一次梅汛期极端降雨过程雨带位置模式预报性能对比分析

马杰 尹姗 金荣花 李勇 任宏昌 梅双丽

1 国家气象中心，北京 100081

2 中国气象局—河海大学水文气象研究联合实验室，北京 100081

1 引言

众所周知，随着数值预报模式性能和分辨率的不断提升，现代天气预报越来越依赖数值模式的输出结果。目前，欧洲中期天气预报中心（European Centre for Medium Range Weather Forecasting，简称ECMWF）和美国环境预报中心（National Centers for Environmental Prediction，简称NCEP）的全球确定性和集合预报模式是最先进的两个主流业务模式。前者的确定性预报时效有240小时，水平分辨率0.1°（约10公里）。后者预报时效16天，前10天分辨率13公里，11～16天时效分辨率34公里。2019年开始二者均实现了每日发布4次预报产品（金荣花等, 2019）。当前在我国国家级和省级业务预报台站中，二者应用非常广泛（李泽椿等, 2014; 薛谌彬等, 2019）。因此，分析总结其预报能力，尤其针对重大强降雨过程的检验评估，无疑将有助于提升未来预报准确率，对防灾减灾和气象决策服务均具有十分重要的参考意义。众多业务和科研工作者围绕实际业务需求，针对数值模式检验评估也进行了大量的研究（吴志鹏等, 2014; 潘留杰等, 2014）。如公颖（2010）从雨带结构、强度和位置等方面对多个模式的定量降水效果进行了检验评估。王雨和闫之辉（2007）对比了多个检验方案对降水评估效果的影响。孙军等（2018）围绕北京地区多次弱降水过程，利用多个业务数值模式分析了预报偏差及可能原因。

暴雨及其造成的洪涝灾害是我国主要自然灾害之一。每年6月初到7月间的江淮梅汛期，是我国防汛关键时段，暴雨频繁、降水量大，雨日集中（Tao and Chen, 1987; 张德二和王宝贯, 1990; 魏凤英和张京江, 2004; 王遵娅和丁一汇, 2008; 李勇等,2017）。据统计，江淮梅雨降水占到了夏季总降雨量的45%左右。研究表明，梅雨雨带在30°N附近通常呈准纬向的分布，并具有狭长的带状特点（徐卫国和江静, 2004; Ding and Chan, 2005; 司东等,2010），而在朝鲜半岛和日本地区雨带呈东—东北向（丁一汇等, 2007; 苏同华和薛峰, 2010）。梅汛期雨带位置的变化和停滞时间往往决定着江淮地区的降水空间分布，如当雨带偏南时，即“南涝北旱”，江淮流域会出现旱情；相反，当雨带北移时，江淮流域会出现严重洪涝（陈丽娟等, 2019）。因此，准确预报梅雨雨带的位置在业务预报中具有重要意义。

2016年6月30日至7月4日，出现了当年入汛以来最强的降雨过程。自西南地区东部至长江中下游地区连续数日普降大到暴雨。以武汉为例，持续5天的强降雨，使得累计降雨量达到了560.5毫米，造成严重的人员伤亡和经济损失。此次降雨过程受到了国务院防汛部门以及气象部门的高度重视，然而多个业务数值模式，包括ECMWF和NCEP模式，对主雨带位置和降雨强度的预报，在中短期时效均出现了明显偏差。ECMWF连续多日的确定性和集合预报，持续稳定表明主雨带的中心将位于江淮至黄淮一带，而NCEP模式预报却指出雨带位置将位于长江以南地区。什么原因造成了两家模式出现如此明显的差异？本文将在对比分析两家模式性能差异基础上，分析造成这一现象的原因，以期为未来梅汛期降雨预报提供参考。

2 数据和方法

2.1 数据

本文采用了2016年6月24～29日20:00（北京时，下同）起报的ECMWF和NCEP模式的集合和确定性预报资料。集合预报数据来自于THORPEX计划的TIGGE数据集（Bougeault et al.,2010）。前者每个预报时次对应51个预报成员，后者成员数为21个。变量包括分辨率为2°的500 hPa位势高度场，1°的850 hPa风场以及0.5°的降雨场。时间分辨率为12小时，预报时长360小时。此外，还选取ECMWF确定性模式的500 hPa高度场和850 hPa风场的初始场作为分析场，来揭示降雨过程期间环流形势演变特征。实况降雨采用了中国气象局国家气象信息中心提供的2016年6月30日至7月4日2472个台站的逐日降雨资料，这里日降水量指的是08:00至第二天08:00的24小时累计降雨量。

