WRF模式中不同随机扰动方案在暴雨对流尺度集合预报中的对比评估.pdf

暴雨灾害TORRENTIAL RAIN AND DISASTERSVol.42 No.3Jun.2023第42卷 第3期2023年6月熊洁,李俊,王明欢.2023.WRF模式中不同随机扰动方案在暴雨对流尺度集合预报中的对比评估J.暴雨灾害,42(3):241-251.XIONGJie,LI Jun,WANG Minghuan.2023.Comparative evaluation of different stochastic perturbation schemes within the convection-allowing en-semble forecast of rainstorm in WRF model J.Torrential Rain and Disasters,42(3):241-251(in Chinese).doi:10.12406/byzh.2022-191WRF模式中不同随机扰动方案在暴雨对流尺度集合预报中的对比评估熊洁，李俊，王明欢(中国气象局武汉暴雨研究所 中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室，武汉 430205)摘 要:由于暴雨对流尺度集合预报模式中随机参数扰动能量偏小，本文利用WRFv3.9模式对我国长江流域一次特大暴雨天气过程开展对流尺度集合预报试验，对比分析随机参数扰动(SPP)方法和随机物理倾向扰动(SPPT)方法、随机动能补偿(SKEB)方法混合的扰动特征、评估多种混合扰动方案预报效果，主要结论如下：暴雨对流尺度集合预报中多随机物理扰动气象要素的离散度在单SPP方案基础上均增大，三种方案混合SPP+SPPT+SKEB的离散度最大，总体评分最优；其中SPP+SPPT试验较SPP+SKEB地面气象要素离散度更大，而SPP+SKEB试验较SPP+SPPT气象要素在高空(尤其是风场)离散度更大；SPP+SPPT试验在积分初期各气象要素离散度增加明显，SPP+SKEB试验随着积分时间的延长各气象要素离散度在各高度层增加更为凸显；多种随机扰动混合对降水的预报在集合平均、离散度分布和概率预报技巧等方面均优于单SPP方案，综合来看SPP+SPPT+SKEB方案总体评分最优。SPP+SPPT+SKEB综合了SPP、SPPT和SKEB的优势，在各高度层整个积分时间段各气象要素离散度达到最佳，多随机扰动方案的混合达到了有效互补的效果。关键词:随机参数扰动；对流尺度集合预报；随机物理倾向扰动；随机动能补偿中图法分类号:P435+.1文献标志码:ADOI:10.12406/byzh.2022-191Comparative evaluation of different stochastic perturbation schemeswithin the convection-allowing ensembleforecast of rainstorm in WRF modelXIONG Jie,LI Jun,WANG Minghuan(China Meteorological Administration Basin Heavy Rainfall Key Laboratory/Hubei Key Laboratory for Heavy Rain Monitoring andWarning Research,Institute of Heavy Rain,China Meteorological Administration,Wuhan 430205)Abstract:Because of the small disturbance energy of random parameter in the rainstorm convective-allowing ensemble forecast model,aconvective-allowing ensemble forecasting test based on WRFv3.9 model was carried out for a heavy rainstorm case in the Yangtze River Basin in China.The disturbance characteristics of various hybrid perturbation schemes of stochastically perturbed parameterization(SPP),stochastically perturbed parameterization tendencies(SPPT),and stochastic kinetic-energy backscatter(SKEB)were compared and analyzed,and the prediction effects of these schemes were evaluated.The main conclusions are as follows:the spread of meteorological elements ofmulti-stochastic physical disturbance in rainstorm convective-allowing ensemble forecast increases comparing to the single SPP scheme.The spread of SPP+SPPT+SKEB is the largest and the overall score is the best.The spread of surface meteorological elements of SPP+SPPTis larger than that of SPP+SKEB,while the spread of meteorological