任緒偉，陳曉燕，蔡迪花，李蘭倩，邵愛梅

(1.蘭州大學大氣科學學院，甘肅 蘭州 730000；2.蘭州中心氣象臺，甘肅 蘭州 730020； 3.中國氣象局蘭州干旱氣象研究所，甘肅 蘭州 730020)

引 言

GRAPES(global/regional assimilation and prediction system)是中國氣象局自主研發(fā)的多尺度通用資料同化與數(shù)值預報系統(tǒng)[1-2]，包括全球中期天氣預報系統(tǒng)(GRAPES_GFS)和區(qū)域中尺度數(shù)值預報系統(tǒng)(GRAPES_Meso)。自2006年7月GRAPES_Meso模式正式業(yè)務(wù)運行至今，已從模式動力框架升級、同化系統(tǒng)改進、空間分辨率提升以及物理參數(shù)化方案優(yōu)化等方面開展了大量研究[3-13]。科學、準確地檢驗評估模式預報能力是模式系統(tǒng)不斷優(yōu)化升級的重要部分，這對進一步改進模式性能有著積極作用[14-16]。

降水預報檢驗是考察模式綜合性能的關(guān)鍵要素，為此學者們已針對不同版本的GRAPES_Meso模式開展了降水預報效果的檢驗和評估研究[17-22]。GRAPES_Meso V3.3版本具有15 km的水平空間分辨率，其對東北和華北等地區(qū)的強降水有一定的預報能力，但對受地形影響的強降水預報能力有限[17]。隨著模式版本升級至V4.0，模式水平分辨率提高到10 km，垂直分層從31層增加至50層，同時完善了物理參數(shù)化方案和動力框架，增加了地基GPS (global position system)大氣水汽含量等資料的同化應(yīng)用。GRAPES_Meso V4.0版本進一步提升了降水預報能力，對雨帶的細致結(jié)構(gòu)有較好的刻畫能力，模式預報的降水與實況較為接近，且對溫度、風速、位勢高度等氣象要素的預報也有正作用[18]?？傮w來說，V4.0版本對我國西部地區(qū)的降水預報能力低于東部地區(qū)[19]，在西南地區(qū)的預報偏差主要表現(xiàn)為降水范圍偏大、強度偏強或預報的降水中心值較實況偏小[20]，而在西北地區(qū)的降水預報也存在一定偏差[21]。目前GRAPES_Meso模式水平分辨率已提升至3 km，能夠更好地預報出我國東南部地區(qū)降水的空間結(jié)構(gòu)，對日均降水量和降水頻率的預報好于10 km分辨率[22]。

中尺度數(shù)值模式普遍存在spin-up問題，即模式初始場動力、熱力條件與濕物理過程不匹配，導致模式對云和降水的響應(yīng)存在時間上明顯滯后現(xiàn)象，進而影響模式對局地強對流等高影響天氣過程的預報性能。為提高短臨預報能力，縮短模式spin-up時間，GRAPES_Meso模式引入了中尺度模式ARPS的云分析系統(tǒng)[23-24]，該系統(tǒng)利用衛(wèi)星、雷達以及地面等觀測資料，結(jié)合模式物理量場，展開三維云量分析和降水粒子場(雨水、雪和冰雹等)的計算。為了使云內(nèi)溫度場和云分析場一致，該云分析系統(tǒng)根據(jù)濕絕熱假設(shè)對云內(nèi)溫度場、濕度場和垂直速度場進行調(diào)整，以完成對模式初始場的修正與更新[25]。云分析系統(tǒng)的引入提高了GRAPES_Meso模式業(yè)務(wù)版本的短臨預報性能，對華南地區(qū)降水預報有著積極作用[26]。然而，當前對GRAPES_Meso模式及其云分析系統(tǒng)降水預報性能的檢驗評估多集中在我國東部及南部地區(qū)，而對千米尺度分辨率模式及其云分析系統(tǒng)在西北地區(qū)的應(yīng)用效果評估較少。為此，本文利用GRAPES_Meso模式(3 km)及其云分析系統(tǒng)，針對我國西北地區(qū)2018年夏季13次強降水天氣過程和一個月天氣開展降水預報批量試驗，評估該模式及其云分析系統(tǒng)在西北地區(qū)的降水預報能力，并結(jié)合一次典型強降水個例的試驗結(jié)果給出GRAPES_Meso模式及其云分析系統(tǒng)的應(yīng)用效果。

