“23·7”华北特大暴雨数值预报检验评估

张 博 张芳华* 李晓兰 胡 艺

1)(国家气象中心, 北京 100081) 2)(中国气象局水文气象重点开放实验室, 北京 100081)

引 言

数值预报模式可为降水预报提供最有价值的参考信息,不同的模式初始场、边界条件、动力框架、物理过程及参数化方案等导致其预报效果差异明显[1]。对数值预报模式有针对性地进行客观统计检验和天气学检验,探究其预报性能、偏差特点及可能原因,构建订正方法,是基于数值预报模式的现代天气预报业务流程中的关键环节。

随着全球和区域数值模式的发展,数值模式对大范围强降水的环流形势预报能力不断提高,其预报时效和预报准确率也明显提升。我国气象工作者针对不同模式的降水预报能力进行了大量检验分析[2-8],采用的检验方法包括在两个变量预报检验列联表[9]基础上发展的TS(threat score)评分和ETS(equitable threat score)评分等,利用该检验办法已开展多个气象要素场的检验工作[10-11],但TS评分、ETS评分等方法为点对点检验,对雨带位置和强度的检验过于严苛,不能反映模式预报场的空间结构、预报能力的尺度变化等,往往会漏掉对预报员有价值的空间信息特征[12]。Hoffman等[13]首次将预报误差分解为位移、振幅和剩余残差3部分,在此基础上发展了一系列空间诊断检验方法。潘留杰等[14]总结和归纳空间诊断检验技术,将其分为属性判别法、尺度分离法、邻域法和形变法,其中属性判别法[15]和邻域法在诊断检验中较常用。属性判别法较常用的有MODE(method for object-based diagnostic evaluation)和CRA(contiguous rain area)方法,MODE方法可辨识二维场的空间特征,通过比较确定该空间特征在不同场的相似程度,开展相似性统计,尤凤春等[16]和张博等[17]利用该方法对华北降水进行多样本空间检验,苏翔等[18]和董立清[19]分别对2020年和1991梅雨期暴雨雨带的预报不确定性进行分析。CRA方法是Ebert等[20]提出的基于目标的定量降水检验方法,符娇兰等[21]利用CRA方法检验了欧洲中期天气预报中心(ECMWF)模式在西南地区东部强降水的预报,并依据检验结果分析模式的误差来源。常煜等[22]采用CRA方法分析两个区域模式对嫩江流域暴雨的预报性能。王新敏等[23]采用CRA方法检验评估了4个数值模式对2018年8月3次登陆台风暴雨过程的降水预报性能。采用多种检验手段可更加直观和定量地认识数值预报模式对不同类型天气过程的预报性能。近年华北地区极端暴雨事件多发,多角度的成因分析和预报评估[24-26]为全面认识极端强降水事件提供了参考。根据预报特征利用天气学检验方法评估数值模式中的行星尺度、大尺度乃至中小尺度的环流系统,得到降水预报出现偏差的可能原因[27-29]。

2023年7月29日—8月1日北上台风杜苏芮(2305)的残余环流在华北地区停滞,导致京津冀等地出现历史罕见的持续性强降水(简称“23·7”过程),单站累积降水量超过1000 mm。强降水造成房屋、道路、通信以及水电设施等损毁,还造成人员伤亡和重大财产损失,产生严重的灾害影响。对于如此罕见的持续性强降水,常用业务数值预报模式在中长期时效对其持续性和过程降水量的极端性预报效果以及短期时效对强降水的落区和强度把握情况均值得探讨。本文采用天气学检验和统计检验相结合的方式评估业务数值模式对过程累积降水量、持续时间以及关键环流系统的预报性能,并分析短期降水预报偏差,为预报员更有效地使用数值预报产品提供参考。

