陳靜 龐波 吳政秋 陳法敬 陳雨瀟 劉昕 馬雅楠

摘要 為深入認(rèn)識(shí)GRAPES_Meso（Global/Regional Assimilation and Prediction System）3 km對(duì)流尺度區(qū)域模式對(duì)華南前汛期精細(xì)化降水的預(yù)報(bào)性能，為模式改進(jìn)及業(yè)務(wù)應(yīng)用提供參考依據(jù)，利用廣東省86個(gè)站點(diǎn)逐小時(shí)觀測(cè)降水資料和國(guó)家氣象信息中心多源融合降水資料，針對(duì)廣東省復(fù)雜地形特點(diǎn)，結(jié)合距海岸線的遠(yuǎn)近及站點(diǎn)地形特點(diǎn)，將86個(gè)站劃分為沿海東部、沿海西部和內(nèi)陸地區(qū)三個(gè)子區(qū)域，采用二分類降水預(yù)報(bào)檢驗(yàn)方法，定量評(píng)估了2020年5月18日—6月18日華南前汛期降水預(yù)報(bào)效果。結(jié)果顯示，GRAPES_Meso 3 km模式精細(xì)化降水預(yù)報(bào)技巧受廣東復(fù)雜地形影響較大，廣東沿海東部和內(nèi)陸地區(qū)24 h時(shí)累積降水的小雨、中雨、大雨量級(jí)預(yù)報(bào)成功指數(shù)（Threat Score，TS）、公平成功指數(shù)（Equitable Threat Score，ETS）評(píng)分高于沿海西部地區(qū)，盡管暴雨預(yù)報(bào)評(píng)分具有此相同特征，但三個(gè)子區(qū)域的暴雨預(yù)報(bào)評(píng)分總體較低;從 3 h累積降水預(yù)報(bào)評(píng)分看，沿海東部、沿海西部及內(nèi)陸地區(qū)等三個(gè)子區(qū)域存在明顯的日變化特征，但是沿海東部及西部與內(nèi)陸地區(qū)表現(xiàn)有所不同，沿海東部和西部降水預(yù)報(bào)評(píng)分夜間較低（預(yù)報(bào)偏差偏高），白天相對(duì)較高（預(yù)報(bào)偏差偏低），而內(nèi)陸地區(qū)則是夜間較高（預(yù)報(bào)偏差偏低），白天相對(duì)較低（預(yù)報(bào)偏差偏高）。沿海西部預(yù)報(bào)評(píng)分相對(duì)較低的原因是由于檢驗(yàn)時(shí)段內(nèi)廣東地區(qū)存在一個(gè)弱的風(fēng)切變，而沿海西部大部分地區(qū)正好處于切變線南側(cè)的溫度高值區(qū)控制，但模式模擬該區(qū)域的日平均溫度較實(shí)況偏低，導(dǎo)致沿海西部模式預(yù)報(bào)降水空?qǐng)?bào)較多，降低其降水預(yù)報(bào)技巧。

關(guān)鍵詞華南前汛期;GRAPES對(duì)流尺度模式;精細(xì)化降水預(yù)報(bào);檢驗(yàn)評(píng)估

眾所周知，隨著5月中下旬南海夏季風(fēng)爆發(fā)，印度洋低層西南季風(fēng)為華南輸送大量水汽，華南地區(qū)進(jìn)入暴雨頻發(fā)時(shí)段（吳志偉等，2006;陳靜等，2019），俗稱華南前汛期。受華南復(fù)雜地形和天氣系統(tǒng)影響，華南前汛期暴雨發(fā)生頻數(shù)多，降水強(qiáng)度大，持續(xù)時(shí)間長(zhǎng)，研究顯示，華南前汛期平均暴雨日數(shù)和暴雨量占全年的一半（胡婭敏等，2014），因此，準(zhǔn)確預(yù)報(bào)華南前汛期降水對(duì)保護(hù)人們生命和財(cái)產(chǎn)安全具有重要意義。

隨著數(shù)值預(yù)報(bào)模式和資料同化技術(shù)進(jìn)步、模式云微物理等物理參數(shù)化方案逐漸完善（Bauer et al.，2015），2～4 km水平網(wǎng)格距的對(duì)流尺度模式可較好地模擬出復(fù)雜地形下的氣流及對(duì)流組織發(fā)展過(guò)程（Meng et al.，2012），成為對(duì)流降水預(yù)報(bào)的重要手段（畢寶貴等，2016）。國(guó)內(nèi)外學(xué)者利用美國(guó)WRF（Weather Research and Forecast Model）對(duì)流尺度模式開(kāi)展了華南區(qū)域預(yù)報(bào)試驗(yàn)和評(píng)估。 Zhu et al.（2018）發(fā)現(xiàn)WRF對(duì)流尺度較中尺度模式能更好地刻畫(huà)出精細(xì)的強(qiáng)降水強(qiáng)度和位置。Li et al.（2020）指出WRF對(duì)流尺度模式可以更準(zhǔn)確地描述降水日變化過(guò)程，特別是午后降水與觀測(cè)更匹配。進(jìn)一步，Yu et al.（2020）對(duì)比分析了4、12 km水平分辨率WRF模式在華南沿海和內(nèi)陸區(qū)域的降水預(yù)報(bào)效果，發(fā)現(xiàn)沿海地區(qū)降水預(yù)報(bào)能力優(yōu)于內(nèi)陸地區(qū)，且4 km模式降水預(yù)報(bào)均優(yōu)于12 km模式。

