两种能见度数值预报产品在复杂地形下的预报性能对比分析

唐延婧，夏晓玲，雷坤江

(贵州省气象服务中心，贵州 贵阳 550002)

0 引言

雾是由悬浮近地面空气中微小水滴或冰晶组成的天气现象，是近地面层空气中水汽凝结(或凝华)的产物[1]。其首要危害是对交通运输的影响：由于能见度低极易造成交通事故，阻碍交通，对国家和人民生命财产造成重大损失。雾的分布有明显的地域性及季节性特点，其生消变化可以是一个较为迅速的过程，有时甚至几分钟内能见度就有可能急剧下降[2-5]。因此对浓雾等低能见度天气的监测预报已经成为当前气象预报的重要课题[6]。

数值模式预报产品是天气预报分析业务中最主要的参考资料，目前主流的数值模式有ECMWF、NCEP、GRAPS、华东区域数值模式等等……数值模式的预报准确率直接影响天气预报的准确率，进而影响气象服务的质量和效果。近年来，国内外对一维的局地模式[6-8]和三维的数值预报模式[9-10]进行了有益的尝试，输出了客观的确定性能见度产品。国内外在关注模式发展的同时也注重模式预报性能的分析[11-14]。针对能见度数值预报产品的预报性能方面的研究，杜钧等就雾的集合预报检验[15]、黄彬等对海雾的预报检验方法[16]进行了探讨与总结，谢超等运用TS检验探讨了华南低能见度天气的客观预报[17]。以上研究都为能见度的客观模式产品检验提供了很多可借鉴的方法与经验。但雾在山区有多发性和地域性的特点，针对山区复杂地形下的低能见度天气，开展客观数值模式预报性能研究，仍有实际的研究价值。

贵州省地形复杂，水网交纵，地理环境的复杂使得雾的分布有明显的地域性特点，在低海拔的贵州省东部及近水体的部分地区，以辐射雾居多；贵州省中西部云贵高原斜坡地带的较高海拔地区，冬半年经常受到地域性天气系统——滇黔静止锋影响，锋后大片区域经常出现锋面雾；此外由于地形原因，部分高山地区如六盘水市的梅花山等，常年都有地形雾出现。贵州山区的低能见度天气监测和预报难度更大[5]，且贵州省气象业务中对客观精细化能见度预报产品的释用较少，原因一是长期以来能见度的客观精细化预报产品较少；二是能见度数值预报在贵州省山区复杂地形和气象条件下的预报性能的研究较少。近年来，ECMWF全球模式和在贵州省推广应用的华南区域模式等都有相应的客观精细化能见度预报产品覆盖贵州山区范围，为其在复杂地形的预报性能分析及释用研究提供了可能。此外近年来推行的能见度自动观测，较之前的人工观测频次更高，观测结果更为客观，弥补了以往纯人工监测的时次少、数据不连续等不足，促进客观精细化能见度预报产品的检验更为精细和全面。

本文以2016年10月—2017年2月秋冬季贵州省区域性连续低能见度天气过程作为检验对象，开展ECMWF全球数值模式和华南中尺度数值模式两种客观能见度预报产品对贵州山区典型低能见度天气过程的预报性能研究，并为客观精细化能见度产品在贵州山区等复杂地形区域的释用奠定基础。

1 资料选取

1.1 能见度观测资料说明

贵州省2014年开始逐步推行气象自动化观测，到2016年全省县级以上气象站点中，有78个站采用能见度仪自动观测，6个站仍为人工观测能见度。2016年10月—2017年2月，贵州省出现了多次区域性连续低能见度天气过程，本次研究选取期间的逐时能见度自动观测数据，以及6个人工观测站每日(08时、14时、20时)3个时次的能见度观测数据，进行区域性连续低能见度天气过程筛选。

1.2 数值预报资料说明

本文选取ECMWF(欧洲中心高分辨率全球模式)及华南中尺度模式作为检验对象。目前，ECMWF模式代表了天气预报较先进的数值模式水平，是天气预报业务中参考和应用最多的资料。华南中尺度模式是以GRAPES_MESO为核心模块，开发建立起来的数值预报系统，预报范围包括了贵州全省。ECMWF模式空间分辨率为1.125°，时间分辨率为3 h，每日输出08时、20时2次结果。华南模式空间分辨率为0.09°，时间分辨率为1 h，每日输出08、14、20、02时4次结果。