1 资料和方法

1.1 资 料

本文检验的数值模式包括中国气象局高分辨率全球同化预报系统(CMA-GFS)、较低分辨率全球集合预报系统(CMA-EPS)、欧洲中期数值预报中心集合预报系统(EC-EPS)和业务预报模式(EC-HR)、美国环境预报中心全球预报系统(NCEP-GFS)等全球模式和中国气象局区域台风数值预报系统(CMA-TYM)、中尺度天气数值预报系统(CMA-MESO)和区域数值预报系统(CMA-BJ)等区域中尺度模式,检验要素包括2023年7月18—29日20:00(北京时,下同)起报的降水量、500 hPa高度场、850 hPa风场、925 hPa风场和比湿场。CMA-GFS和EC-HR降水场原始分辨率为0.125°×0.125°,CMA-EPS和EC-EPS降水场原始分辨率为0.5°×0.5°,NCEP-GFS降水场原始分辨率为0.25°×0.25°,CMA-TYM和CMA-BJ降水场原始分辨率为0.09°×0.09°,CMA-MESO降水场原始分辨率为0.03°×0.03°;CMA-GFS、EC-HR和NCEP-GFS预报时效为240 h,CMA-EPS和EC-EPS预报时效为360 h,CMA-TYM预报时效为120 h,CMA-MESO预报时效为72 h,CMA-BJ预报时效为96 h[5,8,10,22,30-31]。

所用资料包括国家气象信息中心提供的2023年7月29日—8月2日全国地面国家气象站和自动气象站间隔1 h的降水量,以及ECMWF发布的ERA5逐小时再分析资料,要素包括位势高度、风场和比湿场等,水平分辨率为0.25°×0.25°。

1.2 检验方法

本文检验方法包括天气学检验、二分类检验和MODE空间检验。天气学检验主要包括降水预报和实况的偏差对比、环流场(位势高度、风场、湿度场等)的检验分析。传统二分类检验是基于点对点的检验,评估模式的预报性能。首先利用列联表将预报和实况降水进行判定,对符合阈值条件的降水事件定为1,反之定为0。

MODE方法通过给定的卷积半径对原始降水场进行卷积处理,按照给定阈值筛选满足条件的降水对象,确定降水对象空间特征在不同场的相似程度,开展相似性统计,计算匹配对象间的降水强度、面积、中心位置、轴角等各种要素。其具体方法和阈值选取依据参见文献[16]。

本文插图所涉及的国界和行政区域界线基于审图号为GS(2019)3082号标准地图制作,底图无修改。

2 特大暴雨过程概况

2.1 强降水特征

2023年7月29日—8月1日华北地区出现持续性强降水天气(图1),日降水量、累积降水量及降水持续时间等均具有显著极端性,是“63·8”以来华北最强的降水过程[32-33]。北京、天津、河北大部以及山西东部、河南北部等地连续3 d出现暴雨到大暴雨,北京和河北部分地区出现特大暴雨,上述地区过程累积降水量(图1)约为100～400 mm,其中北京西部、河北中部和西南部等太行山东麓沿山地区达500～700 mm,气象站观测最大累积降水量出现在河北邢台临城梁家庄,为1003.4 mm。

图1 2023年7月29日—8月1日累积降水量实况(单位:mm)

由图1可知,2023年7月29日08:00—30日08:00北京中南部、天津西南部、河北中南部以及山西东部、河南北部、山东中西部等地出现暴雨到大暴雨,河北西南部、河南北部局地出现特大暴雨。7月30日08:00—31日08:00强降水落区向北发展,特大暴雨落区及降水中心强度均明显增大,北京西部、河北中部和西南部等地日降水量达250～400 mm,局地接近500 mm,强降水最集中。7月31日08:00—8月1日08:00强降水范围和强度均有所减小,暴雨以上量级强降水集中在北京、天津、河北中部地区。8月1日(图略)京津冀降水显著减弱,仅在天津及河北中部的局部地区出现暴雨。

2.2 环流形势

此次持续性强降水过程出现在北上台风杜苏芮受高压坝阻挡而减速维持的稳定环流背景下。2023年7月29日—8月1日500 hPa平均位势高度场(图略)显示,亚洲中高纬度对流层中层呈两槽一脊环流型,贝加尔湖附近至我国河套地区一带为强大的高压脊,位势高度超过2倍标准差,较气候态显著偏强;其与西北太平洋副热带高压(简称副高)合并加强,在华北地区的东部和南部形成阻挡台风残涡东移的高压坝,这是造成此次华北持续性极端强降水的关键系统,也是本文的重点检验对象。

