四川冕宁“6.26”大暴雨模式预报检验

曹萍萍 , 陈朝平 , 范江琳

（1. 四川省气象台, 成都 610072；2. 高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610072）

引言

近年来，随着天气学理论的不断完善和计算机技术的快速发展，全球数值预报模式发展趋于成熟，其对于大范围环流形势的预报性能不断提高，相应的暴雨预报准确率也在逐年提升。

针对海量的数值预报产品，如何能让预报员在有限的时间内掌握更多有效的信息，并最终结合主观经验给出准确的预报是目前业务预报中的首要难题。为此，无数气象工作者们在模式检验及衍生产品的提取等方面做了大量的工作。王佳津等[1]运用GRAPES全球模式分区域对四川地区各地面要素预报效果详细分析表明，模式对盆地各要素预报效果较好，对于地形复杂地区的高原区、过渡区预报效果较差。龙柯吉等[2]对ECMWF模式极端降水指数预报效果进行检验，发现临近时效极端降水指数预报值0.5以上对暴雨落区的预报具有较好的指示意义。肖玉华等[3]对GRAPES_GFS和ECMWF模式预报西南地区高层形势场、主要天气系统和地面要素的性能进行检验后指出：GRAPES_GFS高空高度场、温度场预报不稳定度分布呈北高南低型，相对湿度、风速预报不稳定度大值区在高原边缘，对西南地区降水落区预报有效率约为50%，降水强度偏弱；ECMWF误差特征与GRAPES_GFS类似，但误差值较小，稳定性更高。曹萍萍等[4]对SWCWARMS_9KM (以下简称SWC) 及ECMWF模式预报不同类型暴雨过程的结果进行检验表明：SWC模式降水误差较ECMWF模式大，以湿偏差为主；SWC模式对高能暖区型暴雨的预报效果较好，ECMWF模式预报斜压锋生型暴雨的整体效果更优。唐文苑等[5]对各高分辨率模式进行检验表明：当回波强度<44 dBZ时，华东区域中尺度模式预报最优；而对于44 dBZ以上的较强回波，GRAPES_3KM模式预报偏差最小；GRAPES_3KM模式对于预报难度更大的高阈值、小尺度的对流事件预报能力更强。王静等[6]对GRAPES_ REPS模式检验表明，西南低涡触发的小雨到大雨量级的降水概率评分均有较好表现，且落区与实况接近，而暴雨落区个别略有偏北，但基本吻合。武英娇等[7]分析了ECMWF集合预报降水性能，发现在模式降水分级检验中，晴雨预报正确率在70%以上，小雨、中雨空报率较高，大雨以上量级预报能力较差，需重视不同起报时次的变化趋势，且个别集合成员对极端降水的预报要特别关注。赵琳娜等[8]研究了多模式概率预报降水面向流域的评估方法。潘留杰等[9-10]分析了ECMWF集合预报在不同地区的预报性能，且与NCEP集合预报作了详细对比。陈永仁等[11]基于EC025配料研发的短时强降水概率预报产品对四川省各市州强对流天气预报有很好的指示意义。曹萍萍等[12]基于多物理量配料订正的24 h累计降水预报的强降水订正产品能显著改善ECMWF模式对四川地区暖区降水预报偏弱问题，对汛期预警有很好的指示意义。

从前人研究可知，对于数值预报降水产品的检验，已归纳总结了较适用模式的特征。然而，针对四川地区，尤其是易发生滑坡、泥石流等次生气象灾害的地形复杂区域，比如冕宁地区的模式释用尚未形成较为成熟的业务化产品使用细则。冕宁“6.26”大暴雨过程诱发的次生灾害造成了严重的人员伤亡及国民经济损失，影响极大，故本文拟从“6.26”高影响天气过程入手，详细检验业务中常用的ECMWF、SWC以及GRAPES家族共6种模式常规预报及各种模式衍生产品的预报性能，为在相似天气背景下地形复杂区域的数值模式预报产品主观订正及模式优化提供科学依据。