2.2 方法

为定量表征雨带位置，本文定义了一种雨带位置指数。具体计算方法为：（1）计算110°～120°E降雨量的纬向平均值；（2）选取25°～35°N范围内降雨量纬向平均极大值所在的纬度作为整体雨带位置（Yin et al., 2019）。由于ECMWF（NCEP）集合预报每个时次对应51（21）个预报成员，每个成员均能计算得到一个雨带位置值，因而所有预报成员就组成了一个雨带位置序列，即位置指数。此外，为便于和预报资料比较，本文还将站点降雨观测资料利用插值方法，插值到了0.5°×0.5°网格上。基于上述雨带位置的定义，计算得到2016年6月30日至7月4日降雨过程的实况雨带位置为31.5°N。

2.3 环流演变特征

由图1可见，2016年6月29日至7月4日降雨过程期间，在500 hPa高度层上的西太平洋副热带高压（简称副高）位置较为稳定少动，代表副高的588位势什米线持续分布于江南、华南一带。而在中高纬度地区，不断有西风槽自西向东传播，其与东北冷涡相互配合，引导冷空气分裂南下。在850 hPa层，西南季风沿副高西北侧不断将暖湿空气向北输送，与北方持续南下的偏北气流交汇形成一稳定切变线，并维持在沿长江一线，使得强降雨不断产生，最终造成了长江中下游的强降雨过程。

图1 （a-f）2016年6月29日至7月4日20:00 500 hPa高度场（等值线，单位：dagpm）和850 hPa风场（风矢量，单位：m s-1）分布Fig. 1 Distribution of 500-hPa geopotential height field (isolines, units: dagpm) and 850-hPa wind field (vectors, units: m s-1) at 2000 BJT (Beijing time) from (a-f) June 29 to July 4, 2016

图2为此次降雨过程期间的逐日降水量分布。由图可见，主雨带位于江汉、江淮及江南北部一带，其中沿长江地区出现了大到暴雨，部分地区大暴雨。不难发现，强降雨中心虽然缓慢东移，但主雨带位置在南北方向较为稳定，造成了多地连续出现了强降雨天气，如武汉，在这次降水过程中连续4天出现了大到暴雨，引发了城市内涝等灾害。

图2 （a-d）2016年7月1～4日逐日降水量（填色，单位：mm）分布及对应纬向平均值（右侧红色实线，单位：mm；图中最右侧标注出了纬向平均极大值的位置）Fig. 2 Daily precipitation (shaded; units: mm) and the zonal mean precipitation (red line, units: mm; the postion of zonal mean maximum precipitation is marked on the right ordinate) from (a-d) July 1 to July 4, 2016

3 模式预报性能分析

3.1 确定性模式

2016年梅汛期从6月18日开始，截止于7月16日，前后共持续了29天。图3给出了整个梅汛期中期预报时效的主雨带位置预报性能（为更清楚地展现平均差异，该图使用了9点平滑处理）。由图可见，ECMWF模式预报的雨带位置呈现出稳定偏北的特征（周宁芳等, 2018），而NCEP模式则表现出偏北、偏南误差交替出现（图3）。即前者误差较为稳定，这一特征在业务预报中也有利于预报员根据前期模式误差进行下一时刻的订正；而后者则无规律可言。此外，图3还揭示出随着预报时效临近，ECMWF模式预报误差不断缩小，雨带位置不断接近实况。而NCEP模式在某些时段（如6月30日至7月4日）反而随预报时效临近误差呈扩大趋势。

图3 梅汛期主雨带位置的实况观测结果和（a）ECMWF模式、（b）NCEP模式不同时效预报结果的对比Fig. 3 Observed and forecasted positions of (a) ECMWF and (b) NCEP model of rain bands at different leading time in Meiyu period

对于6月30日至7月4日极端降雨过程，图4进一步分析了不同预报时效的110°～120°E纬向平均的降雨量分布，从中可以看到降雨强度及雨带位置的预报性能变化特征。由图4a同样可见，预报时效越长，ECMWF模式预报雨带位置越偏北、雨强越弱。6月24日（提前时效144小时）预报的主雨带位置北界达到了34°N附近，即强降雨涵盖了黄淮地区，较实况的长江沿岸（31.5°N）偏北了2～3个纬距。之后随着预报时效临近，雨带位置虽不断向南调整，但直至临近的24小时时效（29日的预报），雨带位置依然偏北了1个纬距。一方面说明ECMWF模式对此次降雨过程的可预报性较低，另一方面揭示出讨论此次降雨过程误差的产生，将有助于解释整个梅汛期内模式预报性能较低原因。对比而言，NCEP模式预报的主雨带位置（图4b）误差更小。6月24日给出预报，雨带在经向上的分布虽较宽，但位置却较ECMWF偏南，更接近于实况。自26日后，预报的雨带位置更是持续位于30°N附近。而对降雨强度的预报，NCEP模式虽依然较实况偏弱，但却较ECMWF偏强，且27日后强度较为稳定。综上所述，针对此次降雨过程的雨带位置和降雨强度的确定性预报，NCEP模式优于ECMWF模式。

