“7?20”郑州特大暴雨的多模式对比及高分辨率区域模式预报分析

史文茹　李昕　曾明剑　张冰　王宏斌　朱科锋　诸葛小勇

摘要 7月20日郑州遭遇特大暴雨，郑州站单日降水量（552.5 mm）和1 h降水量（201.9 mm）皆打破了该站建站以来的历史纪录。本文采用地面降水观测、静止卫星观测、再分析资料和数值模式预报数据对此次过程开展了多模式预报偏差原因分析和江苏省精细化天气分析和预报系统（Precision Weather Analysis and Forecasting System，PWAFS）的极端强降水预报能力分析。主要结论：1）此次暴雨过程因副热带高压西伸与台风”烟花”加强使二者之间的东风急流加强，并叠加地形的抬升作用而引起，前者提供了大尺度水汽条件，后者提供了局部动力条件;2）欧洲中期天气预报中心（European Center for Medium-range Weather Forecasts，ECMWF）模式和美国国家环境预报中心全球预报系统（Global Forecast System，GFS）的降水落区较好，中心略偏北，但强度显著偏低。PWAFS模式预报的降水量级高于全球模式，且具有沿地形分布的特征，但存在降水位置偏西和降水范围更为孤立等问题。3）结合再分析资料和PWAFS预报，对应此次强降水区域，7月20日白天存在中低层切变发展成闭合低压系统的过程，为对流发展提供了动力条件。

关键词暴雨;天气分析;PWAFS模式;模式预报分析

中国是暴雨灾害事件频发地，暴雨引发的山洪、泥石流和城市内涝等会对人民的生命财产安全造成巨大的威胁。由于暴雨天气过程具有突发性、局地性和极端性（李泽椿等，2015），对其进行准确预报依旧存在很大难度。

罗亚丽等（2020）总结了中国近40年的暴雨研究进展，指出华北暴雨往往伴随着强对流和短时强降水（Zhang and Zhai，2011;Luo et al.，2016），南北走向的太行山脉会影响偏东气流，东西走向的燕山会影响西南气流，地形抬升作用、海陆环流、山谷风环流和城市环流都有利于中尺度涡旋、切变线和辐合线等的发展（Yin et al.，2011;Zhong et al.，2015;Zhao et al.，2020）。同时，中、低纬度天气系统的相互作用也会导致华北暴雨（孙建华等，2006;赵思雄等，2007;Orsolini et al.，2015;杨波等，2016），例如河南“75·8”特大暴雨和河北“96·8”特大暴雨，前者是由于台风与西风槽发生相互作用，后者是台风倒槽与偏东气流的相互作用（孙建华等，2006）。

近年来，数值模式的发展极大地提高了天气预报的准确率，但是它对极端暴雨和强降水的预报能力仍有较大的提升空间。数值模式既可以被应用于天气预报实时业务，也可以对已经发生的天气过程进行模拟分析。目前，数值模式（陈子通等，2010;陈敏等，2011;陈葆德等，2013;龚建东，2013）预报技巧提高的主要途径包括动力框架优化、物理过程改进（马雷鸣和鲍旭炜，2017）和资料同化（陈耀登等，2015）。对于强降水预报，模式的边界层参数化方案（张旭等，2017）、积云对流参数化方案（马雷鸣和鲍旭炜，2017）和云微物理参数化方案（沈新勇等，2015），分别对于近地面动量和热量通量交换、对流条件触发以及云和降水系统发生发展等起重要的作用。地面、探空、风廓线和GPS等资料可以改进模式大气温、压、风、湿等要素的三维结构，改进模式预报准确度（魏蕾和雷恒池，2012;曾明剑等，2014;王丹等，2020）;卫星资料可以改进大尺度形势场，帮助修正槽脊等天气系统位置（杨春等，2015;Zou et al.，2015;Wang et al.，2018;Lagasio et al.，2019）;雷达资料能提供中小尺度系统信息，优化模式动力和热力结构（Xiao et al.，2005;闵锦忠等，2007;李昕等，2016;陈耀登等，2018;Borderies et al.，2019）。常用的天气预报模式包括全球模式和区域模式。季晓东和漆梁波（2018）评估了不同分辨率的ECMWF全球模式对长三角汛期暴雨的预报能力，发现更高精度的模式拥有更好地预报效果。张宏芳等（2014）对比了ECMWF和日本高分辨率模式降水预报能力，发现ECMWF模式整体优于日本高分辨率模式。Caumont et al.（2021）分析了法国确定性预报和集合预报业务模式对法国南部一次强降水事件的预报表现，结果表明模式的强降水预报时限较短，强度偏低。姜晓曼等（2014）利用北京气象局高分辨率中尺度模式对北京“7·21”暴雨进行了分析，模式预报存在降水时间滞后，对强降水的预报能力较弱等问题。张冰等（2017）分析了江苏省区域模式PWAFS在2017年苏南一次特大暴雨中的表現，认为模式对此次特大暴雨具有一定的预报能力，但在强降水落区和降水强度方面还需改进。吕林宜等（2019）利用华东区域模式对河南“7·19”特大暴雨展开了模拟与分析，发现华东区域模式比全球模式ECMWF预报效果更好，但在降水强度和落区的模拟还存在不足。上述研究表明，数值模式对极端天气具有一定的预报能力，其中区域高分辨率模式在极端天气的预报方面更具潜在优势。

