王晓峰　许晓林　杨续超　张赟程

摘要基于自动站观测和ECMWF再分析资料，针对中国气象局上海台风研究所区域高分辨率台风模式（Shanghai Tropical Cyclone High Resolution Analysis and Prediction System，STITHRAPS）和业务常用的4个数值模式，即欧洲中期天气预报中心（European Centre for Mediumrange Weather Forecasts，EC）全球模式，美国全球预报系统（The Global Forecast System，GFS），日本气象厅（Japan Meteorological Agency，JMA）全球模式和我国T639（T639L60）全球模式，对1323号台风“菲特”登陆过程的预报性能进行了综合检验评估。结果显示：对暴雨以上的强降水预报STITHRAPS有明显优势。仅有该模式对超过500 mm的极端降水做出预报，且各项评分均好于全球模式，漏报率也明显优于其他模式。对暴雨以下的降水预报各个模式差距不大。美国GFS和STITHRAPS较好地预报了大风区，STITHRAPS预报的风场与实况的空间相关程度最高。从漏报率上来看，STITHRAPS模式的风场预报具有明显优势。虽然预报最大风速偏大，但是STITHRAPS在24 h后的路径预报有较大优势。

关键词检验评估；台风；高分辨率台风模式

台风是对人类影响较大的气象自然灾害，平均每年登陆我国的台风就有7～8个（热带气旋年鉴，1949—2014年）。台风登陆往往会引发暴雨成灾、山洪暴发、城市积涝、持续性大风等次生灾害，严重威胁着人民的生命和财产安全，特别对沿海地区的经济建设带来严重不利影响（王凌等，2006）。因此，台风预报一直倍受重视。近年来，随着气象观测手段的提高、计算机水平和数值模式的发展，台风数值预报模式已经成为台风预报预测的关键技术。中国气象局上海台风研究所基于WRF（Weather Research and Forecasting）中尺度数值预报模式，采用GSI（Gridpoint Statistical Interpolation）同化系统，同化吸收了包括常规地面站、探空、飞机报、风廓线、雷达反射率、卫星亮温数据等多种观测资料，研发了高分辨率台风数值预报模式STITHRAPS（同STIWRF）。陈国民等（2015）在有关热带气旋预报精度评定的研究中指出，高分辨率台风数值预报模式的路径预报性能优于GRAPESTCM、广州数值、美国HWRF等区域模式。24 h和48 h的平均路径误差为649 km和1295 km，与GFS（677 km和1239 km）和ECMWF（657 km和1186 km）的预报能力相当。

模式检验是提高业务预报能力的重要手段之一。针对业务预报中使用的诸多数值模式，国内已有众多预报检验评估：如国家数值预报中心针对每年主汛期（6—8月）进行了多个数值模式的预报性能检验（赵晓琳，2012；王雨等，2013；张博和李勇，2013）；孟英杰等（2007）和周昆等（2010）则针对业务上常用的模式在区域尺度天气预报中的性能进行了检验；余锦华等（2012）分析了我国台风路径业务预报误差，并对误差成因进行了分析；汤杰等（2011）对2010年西北太平洋台风预报精度进行了评定和分析；Wang et al.（2012）评估分析了CMA和JMA全球模式对台风降水的预报效果；马雷鸣等（2008）还针对5种台风模式2007年预报的台风路径误差进行检验评估。智协飞等（2015）则分析比较了多家模式2009年夏季西北太平洋台风的预报效果，并探究了多模式集合预报的效果。王咏青等（2012）则评估了WRF模式对西北太平洋台风季节预报的数值模拟效果。但以上工作多以某个时间段模式的评估检验为主，很少对台风登陆过程的要素预报进行评估。因此，加强高分辨率模式对台风登陆过程的分析很有必要。

基于上述背景，本文利用中央气象台台风定位资料和泛太湖流域3 800多個区域自动站，评价高分辨率台风数值预报模式，ECMWF、GFS、JMA、T639模式对1323号台风“菲特”登陆过程中路径、强度和风雨的预报性能，分析不同模式之间的预报差异，为合理使用高分辨率台风模式提供依据。

