卜文惠，陳昊明，李普曦

(中國氣象科學研究院，北京 100081)

引言

中國地處東亞季風區(qū)，夏季風影響降水導致中東部地區(qū)夏季旱澇頻發(fā)(陶詩言，1980；丁一匯，1993；丁一匯等，2007)。梅雨是東亞夏季風的重要降水過程，雨帶隨西北太平洋副熱帶高壓(以下簡稱副高)第一次北跳后穩(wěn)定在江淮流域(Tao and Chen，1987；Ding，1992；Ding and Chan，2005)。江淮流域氣候統(tǒng)計意義的梅雨期為6月中下旬至7月中上旬，梅雨期間平均降雨量達200～300 mm，約占夏季降水總量的一半(梁萍和丁一匯，2012；Ding et al.，2020)。梅雨鋒兩側(cè)的濕度緯向梯度較大，低層有明顯的水平風切變(鄭永光等，2007)。在日內(nèi)時間尺度上，中國中東部地區(qū)表現(xiàn)為午后、午夜至清晨的雙峰特征(Yu et al.，2007a，2007b；Yuan et al.，2010；Yuan et al.，2013；宇如聰?shù)龋?014；傅云飛等，2020)。前人研究表明，梅雨受到多種天氣尺度系統(tǒng)的綜合影響，如對流層上層的南亞高壓和西風急流形成的高層輻散場有利于垂直運動的產(chǎn)生與發(fā)展(況雪源和張耀存，2006)；中低層的西北太平洋副高影響著降水的落區(qū)位置(陶詩言和衛(wèi)捷，2006)；西南低空急流作為強降水的水汽輸送帶，可將低緯度地區(qū)的暖濕氣團輸送至梅雨鋒區(qū)，同時在梅雨鋒南側(cè)的低層大氣形成輻合場，為強降水的觸發(fā)積累對流有效位能(孫淑清和翟國慶，1980；周靜等，2017)。與此同時，影響梅雨期強降水的低層環(huán)流系統(tǒng)諸如低層切變線的東移，可有利于地面低壓發(fā)展，導致切變線前側(cè)垂直上升運動增加的同時，也為強降水提供了較為豐沛的水汽輸送(徐雙柱和鄒立維，2008)。在高低層系統(tǒng)的共同作用下形成大范圍、長時間的降水(張順利等，2002；Guan et al.，2020)。

此前已有大量研究評估不同模式對梅雨鋒的模擬性能。從CMIP3到CMIP5，多模式的集合平均對東亞夏季風氣候態(tài)的模擬表現(xiàn)為降水偏少且雨帶位置偏北，這與模式對西北太平洋副高模擬偏差有關(周天軍等，2018)。受制于較粗的空間分辨率以及模式中不完備的物理過程等，對降水的數(shù)值模擬仍存在一定偏差(Li et al.，2015；周天軍等，2018)。圍繞ECMWF模式對2016年持續(xù)性梅雨過程的預報評估表明，當預報的中緯度(500 hPa)槽偏強時，集合預報系統(tǒng)的雨帶位置偏北(Ma et al.，2019)。同時，ECMWF模式對副高的預報偏強也可導致預報的雨帶位置偏北(周寧芳等，2018)。研究表明，ECMWF模式對不同影響系統(tǒng)下形成的降水預報偏差各有不同(符嬌蘭和代刊，2016；龐玥等，2019)。此外，我國GRAPES-GFS全球模式對于對流性較強、斜壓性較弱的降水過程呈現(xiàn)出預報雨帶偏北的偏差特征，這可能與模式對雨帶南側(cè)的偏南氣流預報過強有關(宮宇等，2018)。

傳統(tǒng)的數(shù)值模式檢驗評分方法(如Threat Score評分等)，給出預報準確度的評價，缺乏導致誤差原因的信息。在模式分辨率提高的情況下，可能出現(xiàn)雙重懲罰現(xiàn)象(戴建華等，2013)?？臻g檢驗技術如面向?qū)ο蟮脑\斷評估方法MODE(Method for Object-based Diag?nostic Evaluation)是近年來數(shù)值預報檢驗評估領域的研究熱點，能給出模式偏差更多的空間信息(Davis et al.，2006a，2006b；Skok et al.，2010；白慧和高輝，2016)。使用MODE方法得到的最大相似度中值(Median of Maxi?mum Interest)，評估模式與觀測中識別對象的相似度，以此考察模式對不同環(huán)流型降水漏報、空報的偏差特征(尤鳳春等，2011)。MODE方法量化了空間特征信息，豐富對模式性能的分析，如ECMWF模式評估臺風強降水對象存在偏北的系統(tǒng)誤差(蘇翔和康志明，2020)。