1 模式和方法

1.1 模式及云分析系統(tǒng)簡介

GRAPES_Meso模式采用半隱式半拉格朗日時間積分方案，水平方向為Arakawa-C網(wǎng)格點，垂直方向采用Charney-Phillips非均勻跳層以及高度地形追隨坐標設(shè)置；物理過程主要有次網(wǎng)格積云對流參數(shù)化、云微物理顯式降水、短波輻射、長波輻射、邊界層以及陸面過程；三維變分同化系統(tǒng)可同化船舶、地面、云導風、飛機報、探空等多種觀測資料。動力框架和經(jīng)過優(yōu)化改進的物理參數(shù)化方案是GRAPES_Meso模式核心部分[3]，經(jīng)過十余年的改進，該模式目前已具有較好的預報性能。

GRAPES_Meso云分析系統(tǒng)的設(shè)計思路是通過綜合模式背景場信息以及各種觀測資料(雷達組網(wǎng)拼圖、衛(wèi)星相當黑體溫度和總云量、探空、地面觀測)，根據(jù)云的動力、熱力學原理和觀測試驗獲得的經(jīng)驗關(guān)系修正云信息[26]。具體來說，云分析系統(tǒng)通過模式背景濕度場信息確定云區(qū)和云量，通過地面觀測資料估算云底高度和云層厚度，通過衛(wèi)星數(shù)據(jù)調(diào)整云頂高度，通過雷達回波修正云量，通過靜力穩(wěn)定度和溫度識別云狀，通過簡單非絕熱方案或Smith-Feddes方案分離云水與云冰；之后，根據(jù)雷達回波與不同類型降水的關(guān)系進一步對雷達回波覆蓋區(qū)降水進行分類(雨、雪、雹)；最后，根據(jù)Nudging方法完成對云內(nèi)信息的初始化。

1.2 試驗設(shè)計

試驗采用GRAPES_Meso模式，模擬區(qū)域范圍88°E—112°E、31°N—43°N(圖1)，積分時間步長60 s，物理參數(shù)化方案選取WSM6微物理過程方案、Dudhia短波輻射方案、RRTM長波輻射方案、Noah陸面過程方案、MRF邊界層方案以及Monin-Obukhov近地面層方案等。模式水平分辨率0.03°×0.03°，水平方向格點數(shù)800×400，垂直方向分為50層，模式預報結(jié)果逐小時輸出一次。文中涉及的地圖均基于國家測繪地理信息局標準地圖服務(wù)網(wǎng)站下載的審圖號為GS(2020)4630的標準地圖制作，底圖無修改。

圖1 模式研究區(qū)域和多普勒雷達站點分布 (虛線所圍區(qū)域為雷達組合反射率評估區(qū)域)Fig.1 The domain setting of the model and spatial distribution of Doppler radar stations (The area enclosed with dashed line is the evaluation area of radar composite reflectivity)

通過2018年夏季西北地區(qū)13次強降水過程(表1)和7月天氣批量試驗，檢驗GRAPES_Meso模式及其云分析系統(tǒng)的預報性能，共設(shè)計3組試驗(表2)：控制試驗(Con_exp)為冷啟動試驗，即模式初始場和邊界條件基于美國NCEP GFS提供的0.5°×0.5°分辨率資料(https://www.nco.ncep.noaa.gov/pmb/products/gfs/)，對13次強降水過程，模式于強降水過程當天00:00(世界時，下同)啟動，進行24 h預報；云分析試驗(Gcas_exp)是在控制試驗基礎(chǔ)上在積分初始時刻增加云分析過程；熱啟動試驗(Hot_exp)則是在強降水過程前一天18:00啟動，每隔3 h使用云分析至降水過程當天00:00，即在前一天18:00和21:00及當天00:00更新云、水信息，之后進行24 h預報。7月天氣批量試驗的啟動時間與強降水個例的設(shè)置相同，Con_exp和Gcas_exp試驗于每日00:00啟動，Hot_exp于前一天18:00啟動并每隔 3 h循環(huán)使用云分析至當日00:00，之后進行24 h預報。

