快速检索
  气象   2018, Vol. 44 Issue (5): 713-718.  DOI: 10.7519/j.issn.1000-0526.2018.05.013

天气、气候评述

引用本文 [复制中英文]

张夏琨, 2018. 2017年12月至2018年2月T639、ECMWF及日本模式中期预报性能检验[J]. 气象, 44(5): 713-718. DOI: 10.7519/j.issn.1000-0526.2018.05.013.
[复制中文]
Zhang Xiakun, 2018. Performance Verification of Medium-Range Forecasts by T639, ECMWF and Japan Models from December 2017 to February 2018[J]. Meteorological Monthly, 44(5): 713-718. DOI: 10.7519/j.issn.1000-0526.2018.05.013.
[复制英文]

作者

张夏琨,主要从事天气预报技术研究.Email:zhangxk@cma.gov.cn

文章历史

2018年4月10日收稿
2018年5月02日收修定稿
2017年12月至2018年2月T639、ECMWF及日本模式中期预报性能检验
张夏琨     
国家气象中心,北京 100081
摘要:对2017年12月至2018年2月T639、ECMWF及日本(文中简称JP)数值模式的中期预报产品进行了分析和检验。结果表明:3个模式对亚洲中高纬环流形势的调整和演变均具有较好的预报性能,其中ECMWF模式预报效果最好。3个模式对850 hPa温度的转折性变化趋势均有较好的预报能力,对南方地区温度变化的预报能力优于北方地区;T639模式对北方地区的温度预报存在整体偏低的误差,而JP模式对南方地区的温度预报整体偏高,ECMWF预报综合效果最好。对于2018年2月全国寒潮天气过程中的地面冷高压预报,T639模式对地面冷高压中心强度的预报效果优于ECMWF和JP模式,ECMWF模式对高压中心位置预报偏弱、偏东,T639和JP模式对高压中心位置预报亦存在明显偏差。
关键词T639模式    ECMWF模式    日本模式    中期天气预报    天气学检验    
Performance Verification of Medium-Range Forecasts by T639, ECMWF and Japan Models from December 2017 to February 2018
Zhang Xiakun    
National Meteorological Centre, Beijing 100081
Abstract: The performance of medium-range forecasts by the models of T639, ECMWF and Japan (JP) from December 2017 to February 2018 are verified and compared. The results show that all the three models can predict the variation and adjustment of the atmospheric circulation over Asian middle and high latitudes well, of which ECMWF model performs the best. The three models perform also well in predicting the transitions of temperature at 850 hPa, and they all have smaller biases in temperature forecasts for southern China than for northern China. The T639 model has an overall low biases in the temperature forecast of northern China while the JP model has higher temperature forecasts for southern China. The ECMWF forecast has the best effect comprehensively. The T639 model forecasts the intensity of cold high-pressure center better than the ECMWF and JP models. The ECMWF model predicts the location of the high-pressure center weakly and by east, T639 and JP models also have obvious biases in the location forecast of high-pressure center.
Key words: T639 model    ECMWF model    Japan model    medium-range weather forecast    synoptic verification    
1 天气气候概况

2017年12月至2018年2月,全国平均气温为-3.17℃,与常年同期(-3.38℃)基本持平,略偏高0.21℃。从空间分布看,2017年12月,东北大部及内蒙古东部、广西西南部、贵州西南部等地较常年同期偏低1~4℃,其余大部地区气温接近常年同期或偏高,青藏高原大部及云南西部、新疆大部、内蒙古中西部、河北中西部等地偏高1~4℃。2018年1月,除华南南部及西藏、青海大部、四川西部、云南北部、福建东部等地气温较常年同期偏高0.5℃以上外,全国其余大部地区接近常年同期或偏低,新疆北部部分地区偏低4℃以上。2018年2月,全国大部地区接近常年同期或偏低,但青藏高原大部、江南西部及两广北部、贵州东部、新疆北部等地偏高0.5~2℃(国家气候中心,2018a2018b2018c)。

