热带气象学报  2018, Vol. 34 Issue (4): 451-459  DOI: 10.16032/j.issn.1004-4965.2018.04.002
0

引用本文  

麻素红, 陈德辉. 国家气象中心区域台风模式预报性能分析[J]. 热带气象学报, 2018, 34(4): 451-459.DOI: 10.16032/j.issn.1004-4965.2018.04.002.
麻素红, 陈德辉. Analysis of performance of regional typhoon model in national meteorological center[J]. JOURNAL OF TROPICAL METEOROLOGY, 2018, 34(4): 451-459. DOI: 10.16032/j.issn.1004-4965.2018.04.002.

基金项目

公益性行业(气象)科研专项(GYHY201406006)资助

通讯作者

麻素红, 女,内蒙古自治区人,研究员级高级工程师,主要从事台风数值预报方法。E-mail: mash@cma.gov.cn

文章历史

收稿日期:2017-08-09
修订日期:2018-01-07
国家气象中心区域台风模式预报性能分析
麻素红 , 陈德辉     
国家气象中心,北京 100081
摘要:为了更好发挥区域台风模式GRAPES_TYM在业务预报中的参考作用,利用2017年GRAPES_TYM升级版本对2014—2016年的回算结果同美国国家环境预报中心的全球模式(NCEP-GFS)以及欧洲中期天气预报中心(ECMWF)的中期预报模式(EC-IFS)进行了对比分析。结果显示:两个全球模式的预报路径平均误差小于区域台风模式GRAPES_TYM的平均路径误差;GRAPES_TYM和NCEP-GFS的路径预报均存在明显的移向正偏差,EC-IFS移向偏差不明显;GRAPES_TYM对我国近海登陆的热带气旋120 h路径预报误差小于NCEP全球模式,同ECMWF差别不大;区域模式的强度(近地面最大风速)预报平均误差在72 h前小于两个全球模式,而三个模式在强度预报上存在明显负偏差,负偏差主要存在于25 °N以南(这一区域为强台风和超强台风主要区域)。
关键词台风模式    路径误差    最大风速误差    统计分析    
ANALYSIS OF PERFORMANCE OF REGIONAL TYPHOON MODEL IN NATIONAL METEOROLOGICAL CENTER
MA Su-hong, CHEN De-hui     
National Meteorological Center, Beijing 100081, China
Abstract: The retrospective runs of TCs with history longer than 48 h in 2014—2016 are carried out. The track and maximum surface wind speed errors are analyzed and compared with two global models: NCEP global forecast system (NCEP-GFS) and ECMWF Integrated Forecast System (EC-IFS). The statistic results show: the mean track errors of two global models are smaller through 24~120 h forecast than these of GRAPES_TYM. There exist larger cross-track errors in NCEP-GFS and GRAPES_TYM but there are no obvious cross-track errors in EC-IFS forecast. The 120 h track errors of GRAPES_TYM are smaller than NCEP-GFS for the TCs that travelled westward or north-westward and made landfall. The mean errors of maximum surface wind speed of GRAPES_TYM are smaller than these of the other two global models before 72 h; there exist negative bias for all the three models especially in the area to the south of 25 °N where many severe typhoon and super typhoon developed.
Key words: TC forecast Track errors    Maximum surface wind speed    errors Statistic analyses    
1 引言

十几年来,随着数值预报模式的不断发展、观测资料的日益增多以及资料同化技术的不断进步,热带气旋路径的数值预报和主观综合预报水平有了明显进步,但是对直接致灾的热带气旋强度的预报水平却一直徘徊不前[1-2]

