ECMWF 驱动场谱逼近对浙江超强台风“利奇马”（2019）精细化数值预报的影响

董美莹 陈锋 邱金晶 冀春晓

浙江省气象科学研究所，杭州 310008

1 引言

为改进区域数值模式模拟性能，Waldron et al.（1996）提出了谱逼近方法。该方法假设无边界全球数值模式在较大尺度大气波动的解析表达方面比有边界有限区域数值模式更优；所以在有限区域模式中，从大气波动谱空间的角度对模式整个模拟区域的较大尺度谱空间增加一个订正项来减少有限区域数值模式模拟误差。由此可见，动力谱逼近是具有尺度选择性的，它既要求区域模式模拟的较大尺度大气波动接近全球模式强迫场，又保证了较小尺度大气波动在有限区域模式中自由发展（von Storch et al., 2000）。换言之，谱逼近技术一定程度上兼收了全球模式在较大尺度系统模拟优势和有限区域模式在中小尺度系统模拟优势，是提升区域模式模拟性能的一个有效途径。

由于上述谱逼近技术优势，该方法在区域气候模拟工作应用较多，谱逼近能有效降低区域数值模式性能对于模拟区域大小和位置的依赖性（Miguez-Macho et al., 2004; 宋寔和汤剑平, 2011; 曾先锋和周天军, 2012），对美国与我国的夏季降水、江淮梅雨等气候模拟均有较好改进（Miguez-Macho et al.,2005; Cha and Lee, 2009; Shan et al., 2012; Spero et al., 2014; Choi and Lee, 2016）。2013 年以来，有学者尝试把谱逼近方法用于重大天气过程的数值模拟，并取得较好应用效果。Cha and Wang（2013）利用谱逼近改进了区域模式的大尺度形势场，模拟台风路径和强度更接近实况。针对2008 年初我国南方大范围持续性降水过程，王淑莉等（2016）通过谱逼近技术对低层风场与水汽输送的订正实现了降水模拟改进。最近，针对浙江省高分辨区域数值天气预报系统雨带位置预报不足（邱金晶等,2015），董美莹等（2019）开展了多要素谱逼近方法在高分辨率区域数值天气预报模式梅雨模拟性能的应用研究，确定了水平风场谱逼近为最优方案；该方案通过低层风场和高湿区等动力、热力影响因子修正改进了梅雨模拟。

从动力张弛谱逼近基本原理可知，大尺度驱动场本身预报质量是影响谱逼近效果的关键因素，选择一个高质量大尺度驱动场有助于谱逼近技术提升高分辨区域数值预报业务系统性能。对当前全球模式预报产品业务评估表明，ECMWF（European Centre for Medium-range Weather Forecasts, https://www.ecmwf.int/en/forecasts/datasets/set-i）和NCEPGFS（National Centers for Environmental Prediction Global Forecast System，https://www.nco.ncep.noaa.gov/pmb/products/gfs/）全球预报模式对于我国台风天气预报性能优良（雷小途和余晖, 2015; 陈国民等, 2019）；ECMWF 全球模式的实时预报产品对于浙江参考价值很高（浙江省气象科学研究所,2020）。因此，开展ECMWF 全球模式预报产品驱动的谱逼近技术应用研究无疑是值得尝试的一条重要途径。已有研究显示，基于NCEP 再分析资料（王淑莉等, 2016; 董美莹等, 2019）或GFS 预报场资料（Cha and Wang, 2013）驱动的谱逼近技术研究工作取得一定进展，而在区域高分辨数值天气预报模式使用ECMWF 全球模式预报场驱动的谱逼近预报试验很少，针对动力谱逼近如何影响台风风雨精细化预报的研究鲜见。

综上所述，为提升高分辨率区域数值天气预报模式性能，考虑高质量ECMWF 资料和谱逼近方法优势，本文以2019 年严重影响我国的超强台风“利奇马”为例，开展ECMWF 资料驱动谱逼近技术在高分辨率区域数值天气预报系统中的应用研究，重点探讨该技术对浙江台风精细化预报的可能影响，以期提高ECMWF 资料应用水平和动力谱逼近技术适用性认知，为高分辨区域数值预报精细化预报水平提升和台风灾害防御工作提供支持。文中后续内容安排如下：第2 节介绍了研究所用的谱逼近方案、数值模式、试验设计和资料；第3 节概述了研究个例的基本情况；谱逼近方案对于“利奇马”台风路径、强度及精细化风雨预报的影响在第4 节进行了着重分析；最后第5 节是全文的结论与讨论。