2017年12月至2018年2月,全国平均降水量33.66 mm,较常年同期(39.8 mm)偏少15.4%。2017年12月,除新疆西南部及西藏西北部、青海东部局部、陕西北部局部、黑龙江南部、内蒙古东部局部、贵州西部、广西南部和云南东南部等地降水偏多2成至2倍外,全国其余大部地区降水量以偏少为主。2018年1月,除西北西部及辽宁西部、内蒙古东北部、河北东北部和南部、北京、山东南部、湖南南部、西藏、四川等地降水量较常年同期偏少2~8成,全国其余大部地区降水量接近常年同期或偏多。2018年2月,全国大部降水偏少或接近常年同期,其中华北大部、黄淮东部、江南西部和南部、华南、西南东部和南部以及内蒙古中部、新疆大部等地偏少5~8成(国家气候中心,2018a2018b2018c)。

2017年12月至2018年2月,全国低温雨雪天气频发。2018年1月3次低温雨雪过程共造成江苏、浙江、安徽、江西、河南、湖北、湖南、广东、四川、重庆、贵州、云南、陕西、山西14省(市)868.5万人受灾,农作物受灾面积90.0×104 hm2,直接经济损失134.0亿元。2018年2月,福建、广东、云南、贵州、四川、广西、浙江、甘肃等地局部遭受低温冷冻或雪灾,造成91.4万人次受灾,直接经济损失6.3亿元。总体来看,各类灾情与2009年以来同期均值相当(国家气候中心,2018a2018b2018c)。本文对2017年12月至2018年2月T639、ECMWF及日本(以下简称JP)数值模式的中期预报产品进行了分析和检验。

2 资料

本文选取2017年12月至2018年2月T639、ECMWF及JP模式20时(北京时,下同)分析场和中期预报时效预报场进行天气学检验及对比分析,检验所用的资料主要包括3个模式的500 hPa位势高度场、850 hPa温度场和海平面气压场等,模式资料分辨率均为2.5°×2.5°。

3 模式中期预报性能检验 3.1 亚洲中高纬环流形势预报检验

西风指数可以反映中高纬地区对流层中层大尺度环流形势演变和调整,是中期预报最常用的指标之一,通过检验西风指数可以了解数值模式对中高纬地区对流层中层环流形势调整与演变的中期时效预报性能(张峰,2017尹姗,2016赵晓琳,2015刘一,2014刘凑华和赵晓琳,2013)。图 1给出的是2017年12月至2018年2月T639、ECMWF和JP模式不同时效西风指数预报和零场的相关系数,结果显示在168 h时效内,ECMWF模式预报效果最好,JP模式其次,T639预报较为一般,3个模式的预报场和零场的西风指数相关系数均大于0.85,对大尺度环流均有较好的预报能力;随着预报时效延长,3个模式预报误差均不同程度增大,但ECMWF模式的预报误差随时效延长而增大的速率要低于其他两个模式,其综合预报性能明显优于其他两个模式。

图 1 2017年12月至2018年2月T639、ECMWF和JP模式对西风指数的预报与零场的相关系数随预报时效的变化 Fig. 1 Correlation coefficients of westerly index between 0 h and 96-240 h forecasts from December 2017 to February 2018

图 2给出的是根据2017年12月至2018年2月T639、ECMWF和JP模式高度场零场及120 h预报场计算得到的亚洲中、高纬西风指数逐日演变曲线。从模式零场的分析情况来看,2017年12月至2018年2月西风指数呈现多波动状态,期间,共发生3次显著的高低指数转换过程。从120 h预报与实况对比来看,3个模式均能较好地反映出西风指数的变化趋势,但对每次波动幅度和发生时间的预报各有偏差。对2017年12月下旬至2018年2月上旬出现的西风指数下降过程,T639和JP模式预报均出现一次较零场明显偏大的误差,ECMWF模式预报整体表现较好;对1月下旬的西风指数下降并在2月回升的过程,ECMWF模式表现较好,T639模式和JP模式对西风指数预测值较实况值振幅偏大,预报效果略偏差;对2017年12月中旬和2018年1月中旬的指数升高过程,T639模式预报对西风指数由降转升的转折时间预报偏早,ECMWF模式整体表现较好,JP模式预报的升高幅度较零场偏大。

