2016年乌鲁木齐区域数值天气预报系统预报性能客观检验

李 曼,杜 娟,辛 渝,马玉芬,琚陈相

(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.中亚大气科学研究中心,新疆 乌鲁木齐830002)

2016年乌鲁木齐区域数值天气预报系统预报性能客观检验

李 曼1,2,杜 娟1,2,辛 渝1,2,马玉芬1,2,琚陈相1,2

(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.中亚大气科学研究中心,新疆 乌鲁木齐830002)

基于MET检验工具对乌鲁木齐区域数值天气预报系统DOGRAFS v1.0在2016年各季节中的预报性能进行客观检验评估,主要检验要素有2 m温度、10 m风、500 hPa形势场等,并与2015年同期预报性能进行对比分析,结果表明:(1)2016年该系统对各个季节2 m温度预报以冷偏差为主,午间偏低幅度较大;夏季性能最优,冬季性能最差.对10 m风预报以正偏差为主,平均误差在1.0 m/s以内;各季节预报性能无明显差异.(2)2016年该系统对500 hPa位势高度和温度预报以负偏差为主;位势高度预报性能夏季最优、秋季最差;温度预报性能夏季最优、冬季最差.24 h预报时效的预报性能整体优于48 h预报时效.(3)2016年晴雨预报效果较好,夏季降水评分最高、冬季最低.随降水阈值增大、TS评分降低,系统对夏季午后至夜间降水预报评分较高.(4)2015年各要素预报偏差的变化特征与2016年相似,2016年预报性能整体优于2015年.

区域天气数值预报系统;预报性能;客观检验;乌鲁木齐

随着数值天气预报系统时空分辨率的提高,如何在模式初始场中加入更加丰富、更加真实的中小尺度天气信息,提供更为精准的大气在初始时刻的运行状态对现有观测网和资料同化系统提出了新的要求[1-2].目前,国际上使用较为广泛的快速更新循环同化(RUC)和预报系统,可有效利用各种常规和非常规气象资料进行同化,为数值模式提供高质量的初始场,同时在高分辨率数值模式的基础上进行精细化数值预报[3-5].新疆快速更新循环同化数值预报系统(XJ-RUC)于2011年完成框架构建并开展试运行,经过参数化方案优选优化、同化方案优选等本地化工作,2014年9月升级并更名为沙漠绿洲戈壁区域同化预报系统,简称DOGRAFS(Desert-Oasis-GobiRegionalAssimilation and Forecast System),2015年底通过中国气象局业务化评审,现行版本为1.0.DOGRAFS v1.0为全疆区、地、县气象部门以及国家电网等业务单位提供精细化预报产品,并在实际预报预测业务中得到广泛应用.

由于受初始场、模式边界条件、物理过程、复杂下垫面以及模式框架自身设计不足等诸多方面的影响,数值模式预报产品与实况必定会存在一定的差异,需要对这种误差进行时空上定量的检验和评估,不仅有助于研发人员诊断和修正模式中可能存在的缺陷,也为预报员订正预报结果提供客观依据[6-11].因此本文对DOGRAFS v1.0在2016年各个季节的预报性能进行客观评估,并与2015年同期进行对比分析,以期为模式进一步改进和提供更为精准的预报产品提供客观参考.

1 资料和方法

1.1 检验对象

DOGRAFS v1.0以WRF v3.5.1和WRFDA v3.5.1为核心,采用三重嵌套网格,水平分辨率为27、9 km和3 km,其中9 km分辨率区域覆盖全疆(图1);垂直方向采用σ坐标,共40层,模式层顶为50 hPa.系统每日运行四次(00UTC、06UTC、12UTC和18UTC),其中00UTC和12UTC为冷启,预报时效84 h;06UTC和18UTC为暖启,预报时效36 h.文中主要针对9 km分辨率区域的每日冷启时次、48 h预报时效内的预报结果,运用本地搭建的MET(Model Evaluation Tools)检验平台进行检验,该区域内约有170个地面观测站和26个探空观测站,具体分布见图1.检验要素主要有2 m温度、10 m风、500 hPa位势高度和温度以及逐6 h累积降水量,分别给出冬季(上年12月-2月)、春季(3-5月)、夏季(6-8月)和秋季(9-11月)4个季度的平均检验结果.

