ECMWF 细网格模式探空在阿勒泰地区短时强降水预报中的统计检验

李博渊 ，赵江伟 ，庄晓翠 *

（1.中亚大气科学研究中心，新疆 乌鲁木齐830002；2.阿勒泰地区气象局，新疆 阿勒泰836500）

Micaps 平台的模式探空模块提供了T-logP 图及其关键环境参数（对流参数），从而为强对流潜势预报提供了较丰富的客观预报产品。ECMWF 细网格模式（简称EC 细网格）时空分辨率高，为制作模式探空提供了较精细的产品，也为强对流潜势预报提供了参考依据。然而，由于诸多原因，数值模式的运行还不稳定，数值预报与初始场还不吻合，存在一定的误差。因此，了解模式探空性能，开展其关键环境参数的数值预报产品检验非常必要。

近年来，许多气象工作者针对EC 细网格数值预报产品在温度和降水方面开展了大量的数值预报检验工作[1-12]。李健丽等[13]对EC 细网格数值预报产品在新疆北部降雪天气的环流形势及其水汽条件和动力条件的预报能力进行了统计学检验；万瑜等[14]、贾健等[15]对EC 细网格预报产品在乌鲁木齐东南大风和其他气象要素预报中的能力也进行了检验；另外，徐同等[16]对SMS-WARMS V2.0 模式对中国西南地区降水预报能力进行检验；董全等[17]对EC 集合预报的极端天气预报产品的应用进行了检验；贾丽红等[18]对EC 集合预报的极端天气指数在新疆强降水预报中性能进行了检验；庞玥等[19]对EC 集合降水预报产品在重庆降水预报中的性能进行了检验评估；戴翼等[20]对EC 细网格运用一元线性回归以及克里金插值，发展了北京地区智能网格温度客观预报方法，并对其进行了检验评估；徐姝等[21]用改进的EC集合预报融合产品（EC 集合）对海河流域的夏季降水检验表明，对于36 h（60 h 和84 h）预报时效，与国家气象中心下发的产品相比，5 个降水量级的TS评分上均有一定程度提高，降低了暴雨以下量级降水的漏报率，同时消除了大暴雨的虚报区。以上主要针对EC 细网格和EC 集成预报及区域中尺度数值预报产品的温度、降水及强降雪天气的环流形势、水汽和动力条件进行了统计学和天气学检验，从而为预报业务工作提供了较详细的参考依据，但利用其制作强对流潜势预报参考价值较小，要提高强对流潜势预报预警水平难度较大，因此，开展EC 细网格模式探空及其对流参数的检验具有重要的意义。

1 资料和方法

1.1 短时强降水的标准及资料

目前，中央气象台和中国中东部地区气象部门均将1 h 降水量≥20 mm 的降水记为短时强降水。根据多年的预报服务实践、暴雨洪水成灾事实和干旱半干旱地区暴雨特点，新疆气象部门将该标准调整为1 h 降水量≥10 mm。为了与实际业务保持一致，本文将短时强降水过程定义为：（1）1 h 内相邻（在 200 km 以内）2 个以上测站雨强均≥10 mm·h-1；（2）同一测站连续 2 h 以上雨强≥10 mm·h-1；（3）满足上述条件之一，定义为一次短时强降水过程。

采用经过新疆气象信息中心筛选、整理、检测，并剔除不完整及错误资料，严格实现了数据质量控制的2013—2018 年5—9 月（简称暖季）阿勒泰地区8 个国家基本气象站和104 个区域自动站共112 个站点（图1，该图所涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1552 号的标准地图制作，底图无修改）逐时降水资料，按上述标准筛选出短时强降水过程共36次。

图1 阿勒泰地区国家站和区域自动站共112 个站点分布

运用Micaps4 提供的模式探空功能，计算EC细网格模式探空T-logP 图及其常用对流参数（探空物理量），对该模式在阿勒泰地区短时强降水过程潜势预报中的性能进行检验；对EC 细网格起报时间为 08：00 和 20：00（BT，下同）的预报产品进行检验，检验预报时效为 12 h、24 h、36 h、48 h、60 h、72 h 的模式探空T-logP 图及其对流参数进行统计检验。

