張博 王慧 蔡其發(fā) 鄭飛

1 國家氣象中心，北京 100081 2 中國人民解放軍61741部隊，北京 100094 3 中國科學院大氣物理研究所國際氣候與環(huán)境科學中心，北京 100029

1 引言

阻塞高壓（葉篤正等, 1962）是中高緯度地區(qū)最重要的大氣環(huán)流持續(xù)性異常現(xiàn)象之一，其生成、維持和崩潰與大氣環(huán)流的劇烈變化相聯(lián)系。伴隨研究的深入，學者發(fā)現(xiàn)阻高系統(tǒng)在冬春季節(jié)可造成大范圍的寒潮天氣（Cattiaux et al., 2010; Buehler et al., 2011; Pfahl and Wernli, 2012; 葉培龍等, 2015;Brunner et al., 2017），而在夏季則可帶來持續(xù)性高溫熱浪事件（Matsueda, 2011）。歐亞地區(qū)的阻塞形勢對中國夏季大范圍持續(xù)性異常天氣有著極其重要的影響，阻塞形勢的維持可導(dǎo)致大范圍旱澇天氣的出現(xiàn)（畢慕瑩和丁一匯, 1992; 吳國雄等, 1994; 張慶云和陶詩言, 1998; 陸日宇和黃榮輝, 1999; 顧偉宗等, 2016; 于淑秋和林學椿, 2006）。目前國際上定義阻塞高壓指數(shù)的方法有500 hPa位勢高度的正距平及位渦負距平方法（Dole, 1978）、Lejen?s and ?kland（1983）提出又經(jīng)Tibaldi and Molteni（1990）改進的高度場方法、Pelly and Hoskins（2003）提出用位渦面上的位溫經(jīng)向差來構(gòu)造阻高指數(shù)及Rex（1950）提出的環(huán)流型方法。利用不同的阻高定義方式，北半球阻塞系統(tǒng)分布的氣候?qū)W特征被廣泛研究（Barriopedro et al., 2006; Diao et al., 2006;Tyrlis and Hoskins, 2008; Small et al., 2014; Shi et al.,2016）。在閉合性阻塞系統(tǒng)對天氣氣候產(chǎn)生影響的同時，研究也發(fā)現(xiàn)在一定條件下500 hPa開放性高壓脊同樣也可引發(fā)例如歐洲2003年8月初的極端高溫熱浪事件（Black et al., 2004）和東亞地區(qū)的冷事件（Bueh and Xie, 2015）。為了了解當持續(xù)性高壓脊和閉合性阻塞高壓在時間和空間上均為相鄰狀態(tài)，而作為同一事件被識別和追蹤時，二者之間存在的統(tǒng)計特征有何不同？Liu et al.（2018）開發(fā)了追蹤500 hPa持續(xù)性高值事件算法，該算法既包含傳統(tǒng)的阻塞高壓又囊括了持續(xù)性開放式高壓脊的信號，并分析了北半球500 hPa持續(xù)性高值系統(tǒng)的統(tǒng)計特征，與發(fā)生在北美及歐洲的災(zāi)害性事件進行對比分析。

以往的阻塞檢驗主要是針對阻塞高壓的預(yù)報技巧（王毅等, 2014; 周寧芳和賈小龍, 2018），而本文則結(jié)合定量化阻塞高壓指數(shù)和持續(xù)性高值事件的維持時間及移動路徑開展數(shù)值模式性能的檢驗分析。文章首先基于Liu et al.（2018）開發(fā)的500 hPa持續(xù)性高值事件追蹤方法，利用1979～2017共39年NCEP/NCAR第一套再分析數(shù)據(jù)分析歐亞地區(qū)持續(xù)性高值事件的氣候?qū)W分布特征。隨后借助阻塞高壓指數(shù)評估了GRAPES和ECMWF確定性模式對2018年阻塞形勢的預(yù)報能力，檢驗GRAPES全球集合預(yù)報系統(tǒng)（GRAPES-GEPS）和ECMWF集合預(yù)報對2018年冬季持續(xù)性高值事件的預(yù)報性能，并對2018年12月底發(fā)生在我國寒潮過程的中期延伸期預(yù)報效果開展評估，以獲取GRAPES_GEPS和ECMWF集合預(yù)報對冬季持續(xù)性高值事件的綜合預(yù)報能力。