图4 不同时刻预报的纬向平均（110°～120°E）的2016年6月30日至7月4日累计降水量（单位：mm，阴影）分布：（a）ECMWF模式结果；（b）NCEP模式结果。横坐标为不同起报日期（从左到右对应2016年6月24日20:00至29日20:00）以及实况（最右侧）Fig. 4 Zonal average (110°-120°E) of the accumulated precipitation from June 30 to July 4, 2016, forecasted by (a) the ECMWF model and (b) the NCEP model initialized at different time. The x-axis represents consecutive runs from 2000 BJT 24 to 2000 BJT 29 June 2016 and the observed zonal mean precipitation totals in the right edge

3.2 集合模式

图5a-b分别为ECMWF和NCEP模式给出的集合平均的6月30日至7月4日过程累计降雨量水平分布。比较发现二者差异明显。首先，ECMWF模式的雨带位置较NCEP（图5b）和实况（图5c）均显著偏北，尤其在115°E以东地区，大于100 mm的雨区位于黄淮地区，雨区北界更是伸展到了沿黄河沿岸。而NCEP模式的雨区偏南，雨带位于江淮地区。二者预报结果相差了2～3个纬距。若与实况观测（图5c）相比，最大偏差更是达到了4个纬距左右。其次，由图5c的实况观测可见，沿长江中下游地区的累计降水量超过了250 mm，然而两模式的集合平均强度均明显偏弱。最后，从雨带水平分布特征看，ECMWF模式的雨带更为紧凑，其经向范围更小。同图4一样，集合平均的结果表明了NCEP模式更接近于实况。

图5 2016年6月29日20:00起报的（a）ECMWF和（b）NCEP模式集合平均的6月30日至7月4日过程累计降雨量分布与（c）过程累计降雨量实况Fig. 5 Accumulated precipitation forecasted by (a) the ECMWF model, (b) the NCEP model initialized at 2000 BJT June 29, and (c) the observations from June 30 to July 4, 2016

图6a为ECMWF模式的51个集合成员预报此次降水过程的雨带位置。由图可见，大部分成员给出的雨带位置较实况依然明显偏北，只有个别成员偏南。与之相反，NCEP模式的绝大部分集合成员预报的雨带则偏南（图6b）。

在图6a的基础上，本文对雨带位置指数进行了标准化和排序，选取大于两个标准差的成员作为偏差组；小于0.24个标准差的成员作为准确组。二者分别涵盖了15个成员，准确组为14、38、39、51、4、5、7、12、15、20、27、28、29、43、48，偏差组对应11、24、36、40、41、42、44、47、49、2、13、18、22、32和37号成员。每日最准确成员与图6中整体降雨过程的准确成员是不固定的。进一步分析了两组成员的逐日演变差异（图7a）。不难看到，在逐日变化中ECMWF模式预报的雨带位置在大多数时段依然表现为偏北误差。而对于NCEP模式，图7b表明其预报的雨带位置在31°N附近摆动。后者与实况观测（图2）的雨带位置更为一致。此外，在降雨过程的大多数时段ECMWF模式的偏差组预报的雨带位置较准确组偏北，且最大偏差出现在7月1～2日，说明ECMWF对整个降雨过程的预报误差主要来源于这两日（图7a）。而NCEP模式两组成员之间的差异不稳定，7月1日偏差组预报的雨带位置偏北，而在7月2日和4日则以偏南误差为主（图7b）。不难看出，图7与图3均揭示出ECMWF模式对雨带位置的预报呈持续稳定的偏北。而NCEP模式误差不稳定，呈现偏北、偏南交替出现。

图6 2016年6月29日20:00起报的（a）ECMWF模式51个成员和（b）NCEP模式21个成员集合预报的此次降雨过程的雨带位置序列Fig. 6 Rain belt location serials of this precipitation event forecasted by (a) 51 members of the ECMWF model and (b) 21 members of the NCEP model initialized at 2000 BJT June 29, 2016