1.2 检验方法

对模式探空物理量采用定量检验（统计检验），即采用世界气象组织（WMO）推荐的数值预报检验标准化方案之一[22]，也就是预报资料对客观资料的检验，用客观分析资料为实况，针对08：00 和20：00起报的模式产品，分别对上述预报时效的对流参数进行检验。参考庄晓翠等[23]的统计检验方法，选用平均误差ME、均方根误差RMSE、平均绝对误差MAE、相关系数R[24-25]4 种统计量对EC 细网格模式探空物理量在阿勒泰地区短时强降水潜势预报中的性能进行统计检验。根据有关文献[25]可知，平均误差、平均绝对误差、均方根误差分别在±1.5 个单位内、＜3、＜4.5 个单位为较小，反之较大；相关系数为＞0.60 时（通过α=0.001 显著性水平检验），模式具有一定的参考价值。反之，相关性较小，基本无参考价值。对T-logP 图采用定性检验，即模式预报资料计算的T-logP（简称预报T-logP）与客观场计算的T-logP（简称实况T-logP）的正能量区、温湿廓线没有显著的差别，为一致；预报T-logP 正能量区＞实况T-logP 为偏大；反之，为偏小。

2 检验结果分析

强对流（包括短时强降水）的发生需要大气不稳定、充足的水汽和动力抬升3 个基本条件，因此，对EC 细网格这些参数的预报检验在预报业务中具有重要的意义。有关强对流的抬升机制和水汽条件在相关的文章中已进行检验[26]，本文主要根据在强对流潜势预报中具有重要指示意义的T-logP 图及其对流参数进行统计检验。描述大气稳定度的参数主要有2 大类：与温度垂直分布相关的基本概念就是“热力稳定度”或“层结稳定度”，与流场水平分布和垂直分布相关的概念就是“动力稳定度”，因此本文主要对这两大类关键对流参数进行检验。

2.1 T-logP 图形态检验

由表1 可知，12~24 h 预报时效内EC 细网格模式探空T-logP 预报与实况基本一致，一致性为100%、92%，在强对流潜势预报中具有较高的参考

价值；36 h 和48 h 预报时效一致性为83%、72%，也具有一定的参考价值；60~72 h 的预报一致性≤61%，在业务应用中要注意订正运用。影响其一致性的主要原因是预报的T-logP 比实况偏小，其偏小的程度随预报时效的延长而增大。由此可见，EC 细网格T-logP 图48 h 预报时效内具有较高的参考价值，尤其是24 h 预报时效内一致性达92%以上，在阿勒泰地区暖季强对流潜势预报中具有较高的参考价值。

表1 EC 细网格模式探空T-logP 图形态随时效演变 次

2.2 热力稳定度参数

由于阿勒泰地区位于中高纬度，暖季昼长夜短，白天升温迅速常在午后至傍晚产生热力强对流天气引发短时强降水[27]，因此EC 细网格对热力稳定度参数的预报是否准确，直接关系到对流潜势预报的准确性，故本节首先对常用热力不稳定参数A 指数、K指数、沙氏指数（SI）、总指数（TT）及干暖盖指数进行统计检验。由图2 可知，EC 细网格对A 指数的平均、平均绝对及均方根误差均较大，其它4 种指数较小。就平均误差而言（图2a），A 指数只有12 h 预报时效较小，为-1.0 ℃，其他时次较大，参考价值较小；K 指数、沙氏指数（SI）、总指数（TT）及干暖盖指数在72 h 预报时效内在-0.88～0.44 ℃，误差较小；沙氏指数平均误差为正值，说明模式预报高于实况，存在系统性的正误差；K 指数、总指数、干暖盖指数平均误差均为负值，说明模式预报低于实况，存在系统性的负误差；这4 种指数72 h 预报时效内随时效的延长变化较小。K 指数、沙氏指数（SI）、总指数（TT）及干暖盖指数平均绝对误差和均方根误差72 h 预报时效内分别小于1.74 ℃和2.54 ℃，随预报时效的延长变化也较小（图2b，2c）。72 h 预报时效内热力不稳定指数预报与实况的相关系数只有总指数、干暖盖指数＞0.73；沙氏指数60 h 预报时效内相关系数＞0.64；A 指数 36 h 内相关系数＞0.60，K 指数只有24 h 预报时效内相关系数＞0.70（图 2d）。说明 EC 细网格对热力稳定度参数的预报，72 h 预报时效内总指数、干暖盖指数的精准度相对较高，误差较小（＜2.0 ℃）；60 h 和 24 h 预报时效内沙氏指数和 K指数的3 种误差均较小（＜1.5 ℃），相关系数＞0.60和0.70；4 种指数的误差随时效延长变化均较小；在预报业务中具有较高的参考价值。