2 检验方法

2.1 低能见度过程提取

与其他气象要素预报不同，能见度预报的关注点主要在低能见度，大范围的低能见度天气又是气象灾害预报和服务的重点。如果将大部分能见度较好的天气也纳入能见度数值模式预报检验范围，因其样本量大，数值区间大，对检验结果有较大影响，不能真实反映低能见度的预报能力。因此将检验时段集中在秋冬季，该时段是区域性低能见度天气过程的多发季节，可客观反映模式能见度要素产品的预报能力。

在选取的2016年10月—2017年2月期间，由于逐时能见度自动观测资料与之前大部分研究中仅有3个时次的人工观测资料差别很大[18]，需重新定义大范围低能见度过程。综合考虑低能见度天气的严重程度、影响范围和持续时间，重点考虑对交通出行、生产生活影响较大的<500 m低能见度天气。本文定义连续3 h内10个站以上出现能见度<500 m，满足条件的连续时段作为一次区域性连续低能见度天气过程。

贵州锋面雾和辐射雾的时空分布、特点、性质上都差异很大[19，20]，沿用参考文献[19]中方法：根据夜间云量进行初步判断，再结合天气形势，对所筛选出的低能见度过程进行辐射雾和锋面雾的分类。最终在检验时段内筛选出了21次过程，持续时间从3～32 h不等。其中辐射雾9次，锋面雾11次。

图1 辐射雾(a)、锋面雾(b)过程中各等级能见度站次分布实况Fig.1 The distribution of different grades in process of radiation fog and frontal fog

考虑到能见度观测值区间大，预报难度大，将所筛选的低能见度过程期间所有时次内，贵州省县级以上气象站点能见度观测站数据，按照表1划分为8级，将能见度等级作为实况场进行检验。

表1 能见度等级划分Tab.1 Classification of visibility

2.2 数值预报结果提取

2.2.1 预报场选择 在预报时效选取上，一般来说短预报时效内的预报效果优于长时效的；另一方面预报数据解析传输需要一定时间，实际的预报分析业务需要最少6 h的预报时效，因此起报场宜选取12～36 h邻域时效。选取所筛选出的低能见度过程时间段内，ECMWF高分辨率全球模式24 h、36 h等2个起报时次,及华南中尺度模式36 h、30 h、24 h、18 h等4个起报时次的预报结果作为检验对象。

2.2.2 预报值处理 实况场为站点数据作为检验标准，对预报场格点数据采取插值、邻域两种方式进行实况点上的预报值提取。插值采用反距离加权方法，根据实况点周围4个格点值及其相对位置进行插值。邻域法也被称为模糊法，是通过比较预报和观测场中对应点临近区域内的特征而命名的，其能够更好地区别不同尺度上模式预报能力的差异，与传统校验的差别在于模糊校验假定当预报值相对于观测点位置有偏移时，预报仍然是可用的[16]。本文采用实况检验点邻近4个格点值中最接近实况值的作为预报值。预报值同样按照表1进行等级划分，得到能见度等级作为预报场进行检验。

2.3 检验方法

预报要素的客观检验方法主要基于二分类事件，即事件发生(1)或不发生(0)，进行点对点的检验。传统二分类检验指标，包括TS/ETS评分、命中率(H)、空报率(FAR)、漏报率(PO)等，考察预报某一方面的性能[21]，在气温、降水等常规预报要素的检验中也有普遍应用[22-23]。结合天气预报业务的站点检验方法，本文采用H(命中率)、BIAS(预报偏差)、HSS(广义技巧评分)和ETS(公平技巧评分)作为检验指标。

BIAS为预报事件的发生频率，BIAS>1，空报次数多于漏报次数，表示预报过度；BIAS<1，漏报次数多于空报次数，表示预报不足。HSS和ETS评分都是对 TS评分的改进，HSS是线性对称的，比ETS指标更加公平和稳健[24]，取值-1～1；ETS是去除随机事件后的公平T 评分，是气象业务中常用的检验指标，其取值-1/3～1；两者值越大，预报效果越好。

通过对所有站次辐射雾、锋面雾两类过程实况场和预报场配对，得到12组数据，实况场的观测数据完整性很好，缺测数据占比<0.1%；数值预报缺报率总体在8%以内，可较完整的反映能见度预报场的预报性能。

3 检验结果

3.1 等级预报正确率

若能见度等级的实况与预报相符，视为预报正确，其占所有实况样本的比例，作为等级预报正确率。此外，对预报的能见度等级在实况等级的上、下一级之间的，都视为预报有参考性，其占所有实况样本的比例，作为等级预报接近正确率。对所选低能见度过程中各模式能见度等级预报检验统计结果如下：

