李 曼,杜 娟,辛 渝,馬玉芬,琚陳相

(1.中國氣象局烏魯木齊沙漠氣象研究所,新疆 烏魯木齊,830002;2.中亞大氣科學研究中心,新疆 烏魯木齊830002)

2016年烏魯木齊區(qū)域數(shù)值天氣預(yù)報系統(tǒng)預(yù)報性能客觀檢驗

李 曼1,2,杜 娟1,2,辛 渝1,2,馬玉芬1,2,琚陳相1,2

(1.中國氣象局烏魯木齊沙漠氣象研究所,新疆 烏魯木齊,830002;2.中亞大氣科學研究中心,新疆 烏魯木齊830002)

基于MET檢驗工具對烏魯木齊區(qū)域數(shù)值天氣預(yù)報系統(tǒng)DOGRAFS v1.0在2016年各季節(jié)中的預(yù)報性能進行客觀檢驗評估,主要檢驗要素有2 m溫度、10 m風、500 hPa形勢場等,并與2015年同期預(yù)報性能進行對比分析,結(jié)果表明:(1)2016年該系統(tǒng)對各個季節(jié)2 m溫度預(yù)報以冷偏差為主,午間偏低幅度較大;夏季性能最優(yōu),冬季性能最差.對10 m風預(yù)報以正偏差為主,平均誤差在1.0 m/s以內(nèi);各季節(jié)預(yù)報性能無明顯差異.(2)2016年該系統(tǒng)對500 hPa位勢高度和溫度預(yù)報以負偏差為主;位勢高度預(yù)報性能夏季最優(yōu)、秋季最差;溫度預(yù)報性能夏季最優(yōu)、冬季最差.24 h預(yù)報時效的預(yù)報性能整體優(yōu)于48 h預(yù)報時效.(3)2016年晴雨預(yù)報效果較好,夏季降水評分最高、冬季最低.隨降水閾值增大、TS評分降低,系統(tǒng)對夏季午后至夜間降水預(yù)報評分較高.(4)2015年各要素預(yù)報偏差的變化特征與2016年相似,2016年預(yù)報性能整體優(yōu)于2015年.

區(qū)域天氣數(shù)值預(yù)報系統(tǒng);預(yù)報性能;客觀檢驗;烏魯木齊

隨著數(shù)值天氣預(yù)報系統(tǒng)時空分辨率的提高,如何在模式初始場中加入更加豐富、更加真實的中小尺度天氣信息,提供更為精準的大氣在初始時刻的運行狀態(tài)對現(xiàn)有觀測網(wǎng)和資料同化系統(tǒng)提出了新的要求[1-2].目前,國際上使用較為廣泛的快速更新循環(huán)同化(RUC)和預(yù)報系統(tǒng),可有效利用各種常規(guī)和非常規(guī)氣象資料進行同化,為數(shù)值模式提供高質(zhì)量的初始場,同時在高分辨率數(shù)值模式的基礎(chǔ)上進行精細化數(shù)值預(yù)報[3-5].新疆快速更新循環(huán)同化數(shù)值預(yù)報系統(tǒng)(XJ-RUC)于2011年完成框架構(gòu)建并開展試運行,經(jīng)過參數(shù)化方案優(yōu)選優(yōu)化、同化方案優(yōu)選等本地化工作,2014年9月升級并更名為沙漠綠洲戈壁區(qū)域同化預(yù)報系統(tǒng),簡稱DOGRAFS(Desert-Oasis-GobiRegionalAssimilation and Forecast System),2015年底通過中國氣象局業(yè)務(wù)化評審,現(xiàn)行版本為1.0.DOGRAFS v1.0為全疆區(qū)、地、縣氣象部門以及國家電網(wǎng)等業(yè)務(wù)單位提供精細化預(yù)報產(chǎn)品,并在實際預(yù)報預(yù)測業(yè)務(wù)中得到廣泛應(yīng)用.

