WRF集合预报对济南暴雨过程的检验与分析

张永婧，荣艳敏，尹承美，李　瑞

（1. 济南市气象局，济南　250102；2. 山东省气象科学研究所，济南　250031）

WRF集合预报对济南暴雨过程的检验与分析

张永婧1，荣艳敏2，尹承美1，李瑞1

（1. 济南市气象局，济南250102；2. 山东省气象科学研究所，济南250031）

为了将 WRF集合预报更好地应用于济南大城市精细化预报，提高暴雨预报准确率，利用2013—2014年汛期济南龟山观测站和市区及历城区36个区域自动观测站的降水资料，检验WRF集合预报24h确定性降水量对暴雨的TS评分、空报率、漏报率以及平均绝对误差和均方根误差，并且检验24h暴雨概率的可信度。2013年和2014年的空报率和漏报率均较高，2013年暴雨预报TS评分明显好于2014年。确定性预报24h降水量达到30mm以上，且天气形势和各物理量满足产生暴雨的条件时，可考虑预报暴雨；低层湿度大时确定性降水最易出现暴雨空报；24h暴雨概率预报对济南局地性较强的暴雨有较好的指示意义。

WRF集合预报；精细化预报；暴雨检验；概率预报

引言

及时而准确的数值天气预报可以帮助预报员预报未来的天气发展变化。1992年集合预报率先在美国和欧洲投入业务应用，标志着数值天气预报进入了一个新的发展时期。近年来，集合预报在中国得以快速发展和广泛应用，这也使预报员能够更准确地把握灾害性天气发生的可能性，提升对极端天气、敏感性天气的关注度。同时对数值模式的检验与释用能使预报员更清晰了解各模式的优劣，针对不同的天气过程和气象要素做出更为准确的预报。阎丽凤［1］等对MM5、WRF-RUC 和T639模式在山东沿海9个精细化海区代表站的日最大风速预报进行了检验；肖明静［2］等对 2010年汛期山东区域MM5、WRF-RUC和T639模式24h和48h累积降水预报产品，进行晴雨、一般性降水和分量级降水TS评分及平均绝对误差、平均误差分析；王雨［3］等对中国华东、华南、华北区域气象中心和中国气象局数值预报中心业务运行的区域模式2011年5—9月的6h降水预报，采用不同结果平均方案进行对比检验；吕志红［4］等利用2013年1—8月德国数值模式和日本数值模式降水预报产品降水量对辽宁抚顺地区进行晴雨预报准确率、降水评分、空报率和漏报率分析；韩洁［5］等利用宝鸡地区 155个县区级或乡镇级自动站的观测资料与WRF模式的输出产品，检验WRF模式对 2013年夏季最高最低气温和降水预报的效果。由于大气混沌特性的存在，数值模式难免产生一定的预报误差［6-7］。特别是济南地形独特，气候环境复杂多变，特殊天气多发，增加了数值预报的不确定性。自2012年5月开展大城市精细化预报以来，提高济南天气预报的时空分辨率及准确性越来越迫切。山东省气象科学研究所自2012年开始运行WRF集合预报产品，并于2013年3月正式投入业务使用，该产品由确定性预报、集合预报、站点要素预报、大城市精细化等部分组成，在时空分辨率及灾害性天气发生概率方面优于其它模式，为天气预报提供了极大的参考价值。根据中国气象局下发的《中短期天气预报质量检验办法（试行）》，利用WRF集合预报的确定性降水预报和降水概率预报检验 2013—2014年汛期（6—9月）济南市暴雨预报的TS评分、漏报率、空报率、平均绝对误差和均方根误差以及概率预报的可信度，方便预报员灵活运用 WRF集合预报，更好地为济南大城市精细化预报服务。

1　资料处理与检验方法

1.1资料处理

利用2013—2014年汛期WRF集合预报的确定性降水量和降水概率24h预报产品，以及济南龟山观测站（54823）和市区及历城区36个区域自动观测站的降水量资料进行检验。WRF集合预报产品每日08:00和20:00各运行一次，分辨率为 12km×12km，采用双线性插值法将产品格点资料插值到观测站点。受模式资料的限制，概率预报只检验2014年汛期的预报可信度。