图2为2023年7月29日—8月1日逐日环流。由图2可知,7月29日20:00台风杜苏芮登陆后北上,强度明显减弱,对应850 hPa低压中心位于河南东南部,副高呈南北向的块状分布,台风杜苏芮的低压与副高间形成强盛的偏南风低空急流,急流强度达到20～24 m·s-1以上。同时2023年第6号台风卡努(2306)的中心位于菲律宾以东洋面,其北侧与副高间的东南风也汇入上述低空急流区,形成畅通的水汽输送通道,为强降水提供持续而充沛的水汽输送,华北地区850 hPa比湿(图略)超过14 g·kg-1。7月30日20:00副高向西北方向发展,其北界与位于蒙古国中部的大陆高压脊合并加强,850 hPa台风杜苏芮的低压中心减弱北移,倒槽仍维持在太行山东麓附近,东南风急流也向华北地区推进。7月31日20:00副高继续西伸,588 dagpm等位势高度线越过京津冀并进入山西中部,低压中心和倒槽减弱消失,低空急流明显减弱,但台风卡努继续向西北方向移动并趋向我国华东沿海,且加强为超强台风,其东侧至北侧的东南风持续为华北地区提供水汽输送,华北大部地区850 hPa比湿(图略)均超过16 g·kg-1。8月1日20:00蒙古国西部至我国西北地区有高空槽东移,华北高压坝明显减弱南落,由经向分布演变为纬向分布,低层风向也由东南风转为西南风,区域性强降水过程接近尾声。

图2 2023年7月29日—8月1日500 hPa高度场(等值线,单位:dagpm)、850 hPa风场(风羽)和风速(填色)

以上分析表明:强降水集中时段(7月29—31日)华北北部及以北地区500 hPa由于高压坝阻挡,其南侧对流层低层低压和倒槽、东南风低空急流在太行山东麓山前稳定维持,与来自西北太平洋持续的水汽输送共同为特大暴雨发生提供有利而稳定的环流背景。

3 特大暴雨过程预报检验评估

3.1 过程累积降水量预报检验

3.1.1 EC-EPS中长期降水量预报检验

图3为EC-EPS对2023年7月29日08:00—8月2日08:00累积降水量不低于100 mm的概率预报检验。由图3可知,自7月18日(图略)起EC-EPS预报华北东部到黄淮累积降水量超过100 mm的概率为10%～20%,24日大概率中心位置趋于稳定且概率值随时效临近显著增加;7月26日预报河北中南部和北京西南部降水量超过100 mm的概率大于80%;7月27日大概率中心位置北抬,北京西南部至河北中部保定一带出现100 mm以上强降水的概率超过90%;7月28日大概率区范围进一步扩大,南界扩至河北石家庄一带。对于过程累积降水量不低于250 mm的落区(图略),7月25日预报北京西南部至河北保定一带的概率超过10%,26日超过10%的概率范围明显扩大,与实况较为接近,7月27日北京—河北石家庄一带强降水的概率显著增加,其中北京房山至河北保定的概率预报超过30%～40%。此外,EC-EPS仅自7月27日起提示北京西南部、河北保定至河北西南部沿太行山东麓地区累积降水量超过400 mm的概率超过10%,对于600 mm以上降水,EC-EPS各时效各成员均无预报提示。

图3 EC-EPS对2023年7月29日08:00—8月2日08:00累积降水量不低于100 mm的概率预报检验(· 代表实况累积降水量不低于100 mm的格点)

可见,EC-EPS提前14 d(18日起)预报过程累积降水量可能超过100 mm,提前6 d(26日起)过程累积降水量80%以上的概率预报与实况落区接近,具有预报参考价值;对于250 mm以上累积降水量的提前预报时效、落区位置和概率大小均不及100 mm以上累积降水量,对600 mm以上的极端强降水,EC-EPS则无预报能力。此外,CMA-EPS提前12 d(20日)在京津冀及渤海湾预报超过100 mm过程累积降水量的概率,但大概率区(50%以上)明显偏东偏南且预报欠稳定;对过程累积降水量超过250 mm则无预报提示。