表1 2018年夏季西北地區(qū)13次強降水過程概述Tab.1 Introduction of 13 heavy rainfall cases in Northwest China in summer of 2018

表2 試驗設(shè)計Tab.2 Experimental design

1.3 資料和評估方法

云分析系統(tǒng)所用的觀測資料包括西北地區(qū)雷達組網(wǎng)拼圖、FY-2E總云量(CTA)和相當黑體溫度(TBB)(http://satellite.nsmc.org.cn/PortalSite/Data/Satellite.aspx)，其中雷達組網(wǎng)拼圖由8部C波段多普勒雷達資料處理得到，雷達位置如圖1所示。另外，使用西北4省(區(qū))及其周邊地區(qū)2018年6—8月自動氣象站逐小時降水資料，小雨、中雨、大雨、暴雨和大暴雨對應(yīng)的閾值分別為0.1、10、25、50、100 mm。

將模式輸出的格點要素預報值通過雙線性插值方法插值到觀測站點上，并與觀測值進行統(tǒng)計分析。降水預報檢驗方法包括TS(threat score)評分、BS(bias score)評分、命中率(probability of detection，POD)、相關(guān)系數(shù)(correlation coefficient，CC)和平均絕對誤差(mean absolute error，MAE)。TS評分用以定量評價降水預報效果，BS評分用以反映降水總體預報效果，而POD則用以表征預報降水區(qū)占實況降水區(qū)的比重。

(1)

(2)

(3)

式中：NA、NB、NC分別表示降水預報準確、空報、漏報的站點數(shù)。可以看出，TS評分值在0～1之間，分值越高表示預報效果越好[27]。大多情況下，BS值大于1表明降水存在空報，且數(shù)值越大空報現(xiàn)象越嚴重；小于1則表示存在漏報，且數(shù)值越小漏報現(xiàn)象越嚴重。POD數(shù)值越高說明預報效果越好。

2 降水預報效果評估

2.1 強降水天氣個例試驗

為檢驗GRAPES_Meso模式及其云分析系統(tǒng)的降水預報能力，計算了3組試驗對2018年夏季西北地區(qū)13次強降水過程的降水預報評分。從圖2(a)看出，3 km水平分辨率的GRAPES_Meso模式對西北地區(qū)強降水過程有著較好的預報能力，小雨的平均TS評分超過0.5，大雨約為0.2，且模式對強降水也有一定的預報能力；模式積分初始時刻通過云分析系統(tǒng)引入雷達與衛(wèi)星觀測資料對降水預報有正作用，Gcas_exp的降水預報準確率較高，各量級降水預報TS評分均優(yōu)于控制試驗。循環(huán)更新背景場云、水凝物信息的Hot_exp對降水預報同樣有正作用，但僅小雨和中雨量級的降水預報效果優(yōu)于Gcas_exp。從BS評分[圖2(b)]發(fā)現(xiàn)，各量級24 h累計降水BS評分均低于1，說明模式預報的降水普遍較實況偏弱。其中，Gcas_exp通過引入云分析系統(tǒng)明顯降低了模式對各量級降水的漏報，而Hot_exp除中雨預報效果明顯較好外，其他量級均不如Gcas_exp。從圖2(c)看出，Gcas_exp對各量級的降水預報有著較高的命中率，而Hot_exp對小雨、中雨量級的降水表現(xiàn)較好，但對大雨及以上量級的強降水預報POD偏低。

圖2 西北地區(qū)2018年夏季13個強降水個例3組試驗預報的24 h不同量級 累計降水的平均TS(a)、BS(b)評分及POD(c)Fig.2 Mean TS (a), BS (b) and POD (c) of 24 h accumulative precipitation with different magnitudes forecasted by three tests for 13 heavy rainfall cases in summer of 2018 in Northwest China

