WRF模式不同集合预报方案对一次大范围暴雨过程的模拟研究

袁有林，杨必华，周宏，等.W

RF

Journal of Arid Meteorology

模式不同集合预报方案对一次大范围暴雨过程的模拟研究[J

].

平旱气象

Vol. 34 No. 6

Dec,2016

干旱气象，2016，34(6):1027 -1036, [YUAN

Youlin , YANG Bihua, ZHOU Hong, et al. Simulation of Different Ensemble Forecast Schemes on a Large Area Heavy Rainfall by WRF Model[ J]. Jour­nal of Arid Meteorology, 2016, 34(6) ：1027 - 1036] , DOI：10. 11755/j. issn. 1006 -7639(2016) -06 -1027

WRF模式不同集合预报方案对一次

大范围暴雨过程的模拟研究

袁有林\\杨必华\\周宏2，康小平\\陈广

(1.中国人民解放军63610部队，新

1

，赵军

1

疆库尔勒841001 ;2.中国人民解放军61243部队,新疆乌鲁木齐

830000)

摘要:应用

WRFV3.6模式，对陕、晋、冀、鲁4省2013年7月12—13日的一次大范围暴雨过程，从

初值、侧边界和物理过程扰动出发进行了集合预报研究。结果表明：（1)物理过程扰动对此次降水的 影响最大，初值扰动在积分初期影响较大，而后逐渐减弱,而侧边界扰动随着时间积分向模拟区域中 心传播并逐步增大;（2)物理过程扰动、初值扰动的集合预报分别对小雨和大雨及以上量级降水预报 最优,而侧边界扰动的集合预报对中雨和暴雨及以上量级的降水预报最优；（3)从集合预报的离散度 分析得出，物理过程扰动的集合预报最优，其次是侧边界扰动，初值扰动最差；（4)同时考虑3种不确 定性的集合预报，总体上好于单个因子扰动的集合预报，使模式的降水预报效果得到显著改善。 关键词:集合预报;初值;物理过程;侧边界;WRF;暴雨文章编号= 1006 -7639(2016) -06 -1027 -10 中图分类号:P458.1 +21.1

D01:10.11755/j.issn.l006 -7639(2016) -06 -1027

文献标识码:A

中的“不确定性”开展了多方面研究，探讨了构造集 合预报的合理方法。Houtekamei•等[12]首次通过模 式扰动构造了集合预报，模式扰动后的集合预报有 效改善了降水预报。Hou等[13]研究指出，对侧边界 扰动可以增加集合预报的发散度，改善预报效果。 Krishnamurti等[14]从模式和初值不确定性出发，提 出了多模式超级集合预报的思想。Zhang等[15]从模 式的物理参数化方案、分辨率、侧边界和初始场扰动 等方面对中尺度暴雨的可预报性进行比较全面的研 究，表明模式分辨率即使提高到3. 3 km，其模拟效 果也不是很好，这是因为模式和初值误差影响了预 报结果。徐广阔等[16]用繁殖循环法对初值进行了 扰动，采用MPGM模式对2003年汛期淮河流域特 大暴雨进行了集合预报试验，表明集合预报结果好 于控制试验。张涵斌等[17]基于GRASPE_Mes〇区域 集合预报系统，连续进行了 1个月的批量试验，表明 多初值多物理多边值为最优方案。陈静等[18]从初 值、模式和侧边界3个方面建立了中尺度暴雨集合 预报，设计了异物理模态的初值扰动法，该方法扰动 对流不稳定区的初值，从而促进了与对流有关的不

引言

研究暴雨的发生发展机制，提高暴雨的预报准 确率，是数值模式的一项重要研究内容[1_6]。然而， 模式预报水平在实际预报过程中往往因许多不可避 免的误差受到限制，误差有:①初值误差:观测误差、 资料同化和分析处理中引入的误差;②模式误差:模 式中描述的物理过程并不完全符合实际大气中的物 理过程，致使模式在结构、参数设置或者是数值计算 上等存在的误差[7];③侧边界误差：地球上的大气 在特殊地形以外不存在水平上的边界，而区域模式 却假定大气是有边界的，我们通常给出的边界条件

并不能完全反映大气的真实状况[84]。L〇renz[w]指 出，大气具有混沌特征，也就是说大气运动是非线性 的，因此初值和模式误差引起的小扰动在模式积分 过程中可能会使误差快速增长，从而降低了模式的 预报能力。

集合预报是针对数值预报的“不确定性”问题 而提出的一种动力随机预报技术，其成员考虑了初 值和模式的不确定性[11]。国内外学者对数值模式

收稿日期=2016 -05 -2

3;改回日期=2016 -07 -17

)

