尚 博 鞏力源 徐建飛 雷 敏

（1.長(zhǎng)春市氣象局，吉林長(zhǎng)春 130013；2.吉林省氣象探測(cè)保障中心，吉林長(zhǎng)春 130062）

1 引言

隨著大氣探測(cè)和資料同化技術(shù)的發(fā)展，雷達(dá)、衛(wèi)星、自動(dòng)站、探空、微波輻射計(jì)等多種探測(cè)資料用于重建連續(xù)的格點(diǎn)再分析資料，與單一觀測(cè)資料相比，融合資料分辨率高，能夠較好地反映云和降水的宏微觀信息，不僅在天氣形勢(shì)分析中具有重要作用，同時(shí)也為模式預(yù)報(bào)提供了更詳細(xì)的初始信息，對(duì)強(qiáng)天氣預(yù)報(bào)具有改善效果[1-6]。

LAPS是美國(guó)國(guó)家海洋大氣管理局研發(fā)的局地氣象預(yù)報(bào)分析系統(tǒng)，該系統(tǒng)最重要的特點(diǎn)是能夠?qū)⒍嘣从^測(cè)資料在同一數(shù)值平臺(tái)上統(tǒng)一同化處理，且時(shí)空分辨率高[7]。上海中心氣象臺(tái)于2010年引入LAPS，并針對(duì)夏季6個(gè)強(qiáng)對(duì)流個(gè)例，分析了熱島效應(yīng)和海陸風(fēng)環(huán)流對(duì)強(qiáng)對(duì)流觸發(fā)機(jī)制的影響[8]。楊磊等[9]應(yīng)用遼寧本地化LAPS系統(tǒng)，分析了2013年8月16日遼寧撫順地區(qū)一次特大暴雨過(guò)程，檢驗(yàn)了LN-LAPS融合多種觀測(cè)資料后的預(yù)報(bào)效果。彭菊香等[10]利用LAPS中尺度分析場(chǎng)對(duì)華中區(qū)域進(jìn)行了檢驗(yàn)與評(píng)估，定量對(duì)比分析了各種觀測(cè)資料在LAPS中的應(yīng)用，結(jié)果表明LAPS融合所有觀測(cè)資料后得到的分析場(chǎng)最優(yōu)。李紅莉等[11]利用LAPS融合了中國(guó)多普勒雷達(dá)觀測(cè)資料，對(duì)輸出場(chǎng)在梅雨期強(qiáng)降水過(guò)程中的應(yīng)用進(jìn)行了研究，指出LAPS融合雷達(dá)徑向風(fēng)后，對(duì)風(fēng)場(chǎng)預(yù)報(bào)的改善效果較明顯，可以揭示流場(chǎng)的中尺度信息。

吉林省西部多平原東部多山區(qū)，氣候背景復(fù)雜，夏季暴雨是主要的災(zāi)害性天氣之一。冷渦天氣、臺(tái)風(fēng)北上和中小尺度系統(tǒng)觸發(fā)的強(qiáng)對(duì)流等都是引發(fā)吉林省暴雨的主要天氣系統(tǒng)。近年來(lái)，極端降水事件明顯增多，給人民財(cái)產(chǎn)和安全帶來(lái)巨大的損失。本文使用LAPS系統(tǒng)，同化了吉林省范圍內(nèi)多部雷達(dá)、衛(wèi)星和自動(dòng)站的資料，形成高精度的分析場(chǎng)，并將其作為WRF模式初始場(chǎng)進(jìn)行數(shù)值模擬，利用吉林省2019—2020年6次暴雨個(gè)例，對(duì)比檢驗(yàn)高精度初始場(chǎng)在暴雨中的預(yù)報(bào)能力，為局地氣象災(zāi)害的監(jiān)測(cè)、預(yù)警服務(wù)提供參考。

2 資料和試驗(yàn)方案介紹

2.1 資料和方法介紹

選取2019—2020年夏季6次暴雨個(gè)例，使用吉林省774個(gè)地面觀測(cè)站的實(shí)況降水?dāng)?shù)據(jù)用于模式預(yù)報(bào)檢驗(yàn)。插值方法使用臨近插值法，即將模式預(yù)報(bào)數(shù)據(jù)按鄰近點(diǎn)方法取值到觀測(cè)站點(diǎn)后進(jìn)行對(duì)比與統(tǒng)計(jì)。