1 资料与方法

1.1 资料

本研究所用资料包括2020年6月26~27日四川地区国家站和区域站观测资料、西南涡加密观测资料、格点实况资料及ECMWF、GRAPES_GFS、欧洲中心集合预报（European Centre for Medium-Range Weather Forecasting -Ensemble Precipitation System，EC_EPS）、GRAPES区域集合预报（GRAPES Regional Ensemble Precipitation System，GRAPES_EPS）、SWC及GRAPES_3KM共6种模式25日20时及26日08时（北京时，下同）起报的各要素预报场（降水、高度、风、温度、湿度等）。降水观测资料为国家气象信息中心整编的中国地面格点数据集资料，水平分辨率为0.05°×0.05°，时间分辨率为1 h，该资料也是目前智能网格检验所采用的实况资料。

1.2 方法

1.2.1 集合概率

将模式预报格点资料用邻阈法选出最临近格点匹配至观测站点，再基于点对点进行计算。以观测站点为基准，当某一站点观测降水值满足特定量级，且此站点的集合预报中某一成员预报值出现了该量级降水，则预报正确的成员数（L）加1。假定集合预报总成员数为Num，则概率预报P的计算公式如下：

1.2.2 短时强降水概率

基于“配料”法设控制权重的函数分为f≡1(满足阈值) 和f≡ 0(不满足阈值)两种情况。如果预报场中的物理量满足相应阈值时，则有f= 1，对应的该物理量权重即为短时强降水发生的概率，则发生强降水的概率公式为：

其中，x1、x2、···、x12分别为 500 hPa相对湿度、700 hPa相对湿度、CAPE、500 hPa垂直速度、500 hPa垂直螺旋度、K指数、200 hPa散度、△θse500hPa-850hPa、降水预报值、500 hPa涡度、θse850hPa、Q925hPa的贡献比重。

1.2.3 基于ECMWF模式的多物理量融合订正24 h累计降水

根据ECMWF模式预报的多物理量“配料”所得中间变量3 h短时强降水概率值，统计某一格点24 h时段内8个时段中概率≥65%的次数，记为l1; 8个时次中概率≤50%的次数，记为l2；8个时次中概率≥80%的次数，记为l3。R0、R1分别表示模式订正前、后的降水量值，则模式24 h累计降水量具体的订正公式如下：

1.2.4 Threat Score(TS)评分

基于点对点，以观测为基准进行统计。当某一站点观测降水值满足特定量级，且此站点模式预报值出现了该量级降水，则预报正确的站点数（Na）加1；当某一站点观测降水值未达到特定量级，而此站点模式预报值出现该量级降水，则模式空报的站点数（Nb）加1；当某一站点观测降水值满足特定量级，且此站点模式预报值出现了该量级降水，则模式漏报的站点数（Nc）加1。根据统计出来的Na、Nb、Nc，TS评分具体计算公式如下：

2 降水过程概况

2020年6月26日晚至6月27日凌晨，冕宁县北部地区普降暴雨到大暴雨（图1a），导致高阳街道、彝海镇局部地区严重受灾，受灾人数总计9880人，死亡12人，失踪10人，24 h累计降水量最大值出现在冕宁灵山寺，为166.9 mm。从小时雨强时间序列演变（图1b）来看，强降水时间集中且雨强大，主要降水时段为26日18时~27日01时，共持续7 h，每小时均有3站以上站次出现10 mm以上量级降水。23~00时，1 h降水量最大达69.3 mm，出现在冕宁灵山寺。强降水过程中伴随有局地雷暴大风，最大瞬时风速达17.3 m·s-1。

图1 2020年6月26日20时~27日20时冕宁降水实况（a，单位：mm）；26日17时~27日03时最大小时雨强和小时雨强≥10 mm站点数的逐时变化（b）

3 定量降水预报检验

3.1 模式24 h降水预报

3.1.1 全球模式

图2给出的是ECMWF和GRAPES_GFS模式不同预报时效的24 h累计降水预报。如图所示，两个模式不同时效的预报稳定性均较好。ECMWF模式在冕宁地区预报有中到大雨，大雨落区位于冕宁中部和南部。GRAPES_GFS模式预报量级较小，仅考虑有小到中雨，中雨落区在冕宁北部，与实况大到暴雨落区较吻合，但量级明显偏小。对于36 h预报时效，ECMWF模式在冕宁北部的大雨区域范围略有增大，GRAPES_GFS同样也是中雨范围有所增大。随着预报时效临近，两家模式均朝着与实况较一致方向改变，调整趋势正确。