2 方法和资料

2.1 高分辨区域数值预报模式

利用WRF-ARW V3.4.1 模式（http://www2.mmm.ucar.edu/wrf/users，Skamarock et al., 2008），选用浙江省数值预报业务系统物理框架（Zhe-Jiang WRF ADAS Real_time Modeling System，ZJWARMS)（陈锋等, 2012）。模式使用双重嵌套，内外层区域各为D01 和D02（图1a），D01 水平分辨率9 km，格点数265×265；D02 水平分辨率3 km，格点数205×187。模式层顶设在10 hPa，内外嵌套的垂直层数都是36 层。选用的物理过程参数化方案包括：Noah 陆面过程方案（Chen and Dudhia, 2001）、RRTMG 短波和长波辐射方案（Iacono et al., 2008）、YSU 大气行星边界层方案（Hong et al., 2006）、WSM 6-Class 云微物理方案（Hong et al., 2004）和MM5 相似理论的表面层方案（Jiménez et al., 2012）。

图1 （a）模式模拟区域设置和（b）内区域（d02）地形高度（阴影，单位：m）。图（a）中内（d02）、外（D01）区域水平格距分别为3 km 和9 km，黑色粗线框示意内区域；图（b）中点圈标记表示“利奇马”影响期间浙江省7 个主要降水中心观测站：括苍山（KC）、枧头村（JT)、石梁镇（SL）、江南天池（JN）、照君岩（ZJ）、下西坑村（XX)、石屏村（SP）和郑地村（ZD），蓝色粗线AB 示意图10 垂直剖面中过下西坑村（XX)和郑地村（ZD）降水中心的水平线位置Fig. 1 (a) Configuration of the model domain and (b) the inner domain topography (shaded, units: m). In Fig.(a), the outer domain d01 corresponds to the 9-km horizontal resolution, the inner domain d02 with thick black frame has a 3-km resolution. In Fig. (b), the dot-circles indicate the seven observational stations as KC, JT, SL, JN, ZJ, XX,SP and ZD of main precipitation centers in Zhejiang Province as induced by typhoon Likima (2019);the thick blue line AB denotes the horizontal line through the rainfall centers of XX and ZD as displayed in the vertical cross section in Fig.10

2.2 谱逼近方案和试验设计

基于浙江省高分辨区域数值系统和本地天气气候特点，借鉴von Storch et al.（2000）和Tang et al.（2010）的滤波思路，董美莹等（2019）研制了适用于ZJWARMS 系统的水平风场谱逼近最优方案及子模块。谱逼近基本原理是把区域数值模拟作为一种“降尺度”问题来处理（Waldron et al.,1996），首先确定出谱逼近的具体要素和较大尺度谱空间，其次通过傅立叶变换等方法计算出在较大尺度谱空间全球模式强迫场和有限区域模拟场之间的差异增量，然后在区域模式积分的每一个时间步长中，在该要素预报方程中添加一个订正项，最终实现区域模式模拟场向全球模式驱动场在较大尺度谱空间的动力逼近以减少模拟误差。文中使用的谱逼近方法是将区域模式区域内部某一垂直层次及以上所有层次大气的较大尺度波动向质量更优的ECMWF 全球模式进行逼近，这种逼近是通过每一步积分步长（文中为20 s）对某垂直层次以上逼近要素的较大尺度谱逐步增加相应增量修正项来实现；其他层次和要素的变化则是通过每一个积分步长中各预报方程之间的物理约束来逐步产生，因此谱逼近后各层次、各要素可以保持较好的平衡，谱逼近可视为是一种间接的资料同化方法（von Storch et al.，2000）。实际上，谱逼近方案中垂直层次的选择可以影响到大气边界层状态，而边界层大气属性对于台风等重大天气过程有重要影响（陈联寿和丁一汇, 1979; 邓国等, 2005; Zhang et al., 2017; Zhang and Pu, 2017; Dong et al., 2019; 王叶红和赵玉春,2020）。一方面，大气低层明显受到地表地形等局地分布特性影响，具有较高分辨率的区域模式对低层大气及较小尺度波动模拟有相对优势；另一方面，无边界的全球模式对中高层大气较大尺度波动模拟有相对优势。因此可以推论，可能存在一个最佳谱逼近垂直层次，在该层次以下保留区域模式的模拟优势，在该层次及以上引入驱动场谱逼近来吸收全球模式的模拟优势，最终可使模拟性能达到最佳，因此有必要进一步开展垂直层次调优试验来进一步完善谱逼近方案。如表1 所示，本研究共设计了1个控制试验（CTL）和4 个不同垂直层次谱逼近敏感性数值试验，分别对模式层第12 层（约700 hPa高度，SNL12）、第10 层（约800 hPa 高度，SNL10），第8 层（约850 hPa 高度，SNL8）、第6 层（约925 hPa，高度，SNL6）及以上的层次做水平风场动力谱逼近。所有试验均积分72 h，敏感性试验除了逼近层次不同外，其他试验设计与控制试验完全相同。

