìn)行相應(yīng)的落區(qū)預(yù)報評估,其中評分站點(diǎn)如圖1所示兩個方框中的紅色圓點(diǎn)。這些站點(diǎn)從全國范圍內(nèi)基準(zhǔn)、基本和一般天氣站在內(nèi)的共2 410個站點(diǎn)(均為中國氣象局觀測業(yè)務(wù)考核的站點(diǎn))中所選取。按照唐文苑等(2017)的方法,“點(diǎn)對面”的評分半徑取值為40 km。
圖1 全國2 410個評分站點(diǎn)(紅色圓點(diǎn))分布(黑色方框表示我國中東部南北方兩個風(fēng)雹高發(fā)區(qū))Fig.1 Distribution of 2 410 stations (red dots) in China(Black boxes show the high incidence regions of severe convective wind and hail in south and north of east-central China, respectively)
檢驗(yàn)指標(biāo)包括TS評分、空報率(false alarm rate,FAR)、漏報率(missing alarm rate,MAR)。計算方法如下:
(3)
(4)
(5)
式中:NA為預(yù)報正確的站(次)數(shù),NB為空報站(次)數(shù),NC為漏報站(次)數(shù)。
圖2 2019年6月14日至7月31日08—20時全國≥17 m·s1雷暴大風(fēng)和冰雹實(shí)況觀測累積頻次空間分布(圓點(diǎn)表示風(fēng)雹天氣發(fā)生的頻次,黑色方框表示我國中東部南北方兩個風(fēng)雹高發(fā)區(qū))Fig.2 Spatial distribution of accumulated frequency of severe convective wind and hail over China during 08:00-20:00 BT from 14 June to 31 July 2019(Dots represent the cumulative frequency of severe convective wind and hail, black boxes show the high incidence regions of severe convective wind and hail in north and south of east-central China, respectively)
通過統(tǒng)計和對比這期間全國9次區(qū)域性強(qiáng)對流天氣過程(表1)的主要影響區(qū)域和天氣影響系統(tǒng),發(fā)現(xiàn)華北及東北地區(qū)的風(fēng)雹天氣過程多與高空冷渦或西風(fēng)槽系統(tǒng)相關(guān),而江南華南等地的風(fēng)雹天氣則主要與副熱帶高壓、切變線等天氣系統(tǒng)有關(guān),因此,考慮到模式對不同天氣系統(tǒng)和環(huán)境條件下產(chǎn)生的強(qiáng)對流天氣預(yù)報性能有所差別,下文中將分別針對南北兩個風(fēng)雹高發(fā)區(qū)的UH閾值標(biāo)準(zhǔn)進(jìn)行統(tǒng)計分析。其中,北方風(fēng)雹高發(fā)區(qū)簡稱華北東北區(qū)域,統(tǒng)計范圍為35.2°~48.1°N、109°~127°E,南方風(fēng)雹高發(fā)區(qū)簡稱華南區(qū)域,統(tǒng)計范圍為19.6°~28°N、108.1°~120.1°E(圖2)。需要說明的是,評估期間華北東北區(qū)域雷暴大風(fēng)共發(fā)生了4 150站次,冰雹為29站次,而華南區(qū)域共發(fā)生雷暴大風(fēng)1 805站次,冰雹10站次。相對于雷暴大風(fēng)站次數(shù)而言,冰雹明顯偏少,主要是由于雷暴大風(fēng)采用的是自動站觀測數(shù)據(jù),而冰雹目前只有國家站的人工觀測,且由于冰雹局地性強(qiáng),國家級觀測站點(diǎn)捕捉到的概率較小,因此,冰雹觀測樣本數(shù)較少。
