曹艷察 鄭永光 盛 杰 唐文苑

國家氣象中心，北京 100081

提 要： 基于我國自主研發(fā)的GRAPES_3 km高分辨率模式預報數(shù)據(jù)，通過計算逐時最大上升螺旋度(updraft helicity,UH)產(chǎn)品，發(fā)展了不同預報時效時段內(nèi)超過指定閾值的UH格點概率預報技術(shù)。由于UH能夠表征對流風暴的上升運動和中低層旋轉(zhuǎn)強度，因此通過UH格點概率預報產(chǎn)品得到了綜合表征對流性大風或冰雹(簡稱風雹)的概率預報指導產(chǎn)品。對2019年6月14日至7月31日我國華北東北區(qū)域和華南區(qū)域兩個風雹高發(fā)區(qū)的逐日試驗和典型個例預報結(jié)果進行了細致評估，結(jié)果表明該產(chǎn)品具有良好的預報能力。該產(chǎn)品對華北東北區(qū)域和華南區(qū)域的風雹TS評分均明顯高于主觀預報，特別是對于華南區(qū)域可預報性較低的弱天氣尺度強迫過程，能夠顯著降低漏報率從而明顯提高預報準確率。預報產(chǎn)品還能夠很好地指示對流風暴的形態(tài)分布和移動傳播特征，概率落區(qū)與實況風雹的落區(qū)位置具有較好的匹配效果。對選取不同的UH閾值和空間高斯平滑系數(shù)的概率產(chǎn)品對比檢驗結(jié)果表明，基于較低UH閾值計算的概率預報產(chǎn)品由于漏報率更低，其TS評分要高于較高閾值的預報結(jié)果，高斯平滑系數(shù)取值20 km得到的概率產(chǎn)品在各等級概率評分中預報效果總體表現(xiàn)最佳。

引 言

強對流風暴通常會造成雷暴大風、冰雹、極端強降水等強對流天氣，但由于其空間尺度小、發(fā)展演變快、突發(fā)性強等特點，給業(yè)務(wù)預報帶來了很大的難度和挑戰(zhàn)，因此，強對流風暴及其產(chǎn)生的分類強對流天氣預報一直是數(shù)值預報的難點和重要研究方向之一。

近年來，隨著高分辨率數(shù)值預報模式準確率和精細化程度的不斷提高，其在強對流天氣預報預警中發(fā)揮了越來越重要的作用(Kain et al，2010；Sun et al，2014；漆梁波，2015；鄭永光等，2015b)?？臻g水平格距不超過4 km的“對流可分辨”模式(convection-allowing model,CAM)可以提供中尺度對流回波形態(tài)、系統(tǒng)環(huán)流等可用預報產(chǎn)品(Done et al, 2004)，同時具有一定的區(qū)分中尺度對流系統(tǒng)模態(tài)的預報能力，如區(qū)分弓狀回波或超級單體等(Kain et al, 2008)，從而為該類系統(tǒng)造成的強對流天氣預報提供較好的指導(Sobash et al, 2011)。因此，基于CAM輸出的能更精細表征中尺度對流系統(tǒng)發(fā)生發(fā)展特征的動力、云微物理等環(huán)境特征的物理量參數(shù)，綜合發(fā)展龍卷、冰雹、雷暴大風等強對流天氣的預報成為高分辨率數(shù)值模式的主要應(yīng)用方向(Clark et al，2012b;2013；Sun et al，2014；鄭永光等，2015a；張小玲等，2018)。

美國NOAA于2008年開展的災(zāi)害性天氣測試平臺春季試驗中，基于CAM輸出的集合預報產(chǎn)品，發(fā)現(xiàn)模式預報的中氣旋、強烈低空風以及與線性或弓狀回波結(jié)構(gòu)相關(guān)的極大風等現(xiàn)象與實況監(jiān)測的強對流密切相關(guān)(Coniglio et al, 2010；鄭永光等，2015a)，因此，很多與強對流天氣系統(tǒng)結(jié)構(gòu)、強度、演變相關(guān)的后處理產(chǎn)品被研發(fā)并應(yīng)用于業(yè)務(wù)預報中，其中，應(yīng)用發(fā)現(xiàn)逐時極值場對分析雷暴系統(tǒng)的演變十分有效。Kain et al(2008)研究表明，基于每一模式積分時間步計算的每個格點上升螺旋度(updraft helicity，UH)來獲得該格點的逐時最大UH，該產(chǎn)品對超級單體系統(tǒng)預報具有很好的指示意義，Sobash et al(2011)進一步指出基于UH計算的強風暴概率預報場對雷暴大風、冰雹以及龍卷等強對流天氣預報具有很好的指導意義。Carley et al(2011)結(jié)合模式預報反射率因子和UH，從而識別出中氣旋特征產(chǎn)品并應(yīng)用于業(yè)務(wù)預報中，幫助預報員快速識別模式預報的不同強度中小尺度對流系統(tǒng)及其演變特征。Clark et al(2012a)基于CAM輸出的逐時最大UH，利用三維目標識別算法形成的路徑識別產(chǎn)品與美國實際龍卷路徑具有較高的相關(guān)性，特別對春季龍卷具有很好的預報能力。Flora et al(2019)利用不同層次積分的UH，發(fā)展并形成了中尺度氣旋短時概率預報指導產(chǎn)品，針對2017—2018年63個個例的對比檢驗結(jié)果表明預報效果良好。以上都是美國高分辨數(shù)值預報強對流天氣的相關(guān)研究工作。