图2 2020年6月26日20时~27日20时ECMWF（左）和GRAPES-GFS（右）模式不同预报时效（a、b. 48 h，c、d. 36 h）的24 h累计降水预报（单位：mm）

3.1.2 集合预报

图3给出的是GRAPES_GFS和ECMWF模式36 h预报时效的24 h累计降水预报集合平均和集合最大。如图所示，无论是集合平均还是集合最大，GRAPES_GFS模式降水预报量级明显比ECMWF小。GRAPES_GFS模式集合平均预报冕宁地区有小雨，集合最大量级提升为中雨，南部的个别点有大雨。ECMWF模式集合平均预报冕宁地区中雨，集合最大量级提升为大雨。两个模式的降水落区均预报冕宁全境一致，南、北部无差异。与实况相比，GRAPES_GFS模式预报量级较小，成员最大也只考虑中雨，指示意义不明显。相较之下，ECMWF模式成员最大预报有大雨，表明实况可能会出现大雨以上量级的降水，有一定指示意义。

图3 2020年6月26日20时~27日20时GRAPES-GFS（上）和ECMWF（下）模式36 h预报时效的24 h累计降水预报（a、c. 集合平均，b、d. 集合最大，起报时间为26日08时，单位：mm）

3.1.3 区域中尺度模式

图4给出的是GRAPES_3KM和SWC模式36 h预报时效的24 h累计降水预报。如图所示，从量级上看，两个模式在冕宁北部均预报有大到暴雨，预报效果相当。从大量级降水落区预报来看，GRAPES_3KM模式主要报在冕宁北部和东部，与实况更加接近。SWC模式大量级降水落区主要预报在冕宁北部，且范围较大，存在一定程度空报，冕宁东部局部有所漏报。从预报指示意义上来讲，两个中尺度模式均能较好地提示预报员这次过程的存在，但GRAPES_3KM模式的参考价值更高。

图4 2020年6月26日20时~27日20时GRAPES_3KM（a）和SWC（b）模式36 h预报时效的24 h累计降水预报 （起报时间为26日08时，单位：mm）

综上可知，对于冕宁地区6月26日20时~27日20时累计降水预报，各模式均预报出本次降水过程。从具体表现上来看，全球模式ECMWF效果优于GRAPES_GFS，但量级仍然偏小。集合预报所有成员集合平均参考意义不足，ECMWF模式个别集合成员对于极端降水的预报值得关注。中尺度区域模式在降水量级和降水落区预报上均表现最优，警示意义最为明显，尤其是GRAPES_3KM模式。

3.1.4 TS评分

图5给出的是6个模式在冕宁地区（28.21°~28.82°N，101.59°~102.98°E，共25个地面观测站点）36 h预报时效的24 h累计降水预报TS评分，集合预报采用的是集合成员最大降水量预报。由图可知，对于晴雨预报，各模式预报效果相当。中雨量级以上降水，SWC模式评分最高，其次为GRAPES_GFS模式。大雨以上量级降水，ECMWF模式评分略高于其他模式。暴雨以上量级降水，仅仅只有GRAPES_3KM模式有评分，其他模式预报效果均不理想。综上可知，对于冕宁地区短时性、局地性强降水，应重点参考中尺度区域模式的预报，尤其是GRAPES_3KM模式。

图5 2020年6月26日20时~27日20时各模式36 h预报时效TS评分

3.2 模式衍生产品检验

图6给出的是EC_EPS和GRAPES_EPS模式集合预报25 mm以上量级概率预报。由图可知，EC_EPS模式对冕宁地区≥25 mm降水概率值在10%以上，只有极少数成员预报有大雨以上量级降水，而GRAPES_EPS模式没有任何一个成员预报有25 mm以上量级降水。相较之下，EC_EPS模式对于这次过程的预报效果略优于GRAPES_EPS模式。