表1 2019年6月14日至7月31日全國強(qiáng)對流過程紀(jì)要表Table 1 Summary of severe convective processes in China from 14 June to 31 July 2019
通過統(tǒng)計2019年6月14日至7月31日期間GRAPES_3 km輸出的我國南北兩個風(fēng)雹高發(fā)區(qū)內(nèi)的UH累積頻率分布的百分位數(shù)值確定UH的閾值標(biāo)準(zhǔn),并對一定范圍的閾值標(biāo)準(zhǔn)下輸出的概率預(yù)報產(chǎn)品進(jìn)行敏感性測試。
在長時間序列的UH頻率分布中,選取第99.90%~99.99%分位對應(yīng)的UH值,其中華北東北區(qū)域?qū)?yīng)的UH取值范圍為29~102 m2·s-2,華南區(qū)域?qū)?yīng)的范圍為36~80 m2·s-2(表2)??傮w來看,從第99.97%分位開始,同一百分位數(shù)對應(yīng)的UH閾值,華北東北區(qū)域的UH閾值統(tǒng)計結(jié)果要大于華南區(qū)域,特別是第99.99%分位以上的閾值,二者差異較大,這可能與華北東北區(qū)域受冷渦影響下動力條件更強(qiáng)有關(guān)。
表2 評估期間南北風(fēng)雹高發(fā)區(qū)域統(tǒng)計得到的不同百分位數(shù)對應(yīng)的UH閾值(單位:m2·s-2)Table 2 UH thresholds corresponding to different quantile obtained from the two high incidence regions of severe convective wind and hail in North and South China during the evaluation period (unit: m2·s-2)
考慮到不同區(qū)域、不同影響系統(tǒng)下強(qiáng)對流天氣的可預(yù)報性不同,因此,分別基于華北東北區(qū)域和華南區(qū)域的相應(yīng)UH閾值標(biāo)準(zhǔn),在上述兩個區(qū)域內(nèi),分別選取一次典型強(qiáng)對流過程進(jìn)行檢驗(yàn)和對比分析。
2019年7月29日,受高空冷渦東移及低層切變線共同影響,華北、黃淮地區(qū)處于“上干冷下暖濕”的熱力不穩(wěn)定層結(jié)環(huán)境中,高空槽引導(dǎo)干冷空氣東移南下,侵入地面低壓,與低層強(qiáng)盛的偏南暖濕氣流交匯于華北南部、黃淮一帶,造成山西中南部、河北中東部、河南北部、山東西部、遼寧南部等地自西向東出現(xiàn)了大范圍的強(qiáng)降水、風(fēng)雹天氣過程,其中,山西南部、河北東部和南部、河南北部以及山東北部等多地出現(xiàn)8級以上雷暴大風(fēng),并伴有局地冰雹(圖3)。雷達(dá)回波監(jiān)測顯示,此次過程是由多條線狀及弓形回波對流系統(tǒng)造成,其中,山東北部局地伴有超級單體發(fā)展??傮w而言,此次過程是在冷渦背景下,一次強(qiáng)強(qiáng)迫抬升條件下觸發(fā)的中尺度強(qiáng)風(fēng)暴系統(tǒng)造成的大范圍風(fēng)雹天氣過程。
圖3 2019年7月29日08—20時華北黃淮地區(qū)雷暴大風(fēng)及冰雹實(shí)況觀測Fig.3 Observation of severe convective wind and hail in North China and Huang-Huai Region from 08:00 BT to 20:00 BT 29 July 2019