2016年以來，我國國家級自主研發(fā)的GRAPES_3 km高分辨率數(shù)值模式已經(jīng)在強對流天氣預報預警中得到較為廣泛的應(yīng)用。已有較多科技人員相應(yīng)開展了多種針對GRAPES_3 km模式的檢驗評估工作(唐文苑等，2018；劉靜等，2019；張小雯等，2020)。檢驗結(jié)果表明，GRAPES_3 km模式對預報難度較大的高閾值、小尺度對流事件具備較好的預報能力(唐文苑等，2018)。因此，借鑒美國強風暴預報技術(shù)發(fā)展思路，發(fā)展基于我國高分辨率數(shù)值模式的強對流天氣預報釋用技術(shù)，是提升強對流短時預報能力不可缺少的方面。

本文基于GRAPES_3 km模式預報計算的逐時最大UH預報場，進一步發(fā)展了不同UH閾值的概率預報技術(shù)和產(chǎn)品，并對該產(chǎn)品進行系統(tǒng)性評估分析，以進一步提升GRAPES_3 km模式預報的業(yè)務(wù)應(yīng)用水平，從而為強對流業(yè)務(wù)短時和短期預報提供客觀技術(shù)和產(chǎn)品支撐。

1 資料與方法

1.1 GRAPES_3 km模式與資料

GRAPES_3 km是由中國氣象局數(shù)值預報中心開發(fā)運行的高分辨率數(shù)值模式，模式空間分辨率為3 km，目前的覆蓋范圍為10°～60°N、70°～145°E，每日運行4次，起報時間分別為02、08、14和20時(北京時，下同)。

本文使用的預報資料為GRAPES_3 km模式2019年6月13日至7月30日20時起報12～24 h預報時效、覆蓋我國中東部地區(qū)(18°～55°N、103°～135°E)的UH預報產(chǎn)品。

1.2 UH指數(shù)

本文所用的UH預報產(chǎn)品為逐時最大UH預報格點場產(chǎn)品。具體來說，針對每一個模式格點，首先根據(jù)GRAPES_3 km模式每一積分時間步(目前的積分時間步長為10 s)的氣象物理量計算UH，然后統(tǒng)計獲取逐整點時刻過去1 h內(nèi)的UH最大值，這稱為逐時最大UH。

基于Kain et al(2008)的UH計算方法，本文UH的計算公式為：

(1)

從式(1)中看出，UH為2～5 km海拔高度之間的垂直速度和垂直渦度乘積的積分，因此，UH大值區(qū)可以反映出模式預報中伴有上升運動的氣旋性渦旋系統(tǒng)，即通常所說的中氣旋或者中渦旋。由于這些中小尺度渦旋特征能夠表征具有渦旋特征的對流風暴，而這些對流風暴(如超級單體)通常易于產(chǎn)生雷暴大風、大冰雹、龍卷等強對流天氣，因此，雖然高分辨率數(shù)值模式尚無法直接預報具體的強對流天氣類型，但我們期望利用GRAPES_3 km模式預報的UH，進一步獲取風雹概率預報產(chǎn)品，從而為業(yè)務(wù)強對流天氣短時和短期預報提供參考依據(jù)。

