多模式对四川盆地强降水过程的预报性能检验

doi:10.11755/j.issn.1006-7639(2024)-03-0473

干旱气象 ›› 2024, Vol. 42 ›› Issue (3): 473-483.DOI: 10.11755/j.issn.1006-7639(2024)-03-0473

• 技术报告 • 上一篇

多模式对四川盆地强降水过程的预报性能检验

龙柯吉¹^,²(), 杨康权¹^,²(), 康岚¹^,²

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

收稿日期:2022-10-27 修回日期:2023-06-18 出版日期:2024-06-30 发布日期:2024-07-11
通讯作者: 杨康权（1985—），男，广东湛江人，硕士，正高级工程师，主要从事中小尺度天气研究及数值预报释用。E-mail: 154394478@qq.com。
作者简介:龙柯吉（1987—），女，四川眉山人，硕士，正高级工程师，主要从事天气学与数值预报方向的研究。E-mail: longkeji945@163.com。
基金资助:
四川省科技计划重点研发项目(2022YFS0542);四川省科技厅中央引导地方科技发展专项(2023ZYD0147);中国气象局创新发展专项(CXFZ2021J027);中国气象局创新发展专项(CXFZ2021Z007);四川智能网格预报创新团队、高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金(重大专项SCQXKJZD202101);四川智能网格预报创新团队、高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金(研究型业务重点专项SCQXKJYJXZD202201);四川智能网格预报创新团队、高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金(重点专项SCQXKJZD2020002)

Performance verification of multi-model heavy rainfall processes prediction in the Sichuan Basin

LONG Keji¹^,²(), YANG Kangquan¹^,²(), KANG Lan¹^,²

1. Sichuan Province Meteorological Observatory， Chengdu 610072， China
2. Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province， Chengdu 610072， China

Received:2022-10-27 Revised:2023-06-18 Online:2024-06-30 Published:2024-07-11

摘要/Abstract

摘要：

为进一步认识当前数值预报模式的预报能力，选取2018—2020年发生在四川盆地的47次强降水过程进行分型，再基于多源降水融合产品和地面观测资料，通过TS评分、时空滑动等方法对欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）数值预报模式、国家气象中心区域中尺度数值预报模式（China Meteorological Administration Mesoscale Model，CMA_MESO）和西南区域数值预报系统（Southwest Center WRF ADAS Real-time Modeling System，SWC_WARMS）在强降水过程范围、强度、极值、时间和位移偏差等方面的预报能力进行检验评估。结果表明，各模式08：00（北京时，下同）预报优于20：00预报，ECMWF对中雨和大雨预报更优，SWC_WARMS的暴雨量级评分更高。各模式对中雨的预报范围普遍较实况偏大，随着降水量级增大，逐渐转为低估，其中SWC_WARMS更接近实况。对于降水强度，ECMWF和CMA_MESO的平均降水量和极值普遍较实况偏小，SWC_WARMS更接近实况。3种模式时间偏差不明显，仅个别起报时次有-6~3 h的时间偏差；ECMWF的位移偏差最小，纬向上ECMWF和SWC_WARMS以偏北为主，经向上ECMWF以偏西为主，CMA_MESO和SWC_WARMS以偏东为主。

关键词: 检验评估, 时间滑动, 空间滑动, 三源融合降水, 过程分型

Abstract:

In order to further understand the prediction ability of current numerical prediction models, this paper selects 47 heavy rainfall processes that occurred in the Sichuan Basin from 2018 to 2020 and classifies them, then based on merged precipitation products and ground observation data, the prediction ability of European Centre for Medium-Range Weather Forecasts (ECMWF), China Meteorological Administration Mesoscale Model (CMA_MESO) and Southwest Center WRF ADAS Real-time Modeling System (SWC_WARMS) models in the range, intensity, extreme value, time and displacement deviation of heavy rainfall processes is validated and assessed by using threat score, space-time sliding and other methods. The results show that the 08:00 (UTC+08:00) prediction of each model is better than the 20:00 (UTC+08:00) prediction, the ECMWF is better in moderate rain and heavy rain prediction, the SWC_WARMS has a higher score in the rainstorm prediction. The prediction range of moderate rain by various models is generally larger than the actual, and gradually turns to underestimate with the increase of magnitude, in which SWC_WARMS is closer to the actual. For rainfall intensity, the average precipitation and extreme value of ECMWF and CMA_MESO are generally smaller than the actual, and the prediction of SWC_WARMS is closer to the actual. The time deviation of predictions of three models is not obvious, only a few initial forecast times have a time deviation of -6 to 3 h, the displacement deviation of ECMWF products is the smallest, the prediction of ECMWF and SWC_WARMS are mainly northerly in latitudinal direction, while in meridional direction, the prediction of ECMWF is mainly to the west, and the predictions of CMA_MESO and SWC_WARMS are mainly to the east.