“7·20”河南特大暴雨过程从2021年7月17日开始持续近一周，受此次强降水灾害性天气过程影响，全省302人遇难，50人失踪，直接经济损失超千亿元。据中央气象台统计，此次过程中河南全省共有20个国家站日累计降水打破历史极值，7月19日08时至7月20日08时（北京时，下文中如未特殊说明，均为北京时），河南有794个测站出现100 mm以上的大暴雨，河南郑州和平顶山局地出现250～401 mm的特大暴雨，全省5个国家级气象观测站日雨量打破了有气象记录以来的极值;20日08时至21日06时，郑州城区局地降雨500～657 mm，全省共有10个国家站的日降雨量突破有气象记录以来的极值。其中郑州站7月19日20时至20日20时的单日降水量达552.5 mm，20日16—17时的单小时降雨量达201.9 mm，皆打破建站以来历史记录，且1 h降水超过了“7·58”特大暴雨中河南林庄的198.5 mm。由于7月20日郑州特大暴雨，降水范围广、雨量大，本研究将利用地面降水观测、静止卫星观测、再分析资料，结合多种模式预报数据，对此次过程开展天气过程分析，着重关注多种业务模式的降水预报表现及偏差原因分析，并以江苏PWAFS高分辨率区域模式为基础，对此次降水过程的极端性做进一步研究。

1 资料和方法

1.1 观测与模式数据

本研究的降水资料采用地面自动站逐小时降水观测，卫星资料来源于葵花8号静止卫星高级成像仪（Advanced Himawari Imager，AHI）及其云反演产品，再分析资料采用欧洲中期天气预报中心的第五代再分析资料（ThefifthgenerationECMWFreanalysis，ERA5），模式预报数据来源于全球数值预报模式和区域数值预报模式，包括欧洲中期天气预报中心ECMWF模式，美国国家环境预报中心全球预报系统GFS模式和江苏省精细化天气分析和预报系统PWAFS模式的15 km和3 km分辨率预报数据，模式信息见表1。由于7月20日的降水峰值出现在16—17时，本文采用模式7月19日08时、20时和7月20日02时起报的结果，用作对比和天气分析。

1.2 江苏PWAFS数值预报模式简介

采用的区域数值预报数据来源于江苏PWAFS业务数值预报系统，该系统基于WRF中尺度预报模式ARW-WRF V3.5.1版本，模式网格采用单向反馈的双重嵌套网格，水平分辨率为15 km和3 km。其中，15 km模式采用冷启动式，每日00时、06时、12时、18时（世界时）启动4次，预报时长为96 h;3 km预报网格采用热启动方式，由15 km的WRF预报场提供初值和边界条件，每天00时、03时、06时、09时、12时、15时、18时和21时（世界时）启动8次。模式垂直42层，模式层顶为50 hPa。

资料同化方面，PWAFS模式系统实时同化地面、高空、风廓线、多普勒雷达径向风（Li et al.，2016）和反射率、以及Suomi-NPP/CrIS红外高光谱（Li et al.，2019）、Metop-A、B/AMSU-A微波探测仪和Himawari-8/AHI红外成像仪（Li et al.，2020）等卫星数据。物理参数化设置方面，采用包括Morrison微物理方案、RRTM长波辐射方案、Goddard短波辐射方案、Monin-Obukhov近地面层方案、Noah陆面过程方案、YSU边界层方案和Kain-Fritsch积云对流方案（15 km区域无积云对流方案）。

2 天气过程

首先，通过ECMWF模式分析场的500 hPa位势高度场来分析此次过程的环流背景。图1展示了7月19日20时和20日08时500 hPa位势高度的演变，由7月19日20时至次日08时，副热带高压主体维持在30°N以北而5 880 gpm线向西延伸，西太平洋台风”烟花”在副热带高压南侧引导气流的影响下向西移动，其南北位置变化不明显。7月20日08时，台风”烟花”外围的5 860 gpm线向西扩展并与陆地等高线相连，台风”烟花”与其北侧副热带高压之间的等高线更加密集，受气压梯度影响，此时台风”烟花”和副热带高压之间的偏东风持续加强。

其次，结合2021年7月19日20时ECMWF模式分析场的925 hPa水汽通量（图2）可见，在西太平洋与我国东部之间低层呈现明显的水汽通道，它沿着台风北侧和副热带高压南侧之间的东风急流，将水汽向河南省输送。同时，由图中灰色阴影表示的地形可见，偏东气流在河南西部遇到太行山脉及伏牛山等地形被抬升，触发上升运动，这也是强降水中心能够长时间维持在此处的原因之一。

