西北区域数值预报业务试验系统基本要素预报效果检验

西北区域数值预报业务试验系统基本要素预报效果检验柳媛普;张铁军;段海霞;曾鼎文;宋琳琳;李耀辉【摘要】利用全国地面及高空站点观测资料,对西北区域数值预报业务试验系统(northwestmesoscalenumericalpredictionsystem,NW-MNPS)2015年5月1日至2016年4月31日的预报结果进行检验分析，评估NW-MNPS模式对西北区域地面、高空要素及降水的预报效果•结果表明:NW-MNPS模式对西北区域气象要素预报整体效果较好,误差均在合理范围内•其中，对地面2m温度预报白天偏低，夜晚偏高,昼夜差偏小;对2m比湿预报白天偏高，夜晚偏低,昼夜差偏大;对10m风速预报整体偏大•该模式对高空温度预报偏低,比湿预报偏高，风速预报低层偏大、高层偏小;对24h降水预报，小雨、中雨的预报普遍偏多,而对大雨及以上量级的预报普遍偏少,尤其是大暴雨的预报.％BasedonthemeteorologicalobservationdatafromsurfaceandaerologicalstationsinChina,theresultsofbasicmeteorologicalelementsforecastedbyNorthwestMesoscaleNumericalPredictionSystem(NW-MNPS)from1May2015to30April2016weretested,andtheforecasteffectofNW-MNPStotemperature,specifichumidityonsurfaceandupperlevelandprecipitationinNorthwestChinawasevaluated.TheresultsindicatedthattheforecasteffectofNW-MNPStobasicmeteorologicalelementsinNorthwestChinawerebetterasawhole,theerrorswereinreasonablerange.Theforecastedtemperatureat2metersabovethegroundwaslowerinthedaytimeandhigheratnightcomparedwiththeobserved,thetemperaturedifferencebetweendayandnightwassmallerthantheobservation.Onthecontrary,theforecastedspecifichumidityat2metersabovethegroundwashigherthantheobservedinthedaytimeandloweratnight,thedifferencebetweendayandnightwasbigger.However,theforecastedwindspeedat10metersabovethegroundwashigherthantheobservedoverall.Fortheelementsinupperlevels,theforecastedtemperaturewaslowerthantheobserved,andtheforecastedspecifichumiditywashigherthantheobserved,whiletheforecastedwindspeedwashigherinlowlevelsandlowerinhighlevelsthantheobserved.For24hoursprecipitation,theforecastedlightandmoderaterainfallweremorethantheobserved,whiletheforecastedheavyrainfallandabovegradeswerelessthantheobserved,especiallyfortheforecastedheavyrainstorm.【期刊名称】《干旱气象》年(卷),期】2018(036)002【总页数】9页(P301-309)【关键词】西北区域;数值预报;NW-MNPS；检验评估【作者】柳媛普;张铁军;段海霞;曾鼎文;宋琳琳;李耀辉【作者单位】中国气象局兰州干旱气象研究所,甘肃省干旱气候变化与减灾重点实验室,中国气象局干旱气候变化与减灾重点实验室,西北区域数值预报中心,甘肃兰州730020;中国气象局兰州干旱气象研究所,甘肃省干旱气候变化与减灾重点实验室,中国气象局干旱气候变化与减灾重点实验室,西北区域数值预报中心,甘肃兰州730020;中国气象局兰州干旱气象研究所,甘肃省干旱气候变化与减灾重点实验室,中国气象局干旱气候变化与减灾重点实验室,西北区域数值预报中心,甘肃兰州730020;中国气象局兰州干旱气象研究所,甘肃省干旱气候变化与减灾重点实验室,中国气象局干旱气候变化与减灾重点实验室,西北区域数值预报中心,甘肃兰州730020;中国气象局兰州干旱气象研究所,甘肃省干旱气候变化与减灾重点实验室,中国气象局干旱气候变化与减灾重点实验室,西北区域数值预报中心,甘肃兰州730020;中国气象局兰州干旱气象研究所,甘肃省干旱气候变化与减灾重点实验室,中国气象局干旱气候变化与减灾重点实验室,西北区域数值预报中心,甘肃兰州730020【正文语种】中文【中图分类】P435引言数值天气预报是根据天气演变过程的流体力学和热力学方程组，在一定的初值和边界条件下，求解未来一定时段大气运动状态和天气现象的方法。