“23·7”華北特大暴雨數值預報檢驗評估

張 博 張芳華* 李曉蘭 胡 藝

1)(國家氣象中心, 北京 100081) 2)(中國氣象局水文氣象重點開放實驗室, 北京 100081)

引 言

數值預報模式可為降水預報提供最有價值的參考信息,不同的模式初始場、邊界條件、動力框架、物理過程及參數化方案等導致其預報效果差異明顯[1]。對數值預報模式有針對性地進行客觀統計檢驗和天氣學檢驗,探究其預報性能、偏差特點及可能原因,構建訂正方法,是基于數值預報模式的現代天氣預報業務流程中的關鍵環節。

隨著全球和區域數值模式的發展,數值模式對大范圍強降水的環流形勢預報能力不斷提高,其預報時效和預報準確率也明顯提升。我國氣象工作者針對不同模式的降水預報能力進行了大量檢驗分析[2-8],采用的檢驗方法包括在兩個變量預報檢驗列聯表[9]基礎上發展的TS(threat score)評分和ETS(equitable threat score)評分等,利用該檢驗辦法已開展多個氣象要素場的檢驗工作[10-11],但TS評分、ETS評分等方法為點對點檢驗,對雨帶位置和強度的檢驗過于嚴苛,不能反映模式預報場的空間結構、預報能力的尺度變化等,往往會漏掉對預報員有價值的空間信息特征[12]。Hoffman等[13]首次將預報誤差分解為位移、振幅和剩余殘差3部分,在此基礎上發展了一系列空間診斷檢驗方法。潘留杰等[14]總結和歸納空間診斷檢驗技術,將其分為屬性判別法、尺度分離法、鄰域法和形變法,其中屬性判別法[15]和鄰域法在診斷檢驗中較常用。屬性判別法較常用的有MODE(method for object-based diagnostic evaluation)和CRA(contiguous rain area)方法,MODE方法可辨識二維場的空間特征,通過比較確定該空間特征在不同場的相似程度,開展相似性統計,尤鳳春等[16]和張博等[17]利用該方法對華北降水進行多樣本空間檢驗,蘇翔等[18]和董立清[19]分別對2020年和1991梅雨期暴雨雨帶的預報不確定性進行分析。CRA方法是Ebert等[20]提出的基于目標的定量降水檢驗方法,符嬌蘭等[21]利用CRA方法檢驗了歐洲中期天氣預報中心(ECMWF)模式在西南地區東部強降水的預報,并依據檢驗結果分析模式的誤差來源。常煜等[22]采用CRA方法分析兩個區域模式對嫩江流域暴雨的預報性能。王新敏等[23]采用CRA方法檢驗評估了4個數值模式對2018年8月3次登陸臺風暴雨過程的降水預報性能。采用多種檢驗手段可更加直觀和定量地認識數值預報模式對不同類型天氣過程的預報性能。近年華北地區極端暴雨事件多發,多角度的成因分析和預報評估[24-26]為全面認識極端強降水事件提供了參考。根據預報特征利用天氣學檢驗方法評估數值模式中的行星尺度、大尺度乃至中小尺度的環流系統,得到降水預報出現偏差的可能原因[27-29]。

2023年7月29日—8月1日北上臺風杜蘇芮(2305)的殘余環流在華北地區停滯,導致京津冀等地出現歷史罕見的持續性強降水(簡稱“23·7”過程),單站累積降水量超過1000 mm。強降水造成房屋、道路、通信以及水電設施等損毀,還造成人員傷亡和重大財產損失,產生嚴重的災害影響。對于如此罕見的持續性強降水,常用業務數值預報模式在中長期時效對其持續性和過程降水量的極端性預報效果以及短期時效對強降水的落區和強度把握情況均值得探討。本文采用天氣學檢驗和統計檢驗相結合的方式評估業務數值模式對過程累積降水量、持續時間以及關鍵環流系統的預報性能,并分析短期降水預報偏差,為預報員更有效地使用數值預報產品提供參考。