图 2 2017年12月至2018年2月T639(a)、ECMWF(b)和JP(c)模式西风指数逐日演变曲线 Fig. 2 Daily evolution curves of westerly index forecasted by T639 (a), ECMWF (b) and Japan (c) models from December 2017 to February 2018

综合分析可以得出,对大尺度环流形势演变和调整的预报,3个模式均表现出一定的中期预报能力,随着预报时效的延长,3个模式的预报误差均趋于增大。ECMWF模式预报的西风指数变化趋势较其他两家模式与零场更为接近,西风指数变化幅度和变化趋势预报与零场之间的误差更小,对西风指数的预报效果明显优于T639和JP模式。

3.2 850 hPa温度变化趋势预报检验

在冬季由于冷空气活动频繁,气温变化剧烈,寒潮降温预报成为冬季灾害性天气预报的重要部分(赵晓琳,2015),850 hPa温度变化通常被用来表征天气的冷暖变化趋势,对于地面气温预报具有较好的指示意义。对模式的850 hPa温度预报场进行检验是了解和掌握模式预报性能的重要方法,本文在天津北部(40°N、117.5°E)和江西南部(25°N、115°E)选取了两个格点分别代表北方和南方地区(赵晓琳,2015尹姗,2016),用于检验3个模式对850 hPa温度变化趋势的中期预报能力。

从2017年12月至2018年2月850 hPa温度的整体变化(图 3)可以看出,这个冬季我国冷空气活动较为频繁,影响范围较广,南、北方气温均起伏多变。3个模式对南、北方代表站点的120 h预报与实况的相关系数均达到0.8以上,较好地反映出了这个冬季温度的变化趋势,表现出模式对850 hPa温度具有良好的预报性能。

图 3 2017年12月至2018年2月T639模式(a,b)、ECMWF模式(c,d)和JP模式(e,f)对北方(a,c,e)和南方(b,d,f)预报的850 hPa温度随时间演变曲线及预报偏差 Fig. 3 Temporal evolution curves of temperature forecasts at 850 hPa by T639 (a, b), ECMWF (c, d) and Japan (e, f) models from December 2017 to February 2018 (a, c, e) northern China, (b, d, f) southern China and their biases

在北方地区,T639模式对850 hPa温度的120 h预报较实况普遍偏高;对1月上旬和月底的2次降温过程,T639和JP模式120 h预报均表现出不同程度的偏差,ECMWF模式表现较好;对2月中旬的一次气温上升过程,3家模式预报与零场均较为一致。

T639、ECMWF和JP 120 h北方站点预报的绝对误差平均值分别为2.4、1.5和1.5℃,而其南方站点的预报绝对误差平均值分别为1.5、1.0和1.3℃,3个模式对南方地区850 hPa温度的120 h预报偏差均比北方地区小。

整体上来看,3个模式对冬季南方地区逐日温度变化的120 h预报均表现较好,其中ECMWF模式表现更优于其他两个模式;对2018年1月上旬南方地区的一次降温过程,3个模式120 h变温幅度预报较零场均不同程度偏大;对2017年1月中旬至2月上旬前后的温度变化情况,T639模式120 h时效预报较零场存在较大偏差;JP模式对冬季南方代表站点850 hPa温度的预报普遍较零场偏低。

由上可见,3个模式对南方地区温度变化的预报能力优于北方地区,T639模式对北方地区的温度预报存在整体偏高的误差,而JP模式对南方地区的温度预报整体偏低,ECMWF模式对南、北方温度变化的预报能力均优于T639和JP模式。

3.3 地面冷高压的预报能力检验

2018年2月,共有5次冷空气过程影响我国,强度均为一般冷空气过程。其中10—12日冷空气过程影响范围广、强度大,我国中东部大部以及西北中东部等地降温幅度普遍在5~8℃,其中东北大部降温幅度达8~14℃,局部超过14℃;最大降温幅度达5和10℃以上的覆盖面积分别为500.8×104和43.9×104 km2(国家气候中心,2018c)。本文选取T639、ECMWF和JP模式的海平面气压场零场及对应的120 h预报场进行对比,分析其对地面冷高压的预报性能。