基于GRAPES_3 km模式28日20時起報的12~24 h時效的UH預(yù)報數(shù)據(jù),計算得到29日08—20時超過一定UH閾值的SMV和SSPF產(chǎn)品(圖4)。其中,SMV產(chǎn)品結(jié)果表明,在該時段內(nèi),GRAPES_3 km模式在山西中南部、河北中東部以及遼寧西南部、山東西部等地預(yù)測出多條呈“東北—西南”帶狀分布的對流單體風(fēng)暴路徑,特別是在河北中東部通過SMV產(chǎn)品中的“長條帶狀”特點(diǎn)顯示出該地區(qū)模式預(yù)測會出現(xiàn)長生命周期的中氣旋或中渦旋系統(tǒng),而這些特點(diǎn)與本次過程中雷達(dá)回波實(shí)況體現(xiàn)的中尺度對流系統(tǒng)的位置和強(qiáng)度分布以及移動傳播情況是相匹配的。
2.3.2 線性關(guān)系考察 分別精密量取“2.2.1”項(xiàng)下對照品溶液10、20、40、80、160、320 μL,置于5 mL量瓶中,加甲醇定容,搖勻,制成系列對照品溶液。以甲醇為空白,于322 nm波長處測定吸光度。以米索硝唑質(zhì)量濃度(c,μg/mL)為橫坐標(biāo)、吸光度(A)為縱坐標(biāo)進(jìn)行線性回歸,得米索硝唑回歸方程A=0.032 8c-0.008(r=0.999 6)。結(jié)果表明,米索硝唑檢測質(zhì)量濃度線性范圍為0.96~30.72 μg/mL。
圖4 2019年7月29日08—20時(a,c,e)超過一定UH閾值的SMV(陰影,值為1)和(b,d,f)客觀概率預(yù)報(陰影)、預(yù)報員落區(qū)預(yù)報(紅色等值線)以及風(fēng)雹實(shí)況站點(diǎn)分布(黑點(diǎn))(a,b)UH≥29 m2·s-2, (c,d)UH≥44 m2·s-2, (e,f)UH≥102 m2·s-2Fig.4 (a, c, e) SMV (shaded, value for 1) and (b, d, f) SSPF (shaded), forecasters’ subjective forecasts (red contour) and observation of severe convective wind and hail (black dots) from 08:00 BT to 20:00 BT 29 July 2019 for the different UH thresholds(a, b) UH≥29 m2·s-2, (c, d) UH≥44 m2·s-2, (e, f) UH≥102 m2·s-2
基于不同UH閾值計算得到的概率預(yù)報SSPF產(chǎn)品的高概率區(qū)域與實(shí)況風(fēng)雹出現(xiàn)的位置匹配較好,相應(yīng)地反映出在河北中東部、山東西部一直延伸至遼寧西南部的高概率落區(qū)預(yù)報范圍。與最低UH閾值(29 m2·s-2)形成的概率預(yù)報產(chǎn)品相比,使用最高UH閾值(102 m2·s-2)生成的概率預(yù)報產(chǎn)品落區(qū)范圍更小,僅在本次過程對流最強(qiáng)區(qū)域,即河北中東部有所體現(xiàn)。
利用“點(diǎn)對面”TS評分方法,對29日08—20時基于不同UH閾值標(biāo)準(zhǔn)產(chǎn)生的風(fēng)雹天氣概率預(yù)報產(chǎn)品進(jìn)行檢驗(yàn),并與同一時段國家級預(yù)報員風(fēng)雹落區(qū)預(yù)報檢驗(yàn)評分結(jié)果進(jìn)行對比分析。檢驗(yàn)區(qū)域?yàn)檫x取的華北東北區(qū)域,即35.2°~48.1°N、 109°~127.1°E,包含625個評分站點(diǎn)。