1.2 检验方法

DOGRAFS v1.0的预报结果是基于模式网格点的预报值,首先要利用反距离权重法[12-13],将网格预报值插值到图1中的观测站点上生成模式的观测站点预报值,再与站点观测值进行对比检验.对地面要素及高空要素的检验,主要检验统计量为平均误差ME(Mean Error)和均方根误差RMSE(Root Mean Square Error)(具体见公式1～2,公式中f(i)代表第i点上的预报值,o(i)代表第i点上的观测值;对逐6 h累积降水量的预报结果,利用TS评分(Threat Score)对其进行检验(见公式3,公式中NA为预报正确站/次数、NB为空报站/次数、NC为漏报站/次数)[14-17],主要对 0～6、6～12、12～18、18～24、24～30、30～36、36～42、42～48 h等时段的 5个不同阈值(≥0.1 mm、≥3.1 mm、≥6.1 mm、≥12.1 mm 和≥24.1 mm)的降水预报性能进行对比评估.

图1 DOGRAFS v1.0预报区域和检验区域内地面(a)和高空(b)测站分布

2 地面要素预报检验

2.1 2 m温度

从2016年各个季节2 m温度预报偏差结果(图2)来看,DOGRAFS v1.0对2 m温度的预报主要以冷偏差为主,只有在秋、冬季凌晨时段为正偏差;各个季节预报偏差随时间变化趋势相似,对午间温度预报的偏低幅度最大,除夏季外,其余季节平均预报偏差可达2℃以上.从均方根误差结果上来看,2016年冬季均方根误差维持在4.5～6.0℃之间,春季均方根误差维持在3.5～5.0℃之间,夏季均方根误差维持在2.5～3.5℃之间,秋季均方根误差维持在3.5～4.5℃之间,各个预报时效变化不大.整体来看该系统对夏季温度预报性能最优、秋季次之、冬季最差.

对比2016年与2015年同期2 m温度预报检验结果(图2)可以看出,二者平均误差和均方根误差在各个季节各个起报时次上的变化趋势和整体特征较为相似,说明对温度的预报存在一定的系统性偏差.2016年各季节预报误差整体小于2015年,尤其是夏季冷偏差减小较为明显,2016年各个季节均方根误差较2015年整体降低0.5℃左右.综上可知,2016年该系统对2 m温度的预报性能优于2015年.

2.2 10 m风

从2016年各个季节10 m风速的预报检验结果(图3)来看,系统对10 m风预报的性能整体差异不大,平均误差基本维持在0.5～1.0 m/s之间,冬季误差最大为1.5 m/s,夏季误差最小,除冬季外各季节各预报时效上平均误差变化不明显,冬季午间时段误差最小.从均方根误差结果上来看,2016年各季节维持在2.5～3.0 m/s之间,各季节各起报时次无明显差异.

对比2016年和2015年同期10 m风预报检验结果(图3)可以发现,2016年系统对10 m风预报性能整体优于2105年,平均误差减小0.5 m/s左右,均方根误差也明显较低,尤其是春季,2015年春季10 m风均方根误差最大可达5.0 m/s.

图2 2016年和2015年各季节2 m温度检验

3 500 hPa形势场预报检验

3.1 位势高度

从500 hPa位势高度的预报检验结果(图4)来看,24 h预报时效上,2016年各季节平均误差均小于零,秋季误差最大、达-3.0左右,春季次之,夏季最小;均方根误差在10～11之间,无明显差异;48 h预报时效上,除夏季外其余各个季节平均相对误差均小于零,季节变化趋势与24 h预报时效一致,平均误差略小于24 h.

对比2015年和2016年该要素的检验结果(图4)可以看出,24 h预报时效上,2015年夏季预报偏差最大,秋季次之,春季最小,这与2016年该预报时效内的预报偏差季节分布有一定的差异.48 h预报时效上,2015年各个季节平均偏差均为负值,季节变化特征与2016年一致,48 h预报时效内的预报偏差整体大于24 h预报时效.对比两年各个季节的平均误差和均方根误差可以看到,2016年系统对500 hPa位势高度预报性能有所提升.

3.2 温度

从2016年500 hPa温度在24 h和48 h预报时效内的季节平均偏差结果(图5)来看,两个预报时效上均以负偏差为主,冬季温度平均误差最大,春季次之,夏季最小,均方根误差的季节变化与平均误差相一致.24 h预报时效内的预报性能整体优于48 h时效内的预报性能.

对比分析2015年系统对500 hPa温度预报检验结果(图5)可以看到,预报偏差的季节变化特征和时效变化特征两年的结果相似,但24 h预报时效内2015年夏、秋季平均误差为正值,48 h预报时效内夏季平均误差为正值,但从误差绝对值上来看,2016年各季节偏差均小于2015年,均方根误差整体也小于2015年.综上可以看出,2016年预报系统对500 hPa位势高度和温度的预报性能较2015年有所提高.