由于UH是通過反映高分辨率數(shù)值模式預報的中氣旋或者中渦旋(由于中氣旋是一類較強的中渦旋，因此以下都簡稱為中渦旋)信息，從而對伴有中小尺度渦旋特征的對流風暴產(chǎn)生的強對流天氣具有預報能力，而通常該類對流風暴是在強的垂直風切變和強的不穩(wěn)定能量條件下形成的(Weisman and Klemp,1982；Bunkers,2002)，雖然其也會產(chǎn)生短時強降水天氣，但產(chǎn)生的風雹天氣更加顯著，因此，檢驗風雹概率產(chǎn)品預報指標采用的實況數(shù)據(jù)，選取與預報產(chǎn)品時段相對應(yīng)的2019年6月14日至7月31日白天時段(08—20時)，包括全國基本基準站、一般天氣站和自動站經(jīng)雷暴觀測數(shù)據(jù)質(zhì)量控制過的≥17 m·s-1雷暴大風和冰雹地面站點觀測數(shù)據(jù)(鄭永光等，2013)。

需要說明的是，根據(jù)2013年12月5日中國氣象局觀測司相關(guān)規(guī)定，自2014年1月1日起，地面氣象觀測站取消雷暴等13種天氣現(xiàn)象的人工觀測以及冰雹天氣的夜間觀測，因此，文中用于質(zhì)量控制雷暴大風的觀測資料使用的是國家雷電監(jiān)測定位網(wǎng)監(jiān)測的地閃數(shù)據(jù)。

1.3 風雹概率預報技術(shù)

參考Sobash et al(2011)的方法，針對GRAPES_3 km模式20時起報的12～24 h預報時效內(nèi)，即次日08—20時逐小時最大UH格點預報場，通過設(shè)置一定的UH閾值標準，計算本段預報時效內(nèi)至少有一個時次超過閾值標準的格點并賦值為1，即代表模式預報的發(fā)生中渦旋(surrogate meso-vortice，SMV)的格點，反之格點概率賦值為0，經(jīng)過上述處理后，得到空間格距為3 km的概率值為“0”或“1”的格點場數(shù)據(jù)，從而獲得了代表模式預報的SMV數(shù)據(jù)。

已有部分研究(Brooks et al，1998；Theis et al，2005)利用類似“鄰域法”生成概率預報產(chǎn)品，該方法通過升尺度技術(shù)將高分辨率的預報調(diào)整到較低分辨率上，從而提高預報和觀測的匹配能力。Brooks et al(1998)提出可利用二維高斯平滑算法得到任意格點的概率值，即通過計算某一個格點周邊一定有效半徑內(nèi)所有格點上的概率權(quán)重平均值，得到中心格點的概率值f。具體公式如下：

(2)

式中：N表示周邊格點的總個數(shù)，dn是從中心格點到標記第n個格點的距離，σ為高斯核的標準偏差，這里代表空間平滑參數(shù)，即x和y方向上的有效半徑取值，本文典型強對流過程評估中選取σ=20 km。進一步，為了測試其有效半徑的敏感性，對整個預報評估期間，σ分別采用了10、20和40 km的取值，并利用該高斯平滑方法計算SMV全部網(wǎng)格上的概率值，如前所述，由于對流風暴中的“中渦旋”與風雹天氣密切相關(guān)，從而得到相應(yīng)的風雹概率預報(surrogate severe probability forecast,SSPF)產(chǎn)品，然后對其評估檢驗。

1.4 概率預報檢驗方法

利用目前國家級強對流業(yè)務(wù)檢驗中所使用的“點對面”TS評分的檢驗方法(唐文苑等，2017)，分別對各個閾值標準計算的風雹概率預報產(chǎn)品，按照5%間隔的概率值進行相應(yīng)的落區(qū)預報評估，其中評分站點如圖1所示兩個方框中的紅色圓點。這些站點從全國范圍內(nèi)基準、基本和一般天氣站在內(nèi)的共2 410個站點(均為中國氣象局觀測業(yè)務(wù)考核的站點)中所選取。按照唐文苑等(2017)的方法，“點對面”的評分半徑取值為40 km。

圖1 全國2 410個評分站點(紅色圓點)分布(黑色方框表示我國中東部南北方兩個風雹高發(fā)區(qū))Fig.1 Distribution of 2 410 stations (red dots) in China(Black boxes show the high incidence regions of severe convective wind and hail in south and north of east-central China, respectively)

檢驗指標包括TS評分、空報率(false alarm rate,FAR)、漏報率(missing alarm rate,MAR)。計算方法如下：

(3)

(4)

(5)

