背景场和物理过程对WRF模式在新疆区域预报性能的影响

汤 浩，贾丽红

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐830002；2.新疆维吾尔自治区气象台，新疆 乌鲁木齐830002）

WRF模式是美国气象界联合开发的新一代高分辨率区域数值预报模式和同化系统，2004年6月对外发布了第二版和三维变分同化系统，2008年4月发布了第三版。该模式采用高度模块化、并行化和分层设计技术，集成了迄今为止在中尺度方面的先进研究成果。模拟和实时预报试验表明，WRF模式在预报各种天气中都具有较好的性能，同时实现在线完全嵌套大气化学模式，不仅具有较好的天气预报水平，而且具有预报空气质量的能力[1]。WRF模式已经被NCEP用来作为区域业务模式，在北京奥运会期间，基于WRF模式的精细化预报系统为各项赛事提供了精准的天气预报[2]，为奥帆赛提供的风速预报产品分辨率达到了500 m[3]。

随着WRF模式的不断发展和完善，越来越多的气象工作者使用WRF进行高影响天气个例特别是大降水天气的分析和研究[4-8]，在风能资源的模拟评估中，WRF模式也发挥了很好的作用[9]。孙贞等[10]对青岛的海风环流进行了模拟，表明WRF模式较好地模拟了海风环流发生发展的完整过程。汤浩等[11]对新疆三十里风区的大风进行了模拟，得出了有益的结论。

目前，国际上流行数值预报模式的快速更新循环（rapid updatecycle，简称RUC）同化和预报系统，该系统每日多次启动，不断吸收最新的探测资料更新初始预报场运转模式制作预报，相关研究表明，由于快速更新同化了大量的实时观测资料而能够得到更为准确的预报结果。中国气象局北京城市气象研究所基于WRF模式,开发北京地区精细数值预报系统[12-13]，为北京市气象局短时临近预报业务提供着强有力的技术支撑。

新疆气象局在中尺度区域模式本地化应用研究方面取得了一定的进展，但同其他区域中心相比仍存在较大差距，目前运行的区域模式预报准确率仍然较低[14-15]。因此，选择应用效果较好的WRF展开研究，优选适合新疆气候和地形特征的背景场和物理过程，了解模式在新疆的预报能力及不足之处，并在此基础上优化和改进，是迫切需要开展的一项工作。

1 资料与方法

1.1 物理过程敏感试验

模式分辨率设计为27、9 km，其中9 km分辨率覆盖全疆；选取较常用的 Lin、WSM6、Thompson微物理过程和KF、Grell 3D积云参数化方案设计了5种敏感试验方案（表1），其他物理过程固定为长波：RRTM，短波：Goddard，近地层：Monin-Obukhov，陆面：NOAH，边界层：YSU。选择 2011 年 1、4、7、10 四个月代表4个季节，使用NCEP的FNL分析资料驱动WRFv3.1模式进行回算，对回算结果进行了统计检验，通过对比检验，确定最优方案。

表1 物理过程敏感性试验方案

1.2 背景场对比试验

使用物理过程敏感试验确定的最优方案，分别以中国气象局的T639和NCEP的GFS全球模式资料驱动WRF模式，再次进行2011年1、4、7、10四个月代表的回算,对回算结果进行了对比检验。

1.3 检验方案

检验分站点要素和形势场检验两部分，检验内容见表2。

表2 物理过程敏感试验检验内容

1.3.1 站点要素检验

将27、9 km分辨率结果使用双线性法插值到全疆105个测站，对温度和降水进行了评分检验。

降水检验标准包括Ts评分、系统偏差B、预报效率Eh（晴雨预报）、Ets评分，其计算公式为：

公式中的符号说明见表3。

表3 降水的检验分类

温度检验指标为：1度准确率，预报与实况的误差的绝对值≤1的样本个数与总样本个数之比；2度准确率，预报与实况的误差的绝对值≤2的样本个数与总样本个数之比。

1.3.2 形势场检验

将预报场和对应时刻的预报初值场进行检验，检验的指标有相关系数r、平均误差ME、均方根误差RMSE，其计算公式为：

其中，Σ为对区域内所有网格点求和，F为预报值，A0为分析场。平均误差计算时正负误差抵消，它反映的是统计区域内的某种系统性误差。均方根误差反映预报值与实况值的平均偏离程度，因而能反映总误差情况，其误差越小，说明预报值和分析场越接近，预报效果越好；反之，则预报越差。

2 物理过程敏感试验结果分析

2.1 站点降水、气温检验结果分析

图1所示为降水站点检验结果，其中d1为27 km分辨率检验，d2为9 km分辨率检验结果，检验结果表明方案1、2、3的Ts评分相当，方案4、5略差，9 km分辨率的定性及小量级Ts评分普遍优于27 km。其中方案2的9 km分辨率预报能力最优。各方案对大量及暴量降水均有一定的预报能力。Ets评分的检验与Ts评分检验结论相似。预报偏差检验表明各方案的偏差均趋于空报，方案2的9 km分辨率的预报性能总体优于其他方案。预报效率（晴雨预报）方案1、2、3的评分相当，方案4、5存在明显偏差，9 km分辨率的评分明显优于27 km。