2 資料和方法

2.1 資料

本文所用的資料包括：1）1979～2017年NCEP/NCAR第一套逐日再分析資料（Kalnay et al., 1996）中500 hPa高度場資料，水平分辨率為2.5°（緯度）×2.5°（經(jīng)度）；2）GRAPES（沈?qū)W順等, 2017）和ECMWF確定性模式12:00（協(xié)調(diào)世界時，下同）起報的500 hPa高度場資料，水平分辨率為2.5°（緯度）×2.5°（經(jīng)度）；3）GRAPES全球集合預(yù)報系統(tǒng)（GRAPES-GEPS）和ECMWF集合預(yù)報（Molteni et al., 1996）12:00起報500 hPa高度場資料，GRAPES-GEPS集合成員30個（包含控制預(yù)報為31個）、ECMWF集合成員50個 （包含控制預(yù)報為51個）。由于模式輸出產(chǎn)品的限制，文章分析時段為2018年12月19日至2019年2月28日，共計72 d。

全球集合預(yù)報系統(tǒng)（GRAPES-GEPS）由中國氣象局數(shù)值預(yù)報中心于2010年啟動開發(fā)，至2018年12月正式業(yè)務(wù)化運行以替代T639全球業(yè)務(wù)集合預(yù)報系統(tǒng)，初值擾動（霍振華等, 2018; 李曉莉等, 2019; 李曉莉和劉永柱, 2019）采用奇異向量 （Singular vectors, SVs）技術(shù)，模式采用隨機物理擾動（Stochastically Perturbed Parameterization Tendencies, SPPT）方案及隨機動能補償 （Stochastic Kinetic Energy Backscatter, SKEB）方案（彭飛等, 2019）。集合成員31個（包含控制預(yù)報1個，擾動成員30個），模式分辨率50 km，預(yù)報時長15 d。通過2016年冬季一個月 （11～12月）的集合預(yù)報試驗，并與同時段業(yè)務(wù)T639_GEPS的結(jié)果進行對比，試驗結(jié)果表明，GRAPES_GEPS的集合平均誤差和離散度增長關(guān)系較好，全面優(yōu)于T639_GEPS。

2.2 高度場持續(xù)高值系統(tǒng)識別算法

對于500 hPa高度場持續(xù)高值事件（簡稱為PMZ事件，Persistent open ridges and blocking high (maxima)of 500-hPa geopotential height, PMZ）檢驗的方法采用的是Liu et al.（2018）所開發(fā)的500 hPa持續(xù)性高壓脊及阻塞高壓系統(tǒng)追蹤方法。追蹤PMZ事件的步驟和標準如下：首先，識別500 hPa高度場局地擾動異常最大值的中心位置，且要求與之相鄰格點的位勢高度均大于100 gpm，與最大值之差小于20 gpm；對同一個持續(xù)性高值事件而言，相鄰兩個時次渦度距平中心區(qū)至少存在一個交叉的網(wǎng)格點，且相鄰兩天的中心位置移動距離小于10個經(jīng)度；持續(xù)性高值事件可維持4 d或者更長時間，直至無連續(xù)中心，持續(xù)天數(shù)達到2 d也可滿足標準。

2.3 高度場持續(xù)高值核心區(qū)移動路徑分類方法

本文對PMZ事件核心移動路徑進行了簡單分類。通過計算事件發(fā)生初始日與結(jié)束日的相對方位，將移動路徑分為8個方向（正東方向為0°，正北方 向 為90°）：東 東 北（0°～45°）、北 東 北 （45°～90°）、北 西 北（90°～135°）、西 西 北 （135°～180°）、西西南（180°～225°）、南西南 （225°～270°）、南東南（270°～315°）、東東南（315°～360°）。