檢驗(yàn)結(jié)果表明(圖5),基于最低UH閾值(29 m2·s-2)計算得到的概率預(yù)報產(chǎn)品10%概率落區(qū)的預(yù)報TS評分最高,達(dá)0.513,隨著預(yù)報概率值的增大,TS評分逐漸減小,MAR明顯增長,F(xiàn)AR變化相對較小,如20%概率相較于10%概率落區(qū)預(yù)報TS評分從0.513減小至0.441,F(xiàn)AR僅從0.31減小至0.28,而MAR卻從0.33增長為0.47,因此,更高概率落區(qū)預(yù)報TS評分較低主要是由于MAR的迅速增長。同樣,其他UH閾值標(biāo)準(zhǔn)下形成的概率落區(qū)預(yù)報評分也具有類似的特點(diǎn)。
圖5 2019年7月29日08—20時不同UH閾值標(biāo)準(zhǔn)下概率預(yù)報產(chǎn)品和主觀預(yù)報的(a)TS評分、(b)FAR、(c)MAR結(jié)果對比Fig.5 Comparison of (a) TS, (b) FAR and (c) MAR of forecasters’ subjective forecasts and objective probabilistic forecasts with the different UH thresholds from 08:00 BT to 20:00 BT 29 July 2019
本次過程同一時段預(yù)報員落區(qū)預(yù)報TS評分為0.368,說明對于大尺度強(qiáng)強(qiáng)迫背景下觸發(fā)的系統(tǒng)性大范圍風(fēng)雹天氣業(yè)務(wù)可預(yù)報性較強(qiáng),預(yù)報員可以通過對環(huán)境場物理量的診斷分析,結(jié)合自身預(yù)報經(jīng)驗(yàn)給出準(zhǔn)確率較高的預(yù)報,但即便如此,客觀概率預(yù)報相對主觀預(yù)報仍然具有更低的漏報率和更高的TS評分,因此,基于高分辨數(shù)值模式開發(fā)的UH概率預(yù)報產(chǎn)品在風(fēng)雹天氣預(yù)報中具有業(yè)務(wù)支撐能力。
2019年6月23日白天,華南地區(qū)處于副熱帶高壓邊緣的高溫高濕環(huán)境中,整層可降水量普遍達(dá)60 mm以上,K指數(shù)超過36℃。受低層切變線系統(tǒng)影響,在廣西、廣東等地觸發(fā)多條“東北—西南”向分布的線狀對流系統(tǒng),并逐步向偏東方向發(fā)展加強(qiáng)為多條颮線系統(tǒng),造成廣西中南部、廣東大部等地自西向東出現(xiàn)大范圍短時強(qiáng)降水、伴隨雷暴大風(fēng)的強(qiáng)對流過程(圖6)。雷暴大風(fēng)天氣主要集中在廣西東南部至廣東地區(qū)。與7月29日北方區(qū)域的強(qiáng)對流過程相比,此次過程的大尺度動力強(qiáng)迫抬升條件相對較弱,水汽和熱力條件更加顯著。
圖6 2019年6月23日08—20時華南地區(qū)雷暴大風(fēng)及冰雹實(shí)況觀測Fig.6 Observation of severe convective wind and hail in South China from 08:00 BT to 20:00 BT 23 June 2019
同樣利用GRAPES_3 km模式22日20時起報的12~24 h時效的UH指數(shù)預(yù)報數(shù)據(jù),計算得到23日08—20時超過一定UH閾值的SMV和SSPF產(chǎn)品(圖7)。其中,SMV產(chǎn)品結(jié)果表明,該時段內(nèi),GRAPES_3 km模式在廣西中東部、廣東北部等地預(yù)測出多條呈“東西”或“東北—西南”帶狀分布的對流單體風(fēng)暴路徑,通過與雷達(dá)回波實(shí)況對比發(fā)現(xiàn),這些特點(diǎn)與該時段中尺度對流風(fēng)暴系統(tǒng)的位置和移動方向匹配較好。