辽宁区域性大暴雨成因分析及多模式数值预报空间检验

于跃 毕明林 阎琦 林海峰 冯冬蕾 于凡越

（1.中国气象局沈阳大气环境研究所，辽宁 沈阳 110166；2.辽宁省气象台，辽宁 沈阳 110166；3.沈阳市浑南区气象局，辽宁 沈阳 110180）

引言

随着气象业务现代化建设的飞速发展，数值模式产品已成为中、短期天气预报的主要参考依据。尤其是CMA数值模式，是中国气象局研发推广的模式，应用实况对其性能进行检验尤为重要。不同数值模式对辽宁区域性暴雨过程的预报具有各自的优缺点，对于不同数值模式产品的释用、选取及订正成为数值预报的关键。

数值模式预报产品检验的相关研究较多［1-5］，早期主要用统计检验方法。根据预报员的业务需求，有一些针对不同天气分型降水检验的研究，如陈涛等［8］对比了华南前汛期锋面对流系统和暖区对流系统的多尺度特征和可预报性分析，发现与暖区对流性降水相比，主流业务预报模式对锋面对流系统的预报更为准确。近些年空间检验的发展比较迅猛，张博等［6］利用最流行的降水空间检验法—MODE方法，通过对比质心距离、轴角以及纵横比等要素，讨论几种常规业务模式对中国华北地区夏季强降水的中期预报能力；李子良等［7］利用邻域空间检验FSS（Fraction Skill Score）方法，构建了适用于集合预报的降水空间检验指标EFSS（Ensemble Fraction Skill Score）；公颖［9］全面而详细地对SAL（Struucture，Amplitude，Location）检验方法进行阐释，通过对2009年三次大范围强降水的检验和分析，总结了SAL方法在降水预报检验中的应用方法；金小霞等［10］采用SAL定量降水预报检验方法，对2017年梅雨期一次区域性极端降水过程高分辨率数值预报产品进行检验对比发现，该方法较MODE、FSS等方法可以更加直观的说明模式性能的优缺点，便于日常业务使用。

应用CMA数值模式预报产品对辽宁区域性暴雨预报效果定量检验和对比分析的研究较少，因此本文对2020年12次区域性暴雨天气过程按照不同影响系统进行分型检验，针对模式性能表现较差的暴雨类型选取典型个例进一步检验分析，利用EC＿THIN、CMA-MESO3km、CMA-MESO10km、CMA＿GFS四种数值预报模式产品与实况降水资料分别进行传统检验和SAL空间检验，对比不同模式对辽宁区域性暴雨的预报能力，以期为更好地应用数值模式提高本地降水预报的准确率提供参考。

1 资料与方法

1.1 资料来源

分型检验实况资料来源于2020年汛期（5—9月）291个国家（区域）自动站观测资料。典型个例实况资料来源于2021年7月12—14日中国气象局下发的三源融合格点降水实况（0.05°×0.05°），参与检验的数值预报模式包括全球数值预报模式EC＿THIN（0.125°×0.125°）、CMA＿GFS（0.25°×0.25°）及区域数值预报模式CMA-MESO10km（10 km×10 km）、CMA-MESO3km（3 km×3 km）共4种模式产品。本文评分采用的暴雨量级指24 h降水量50.0—99.9 mm。

首先对各数值模式3 h降水预报产品统一进行累加处理，输出24 h累加值，使4种数值模式检验值均为08—08时的24 h累积降水量；典型个例检验将检验时段内的数值预报产品及格点实况产品通过双线性插值的方法插值统一到0.05°×0.05°格点上，作为典型个例检验的降水预报值及实况值；分型检验将时段内数值预报产品通过双线性插值方法插值统一到291个站点上，作为分型检验对各站点的预报值。完成数值模式预报产品和实况观测资料的时空匹配。