2.4 集合預(yù)報命中概率檢驗方法

文中采用的集合預(yù)報命中概率檢驗方法，即是以模式零場識別的PMZ事件某一時刻位置為中心，計算該點周圍有效半徑（本文有效半徑選為400 km）內(nèi)集合成員占總成員的比例即為集合預(yù)報命中概率。

此外，文中短期時效在預(yù)報業(yè)務(wù)中是指時效在3 d以內(nèi)的預(yù)報；中期時效指未來3 d以上到10 d以內(nèi)的預(yù)報；延伸期時效是指11 d以上到20 d以內(nèi)的預(yù)報；中期延伸期在預(yù)報業(yè)務(wù)上指3 d以上到20 d以內(nèi)的預(yù)報。

2.5 阻塞高壓定義

阻塞高壓指數(shù)的定義采用Tibaldi and Molteni（1990）的方法，該指數(shù)計算較為簡便且易于被業(yè)務(wù)監(jiān)測部門使用（李威等, 2007; 王前等,2017）。

對每個經(jīng)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）計算如下（Tibaldi and Molteni, 1990; 李威等, 2007）：

其中，Z代表位勢高度，Φn= 80°N+δ，Φ0= 60°N+δ，Φs= 40°N+δ，計算梯度的緯度插值δ=-5°, 0°, 5°。

對某時某經(jīng)度任意一個 δ值，如果條件同時滿足1）GHGS＞0和2）GHGN＜-10 m/緯度，則診斷為該時該經(jīng)度有阻塞，阻塞指數(shù)為GHGS。當有兩個以上的δ 值同時滿足1）和2）兩個條件時，則取GHGS值大者為阻塞指數(shù)。

3 PMZ事件的氣候分布特征

圖1給出1979～2017年歐亞地區(qū)春、夏、秋和冬季PMZ事件發(fā)生格點的頻率分布，由圖可見烏拉爾地區(qū)（60°E～90°E）PMZ事件年均發(fā)生頻率最高、貝加爾湖其次、鄂霍茨克海地區(qū)發(fā)生頻率最低，這一結(jié)果與李艷等（2010）采用PV-θ阻塞高壓指數(shù)計算3個關(guān)鍵區(qū)阻塞高壓發(fā)生頻率相同。烏拉爾地區(qū)PMZ事件在春季（圖1a）和冬季（圖1d）發(fā)生的頻率較夏季（圖1b）和秋季（圖1c）有明顯升高，該地區(qū)夏季為PMZ事件發(fā)生頻率最低的季節(jié)。而對于遠東地區(qū)而言，夏季該地區(qū)PMZ事件發(fā)生頻率超過4%，且從貝加爾湖向東延伸至140°E附近，春季、秋季和冬季遠東地區(qū)PMZ事件罕有發(fā)生。冬季烏拉爾山附近PMZ事件的維持時間和出現(xiàn)位置與我國寒潮天氣過程密切相關(guān)，而遠東地區(qū)夏季PMZ事件的發(fā)生則與我國長江中下游夏季尤其是8月降水異常有很好的相關(guān)關(guān)系 （Zhang et al., 2019）。

圖1 1979～2017年春、夏、秋、冬季500 hPa持續(xù)性高值[Persistent open ridges and blocking high (maxima) of 500 hPa geopotential height,PMZ]事件出現(xiàn)頻率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