WRF集合预报自2013年3月业务运行以来，确定性预报08:00和20:00起报的降水量存在一定程度的缺报。由图1可以看出，2013年和2014年的缺报情况相差不大，整体缺报率为31.9%。其中，2013年10月缺报率最高，达到64.5%；2013年5月缺报率最低为12.9%。

图1　2013—2014年WRF集合预报缺报率

实况资料根据济南龟山观测站 A文件中定时降水量整理完成，时段分为 20:00—20:00和 08:00—08:00。2013年和2014年共出现4次暴雨过程，而且集中出现在6—7月（表1）。由于暴雨过程较少，导致检验样本数偏少，可能会对最终的检验结果产生一定的影响。

表1　2013—2014年暴雨过程

概率预报检验所需实况资料根据 2014年汛期济南市区及历城区 36个区域自动站降水量资料整理获得，时段分为 20:00—20:00和08:00—08:00。2014年 7月2日暴雨过程因为跨了2个时段，按2次暴雨来检验。

1.2检验方法

确定性预报检验根据中国气象局下发的《中短期天气预报质量检验办法（试行）》，检验WRF集合预报对济南龟山观测站24h暴雨预报的TS评分、漏报率（PO）和空报率（FAR）以及四次暴雨过程的平均绝对误差和均方根误差。

（其中，NA为预报正确的次数，NC为漏报次数，NB为空报次数。）

（其中，F为预报降水量，O为实况降水量。）概率预报可信度检验采用可靠性图（reliability diagram）检验法，在理想的情况下，预报事件发生的概率与观测的频率相等，可靠性图中诊断曲线和理想曲线重合，当诊断曲线高于或低于理想曲线时表示预报概率偏大或偏小［8-11］。

2　确定性预报在济南暴雨过程中的检验

2013—2014年WRF确定性预报对济南暴雨检验的TS评分、空报率和漏报率可以看出（图2），WRF确定性预报对济南暴雨检验的TS评分较低，仅为7.7%。检验时段内出现了8次空报，空报率达88.9%。WRF确定性预报24h降水量只报出了一次（2013年7月9日20时至10日20时）暴雨，其余均漏报，漏报率达80%。

2013年检验明显好于2014年。2013年TS评分为14.3%，对于预报难度非常大的暴雨而言，TS评分达到 14.3%可认为是较理想的结果。但是，2013年的空报率也比较高，达到了83.3%。2014年空报次数少于2013年，但由于暴雨过程均报错，导致 TS评分为0，空报率和漏报率均为100%。2014年预报效果较差是否与当年夏季大气环流异常有关，还需进一步研究。

图2　2013—2014年WRF确定性预报对济南暴雨检验情况

综上分析，2013—2014年WRF确定性预报的空报率和漏报率均比较高，而检验结果不理想可能与检验时间较短、暴雨过程少、所检验的样本数太少有一定关系。

从 2013—2014年暴雨过程确定性预报产品的绝对误差可以看出（表2），2014年7月2日暴雨过程的误差达 50.6mm，其余暴雨过程的误差在8.9～31.7mm之间。尽管2013年7月23日和2014年6月19日的暴雨过程漏报，但其预报的降水量均在40mm以上，对于实际的预报仍有较好的参考价值。

表2　2013—2014年暴雨过程降水量预报误差　　　 mm

平均绝对误差是所有单个观测值与算术平均值的偏差的绝对值的平均，平均绝对误差能更好地反映预测值误差的实际情况。前3次暴雨过程的平均绝对误差为18.0mm，而4次暴雨过程的平均绝对误差增大到 26.2mm。均方根误差（Root Mean Square Error，简称RMSE）是用来衡量两个变量之间平均差异的一个参数，表示的是两个变量的平均偏离程度［12］。其对于特大或特小误差反应非常敏感，前3次暴雨过程的均方根误差为20.5mm，而4次暴雨过程的均方根误差增大到30.9mm。

由此可见，2014年7月2日暴雨过程的预报误差较大，对四次暴雨过程的平均绝对误差和均方根误差影响比较显著。

3　确定性预报对济南暴雨的预报分析

3.1正确过程

WRF确定性预报降水量达到暴雨级别的2013年7月10日暴雨过程，是一次较为典型的副热带高压边缘切变线暴雨过程。副热带高压稳定、切变线移动缓慢、低空急流强盛等因素的共同作用造成了此次大范围暴雨过程。从高低空配置和形势演变分析，该次暴雨过程预报难度不大，由于强降水带略偏北，济南处于强降水带的边缘，所以WRF预报的降水量略偏大。

