张博 王慧 蔡其发 郑飞

1 国家气象中心，北京 100081 2 中国人民解放军61741部队，北京 100094 3 中国科学院大气物理研究所国际气候与环境科学中心，北京 100029

1 引言

阻塞高压（叶笃正等, 1962）是中高纬度地区最重要的大气环流持续性异常现象之一，其生成、维持和崩溃与大气环流的剧烈变化相联系。伴随研究的深入，学者发现阻高系统在冬春季节可造成大范围的寒潮天气（Cattiaux et al., 2010; Buehler et al., 2011; Pfahl and Wernli, 2012; 叶培龙等, 2015;Brunner et al., 2017），而在夏季则可带来持续性高温热浪事件（Matsueda, 2011）。欧亚地区的阻塞形势对中国夏季大范围持续性异常天气有着极其重要的影响，阻塞形势的维持可导致大范围旱涝天气的出现（毕慕莹和丁一汇, 1992; 吴国雄等, 1994; 张庆云和陶诗言, 1998; 陆日宇和黄荣辉, 1999; 顾伟宗等, 2016; 于淑秋和林学椿, 2006）。目前国际上定义阻塞高压指数的方法有500 hPa位势高度的正距平及位涡负距平方法（Dole, 1978）、LejenÄs and Økland（1983）提出又经Tibaldi and Molteni（1990）改进的高度场方法、Pelly and Hoskins（2003）提出用位涡面上的位温经向差来构造阻高指数及Rex（1950）提出的环流型方法。利用不同的阻高定义方式，北半球阻塞系统分布的气候学特征被广泛研究（Barriopedro et al., 2006; Diao et al., 2006;Tyrlis and Hoskins, 2008; Small et al., 2014; Shi et al.,2016）。在闭合性阻塞系统对天气气候产生影响的同时，研究也发现在一定条件下500 hPa开放性高压脊同样也可引发例如欧洲2003年8月初的极端高温热浪事件（Black et al., 2004）和东亚地区的冷事件（Bueh and Xie, 2015）。为了了解当持续性高压脊和闭合性阻塞高压在时间和空间上均为相邻状态，而作为同一事件被识别和追踪时，二者之间存在的统计特征有何不同？Liu et al.（2018）开发了追踪500 hPa持续性高值事件算法，该算法既包含传统的阻塞高压又囊括了持续性开放式高压脊的信号，并分析了北半球500 hPa持续性高值系统的统计特征，与发生在北美及欧洲的灾害性事件进行对比分析。

以往的阻塞检验主要是针对阻塞高压的预报技巧（王毅等, 2014; 周宁芳和贾小龙, 2018），而本文则结合定量化阻塞高压指数和持续性高值事件的维持时间及移动路径开展数值模式性能的检验分析。文章首先基于Liu et al.（2018）开发的500 hPa持续性高值事件追踪方法，利用1979～2017共39年NCEP/NCAR第一套再分析数据分析欧亚地区持续性高值事件的气候学分布特征。随后借助阻塞高压指数评估了GRAPES和ECMWF确定性模式对2018年阻塞形势的预报能力，检验GRAPES全球集合预报系统（GRAPES-GEPS）和ECMWF集合预报对2018年冬季持续性高值事件的预报性能，并对2018年12月底发生在我国寒潮过程的中期延伸期预报效果开展评估，以获取GRAPES_GEPS和ECMWF集合预报对冬季持续性高值事件的综合预报能力。

2 资料和方法

2.1 资料

本文所用的资料包括：1）1979～2017年NCEP/NCAR第一套逐日再分析资料（Kalnay et al., 1996）中500 hPa高度场资料，水平分辨率为2.5°（纬度）×2.5°（经度）；2）GRAPES（沈学顺等, 2017）和ECMWF确定性模式12:00（协调世界时，下同）起报的500 hPa高度场资料，水平分辨率为2.5°（纬度）×2.5°（经度）；3）GRAPES全球集合预报系统（GRAPES-GEPS）和ECMWF集合预报（Molteni et al., 1996）12:00起报500 hPa高度场资料，GRAPES-GEPS集合成员30个（包含控制预报为31个）、ECMWF集合成员50个 （包含控制预报为51个）。由于模式输出产品的限制，文章分析时段为2018年12月19日至2019年2月28日，共计72 d。