表1 试验设计Table 1 Design of Experiments

2.3 资料

研究使用资料包括ECMWF 的全球模式预报资料、ZJWARMS 区域数值模式预报资料、台风路径资料和实况风雨观测等资料。（1）ECMWF 全球模式预报资料取自中国气象局下发的高分辨确定性预报产品，包括分析场和预报场，资料时间分辨率为3 h，其中高空变量的空间分辨率为0.25°×0.25°，地面变量的空间分辨率为0.125°×0.125°，作为本研究中高分辨区域数值模式的初始场和边界条件。（2）台风路径和实况风雨观测资料用于检验模式预报性能。台风路径资料取自中国气象局上海台风所研发的西北太平洋热带气旋检索系统提供的实时路径资料（http://10.228.34.9/stiweb_light/[2019-07-15]）。（3）实况风雨资料取自浙江省气象局信息网络中心的自动站数据库，包括了浙江省约2900 多个站点观测资料（包括102 个国家站和2800 多个区域自动站），站点平均空间分辨率约6 km。已有研究表明，在这种较高空间站点密度情况下，不同插值方法对结果影响有限（许娈等,2017）。为此，在下文地面要素检验评估分析工作中，本文利用反距离加权插值法将全省各站点资料插值到预报场格点上进行地面要素的相关定量检验。（4）对于高空要素检验，本文使用了ECMWF 全球模式08 时（北京时，下同）和20 时的分析场，时间分辨率为12 h。

3 个例概况

2019 年第9 号台风“利奇马”（Lekima）8月4 日14 时在菲律宾以东洋面生成后向西北方向移动，强度不断加强，7 日23 时加强为超强台风。8 月10 日01 时45 分在浙江省台州市温岭城南镇登陆，登陆时中心附近最大风力16 级（52 m s-1），中心最低气压930 hPa。登陆后“利奇马”向北偏西方向纵穿浙江、江苏，强度逐渐减弱，11 日12时进入黄海北上，又于8 月11 日20 时50 分在山东省青岛市黄岛区沿海再次登陆。此后“利奇马”继续北上于12 日05 时移入莱州湾海面并迴旋打转，13 日08 时减弱为热带低压，同日14 时中央台停止编号。据统计，“利奇马”是1949 年以来登陆我国大陆地区的第五位超强台风，导致了17 级以上大风和局地600 mm 以上暴雨，共造成浙江、山东、江苏等省1402.4 万人受灾，57 人死亡，14 人失踪，直接经济损失537.2 亿元。

受超强台风“利奇马”直接登陆影响，8 月8日到11 日浙江省普降暴雨，沿海地区大暴雨局部特大暴雨，多地刷新过程雨量和24 h 雨量纪录，最大过程雨量达831mm（台州临海括苍山站）；浙江大部出现8 级以上大风，其中沿海大部12～14 级、部分15～17 级，最大为61.4 m s-1（温岭石塘镇三蒜岛站），导致浙江省直接经济损失高达407.2 亿元。可见，重创浙江的台风“利奇马”具有登陆强度强、风雨强度大、影响范围广、灾害影响重等特点。因此，超强台风“利奇马”是衡量ECMWF 驱动场谱逼近技术对浙江高分辨区域数值模式预报性能影响一个理想个例。鉴于本文研究目的，文中主要分析时段为2019 年8 月8 日20 时至2019 年8 月11 日20 时。