1 資料和方法

1.1 資 料

本文檢驗的數值模式包括中國氣象局高分辨率全球同化預報系統(CMA-GFS)、較低分辨率全球集合預報系統(CMA-EPS)、歐洲中期數值預報中心集合預報系統(EC-EPS)和業務預報模式(EC-HR)、美國環境預報中心全球預報系統(NCEP-GFS)等全球模式和中國氣象局區域臺風數值預報系統(CMA-TYM)、中尺度天氣數值預報系統(CMA-MESO)和區域數值預報系統(CMA-BJ)等區域中尺度模式,檢驗要素包括2023年7月18—29日20:00(北京時,下同)起報的降水量、500 hPa高度場、850 hPa風場、925 hPa風場和比濕場。CMA-GFS和EC-HR降水場原始分辨率為0.125°×0.125°,CMA-EPS和EC-EPS降水場原始分辨率為0.5°×0.5°,NCEP-GFS降水場原始分辨率為0.25°×0.25°,CMA-TYM和CMA-BJ降水場原始分辨率為0.09°×0.09°,CMA-MESO降水場原始分辨率為0.03°×0.03°;CMA-GFS、EC-HR和NCEP-GFS預報時效為240 h,CMA-EPS和EC-EPS預報時效為360 h,CMA-TYM預報時效為120 h,CMA-MESO預報時效為72 h,CMA-BJ預報時效為96 h[5,8,10,22,30-31]。

所用資料包括國家氣象信息中心提供的2023年7月29日—8月2日全國地面國家氣象站和自動氣象站間隔1 h的降水量,以及ECMWF發布的ERA5逐小時再分析資料,要素包括位勢高度、風場和比濕場等,水平分辨率為0.25°×0.25°。

1.2 檢驗方法

本文檢驗方法包括天氣學檢驗、二分類檢驗和MODE空間檢驗。天氣學檢驗主要包括降水預報和實況的偏差對比、環流場(位勢高度、風場、濕度場等)的檢驗分析。傳統二分類檢驗是基于點對點的檢驗,評估模式的預報性能。首先利用列聯表將預報和實況降水進行判定,對符合閾值條件的降水事件定為1,反之定為0。

MODE方法通過給定的卷積半徑對原始降水場進行卷積處理,按照給定閾值篩選滿足條件的降水對象,確定降水對象空間特征在不同場的相似程度,開展相似性統計,計算匹配對象間的降水強度、面積、中心位置、軸角等各種要素。其具體方法和閾值選取依據參見文獻[16]。

本文插圖所涉及的國界和行政區域界線基于審圖號為GS(2019)3082號標準地圖制作,底圖無修改。

2 特大暴雨過程概況

2.1 強降水特征

2023年7月29日—8月1日華北地區出現持續性強降水天氣(圖1),日降水量、累積降水量及降水持續時間等均具有顯著極端性,是“63·8”以來華北最強的降水過程[32-33]。北京、天津、河北大部以及山西東部、河南北部等地連續3 d出現暴雨到大暴雨,北京和河北部分地區出現特大暴雨,上述地區過程累積降水量(圖1)約為100～400 mm,其中北京西部、河北中部和西南部等太行山東麓沿山地區達500～700 mm,氣象站觀測最大累積降水量出現在河北邢臺臨城梁家莊,為1003.4 mm。

圖1 2023年7月29日—8月1日累積降水量實況(單位:mm)

由圖1可知,2023年7月29日08:00—30日08:00北京中南部、天津西南部、河北中南部以及山西東部、河南北部、山東中西部等地出現暴雨到大暴雨,河北西南部、河南北部局地出現特大暴雨。7月30日08:00—31日08:00強降水落區向北發展,特大暴雨落區及降水中心強度均明顯增大,北京西部、河北中部和西南部等地日降水量達250～400 mm,局地接近500 mm,強降水最集中。7月31日08:00—8月1日08:00強降水范圍和強度均有所減小,暴雨以上量級強降水集中在北京、天津、河北中部地區。8月1日(圖略)京津冀降水顯著減弱,僅在天津及河北中部的局部地區出現暴雨。

2.2 環流形勢

此次持續性強降水過程出現在北上臺風杜蘇芮受高壓壩阻擋而減速維持的穩定環流背景下。2023年7月29日—8月1日500 hPa平均位勢高度場(圖略)顯示,亞洲中高緯度對流層中層呈兩槽一脊環流型,貝加爾湖附近至我國河套地區一帶為強大的高壓脊,位勢高度超過2倍標準差,較氣候態顯著偏強;其與西北太平洋副熱帶高壓(簡稱副高)合并加強,在華北地區的東部和南部形成阻擋臺風殘渦東移的高壓壩,這是造成此次華北持續性極端強降水的關鍵系統,也是本文的重點檢驗對象。