全球集合预报系统（GRAPES-GEPS）由中国气象局数值预报中心于2010年启动开发，至2018年12月正式业务化运行以替代T639全球业务集合预报系统，初值扰动（霍振华等, 2018; 李晓莉等, 2019; 李晓莉和刘永柱, 2019）采用奇异向量 （Singular vectors, SVs）技术，模式采用随机物理扰动（Stochastically Perturbed Parameterization Tendencies, SPPT）方案及随机动能补偿 （Stochastic Kinetic Energy Backscatter, SKEB）方案（彭飞等, 2019）。集合成员31个（包含控制预报1个，扰动成员30个），模式分辨率50 km，预报时长15 d。通过2016年冬季一个月 （11～12月）的集合预报试验，并与同时段业务T639_GEPS的结果进行对比，试验结果表明，GRAPES_GEPS的集合平均误差和离散度增长关系较好，全面优于T639_GEPS。

2.2 高度场持续高值系统识别算法

对于500 hPa高度场持续高值事件（简称为PMZ事件，Persistent open ridges and blocking high (maxima)of 500-hPa geopotential height, PMZ）检验的方法采用的是Liu et al.（2018）所开发的500 hPa持续性高压脊及阻塞高压系统追踪方法。追踪PMZ事件的步骤和标准如下：首先，识别500 hPa高度场局地扰动异常最大值的中心位置，且要求与之相邻格点的位势高度均大于100 gpm，与最大值之差小于20 gpm；对同一个持续性高值事件而言，相邻两个时次涡度距平中心区至少存在一个交叉的网格点，且相邻两天的中心位置移动距离小于10个经度；持续性高值事件可维持4 d或者更长时间，直至无连续中心，持续天数达到2 d也可满足标准。

2.3 高度场持续高值核心区移动路径分类方法

本文对PMZ事件核心移动路径进行了简单分类。通过计算事件发生初始日与结束日的相对方位，将移动路径分为8个方向（正东方向为0°，正北方 向 为90°）：东 东 北（0°～45°）、北 东 北 （45°～90°）、北 西 北（90°～135°）、西 西 北 （135°～180°）、西西南（180°～225°）、南西南 （225°～270°）、南东南（270°～315°）、东东南（315°～360°）。

2.4 集合预报命中概率检验方法

文中采用的集合预报命中概率检验方法，即是以模式零场识别的PMZ事件某一时刻位置为中心，计算该点周围有效半径（本文有效半径选为400 km）内集合成员占总成员的比例即为集合预报命中概率。

此外，文中短期时效在预报业务中是指时效在3 d以内的预报；中期时效指未来3 d以上到10 d以内的预报；延伸期时效是指11 d以上到20 d以内的预报；中期延伸期在预报业务上指3 d以上到20 d以内的预报。

2.5 阻塞高压定义

阻塞高压指数的定义采用Tibaldi and Molteni（1990）的方法，该指数计算较为简便且易于被业务监测部门使用（李威等, 2007; 王前等,2017）。

对每个经度，南500 hPa高度梯度（geopotential height gradients of middle latitudes，GHGS）和 北500 hPa高度梯度（geopotential height gradients of high latitudes，GHGN）计算如下（Tibaldi and Molteni, 1990; 李威等, 2007）：

其中，Z代表位势高度，Φn= 80°N+δ，Φ0= 60°N+δ，Φs= 40°N+δ，计算梯度的纬度插值δ=-5°, 0°, 5°。

对某时某经度任意一个 δ值，如果条件同时满足1）GHGS＞0和2）GHGN＜-10 m/纬度，则诊断为该时该经度有阻塞，阻塞指数为GHGS。当有两个以上的δ 值同时满足1）和2）两个条件时，则取GHGS值大者为阻塞指数。

