深圳对流尺度集合预报系统对台风降水预报的检验评估

第36卷第6期2020年12月

热带气象学报

JOURNAL OF TROPICAL METEOROLOGY

Vol.36,No.6Dec.,2020

王德立，黄辉军，陈训来，等.深圳对流尺度集合预报系统对台风降水预报的检验评估[J].热带气象学报，2020，36(6)：759-771.

文章编号：1004-4965(2020)06-0759-13

深圳对流尺度集合预报系统对台风降水

预报的检验评估

王德立1，黄辉军2，陈训来1，王蕊1，谢坤1，魏晓琳1，李兴荣1

(1.深圳市气象局，广东深圳518040；2.中国气象局广州热带海洋气象研究所，广东广州510641)

摘要：目前数值模式对台风降水预报的准确率仍有待提高。为了评估深圳对流尺度集合预报系统对台

风降水预报能力，选取了2015—2018年共14个影响广东台风个例，利用广东省2300多个自动气象观测站的24小时累计降水观测资料，检验该系统的集合预报方法(含集合平均方法和概率匹配平均方法)和控制预报方法的24小时降水预报结果。(1)系统对台风24小时降水预报具有较好参考价值，三种方法的暴雨等级预报TS 评分均达到0.39以上。(2)集合预报方法总体上优于控制预报方法，可改善珠江口两侧暴雨中心降水预报。其中集合平均方法总体预报效果最好，其降水预报均方根误差为38.1mm ，比控制预报方法减少18.8%，对暴雨等级预报TS 评分为0.469比控制，预报方法提升20.1%，但是对特大暴雨等级预报能力不足；而概率匹配平均方法改善了小雨和特大暴雨的预报能力。(3)系统对较强台风的降水预报能力优于弱台风。在较强台风情形下，系统对粤东暴雨中心降水预报明显偏小且控制预报方法偏差最大，其他地方降水预报偏大为主；在弱台风情形下，系统对降水预报存在明显系统性偏大，但对粤西暴雨中心降水预报明显偏小且控制预报偏差最大。

关

键

词：台风；降水；集合预报；对流尺度；检验评估

中图分类号：P444

文献标志码：A

Doi ：10.16032/j.issn.1004-4965.2020.068

收稿日期：2020-03-18；修订日期：2020-06-18

基金项目：国家重点研发计划政府间/港澳台重点专项项目（2019YFE0110100）；广东省重点领域研发计划项目(2019B111101002)；国家自

然科学基金项目(41975124、41675021)；中国气象局预报员专项(CMAYBY2019081)；广东省气象局科研面上项目(GRMC2017M29)共同资助

通讯作者：王德立，男，广东省人，工程师，主要从事短期天气预报工作和研究。E-mail ：******************

1引言

广东省濒临西北太平洋和南海，是我国台风登陆最多的省份，平均每年登陆台风约3.9个[1]。台风带来或引起强降水是重要的致灾因子[2-3]，可引发严重洪涝、山洪、山体滑坡和城市内涝等灾害，极易造成人民众生命财产损失[4]。因此准确预报台风降水无疑成为台风防灾减灾工作的重中之重。

与此同时，台风降水影响因子复杂[5-6]，除了与台风内部结构影响有关外，还与环境大气控制和

下垫面强迫密切相关[7]，因此台风降水预报难度

大。任福民等[5,8]指出台风降水预报方法主要有三类：动力模式、统计方法和动力-统计方法[9]。动力模式方法(即数值模式预报方法)特别是集合数值预报技术作为台风降水预报重要的技术发展方向越来越受到重视[10-12]。

国内许多学者在台风降水集合数值预报技术方面进行了研究。狄靖月等[13]基于全球交互式集合预报(TIGGE)资料开展了降水集成预报研究，结果表明基于TS 评分的多模式降水集成法能有效改进大雨以上的台风降水预报效果。陈博宇等[14]基于ECMWF 集合预报提出了面向台风暴雨的集