Gcas_exp的預報降水與觀測之間相關(guān)系數(shù)為0.281，Con_exp次之，相關(guān)系數(shù)為0.271，而Hot_exp的相關(guān)系數(shù)最低為0.263；Con_exp、Gcas_exp和Hot_exp預報降水與觀測之間的MAE接近，分別為11.12、11.22、11.11 mm。對比降水觀測與預報結(jié)果的時空分布(圖略)可知，雖然Gcas_exp一定程度上提高了強降水的預報能力，使模式在降水大值區(qū)預報更加合理，但對某些地區(qū)的降水預報偏強，導致MAE略高。

GRAPES_Meso模式云分析系統(tǒng)的應(yīng)用主要是為了減少模式積分初期的spin-up時間，提高短臨預報性能，因此對3組試驗逐小時降水預報結(jié)果進行檢驗。圖3是3組試驗對13個強降水個例逐小時降水預報的平均TS評分，其中設(shè)定的降水閾值分別為0.1、5 mm及以上，前者可以表征3組試驗對逐小時降水落區(qū)的預報能力，后者則反映對短時強降水的預報性能。從圖3(a)看出，Con_exp對前2 h大于0.1 mm的降水預報TS評分略低，其余時次TS均超過0.3，說明GRAPES_Meso模式對降水落區(qū)有一定的預報能力，且在24 h預報時效內(nèi)穩(wěn)定性較好；Gcas_exp各時次大于0.1 mm的降水預報TS評分均優(yōu)于Con_exp，說明云分析的引入提高了模式對各時次降水落區(qū)的預報能力，尤其對前3 h降水預報質(zhì)量有顯著提升；Hot_exp進一步改善了云和降水響應(yīng)滯后的問題，對最初3 h的降水預報更加準確，13～24 h預報效果也明顯好于Gcas_exp，但5～12 h的降水預報效果差于Gcas_exp。

相較于逐小時降水落區(qū)預報，3組試驗對大于5 mm降水的預報性能差異較大[圖3(b)]。相比控制試驗，Gcas_exp除了在前4 h和個別時次的強降水預報中略差，其余時次均更好，表明云分析的引入總體上對短時強降水預報有正作用；Hot_exp對最初的2 h強降水預報有明顯優(yōu)勢，說明提前6 h啟動模式可以有效減小spin-up對模式預報的影響，合理的背景場水汽信息的引入是改善強降水預報效果的方法之一，但穩(wěn)定性較差。

雷達反射率強度可以反映降水粒子的尺度和密度分布，因此，檢驗雷達組合反射率預報結(jié)果同樣可以在一定程度上考察模式的預報性能。其中，模式的雷達組合反射率由預報的云水、雨水、雪等物理量根據(jù)Ferrier方案[28]計算獲得。圖4是3組試驗預報的13次強降水過程不同閾值雷達組合反射率24 h預報時效內(nèi)平均TS和BS評分?？梢钥闯觯珿RAPES_Meso模式對降水雷達回波有一定的預報能力，且云分析系統(tǒng)能夠提高模式對雷達組合反射率的預報質(zhì)量。其中，Con_exp、Gcas_exp和Hot_exp對大于10 dBZ的組合反射率預報的BS評分分別為0.653、0.695、0.715，說明云分析的加入使模式對回波位置的預報能力也有所提高。然而，GRAPES_Meso模式存在對西北地區(qū)回波大值區(qū)預報偏強的問題，而云分析系統(tǒng)的引入導致模式預報的回波更強，如Hot_exp對大于30 dBZ的組合反射率BS評分接近3，這與目前模式后處理中組合反射率的計算方案與模式采用的微物理參數(shù)化方案不一致有一定關(guān)系。

圖3 西北地區(qū)2018年夏季13個強降水個例3組試驗預報的不同量級逐小時降水的平均TS評分 (a) 0.1mm及以上，(b) 5 mm及以上Fig.3 Mean TS of hourly precipitation with different magnitudes forecasted by three tests for 13 heavy rainfall cases in summer of 2018 in Northwest China (a) precipitation with 0.1 mm and above, (b) precipitation with 5 mm and above

圖4 西北地區(qū)2018年夏季13個強降水個例3組試驗預報的逐小時 不同強度雷達組合反射率的平均TS(a)、BS(b)評分Fig.4 Mean TS (a) and BS (b) of hourly radar composite reflectivity with different intensities forecasted by three tests for 13 heavy rainfall cases in summer of 2018 in Northwest China