4 结果分析

台风路径和强度是台风预报服务中关键因子，也是做好台风精细化风雨预报的重要前提（陈联寿等, 2012）。为此，考虑到台风路径强度在台风精细化预报性能和服务中的重要性和本文研究重点，下文首先通过台风路径和强度的评估确定出最佳垂直层次逼近方案，然后，针对最佳谱逼近方案的模拟结果，进一步对高空形势场、台风10 m 风场和降水预报方面做深入评估分析，以期较全面评价谱逼近方法对于台风天气精细化预报性能综合影响大小和可能过程。研究采用的统计评分参数有：均方根误差（RMSE）、空间相关系数（SPCC）和TS、ETS（Equitable Threat Score）等评估量（丁金才,1995; Gotway et al., 2009）。

4.1 对台风路径和强度的影响

不同边界层垂直层次谱逼近敏感性试验对于路径预报影响表明：一方面，动力谱逼近对于台风路径预报有明显影响，谱逼近对18 h 至72 h 的“利奇马”台风路径预报有较好改善。对照实况和区域模式CTL 试验模拟路径可得（图2a）：区域模式CTL 试验模拟路径误差主要出现在9 日20 时至10 日20 时台风移经浙江期间，在浙江境内台风路径偏西明显，且预报移速14.1 km h-1较实况17.1 km h-1偏慢。经过ECMWF 模式水平风场动力谱逼近之后，所有敏感性试验均将CTL 试验台风路径中的移向偏西误差和移速偏慢误差进行修正，对浙江省境内的台风路径预报有显著改进。定量分析区域模式各试验路径误差显示（图2b），谱逼近试验主要对18 h 至72 h（9 日14 时至11 日20 时）的预报路径有明显改进作用，谱逼近前后72 h 平均误差减小约35 km，将控制试验68 km 的误差改进率约48.5%；逐小时误差最多减小80 km。另一方面，不同边界层垂直层次谱逼近的改进效果有一定差异，总体上模式层第10 层（约800 hPa高度）及以上谱逼近试验SNL10 路径预报最佳。分析各敏感性试验的误差逐时演变可知，模式层第10 层及以上谱逼近试验SNL10 的误差稳定较小，72 h 小时平均误差最小，是路径预报的最佳谱逼近方案。

对比谱逼近前后“利奇马”强度预报显示：谱逼近对于强度影响总体较小，谱逼近对21 h 至45 h预报时效的强度略有改善。从“利奇马”中心附近最大风速（Vmax）逐3 h 演变看到（图2c），总体上，控制试验对登陆前“利奇马”强度模拟明显偏弱，对于登陆后的强度模拟略偏强。动力谱逼近主要对2019 年8 月9 日17 时（积分21 h）至10 日17 时（积分45 h）台风中心附近最大风速有一定改善，控制试验的风速低估得到一定程度修正，平均误差减少3 m s-1。这种修正与谱逼近改进TC 路径后TC 经过的下垫面状况更接近实况从而改善了TC 边界层有关。不同层次谱逼近对强度的修正与路径类似，模式层第10 层及以上谱逼近试验SNL10 的误差总体最小，是强度预报的最佳谱逼近方案。

图2 2019 年8 月8 日20 时至11 日20 时“利奇马”（a）台风路径的实况与8 月8 日20 时起报的预报，（b）台风路径误差的时序图（单位：km）和（c）台风中心附近最大风速的实况与预报（单位：m s-1）。图中黑色、蓝色、绿色、红色、橙色、浅蓝色、灰色实线分别示意实况与CTL、SNL12、SNL10、SNL08 和SNL06 试验Fig. 2 Observed and simulated Lekima’s (a) tracks, (b) errors (units: km) and (c) maximum wind speeds near TC center (Vmax, units: m s-1) from 2000 BJT 8 August 2019 to 2000 BJT 11 August 2019. The black, blue, green, red, orange and light blue lines indicate the observation and simulations for experiments CTL, SNL12, SNL10, SNL08 and SNL06, respectively

根据上述试验的分析结果，台风路径和强度模拟最接近实况的SNL10 试验谱逼近方案为最佳方案，结合本节后续及4.2～4.4 节分析可知，本个例对于800 hPa 及以上层次谱逼近效果最佳主要是充分发挥了ECMWF 强迫场对引导气流及台风路径的改进优势和区域模式对低层台风结构的解析优势。下文将着重探讨超强台风“利奇马”严重影响浙江期间最佳谱逼近方案对于模式预报性能的综合影响。