逐月Ts评分（图2）检验结果表明，10月预报能力最优，其次为4月，7月居第三，1月预报能力最差。

图3是各方案站点温度预报检验结果，其中d01为27 km分辨率产品，d02为9 km分辨率产品，2℃准确率方案1、2、3的评分相当，方案4、5略差，1℃准确率方案1略好于方案2、3，方案4、5略差。各种方案的9 km分辨率的评分都优于27 km。

2.2 500 hPa高度场检验

平均误差反映的是系统性误差，对高度场预报来说，当平均误差为正值时，说明在预报中低压槽偏弱，高压脊偏强；相反，当平均误差为负值时，说明在预报中低压槽偏强，高压脊偏弱。图4给出各方案500 hPa高度场检验结果。从中可见，24 h预报的相关系数均高于48 h，方案1、2相当，好于其他方案，方案4、5较差；平均误差各方案均在负5～7位势米，说明各方案均倾向于预报低压槽偏强、高压脊偏弱，其中方案4平均误差绝对值最小，方案5最大，48 h的误差较24 h明显；均方根误差，方案2最小，方案4最大，说明方案4的波动较大，各方案48 h均方根大于24 h。

2.3 850 hPa风场检验

850 hPa风场U分量平均误差，各方案均在0.7～1.2 m/s之间，说明预报西风平均偏大1 m/s，东风偏小1 m/s左右，24 h方案2最小，为0.7 m/s，48 h方案1最小，为0.9 m/s；均方根误差方案1略优于方案2，为7.1 m/s，较其他方案小，方案4最大，为8.8 m/s。850 hPa风场V分量平均误差绝对值，24 h方案3最小，48 h方案4最小，各方案误差有正有负，在-0.3～0.6 m/s，随机性较大；均方根24 h方案2最小，48 h方案1最小。

2.4 海平面气压场检验

海平面气压场平均误差绝对值，24 h方案2最小，为0.1 hPa，48 h方案1、4较其他方案小，各方案误差有正有负,在-0.9～0.8 hPa之间；均方根误差方案1、2相当，在3.0 hPa以内，方案 5最大，为4.3 hPa。

2.5 敏感性试验结果

通过各方案形势场、站点温度及降水的综合对比分析、检验，发现方案1、2、3总体能力相当，其中方案2的9 km分辨率的站点产品略胜一筹；形势场的预报能力方案1、2能力相当，方案4、5表现逊色一些，最终确定使用2号方案进入背景场敏感性试验。

3 背景场敏感试验结果分析

3.1 站点要素检验结果分析

从背景场敏感性试验降水检验结果，可以看出GFS为背景场与T639相比，在定性、小量、中量级别上都较同分便辨率的产品有一定优势，大量级别上27 km产品二者相当，9 km产品则是GFS有优势，暴量两者相当。两种背景场的27 km分辨率的预报除大量外，其余各两级都不及或与9 km相当。Ets评分反映出的结果与Ts评分类似。B评分均大于1，表现出预报失误以空报为主，T639为背景场的空报较之GFS更明显些。在定性及大量以下的量级上9 km分辨率的空报较27 km小，但在暴量量级上，9 km的空报迅速增加，明显高于27 km产品。晴雨准确率GFS优于T639，9 km分辨率产品优于27 km。

背景场敏感性试验温度检验结果，可以看出GFS在1℃、2℃准确率上均较T639有一定优势，9 km分辨率产品略优于27 km。

3.2 500 hPa高度场检验

不同背景场500 hPa高度场检验结果表明，24 h预报的相关系数均高于48 h，GFS好于T639；平均误差两种背景场均为负值，为-2.8～-4位势米，说明均倾向于预报低压槽偏强、高压脊偏弱，其中GFS误差的绝对值大于T639，48 h的误差较24 h明显；均方根误差，GFS略小于T639，T639误差的波动较大，其误差较小的原因是正负误差相互抵消的结果。

3.3 850 hPa风场检验

850 hPa风场的背景场敏感性试验检验结果，从U分量的结果来看，平均误差大于0，表现为西风预报偏大，东风预报偏小；GFS的平均误差和均方根误差均小于T639，48 h的值大于24 h。

V分量的平均误差24 h两种背景场均为负值，表现为南风预报偏小，北风预报偏大，GFS误差的绝对值小于T639，而48 h的检验结果恰好相反；均方根误差GFS小于T639，表现为其误差更为稳定，48 h的值大于24 h，说明误差增大。