為了更好地了解烏拉爾山地區(qū)冬季PMZ事件的氣候特征，從PMZ事件的生命史、移動距離、移速及移動方向進行了統(tǒng)計分析。烏拉爾山地區(qū)冬季發(fā)生的PMZ事件生命周期最高頻率為2～3 d，超過4 d約占近30%，最長生命周期可達10 d（圖2a）。從烏拉爾山地區(qū)冬季PMZ事件出現(xiàn)至消亡整個生命周期的移動距離可以看出（圖2b），超過80%的PMZ事件移動距離小于1000 km，整個事件最長累計移動距離超過2000 km。該地區(qū)冬季PMZ事件移動速度（圖2c）低于400 km/d的頻率已超過90%，從移動距離和移動速度的頻率分布可以看出，烏拉爾山地區(qū)冬季的PMZ事件具有穩(wěn)定少動的特點。從移動方向來看（圖2d），以東東北方向發(fā)生頻率最高（42%），其次為東東南方向（27%），北東北、北西北、西西北三個移動方向頻率之和為10%，表明烏拉爾山地區(qū)冬季PMZ事件以東傳方向為主。

圖2 1979～2017年烏拉爾山地區(qū)冬季PMZ事件特征：（a）生命史；（b）移動距離；（c）移動速度；（d）移動方向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確定性模式對2018年冬季歐亞阻塞高壓檢驗

圖3給出了GRAPES和ECMWF確定性模式零場和不同時效預(yù)報的（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）阻塞高壓指數(shù)的時間序列，由于貝加爾湖和烏拉爾山地區(qū)高度場在該段時間內(nèi)無明顯阻塞事件故不作單獨討論。圖3中顯示，兩家確定性模式零場均體現(xiàn)2018年冬季鄂霍茨克海地區(qū)主要出現(xiàn)4次阻塞形勢過程，出現(xiàn)的時間依次是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月下旬的阻塞形勢持續(xù)時間最長、阻塞指數(shù)也最強，GRAPES模式零場阻塞持續(xù)7 d、峰值為7.4 m/緯度，ECMWF模式零場阻塞持續(xù)6 d、峰值為7.8 m/緯度；2019年2月上旬末阻塞強度最弱。

由圖3可見，GRPAES確定性模式-10 d至-1 d均可對前兩次阻塞形勢給出預(yù)報提示，但進入6 d內(nèi)對兩次形勢的持續(xù)時間和峰值強度預(yù)報與零場更為接近，而超過7 d預(yù)報的阻塞指數(shù)強度和峰值出現(xiàn)時間則顯得較為分散。ECMWF確定性模式在8 d時效以內(nèi)對于發(fā)生在2018年12月下旬的阻塞過程預(yù)報與零場均較為一致，而對于2019年1月下旬的過程在6 d時效以內(nèi)預(yù)報效果與零場接近；對于發(fā)生在2019年2月上旬初的阻塞過程而言，GRPAES模式可預(yù)報時效為4 d、ECMWF模式為6 d；對于2月上旬末的弱阻塞過程，兩個模式中短期時效預(yù)報效果與零場差別均較大。由以上分析可知，GRAPES和ECMWF確定性模式對2018年冬季發(fā)生鄂霍茨克海地區(qū)的偏強阻塞形勢在中短期時效有較好的預(yù)報效果，且ECMWF模式預(yù)報性能優(yōu)于GRAPES模式，而對弱阻塞形勢預(yù)報兩家模式均不理想。

圖3 GRAPES確定性模式零場及提前（a）1～5 d和（b）6～10 d預(yù)報鄂海阻塞指數(shù)時間序列、ECMWF確定性模式零場及提前（c）1～5 d和（d）6～10 d預(yù)報鄂海阻塞指數(shù)時間序列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集合預(yù)報對2018年冬季PMZ事件的檢驗分析

