ECMWF集合預(yù)報(bào)在一次臺(tái)風(fēng)遠(yuǎn)距離極端降水分析中的應(yīng)用

婁小芬,王麗穎,羅玲,傅良,錢浩

(浙江省氣象臺(tái)，杭州 310007)

引 言

極端降水事件是典型的極端天氣事件之一。在政府間氣候變化專門委員會(huì)(IPCC)第三次和第四次報(bào)告中，極端天氣事件均被定義為：在某一特定地點(diǎn)和時(shí)間，其發(fā)生概率極小，通常只占該類天氣現(xiàn)象10%或者更低。極端降水事件一旦發(fā)生，往往給國(guó)民經(jīng)濟(jì)和人民生命財(cái)產(chǎn)造成重大損失(Zhai and Liu，2012)，因此如何提高對(duì)這些降水、溫度等極端天氣的預(yù)報(bào)能力，是目前我國(guó)氣象部門面向國(guó)家防災(zāi)減災(zāi)和重大服務(wù)需求的重要發(fā)展方向。由于大氣是一個(gè)混沌系統(tǒng)，小概率極端天氣事件的發(fā)展演變存在諸多不確定性，用單一數(shù)值天氣模式預(yù)報(bào)其未來(lái)演變是不嚴(yán)謹(jǐn)?shù)?杜均和陳靜，2010；陳法敬等，2011；任志杰等，2011)，而集合預(yù)報(bào)系統(tǒng)綜合考慮了初始場(chǎng)、模式物理過(guò)程等不確定因素，為小概率事件提供了更加全面的預(yù)報(bào)信息，具有發(fā)展極端或?yàn)?zāi)害天氣預(yù)報(bào)技術(shù)的先天優(yōu)勢(shì)。Buiz?za(2008)研究表明，基于不同起報(bào)時(shí)刻的集合概率預(yù)報(bào)較確定性模式更加連續(xù)且穩(wěn)定。近年來(lái)隨著集合預(yù)報(bào)系統(tǒng)(EPS)的發(fā)展，數(shù)值模式對(duì)極端天氣的預(yù)報(bào)能力不斷提高(汪嬌陽(yáng)等，2014；Petroliagis and Pinson，2014；朱鵬飛等，2015；董全等，2016；陶亦為等，2016)。

利用有效的方法對(duì)集合預(yù)報(bào)提供的極端信息進(jìn)行提取和檢驗(yàn)，從而對(duì)極端天氣進(jìn)行識(shí)別和預(yù)報(bào)，具有重要科學(xué)和實(shí)際意義(高麗等，2019)。為了識(shí)別極端天氣事件是否發(fā)生,歐洲中期天氣預(yù)報(bào)中心(EC?MWF)研究了一種極端天氣預(yù)報(bào)指數(shù)EFI，其表征的是氣候值與集合預(yù)報(bào)系統(tǒng)集合成員之間的連續(xù)差異,利用極端天氣指數(shù)能夠較準(zhǔn)確地識(shí)別出極端天氣所發(fā)生的區(qū)域。Zsótér(2011)利用改進(jìn)后的EFI研究了2005年10月西歐持續(xù)極端高溫，發(fā)現(xiàn)改進(jìn)后的EFI能識(shí)別出更多發(fā)生極端高溫的區(qū)域。Petroliagis和Pinson(2014)分析了德國(guó)北部三個(gè)機(jī)場(chǎng)7年的強(qiáng)風(fēng)事件，指出EFI指數(shù)可以提早發(fā)出預(yù)警信息。劉琳等(2013)利用降水觀測(cè)概率和我國(guó)T213集合預(yù)報(bào)系統(tǒng)建立了極端降水天氣預(yù)報(bào)指數(shù)，其應(yīng)用結(jié)果表明，該指數(shù)可提前3～7 d提供極端降水信息。董全等(2017)運(yùn)用TS評(píng)分最大為標(biāo)準(zhǔn)，分別確定了不同時(shí)效、不同百分位的極端強(qiáng)降水事件在我國(guó)的預(yù)報(bào)閾值，對(duì)于95%和99%的極端強(qiáng)降水事件，EFI的閾值分別在0.45和0.7左右。根據(jù)前人的研究，EFI對(duì)極端天氣事件的預(yù)報(bào)有一定的指示作用，但如何確定不同地區(qū)、不同類型極端天氣的閾值，如何有效利用EFI開展極端天氣的預(yù)報(bào)業(yè)務(wù)仍是一個(gè)非常值得研究的重要課題。杜鈞等(2014)將集合預(yù)報(bào)與氣候資料結(jié)合起來(lái)，定量分析相關(guān)氣象因子的異常程度和可信度，幫助預(yù)報(bào)員在預(yù)報(bào)工作中做出合理的決策。通過(guò)對(duì)2012年北京7月21日特大暴雨事件的分析顯示，“集合異常預(yù)報(bào)法”可以提供比單一模式更可靠或更連慣的預(yù)報(bào)，且對(duì)于北京地區(qū)大暴雨的實(shí)際可預(yù)報(bào)性時(shí)效提前了2 d，有效地提高重大災(zāi)害性天氣的預(yù)報(bào)能力。

