呼延李豆, 吳 鉦,翟丹華,高 松

(1.重慶市氣象科學(xué)研究所,重慶 401147；2.重慶市農(nóng)業(yè)氣象與衛(wèi)星遙感工程技術(shù)研究中心，重慶 401147；3.重慶市氣象臺,重慶 401147；4.重慶市長壽區(qū)氣象局,重慶 401220)

關(guān)于初始條件對天氣系統(tǒng)發(fā)生發(fā)展和數(shù)值模擬問題，學(xué)者們已經(jīng)做了大量的工作[1-7]，大家普遍認同的觀點是數(shù)值天氣預(yù)報的難點很大程度上是由于天氣形勢的演變對初始條件的敏感性，初始環(huán)境中微小的差異在時間的推移下會逐漸擴散，誤差增長的速率也隨尺度大小表現(xiàn)不同。天氣尺度的可預(yù)報性時效是有限的這一觀念現(xiàn)在逐漸被認可。Zhang等針對美國東海岸2000年1月的一次暴雪過程分析了初始誤差對數(shù)值模式預(yù)報產(chǎn)生的可能影響[8-9]，其結(jié)果在Tan等的工作中得到證實[10]。在以上工作基礎(chǔ)上Zhang等研究了包含對流的理想斜壓波試驗中模式預(yù)報誤差的增長情況[11]。

針對我國的暴雨過程，學(xué)者們也分析了在暴雨的發(fā)生發(fā)展過程中數(shù)值模擬的初值問題。Bei和Zhang研究了我國的一次梅雨鋒暴雨事件初始誤差相關(guān)的可預(yù)報性問題[12]。Zhai和Lin利用模式的擾動能量偏差分析了上海地區(qū)發(fā)生的一次特大暴雨事件的可預(yù)報性時效[13]。吳亞麗等[14]通過數(shù)值試驗分析了模式初始濕度條件差異對暖區(qū)對流系統(tǒng)的可預(yù)報性造成的影響。徐幼平等[15]研究了我國南方暴雨中不同資料分析場對暴雨數(shù)值預(yù)報結(jié)構(gòu)的作用。唐永蘭等[16]針對2008年一次西南渦暴雨過程研究了數(shù)值模式中不同初值的問題。這些結(jié)果深化了對我國暴雨過程中尺度可預(yù)報性的理解和認識，但關(guān)于中國暴雨事件數(shù)值模擬的初值問題，還有待于更多的個例研究。

重慶地區(qū)有著特殊的地理位置和氣候條件，每年由于暴雨產(chǎn)生的次生災(zāi)害給工農(nóng)業(yè)生產(chǎn)帶來巨大經(jīng)濟損失。以往對重慶暴雨的研究主要集中在其產(chǎn)生的動力和熱力條件等方面[17-18]，對暴雨本身的可預(yù)報時限問題知之甚少。在實際業(yè)務(wù)中，暴雨預(yù)報的不確定性越來越受到氣象工作者的關(guān)注和重視，因此研究暴雨本身的不確定性及其物理成因?qū)μ嵘A(yù)報能力，降低暴雨對人民生產(chǎn)生活的不利影響有著重大的科學(xué)和現(xiàn)實意義。2017年5月2日到3日重慶地區(qū)發(fā)生了2017年首次區(qū)域性暴雨過程，重慶東北部大部地區(qū)、中西部部分地區(qū)出現(xiàn)大雨到暴雨，局地大暴雨天氣。本次過程中有7個區(qū)縣達到暴雨量級，其中最大降雨量出現(xiàn)在梁平的聚奎村(197.8 mm)。本文利用重慶市氣象局天資·高分辨率預(yù)報系統(tǒng)，主要著眼于不同初始資料的差異對2017年5月2日到3日暴雨過程可預(yù)報性產(chǎn)生的影響，旨在增強對暴雨過程模擬中初值問題的理解和認識。

1 資料和方法

所用的資料包括全球大氣數(shù)據(jù)同化系統(tǒng)(global data assimilation system，GDAS)再分析資料(6 h間隔)和歐洲中期天氣預(yù)報中心(European Centre for medium-range weather forecast)全球再分析資料(6 h間隔，簡稱ERA)，其中包括位勢高度、相對濕度、垂直速度以及水平風場等信息；降水數(shù)據(jù)使用的是中國自動站與CMORPH(climate prediction center morphing technique)降水產(chǎn)品融合的逐小時格點資料，水平分辨率為0.05°×0.05°[19-20]。為方便敘述，文中出現(xiàn)的時間除特殊說明外，均為世界時。控制試驗的初始值和邊界值來源于GDAS的0.25°×0.25°全球再分析格點資料[21]，模擬時間從2017年5月2日0000UTC到5月3日0000UTC。