由于受初始場、模式邊界條件、物理過程、復(fù)雜下墊面以及模式框架自身設(shè)計不足等諸多方面的影響,數(shù)值模式預(yù)報產(chǎn)品與實況必定會存在一定的差異,需要對這種誤差進行時空上定量的檢驗和評估,不僅有助于研發(fā)人員診斷和修正模式中可能存在的缺陷,也為預(yù)報員訂正預(yù)報結(jié)果提供客觀依據(jù)[6-11].因此本文對DOGRAFS v1.0在2016年各個季節(jié)的預(yù)報性能進行客觀評估,并與2015年同期進行對比分析,以期為模式進一步改進和提供更為精準的預(yù)報產(chǎn)品提供客觀參考.

1 資料和方法

1.1 檢驗對象

DOGRAFS v1.0以WRF v3.5.1和WRFDA v3.5.1為核心,采用三重嵌套網(wǎng)格,水平分辨率為27、9 km和3 km,其中9 km分辨率區(qū)域覆蓋全疆(圖1);垂直方向采用σ坐標,共40層,模式層頂為50 hPa.系統(tǒng)每日運行四次(00UTC、06UTC、12UTC和18UTC),其中00UTC和12UTC為冷啟,預(yù)報時效84 h;06UTC和18UTC為暖啟,預(yù)報時效36 h.文中主要針對9 km分辨率區(qū)域的每日冷啟時次、48 h預(yù)報時效內(nèi)的預(yù)報結(jié)果,運用本地搭建的MET(Model Evaluation Tools)檢驗平臺進行檢驗,該區(qū)域內(nèi)約有170個地面觀測站和26個探空觀測站,具體分布見圖1.檢驗要素主要有2 m溫度、10 m風、500 hPa位勢高度和溫度以及逐6 h累積降水量,分別給出冬季(上年12月-2月)、春季(3-5月)、夏季(6-8月)和秋季(9-11月)4個季度的平均檢驗結(jié)果.

1.2 檢驗方法

DOGRAFS v1.0的預(yù)報結(jié)果是基于模式網(wǎng)格點的預(yù)報值,首先要利用反距離權(quán)重法[12-13],將網(wǎng)格預(yù)報值插值到圖1中的觀測站點上生成模式的觀測站點預(yù)報值,再與站點觀測值進行對比檢驗.對地面要素及高空要素的檢驗,主要檢驗統(tǒng)計量為平均誤差ME(Mean Error)和均方根誤差RMSE(Root Mean Square Error)(具體見公式1～2,公式中f(i)代表第i點上的預(yù)報值,o(i)代表第i點上的觀測值;對逐6 h累積降水量的預(yù)報結(jié)果,利用TS評分(Threat Score)對其進行檢驗(見公式3,公式中NA為預(yù)報正確站/次數(shù)、NB為空報站/次數(shù)、NC為漏報站/次數(shù))[14-17],主要對 0～6、6～12、12～18、18～24、24～30、30～36、36～42、42～48 h等時段的 5個不同閾值(≥0.1 mm、≥3.1 mm、≥6.1 mm、≥12.1 mm 和≥24.1 mm)的降水預(yù)報性能進行對比評估.

圖1 DOGRAFS v1.0預(yù)報區(qū)域和檢驗區(qū)域內(nèi)地面(a)和高空(b)測站分布

2 地面要素預(yù)報檢驗

2.1 2 m溫度

從2016年各個季節(jié)2 m溫度預(yù)報偏差結(jié)果(圖2)來看,DOGRAFS v1.0對2 m溫度的預(yù)報主要以冷偏差為主,只有在秋、冬季凌晨時段為正偏差;各個季節(jié)預(yù)報偏差隨時間變化趨勢相似,對午間溫度預(yù)報的偏低幅度最大,除夏季外,其余季節(jié)平均預(yù)報偏差可達2℃以上.從均方根誤差結(jié)果上來看,2016年冬季均方根誤差維持在4.5～6.0℃之間,春季均方根誤差維持在3.5～5.0℃之間,夏季均方根誤差維持在2.5～3.5℃之間,秋季均方根誤差維持在3.5～4.5℃之間,各個預(yù)報時效變化不大.整體來看該系統(tǒng)對夏季溫度預(yù)報性能最優(yōu)、秋季次之、冬季最差.