图2 EC 细网格对暖季热力不稳定参数A指数、K 指数、沙氏指数、总指数、干暖盖指数预报的平均误差、平均绝对误差和均方根误差、相关系数随时效的演变

另外，在预报业务中还有850 hPa 与500 hPa温差、700 hPa 与850 hPa 假相当位温差、对流温度、最大抬升指数及抬升指数等热力稳定度指数对强对流天气也具有重要的指示意义。下面对EC 细网格对这些不稳定参数的预报性能进行检验评估。

由图3 可知，EC 细网格对短时强降水的700 hPa 与 850 hPa 假相当位温差、850 hPa 与 500 hPa温度差、对流温度、最大抬升指数、抬升指数预报的平均、平均绝对误差均较小，但均方根误差850 hPa与500 hPa 温度差48 h 之后较大外，其余热力指数也较小。就平均误差而言，5 种参数的绝对值在72 h预报时效内均＜1.4 ℃；850 hPa 与 500 hPa 温度差和对流温度随时效的延长而增加，最大抬升指数变化较小；700 hPa 与850 hPa 假相当位温差和抬升指数的平均误差36 h 预报时效内随时效延长略有增大，之后，前者的误差减小，后者60~72 h 又增大。但总体来说，72 h 预报时效内平均误差的绝对值＜1.5 ℃（图3a）。700 hPa 与850 hPa 假相当位温差、对流温度、抬升指数平均误差为正值（图3a），说明模式预报高于实况，存在系统性正误差；850 hPa 与500 hPa 温度差、最大抬升指数平均误差基本为负值（图3a），说明模式预报低于实况，存在系统负误差。平均绝对误差 72 h 预报时效内＜2.0 ℃，850 hPa 与 500 hPa 温度差72 h 预报时效内随时效的延长而增大，700 hPa 与850 hPa 假相当位温差、对流温度和抬升指数36 h 预报时效内随时效的延长而增大，之后减小，60~72 h 增大；最大抬升指数48 h 预报时效内随时效的延长平均绝对误差增大，之后减小，72 h 又增大（图3b）。850 hPa 与500 hPa 温度差的均方根误差 36 h 预报时效内误差＜1.1 ℃，之后＞4.8 ℃；700 hPa 与850 hPa 假相当位温、对流温度、最大抬升指数及抬升指数72 h 预报时效内的均方根误差均较小（＜2.7 ℃）；抬升指数和最大抬升指数72 h 预报时效内随时效的延长变化较小；700 hPa 与850 hPa 假相当位温差、对流温度36 h 预报时效内随时效的延长而增大，之后减小，60~72 h 略有增大（图3c）。另外72 h 预报时效内除700 hPa 与850 hPa 假相当位温差外，其他4 种指数的的相关系数均＞0.77，700 hPa 与850 hPa 假相当位温差的相关系数24 h 预报时效内＞0.75，24 h 之后均较小（＜0.6）（图 3d）。综上可知，EC 细网格36 h 预报时效内对850 hPa 与500 hPa 温度差、对流温度、最大抬升指数、抬升指数的预报误差较小（＜2.6 ℃），相关性较高（＞0.77），在预报业务中具有较高的参考价值，而700 hPa 与850 hPa 假相当位温差只有24 h 预报时效内误差较小（＜1.5 ℃），相关性较高（＞0.75）；5 种指数的误差随时效的延长增大，在预报业务中订正应用。

图3 EC 细网格对700 与850 hPa 假相当位温差、850 与500 hPa 温度差、对流温度、最大抬升指数、抬升指数预报的平均误差（a）、平均绝对误差（b）和均方根误差（c）、相关系数（d）随时效的演变

2.3 动力稳定度参数

在实际天气预报分析过程中，热力稳定度参数往往受到预报员的足够重视，实际上动力稳定度参数在对流的发生、发展、维持中也起到关键的作用，因此，了解EC 细网格在强对流天气动力稳定度中的预报性能，对做好强对流潜势预报同样具有非常重要的意义。