热带气象学报第36卷

合成员优选技术，结果表明该技术对改进集合降水产品有明显的帮助，并较ECMWF确定性预报产品有一定的优势。李侃[15]利用欧洲ECMWF、美国NCEP和中国CMA等三个预报中心的集合预报产品开展了登陆台风降水的可预报分析和释用技术研究，结果表明台风降水集合平均预报优于相应的控制预报，且ECMWF集合预报效果最好，基于均方根误差订正的方法对ECMWF集合台风降水预报订正效果最佳。陈艳蝶等[16]基于TIGGE 资料开展了台风降水预报的分级回归统计降尺度技术研究，结果表明该技术能显著提高1307号台风“苏力”降水预报的距平相关系数，但是对降水预报均方根误差改进有限。除了基于全球集合预报开展台风降水预报外，还有国内学者基于中尺度集合预报开展了台风降水预报研究。钟有

亮等[17]对GRAPES区域集合预报系统(0.15°×0.15°水平分辨率，15个成员)的登陆台风预报情况进行了系统的检验评估，结果表明其台风各量级降水预报均具有预报参考价值，同时台风暴雨落区预报的准确性与台风登陆点和登陆时间误差密切相关。张旭斌[18]基于GRAPES模式建立了0.09°×0.09°水平分辨率共30个集合成员的热带区域集合预报系统，结果表明该系统对台风大暴雨预报优于ECMWF的集合预报结果。

上述这些研究结果对台风降水预报有非常重要的参考意义，但是其研究或者基于全球中期集合预报系统，或者基于中尺度区域集合预报系统，而且水平网格分辨率一般在九公里到几十公里之间，不能显式分辨与台风降水密切相关的中小尺度系统[5,19]。研究表明，提高模式水平分辨率能有效提高降水预报水平[20-21]，因此近年来，在高性能计算技术发展的支撑下，集合数值预报系统也趋于高水平分辨率方向发展[22-25]，其中最具有代表性的是水平分辨率在3～5公里的数值集合预报系统，一般称之为雷暴尺度或者对流尺度集合预报系统[19]。对流尺度集合预报系统在台风降水预报方面的表现也得到了关注。Zhang等[26]利用4.5 km高分辨率集合预报系统很好地预报出台风“莫拉克”引起台湾破纪录的降水；Fang等[27]为台湾地区台风降水定量预报提出改进的概率匹配平均技术，该技术基于最高水平分辨率为4km集合数值预报系统，结果表明该技术能够减少降水集合预报偏差，提供更好的定量降水预报指导；Hong等[28]利用5km分辨率的区域集合预报系统建立了台湾台风定量降水预报系统，结果表明该系统比单一模式要准确，而且还能够提供不确定信息用于台风风险评估。

2013年，深圳市气象局与美国俄克拉荷马大学风暴分析和预报中心(CAPS)合作建立水平分辨率为4km的深圳对流尺度集合预报系统，并于2014年开始在国家超算深圳中心高性能计算平台上实现业务化运行[19,29]，成为国内首个业务化运行的对流尺度集合预报系统。经过多年业务应用发现，相比于单一的确定性预报，该系统对华南前汛期降水预报有一定优势[30-31]，但是预报系统对台风降水预报能力如何则还有待检验评估。本文的重点就是定性和定量检验评估深圳对流尺度集合预报系统对广东台风降水预报能力，为开展台风降水预报提供参考。

2深圳对流尺度集合预报系统简介

该系统采用WRF ARWv3.5.1预报模式，双重网格嵌套(图1)，其中外层d01和内层d02网格水平分辨率分别为12km、4km，水平网格数分别为209×177、421×361，垂直层数51，模式层顶气压设置为50hPa。

