颜玉倩，沈晓燕，肖宏斌，李金海

（1.青海省气象科学研究所，青海 西宁810001；2.青海省防灾减灾重点实验室，青海 西宁810001；3.青海省气象台，青海 西宁810001）

随着数值预报理论和实践的不断发展和完善及超级计算机性能的持续提高，数值天气预报的水平和可用性大幅度提升。以数值预报技术为基础建立的现代综合气象预报系统，已成为气象工作者进行天气预报和气候预测的重要及有效的手段[1]。模式检验评估不仅是发展预报系统的重要组成部分，而且可以用来评价模式预报的准确性，从而为用户提供客观的预报依据。由于模式预报系统物理过程十分复杂，其预报结果存在很大的不确定性，因此，通过评估检验来获得模式的特定属性和外在表现就成为用户研究和应用模式的重要手段[2]。

MET（Model Evaluation Tools）是由美国国家大气研究中心（NCAR）数值预报发展试验中心（DTC）研发的功能强大的数值天气预报检验工具，其主要目的是为数值预报使用者、开发者搭建分析、评估数值模式预报产品的桥梁，它不仅为模式开发者提供实时的模式产品测试环境，提供一系列评估方案，而且为模式使用者客观把握模式的预报能力提供了有效手段[3]。MET 最初版本发行于2008 年，主要针对于WRF 数值模式产品的检验和评估，其最新版本MET5.2 发行于2016 年8 月，提供各种通用数据格式的模式产品检验评估接口[4]。MET 的优势在于它对产品检验评估的方法齐全、功能强大，具有较好的可移植性，不但能够快速计算各类评分指数，与人为编程计算相比省时省力；还提供了先进的的包括空间分析、诊断分析等在内的一系列检验方法。

数值预报是提高天气预报准确率的重要方法，WRF 模式虽可提供较为精细的区域预报结果，但青海位于青藏高原东部，地形复杂，天气多变，高原降水的数值模拟的参数化方案适用性情况较为复杂[5]。其中，积云对流和微物理过程参数化方案对降水影响重大[6]，如何客观找出适应于高原降水的最优组合方案就显得尤为重要。因此，本文采用6 种微物理方案和3 种积云对流参数化方案（共18 个组合方案）对2015 年8 月1 日—8 月3 日青海省大范围降水展开模拟，利用MET 对模拟结果进行评估检验，其检验结果可以为模式的积云对流、微物理参数化方案合理选取提供参考，以便WRF 模式能更好地发挥在青海和类似高原地区的气象业务预报中的参考指导作用[7]。以前大多学者对模式的检验采用TS评分或ETS 评分[8-9]，这就使得对预报能力的评估存在一定的局限，对小概率事件的预报评估存在明显的不足，所以综合多种评分指数有利于客观把握模式的预报能力与预报技巧，有利于客观评估研究区域模式参数化方案在高原地区的适用性。

1 资料与方法

1.1 模式方案设计

本文采用WRF V 3.7.1，模式基本参数设置为：模式中心点为95°E，25°N，水平分辨率分别 为27 km、9 km，垂直方向为30 层（图1a）。模拟时间从8月1 日00 时开始至8 月4 日00 时结束。使用NCEP/NCAR 的FNL 资料作为模式的初始场和边界场，时间积分步长为54 s。本次模拟主要选用3 种积云对流参数化方案和6 种微物理方案进行敏感性试验（表1）。以Tij组合代表试验方案，试验代号i 表示为积云对流参数化方案：1 为浅对Kain-Frisch（KF）方 案，2 为Betts-Miller-Janjic 方 案（BMJ），3 为Grell-Devenyi 集合方案（Grell）；j 代表微物理方案：1 为Kessler（暖雨方案），2 为lin 等方案，3 为WSM 3 类简单冰方案，4 为WSM 5 类方案，5 为Ferrier（New Eta）微物理方案（水汽、云水），8 为新Thompson 的冰雹方案。具体对应关系见表1。长波辐射方案选用RRTM 方案，短波辐射方案选用Dudhia 方案，边界层选用YSU 方案，近地面层选用MYJ 方案。