Key words: validation and assessment, time sliding, space sliding, three-source merged precipitation, process classification

中图分类号:

P457.6

龙柯吉, 杨康权, 康岚. 多模式对四川盆地强降水过程的预报性能检验[J]. 干旱气象, 2024, 42(3): 473-483.

LONG Keji, YANG Kangquan, KANG Lan. Performance verification of multi-model heavy rainfall processes prediction in the Sichuan Basin[J]. Journal of Arid Meteorology, 2024, 42(3): 473-483.

图/表 15

图1 四川省降水自动站分布和检验区域（黑色方框）

Fig.1 Distribution of automatic precipitation stations in Sichuan Province and validation area （the black box）

图2 时间平移（a）和空间平移（b）检验示例

Fig.2 Example of time translation （a） and space translation （b） validation

图3 2018—2020年四川省强降水过程暴雨发生站次和降水极值

Fig.3 Rainstorm stations and precipitation extremes during heavy rainfall processes from 2018 to 2020 in Sichuan Province

表1 2018—2020年四川省强降水个例信息

Tab.1 Information of heavy rainfall cases from 2018 to 2020 in Sichuan Province

类型	个例日期	暴雨站数（平均）/站	极值（平均）/mm
A	2018-07-01、2018-07-02、2018-07-08、2018-07-15、2019-07-19、2019-08-20、2019-09-07、2020-06-15、2020-07-09、2020-07-14、2020-07-15、2020-08-14、2020-09-09	298~970 （466）	152~329 （239）
B	2018-06-25、2018-06-29、2018-07-10、2018-07-14、2018-07-26、2019-08-05、2019-08-21、2019-09-09、2020-06-26、2020-06-29、2020-07-16、2020-07-24、2020-07-25、2020-07-29、2020-07-30、2020-08-06、2020-08-10、2020-08-12、2020-08-15、2020-09-05	205~1 261 （596）	166~540 （276）
C	2018-05-20、2018-05-21、2018-08-01、2018-08-02、2018-08-21、2018-09-04、2018-09-05、2019-04-19、2019-06-04、2019-06-27、2019-07-21、2019-07-28、2019-08-02、2019-08-04、2019-09-12、2019-09-13、2020-06-16、2020-08-11、2020-08-16、2020-08-17、2020-08-23、2020-08-29、2020-08-30	296~1 238 （616）	142~360 （238）

图4 47次强降水过程不同降水等级的综合TS评分

Fig.4 Comprehensive threat score of different precipitation grades of 47 heavy rainfall processes

图5 分型强降水过程不同降水等级TS评分

Fig.5 The threat score of different precipitation grades of classified heavy rainfall processes

图6 47次强降水过程不同等级降水的BS评分

Fig.6 The bias score of different precipitation grades of 47 heavy rainfall processes

图7 分型强降水过程BS评分箱线图（a）大雨，（b）暴雨

Fig.7 Boxplots of bias score of classified heavy rainfall processes （a） heavy rain，（b） rainstorm

图8 强降水过程不同降水等级预报与实况降水强度之比

Fig.8 The ratio between predicted and actual precipitation intensity of different precipitation grades during heavy rainfall processes

图9 分型强降水过程预报降水强度与实况降水强度之比箱线图（a）大雨，（b）暴雨

Fig.9 Boxplots of the ratio between predicted and actual precipitation intensity during the classified heavy rainfall processes （a） heavy rain，（b） rainstorm

图10 预报与实况降水极值散点分布（a）和分型降水极值预报与实况对比（b）

Fig.10 Scatter map of predicted and actual precipitation extreme values （a） and comparison of predicted and actual extreme values during classified precipitation processes （b）