圖2為2023年7月29日—8月1日逐日環流。由圖2可知,7月29日20:00臺風杜蘇芮登陸后北上,強度明顯減弱,對應850 hPa低壓中心位于河南東南部,副高呈南北向的塊狀分布,臺風杜蘇芮的低壓與副高間形成強盛的偏南風低空急流,急流強度達到20～24 m·s-1以上。同時2023年第6號臺風卡努(2306)的中心位于菲律賓以東洋面,其北側與副高間的東南風也匯入上述低空急流區,形成暢通的水汽輸送通道,為強降水提供持續而充沛的水汽輸送,華北地區850 hPa比濕(圖略)超過14 g·kg-1。7月30日20:00副高向西北方向發展,其北界與位于蒙古國中部的大陸高壓脊合并加強,850 hPa臺風杜蘇芮的低壓中心減弱北移,倒槽仍維持在太行山東麓附近,東南風急流也向華北地區推進。7月31日20:00副高繼續西伸,588 dagpm等位勢高度線越過京津冀并進入山西中部,低壓中心和倒槽減弱消失,低空急流明顯減弱,但臺風卡努繼續向西北方向移動并趨向我國華東沿海,且加強為超強臺風,其東側至北側的東南風持續為華北地區提供水汽輸送,華北大部地區850 hPa比濕(圖略)均超過16 g·kg-1。8月1日20:00蒙古國西部至我國西北地區有高空槽東移,華北高壓壩明顯減弱南落,由經向分布演變為緯向分布,低層風向也由東南風轉為西南風,區域性強降水過程接近尾聲。

圖2 2023年7月29日—8月1日500 hPa高度場(等值線,單位:dagpm)、850 hPa風場(風羽)和風速(填色)

以上分析表明:強降水集中時段(7月29—31日)華北北部及以北地區500 hPa由于高壓壩阻擋,其南側對流層低層低壓和倒槽、東南風低空急流在太行山東麓山前穩定維持,與來自西北太平洋持續的水汽輸送共同為特大暴雨發生提供有利而穩定的環流背景。

3 特大暴雨過程預報檢驗評估

3.1 過程累積降水量預報檢驗

3.1.1 EC-EPS中長期降水量預報檢驗

圖3為EC-EPS對2023年7月29日08:00—8月2日08:00累積降水量不低于100 mm的概率預報檢驗。由圖3可知,自7月18日(圖略)起EC-EPS預報華北東部到黃淮累積降水量超過100 mm的概率為10%～20%,24日大概率中心位置趨于穩定且概率值隨時效臨近顯著增加;7月26日預報河北中南部和北京西南部降水量超過100 mm的概率大于80%;7月27日大概率中心位置北抬,北京西南部至河北中部保定一帶出現100 mm以上強降水的概率超過90%;7月28日大概率區范圍進一步擴大,南界擴至河北石家莊一帶。對于過程累積降水量不低于250 mm的落區(圖略),7月25日預報北京西南部至河北保定一帶的概率超過10%,26日超過10%的概率范圍明顯擴大,與實況較為接近,7月27日北京—河北石家莊一帶強降水的概率顯著增加,其中北京房山至河北保定的概率預報超過30%～40%。此外,EC-EPS僅自7月27日起提示北京西南部、河北保定至河北西南部沿太行山東麓地區累積降水量超過400 mm的概率超過10%,對于600 mm以上降水,EC-EPS各時效各成員均無預報提示。

圖3 EC-EPS對2023年7月29日08:00—8月2日08:00累積降水量不低于100 mm的概率預報檢驗(· 代表實況累積降水量不低于100 mm的格點)

可見,EC-EPS提前14 d(18日起)預報過程累積降水量可能超過100 mm,提前6 d(26日起)過程累積降水量80%以上的概率預報與實況落區接近,具有預報參考價值;對于250 mm以上累積降水量的提前預報時效、落區位置和概率大小均不及100 mm以上累積降水量,對600 mm以上的極端強降水,EC-EPS則無預報能力。此外,CMA-EPS提前12 d(20日)在京津冀及渤海灣預報超過100 mm過程累積降水量的概率,但大概率區(50%以上)明顯偏東偏南且預報欠穩定;對過程累積降水量超過250 mm則無預報提示。