作者简介:袁有林（1987 -，男，甘肃平凉人，硕士，主要从事天气预报工作•

E-mail: 908248336@qq.com

1028

干 旱气象

34卷

稳定扰动快速增长，对鉍丨妨M报技巧有较大提高《

目前，采用WRF模式从不同误差角度出发构 建的集合预报对比分析研究较少，在WRF模拟过 程中，初值、侧边界和物理过程中存在的误差对降水 如何产生影响？它们有何差异？怎样设计集合预报 能更好地提高降水预报准确率？研究这些问题很有 必要,。因此，本文采用WRF模式，对陕、晋、冀、鲁 地区2013年7月12—13日一次大范围的暴雨过程 进行集合预报试验，详细比较了初值、侧边界和物理 过程扰动构造的集合预报差异,以期为提高数值模式 对暴雨等极端天气过程的模拟能力提供参考。

1降水过程分析

2013 年7 月 12 9 08:00—13 日 08:00 (北京

时，下同），西风槽携带的f冷气流和副热带高压外 侧的暖湿气流于陕西、山西、河北、山东上空交汇，且、

低层有明显的切变线配合，使得上述4省出现了大 范围东西向带状雨带，陕西中部、山西中南部、河北 南部和山东北部等地出现了强降雨过程。根据24 h 降水量的等级划分标准（小雨〇. 1 ~ 9.9 mm，中雨10.0 ~24. 9 mm，大雨 25.0 ~49. 9 mm,暴雨 50. 0 ~ 99.9 mm，大暴雨 100.0 ~ 249. 9 mm)，352 个站点中 发生暴雨的有43个，大暴雨的有4个，其中山东周 村24 h降丨时多，达131 mm(图1)。此次降水过程 雨量大、范围广，是一次典型的暴雨过程。

图 1 2013 年 7 月 12 g 08 :00—13 g 08 :00 陕西、

山西、河北及山东累计降水实况（单位:_!)Fig. 1

The observed accumulative precipitation in Shaanxi, Shanxi, Hebei and Shandong

Provinces from 08 ：00 BST 12 to 08：00 BST 13 July 2013 (Unit：mm)2资料与方法

2.1资料

所用资料有：欧洲中期数值预报中心（ECM-

WF)提供的逐6 h ERA - interim:.再分析资料，水平

分辨率分别为 0.75。x0.75°、0.25。x0.25°、1.5。x

I.5。和2.5。x2.5。，垂意分为37层;美国園家环境 预报中心（NCEP)提供的逐6 h >’_\\丄|丨丨分析资料（水 平分辨率为l°xl°，垂直分为26层）、逐6 h CFSv2 全球耦合再分析资料（水平分辨率为1° x 1°，垂直 分为37层）以及逐6 h GFS全球预报数据（水平分 辨率为0.5° x0. 5°,垂直分为26层）；美国国家环 境预报中心和美国大气研究中心（NCEP/NCAR)共 同制作的逐6 h全球大气再分析资料（以下简称 PTCEP - 1)，水平分辨率为2. 5。x 2. 5。，垂應分为17

仏义丨丨徊家环境预报中心和美国能源部（NCEP/ DOE)联合制作的逐6 h再分析资料，校正了 NCEP -1中存在的一些误差问题，水平分辨率为2.5° x 2.5°，萌】!£分为17层;家环境预报中心和海 洋模式研究中心（NCEP/MMAB)制作的逐24 h海 表温度（SST)数据，水平分辨率为0.5°x0.5,国际 地圈一生物圈计划在2〇〇〇年获得的M0DIS遥感土 地覆盖分类数据，水平分辨率为2'、30\"; (108°E— 123°£，33%—38°1〇区域内352个气象站的24 11降 水量。以上资料的起止时间都是2013年7月12日 08:00—13 日 08:00。

2.2方法(1) 标准差

标准差可以反映数据与其平均值之间的分散程 度，准乃越大表明数据与其平均值的差异越大，反 之数据越接近其平均值。其公式为：

式中v为标准差#为平均值，iV是集合成员个数，

A是第〖个成员的降水量。

(2) 降水格点逐时平均离散度

离散度反映了在不同预报时效内，各扰动预报 与集合平均预报之间的平均距离，其公式为：

Spread⑴

=去[/；(〇 -/。(〇]2 (2)

式中

，“一

0是对模拟区域内的格点值求平均\"是预

报时效，足集介成(4个数，/; (0为第i个成员在预 报时效？内的预报值，/〇( 0为集合平均场。

⑶误差肯瞳

为了定量分析扰动试验与控制试验的差异，参 考文献[19]，定义误差倉这量（domain - integrated differ-

ence total energy，DTE )为：

DTE =yI(t/|+Fg+K^

)

⑶

K = cp/Tr

第6期袁有林等:WRF模式不同集合预报方案对一次大范围暴雨过程的模拟研究1029

其中，ijvfc为方向上的格点数，扰动试验和控 制试验的纬向风、经向风和温度的差值分别用、

表示，DTE为误差能量，为常数，取270 K，

Cp为干空气比定压热容，Cp =1 004 J . kg-1 . K'