依據(jù)預(yù)報(bào)正確站數(shù)、空?qǐng)?bào)站數(shù)和漏報(bào)站數(shù)，計(jì)算TS評(píng)分、空?qǐng)?bào)率和漏報(bào)率[12]。評(píng)估時(shí)效為6次降水個(gè)例當(dāng)日17時(shí)至次日05時(shí)累計(jì)實(shí)況降水量，12h降水量級(jí)定義，按照小雨、中雨、大雨、暴雨、大暴雨、特大暴雨進(jìn)行區(qū)分，得到6次個(gè)例不同量級(jí)降水的站點(diǎn)個(gè)數(shù)（表1）。

表1 2019—2020年吉林省6次降水個(gè)例不同量級(jí)降水站點(diǎn)個(gè)數(shù) 個(gè)

2.2 試驗(yàn)方案設(shè)置

LAPS包括風(fēng)分析、地面分析、溫度分析、云分析、水汽分析等模塊。本文使用LAPS系統(tǒng)融合GFS預(yù)報(bào)場(chǎng)以及吉林省范圍內(nèi)4部雷達(dá)、葵花衛(wèi)星的紅外通道和可見(jiàn)光通道數(shù)據(jù)、質(zhì)量控制后的區(qū)域站資料，形成一個(gè)覆蓋吉林全省的三維高分辨率格點(diǎn)場(chǎng)，水平分辨率9km，時(shí)間分辨率10min。輸出產(chǎn)品主要有云頂高度、云底高度、云總量、三維比濕、三維云冰總含量、云水總含量、三維溫度場(chǎng)、三維風(fēng)場(chǎng)、總降水量、沙氏指數(shù)等。WRFLAPS是以LAPS分析場(chǎng)作為WRF模式的初始場(chǎng)，運(yùn)行輸出WRF模式數(shù)值天氣預(yù)報(bào)系統(tǒng)。

GFS（Global Forecasting System）是美國(guó)國(guó)家環(huán)境預(yù)測(cè)中心（NCEP）的分析及預(yù)報(bào)場(chǎng)資料，2019年6月GFS v16升級(jí)為基于立方球有限體積算法，取代了原譜模型，此次升級(jí)將模型頂部從平流層上部擴(kuò)展到中間層，新的方案對(duì)模型未明確解析的靜止和非靜止重力波進(jìn)行參數(shù)化。WRF-GFS以0.5°×0.5° GFS數(shù)據(jù)作為WRF模式的初始場(chǎng)，運(yùn)行輸出WRF模式數(shù)值天氣預(yù)報(bào)系統(tǒng)。

WRF模式設(shè)置分為兩層嵌套，外層嵌套網(wǎng)格距為9km，內(nèi)層格距為3km，垂直方向39層，積分時(shí)間步長(zhǎng)為27s，積云對(duì)流化參數(shù)方案為Grell 3D，微物理過(guò)程方案為WSM5，長(zhǎng)波輻射方案為RRTM，邊界層方案為T(mén)hermal Diffusion，輸出的微物理參量主要包含水汽、云水、雨水、雪、冰晶混合比，地圖投影方式為蘭伯特投影。為便于對(duì)比LAPS高精度初始場(chǎng)對(duì)暴雨預(yù)報(bào)的影響，WRFGFS和WRF-LAPS這兩種模式均采用相同的運(yùn)算范圍和參數(shù)化方案設(shè)置，起報(bào)時(shí)刻為當(dāng)日14時(shí)。

3 結(jié)果分析

3.1 12h降水定性檢驗(yàn)

為檢驗(yàn)LAPS高精度分析場(chǎng)作為模式初始場(chǎng)后暴雨的預(yù)報(bào)效果，從6次個(gè)例17時(shí)至次日05時(shí)12h降水實(shí)況、WRF-LAPS預(yù)報(bào)和WRF-GFS預(yù)報(bào)降水量可以看出，6次個(gè)例吉林省均發(fā)生了暴雨，其中4次發(fā)生了大暴雨，兩種模式都給出了暴雨提示，WRF-LAPS給出了大暴雨提示4次，WRF-GFS給出了大暴雨提示2次，但不同個(gè)例暴雨落區(qū)與實(shí)況有一定差異。個(gè)例一（圖1），實(shí)況降水主要發(fā)生在吉林省的中部，其中長(zhǎng)春西南部雨量較大，暴雨集中在長(zhǎng)春市區(qū)44°N附近，呈塊狀分布。兩種模式預(yù)報(bào)的降水落區(qū)比實(shí)況略大，WRF-GFS預(yù)報(bào)的暴雨落區(qū)更接近實(shí)況，且形狀相似；WRF-LAPS預(yù)報(bào)的暴雨落區(qū)形狀相似但落區(qū)偏南，且在吉林市東南部存在暴雨的空?qǐng)?bào)區(qū)域。實(shí)況7個(gè)站點(diǎn)出現(xiàn)了大暴雨，WRF-GFS給出了大暴雨的提示。