图3给出了7月20日10、13、16时葵花8号静止卫星的RGB（Red-Green-Blue）合成分析，云分类图和云光学厚度反演产品图（Zhuge et al.，2020），图中红色方框标记了郑州所在位置。结合三组图，10时，河南中部和北部已广泛分布着对流云系，它主要由厚冰云和多层云组成，上冲云顶较分散且面积较小，此时的对流云系主要分布在河南北部;由于充沛的水汽条件和地形抬升作用，经过3 h的发展，对流云系的分布更加紧凑集中于郑州及其附近地区，云分类图中上冲云顶的面积发生显著增加，表明此时该处的对流发展非常旺盛，同时，光学厚度反演数据显示在13时云系明显增厚，意味着此处将伴随较强的降水;16时，河南北部对流云系的厚度减小，

由上冲云顶面积减小推测这可能是因为对流云系发生了上冲云顶崩塌，造成强风和短时强降水，郑州正好位于上冲云顶的下方，这一现象对应了郑州站16—17时单小时出现极端降水，另外，16时对流云系发生分裂，河南南部出现了沿地形分布的分散性对流云体。

通过分析静止卫星数据和多模式数据可知，此次过程中是副热带高压、台风、低空急流等多尺度系统的共同作用，导致了持续的水汽输送，叠加河南西高东低的地势，为此次强降水过程提供了重要的背景条件。

3 多模式降水预报结果比较

3.1 实况降水

由图4中7月20日08—20时的累积实况降水可知，此次降水主体分布在河南中北部和西部山地的东侧，其30 mm以上强降水落区范围广，在东西方向延伸200 km，南北方向延伸200 km，且有多个降水强度大于140 mm的强降水中心分布在降水主体的中心位置，其中面积最大的主降水中心几乎覆盖了整个郑州，西南侧的强降水中心有沿伏牛山分布的特征，东北侧的强降水中心则是位于太行山脉前。

3.2 全球模式降水预报

图5展示了ECMWF模式和GFS模式预报的7月20日08—20时累积降水，比较了7月19日08时和20时起报的两组模式预报结果。ECMWF模式19日08时的起报结果中，预报的降水落区、强降水中心和降水强度都存在一定偏差，降水主体偏向河南的西北侧，部分落在了山西省内，虽然能够预报出暴雨级别的降水强度，但其量级远低于自动站降水实况;而ECMWF模式在19日20时起报的结果已经能够预报出本次过程30 mm以上降水落区的总体形态，降水量级和落区优于19日08时起报，但是位置还是存在偏向西北的問题，且降水量级仍严重低于实况观测。GFS模式19日08时的预报结果与ECMWF模式相当，在降水落区和降水中心分布方面，也存在位置偏北的问题，同时，预报的降水强度也远低于实况观测，GFS模式在19日20时起报的结果相较08时有一定的提升，主要体现在强降水中心位于强降水落区的中心且形态更接近实况，不过相比ECMWF预报的结果，它的30 mm以上降水面积偏小，且在山东西部预报出一个虚假的强降水中心。

综合讨论ECMWF和GFS两个全球模式的预报结果发现，对于此次过程，全球模式提前24 h的降水预报结果偏差大于提前12 h预报的结果，ECMWF模式预报效果整体略优于GFS模式。另外，全球模式普遍存在预报的降水中心偏西、偏北和降水强度预报偏低的问题。

3.3 江苏区域模式PWAFS降水预报

图6展示了江苏区域数值预报模式PWAFS在19日20时和20日02时起报的结果，PWAFS模式在提前12 h的预报中，30 mm降水落区和140 mm以上强降水中心位置较观测偏南，降水具有明显的沿地形分布的特征;20日02时起报的结果中，PWAFS模式预报的30 mm强降水落区比前一预报时刻更接近实况，但是对70 mm和140 mm以上强降水落区的预报偏西且范围偏小，模式降水依旧表现出沿地形分布的特征。相比全球模式ECMWF和GFS，区域模式PWAFS能够预报出140 mm以上的特大暴雨量级，但降水落区存在一定预报偏差，总体而言，区域模式的优势体现在降水强度预报方面，呈现了更好的预报能力。

3.4 多模式预报偏差

为认识不同模式降水预报偏差的原因，采用ERA再分析资料对不同模式20日08时和20日14时500 hPa（图7）和700 hPa（图8）的高度场、温度场、风场和相对湿度场的预报结果进行了比较。为便于多模式比较，将各模式统一插值至ERA5再分析资料的0.25°分辨率网格。再分析资料显示，20日08时河南中北部上空500 hPa和700 hPa均存在一个闭合的低压系统和明显的风切变，郑州处于700 hPa槽前;14时，河南上空低压系统进一步加强，其中700 hPa低压中心受环境风影响向西北移动，此时郑州位于槽线附近。