通常情况下，DTE越大表示扰动对预报的影响越大。

(4)TS评分

TS = Ha/(Ha +Hb+ Hc)

(4)

式中，A为预报正确的格点数，A为空报的格点

数，凡为漏报的格点数。TS值的范围为0~1，TS 值越大表示预报效果越好。

(5 ) Talagrand 分布

假设构建的集合预报成员为…需要检验的区 域有效格点数为M，把第/个格点上iV个成员的预 报值按从小到大的顺序排列，这样就有# + 1个区 间，将观测值落在每个区间的次数记为i = 1，2， 3，4，…，iV + 1)，则观测值落在第i个区间的概率分 布(A)及概率均方差（【匕二S/M「1 W+1

⑶

式中，p是理想集合预报系统成员的概率分布，用每 个区间的概率分布^可绘制Talagrand直方图。如 果Talagrand分布图呈“U”型，说明集合系统的离散 度偏小;倒“ U”型分布说明集合系统的离散度偏大; “L”型或逆“L”型分布则说明集合预报存在着系统 性偏差。概率均方差（(6) ±自方根误差(RMSE)和空间相关系数(CORR)

RMSE =

< -110(0, -0)

⑷

CORR =

1式中，表示台站总数，为第；站降水的集合平 均，A为第〖站的实况降水，泣为所有站点集合预报 降水的平均值”为所有站点的实况降水平均值。

(7) 改进率

参考王洋等[21]的研究结果，利用空间相关系数 定义了集合预报相对于控制预报的改进率（/〇,其 公式如下：

R = (CORRe - CORRc)/CORRc x 100% (7)

式中J为改进率，CORRe、CORR。分别为集合和控 制预报的空间相关系数。

也可以利用均方根误差定义集合预报相对于控 制预报的改进率，其公式如下：

R = (RMSEc - RMSEe)/RMSEc x 100% (8) 式中，为改进率，RMSEe、RMSE。分别为集合和控 制预报的均方根误差。

3控制试验设计

采用WRF V3. 6,选用的物理方案主要包括

WSM3 - class simple ice[22]微物理方案（以下简称 WSM3)，RRTM[23]长波辐射方案，Dudhia[24]短波辐射

方案，YSU[25]边界层方案，Betts - Miller - Janjic[26] (以下简称BMJ)积云对流参数化方案，Unified Noah

land - surface model[27]陆面过程方案，Revised MM5 Monin - Obukhov近地层方案。模拟区域设置如图2

所示，采用双向2层嵌套方案，D01 (100°E—130°E， 21°N^7°N) ,D02(108°E—123°E,30°N^0°N),

中心位置为（115. 5° E，35° N)，水平网格距分别为 30 km和10 km,格点数分别为110 X 100和166 X 106,垂直分为31层，模式层顶为50 hPa。采用 0.75。x0. 75。ERA - interim 资料、0. 50 x0. 50 SST 资料作为模式初始场，每6 h更新一次。为反映实 际下垫面状况，采用M0DIS下垫面资料，2层嵌套 分别采用分辨率为2'和30\"地形数据。积分时间从 2013 年7 月 12 日 08:00—13 日 08:00,共积分24 h， 2层网格的积分步长分别为180 s和60 s，1 h输出 一次模拟结果(记为CTL试验）。如不作特别说明， 以下均是对D02内的模拟结果进行分析。

4

集合预报构建方法

4.1

初值扰动法

采用的初值扰动方法是考虑误差随机分布的蒙

1030

干 旱气象

34卷

特卡罗预报法[28] (Monte Carlo Forecasting, MCF)， 扰动场的生成方法如下式：

P = C x Rand

(9)

其中，P是随机扰动场，C是最大扰动振幅，Rand是 (-1,1)之间均勻分布的随机数。Houtekamei•等[12] 研究表明，当集合成员有8个时，集合平均值明显优 于控制预报，若再增加成员个数，也只有微小的改善

效果。为了节省计算资源，本文采用8个成员构造

6.03.0

0.001

8rq,0. 54 -0.0015 T(Z)

SXZ) = 0.06

L〇. 18

式中，Z。=0.65,是模式第14层，约为500 hPa高 度，5,为相对湿度的误差。用MCF方法分别对模式 初始温度场、湿度场和风场同时加减4种不同的随 机扰动，构建了 8个初值扰动成员（以下简称IV

(Initial Value)试验）。

4.2侧边界扰动法

控制试验采用特定边界条件，侧边界的格点数 为 5。利用 ERA - interim(0. 25。x0. 25。、1. 5° x1.5。和2.5。\\2.5。）、卩《^、€卩3以、0卩3、^^?-1和

NCEP/DOE不同的再分析资料提供的侧边界条件

代替0.75。x 0.75。的ERA - interim资料生成的控 制试验侧边界条件，构造了 8个侧边界扰动成员 (以下简称 MB (Multi Boundaries)试验）。4.3物理过程扰动法