式中：NA為預報正確的站(次)數(shù)，NB為空報站(次)數(shù)，NC為漏報站(次)數(shù)。

2 UH閾值標準確定

2.1 評估期間風雹空間分布

圖2 2019年6月14日至7月31日08—20時全國≥17 m·s1雷暴大風和冰雹實況觀測累積頻次空間分布(圓點表示風雹天氣發(fā)生的頻次，黑色方框表示我國中東部南北方兩個風雹高發(fā)區(qū))Fig.2 Spatial distribution of accumulated frequency of severe convective wind and hail over China during 08:00-20:00 BT from 14 June to 31 July 2019(Dots represent the cumulative frequency of severe convective wind and hail, black boxes show the high incidence regions of severe convective wind and hail in north and south of east-central China, respectively)

通過統(tǒng)計和對比這期間全國9次區(qū)域性強對流天氣過程(表1)的主要影響區(qū)域和天氣影響系統(tǒng)，發(fā)現(xiàn)華北及東北地區(qū)的風雹天氣過程多與高空冷渦或西風槽系統(tǒng)相關(guān)，而江南華南等地的風雹天氣則主要與副熱帶高壓、切變線等天氣系統(tǒng)有關(guān)，因此，考慮到模式對不同天氣系統(tǒng)和環(huán)境條件下產(chǎn)生的強對流天氣預報性能有所差別，下文中將分別針對南北兩個風雹高發(fā)區(qū)的UH閾值標準進行統(tǒng)計分析。其中，北方風雹高發(fā)區(qū)簡稱華北東北區(qū)域，統(tǒng)計范圍為35.2°～48.1°N、109°～127°E，南方風雹高發(fā)區(qū)簡稱華南區(qū)域，統(tǒng)計范圍為19.6°～28°N、108.1°～120.1°E(圖2)。需要說明的是，評估期間華北東北區(qū)域雷暴大風共發(fā)生了4 150站次，冰雹為29站次，而華南區(qū)域共發(fā)生雷暴大風1 805站次，冰雹10站次。相對于雷暴大風站次數(shù)而言，冰雹明顯偏少，主要是由于雷暴大風采用的是自動站觀測數(shù)據(jù)，而冰雹目前只有國家站的人工觀測，且由于冰雹局地性強，國家級觀測站點捕捉到的概率較小，因此，冰雹觀測樣本數(shù)較少。

表1 2019年6月14日至7月31日全國強對流過程紀要表Table 1 Summary of severe convective processes in China from 14 June to 31 July 2019

2.2 不同UH閾值選取

通過統(tǒng)計2019年6月14日至7月31日期間GRAPES_3 km輸出的我國南北兩個風雹高發(fā)區(qū)內(nèi)的UH累積頻率分布的百分位數(shù)值確定UH的閾值標準，并對一定范圍的閾值標準下輸出的概率預報產(chǎn)品進行敏感性測試。

在長時間序列的UH頻率分布中，選取第99.90%～99.99%分位對應(yīng)的UH值，其中華北東北區(qū)域?qū)?yīng)的UH取值范圍為29～102 m2·s-2，華南區(qū)域?qū)?yīng)的范圍為36～80 m2·s-2(表2)?？傮w來看，從第99.97%分位開始，同一百分位數(shù)對應(yīng)的UH閾值，華北東北區(qū)域的UH閾值統(tǒng)計結(jié)果要大于華南區(qū)域，特別是第99.99%分位以上的閾值，二者差異較大，這可能與華北東北區(qū)域受冷渦影響下動力條件更強有關(guān)。

表2 評估期間南北風雹高發(fā)區(qū)域統(tǒng)計得到的不同百分位數(shù)對應(yīng)的UH閾值(單位：m2·s-2)Table 2 UH thresholds corresponding to different quantile obtained from the two high incidence regions of severe convective wind and hail in North and South China during the evaluation period (unit: m2·s-2)

3 典型強對流過程評估

考慮到不同區(qū)域、不同影響系統(tǒng)下強對流天氣的可預報性不同，因此，分別基于華北東北區(qū)域和華南區(qū)域的相應(yīng)UH閾值標準，在上述兩個區(qū)域內(nèi)，分別選取一次典型強對流過程進行檢驗和對比分析。

3.1 2019年7月29日華北黃淮風雹過程

2019年7月29日，受高空冷渦東移及低層切變線共同影響，華北、黃淮地區(qū)處于“上干冷下暖濕”的熱力不穩(wěn)定層結(jié)環(huán)境中，高空槽引導干冷空氣東移南下，侵入地面低壓，與低層強盛的偏南暖濕氣流交匯于華北南部、黃淮一帶，造成山西中南部、河北中東部、河南北部、山東西部、遼寧南部等地自西向東出現(xiàn)了大范圍的強降水、風雹天氣過程，其中，山西南部、河北東部和南部、河南北部以及山東北部等多地出現(xiàn)8級以上雷暴大風，并伴有局地冰雹(圖3)。雷達回波監(jiān)測顯示，此次過程是由多條線狀及弓形回波對流系統(tǒng)造成，其中，山東北部局地伴有超級單體發(fā)展?？傮w而言，此次過程是在冷渦背景下，一次強強迫抬升條件下觸發(fā)的中尺度強風暴系統(tǒng)造成的大范圍風雹天氣過程。