2020年6月10日—7月20日，江淮流域出現(xiàn)持續(xù)性大范圍強降水過程，梅雨的汛期長，暴雨過程頻繁(劉蕓蕓和丁一匯，2020；羅琪和張芳華，2020)?？偨邓窟_歷年峰值，異常程度超1998年，造成了嚴重的洪澇及地質(zhì)災害，降水過程的極端性較強(Liu et al.，2020；蔡薌寧等，2020；陳濤等，2020；任宏昌和符嬌蘭，2020；王永光等，2020；張芳華等，2020)。此前針對梅雨強降水過程評估多關注其氣候平均態(tài)或單次事件，較少有研究評估模式對強降水時空演變特征的預報性能。本文擬從降水的空間尺度出發(fā)，評估當前較為先進的數(shù)值預報產(chǎn)品對我國2020年梅雨期極端強降水過程的預報性能，以期了解當前業(yè)務數(shù)值預報模式對于梅雨降水的預報能力及關鍵偏差，為提升數(shù)值預報產(chǎn)品的應用能力和數(shù)值模式的改進提供有益參考。

1 數(shù)據(jù)與評估方法

1.1 數(shù)據(jù)說明

本文使用的降水數(shù)據(jù)為國家氣象信息中心發(fā)布的中國地面-衛(wèi)星-雷達三源融合逐小時降水產(chǎn)品(China Hourly Merged Precipitation Analysis combining observations from automatic weather stations,meteorolog?ical satellite and weather radar，CMPAS)V2.0，水平分辨率為0.05°×0.05°。分析時段為2020年6月10日—7月20日，空間范圍為105°—125°E，20°—40°N。為了分析與梅雨降水過程相對應的大尺度環(huán)流背景，使用ERA5再分析產(chǎn)品，ERA5是由哥白尼氣候變化服務部門開發(fā)(Copernicus Climate Change Service，C3S)的EC?MWF第5代全球氣候再分析資料(http://climate.coper?nicus.eu/products/climate-reanalysis)，水平分辨率為0.25°×0.25°，時間分辨率為1 h。本文評估的業(yè)務數(shù)值預報模式為ECMWF的全球高分辨率確定性預報產(chǎn)品(下文簡稱ECMWF)，其水平分辨率為0.125°×0.125°。針對分析時段內(nèi)每日08時(北京時，下同)起報的12—36 h逐3 h預報結果進行評估。為了客觀比較觀測和模式預報結果，將降水觀測資料(0.05°×0.05°)插值到ECMWF模式網(wǎng)格(0.125°×0.125°)。我們比較了不同插值方法(雙線性插值、面積守恒插值)對結果的相對影響，結果表明不同插值方法差別不大。此外，本文關注的是大尺度的雨帶信息，插值所帶來的誤差不影響本文結論。因此，本文采用了雙線性插值方法將觀測和模式統(tǒng)一至相同網(wǎng)格(ECMWF的模式網(wǎng)格)，方便客觀比較觀測和模式的預報結果。日降水量定義為當日20時至次日20時的24 h累積降水量。

1.2 評估方法

MODE方法給定卷積半徑R對原始降水場卷積，設定閾值T，采用非0即1的方法，解析出滿足條件的空間降水對象，在此基礎上計算各對象的質(zhì)心、面積等信息(Brown et al，2004；劉湊華和牛若蕓，2013；潘留杰等，2016)。降水落區(qū)近似為不規(guī)則橢圓形，其長軸為雨帶長度；短軸為雨帶寬度?？v橫比為長短軸之比，縱橫比越大，雨帶趨于扁平，比值越小，雨帶越接近圓形。降水落區(qū)的空間范圍則以橢圓的面積為代表，面積越大，降水范圍越大。雨帶軸角為長軸與緯圈之間的夾角，角度越小，雨帶形態(tài)越為平直、呈準東西向空間分布；角度越大，雨帶則越傾向于西南-東北走向或者西北-東南走向。根據(jù)2020年梅雨降水特性，下文在MODE方法中使用卷積方法(R>15×12.5 km)，并根據(jù)24 h降水量>25 mm選擇降水面積最大的雨帶為研究對象。小于閾值的降水日未做統(tǒng)計，得到研究時段內(nèi)實際大范圍雨帶降水日共34 d。MODE方法對于3 h累積降水過程的識別，卷積半徑R>3×12.5 km，3 h降水量>4 mm，且緯度偏差在5°范圍內(nèi)的降水為研究對象，得到降水過程共287次。