計算模式區(qū)域內(nèi)總能量偏差DTE采用的是Zhang等討論模式誤差的時間演變及其可預(yù)報性問題時使用的計算公式[9]，即

(1)

式(1)中，U′、V′和T′分別是兩個模擬試驗的風場、溫度場之間的差值；κ=Cp/Tr，Cp為定壓比熱，一般取1 004.6 m2/(s2K)，Tr為參考溫度，一般取287 K；i，j，k分別為x，y和σ方向的格點數(shù)。

2 模式介紹

本文基于重慶市氣象局業(yè)務(wù)運行的天資·高分辨率數(shù)值預(yù)報系統(tǒng)(Tianzi high resolution numerical weather prediction system,CQHPS)開展預(yù)報試驗。該模式由美國俄克拉荷馬大學(xué)風暴分析和預(yù)測中心、重慶市氣象局、重慶市氣象科學(xué)研究所和中國科學(xué)院重慶綠色智能技術(shù)研究院聯(lián)合研發(fā)。該模式自研發(fā)應(yīng)用以來，在重慶地區(qū)發(fā)生的多次區(qū)域性暴雨天氣過程中，較準確地提前預(yù)報出了暴雨發(fā)生的落區(qū)和量級，為業(yè)務(wù)部門提前發(fā)布暴雨預(yù)警信息提供了有價值的參考[22]。該模式采用三層單向嵌套，模式分辨率分別為27、9、3 km，其中D01區(qū)域中心位置為(34.5°N，104.5°E)，區(qū)域分辨率為27 km，格點數(shù)為200×160，覆蓋了中國及周邊地區(qū)；D02區(qū)域分辨率為9 km，覆蓋了黃河、長江流域大部分區(qū)域及周邊地區(qū)，格點數(shù)為288×216；D03區(qū)域分辨率為3 km，格點數(shù)為480×360，覆蓋了重慶及周邊地區(qū)(24.5°N～34.5°N，99°E～113°E；圖1)。垂直方向為51層[23]。模式采用的微物理參數(shù)化方案為含有冰、積雪過程等的WSM6方案[24]，邊界層方案使用了Mellor-Yamada-Jajic (簡稱MYJ)方案[25]，積云參數(shù)化方案選用了Betts-Miller-Janjic(簡稱BMJ)方案[26]?？紤]到本次暴雨過程和計算時效性等，采用GDAS和ERA兩種資料為初始場作對比分析，模式的起報時間為2017年5月2日0000UTC，預(yù)報時間為24 h，下文中均選取的是D03輸出的模擬結(jié)果。

圖1 CQHPS模式嵌套區(qū)域圖(填色為地形高度，單位為m)

3 數(shù)值模擬結(jié)果

3.1 模擬結(jié)果與觀測對比

暴雨主要降水時段集中在2017年5月2日白天到3日白天。圖2a為2017年5月2日0000UTC到5月3日0000UTC的24 h觀測累積降雨量，可以看出本次暴雨過程主要降雨中心在30.5°N，107°E。圖2b給出了利用GDAS資料為初始場，CQHPS模擬的 24 h累積降雨量和位置，模擬的主要降水位置在30.1°N，106.5°E。與觀測相比，模擬的降水落區(qū)稍偏南偏西，降雨量偏小，由于數(shù)值模式模擬大氣系統(tǒng)會存在一些局限，認為本次過程降水的模擬結(jié)果是有參考價值的。

圖2 2017-05-02T0000UTC—03T0000UTC 24 h累積降雨量(單位為mm；a 實況觀測，b GDAS資料為初始場的CQHPS模擬結(jié)果，c ERA資料為初始場的CQHPS模擬結(jié)果；審圖號為GS(2019)3082號)

3.2 天氣形勢場模擬結(jié)果

圖3為GDAS再分析資料在D01區(qū)域500 hPa和700 hPa兩個等壓面上2日1200 UTC 及3日0000 UTC風場、位勢高度場及比濕場(將GDAS再分析資料視為實況觀測資料)。圖4則給出了使用GDAS資料的CQHPS模擬結(jié)果。通過對比分析表明，雖然模式模擬的西南低渦偏弱，與對應(yīng)的實況觀測形勢存在一定差異，但是模式結(jié)果可以較好地模擬出高原低槽的移動過程及其在四川盆地東部的停滯， 而且也較好地模擬出了本次區(qū)域性暴雨發(fā)生過程中高低層環(huán)流系統(tǒng)的配置情況。