對比2016年與2015年同期2 m溫度預(yù)報檢驗結(jié)果(圖2)可以看出,二者平均誤差和均方根誤差在各個季節(jié)各個起報時次上的變化趨勢和整體特征較為相似,說明對溫度的預(yù)報存在一定的系統(tǒng)性偏差.2016年各季節(jié)預(yù)報誤差整體小于2015年,尤其是夏季冷偏差減小較為明顯,2016年各個季節(jié)均方根誤差較2015年整體降低0.5℃左右.綜上可知,2016年該系統(tǒng)對2 m溫度的預(yù)報性能優(yōu)于2015年.

2.2 10 m風

從2016年各個季節(jié)10 m風速的預(yù)報檢驗結(jié)果(圖3)來看,系統(tǒng)對10 m風預(yù)報的性能整體差異不大,平均誤差基本維持在0.5～1.0 m/s之間,冬季誤差最大為1.5 m/s,夏季誤差最小,除冬季外各季節(jié)各預(yù)報時效上平均誤差變化不明顯,冬季午間時段誤差最小.從均方根誤差結(jié)果上來看,2016年各季節(jié)維持在2.5～3.0 m/s之間,各季節(jié)各起報時次無明顯差異.

對比2016年和2015年同期10 m風預(yù)報檢驗結(jié)果(圖3)可以發(fā)現(xiàn),2016年系統(tǒng)對10 m風預(yù)報性能整體優(yōu)于2105年,平均誤差減小0.5 m/s左右,均方根誤差也明顯較低,尤其是春季,2015年春季10 m風均方根誤差最大可達5.0 m/s.

圖2 2016年和2015年各季節(jié)2 m溫度檢驗

3 500 hPa形勢場預(yù)報檢驗

3.1 位勢高度

從500 hPa位勢高度的預(yù)報檢驗結(jié)果(圖4)來看,24 h預(yù)報時效上,2016年各季節(jié)平均誤差均小于零,秋季誤差最大、達-3.0左右,春季次之,夏季最小;均方根誤差在10～11之間,無明顯差異;48 h預(yù)報時效上,除夏季外其余各個季節(jié)平均相對誤差均小于零,季節(jié)變化趨勢與24 h預(yù)報時效一致,平均誤差略小于24 h.

對比2015年和2016年該要素的檢驗結(jié)果(圖4)可以看出,24 h預(yù)報時效上,2015年夏季預(yù)報偏差最大,秋季次之,春季最小,這與2016年該預(yù)報時效內(nèi)的預(yù)報偏差季節(jié)分布有一定的差異.48 h預(yù)報時效上,2015年各個季節(jié)平均偏差均為負值,季節(jié)變化特征與2016年一致,48 h預(yù)報時效內(nèi)的預(yù)報偏差整體大于24 h預(yù)報時效.對比兩年各個季節(jié)的平均誤差和均方根誤差可以看到,2016年系統(tǒng)對500 hPa位勢高度預(yù)報性能有所提升.

3.2 溫度

從2016年500 hPa溫度在24 h和48 h預(yù)報時效內(nèi)的季節(jié)平均偏差結(jié)果(圖5)來看,兩個預(yù)報時效上均以負偏差為主,冬季溫度平均誤差最大,春季次之,夏季最小,均方根誤差的季節(jié)變化與平均誤差相一致.24 h預(yù)報時效內(nèi)的預(yù)報性能整體優(yōu)于48 h時效內(nèi)的預(yù)報性能.