由于不同模式初始场、边界条件、模式框架、参数化方案等各不相同，造成模式预报效果存在时间和空间上的差异。因此，对数值模式进行检验评估是使用和发展数值预报系统的重要环节。伴随着数值模式的快速发展，对模式预报能力的客观检验显得尤为重要［1-5］。尽管数值预报模式日益完善，计算精度不断提高，但目前还是无法达到令人满意的程度，预报值与实际值之间仍存在不同程度的误差，即便同一预报模式也会存在着系统性和区域性误差［6-9］，而对于不同要素预报其误差也千差万别［4,10-11］。因此，通过对数值预报的检验分析，不仅可以对模式物理方案、参数化及陆面过程等改进提供参考，还可以为预报员使用模式时提供更多有用信息。模式检验早期是通过目视进行误差对比分析，其检验结果具有主观性和非定量性，很难提供有效的判别标准。经典检验方法［12］可以客观、定量地检验模式的预报效果及性能，该方法是通过站点观测数据进行点对点的对比，或者利用列联表根据事件发生与否对预报、观测进行分类统计，以此来判别模式的预报技巧。虽然经典检验方法以相同的方式对待不同事件，割裂了要素场的空间结构，但其计算简单、易于实现，能直接给出清晰、直观且易于理解和判断的确定性结果，因此在业务中广泛使用［13］。目前，国外在数值模式检验方面主要有数值方法创新研究及模式预报效果检验［14-15］，其中模式检验新方法有强度尺度方法［16］、基于对象的降水检验方法［17］等国内主要有数值模式预报要素的检验及检验方法的应用。模式预报要素检验主要体现在多种数值模式的地面气象要素预报在中国区域的适用性对比研究［9］，认为数值模式预报资料在一定程度上能够反映气象要素的时空分布特征，在中国区域有一定的适用性，但数值上与观测资料存在差异。其中，日本高分辨率模式对中国东南地区的预报技巧高于西北地区，对东部沿海的降水量级预报比西部地区更加合理［18］;BJ-RUC系统预报的地面气象要素的变化趋势与实况有很好的一致性，但由于系统的时间、空间分辨率较高，可用于短时临近预报［4］。检验方法应用有：强度尺度分解方法应用到气候地表温度场的检验［19］、MODE方法对BJ-RUC系统降水预报产品的客观检验［20］等。西北区域数值预报业务试验系统NW-MNPS，是中国气象局兰州干旱气象研究所于2014年底搭建成立的，主要用于西北区域的数值预报业务试验。为了能够更好地实现该系统的业务推广应用，本文利用模式经典检验方法，通过站点观测数据，检验NW-MNPS模式对西北区域常规气象预报要素的预报效果，整体评估其在西北区域的预报性能。1模式、资料及方法模式及资料NW-MNPS模式以中尺度模式WRF(weatherresearchandforecastingmodel)3.6.1版本为基本框架，以GFS(globalforecastsystem)1°x1°的预报场资料作为模式初始场，采用三维变分资料同化系统［21］同化中国区域地面自动气象站和高空雷达站常规观测资料。模式中心位置为39°N、100°E,垂直层数40层，地图投影采用Lambert投影；采用三重嵌套设置［图1(a)］，D01为中国区域，D02为中国西北区域，D03为甘肃省区域，水平分辨率分别为27、9、3km，分别采用NCEP(NationalCentersforEnvironmentalPrediction)提供的全球10'、5'、2‘分辨率的地形资料和USGS(UnitedStatesGeologicalSurvey)陆面资料，积分步长分别为90、30、18s，输出间隔对应为3、3、1h，预报时效为168、72、48h，起报时间均为08:00(北京时，下同)。物理过程参数化方案选取：D01、D02均选KF积云参数化方案［22］,D03不选积云参数化方案；Noah陆面过程参数化方案［23］;ACM2边界层参数化方案［24］;RRTM长波辐射方案；Dudhia短波辐射方案；ThompsonGraupel微物理过程参数化方案［25］。利用D02区域预报结果进行模式检验，D02的范围为29.8°N—47.0°N、87.5°E—117.2°E，检验时段为2015年5月1日至2016年4月30日，检验要素有地面2m温度、2m比湿、10m风速、24h降水量以及高空温度、比湿、风速。使用了同时期地面和高空观测资料，地面资料为中国气象局下发的逐小时全国2400多个自动站报文资料，高空资料为全国120站逐12hL波段雷达观测资料。两种资料均通过解码转换为MET(modelevaluationtools)检验系统可读的ASCII格式，并进行气候学界限值、区域界限值、时间一致性及空间一致性检查等质量控制，可用率达98.9%［26］。