4 逐6 h降水预报检验

图3 2016年和2015年各季节10 m风检验结果

图4 各季节500 hPa位势高度在24 h、48 h预报时效内的预报误差

图5 各季节500 hPa温度在24 h、48 h预报时效内的预报误差

从近2 a各个季节、不同量级降水阈值的TS评分(图6)可见,随着降水阈值的增大、TS评分下降;不同起报时次降水评分较为接近.由于新疆属于干旱半干旱气候,6 h累积降水除夏季之外很少大于24.0 mm.从2016年降水TS评分结果上来看,0.1 mm以上阈值降水,在各个预报时效内较为接近,冬季在0.2～0.3之间,其余季节在0.3～0.4之间,表明模式对未来6 h的晴雨预报效果较好,稳定性和可靠性较高.3.1 mm以上阈值降水,除冬季外,其余季节在0.1～0.2之间;春季各个预报时效内较为接近,夏季降水评分在午后至夜间时段(北京时间14时-次日02时)评分较高,秋季各预报时效上差异不明显,在凌晨时段评分较低(北京时间02时-08时).6.1 mm和12.1 mm以上阈值降水,冬季评分基本为0,其余季节在0.05～0.1之间;各预报时效变化特征与3.1 mm以上阈值降水相似,夏季在午后降水评分较高.

与2015年降水评分对比可以看到,冬季晴雨预报性能二者相当,3.1 mm以上阈值降水的评分2015年较高;春季各阈值降水评分2016年整体高于2015年,特别是前36 h预报时效;夏季2016年降水评分整体低于2015年,12UTC起报24 h预报时效内的强降水评分2016年较高;秋季晴雨预报近两年相当,3.1 mm以上阈值的降水2016年秋季评分整体高于2015年.综上,近两年晴雨预报性能相当,2016年春季降水预报性能整体有所提高,夏、秋季大阈值降水预报性能有所提高.

5 结论与讨论

利用MET检验工具,数值预报系统DOGRAFS v1.0对2016年乌鲁木齐区域的预报结果在各个季节的预报性能进行检验评估,并与2015年同期进行对比分析,主要结果如下:

(1)2016年DOGRAFS v1.0对各个季节内2 m温度的预报以冷偏差为主,对午间温度预报偏低幅度较大;夏季预报性能最优、偏差在2℃以内,冬季最差.2016年2 m温度预报性能整体优于2015年.对10 m风预报以正偏差为主,各个季节预报性能整体差异不大,平均误差维持在1.0 m/s以内、均方根误差在2.5～3.0 m/s之间.2016年10 m风预报性能整体优于2015年,尤其是春季.

(2)2016年DOGRAFS v1.0对500 hPa位势高度和温度的预报整体以负偏差为主,位势高度预报性能夏季最优、秋季最差;温度预报性能在夏季最优、冬季最差;两个要素的预报性能均在24 h预报时效上优于48h预报时效.2016年500 hPa位势高度和温度的预报性能整体优于2015年.

(3)2016年晴雨预报效果较好,随降水阈值增大、TS评分减小,夏季降水评分最高、冬季最低.模式对夏季午后至夜间降水预报评分较高,对秋季凌晨时段降水预报评分较低.整体来看,2016年春季降水预报性能有所提高,夏、秋季大阈值降水预报性能有所提高.

整体来看,2016年DOGRAFS v1.0的预报性能较2015年稳中有升,预报性能的提升主要可能受以下两方面的影响:(1)本地技术研发.经过1 a左右的连续试验和个例试验,2015年6月起将全疆10部C波段雷达径向风资料放入DOGRAFS v1.0业务同化系统中,进一步优化初始场,国内外已有研究表明雷达资料同化对区域数值预报系统的预报性能有一定的正效果[18-21];(2)全球数值天气预报系统性能的提升.区域数值天气预报系统的性能在一定程度上依赖于全球数值预报系统所提供的初始场的性能,近年各个全球数值预报系统的性能也在稳中提升,能够为区域数值预报系统提供与实况更为相近的初始场.

图6 各个季节逐6 h降水检验结果

[1] 陈敏,范水勇,仲跻芹,等.全球定位系统的可降水量资料在北京地区快速更新循环系统中的同化试验[J].气象学报,2010,68(4):450-463.

[2] 姚爽,陈敏,王建捷.L波段分钟数据在WRF模式中的变分同化应用试验[J].气象,2015,41(6):695-706.

[3]Benjamin S G,Devenyi D,Weyandt S S,et al.An hourly assimilation forecast cycle:The RUC[J].Mon Wea Rev,2004,132:495-518.