而相應(yīng)的概率預(yù)報SSPF產(chǎn)品的高概率區(qū)域與實(shí)況風(fēng)雹出現(xiàn)的位置具有較好的一致性,同樣在廣西東部偏南區(qū)域至廣東西部和北部預(yù)報出高概率。同時,與7月29日華北黃淮過程相一致的是,使用最高UH閾值(80 m2·s-2)生成的概率預(yù)報產(chǎn)品落區(qū)范圍更小,但其對對流發(fā)展最強(qiáng),雷暴大風(fēng)等級最高的廣東北部及廣西東南部地區(qū)具有一定的指示意義,因此,模式預(yù)報的較高等級的UH值可能預(yù)示風(fēng)暴系統(tǒng)發(fā)展越強(qiáng),產(chǎn)生的風(fēng)雹天氣越劇烈。
圖7 同圖4,但為2019年6月23日,不同UH閾值(a,b)UH≥36 m2·s-2,(c,d)UH≥48 m2·s-2,(e,f)UH≥80 m2·s-2Fig.7 Same as Fig.4, but for 23 June 2019 with the different UH thresholds(a, b) UH≥36 m2·s-2, (c, d) UH≥48 m2·s-2, (e, f) UH≥80 m2·s-2
針對選取的華南區(qū)域范圍,即19.6°~28°N、108.1°~120.1°E(包含425個評分站點(diǎn)),通過檢驗(yàn)23日08—20時基于不同UH閾值標(biāo)準(zhǔn)產(chǎn)生的概率預(yù)報產(chǎn)品,結(jié)果發(fā)現(xiàn)與7月29日北方區(qū)域過程的評分結(jié)果不同的是,本次過程并非基于最低UH閾值(36 m2·s-2)的概率預(yù)報產(chǎn)品TS評分最高,而是基于42 m2·s-2計算得到的概率預(yù)報產(chǎn)品5%概率落區(qū)的預(yù)報TS評分最高,達(dá)0.30(圖8a)。此外,對于同一UH閾值形成的概率落區(qū)預(yù)報產(chǎn)品,隨著概率值的增加,空報率一般表現(xiàn)為先降低再升高,漏報率則表現(xiàn)為單調(diào)增加。因此對于高概率落區(qū)預(yù)報,會由于空報率和漏報率的同時增長,使得其TS評分快速減小。
圖8 同圖5,但為2019年6月23日Fig.8 Same as Fig.5, but for 23 June 2019
由于本次過程發(fā)生在副熱帶高壓邊緣高濕高能區(qū)域中,整體大尺度強(qiáng)迫抬升條件較弱,屬于由濕下?lián)舯┝飨到y(tǒng)導(dǎo)致的伴隨強(qiáng)降水的雷暴大風(fēng)天氣,此類天氣與對流云中的大水滴拖曳和中層干空氣的卷夾、蒸發(fā)冷卻過程有關(guān),對于落區(qū)位置和強(qiáng)度的預(yù)報具有較大挑戰(zhàn)性,因此,對于本次過程,雷暴大風(fēng)和冰雹天氣預(yù)報員落區(qū)預(yù)報的FAR和MAR都分別達(dá)到0.67和0.93,TS評分僅為0.06,預(yù)報效果并不理想。盡管本次過程天氣尺度強(qiáng)迫較弱,但具備有利的水汽和能量條件,仍在某些中尺度過程的驅(qū)動和對流系統(tǒng)自身的反饋下,形成了伴隨中渦旋的颮線系統(tǒng),因此,基于UH指數(shù)開發(fā)的風(fēng)雹概率預(yù)報產(chǎn)品對這類過程的風(fēng)雹天氣也具有較好的指示意義,且相對于主觀預(yù)報表現(xiàn)出更加明顯的優(yōu)異性,主要是通過大大降低漏報率使得其TS評分結(jié)果相對于主觀預(yù)報得到大大提高。由此可見,特別是對于可預(yù)報性較低的強(qiáng)對流天氣過程,通過上述方法得到的客觀概率預(yù)報產(chǎn)品在風(fēng)雹天氣預(yù)報中具有很好的業(yè)務(wù)指導(dǎo)意義。