D02区域包括的地面观测站有707个，高空站有33个，站点分布如图1(a)。西北区域地形复杂，模式中地形高度普遍高于实际地形，尤其是高海拔地区二者差异更大［图1(b)］。图1NW-MNPS模式区域设置和D02区域观测站点分布(a)及模式与观测站地形高度对比(b)(浅色星为地面站，深色点为高空站)Fig.1ThedomaindesignofNW-MNPSmodelanddistributionofobservationstationsinD02(a),andthecomparisonofterrainheightbetweenthemodelandobservationstations(Thelightasterisksanddarkdotsforsurfacestationsandradiosondestations,respectively)方法MET是NCEP和NCAR(NationalCenterforAtmosphericResearch)在美国空军及NOAA(NationalOceanicandAtmosphericAdministration)支持下共同开发的，集成了世界上先进的模式检验技术，适用于WRF模式及其他数值模式输出结果的检验［27］。MET是用于数值预报的客观检验工具，功能丰富且完善，其中Point_Stat(pointstatistics)工具主要采用客观检验方法对站点格式数据进行检验评估。对NW-MNPS模式的检验主要是将模式格点结果插值到观测站点后进行站点检验评估，插值方法选取双线性插值。连续变量检验连续变量检验主要采用平均误差(meanerror，ME)、平均绝对误差(meanabsoluteerror，MAE)、均方根误差(rootmeansquarederror，RMSE)等指标来表征要素的预报效果，计算公式如下：(2)(3)式中：n为观测站点数量；i为某站；fi为某站的预报值；oi为某站的观测值。(2)降水检验对降水的检验主要选取预报业务中常用的TS(threatscore)评分、ETS(equitablethreatscore）评分、预报偏差MBIAS来评估模式对24h降水的预报效果，计算公式如下：其中：（6）式中：nij为观测站数，i表示预报，j表示观测，各变量含义见表1。表1降水检验公式中各分量定义Tab.1Thecontingencytableofrainfallverificationformula预报观测o=1（有）o=0（无）总计f=1（有）nllnlOnl•二n11+n10f=0（无）nOlnOOnO•二n01+n00总计n・1二n11+n01n・0二n10+n00T二n11+n10+n01+n002NW-MNPS模式预报效果检验2.1地面要素检验NW-MNPS模式预报的地面要素包括2m温度、2m比湿和10m风速。主要从各要素预报误差随预报时效的变化以及各要素不同预报时效误差随时间的变化两方面，来检验模式的预报效果。图2是2m温度、2m比湿及10m风速模式预报值和观测值的平均误差、平均绝对误差和均方根误差的时间变化。从误差随预报时效变化［图2（a）］看，2m温度预报的误差基本在合理范围内，24h预报时效内误差在2.0K以内，但误差存在明显的日变化，预报值白天偏低，夜晚偏高，昼夜差偏小。不同季节2m温度预报误差变化也存在上述变化特征，尤其是夏季和冬季该变化特征更明显（图略）。从整体预报性能看，NW-MNPS模式对2m温度预报的RMSE在3.0~4.0K之间，且随着预报时效的增加误差增大。从不同预报时效的预报效果［图2(b)］看，模式对2m温度的预报24h的预报效果好于48h，48h的预报效果好于72h，表明随着预报时效的增加预报误差逐渐增大；2m温度预报夏季最好，冬季最差，而秋季预报效果接近于夏季，春季预报效果接近于冬季。NW-MNPS模式对2m比湿的预报普遍较站点观测值偏小，无明显的日变化，RMSE在1.5g・kg-1左右，且随着预报时效的增加，预报误差增大［图2(c)］。从图2(d)看出，不同预报时效2m比湿的预报误差差异较小，其中预报误差在3—10月日波动较大，误差也较大，而在11月至次年2月日波动很小，误差也小。其原因在于，该地区3—10月空气湿度大，而11月至次年2月空气湿度小。从10m风速的误差变化［图2(e)］看，NW-MNPS模式对10m风速的预报整体偏大，误差日变化不明显，RMSE为2.0~3.0m・s-1,且随预报时效的增加误差增加不明显。从图2(f)看出，不同预报时效10m风速的预报误差差异不明显，且夏季低于冬季。降水利用TS、ETS、预报偏差3个指标检验NW-MNPS模式对24h降水的预报效果(图3)。整体来看，随着预报时效的增加，该模式对降水预报的评分逐渐减小。从TS评分［图3(a)］看，模式对24h小雨预报的TS评分达0.4以上，但中雨及以上量级的评分相对较低，尤其是大暴雨的评分基本为0。从ETS评分［图3(b)］看，模式对小雨预报的ETS评分接近0.3，中雨及以上量级降水的预报评分较低。