2 ECMWF模式對2020年梅雨期強降水預報性能的檢驗評估

2.1 日平均降水的時空演變特征評估

2020年梅雨期我國江淮流域發(fā)生持續(xù)性強降水過程，相較歷史同期入梅早、出梅晚，梅雨期間總降水量偏多，極端性強，形成了嚴重的洪澇災害。圖1中給出2020年6月10日—7月20日梅雨期間中國中東部地區(qū)觀測和ECMWF模式預報的日平均降水量的空間分布，圖中黑色粗曲線為使用MODE方法識別的目標降水的落區(qū)范圍，得到雨帶空間信息如表1所示。由圖1a可見，觀測雨帶為準緯向型，呈現(xiàn)出兩個降水大值中心，東側(cè)的強降水中心(~116°E)位于大別山東南以及皖南山區(qū)，西側(cè)的強降水中心(~110°E)位于我國二階地形附近的湖北鄂西山區(qū)，降水大值中心的日平均降水量可達30 mm·d-1以上。ECMWF模式預報如圖1b所示，雨帶在形態(tài)上與觀測較為接近，但降水面積(降水中心的空間范圍)相較觀測明顯偏大。ECMWF預報東側(cè)大別山區(qū)、皖南山區(qū)的降水中心在空間位置上較觀測偏西約0.21經(jīng)度、偏北約0.35緯度，而西側(cè)鄂西山區(qū)的預報降水量偏多且強降水中心面積偏大。總體而言，ECMWF模式對于2020年梅雨期主雨帶的位置和降水量有著較為合理的預報，但是從定量的空間特征評估可見，ECMWF對于主雨帶的面積及強降水中心位置仍存在一定的預報偏差。

表1 MODE識別觀測(CMPAS)和模式預報(ECMWF)的雨帶空間信息Table 1 Spatial information of rain belt for observation(CMPAS)and forecast(ECMWF)identified by MODE.

圖1 CMPAS(a)和ECMWF預報(b)的2020年6月10日—7月20日我國中東部地區(qū)日平均降水量的空間分布(單位:mm·d-1)。其中黑色粗曲線為MODE識別的降水落區(qū)范圍,黑色細等值線為地形高度(500 m，1 500 m),藍色曲線分別為黃河(北)、長江(南)Fig.1 Spatial distribution of daily averaged precipitation of(a)CMPAS and(b)ECMWF forecast from June 10th to July 20th,2020(unit:mm·d-1,shadow).The black thicker contours indicate the spatial distribution of heavy rainfall identified by MODE.The black thinner contours are terrain heights(500 m,1 500 m).The blue lines are the Yellow River(north)and the Yangtze River(south).

圖2為2020年6月10日—7月20日 江 淮 流 域(112°—120°E，28°—34°N)區(qū)域平均觀測和ECMWF預報的降水量逐日演變序列。梅雨期間觀測和EC?MWF預報的區(qū)域平均降水量分別為14.03 mm·d-1和16.11 mm·d-1，預報高估區(qū)域平均降水量。觀測中6月28日、7月6日、7月7日、7月8日、7月11日、7月18日、7月19日這7次降水過程，觀測中平均降水量在20 mm·d-1以上，平均降水量為26.93 mm·d-1。ECMWF預報這7日平均降水量為28.06 mm·d-1。除7月18日外，預報均高估降水量但偏差較小，表明ECMWF對強降水過程的預報能力較強。在分析時段內(nèi)ECMWF對于江淮流域區(qū)域平均降水量的預報小于觀測，即偏差小于0 mm·d-1的低估過程共9次，進一步分析24 h累積降水的空間分布圖(圖略)可知，對于7月2日，觀測中降水范圍較為廣泛，降水中心分別位于鄂西山區(qū)，而ECMWF預報強降水中心位置較觀測中偏西、偏南，且未能再現(xiàn)降水中心東側(cè)的降水，從而導致對區(qū)域平均降水量的低估。

圖2 2020年6月10日—7月20日江淮流域(112°—120°E，28°—34°N)區(qū)域平均的降水量(單位:mm·d-1)逐日演變序列(黑色實線為CMPAS,紅色實線為ECMWF預報;柱狀圖為模式的預報偏差(預報減去觀測),其中黑色代表低估,紅色代表高估;水平虛線為20 mm·d-1)Fig.2 The sequence of averaged daily precipitation in the Yangtze-Huaihe River Valley(112°—120°E,28°—34°N)from June 10th to July 20th,2020.The black line indicates CMPAS,and red line is ECMWF forecast.The histogram shows the forecast bias(forecast minus observation),where black represents underestimation and red represents overestimation.The daily precipitation of 20 mm·d-1 is indicated by the horizontal dashed line.