對比分析2015年系統(tǒng)對500 hPa溫度預(yù)報檢驗結(jié)果(圖5)可以看到,預(yù)報偏差的季節(jié)變化特征和時效變化特征兩年的結(jié)果相似,但24 h預(yù)報時效內(nèi)2015年夏、秋季平均誤差為正值,48 h預(yù)報時效內(nèi)夏季平均誤差為正值,但從誤差絕對值上來看,2016年各季節(jié)偏差均小于2015年,均方根誤差整體也小于2015年.綜上可以看出,2016年預(yù)報系統(tǒng)對500 hPa位勢高度和溫度的預(yù)報性能較2015年有所提高.

4 逐6 h降水預(yù)報檢驗

圖3 2016年和2015年各季節(jié)10 m風檢驗結(jié)果

圖4 各季節(jié)500 hPa位勢高度在24 h、48 h預(yù)報時效內(nèi)的預(yù)報誤差

圖5 各季節(jié)500 hPa溫度在24 h、48 h預(yù)報時效內(nèi)的預(yù)報誤差

從近2 a各個季節(jié)、不同量級降水閾值的TS評分(圖6)可見,隨著降水閾值的增大、TS評分下降;不同起報時次降水評分較為接近.由于新疆屬于干旱半干旱氣候,6 h累積降水除夏季之外很少大于24.0 mm.從2016年降水TS評分結(jié)果上來看,0.1 mm以上閾值降水,在各個預(yù)報時效內(nèi)較為接近,冬季在0.2～0.3之間,其余季節(jié)在0.3～0.4之間,表明模式對未來6 h的晴雨預(yù)報效果較好,穩(wěn)定性和可靠性較高.3.1 mm以上閾值降水,除冬季外,其余季節(jié)在0.1～0.2之間;春季各個預(yù)報時效內(nèi)較為接近,夏季降水評分在午后至夜間時段(北京時間14時-次日02時)評分較高,秋季各預(yù)報時效上差異不明顯,在凌晨時段評分較低(北京時間02時-08時).6.1 mm和12.1 mm以上閾值降水,冬季評分基本為0,其余季節(jié)在0.05～0.1之間;各預(yù)報時效變化特征與3.1 mm以上閾值降水相似,夏季在午后降水評分較高.

與2015年降水評分對比可以看到,冬季晴雨預(yù)報性能二者相當,3.1 mm以上閾值降水的評分2015年較高;春季各閾值降水評分2016年整體高于2015年,特別是前36 h預(yù)報時效;夏季2016年降水評分整體低于2015年,12UTC起報24 h預(yù)報時效內(nèi)的強降水評分2016年較高;秋季晴雨預(yù)報近兩年相當,3.1 mm以上閾值的降水2016年秋季評分整體高于2015年.綜上,近兩年晴雨預(yù)報性能相當,2016年春季降水預(yù)報性能整體有所提高,夏、秋季大閾值降水預(yù)報性能有所提高.

5 結(jié)論與討論

利用MET檢驗工具,數(shù)值預(yù)報系統(tǒng)DOGRAFS v1.0對2016年烏魯木齊區(qū)域的預(yù)報結(jié)果在各個季節(jié)的預(yù)報性能進行檢驗評估,并與2015年同期進行對比分析,主要結(jié)果如下:

(1)2016年DOGRAFS v1.0對各個季節(jié)內(nèi)2 m溫度的預(yù)報以冷偏差為主,對午間溫度預(yù)報偏低幅度較大;夏季預(yù)報性能最優(yōu)、偏差在2℃以內(nèi),冬季最差.2016年2 m溫度預(yù)報性能整體優(yōu)于2015年.對10 m風預(yù)報以正偏差為主,各個季節(jié)預(yù)報性能整體差異不大,平均誤差維持在1.0 m/s以內(nèi)、均方根誤差在2.5～3.0 m/s之間.2016年10 m風預(yù)報性能整體優(yōu)于2015年,尤其是春季.

(2)2016年DOGRAFS v1.0對500 hPa位勢高度和溫度的預(yù)報整體以負偏差為主,位勢高度預(yù)報性能夏季最優(yōu)、秋季最差;溫度預(yù)報性能在夏季最優(yōu)、冬季最差;兩個要素的預(yù)報性能均在24 h預(yù)報時效上優(yōu)于48h預(yù)報時效.2016年500 hPa位勢高度和溫度的預(yù)報性能整體優(yōu)于2015年.