研究表明(Sobash et al, 2011),不同的空間高斯平滑系數(shù)σ取值也會對概率預(yù)報產(chǎn)品的預(yù)報效果產(chǎn)生一定影響??傮w而言,空間平滑系數(shù)σ取值較低時,形成的概率預(yù)報產(chǎn)品落區(qū)范圍相對較小,可能導(dǎo)致相對實(shí)況存在一定的面積低估或者位置偏差,而隨著σ取值的增長,會導(dǎo)致形成的概率預(yù)報產(chǎn)品落區(qū)面積擴(kuò)大,但中心高概率值減小的問題。因此,選取的空間高斯平滑系數(shù)和UH閾值是否合適,對概率預(yù)報產(chǎn)品的預(yù)報效果優(yōu)劣具有決定性作用。
為了同時評估測試不同空間高斯平滑系數(shù)σ和UH閾值標(biāo)準(zhǔn)對概率預(yù)報產(chǎn)品的影響,基于試驗(yàn)期間,即6月14日至7月31日08—20時模式預(yù)報生成的SMV,高斯平滑系數(shù)σ分別采用10、20和40 km 的變化取值,計算輸出各閾值標(biāo)準(zhǔn)下的概率預(yù)報產(chǎn)品并對其進(jìn)行檢驗(yàn)評分和對比分析。
主客觀落區(qū)預(yù)報產(chǎn)品檢驗(yàn)結(jié)果顯示(圖9),無論是華北東北區(qū)域還是華南區(qū)域,使用該方法得到的客觀概率預(yù)報產(chǎn)品其TS評分均在預(yù)報員落區(qū)預(yù)報基礎(chǔ)上有所提升,與典型個例檢驗(yàn)結(jié)果類似,對于華南區(qū)域的風(fēng)雹天氣,客觀預(yù)報產(chǎn)品的預(yù)報效果在主觀預(yù)報基礎(chǔ)上提升的幅度更加明顯。
圖9 2019年6月14日至7月31日08—20時(a,c,e)華北東北區(qū)域,(b,d,f)華南區(qū)域各UH閾值標(biāo)準(zhǔn)和高斯平滑系數(shù)下概率預(yù)報產(chǎn)品的TS評分結(jié)果(a,b)σ=10 km,(c,d)σ=20 km,(e,f)σ=40 kmFig.9 TS of forecasters’ subjective forecasts and objective probabilistic forecasts corresponding to different UH thresholds and Gaussian smoothing parameters for (a, c, e) North China, Northeast China and (b, d, f) South China during 08:00-20:00 BT from 14 June to 31 July 2019(a, b) σ=10 km, (c, d) σ=20 km, (e, f) σ=40 km
不同閾值和不同概率的客觀預(yù)報產(chǎn)品檢驗(yàn)結(jié)果表明,基于較低UH閾值計算的概率預(yù)報產(chǎn)品TS評分要高于較高閾值的預(yù)報結(jié)果,且隨著概率值的增加,TS評分會逐漸下降。通過對比FAR(圖10)和MAR(圖11)的檢驗(yàn)結(jié)果得出,基于較低閾值計算的概率預(yù)報產(chǎn)品的FAR要略高于較高閾值的預(yù)報結(jié)果,但MAR前者會明顯低于后者,且對于20%以下的低概率值尤為顯著。因此,基于較低閾值獲得的低概率對應(yīng)的落區(qū)預(yù)報TS評分較高,主要與其MAR相對更低有關(guān)(圖11)??傮w來看,華北東北區(qū)域基于29 m2·s-2的UH閾值、華南區(qū)域基于36 m2·s-2的UH閾值獲得的概率預(yù)報產(chǎn)品最低概率值(1%)對應(yīng)的落區(qū)預(yù)報TS評分最高。