2018年2月10日20时,地面冷高压中心达到此次寒潮过程的最大值,本文选取了3个模式中期时效预报对冷高压位置和水平分布等进行检验(图 4)。由图 4可知,地面高压主体控制中西伯利亚高原至内蒙古西部的大片地区,高压中心位于贝加尔湖以西。T639模式预报的高压中心位置与零场基本一致,ECMWF模式预报冷高中心偏弱、偏东,JP模式预报的高压中心分为了两段,一部分偏东,另一部分偏西南。从对地面冷高压水平分布的预报误差看,ECMWF模式对气压的预报较零场偏低,T639模式高压中心预报1040 hPa范围明显比零场偏大、偏南,冷空气南下的速度偏快,JP模式高压中心的预报与零场相比偏强。

图 4 2018年2月10日20时T639(a,b)、ECMWF(c,d)和JP(e,f)模式海平面气压场零场(a,c,e)及120 h预报场(b,d,f) Fig. 4 The sea level pressure in initial field (a, c, e) and 120 h forecasts (b, d, f) calculated by T639 (a, b), ECMWF (c, d) and Japan (e, f) models at 20:00 BT 10 February 2018
4 结论

本文通过对T639、ECMWF及JP模式中期时效预报产品的检验,主要得出以下几点结论:

(1) 对2017年12月至2018年2月3个模式在144 h时效内500 hPa西风指数的变化趋势预报均与零场较为一致,能准确地反映出亚洲中高纬地区大尺度环流形势的演变和调整,表现出较好的中期预报能力。其中,ECMWF模式预报性能最好,JP和T639模式预报性能较为接近。T639和JP模式对2月上旬西风指数下降过程的预报较零场均存在明显偏大的误差。

(2) 对850 hPa温度的预报,3个模式对我国南、北方850 hPa温度的转折性变化趋势均有较好的预报能力,3个模式对南方地区温度变化的预报能力优于北方地区,T639模式对北方地区的温度预报存在整体偏高的误差,而JP模式对南方地区的温度预报整体偏低,ECMWF模式对南、北方温度变化的预报能力均优于T639和JP模式。

(3) 对2018年2月10—12日造成全国范围寒潮天气过程的冷高压系统,T639模式预报的高压中心位置与零场基本一致,ECMWF模式预报预报冷高中心偏弱、偏东,JP模式预报的高压中心分为了两段,一部分偏东,另一部分偏西南。从对地面冷高压水平分布的预报误差看,ECMWF模式对气压的预报较零场偏低,T639模式高压中心预报1040 hPa范围明显比零场偏大、偏南,冷空气南下的速度偏快,JP模式高压中心的预报与零场相比偏强。

参考文献
国家气候中心, 2018a. 2017年12月全国气候影响评价[R].
国家气候中心, 2018b. 2018年1月全国气候影响评价[R].
国家气候中心, 2018c. 2018年2月全国气候影响评价[R].
刘凑华, 赵晓琳, 2013. 2012年12月至2013年2月T639、ECMWF及日本模式中期预报性能检验[J]. 气象, 39(5): 653-658.
刘一, 2014. 2013年12月至2014年2月T639、ECMWF及日本模式中期预报性能检验[J]. 气象, 40(5): 637-641. DOI:10.7519/j.issn.1000-0526.2014.05.015
尹姗, 2016. 2015年12月至2016年2月T639、ECMWF及日本模式中期预报性能检验[J]. 气象, 42(5): 637-642. DOI:10.7519/j.issn.1000-0526.2016.05.014
张峰, 2017. 2017年12月至2018年2月T639、ECMWF及日本模式中期预报性能检验[J]. 气象, 43(5): 628-633. DOI:10.7519/j.issn.1000-0526.2017.05.012
赵晓琳, 2015. 2014年12月至2015年2月T639、ECMWF及日本模式中期预报性能检验[J]. 气象, 41(5): 649-653. DOI:10.7519/j.issn.1000-0526.2015.05.013