高分辨率数值预报模式[3-6]以及可以描述热带气旋初始强度及结构的初始场是开展热带气旋强度预报的关键[7-9]。随着超级计算机计算能力的不断增强,全球模式的水平分辨率不断提高,截止到2017年,NCEP全球模式的水平分辨率已经提高到近T1534(接近13 km),而欧洲中期天气预报中心的全球模式分辨率更高,为TCo1279(truncation-cubic-octrahedral,N-1279,接近9 km),对热带气旋强度预报已经具备了一定能力,并成为预报员业务预报的参考。2007年美国NCEP为了提高热带气旋路径与强度预报能力发展了HWRF中尺度数值预报系统,并进行了持续不断的改进[10-13]。2015年,HWRF的水平分辨率已经提高到2 km。中国气象局广州热带海洋气象研究所自2006年起,基于GRAPES非静力模式框架建立了南海台风模式预报系统,并进行了持续的技术改进[14-17],预报效果得到了明显的提升。

2010年国家气象中心基于自主研发的中尺度数值预报模式GRAPES-MESO[18-19]开始发展区域中尺度台风数值预报系统(GRAPES_TYM),并于2012年7月业务化运行。为了不断提高GRAPES_TYM对热带气旋路径及强度的预报能力,自2012年GRAPES_TYM业务化以来,针对GRAPES_TYM在热带气旋路径以及强度预报中存在的系统偏差进行了相应的关键技术改进和系统升级。关键技术改进主要包括4个部分:(1)模式参考大气的升级:由原来的等温大气升级为基于模式初始场水平平均的一维参考大气,提高了模式计算稳定性和预报精度[20];(2)模式物理过程的改进:对流参数化方案由SAS升级为Meso-SAS,针对强风速条件修改了拖曳系数计算公式,对台风路径和强台风预报强度预报能力有明显改善[20];(3)适合中尺度模式的涡旋初始化方案的不断优化[20-21];(4)模式垂直分辨率与水平分辨率的提升等。基于上述改进,GRAPES_TYM分别于2014年、2015年以及2017年进行了业务升级。

为了更好地发挥数值预报系统对热带气旋路径及强度的指导作用,本文将对NCEP-GFS、EC-IFS以及国家气象中心中尺度台风数值预报系统GRAPES_TYM的预报性能进行对比分析(热带气旋路径及强度)。文章的第2部分将介绍GRAES_TYM、NCEP-GFS以及EC-IFS模式概况,误差统计分析所用数据介绍将出现在第3部分,第4部分将对比分析GRAPES_TYM以及NCEP-GFS、EC-IFS的路径及强度预报特点(近地面最大风速),典型个例分析将在第5部分出现,而小结及讨论将出现在第6部分。

2 模式系统概况

GRAPES_TYM是针对西北太平洋及南海热带气旋路径及强度预报发展的区域模式台风数值预报系统,预报范围为90~171 °E,0~51 °N,预报时效为120 h。水平分辨率为0.12 °,垂直方向上采用50层地形追随高度坐标,模式层顶在35 km左右。模式所采用的物理过程包括WSM 6微物理过程、Meso-SAS对流参数化、YSU边界层过程、SLAB陆面过程、MO相似理论表面层参数化以及Goddard短波辐射和RRTM长波辐射参数化。

GRAPES_TYM的初始场及侧边界来自NCEP-GFS的初始场及预报场。由于全球模式初始场中涡旋的初始强度同观测分析的台风强度并不完全匹配,为此,采用Wang的方案对模式初始场中的热带气旋强度进行了调整[22],具体调整公式如式(1)所示。

(1)

其中:Vm为近地面最大风速,rm为最大风速半径,r为距热带气旋中心的半径,r0为涡旋所影响最大半径,b为控制涡旋风场水平廓线形态的参数,σ为模式的垂直Sigma坐标。切向风水平廓线采用e指数形式,将人造涡旋对初始场的调整主要集中在热带气旋内核部分,尽量减小对热带气旋外围的影响。人造涡旋的温压扰动结构通过非线性平衡方程求得,具体推导过程可参见文献[22]。