2.2 基于MODE方法的雨帶預報評估

使用MODE方法識別降水落區(qū)，通過設定卷積半徑對空間降水進行模糊處理，設定日降水量閾值確定研究降水的目標范圍。圖3為2020年6月10日—7月20日基于24 h累積降水量得到觀測和ECMWF預報的降水落區(qū)質(zhì)心經(jīng)緯度，評估ECMWF對降水落區(qū)的預報性能。圖3a中觀測雨帶質(zhì)心的緯度處于30°N附近的降水過程最多，最北位置在34.07°N，最南位置25.31°N。ECMWF預報最北和最南位置分別為34.08°N，最南位置25.25°N。圖3c中為雨帶緯度偏差，北向偏差最大為2.05個緯度，南向偏差最大為1.86個緯度。其中偏差在0.3個緯度范圍內(nèi)的降水過程次數(shù)(17 d)占總降水次數(shù)(34 d)50%。預報偏差大于0.3個緯度的過程(即北偏過程)占26%，偏差小于0.3個緯度(南偏)為24%。圖3b為雨帶質(zhì)心的經(jīng)度分布，雨帶位置在東西方向分布上較為分散。觀測中經(jīng)度最西位置為111.17°E，最東位置為119.29°E，ECMWF預報最西位置為110.36°E，最東位置為118.62°E。圖3d中為雨帶經(jīng)度偏差，東向偏差最大為2.97個經(jīng)度，西向偏差最大為4.09個經(jīng)度。ECMWF預報偏差在0.3個經(jīng)度范圍內(nèi)的過程約為17.6%，大于0.3個經(jīng)度(東偏)約14.7%，小于0.3個經(jīng)度(西偏)約為67.6%。由上可知，ECMWF對主雨帶的空間位置具有較好的預報能力，但仍存在一定的預報偏差。

圖3 2020年6月10日—7月20日MODE識別的CMPAS與ECMWF預報中基于24 h累積降水量的降水落區(qū)質(zhì)心緯度(a),經(jīng)度(b),緯度偏差(c),經(jīng)度偏差(d)(圖a、b中黑色點代表觀測中落區(qū)位置,紅色代表模式位置;圖c、d中藍色點代表預報減去觀測的偏差)Fig.3 The(a)latitude,(b)longitude(c)latitude bias and(d)longitude bias of rain belt identified by MODE based on 24 hours accumulated precipitation in CMPAS and ECMWF forecast from June 10th to July 20th,2020.The black dots represent the spatial position of the observed rain area and the red dots represent the forecast in fig.a-b.The blue dots indicate the forecast bias(forecast minus observation)in fig.c-d.

接下來從雨帶空間形態(tài)的角度分析ECMWF預報偏差。圖4a為MODE識別的觀測和ECMWF預報降水落區(qū)的面積。面積越大代表降水范圍越大，顯然EC?MWF預報的主雨帶面積偏大，平均面積較觀測大35.45%。由圖4c可知，ECMWF高估24 h累積降水空間范圍的過程約占85.29%，低估(小于0)雨區(qū)面積的過程約占14.70%。圖4b中為主雨帶軸角的傾斜角度，觀測雨帶的角度大多位于0°~15°的范圍內(nèi)，即主雨帶為準緯向型或西南—東北走向。ECMWF對于主雨帶形態(tài)的預報較為準確，從圖4d中的偏差分布可知，ECMWF預報偏差在5°范圍內(nèi)的天數(shù)可占總降水天數(shù)的50%。