1.2 资料

模式初始场和边界场：NCEP/NCAR 的FNL 资料，空间分辨率为1°×1°，时间分辨率为6 h。

观测资料：青海省50 个国家站、187 个一般站及自动站逐小时降水观测，站点分布如图1b 所示。

500 hPa 大尺度背景场选用ERA-Interim 再分析资料，空间分辨率为0.5°×0.5°，时间分辨率为6 h。

1.3 检验指标公式

图1 模拟范围及站点分布

本文所涉及的指标评分公式如下（式中各项含义如表2 所示）。

表2 2×2 统计联列表

其中各项指标的详细意义在结果分析中给出。

2 分析与检验

2.1 模式个例介绍

本次降水过程主要从2015 年8 月1 日开始至8 月3 日结束，是近年来青海省降水范围较大、持续时间较长的一次过程。图2 给出了1—3 日500 hPa天气背景场，从中得知：青海受大陆高压控制，大部地区都处于一反气旋环流内，从风场来看，新疆以北有一弱的高空槽，东北部地区西风分量逐渐增强，表明新疆槽冷空气逐步沿着河西走廊下滑影响青海东北部地区造成河湟谷地的降水增加；同时从风向上可以看出，海西的东部及祁连山西段的辐散加强。另外，本次降水的水汽来源非常丰富，来自孟加拉湾和南海的水汽不断地输送，使得青海省大部垂直可降水量都较大。

2.2 降水中心及强度检验

为从降水强度和中心分析比较18 种组合方案的优劣，图3 给出了8 月1—3 日累计降水量的强度和中心位置靶图，其中原点五角星代表实际观测降水极值中心位置和对极值的0 偏差值，倒三角表示模式预报值低于实际观测，正三角表示模式预报值高于实际观测，且颜色越深代表越接近实际观测值，坐标轴上数字的单位为度。从图中可以看到，除个别方案（T18，T25）外，模式对此次过程降水中心位置把握较为准确，基本控制在1°范围内，且在0.5°内的方案也占大多数，其中T21 方案是降水位置上最接近实际观测的一个方案，表明其对降水中心位置预报较为准确。然而降水强度的预报不甚理想，其中三分之二的方案都存在偏多现象，且浅灰色三角较多，表明降水偏多的程度也较为明显。综合从降水中心和降水强度来看，T21 方案模拟较接近于实际观测，T11、T34 方案次之。

图2 500 hPa天气背景

图3 8 月1—3 日累积降水量强度和中心位置检验

2.3 MET 降水检验结果

为能更好地挑选组合方案并进行重点分析，以较常用的TS 评分和ETS 评分对18 组方案进行初步筛选，表3 给出了18 种组合方案24 h 晴雨预报的TS 评分和ETS 评分，从表中可以看到TS 评分较高的前6 种组合方案分别为：T11、T12、T14、T31、T34 和T35。这表明BMJ 积云参数化方案的模拟效果较差。这种情况不仅仅出现在WRF 模式中，郭云云等[10]在比较Grapes 模式中的积云对流参数化方案时也表明中高层KF 的预报效果要优于BMJ 方案。但72 h 的累计降水的检验得出T28 与观测结果较为接近，可能的原因主要有：对过程总降水量的把握较好，对日降水量的模拟效果差，预报值可能存在时间上的差异；此处TS 评分仅考虑晴雨状况，未讨论降水中心位置，故二者无可比性。

表3 18 种组合方案24 h TS 评分及ETS 评分

根据以上的比较挑选结果，图4 给出了6 种较优组合方案的过程累积降水量模拟和实况空间分布结果。与实况比较来看，6 种方案均能在空间上较好地描述此次大范围降水过程。实况在36.72°N，101.53°E（即X0007 站）出现了最大值，在该站的东北方向也出现了3 个降水大值点，在这6 种组合方案中T12、T14、T34、T35 均能反映这一空间分布特征，但同时存在降水量偏多的现象，这种现象尤其反映在T12、T14 和T35 上，而剩下的两种组合方案T11、T31 则在降水量级上非常接近实况。因此通过对降水量的空间分布特征分析比较，T34 是对降水极值点的空间分布特征和降水量级上模拟结果较为理想的组合方案。

以上分析看出，模式大部分组合方案都存在对降水预报偏多的现象。为详尽分析本次降水过程的漏报和空报的空间分布特征，图5 给出6 种组合方案平均漏报率和空报率。由图可以看出模式漏报的可能性较小，多是大范围的空报。图5a 表明青海省南部存在一定范围的漏报，尤其是玉树东部、果洛西部和海西州南部。图5b 表明，除柴达木盆地以外，其余地区都存在不同程度的空报，其中玉树南部和海西东北部空报率在0.5 以上，存在大范围空报的主要原因有：由于此次降水过程受青海省北部的弱小槽影响，对青海省东部地区的影响较大，因而海东、西宁等地区空报率较低，其次雨带位置的细微偏差，依然会产生较大的空报漏报率[11]，此外青海省西部站点相对较为稀疏（玉树以西可可西里地区甚至无站点），使得观测值存在很大的误差。从漏报率和空报率的空间分布来看，模式对玉树地区的预报存在较大的误差。