圖3 實際觀測的水平風場、比濕(>60%)和位勢高度場(a 2017-05-02T1200UTC 500 hPa，b 2017-05-03T0000UTC 500 hPa，c 2017-05-02T1200UTC 700 hPa，d 2017-05-03T0000UTC 700 hPa；審圖號為GS(2019)3082號)

圖4 GDAS資料為初始場的CQHPS水平風場、位勢高度場和比濕(>60%)模擬結(jié)果(a 2017-05-02T1200UTC 500 hPa，b 2017-05-03T0000UTC 500 hPa，c 2017-05-02T1200UTC 700 hPa，d 2017-05-03T0000UTC 700hPa；審圖號為GS(2019)3082號)

通過比較分析本次暴雨過程模擬的24 h累積降水量和大尺度環(huán)流背景場,可以得出利用GDAS資料為初始場的CQHPS模擬結(jié)果和實際觀測非常接近，模式的模擬比較合理，因此本文將此試驗稱為控制試驗(control試驗，下簡稱CNTL)。下文中的敏感試驗以CNTL為背景展開對比研究。

4 初始誤差的敏感性試驗研究

下面主要利用實際的模式擾動誤差，探討不同擾動誤差的演變特征及其對2017年5月2日重慶區(qū)域暴雨過程中尺度可預(yù)報性的影響。敏感性試驗為初始場來自ERA全球格點資料的CQHPS模擬結(jié)果(下簡稱EXP-ERA)，模式中其它的設(shè)置與CNTL一致。

比較EXP-ERA的24 h累積降水量(圖2c)與CNTL的(圖2b)可以看到，二者之間存在比較大的差異。圖 2c的模擬結(jié)果中暴雨中心位置在31.5°N，106.5°E，與圖2b模擬的降水大值落區(qū)的中心位置相比偏西偏北，且降雨量在重慶地區(qū)偏少。二者模擬降水結(jié)果差異較大，表明在本次過程的模擬中，模式初始資料的差異對此次過程的降水預(yù)報結(jié)果產(chǎn)生了比較明顯的影響。

通過功率譜分析的方法進一步分析初始資料的差異對此次暴雨過程模擬結(jié)果的影響。圖5表示CNTL與EXP-ERA的DTE的時間演變。可以看出，初始時刻CNTL與EXP-ERA之間的DTE在積分開始時刻主要出現(xiàn)在200 km以上的較大尺度上。從整個積分時間來看，DTE在大于200 km的尺度上增加的較為緩慢，而在小于200 km的尺度范圍內(nèi)增加的速度比較快，這和前人的研究結(jié)果是一致的[27-28]。圖6表示對CNTL的3 h累積降水量進行功率譜分析，結(jié)果反映了積分初始時刻降水尺度主要集中在700 km附近，隨著積分時間的推移，降水的主要尺度也逐漸轉(zhuǎn)向大尺度范圍。

5 結(jié)論與討論

利用重慶市氣象局天資·高分辨率數(shù)值預(yù)報系統(tǒng)(CQHPS)對2017年5月2—3日重慶區(qū)域暴雨過程進行數(shù)值模擬，使用 GDAS和ERA兩種資料分別作為模式初始場，對比模擬結(jié)果并進行初值分析，結(jié)果如下。

(1)CQHPS能夠在很大程度上模擬出本次區(qū)域暴雨過程的大尺度天氣環(huán)流形勢以及降水落區(qū)和降雨強度，模擬結(jié)果與觀測比較吻合。

(2)使用不同的初始資料進行模擬會對本次暴雨過程的預(yù)報結(jié)果產(chǎn)生較為顯著的影響；從總能量偏差DTE的功率譜分析可見，在大于200 km的尺度上DTE增加的較為緩慢， 而在小于200 km的尺度范圍內(nèi)增加的速度比較快，且功率譜結(jié)果也顯示能量隨積分時間的推移向著大尺度方向移動。

黑色虛線表示CNTL在24 h時的總能量功率譜。圖5 CNTL與EXP-ERA的總能量偏差(單位為m2s-2)的功率譜在不同積分時間(3 h間隔)的分布

圖6 CNTL 3 h累積降雨量(單位為mm)的功率譜在不同積分時間(3 h間隔)的分布

(3)因為初始資料和數(shù)值模式系統(tǒng)本身的自限性，所以結(jié)果和分析有一定的局限性，且本文只研究了1次區(qū)域暴雨個例，有關(guān)暴雨可預(yù)報性的其他問題有待更多更深入的研究。