3.2漏报过程

2014年7月2日暴雨过程，WRF确定性降水量预报偏差最大。该次暴雨过程全省仅济南龟山观测站出现了暴雨，周边市县的降水量均不足1mm。过程降水量非常集中，2日17:00—18:00降水量为42.4mm，18:00—19:00降水量为17.1mm。

这是一次非典型性的局地短时强降水所造成的暴雨过程。2日08时500hPa高空槽即将过济南，20时济南处于槽后西北气流中，有弱的冷平流；700hPa和850hPa风场较弱，无明显暖脊或暖平流。2日08时T-lnP图显示，济南上空整层大气湿度较大，存在弱的垂直风切变，CAPE值为483.2J·kg-1，K指数为33℃，对流温度仅为26.3℃，而当日最高气温为 29.4℃。由此可见，当天出现强对流天气的可能性比较大。WRF确定性预报的24h降水量为9.4mm，与天气形势比较吻合。

2013年7月23日为低槽冷锋暴雨，天气形势比较明显，预报难度较小，WRF的24h降水量预报为40.2mm。2014年6月19日为低涡切变线暴雨，天气形势相对复杂，主要是由于中小尺度系统作用而产生的暴雨，WRF的24h降水量为41.5mm，是一次较成功的预报。

由此可见，WRF模式对于中小尺度系统起主要作用的暴雨过程有一定的预报优势，若天气形势、物理量等要素符合暴雨的出现条件，结合20.5mm的均方根误差，当确定性预报24h的降水量达到30mm以上时，可以考虑预报暴雨。

3.3空报过程

检验时段内WRF集合预报共出现了8次空报，空报过程的共同点为低层湿度大。按照不同天气形势，又可将空报过程分为以下四种情况。3.3.1强降水带边缘型

济南位于强降水带边缘或降水系统的位置、影响时间有偏差时。如2013年5月26日08:00（起报时间，下同）的气旋暴雨过程，济南位于气旋倒槽处，暴雨区自鲁西南经鲁中南部、鲁东南延伸至半岛南部，济南降水量为22mm。2013 年6月30日20h的低槽冷锋过程，系统明显偏北，造成京津冀地区的分散性暴雨，济南处于584dagpm线边缘，出现了9mm的阵性降水。2013 年7月8日20h的副高边缘切变线暴雨过程，预报系统影响时间出现了偏差，由于副高稳定少动，系统移动缓慢，降水主要集中在9日夜间，10日02:00—08:00降水量达42mm。

3.3.2副高边缘型

济南处于副高边缘时，低层高温高湿、有切变线存在但无低空急流配合，此类暴雨过程容易出现空报。如2013年7月12日08:00暴雨主要集中在鲁中山区北部至半岛中北部，鲁西北出现零散暴雨点，济南降水量为17mm。2014年8月4日08:00济南处于副高584～588dagpm之间，降水量为10mm。

3.3.3低槽冷锋型

低槽冷锋过程产生分散性暴雨时，较容易出现空报。如2014年9月1日20:00，冷空气偏强，副高已南落，低空急流出口位于山东以南地区，全省雨量不大，仅商河出现65mm的暴雨，济南降水量为3mm。

3.3.4无明显系统型

无明显系统影响，接近出现强对流天气条件时，比较容易出现空报。如2013年8月2日和2014年 7月3日，济南降水量分别为2mm和7mm。此类过程没有明显的影响系统，较容易订正模式的预报结果。

4　概率预报的检验与分析

利用市区及历城区36个区域自动观测站的降水量实况计算 2014年汛期逐日出现暴雨的实际概率，作为理想曲线，以此并采取可靠性图检验WRF概率预报24h降水量大于50mm的可信度（图3）。