GRAPES（Global Regional Assimilation and Prediction System）模式系統(tǒng)是我國(guó)科學(xué)家自主研發(fā)的全球/區(qū)域預(yù)報(bào)系統(tǒng)，包括了全球確定性預(yù)報(bào)模式和集合預(yù)報(bào)模式（李曉莉等，2019;陳靜和李曉莉，2020;Shen et al.，2020）、區(qū)域確定性和集合預(yù)報(bào)模式（張涵斌等，2014;陳浩等，2017;馬旭林等，2018;夏宇等，2018），在降水相態(tài)等強(qiáng)對(duì)流天氣中表現(xiàn)出了較好的潛力（佟華和張玉濤，2019）。覆蓋中國(guó)區(qū)域的GRAPES_Meso 3 km是GRAPES模式體系中的對(duì)流尺度模式，于2018年實(shí)現(xiàn)了業(yè)務(wù)化運(yùn)行，預(yù)報(bào)產(chǎn)品下發(fā)全國(guó)，已為預(yù)報(bào)業(yè)務(wù)部門(mén)提供較好地應(yīng)用支撐。吳亞麗等（2018）選取2015年6月15日發(fā)生在粵西沿海地區(qū)的一次暖區(qū)暴雨個(gè)例進(jìn)行數(shù)值試驗(yàn)，表明GRAPES_Meso 3 km對(duì)流尺度模式初始水汽和云中水物質(zhì)條件的改進(jìn)很大程度上能提高華南暖區(qū)暴雨的預(yù)報(bào)能力。

眾所周知，模式降水預(yù)報(bào)檢驗(yàn)評(píng)估不僅有助于改進(jìn)模式，還有助于認(rèn)識(shí)暴雨預(yù)報(bào)能力，促進(jìn)預(yù)報(bào)水平提升。許晨璐等（2017）從降水累積量、降水頻率、強(qiáng)度等多個(gè)角度評(píng)估了GRAPES_Meso 3km模式在中國(guó)東部降水預(yù)報(bào)性能，發(fā)現(xiàn)該模式可以較好地捕捉到中國(guó)東南部降水量、降水頻率及地域分布特征，對(duì)短時(shí)強(qiáng)降水預(yù)報(bào)有一定優(yōu)勢(shì)，但對(duì)一般性降水強(qiáng)度預(yù)報(bào)則偏弱。張小雯等（2020）利用成功指數(shù)評(píng)分（Threat Score，TS）和分?jǐn)?shù)技巧評(píng)分（Fraction Skill Score，F(xiàn)SS）評(píng)估了GRAPES_Meso 3 km強(qiáng)對(duì)流天氣預(yù)報(bào)性能，發(fā)現(xiàn)該模式對(duì)風(fēng)暴等強(qiáng)對(duì)流天氣的預(yù)報(bào)明顯優(yōu)于其他模式，起報(bào)時(shí)間越新預(yù)報(bào)效果越好。鐘水新（2020）指出GRAPES_Meso 3 km模式對(duì)粵北和廣西東北部地區(qū)降水模擬比實(shí)況偏高，對(duì)粵北山區(qū)的強(qiáng)降水中心、以及南嶺山脈背風(fēng)波降水低值中心有一定模擬能力。也有不少學(xué)者利用集合預(yù)報(bào)開(kāi)展了復(fù)雜地形下強(qiáng)降水預(yù)報(bào)效果的評(píng)估。陳良呂等（2020）采用重慶市氣象局業(yè)務(wù)運(yùn)行的WRF 3km對(duì)流尺度模式集合預(yù)報(bào)系統(tǒng)，通過(guò)改變不同成員的地形插值方案和地形平滑方案研究了西南地區(qū)集合降水預(yù)報(bào)效果，發(fā)現(xiàn)對(duì)流尺度集合預(yù)報(bào)模式在一定程度上能改進(jìn)復(fù)雜地形下降水預(yù)報(bào)效果。王婧卓等（2021）對(duì)比不同版本的GRAPES中尺度集合降水預(yù)報(bào)效果，發(fā)現(xiàn)水平分辨率10 km的GRAPES區(qū)域集合預(yù)報(bào)降水預(yù)報(bào)效果總體上優(yōu)于15 km分辨率的，且在小雨和暴雨預(yù)報(bào)方面優(yōu)于ECWMF全球集合降水預(yù)報(bào)效果。劉雪晴（2020）采用FSS評(píng)分、AROC評(píng)分和BS評(píng)分等多種檢驗(yàn)方法評(píng)估集合降水預(yù)報(bào)效果，均表現(xiàn)出較高的預(yù)報(bào)技巧。

上述研究表明，GRAPES_Meso 3 km對(duì)流尺度模式對(duì)中國(guó)區(qū)域強(qiáng)對(duì)流天氣精細(xì)化預(yù)報(bào)具有明顯優(yōu)勢(shì)，但是針對(duì)華南前汛期降水定量統(tǒng)計(jì)檢驗(yàn)較少，因此有必要對(duì)GRAPES_Meso 3 km對(duì)流尺度模式對(duì)華南前汛期降水預(yù)報(bào)進(jìn)行深入的評(píng)估檢驗(yàn)。本研究針對(duì)廣東省復(fù)雜地形特點(diǎn)，將廣東省站點(diǎn)根據(jù)距離海岸線的遠(yuǎn)近分為沿海東西部、沿海東部和內(nèi)陸地區(qū)三個(gè)子區(qū)域，利用廣東省站點(diǎn)逐小時(shí)觀測(cè)降水資料和國(guó)家氣象信息中心多源融合降水資料，采用二分類檢驗(yàn)方法，通過(guò)TS評(píng)分、公平成功指數(shù)評(píng)分（Equitable Threat Score，ETS;Schaefer，1990）、預(yù)報(bào)偏差Bias（Donaldson et al.，1975）等檢驗(yàn)指標(biāo)，檢驗(yàn)評(píng)估GRAPES_Meso 3 km對(duì)流尺度模式在華南前汛期降水預(yù)報(bào)性能，分析華南復(fù)雜地形對(duì)GRAPES_Meso 3 km對(duì)流尺度模式降水預(yù)報(bào)的影響，探究影響GRAPES_Meso 3 km模式降水預(yù)報(bào)能力的可能原因，以期為改進(jìn)GRAPES_Meso 3 km對(duì)流尺度模式、集合預(yù)報(bào)和預(yù)報(bào)應(yīng)用提供參考依據(jù)。

