GRAPES_Meso模式不同參數化方案在甘肅河東地區的模擬評估

陳曉燕，孔祥偉，楊春芽，王基鑫

(1.蘭州中心氣象臺，蘭州 730020；2.瑪曲縣氣象局，甘肅瑪曲 747300)

隨著數值預報模式的持續發展，高分辨率模式的預報能力也穩步提高。中尺度數值預報模式的預報[1-3]對象已從中α尺度(250～2 500 km)發展到中β(25～250 km)與中γ(2～25 km)尺度，相應的模式水平分辨率達到了1～10 km，有的甚至在1 km以下。但是模式分辨率的提高是有限的，參數化方法就成為數值模式處理中、小尺度運動可行而有效的工具。中尺度模式的參數化方案主要包括對流參數化過程方案、云微物理方案、陸面過程方案以及邊界層方案等，根據國外業務和研究試驗[4-5]表明，影響中尺度預報的各個因子的重要性依次為邊界條件、濕物理過程、邊界層參數化、初始條件和分辨率。針對中尺度數值模式物理過程各種參數化方案，已有許多氣象工作者做了大量試驗和研究[6-13]，中尺度數值模式物理過程研究的整體性及統一性已是近年來的一種趨勢，選擇不同的參數化方案組合對模擬結果的準確度影響很大，因而開展不同參數化方案組合優選工作顯得十分必要。2006年段旭等[14]利用MM5V3不同參數化方案對低緯高原地區進行降水模擬，得出Grell積云參數化、Goddard顯式水汽和云輻射過程組合的方案對降水預報效果較好；2011年段旭等[15]在對比試驗的基礎上，選取了適合云南的積云過程、微物理過程和輻射過程的方案組合。朱慶亮等[16]對WRF模式中物理過程參數化方案進行組合對比試驗，認為沒有確定的某個物理過程參數化方案在所有試驗方案中的模擬效果一致好，不同方案配合使用模擬效果更佳；伍紅雨等[17]利用GRAPES模式中微物理過程參數化和積云參數化方案，采用不同的方案組合選出適合貴州降水預報的組合方案；沈曉燕等[18]對比討論WRF模式不同微物理過程、積云對流和邊界層參數化方案組合對青海省氣溫、降水及風速的模擬效果，得出各要素預報效果最好的組合方案。

甘肅河東地區位于青藏高原的東部邊緣，地形復雜，強天氣多發，中尺度模式對河東地區復雜地形組合參數化方案的影響研究相對較少。本文應用GRAPES_Meso模式，通過調整邊界層方案、陸面過程方案、微物理過程方案和積云對流方案，形成8種不同的參數化組合方案，對甘肅河東地區2015年7—8月開展了對比試驗， 以比較不同組合對甘肅東部高空要素、2 m氣溫和降水預報效果的影響, 優選出適合甘肅東部地區的組合方案，以期為甘肅河東地區預報服務提供有效的模式參考產品，同時為改進GRAPES_Meso業務模式提供依據。

1 資料和方法

1.1 模式簡介

GRAPES模式系統作為中國自主知識產權的新一代氣象數值預報系統自2001年開始研發[19]，2006年7月GRAPES模式通過業務驗收并投入業務運行[20-21]，主要物理過程包括：顯示云微物理方案、積云對流參數化方案、輻射傳輸、邊界層過程、陸面過程及次網格尺度地形重力拖曳等。本文采用GRAPES_Meso區域模式4.1版本，水平分辨率為0.1°×0.1°，垂直方向為50層，模式同化了地面、高空和飛機報資料，計算范圍為32°N～38°N，100°E～109°E，預報時效為48 h。

1.2 資料

采用美國國家海洋與大氣管理局 NOAA(TheNational Oceanic and Atmospheric Administration)每6 h發布的GFS(the global forecast system)全球 1°×1°預報產品作為初始場和邊界場，垂直方向為26層，預報數據時間間隔為3 h，預報時效為0～240 h。實況數據采用蘭州中心氣象臺提供的甘肅河東地區62個觀測站點(圖1)2015年7—8月逐日24 h累積降水和08時2 m溫度。

圖1 研究區域和站點分布

1.3 方法

根據模式的云微物理過程、邊界層參數化、積云參數化、陸面過程等物理過程選項，固定微物理過程WSM6類方案和積云對流KF方案，組合邊界層方案和陸面過程方案(表1)，綜合考慮高空要素、2 m溫度和降水，選出評分相對較高的組合作為最優組合。其余物理參數化方案選取如下。