2.2 批量試驗

為進一步檢驗GRAPES_Meso模式在西北地區(qū)的業(yè)務(wù)應(yīng)用能力，開展了2018年7月批量試驗及評估。由圖5(a)可知，2018年7月批量試驗的24 h降水平均TS評分與13次強降水過程結(jié)果相似，但3組批量試驗預報的各量級降水平均TS評分相較于強降水個例結(jié)果略低，表明3 km水平分辨率的GRAPES_Meso模式對西北地區(qū)降水有良好且穩(wěn)定的預報能力，但仍存在一定程度的漏報。從圖5(b)看出，云分析系統(tǒng)的引入提高了各量級降水預報的TS評分，且中雨、大雨量級BS評分超過0.6，很大程度上改善了降水預報偏弱的問題。同化雷達與衛(wèi)星觀測資料對模式降水預報有較好的應(yīng)用效果，多次更新背景場水汽信息的Hot_exp在小、中、大雨量級降水預報上命中率較高，而暴雨及以上量級強降水的預報效果不如Gcas_exp[圖5(c)]。與強降水個例相比，Con_exp、Gcas_exp、Hot_exp批量預報降水與實況的相關(guān)系數(shù)較低，分別為0.198、0.206、0.187；由于批量試驗降水強度整體不如強降水個例，因此預報誤差也較低，MAE分別為6.839、7.090、7.040 mm。

7月批量試驗預報的逐小時降水TS評分隨預報時長的變化與13次強降水個例的結(jié)果基本一致[圖5(d)]，預報起始時刻應(yīng)用云分析的Gcas_exp表現(xiàn)比較穩(wěn)定，在整個預報時段內(nèi)降水預報效果均好于Con_exp，尤其是0～12 h的預報；Con_exp受spin-up影響導致降水預報初期TS評分較低，而Hot_exp雖然顯著提高了0～4 h的降水預報效果，但隨著預報時長增加這一優(yōu)勢未能維持，甚至部分時段的預報效果低于Con_exp，穩(wěn)定性較差。3組試驗方案在積分前12 h降水TS評分均值分別為0.310、0.389、0.356，整體上Gcas_exp的預報效果較好。

相對于13次強降水天氣個例，7月批量試驗預報的雷達組合反射率的TS評分略低，預報起始時刻應(yīng)用云分析系統(tǒng)的Gcas_exp對回波預報有正效果[圖6(a)]。不同回波強度的BS評分[圖6(b)]顯示，3組試驗對7月大于10 dBZ的組合回波預報范圍偏小，對大于20 dBZ的組合回波有較好的預報效果，BS均接近1，而對大于30 dBZ的強回波仍存在預報過強的問題。

圖5 西北地區(qū)2018年7月3組試驗批量預報的不同量級24 h累計降水的平均 TS(a)、BS(b)評分和POD(c)以及0.1 mm及以上降水平均TS評分隨預報時長的演變(d)Fig.5 Mean TS (a), BS (b) and POD (c) of 24 h accumulative precipitation with different magnitudes forecasted by three tests and evolution of average TS of 0.1 mm precipitation and above with forecast time (d) on each day of July 2018 in Northwest China

圖6 西北地區(qū)2018年7月3組試驗預報的逐小時不同強度雷達組合反射率的平均TS(a)、BS(b)評分Fig.6 Mean TS (a) and BS (b) of hourly radar composite reflectivity with different intensities forecasted by three tests in July 2018 in Northwest China

3 個例分析

前面分析可見，3 km水平分辨率的GRAPES_Meso模式及其云分析系統(tǒng)對我國西北地區(qū)降水有著良好且穩(wěn)定的預報性能，云分析系統(tǒng)的引入對提高短臨降水預報有積極作用。研究表明，西北地區(qū)夏季降水主要出現(xiàn)在青海東部、甘肅南部、寧夏以及陜西部分地區(qū)[29]。2018年夏季西北地區(qū)13個個例的降水落區(qū)與李飛[29]研究結(jié)果基本一致，且這13個個例和7月批量試驗的預報結(jié)果有較好的一致性。為檢驗降水預報的空間一致性，以2018年7月10—11日強降水過程為例，進一步探討GRAPES_Meso模式及其云分析系統(tǒng)對西北地區(qū)降水的預報能力。