图6 2020年6月26日20时~27日20时不同模式25 mm以上量级降水概率预报（a. EC_EPS，b. GRAPES_EPS）

图7给出的是ECMWF模式衍生产品24 h累计降水多物理量订正及短时强降水概率预报。由图可知，ECMWF模式订正产品预报在冕宁中部和南部有暴雨量级降水，相比订正前模式预报的局地大雨是有明显的正向调整，更能引起预报员对这次过程的关注。从降水核心时段的短时强降水概率预报来看，冕宁地区东部和南部概率值均达60%（该产品强降水出现的经验值）以上，表明该地区有较大可能出现20 mm以上量级短时强降水，与实况较吻合。

图7 ECMWF模式24 h累计降水多物理量订正产品（a，单位：mm）和26日20时~27日20时短时强降水概率预报（b，单位：%）

图8给出的是2020年6月26日20时~27日20时GRAPES_3KM和SWC模式最大小时雨强预报。由图可知，GRAPES_3KM模式最大小时雨强≥10 mm降水区域位于冕宁北部和中部，与实况大雨以上降水落区分布高度吻合。SWC模式预报冕宁地区最大小时雨强值在10 mm以下，实况大量级降水区域的北部和东部预报在5 mm以下，预报效果较差。

图8 2020年6月26日20时~27日20时GRAPES-3KM（a）和SWC（b）模式最大小时雨强预报（单位：mm）

综上所述，从模式衍生产品预报效果来看，GRAPES_3KM模式最大小时雨强≥10 mm降水区域与实况大量级降水落区匹配度是最高的，其次为ECMWF模式24 h累计降水多物理量订正产品及短时强降水概率产品，对于这次冕宁地区强降水警示意义较明显。效果最不理想的是集合预报产品，要特别关注个别成员对于极端强降水的预报。

3.3 小时雨强检验

从冕宁地区观测和模式预报26日20时~27日20时累计降水极值点位置分布（图9a）来看，SWC（94.2 mm）和GRAPES_3KM（87.4 mm）模式预报的降水中心整体位置与实况（166.9 mm）偏差较小，略偏北0.25个纬度，模式预报降水量级均为暴雨，相比实况大暴雨量级明显偏小。从主要降水时段小时雨强（图9b）检验来看，实况的主要降水时段为26日20时~27日01时，SWC模式主要降水时段比实况偏早，集中在17~22时，两者持续时间相当。GRAPES_3KM模式主要降水时段为20~22时，与实况主要降水开始时间重叠，但持续时间较短，结束时间比实况早3 h。小时降水峰值实况出现在27日00时，SWC模式出现在26日18时，GRAPES_3KM模式为26日21时，均比实况偏早。

图9 26日20时~27日20时冕宁地区降水极值点分布（a. ●为实况，▲为SWC，■为GRAPES_3KM）；小时雨强预报与实况对比（b，单位：mm）

4 影响系统检验

4.1 全球模式影响系统检验

如2020年6月26日20时实况（图10a）所示，500 hPa在青海到甘孜州北部有低槽存在。700 hPa甘肃南部有一低涡，四川大部主要受低涡底部冷式切变线影响。850 hPa盆地东部有一倒槽，随着时间推移，低层在盆地中部一带发展加强为低涡。冕宁地区处在500 hPa槽前、700 hPa切变线底部的辐合区域内。

如图10b所示，ECMWF模式预报影响四川的500 hPa系统较实况略偏西。700 hPa切变线分为两段：北段位于盆地西北部，北风预报比实况偏弱，切变线位置偏西；南段位于盆地西南部至凉山州北部，冕宁地区处在风向风速的辐合区域，有利于上升运动的发生，但风速相比实况偏弱。850 hPa盆地东北部有一暖式切变，偏南气流在盆地西南部有气旋性辐合。

如图10c所示，GRAPES_GFS模式预报500 hPa低槽位置较实况偏西，低层切变线位置与实况相当。700 hPa北风风速预报偏小，导致冕宁地区辐合偏弱，降水明显偏小。850 hPa南风风速比实况偏大，达急流强度，导致强降水落区报在盆地东北部，而凉山州北部降水量级偏小。