1.2 TS评分算法

依据中国气象局国家气象中心发布的《智能预报技术方法竞赛检验方案》中降水预报检验方法，检验项目包括暴雨量级降水的预报评分（TS）。具体检验标准见表1。预报评分

式（1）中，TS为预报评分；NA为降水预报正确的站（次）数；NB为空报的站（次）数；NC为漏报的站（次）数；ND为无暴雨预报正确的站（次）数。

表1 暴雨检验评定标准Table 1 A rainstorm test and evaluation Criteria

1.3 SAL空间检验算法

SAL方法是将降水主体从结构（Structure，简称S）、强度（Amplitude，简称A），位置（Location，简称L）3个方面进行定量化检验，从被标记过的网格范围内降水场中统计降水的均匀性，平均强度和质心分布等属性，检验预报和观测之间的均匀性、平均强度和距离等偏差属性。计算过程中首先选用半径为smooth＝5倍格距（15 km）的圆盘形卷积内核，将观测场和预报场进行卷积平滑；设定阈值threshold＝50 mm，将平滑后观测和预报格点场中的数值小于threshold的格点设置为0；通过联通阈提取算法识别出观测和预报中的目标，设置目标的最小面积m inisize＝5，将预报和观测场中目标面积（格点数）小于5的删除，将未标记成目标的网格点设置为0，然后按如下方法计算不同的检验指标。结构误差为

式（2）—式（4）中，m为降水过程个数；Rn（mm）为第n个降水过程的总降水量；（mm）为第n个降水过程的最大降水量；vn为第n个降水过程总降水量与最大降水量的比值；v（R）为m个降水过程以总降水量值为权重的vn的加权平均，其中v（Rmod）为模式预报场的加权平均值，v（Robs）为实况观测场的加权平均值。S为结构参数，取值范围为［-2，2］，S＞0为模式预报范围较实况偏大，或最大降水量较实况偏小，或两者均存在；S＜0则相反，为模式预报范围较实况偏小，或最大降水量较实况偏大，或两者均存在。强度误差为

式（5）—式（6）中，D（R）（mm）为区域内所有非缺测格点降水量的均值；D（Rmod）为模式预报场的均值；D（Robs）为观测实况场的均值；A为强度参数，A＞0为模式预报较实况偏强，A＜0为模式预报较实况偏弱，A＝0为实况与预报一致。A的绝对值越接近0，表明降水预报与实况越接近。距离误差为

式（7）—式（10）中，x（Rmod）为模式预报场降水过程主体重心位置；x（Robs）为观测实况场降水过程主体重心位置；dmax为区域内非缺测格点间的最大距离；x为降水主体重心；xn为第n个降水过程的重心；r为m个降水过程以总降水量为权重｜x-xn｜加权平均，其中r（Rmod）为模式预报场的加权平均，r值越大，表示降水过程主体的降水量越大、离降水过程主体重心越远；L为位置参数，由L1、L2组成，其中L1为区域内预报与实况降水过程主体重心间的距离，L2表示降水过程主体重心与每个降水过程主体重心之间的平均距离。对L值分析可知，如果L1对于L的误差贡献比较大，表明降水过程主体的整体位置与实况有一定差异；如果L2对L的误差贡献较大，表明模式预报场与观测实况场识别的降水过程与主体重心位置存在一定偏差，未能较好地捕捉到降水过程与降水过程主体重心的分布情况。因此，预报降水过程主体重心与实况降水过程主体重心重合度越高，且预报与实况降水过程个体重心加权平均值越接近，L就越接近0，预报降水过程的位置与实况降水的位置越接近。

2 结果分析

2.1 2020年暴雨过程分型检验

根据不同的高空、地面系统，将2020年辽宁地区汛期（5—9月）12次区域性暴雨天气过程进行分型，其中地面气旋型暴雨过程（2次）、台风系统型暴雨过程（4次）、东北冷涡型暴雨过程（6次），具体分型、过程集中时段及过程雨量、最大小时雨量见表2。不同类型暴雨过程TS评分表明（表3），各数值预报模式对于冷涡型暴雨整体预报优于台风型和气旋型暴雨，其中气旋型暴雨模式可预报性较低，各数值模式中CMA-MESO10km和CMA-MESO3km的TS评分分别为15.15%和14.50%，高于CMA＿GFS模式1.41%，明显好于EC模式。