3.1.2 全球确定性模式中期降水量预报检验

此次天气过程降水大值区集中2023年7月29日—8月2日在北京西部至河北西南部的太行山东麓地区,过程累积降水量最大值出现在河北邢台临城梁家庄,为1003.4 mm。由CMA-GFS、EC-HR和NCEP-GFS中期时效(2023年7月29日—8月2日)累积降水量的预报(图4)可知,CMA-GFS 7月23日和24日预报华北南部至黄淮东部将出现强降水,7月26—28日预报落区连续向西调整,与实况(图1)逐渐接近,但落区仍略偏东且强度偏弱,250 mm 以上强降水的预报明显偏小;EC-HR 7月23日预报的降水偏东偏南,24日起报的100 mm降水落区位置接近实况,但250 mm以上的降水落区偏西偏北,26日起报的降水最强中心(591.4 mm)虽较实况弱,但超过100 mm的降水落区形态、位置以及中心强度均最接近实况,这对实际预报已有较强指示意义;NCEP-GFS自7月25日起预报的100 mm 以上量级降水向西调整至华北地区,28日预报的太行山前降水强度更接近实况,但河北东部降水较前几个时次明显偏弱。此外,CMA-TYM(图略)7月26日起预报京津冀大部地区出现100 mm 以上强降水区,对太行山东麓250～400 mm强降水中心的预报略偏东、强度仍偏小,尤其是对河北西南部强降水中心的反映明显不足。上述分析可见,CMA-GFS、EC-HR和NCEP-GFS中期时效预报对强降水过程均有预报提示,EC-HR在累积降水量的预报时效(提前8 d)、落区形态和降水量的预报上均表现最优,具有较高业务参考价值;CMA-GFS提前预报时效为6 d,但中心位置显著偏东,强度偏弱;NCEP-GFS提前预报时效为7 d,但强度偏弱。

图4 2023年7月29日08:00—8月2日08:00预报的累积降水量(右上角数值为模式预报最大降水量)

3.2 降水持续时间的中期检验

超长降水持续时间是造成此次极端强降水的关键原因。京津冀、山西东部的部分气象站出现累计2 d以上日降水量超过50 mm(暴雨量级)的降水,其中北京中南部和河北中部暴雨日数达到3～4 d(图略)。CMA-GFS 7月26日起预报河北东部及其以东地区有1～3 d暴雨,位置较实况偏东,7月28日预报北京至天津一带有2～3 d的暴雨,落区偏东且范围偏小;EC-HR 7月24日最早预报京津冀中南部有累计1～2 d、局地3 d的暴雨日数,7月25—27日预报累计超过3 d的降水范围逐渐增大,27日预报河北保定一带累计暴雨日数达到4 d,位置与实况最为接近;NCEP-GFS 7月25日起预报暴雨日数为1～2 d的降水落区基本覆盖京津冀地区,但总体偏少。由此可见,对于强降水持续时间的预报,EC-HR在提前日数(提前8 d)及2 d以上暴雨日的落区预报方面表现最佳;NCEP-GFS对强降水持续时间的预报偏短,但影响范围预报有较好参考价值;CMA-GFS可用时效最短。

3.3 逐日强降水短期预报检验

针对2023年7月29日、30日、31日的日降水量(图1),检验CMA-GFS、EC-HR、CMA-MESO、CMA-TYM和CMA-BJ的36 h预报(图5)。由图5可知,各模式均可预报降水落区逐日北抬的特点,CMA-GFS的预报位置偏东且强度偏弱最为显著,最大日降水量均低于100 mm。7月29日EC-HR、CMA-MESO和CMA-TYM预报大暴雨范围较实况偏小,CMA-BJ落区位置和形态与实况最为接近,范围和极值略偏大。对于7月30日大暴雨落区,EC-HR的预报偏西偏北,CMA-MESO和CMA-TYM的预报偏西,CMA-BJ的预报与实况最为接近。7月31日大暴雨位于北京西部及其以西地区,EC-HR的预报略偏东、CMA-MESO和CMA-TYM的预报与实况较接近,范围略偏小;CMA-BJ的预报与实况位置及形态最接近,但强度偏大。由此可见,对于36 h时效,各模式均可预报出强降水落区和区域强度的变化趋势,中尺度模式可以更加精细地刻画强降水落区形态和位置分布,尤以CMA-BJ为佳,但其存在预报偏强的偏差;CMA-GFS的预报最偏小。