圖7是2018年7月10日00:00至11日00:00累計降水觀測與各試驗預報結(jié)果?？梢钥闯?，此次強降水過程具有降水面積廣、強度大的特點，強雨帶主要集中在甘肅隴南至陜西榆林一帶，多個自動站24 h累計雨量達到大暴雨[圖7(a)]，且多次出現(xiàn)短時強降水過程。3組試驗預報的強降水落區(qū)與強度基本與實況吻合。其中，Con_exp與Gcas_exp預報的雨帶位置與觀測基本一致，但對陜西延安、榆林等地區(qū)的強降水預報強度偏低[圖7(b)和圖7(c)]，Gcas_exp云分析試驗提高了模式在甘肅南部和陜西北部的降水強度和位置預報；Hot_exp修正了陜西北部降水落區(qū)位置，同時改善了四川北部降水預報偏強的問題，但對多地大暴雨存在漏報[圖7(d)]，說明這些地區(qū)模式預報的降水量級偏低。

圖7 西北地區(qū)2018年7月10日00:00至11日00:00觀測與3組試驗預報的累計降水分布(單位：mm) (a)實況，(b)Con_exp，(c)Gcas_exp，(d)Hot_expFig.7 The distribution of accumulative precipitation observed and forecasted by three tests from 00:00 UTC 10 to 00:00 UTC 11 July 2018 in Northwest China (Unit: mm) (a) the observation, (b) Con_exp, (c) Gcas_exp, (d) Hot_exp

從圖8看出，Con_exp、Gcas_exp和Hot_exp三個試驗對此次強降水過程各時次均有著很好的預報。除1～2 h預報，其余時段Con_exp的降水預報TS評分均高于0.7；在此基礎(chǔ)上，云分析Gcas_exp進一步提高了降水預報能力，尤其是前2 h的預報，而循環(huán)應(yīng)用云分析的熱啟動Hot_exp的降水預報不夠穩(wěn)定[圖8(a)]。從圖8(b)看出，Con_exp對此次過程中5 mm以上強降水有一定的預報能力，啟動云分析系統(tǒng)的Gcas_exp明顯提高了起始時刻、7～15 h的強降水預報技巧，但熱啟動Hot_exp的強降水預報效果較前2個試驗差。

圖8 西北地區(qū)2018年7月10—11日3組試驗預報的不同量級降水TS評分隨預報時效的演變 (a) 0.1 mm及以上，(b) 5 mm及以上Fig.8 The evolution of TS of precipitation with different magnitudes with forecast time forecasted by three tests from 10 to 11 July 2018 in Northwest China (a) precipitation with 0.1 mm and above, (b) precipitation with 5 mm and above

從7月10日00:00西北地區(qū)觀測的雷達回波組合反射率和衛(wèi)星黑體亮溫(TBB)分布(圖9)看出，云分析引入的雷達回波觀測區(qū)域集中在研究區(qū)域東南部，最大回波超過45 dBZ，且雷達觀測回波大值區(qū)與亮溫低值區(qū)(極小值達120 K)存在明顯對應(yīng)關(guān)系。

圖9 2018年7月10日00:00西北地區(qū)觀測的雷達回波組合反射率(a,單位：dBZ)和TTB(b，單位：K)Fig.9 The observed radar composite reflectivity (a, Unit: dBZ) and TBB (b, Unit: K) over Northwest China at 00:00 UTC on 10 July 2018