中緯度冷空氣入侵有利于臺(tái)風(fēng)外圍環(huán)流斜壓性的發(fā)展引起鋒生，從而導(dǎo)致倒槽區(qū)域內(nèi)中尺度對(duì)流的發(fā)展和暴雨的產(chǎn)生，臺(tái)風(fēng)倒槽與冷空氣結(jié)合而產(chǎn)生的暴雨，往往比臺(tái)風(fēng)環(huán)流本體暴雨強(qiáng)得多(吳海英等，2016)。2017年20號(hào)臺(tái)風(fēng)“卡努”雖然登陸廣東沿海，但距離臺(tái)風(fēng)中心1 000 km的浙江東北部出現(xiàn)了極端強(qiáng)降水，ECMWF、NECP等確定性模式對(duì)此次過(guò)程在預(yù)報(bào)提前量和穩(wěn)定性上都不能滿足決策服務(wù)的需求。但集合預(yù)報(bào)所提供的概率結(jié)果可以給出極端事件在未來(lái)出現(xiàn)的可能性，對(duì)此類低概率極端天氣事件具有更好的預(yù)報(bào)效果。目前，我國(guó)基于集合模式的極端天氣預(yù)報(bào)業(yè)務(wù)還相對(duì)薄弱，亟待開展進(jìn)一步的研究。另外，杜鈞等(2014)認(rèn)為“集合異常預(yù)報(bào)法”與EFI在極端天氣預(yù)報(bào)中各有優(yōu)劣，如能在實(shí)際應(yīng)用例子中對(duì)兩者進(jìn)行具體比較是一項(xiàng)很有價(jià)值的研究，但目前還沒(méi)有相關(guān)研究工作。本文采用ECMWF interim再分析資料、ECMWF集合預(yù)報(bào)資料、實(shí)況降水資料、FY-2G TBB資料，運(yùn)用“集合異常預(yù)報(bào)法”從氣象因子異常的角度對(duì)2017年10月14—16日浙江東北部極端降水的成因和可預(yù)報(bào)性進(jìn)行分析，檢驗(yàn)集合預(yù)報(bào)EFI閾值對(duì)極端降水的識(shí)別效果，并對(duì)兩種方法進(jìn)行對(duì)比，探討如何利用ECWMF集合預(yù)報(bào)提高對(duì)極端災(zāi)害天氣的預(yù)報(bào)能力。

1 資料和方法

1.1 資料

文中使用的資料包括1980—2016年和2017年10月13—16日0.5°×0.5°ECMWF interim逐6 h再分析資料、ECMWF提供的2017年10月8—16日20時(shí)、08時(shí)(北京時(shí)，下同)起報(bào)的集合預(yù)報(bào)資料（含逐日08—08時(shí)降水EFI資料）、FY-2G衛(wèi)星的黑體亮度溫度(TBB)、自動(dòng)站實(shí)況降水資料、浙江區(qū)域67個(gè)基準(zhǔn)站1980—2016年08—08時(shí)日降水資料。

1.2 方法

為了研究這次降水過(guò)程的極端性，先構(gòu)建了降水氣候樣本。本文選取1980—2016年的日降水資料，單日前后各10 d，一共21 d×36 a＝756個(gè)樣本構(gòu)建單日的氣候樣本。對(duì)于極端降水事件的定義采用了百分位法(翟盤茂和潘小華，2003；任福民等，2014)，研究中分別定義了第95%百分位與第99%百分位作為極端降水天氣事件的閾值，當(dāng)某日降水量超過(guò)該站點(diǎn)的極端強(qiáng)降水閾值時(shí)，稱該站點(diǎn)在該日有極端強(qiáng)降水發(fā)生。這種定義相比降水量閾值(如大于50 mm)的優(yōu)勢(shì)在于篩選出的極端降水事件更具季節(jié)和地域代表性。

1.2.1 “集合異常預(yù)報(bào)法”

同一氣象要素在不同地域或不同季節(jié)的異常度是不一樣的，為了更直觀和統(tǒng)一地比較天氣形勢(shì)及物理量場(chǎng)的異常程度，本文應(yīng)用了“標(biāo)準(zhǔn)化異常度”(Stan?dardized Anomaly，SA)方法(杜鈞等，2014)，選取與臺(tái)風(fēng)極端降水密切相關(guān)的物理量(陳聯(lián)壽等，2004；Ren et al.，2007)，包括850 hPa風(fēng)場(chǎng)、整層可降水量、200 hPa散度、850 hPa和925 hPa水汽通量、850 hPa和925 hPa水汽通量散度等動(dòng)力和水汽因子進(jìn)行標(biāo)準(zhǔn)化異常度計(jì)算。一般把異常程度超過(guò)氣候平均值3個(gè)標(biāo)準(zhǔn)差確定為異常的天氣事件(Grumm and Hart，2001；Hart and Grumm，2001；Graham and Grumm，2010)。

極端事件是與季節(jié)相關(guān)的，不同季節(jié)的極端事件標(biāo)準(zhǔn)和閾值不同，同時(shí)為了保證連續(xù)兩天的極端事件閾值和標(biāo)準(zhǔn)連續(xù)，因此采用當(dāng)日前后滑動(dòng)各10 d共21 d的方法(Hart and Grumm，2001)，選取ECMWF interim從1980—2016年共36 a×21 d=756個(gè)樣本作為當(dāng)日的氣候態(tài)，逐日計(jì)算當(dāng)日的氣候平均值(MEANt)和標(biāo)準(zhǔn)差(SDt)，并按公式(1)計(jì)算預(yù)報(bào)要素(FCSTe)集合平均的標(biāo)準(zhǔn)化距平Ae(即異常度)

其中n為異常度達(dá)到1倍、2倍、…M倍標(biāo)準(zhǔn)差的成員數(shù)。之后我們可以把公式(1)應(yīng)用到每個(gè)集合成員，得到所有成員的異常度預(yù)報(bào)；然后就可進(jìn)一步得到針對(duì)某一特定的異常度閾值M(1倍、2倍、…M倍)的概率P(公式2)。此概率的大小就可以用來(lái)作為衡量上述某一異常度預(yù)報(bào)的可信度：如概率大，可信度就大，反之就小，據(jù)此來(lái)增加或減弱預(yù)報(bào)員對(duì)該預(yù)報(bào)的信心，就可有效地提高對(duì)罕見極端高影響天氣預(yù)報(bào)的可靠性。1.2.2 EFI閾值法

Lalaurette(2003)基于ECMWF集合預(yù)報(bào)系統(tǒng)(EPS)開發(fā)了極端預(yù)報(bào)指數(shù)EFI，他假設(shè)，如果由EPS計(jì)算出的模式天氣相對(duì)于這一系統(tǒng)的“模式氣候”為極端事件的話，那么與之對(duì)應(yīng)的實(shí)際天氣相對(duì)于實(shí)際氣候同樣為極端事件?；谶@一假設(shè)，通過(guò)比較集合預(yù)報(bào)所得降水樣本的累計(jì)概率分布函數(shù)(CDF)曲線與“模式氣候”CDF曲線之間的差異，從而對(duì)未來(lái)的極端降水事件進(jìn)行預(yù)報(bào)。EFI的值越大，與其對(duì)應(yīng)的事件有可能越極端，也表示發(fā)生極端事件的可能性越大。