通过对比发现，19日20时起报的ECMWF模式的高度场整体预报较好，但未预报出14时700 hPa的低压中心，并且相对湿度显著偏低，因此ECMWF模式预报降水落区较好但是累积降水量偏低（图5）;19日20时起报的GFS模式预报的500 hPa和700 hPa低压中心偏强，且发展至14时出现向北的位置偏差，这可能是GFS模式强降水落区偏北的原因（图5）;19日20时起报的PWAFS模式预报的08时的低压中心总体强度偏弱，位置偏西，14时的切变线偏南，因此强降水中心存在向西南方向的位置偏差;20日02时起报的PWAFS模式对切变线位置的模拟较好，因此预报的降水落区较好（图6）。

4 江苏PWAFS模式预报效果评估

4.1 逐小时降水的实况与模式结果对比

由前一部分可知，7月20日02时起报的PWAFS模式累积降水预报较好，本节将通过7月20日02时—21日02时的逐小时降水峰值变化（图9）来分析模式的逐小时降水预报效果。选取郑州附近90 km范围以内自动站的逐小时降水最大值作为实况，绘制图中的实况降水黑线，逐小时降水全部在50 mm以上，峰值出现在16—17时。若取郑州附近90 km范围内降水的最大小时雨量（蓝线），则PWAFS模式降水峰值约140 mm，出现在14—15时，提前于观测，起报3 h后逐小时的降雨强度也均达到50 mm;若取郑州附近45 km范围内降水最大小时雨量（红线），则降水峰值明显低于观测，逐小时降水强度也迅速下降，说明模式预报的最大雨强中心位置偏差在45 km以上。这也验证了20日02时起报的12 h累积降水图（图6）的结论，整体上PWAFS模式预报降水极值中心偏西，强降水的局地性强，范围比观测小，但是预报降水的日内变化特征一定程度上符合实况。

4.2 模式预报的各物理量场分布特征

图10展示了PWAFS模式预报的河南上空20日08时—14时500 hPa和700 hPa的高度场、温度场、风场和相对湿度场的演变特征。08时，河南上空500 hPa和700 hPa存在切变线，其位于湿度条件良好（相对湿度大于90%）的暖区;14时，河南上空500 hPa和700 hPa切变线已经发展出闭合的低压系统，局部中小尺度闭合环流加强，同时，相对湿度大值区更集中于河南的中北部。图10黑色虚线框标记出了系统发展的位置，位于河南的西北部山地区上空，这可能是模式降水预报偏西的原因。

图11为PWAFS模式预报的20日08时和14时的850 hPa和925 hPa的水汽通量场。台风“烟花”和副热带高压之间东风急流的水汽输送在850 hPa明显增强，台风”烟花”在20日下午由强热带风暴加强为台风后其水汽输送范围较08时有了明显的增加，输送到河南地区的水汽大量聚集在西北部太行山，嵩山和伏牛山前。因此，此次特大暴雨是由副热带高压和台风”烟花”之间的东风急流持续输送的水汽，南海台风查帕卡偏南气流的水汽输送比较有限。

图12展示了PWAFS模式预报的20日08时与14时预报的700 hPa垂直速度，08时郑州上方和西侧嵩山上方有向上的大于2 m/s的垂直速度，河南北部的南北向气流辐合地区，其上空对应较强的上升气流，沿穿过郑州的黑色虚线对垂直速度进行剖面分析，发现此时郑州上空4 km附近，存在两个强上升气流中心，上升气流向上可延伸至10 km附近;14时，河南西北部依旧有较强的上升气流，但垂直剖面图中，郑州上方的垂直速度中心发生明显变化，最强的一支上升气流，中心位于12 km高度层附近，向上延伸至14 km高度，说明从08至14时，郑州上空的对流系统迅速发展成为一个直达对流层顶的深厚系统，这一结果与卫星图像也较吻合，深厚对流系统的长时间维持，为这次特大暴雨提供了较好的动力条件。

4.3 预报物理量的极端性分析

为了进一步认识本次降水过程的极端性，利用ERA5的1979—2021年的7月平均场作为气候态数据，图13讨论了此次过程中水汽通量和最大垂直速度的极端性。通过比较郑州附近1°范围内的气候态平均水汽通量发现，其量级介于0～5 g·cm-1·hPa-1·s-1，最大值出现在午后14时，日变化特征不明显;ERA5再分析资料显示此次过程的水汽通量介于10～20 g·cm-1·hPa-1·s-1之间，最大值出现在小时累积降水最大的17时，11时和20时各存在一个极大值;PWAFS模式的水汽通量量级与ERA5接近，其最大值出現在08时之前，表明在暴雨过程之前有非常强的水汽输送。在最大垂直速度方面，气候平均的垂直速度量级约0.4 m/s;ERA再分析数据的最大垂直速度始终维持在0.4 m/s以上，最大可达约1.5 m/s;而PWAFS模式预报的垂直速度更强，在20日08时以后始终维持在2 m/s左右，由于700 hPa垂直速度是强降水过程重要的指示因子之一，PWAFS预报中超过2 m/s的垂直速度为强降水预报提供了非常有力的动力条件。