从预报偏差［图3(c)］看，模式对小雨、中雨的预报普遍偏多，尤其是小雨预报偏多1倍之多，但对大雨及以上量级的降水预报普遍偏少，尤其是大暴雨的预报。从西北地区降水气候概率特征看，该地区降水主要为小雨、中雨，大雨及以上量级降水相对偏少，尤其是暴雨和大暴雨。该模式能够有效预报出西北区域普遍性的降水过程，而对小概率事件的强降水过程预报效果较差。图4是NW-MNPS模式不同预报时效对不同量级24h降水预报的TS评分日变化。从不同时效的预报效果看，整体上24h预报时效最好，其次是48h和72h，但也存在48h或72h预报时效的降水预报效果好于24h。从不同量级的降水预报效果看，小雨预报的TS评分最高，其次是中雨，而大雨的预报效果最差。从不同季节降水预报的TS评分看，模式对夏季24h降水预报TS评分最高，最高达0.8，而冬季相对较低，基本在0.6以下；由于冬季降水少且量级小，因此中雨及以上量级降水预报TS评分基本为0。图22m温度(a、b)、2m比湿(c、d)及10m风速(e、f)的预报误差随预报时效的变化(a、c、e)及其日变化(b、d、f)Fig.2Thevariationsoferrorswithpredictabilitytime(a,c,e)andtheirdailychange(b,d,f)for2mtemperature(a,b),2mspecifichumidity(c,d)and10mwindspeed(e,f)forecastedbyNW-MNPSmodel图324h不同强度降水预报TS评分(a)、ETS评分(b)、预报偏差(c)随预报时效的变化Fig.3VariationwithpredictabilitytimeofTS(a),ETS(b)andforecastbias(c)for24-hourprecipitationwithdifferentintensitiesforecastedbyNW-MNPSmodel图424h不同强度降水预报TS评分日变化(a)小雨，(b)中雨，(c)大雨Fig.4DailyvariationsofTSfor24-hourprecipitationwithdifferentintensitiesforecastedbyNW-MNPSmodel(a)lightprecipitation,(b)moderateprecipitation,(c)heavyprecipitation高空要素图5是NW-MNPS模式对高空要素的预报误差随高度的变化。可以看出，模式对高空气温的预报略有偏低，24h预报时效的均方根误差除地面外，高空基本在2.0K以内，而48h和72h预报为2.0~3.0K,且低层气温预报误差比高层大［图5(a)、图5(b)和图5(c)］;模式对比湿的预报略偏大，均方根误差在3.0g・kg-1以内，高层的比湿预报误差大于低层，但不同预报时效其误差差异不大［图5(d)、图5(e)和图5(f)］；模式对风速的预报误差低层偏大、高层偏小，均方根误差为3.0~4.0m・s-1,且高层大于低层［图5(g)、图5(h)和图5(i)］。另外，对NW-MNPS模式预报的500hPa温度、比湿、风速不同预报时效的平均误差与均方根误差日变化进行分析(图6)。从不同预报时效的预报效果看，24h预报时效预报的平均误差、均方根误差最小,48h和72h预报时效预报的误差相对较大。从对气温不同季节预报效果看，模式对夏季气温的预报效果明显最好，不同预报时效的均方根误差均在2.0K以内，而对冬季气温预报相对较差,24h预报的均方根误差在2.0K附近上下波动，48h、72h预报的均方根误差则高于2.0K。模式对比湿的预报误差夏季较大，且日波动大，而冬季的预报误差较小，日波动也小。对风速的预报误差，季节差异不明显，其中冬季预报稍差。图524h(a、d、g)、48h(b、e、h)和72h(c、f、i)预报时效预报的高空温度(a、b、c)、比湿(d、e、f)、风速(g、h、i)的平均误差、绝对误差、均方根误差的垂直廓线Fig.5TheverticalprofilesofME,MAEandRMSEwith24-hour(a,d,g),48-hour(b,e,h)and72-hour(c,f,i)predictabilitytimefortemperature(a,b,c),specifichumidity(d,e,f)andwindspeed(g,h,i)inupperlevelsforecastedbyNW-MNPSmodel图6不同时效预报的500hPa气温⑻、比湿(b)、风速(c)的平均误差和均方根误差日变化Fig.6DailyvariationofMEandRMSEfortemperature(a),specifichumidity(b)andwindspeed(c)on500hPaforecastedbyNW-MNPSmodelwithdifferentpredictabilitytime3结论与讨论从整体性能看，模式对各气象要素的预报误差均在模式误差允许范围内。