圖3 2019年7月29日08—20時華北黃淮地區(qū)雷暴大風及冰雹實況觀測Fig.3 Observation of severe convective wind and hail in North China and Huang-Huai Region from 08:00 BT to 20:00 BT 29 July 2019

基于GRAPES_3 km模式28日20時起報的12～24 h時效的UH預報數(shù)據(jù)，計算得到29日08—20時超過一定UH閾值的SMV和SSPF產(chǎn)品(圖4)。其中，SMV產(chǎn)品結(jié)果表明，在該時段內(nèi)，GRAPES_3 km模式在山西中南部、河北中東部以及遼寧西南部、山東西部等地預測出多條呈“東北—西南”帶狀分布的對流單體風暴路徑，特別是在河北中東部通過SMV產(chǎn)品中的“長條帶狀”特點顯示出該地區(qū)模式預測會出現(xiàn)長生命周期的中氣旋或中渦旋系統(tǒng)，而這些特點與本次過程中雷達回波實況體現(xiàn)的中尺度對流系統(tǒng)的位置和強度分布以及移動傳播情況是相匹配的。

2.3.2 線性關(guān)系考察 分別精密量取“2.2.1”項下對照品溶液10、20、40、80、160、320 μL，置于5 mL量瓶中，加甲醇定容，搖勻，制成系列對照品溶液。以甲醇為空白，于322 nm波長處測定吸光度。以米索硝唑質(zhì)量濃度（c，μg/mL）為橫坐標、吸光度（A）為縱坐標進行線性回歸，得米索硝唑回歸方程A＝0.032 8c－0.008（r＝0.999 6）。結(jié)果表明，米索硝唑檢測質(zhì)量濃度線性范圍為0.96～30.72 μg/mL。

圖4 2019年7月29日08—20時(a，c，e)超過一定UH閾值的SMV(陰影，值為1)和(b，d，f)客觀概率預報(陰影)、預報員落區(qū)預報(紅色等值線)以及風雹實況站點分布(黑點)(a，b)UH≥29 m2·s-2， (c，d)UH≥44 m2·s-2， (e，f)UH≥102 m2·s-2Fig.4 (a, c, e) SMV (shaded, value for 1) and (b, d, f) SSPF (shaded), forecasters’ subjective forecasts (red contour) and observation of severe convective wind and hail (black dots) from 08:00 BT to 20:00 BT 29 July 2019 for the different UH thresholds(a, b) UH≥29 m2·s-2， (c, d) UH≥44 m2·s-2， (e, f) UH≥102 m2·s-2

基于不同UH閾值計算得到的概率預報SSPF產(chǎn)品的高概率區(qū)域與實況風雹出現(xiàn)的位置匹配較好，相應(yīng)地反映出在河北中東部、山東西部一直延伸至遼寧西南部的高概率落區(qū)預報范圍。與最低UH閾值(29 m2·s-2)形成的概率預報產(chǎn)品相比，使用最高UH閾值(102 m2·s-2)生成的概率預報產(chǎn)品落區(qū)范圍更小，僅在本次過程對流最強區(qū)域，即河北中東部有所體現(xiàn)。

利用“點對面”TS評分方法，對29日08—20時基于不同UH閾值標準產(chǎn)生的風雹天氣概率預報產(chǎn)品進行檢驗，并與同一時段國家級預報員風雹落區(qū)預報檢驗評分結(jié)果進行對比分析。檢驗區(qū)域為選取的華北東北區(qū)域，即35.2°～48.1°N、 109°～127.1°E，包含625個評分站點。檢驗結(jié)果表明(圖5)，基于最低UH閾值(29 m2·s-2)計算得到的概率預報產(chǎn)品10%概率落區(qū)的預報TS評分最高，達0.513，隨著預報概率值的增大，TS評分逐漸減小，MAR明顯增長，F(xiàn)AR變化相對較小，如20%概率相較于10%概率落區(qū)預報TS評分從0.513減小至0.441，F(xiàn)AR僅從0.31減小至0.28，而MAR卻從0.33增長為0.47，因此，更高概率落區(qū)預報TS評分較低主要是由于MAR的迅速增長。同樣，其他UH閾值標準下形成的概率落區(qū)預報評分也具有類似的特點。