1资料与方法

11台风“菲特”简介

1323号台风“菲特”于2013年9月30日20时（北京时间，下同）编报；10月3日05时升级为台风；4日17时升级为强台风，同时转向西北偏西方向移动，逐渐向浙江沿海靠近；7日02时前后登陆福建福鼎沙埕镇。虽然登陆时强度达到强台风级别，但8 h后迅速减弱为热带低压，10 h后停止编报。降水主要发生在5日20时—8日20时，大致可分为3个阶段：第一阶段是5日20时—6日20时台风登陆前降水。以台风外围云带降水为主，整体雨强较弱，强降雨落区集中在沿海；第二阶段是6日20时—7日08时台风登陆期间强降水。以台风本体（包括倒槽）降水为主，雨强最强，强降雨落区位于浙北（1119 mm/（12 h））和沿海（1328mm/（12 h）），是“菲特”影响过程中强降水最集中的时段；第三阶段是7日08时—8日20时台风登陆后降水。受倒槽、冷空气和偏东急流相互作用，雨强居中，但是持续时间较长，强降雨落区主要位于浙北地区（1328 mm/（36 h））。

由于降水强度大、持续时间长，台风“菲特”给泛太湖地区带来历史罕见的暴雨。以影响最为严重的浙江省为例：全省平均过程雨量207 mm，有43个测站雨量超过500 mm，天荒坪达1 056 mm；浙北地区有14个县（市）过程雨量超过或接近百年一遇，7日全省面雨量149 mm，为120 a一遇。根据风雨潮综合强度评估，东部和浙北地区有38个县（市、区）为特重或严重影响，其中余姚、奉化、上虞、苍南、平阳、瑞安等19个县（市、区）为“特重影响”等级。截至8日20时，仅浙江一省就有11个市80个县（市、区）981个乡（镇、街道）81817万人受灾，因灾死亡6人，失踪4人，因洪涝灾害造成的直接经济损失达17395亿元。

12观测资料

1）台风定位资料：取自中央气象台台风实时定位资料。该资料包括台风中心经纬度、中心最低气压及近中心最大风力。时间分辨率为3 h。

2）地面自动站站点资料：选用泛太湖流域内3 800多个站点观测资料。观测要素包括地面降水、10 m风向及风速。时间分辨率为1 h。

3）Atmospheric Model High Resolution 10day Forecast（HRES）分析场资料（Dee et al.，2011）：取自欧洲中心大气模式模式初始场。水平分辨率为01°，垂直分层137层，模式层顶为001 hPa。分析场资料一天4次，分别为02、08、14和20时。

13数值预报资料

为开展较合理的对比评价，所用的模式预报资料来源为：欧洲中期天气预报中心高分辨率模式（European Centre for Mediumrange Weather Forecasts，ECMWF）、美国国家环境预报中心全球预报模式（The Global Forecast System，GFS）、日本气象厅全球模式（Japan Meteorological Agency GFS，JMA）、中国国家气象局全球模式（T639）和中国气象局上海台风研究所高分辨率台风数值预报模式（STITHRAPS/STIWRF）。各个模式的参数对比见表1。由于台风“菲特”于10月5日23时进入24 h警戒线，其主要降水过程发生在5日20时—8日20时，因此选取5日20时起报的数值预报结果进行分析。

14评估方法

1）定位定强方法

由于台风“菲特”登陆前强度较大，眼区清晰，因此采用最低海平面气压作为定位因子。实际操作过程中，在上时刻台风中心附近90 km半径范围内（按台风移动速度最大为30 km/h推算），搜寻海平面气压最低点作为新的台风中心，并在该中心周边400 km半径范围内搜寻风速最大值作为台风最大风力。

2）降水及风速定量评估方法

为便于理解和相互比较，采用美国大气研究中心（National Center for Atmospheric Research，NCAR）研发的模式评估工具Model Evaluation Tools（Gotway et al.，2013）中的传统评估方法对降水和风速进行定量评估，具体评估指标如下：平均误差（Mean Error，ME）/偏差（Bias），均方根误差（Root Mean Square Error，RMSE），相关系数（Pearson Correlation Coefficient，r），TS评分，ETS评分，频率偏差（Frequency Bias，FBIAS），空报率（False Alarm Ratio，FAR），漏报率，击中率（Probability of Detecting Yes，PODY）。