1 模式、資料及研究方法

1.1 GRAPES_Meso 3 km對(duì)流尺度模式簡(jiǎn)介

GRAPES_Meso 3 km對(duì)流尺度模式由中國(guó)氣象局?jǐn)?shù)值預(yù)報(bào)中心自主研發(fā)（Shen et al.，2020），模式參數(shù)設(shè)置如表1所示。模式動(dòng)力框架采用了地形追隨坐標(biāo)、半隱式半拉格朗日差分方案、全可壓非靜力平衡動(dòng)力框架。云物理過(guò)程采用WSM6云微物理方案（Hong et al.，2006）;輻射方案采用RRTM長(zhǎng)波輻射方案（Mlawer et al.，1997）和Dudhia短波輻射方案（Dudhia，1989）;近地面層方案采用Monin-Obukhov方案（Beljaars and Holtslag，1991）;陸面過(guò)程采用Noah（Ek et al.，2003）;邊界層方案采用MRF邊界層方案（Hong and Pan，1996），無(wú)積云參數(shù)化方案。模式積分步長(zhǎng)為30 s，背景場(chǎng)和邊界條件采用NCEP全球模式當(dāng)前時(shí)刻分析和預(yù)報(bào)資料，利用云分析方案（Xue et al.，2000）同化了中國(guó)區(qū)域衛(wèi)星和雷達(dá)資料。模式預(yù)報(bào)資料區(qū)域?yàn)?0°～145°E、10°～60.1°N，水平分辨率為0.03°×0.03°，垂直層數(shù)為50層，預(yù)報(bào)時(shí)效為36 h。

1.2 資料

預(yù)報(bào)資料時(shí)段為華南前汛期（2020年5月18日—6月18日）GRAPES_Meso 3 km模式00時(shí)（世界時(shí)，下同）起報(bào)的逐小時(shí)降水預(yù)報(bào)資料。觀測(cè)資料采用中國(guó)氣象局?jǐn)?shù)值預(yù)報(bào)中心檢驗(yàn)資料庫(kù)站點(diǎn)逐小時(shí)降水、2 m溫度、氣壓，10 m風(fēng)等資料，觀測(cè)站點(diǎn)選擇是從國(guó)家級(jí)地面自動(dòng)氣象觀測(cè)站（2 402個(gè)）中選取的廣東省86個(gè)站（站點(diǎn)分布如圖1所示）。此外，還采用了同期水平分辨率0.05°×0.05°的地面-衛(wèi)星-雷達(dá)三源融合降水分析產(chǎn)品（CMA Multi-source merged Precipitation Analysis Systen，CMPAS;潘旸等，2015），在模式降水預(yù)報(bào)偏差成因分析中，選取了水平分辨率為0.25°×0.25°的歐洲中期天氣預(yù)報(bào)中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的ERA5再分析資料。

1.3 研究方法

1.3.1 廣東省三個(gè)子區(qū)域分類

針對(duì)華南復(fù)雜地形特點(diǎn)，以廣東?。?09°～118°E，20°～26°N）為代表進(jìn)行研究。首先分析了廣東省近30年（1983—2013年）5月和6月95%百分位的日降水量的空間分布，這2個(gè)月的空間分布類似，圖1a給出了6月分布。從圖1a可見(jiàn)，華南近汛期強(qiáng)降水存在三個(gè)大值區(qū)，位于沿海東部、西部和內(nèi)陸。結(jié)合Chen et al.（2018）研究方法，將廣東省86個(gè)站點(diǎn)分為沿海西部、沿海東部和內(nèi)陸地區(qū)三個(gè)子區(qū)域，用于檢驗(yàn)評(píng)估GRAPES_Meso 3 km模式在華南前汛期降水預(yù)報(bào)性能，表2是三個(gè)子區(qū)域站點(diǎn)分類詳情。從圖1b中可見(jiàn)，第一個(gè)子區(qū)域是距海岸線距離小于130 km的沿海西部站點(diǎn)，編號(hào)為1～23號(hào)，簡(jiǎn)稱沿海西部，該子區(qū)域有三條主要山脈，從北向南依次為云開(kāi)山、云霧山和天露山;第二個(gè)子區(qū)域是距海岸線距離小于130 km的沿海東部的35個(gè)站點(diǎn)（編號(hào)24～58號(hào)），簡(jiǎn)稱沿海東部，該子區(qū)域中有羅浮山、蓮花山等主要山脈，蓮花山脈是廣東省最主要的山脈，呈東北西南走向，主峰蓮花山海拔高度達(dá)1 336 m;第三個(gè)子區(qū)域是距海岸線距離大于130 km的28個(gè)站點(diǎn)（編號(hào)59～86號(hào)），簡(jiǎn)稱內(nèi)陸地區(qū)，該子區(qū)域中包含了九蓮山、青云山和南嶺等諸多山脈，海拔高度平均大于500 m。

1.3.2 檢驗(yàn)指標(biāo)

檢驗(yàn)指標(biāo)采用世界氣象組織（World Meteorological Organization，WMO;WMO，2009）推薦的二分類降水預(yù)報(bào)檢驗(yàn)方法。對(duì)某一單站，統(tǒng)計(jì)檢驗(yàn)時(shí)段內(nèi)（2020年5月18日—6月18日）不同降水量級(jí)預(yù)報(bào)樣本命中數(shù)（a）、空?qǐng)?bào)數(shù)（b）、漏報(bào)數(shù)（c）、正確否定數(shù)（d）（表3），并利用式（1）—（6）計(jì)算命中率（hit rate）、空?qǐng)?bào)率（false alarm rate）、漏報(bào)率（miss rate）、成功指數(shù)（Threat Score，TS）、公平成功指數(shù)（Equitable Threat Score，ETS）和預(yù)報(bào)偏差（Bias Score，BS）等多種檢驗(yàn)評(píng)分，其中觀測(cè)與預(yù)報(bào)的匹配方法采取臨近點(diǎn)匹配方法（WMO，2009），即以距離觀測(cè)站點(diǎn)最近的模式格點(diǎn)預(yù)報(bào)值作為該站點(diǎn)預(yù)報(bào)值。根據(jù)每個(gè)站點(diǎn)檢驗(yàn)結(jié)果繪制預(yù)報(bào)評(píng)分的空間分布和時(shí)間變化圖，重點(diǎn)分析24 h累積降水和3 h累積降水預(yù)報(bào)評(píng)分（其中24 h累積降水小雨、中雨、大雨、暴雨檢驗(yàn)閾值分別定義為0.1、10、25、50 mm;3 h小雨、中雨、大雨、暴雨檢驗(yàn)閾值分別定義0.1、3、10、20 mm），評(píng)估GRAPES_Meso 3 km對(duì)流尺度模式華南降水預(yù)報(bào)效果。