5 讨论和结论

采用地面降水观测、静止卫星观测、再分析资料和多种数值模式预报数据分析了2021年7月20日发生在郑州的一次特大暴雨天气过程，比较了全球模式（ECMWF、GFS）和区域模式（PWAFS）的强降水预报能力，并利用再分析资料结合区域模式PWAFS预报场讨论了此次持续强降水过程发生的原因，主要结论有：

1）从模式分析场看，7月19日，大尺度系统副热带高压发生西伸，中尺度系统台风”烟花”加强，二者之间的东风急流加强，向河南持续输送水汽，由于河南地势西高东低，地形抬升作用为对流触发创造有利条件，结合卫星图像可知7月20日10—16时，嵩山、太行山地区对流发展旺盛分布有大片的对流云系，并且出现了上冲云顶，在环流形势、水汽输送和地形影响的背景下，郑州站出现极端强降水过程。

2）实况降水具有较强的沿地形分布特征，强降水落区位于河南西北部，有三个强度大于140 mm的降水中心，主降水中心位于郑州。全球模式ECMWF和GFS提前12 h的预报结果优于提前24 h的预报结果，预报的强降水落区较好，降水中心略偏北，但强度显著偏低。江苏省区域模式PWAFS对此次降水过程的预报性能，主要体现在降水强度的预报更接近实况和降水具有沿地形分布的特征，但PWAFS也存在降水中心位置偏西，强降水中心范围偏小等问题，这主要受低压系统位置偏西影响。

3）结合ERA5再分析资料和PWAFS模式3 km分辨率的预报场分析发现，20日08—14时，河南西北部上空500 hPa和700 hPa的闭合低压系统发展增强，同时垂直速度剖面图中郑州地区的上升气流延伸到了对流层顶，说明其下的气旋性涡度和低层地形抬升为对流的发展提供了较好的动力条件。通过对比气候平均态和ERA再分析场发现，PWAFS区域模式在郑州附近水汽通量和最大垂直速度存在异常大值和长时间维持的特征，对此次特大暴雨量级预报提供了有利条件。

综上，结合多源观测和模式数据，初步分析了郑州的“7·20”特大暴雨的天气过程，该过程受中、低纬度多尺度系统与河南西高东低的地形共同影响。数值模式对此次特大暴雨具有一定预报能力，但在实际业务预报中仍需要预报员根据天气形势等对模式预报进行订正，其中区域精细化数值预报模式对极端天气的预报具有一定参考价值，但PWAFS模式在降水落区，强降水中心位置等方面的预报技巧还有待提高，今后将从物理过程方案、集合预报和资料同化等角度对此次过程的数值模拟做更深入的分析。此外，今后将基于更多天气过程，对多模式对比做更全面的统计分析，以期为业务预报提供更多指导建议。

参考文献（References）

Borderies M，Caumont O，Delano J，et al.，2019.Impact of airborne cloud radar reflectivity data assimilation on kilometre-scale numerical weather prediction analyses and forecasts of heavy precipitation events[J].Nat Hazards Earth Syst Sci，19（4）：907-926.doi：10.5194/nhess-19-907-2019.

Caumont O，Mandement M，Bouttier F，et al.，2021.The heavy precipitation event of 14—15 October 2018 in the Aude catchment：a meteorological study based on operational numerical weather prediction systems and standard and personal observations[J].Nat Hazards Earth Syst Sci，21（3）：1135-1157.doi：10.5194/nhess-21-1135-2021.

陳葆德，王晓峰，李泓，等，2013.快速更新同化预报的关键技术综述[J].气象科技进展，3（2）：29-35. Chen B D，Wang X F，Li H，et al.，2013.An overview of the key techniques in rapid refresh assimilation and forecast[J].Adv Meteorol Sci Technol，3（2）：29-35.（in Chinese）.

陈敏，范水勇，郑祚芳，等，2011.基于BJ-RUC系统的临近探空及其对强对流发生潜势预报的指示性能初探[J].气象学报，69（1）：181-194. Chen M，Fan S Y，Zheng Z F，et al.，2011.The performance of the proximity sounding based on the BJ-RUC system and its preliminary implementation in the convective potential forecast[J].Acta Meteorol Sin，69（1）：181-194.（in Chinese）.

陈子通，黄燕燕，万齐林，等，2010.快速更新循环同化预报系统的汛期试验与分析[J].热带气象学报，26（1）：49-54. Chen Z T，Huang Y Y，Wan Q L，et al.，2010.Rapid updating cycle assimilation and forecasting system and its experiments and analysis in flood seasons[J].J Trop Meteor，26（1）：49-54.doi：10.3969/j.issn.1004-4965.2010.01.007.（in Chinese）.

陈耀登，赵幸，闵锦忠，等，2015.青藏高原和华东地区背景误差协方差特征的对比研究[J].大气科学学报，38（5）：650-657. Chen Y D，Zhao X，Min J Z，et al.，2015.Comparative analysis of characteristics for background error covariances in Tibetan Plateau and East China[J].Trans Atmos Sci，38（5）：650-657.doi：10.13878/j.cnki.dqkxxb.20141021002.（in Chinese）.