(3)2016年晴雨預(yù)報效果較好,隨降水閾值增大、TS評分減小,夏季降水評分最高、冬季最低.模式對夏季午后至夜間降水預(yù)報評分較高,對秋季凌晨時段降水預(yù)報評分較低.整體來看,2016年春季降水預(yù)報性能有所提高,夏、秋季大閾值降水預(yù)報性能有所提高.

整體來看,2016年DOGRAFS v1.0的預(yù)報性能較2015年穩(wěn)中有升,預(yù)報性能的提升主要可能受以下兩方面的影響:(1)本地技術(shù)研發(fā).經(jīng)過1 a左右的連續(xù)試驗和個例試驗,2015年6月起將全疆10部C波段雷達徑向風資料放入DOGRAFS v1.0業(yè)務(wù)同化系統(tǒng)中,進一步優(yōu)化初始場,國內(nèi)外已有研究表明雷達資料同化對區(qū)域數(shù)值預(yù)報系統(tǒng)的預(yù)報性能有一定的正效果[18-21];(2)全球數(shù)值天氣預(yù)報系統(tǒng)性能的提升.區(qū)域數(shù)值天氣預(yù)報系統(tǒng)的性能在一定程度上依賴于全球數(shù)值預(yù)報系統(tǒng)所提供的初始場的性能,近年各個全球數(shù)值預(yù)報系統(tǒng)的性能也在穩(wěn)中提升,能夠為區(qū)域數(shù)值預(yù)報系統(tǒng)提供與實況更為相近的初始場.

圖6 各個季節(jié)逐6 h降水檢驗結(jié)果

[1] 陳敏,范水勇,仲躋芹,等.全球定位系統(tǒng)的可降水量資料在北京地區(qū)快速更新循環(huán)系統(tǒng)中的同化試驗[J].氣象學報,2010,68(4):450-463.

[2] 姚爽,陳敏,王建捷.L波段分鐘數(shù)據(jù)在WRF模式中的變分同化應(yīng)用試驗[J].氣象,2015,41(6):695-706.

[3]Benjamin S G,Devenyi D,Weyandt S S,et al.An hourly assimilation forecast cycle:The RUC[J].Mon Wea Rev,2004,132:495-518.

[4]Thompson R L,Roger E,Hart J A.Close proximity sounding within supercell environments obtain from the rapid update cycle[J].Wea Forecasting,2003,18(6):1243-1261.

[5] 郝民,徐枝芳,陶士偉,等.GRAPES RUC系統(tǒng)模擬研究及應(yīng)用試驗[J].高原氣象,2011,30(6):1573-1583.

[6]Homleid M.Diurnal correction of short-term surface temperature forecast using the Kalman filter[J].Wea Forecasting,1995,10:689-707.

[7]Stensrud D J,Skindlov J A.Grid point prediction of high temperature from a mesoscale model [J].Wea Forecasting,1996,11:103-110.

[8] 陳敏,王迎春,仲躋芹,等.北京地區(qū)中尺度數(shù)值業(yè)務(wù)預(yù)報的客觀檢驗[J].應(yīng)用氣象學報,2003,14(3):522-532.

[9] 閔晶晶.BJ-RUC系統(tǒng)模式地面氣象要素預(yù)報效果評估[J].應(yīng)用氣象學報,2014,25(3):265-273.

[10]王雨,李莉.GRAPES_Meso V3.0模式預(yù)報效果檢驗[J].應(yīng)用氣象學報,2010,21(5):524-534.

[11]毛冬艷,朱文劍,樊利強,等.GRAPES_MESO V3.3模式強天氣預(yù)報性能的初步檢驗[J].氣象,40(12):1429-1438.