从模式的不确定性出发，用多种物理参数化方 案的随机组合构造物理过程随机扰动。微物理方案 为WSM3和Lin，积云对流参数化方案为BMJ和

Grell - Devenyi ensemble(简称 GD)，边界层方案为 YSU 和 Mellor - Yamada - Janjic TKE (简称 MYJ)，

通过以上方案组合构造了 8个集合成员（以下简称

MP( Multi Physics)试验）。

4.4对初值、侧边界和物理过程同时扰动

微物理方案为WSM3和Lin，积云对流参数化

方案为BMJ和GD;初值、侧边界扰动方法同试验

IV、MB。对初值、物理过程和侧边界均进行扰动构造

的集合预报简称IV_MP_MB，具体组合方案见表1。

集合预报。最大扰动振幅C的计算主要参考陈静等[18]的方法。

控制试验CTL是用ERA - interim资料驱动的， 所以最大扰动振幅C是参考ECMWF的实际大气观 测误差给出的。假设风速（咖，单位:m • S — 1)、温度 (7\\单位:K)和比湿(g，单位:kg • kg4)的观测误差 为（：1„(幻、&1(幻、^(幻，其中2为高度，它们都 是垂直坐标的函数，于是就定义CUV(Z)、CT(Z)、Cq (幻为模式变量的最大扰动振幅，具体数值如下式： Z > Z。（尚层）

Z矣Z。（低层）Z > Z。（尚层）Z矣Z。（低层）

r > 90% (10)

r ^ 90%

240 K < 71 < 320 K

T ^ 320 K T ^ 240 K

表1 IV_MP_MB试验方案

Tab. 1

The schemes of IV_MP_MB test

集合微物理积云生成侧边界 成员

方案

方案

条件的资料

1WSM3BMJNCEP FNL2WSM3BMJNCEP CFSv2

3WSM3GDERA - interim 0. 25° ><0.25°4WSM3GDERA - interim 1.5° ><1.5°5LinBMJERA - interim 2. 5° X 2. 5°

6LinBMJNCEP GFS7LinGDNCEP -18

Lin

GD

NCEP/DOE

5结果分析

5.1控制试验预报

图 3 是 2013 年 7 月 12 日 08 :00—13 日 08 :00

模拟的D02区24 h累计降水量。可见，WRF模拟的暴雨区的位置和范围与实况基本一致，但大暴雨

的模拟存在差异，WRF模拟出4个大暴雨中心，分 别位于陕西、山西和山东，而实况只有山东的2个大 暴雨中心，总体来看，模拟的降雨和实况相似，雨带 呈东西向分布，WRF模式对此次暴雨的主要特征模 拟出来了，但降水的范围和雨量大小还存在着一些 差异。

第6期袁有林等:WRF模式不同集合预报方案对一次大范围暴雨过程的模拟研究1031

5.2集合试验预报

5.2.1 3种不同扰动方案对降水模拟结果的影响

分别计算扰动试验IV、MB、MP各成员在D02 区域内的24 h降水面积，并对比控制试验预报结 果，得到最大差异百分比和标准差（图4)。由图4a 可以看出，小雨及以上量级降水落区面积的最大差 异:百分比最小，IV、MB、.MP试验的最大義异百分比 分别为3. 47%、4. 41%、7. 48% ;随着降水量的增 加，降水面积最大差异逐渐增大，其中W、MB试验

图3 2013年7月12日08:00—13日08:00模拟的

D02区域24 h累计降水量分布(单位:mm)Fig. 3 The spatial distribution of simulated accumulative precipitation in D02 domain from 08:00 BST 12 to 08:00 BST 13 July 2013 (Unit:mm)

模拟的降水l〖if积与拧制试验之间的差异増加平缓, 均<20%，而MP试验差异急剧増加，中雨、大雨、暴 雨及以上降水时枳敁大為异分别增至53. 86%、 56.74%、5Z57%。可见，降水量级越大，扰动试验 的预报结果与控制试验之间的：异也越大,其中对 大雨的扰动最大。此外，各〖卩:级降水面积最大差异

图4 2013年7月12日08 :00—13日08 :00不同集合试验与控制试验在D02区域内

不同量级降水落区面积最大差异百分比（a)和标准差（h)

Fig. 4 The maximum difference percentage between control test and disturbance tests (a) and the standard deviation (b) of precipitation areas with different magnitude rainfall in D02 area from 08 ：00 BST 12 to 08 ：00 BST 13 July 2013