5.1 GRAPES_GEPS對2018年冬季PMZ事件的檢驗分析

在評估GRAPES_GEPS對2018年冬季PMZ事件預(yù)報能力之前，首先給出該模式對2018年12月19日至2019年2月28日北半球500 hPa高度場環(huán)流預(yù)報情況。圖4給出了2018年12月19日至2019年2月28日500 hPa高度場北半球控制預(yù)報（CTL）及集合平均（Mean）距平相關(guān)系數(shù) （Anomaly Correlation Coefficient, ACC）不同時效分布（圖4a），可以看到，集合平均相對于控制預(yù)報隨著預(yù)報時效ACC數(shù)值增加，效果改進明顯，其中96 h預(yù)報后改進更為顯著，216 h預(yù)報集合平均較控制預(yù)報提高0.113。對均方根誤差（RMSE）及離散度（Spread）（圖4b）而言，集合平均RMSE相對控制預(yù)報優(yōu)勢明顯，但模式離散度則相對RMSE偏低。

圖4 2018年12月19日至2019年2月28日500 hPa高度場北半球GRAPES_GEPS控制預(yù)報及集合平均（a）ACC、（b）RMSE及離散度不同預(yù)報時效分布特征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控制預(yù)報對2018年冬季PMZ事件檢驗

通過對2018年12月19日至2019年2月28日GRAPES_GEPS控制預(yù)報零場的PMZ事件分析發(fā)現(xiàn)，共有16次PMZ事件發(fā)生，其中生命史為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（見表1）。圖5給出2018年12月19日至2019年2月28日GRAPES_GEPS控制預(yù)報零場的PMZ事件分布，由圖可見絕大多數(shù)PMZ事件均發(fā)生在貝加爾湖地區(qū)及以西的歐亞大陸。共有6次事件發(fā)生在烏拉爾山地區(qū) （60°E～90°E），平均生命史為4.2 d，移動距離為1670.5 km，移動速度為383 km/d，與圖2通過再分析資料計算的冬季烏拉爾山地區(qū)PMZ事件氣候態(tài)特征較為一致，由此可見該模式控制預(yù)報零場能較好地反映冬季歐亞地區(qū)PMZ事件。相對于2018年12月（綠線）和2019年2月（藍線）而言，2019年1月（紅線）歐亞大陸發(fā)生的PMZ事件最為頻繁，共發(fā)生了9次。

圖5 2018年12月19日至2019年2月28日GRAPES_GEPS控制預(yù)報零場的PMZ事件分布（綠線：2018年12月；紅線：2019年1月；藍線：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

為了評估GRAPES_GEPS控制預(yù)報不同時效對PMZ事件的預(yù)報能力，選取了-2 d和-5 d兩個預(yù)報時效進行考察。結(jié)果表明，-2 d時效共預(yù)報出6次PMZ事件，其中發(fā)生在2018年12月有1次、2019年1月有3次、2019年2月有2次。按照預(yù)報事件發(fā)生的時間和位置，確定了預(yù)報與零場PMZ事件的匹配情況。-2 d預(yù)報事件的時長與零場相當或者偏少。對于預(yù)報的PMZ事件中心位置而言，-2 d預(yù)報的2019年2月16～21日過程最為接近零場，事件的起止時間與零場相同，起始位置與零場偏差小于100 km，終點位置偏差小于400 km。對于零場2018年12月25～31日（序號3）的PMZ事件而言，-2 d預(yù)報事件（序號1）維持3 d，明顯少于零場，起點和終點位置與零場偏差都在500 km以上，存在較大的預(yù)報偏差。該模式-2 d對2018年冬季PMZ事件起止位置預(yù)報偏差最大可超過1000 km，平均偏差為552 km。由-5 d的2018年12月19日至2019年2月28日PMZ事件可見，該時效共預(yù)報出6次PMZ事件，但是只有3次事件與零場可匹配。-5 d預(yù)報的事件起止位置與零場平均偏差為790 km，最大偏差為1455.8 km，最小為446.2 km。對于事件維持時長而言，-5 d預(yù)報與零場相比以偏少為主。通過對比-2 d和-5 d預(yù)報結(jié)果可以看出，GRAPES_GEPS控制預(yù)報中期時效預(yù)報效果明顯差于短期時效，控制預(yù)報模式對冬季PMZ事件的預(yù)報能力表現(xiàn)欠佳。