[12]Watson D F,Philip G M.A Refinement of Inverse Distance Weighted Interpolation[J].Geo-Processing,1985,2(2):315-327

[13]彭彬,周艷蓮,高蘋,等.氣溫插值中不同空間插值方法的適用性分析-以江蘇省為例[J].地球信息科學學報,2011,13(4):539-548.

[14]裘國慶.數(shù)值天氣預(yù)報標準化檢驗方法[J].氣象,1989,15(9):48-50.

[15]劉還珠,張紹晴.第四講 中期數(shù)值預(yù)報的統(tǒng)計檢驗分析[J].氣象,1992,18(9):50-54.

[16]王雨,公穎,陳法敬,等.區(qū)域業(yè)務(wù)模式6h降水預(yù)報檢驗方案比較[J].應(yīng)用氣象學報,2013,24(2):171-178.

[17]杜娟,于曉晶,辛渝,等.烏魯木齊區(qū)域數(shù)值預(yù)報業(yè)務(wù)系統(tǒng)降水預(yù)報檢驗與評估分析[J].沙漠與綠洲氣象,2016,10(6):31-40.

[18]馬秀梅,歐登格力,辛渝,等.C波段雷達在新疆區(qū)域數(shù)值預(yù)報系統(tǒng)中的應(yīng)用初探[J].沙漠與綠洲氣象,2015,9(6):19-26.

[19]陳鋒,冀春曉,董美瑩,等.雷達徑向風速同化對臺風麥莎模擬的影響[J].氣象,2012,38(10):1170-1181.

[20]孫娟珍,陳明軒,范水勇.雷達資料同化方法:回顧與前瞻[J].氣象科技進展,2016,6(3):17-27.

[21]陳敏,陳明軒,范水勇.雷達徑向風觀測在華北區(qū)域數(shù)值預(yù)報系統(tǒng)中的實時三維變分同化應(yīng)用試驗[J].氣象學報,2014,72(4):658-677.

Objective Verification on DOGRAFS System during 2016

LI Man1,2,DU Juan1,2,XIN Yu1,2,MA Yufen1,2,JU Chenxiang1,2
(1.Institute of Desert Meteorology,CMA,Urumqi 830002,China;2.Center of Central Asia Atmospheric Science Research,Urumqi 830002,China)

The forecast performance of DOGRAFS v1.0 in 2016 is objectively verified seasonly by MET and further compared with the corresponding period in 2015.It is showed that:(1)the forecasted 2 m temperature in each season in 2016 are always lower than the corresponding observations,especially in the noon.Which is best predicted in the summer while worst in the winter.The forecasted 10 m wind are mainly higher than observations,the average error is within 1.0 m/s with no obvious differences in each season.(2)Negative deviations in 500 hPa geopotential height and temperature are mainly showed in 2016,with its 24 h forecast results better than 48 h.The performance of 500 hPa geopotential height is best in summer and worst in autumn,while the temperature is the best in summer and the worst in winter.(3)The 6 h accumulated rainfall judgment has been well predicted in 2016,with its best performance in the summer while the worst in the winter,while better in the latter half of daytime.Its Threat Score decreased with the increase of the column threshold.(4)The variation characteristics of forecast bias of each variable in 2016 is similar with that of 2015,and the forecast performance in 2016 is generally better than 2015.

DOGRAFS;forecast performance;objective verification;Urumqi

P456.7

A

1002-0799(2017)05-0046-07

李曼,杜娟,辛渝,等.2016年烏魯木齊區(qū)域數(shù)值天氣預(yù)報系統(tǒng)預(yù)報性能客觀檢驗[J].沙漠與綠洲氣象,2017,11(5):46-52.

10.12057/j.issn.1002-0799.2017.05.007

2017-02-22;

2017-03-10

中國沙漠氣象科學研究基金(SQJ2013013)和科技部公益性行業(yè)科研專項(GYHY201506009)共同資助.

李曼(1986-),女,助理研究員,主要從事中尺度天氣動力學和數(shù)值模式研究工作.E-mail:lim_idm@126.com