均是IV试验最小，MP试验最大，表明IV试验对降 水面积预报扰动最小，MP试验扰动最大，尤J〖:兄屮 雨及以上量级的降水面积。

Jh述分析仅代表了降水面积的极值情况，为反

171 11 6 11 X1 511 43

映集合预报成员的离散程度，计算了各扰动试验预

报的降水面积标准差（图4b)，发现集合预报中各成 员预报的不同量级降水面积差异较大。总体来看, IV扰动试验预报的降水面积波动最小，稳定性最 好，而MP试验预报的降水面积波动最大，稳定性较 差，尤其是对中雨的预报最不稳定。

图 5 是2013 年 7 月 12 g 08 :00—13 P 08 :00 期间IV、MB、MP扰动试验各成员在D02区域内累 计降水量平均。可知，与控制试验CTL模拟的D02 区域平均降水量13.22 111111相比，试验1¥、1^^、1\\0}

图 5

2013 年 7 月 12 0 08 :00—13 曰 08 :00

不同试验各成员D02区域平均降水量 Fig. 5 The average accumulated precipitation simulated by the different disturbance tests in D02 area

from 08:00 BST 12 to 08 :00 BST 13 July 2013

1032

干 旱气象

34卷

成员最大差异分别为1.58 mm、0.65 mm、3.48 mm, 最大差异百分比分别为11. 97%、4. 95%、26. 3%，

IV试验 表明MP试验对本次降水过程的扰动最大，

试验的离散度持续増长，至9 h后的12日17:00开 始逐渐减小，14 h后（12日22:00)的变化趋势与IV 试验相同，最大值为13日05:00的1.04 mm;MB试 验在1 ~2 h降水离散度为0,而后缓慢増长，至12 日20:00以后开始快速増长，17 h后的13日01:00 离散度大于IV试验，最大值达1.0 mm。总体而言， 物理过程扰动对降水的影响最大，初值扰动在积分 初期影响较大，而侧边界扰动随着时间积分向模拟 区域中心传播逐步増大，在积分一定时间后，其对降 水的影响与物理过程扰动的影响相当。可见，不同

的误差来源可对降水产生不同影响，综合考虑这3 个因子，可能对降水预报的改善起到积极作用。

的影响最小。

图 6 是 2013 年 7 月 12 日 08 :00—13 日 08 :00期间不同扰动试验预报的降水格点平均离散度和误 差能量的逐时变化。由图6a可看出，在积分初始时 刻，IV试验的离散度最大，其次是MP试验，最小的 是MB试验。随后，IV试验的离散度短暂上升后开 始持续减小，3 h后离散度已小于MP试验，14 h后 (12日22:00)开始迅速持续増大，于22 h后（13日 06:00)达到最大极值0. 89 mm，而后略有减小；MP

1.00-75

0.0. 050. 52

7

® •

,01/1^|_班0.00-11:00 14:00 17:00 20:00 23:00 02:00 05:00 08:00 12日

13日

10:00 13:00 16:00 19:00 22:00 01:00 04:00 07:00 12日

13日

图6 2013年7月12日08 :00—13日08 :00不同扰动试验在D02区域的格点平均降水

离散度（a)及误差能量（集合平均相对于控制试验）（b)的逐时演变Fig. 6 The hourly variation of the dispersion and total energy difference (the ensemble forecast compared to the control test) of precipitation forecasted

by the different disturbance tests in D02 area from 08：00 BST 12 to 08：00 BST 13 July 2013

由图6b看出，初始时刻只有试验IV的DTE不 为〇，其它2个试验均为0，这是因为在初始时刻IV 试验的初始场叠加了扰动，而MB和MP试验则使 用了与控制试验相同的初始场。在积分6 h(12日 14:00)后，MP试验的DTE超过了 IV试验，积分 22 h后（13日06:00) IV和MP试验的DTE逐渐减 小。MB试验的DTE在初期増长较缓慢，积分6 h 后快速増长，积分12 h后（12日19:00)DTE与MP 试验相当，而后持续増长，只是在12日22: 00— 13日00:00时段増加缓慢，22 h后（13日06:00)超 过了其他2个试验，DTE值为3个试验中最大。可 见，积分24 h后DTE从大到小依次为MB、MP和

IV，说明侧边界扰动从边界向中心传播过程中而迅

合预报平均就是集合成员的算术平均。一般情况

下，Xt所有成员求算术平均往往会平滑掉单个成员随 机的预报误差，给出预报结果的最大可能性。图7是 4个集合预报方案24 h累计降水量的集合平均。与 CTL试验相比，IV试验在陕西、山西25. 0 mm以上 降水范围増大，而河南25.0 mm以上降水范围减小 (图7 a); MB试验在陕西、山西25. 0 mm和山东100.0 mm以上降水范围増大（图7b) ;MPi式验的10.0 mm以上降水范围増大，而山东100.0 mm以上 降水范围减小（图7c) ;IV_MP_MB试验的10. 0 mm 以上降水范围増大，模拟的暴雨中心位于山西和山 东半岛。总体来看，IV_MP_MB试验的降水分布和 雨量大小与实况更接近，模拟效果得到改善。5.3 TS评分