2评估结果

21台风路径及强度

图1和表2比较了各个模式对台风“菲特”路径预报的差异。各模式0～24 h路径预报较为一致，EC、GFS、JMA、T639和STIWRF的平均定位误差分别为290、449、295、373和415 km，尤其是EC模式预报的路径，在前12 h的平均定位误差仅为147 km。路径差异主要出现在24 h之后，EC、JMA和T639模式预报的台风路径沿西北方向登陆浙江台州，与实况有较大误差；而GFS和STIWRF模式预报的台风路径的偏西分量加大，台风沿正西方向登陆浙闽交界地区，与实际观测到的台风路径一致。从整体统计来看，EC、GFS、JMA、T639和STIWRF在0～36 h的平均定位误差分别为600、388、676、776和387 km。需要说明的是，STIWRF模式与GFS模式所预报的台风路径较为相似，可能与STIWRF模式采用GFS资料作为初始场和边界場有关。

在台风强度预报方面，表2给出了各个模式对台风中心最低气压和近中心最大风力的预报对比。EC和T639模式给出了较好的强度预报，两个模式不仅能预报出台风强度的时间演变过程，而且与实际观测到的最低气压误差仅为32和51 hPa，最大风力误差也仅为64和4 m/s。而STIWRF、GFS和JMA的强度预报误差相对较大，尤其是JMA模式预报的最低气压和最大风力的误差分别达到了217 hPa和145 m/s。STIWRF模式起报时刻的强度太弱，最低气压和最大风力均存在较大误差，说明模式尚可在涡旋初始化等方面改进初始场质量；在台风登陆前（30 h之前），STIWRF模式预报的最低气压略偏高，而最大风速偏大较多；在台风登陆后，STIWRF模式预报的最低气压偏低，且最大风速偏大。

22台风降水

登陆过程降水预报能力是评估台风数值预报的一个重要内容。图2给出了各个模式预报的台风“菲特”72 h过程降水与实况。由图2a可见，实况中70 mm以上的大雨区几乎覆盖了整个浙江省范围，超过280 mm的大暴雨主要出现在宁波地区、浙北地区和浙东南沿海地区。从空间形态分布上来看，EC、JMA和T639所报的降水落区均呈西北东南走向，GFS和STIWRF所报雨带在浙北和沿海区域较强，与实况略有相似。从降水量级上来看，EC、GFS、JMA和T639所报降水极值均偏小，基本都在250～350 mm，而实况降水极值在500 mm以上；STIWRF所报降水极值在500 mm，与实况相当，但宁波一带极值中心范围偏小。Vb v图3台风“菲特”72 h降水预报评分a.TS；b.ETS；c.击中率；d.空报率；e.漏报率；f.频率偏差从分级评分（图3）上看，在≥70 mm降水级别，各个模式预报结果差距不大，除GFS和T639预报偏小带来较大漏报率（037和019）外，其余3个模式（EC、JMA和STIWRF）均取得了较高的TS评分（080、078和080）。模式间评分的差距出现在≥280 mm量级上，EC、GFS和JMA对此量级的降

水均没有预报，存在较大漏报率，而T639和STIWRF模式则报出了部分强降水，两者的TS评分分别达到了017和025。

从逐24 h降水（图4）来看，强降水出现在过程的第2日，强降水区主要分布于宁波、浙北和东南沿海区域。第1、3日也出现了暴雨以上降水，主要分布于宁波、台州和浙北区域。各个模式对0～24 h降水的预报落区相差不大。除了T639模式外，其他模式均报出了50 mm以上的暴雨，EC模式和STIWRF模式还报出了湖州地区的大雨区。对于24～48 h降水，各个模式预报差距增大。EC和JMA预报的雨带偏南，GFS只预报了温州地区的强降水中心而漏报了宁波和浙北地区的雨带，T639则预报了北部的强降水带而漏报了沿海地区的雨带，STIWRF模式对几个大的雨带均有预报，但浙北的雨带略偏南而浙中的雨量太大。对于48～72 h的降水，唯有STIWRF模式体现。其他模式均没有预报出宁波、台州地区的强降水，且对上海及浙北的降水预报也偏弱。