本文先采用雙線性插值法將ECMWF分辨率為0.25°×0.25°的降水EFI插值到站點(diǎn)，再分別以EFI=0.1、0.2、0.3……1.0的區(qū)域代表99%和95%百分位極端降水預(yù)報(bào)落區(qū)，計(jì)算極端降水預(yù)報(bào)的TS評(píng)分。最后以TS評(píng)分最大為標(biāo)準(zhǔn)獲得99%和95%百分位的極端降水事件的EFI預(yù)報(bào)閾值，并進(jìn)一步檢驗(yàn)EFI閾值對(duì)極端降水的識(shí)別效果。

同“集合異常預(yù)報(bào)法”相比，EFI的優(yōu)點(diǎn)是以最新版本模式回算(過(guò)去20 a)而得到的“模式氣候”為背景，可以自動(dòng)消除模式系統(tǒng)性偏差的潛在影響。但EC?MWF只提供了降水、溫度、風(fēng)等氣象要素的EFI，而沒(méi)有計(jì)算與極端降水相關(guān)的動(dòng)力、水汽等氣象因子和形勢(shì)場(chǎng)的異常概率信息，考慮到數(shù)值模式對(duì)于大氣環(huán)流(高預(yù)報(bào)技巧)和降水預(yù)報(bào)(低預(yù)報(bào)技巧)之間的愈加明顯的發(fā)展差異(畢寶貴等，2016)，有必要與“集合異常預(yù)報(bào)法”結(jié)合，發(fā)揮各自的優(yōu)勢(shì)，為預(yù)報(bào)員提供更加全面的極端降水預(yù)報(bào)信息。

2 降水概況及極端特征

2017年10月14—16日浙江沿海和東北部地區(qū)出現(xiàn)了暴雨、大暴雨天氣，強(qiáng)降水致使舟山、寧波部分河網(wǎng)水位超高，多個(gè)鄉(xiāng)鎮(zhèn)積水嚴(yán)重，多地受淹。據(jù)統(tǒng)計(jì)(圖1a)，14日08時(shí)—16日20時(shí)舟山面雨量222.1 mm、寧波面雨量146.2 mm，單站雨量最大為普陀區(qū)南岙549.7 mm，共有63個(gè)站大于250 mm，9個(gè)站大于400 mm。從歷史資料統(tǒng)計(jì)分析來(lái)看，15日舟山地區(qū)的單日面雨量?jī)H次于2005年9號(hào)臺(tái)風(fēng)“麥莎”，列歷史第二。從極端降水的分布看(圖1b，c)，14日20時(shí)—15日20時(shí)突破或達(dá)到歷史同期99%百分位（紅點(diǎn)，以下簡(jiǎn)稱99%百分位事件）的站點(diǎn)主要分布于寧波和臺(tái)州北部地區(qū)，共12個(gè)站點(diǎn)，15日20時(shí)—16日20時(shí)99%百分位事件的站點(diǎn)范圍縮小并北移，主要位于寧波和舟山地區(qū)，共9個(gè)站點(diǎn)。從“卡努”整個(gè)生命期來(lái)看，臺(tái)風(fēng)本體離浙江東北部地區(qū)的最近距離大于1 000 km，然而產(chǎn)生的降水卻超過(guò)了臺(tái)風(fēng)登陸點(diǎn)附近。

圖1 2017年10月14日08時(shí)—16日20時(shí)過(guò)程累積雨量(a,單位:mm)、2017年10月14日20時(shí)—15日20時(shí)極端降水站點(diǎn)分布圖(b)、2017年10月15日20時(shí)—16日20時(shí)極端降水點(diǎn)分布圖(c)。(藍(lán)點(diǎn)為95%分位站點(diǎn)，紅點(diǎn)為99%分位站點(diǎn))Fig.1(a)Total precipitation from 08∶00 BT 14 to 20∶00 BT 16 October 2017(unit:mm),(b)Station distributions for extreme rainfall more than 95%percentile(little circle)and 99%percentile(big circle)from 20∶00 BT 14 to 20∶00 BT 15 October 2017,(c)Station distributions for extreme rainfall more than 95%percentile(blue dot)and 99%percentile(red dot)from 20∶00 BT 15 to 20∶00 BT 16 October 2017.

3 環(huán)流背景分析

“卡努”于2017年10月12日17時(shí)在菲律賓以東洋面上發(fā)展成熱帶風(fēng)暴，在臺(tái)風(fēng)活動(dòng)期間，500 hPa西太平洋副熱帶高壓(以下簡(jiǎn)稱副高)呈東西帶狀(圖2a)，脊線穩(wěn)定維持在26°—27°N附近，強(qiáng)度異常強(qiáng)盛，比常年同期偏強(qiáng)8～10 dagpm，浙江東部處于副高控制之下。13日08時(shí)—16日20時(shí)副高持續(xù)加強(qiáng)，西脊點(diǎn)從125°E逐漸西伸至110°E，“卡努”在副高西南側(cè)偏東氣流的引導(dǎo)下，穩(wěn)定往偏西方向移動(dòng)。15日12時(shí)加強(qiáng)為強(qiáng)臺(tái)風(fēng)，之后強(qiáng)度快速減弱，16日1時(shí)減弱為強(qiáng)熱帶風(fēng)暴，并于16日3時(shí)25分前后在廣東省徐聞縣沿海登陸，登陸時(shí)中心附近最大風(fēng)力10級(jí)(28 m·s-1)，中心最低氣壓988 hPa，此后強(qiáng)度繼續(xù)減弱。

“卡努”大多時(shí)間在南海活動(dòng)，臺(tái)風(fēng)中心距離浙江較遠(yuǎn)，但北側(cè)云系發(fā)展旺盛。從海平面氣壓場(chǎng)和850 hPa風(fēng)場(chǎng)來(lái)看(圖2b)，冷高壓中心位于東北地區(qū)，其底部的東北風(fēng)持續(xù)向華東地區(qū)輸送冷空氣，臺(tái)風(fēng)“卡努”靠近南海以后，引發(fā)臺(tái)風(fēng)外圍與副高之間的東南暖濕氣流增強(qiáng)北進(jìn)，與北側(cè)冷空氣形成一個(gè)東北—西南走向的倒槽，從14日20時(shí)TBB值也可以看見從臺(tái)風(fēng)中心一直伸展至東海中北部的倒槽云系，倒槽附近的云頂亮溫低于-60℃。浙江沿海地區(qū)的云頂亮溫為-40℃以下，降水開始增強(qiáng)。此后倒槽隨臺(tái)風(fēng)向偏西方向運(yùn)動(dòng)，冷暖氣流在浙江沿海長(zhǎng)時(shí)間對(duì)峙，造成了持續(xù)的強(qiáng)降水。在降水期間浙江沿海地區(qū)及東海位于高空急流入口區(qū)右側(cè)及200 hPa南亞高壓(藍(lán)線)控制下(圖2a)，持續(xù)的高空輻散具有抽吸作用，有利于降水增強(qiáng)，倒槽上空的散度中心達(dá)到6×10-5s-1，低層輻合、高層輻散的形勢(shì)有利于倒槽的穩(wěn)定維持。