为了客观反映各方案的降水预报水平，对降水 预报进行TS评分，具体方法是将D02区域内352 个气象站的24 h降水实况作为参考标准，把预报场

速増大，积分一定时间后甚至大于物理过程扰动的 影响，而初值扰动只是在积分初期起着主导作用。

5.2.2集合平均对降水模拟结果的影响

假设集合预报中每个成员有相同权重，那么集

第6期袁有林等:WRF模式不同集合预报方案对一次大范围暴雨过程的模拟研究1033

40° N

/I no AT

38°N1005025

36° N

34°N-^

10

32° N

108°E 110°E 112°E 114°E 116°E 118°E 120°E 122°E

108°E 110°E 112°E 114°E 116°E 118°E 120°E 122°E

I

502510

100

图7 2〇13年7月l2日08:00—13日08:00不同扰动试验在D〇2区域累计降水量的集合平均(单位:mm)

(a) IV 试验;（b) MB 试验;（c) MP 试验;（d) IV_MP_MB 试验

Fig. 7 The ensemble means of accumulated precipitation forecasted by the different disturbance

tests in D02 area from 08:00 BST 12 to 08:00 BST 13 July 2013 (Unit:mm)

(a) IV test, ( b ) MB test, ( c ) MP test, ( d ) IY_MP_MB test

的格点值线性插值到站点上进行评分（图8)。整体 来看，5个试验的TS评分均随着降水量级的増大而 减少，其中小雨及以上量级的TS评分均在0. 87以 上，而中雨、大雨、大暴雨及以上量级的TS评分均 在0.5以下，可见各试验对小雨预报最优。控制试 验CTL对小雨及以上量级的TS评分M “（〇. 89)， 对暴雨及以上釐级评分最低（〇. 19) ;IV、MB和MP 扰动试验相比，中雨及以上釐级的TS评分MB试验 整体偏高，MP试验最低，而小雨及以上量级的TS 评分MP最高，MB最低，但3个扰动试验相差不大。 与控制试验CTL相比，除MP试验的大雨、暴雨及以 上TS评分低于控制试验CTL外，K:它中独枭介顶

报方案的TS评分都优于控制试验，这可能是由于 增加的物理过程参数化方案对大雨及以上量级的降 水预报能力不足。试验IV_MP_MB，除暴雨及以上 量级的TS评分低于IV、MB试验外，其它量级的降 水|rs伯:都。可见，丨集介预报方 案相对最优，尤其是对大雨及以下量级的预报效

果最好0

图8 2013年7月12日08 :00—13日08 :00控制 试验和集合平均试验的不同量级降水TS评分 Fig. 8 The threat scores of different magnitude precipitation simulated by control test and ensemble forecast tests in D02 area from08 ：00 BST 12 to 08 ：00 BST 13 July 2013

1034

干 旱气象

边界不确定性的集合预报系统最优。5.5改进率

34卷

5.4 Talagrand 分布

衡量一个集合预报系统好坏的重要指标是离散 度9利用ERA - interim舊分析资料代替观测值来 检验集合预报效果，鉴于ERA - interim再分析资料 与模式的分辨率不同，为了便于比较，采用双线性插 值法把两者的分辨率调整一致。图9给出2013年 7月12日08:00—13日08:00不同扰动试验方案模 拟的850 hPa讳向风场的Talagrand分布图和概率 均方左(Ml1丨⑴石出，4个集合预报Talagrand分布 呈典型的两头大中间小的“U”型分布，说明集合系 统的离散度偏小（图9a) ;MP、MB、IV试验的概率均 方差Q值逐渐増大，说明3个试验的集合预报系统 从好变差，l(lH V_MP_MB试验的集合预报系统Q值 显著偏小(0.064)，说明考虑了初值、物理过程和侧

利用均方根误差（RMSE)和空间相关系数 (C0RR)来定量计算集合平均试验对降水预报的改 进程度（图10)。可以看出，4个集合试验对24 h累 计降水的预报结果均好于控制试验CTL，相对于控 制试验RMSE的改进率为3.22% ~ 12.22%，IV_MP _MB试验改进最大，而IV和MB试验改进较弱；而 对 C0RR 的改进率为 8.11% ~37. 84%

和MB试验改进均较大，而MP试验改进最弱Q可 见，

试验对24 h累计降水的RMSE和

C0RR改进率最大<3就单个因子扰动而言，MB试验

对MSRE和⑶RR的改进均最大，而IV试验和MP 试验则各有优劣。

14

0.12

100.080.0.