為了直觀對比-2 d和-5 d GRAPES_GEPS控制預(yù)報的PMZ事件情況，圖6a和6b分別給出2018年12月19日至2019年2月28日該模式在兩個時效預(yù)報的PMZ事件分布。對于2018年12月而言，-2 d僅預(yù)報出12月28～30日的PMZ事件（圖6a綠線），維持3 d，較零場明顯偏短；-5 d同樣也預(yù)報出12月底的PMZ事件，但零場中移動路徑以緯向為主，而-5 d預(yù)報以經(jīng)向移動路徑為主 （圖6b綠線）。對于2019年1月，零場共出現(xiàn)9次PMZ事件，其中5次發(fā)生在巴爾喀什湖至貝加爾湖之間區(qū)域，對比-2 d和-5 d預(yù)報可以看出，GRAPES_GEPS控制預(yù)報對2019年1月的PMZ事件預(yù)報并不理想，事件發(fā)生頻數(shù)較零場明顯偏低 （-2 d預(yù)報出3次，-5 d預(yù)報出2次）。對于2019年2月，零場中出現(xiàn)4次PMZ事件，其中發(fā)生在2月上旬的事件主要集中在地中海以北地區(qū)，2月中下旬的事件集中在貝加爾湖一帶，-2 d預(yù)報出了分別發(fā)生在2月上旬和中旬的PMZ事件，且位置與零場較為接近，但事件的維持時長較零場偏短。-5 d未能預(yù)報出與2月零場相匹配的PMZ事件。

圖6 GRAPES_GEPS控制預(yù)報提前（a）2 d和（b）5 d預(yù)報2018年12月19日至2019年2月28日的PMZ事件分布（綠線：2018年1月；紅線：2019年1月；藍線：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)

通過分析GRAPES_GEPS控制預(yù)報對2018年冬季PMZ事件的預(yù)報能力可以發(fā)現(xiàn)，短期時效預(yù)報與零場可對應(yīng)的PMZ事件個數(shù)多于中期時效，且短期時效預(yù)報的PMZ事件起止位置與零場的偏差距離明顯低于中期時效。

5.1.2 GRAPES_GEPS集合預(yù)報對2018年12月冬季PMZ事件檢驗

王毅等（2014）利用Tibaldi and Molteni （1990）定義的阻高指數(shù)檢驗了ECMWF集合預(yù)報對2018年1月歐亞地區(qū)阻塞發(fā)生頻率的預(yù)報性能，發(fā)現(xiàn)集合預(yù)報的優(yōu)勢主要體現(xiàn)在中期預(yù)報時段。為了對比GRAPES_GEPS集合預(yù)報和控制預(yù)報對2018年冬季PMZ事件的預(yù)報性能，表2給出集合預(yù)報不同時效起報的16次PMZ事件命中概率（方法介紹見2.4節(jié)）。表中“-1 d”指某一次PMZ事件開始日期的前一天、“-2 d”指開始日期的前兩天。命中概率大于50%的平均預(yù)報時長是1 d，命中概率為40%～50%的平均時長是3.6 d，命中概率為30%～40%的平均時長是3.2 d，命中概率為20%～30%的平均時長是4.1 d，命中概率為10%～20%的平均時長是6.2 d，小于10%命中概率的平均預(yù)報時長是7.6 d?？梢钥闯?，伴隨預(yù)報時效逐步臨近命中概率數(shù)值增加，表明更多的集合成員可預(yù)報出與零場接近的PMZ事件。