針對不同平滑系數(shù)取值下得到的概率預(yù)報產(chǎn)品評分結(jié)果顯示,隨著平滑系數(shù)σ的增大,相同閾值標(biāo)準(zhǔn)下產(chǎn)生的概率預(yù)報產(chǎn)品的最高TS評分會有所增加,但相對而言,當(dāng)σ由10 km擴(kuò)大為20 km時,TS評分的增長更加明顯,主要與MAR明顯減小有關(guān)(圖11),而當(dāng)σ由20 km擴(kuò)大到40 km時,其低概率值對應(yīng)的TS評分結(jié)果變化不大,且高概率值對應(yīng)的FAR和MAR會出現(xiàn)同時增加的現(xiàn)象(圖10、圖11),從而導(dǎo)致評分結(jié)果反而有所下降。因此,從評分結(jié)果綜合判斷,平滑系數(shù)σ取值20 km得到的概率產(chǎn)品預(yù)報效果最佳。
圖10 同圖9,但為FARFig.10 Same as Fig.9, but for FAR
圖11 同圖9,但為MARFig.11 Same as Fig.9, but for MAR
本文基于GRAPES_3 km高分辨率數(shù)值模式輸出的逐小時最大UH格點(diǎn)預(yù)報結(jié)果,通過計算并累積一段預(yù)報時效內(nèi)超過一定閾值標(biāo)準(zhǔn)的UH格點(diǎn)概率預(yù)報場,作為代表模式預(yù)報的風(fēng)雹概率指導(dǎo)產(chǎn)品。利用該方法,重點(diǎn)針對2019年6月14日至7月31日我國北方和南方兩個風(fēng)雹高發(fā)區(qū)域進(jìn)行UH閾值統(tǒng)計并計算輸出每日08—20時的概率指導(dǎo)產(chǎn)品,進(jìn)一步結(jié)合風(fēng)雹實(shí)況對逐日和典型個例的預(yù)報結(jié)果進(jìn)行檢驗(yàn)評估分析,得出以下結(jié)論:
(1)典型個例應(yīng)用及檢驗(yàn)結(jié)果顯示,該方法獲得的強(qiáng)風(fēng)暴指導(dǎo)產(chǎn)品可以很好地指示對流風(fēng)暴的形態(tài)分布和移動傳播特征,概率預(yù)報產(chǎn)品的高概率區(qū)與實(shí)況風(fēng)雹的落區(qū)位置也具有較好的匹配效果。無論是對于華北東北區(qū)域強(qiáng)強(qiáng)迫過程,還是華南區(qū)域弱強(qiáng)迫過程,概率預(yù)報產(chǎn)品的TS評分都明顯高于預(yù)報員落區(qū)預(yù)報,特別是對于可預(yù)報性較低的弱強(qiáng)迫過程,客觀預(yù)報能夠通過大大降低漏報率使得評分提高幅度更加明顯。
(2)對于第99.90%~99.95%各分位數(shù)對應(yīng)的UH閾值,華北東北區(qū)域和華南區(qū)域差異不大,但隨著分位數(shù)的提高,華北東北區(qū)域?qū)?yīng)的UH閾值要明顯大于華南區(qū)域,這可能與華北東北區(qū)域多受冷渦系統(tǒng)影響,動力條件更強(qiáng)有關(guān)。
(3)試驗(yàn)期間基于不同UH閾值和高斯平滑系數(shù)得到的概率預(yù)報產(chǎn)品對比檢驗(yàn)結(jié)果表明,基于較低UH閾值計算的概率預(yù)報產(chǎn)品TS評分要高于較高閾值的預(yù)報結(jié)果,總體來看,華北東北區(qū)域基于29 m2·s-2的UH閾值、華南區(qū)域基于36 m2·s-2的UH閾值獲得的概率預(yù)報產(chǎn)品最低概率值(1%)對應(yīng)的落區(qū)預(yù)報TS評分最高,高斯平滑系數(shù)σ取值20 km得到的概率產(chǎn)品預(yù)報效果最佳。
需要指出的是,本文中基于UH指數(shù)的風(fēng)雹概率預(yù)報技術(shù)僅適用于“對流可分辨”模式預(yù)報,而對于網(wǎng)格距不低于10 km的模式預(yù)報,由于其無法分辨出中尺度對流系統(tǒng)的運(yùn)動特征,該方法將難以適用;而對于網(wǎng)格距不超過1 km的模式預(yù)報,可能由于其反映的中小尺度系統(tǒng)運(yùn)動特征不同,也應(yīng)當(dāng)對該方法進(jìn)行相應(yīng)調(diào)整。