從評(píng)分定義可見(jiàn)，成功指數(shù)TS評(píng)分取值范圍為0～1，當(dāng)TS為1時(shí)，為理想評(píng)分;當(dāng)TS為0時(shí)，表示無(wú)預(yù)報(bào)技巧。預(yù)報(bào)偏差Bias評(píng)分值越接近1越好，當(dāng)Bias為1，表示漏報(bào)率和空?qǐng)?bào)率相當(dāng);當(dāng)Bias 小于 1時(shí)，漏報(bào)次數(shù)大于空?qǐng)?bào)次數(shù);否則相反，表示空?qǐng)?bào)次數(shù)大于漏報(bào)次數(shù)。ETS取值范圍為-1/3～1，其理想評(píng)分為1，評(píng)分值為零或者為負(fù)時(shí)表示無(wú)預(yù)報(bào)技巧。

2 結(jié)果分析

2.1 預(yù)報(bào)與實(shí)況日平均降水量空間分布對(duì)比特征

圖2是2020年5月18日—6月18日CMPAS三源融合日平均降水與GRAPES 3 km模式24 h預(yù)報(bào)降水對(duì)比。從圖2a可見(jiàn)，廣東省沿海東部和內(nèi)陸區(qū)域?qū)崨r降水量明顯大于沿海西部。沿海東部和內(nèi)陸地區(qū)日平均降水普遍大于10 mm，有5個(gè)日平均最大降水量大于35 mm的強(qiáng)降水中心，主要位于東部海岸線、蓮花山脈附近及內(nèi)陸區(qū)域，沿海東部的佛崗站（58號(hào)）日平均降水量達(dá)50 mm;而沿海西部的降水總體偏少，大部分站點(diǎn)日平均降水量不足4 mm，最大降水中心位于天露山，日平均降水達(dá)20 mm。從圖2b可以，模式預(yù)報(bào)最大降水中心區(qū)主要發(fā)生在沿海東部和內(nèi)陸地區(qū)，但強(qiáng)降水中心位置和強(qiáng)度與實(shí)況有顯著差異，日平均降水大于10 mm降水預(yù)報(bào)區(qū)域明顯小于實(shí)況區(qū)域，總體而言，GRAPES_Meso 3 km模式對(duì)華南前汛期降水預(yù)報(bào)較實(shí)況偏弱，落區(qū)精細(xì)化分布不足;而沿海西部降水量預(yù)報(bào)明顯小于沿海東部和內(nèi)陸地區(qū)，最大降水中心位置位于沿海西部海岸線附近，與實(shí)況強(qiáng)降水中心位置差異較大。

華南前汛期正處于南海季風(fēng)爆發(fā)后的特殊階段，水汽輸送的預(yù)報(bào)誤差可影響降水預(yù)報(bào)技巧。圖3是檢驗(yàn)時(shí)段內(nèi)廣東省1 000 hPa水汽通量、水汽通量散度、散度場(chǎng)、和渦度場(chǎng)空間分布，可以看到，水汽主要來(lái)自南海西南水汽輸送，到達(dá)海岸線附近后，分為兩支，一支折向西北內(nèi)陸，一支兩北方輸送。平均水汽通量大值區(qū)位于廣東省沿海東部和沿海西部的沿海岸，西南氣流先將南海水汽輸送到沿海沿岸然后分成兩股，一股繼續(xù)西南而上，另一股轉(zhuǎn)向東南風(fēng)向西北方向輸送，從水汽通量散度（圖3b）可以看到，受海岸地形影響，廣東省沿海地區(qū)的水汽通量散度為負(fù)值，在廣東省整個(gè)沿海沿岸都為水汽的輻合區(qū)，導(dǎo)致沿海岸形成了相對(duì)明顯的降水帶（圖3b）。

2.2 24 h累積降水檢驗(yàn)評(píng)估

圖4是三個(gè)子區(qū)域24 h累積降水預(yù)報(bào)TS評(píng)分分布，可見(jiàn)，各量級(jí)降水預(yù)報(bào)TS評(píng)分總體呈現(xiàn)出沿海東部和內(nèi)陸地區(qū)高于沿海西部的特征，從小雨TS評(píng)分看，86個(gè)站點(diǎn)小雨TS評(píng)分均大于0.5，TS平均值達(dá)0.75，評(píng)分最大值是沿海東部的第64號(hào)站，高達(dá)0.964，最小值是沿海西部的第1號(hào)站點(diǎn)，僅為0.33;從中雨TS評(píng)分看，86個(gè)站點(diǎn)TS評(píng)分平均值為0.41，沿海東部和內(nèi)陸區(qū)域TS評(píng)分值大于沿海西部，沿海西部部分站點(diǎn)TS評(píng)分值小于0.1;從大雨評(píng)分看，沿海東部大雨TS評(píng)分值為0.2～0.6，沿海西部TS評(píng)分值普遍小于0.2，內(nèi)陸地區(qū)TS值為0.3～0.5;從暴雨評(píng)分看，沿海東部和內(nèi)陸區(qū)域預(yù)報(bào)評(píng)分普遍為0.1～0.3，沿海西部評(píng)分值普遍小于0.1。