表2 GRAPES_GEPS集合預(yù)報不同時效起報的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日我國出現(xiàn)一次寒潮天氣過程，全國大部地區(qū)日平均氣溫下降超過8°C，江南和華南的部分地區(qū)降溫超過10°C。通過追蹤識別發(fā)現(xiàn)12月25～31日在巴爾喀什湖至貝加爾湖之間出現(xiàn)了維持日數(shù)達7 d的PMZ事件，本文對該次事件進行了檢驗。圖7a和7b分別給出2018年12月25～31日GRAPES_GEPS控制預(yù)報和集合平均500 hPa位勢高度場分布，由圖可見控制預(yù)報和集合平均的零場及-3 d預(yù)報場均呈現(xiàn)出歐亞大陸中高緯存在兩槽一脊的分布形勢，對貝加爾湖附近的橫槽也給出較好的預(yù)報，但二者-3 d預(yù)報貝加爾湖以西地區(qū)高壓脊強度與零場對比略偏弱。雖然12月25～31日500 hPa高度平均場可以體現(xiàn)貝加爾湖以西地區(qū)有高壓脊發(fā)展，但并不能提供高壓脊系統(tǒng)的維持時間、移動路徑和強度的變化，因此可以通過PMZ事件識別方法來進行高壓脊系統(tǒng)的識別和檢驗，從而可以更好的對GRAPES_GEPS集合預(yù)報中期延伸期時效對冬季高壓脊的預(yù)報能力進行評估。

圖7 2018年12月25～31日基于（a）GRAPES_GEPS控制預(yù)報和（b）集合平均的500 hPa位勢高度場（單位：dagpm）（黑線：零場；紅線：3 d預(yù)報）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)

為更好地評估GRAPES_GEPS集合預(yù)報中期延伸期時效對2018年12月25～31日PMZ事件的預(yù)報能力，圖8給出了該時段GRAPES_GEPS集合預(yù)報中期延伸期時效PMZ事件集合預(yù)報命中概率分布情況。由圖可見，19日起報，20%～30%集合成員給出PMZ事件預(yù)報，高壓脊中心位置和移動路徑與零場較為接近；自20日起，預(yù)報PMZ事件的集合成員數(shù)增多、模式穩(wěn)定性提高；22日，有近半數(shù)成員均給出有效預(yù)報，且高壓脊中心位置、移動路徑、高壓脊維持時間與零場均較為一致；23～24日起報，絕大多數(shù)成員預(yù)報出12月下旬末期的PMZ事件，但可以發(fā)現(xiàn)GRAPES_GEPS集合預(yù)報對此次PMZ事件的維持時間預(yù)報較零場偏短、高壓脊強度較零場偏弱。

圖8 GRAPES_GEPS 2018年12月（a）19日、（b）20日、（c）21日、（d）22日、（e）23日、（f）24日起報的2018年12月25～31日PMZ事件集合預(yù)報命中概率分布（黑粗線：零場；陰影：集合成員）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，通過對比發(fā)現(xiàn)2018年12月19日起報的控制預(yù)報并未預(yù)報出12月下旬末期發(fā)生在巴爾喀什湖以北的PMZ事件，而部分集合成員給出了一定的預(yù)報信息（圖略）。由此可見，GRAPES_GEPS集合預(yù)報對于本次PMZ事件在中期延伸期時效上可以提供一定的指示性作用。

5.2 ECMWF集合預(yù)報對2018年冬季PMZ事件的檢驗分析

當前ECMWF確定性預(yù)報可用預(yù)報時效接近9 d，集合預(yù)報的可用預(yù)報時效則遠超10 d。本文對比了ECMWF和GRAPES_GEPS兩個模式集合預(yù)報對PMZ的預(yù)報能力。由于PMZ事件是利用模式500 hPa零場計算來確定，因此分別由ECMWF集合預(yù)報和GRAPES_GEPS兩家模式控制預(yù)報零場來確定的PMZ事件次數(shù)和起止時間勢必不一致，這里采用的檢驗手段是預(yù)報場均與自身零場進行比較。2018年冬季ECMWF集合預(yù)報控制預(yù)報零場共識別出11次PMZ事件，ECMWF集合預(yù)報命中概率大于50%的平均預(yù)報時長是1.8 d，命中概率為40%～50%的平均時長是2.6 d，命中概率為30%～40%的平均時長是3 d，命中概率為20%～30%的平均時長是5.2 d，命中概率為10%～20%的平均時長是6 d，小于10%命中概率的平均預(yù)報時長是8.5 d。由兩家模式不同時效起報PMZ事件集合預(yù)報命中概率曲線分布（圖9）可見，ECMWF在前期預(yù)報效果明顯占優(yōu)（1～5 d），但隨著預(yù)報時效的增加，性能明顯衰減，第8天性能已與GRAPES_GEPS模式基本保持一致，而后期 （9～13 d）GRAPES_GEPS模式甚至顯示一定優(yōu)勢。