表2 能见度等级预报正确率检验结果(单位：%)Tab.2 Results of visibility grade predictionaccuracy(unit:%)

从能见度预报等级正确率及接近正确率来看，ECMWF两个邻域时次的预报效果相差不大；两种取值方法预报效果略有差异，模式大多是邻域方法优于插值方法；辐射雾过程的预报效果明显差于锋面雾过程。华南中尺度模式的能见度预报等级正确率及接近正确率都明显低于ECMWF模式。

图2 ECMWF辐射雾预报等级正确率(a),ECMWF锋面雾预报等级正确率(b)Fig.2 (a)ECMWF’s accuracy of radiation fog grade,(b)ECMWF’s accuracy offrontal fog grade

图3 ECMWF辐射雾预报等级接近正确率(a),ECMWF锋面雾预报等级等级接近正确率(b)Fig.3 (a)ECMWF’s approximate accuracy of radiation fog grade,(b)ECMWF’s approximate accuracy of frontal fog grade

用ECMWF模式两种取值方法和两个邻域时次的平均能见度预报等级正确率及接近正确率绘制空间分布，发现辐射雾过程中预报效果在贵州省区域内几乎都低于锋面雾过程；辐射雾过程在贵州省西部的等级预报效果略好，而锋面雾过程的等级预报效果在东部较好；但从文献[19]中给出的贵州省辐射雾与锋面雾年多年平均雾日数分布情况来看，辐射雾在贵州省中东部较多，而锋面雾主要集中在贵州省中西部。反映出ECMWF模式在低能见度区域效果并不理想，因此需要进行分能见度等级的深入分析。

3.2 等级分布对比

从实况场与预报场各类雾的占比(图4)，分析各等级能见度的预报偏差。可见在贵州山区大范围锋面雾低能见度天气过程中，5级以下能见度等级的比例，预报场都比实况场要小，预报场在7级高能见度的范围内占比最多，且明显多于实况，即预报场与实况场相比更倾向于能见度值偏大。此外，所关注的3级以下低能见度天气的累计占比实况场为16.5%，邻域场为13.5%，插值场为6.1%，插值、邻域两种预报场有明显差异，邻域法获取的预报值比例分布更接近实况。由于邻域法通过扩大取值范围，实际扩大了预报的空间范围，反映出低能见度天气中预报场在空间上存在一定偏差。

而在辐射雾过程中，两种方法获取的预报值都集中在7级高能见度范围，表现出数值预报对辐射雾过程中有明显的预报不足。

在所有低能见度的天气过程中，5级以上的高能见度预报占比都很大，因此前述的等级正确率及接近正确率也相应有很大比例集中在高能见度区间，并不能完全反应模式对于灾害性的低能见度落区的预报能力。

3.3 分等级的预报检验结果

本文研究的大范围低能见度过程是依据3级以下(能见度<500 m)低能见度进行筛选的；此外，4级低能见度(即达到雾的标准)也是业务工作中的重要参考。因此本文对4级/3级的低能见度天气有无预报进行检验：能见度在4级/3级以下，视为有雾/大雾，反之视为无雾/无大雾。

从贵州区域所有检验站点的检验指标平均值来看，在各个过程中各模式有无雾的ETS和HSS平均值均在0.1以下，其中华南模式均在0.05以下(表略)，表现最好的为ECMWF模式在24 h起报场的锋面雾预报中，采用邻域法取值的ETS为0.05，HSS为0.1(表3)。有无大雾的预报结果更不理想(表略)。

表3 ECMWF模式雾的有无预报检验指标结果(区域平均)Tab.3 ECMWF’s test indexesof fog forecast (area mean)

鉴于雾/大雾的有无预报结果不理想，将检验条件进一步放宽为检验5级以下(含5级)的有无轻雾的检验。

表4 ECMWF模式轻雾的有无预报检验指标结果(区域平均)Tab.4 ECMWF’s test indexesof light fog forecast(area mean)

轻雾的有无预报技巧明显高于雾的有无检验结果，尤其锋面雾的邻域法预报值更接近实况，ECMWF模式的区域平均ETS为0.3，HSS达到了0.4以上，可见ECMWF模式在锋面雾过程中，对轻雾以下的预报有一定参考性。华南模式的检验结果仍较差，其在贵州山区的锋面雾、辐射雾过程中，预报能力都很弱。