表1 GRAPES_Meso 8種組合方案

長波和短波輻射過程參數化方案分別選擇 RRTM 和Duhbia 方案，近地層方案選用 Monin_Obukhov 方案。邊界層有YSU方案和MRF方案兩種，陸面過程有SLAB方案、LSM方案、Noah方案和RUC方案四種，排列組合后形成8組組合方案，由于組合方案4和組合方案8(帶*)在回算過程中出現積分溢出導致模式結果異常，故不做分析。

在進行模擬效果檢驗時，采用雙線性插值的方法將模式產品的格點值插值到相應站點上，然后計算檢驗指標進行客觀檢驗(表2)。

表2 降水預報檢驗分類表

降水檢驗分小雨、中雨、大雨和暴雨4個級別進行風險TS評分、預報偏差和預報技巧。定義如下：

(1)

(2)

(3)

高空要素采用均方根誤差作為檢驗指標，2 m氣溫檢驗采用絕對誤差和均方根誤差和預報誤差≤2 ℃的預報準確率作為檢驗指標[22-23]，具體的定義如下：

(4)

(5)

其中Fi為第i站(次)08時(北京時間)預報溫度，Oi為第i站(次)08時(北京時間)實況溫度，(Fi-Oi) 為第i站(次)預報誤差。Nr為預報正確的站(次)數，Nf為預報的總站(次)數。溫度預報準確率的實際含義是溫度預報誤差≤2 ℃的準確率。

2 高空要素對比

表3為500 hPa高空要素24 h預報和48 h預報檢驗均方根誤差。(1)500 hPa高度場。24 h預報組合方案6均方根誤差最小，組合方案2次之；48 h預報組合方案2均方根誤差最小，組合方案6次之；兩個預報時效中組合方案1的500 hPa高度場均方根誤差最大。(2)500 hPa溫度場。組合方案6的均方根誤差最小，組合方案2次之；24 h預報組合方案1均方根均方根誤差最大，48 h預報組合方案5的均方根誤差最大。(3)500 hPa風場。組合方案6均方根誤差最小，組合方案2次之，組合方案1均方根均方根誤差最大。GRAPES_Meso模式對500 hPa高空要素24 h預報均方根誤差均小于48 h預報。對于500 hPa高空要素來說，組合方案6預報效果最好，組合方案2次之，組合方案1表現最差，即MRF方案為邊界層方案、陸面過程為LSM方案時，GRAPES_Meso模式對高空要素的預報效果最好。

表3 不同組合方案500 hPa 24 h、48 h高空要素預報均方根誤差

3 2 m氣溫對比

3.1 絕對誤差和均方根誤差

圖2為2015年7—8月08時2 m氣溫逐日檢驗的絕對誤差。不論24 h預報還是48 h預報，組合方案1和組合方案5的絕對誤差集中在1.5～2.5 ℃之間，明顯小于其它4種方案，且波動較小，尤其是在7月中下旬和8月中下旬時段。整體上來看2 m氣溫的絕對誤差24 h預報略小于48 h預報，組合方案5的絕對誤差相對最小，組合方案1次之，組合方案7絕對誤差最大。

圖2 不同組合方案2015年7—8月逐日2 m氣溫絕對誤差

圖3為2015年7—8月08時2 m氣溫檢驗逐日均方根誤差。24 h預報和48 h預報，組合方案1和組合方案5逐日均方根誤差在2～3.5 ℃之間，組合方案2、組合方案3和組合方案6的逐日均方根誤差主要集中在2.5～4.5 ℃，組合方案7逐日均方根誤差在2.5～5.5 ℃范圍內。組合方案1和組合方案5的08時2 m氣溫逐日檢驗的均方根誤差整體呈減小趨勢，且起伏小；其余4種組合方案逐日均方根誤差整體呈增加趨勢，且波動較大，尤其是在7月中下旬和8月中下旬時段。整體上來看2 m氣溫的均方根誤差24 h預報略低于48 h預報，組合方案5的均方根誤差相對最小，組合方案1次之，組合方案7均方根誤差最大。

圖3 不同組合方案2015年7—8月逐日2 m氣溫均方根誤差

3.2 預報準確率

從2015年7—8月逐日08時2 m氣溫預報誤差≤2 ℃的預報準確率(圖4)可以看出：24小時預報，組合方案1和組合方案5逐日08時2 m氣溫預報誤差≤2 ℃的預報準確率在55%以上，其余4種組合方案≤2 ℃的預報準確率主要集中在20%～60%之間；48 h預報，組合方案1和組合方案5逐日08時2 m氣溫預報誤差≤2 ℃的預報準確率在40%～70%之間，其余4種組合方案≤2 ℃的預報準確率主要集中在20%～60%之間，組合方案7個別日期的預報準確率在20%以下；模式對08時2 m氣溫預報效果24 h預報明顯優于48 h預報，組合方案5表現最好，組合方案1次之，組合方案7預報準確率最低。