3 PMZ事件的气候分布特征

图1给出1979～2017年欧亚地区春、夏、秋和冬季PMZ事件发生格点的频率分布，由图可见乌拉尔地区（60°E～90°E）PMZ事件年均发生频率最高、贝加尔湖其次、鄂霍茨克海地区发生频率最低，这一结果与李艳等（2010）采用PV-θ阻塞高压指数计算3个关键区阻塞高压发生频率相同。乌拉尔地区PMZ事件在春季（图1a）和冬季（图1d）发生的频率较夏季（图1b）和秋季（图1c）有明显升高，该地区夏季为PMZ事件发生频率最低的季节。而对于远东地区而言，夏季该地区PMZ事件发生频率超过4%，且从贝加尔湖向东延伸至140°E附近，春季、秋季和冬季远东地区PMZ事件罕有发生。冬季乌拉尔山附近PMZ事件的维持时间和出现位置与我国寒潮天气过程密切相关，而远东地区夏季PMZ事件的发生则与我国长江中下游夏季尤其是8月降水异常有很好的相关关系 （Zhang et al., 2019）。

图1 1979～2017年春、夏、秋、冬季500 hPa持续性高值[Persistent open ridges and blocking high (maxima) of 500 hPa geopotential height,PMZ]事件出现频率Fig. 1 Frequency of persistent open ridges and blocking high (maxima) of 500-hPa geopotential height (PMZ) events in spring, summer, autumn, and winter from 1979 to 2017

为了更好地了解乌拉尔山地区冬季PMZ事件的气候特征，从PMZ事件的生命史、移动距离、移速及移动方向进行了统计分析。乌拉尔山地区冬季发生的PMZ事件生命周期最高频率为2～3 d，超过4 d约占近30%，最长生命周期可达10 d（图2a）。从乌拉尔山地区冬季PMZ事件出现至消亡整个生命周期的移动距离可以看出（图2b），超过80%的PMZ事件移动距离小于1000 km，整个事件最长累计移动距离超过2000 km。该地区冬季PMZ事件移动速度（图2c）低于400 km/d的频率已超过90%，从移动距离和移动速度的频率分布可以看出，乌拉尔山地区冬季的PMZ事件具有稳定少动的特点。从移动方向来看（图2d），以东东北方向发生频率最高（42%），其次为东东南方向（27%），北东北、北西北、西西北三个移动方向频率之和为10%，表明乌拉尔山地区冬季PMZ事件以东传方向为主。

图2 1979～2017年乌拉尔山地区冬季PMZ事件特征：（a）生命史；（b）移动距离；（c）移动速度；（d）移动方向Fig. 2 PMZ characteristics in the Ural Mountains area in winter from 1979 to 2017: (a) Life history; (b) moving distance; (c) moving speed;(d) moving direction

4 GRAPES和ECMWF确定性模式对2018年冬季欧亚阻塞高压检验

图3给出了GRAPES和ECMWF确定性模式零场和不同时效预报的（提前1～10 d）2018年12月19日至2019年2月28日鄂霍茨克海（50°N～60°N，120°E～150°E）阻塞高压指数的时间序列，由于贝加尔湖和乌拉尔山地区高度场在该段时间内无明显阻塞事件故不作单独讨论。图3中显示，两家确定性模式零场均体现2018年冬季鄂霍茨克海地区主要出现4次阻塞形势过程，出现的时间依次是2018年12月下旬、2019年1月下旬、2月上旬初和2月上旬末。其中2018年12月下旬的阻塞形势持续时间最长、阻塞指数也最强，GRAPES模式零场阻塞持续7 d、峰值为7.4 m/纬度，ECMWF模式零场阻塞持续6 d、峰值为7.8 m/纬度；2019年2月上旬末阻塞强度最弱。