从辐射雾过程的雾和轻雾有无的区域平均BIAS来看，BIAS分别在0.2和0.5以下，对辐射雾的预报不足尤为明显，其他预报指标会表现也都不理想。相对而言，模式对锋面雾这种天气系统相关的天气现象有较好的预报能力，而对更多涉及到微物理过程的辐射雾则存在明显的预报缺陷，由于预报性能差，以下讨论不再对辐射雾过程展开。

为了客观反映低能见度落区的预报性能，在锋面雾过程中，将表现较优的ECMWF模式对各站点的HSS检验结果(ETS和HSS结果近似)展开讨论；针对二元预报的确定样本太少，会导致检验结果不够客观，因此剔除实况有雾/有轻雾样本小于5的站点。

图5可见在锋面雾过程中，ECMWF模式各时次、方法在锋面雾较多的西部高原地区都有一定的预报能力，但在锋面雾较多的中部一带预报效果均不理想。尤其24 h邻域预报场在不仅在西部地区预报效果较好，在东部地区出有较高的HSS区域；但其在效果较好的西部对BIAS求取平均值为1.48，为各类预报场中最高，有过度预报的倾向。36 h的效果与24 h预报场的预报效果差别很大，并且BIAS反映出明显的预报不足。

图6可见在锋面雾过程中，ECMWF模式对轻雾在贵州西部都有一定的预报能力，与雾的有无HSS相比略高或相当；在贵州省的东部区域轻雾有无的HSS大大高于雾的有无，且插值法表现略好；但在中部一带HSS仍较低。对应两个起报时次的邻域预报场中，所有站点平均BIAS接近于1，预报频数更接近实况场。

总体来说，ECMWF模式预报在锋面雾过程中有一定的参考性，尤其在贵州西部高原地区；东部的轻雾有无预报有参考性；但各时次各方法预报场在贵州中部地区的预报效果都不好，是实际业务中需要人工订正的重点区域。

a.24 h插值法预报场 b.36 h插值法预报场

c.24 h邻域法预报场 d.36 h邻域法预报场图5 ECMWF模式锋面雾过程中雾的有无HSS评分Fig.5 ECMWF’s HSS indexof fog forecast in frontal fog

a.24 h插值法预报场 b.36 g插值法预报场

c.24 h邻域法预报场 d.36 h邻域法预报场图6 ECMWF模式锋面雾过程中轻雾的有无HSS评分Fig.6 ECMWF’s HSS indexof light fog forecast in frontal fog

4 结论与讨论

本文通过定义低能见度过程，提取2016年秋冬季的贵州山区典型低能见度过程，并进行辐射雾和锋面雾的分类，以过程期间的气象站观测能见度数据作为检验场，对ECMWF全球数值模式和华南中尺度数值模式的能见度预报采取插值、邻域两种方式提取预报场，进行点对点的经典检验方法。采用H(命中率)、BIAS(预报偏差)、HSS(广义技巧评分)和ETS(公平技巧评分)作为预报技巧指标，检验结果如下：

①能见度预报等级正确率及接近正确率反应出邻域取值优于插值取值，辐射雾过程的预报效果明显差于锋面雾过程，华南中尺度模式明显低于ECMWF模式；但等级正确率及接近正确率有很大比例集中在高能见度区间，而非灾害性的低能见度区间。

②在各个过程中各模式有无雾的ETS和HSS区域平均值均在0.1以下，轻雾的有无预报技巧明显高于雾的有无检验结果，尤其ECMWF模式对锋面雾过程中轻雾的预报有一定参考性，但对辐射雾的预报不足尤为明显。

③ECMWF模式预报锋面雾过程中，在贵州西部高原有雾的预报能力，在东部对轻雾的预报有参考性；但各时次各方法预报场在贵州中部地区的预报效果都不好。

虽然针对典型低能见度过程的检验更有针对性，但使样本量受到了局限。通过增加样本量开展深入研究能使检验结果更为细致客观，但就本文针对典型过程的研究已反映出数值模式对灾害性低能见度天气的预报效果非常有限。对于辐射雾而言，其以夜间大气边界层底层辐射冷却为主要特征，湍流和辐射过程具有很大的不确定性，只有更好地对这些关键过程进行更深入的基础研究，并在精细化数值预报模式中进行物理参数化，才能提高辐雾的预报性能。对华南中尺度模式来说也有贵州处于模式范围边界，以及云贵高原山区复杂地形和天气系统的原因。建议业务应用时对系统性漏报或预报不足的辐射雾天气、区域进行重点订正，并需要研发更多的预报方式来弥补客观数值模式产品的不足。