每天08时和20时(北京时，下同)12～4km区域双向双重嵌套利用欧洲中期天气预报中心(ECMWF)实时预报产品(0.125°×0.125°)资料和美国全球集合预报系统(GEFS)p01~p10集合成员的实时预报产品(1°×1°)作为初始场和边界条件图1深圳对流尺度集合预报系统预报区域34°N

32°N

30°N

28°N

26°N

24°N

22°N

20°N

18°N

16°N

100°E105°E110°E115°E120°E

760

第6期王德立等：深圳对流尺度集合预报系统对台风降水预报的检验评估

进行72小时预报(表1)。该预报产品为内层逐3小时同化预报提供背景场和边界条件。采用ARPS5.3.2同

化模块和云分析模块同化广东11部多普勒雷达的径向风和反射率资料进行24小时预报。该系统共有11个集合成员，不同成员除了采用不同的初始场和边界条件外，还采用了不同的物理参数化方案组合，最终形成了多初值条件多物理方案组合的对流尺度集合预报系统。表1给出该系统外层d01（即12km区域）不同成员配置。值得指出的是，该系统内层d02（即4km区域）使用的物理参数化方案跟外层不尽相同，且不使用积云对流参数化方案。2017年该系统预报时间由24小时延长到36小时；2018年由于计算资源限制，集合成员数由11个变为10个。

表1深圳对流尺度集合预报系统外层d01不同成员配置

成员M00 M01 M02 M03 M04 M05 M06 M07 M08 M09 M10

微物理

WSM6

Thompson

WSM5

WSM6

Ferrier

Thompson

WSM6

WSM5

Ferrier

短波辐射

Goddard

Dudhia

Goddard

New Goddard

Goddard

New Goddard

Goddard

New Goddard

边界层

MYJ

YSU

ACM2

MYJ

MYNN

ACM2

MYJ

YSU

MYNN

ACM2

MYJ

陆面

Noah

RUC

Noah

RUC

Noah

RUC

积云对流

BMJ

GD-3d

BMJ

GD-3d

BMJ

GD-3d

初始和边界条件

ECMWF

GEFS p01

GEFS p02

GEFS p03

GEFS p04

GEFS p05

GEFS p06

GEFS p07

GEFS p08

GEFS p09

GEFS p10

3资料和方法

3.1个例选取和资料

为了检验深圳对流尺度集合预报系统对广东台风降水预报能力，选择了2015—2018年共14个台风个例(表2)作为研究对象。台风资料采用中国气象局上海台风研究所提供的台风最佳路径集数据[32]。降水观测资料采用广东地区约2300多个自动气象观测站的24小时累计雨量。参与检验的是控制预报(简称M00)、集合平均预报(简称Mean)和概率匹配平均预报(简称PM)这三种预报方法分别预报的4km分辨率的24小时累计降水预报产品。其中控制预报M00是唯一使用ECMWF预报数据作为背景场和边界条件的成员；集合平均预报是将各成员预报结果进行等权重的集合平均形成预报产品；概率匹配平均是利用集合成员的原始降水频率来订正等权重的集合平均降水[33]。

3.2检验方法

首先计算14个台风个例的降水预报平均分布并与观测平均进行对比分析，考察深圳对流尺度集合预报系统对台风平均降水预报空间分布误差情况。并计算平均误差(ME)和均方根误差(RMSE)，其计算公式为：

ME=∑i=1n()F i-O i n(1) RMSE

=(2)

其中n表示观测站点数，F表示预报雨量值，O表示观测雨量值。均方根误差越小越好。平均误差计算时存在正负值互相抵消问题，因此其大小不能作为实际预报误差大小的根据，只用于考察某一区域预报是否存在系统性偏大或偏小的问题。

然后对台风降水预报进行分级检验。对24小时累计雨量，降雨等级阈值为≥0.1mm、≥10mm、≥25mm、≥50mm、≥100mm、≥250mm，分别对应为小雨、中雨、大雨、暴雨、大暴雨、特大暴雨等级的降雨。分级检验采用TS评分(Threat score)、偏差