图8为两组成员在7月1日的降水量水平分布。由图8b可见，ECMWF偏差组的主雨带沿黄河下游分布，而准确组主雨带分布于江淮地区（图8a），二者雨带位置相差了2～3个纬距（200～300 km）。此外，偏差组降雨强度更大，图8b中显示出成片降雨强度超过100 mm的大暴雨区。NCEP模式两组成员的雨带位置差异较小（图8c-d）。同样，它的偏差组降雨较准确组更强。由此，两集合模式均表明当预报成员给出的雨带位置预报越偏北，对应的降雨强度将更大。

图8 2016年7月1日（a、b）ECMWF模式和（c、d）NCEP模式准确组（左列）与偏差组（右列）成员模拟的降雨量分布。起报时间为6月29日20:00Fig. 8 Precipitation on July 1, 2016 forecasted by (a, b) the ECMWF model and (c, d) the NCEP model initialized at 2000 BJT June 29, 2016:(a, c) Correct group, (b, d) error group

在7月2日两个模式的预报误差刚好相反，ECMWF模式偏北，而NCEP模式偏南（图7b）。图9分别显示了7月2日两个模式的准确组和偏差组降雨量水平分布。由图可见，相较7月1日，两个模式均揭示出了雨带将缓慢南移趋势。同样，ECMWF模式的偏差组雨强较准确组略偏大（图9ab）。而NCEP模式则表明，当雨带偏南时降雨偏弱。

图7 2016年6月29日20:00起报的（a）ECMWF模式和（b）NCEP模式准确组（点线）、偏差组（短虚线）成员及实况观测（实线）的雨带位置逐日变化Fig. 7 Daily rain belt location variation in the correct group (dotted line), error group (dashed line), and observation (solid line), forecasted by (a) the ECMWF model and (b) the NCEP model initialized at 2000 BJT June 29, 2016

图9 同图8，但为7月2日Fig. 9 Same as Fig. 8, but for July 2

综上所述，对雨带位置的预报，虽然NCEP模式总体优于ECMWF，但这是由于NCEP模式的误差呈现偏北、偏南交替出现，使得平均的位置误差较小造成的。在雨带逐日演变以及误差稳定性方面，ECMWF模式却明显好于NCEP模式，其雨带预报呈稳定偏北，且降雨强度更接近于实况。此外，两家模式的集合成员均揭示出，当预报成员预报的雨带位置偏北时，降雨强度更大，反之亦然。

4 误差原因分析

图10计算了7月1日的位置指数与多个时次500 hPa高度场之间的相关。图10d给出了7月1日的雨带位置指数与同期500 hPa位势高度场所计算的相关系数分布。由图可知，500 hPa层上的西风槽强度与降雨雨带位置关系密切。即当预报的西风槽偏强时，雨带位置偏北，反之亦然（Ma et al.,2019）。图10a-c为超前时刻的高度场与7月1日雨带位置之间的相关系数，其中图10a对应初始时刻。由图可见两组成员在青藏高原东北侧（青海到四川西部）的西风槽区域对应着明显负相关系数。说明初始时刻（6月29日20:00）高空槽强度的微小偏差与7月1日江淮地区降雨位置存在密切联系。之后，随着西风槽东移出青藏高原（图10b-c），西风槽明显增强（两组成员预报的西风槽区强度差异以及对应的相关系数更加明显）。当西风槽移动至江淮流域时，造成了降雨落区与强度之间的差异（图10d）。

图10 ECMWF模式预报的2016年7月1日雨带位置指数与2016年6月（a）29日20:00、（b）30日08:00、（c）30日20:00和（d）7月1日08:00 500 hPa高度场（单位：dagpm）的相关系数（填色）分布。蓝色实线（蓝色虚线）为准确组（偏差组）成员的500 hPa高度场，黑色线为两组高度差值场，起报时间为6月29日20:00Fig. 10 Lag correlation coefficients (shaded) between the rain belt location index (RBI) on July 1, 2016 and the 500-hPa geopotential height at different times forecasted by the ECMWF model: (a) 2000 BJT June 29, (b) 0800 BJT June 30, (c) 2000 BJT June 30, and (d) 0800 BJT July 1, 2016.Blue solid (dashed) lines: the 500-hPa geopotential height for the correct (error) group, black contours: difference field between the two groups.Forecast initial time: 2000 BJT 29 June

图11进一步分析了两组成员预报的850 hPa风场差异。由图11a和b可见，当ECMWF预报的西风槽偏深时，对应850 hPa层低涡强度偏强，表现为低涡东侧切变线南侧（北侧）的偏南季风（偏北风）偏强，同时切变线位置也偏北，因而造成了降雨偏强、雨区位置偏北（图8a和b）。这一结论同样存在于NCEP模式7月1日的预报中（图11c-d和图8c-d）。反之，当西风槽预报偏弱时，850 hPa层偏南季风偏弱、切变线偏南（图11ef），造成降雨偏弱、雨区偏南（图9c-d）。