在存在热带气旋的时候,该系统每日运行4次(00时、06时、12时、18时,世界时,下同),进行120 h路径、强度以及降水等要素预报。

GRAPES_TYM、NCEP-GFS以及EC-IFS的模式概况如表 1所示。GRAPES_TYM的水平分辨率接近NCEP-GFS的水平分辨率,EC-IFS的水平分辨率及垂直分辨率均比较高。为了使模式初始场中涡旋位置和强度更接近观测分析,GRAPES-TYM和NCEP-GFS均有自己的涡旋初始化:GRAPES_TYM采用了涡旋强度调整技术,NCEP-GFS则采用了涡旋重定位技术和中心气压的同化,EC-IFS则没有采用涡旋初始化技术。

表 1 GRAPES_TYM、NCEP-GFS以及EC-IFS概况
3 数据

基于2017年升级版GRAPES_TYM回算了2014—2016年生命史超过48 h的西北太平洋及南海的热带气旋(图 1)。本文将基于2014—2016年的回算结果同NCEP-GFS以及EC-IFS相应的3年预报路径数据进行对比分析。采用中国气象局上海台风研究所的最佳路径数据进行了路径及强度的误差计算,NCEP-GFS以及EC-IFS预报路径数据来源于中国气象局上海台风研究所。

图 1 2014—2016年热带气旋路径
4 路径预报误差及强度预报误差分析 4.1 路径误差分析

平均路径误差采用同样本对比分析。2014—2016年三个模式24~120 h的同样本数为:458 km/24 h、394 km/48 h、321 km/72 h、253 km/96 h、192 km/120 h。图 2a为三个模式所预报的热带气旋路径同样本平均误差。可以看出:全球模式NCEP-GFS和EC-IFS的平均路径误差在所有预报时次均优于区域模式GRAPES_TYM,而EC-IFS的平均路径预报误差在所有时次均要小于NCEP-GFS。

图 2 平均路径误差

热带气旋预报路径偏差可以由移速(Along-track)偏差和移向(Cross-track)偏差来表示。移速偏差可以表示热带气旋移速的快慢。相对于最佳热带气旋路径而言,正的移速偏差表示预报热带气旋移速偏快,而负的移速偏差则表示预报热带气旋移速偏慢。移向偏差可以表示台风移动方向偏差,正的移向偏差表示热带气旋的预报路径相对于最佳路径顺时针偏转即右偏,而负的移向误差则表示热带气旋的预报路径相对于最佳路径逆时针偏转即左偏。从GRAPES_TYM、NCEP-GFS以及EC-IFS的移向偏差分布来看(图 3a),GRAPES_TYM和NCEP-GFS预报路径均存在明显的右偏,而EC的平均移向偏差不明显;从移速偏差来看(3b),三个模式均存在偏慢的趋势,这种趋势GRAPES_TYM和EC-IFS模式表现比较明显。

图 3 平均移向偏差和移速偏差

三个模式的路径误差以及移向、移速偏差有明显的地域分布特征(图 4)。就120 h路径预报误差分布而言,GRAPES_TYM最大路径误差分布区有2个:1个位于130~150 °E,25 °N以南的区域,这一区域的路径预报呈现东北向偏转的特点(图 4中箭头所示),另一区域位于120~125 °E,25 °N以北的中转向区域,误差主要呈现东北偏北偏转的特征。第一个区域为GRAPES_TYM特有的误差分布特征,而第二个区域则为三个模式共有的特征,同这一区域转向的热带气旋相联系。

图 4 120 h路径误差 不同颜色代表不同等级的误差,箭头的方向代表路径偏差方向。a. GRAPES_TYM;b. NCEP_GFS;c. EC-IFS。长短代表误差的相对大小。Min:最小值;Max:最大值;ME:平均值。

进一步分析预报路径相对误差的区域分布特征可以看到,GRAPES_TYM 120 h的预报路径在我国近海24 h警戒区内的路径预报相比于NCEP-GFS误差较小,对于EC-IFS的路径预报也有一定优势(图 5)。从图中可以看出:NCEP-GFS进入24 h警戒区的120 h路径预报大部分样本的误差大于GRAPES_TYM(图 5a),而EC-IFS进入24 h警戒区的120 h路径预报部分样本的误差大于GRAPES-TYM(图 5b)。GRAPES_TYM在近海的120 h路径预报具有较好的参考价值。