圖2 2017年10月14日20時(shí)500 hPa高度場(chǎng)、200 hPa急流(風(fēng)向桿)以及散度場(chǎng)(a,陰影表示散度≥1×10-5s-1，藍(lán)線為南亞高壓，綠色為臺(tái)風(fēng)路徑，紫線代表850 hPa臺(tái)風(fēng)倒槽位置)及海平面氣壓場(chǎng)(單位：hPa)、850 hPa風(fēng)場(chǎng)和TBB值(填色，單位：℃)(b)Fig.2(a)Geopotential height at 500 hPa,wind speed and divergence at 200 hPa(the shaded area mean divergence more than 1×10-5s-1,blue line is south Asia high,green line is typhoon track.),(b)Sea level pressure(unit:hPa),wind at 850 hPa and TBB(shaded,unit:℃)at 20∶00 BT 14 October 2017.

從低層925 hPa溫度平流和假相當(dāng)位溫(θse)的演變來(lái)看(圖3)，13～16日華北冷高壓底部東北風(fēng)不斷向華東地區(qū)輸送冷空氣。13日20時(shí)(圖3a)東南沿海一帶存在大范圍-8×10-5K·s-1以上的冷平流區(qū)域，臺(tái)風(fēng)倒槽位于臺(tái)灣以東洋面，隨“卡努”外圍東南暖濕氣流西進(jìn)，浙江沿海θse等值線密集，溫州、臺(tái)州開始出現(xiàn)小陣雨。14日20時(shí)(圖3b)倒槽靠近浙江沿海，東海暖平流加強(qiáng)到10×10-5K·s-1，同時(shí)北側(cè)仍有弱冷平流補(bǔ)充，冷暖空氣在浙江近海海域發(fā)生激烈交匯，θse梯度迅速增強(qiáng)到約32×10-2K·km-1，有明顯的鋒生，臺(tái)州、寧波地區(qū)的降水逐漸增強(qiáng)到20～40 mm·h-1。14日夜里倒槽在浙江沿海地區(qū)一直維持且向北伸展，倒槽北段逐漸與臺(tái)風(fēng)主體斷裂。15日20時(shí)(圖3c)東海中北部的暖平流中心向西北方向移動(dòng)并加強(qiáng)到12×10-5K·s-1，浙江中北部沿海地區(qū)處于倒槽東南風(fēng)和東北風(fēng)的強(qiáng)輻合中，對(duì)應(yīng)有正渦度發(fā)展，θse梯度加強(qiáng)到約36×10-2K·km-1，寧波、舟山雨強(qiáng)達(dá)到了40～70 mm·h-1。16日02時(shí)隨著北側(cè)冷平流的入侵和偏北風(fēng)輻合下正渦度顯著加強(qiáng)，在浙江中北部沿海形成了低壓環(huán)流。16日08、14時(shí)(圖3d)浙江東部地區(qū)冷平流加強(qiáng)到-8×10-5K·s-1，將鋒區(qū)向海上推進(jìn)，中尺度低渦(圖中藍(lán)色圓圈)隨之向偏東方向移動(dòng)，在這個(gè)過(guò)程中，寧波東部和舟山地區(qū)仍處在低渦附近及鋒區(qū)之中，使其產(chǎn)生持續(xù)的強(qiáng)降水。因此，臺(tái)風(fēng)倒槽長(zhǎng)時(shí)間存在，其東側(cè)東南暖濕氣流與北側(cè)冷空氣在浙江沿海地區(qū)持續(xù)交匯，引起鋒生，并在倒槽頂部誘生了低壓環(huán)流，是造成浙江東北部大暴雨的主要原因。

圖3 2017年10月13日20時(shí)(a)、14日20時(shí)(b)、15日20時(shí)(c)、16日14時(shí)(d)925 hPa風(fēng)場(chǎng)、溫度平流(填色，單位：10-5K·s-1)和假相當(dāng)位溫(等值線，單位：K)Fig.3 The 925 hPa Wind field,the temperature advection(shaded,unit:10-5k·s-1)and the potential pseudo-equivalent temperature(contour,unit:K)at(a)20∶00 BT 13，(b)20∶00 BT 14，(c)20∶00 BT 15 and(d)14∶00 BT 16 October 2017.