图5 模式提前36 h预报的2023年7月29—31日的日降水量

为了定量化描述各模式对强降水落区中心位置预报的偏差,基于MODE方法从降水个体空间位置偏差和面积比对2023年7月29—31日逐日50 mm以上量级降水的短期降水预报进行评估(图6)。由图6可知,对于降水落区偏差,CMA-BJ的预报与实况最为接近(平均经向偏差为0.4°),EC-HR的预报以偏西偏北为主(偏差小于1°),与图5表征一致;CMA-GFS的预报偏东(偏差约为1°);NCEP-GFS、CMA-MESO和CMA-TYM的预报中心位置不稳定。通过降水面积比(图略)可知,各模式7月30日的预报面积与实况最接近,面积比约为0.7～1;7月31日的预报面积各模式差异最大,CMA-GFS的预报显著偏小,EC-HR的预报最接近实况(约为0.9)。对于100 mm以上的降水量(图略),CMA-GFS无预报能力,EC-HR的预报偏差仍以偏北为主,CMA-MESO、CMA-TYM和NCEP-GFS的预报偏西;各模式7月30日的预报面积均最接近实况。对于集中期逐日暴雨预报,CMA-BJ的落区位置和范围预报与实况最接近,EC-HR的预报偏北,CMA-GFS的预报显著偏小,而NCEP-GFS和CMA-MESO的预报稳定性较差。

图6 模式36 h时效预报的2023年7月29—31日日降水量不低于50 mm降水个体经向和纬向位移偏差

为了从降水落区和量级上精细化检验各模式在降水集中期的逐日降水预报效果,图7为2023年7月29-31日关键区(35°～41°N,113°～118°E)36 h预报的日降水量超过50 mm和100 mm的预报检验。橙色线为TS评分,越接近右上角TS评分则越高;黑色对角线是偏差评分为1.0的特征线,其下方区域为漏报,其上方区域为空报。除了CMA-BJ外,各模式存在不同程度的漏报,并且随降水强度增加漏报增长,表明对强降水预报偏弱。CMA-BJ对50 mm 以上和100 mm以上降水预报的TS评分均表现最优,但存在一定空报,与图5一致;EC-HR对于50 mm以上量级降水预报稳定、TS评分较高,但对100 mm以上降水TS评分下降明显;CMA-GFS预报50 mm以上降水TS评分最低,对100 mm以上降水无预报能力;CMA-MESO预报50 mm以上降水较好,但100 mm以上降水不稳定;CMA-TYM强降水预报TS评分平均值位于检验模式的第3位且预报稳定。关键区60 h时效预报的日降水量超过50 mm 和100 mm的降水检验(图略)表明:对于50 mm 以上量级的降水,EC-HR的预报稳定,TS评分较高,对与100 mm以上量级的降水,除CMA-BJ外,各模式均出现明显漏报。

图7 2023年7月29—31日关键区(35°～41°N,113°～118°E)36 h时效的日降水量预报检验

4 降水预报偏差原因

强降水过程成因分析和预报经验表明:500 hPa华北高压坝是此次天气过程的关键影响系统,数值预报模式对高压坝位置及持续时间预报的优劣直接影响暴雨持续性以及过程降水量极端性的预报效果。4.1 降水持续性预报偏差的原因

针对台风杜苏芮减弱后位于黄淮至华北西部一带的残涡以及华北及其以北地区的高压坝,对比2023年7月29—31日ERA5再分析资料逐日500 hPa 高度场与预报员主观分析场,发现ERA5再分析场与主观分析场一致(图略),因此将ERA5分析场作为检验环流的实况场。