由图3可见，GRPAES确定性模式-10 d至-1 d均可对前两次阻塞形势给出预报提示，但进入6 d内对两次形势的持续时间和峰值强度预报与零场更为接近，而超过7 d预报的阻塞指数强度和峰值出现时间则显得较为分散。ECMWF确定性模式在8 d时效以内对于发生在2018年12月下旬的阻塞过程预报与零场均较为一致，而对于2019年1月下旬的过程在6 d时效以内预报效果与零场接近；对于发生在2019年2月上旬初的阻塞过程而言，GRPAES模式可预报时效为4 d、ECMWF模式为6 d；对于2月上旬末的弱阻塞过程，两个模式中短期时效预报效果与零场差别均较大。由以上分析可知，GRAPES和ECMWF确定性模式对2018年冬季发生鄂霍茨克海地区的偏强阻塞形势在中短期时效有较好的预报效果，且ECMWF模式预报性能优于GRAPES模式，而对弱阻塞形势预报两家模式均不理想。

图3 GRAPES确定性模式零场及提前（a）1～5 d和（b）6～10 d预报鄂海阻塞指数时间序列、ECMWF确定性模式零场及提前（c）1～5 d和（d）6～10 d预报鄂海阻塞指数时间序列Fig. 3 Block index time series in GRAPES and ECMWF prediction at different lead times from 19 Dec 2018 to 28 Feb 2019 in Okhotsk Sea: (a)GRAPES 1–5 d; (b) GRAPES 6–10 d; (c) ECMWF 1 d–5 d; (d) ECMWF 6–10 d

5 GRAPES_GEPS和ECMWF集合预报对2018年冬季PMZ事件的检验分析

5.1 GRAPES_GEPS对2018年冬季PMZ事件的检验分析

在评估GRAPES_GEPS对2018年冬季PMZ事件预报能力之前，首先给出该模式对2018年12月19日至2019年2月28日北半球500 hPa高度场环流预报情况。图4给出了2018年12月19日至2019年2月28日500 hPa高度场北半球控制预报（CTL）及集合平均（Mean）距平相关系数 （Anomaly Correlation Coefficient, ACC）不同时效分布（图4a），可以看到，集合平均相对于控制预报随着预报时效ACC数值增加，效果改进明显，其中96 h预报后改进更为显著，216 h预报集合平均较控制预报提高0.113。对均方根误差（RMSE）及离散度（Spread）（图4b）而言，集合平均RMSE相对控制预报优势明显，但模式离散度则相对RMSE偏低。

图4 2018年12月19日至2019年2月28日500 hPa高度场北半球GRAPES_GEPS控制预报及集合平均（a）ACC、（b）RMSE及离散度不同预报时效分布特征Fig. 4 Distribution of (a) Anomaly Correlation Coefficient (ACC) and (b) RMSE and spread at 500 hPa in the Northern Hemisphere with GRAPES_GEPS control and ensemble mean with different leading times from 19 Dec 2018 to 28 Feb 2019

5.1.1 GRAPES_GEPS控制预报对2018年冬季PMZ事件检验

通过对2018年12月19日至2019年2月28日GRAPES_GEPS控制预报零场的PMZ事件分析发现，共有16次PMZ事件发生，其中生命史为7 d的事件有1次、6 d的事件有1次、5 d的有4次、4 d的有4次、3 d的有6次（见表1）。图5给出2018年12月19日至2019年2月28日GRAPES_GEPS控制预报零场的PMZ事件分布，由图可见绝大多数PMZ事件均发生在贝加尔湖地区及以西的欧亚大陆。共有6次事件发生在乌拉尔山地区 （60°E～90°E），平均生命史为4.2 d，移动距离为1670.5 km，移动速度为383 km/d，与图2通过再分析资料计算的冬季乌拉尔山地区PMZ事件气候态特征较为一致，由此可见该模式控制预报零场能较好地反映冬季欧亚地区PMZ事件。相对于2018年12月（绿线）和2019年2月（蓝线）而言，2019年1月（红线）欧亚大陆发生的PMZ事件最为频繁，共发生了9次。

图5 2018年12月19日至2019年2月28日GRAPES_GEPS控制预报零场的PMZ事件分布（绿线：2018年12月；红线：2019年1月；蓝线：2019年2月）Fig. 5 PMZ distributions of the zero field predicted by the GRAPES_GEPS control from 19 Dec 2018 to 28 Feb 2019 (green line:Dec 2018; red line: Jan 2019; blue line: Feb 2019)