圖10是不同預報時刻云分析試驗Gcas_exp與Con_exp預報的云水(qc)、雨水(qr)和水汽(qv)等水凝物垂直含量的差值?？梢钥闯觯Ｊ椒e分1 h后，Gcas_exp預報的qc含量較Con_exp試驗略小，部分地區(qū)數(shù)值減小超過3 g·kg-1。結(jié)合此時段內(nèi)模式降水預報結(jié)果(圖略)發(fā)現(xiàn)，qc含量減小區(qū)域與降水大值區(qū)基本重合，說明雷達回波與衛(wèi)星TBB觀測資料的引入改變了區(qū)域內(nèi)水凝物含量，部分qc轉(zhuǎn)化為降水粒子，qr垂直累積含量明顯增加，導致在最初的幾小時預報降水增加，從而改善模式本身(控制試驗)對強降水預報偏弱的問題。云分析系統(tǒng)的引入對水汽場也有增強作用，這在一定程度上也改善了模式降水預報普遍偏弱的問題。隨著模式積分至3 h，Con_exp和Gcas_exp得到的qc和qr垂直累積含量相當，而水汽含量則前者小于后者，說明云分析系統(tǒng)對qc、qr的影響隨預報時長的增加逐漸減小，但對水汽含量仍有明顯增加作用。

圖10 Gcas_exp與Con_exp試驗1 h(a、c、e)和3 h (b、d、f)預報 的水凝物垂直累積含量差值(單位：g·kg-1) (a、b)云水，(c、d)雨水，(e、f)水汽Fig.10 Difference of 1 h-forecast (a, c, e) and 3 h-forecast (b, d, f) vertically integrated content of hydrometeor between Gcas_exp and Con_exp (Unit: g·kg-1) (a, b) cloud water, (c, d) rain water, (e, f) water vapor

圖11是7月10日01:00觀測和預報的雷達組合反射率。可以看出，雷達組合反射率觀測的大值區(qū)主要集中在甘肅甘南、天水以及隴南等地區(qū)，最大值超過45 dBZ；3 km分辨率的GRAPES_Meso模式對雷達組合反射率有一定的預報能力，Con_exp預報的回波位置與實況基本吻合，而Gcas_exp和Hot_exp預報的回波范圍偏大，尤其是Hot_exp，但3個試驗對區(qū)域西部的弱回波預報均偏強，且對隴南地區(qū)的強回波都有不同程度的預報偏差。綜上所述，模式預報的回波普遍偏強，云分析系統(tǒng)的應(yīng)用導致模式預報的回波更強。

圖11 2018年7月10日01:00觀測和模式預報的雷達組合反射率(單位:dBZ) (a)實況，(b)Con_exp，(c)Gcas_exp，(d)Hot_expFig.11 The observed and forecasted radar composite reflectivity at 01:00 UTC 10 July 2018 (Unit: dBZ) (a) the observation, (b) Con_exp, (c) Gcas_exp, (d) Hot_exp

4 結(jié) 論

(1)3 km水平分辨率的GRAPES_Meso模式對我國西北地區(qū)降水有著良好且穩(wěn)定的預報性能，可為短時臨近天氣預報業(yè)務(wù)提供支撐。13個強降水個例和1個月批量試驗的逐小時降水預報結(jié)果表明，該模式可以較好地再現(xiàn)西北地區(qū)降水的發(fā)生發(fā)展過程，但各量級降水存在一定程度的漏報。

(2)云分析系統(tǒng)通過引入雷達和衛(wèi)星觀測資料實現(xiàn)對水凝物等信息的合理調(diào)整，明顯改善了中尺度模式存在的spin-up問題，提高了模式對各量級降水預報能力，尤其是短臨降水的預報質(zhì)量。此外，云分析的循環(huán)應(yīng)用可以提高降水預報能力，尤其是前幾個小時的降水預報，但整體表現(xiàn)不穩(wěn)定。

(3)3 km水平分辨率的GRAPES_Meso模式及云分析系統(tǒng)對雷達回波有一定的預報能力，預報的雷達組合反射率的范圍與觀測較為一致，但對回波大值區(qū)存在預報過強的問題。

本文僅根據(jù)業(yè)務(wù)中使用的參數(shù)運行GRAPES_Meso (3 km)模式及其云分析系統(tǒng)，檢驗評估的個例有限，且對不同預報起始時刻、云分析系統(tǒng)參數(shù)在西北地區(qū)的適用性等未加考慮，所得的結(jié)論未必反映出模式及其云分析系統(tǒng)的最佳性能。未來將對云分析系統(tǒng)各參數(shù)的適用性進行評估，以期進一步提升云分析系統(tǒng)在西北地區(qū)的應(yīng)用效果。