圖5是檢驗(yàn)時(shí)段內(nèi)三個(gè)子區(qū)域24 h預(yù)報(bào)小雨、中雨、大雨和暴雨量級(jí)TS評(píng)分、ETS評(píng)分、Bias評(píng)分、命中率、空?qǐng)?bào)率、漏報(bào)率。由圖5a和圖5b可見(jiàn)，沿海西部地區(qū)小雨、中雨、大雨和暴雨預(yù)報(bào)的TS和ETS評(píng)分是最低的，而沿海東部和內(nèi)陸地區(qū)評(píng)分略高;Bias評(píng)分（圖5c）顯示預(yù)報(bào)偏差均大于1，表明模式對(duì)小雨、中雨、大雨和暴雨量級(jí)均存在空?qǐng)?bào)情況，降水量級(jí)越大，偏差越大;三個(gè)子區(qū)域的命中率和漏報(bào)率隨著降水量級(jí)的增大而逐漸減小，空?qǐng)?bào)率則逐漸增大，相對(duì)而言，沿海東部命中率最高，其次是內(nèi)陸地區(qū)，沿海西部的命中率最低。

2.3 3 h累積降水檢驗(yàn)

Chen et al.（2018）研究表明，華南沿海降水日變化特征明顯，早晨降水主要發(fā)生在海岸線或者海上，而午后降水通常發(fā)生在陸地。為了檢驗(yàn)GRAPES_Meso 3 km模式精細(xì)化降水預(yù)報(bào)能力，重點(diǎn)對(duì)3 h累積降水預(yù)報(bào)進(jìn)行分析評(píng)估。圖6是廣東省三個(gè)子區(qū)域0～36 h預(yù)報(bào)的3 h累積小雨、中雨、大雨和暴雨量級(jí)TS評(píng)分。從圖6可見(jiàn)，沿海東部和內(nèi)陸地區(qū)各時(shí)次各量級(jí)降水TS評(píng)分普遍高于沿海西部，特別是小雨、中雨、大雨量級(jí)更為明顯;同時(shí)，沿海東部和沿海西部的小雨、中雨、大雨TS評(píng)分具有相同日變化特征，即自6 h預(yù)報(bào)時(shí)效后 TS評(píng)分值逐漸上升，約在18 h預(yù)報(bào)時(shí)效TS評(píng)分達(dá)到最大值，隨后評(píng)分值逐漸下降，至27 h預(yù)報(bào)時(shí)效達(dá)到最低值后又逐漸增加，呈現(xiàn)出夜晚評(píng)分值相對(duì)較高，白天評(píng)分值相對(duì)較低的特點(diǎn)。而內(nèi)陸地區(qū)TS評(píng)分日變化特征與沿海東部和西部不同，呈現(xiàn)出夜晚評(píng)分值相對(duì)較低，白天評(píng)分相對(duì)較高的特點(diǎn)，具體不再細(xì)述。但值得注意的是，三個(gè)子區(qū)域的暴雨量級(jí)TS評(píng)分值隨預(yù)報(bào)時(shí)效增加而逐漸下降，降水評(píng)分值的日變化特征均不明顯。沿海東部和沿海西部的ETS評(píng)分（圖7）日變化特征與TS評(píng)分較為一致?？傮w而言，內(nèi)陸地區(qū)和沿海東部地區(qū)ETS評(píng)分大于沿海西部。三個(gè)子區(qū)域Bias評(píng)分也存在一定的日變化（圖8），除沿海西部Bias評(píng)分值在0900 UTC至1200 UTC小于1，其余時(shí)次各子區(qū)域的Bias評(píng)分值均大于1。值得注意的是，沿海東部和沿海西部Bias值在夜間偏高，沿海西部凌晨暴雨Bias值甚至超過(guò)了5，而內(nèi)陸地區(qū)Bias則是白天偏高。

上述研究表明，GRAPES 3 km對(duì)流尺度模式對(duì)華南沿海東部、沿海西部、內(nèi)陸地區(qū)三個(gè)子區(qū)域降水預(yù)報(bào)評(píng)分存在明顯差異。為了分析不同子區(qū)域降水預(yù)報(bào)評(píng)分差異的可能原因，對(duì)比分析了GRAPES_Meso 3 km模式預(yù)報(bào)場(chǎng)與ERA5再分析場(chǎng)異同。圖9是在檢驗(yàn)時(shí)段內(nèi)廣東省2 m溫度和1 000 hPa風(fēng)場(chǎng)平均（圖9）。從圖9a可見(jiàn)，ERA5再分析資料給出檢驗(yàn)時(shí)段內(nèi)廣東省日平均溫度為24～30 ℃，主要受西南暖濕氣流區(qū)控制，沿海西部北側(cè)存在一個(gè)弱的風(fēng)切變，切變線以南溫度較高，最高溫度達(dá)29 ℃，切變線北側(cè)地區(qū)為溫度低值區(qū)。而GRAPES_Meso 3 km模式預(yù)報(bào)沿海西部（沿海東部）日平均溫度較ERA5分析略偏低（偏高），沿海西部的云霧山脈阻擋了冷空氣南下，而沿海西部大部分地區(qū)正好處于切變線南側(cè)的溫度高值區(qū)控制，盡管GRAPES_Meso 3 km模式預(yù)報(bào)該地區(qū)日平均溫度較ERA5偏低，但與沿海東部和內(nèi)陸地區(qū)相比偏高，暖區(qū)降水特征更為顯著，模式預(yù)報(bào)降水空?qǐng)?bào)較多，預(yù)報(bào)能力相對(duì)較弱。