表1 2018年12月19日至2019年2月28日PMZ事件列表Table 1 PMZ event list from 19 Dec 2018 to 28 Feb 2019

为了评估GRAPES_GEPS控制预报不同时效对PMZ事件的预报能力，选取了-2 d和-5 d两个预报时效进行考察。结果表明，-2 d时效共预报出6次PMZ事件，其中发生在2018年12月有1次、2019年1月有3次、2019年2月有2次。按照预报事件发生的时间和位置，确定了预报与零场PMZ事件的匹配情况。-2 d预报事件的时长与零场相当或者偏少。对于预报的PMZ事件中心位置而言，-2 d预报的2019年2月16～21日过程最为接近零场，事件的起止时间与零场相同，起始位置与零场偏差小于100 km，终点位置偏差小于400 km。对于零场2018年12月25～31日（序号3）的PMZ事件而言，-2 d预报事件（序号1）维持3 d，明显少于零场，起点和终点位置与零场偏差都在500 km以上，存在较大的预报偏差。该模式-2 d对2018年冬季PMZ事件起止位置预报偏差最大可超过1000 km，平均偏差为552 km。由-5 d的2018年12月19日至2019年2月28日PMZ事件可见，该时效共预报出6次PMZ事件，但是只有3次事件与零场可匹配。-5 d预报的事件起止位置与零场平均偏差为790 km，最大偏差为1455.8 km，最小为446.2 km。对于事件维持时长而言，-5 d预报与零场相比以偏少为主。通过对比-2 d和-5 d预报结果可以看出，GRAPES_GEPS控制预报中期时效预报效果明显差于短期时效，控制预报模式对冬季PMZ事件的预报能力表现欠佳。

为了直观对比-2 d和-5 d GRAPES_GEPS控制预报的PMZ事件情况，图6a和6b分别给出2018年12月19日至2019年2月28日该模式在两个时效预报的PMZ事件分布。对于2018年12月而言，-2 d仅预报出12月28～30日的PMZ事件（图6a绿线），维持3 d，较零场明显偏短；-5 d同样也预报出12月底的PMZ事件，但零场中移动路径以纬向为主，而-5 d预报以经向移动路径为主 （图6b绿线）。对于2019年1月，零场共出现9次PMZ事件，其中5次发生在巴尔喀什湖至贝加尔湖之间区域，对比-2 d和-5 d预报可以看出，GRAPES_GEPS控制预报对2019年1月的PMZ事件预报并不理想，事件发生频数较零场明显偏低 （-2 d预报出3次，-5 d预报出2次）。对于2019年2月，零场中出现4次PMZ事件，其中发生在2月上旬的事件主要集中在地中海以北地区，2月中下旬的事件集中在贝加尔湖一带，-2 d预报出了分别发生在2月上旬和中旬的PMZ事件，且位置与零场较为接近，但事件的维持时长较零场偏短。-5 d未能预报出与2月零场相匹配的PMZ事件。

图6 GRAPES_GEPS控制预报提前（a）2 d和（b）5 d预报2018年12月19日至2019年2月28日的PMZ事件分布（绿线：2018年1月；红线：2019年1月；蓝线：2019年2月）Fig. 6 Distributions of GRAPES_GEPS (a) 2-d and (b) 5-d forecast PMZ event forecast from 19 Dec 2018 to 28 Feb 2019 (green line: Dec; red line:Jan 2019; blue line: Feb 2019)

通过分析GRAPES_GEPS控制预报对2018年冬季PMZ事件的预报能力可以发现，短期时效预报与零场可对应的PMZ事件个数多于中期时效，且短期时效预报的PMZ事件起止位置与零场的偏差距离明显低于中期时效。