3.1.2 全球確定性模式中期降水量預報檢驗

此次天氣過程降水大值區集中2023年7月29日—8月2日在北京西部至河北西南部的太行山東麓地區,過程累積降水量最大值出現在河北邢臺臨城梁家莊,為1003.4 mm。由CMA-GFS、EC-HR和NCEP-GFS中期時效(2023年7月29日—8月2日)累積降水量的預報(圖4)可知,CMA-GFS 7月23日和24日預報華北南部至黃淮東部將出現強降水,7月26—28日預報落區連續向西調整,與實況(圖1)逐漸接近,但落區仍略偏東且強度偏弱,250 mm 以上強降水的預報明顯偏小;EC-HR 7月23日預報的降水偏東偏南,24日起報的100 mm降水落區位置接近實況,但250 mm以上的降水落區偏西偏北,26日起報的降水最強中心(591.4 mm)雖較實況弱,但超過100 mm的降水落區形態、位置以及中心強度均最接近實況,這對實際預報已有較強指示意義;NCEP-GFS自7月25日起預報的100 mm 以上量級降水向西調整至華北地區,28日預報的太行山前降水強度更接近實況,但河北東部降水較前幾個時次明顯偏弱。此外,CMA-TYM(圖略)7月26日起預報京津冀大部地區出現100 mm 以上強降水區,對太行山東麓250～400 mm強降水中心的預報略偏東、強度仍偏小,尤其是對河北西南部強降水中心的反映明顯不足。上述分析可見,CMA-GFS、EC-HR和NCEP-GFS中期時效預報對強降水過程均有預報提示,EC-HR在累積降水量的預報時效(提前8 d)、落區形態和降水量的預報上均表現最優,具有較高業務參考價值;CMA-GFS提前預報時效為6 d,但中心位置顯著偏東,強度偏弱;NCEP-GFS提前預報時效為7 d,但強度偏弱。

圖4 2023年7月29日08:00—8月2日08:00預報的累積降水量(右上角數值為模式預報最大降水量)

3.2 降水持續時間的中期檢驗

超長降水持續時間是造成此次極端強降水的關鍵原因。京津冀、山西東部的部分氣象站出現累計2 d以上日降水量超過50 mm(暴雨量級)的降水,其中北京中南部和河北中部暴雨日數達到3～4 d(圖略)。CMA-GFS 7月26日起預報河北東部及其以東地區有1～3 d暴雨,位置較實況偏東,7月28日預報北京至天津一帶有2～3 d的暴雨,落區偏東且范圍偏小;EC-HR 7月24日最早預報京津冀中南部有累計1～2 d、局地3 d的暴雨日數,7月25—27日預報累計超過3 d的降水范圍逐漸增大,27日預報河北保定一帶累計暴雨日數達到4 d,位置與實況最為接近;NCEP-GFS 7月25日起預報暴雨日數為1～2 d的降水落區基本覆蓋京津冀地區,但總體偏少。由此可見,對于強降水持續時間的預報,EC-HR在提前日數(提前8 d)及2 d以上暴雨日的落區預報方面表現最佳;NCEP-GFS對強降水持續時間的預報偏短,但影響范圍預報有較好參考價值;CMA-GFS可用時效最短。

3.3 逐日強降水短期預報檢驗

針對2023年7月29日、30日、31日的日降水量(圖1),檢驗CMA-GFS、EC-HR、CMA-MESO、CMA-TYM和CMA-BJ的36 h預報(圖5)。由圖5可知,各模式均可預報降水落區逐日北抬的特點,CMA-GFS的預報位置偏東且強度偏弱最為顯著,最大日降水量均低于100 mm。7月29日EC-HR、CMA-MESO和CMA-TYM預報大暴雨范圍較實況偏小,CMA-BJ落區位置和形態與實況最為接近,范圍和極值略偏大。對于7月30日大暴雨落區,EC-HR的預報偏西偏北,CMA-MESO和CMA-TYM的預報偏西,CMA-BJ的預報與實況最為接近。7月31日大暴雨位于北京西部及其以西地區,EC-HR的預報略偏東、CMA-MESO和CMA-TYM的預報與實況較接近,范圍略偏小;CMA-BJ的預報與實況位置及形態最接近,但強度偏大。由此可見,對于36 h時效,各模式均可預報出強降水落區和區域強度的變化趨勢,中尺度模式可以更加精細地刻畫強降水落區形態和位置分布,尤以CMA-BJ為佳,但其存在預報偏強的偏差;CMA-GFS的預報最偏小。