陈耀登，陈海琴，孙娟珍，等，2018.雷达观测对应模式变量非线性特征及对四维变分同化的影响[J].热带气象学报，34（6）：721-732. Chen Y D，Chen H Q，Sun J Z，et al.，2018.Nonlinear characteristics of model variables corresponding to radar observations and its effects on 4d-var assimilation[J].J Trop Meteor，34（6）：721-732.doi：10.16032/j.issn.1004-4965.2018.06.001.（in Chinese）.

龚建东，2013.同化技术：数值天气预报突破的关键：以欧洲中期天气预报中心同化技术演进为例[J].气象科技进展，3（3）：6-13. Gong J D，2013.Data assimilation：a key technology for NWP：technical review of data assimilation in ECMWF[J].Adv Meteor Sci Technol，3（3）：6-13.doi：10.3969/j.issn.2095-1973.2013.03.001.（in Chinese）.

季曉东，漆梁波，2018.ECMWF模式降水预报与极端天气预报指数在暴雨预报中的评估与应用[J].暴雨灾害，37（6）：566-573. Ji X D，Qi L B，2018.Evaluation and application of ECMWF model precipitation and extreme weather forecast index of precipitation on heavy rainfall forecast[J].Torrential Rain Disasters，37（6）：566-573.doi：10.3969/j.issn.1004-9045.2018.06.010.（in Chinese）.

姜晓曼，袁慧玲，薛明，等，2014.北京“7.21”特大暴雨高分辨率模式分析场及预报分析[J].气象学报，72（2）：207-219. Jiang X M，Yuan H L，Xue M，et al.，2014.Analysis of a torrential rainfall event over Beijing on 21-22 July 2012 based on high resolution model analyses and forecasts[J].Acta Meteorol Sin，72（2）：207-219.doi：10.11676/qxxb2014.024.（in Chinese）.

Lagasio M，Parodi A，Pulvirenti L，et al.，2019.A synergistic use of a high-resolution numerical weather prediction model and high-resolution earth observation products to improve precipitation forecast[J].Remote Sens，11（20）：2387.doi：10.3390/rs11202387.

李昕，王元，明杰，等，2016.雷达径向风和反演风联合同化在台风灿都（2010）数值预报中的研究[J].气象，42（6）：649-663. Li X，Wang Y，Ming J，et al.，2016.A combined radar data assimilation strategy of radial velocity and retrieved wind and its impact on the forecasting of tropical cyclone chanthu （2010）[J].Meteor Mon，42（6）：649-663.doi：10.7519/j.issn.1000-0526.2016.06.001.（in Chinese）.

Li X，Zeng M J，Wang Y，et al.，2016.Evaluation of two momentum control variable schemes and their impact on the variational assimilation of radarwinddata：case study of a squall line[J].Adv Atmos Sci，33（10）：1143-1157.doi：10.1007/s00376-016-5255-3.

Li X，Zou X L，Zeng M J，2019.An alternative bias correction scheme for CrIS data assimilation in a regional model[J].Mon Wea Rev，147（3）：809-839.doi：10.1175/mwr-d-18-0044.1.

Li X，Zou X L，Zhuge X Y，et al.，2020.Improved himawari-8/AHI radiance data assimilation with a double cloud detection scheme[J].J Geophys Res：Atmos，125（13）：e2020JD032631.doi：10.1029/2020JD032631.

李泽椿，谌芸，张芳华，等，2015.由河南‘75·8特大暴雨引发的思考[J].气象与环境科学，38（3）：1-12. Li Z C，Chen Y，Zhang F H，et al.，2015.Consideration by “75·8” extreme heavy rainfall event in Henan[J].Meteorology and Environmental Science，38（3）：1-12.（in Chinese）.

吕林宜，王新敏，栗晗，2019.华东区域模式对河南“7·19”特大暴雨的数值检验与分析[J].气象与环境科学，42（1）：101-109. L L Y，Wang X M，Li H，2019.Verification and analysis of SMS-WARMS forecast for “7·19” extraordinary rainstorm in Henan Province[J].Meteor Environ Sci，42（1）：101-109.doi：10.16765/j.cnki.1673-7148.2019.01.014.（in Chinese）.

罗亚丽，孙继松，李英，等，2020.中国暴雨的科学与预报：改革开放40年研究成果[J].气象学报，78（3）：419-450. Luo Y L，Sun J S，Li Y，et al.，2020.Science and prediction of heavy rainfall over China：research progress since the reform and opening-up of the People's Republic of China[J].Acta Meteorol Sin，78（3）：419-450.（in Chinese）.

Luo Y L，Wu M W，Ren F M，et al.，2016.Synoptic situations of extreme hourly precipitation over China[J].J Climate，29（24）：8703-8719.doi：10.1175/jcli-d-16-0057.1.

马雷鸣，鲍旭炜，2017.数值天气预报模式物理过程参数化方案的研究进展[J].地球科学进展，32（7）：679-687. Ma L M，Bao X W，2017.Research progress on physical parameterization schemes in numerical weather prediction models[J].Adv Earth Sci，32（7）：679-687.doi：10.11867/j.issn.1001-8166.2017.07.0679.（in Chinese）.