圖4 2020年6月10日—7月20日MODE識別的CMPAS與ECMWF預報中基于24 h累積降水量降水落區(qū)面積(a,單位:103 km2),角度(b,單位:°),面積偏差(c,單位:103 km2)和角度偏差(d,單位:°)(圖a、b中黑色點代表觀測,紅色代表ECMWF預報,圖c、d中藍色點代表預報減去觀測的偏差)Fig.4 The(a)area(unit：103 km2),(b)angle(unit：°)(c)area bias(unit：103 km2),(d)angle bias(unit：°)of rain belt identified by MODE based on 24-hours accumulated precipitation in CMPAS and ECMWF forecast from June 10th to July 20th,2020.The black dots represent the observed rain belt and the red represent the forecast in fig.a-b.The blue dots represent the forecast minus observation bias in fig.c-d

圖5為觀測與ECMWF預報在江淮流域(112°—120°E,28°—34°N)區(qū)域平均降水量的日變化特征。觀測中降水日變化曲線為單峰分布，峰值時間為08時。觀測中區(qū)域平均的降水量在夜間20時為1.57 mm，23時后逐漸增加并在峰值后減少。ECMWF能夠預報觀測的降水日變化特征。ECMWF預報20時平均降水量為1.41 mm，即低估了夜間降水(偏差為-0.16 mm)。ECMWF預報23時低估降水，但偏差較小(為-0.04 mm)。23時后，ECMWF預報降水也逐漸增加，呈現(xiàn)高估降水的預報偏差，并隨著觀測中降水量的增加，對降水的預報偏差也隨之增大，在清晨08時ECMWF預報的降水偏差達到最大，高估降水量0.56 mm。

為進一步定量評估ECMWF模式的降水預報偏差，使用MODE方法識別逐3 h累積降水的雨帶質(zhì)心緯度。ECMWF預報偏差以0.4個緯度為閾值，得到預報的雨帶位置緯度偏差分布頻次圖(圖6)。黑色柱狀圖代表ECMWF預報的南北位置偏差相對較小，約占44.5%，同時其日變化分布與江淮流域區(qū)域平均降水的日變化曲線一致，在凌晨至上午的頻次較高(圖5)。紅色柱狀圖代表ECMWF預報位置偏北偏差，多發(fā)生在傍晚至夜間和午后，最高出現(xiàn)在23時。雨帶位置偏南偏差的頻次為單峰分布，在05時相對較高。

圖5 2020年6月10日—7月20日江淮流域區(qū)域(112°—120°E，28°—34°N)平均的降水量日變化(單位:mm,黑色實線為CMPAS,紅色為ECMWF預報)Fig.5 Diurnal variation of averaged precipitation(unit:mm)in the Yangtze-Huaihe River Valley(112°—120°E，28°—34°N)from June 10th to July 20th,2020.The black line is CMPAS,and the red line is ECMWF forecast.

圖6 基于逐3 h累積降水的模式與觀測雨帶質(zhì)心緯度偏差頻次日變化(模式預報偏差以0.4個緯度為閾值,紅色代表模式預報雨帶位置偏北,藍色代表位置偏南,黑色代表預報偏差較小)Fig.6 The frequency distribution of latitude deviation of rain belt in 3 hours accumulated precipitation.The threshold of forecast error is zero point four of latitude.Red histogram represents north bias,the blue represents south bias and the black represents small bias

3 典型降水過程預報偏差分析

低空急流是影響梅雨降水的重要系統(tǒng)之一。圖7為2020年6月10日—7月20日江淮流域南部(112°—120°E，26°—30°N)區(qū)域平均的850 hPa風場南風分量逐日演變序列，其中黑色實線為ERA5，紅色實線為ECMWF預報。黑色圓點為MODE識別觀測雨帶質(zhì)心緯度，紅色圓點為ECMWF預報雨帶質(zhì)心緯度(同圖3a)。觀測的南風分量平均值為6.10 m·s-1，緯度位置平均為30.43°N。整體而言，當南風強度增強大于6 m·s-1時，主雨帶的質(zhì)心伴隨有明顯的北移；相反地，當南風分量小于6 m·s-1時，雨帶質(zhì)心則向南偏移。ECMWF對南風分量預報的平均值為6.53 m·s-1,相較觀測(平均值6.25 m·s-1)有明顯的高估，平均的偏差為0.28 m·s-1。當ECMWF預報的雨帶位置北偏時，對應的預報南風分量較觀測大0.43 m·s-1，高于平均偏差。預報的雨帶位置南偏時，偏差為0.25 m·s-1。綜上，ECMWF預報的南風分量明顯高于觀測時，可以將其作為預報雨帶位置偏北的依據(jù)之一。相對的，低估南風分量時則大多呈現(xiàn)預報的降水位置偏南。