圖5 模式提前36 h預報的2023年7月29—31日的日降水量

為了定量化描述各模式對強降水落區中心位置預報的偏差,基于MODE方法從降水個體空間位置偏差和面積比對2023年7月29—31日逐日50 mm以上量級降水的短期降水預報進行評估(圖6)。由圖6可知,對于降水落區偏差,CMA-BJ的預報與實況最為接近(平均經向偏差為0.4°),EC-HR的預報以偏西偏北為主(偏差小于1°),與圖5表征一致;CMA-GFS的預報偏東(偏差約為1°);NCEP-GFS、CMA-MESO和CMA-TYM的預報中心位置不穩定。通過降水面積比(圖略)可知,各模式7月30日的預報面積與實況最接近,面積比約為0.7～1;7月31日的預報面積各模式差異最大,CMA-GFS的預報顯著偏小,EC-HR的預報最接近實況(約為0.9)。對于100 mm以上的降水量(圖略),CMA-GFS無預報能力,EC-HR的預報偏差仍以偏北為主,CMA-MESO、CMA-TYM和NCEP-GFS的預報偏西;各模式7月30日的預報面積均最接近實況。對于集中期逐日暴雨預報,CMA-BJ的落區位置和范圍預報與實況最接近,EC-HR的預報偏北,CMA-GFS的預報顯著偏小,而NCEP-GFS和CMA-MESO的預報穩定性較差。

圖6 模式36 h時效預報的2023年7月29—31日日降水量不低于50 mm降水個體經向和緯向位移偏差

為了從降水落區和量級上精細化檢驗各模式在降水集中期的逐日降水預報效果,圖7為2023年7月29-31日關鍵區(35°～41°N,113°～118°E)36 h預報的日降水量超過50 mm和100 mm的預報檢驗。橙色線為TS評分,越接近右上角TS評分則越高;黑色對角線是偏差評分為1.0的特征線,其下方區域為漏報,其上方區域為空報。除了CMA-BJ外,各模式存在不同程度的漏報,并且隨降水強度增加漏報增長,表明對強降水預報偏弱。CMA-BJ對50 mm 以上和100 mm以上降水預報的TS評分均表現最優,但存在一定空報,與圖5一致;EC-HR對于50 mm以上量級降水預報穩定、TS評分較高,但對100 mm以上降水TS評分下降明顯;CMA-GFS預報50 mm以上降水TS評分最低,對100 mm以上降水無預報能力;CMA-MESO預報50 mm以上降水較好,但100 mm以上降水不穩定;CMA-TYM強降水預報TS評分平均值位于檢驗模式的第3位且預報穩定。關鍵區60 h時效預報的日降水量超過50 mm 和100 mm的降水檢驗(圖略)表明:對于50 mm 以上量級的降水,EC-HR的預報穩定,TS評分較高,對與100 mm以上量級的降水,除CMA-BJ外,各模式均出現明顯漏報。

圖7 2023年7月29—31日關鍵區(35°～41°N,113°～118°E)36 h時效的日降水量預報檢驗

4 降水預報偏差原因

強降水過程成因分析和預報經驗表明:500 hPa華北高壓壩是此次天氣過程的關鍵影響系統,數值預報模式對高壓壩位置及持續時間預報的優劣直接影響暴雨持續性以及過程降水量極端性的預報效果。4.1 降水持續性預報偏差的原因

針對臺風杜蘇芮減弱后位于黃淮至華北西部一帶的殘渦以及華北及其以北地區的高壓壩,對比2023年7月29—31日ERA5再分析資料逐日500 hPa 高度場與預報員主觀分析場,發現ERA5再分析場與主觀分析場一致(圖略),因此將ERA5分析場作為檢驗環流的實況場。