圖1 個(gè)例一吉林省實(shí)況（a）、WRF-LAPS預(yù)報(bào)（b）和WRF-GFS預(yù)報(bào)（c）降水量

個(gè)例二（圖2），實(shí)況降水主要發(fā)生在吉林省的中東部，由西向東降水量級(jí)逐漸增大，東部存在兩條暴雨帶，一條貫穿吉林市，一條位于延邊州琿春一帶。WRF-LAPS預(yù)報(bào)的降水范圍主要位于吉林省的中東部，且自西向東雨量逐漸增大，吉林市和琿春市的暴雨落區(qū)與實(shí)況一致，但總體WRFLAPS預(yù)報(bào)的量級(jí)偏大，吉林、通化、琿春預(yù)報(bào)均比實(shí)況大一個(gè)量級(jí)。WRF-GFS預(yù)報(bào)的降水范圍比實(shí)況更偏西，沒(méi)有預(yù)報(bào)出吉林中部的帶狀暴雨，量級(jí)偏小，琿春市的暴雨在落區(qū)和量級(jí)上與實(shí)況較吻合。兩個(gè)模式的共同點(diǎn)是通化一帶均出現(xiàn)了暴雨的空?qǐng)?bào)。

圖2 個(gè)例二吉林省實(shí)況（a）、WRF-LAPS預(yù)報(bào)（b）和WRF-GFS預(yù)報(bào)（c）降水量

個(gè)例三，除了白城地區(qū)外，全省有分布不均勻的降水，強(qiáng)降水區(qū)位于吉林省中部的長(zhǎng)春、四平地區(qū)，呈帶狀分布，其中暴雨區(qū)位于四平地區(qū)以及長(zhǎng)春北部的榆樹(shù)和南部的公主嶺。WRF-LAPS預(yù)報(bào)的降水范圍和暴雨的形態(tài)與實(shí)況較一致，暴雨落區(qū)在南北兩側(cè)，中部為中到大雨。WRF-GFS雖然較好地預(yù)報(bào)了南北兩側(cè)降水量級(jí)大中間小的帶狀形態(tài)，但位置略有偏北。

個(gè)例四，吉林全省范圍內(nèi)有分布不均勻的降水，中西部以中到大雨為主，白城、松原、延邊、四平有分散的暴雨區(qū)，呈點(diǎn)狀。WRF-LAPS預(yù)報(bào)的降水范圍與實(shí)況基本吻合，中西部雨量大，東部雨量小，暴雨呈點(diǎn)狀分布，但落區(qū)有一定偏差。WRFGFS預(yù)報(bào)的降水范圍與實(shí)況亦基本吻合，白城地區(qū)同樣預(yù)報(bào)了散點(diǎn)式分布的暴雨，吉林省南部預(yù)報(bào)的大雨和暴雨區(qū)與實(shí)況位置接近，但中部地區(qū)預(yù)報(bào)的降水量級(jí)偏小。

個(gè)例五，降水主要位于吉林省中西部地區(qū)，降水梯度明顯，自西向東逐漸減小，暴雨區(qū)主要在白城北部和松原的扶余。WRF-LAPS預(yù)報(bào)的降水范圍、降水梯度和暴雨區(qū)的位置均與實(shí)況接近。WRF-GFS預(yù)報(bào)的降水范圍偏大，且對(duì)于暴雨模式基本沒(méi)有提示。