讲擊

琶_6嫌舉

图9 2〇13年7月I2 g 〇8 :00—I3日〇8 :00不同扰动试验方案模拟的奶0 liPa

缔向风场的Talagrand分布图（_a_)和概率均方差Q_值(b )

Fig. 9 Talagrand distribution (a) and Q value (b) of zonal wind on 850 hPa simulated

by the different disturbance tests from 08 ：00 BST 12 to 08 ：00 BST 13 July 2013

26.025.525.0 g24.5 _24.0 运23.5 贫23.022.5

MB

MP

50

sjk

MB MP

试验方案

图10

试验方案

2013年7月12日08:00—13日08:00不同集合预报试验的累计降水均方根误差（a)、

空间相关系数(b)及其相对于控制预报的改进率(a，b)

Fig. 10 RMSE (a) and CORR (b) of accumulative precipitation simulated by the different ensemble forecast tests and corresponding improving rate (a, b) compared with the control test from 08：00 BST 12 to 08：00 BST 13 July 2013

第6期袁有林等:WRF模式不同集合预报方案对一次大范围暴雨过程的模拟研究1035

由Talagrand分布图、概率均方差Q值、TS评分 和改进率综合来看，IV_MP_MB试验构建的集合预 报最优，显著改善了此次降水模拟效果，表明考虑初 值、物理过程、侧边界不确定性的集合预报，对降水 预报有显著改善。

Office Unified Model [ J]. Forecasting Research Technical Report, 2004,69(452) ：342 -357.

[8] Errico R, Baumhefner D. Predictability experiments using a high -

resolution limited - area model [ J ]. Monthly Weather Review, 1987,115(2) ：488 -504.

[9] Warner T T, Peterson R A, Treadon RE. A tutorial on lateral

boundary conditions as a basic and potentially serious limitation to regional numerical weather prediction[ J]. Bulletin of the American Meteorological Society, 1997,78(11) ：2599 -2617.6结论

(1)

物理过程扰动对整个降水过程的影响最

大，初值扰动在积分初期影响较大，而侧边界扰动随 着时间积分向模拟区域中心传播逐步增大，在积分 一定时间后，其对降水的影响与物理过程扰动的影 响相当。(2)

对小雨及以上量级降水预报，物理过程扰

动构建的集合预报最优;大雨及以上量级的降水预 报，初值扰动的集合预报最优;而中雨和暴雨及以上 量级的降水预报，则是基于侧边界扰动的集合预报最优。

(3)

4个集合预报Talagrand分布呈典型的“型分布，说明集合系统的离散度偏小。单个因子构 造的集合预报中，物理过程扰动构建的集合预报最

优，其次是侧边界扰动，最后是初值扰动。(4) 同时考虑初值、侧边界和物理过程不确定 性的集合预报方案IV_MP_MB，24 h累计降水均方 根误差和空间相关系数的改进率分别为12. 22%和 37. 84%，对降水预报有显著改善，好于单因子构造 的集合预报。

由于本文只研究了 1次暴雨个例，所得的结论 必然有其局限性，还需要更多的个例来补充和修正。 另外，本文构建的集合预报离散度偏小，可能是集合 预报的成员数不够多造成的，要提高集合预报质量 和离散度就需要构造更多的成员，这些问题将在下 一步工作中进行研究。参考文献

[1] 杜钧，陈静.单一值预报向概率预报转变的基础:谈谈集合预报

及其带来的变革[J].气象,2〇l〇,36(ll):l-ll.[2] 张涵斌，陈静,智协飞，等.GRAPES区域集合预报系统应用研

究[J].气象,2014,40(9):1076 -1087.

[3] 张晓露，李照荣,周筠琚，等.西北地区东部夏季一次典型暴雨

的分析和数值模拟[J].干旱气象,2015,33(4) :616 -625.[4] 董春卿，苗爱梅,郭媛媛，等.地形对山西垣曲“0729”特大暴雨

影响的数值模拟分析[J].干旱气象,2015 ,33(3) :452-457.[5] 李俊，杜钧，刘羽.北京“7. 21”特大暴雨不同集合预报方案的

对比试验[J].气象学报,2015 ,73 (1) :50 - 71.

[6] 薄燕青，闵锦忠,赵桂香.黄河中下游地区一次暴雨过程的数值

模拟和诊断[J].干旱气象,2014,32( 1) :60 - 69.

[7 ] Arribas A. Results of an initial stochastic physics scheme for the Met

[10] Lorenz E N. The Essence of Chaos [M]. Seattle： University of

Washington Press, 1993.

[11] 杜钧，钱维宏.天气预报的三次跃进[J].

气象科技进展，

2014,4(6) ：13 -26.

[12] Houtekamer P L, Derome J. Methods for ensemble prediction[ J].

Monthly Weather Review, 1995,123(7) ：2181 -2196.

[13] Hou D, Kalnay E, Droegemeier K K. Objective verification of the

SAMEX5 98 ensemble forecasts [ J ]. Monthly Weather Review, 2001,129(1) ：73 -91.

[14] Krishnamurti T N, Kishtawal C M, LaRow T E, et al. Improved

weather and seasonal climate forecasts from multimodel superen-”

semble[J]. Science, 1999 ,285 (5433 )： 1548 - 1550.