由2023年7月29—31日500 hPa平均位勢高度的實況588 dagpm特征線(圖8)可知,高壓西邊界接近100°E,副高120°E北界位于45°N附近,CMA-GFS和NCEP-GFS預報相似,7月23日預報(圖略)高壓帶控制副熱帶地區,7月24日起預報我國大陸上空有高壓但并不穩定,副高主體位于西北太平洋洋面上,直至28日兩個模式才預報副高明顯西伸,出現高壓壩形勢;EC-HR自7月24日起對副高形態預報較為穩定,較準確地預報副高西伸北抬與大陸高壓脊合并加強的趨勢,對華北高壓壩形勢的預報較CMA-GFS和NCEP-GFS提前3～4 d,且隨時效臨近預報的副高西界位置和形態更接近實況。貝加爾湖以南500 hPa位勢高度超過2倍標準差(圖略),表征該地區高壓脊強度異常偏強,EC-HR不同時效的預報也有較好體現。通過對比CMA-GFS、EC-HR和NCEP-GFS的500 hPa高度場(圖8)和過程累積降水量預報(圖4),EC-HR對華北高壓壩的建立、形態和維持預報效果優于CMA-GFS和NCEP-GFS,在中長期時效對強降水的落區位置和強度預報也優于CMA-GFS和NCEP-GFS。

圖8 2023年7月29—31日20:00平均500 hPa位勢高度預報場(藍色等值線,單位:dagpm)(紅色等值線為588 dagpm等值線實況)

此次天氣過程中925 hPa偏東風或東南風急流在太行山山前維持約2 d,地形對水汽的輻合抬升和阻擋作用是此次極端強降水的重要原因之一[32-33]。模式對低層風向、風速以及水汽條件的預報能力是強降水的預報關鍵。由CMA-GFS、EC-HR和NCEP-GFS在2023年7月23—28日對7月29—31日平均925 hPa風場和比濕預報(圖略)可知,CMA-GFS在7月24日預報出倒槽,但槽底較實況偏南,預報河北為一致的東北風,直至7月27日再次預報倒槽形勢,但較實況偏東,此外925 hPa比濕較實況明顯偏小。EC-HR在7月25—27日預報河北中部為一致偏東風,倒槽的強度較實況偏弱;對殘渦中心預報不穩定,中心位置較實況偏北;7月28日預報的風場與實況更為接近,但倒槽預報仍偏弱。NCEP-GFS自7月25日起預報出倒槽形勢,但槽底位置較實況偏南,比濕較實況偏小約1 g·kg-1。

通過中期時效環流場的天氣學檢驗可知,EC-HR預報效果最好,提前8 d穩定預報高壓壩的維持,提前7 d預報925 hPa低壓倒槽及低空急流的發展,但系統強度較實況偏弱,位置偏西偏北,CMA- GFS和NCEP-GFS對倒槽預報偏南,均低估了太行山地形對偏東風的強迫抬升作用,導致降水量預報明顯偏小。

4.2 強降水短期預報偏差的原因

本節以日降水量最大的7月30日為例,分析EC-HR降水預報偏差的可能原因。

由2023年7月29日20:00起報的主要影響系統預報可知,模式對500 hPa高度場24 h預報與實況基本一致(圖略),但低空急流預報偏差較大。圖9為EC-HR在7月29日20:00起報的7月30日20:00 850 hPa 和925 hPa風場。由圖9可知,850 hPa 太行山山前地區分析場為偏東或東北風,模式預報為東南風,倒槽較分析場略偏西偏北,且太行山北段迎風坡附近風速的預報偏小4～8 m·s-1,導致低層輻合區偏西偏北、山前輻合偏弱;925 hPa情況類似,風向偏差一方面導致倒槽位置偏弱、偏西,另一方面削弱了地形對強降水的增幅作用,這是因為河北西南部的太行山山前地區分析場為東北風,模式預報為偏東風,而這一帶有多個朝向東北方向的喇叭口小地形,因而東北風較偏東風更易在此強迫抬升,造成降水增幅。

圖9 EC-HR 2023年7月29日20:00起報的30日20:00 850 hPa和925 hPa風場預報場(藍色風羽)與分析場(黑色風羽)對比(陰影為地形高度)