图 5 120 h相对误差 单位:km。a. NCEP-GFS路径误差-GRAPES_TYM路径误差;b. EC-IFS路径预报误差-GRAPES_TYM路径误差。Mum:样本数;PPR:误差小于GRAPES_TYM的样本占总样本的比例;Skill:相对误差减小的百分比;Min:最小值;Max:最大值;ME:平均值。
4.2 强度预报误差分析

图 6为近地面风速平均误差以及系统偏差。从图 6a中可以看出,GRAPES_TYM前72 h(包括72 h)的平均近地面最大风速误差在三个模式中最小。120 h NCEP-GFS和EC-IFS的平均误差均小于GRAPES_TYM。这主要由于GRAPES_TYM对模式初始场中的初始涡旋强度进行了调整,使初始涡旋的强度更接近观测(如00时的误差分布所示,GRAPES_TYM的误差最小)。但随着预报时效的增长,模式本身的作用会越来越明显。

图 6 平均近地面最大风速误差及偏差 a.平均预报误差;b.系统偏差。单位:km。

从近地面风速的系统偏差来看,三个模式近地面最大风速预报以系统性偏弱为主,相比于全球模式不同的是,72 h后全球模式的系统偏弱会随着预报时效增长而减小,而GRPAPES_TYM偏差增长趋势会延续到96 h,96 h后近地面最大风速偏弱趋势有所减弱。

为了对上述3个模式的近地面最大风速误差有清晰的了解,分析三个模式72 h的系统偏差的区域分布(图 7)。可以看出:三个模式在西行及西北行登陆的台风预报中,近地面最大风速误差均表现为系统偏弱,而EC-IFS的系统偏弱最为明显,NCEP-GFS和GRAPES_TYM表现接近,相对于EC-IFS有较好的参考价值。从图 1可以发现,这一区域是强台风及超强台风的多发区,这说明三个模式对强台风以及超强台风的强度预报能力普遍偏弱。对于偏北移动的热带气旋或者在日本以南洋面转向的热带气旋,NCEP-GFS表现出偏强的趋势。

图 7 72 h近地面最大风速偏差地域分布 a. GRAPES_TYM;b. NCEP_GFS;c. EC-IFS。Min:最小值;Max:最大值;ME:平均值; MAE:绝对值平均。
5 典型个例分析

2016年第22号超强台风“海马”于10月15日00时生成于西北太平洋洋面。“海马”生成后,一直沿西北方向移动,于21日在广东汕尾登陆后转向。从10月15日00时—10月18日00时,“海马”在非常有利的周围环境中迅速发展成为超强台风(近地面最大风速达到68 m/s,最低海平面气压为905 hPa)。

图 8为三个模式对“海马”的预报路径。从图中可以看出,三个模式均较好地预报了“海马”的移动路径(包括西北行登陆菲律宾群岛以及进入南海后登陆广东后的转向),尽管如此,三个模式还是表现出了各自的系统偏差特点:GRAPES _TYM和NCEP-GFS的预报路径东北向偏差(预报路径基本在实况路径的北侧),而EC-IFS的预报路径具有西南向偏差等(预报路径基本在实况路径的南侧)。

图 8 1622号台风的预报路径 黑色为最佳路径,不同颜色代表不同初始时刻的预报,间隔12 h(00Z和12Z)。a. GRAPES_TYM; b. NCEP-GPS; c. EC-IFS。

从近地面最大风速预报来看(图 9),GRAPES_TYM和NCEP-GFS基本可以预报出“海马”的迅速加强发展;GRAPES_TYM前期预报的发展速率更接近观测,但是在近地面最大风速的极值预报上偏弱,NCEP-GFS预报的近地面最大风速极值更接近实况。EC-IFS的近地面最大风速预报发展速率偏慢、极值偏低。