個(gè)例六，降水分布不均勻，實(shí)況有13站發(fā)生了暴雨，但較為分散，僅在松原南部呈現(xiàn)點(diǎn)狀的暴雨區(qū)。WRF-LAPS預(yù)報(bào)的降水分布不均勻，松原地區(qū)發(fā)生的暴雨模式給出了提示，且位置對(duì)應(yīng)較好，但范圍略大；吉林市北部有暴雨的空?qǐng)?bào)，降水范圍與實(shí)況略有偏差；白城地區(qū)存在中到大雨漏報(bào)；東部地區(qū)存在大雨空?qǐng)?bào)。WRF-GFS預(yù)報(bào)的降水分布不均勻，但松原地區(qū)的暴雨漏報(bào)，吉林市北部存在小范圍的暴雨空?qǐng)?bào)區(qū)。6次暴雨個(gè)例表明LAPS作為模式初始場(chǎng)在降水范圍、降水梯度、暴雨落區(qū)和極值的預(yù)報(bào)上有一定的改善作用。

3.2 12h降水定量檢驗(yàn)

以上定性分析了兩種模式對(duì)暴雨預(yù)報(bào)的影響，為了定量檢驗(yàn)高精度初始場(chǎng)對(duì)暴雨預(yù)報(bào)的效果，本文采用氣象業(yè)務(wù)預(yù)報(bào)中常用的降水量級(jí)預(yù)報(bào)統(tǒng)計(jì)檢驗(yàn)量TS評(píng)分、空?qǐng)?bào)率和漏報(bào)率。檢驗(yàn)使用的不同量級(jí)實(shí)況降水站點(diǎn)數(shù)見(jiàn)表1，6次個(gè)例產(chǎn)生大雨及大雨以上量級(jí)的降水總站數(shù)共711個(gè)，其中暴雨為268個(gè)站，大暴雨為19個(gè)站。

3.2.1 12h降水TS評(píng)分

圖3給出了WRF-LAPS和WRF-GFS預(yù)報(bào)的12h不同量級(jí)降水的TS評(píng)分，從圖中可以看到，個(gè)例一至個(gè)例六WRF-LAPS預(yù)報(bào)的暴雨量級(jí)TS評(píng) 分 分 別 為0.237、0.558、0.299、0.083、0.214、0，WRF-GFS預(yù)報(bào)的暴雨量級(jí)TS評(píng)分分別為0.026、0.186、0.209、0、0.036、0。6次個(gè)例實(shí)況均發(fā)生了暴雨，WRF-LAPS成功預(yù)報(bào)了其中的5次，WRF-GFS成功預(yù)報(bào)了其中的4次，且每次WRFLAPS的暴雨TS評(píng)分均高于WRF-GFS。個(gè)例一至個(gè)例四降水實(shí)況均發(fā)生了大暴雨，WRF-LAPS成功預(yù)報(bào)了其中的2次，為個(gè)例二和個(gè)例三；WRFGFS預(yù)報(bào)了0次。可見(jiàn)，WRF-LAPS對(duì)于暴雨和大暴雨的預(yù)報(bào)具有改善作用。

圖3 個(gè)例一（a）、個(gè)例二（b）、個(gè)例三（c）、個(gè)例四（d）、個(gè)例五（e）、個(gè)例六（f）WRF-LAPS與WRF-GFS預(yù)報(bào)12h累計(jì)降水分級(jí)TS評(píng)分

在個(gè)例二和個(gè)例三中，WRF-LAPS不僅成功預(yù)報(bào)了大暴雨的量級(jí)和落區(qū)，還可以看到其暴雨的TS評(píng)分明顯高于其他4個(gè)個(gè)例；WRF-GFS預(yù)報(bào)的個(gè)例二和個(gè)例三的暴雨TS評(píng)分也高于其他4個(gè)個(gè)例。說(shuō)明模式對(duì)于降水區(qū)呈帶狀的區(qū)域性暴雨的預(yù)報(bào)效果好于降水區(qū)呈塊狀和點(diǎn)狀的局地性暴雨。