由降水性質預報(圖略)可知,模式預報30日午后河北東部和南部地區對流性降水比例高達60%～90%,且背景場條件顯示午后華北平原對流有效位能增大,低空暖濕輸送持續,水汽和能量條件均有利于出現對流性降水(圖略)。根據業務實踐經驗,這種形勢下EC-HR往往對對流性降水預報偏小,而將強降水主要預報在天氣尺度系統動力抬升作用更強的倒槽附近(圖9),也是導致強降水落區預報偏西偏北的原因之一。

因此低層風場偏弱、倒槽位置略偏西偏北、模式對槽前后部東南風低空急流區前沿的對流性降水預報不足等因素綜合作用,導致模式對強降水預報偏西、偏北,強度偏弱。業務中可以結合環境場特征和模式降水性質預報,對強降水落區進一步訂正;在有利于對流性降水發生的形勢下,中尺度模式的強降水預報更有參考價值。

5 結論和討論

本文采用數值模式天氣學檢驗、TS評分和MODE方法對CMA-GFS、CMA-EPS、EC-EPS、EC-HR和NCEP-GFS等全球模式和CMA-TYM、CMA-MESO和CMA-BJ等區域中尺度模式對“23·7”華北特大暴雨過程中長期時效強降水的持續性和極端性、短期時效強降水落區和強度預報進行檢驗分析,評估模式中短期時效對關鍵環流系統的預報能力,并分析模式預報偏差來源,得到如下結論:

1) 對于過程累積降水的中長期預報,EC-EPS提前14 d預報可能超過100 mm,提前6 d以內80%以上的概率預報與實況落區更為接近,對預報有較強指示意義;對于更大量級的降水,預報性能明顯下降,對于600 mm以上的極端強降水則無預報能力。CMA-EPS提前12 d報出京津冀一帶有100 mm以上降水概率,但預報欠穩定且位置偏東偏南。

2) EC-HR在累積降水量的預報時效(提前8 d)、落區形態和降水量的預報上均表現最優,具有較高的業務參考價值;CMA-GFS提前預報時效為6 d,但中心位置顯著偏東,強度偏弱;NCEP-GFS提前預報時效為7 d,但強度也偏弱。對強降水的持續時間預報。EC-HR在提前日數(提前8 d)及2 d以上暴雨日出現的區域預報方面性能最佳;NCEP-GFS持續時間預報偏短,但對于影響范圍的預報也有較好參考價值;CMA-GFS可用時效最短。

3) 強降水短期預報檢驗表明,各模式均可提前36 h預報出強降水落區和區域強度的變化趨勢,對2023年7月30日的預報面積與實況最為接近,中尺度模式可以更加精細地刻畫強降水落區形態和位置分布,尤以CMA-BJ為佳,但其存在預報偏強的特征;其余模式預報不同程度偏弱,其中CMA-GFS預報最為偏小,EC-HR整體預報較為穩定,落區有一定的偏北或偏西,NCEP-GFS和CMA-MESO穩定性較差。

4) EC-HR較CMA-GFS和NCEP-GFS提前3～4 d較好預報500 hPa高壓壩的建立和加強;EC-HR提前7 d預報925 hPa低壓倒槽及低空急流發展,但倒槽和急流強度偏弱,位置偏西偏北;CMA-GFS和NCEP-GFS預報倒槽偏南,均低估太行山地形對偏東風的強迫抬升作用,導致降水量預報明顯偏小。2023年7月30日強降水36 h預報檢驗表明:EC-HR對低層風場預報偏弱、倒槽位置偏西偏北、對流性降水預報不足等因素綜合作用,導致強降水強度偏弱,落區偏西偏北。

本文針對“23·7”特大暴雨過程進行多模式預報檢驗評估,提前7～8 d已有模式能預報出持續性強降水,為業務預報提供了有價值的信息;但各模式對于極端強降水的落區、強度等預報能力還存在不足,因而持續提高數值預報模式對極端性天氣的預報性能是未來的發展目標。此次天氣過程由臺風殘渦北上受高壓壩阻擋而形成,那么,殘渦北上的物理機制和數值預報模式對高壓壩預報偏差的原因等均需要深入分析,對持續性極端強降水預報提供更長的預報時效。