图6 给出了6 种组合方案24 h、48 h 和72 h 平均漏报、空报和正确预报的站数。由图看出各方案之间差距较小，均有漏报站数较少的特征。底下两种颜色的高度代表晴雨预报正确的站数，T11 组合T31组合预报正确站数略高于其他4 种方案，T12、T14、T34 和T36 虽然有较多命中的站数，但同时也对应有较高的空报站数。

图4 过程累积降水量空间分布

图5 8 月1—3 日平均漏报率和空报率

图6 不同组合方案漏报、空报、正确预报站数

以上对6 种方案的检验停留在空间分布特征的主观判断上，无法量化预报的质量，且单一的评分指数因存在一定的不足无法全面地评估预报效果，所以表4~表6 选取了MET 结果中的8 种评分指数来综合反映6 种组合方案的预报效果，表中前5 种指数较为常用，但可能存在由于气候、盲目或持续性预报带来的虚假评分[12]，而不能反映真正的预报水平，因此，又分别选取了析HK、HSS 和ORSS 来进行评分。HK和HSS 是线性的、真正公平的评分指数，对于无偏预报，HK和HSS 两者等同，但HK 更依赖于基础比率s；ORSS 作为二元预报的一种性能指标渐进公平，如果一个特定预报系统的基础分布更接近正态分布，它将给出更高的评分[13]。基于以上介绍，本文给出了24 h、48 h 和72 h 预报的8 种评分指数。从时间上来看，ACC，TS 评分和ETS 评分都有随着时间的增加而增大的特征，这可能是由于持续性预报带来的评分偏高的特点，并能看出，对此次降水的预报模式存在较大范围的“早报”。从各指数上来看：WSM5 微物理方案R 值较大且RMSE 相对较小。分析HSS和HK，二者差别不大，得出T31 组合的HSS 和HK 要明显高于其他组合方案；所有组合方案ORSS 差别较小，T34 和T35 组合方案的评分相对略高。就这8 种方案相比较，T34 组合方案较优，T31 组合方案次之。

表4 24 h 6 种组合方案评分指数

表5 48 h 6 种参数化方案评分指数

表6 72 h 6 种参数化方案评分指数

上述几种指标对于小概率事件来讲都是退化的，因为当基准比率s 趋向0 时，它们也趋向一个无意义的值（通常为0），为克服此问题，提出了对称极值依赖性评分SEDS，该指标渐进于公平且变换对称（变换对称指把预报和观测对调的情况下结果不改变），规避难度也较大[14-15]，SEDS 多用于小概率事件的极端降水的检验，完美的SEDS 值为1。为评估6 种组合方案对极端降水的预报效果，表7 给出了6种组合方案SEDS 不同预报时效的值，其中青海省95%极端降水阈值根据1981—2010 年5—9 月（汛期）青海省43 站逐日降水资料，利用百分位法得出[16]，最后结果取43 站均值：14.07 mm，在此次降水过程中设定日累积降水量大于14.07 mm 为极端降水。从表中可以明显看出几种组合方案对极端降水不同的预报效果，“”代表无意义值，即预报和观测事件均未发生n11=0；T11 组合方案的预报效果较差，其他组合方案中，48 h 预报要优于24 预报，但72 h SEDS 极低，相比较之下，T34 组合方案对极端降水的预报效果较好。

表7 SEDS 对极端降水的检验

3 结论

本文利用WRF 模式3 种积云对流参数化方案，6 种微物理过程参数化方案对2015 年8 月1—3日青海省大范围降水过程进行了模拟，并利用MET 对模拟结果进行了检验，结论如下：

（1）此次过程，模式存在大范围的“早报”，尽管大部分方案预报降水量均偏多，但从降水过程中心位置和强度来看，BMJ（积云对流）/Thompson（微物理）组合方案模拟效果较为理想，Grell/ WSM5 和KF/Kessler 次之；Grell/WSM5 从降水极值点的空间分布特征和降水量级上模拟结果较为理想。

（2）就空报率和漏报率的空间分布而言，空报率远高于漏报率，空报率高值区主要分布在玉树南部和海西东北部，模式对玉树地区的预报存在较大的误差。

（3）由于对比降水实况和模拟的空间分布的检验方法较为主观，且单一的评分指数因侧重点不同无法综合评价模式的预报能力，故选用8 种评分或指标进行定量评估，其结果表明，WSM5 方案（微物理）的R（相关系数）较大且RMSE（均方根误差）较小，Grell/WSM5 对此次降水预报效果最好，Grell/Kessler 次之。

（4）SEDS（对称极值依赖评分）常用于小概率事件的检验，用SEDS 评估极端降水，Grell/WSM5 对极端降水的预报效果较好。