图11 （a、b）ECMWF模式预报的2016年7月1日08时500 hPa高度场，以及（a）准确组和（b）偏差组850 hPa风场（黑色风矢量）分布。蓝色实线（虚线）对应准确组（偏差组）高度场，红色实线（虚线）分别为准确组（偏差组）副热带高压位置，蓝色粗实线为其东侧切变线位置，（b）中阴影为偏差组与准确组经向风速的差值，起报时间为6月29日20:00。（c、d）和（e、f）同（a、b），但分别为NCEP模式7月1日和2日的情形Fig. 11 (a, b) 500-hPa geopotential height (contour) and 850-hPa wind [black wind vector, (a) correct group, (b) error group] on July 1, 2016 forecasted by the ECMWF model initialized at 20000 BJT June 29. The solid (dashed) blue lines: geopotential height for the correct (error) group, the solid (dashed) red line: the position of subtropical high in the correct (error) group, the solid bold blue lines: the position of shear line, shadings in (b):the difference of 850-hPa meridional winds between the correct group and error group. (c) and (d) are the same as (a) and (b), but for the NCEP model on July 1. (e) and (f) are the same as (a) and (b), but for the NCEP model on July 2

综上所述，此次降雨过程中西风槽预报误差是造成长江中下游地区雨带位置出现误差的主要原因。当西风槽偏强时，对应雨带偏北、降雨强度偏强，反之亦然。具体到ECMWF模式，其西风槽强度预报持续偏强（高度场误差表现为持续的负值），对应的850 hPa层低涡强度稳定偏强、切变线位置偏北，造成了雨区位置偏北、降雨偏强。而NCEP模式，其7月1～2日预报的雨带位置呈偏北、偏南差异，源于对西风槽的预报偏强、偏弱，造成了850 hPa层切变线位置偏北、偏南以及切变线南侧季风偏强和偏弱。

5 总结和讨论

2016年6月30日至7月4日降雨是当年入汛后最强的一次极端降雨过程。在实际业务预报中，针对其雨带位置的预报，无论中期还是临近时效均出现了较明显的预报误差。为此，本文基于ECMWF和NCEP模式的确定和集合预报资料，比较二者的预报性能差异及其出现的原因。得出以下结论：

（1）针对此次降雨过程整体雨带位置的预报，虽然NCEP的确定性和集合平均结果较ECMWF更为准确。但进一步分析却表明，NCEP预报误差在逐日变化中呈现偏北、偏南交替出现，因而造成了平均的预报误差较小。而ECMWF模式无论确定性模式还是大部分集合成员，雨带预报呈现稳定偏北误差。

（2）基于集合预报成员的分组对比分析表明，当雨带位置预报偏北时，对应降雨强度偏强，反之亦然。这一结论在NCEP模式和ECMWF模式中均存在。

（3）500 hPa高度场的西风槽预报差异是造成雨带位置误差的重要原因。当西风槽预报偏强时，雨带位置偏北、降雨强度偏强。反之，当西风槽强度偏弱时，雨带位置偏南、降雨强度偏弱。NCEP模式西风槽强度预报偏强、偏弱交替出现，对应了其雨带位置偏北、偏南，而ECMWF模式西风槽预报持续偏强，造成了雨带位置的预报稳定偏北。

虽然本工作只讨论了2016年6月30日至7月4日的降雨过程，但分析中利用了ECMWF和NCEP集合模式的连续多个预报时次资料，且前者有51个成员、后者有21个成员，因此结论具有一定的代表性。ECMWF模式预报的稳定性，使得其在业务预报中更受欢迎。而NCEP模式的预报虽存在明显不稳定现象，使得基于其进行模式检评估和订正困难较大。但另一方面，其集合平均结果却明显优于ECMWF模式预报，更接近于实况观测，揭示在未来的预报实践中，还需要进一步研究和讨论二者的具体差异。此外，本工作还表明数值模式初始场上500 hPa层西风槽微小的差异在造成雨带位置和强度误差的重要作用。当其东移出青藏高原时，西风槽强度及对应的误差同时突然增强，是什么原因（如对流潜热或地形影响）造成了这一现象？除了初始场误差外，数值模式自身预报误差，对流参数化、潜热释放等因素，造成了什么样的影响，这些均有待于进一步研究。