3 總結(jié)與展望

基于GRAPES_Meso 3 km對(duì)流尺度模式，選取2020年5月18日—6月18日廣東省86個(gè)站點(diǎn)逐小時(shí)觀測(cè)降水資料和國(guó)家氣象信息中心多源融合降水資料，并根據(jù)這些氣象觀測(cè)站距海岸線距離和地形特征，將其劃分為沿海東部、沿海西部和內(nèi)陸地區(qū)三個(gè)子區(qū)域，采用傳統(tǒng)的二分類降水預(yù)報(bào)檢驗(yàn)方法，定量評(píng)估了沿海東部、沿海西部和內(nèi)陸地區(qū)降水預(yù)報(bào)效果。檢驗(yàn)評(píng)估指標(biāo)主要包括降水TS評(píng)分、ETS評(píng)分和預(yù)報(bào)Bias評(píng)分，并初步探究了模式對(duì)不同區(qū)域降水預(yù)報(bào)能力存在差異的可能原因。獲得如下主要結(jié)果和結(jié)論：

1）GRAPES_Meso 3 km精細(xì)化降水預(yù)報(bào)評(píng)分與廣東復(fù)雜地形密切相關(guān)，沿海東部和內(nèi)陸地區(qū)24 h累積降水小雨、中雨、大雨及暴雨預(yù)報(bào)成功指數(shù)TS評(píng)分、公平成功指數(shù)ETS評(píng)分高于沿海西部地區(qū)，但三個(gè)子區(qū)域暴雨預(yù)報(bào)技巧均較低。

2）從 3 h累積降水預(yù)報(bào)評(píng)分看，三個(gè)子區(qū)域預(yù)報(bào)評(píng)分具有明顯的日變化特征，但是沿海地區(qū)與內(nèi)陸地區(qū)表現(xiàn)有所不同。沿海東部和沿海西部預(yù)報(bào)技巧夜間較低，白天相對(duì)較高，而預(yù)報(bào)偏差則表現(xiàn)為夜間偏高，白天偏低的特征。內(nèi)陸地區(qū)預(yù)報(bào)技巧則是夜間較高，白天相對(duì)較低，預(yù)報(bào)偏差則是夜間偏低，白天相對(duì)偏高。

3）GRAPES_Meso 3 km對(duì)流尺度模式對(duì)廣東省三個(gè)子區(qū)域降水預(yù)報(bào)存在差異，可能與檢驗(yàn)時(shí)段內(nèi)廣東地區(qū)存在的一個(gè)弱風(fēng)切變有關(guān)，沿海西部大部分地區(qū)正好處于切變線南側(cè)的溫度高值區(qū)控制，但模式預(yù)報(bào)該地區(qū)溫度較再分析資料偏低，導(dǎo)致沿海西部模式預(yù)報(bào)降水空?qǐng)?bào)較多，降低了降水預(yù)報(bào)評(píng)分。

需要指出的是，上述結(jié)果和結(jié)論僅是對(duì)GRAPES_Meso 3 km模式2020年華南前汛期降水預(yù)報(bào)進(jìn)行了檢驗(yàn)評(píng)估，未來(lái)需要開(kāi)展更多時(shí)段和更多個(gè)例的應(yīng)用評(píng)估。此外，采用傳統(tǒng)的二分類方法評(píng)估高分辨率模式降水預(yù)報(bào)效果有一定的局限性，本研究后期可以采用Roberts and Lean（2008）提出的FSS（Fractional Skill Score）評(píng)分和Casati et al.（2004）提出的強(qiáng)度尺度分離法（ISV，Intensity-skill verification）進(jìn)一步檢驗(yàn)評(píng)估GRAPES_Meso 3 km對(duì)流尺度模式對(duì)華南降水預(yù)報(bào)效果，更深入認(rèn)識(shí)GRAPES_Meso 3 km模式對(duì)華南降水預(yù)報(bào)效果。最后需要強(qiáng)調(diào)的是，由于GRAPES_Meso 3 km業(yè)務(wù)系統(tǒng)中應(yīng)用了云分析方案同化雷達(dá)資料，改進(jìn)了降水預(yù)報(bào)效果，但廣東新建的雙偏振雷達(dá)資料還未在GRAPES_Meso 3 km系統(tǒng)中獲得應(yīng)用，需要加強(qiáng)雙偏振雷達(dá)資料的同化應(yīng)用，改進(jìn)短時(shí)預(yù)報(bào)降水偏差較大的問(wèn)題。

參考文獻(xiàn)（References）

Bauer P，Thorpe A，Brunet G，2015.The quiet revolution of numerical weather prediction[J].Nature，525（7567）：47-55.doi：10.1038/nature14956.

Beljaars A C M，Holtslag A A M，1991.Flux parameterization over land surfaces for atmospheric models[J].J Appl Meteor，30（3）：327-341.doi：10.1175/1520-0450（1991）030<0327：fpolsf>2.0.co;2.

畢寶貴，代刊，王毅，等，2016.定量降水預(yù)報(bào)技術(shù)進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，27（5）：534-549. Bi B G，Dai K，Wang Y，et al.，2016.Advances in techniques of quantitative precipitation forecast[J].J Appl Meteorol Sci，27（5）：534-549.doi：10.11898/1001-7313.20160503.（in Chinese）.

Casati B，Ross G，Stephenson D B，2004.A new intensity-scale approach for the verification of spatial precipitation forecasts[J].Meteorol Appl，11（2）：141-154.doi：10.1017/S1350482704001239.

Chen G X，Lan R Y，Zeng W X，et al.，2018.Diurnal variations of rainfall in surface and satellite observations at the monsoon Coast （South China）[J].J Climate，31（5）：1703-1724.doi：10.1175/jcli-d-17-0373.1.

陳浩，陳靜，汪矯陽(yáng)，等，2017.觀測(cè)誤差對(duì)GRAPES區(qū)域集合預(yù)報(bào)影響的敏感性試驗(yàn)[J].大氣科學(xué)學(xué)報(bào)，40（2）：193-201. Chen H，Chen J，Wang J Y，et al.，2017.Sensitivity tests of the influence of observation mean square error on GRAPES regional ensemble prediction[J].Trans Atmos Sci，40（2）：193-201.doi：10.13878/j.cnki.dqkxxb.20151102001.（in Chinese）.