图3　2014年汛期WRF集合预报08时起报24h暴雨概率可靠性

由于 2014年汛期济南暴雨较少，且大部分过程的局地性很强，因而整个汛期大部分时间预报概率和实况概率均小于10%，即诊断曲线与理想曲线重合度较高。6月19日济南出现了较大范围的暴雨，实况概率达58.8%，而WRF却未给出暴雨概率，主要是因为缺报造成的。其余5次小范围或局地性暴雨，WRF概率预报只漏报一次（8月17日），7月2日、7月14日、7月19日和9月2日的暴雨过程，预报概率与实况概率较接近，两条曲线的吻合程度很高。

7月2日的暴雨过程是一次局地性很强的过程，概率预报给出了与实况高度吻合的预报结果；7月14日西风槽过境，850hPa有明显的暖舌，较易出现局地性暴雨；7月19日为副高边缘的局地性暴雨；9月2日为低槽冷锋产生的分散性暴雨。这几次过程的诊断曲线与理想曲线的重合度很高。分析几次空报过程的天气形势，其共同点为水汽输送不足，特别是7月24日高空槽和低层切变线配置较好，但此时台风在闽浙沿海登陆，并逐渐北上，对水汽输送有一定的阻截作用。8月17日为低槽冷锋影响下的局地暴雨，济南市区仅有2个自动站达到暴雨量级。

由此可见，WRF概率预报对济南市区局地性暴雨有一定的预报能力，可为济南市精细化预报提供有价值的参考。当WRF概率预报24h暴雨概率在10%左右，且有较好的温湿条件配合时，可预报济南将出现局地性暴雨。由于检验时段内大范围暴雨仅有一次，而WRF又出现了缺报无法检验，因此不能完全否定其对于明显系统影响下的大范围暴雨过程的预报能力。

5　小结

（1）检验时段内WRF确定性24h降水量预报对暴雨的TS评分为7.7%，空报率和漏报率均较高；2013年的检验结果明显好于2014年。

（2）24h降水量对4次暴雨过程的平均绝对误差为26.2mm，均方根误差为30.9mm。

（3）若天气形势、物理量等要素符合暴雨的出现条件，WRF确定性预报24h的降水量达到30mm以上时，可以考虑预报暴雨。

（4）低层湿度大时WRF确定性降水最易出现暴雨空报，具体可分为强降水带边缘型、副高边缘型、低槽冷锋型及无明显系统型4类空报情况。

（5）WRF集合预报24h暴雨概率预报对济南市精细化预报具有一定的可信度，特别是对局地性较强的暴雨有较好的指导作用。

［1］ 阎丽凤，盛春岩，肖明静，等. MM5、WRF-RUC 及T639模式对山东沿海风力预报分级检验［J］.气象科学，2013，33（3）：340-346.

［2］ 肖明静，盛春岩，石春玲，等. 2010年汛期多模式对山东降水预报的检验［J］. 气象与环境学报，2013，29（2）：27-33.

［3］ 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.

［4］ 吕志红，全美兰，贺金娜，等. 2013年多模式对抚顺降水预报的检验［J］. 中国农学通报，2015，31（21）：227-232.

［5］ 韩洁，庞翻，陈卫东. WRF模式对宝鸡地区2013年夏季温度和降水预报的评估检验［J］.陕西气象，2015，（1）：1-6.

［6］ 盛春岩，范苏丹，刘诗军，等. 山东WRF集合预报系统对“麦德姆”台风预报检验. 山东气象，2016，36（1）：1-7.

［7］ 范苏丹，盛春岩. 山东省 2015年夏季（6-8月）数值预报产品检验. 山东气象，2015，35（3）：56-59.

［8］ 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.

［9］ Hamill T M，Colucci S J. Verification of Eta-RSM short range ensemble forcasts［J］. Monthly Weather Review，1997，125：711-724. ［10］ Bröcker J，Smith L A. Increasing the reliability of reliability diagrams［J］.Weather and Forcasting，2007，22（3）：651-661.

［11］ Wilks D S. The calibration simplex：A generalization of the reliability diagram for three-category probability of recasts［J］. Weather and Forecasting，2013，28（5）：1210-1218. ［12］ 黄嘉佑. 气象统计分析与预报方法［M］. 北京：气象出版社，2004：5-6.

P456.7

B

1005-0582（2016）02-0010-05

2015-11-12

山东省气象科学研究所数值天气预报应用技术开放研究基金（SDQXKF2014M09）资助

张永婧（1984—），女，济南人，硕士，工程师，主要从事天气预报工作。