[4]Thompson R L,Roger E,Hart J A.Close proximity sounding within supercell environments obtain from the rapid update cycle[J].Wea Forecasting,2003,18(6):1243-1261.

[5] 郝民,徐枝芳,陶士伟,等.GRAPES RUC系统模拟研究及应用试验[J].高原气象,2011,30(6):1573-1583.

[6]Homleid M.Diurnal correction of short-term surface temperature forecast using the Kalman filter[J].Wea Forecasting,1995,10:689-707.

[7]Stensrud D J,Skindlov J A.Grid point prediction of high temperature from a mesoscale model [J].Wea Forecasting,1996,11:103-110.

[8] 陈敏,王迎春,仲跻芹,等.北京地区中尺度数值业务预报的客观检验[J].应用气象学报,2003,14(3):522-532.

[9] 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.

[10]王雨,李莉.GRAPES_Meso V3.0模式预报效果检验[J].应用气象学报,2010,21(5):524-534.

[11]毛冬艳,朱文剑,樊利强,等.GRAPES_MESO V3.3模式强天气预报性能的初步检验[J].气象,40(12):1429-1438.

[12]Watson D F,Philip G M.A Refinement of Inverse Distance Weighted Interpolation[J].Geo-Processing,1985,2(2):315-327

[13]彭彬,周艳莲,高苹,等.气温插值中不同空间插值方法的适用性分析-以江苏省为例[J].地球信息科学学报,2011,13(4):539-548.

[14]裘国庆.数值天气预报标准化检验方法[J].气象,1989,15(9):48-50.

[15]刘还珠,张绍晴.第四讲 中期数值预报的统计检验分析[J].气象,1992,18(9):50-54.

[16]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.

[17]杜娟,于晓晶,辛渝,等.乌鲁木齐区域数值预报业务系统降水预报检验与评估分析[J].沙漠与绿洲气象,2016,10(6):31-40.

[18]马秀梅,欧登格力,辛渝,等.C波段雷达在新疆区域数值预报系统中的应用初探[J].沙漠与绿洲气象,2015,9(6):19-26.

[19]陈锋,冀春晓,董美莹,等.雷达径向风速同化对台风麦莎模拟的影响[J].气象,2012,38(10):1170-1181.

[20]孙娟珍,陈明轩,范水勇.雷达资料同化方法:回顾与前瞻[J].气象科技进展,2016,6(3):17-27.

[21]陈敏,陈明轩,范水勇.雷达径向风观测在华北区域数值预报系统中的实时三维变分同化应用试验[J].气象学报,2014,72(4):658-677.

Objective Verification on DOGRAFS System during 2016

LI Man1,2,DU Juan1,2,XIN Yu1,2,MA Yufen1,2,JU Chenxiang1,2
(1.Institute of Desert Meteorology,CMA,Urumqi 830002,China;2.Center of Central Asia Atmospheric Science Research,Urumqi 830002,China)

The forecast performance of DOGRAFS v1.0 in 2016 is objectively verified seasonly by MET and further compared with the corresponding period in 2015.It is showed that:(1)the forecasted 2 m temperature in each season in 2016 are always lower than the corresponding observations,especially in the noon.Which is best predicted in the summer while worst in the winter.The forecasted 10 m wind are mainly higher than observations,the average error is within 1.0 m/s with no obvious differences in each season.(2)Negative deviations in 500 hPa geopotential height and temperature are mainly showed in 2016,with its 24 h forecast results better than 48 h.The performance of 500 hPa geopotential height is best in summer and worst in autumn,while the temperature is the best in summer and the worst in winter.(3)The 6 h accumulated rainfall judgment has been well predicted in 2016,with its best performance in the summer while the worst in the winter,while better in the latter half of daytime.Its Threat Score decreased with the increase of the column threshold.(4)The variation characteristics of forecast bias of each variable in 2016 is similar with that of 2015,and the forecast performance in 2016 is generally better than 2015.

DOGRAFS;forecast performance;objective verification;Urumqi

P456.7

A

1002-0799(2017)05-0046-07

李曼,杜娟,辛渝,等.2016年乌鲁木齐区域数值天气预报系统预报性能客观检验[J].沙漠与绿洲气象,2017,11(5):46-52.

10.12057/j.issn.1002-0799.2017.05.007

2017-02-22;

2017-03-10

中国沙漠气象科学研究基金(SQJ2013013)和科技部公益性行业科研专项(GYHY201506009)共同资助.

李曼(1986-),女,助理研究员,主要从事中尺度天气动力学和数值模式研究工作.E-mail:lim_idm@126.com