圖7 2020年6月10日—7月20日江淮流域南部(112°—120°E,26°—30°N)區(qū)域平均的850 hPa風場南風分量逐日演變序列(單位:m·s-1,黑色實線為ERA5,紅色實線為ECMWF預報,黑色點代表觀測雨帶質(zhì)心緯度,紅色代表ECMWF預報)Fig.7 ThesequenceofaveragedsouthwindinthesouthoftheYangtze-Huaihe River Valley(112°—120°E,26°—30°N)from June 10th to July 20th,2020.The black line indicates ERA5,and red line is ECMWF forecast.The black dots represent the latitude of observed rain belt and the red dots represent the ECMWF forecast.

有研究表明江淮流域低空急流的日變化特征明顯，急流在夜間增強并于凌晨達峰，日出后則逐漸減弱(王東阡和張耀存，2012；周靜等，2017)。圖8為江淮流域南部(112°—120°E，26°—30°N)區(qū)域平均的850 hPa風場南風分量的日變化特征。觀測中南風分量在夜間開始加強，至凌晨02—05時達到最大后開始減弱。圖5中江淮流域降水日變化的峰值時間出現(xiàn)在08時，南風分量的峰值出現(xiàn)時刻早于降水峰值時刻，表明南風分量的預報對強降水的預報有一定的指示意義。ECMWF預報的南風分量在23—02時達到最強，02時后開始減弱。圖8的南風分量在夜間的偏差較大，EC?MWF預報的南風開始加強的時刻相較觀測更早，23時的偏差為0.99 m·s-1。在08時后的白天偏差較小，平均為0.05 m·s-1。從圖7的分析可知，日時間尺度上雨帶位置的偏差與850 hPa風場南風分量的預報偏差密切相關。圖8則進一步表明南風分量預報偏差多在夜間發(fā)生。

圖8 2020年6月10日—7月20日江淮流域南部(112°—120°E,26°—30°N)區(qū)域平均的850 hPa風場南風分量日變化(單位:m·s-1,黑色實線為ERA5,紅色為ECMWF預報)Fig.8 Diurnal variation of averaged south wind(unit:m·s-1)In the south of the Yangtze-Huaihe River Valley(112°—120°E,26°—30°N)from June 10th to July 20th,2020.The black line is ERA5,and red line is ECMWF forecast.

根據(jù)圖2中MODE識別的主雨帶的緯度預報偏差，選擇ECMWF預報位置偏北較大(7月3日)和位置偏差較小(7月6日)兩次降水過程進行對比分析。圖9分別為觀測和ECMWF預報降水空間分布，得到雨帶空間信息如表2所示。7月3日的主雨帶位置在長江以南，質(zhì)心29.68°N(圖9a)，而ECMWF預報主雨帶位置在長江以北，質(zhì)心31.13°N(圖9b)，質(zhì)心位置偏北1.45個緯度，但在東西方向預報偏差較小。觀測的主雨帶的為西南-東北向，ECMWF預報的形態(tài)更接近準緯向型。7月6日為強降水過程，準緯向型的雨帶自東向西橫跨近10個經(jīng)度，降水中心降水量可達100 mm·d-1以上(圖9c)。ECMWF預報雨帶的位置在30°N附近(圖9d)，在南北方向上的預報偏差較小。

表2 MODE識別觀測(CMPAS)和模式預報(ECMWF)的雨帶空間信息Table 2 Spatial information of rain belt for observation(CMPAS)and forecast(ECMWF)identified by MODE.

圖9 CMPAS(a,b)和ECMWF(c,d)預報的2020年7月3日(a,c)和7月6日(b,d)中東部地區(qū)降水量(單位:mm·d-1,填色)的空間分布。其中黑色粗曲線為MODE識別的降水落區(qū)范圍,黑色細等值線為地形高度(500 m,1 500 m),藍色曲線分別為黃河(北)、長江(南)Fig.9 Spatial distribution of daily accumulated precipitation(unit:mm·d-1,shaded)of(a,b)CMPAS and(c,d)ECMWF forecast on(a,c)July 3rd,(b,d)July 6th,2020.Black contour indicates the spatial distribution of heavy rainfall identified by MODE.The black contours are terrain heights(500 m,1 500 m).The blue lines are Yellow River(north)and the Yangtze River(south).