4 集合異常預(yù)報(bào)法在“卡努”極端降水預(yù)報(bào)中的應(yīng)用

通常極端降水與環(huán)流異常有著直接聯(lián)系，所以，對(duì)于本次過(guò)程嘗試通過(guò)形勢(shì)場(chǎng)和物理量偏離氣候平均值的程度對(duì)過(guò)程的異常性進(jìn)行分析。根據(jù)物理意義和經(jīng)驗(yàn)，低層大氣的南風(fēng)分量、水汽輸送通量以及整層大氣的可降水量是對(duì)暴雨預(yù)報(bào)有指示意義的氣象要素(Junker et a1.，2008；孫軍等，2012；杜鈞等，2014)。圖4為根據(jù)公式(1)計(jì)算的36 h時(shí)效集合平均的水汽通量、大氣可降水量、850 hPa風(fēng)場(chǎng)v分量的標(biāo)準(zhǔn)化距平，從圖4可以看出15日08時(shí)在浙江沿海地區(qū)EC集合預(yù)報(bào)的異常信號(hào)相當(dāng)明顯，850 hPa臺(tái)風(fēng)外圍的東南風(fēng)、東北冷高壓底部的偏東風(fēng)達(dá)到了16～20 m·s-1，浙江沿海的可降水量為60 mm以上，850 hPa u、v分量及可降水量均超過(guò)氣候平均值3個(gè)標(biāo)準(zhǔn)差，達(dá)到了極端的標(biāo)準(zhǔn)。925 hPa水汽通量在浙江東部大于20 g·(cm·hPa·s)-1，超過(guò)氣候平均值4個(gè)標(biāo)準(zhǔn)差。同時(shí)也計(jì)算了200 hPa輻散、各層渦度、垂直速度、低層輻合和水汽通量散度等與降水相關(guān)的物理量(圖略)，其集合平均值的異常度均達(dá)到3～5個(gè)標(biāo)準(zhǔn)差。集合預(yù)報(bào)結(jié)果表明：受倒槽和冷空氣共同影響，極端強(qiáng)盛的臺(tái)風(fēng)東側(cè)東南暖濕氣流和大陸冷高壓底部的偏東干冷氣流長(zhǎng)時(shí)間在浙江沿海交匯，使得這一帶地區(qū)具備優(yōu)越的動(dòng)力和充沛的水汽條件，天氣形勢(shì)有利于極端強(qiáng)降水的發(fā)生。

圖4 ECMWF集合模式預(yù)報(bào)(起報(bào)時(shí)間為10月13日20時(shí))的2017年10月15日08時(shí)集合平均的(a)850 hPa風(fēng)場(chǎng)及u、v分量的標(biāo)準(zhǔn)化距平(填色為v分量，虛線為u分量)；(b)925 hPa水汽通量(等值線，單位：g·(cm·hPa·s)-1)及其標(biāo)準(zhǔn)化距平(填色)；(c)整層大氣可降水量(等值線，單位：mm)及其標(biāo)準(zhǔn)化距平(填色)Fig.4 The ensemble mean forecasts(initiated at 20∶00 BT on 13)from ECMWF ensemble forecast system at 08∶00 BT on 15(a)the wind at 850 hPa and it's normalized anomaly(shaded),(b)the moisture flux at 925 hPa(contour,unit:g·(cm·hPa·s)-1)and it's normalized anomaly(shaded),(c)the precipitable water(contour,unit:mm)and it's normalized anomaly(shaded).

圖5是基于ECMWF集合模式51個(gè)成員所得到的850 hPa南風(fēng)分量、PWT、925 hPa水汽通量的標(biāo)準(zhǔn)化距平超過(guò)3個(gè)標(biāo)準(zhǔn)差的36 h概率預(yù)報(bào)。由圖可見，浙江沿海地區(qū)超強(qiáng)的南風(fēng)異常的可信度達(dá)到70%～90%，大氣可降水量和低空水汽輸送異常的可信度達(dá)80%～90%，200 hPa輻散、850 hPa輻合等其它物理量異?？尚哦纫捕荚?0%以上。因此集合平均預(yù)報(bào)本身的異常度和集合預(yù)報(bào)給出的異常預(yù)報(bào)可信度，指示著極端天氣發(fā)生是高概率事件，這給了預(yù)報(bào)員做決策時(shí)一個(gè)非常重要的信息和參考。實(shí)況證明模式的預(yù)報(bào)是正確的，浙江沿海地區(qū)出現(xiàn)了極端強(qiáng)降水。另外，對(duì)近5年10多個(gè)臺(tái)風(fēng)極端降水的研究中發(fā)現(xiàn)，以上物理量的異常度和異常概率對(duì)降水的極端性和落區(qū)預(yù)報(bào)都有很好的指示意義。這種集合預(yù)報(bào)與氣候資料相結(jié)合定量估計(jì)天氣的異常度以及異常天氣預(yù)報(bào)可信度的方法，在極端降水預(yù)報(bào)中具有較高的應(yīng)用價(jià)值。

圖5 ECMWF集合模式預(yù)報(bào)(起報(bào)時(shí)間為10月13日20時(shí))的2017年10月15日08時(shí)標(biāo)準(zhǔn)化距平大于3個(gè)標(biāo)準(zhǔn)差的概率圖(填色)：(a)850 hPa南風(fēng)分量(虛線代表u分量);(b)大氣可降水量；(c)925 hPa水汽通量Fig.5 The probability of the normalized anomaly exceeds 3 standard deviations from EC ensemble forecast system(initiated at 20∶00 BT on 13)at 08∶00 BT on 15(shaded),(a)the southerly wind at 850 hPa(dashed line represents the westerly wind),(b)the precipitable water and(c)the moisture flux at 925 hPa.

數(shù)值模式的系統(tǒng)性誤差與預(yù)報(bào)時(shí)效有關(guān)，該產(chǎn)品不同時(shí)效預(yù)報(bào)都以EC-interim再分析資料為氣候資料，不同時(shí)效的產(chǎn)品表示的意義不同。如圖6為不同時(shí)效集合預(yù)報(bào)的PWT和850 hPa南風(fēng)分量的標(biāo)準(zhǔn)化距平大于3的概率分布圖，可以發(fā)現(xiàn)，84 h時(shí)效的預(yù)報(bào)即顯示大氣可降水量(圖6a)和低層南風(fēng)在浙江沿海地區(qū)出現(xiàn)10%～20%異常概率，有發(fā)生極端天氣的可能性，雖然概率不高，但也能提前4 d預(yù)報(bào)出極端天氣信息，為預(yù)報(bào)員做決策服務(wù)提供了重要參考依據(jù)。從60 h、36 h、12 h預(yù)報(bào)看出(圖6b—d)，隨著預(yù)報(bào)時(shí)效的臨近，浙江沿海地區(qū)異常度大于3的概率在迅速提高，對(duì)于60 h異常度大于3的概率為30%～40%，36 h概率值提高到了50%～70%，12 h達(dá)到了90%以上。同理，925 hPa水汽通量、200 hPa輻散等其它要素也有相似的演變特征。因此對(duì)于長(zhǎng)時(shí)效的預(yù)報(bào)，概率值會(huì)明顯減小，應(yīng)相應(yīng)地降低預(yù)警的概率閾值。

圖6 不同起報(bào)時(shí)間11日20時(shí)(a)、12日20時(shí)(b)、13日20時(shí)(c)、14日20時(shí)(d)預(yù)報(bào)的15日08時(shí)的PWT(等值線)和850 hPa南風(fēng)分量(填色)標(biāo)準(zhǔn)化距平大于3個(gè)標(biāo)準(zhǔn)差的概率分布Fig.6 The probability of the normalized anomaly exceeds 3 standard deviations of PWT(contour)and southerly wind(shaded)for different lead times:(a)20∶00 BT 11,(b)20∶00 BT 12,(c)20∶00 BT 13 and(d)20∶00 BT 14 October 2017.