[15 ] Zhang F, Odins A M, Nielsen - Gammon J W. Mesoscale predict­

ability of an extreme warm - season precipitation event [ J ]. Weather and Forecasting, 2006,21(2) ：149 -166.

[16] 徐广阔，赵思雄,王业桂，等.2003年汛期淮河流域降水的集合

预测试验研究[J].气候与环境研究,2008,12(4) :481 -488.[17] 张涵斌，陈静,智协飞，等.基于GRAPES_Meso的集合预报扰

动方案设计与比较[J].大气科学学报,2014,37(3) :276 -

284.

[18] 陈静,薛纪善，颜宏.一种新型的中尺度暴雨集合预报初值扰

动方法研究[J].大气科学,2005 ,29(5) :717 -726.

[19] Zhang F, Snyder C, Rotunno R. Effects of moist convection on

mesoscale predictability[ J]. Journal of the Atmospheric Sciences, 2003,60(9) :1173 -1185.

[20] Talagrand 0，Vautard R, Strauss B. Evaluation of probabilistic

prediction systems[ C]//Proc. ECMWF Workshop on Predictabili­ty. 1997, 1：25.

[21] 王洋，曾新民，葛洪砘，等.陆面特征量初始扰动的敏感性及集

合预报试验[JL 气象，2014,40(2) :146 -157.

[22] Hong S Y, Dudhia J, Chen S H. A revised approach to ice micro­

physical processes for the bulk parameterization of clouds and pre­cipitation [ J ].Monthly Weather Review, 2004,132 (1) ： 103 - 120.

[23 ] Mlawer E J, Taubman S J, Brown P D , et al. Radiative transfer for

inhomogeneous atmospheres ： RRTM, a validated correlated - k model for the longwave [ J]. Journal of Geophysical Research ： At­mospheres, 1997,102(D14) ： 16663 -16682.

[24] Dudhia J. Numerical study of convection observed during the winter

monsoon experiment using a mesoscale two - dimensional model [J]. Journal of the Atmospheric Sciences, 1989,46(20) ：3077 - 3107.

[25] Hong S Y, Noh Y, Dudhia J. A new vertical diffusion package

with an explicit treatment of entrainment processes [ J ]. Monthly

U1036

Weather Review, 2006,134(9) :2318 -2341-

干 旱气象

34卷

model with the Penn State - NCAR MM5 modeling system. Part I ： Model implementation and sensitivity [ J ] • Monthly Weather Re­view, 2001,129(4) ：569 -585.

[28] Zhang Z, Krishnamurti T N. A perturbation method for hurricane

ensemble predictions [ J ]. Monthly Weather Review, 1999,127 (4) ：447 -469.

[26] Janjic Z I. The step - mountain eta coordinate model ： Further de­

velopments of the convection, viscous sublayer, and turbulence closure schemes [ J ]. Monthly Weather Review, 1994,122 ( 5 )： 927 -945.

[27 ] Chen F, Dudhia J. Coupling an advanced land surface - hydrology

Simulation of Different Ensemble Forecast Schemes on a

Large Area Heavy Rainfall by WRF Model

YUAN Youlin1, YANG Bihua1, ZHOU Hong2, KANG Xiaoping1,

CHEN Guang1, ZHAO Jun1

(1. Unit 〇/^63610 of the Chinese Peopled Liberation Army, Korla 841001, China； 2. Unit o/^61243 of the Chinese Peopled Liberation Army, Urumqi 830000, China)Abstract：In order to examine the effects of uncertainty in ensemble forecast, a typical large range rainstorm process occurred in Shaanxi, Shanxi, Hebei and Shandong Provinces from 12 to 13 July 2013 was simulated by WRF V3. 6 meso - scale model from the disturbance of initial value, lateral boundary and physical process. The results are as follows ： (1) The effects of uncertainty in WRF model on the simulation of the rainstorm were great. The perturbation of physical process had the greatest influence on the simulation of the rainstorm. The effect of initial value perturbation on the simulation result was obvious in the beginning of simulation, but gradually weakened in the later stage. However, the effect of lateral boundary uncertainty on the simulation result was small in the beginning of integral, subsequently became larger and larger with the transportation of perturbation to the simulation centre. (2) The ensemble fore­casts of physical process scheme and initial value in WRF model were optimal to light rain and heavy rain and above, while that of lat­eral boundary scheme were optimal to moderate rain and rainstorm and above. ( 3 ) Comparing the dispersion of three kinds of ensemble forecast, we found that the ensemble forecast of physical process perturbations was the best, while that of initial value uncertainty was the worst. (4) The ensemble forecast considering three kinds of uncertainty was better than that of simple uncertainty, which signifi­cantly improved the forecast of the rainfall.

Key words： ensemble forecast； initial value； physical process； lateral boundary； WRF； rainstorm