图11 大雨（a、b）和暴雨（c、d）量级08：00（a、c）和20：00（b、d）降水预报的位移偏差

Fig.11 Displacement deviation of heavy rain （a， b） and rainstorm （c， d） magnitude precipitation prediction staring at 08：00 （a， c） and 20：00 （b， d）

图12 分型强降水过程大雨（a、b）和暴雨（c、d）预报的纬向（a、c）和经向（b、d）偏差箱线图

Fig.12 Boxplots of latitudinal （a， c） and meridional （b， d） deviation of heavy rain （a， b） and rainstorm （c， d） prediction during classified heavy rainfall processes

图13 强降水过程3种模式预报不同量级降水的时间滑动TS评分

Fig.13 Time sliding threat score of prediction of precipitation with different grades of three models during heavy rainfall processes

图14 分型强降水过程大雨（a）和暴雨（b）量级TS评分和最优评分频次分布

Fig.14 Distribution of threat score of heavy rain （a） and rainstorm （b） magnitude in classified heavy rainfall processes and optimal score frequency

参考文献 31

[1]	陈朝平, 卢萍, 2020. SWCWARMS模式不同起报时次对"18.05.21"强降水过程的预报能力评估[J]. 高原山地气象研究, 40(3): 1-9.
[2]	陈得圆, 王磊, 李谢辉, 等, 2022. 四川盆地西部一次典型连续夜雨的数值模拟[J]. 高原气象, 41(1): 216-225. DOI
[3]	段静鑫, 赵天良, 徐祥德, 等, 2018. 四川暴雨过程中盆地地形作用的数值模拟[J]. 应用气象学报, 29(3): 307-320.
[4]	郭旭, 龙柯吉, 范江琳, 等, 2021. 四种降水融合产品在四川持续性强降水过程中的对比评估[J]. 高原山地气象研究, 41(2): 42-52.
[5]	康岚, 郝丽萍, 罗玲, 等, 2013. 1002号台风对四川盆地大暴雨的影响分析[J]. 热带气象学报, 29(1): 169-176.
[6]	雷丽娟, 雷小途, 2018. 东海台风对四川东部暴雨的影响研究[J]. 热带气象学报, 34(3): 314-323.
[7]	李博渊, 赵江伟, 庄晓翠, 2020. ECMWF细网格模式探空在阿勒泰地区短时强降水预报中的统计检验[J]. 沙漠与绿洲气象, 14(3): 61-67.
[8]	李银娥, 张文言, 陈赛男, 等, 2019. 2008—2017年鄂西南区域极端降水特征及成因[J]. 干旱气象, 37(6): 875-884.
[9]	龙柯吉, 谷军霞, 师春香, 等, 2020. 多种降水实况融合产品在四川一次强降水过程中的评估[J]. 高原山地气象研究, 40(2): 31-37.
[10]	龙妍妍, 范广洲, 段炼, 等, 2016. 中国近54年来夏季极端降水事件特征研究[J]. 气候与环境研究, 21(4): 429-438.
[11]	潘留杰, 张宏芳, 陈小婷, 等, 2017. ECMWF集合预报在中国中部地区的降水概率预报性能评估[J]. 高原气象, 36(1): 138-147. DOI
[12]	蒲学敏, 白爱娟, 毛晓亮, 2021. 高原涡与西南涡相互作用引发暴雨过程及云系特征分析[J]. 气象科技进展, 11(4): 89-101.
[13]	沈晓燕, 申燕玲, 权晨, 等, 2022. 不同方法对青海2020年强降水模式产品预报性能的检验对比[J]. 干旱气象, 40(2): 333-343. DOI
[14]	师锐, 何光碧, 周春花, 2021. 四川一次持续性暴雨过程的水汽特征及多尺度系统影响分析[J]. 干旱气象, 39(3): 415-425.
[15]	师锐, 何光碧, 龙柯吉, 2015. 一次四川盆地低涡型特大暴雨过程分析[J]. 干旱气象, 33(5): 845-855. DOI
[16]	王彬雁, 陈朝平, 黄楚惠, 2020. SAL方法在四川降水预报检验中的应用[J]. 干旱气象, 38(3): 472-479.
[17]	王茂书, 肖递祥, 袁亮, 等, 2020. 两种不同路径台风对四川东北部持续性暴雨影响对比分析[J]. 沙漠与绿洲气象, 14(6): 29-38.
[18]	肖递祥, 王佳津, 曹萍萍, 等, 2020. 四川盆地突发性暖区暴雨特征及环境场条件分析[J]. 自然灾害学报, 29(3): 110-118.
[19]	肖红茹, 顾清源, 何光碧, 等, 2009. 一次大暴雨过程中高原低涡与西南低涡相互作用机制探讨[J]. 暴雨灾害, 28(1): 14-20.
[20]	肖红茹, 王佳津, 肖递祥, 等, 2021. 四川盆地暖区暴雨特征分析[J]. 气象, 47(3): 303-316.
[21]	杨康权, 卢萍, 张琳, 2017. 高原低涡影响下的一次暖区强降水特征分析[J]. 热带气象学报, 33(3): 415-425.
[22]	张武龙, 康岚, 陶勇, 等, 2021a. 四川盆地极端短时强降水中尺度对流系统组织类型[J]. 成都信息工程大学学报, 36(6): 697-704.
[23]	张武龙, 康岚, 周威, 等, 2021b. 基于GRAPES-MESO模式的极端短时强降水预报[J]. 干旱气象, 39(3): 507-513.
[24]	郑婧, 夏侯杰, 陈娟, 等, 2020. 基于ECMWF模式的定量降水客观订正方法[J]. 高原气象, 39(4): 830-839. DOI
[25]	周秋雪, 康岚, 蒋兴文, 等, 2019. 四川盆地边缘山地强降水与海拔的关系[J]. 气象, 45(6): 811-819.
[26]	周懿, 郭云云, 余芳, 2020. 四川盆地一次西风槽和台风共同作用暴雨过程分析[J]. 高原山地气象研究, 40(2): 11-17.
[27]	ALEXANDER L V, 2016. Global observed long-term changes in temperature and precipitation extremes: A review of progress and limitations in IPCC assessments and beyond[J]. Weather and Climate Extremes, 11: 4-16.
[28]	GRIFFITHS M L, BRADLEY R S, 2007. Variations of twentieth century temperature and precipitation extreme indicators in the northeast United States[J]. Journal of Climate, 20: 5 401-5 417.
[29]	SUN J, ZHANG F Q, 2017. Daily extreme precipitation and trends over China[J]. Science China Earth Sciences, 60: 2 190-2 203.
[30]	ZHAI P M, ZHANG X B, WAN H, et al, 2015. Trends in total precipitation and frequency of daily precipitation extremes over China[J]. Journal of Climate, 18(7): 1 096-1 108.
[31]	ZHANG W X, ZHOU T J, 2019. Significant increases in extreme precipitation and the associations with global warming over the global land monsoon regions[J]. Journal of Climate, 32(24): 8 465-8 488.