3.2.2 12h降水空?qǐng)?bào)率

表2給出了兩種模式對(duì)6次個(gè)例12h累計(jì)降水預(yù)報(bào)的分級(jí)空?qǐng)?bào)率。在暴雨量級(jí)的預(yù)報(bào)中可以看出，個(gè)例一至個(gè)例四WRF-LAPS暴雨空?qǐng)?bào)率均低于WRF-GFS，個(gè)例五WRF-LAPS暴雨空?qǐng)?bào)率比WRF-GFS高0.029，個(gè)例六兩者相同。個(gè)例一至個(gè)例四實(shí)況均有大暴雨，WRF-LAPS在大暴雨量級(jí)有3次空?qǐng)?bào)，個(gè)例二和個(gè)例三都為0.8；WRF-GFS沒(méi)有預(yù)報(bào)出大暴雨，不存在空?qǐng)?bào)率?？梢?jiàn)，WRF-LAPS在大暴雨量級(jí)的預(yù)報(bào)上具有提示性，在暴雨量級(jí)預(yù)報(bào)上空?qǐng)?bào)率比WRFGFS低。

同時(shí)還發(fā)現(xiàn)在6次暴雨個(gè)例中，個(gè)例二和個(gè)例三WRF-LAPS的暴雨空?qǐng)?bào)率分別為0.586和0.688，WRF-GFS的暴雨空?qǐng)?bào)率分別為0.619和0.778，與TS評(píng)分有相似之處，即個(gè)例二和個(gè)例三的暴雨空?qǐng)?bào)率明顯低于其他個(gè)例。亦說(shuō)明模式對(duì)于降水區(qū)呈帶狀的區(qū)域性暴雨的預(yù)報(bào)效果好于降水區(qū)呈塊狀和點(diǎn)狀的局地性暴雨。

3.2.3 12h降水漏報(bào)率

表3給出了兩種模式對(duì)6次個(gè)例12h累計(jì)降水預(yù)報(bào)的分級(jí)漏報(bào)率，從表中可以看出，個(gè)例一至個(gè)例五，WRF-LAPS預(yù)報(bào)的暴雨漏報(bào)率分別為0.763、0.429、0.697、0.917、0.786，WRF-GFS預(yù) 報(bào)的 暴 雨 漏 報(bào) 率 分 別 為0.974、0.814、0.791、1.0、0.964，WRF-LAPS預(yù)報(bào)的暴雨漏報(bào)率均低于WRF-GFS。兩者差值最大為個(gè)例二，相差0.385；個(gè)例六兩者漏報(bào)率相同，為100%暴雨漏報(bào)。4次大暴雨降水個(gè)例中，WRF-GFS漏報(bào)率均為100%，WRF-LAPS在個(gè)例二和個(gè)例三中存在大暴雨預(yù)報(bào)正確的站點(diǎn)?？梢钥闯鯳RF-LAPS在暴雨的預(yù)報(bào)中具有一定改善效果。

表3 6次個(gè)例WRF-LAPS（同化）與WRF-GFS（未同化）資料12h累計(jì)降水預(yù)報(bào)的漏報(bào)率

同時(shí)，兩種模式對(duì)區(qū)域性暴雨（個(gè)例二和個(gè)例三）的漏報(bào)率低于其他局地性暴雨個(gè)例。但從總體來(lái)看，暴雨的漏報(bào)率仍然較高，說(shuō)明模式在局地性暴雨的預(yù)報(bào)中仍存在較大的改進(jìn)空間。

4 結(jié)語(yǔ)

（1）從6次暴雨累計(jì)12h降水定性分析來(lái)看，LAPS高精度分析場(chǎng)作為模式初始場(chǎng)在降水范圍、降水梯度、暴雨落區(qū)和極值的預(yù)報(bào)上有一定的改善作用。

（2）從暴雨量級(jí)TS評(píng)分定量分析來(lái)看，6次暴雨個(gè)例中，WRF-LAPS成功預(yù)報(bào)了暴雨5次，大暴雨2次；WRF-GFS成功預(yù)報(bào)了暴雨4次，大暴雨0次。WRF-LAPS的暴雨TS評(píng)分均高于WRFGFS，WRF-LAPS對(duì)于暴雨和大暴雨的預(yù)報(bào)具有改善作用。

（3）6次暴雨個(gè)例中，WRF-LAPS暴雨空?qǐng)?bào)率4次低于WRF-GFS，1次相同；WRF-LAPS暴雨漏報(bào)率5次低于WRF-GFS。

（4）從TS評(píng)分和空?qǐng)?bào)率、漏報(bào)率定量分析得到，盡管WRF-LAPS模式對(duì)于暴雨和大暴雨的預(yù)報(bào)具有改善，但其對(duì)于局地性暴雨的預(yù)報(bào)效果仍然不如區(qū)域性暴雨。