進一步分析兩次降水過程中低層環(huán)流場與降水的對應關系。圖10中折線為江淮流域南部(112°—120°E，26°—30°N)區(qū)域平均的850 hPa風場南風分量日變化，疊加MODE識別的降水落區(qū)的緯度。圖10 a中7月3日南風分量的平均預報偏差為0.71 m·s-1，緯度平均偏北1.08緯度。20—02時ECMWF預報南風分量的平均偏大2.51 m·s-1，雨帶位置偏北2.39緯度。ECMWF對05時后減弱過程的預報性能較好，南風分量的偏差越小，對雨帶位置預報偏差減小。相較而言，圖10b中7月6日中南風分量的平均預報偏差為-0.33 m·s-1，緯度的平均偏差為偏南0.18緯度。盡管觀測南風分量的峰值時刻在05時，ECMWF預報峰值時刻相較觀測有所提前，但是模式預報的南風分量偏差均較小，所以模式對于7月6日降水過程的預報能力較高。

圖10 2020年7月3日(a)和7月6日(b)江淮流域南部(112°—120°E,26°—30°N)區(qū)域平均的850 hPa風場南風分量日變化(單位:m·s-1,黑色實線為ERA5,紅色實線為ECMWF預報,黑色點代表觀測雨帶質(zhì)心緯度,紅色代表ECMWF預報)Fig.10 Diurnal variation of averaged south wind(unit:m·s-1)In the south of the Yangtze-Huaihe River Valley(112°—120°E,26°—30°N)on(a)July 3rd,and(b)July 6th,2020.The black line is ERA5,and red line is ECMWF forecast.The black dots represent the latitude of observed rain belt and the red dots represent the ECMWF forecast.

4 結論與討論

基于MODE方法，評估ECMWF模式對2020年6月10日—7月20日我國江淮流域強降水過程的預報性能，重點關注ECMWF對雨帶落區(qū)位置的預報能力。并基于兩次典型強降水事件，從環(huán)流的角度探討ECMWF模式對雨帶位置預報偏差與低層環(huán)流場的關聯(lián)。主要結論如下：

(1)2020年江淮流域梅雨期與歷史同期相比入梅早、出梅晚，持續(xù)時間長。雨帶為準東西向，降水大值中心位于長江中下游的大別山和皖南山區(qū)，以及鄂西山區(qū)。總體而言，ECMWF對2020年梅雨期主雨帶的位置和強度有著較為合理的預報，但也存在著一定的偏差。如預報高估江淮流域平均降水量。觀測中降水日變化單峰分布，峰值時刻在08時，預報能夠再現(xiàn)日變化特征，除20—23時的降水，其余時刻預報對降水量均有高估。

(2)采用MODE方法定量評估了降水空間特征，質(zhì)心經(jīng)緯度確定雨帶空間位置，雨帶面積、軸角確定雨帶形態(tài)?；?4 h累積降水量對降水落區(qū)檢驗評估分析表明，ECMWF預報空間位置偏北、偏西較多。ECMWF預報降水面積較觀測面積平均大34.45%。預報軸角傾斜度大，角度偏差在5個緯度范圍內(nèi)的雨帶約占50%。基于3 h累積降水量的分析表明，ECMWF預報主雨帶偏北多出現(xiàn)在傍晚至夜間最高為23時，南偏更多出現(xiàn)在05時，而空間位置偏差較小的過程在08—11時頻次較高。

(3)降水落區(qū)南側(cè)南風分量在6 m·s-1時，雨帶質(zhì)心位置在30°N附近。ECMWF對南風分量的預報偏差越大，雨帶落區(qū)位置預報偏差也增大。ECMWF預報的日平均南風分量與觀測的平均差值為0.28 m·s-1。對于降水雨帶緯度位置的預報，ECMWF預報的雨帶北偏時南風的偏差要明顯大于平均偏差。預報的雨帶南偏時的南風偏差則低于平均差值。對于日內(nèi)尺度，預報偏差主要發(fā)生在夜間，20—02時的偏差最大。

值得注意的是，MODE方法在使用過程中對卷積范圍和降水閾值具有敏感性，針對不同的降水過程使用不同的閾值是否會對評估產(chǎn)生影響需要未來進一步探究。本文的研究主要以空間特征為主，后續(xù)工作中可以在典型天氣降水過程中對降水雨團進行追蹤，以便更好地探究天氣系統(tǒng)與降水過程之間的內(nèi)在關聯(lián)。