表2 2020年辽宁地区区域性暴雨天气过程分型情况Table 2 Classification of regional rainstorm s in 2020 in Liaoning areas

表3 2020年不同类型区域性暴雨过程TS评分情况Table 3 TS scores of various types of regional rainstorms in 2020 %

2.2 典型个例过程概况

2021年7月12—14日，副热带高压势力强盛，500 hPa中高纬冷涡逐渐东移南下（图1a），至中国东北地区，受东侧阻塞高压阻挡，移动缓慢，形成了从中国华北伸向长江中下游地区的高空槽，槽后冷空气东移南下，低空急流建立，水汽充沛，配合地面气旋东移北上，辽宁地区产生了大范围的强降水（图1b）。降水集中时段为12日午后至14日夜间，辽宁西部、东南部出现暴雨到大暴雨，个别乡镇出现特大暴雨。此次过程为一次典型的东北冷涡和地面气旋环流背景下的区域性暴雨过程，具有降雨持续时间长，暴雨区域集中，局地雨强大，伴随强对流、大风天气等特征，辽宁12个气象站累计降水量大于250 mm，314个气象站累计降水量达100—250 mm，最大累计降水量316.4 mm，出现在大连庄河市塔岭镇朝阳寺村，13日岫岩国家地面气象观测站日雨量达219.4 mm，突破该站7月历史极值（192 mm，1999年7月31日）。

图1 2021年7月12日20时500 hPa位势高度场、850 hPa风场（a）和15日08时72 h累计降水量（b）Fig.1 Geopotential height at 500 hPa and w ind field at 850 hPa at 20：00 on July 12，2021（a），observed 72 h rainfall at 08：00 on July 15，2021（b）

2.3 不同阶段实况特征及降水成因

2.3.1辽宁西部地区强降水阶段

利用FNL再分析资料（1°×1°）、辽宁地面自动站观测资料、雷达基本反射率产品，分析不同阶段实况特征表明，2021年7月12日08时至13日08时辽西大部出现大雨到暴雨，局部大暴雨，72个气象站出现100—250 mm的降雨（图2a）。12日20时辽宁位于冷涡前侧，副热带高压西侧急流中，水汽条件充沛（图2b）；辽西地区处于槽前正涡度平流区，有利于地面系统减压，引导地面气旋东移北上，受高空槽、暖切变线、地面气旋顶部的共同作用（图2c），动力抬升条件较好，同时随着偏南水汽通道建立，向西部地区输送暖湿空气（图2d），辽西地区有混合性降水回波发展，中心强度为35—50 dBz（图2e），伴随强上升运动，回波顶高发展到15 km以上，强回波中心维持在6 km左右（图2f），辽西地区出现强降水天气过程。

2.3.2辽宁东、西双雨带阶段

2021年7月13日17时至14日20时辽宁出现东、西两条强雨带，西部地区出现中雨到大雨，局部暴雨，东南部地区出现大雨到暴雨，局部大暴雨，33个气象站出现100—250 mm的降雨，206个气象站出现50—100 mm的降雨（图3a）。13日20时副热带高压略有西伸北抬，中国华北、东北部低槽前侧偏南气流中不断有降水回波生成（图3b），沿气旋前侧气流影响辽宁西部地区，辽西处于湿度饱和区及能量锋区顶端（图3c和图3d）。辽宁中东部处于副热带高压后部东南急流中，受低涡旋转和偏南引导气流影响，降水回波向西北方向移动形成列车效应，与有利地形配合，降水强度显著加强。从雷达反射率因子分布来看（图3e），降水回波结构密实，以对流性降水回波为主，回波顶高维持在15 km以上，且较上一阶段强回波中心强度增加至55 dBz，同时回波质心整体呈下降趋势（图3f），表明此次过程中伴有明显短时强降水天气，辽宁地区出现东、西两条强降雨带。