5 集合預(yù)報(bào)極端天氣指數(shù)(EFI)預(yù)報(bào)檢驗(yàn)

研究指出EFI可以作為一個(gè)重要的工具提前幾天預(yù)報(bào)出極端天氣事件(Richardson et al.，2011；夏凡等，2012)。應(yīng)用集合預(yù)報(bào)EFI對(duì)本次極端降水過(guò)程進(jìn)行檢驗(yàn)，探討如何有效地利用EFI提高對(duì)極端降水預(yù)報(bào)的準(zhǔn)確率。

10月15日08時(shí)—16日08時(shí)的日降水量達(dá)到最大，從實(shí)況降水圖7a的分布可以看出浙江東部地區(qū)有暴雨到大暴雨，14個(gè)常規(guī)站雨量超過(guò)250 mm，最大的為普陀區(qū)南岙418.6 mm。當(dāng)天實(shí)況日降水量有14個(gè)站點(diǎn)達(dá)到99%百分位事件(藍(lán)色圓點(diǎn))、27站達(dá)到95%百分位事件(綠色圓點(diǎn)+藍(lán)色圓點(diǎn))。浙江東北部大部分站點(diǎn)日降水量為95%百分位事件，99%百分位事件主要集中在寧波和舟山地區(qū)。從不同時(shí)效EC確定性預(yù)報(bào)及站點(diǎn)降水所占的歷史百分位來(lái)看(圖7b—f)，132 h時(shí)效(圖7b)的降水預(yù)報(bào)很弱，沒(méi)有預(yù)報(bào)出這次極端降水事件；108 h時(shí)效預(yù)報(bào)(圖7c)的降水依然較弱，以大雨為主，位于浙北地區(qū)，預(yù)報(bào)降水量的歷史百分位也不高，預(yù)報(bào)員憑借這個(gè)結(jié)果基本不會(huì)考慮有極端降水的可能；84 h預(yù)報(bào)(圖7d)的降水依然不強(qiáng)，在極端降水的落區(qū)上也有一定偏差，高估了浙西北的降水，沿海地區(qū)又偏弱；60 h(圖7e)確定性預(yù)報(bào)的臺(tái)風(fēng)倒槽位置偏西，導(dǎo)致強(qiáng)降水在陸地上的區(qū)域較大，浙江東部地區(qū)都為暴雨、大暴雨，預(yù)報(bào)較實(shí)況偏強(qiáng)。36 h(圖7f)的預(yù)報(bào)最接近實(shí)況，降水的落區(qū)、強(qiáng)度、極端降水的分布和實(shí)況基本一致，但實(shí)時(shí)獲得此次預(yù)報(bào)資料時(shí)降水即將開始，預(yù)報(bào)提前量不夠，不能滿足決策服務(wù)的需求。從以上分析可以發(fā)現(xiàn)：(1)EC確定性模式對(duì)于此次極端降水過(guò)程在84 h之前沒(méi)有報(bào)出，預(yù)報(bào)提前量只有3 d；(2)確定性預(yù)報(bào)無(wú)論在空間位置上還是在強(qiáng)度上都存在很大的跳躍性或不連續(xù)性，這使單一模式預(yù)報(bào)的應(yīng)用價(jià)值大打折扣，因?yàn)轭A(yù)報(bào)員無(wú)法判斷那一次預(yù)報(bào)可信。

圖7 2017年10月15日08時(shí)—16日08時(shí)實(shí)況降水(填色,單位：mm)與降水歷史氣候百分位(a),EC確定性模式不同時(shí)效132 h(b)、108 h(c)、84 h(d)、60 h(e)、36 h(f)降水量預(yù)報(bào)與站點(diǎn)降水所占的氣候百分位(綠色為95%百分位事件站點(diǎn)；藍(lán)點(diǎn)為99%百分位事件站點(diǎn))Fig.7(a)Total precipitation from 08∶00 BT 15 to 08∶00 BT 16 October 2017(shaded,unit:mm)and it’s climatic percentile,the EC precipitation forecast and it’s climatic percentile at different lead times(b)132 h,(c)108 h,(d)84 h,(e)60 h and(f)36 h(blue dot stands for station that reached 99% percentile events,green dot stands for station that reached 95% percentile events).

嘗試用EFI閾值的方法，討論集合預(yù)報(bào)在極端降水中的預(yù)報(bào)能力。本文對(duì)36—132 h時(shí)效降水的EFI做TS檢驗(yàn)，以TS評(píng)分最大為原則確定本次極端降水的EFI臨界閾值。從圖8可以看到，對(duì)于本次降水過(guò)程95%百分位事件，36 h時(shí)效EFI值在0.8時(shí)TS評(píng)分達(dá)到最大(為0.52)，TS評(píng)分達(dá)到最大后迅速降低；隨著時(shí)效延長(zhǎng)最大TS評(píng)分所對(duì)應(yīng)EFI逐漸降低，在60 h、84 h、108 h、132 h時(shí)效EFI值分別在0.7、0.6、0.5、0.5時(shí)TS評(píng)分達(dá)到最大。另外，EFI值對(duì)應(yīng)的最大TS評(píng)分也隨著時(shí)效的延長(zhǎng)而呈現(xiàn)下降的趨勢(shì)。對(duì)于更極端的降水(99%百分位事件)，在36 h時(shí)效EFI值在0.9時(shí)TS達(dá)到最大(0.26)，在60 h、84 h、108 h、132 h時(shí)效EFI值分別在0.8、0.7、0.6/0.7、0.6時(shí)TS評(píng)分達(dá)到最大，隨時(shí)效延長(zhǎng)的趨勢(shì)和95%百分位事件一致。因此隨時(shí)效延長(zhǎng)，極端降水事件的EFI臨界閾值逐漸降低，此結(jié)論與劉琳等(2013)、董全等(2017)相符，所確定的閾值也與作者(羅玲等，2019)對(duì)華東臺(tái)風(fēng)的研究結(jié)果一致。利用不同時(shí)效的EFI臨界閾值代表95%或99%降水落區(qū)，將降水EFI閾值法及ECMWF確定性預(yù)報(bào)對(duì)此次過(guò)程95%百分位極端降水的預(yù)報(bào)TS評(píng)分（表1）進(jìn)行對(duì)比，結(jié)果表明,ECMWF確定性模式對(duì)極端降水預(yù)報(bào)的評(píng)分隨預(yù)報(bào)時(shí)效延長(zhǎng)下降明顯，TS從36 h的0.54快速下降到108 h的0.17，到132 h僅為0.06，而EFI閾值的TS評(píng)分隨時(shí)效延長(zhǎng)變化緩慢，到132 h仍有0.36，對(duì)于99%百分位極端降水也具有一致的變化特征(表略)，表明在較長(zhǎng)時(shí)效EFI閾值法對(duì)極端降水具有更高的預(yù)報(bào)技巧。