陳靜，李曉莉，2020.GRAPES全球/區(qū)域集合預(yù)報(bào)系統(tǒng)10年發(fā)展回顧及展望[J].氣象科技進(jìn)展，10（2）：9-18，29. Chen J，Li X L，2020.The review of 10 years development of the GRAPES global/regional ensemble prediction[J].Adv Meteor Sci Technol，10（2）：9-18，29.doi：10.3969/j.issn.2095-1973.2020.02.003.（in Chinese）.

陳靜，劉湊華，陳法敬，等，2019.一種基于可預(yù)報(bào)性的暴雨預(yù)報(bào)評(píng)分新方法Ⅰ：中國(guó)暴雨可預(yù)報(bào)性綜合指數(shù)[J].氣象學(xué)報(bào)，77（1）：15-27. Chen J，Liu C H，Chen F J，et al.，2019.A new verification method for heavy rainfall forecast based on predictability Ⅰ：synthetic predictability index of heavy rainfall in China[J].Acta Meteorological Sinica，77（1）：15-27.doi：10.11676/qxxb2019.002.（in Chinese）.

陳良呂，夏宇，莊瀟然，2020.WRF模式不同地形平滑方案對(duì)降水預(yù)報(bào)的影響[J].氣象科技，48（5）：664-674. Chen L L，Xia Y，Zhuang X R，2020，Influence of different terrain smoothing schemes in WRF model on precipitation forecast[J].Meteorological Science and Technology，48（5）：664-674.doi：10.19517/j.1671-6345.20190451.（in Chinese）.

Donaldson R J，Dyer R M，Kraus M J，1975.An objective evaluator of techniques for predicting severe weather events[C]//Ninth conference on severe local storms.Amer Meteor Soc：321-326.

Dudhia J，1989.Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J].J Atmos Sci，46（20）：3077-3107.doi：10.1175/1520-0469（1989）046<3077：nsocod>2.0.co;2.

Ek M B，Mitchell K E，Lin Y，et al.，2003.Implementation of Noah land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta model[J].J Geophys Res：Atmos，108（D22）：8851.doi：10.1029/2002JD003296.

Hong S Y，Pan H L，1996.Nonlocal boundary layer vertical diffusion in a medium-range forecast model[J].Mon Wea Rev，124（10）：2322-2339.doi：10.1175/1520-0493（1996）124<2322：nblvdi>2.0.co;2.

Hong S Y，Lim K S，Kim J H，2006.The WRF single-moment 6-class microphysics scheme （WSM6）[J].J Korea Meteo，42（2）：129-151.

胡婭敏，翟盤(pán)茂，羅曉玲，等，2014.2013年華南前汛期持續(xù)性強(qiáng)降水的大尺度環(huán)流與低頻信號(hào)特征[J].氣象學(xué)報(bào)，72（3）：465-477. Hu Y M，Zhai P M，Luo X L，et al.，2014.Large scale circulation and low frequency signal characteristics for the persistent extreme precipitation in the first rainy season over South China in 2013[J].Acta Meteorol Sin，72（3）：465-477.（in Chinese）.

Li P X，F(xiàn)urtado K，Zhou T J，et al.，2020.The diurnal cycle of East Asian summer monsoon precipitation simulated by the Met Office Unified Model at convection-permitting scales[J].Climate Dyn，55（1/2）：131-151.doi：10.1007/s00382-018-4368-z.

李曉莉，陳靜，劉永柱，等，2019.GRAPES全球集合預(yù)報(bào)初始條件及模式物理過(guò)程不確定性方法研究[J].大氣科學(xué)學(xué)報(bào)，42（3）：348-359. Li X L，Chen J，Liu Y Z，et al.，2019.Representations of initial uncertainty and model uncertainty of GRAPES global ensemble forecasting[J].Trans Atmos Sci，42（3）：348-359.doi：10.13878/j.cnki.dqkxxb.20190318001.（in Chinese）.

劉雪晴，陳靜，陳法敬，等，2020.降水鄰域集合概率方法尺度敏感性試驗(yàn)[J].大氣科學(xué)，44（2）：282-296. Liu X Q，Chen J，Chen F J，et al.，2020.Scale sensitivity experiments of precipitation neighborhood ensemble probability method[J].Chin J Atmos Sci，44（2）：282-296.doi：10.3878/j.issn.1006-9895.1903.18228.（in Chinese）.

馬旭林，計(jì)燕霞，周勃旸，等，2018.GRAPES區(qū)域集合預(yù)報(bào)尺度混合初始擾動(dòng)構(gòu)造的新方案[J].大氣科學(xué)學(xué)報(bào)，41（2）：248-257. Ma X L，Ji Y X，Zhou B Y，et al.，2018.A new scheme of blending initial perturbation of the GRAPES regional ensemble prediction system[J].Trans Atmos Sci，41（2）：248-257.doi：10.13878/j.cnki.dqkxxb.20160104001.（in Chinese）.

Meng Z Y，Zhang F Q，Markowski P，et al.，2012.A modeling study on the development of a bowing structure and associated rear inflow within a squall line over South China[J].J Atmos Sci，69（4）：1182-1207.doi：10.1175/jas-d-11-0121.1.

Mlawer E J，Taubman S J，Brown P D，et al.，1997.Radiative transfer for inhomogeneous atmospheres：RRTM，a validated correlated-k model for the longwave[J].J Geophys Res：Atmos，102（D14）：16663-16682.doi：10.1029/97JD00237.

潘旸，沈艷，宇婧婧，等，2015.基于貝葉斯融合方法的高分辨率地面-衛(wèi)星-雷達(dá)三源降水融合試驗(yàn)[J].氣象學(xué)報(bào)，73（1）：177-186. Pan Y，Shen Y，Yu J J，et al.，2015.An experiment of high-resolution gauge-radar-satellite combined precipitation retrieval based on the Bayesian merging method[J].Acta Meteorol Sin，73（1）：177-186.（in Chinese）.