图 9图 8,但为近地面最大风速预报
6 小结

为满足热带气旋强度及降水精细化业务预报的需求,国家气象中心基于GRAPES-MESO发展了中尺度台风数值预报系统GRAPES_TYM并于2012年准业务运行。2014—2017年GRAPES_ TYM进行了3次升级,其对热带气旋路径的预报能力得到不断提升。

基于2017年业务升级版本对2014—2016年生命史超过48 h的热带气旋进行了回算,并同NCEP-GFS和EC-IFS两个全球模式进行了对比分析。统计分析结果显示:NCEP-GFS和EC-IFS两个全球模式的平均路径误差所有预报时次均小于区域模式GRAPES_TYM,但GRAPES_TYM对120 h预报进入我国沿海的热带气旋路径预报误差相对较小,有较好的参考价值。3个模式对近海转向北上热带气旋北上阶段路径预报误差偏大,而GRAPES_TYM在130~150 °E,25 °N以南的区域存在另一个误差大值区,呈现东北向偏转的特点。

GRAPES_TYM72h以前(包括72 h)的近地面最大风速误差比2个全球模式小,EC-IFS对近地面最大风速预报误差最大。三个模式对西行及西北行登陆我国南部沿海的热带气旋近地面最大风速预报存在普遍偏弱的系统偏差。

为了提高强度预报能力,GRAPES_TYM对初始场中的涡旋强度进行了调整,使之更接近于观测,这是GRAPES_TYM前期近地面最大风速预报误差较小的重要原因之一。

经过近几年的改进,GRAPES_TYM台风路径预报能力得到不断提高。但是同NCEP-GFS以及EC-IFS路径预报误差相比,GRAPES_TYM 24~72 h预报路径存在明显的右偏,这是导致GRAPES_TYM平均路径误差偏大的主要原因之一。

