ECMWF集合预报极端低温天气预报指数在广州的应用

2020-11-10刘霞李浩文郑嘉雯李怀宇

广东气象 2020年5期

刘霞，李浩文，郑嘉雯，李怀宇

（广州市气象台，广东广州 511040）

随着全球气候变暖，极端天气事件发生的频率越来越高，但对于天气预报而言，极端天气仍是小概率事件。虽然随着数值预报的发展，已经给天气预报提供了越来越多的技术支撑，但对于小概率极端天气事件的预报，仍存在较大的难度［1］。目前，欧洲中期天气预报中心（ECMWF）集合预报给出了极端天气预报指数产品，包含对降水、高温、低温、大风的极端预报指数，近年来，我国四川、华东等地气象部门学者已对降水极端预报指数在本地进行了检验和释用［2-4］。中央气象台也开发了基于t213、t639集合预报的极端天气预报指数［5-7］，但对于极端气温预报指数的应用评估少有报道。在华南区域，早已开展对集合预报的应用与评估［8-9］，但对于极端预报产品使用较少，因此，本研究利用2015年12月至2016年3月的低温事件，以评估欧洲集合预报中极端低温指数在广州的应用情况。

1 极端预报指数定义

根据 Lalaurette［10］定义，极端预报指数（Extreme Forecast Index，EFI）是测量某一预报要素累积概率分布函数的气候值与集合预报成员产生的预报值之间连续差异的预报指数。经过不断的更新，目前ECMWF应用的EFI定义为

其中，p是气候累积概率分布函数；Ff（p）是集合预报累积概率分布函数。

式（1）EFI有以下性质：EFI在-1和1之间取值，越接近1或-1，表示极端天气事件发生的可能性越大，越接近-1，说明预报事件越偏向于极端偏低情况，如极端低温事件；越接近1，说明预报事件越偏向于极端偏高情况，如极端强降水、极端高温和极端大风。

2 数据来源

本研究使用的数据包括：广州市5个国家站点（花都、从化、广州、增城、番禺）（1）1960—2017年逐日极端最低气温数据，用以分析广州市极端低温天气的时空分布特征；（2）2015年11月—2016年3月ECMWF 08：00（北京时，下同）起报极端低温天气预报指数，用以评估其在广州的应用效果。另外，本研究中将日最低气温≤5℃的天气定义为一次极端低温事件。

3 广州极端低温天气事件时空分布特征

1960—2017年期间，花都、从化、广州、增城、番禺5个站点的低温事件概率分别为1.6%、3.9%、1.7%、1.9%、1.2%，低温事件最多的一年5个站点分别达到18次（1974年）、35次（2008年）、20次（1967年）、22次（1963年）和15次（1975年）。这些低温事件主要出现在每年的11月至次年的3月，高峰期是1月，其次是12和2月，历史上极端最低气温分别为0.4℃（1967年）、-2.9℃（2009年）、0℃（1999年）、-1.9℃（1963年）、-0.4℃（1967年）。

在年际趋势变化上，整个广州区域呈现一个线性下降的趋势，而极端低温值总体是呈一个上升的趋势，如此趋势变化与IPCC（政府间气候变化专门委员会）第5次评估报告指出的“在未来变暖背景下极端暧事件将进一步增多，极端冷事件将进一步减少”的结论［11］相一致。但在空间上，各个站点又有所差别（图1），虽然从整体上看5个站点的低温事件均呈现线性下降的趋势，但每个站点下降的速率不同，西部的花都、番禺下降相较中部的广州、东部的从化、增城都较明显，东北角的从化下降趋势最缓慢。另外，低温事件在出现的高频时期也不相一致，5个站点均在20世纪六七十年代有1个高值期，其次从化、广州和增城则在2008年前后至2015年出现第2个高值期。这些差异可能与站点迁移及站点观测环境有一定的关联。对于以上线性趋势变化，均经过了α=0.05的显著性检验。

在空间上，极端低温事件有着从北到南，从东向西递减的分布特征，东北角的从化的低温事件明显高于其它几个区，年均有14.1 d，是位居第2名的东部的增城的2倍（7.2 d），第3是中部地区广州中心城区，年均6.4 d，西北角的花都与中部地区的广州中心城区相差不大，年均5.9 d，最少的是南部的番禺区，年均4.4 d。这主要是与广州地势东北高、西南低的特征有关，其次与冷空气影响路径及强度也相关。

图1 花都（a）、从化（b）、广州（c）、增城（d）、番禺（e）5个站点低温事件逐年变化特征

4 极端低温天气预报指数在广州的应用评估

由第3章分析可知，低温事件主要发生在每年的11月至次年3月，因此本研究选取2015年11月至2016年3月份的低温数据以及ECWMF集合预报中极端低温预报指数数据，以评估该指数在广州的应用情况。因为低温一般出现在凌晨至早晨时间段，对于前一天预报员所能参考到的最近的资料只能是前一天08：00起报的数值模式产品，因此，研究中选用08：00起报的极端低温预报指数产品。

2015年11月至2016年3月份，花都、从化、广州、增城、番禺5个站点的低温事件样本数分别为5、11、10、7和 5（表 1），其极端低温 EFI值分布如图2，根据EFI自身性质，越接近-1，极端冷事件的发生可能性越高，从图2中也可以看出低温事件的EFI值多数分布在-0.2以下，其中-0.8、-0.7、-0.5和-0.2出现的频率最大，因此选取以上4个值分别对花都、从化、广州、增城、番禺进行TS评分，详见表3。

表1 2015年冬半年低温及08：00起报EFI指数

图2 2015年冬半年低温事件时EFI指数分布

TS评分方案如下：在每个站点上考虑极端低高温、低温事件发生或不发生两种状态。检验结果为预报正确（h、c）、预报错误（f）和漏报（m），因此，TS=h/（h+m+f），用双态分类列联表来显示，见表2。

表2 双态分类列联表

在表3中可以发现，花都、从化、广州、增城、番禺5个站点最大的TS值分别为0.116、0.154、0.217、0.154、0.119，对应的 EFI值分别为 -0.2、-0.7、-0.5、-0.7和 -0.2，因此选取花都、番禺站点的EFI极端低温阈值为-0.2，从化、增城站点的EFI极端低温阈值为-0.7，广州站点的EFI极端低温阈值为-0.5。

表3 五个站点的低温事件在4个EFI值的TS评分

在2018年12月31日，从化、广州、花都分别出现了≤5℃的极端低温天气，对于该次过程，ECMWF集合预报低温极端预报指数产品在2018年12月25日08：00起报的3个站点的EFI值就分别为-0.7、-0.5和-0.3，且25日至30日08：00起报极端低温EFI值均低于阈值，准确预报出2018年12月31日从化、广州、花都3个站点将出现低温事件，为预报员在该次低温事件过程中判定提供了坚定的决策支撑。