elements in the upper air(especially in the wind field)of SPP+SKEB islarger than that of SPP+SPPT.In the SPP+SPPT test,the spread of meteorological elements increased significantly at the initial stage of integration time,while the spread of meteorological elements at each altitude increased more prominently with the extension of integration timein the SPP+SKEB test.In terms of ensemble average,spread distribution and probability prediction skills,the hybrid perturbation scheme of收稿日期：2022-09-23；定稿日期：2023-01-25资助项目：湖北省气象局科技发展基金面上项目(2022Y24)；国家重点研发计划项目(2018YFC15072000)；中国气象局武汉暴雨研究所基本科研业务专项(202208)第一作者：熊洁，主要从事大气物理和数值预报研究。E-mail:通信作者：李俊，主要从事区域数值模式和集合数值预报技术研究。E-mail:第42卷暴雨灾害引言由于大气运动本身的非线性特征(Lorenz，1963)，单一模式对暴雨的预报存在较大不确定性，预报误差不确定性来源主要来自初值误差和模式误差，集合预报是描述这两类误差的重要途径(杜钧和陈静，2010；庞玥等，2019)。对流尺度模式(水平分辨率介于14 km之间，且不使用积云对流参数化方案)可以更好地描述强对流天气中复杂的动力、物理和外强迫作用，但三者相互之间存在较强的不可分离的非线性相互作用(王璐和沈学顺，2019)，直接影响到模式对对流触发、发展、传播与降水落区、强度和降水日循环特征等的模拟预报能力(Berner et al.，2011)，关系到对流尺度模式对强对流天气的可预报性。为了提高对强对流天气的预报预警能力，对流尺度集合预报系统应运而生，且对流尺度集合预报系统较天气尺度模拟能得到较大的改进(Clark et al.，2009；Duc et al.，2013；Schellander-Gorgas et al.，2017)。集合预报模式扰动代表性方案主要有多模式扰动方案、多物理参数方案和随机物理扰动方案三种。其中具有代表性的随机物理扰动方法有模式物理参数化倾向随机扰动方案即随机物理倾向扰动(Stochastically perturbed parameterization tendencies，SPPT)(Buizza et al.，1999；Palmer et al.，2009)、随机动能补偿(Stochastic Kinetic-energy Backscatter Scheme，SKEB)(Shutts，2005；Berner et al.，2009)及随机参数扰动(Stochastic Perturbed Parameterization，SPP)(Ollinahoet al.，2017)三种。SPP方法是对物理参数化方案内关键参数进行随机扰动，表征了物理过程中靠近其源的参数化趋势的一些关键随机误差(陈静等，2003；Bowleret al.，2008；Baker et al.，2014；Jankov et al.，2017)，可以保持模式的物理一致性，保持确定性参数化所遵循的水分、动量和能量的局部运算守恒，且不会引起计算不稳定。Jankov等(2017)验证了SPP方案应用到高分辨率集合预报的可行性，熊洁等(2021)对比评估了暴雨对流尺度集合预报针对MYNN边界层、RUC陆面过程方案随机参数扰动的较优设置。SPP方法是近年来集合预报模式随机物理扰动方法的研究热点(王璐和沈学顺，2019)。由于物理参数化方案的不确定性不完全来自于方案中的参数，针对参数的扰动带来的离散度提高有限(王璐璐等，2020；熊洁等，2021)，另外不同随机扰动方法是模式不确定性的不同表达，针对的是模式某一方面的不确定性，也存在不同的缺陷，因此考虑混合不 同 扰 动 方 法 来 提 高 模 式 的 不 确 定 性 预 报。Leutbecher等(2017)在ECMWF全球集合预报同时使用SKEB和SPPT方案，Jankov等(2017)混合多随机物理扰动如SPP、SPPT、SKEB方案发现集合预报能得到更大的集合离散度。由于对流尺度集合预报中有关模式不确定性的研究仍缺乏系统性和理论基础，因此考虑在暴雨对流尺度集合预报系统中引入SPP扰动方案基础上，混合SPPT、SKEB进行多随机物理扰动，以了解是否能提高集合预报系统的离散度，从而达到多随机扰动方法之间的有效互补。本研究在对长江流域暴雨对流尺度集合预报系统 SPP、SPPT 方法研究基础上(熊洁等，2021；王明欢等，2021)，对比分析SPP方案分别混合SPPT、SKEB方案产生的随机扰动增长特性及各混合方案的预报效果，为进一步发展适用于暴雨对流尺度集合预报系统的模式扰动技术提供理论依据。1 暴雨个例概况与数值模拟方案2018年5月2122日受500 hPa低槽和西南涡东移影响，在长江流域四川、重庆地区发生了一次特大暴雨过程，5月21日12时22日12时(世界时，下同)四川西南部到重庆西北部大部分地区出现了25 mm以上的降水，超过100 mm的国家气象站点有324个，最大6 h雨量达到286.7 mm。伴随西南低涡的东移，逐6 h强降水中心依次位于四川盆地西南部(图1a)、四川盆地东北部(图1b)、重庆与湖北恩施交界处(图1c)，22日06时降水减弱(图1d)，24 h雨带