由2023年7月29—31日500 hPa平均位势高度的实况588 dagpm特征线(图8)可知,高压西边界接近100°E,副高120°E北界位于45°N附近,CMA-GFS和NCEP-GFS预报相似,7月23日预报(图略)高压带控制副热带地区,7月24日起预报我国大陆上空有高压但并不稳定,副高主体位于西北太平洋洋面上,直至28日两个模式才预报副高明显西伸,出现高压坝形势;EC-HR自7月24日起对副高形态预报较为稳定,较准确地预报副高西伸北抬与大陆高压脊合并加强的趋势,对华北高压坝形势的预报较CMA-GFS和NCEP-GFS提前3～4 d,且随时效临近预报的副高西界位置和形态更接近实况。贝加尔湖以南500 hPa位势高度超过2倍标准差(图略),表征该地区高压脊强度异常偏强,EC-HR不同时效的预报也有较好体现。通过对比CMA-GFS、EC-HR和NCEP-GFS的500 hPa高度场(图8)和过程累积降水量预报(图4),EC-HR对华北高压坝的建立、形态和维持预报效果优于CMA-GFS和NCEP-GFS,在中长期时效对强降水的落区位置和强度预报也优于CMA-GFS和NCEP-GFS。

图8 2023年7月29—31日20:00平均500 hPa位势高度预报场(蓝色等值线,单位:dagpm)(红色等值线为588 dagpm等值线实况)

此次天气过程中925 hPa偏东风或东南风急流在太行山山前维持约2 d,地形对水汽的辐合抬升和阻挡作用是此次极端强降水的重要原因之一[32-33]。模式对低层风向、风速以及水汽条件的预报能力是强降水的预报关键。由CMA-GFS、EC-HR和NCEP-GFS在2023年7月23—28日对7月29—31日平均925 hPa风场和比湿预报(图略)可知,CMA-GFS在7月24日预报出倒槽,但槽底较实况偏南,预报河北为一致的东北风,直至7月27日再次预报倒槽形势,但较实况偏东,此外925 hPa比湿较实况明显偏小。EC-HR在7月25—27日预报河北中部为一致偏东风,倒槽的强度较实况偏弱;对残涡中心预报不稳定,中心位置较实况偏北;7月28日预报的风场与实况更为接近,但倒槽预报仍偏弱。NCEP-GFS自7月25日起预报出倒槽形势,但槽底位置较实况偏南,比湿较实况偏小约1 g·kg-1。

通过中期时效环流场的天气学检验可知,EC-HR预报效果最好,提前8 d稳定预报高压坝的维持,提前7 d预报925 hPa低压倒槽及低空急流的发展,但系统强度较实况偏弱,位置偏西偏北,CMA- GFS和NCEP-GFS对倒槽预报偏南,均低估了太行山地形对偏东风的强迫抬升作用,导致降水量预报明显偏小。

4.2 强降水短期预报偏差的原因

本节以日降水量最大的7月30日为例,分析EC-HR降水预报偏差的可能原因。

由2023年7月29日20:00起报的主要影响系统预报可知,模式对500 hPa高度场24 h预报与实况基本一致(图略),但低空急流预报偏差较大。图9为EC-HR在7月29日20:00起报的7月30日20:00 850 hPa 和925 hPa风场。由图9可知,850 hPa 太行山山前地区分析场为偏东或东北风,模式预报为东南风,倒槽较分析场略偏西偏北,且太行山北段迎风坡附近风速的预报偏小4～8 m·s-1,导致低层辐合区偏西偏北、山前辐合偏弱;925 hPa情况类似,风向偏差一方面导致倒槽位置偏弱、偏西,另一方面削弱了地形对强降水的增幅作用,这是因为河北西南部的太行山山前地区分析场为东北风,模式预报为偏东风,而这一带有多个朝向东北方向的喇叭口小地形,因而东北风较偏东风更易在此强迫抬升,造成降水增幅。

图9 EC-HR 2023年7月29日20:00起报的30日20:00 850 hPa和925 hPa风场预报场(蓝色风羽)与分析场(黑色风羽)对比(阴影为地形高度)