圖5 2019年7月29日08—20時不同UH閾值標準下概率預報產(chǎn)品和主觀預報的(a)TS評分、(b)FAR、(c)MAR結(jié)果對比Fig.5 Comparison of (a) TS, (b) FAR and (c) MAR of forecasters’ subjective forecasts and objective probabilistic forecasts with the different UH thresholds from 08:00 BT to 20:00 BT 29 July 2019

本次過程同一時段預報員落區(qū)預報TS評分為0.368，說明對于大尺度強強迫背景下觸發(fā)的系統(tǒng)性大范圍風雹天氣業(yè)務(wù)可預報性較強，預報員可以通過對環(huán)境場物理量的診斷分析，結(jié)合自身預報經(jīng)驗給出準確率較高的預報，但即便如此，客觀概率預報相對主觀預報仍然具有更低的漏報率和更高的TS評分，因此，基于高分辨數(shù)值模式開發(fā)的UH概率預報產(chǎn)品在風雹天氣預報中具有業(yè)務(wù)支撐能力。

3.2 2019年6月23日華南強對流過程

2019年6月23日白天，華南地區(qū)處于副熱帶高壓邊緣的高溫高濕環(huán)境中，整層可降水量普遍達60 mm以上，K指數(shù)超過36℃。受低層切變線系統(tǒng)影響，在廣西、廣東等地觸發(fā)多條“東北—西南”向分布的線狀對流系統(tǒng)，并逐步向偏東方向發(fā)展加強為多條颮線系統(tǒng)，造成廣西中南部、廣東大部等地自西向東出現(xiàn)大范圍短時強降水、伴隨雷暴大風的強對流過程(圖6)。雷暴大風天氣主要集中在廣西東南部至廣東地區(qū)。與7月29日北方區(qū)域的強對流過程相比，此次過程的大尺度動力強迫抬升條件相對較弱，水汽和熱力條件更加顯著。

圖6 2019年6月23日08—20時華南地區(qū)雷暴大風及冰雹實況觀測Fig.6 Observation of severe convective wind and hail in South China from 08:00 BT to 20:00 BT 23 June 2019

同樣利用GRAPES_3 km模式22日20時起報的12～24 h時效的UH指數(shù)預報數(shù)據(jù)，計算得到23日08—20時超過一定UH閾值的SMV和SSPF產(chǎn)品(圖7)。其中，SMV產(chǎn)品結(jié)果表明，該時段內(nèi)，GRAPES_3 km模式在廣西中東部、廣東北部等地預測出多條呈“東西”或“東北—西南”帶狀分布的對流單體風暴路徑，通過與雷達回波實況對比發(fā)現(xiàn)，這些特點與該時段中尺度對流風暴系統(tǒng)的位置和移動方向匹配較好。而相應(yīng)的概率預報SSPF產(chǎn)品的高概率區(qū)域與實況風雹出現(xiàn)的位置具有較好的一致性，同樣在廣西東部偏南區(qū)域至廣東西部和北部預報出高概率。同時，與7月29日華北黃淮過程相一致的是，使用最高UH閾值(80 m2·s-2)生成的概率預報產(chǎn)品落區(qū)范圍更小，但其對對流發(fā)展最強，雷暴大風等級最高的廣東北部及廣西東南部地區(qū)具有一定的指示意義，因此，模式預報的較高等級的UH值可能預示風暴系統(tǒng)發(fā)展越強，產(chǎn)生的風雹天氣越劇烈。

圖7 同圖4，但為2019年6月23日，不同UH閾值(a，b)UH≥36 m2·s-2，(c，d)UH≥48 m2·s-2，(e，f)UH≥80 m2·s-2Fig.7 Same as Fig.4, but for 23 June 2019 with the different UH thresholds(a, b) UH≥36 m2·s-2， (c, d) UH≥48 m2·s-2， (e, f) UH≥80 m2·s-2

針對選取的華南區(qū)域范圍，即19.6°～28°N、108.1°～120.1°E(包含425個評分站點)，通過檢驗23日08—20時基于不同UH閾值標準產(chǎn)生的概率預報產(chǎn)品，結(jié)果發(fā)現(xiàn)與7月29日北方區(qū)域過程的評分結(jié)果不同的是，本次過程并非基于最低UH閾值(36 m2·s-2)的概率預報產(chǎn)品TS評分最高，而是基于42 m2·s-2計算得到的概率預報產(chǎn)品5%概率落區(qū)的預報TS評分最高，達0.30(圖8a)。此外，對于同一UH閾值形成的概率落區(qū)預報產(chǎn)品，隨著概率值的增加，空報率一般表現(xiàn)為先降低再升高，漏報率則表現(xiàn)為單調(diào)增加。因此對于高概率落區(qū)預報，會由于空報率和漏報率的同時增長，使得其TS評分快速減小。