Roberts N M，Lean H W，2008.Scale-selective verification of rainfall accumulations from high-resolution forecasts of convective events[J].Mon Wea Rev，136（1）：78-97.doi：10.1175/2007mwr2123.1.

Schaefer J T，1990.The critical success index as an indicator of warning skill[J].Wea Forecasting，5（4）：570-575.doi：10.1175/1520-0434（1990）005<0570：tcsiaa>2.0.co;2.

Shen X S，Wang J J，Li Z C，et al.，2020.Research and operational development of numerical weather prediction in China[J].J Meteor Res，34（4）：675-698.doi：10.1007/s13351-020-9847-6.

佟華，張玉濤，2019.GRAPES-MESO模式預(yù)報(bào)降水相態(tài)診斷及應(yīng)用研究[J].大氣科學(xué)學(xué)報(bào)，42（4）：502-512. Tong H，Zhang Y T，2019.Diagnosis of precipitation types and its application in the GRAPES-MESO forecasts[J].Trans Atmos Sci，42（4）：502-512.doi：10.13878/j.cnki.dqkxxb.20190416001.（in Chinese）.

王婧卓，陳法敬，陳靜，等，2021.GRAPES區(qū)域集合預(yù)報(bào)對(duì)2019年中國(guó)汛期降水預(yù)報(bào)評(píng)估[J].大氣科學(xué)，45（3）：664-682. Wang J Z，Chen F J，Chen J，et al.，2021.Verification of GRAPES-REPS model precipitation forecasts over China during 2019 flood season[J].Chin J Atmos Sci，45（3）：664-682.doi：10.3878/j.issn.1006-9895.2008.20146.（in Chinese）.

WMO，2009.Recommendations for the Verification and Intercomparison of QPFs and PQPFs from Operational NWP Models[R].

吳亞麗，蒙偉光，陳德輝，等，2018.一次華南暖區(qū)暴雨過(guò)程可預(yù)報(bào)性的初值影響研究[J].氣象學(xué)報(bào)，76（3）：323-342. Wu Y L，Meng W G，Chen D H，et al.，2018.A study of the impact of initial conditions on the predict-ability of awarm-sector torrential rain over South China[J].Acta Meteorol Sin，76（3）：323-342.doi：10.11676/qxxb2018.001.（in Chinese）.

吳志偉，江志紅，何金海，2006.近50年華南前汛期降水、江淮梅雨和華北雨季旱澇特征對(duì)比分析[J].大氣科學(xué)，30（3）：391-401. Wu Z W，Jiang Z H，He J H，2006.The comparison analysis of flood and drought features among the first flood period in South China，Meiyu period in the Yangtze River and the Huaihe river valleys and rainy season in North China in the last 50 years[J].Chin J Atmos Sci，30（3）：391-401.（in Chinese）.

夏宇，陳靜，劉艷，等，2018.GRAPES混合同化方法在青藏高原區(qū)域的初步試驗(yàn)[J].大氣科學(xué)學(xué)報(bào)，41（2）：239-247. Xia Y，Chen J，Liu Y，et al.，2018.A tentative experiment of GRAPES En-3DVAR hybrid data assimilation method over the Tibet Plateau[J].Trans Atmos Sci，41（2）：239-247.doi：10.13878/j.cnki.dqkxxb.20160119001.（in Chinese）.

許晨璐，王建捷，黃麗萍，2017.千米尺度分辨率下GRAPES-Meso4.0模式定量降水預(yù)報(bào)性能評(píng)估[J].氣象學(xué)報(bào)，75（6）：851-876. Xu C L，Wang J J，Huang L P，2017.Evaluation on QPF of GRAPES-Meso4.0 model at convection-permitting resolution[J].Acta Meteorol Sin，75（6）：851-876.doi：10.11676/qxxb2017.068.（in Chinese）.

Xue M，Droegemeier K K，Wong V，2000.The Advanced Regional Prediction System （ARPS）-a multi-scale nonhydrostatic atmospheric simulation and prediction model.Part Ⅰ：model dynamics and verification[J].Meteor Atmos Phys，75（3/4）：161-193.doi：10.1007/s007030070003.

Yu B Y，Zhu K F，Xue M，et al.，2020.Using new neighborhood-based intensity-scale verification metrics to evaluate WRF precipitation forecasts at 4 and 12 km grid spacings[J].Atmos Res，246.doi：10.1016/j.atmosres.2020.105117.

張涵斌，陳靜，智協(xié)飛，等，2014.GRAPES區(qū)域集合預(yù)報(bào)系統(tǒng)應(yīng)用研究[J].氣象，40（9）：1076-1087. Zhang H B，Chen J，Zhi X F，et al.，2014.Study on the application of GRAPES regional ensemble prediction system[J].Meteor Mon，40（9）：1076-1087.（in Chinese）.

張小雯，唐文苑，鄭永光，等，2020.GRAPES_3 km數(shù)值模式對(duì)流風(fēng)暴預(yù)報(bào)能力的多方法綜合評(píng)估[J].氣象，46（3）：367-380. Zhang X W，Tang W Y，Zheng Y G，et al.，2020.Comprehensive evaluations of GRAPES 3 km numerical model in forecasting convective storms using various verification methods[J].Meteor Mon，46（3）：367-380.doi：10.7519/j.issn.1000-0526.2020.03.008.（in Chinese）.

鐘水新，2020.地形對(duì)降水的影響機(jī)理及預(yù)報(bào)方法研究進(jìn)展[J].高原氣象，39（5）：1122-1132. Zhong S X，2020.Advances in the study of the influencing mechanism and forecast methods for orographic precipitation[J].Plateau Meteor，39（5）：1122-1132.doi：10.7522/j.issn.1000-0534.2019.00083.（in Chinese）.

Zhu K F，Xue M，Zhou B W，et al.，2018.Evaluation of real-time convection-permitting precipitation forecasts in China during the 2013—2014 summer season[J].J Geophys Res：Atmos，123（2）：1037-1064.doi：10.1002/2017JD027445.

（責(zé)任編輯：劉菲）