本文仅对常用的风暴相对螺旋度、垂直风切变（0~6 km）、大风指数的统计误差进行检验。就平均误差而言，72 h 预报时效内风暴相对螺旋度、垂直风切变的平均误差的绝对值＜0.12，其中大风指数的变化起伏较大，但误差绝对值＜1.4（图4a）。平均绝对误差和均方根误差24 h 预报时效内大风指数较小，分别＜2.6 和＜3.5，之后较大，且在 72 h 预报时效内随时效的延长明显的增大；垂直风切变、风暴相对螺旋度的2 种误差较小，均＜0.63，且随时效的延长误差变化较小（图4b，4c）。另外72 h 预报时效内大风指数和垂直风切变预报与实况的相关系数均＞0.75，但风暴相对螺旋度的相关系数只有48 h 预报时效内＞0.64。可见，EC 细网格72 h 预报时效内对风暴相对螺旋度、垂直风切变误差较小，随时效变化不大，但大风指数的误差随时效延长，误差增加的很明显，只有 24 h 内误差较小（＜3.5）。

EC 细网格72 h 对垂直风切变预报的误差较小（在 0.01~0.24×10-3/s 之间），相关性较高（＞0.75），风暴相对螺旋度的预报48 h 预报时效内误差较小（＜0.63），相关性较高（＞0.64），大风指数只有 24 h 预报时效内误差较小（＜3.5），相关性较高（≥0.90）；垂直风切变和风暴相对螺旋度的误差随时效变化不大，大风指数则是增加的，在对流潜势预报中注意订正运用。

3 EC 细网格在强对流潜势预报中的思路

根据上述检验结果，概括出EC 细网格在强对流潜势预报中一般的思路。EC 细网格模式探空T-logP 图48 h 预报时效内一致性较高，其一致性随时效的延长而减小。对流参数72 h 预报时效内总指数、干暖盖指数、垂直风切变的误差较小，相关系数较高；60 h 预报时效内沙氏指数、48 h 预报时效内风暴相对螺旋度和36 h 预报时效内850 hPa 与500 hPa 温度差、对流温度、最大抬升指数、抬升指数以及 24 h 预报时效内 K 指数、700 hPa 与 850 hPa 假相当位温差、大风指数等对流参数的3 种误差均较小，相关系数较高（图4）。这些对流参数的误差随预报时效的延长变化不一致，在强对流潜势预报业务注意订正运用。

4 结论与讨论

本文运用统计学检验对EC 细网格模式探空在新疆阿勒泰地区36 次短时强降水过程中的潜势预报性能进行了检验分析，初步得到以下结论：

图4 EC 细网格对风暴相对螺旋度、垂直风切变（单位：10-3/s）、大风指数预报的平均误差、平均绝对误差、均方根误差、相关系数随预报时效的演变

（1）EC 细网格 T-logP 图 48 h 预报时效内具有较高的参考价值（一致性＞72%），尤其是24 h 预报时效内一致性达92%以上，在阿勒泰地区暖季强对流潜势预报中具有较高的参考价值。

（2）EC 细网格72 h 内总指数、干暖盖指数误差较小（≤2 ℃），相关系数较高（＞0.70）；60 h 和24 h 预报时效内沙氏指数和K 指数的3 种误差均较小（＜1.5 ℃），相关系数分别＞0.60 和＞0.70；4 种指数的误差随预报时效的变化均较小，在预报业务中注意订正运用。

（3）EC 细网格36 h 预报时效内对 850 hPa 与 500 hPa 温度差、对流温度、最大抬升指数、抬升指数的预报误差较小（＜2.6℃），相关性较高（＞0.77）；700与850 hPa 假相当位温差只有24 h 预报时效内误差较小（＜1.5℃），相关性较高（＞0.75）；5 种指数的误差随时效的延长增大，在预报业务中做好各参数的误差订正应用。

（4）EC 细网格72 h 对垂直风切变预报的误差较小（在0.01~0.24×10-3/s 之间），相关性较高（＞0.75），风暴相对螺旋度的预报48 h 内误差较小（＜0.63），相关性较高（＞0.64），大风指数 24 h 预报时效内3 种误差＜3.5，相关系数≥0.90；垂直风切变和风暴相对螺旋度的误差随时效变化不大，大风指数则是增加的，在对流潜势预报中注意订正运用。

本文对EC 细网格模式探空T-logP 图及常用对流参数进行了统计误差检验，而对模式产生误差的原因缺乏探讨。当然，强对流潜势预报始终是数值模式面对的最大难题。新疆复杂地形和下垫面效应、云物理过程、对流参数化边界层风场等的预报误差，均会导致强对流潜势预报的失败。而本文检验的一些结论，为预报业务提供了一些强对流潜势分析思路，但模式产生误差的内在原因，还有待模式研发人员从强对流天气的本质入手，才能得到合理解释，进而改进模式性能。