多模式对四川盆地强降水过程的预报性能检验

Performance verification of multi-model heavy rainfall processes prediction in the Sichuan Basin

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 31

相关文章 7

编辑推荐

Metrics

[1]	王一丞, 刘维成, 宋兴宇, 张文光. 卫星降水产品在陇东2022年7月特大暴雨事件中的适用性评估[J]. 干旱气象, 2023, 41(6): 997-1007.
[2]	袁凯, 庞晶, 李武阶, 李明. 深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估[J]. 干旱气象, 2023, 41(1): 173-185.
[3]	柳媛普，张铁军，段海霞，曾鼎文，宋琳琳，李耀辉. 西北区域数值预报业务试验系统基本要素预报效果检验[J]. 干旱气象, 2018, 36(2): 301-309.
[4]	郑广芬,王素艳,杨建玲,丁小谨,李欣. 基于前期海温异常的宁夏5~9月候降水量客观预测方法及检验评估[J]. 干旱气象, 2016, 34(1): 43-50.
[5]	马金仁，纪晓玲，邵　建，贾宏元，穆建华. 宁夏灾害性天气短时临近监测预警平台简介[J]. 干旱气象, 2013, 31(3): 616-621.
[6]	肖明静，隋明，范苏丹，曲巧娜，韩永清. 3 种数值模式温度预报产品在山东应用的误差分析与订正[J]. J4, 2012, 30(3): 472-477.
[7]	刘世祥, 陶健红, 张铁军, 尚大成, 伏晓红, 张静, 宋秀玲. 西北区秋季短期气象要素客观预报检验评估[J]. J4, 2010, 28(3): 346-351.