对地面要素的预报，2m温度和2m比湿的预报误差存在明显的日变化，2m温度预报白天偏低，夜晚偏高，昼夜差偏小，而2m比湿预报白天偏高，夜晚偏低，昼夜差偏大；10m风速的预报偏大，无明显日变化。对高空要素的预报，气温预报偏低，比湿预报偏大，风速预报低层偏大、高层偏小。对降水的预报，随着预报时效的增加，降水预报评分降低。⑵从不同预报时效和不同季节的预报效果看，24h预报时效的预报效果明显好于48h和72h。其中，地面2m温度的预报夏季明显好于冬季，10m风速的预报夏季稍好于冬季，2m比湿的预报冬季误差最小、夏季最大；对高空要素的预报，夏季预报效果明显最好，冬季相对较差；对夏季24h小雨降水预报TS评分最高，最高达0.8，冬季相对较低，基本在0.6以下。NW-MNPS模式对各气象要素的预报误差均随预报时效增加而增大，这是由模式本身随积分时间的增加系统误差累积效应引起，目前可以通过滚动预报来减小这一误差。该模式对各要素(2m比湿除外)的预报效果夏季好于冬季，这是由于影响我国西北地区的天气系统夏季强于冬季，而模式对强的天气系统预报优于弱的天气系统，所以在对结果订正时要考虑季节变化。模式地形与实际地形亦存在较大差异，有必要对模式预报要素进行地形高度订正。另外，由于观测资料的离散性及在西北区域分布稀少，模式预报结果与观测结果存在一定差异，未来需从模式自身性能和观测资料缺陷两方面考虑进一步开展深入检验分析。参考文献：[1]陈海山，孙照渤•陆面模式CLSM的设计及性能检验口.模式检验J].大气科学,2005,29(2):272-282.王雨,李莉.GRAPES_MesoV3.0模式预报效果检验[J].应用气象学报,2010,21(5):524-534.张宏芳，潘留杰,杨新.ECMWF、日本高分辨率模式降水预报能力的对比分析[J].气象,2014,40(4):424-432.闵晶晶.BJ-RUC系统模式地面气象要素预报效果评估[J].应用气象学报,2014,25(3):265-273.张成军,纪晓玲,马金仁,等.多种数值预报及其释用产品在宁夏天气预报业务中的检验评估[J].干旱气象,2017,35(1):148-156.潘留杰，张宏芳,朱伟军，等.ECMWF模式对东北半球气象要素场预报能力的检验[J].气候与环境研究,2013,18(1):111-123.何金梅，刘抗，王玉红，等.CUACE模式在兰州城市空气质量预报中的检验订正[J].干旱气象,2017,35(3):495-501.井立红，高婧，赵忠，等.数值预报模式在新疆塔城地区降水预报中的检验[J].干旱气象,2017,35(1):134-141.龚伟伟』帀春香，张涛，等•中国区域多种数值模式资料的地面气象要素评估[J].气候与环境研究,2015,20(1):53-62.汪君，王会军.WRF模式对江苏如东地区风速预报的检验分析[J].气候与环境研究,2013,18(2):145-155.王雨,公颖,陈法敬，等•区域业务模式6h降水预报检验方案比较[J].应用气象学报,2013,24(2):171-178.GILLELANDE,AHIJEVYCHD,BROWNBG,etal.Intercomparisonofspatialforecastverificationmethods[J].WeatherandForecasting,2009,24(5):1416-1430.潘留杰，张宏芳,王建鹏.数值天气预报检验方法研究进展[J].地球科学进展,2014,29(3):327-335.PRAKASHS,MOMINIM,MITRAAK,etal.Anearlyassessmentofmediumrangemonsoonprecipitationforecastsfromthelatesthigh-resolutionNCEP-GFS(T1534)modeloversouthAsia[J].PureandAppliedGeophysics,2016,173(6):2215-2225.MICHAELGB,JUNYEC,FRANKLINRR,etal.Evaluationofglobalprecipitationinreanalyses[J].JournalofAppliedMeteorologyandClimatology,2008,47(9):2279-2299.CASATIB,ROSSG,STEPHENSONDB.Anewintensity-scaleapproachfortheverificationofspatialprecipitationforecasts[J].MeteorologicalApplications,2004,11(2):141-154.DAVISC,BROWNB,BULLOCKR.Object-basedverificationofprecipitationforecasts.PartI:methodologyandapplicationtomesoscalerainareas[J].MonthlyWeatherReview,2006,134(7):1772-1784.潘留杰