Page 98 - 《高原气象》2026年第4期
P. 98

高     原      气     象                                 45 卷
              1028
             游三江源地区年降水量呈上升趋势, 多数极端降水                            性, 但对于降水发展初期, 存在明显的空报, 降水
             指数上升(李朝月等, 2023; 周秋雪等, 2025; 李若                    发展强盛期预报场对高原目标物强度预报存在一
             莹和姚秀萍, 2024; 杜娟等, 2024)。基于气候模式                     定高估。
             的预估结果进一步指出, 未来青藏高原地区降水总                                以上研究虽然系统评估了西南地区主要数值
             体仍将呈增加态势(陈荣等, 2023)。每年汛期, 都                        模式定量降水预报性能, 揭示了模式在降水强度、
             会发生不同程度山洪、 泥石流和滑坡等次生灾害,                            落区偏移等方面的共性误差特征, 但多聚焦低海拔
             防灾、 减灾压力与日俱增(武敬峰等, 2013, 2020)。                    区域的个案分析, 缺乏高原复杂地形区细致分区分
             2024 年 7 月 23 -24 日川西高原出现了极端暴雨过                    型检验。因此, 本文在对川西高原 2022 -2024年夏
             程, 平均降雨量 36. 6 mm, 暴雨 454 站, 大暴雨 98                半年(5 -10 月)降水采用旋转经验正交函数(RE‐
                                                      -1
             站, 特大暴雨 37 站, 短时强降水(≥10 mm·h )443                  OF)进行分区和强降水环流分型基础上, 基于 2 类
             站次, 造成流域内洪涝、 中小河流洪水等地质灾                            全球模式和 2类中尺度模式预报的 3 h、 24 h降水产
             害。由于大气运动的高度非线性、 数值模式的局限                            品开展检验评估, 采用 FSS 和 MODE 方法对不同
             性以及高原复杂的地形影响, 降水精细化数值预报                            类型暴雨天气过程进行空间检验, 总结各数值模式
             在该区域存在较大误差(谢舜等, 2022)。因此, 针                        对川西高原夏半年降水的精细化预报性能及特点,
             对该区域开展数值模式预报降水检验评估有助于                              初步剖析了导致各模式误差的可能原因, 以期为数
             认识数值模式在复杂地形区的预报不确定性, 也为                            值模式在该区域的业务应用提供有益参考。
             数值模式落区预报订正方向和量级提供指导, 进而                            2  资料选取与方法介绍
             提升强降水预报准确率, 满足地方防灾减灾需求。
                  常见的降水检验评估方法包括基于降水量级                           2. 1 资料及强降水个例选取
             的二分类检验评分( Rodwell et al., 2010)、 邻域检                   资料选取: (1)2022 -2024 年 5 -10 月川西高原
             验(Ebert, 2009; 潘留杰等, 2015; 栗晗等, 2023)、            (阿坝州、 甘孜州)日降水量[20:00(北京时, 下同)
             特 征 检 验(Wernli  et  al.,  2008,  2009;  李 明 等 ,    至次日 20:00]数据, 用于强降水个例筛选; (2)相应
             2017; 齐铎等, 2024; 陈晓燕等, 2022)等。其中,                  时段 2 类全球模式(ECMWF, CMA-GFS)及 2 类中
             邻 域 法 通 常 采 用 分 数 技 巧 评 分(Fractions  Skill         尺度模式(CMA-MESO、 SWC-WARR)逐日 08:00
             Score,  FSS)作 为 评 价 指 标(Roberts  and  Lean,        起报的 12~36 h 的逐 3 h 降水预报产品, 用于 3 h 和
             2008), 特征检验中通过卷积识别出预报场和观测                          24 h 降水检验; (3)国家气象信息中心地面、 卫星、
             场中降水对象的诊断评估方法(Method of Object-                    雷达三源融合降水产品(CMPA_HourlyV2. 1), 时
             Based Diagnostic Evaluation, MODE)近年来广泛应           间分辨率为 1 h, 水平分辨率为 0. 05°×0. 05°, 用于
             用于模式降水预报性能的个例分析中。目前各类                              模式检验的实况数据(潘旸等, 2018)。此外, 为方
             数值模式在西南区域定量降水预报的检验分析已                              便检验, 本文将实况降水融合产品和各降水预报产
             取得较多成果, 符娇兰和代刊(2016)对西南地区东                         品统一插值为0. 1°×0. 1°。
             部强降水 EC 模式检验表明, 模式预报形态误差占                              强降水个例选取方法: 川西高原(阿坝州、 甘
             比最大, 预报的强降水存在偏西的落区误差, 平均                           孜州)区域自动站日降水量(20:00 至次日 20:00)≥
             约 0. 7°, 模式预报较实况偏弱, 且实况越强, 偏弱                      25 mm 且超过 20 站计为一次降雨过程。经统计,
             的概率越大。屠妮妮等(2020)对 EC、 西南区域模                        2022 -2024 年 5 -10 月川西高原共计 116 次强降水
             式SWC和CMA模式在西南区域的降水预报检验表                            个例。文中涉及的地图是基于中华人民共和国自
             明, 针对不同区域暴雨, EC 和 SWC 模式在川东预                       然资源部标准地图服务系统下载的审图号为 GS
             报效果优于川西, 而 CMA 模式在川西预报效果优                         (2019)1822 号 的 中 国 地 图 制 作 ,  底 图 无 修 改 。
             于川东。曹萍萍等(2023)对 2022 年汛期四川降水                       DEM 数据来源于中国科学院资源环境科学与数据
             预报检验表明, EC模式雨日空报最大, 尤其是川西                          中心(下载网址: https: //www. resdc. cn)发布的全国
             高原和攀西地区; CMA_3KM 模式预报大量级降水                         DEM 1 km数据。
             在 高 海 拔 地 区 存 在 较 大 范 围 空 报 。 王 彬 雁 等              2. 2 川西高原夏半年降水分区分型
             (2020)采用 MODE 法对西南区域模式预报的四川                        2. 2. 1 川西高原夏半年降水REOF分区
             一次强降水过程进行检验, 指出模式对降水目标物                                经验正交函数(EOF)长期应用于气象变量场分
             的形状、 走向、 移动方向以及落区有比较好的相关                           析, 它能够反映时空分布的变率结构, 提取变量场
   93   94   95   96   97   98   99   100   101   102   103