3.4 海平面气压场检验

两种背景场的海平面气压场的检验结果，GFS两个检验时次以及T639的48 h时次的平均误差为正，为0.14～0.18 hPa，表现为高压预报偏强，低压偏弱，T639的24 h检验结果相反；均方根误差24 h GFS较大，48 h T639较大。

3.5 典型降水个例检验

图5是2011年3月15日20时至16日20时的T639和GFS驱动WRF模式的预报与实况对比图，图中二者对北疆、东疆降水落区的预报较好，南疆落区预报偏大，其中T639偏大得更明显，二者都较好地预报了北疆西部、天山山区、北疆沿天山一带的暴量降水，但空报了北疆北部的暴量，中量、大量的落区的预报也明显偏大。总体来看，二者的预报能力相当，对北疆大量级的降水及南疆的降水落区存在空报现象。

图5 2011年3月15日20时—16日20时预报和实况对比

图6 是2011年7月1日20时—2日20时T639和GFS驱动WRF模式的预报与实况对比图，二者都存在较明显的预报失误，成功预报了北疆北部、东部、北疆沿天山的大量以上降水，空报了北疆西部、北疆沿天山的大量以上降水，GFS漏报了北疆盆地的小量降水；对南疆盆地的降水，T639为背景场有一定的预报能力，但预报范围偏大，GFS则没有预报出来，二者都空报了沿昆仑山暴量。

3.6 背景场敏感试验结果

分别使用GFS和T639驱动模式，对比检验站点降水、温度、500 hPa高度场、850 hPa风场、海平面气压场，GFS表现出更好的综合能力，确定GFS作为模式的初始场。

4 结果

使用 WRF 模式 Lin、WSM6、Thompson 微物理过程和KF、Grell 3D积云参数化方案，设计了5种组合方案进行敏感试验，使用GFS和T639作为背景场驱动模式，进行2011年1、4、7、10月四个月的回算，对比检验了模式在新疆的站点要素、形势场、典型个例，得到以下结果：

（1）微物理 WSM6和积云参数化Kain-Fritsch组合表现出的综合预报能力最优，可作为新疆业务运行的首选方案。

（2）NCEP的GFS产品为背景场的预报能力总体优于T639产品，可作为新疆业务运行的首选背景场。

（3）使用模式9 km嵌套的产品插值到站点进行温度、降水预报，其预报准确率整体优于27 km嵌套产品，但对暴量降水的预报存在明显的空报现象。

（4）模式在新疆的总体预报水平不高，其中秋季的预报准确率较好，春季次之，冬季、夏季较差。

（5）个例检验表明，模式对北疆降水的预报能力尚可，在南疆较差，沿昆仑山的空报现象明显。

[1]章国材.美国WRF模式的进展和应用前景 [J].气象，2004，30（12）：27-31.

[2]杨波，魏东，郭虎.北京奥运场馆精细预报交互平台[J].气象，2008（专刊）：269-273.

[3]杨育强，高荣珍，马艳，等.海面风精细化集成预报系统在青岛奥帆赛期间的应用[J].气象，2008（专刊）：241-245.

[4]尤红，肖子牛，王曼，等.2008年“7·02”滇中大暴雨的成因诊断与数值模拟[J].气象，2010，36（1）：7-16.

[5]张德林，马雷鸣.“0730”上海强对流天气个例的中尺度观测分析及数值模拟[J].气象，2010，36（3）：62-69.

[6]于翡，姚展予.一次积层混合云降水实例的数值模拟分析[J].气象，2009，35（12）：3-11.

[7]陈业国，农孟松，黄海洪，等.一次华南强飑线过程的数值模拟分析[J].气象，2009，35（9）：29-3.

[8]隋迎久,蔡丽娜,王昌双.一次山地环流激发对流天气的数值模拟[J].气象，2010，36（5）：78-84.

[9]龚强，袁国恩，张云秋，等.MM5模式在风能资源普查中的应用试验[J].资源科学，2006，28（1）：145-150.

[10]孙贞，高荣珍，张进，等.青岛地区8月一次海风环流实例分析和 WRF 模拟[J].气象，2009，35（8）：76-84.

[11]汤浩，李如琦，贾丽红．新疆“2·28”大风的中尺度数值模拟[J]．气象，2011，37（11）：1365-1371.

[12]魏东，尤凤春，范水勇，等．北京快速更新循环预报系统（BJ-RUC）模式探空质量评估分析 [J]．气象，2010，36（8）：72-80.

[13]魏东，尤凤春，杨波，等．北京快速更新循环预报系统（BJ-RUC）要素预报质量评估[J]．气象，2011，37（12）：1489-1497.

[14]汤浩，贾丽红.T213 和T639 驱动GRAPES 对比试验[J].沙漠与绿洲气象，2011，5（3）：43-46.

[15]汤浩，贾丽红，居来提.新疆区域模式MM5和GRAPES预报能力对比检验[J].沙漠与绿洲气象，2012，6（1）：21-26.