圖8 同圖5，但為2019年6月23日Fig.8 Same as Fig.5, but for 23 June 2019

由于本次過程發(fā)生在副熱帶高壓邊緣高濕高能區(qū)域中，整體大尺度強迫抬升條件較弱，屬于由濕下?lián)舯┝飨到y(tǒng)導致的伴隨強降水的雷暴大風天氣，此類天氣與對流云中的大水滴拖曳和中層干空氣的卷夾、蒸發(fā)冷卻過程有關(guān)，對于落區(qū)位置和強度的預報具有較大挑戰(zhàn)性，因此，對于本次過程，雷暴大風和冰雹天氣預報員落區(qū)預報的FAR和MAR都分別達到0.67和0.93，TS評分僅為0.06，預報效果并不理想。盡管本次過程天氣尺度強迫較弱，但具備有利的水汽和能量條件，仍在某些中尺度過程的驅(qū)動和對流系統(tǒng)自身的反饋下，形成了伴隨中渦旋的颮線系統(tǒng)，因此，基于UH指數(shù)開發(fā)的風雹概率預報產(chǎn)品對這類過程的風雹天氣也具有較好的指示意義，且相對于主觀預報表現(xiàn)出更加明顯的優(yōu)異性，主要是通過大大降低漏報率使得其TS評分結(jié)果相對于主觀預報得到大大提高。由此可見，特別是對于可預報性較低的強對流天氣過程，通過上述方法得到的客觀概率預報產(chǎn)品在風雹天氣預報中具有很好的業(yè)務(wù)指導意義。

4 統(tǒng)計檢驗評估

研究表明(Sobash et al, 2011)，不同的空間高斯平滑系數(shù)σ取值也會對概率預報產(chǎn)品的預報效果產(chǎn)生一定影響?？傮w而言，空間平滑系數(shù)σ取值較低時，形成的概率預報產(chǎn)品落區(qū)范圍相對較小，可能導致相對實況存在一定的面積低估或者位置偏差，而隨著σ取值的增長，會導致形成的概率預報產(chǎn)品落區(qū)面積擴大，但中心高概率值減小的問題。因此，選取的空間高斯平滑系數(shù)和UH閾值是否合適，對概率預報產(chǎn)品的預報效果優(yōu)劣具有決定性作用。

為了同時評估測試不同空間高斯平滑系數(shù)σ和UH閾值標準對概率預報產(chǎn)品的影響，基于試驗期間，即6月14日至7月31日08—20時模式預報生成的SMV，高斯平滑系數(shù)σ分別采用10、20和40 km 的變化取值，計算輸出各閾值標準下的概率預報產(chǎn)品并對其進行檢驗評分和對比分析。

主客觀落區(qū)預報產(chǎn)品檢驗結(jié)果顯示(圖9)，無論是華北東北區(qū)域還是華南區(qū)域，使用該方法得到的客觀概率預報產(chǎn)品其TS評分均在預報員落區(qū)預報基礎(chǔ)上有所提升，與典型個例檢驗結(jié)果類似，對于華南區(qū)域的風雹天氣，客觀預報產(chǎn)品的預報效果在主觀預報基礎(chǔ)上提升的幅度更加明顯。

圖9 2019年6月14日至7月31日08—20時(a，c，e)華北東北區(qū)域，(b，d，f)華南區(qū)域各UH閾值標準和高斯平滑系數(shù)下概率預報產(chǎn)品的TS評分結(jié)果(a，b)σ=10 km，(c，d)σ=20 km，(e，f)σ=40 kmFig.9 TS of forecasters’ subjective forecasts and objective probabilistic forecasts corresponding to different UH thresholds and Gaussian smoothing parameters for (a, c, e) North China, Northeast China and (b, d, f) South China during 08:00-20:00 BT from 14 June to 31 July 2019(a, b) σ=10 km, (c, d) σ=20 km, (e, f) σ=40 km