圖9 GRAPES_GEPS（灰線）和ECMWF（黑線）對不同時效起報PMZ事件集合預(yù)報命中概率分布Fig. 9 GRAPES_GEPS (grey line) and ECMWF (black line) ensemble forecast strike probability distribution of PMZ

6 結(jié)論和討論

本文基于GRAPES_GEPS和ECMWF全球集合預(yù)報產(chǎn)品，利用PMZ識別方法，以2018年冬季在歐亞地區(qū)中高緯出現(xiàn)的500 hPa持續(xù)性高值事件為研究對象，分析了兩家集合預(yù)報模式對北半球500 hPa持續(xù)性高值事件的預(yù)報效果，并對12月底發(fā)生在我國的寒潮過程的高壓脊形勢進行了詳細的評估。此外文章還采用Tibaldi and Molteni（1990）定義的阻高指數(shù)對比了GRAPES和ECMWF確定性模式對2018年冬季鄂霍茨克海阻高的預(yù)報性能。研究發(fā)現(xiàn)：

（1）歐亞地區(qū)冬季PMZ事件主要發(fā)生在烏拉爾山地區(qū)，該地區(qū)PMZ事件生命史以2～3 d為主，生命史內(nèi)移動距離小于1000 km，具有穩(wěn)定少動的特點。

（2）GRAPES和ECMWF確定性模式對2018年冬季發(fā)生鄂霍茨克海地區(qū)的偏強阻塞形勢在中短期時效有較好的預(yù)報效果，且ECMWF模式預(yù)報性能優(yōu)于GRAPES模式，而對弱阻塞形勢預(yù)報兩家模式均不理想。

（3）GRAPES_GEPS控制預(yù)報中期時效預(yù)報效果明顯差于短期時效，控制預(yù)報模式對冬季PMZ事件的預(yù)報能力表現(xiàn)欠佳。GRAPES_GEPS集合預(yù)報伴隨預(yù)報時效臨近更多的集合成員可預(yù)報出與零場接近的PMZ事件。

（4）對于2018年12月25～31日發(fā)生在巴爾喀什湖至貝加爾湖一帶的PMZ事件，GRAPES_GEPS集合預(yù)報在延伸期時效給出預(yù)報信息，隨預(yù)報時效臨近，絕大多數(shù)成員均給出有效預(yù)報，但與零場相比維持時間預(yù)報較零場偏短、高壓脊強度較零場偏弱。

（5）與GRAPES_GEPS模式相比，ECMWF前期預(yù)報效果明顯占優(yōu)，但隨著預(yù)報時效的增加，效果顯著降低，GRAPES_GEPS在10 d后可顯示出一定的預(yù)報優(yōu)勢。

目前中期延伸期預(yù)報對大氣環(huán)流系統(tǒng)的業(yè)務(wù)檢驗還多停留在傳統(tǒng)檢驗評分上，對影響我國天氣氣候異常的主要天氣系統(tǒng)還缺乏追蹤和檢驗技術(shù)。本文利用前沿的PMZ識別技術(shù)，獲取集合預(yù)報命中概率評分將有效提升中期延伸期時效西風帶系統(tǒng)預(yù)報能力。未來有望將該方法應(yīng)用于實際業(yè)務(wù)中以提高整體評估效果。

致謝感謝國家氣象中心周寧芳正研級高工對本文的建議和指導(dǎo)。