闵锦忠，彭霞云，赖安伟，等，2007.反演同化和直接同化多普勒雷达径向风的对比试验[J].南京气象学院学报，30（6）：745-754. Min J Z，Peng X Y，Lai A W，et al.，2007.Contrast experiments of Doppler radar radial velocity using retrieval and direct assimilation[J].J Nanjing Inst Meteorol，30（6）：745-754.doi：10.3969/j.issn.1674-7097.2007.06.004.（in Chinese）.

Orsolini Y J，Zhang L，Peters D H W，et al.，2015.Extreme precipitation events over North China in August 2010 and their link to eastward-propagating wave-trains across Eurasia：observations and monthly forecasting[J].Quart J Roy Meteor Soc，141（693）：3097-3105.doi：10.1002/qj.2594.

沈新勇，梅海霞，王衛国，等，2015.双参数微物理方案的冰相过程模拟及冰核数浓度的影响试验1[J].大气科学，39（1）：83-99. Shen X Y，Mei H X，Wang W G，et al.，2015.Numerical simulation of ice-phase processes using a double-moment Microphysical scheme and a sensitivity Test of ice nuclei concentration [J].Chin J Atmos Sci，39（1）：83-99.（in Chinese）.

孙建华，张小玲，卫捷，等，2005.20世纪90年代华北大暴雨过程特征的分析研究[J].气候与环境研究，10（3）：492-506. Sun J H，Zhang X L，Wei J，et al.，2005.A study on severe heavy rainfall in North China during the 1990s[J].Clim Environ Res，10（3）：492-506.doi：10.3969/j.issn.1006-9585.2005.03.020.（in Chinese）.

孙建华，齐琳琳，赵思雄，2006.“9608” 号台风登陆北上引发北方特大暴雨的中尺度对流系统研究[J].气象学报，64（1）：57-71. Sun J H，Qi L L，Zhao S X，2006.A study on mesoscale convective systems of the severe heavy rainfall in North China by “9608” typhoon[J].Acta Meteorol Sin，64（1）：57-71.doi：10.3321/j.issn：0577-6619.2006.01.006.（in Chinese）.

王丹，王金成，田伟红，等，2020.往返式探空观测资料的质量控制及不确定性分析[J].大气科学，44（4）：865-884. Wang D，Wang J C，Tian W H，et al.，2020.Quality control and uncertainty analysis of return radiosonde data[J].Chin J Atmos Sci，44（4）：865-884.doi：10.3878/j.issn.1006-9895.1912.19203.（in Chinese）.

Wang P，Li J，Lu B，et al.，2018.Impact of moisture information from advanced himawari imager measurements on heavy precipitation forecasts in a regional NWP model[J].J Geophys Res：Atmos，123（11）：6022-6038.doi：10.1029/2017JD028012.

魏蕾，雷恒池，2012.加密探空资料同化对一次降水预报能力改进研究[J].气候与环境研究，17（6）：809-820. Wei L，Lei H C，2012.Improvement of precipitation forecasts by the assimilation of encrypted sounding data[J].Clim Environ Res，17（6）：809-820.（in Chinese）.

Xiao Q N，Kuo Y H，Sun J Z，et al.，2005.Assimilation of Doppler radar observations with a regional 3DVAR system：impact of Doppler velocities on forecasts of a heavy rainfall case[J].J Appl Meteorol，44（6）：768-788.doi：10.1175/jam2248.1.

杨波，孙继松，毛旭，等，2016.北京地区短时强降水过程的多尺度环流特征[J].气象学报，74（6）：919-934. Yang B，Sun J S，Mao X，et al.，2016.Multi-scale characteristics of atmospheric circulation related to short-time strong rainfall events in Beijing[J].Acta Meteorol Sin，74（6）：919-934.（in Chinese）.

杨春，闵锦忠，陈耀登，2015.WRF-EnSRF卫星资料同化模块的构建研究[J].大气科学学报，38（4）：549-556. Yang C，Min J Z，Chen Y D，2015.Construction of WRF-EnS RF satellite data assimilation system[J].Trans Atmos Sci，38（4）：549-556.doi：10.13878/j.cnki.dqkxxb.20130529001.（in Chinese）.

Yin S Q，Li W J，Chen D L，et al.，2011.Diurnal variations of summer precipitation in the Beijing area and the possible effect of topography and urbanization[J].Adv Atmos Sci，28（4）：725-734.doi：10.1007/s00376-010-9240-y.

曾明剑，张备，周嘉陵，等，2014.GPS/PWV资料同化在强降水过程中的定量作用评估[J].气象科学，34（1）：77-86. Zeng M J，Zhang B，Zhou J L，et al.，2014.Quantitative evaluation for GPS/PWV data assimilation in heavy precipitation events[J].J Meteor Sci，34（1）：77-86.doi：10.3969/2013jms.0069.（in Chinese）.