不同閾值和不同概率的客觀預報產(chǎn)品檢驗結(jié)果表明，基于較低UH閾值計算的概率預報產(chǎn)品TS評分要高于較高閾值的預報結(jié)果，且隨著概率值的增加，TS評分會逐漸下降。通過對比FAR(圖10)和MAR(圖11)的檢驗結(jié)果得出，基于較低閾值計算的概率預報產(chǎn)品的FAR要略高于較高閾值的預報結(jié)果，但MAR前者會明顯低于后者，且對于20%以下的低概率值尤為顯著。因此，基于較低閾值獲得的低概率對應(yīng)的落區(qū)預報TS評分較高，主要與其MAR相對更低有關(guān)(圖11)?？傮w來看，華北東北區(qū)域基于29 m2·s-2的UH閾值、華南區(qū)域基于36 m2·s-2的UH閾值獲得的概率預報產(chǎn)品最低概率值(1%)對應(yīng)的落區(qū)預報TS評分最高。

針對不同平滑系數(shù)取值下得到的概率預報產(chǎn)品評分結(jié)果顯示，隨著平滑系數(shù)σ的增大，相同閾值標準下產(chǎn)生的概率預報產(chǎn)品的最高TS評分會有所增加，但相對而言，當σ由10 km擴大為20 km時，TS評分的增長更加明顯，主要與MAR明顯減小有關(guān)(圖11)，而當σ由20 km擴大到40 km時，其低概率值對應(yīng)的TS評分結(jié)果變化不大，且高概率值對應(yīng)的FAR和MAR會出現(xiàn)同時增加的現(xiàn)象(圖10、圖11)，從而導致評分結(jié)果反而有所下降。因此，從評分結(jié)果綜合判斷，平滑系數(shù)σ取值20 km得到的概率產(chǎn)品預報效果最佳。

圖10 同圖9，但為FARFig.10 Same as Fig.9, but for FAR

圖11 同圖9，但為MARFig.11 Same as Fig.9, but for MAR

5 結(jié)論與討論

本文基于GRAPES_3 km高分辨率數(shù)值模式輸出的逐小時最大UH格點預報結(jié)果，通過計算并累積一段預報時效內(nèi)超過一定閾值標準的UH格點概率預報場，作為代表模式預報的風雹概率指導產(chǎn)品。利用該方法，重點針對2019年6月14日至7月31日我國北方和南方兩個風雹高發(fā)區(qū)域進行UH閾值統(tǒng)計并計算輸出每日08—20時的概率指導產(chǎn)品，進一步結(jié)合風雹實況對逐日和典型個例的預報結(jié)果進行檢驗評估分析，得出以下結(jié)論：

(1)典型個例應(yīng)用及檢驗結(jié)果顯示，該方法獲得的強風暴指導產(chǎn)品可以很好地指示對流風暴的形態(tài)分布和移動傳播特征，概率預報產(chǎn)品的高概率區(qū)與實況風雹的落區(qū)位置也具有較好的匹配效果。無論是對于華北東北區(qū)域強強迫過程，還是華南區(qū)域弱強迫過程，概率預報產(chǎn)品的TS評分都明顯高于預報員落區(qū)預報，特別是對于可預報性較低的弱強迫過程，客觀預報能夠通過大大降低漏報率使得評分提高幅度更加明顯。

(2)對于第99.90%～99.95%各分位數(shù)對應(yīng)的UH閾值，華北東北區(qū)域和華南區(qū)域差異不大，但隨著分位數(shù)的提高，華北東北區(qū)域?qū)?yīng)的UH閾值要明顯大于華南區(qū)域，這可能與華北東北區(qū)域多受冷渦系統(tǒng)影響，動力條件更強有關(guān)。

(3)試驗期間基于不同UH閾值和高斯平滑系數(shù)得到的概率預報產(chǎn)品對比檢驗結(jié)果表明，基于較低UH閾值計算的概率預報產(chǎn)品TS評分要高于較高閾值的預報結(jié)果，總體來看，華北東北區(qū)域基于29 m2·s-2的UH閾值、華南區(qū)域基于36 m2·s-2的UH閾值獲得的概率預報產(chǎn)品最低概率值(1%)對應(yīng)的落區(qū)預報TS評分最高，高斯平滑系數(shù)σ取值20 km得到的概率產(chǎn)品預報效果最佳。

需要指出的是，本文中基于UH指數(shù)的風雹概率預報技術(shù)僅適用于“對流可分辨”模式預報，而對于網(wǎng)格距不低于10 km的模式預報，由于其無法分辨出中尺度對流系統(tǒng)的運動特征，該方法將難以適用；而對于網(wǎng)格距不超過1 km的模式預報，可能由于其反映的中小尺度系統(tǒng)運動特征不同，也應(yīng)當對該方法進行相應(yīng)調(diào)整。