表1 不同預(yù)報(bào)方法、不同預(yù)報(bào)時(shí)效的TS評(píng)分Table 1 TS scores of different forecasting methods and forecast periods.

圖8 不同時(shí)效降水EFI的TS評(píng)分：(a)95%百分位；(b)99%百分位Fig.8 The TS score of precipitation EFI for different lead times(a)95% percentile，and(b)99% percentile.

按照以上研究結(jié)果，我們使用EFI閾值發(fā)布極端降水預(yù)報(bào)，檢驗(yàn)EFI對(duì)極端降水的識(shí)別能力。圖9黃色區(qū)域代表不同時(shí)效EFI臨界閾值預(yù)報(bào)的95%百分位事件落區(qū)、橙色為99%百分位事件落區(qū)，對(duì)于36 h時(shí)效日降水EFI指數(shù)(圖9a)，浙江東北部降水EFI≥0.8，寧波和舟山降水EFI≥0.9，為36 h臨界閾值指示的極端降水區(qū)域，與實(shí)況95%、99%百分位事件的站點(diǎn)（綠色、藍(lán)色圓點(diǎn)）有很好的對(duì)應(yīng)關(guān)系，說(shuō)明EFI閾值可以很好預(yù)報(bào)出極端降水。圖9d為108 h時(shí)效日降水EFI預(yù)報(bào)，在浙北東部地區(qū)EFI≥0.6，為臨界閾值指示的極端降水區(qū)域，與實(shí)況99%百分位事件的站點(diǎn)也有比較好的對(duì)應(yīng)關(guān)系；圖9e、f為156 h和180 h時(shí)效的預(yù)報(bào)，EFI的大值區(qū)和實(shí)況極端降水分布基本一致，說(shuō)明對(duì)于此次過(guò)程EFI提前5—7 d對(duì)極端降水有較好的預(yù)報(bào)能力。從36—180 h日降水EFI來(lái)看，不同時(shí)效EFI閾值預(yù)報(bào)的極端降水落區(qū)基本穩(wěn)定，都集中在浙江東北部，均與實(shí)況極端降水站點(diǎn)對(duì)應(yīng)較好，但EFI值隨預(yù)報(bào)時(shí)效的延長(zhǎng)而逐漸降低，因此對(duì)于長(zhǎng)時(shí)效的預(yù)報(bào)需關(guān)注更低的EFI臨界閾值。相比確定性預(yù)報(bào)，集合預(yù)報(bào)EFI所反映的極端信息更穩(wěn)定和可靠，可以比確定性預(yù)報(bào)提前3～4 d預(yù)報(bào)出極端降水信號(hào)，因此在氣象決策服務(wù)中具有更高的參考價(jià)值。

圖9 2017年10月15日08時(shí)—16日08時(shí)不同時(shí)效36 h(a)、60 h(b)、84 h(c)、108 h(d)、156 h(e)、180 h(f)的降水EFI(等值線)、EFI臨界閾值預(yù)報(bào)的極端降水區(qū)域(填色，黃色代表95%百分位，橙色代表99%百分位)與實(shí)況降水歷史氣候百分位(綠色為95%百分位事件站點(diǎn)；藍(lán)點(diǎn)為99%百分位事件站點(diǎn))Fig.9 The precipitation EFI(contour),the area of extreme precipitation forecast by EFI threshold(shaded,yellow area stands for 95%percentile events,orange area stands for 99%percentile events)and the climatic percentile of actual precipitation from 08∶00 BT 15 to 08∶00 BT 16 October 2017 at different lead times.(Blue dot stands for site that reached 99%percentile events,green dot stands for site that reached 95% percentile events)(a)36 h,(b)60 h,(c)84 h,(d)108 h,(e)156 h,(f)180 h.

6 “集合異常預(yù)報(bào)法”和EFI對(duì)極端降水預(yù)報(bào)能力對(duì)比

對(duì)比文章第四部分的研究結(jié)論可以發(fā)現(xiàn)，相對(duì)物理量的集合異常概率隨著預(yù)報(bào)時(shí)效延長(zhǎng)而明顯減小(圖6)，12 h為90%以上，108 h迅速下降至10%以下，降水EFI閾值的變化幅度較小，尤其在84 h后減小更慢，108 h極端降水區(qū)域EFI有0.6以上，156 h仍有0.5(圖9d，e)，因此可以更早提供極端降水的預(yù)警信息。其原因可能是：EFI指數(shù)考慮的是模式預(yù)報(bào)與模式氣候態(tài)之間的偏離程度，因此模式性能隨著預(yù)報(bào)時(shí)效延長(zhǎng)而發(fā)生的變化在EFI指數(shù)中體現(xiàn)的較少，因而在長(zhǎng)時(shí)效的預(yù)報(bào)中比“集合異常預(yù)報(bào)法”更具優(yōu)勢(shì)。