2.3.3辽宁东部强降水阶段

图2 2021年7月13日08时24 h累计降水量（a）、12日20时500 hPa位势高度场和850 hPa风场（b）、12日20时海平面气压场（c）、12日20时850 hPa相当位温和相对湿度（d）、12日17时雷达反射率因子（e）和反射率因子沿（119.78°E，41.79°N）垂直剖面时间变化（f）Fig.2 Observed 24 h rainfall at 08：00 on Ju ly 13（a），geopotential height at 500 hPa and w ind field at 850 hPa at 20：00（b），sea level pressure at 20：00（c），equivalent potential temperature and relative hum idity at 850 hPa at 20：00（d），radar reflectivity factor at 17：00（e），vertical section of time evolution of reflectivity factor along the location（119.78°E，41.79°N）（f）on July 12，2021

图3 2021年7月13日17时至14日20时累计降水量（a）、13日20时500 hPa位势高度场和850 hPa风场（b）、13日20时海平面气压场（c）、13日20时850 hPa相当位温和相对湿度（d）、13日18时雷达反射率因子（e）和反射率因子沿（123.13°E，40.48°N）垂直剖面时间变化（f）Fig.3 Observed rainfall from 17：00 on July 13 to 20：00 on July 14（a），geopotential height at 500 hPa and w ind field at 850 hPa at 20：00（b），sea level p ressure at 20：00（c），equivalent potential tem perature and relative hum idity at 850 hPa at 20：00（d），radar reflectivity factor at 18：00（e），vertical section of time evolution of reflectivity factor along the location（123.13°E，40.48°N）（f）on July 13，2021

2021年7月14日20时至15日08时，辽东出现大雨到暴雨，局部大暴雨，13个气象站降水量达100—250 mm，42个气象站降水量达50—100 mm（图4a）。14日20时低涡北上外围急流减弱，辽宁西部尽管受到切变线影响（图4b和图4c），但是整层风场较弱、热力条件较差（图4d），不利于回波的组织化，有分散性弱回波生成。东南部位于副热带高压后边界急流中，维持高能高湿的环境条件，水汽和动力条件相对较好，强上升运动伸展至600 hPa左右，仍有较强的降水回波产生（图4e和图4f）。

图4 2021年7月15日08时12 h累计降水量（a）、14日20时500 hPa位势高度场和850 hPa风场（b）、14日20时海平面气压场（c）、14日20时850 hPa相当位温和相对湿度（d）、14日21时雷达反射率因子（e）和反射率因子沿（123.00°E、40.21°N）垂直剖面时间变化（f）Fig.4 Observed precipitation in the past 12-h at 08：00 on July 15（a），geopotential height at 500 hPa and w ind field at 850 hPa at 20：00（b），sea level pressure at 20：00（c），equivalent potential temperature and relative hum idity at 850 hPa at 20：00（d），radar reflectivity factor at 21：00（e），vertical section of time evolution of reflectivity factor along the location（123.00°E，40.21°N）（f）on July 14，2021

2.4 数值模式检验结果

2021年7月这次过程中，由于各种数值模式预报差异主要体现在7月12日08时至13日08时辽宁西部强降水阶段，所以本文着重选取该时段辽西地区强降水不同模式性能做进一步检验分析，传统的检验方法如TS评分等能够有效评估模式对降水预报的综合结果，但是对模式在雨带结构、位置等方面的偏差检验表现不足。因此，为了多角度对模式进行评估，减少预报员对于雨带位置、结构等方面的主观判断，引入SAL方法对降水过程进行检验，定量给出雨带位置、结构等方面的检验结果。

2.4.1传统检验结果

传统检验结果表明，各数值模式对于辽西地区强降水均有较好的预报能力，强降水落区预报较为接近。暴雨TS评分，CMA-MESO3km（27.11%）高于CMA-MESO10km（21.74%），明显优于EC＿THIN和CMA＿GFS，强降水TS评分中CMA区域模式较全球模式占有绝对优势（表4），其中CMA-MESO3km模式表现最好。

表4 2021年7月12日08时至13日08时辽西强降水阶段预报检验TS得分情况Table 4 TS scores of forecasting test during heavy precipitation stage in western Liaoning province from 08：00 on July 12 to 08：00 on July 13，2021