5.1.2 GRAPES_GEPS集合预报对2018年12月冬季PMZ事件检验

王毅等（2014）利用Tibaldi and Molteni （1990）定义的阻高指数检验了ECMWF集合预报对2018年1月欧亚地区阻塞发生频率的预报性能，发现集合预报的优势主要体现在中期预报时段。为了对比GRAPES_GEPS集合预报和控制预报对2018年冬季PMZ事件的预报性能，表2给出集合预报不同时效起报的16次PMZ事件命中概率（方法介绍见2.4节）。表中“-1 d”指某一次PMZ事件开始日期的前一天、“-2 d”指开始日期的前两天。命中概率大于50%的平均预报时长是1 d，命中概率为40%～50%的平均时长是3.6 d，命中概率为30%～40%的平均时长是3.2 d，命中概率为20%～30%的平均时长是4.1 d，命中概率为10%～20%的平均时长是6.2 d，小于10%命中概率的平均预报时长是7.6 d。可以看出，伴随预报时效逐步临近命中概率数值增加，表明更多的集合成员可预报出与零场接近的PMZ事件。

表2 GRAPES_GEPS集合预报不同时效起报的2018年冬季16次PMZ事件的命中概率Table 2 The strike probability of 16 PMZ events in the winter of 2018 reported from different forecast time by GRAPES_GEPS ensemble

2018年12月27～30日我国出现一次寒潮天气过程，全国大部地区日平均气温下降超过8°C，江南和华南的部分地区降温超过10°C。通过追踪识别发现12月25～31日在巴尔喀什湖至贝加尔湖之间出现了维持日数达7 d的PMZ事件，本文对该次事件进行了检验。图7a和7b分别给出2018年12月25～31日GRAPES_GEPS控制预报和集合平均500 hPa位势高度场分布，由图可见控制预报和集合平均的零场及-3 d预报场均呈现出欧亚大陆中高纬存在两槽一脊的分布形势，对贝加尔湖附近的横槽也给出较好的预报，但二者-3 d预报贝加尔湖以西地区高压脊强度与零场对比略偏弱。虽然12月25～31日500 hPa高度平均场可以体现贝加尔湖以西地区有高压脊发展，但并不能提供高压脊系统的维持时间、移动路径和强度的变化，因此可以通过PMZ事件识别方法来进行高压脊系统的识别和检验，从而可以更好的对GRAPES_GEPS集合预报中期延伸期时效对冬季高压脊的预报能力进行评估。

图7 2018年12月25～31日基于（a）GRAPES_GEPS控制预报和（b）集合平均的500 hPa位势高度场（单位：dagpm）（黑线：零场；红线：3 d预报）Fig. 7 (a) GRAPES_GEPS control forecast and (b) the ensemble average of the 500-hPa geopotential height field from 25 Dec to 31 Dec 2018 (units:dagpm; black line: Zero field; red line: 3-d forecast)

为更好地评估GRAPES_GEPS集合预报中期延伸期时效对2018年12月25～31日PMZ事件的预报能力，图8给出了该时段GRAPES_GEPS集合预报中期延伸期时效PMZ事件集合预报命中概率分布情况。由图可见，19日起报，20%～30%集合成员给出PMZ事件预报，高压脊中心位置和移动路径与零场较为接近；自20日起，预报PMZ事件的集合成员数增多、模式稳定性提高；22日，有近半数成员均给出有效预报，且高压脊中心位置、移动路径、高压脊维持时间与零场均较为一致；23～24日起报，绝大多数成员预报出12月下旬末期的PMZ事件，但可以发现GRAPES_GEPS集合预报对此次PMZ事件的维持时间预报较零场偏短、高压脊强度较零场偏弱。

图8 GRAPES_GEPS 2018年12月（a）19日、（b）20日、（c）21日、（d）22日、（e）23日、（f）24日起报的2018年12月25～31日PMZ事件集合预报命中概率分布（黑粗线：零场；阴影：集合成员）Fig. 8 Strike probability distributions of PMZ during 25-31 Dec 2018 from GRAPES_GEPS ensemble forecast on (a) 19 Dec, (b) 20 Dec, (c) 21 Dec, (d) 22 Dec, (e) 23 Dec, and (f) 24 Dec 2018 (black thick line: Zero field; shadow area: Ensemble member)

此外，通过对比发现2018年12月19日起报的控制预报并未预报出12月下旬末期发生在巴尔喀什湖以北的PMZ事件，而部分集合成员给出了一定的预报信息（图略）。由此可见，GRAPES_GEPS集合预报对于本次PMZ事件在中期延伸期时效上可以提供一定的指示性作用。