图10 影响系统叠加700 hPa风场（a. 6月26日20时实况，b. ECMWF，c. GRAPES_GFS，起报时间为26日08时，绿色区域为≥50 mm降水落区，灰色区域为地形高度）

综合来看，对于冕宁地区形势场的预报，ECMWF模式与实况的分歧主要是模式预报南、北风速均偏小，从而导致辐合较弱。GRAPES_GFS模式预报北风风速偏小，南风与实况相当，相较而言GRAPES_GFS模式预报的形势场更接近实况。

4.2 中尺度模式影响系统检验

从西南涡加密观测实况来看，除4.1节中所分析的大尺度环流背景之外，冕宁上空700 hPa存在中尺度暖式切变辐合，有利于上升运动的发展。九龙探空（图11a）显示出上干下湿的“喇叭口”状层结，CAPE达855.3 J/kg，BLI指数为-1.2℃，SI指数为-1.23℃，2~6 km风切变达12 m/s以上，为一位势不稳定层结，有利于短时强降水、雷暴大风等强对流天气的出现。从SWC模式形势场预报（图11c）可见，冕宁上空500 hPa有一短波波动，低层700 hPa和850 hPa均有切变线与之配合，且在甘孜州东部有一低涡存在，冕宁处在低涡底部偏南风气流里，有利于水汽和热量的输送。

图11 2020年6月26日20时西南涡加密观测实况和模式形势预报（a. 九龙探空，b. 高空填图，c. SWC模式，起报时间为26日08时，灰色阴影区为地形高度）

通过对比检验全球模式与中尺度模式预报冕宁这次过程的形势场可知，中尺度模式更能够清楚预报中小尺度辐合区的存在，全球模式由于分辨率较低等问题对于大范围的影响系统预报较好，日常预报中预报员需结合两者优势综合决策。

5 结论与讨论

本研究基于业务中常用的ECMWF、SWC以及GRAPES家族共6个模式预报，详细检验了各种常规预报及模式衍生产品对冕宁“6.26”高影响天气过程的预报性能，得出以下主要结论：

(1)从24 h累计降水预报来看，全球模式ECMWF预报效果优于GRAPES_GFS；集合预报GRAPES_EPS降水预报明显偏弱，EC_EPS个别成员对于本次冕宁地区强降水的预报值得关注，集合平均参考价值不高；中尺度区域模式优势明显，无论是量级还是落区预报效果均最好，尤其是GRAPES_3KM模式预报，落区分布与实况重合度高，50mm以上大量级降水TS评分最高。

(2)从模式衍生产品预报来看，GRAPES_3KM模式最大小时雨强≥10 mm降水区域与实况大量级降水落区匹配度是最高的，其次为ECMWF模式24 h累计降水多物理量订正产品及短时强降水概率产品。效果最不理想的是集合预报概率产品，只有个别成员预报≥25 mm，参考价值不高。

(3)从小时雨强检验来看，两个中尺度模式预报冕宁地区24 h降水极值点相比实况略偏北，量级偏小一个量级。主要降水时段SWC模式相比实况偏早3 h，持续时间与实况相当。GRAPES_3KM模式主要降水开始时间与实况一致，但持续时间较短。小时降水峰值实况出现在27日00时，SWC模式出现在26日18时，GRAPES_3KM模式为26日21时，均比实况偏早。

(4)从形势场预报来看，500 hPa低槽位置偏西，ECMWF模式在700 hPa与实况的分歧主要在于模式预报南、北风速均偏小，从而导致辐合较弱。GRAPES_GFS模式预报北风风速偏小，南风与实况相当，相较而言GRAPES_GFS模式的形势场预报更接近实况。SWC模式能较好地预报出冕宁上空中尺度辐合系统的存在，预报效果优于全球模式。

对于不同模式在地形复杂区域的预报性能分析，还需运用更多资料和方法展开全面而准确的评估。尤其是对于高分辨率模式，传统的检验指标极易忽略掉能较好地刻画中尺度对流系统的结构形态特征，但存在一定的空间位移偏差时的积极信息，需要找寻更为有效的检验方法来挑选更有优势的预报，进而提高模式释用技巧。