强度预报的改进仍然是台风模式改进的重点和难点。模式初始场对热带气旋的描述能力、较高的分辨率以及与之匹配的物理过程等对热带气旋强度预报至关重要。

参考文献
[1] ROGERS R, ABERSON S, BLACK P, et al. The intensity forecasting experiment: A NOAA multiyear field program for improving tropical cyclone intensity forecasts[J]. Bull Amer Meteor Soc, 2006, 87: 1 523-1 538. DOI:10.1175/BAMS-87-11-1523
[2] DEMARIA M, MAINELLI M, SHAY L K, et al. Further improvements to the statistical hurricane intensity prediction scheme (SHIPS)[J]. Wea Forecasting, 2005, 20(4): 531-543. DOI:10.1175/WAF862.1
[3] GOPALAKRISHNAN G, GOLDENBERGS, QUIRINO T S, et al. Toward improving high-resolution numerical hurricane forecasting: influence of model horizontal grid resolution, initialization and physic[J]. Wea Forecasting, 2012, 27: 647-666. DOI:10.1175/WAF-D-11-00055.1
[4] ZHANG X, QUIRINO T S, YEH K S, et al. HWRFx: Improving hurricane forecast with high-resolution modeling[J]. Computing in Science and Engineering, 2011, 13(1): 13-21. DOI:10.1109/MCSE.2010.121
[5] WANG Y. An explicit simulation of tropical cyclones with a triply nested movable mesh primitive equation model: TCM3. Part Ⅰ: Model description and control experiment[J]. Mon Wea Rev, 2001, 129(6): 1 370-1 394. DOI:10.1175/1520-0493(2001)129<1370:AESOTC>2.0.CO;2
[6] WANG Y. An explicit simulation of tropical cyclones with a triply nested movable mesh primitive equation model: TCM3. Part Ⅱ: Model refinements and sensitivity to cloud microphysics parameterization[J]. Mon Wea Rev, 2002, 130(12): 3 022-3 036. DOI:10.1175/1520-0493(2002)130<3022:AESOTC>2.0.CO;2
[7] CHA D H, WANG Y. A dynamical initialization scheme for real-time forecasts of tropical cyclones using the WRF model[J]. Mon Wea Rev, 2013, 141: 964-986. DOI:10.1175/MWR-D-12-00077.1
[8] WANG Y. On the bogusing of tropical cyclones in numerical models: The influence of vertical structure[J]. Meteorology and Atmospheric Physics, 1998, 65: 153-170. DOI:10.1007/BF01030785
[9] NGUYEN H V, CHEN Y L. High resolution initialization and simulations of Typhoon Morakot (2009)[J]. Mon Wea Rev, 2011, 139: 1 463-1 491. DOI:10.1175/2011MWR3505.1
[10] TALLAPARAGADA V, KIEU C, KWON Y, et al. Evaluation of storm structure from the operational HWRF during 2012 implementation[J]. Mon Wea Rev, 2014, 142: 4 308-4 225. DOI:10.1175/MWR-D-13-00010.1
[11] TALLAPARAGADA V, KIEU C, KWON Y, et al. Significant advances to the NCEP operational HWRF modeling system for improved hurricane forecasts[C]//Proc. 30th Conf. on Hurricane and Tropical Meteorology. SanDiego, CA, Amer Meteor Soc, 14D.1.[Available on line at http://amd.confex.com/ams/31Hurr/webprogram/Paper244632.html.]
[12] TALLAPARAGADA V, KIEU C, TRAHAN S, et al. Forecasting tropical cyclones in the Western North Pacific basin using NCEP operational HWRF model: Real-time implementation in 2013[J]. Wea Forecasting, 2015, 30: 1 355-1 373. DOI:10.1175/WAF-D-14-00138.1
[13] TALLAPARAGADA V, KIEU C, TRAHAN S, et al. Forecasting tropical cyclones in the Western North Pacific basin using the NCEP Operational HWRF Model: Models upgrades and evaluation of real-time performance in 2013[J]. Wea Forecasting, 2016, 31: 877-894. DOI:10.1175/WAF-D-14-00139.1
[14] 陈子通, 戴光丰, 钟水新, 等. 中国南海台风模式(TRAMS v2.0)技术特点及其预报性能[J]. 热带气象学报, 2016, 32(6): 831-840.
[15] 陈子通, 戴光丰, 钟水新, 等. 模式动力过程与物理过程耦合及其对台风预报的影响研究[J]. 热带气象学报, 2016, 32(1): 1-8.
[16] 钟水新, 陈子通, 戴光丰, 等. 地形重力波拖曳参数化对热带气旋强度和路径预报影响的研究[J]. 大气科学, 2014, 38(2): 273-284.
[17] 徐道生, 陈子通, 戴光丰, 等. 对流参数化方案的改进对GRAPES模式台风预报的影响研究[J]. 热带气象学报, 2014, 30(2): 210-218. DOI:10.3969/j.issn.1004-4965.2014.02.002
[18] 薛纪善, 陈德辉. 数值预报系统GRAPES的科学设计与应用[M]. 北京: 科学出版社, 2008.
[19] 邓华, 薛纪善, 徐海明, 等. GRAPES中尺度模式中不同对流参数化方案模拟对流激发的研究[J]. 热带气象学报, 2008, 24(4): 327-334. DOI:10.3969/j.issn.1004-4965.2008.04.003
[20] 麻素红, 张进, 沈学顺, 等. 模式参考大气及涡旋初始化方案改进对GRAPES_TYM台风预报的影响[J]. 应用气象学报, 2018, 29(3): 257-269.
[21] 张进, 麻素红, 陈德辉, 等. GRAPES_TYM改进及其在2013年西北太平洋和南海台风预报的表现[J]. 热带气象学报, 2017, 33(1): 64-73.
[22] WANG Y. On an inverse balance equation in sigma-coordinates for model initialization[J]. Mon Wea Rev, 1995, 123: 482-488. DOI:10.1175/1520-0493(1995)123<0482:AIBEIS>2.0.CO;2