5.2 ECMWF集合预报对2018年冬季PMZ事件的检验分析

当前ECMWF确定性预报可用预报时效接近9 d，集合预报的可用预报时效则远超10 d。本文对比了ECMWF和GRAPES_GEPS两个模式集合预报对PMZ的预报能力。由于PMZ事件是利用模式500 hPa零场计算来确定，因此分别由ECMWF集合预报和GRAPES_GEPS两家模式控制预报零场来确定的PMZ事件次数和起止时间势必不一致，这里采用的检验手段是预报场均与自身零场进行比较。2018年冬季ECMWF集合预报控制预报零场共识别出11次PMZ事件，ECMWF集合预报命中概率大于50%的平均预报时长是1.8 d，命中概率为40%～50%的平均时长是2.6 d，命中概率为30%～40%的平均时长是3 d，命中概率为20%～30%的平均时长是5.2 d，命中概率为10%～20%的平均时长是6 d，小于10%命中概率的平均预报时长是8.5 d。由两家模式不同时效起报PMZ事件集合预报命中概率曲线分布（图9）可见，ECMWF在前期预报效果明显占优（1～5 d），但随着预报时效的增加，性能明显衰减，第8天性能已与GRAPES_GEPS模式基本保持一致，而后期 （9～13 d）GRAPES_GEPS模式甚至显示一定优势。

图9 GRAPES_GEPS（灰线）和ECMWF（黑线）对不同时效起报PMZ事件集合预报命中概率分布Fig. 9 GRAPES_GEPS (grey line) and ECMWF (black line) ensemble forecast strike probability distribution of PMZ

6 结论和讨论

本文基于GRAPES_GEPS和ECMWF全球集合预报产品，利用PMZ识别方法，以2018年冬季在欧亚地区中高纬出现的500 hPa持续性高值事件为研究对象，分析了两家集合预报模式对北半球500 hPa持续性高值事件的预报效果，并对12月底发生在我国的寒潮过程的高压脊形势进行了详细的评估。此外文章还采用Tibaldi and Molteni（1990）定义的阻高指数对比了GRAPES和ECMWF确定性模式对2018年冬季鄂霍茨克海阻高的预报性能。研究发现：

（1）欧亚地区冬季PMZ事件主要发生在乌拉尔山地区，该地区PMZ事件生命史以2～3 d为主，生命史内移动距离小于1000 km，具有稳定少动的特点。

（2）GRAPES和ECMWF确定性模式对2018年冬季发生鄂霍茨克海地区的偏强阻塞形势在中短期时效有较好的预报效果，且ECMWF模式预报性能优于GRAPES模式，而对弱阻塞形势预报两家模式均不理想。

（3）GRAPES_GEPS控制预报中期时效预报效果明显差于短期时效，控制预报模式对冬季PMZ事件的预报能力表现欠佳。GRAPES_GEPS集合预报伴随预报时效临近更多的集合成员可预报出与零场接近的PMZ事件。

（4）对于2018年12月25～31日发生在巴尔喀什湖至贝加尔湖一带的PMZ事件，GRAPES_GEPS集合预报在延伸期时效给出预报信息，随预报时效临近，绝大多数成员均给出有效预报，但与零场相比维持时间预报较零场偏短、高压脊强度较零场偏弱。

（5）与GRAPES_GEPS模式相比，ECMWF前期预报效果明显占优，但随着预报时效的增加，效果显著降低，GRAPES_GEPS在10 d后可显示出一定的预报优势。

目前中期延伸期预报对大气环流系统的业务检验还多停留在传统检验评分上，对影响我国天气气候异常的主要天气系统还缺乏追踪和检验技术。本文利用前沿的PMZ识别技术，获取集合预报命中概率评分将有效提升中期延伸期时效西风带系统预报能力。未来有望将该方法应用于实际业务中以提高整体评估效果。

致谢感谢国家气象中心周宁芳正研级高工对本文的建议和指导。