761

热带气象学报第36卷

(Bias)、空报率(False alarm rate，FAR)和漏报率

(Missing alarm rate，FAR)等指标，其计算公式分别

为：

TS=

(3)

Bias=N

(4)

FAR=

(5)

MAR=

(6)

其中，N

表示正确命中次数，即观测和预报同时满

足阈值的次数；N

表示空报次数，即观测未达到阈

值而预报达到阈值的次数；N

表示漏报次数，即观

测达到阈值而预报未达到阈值的次数。TS评分

是我国天气预报业务和研究中常用的综合评分指

标[34]，它对空报和漏报进行惩罚，TS评分在0~1之

间，越大越好。偏差Bias表示预报和观测事件次

数多少的对比，偏差为1表示预报和观测的事件次

数相等，大于1表示预报次数偏多，小于1表示预

报次数偏少。空报率和漏报率越小越好。

序号1 2 3 4 5 6 7 8 9 10 11 12 13 14编号

1510

1604

1608

1621

1622

1702

1707

1713

1714

1716

1804

1809

1816

1822

台风名称

莲花

妮妲

电母

莎莉嘉

海马

苗柏

洛克

天鸽

帕卡

玛娃

艾云尼

山神

贝碧嘉

山竹

登陆强度

台风

强台风

热带风暴

强台风

热带风暴

强台风

台风

热带风暴

强热带风暴

台风天鸽台风

登陆地区

汕尾

深圳

湛江

万宁

汕尾

深圳

香港

珠海

江门

汕尾

湛江

万宁

琼海

江门

数值预报个例选择(北京时)

2015070820

2016080120

2016081720

2016101808

2016102020

2017061208

2017072220

2017082220

2017082620

2017090308

2018060708

2018071720

2018081020

2018091520表22015—2018年影响广东的14个台风个例

4检验结果

4.1总体平均检验结果

4.1.1误差值检验

图2显示三种方法预报的平均降水跟观测都较吻合，都能在一定程度上预报出珠三角两侧沿海地区暴雨分布特征。从降水预报平均误差来看(图3和表3)，三种方法存在着系统性偏大，偏大范围在3.6～8.3mm，预报偏大区域主要出现在粤东北和粤西南等地，最大幅度达40mm以上。值得注意的是，在系

统性偏大的情形下，三种方法对珠三角两侧暴雨中心存在着预报偏小的问题。

集合预报方法(包括Mean和PM)预报平均降水比M00更加符合观测。从图2和图3可看出，M00对珠三角两侧暴雨中心预报偏小最明显，最大偏小幅度达40mm以上，集合预报方法可有效改善珠三角两侧暴雨中心预报偏小的情况。从均方根误差来看(表3)，集合预报方法的均方根误差要小于M00，特别是Mean的均方根误差为38.1 mm，比M00的46.9mm减少18.8%。

4.1.2TS评分检验

从降水预报等级评分(图4)和降水预报频率分布(图5)可看出，三种方法降水预报都具有较好预报参考价值。图4显示，随着降雨量等级增加，三种方法的TS评分迅速减小，FAR和MAR迅速增大，预报偏差增大，即使如此，三种方法的暴雨预报TS评分达到了0.39以上，大暴雨预报TS评分也达到0.16以上。在不同等级观测降雨情形下，三种方法的降水预报频率分布峰值基本出现在对应临近的1～2个等级区间(图5)。

762

第6期

王德立等：深圳对流尺度集合预报系统对台风降水预报的检验评估

(b)

(a)

(d)

(c)图22015—2018年共14个台风个例的24小时累计降水平均

a.观测；

b.概率匹配平均；

c.集合平均；

d.M00。单位：mm 。

图32015—2018年共14个台风个例的24小时累计降水预报偏差(预报平均减去观测平均，单位：mm)

a.PM-Obs ；

b.Mean-Obs ；

c.M00-Obs 。