由降水性质预报(图略)可知,模式预报30日午后河北东部和南部地区对流性降水比例高达60%～90%,且背景场条件显示午后华北平原对流有效位能增大,低空暖湿输送持续,水汽和能量条件均有利于出现对流性降水(图略)。根据业务实践经验,这种形势下EC-HR往往对对流性降水预报偏小,而将强降水主要预报在天气尺度系统动力抬升作用更强的倒槽附近(图9),也是导致强降水落区预报偏西偏北的原因之一。

因此低层风场偏弱、倒槽位置略偏西偏北、模式对槽前后部东南风低空急流区前沿的对流性降水预报不足等因素综合作用,导致模式对强降水预报偏西、偏北,强度偏弱。业务中可以结合环境场特征和模式降水性质预报,对强降水落区进一步订正;在有利于对流性降水发生的形势下,中尺度模式的强降水预报更有参考价值。

5 结论和讨论

本文采用数值模式天气学检验、TS评分和MODE方法对CMA-GFS、CMA-EPS、EC-EPS、EC-HR和NCEP-GFS等全球模式和CMA-TYM、CMA-MESO和CMA-BJ等区域中尺度模式对“23·7”华北特大暴雨过程中长期时效强降水的持续性和极端性、短期时效强降水落区和强度预报进行检验分析,评估模式中短期时效对关键环流系统的预报能力,并分析模式预报偏差来源,得到如下结论:

1) 对于过程累积降水的中长期预报,EC-EPS提前14 d预报可能超过100 mm,提前6 d以内80%以上的概率预报与实况落区更为接近,对预报有较强指示意义;对于更大量级的降水,预报性能明显下降,对于600 mm以上的极端强降水则无预报能力。CMA-EPS提前12 d报出京津冀一带有100 mm以上降水概率,但预报欠稳定且位置偏东偏南。

2) EC-HR在累积降水量的预报时效(提前8 d)、落区形态和降水量的预报上均表现最优,具有较高的业务参考价值;CMA-GFS提前预报时效为6 d,但中心位置显著偏东,强度偏弱;NCEP-GFS提前预报时效为7 d,但强度也偏弱。对强降水的持续时间预报。EC-HR在提前日数(提前8 d)及2 d以上暴雨日出现的区域预报方面性能最佳;NCEP-GFS持续时间预报偏短,但对于影响范围的预报也有较好参考价值;CMA-GFS可用时效最短。

3) 强降水短期预报检验表明,各模式均可提前36 h预报出强降水落区和区域强度的变化趋势,对2023年7月30日的预报面积与实况最为接近,中尺度模式可以更加精细地刻画强降水落区形态和位置分布,尤以CMA-BJ为佳,但其存在预报偏强的特征;其余模式预报不同程度偏弱,其中CMA-GFS预报最为偏小,EC-HR整体预报较为稳定,落区有一定的偏北或偏西,NCEP-GFS和CMA-MESO稳定性较差。

4) EC-HR较CMA-GFS和NCEP-GFS提前3～4 d较好预报500 hPa高压坝的建立和加强;EC-HR提前7 d预报925 hPa低压倒槽及低空急流发展,但倒槽和急流强度偏弱,位置偏西偏北;CMA-GFS和NCEP-GFS预报倒槽偏南,均低估太行山地形对偏东风的强迫抬升作用,导致降水量预报明显偏小。2023年7月30日强降水36 h预报检验表明:EC-HR对低层风场预报偏弱、倒槽位置偏西偏北、对流性降水预报不足等因素综合作用,导致强降水强度偏弱,落区偏西偏北。

本文针对“23·7”特大暴雨过程进行多模式预报检验评估,提前7～8 d已有模式能预报出持续性强降水,为业务预报提供了有价值的信息;但各模式对于极端强降水的落区、强度等预报能力还存在不足,因而持续提高数值预报模式对极端性天气的预报性能是未来的发展目标。此次天气过程由台风残涡北上受高压坝阻挡而形成,那么,残涡北上的物理机制和数值预报模式对高压坝预报偏差的原因等均需要深入分析,对持续性极端强降水预报提供更长的预报时效。