張冰，郑媛媛，沈菲菲，等，2021.2017年苏南一次特大暴雨高分辨率模拟及特征分析[J].气象科学，41（3）：386-397. Zhang B，Zheng Y Y，Shen F F，et al.，2021.Characteristics and simulation of a torrential rainstorm over southern Jiangsu in 2017 revealed by a high-resolution numerical model[J].J Meteor Sci，41（3）：386-397.（in Chinese）.

张宏芳，潘留杰，杨新，2014.ECMWF、日本高分辨率模式降水预报能力的对比分析[J].气象，40（4）：424-432. Zhang H F，Pan L J，Yang X，2014.Comparative analysis of precipitation forecasting capabilities of ECMWF and Japan high-resolution models[J].Meteor Mon，40（4）：424-432.（in Chinese）.

Zhang H，Zhai P M，2011.Temporal and spatial characteristics of extreme hourly precipitation over eastern China in the warm season[J].Adv Atmos Sci，28（5）：1177-1183.doi：10.1007/s00376-011-0020-0.

张旭，黄伟，陈葆德，2017.高分辨率数值预报模式的尺度自适应物理过程参数化研究[J].气象科技进展，7（6）：105-110. Zhang X，Huang W，Chen B D，2017.A study of the scale-aware physical parameterizations in high-resolution numerical weather prediction models[J].Adv Meteor Sci Technol，7（6）：105-110.doi：10.3969/j.issn.2095-1973.2017.06.013.（in Chinese）.

赵思雄，张立生，孙建华，2007.2007年淮河流域致洪暴雨及其中尺度系统特征的分析[J].气候与环境研究，12（6）：713-727. Zhao S X，Zhang L S，Sun J H，2007.Study of heavy rainfall and related mesoscale systems causing severe flood in Huaihe river basin during the summer of 2007[J].Clim Environ Res，12（6）：713-727.doi：10.3969/j.issn.1006-9585.2007.06.002.（in Chinese）.

Zhao Y，Chen D L，Li J，et al.，2020.Enhancement of the summer extreme precipitation over North China by interactions between moisture convergence and topographic settings[J].Clim Dyn，54（5/6）：2713-2730.doi：10.1007/s00382-020-05139-z.

Zhong L Z，Mu R，Zhang D L，et al.，2015.An observational analysis of warm-sector rainfall characteristics associated with the 21 July 2012 Beijing extreme rainfall event[J].J Geophys Res：Atmos，120（8）：3274-3291.doi：10.1002/2014JD022686.

Zhuge X Y，Zou X L，Wang Y，2020.Determining AHI cloud-top phase and intercomparisons with MODIS products over north Pacific[J].IEEE Trans Geosci Remote Sens，59（1）：436-448.doi：10.1109/TGRS.2020.2990955.

Zou X，Qin Z，Zheng Y，2015.Improved tropical storm forecasts with GOES-13/15 imager radiance assimilation and asymmetric vortex initialization in HWRF[J].Mon Weather Rev，143（7）：2485-2505.doi：10.1175/mwr-d-14-00223.1.

Multi-model comparison and high-resolution regional model forecast analysis for the “7·20” Zhengzhou severe heavy rain

SHI Wenru1，2，LI Xin1，2，ZENG Mingjian1，2，ZHANG Bing1，2，WANG Hongbin1，2，ZHU Kefeng1，2，ZHUGE Xiaoyong1，2

1Key Laboratory of Transportation Meteorology，CMA，Nanjing 210008，China;

2Nanjing Joint Institute for Atmospheric Sciences，Nanjing 210008，China

The “7·20” Zhengzhou severe heavy rain broke the Zhengzhou observed station's 1-hour precipitation record （201.9 mm） as well as the daily precipitation record （552 mm）.In addition，there was a catastrophic rainfall process that left hundreds dead and dozens missing.High intensity，wide-coverage，and terrain-specific distribution were characteristics of this severe rainfall.This study used gauge precipitation observations，geostationary satellite observations，reanalysis data，and multiple numerical model forecasts to analyze the models' forecast deviations and Jiangsu Precision Weather Analysis and Forecasting System's （PWAFS） ability in forecasting extreme rainfall events.Here are the main conclusions：1） The heavy rain was caused by a strengthened easterly flow between the westward extended subtropical high and typhoon “In-fa”，combined with a topographic lift.2） In terms of heavy rain，the European Center for Medium-range Weather Forecasts （ECMWF） and the Global Forecast System（GFS） performed well，but the precipitation center was slightly northerly biased and the intensity was noticeably lower than observation.PWAFS had a better performance in precipitation intensity forecasting and a distribution pattern along the terrain.However，PWAFS shows isolated rain centers that are biased to the west.3） Based on the PWAFS forecasts and reanalysis data，it was found that on 20 July over the heavy rain area，a shear line eventually developed into a deep low-pressure system，which provided favorable dynamic conditions for convective development.

heavy rain;weather analysis;PWAFS;model forecast analysis

doi：10.13878/j.cnki.dqkxxb.20210823001

（責任编辑：袁东敏）