2.4.2SAL空间检验结果

SAL检验各模式对2021年7月13日08时辽西地区降水暴雨以上量级的目标识别和实况匹配情况见图5，CMA-MESO3km与实况匹配度最高，下面均对目标1计算各项检验指标。

从结构（S）检验来看，CMA-MESO10km、CMA＿GFS、EC＿THIN三个数值模式均大于0，说明各模式的误差为暴雨预报范围较实况偏大或者最大降水中心数值较实况偏小，或者两种情况均存在。三个模式在本次过程中暴雨落区预报范围偏小，最大降水中心数值较实况明显偏小（表5），造成S误差的主要原因为最大降水中心数值较实况偏小；而CMA-MESO3km的S值小于0，S误差的主要来源为最大降水中心数值较实况偏大。从S的数值看，EC＿THIN、CMA-MESO3km和CMA-MESO10km模式对于雨带的内部结构预报与实况较为接近，CMA＿GFS次之。

从强度（A）检验来看，CMA＿GFS小于-1，说明预报和实况差异较大，而CMA-MESO3km的A值最接近0，说明CMA-MESO3km的降水强度预报较全球模式更加接近实况，EC＿THIN次之。

图5 2021年7月13日08时24 h EC＿THIN（a1）、CMA-GFS（b1）、CMA-MESO10km（c1）、CMA-MESO3KMSAL（d1）模拟结果以及EC＿THIN（a2）、CMA-GFS（b2）、CMA-MESO10km（c2）及CMA-MESO3KMSAL（d2）预报检验目标实况匹配情况Fig.5 M atching situations between observations（1）and test targets（2）by EC＿THIN（a），CMA-GFS（b），CMAM ESO10km（c），and CMA-MESO3KM SAL（d）at 08：00 on July 13，2021

表5 2021年7月12日08时至13日08时辽宁西部强降水各模式SAL空间检验结果Table 5 M odel test results of SAL from 08：00 on July 12 to 08：00 on July 13，2021

从位置（L）检验看，各模式L值均在0.20以下，可认为本次过程暴雨落区预报较为成功。CMA＿GFS、CMA-MESO10km模式L值在0.10以上明显高于EC＿THIN、CMA-MESO3km，说明二者的位置偏差较大，而CMA-MESO3km的L值为0.06，最接近0，说明暴雨落区预报最接近实况。从L1、L2的数值分析，各模式均是L1对于L的整体贡献较大，说明暴雨落区的误差主要由于识别目标降水主体重心与实况降水主体重心偏差较大造成。

3 结论与讨论

（1）2020年辽宁地区汛期分型暴雨过程检验表明，各数值预报模式对于气旋型暴雨可预报性较低，各模式中CMA-MESO10km和CMA-MESO3km表现优于其余模式。

（2）辽宁地区典型暴雨过程呈双雨带特征，辽宁东、西部降水成因不同。2021年7月12日08时至13日20时副热带高压稳定少动，受到高空槽前、低涡切变线和气旋顶部影响，辽宁西部地区出现暴雨。13日17时至15日08时受副热带高压外围偏南急流影响，辽宁东部维持高温高湿的环境条件，配合中尺度切变线、地形抬升作用下出现暴雨。

（3）传统检验结果表明，各模式对于2021年7月辽宁西部强降水落区的预报较为接近，CMA区域模式暴雨TS评分明显高于全球模式，CMA区域模式对于暴雨量级的降水预报参考性较高。

（4）TS评分体现了模式的预报质量，而SAL从不同方面反映了评分高低的原因。2021年7月12—14日辽宁西部暴雨过程，EC＿THIN、CMA-MESO3km、CMA-MESO10km对于暴雨落区的预报效果较好；CMA-MESO3km降水强度和观测最为接近；位置上各模式误差均在0.2以下，CMA-MESO3km最小。SAL检验对于雨区结构、强度和位置某一方面的预报较好，并不能对应高的TS评分，而三方面整体均衡的预报效果对应高的TS评分，实际工作中应将二者结合，客观分析各模式预报结果及误差。