STIWRF模式对于暴雨以上（≥50 mm）降水的预报评分均好于其他模式（图5）。STIWRF模式预报的3 d降水的TS评分分别为037、075和034，在所有模式中得分最高；击中率分别达到056、093和049，尤其是第1天和第3天，比其他模式提高较多；且其漏报率明显低于其他模式。

对于100 mm以上的大暴雨（图6），STIWRF模式的预报优势更加明显，几乎在3 d中均得到了最高的TS、ETS和击中率评分，而漏报率则为所有模式中最低。其中第2天大暴雨的TS评分达到056，而空报率仅为032，对于本次特大降水过程来说是较为成功的预报。

23台风10 m风速

大风是评估台风预报的又一重要因子。其中过程最大风速是主要的致灾气象因素之一。对每一观测站点而言，72 h内站点风速的最大值即为本站点的72 h最大风速观测值。对每一模式格点而言，72 h内逐小时风速预报的最大值即为本格点的72 h最大风速预报值。对比各个模式对台风“菲特”72 h最大风速的预报和观测，EC、GFS、JMA和T639预报的强风中心比实况偏北约1个纬距，STIWRF模式对浙闽交界的强风中心预报较为准确。但从量级上来看（图7a），EC、T639和STIWRF对最大风速预报略偏强，平均偏差分别为22、33和44 m/s，而GFS和JMA则略有偏低，平均偏差为-03和-19 m/s。

图8给出了基于图7各个模式对7级、8级、9级以上大风的预报评分情况，在较小风速量级（7级，≥139 m/s）上，各个模式的TS、ETS得分差距不大，EC、GFS和STIWRF相对略高。而在较大风速量级（9级，≥208 m/s）上，STIWRF模式预报优势较为明显，TS和ETS分别达到030和029。虽然STIWRF模式在非强风中心区对风速有一定的高估，但从空报率和漏报率上来看，STIWRF模式也具有明显优势。这得益于STIWRF模式对过程最大风速的空间分布的准确预报，其相关系数明显高于其他数值模式，达到了057。

STIWRF预报在台风登陆前、登陆时以及登陆后的10 m风场预报都有着优异的表现，尤其以登陆时的预报效果最为突出。图9是登陆时各个模式预报的10 m风场与实况观测的比较。在台风登陆时（10月7日02时），近台风中心的温州地区和较远处的宁波绍兴区域，出现了6～7级的大风天气，温州地区以偏东风为主，杭州湾及宁波台州地区以东北风为主，福建沿海以西北风为主（图9a）。由于EC、JMA和T639对于台风路径预报的偏北，整个10 m风场与实况差距较大；GFS和STIWRF预报的风向更贴近实况。虽然STIWRF模式预报的风场整体偏大，但从空间分布和强度上看，是各个模式中最好的。

3结论

本文对上海台风研究所高分辨率臺风模式STIWRF在强台风“菲特”期间的台风路径、强度和风雨预报进行了检验，并将其与EC、GFS、JMA和T639等模式的预报结果进行了对比，得到以下结论：

1）各模式起报后0～24 h，路径较为一致，之后开始出现较大差异；从整体来看，GFS和STIWRF模式的平均定位误差较小，分别为388和387 km。

2）从登陆过程72 h累积降水看，EC、GFS、JMA和T639模式预报的降水偏小，仅有STIWRF预报出了实况的降水极值。从24 h累积降水看，各个模式对暴雨以下降水的预报相差不大，对于暴雨以上降水STIWRF模式的预报评分均好于其他模式，且降水量级越大，优势越明显。

3）从过程最大风速看，STIWRF模式对9级风以上风场预报能力更强，且从空报率和漏报率上来看，STIWRF模式也具有明显优势。这得益于STIWRF模式对过程最大风速的空间分布的准确预报，其相关系数明显高于其他数值模式，达到了057。

参考文献（References）

陈国民，曹庆，白莉娜，20152014年西北太平洋热带气旋预报精度评定[J].气象，41（12）：15541561.Chen G M，Cao Q，Bai L N，2015.Verification on forecast of tropical cyclones over western North Pacific in 2014[J].Meteor Mon，41（12）：15541561.（in Chinese）.

Dee D P，Uppala S M，Simmons A J，et al.，2011.The ERAInterim reanalysis：Configuration and performance of the data assimilation system[J].Quart J Roy Meteor Soc，137（656）：553597.