為了定量化地對(duì)比兩種方法的差異，將“集合異常預(yù)報(bào)法”應(yīng)用到降水預(yù)報(bào)中(陳圣劼等，2019)，計(jì)算異常度達(dá)到3的概率。然后給定一個(gè)概率臨界值，概率值取值范圍為0～100%，每隔5%設(shè)定臨界值進(jìn)行檢驗(yàn)，計(jì)算站點(diǎn)TS，TS評(píng)分最大的即為概率臨界值，當(dāng)高于概率臨界值時(shí)即預(yù)報(bào)95%或99%極端降水。將“集合異常預(yù)報(bào)法”和EFI閾值法的TS評(píng)分進(jìn)行對(duì)比，結(jié)果顯示(表1)：36 h預(yù)報(bào)時(shí)效兩種方法的TS接近，到132 h時(shí)EFI閾值法的TS評(píng)分高100%，到156 h高200%，顯然“集合異常預(yù)報(bào)法”對(duì)極端降水的預(yù)報(bào)技巧隨時(shí)效的延長(zhǎng)下降更明顯，因此長(zhǎng)時(shí)效的預(yù)報(bào)效果不如EFI，但優(yōu)于EC確定性預(yù)報(bào)。同時(shí)，杜鈞和李俊(2014)也指出EFI的缺點(diǎn)是易漏掉小概率事件：即當(dāng)從集合預(yù)報(bào)中導(dǎo)出的概率很小(只有很少集合成員報(bào)某極端事件會(huì)“發(fā)生”)而接近模式氣候概率使兩條CDF曲線很接近時(shí)，其EFI值可能達(dá)不到預(yù)先設(shè)定的最小閾值使得EFI值接近0而可能出現(xiàn)漏報(bào)現(xiàn)象；而對(duì)于“集合異常預(yù)報(bào)法”，根據(jù)公式(1、2)即使只有一個(gè)集合成員預(yù)報(bào)了極端事件(如1323號(hào)臺(tái)風(fēng)“菲特”)，就會(huì)使發(fā)生概率P＞0并給出預(yù)警。在本次過(guò)程中由于在最長(zhǎng)預(yù)報(bào)時(shí)效(180 h)強(qiáng)降水區(qū)的EFI仍然大于0.3(圖9f)，說(shuō)明有一定數(shù)量集合成員報(bào)極端降水會(huì)發(fā)生，“集合異常預(yù)報(bào)法”漏報(bào)率低的優(yōu)勢(shì)得不到體現(xiàn)。

從以上分析可知，“集合異常預(yù)報(bào)法”可以獲得與極端天氣相關(guān)的形勢(shì)場(chǎng)和物理量(相比降水為高預(yù)報(bào)技巧)的異常概率，在只有個(gè)別成員報(bào)出極端降水的情況下可減少漏報(bào)率，而EFI以模式氣候?yàn)楸尘跋讼到y(tǒng)性誤差，在長(zhǎng)時(shí)效的預(yù)報(bào)更具優(yōu)勢(shì)，兩者結(jié)合、優(yōu)勢(shì)互補(bǔ)，可以為預(yù)報(bào)員提供更全面的極端天氣信號(hào),從而有效提高極端降水預(yù)報(bào)的準(zhǔn)確率、延長(zhǎng)預(yù)報(bào)提前量。

7 結(jié)論和討論

本文在對(duì)2017年10月14—16日浙江東部極端降水過(guò)程的形成原因進(jìn)行分析的基礎(chǔ)上，運(yùn)用ECMWF集合預(yù)報(bào)的降水EFI及氣象因子的異常概率對(duì)極端降水的可預(yù)報(bào)性進(jìn)行探討，并得出如下結(jié)論：

(1)臺(tái)風(fēng)倒槽長(zhǎng)時(shí)間存在，其東側(cè)東南暖濕氣流與北側(cè)冷空氣在浙江沿海地區(qū)持續(xù)交匯，引起鋒生，并在倒槽頂部誘生了低壓環(huán)流，是造成浙江東北部大暴雨的主要原因。

(2)此次極端降水過(guò)程，36 h時(shí)效集合預(yù)報(bào)在沿海地區(qū)850 hPa南風(fēng)分量、大氣可降水量、925 hPa水汽通量、200 hPa散度等物理量的異常度均超過(guò)3～4個(gè)標(biāo)準(zhǔn)差，且超過(guò)3個(gè)標(biāo)準(zhǔn)差的概率也達(dá)到了70～90%，表明受臺(tái)風(fēng)倒槽和冷空氣影響，浙江沿海地區(qū)具備異常優(yōu)越的動(dòng)力和充沛的水汽條件，且極端天氣發(fā)生的概率很高，此結(jié)果可以極大增加預(yù)報(bào)員對(duì)此次預(yù)報(bào)的信心。

(3)隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，各物理量的異常概率會(huì)明顯減小，因此在判斷極端天氣發(fā)生可能性時(shí)應(yīng)相應(yīng)地降低預(yù)警的概率閾值。

(4)不同時(shí)效降水EFI對(duì)95%和99%百分位事件的預(yù)報(bào)效果均很好，可以比確定性預(yù)報(bào)提前3～4 d提供極端降水信號(hào)，短期時(shí)效(1～3 d)99%百分位事件降水EFI的臨界閾值為0.7～0.9，中期時(shí)效(4～7 d)99%百分位事件的EFI臨界閾值為0.5～0.7。集合預(yù)報(bào)EFI指數(shù)所反映的極端降水信息較確定性模式更加可靠且穩(wěn)定，在決策服務(wù)中具有更高的參考價(jià)值。

(5)“集合異常預(yù)報(bào)法”可以獲得與極端天氣相關(guān)的形勢(shì)場(chǎng)和物理量的異常概率，而EFI以模式氣候?yàn)楸尘跋讼到y(tǒng)性誤差，在長(zhǎng)時(shí)效的預(yù)報(bào)更具優(yōu)勢(shì)，兩者結(jié)合、優(yōu)勢(shì)互補(bǔ)，可以為預(yù)報(bào)員提供更全面的極端天氣信號(hào)。

由以上分析可以發(fā)現(xiàn)集合預(yù)報(bào)在極端降水的中期預(yù)報(bào)中有較好的預(yù)報(bào)效果，預(yù)報(bào)員可以借助要素的標(biāo)準(zhǔn)化異常概率和EFI指數(shù)提前對(duì)極端天氣做出估計(jì)和判斷。由于篇幅的限制，本文只分析和檢驗(yàn)了這次強(qiáng)降水過(guò)程，然而在研究過(guò)程中發(fā)現(xiàn)，以上結(jié)論在很多臺(tái)風(fēng)極端降水個(gè)例中依然適用。