2015年7—8月2 m氣溫的月平均絕對誤差、均方根誤差和預報準確率(表略)表明：24 h預報的08時2 m氣溫，組合方案5絕對誤差最小(2.14 ℃)，組合方案1次之(2.17 ℃)，組合方案7最大(2.82 ℃)；組合方案5的均方根誤差也最小(2.74 ℃)，組合方案1次之(2.78 ℃)，組合方案7最大(3.45 ℃)；08時2 m氣溫預報誤差≤2 ℃的預報準確率組合方案5最高(56.7%)，組合方案1次之(56.4%)，組合方案7最低(42.0%)；模式48 h對08時2 m氣溫的預報也是組合方案5表現最好。

圖4 不同組合方案2015年7—8月逐日2 m氣溫≤2 ℃預報準確率

綜上所述，對于08時2 m氣溫的預報，組合方案5預報效果最好，即微物理過程為WSM6類方案、積云對流為 KF 方案、邊界層為 MRF方案、陸面過程為SLAB方案時對2 m氣溫的預報能力最好，其次是組合方案1，組合方案7預報效果最差。

4 降水對比

圖5為GRAPES_Meso模式預報不同等級降水的TS評分和技巧評分。24 h預報(圖5a)，小雨預報組合方案5 TS評分最高(44.2%)，組合方案1其次(43.9%)，組合方案6最低(42%)；中雨預報組合方案5和組合方案1預報效果最好，TS評分為9.5%，組合方案3其次(9.4%)，組合方案6最低(8.4%)；大雨預報組合方案5評分最高(2.3%)，組合方案3次之(1.8%)。技巧評分小雨、中雨和大雨各方案均為正值，說明均為正技巧，其中小雨技巧評分組合方案6最高，中雨和大雨技巧評分組合方案5相對較高；暴雨的技巧評分均為負值。

48 h預報(圖5b)，小雨預報組合方案5 TS評分最高(44.8%)，組合方案1其次(44.3%)，組合方案6最低(42.3%)；中雨預報組合方案1預報模擬效果最好，TS評分為7.4%，組合方案5其次(7.3%)，組合方案6和組合方案7最低(5.9%)；

圖5 不同組合方案2015年7—8月不同等級降水TS評分和技巧評分

大雨預報組合方案5評分最高(2.0%)，組合方案3次之(1.4%)。技巧評分小雨和中雨各方案均為正值，說明均為正技巧，其中小雨技巧評分組合方案5最高，中雨技巧評分組合方案1最高；組合方案3和組合方案6的大雨技巧評分為正值，其余四個方案為負值；組合方案5的暴雨技巧評分為正值，其余方案暴雨技巧評分均為負值。

圖6為2015年7—8月不同等級降水的預報偏差，其中預報偏差等于1代表預報最佳，大于1說明預報降水量偏多，小于1代表預報降水量比實況偏少。模式各組合方案24 h預報對小雨、中雨和暴雨預報偏多，其中中雨偏多明顯，對大雨預報偏少；48 h預報對小雨、中雨和大雨預報偏多，中雨和大雨偏多明顯，暴雨預報最接近1。組合方案5表現相對較好，組合方案1表現最差，其余4種方案差別不大。

圖6 不同組合方案2015年7—8月不同等級降水預報偏差

綜合2015年7—8月降水TS評分和技巧評分，不同等級降水的TS評分組合方案5相對較高，即微物理過程為WSM6類方案、積云對流為 KF 方案、邊界層為 MRF方案、陸面過程為SLAB方案時對不同等級降水模擬效果相對較好，組合方案1次之，組合方案6的降水TS評分相對較低；整體上組合方案5不同等級降水的技巧評分優于其余5種方案。

5 結論

以GRAPES_Meso區域中尺度模式作為試驗模式，固定微物理過程WSM6類方案和積云對流KF方案，選擇邊界層方案和陸面過程方案產生8個組合方案，其中6個組合方案可行，對甘肅河東地區2015年7—8月的高空要素、2 m氣溫和降水進行預報對比分析試驗。

(1)固定微物理過程為WSM6類方案和積云對流為KF方案后，邊界層方案為MRF方案、陸面過程為LSM方案時，數值模式對甘肅河東地區500 hPa高空要素的預報效果最好。

(2)分析2 m氣溫的絕對誤差和預報準確率，當微物理過程為WSM6類方案、積云對流為 KF 方案、邊界層為 MRF方案、陸面過程為SLAB方案時，中尺度模式對2 m氣溫的預報能力最好。

(3)綜合降水TS評分和技巧評分，微物理過程為WSM6類方案、積云對流為 KF 方案、邊界層為 MRF方案、陸面過程為時SLAB方案對不同等級降水模擬效果最優。