Gotway J H，Bullock R，Oldenburg P，et al.，2013.Model evaluation tools version 41（METv41） users guide[M].Boulder：NCAR Technical Report.Developmental Testbed Center.

马雷鸣，李佳，黄伟，等，20082007年国内台风模式路径预报效果评估[J].气象，34（10）：7480.Ma L M，Li J，Huang W，et al.，2008.Verification on typhoon track forecast by operational typhoon numerical models of China in 2007[J].Meteor Mon，34（10）：7480.（in Chinese）.

孟英杰，吴洪宝，王丽，等，20082007年主汛期武汉区域四种数值模式定量降水预报评估[J].暴雨灾害，27（3）：273277.Meng Y J，Wu H B，Wang L，et al.，2008.Evaluation of quantitative precipitation estimation of numerical weather prediction models in Wuhan region during main flood season of 2007[J].Torrential Rain and Disasters，27（3）：273277.（in Chinese）.

汤杰，陈国民，余晖，20112010年西北太平洋台风预报精度评定及分析[J].气象，37（10）：13201328.Tang J，Chen G M，Yu H，2011.Precision evaluation and error analysis on the forecasts of typhoons over the western North Pacific in 2010[J].Meteor Mon，37（10）：13201328.（in Chinese）.

王凌，羅勇，徐良炎，等，2006.近35年登陆我国台风的年际变化特征及灾害特点[J].科技导报，24（11）：2325.Wang L，Luo Y，Xu L Y，et al.，2006.Review of typhoon and its related natural disasters over the past 35 years in China[J].Science & Technology Review，24（11）：2325.（in Chinese）.

王咏青，宋天元，梁驹，等，2012.西北太平洋台风季节预报的数值模拟[J].大气科学学报，35（1）：2431.Wang Y Q，Song T Y，Liang J，et al.，2012.Simulation of seasonal tropical cyclone activity over the western North Pacific by using the WRF model[J].Trans Atmos Sci，35（1）：2431.（in Chinese）.

王雨，公颖，陈法敬，等，2013.区域业务模式6 h降水预报检验方法比较[J].应用气象学报，24（2）：171178.Wang Y，Gong Y，Chen F J，et al.，2013.Comparison of two verification methods for 6 h precipitation forecasts of regional models[J].J Appl Meteor Sci，24（2）：171178.（in Chinese）.

Wang Y，Shen X S，Chen D H，2012.Verification of tropical cyclone rainfall predictions from CMA and JMA global models[J].J Trop Meteor，18（4）：537542.

余锦华，唐家翔，戴雨菡，等，2012.我国台风路径业务预报误差及成因分析[J].气象，2012，38（6）：695700.Yu J H，Tang J X，Dai Y H，et al.，2012.Analyses in errors and their causes of Chinese typhoon track operational forecasts[J].Meteor Mon，38（6）：695700.（in Chinese）.

张博，李勇，20132013年6—8月T639、ECMWF及日本模式中期预报性能检验[J].气象，39（11）：15141520.Zhang B，Li Y，2013.Performance verification of mediumrange forecast by T639，ECMWF and Japan models from June to August 2013[J].Meteor Mon，39（11）：15141520.（in Chinese）.

赵晓琳，20122012年6—8月T639、ECMWF及日本模式中期预报性能检验[J].气象，38（11）：14231428.Zhao X L，2012.The performance verification of mediumrange forecast by T639，ECMWF and Japan models from June to August 2012[J].Meteor Mon，38（11）：14231428.（in Chinese）.

智协飞，孙晶，周文友，20152009年夏季西太平洋台风的集合预报和多模式集成预报试验[J].大气科学学报，38（5）：633640.Zhi X F，Sun J，Zhou W Y，2015.Ensemble and multimodel ensemble forecasts of western Pacific typhoons during summer 2009[J].Trans Atmos Sci，38（5）：633640.（in Chinese）.

周昆，郝元甲，姚晨，等，20106种数值模式在安徽区域天气预报中的检验[J].气象科学，30（6）：801805.Zhou K，Hao Y J，Yao C，et al.，2010.The verification of six numerical models for weather forecast in Anhui Province[J].Scientia Meteorologica Sinica，30（6）：801805.（in Chinese）.