我们知道，台风路径主要受大尺度引导气流的影响，为进一步理解谱逼近影响台风路径的过程，本段分析了控制试验和最佳方案的引导气流变化。参照文献Holland（1984），通过计算距台风中心500 km 水平范围以内、850 hPa 至300 hPa 垂直层次之间水平风场的平均值来估计台风引导气流。分析2019 年8 月9 日08 时至11 日08 时引导气流演变得到（图3c）：总体上，控制试验比最佳试验的引导气流偏小，平均偏小0.8 m s-1（2.88 km h-1），最大偏小1.2 m s-1（4.32 km h-1）。分析纬向（图3a）和经向（图3b）引导气流可知，8 月10 日14 时之前CTL 试验路径移速偏慢和移向偏西主要由经向南风引导气流和纬向东风引导气流共同偏小引起，而此后移速偏慢则主要由经向南风引导气流偏小导致。结合下文4.2 节谱逼近对于高空形势场的影响分析可知，如图4a 中红色实线（绿色虚线）所示，谱逼近后对流层几乎整层的纬向（经向）风场均得到了较好改进，水平风场均方根误差多降低了20%。换言之，谱逼近技术有效吸收了ECMWF 模式较大尺度高空形势场模拟优势改进了对流层整层水平风场及台风引导气流的模拟，进而修正了“利奇马”台风路径预报。

图3 2019 年8 月9 日08 时至11 日08 时控制试验CTL（蓝色空心园线）和最佳谱逼近试验SNL10（红色实心圆线）的（a）纬向（UU）、（b）经向（VV）和（c）全风速（UV）引导气流大小变化（单位：m s-1）。引导气流由距台风中心500 km 水平范围以内、850 hPa 至300 hPa 垂直层次之间的水平风场求平均估算（Holland,1984）；图中灰色垂直实线示意“利奇马”登陆时刻Fig. 3 The evolution of (a) zonal steering, (b) meridional steering and(c) total steering speed (units: m s-1) from 0800 BJT 9 August to 0800 BJT 11 August 2019, based on the CTL (blue line with open circle)control run and experiment SNL10 (red line with solid circle). The steering flow is defined as the mean horizontal wind averaged within a radius of 500 km from the typhoon centre between 300 and 850 hPa(Holland, 1984). The grey vvertical line denotes the time of Lekima landfall

4.2 对高空形势场的影响

本节采用ECMWF 全球模式的分析场（即ECMWF 全球模式的初始场）为基准，逐12 h 计算一次分析场与各试验预报风场、温度、高度及湿度场的均方根误差和空间相关系数来做对比分析，其中ECMWF 分析场通过WRF 模式的前处理模块插值到区域模式预报格点上。

计算D02 区域内所有预报时效下最佳谱逼近试验相对控制试验各评估参数的平均增量百分比（最佳试验减去控制试验的差值除以控制试验）得到（图4）：谱逼近后对于对流层整层的要素强度和分布预报均有较好修正。从均方根误差增量百分比看（图4a），谱逼近使得高度场、纬向风、经向风、相对湿度和温度场的均方根误差多降低了20%以上。各要素对比而言，高度场改进幅度最大，700 hPa 至400 hPa 改进幅度稳定在35%左右；其次是经向风、纬向风和湿度场，最大改进层次位于对流层中层，改进幅度各达34%、30%和25%；最后是温度场，多数层次改进10%左右。空间相关系数增量百分比也显示（图4b），谱逼近使得各要素的空间分布形态改善程度多在5%～10%；在垂直方向上，800 hPa 以上层次修正更明显。值得注意的是，各要素中改进最明显的是相对湿度，改进率多在20%以上。我们知道，台风移动主要受850 hPa 至200 hPa 层次气流的引导，这些层次包括风场在内的形势场改进与前文台风引导气流以及台风路径修正是一致的。

图4 所有预报时效下最佳谱逼近试验SNL10 相对控制试验CTL 各要素模拟（a）均方根误差和（b）空间相关系数的平均增量百分比（最佳试验减去控制试的差值除以控制试验）D02 区域平均垂直廓线。图中红线、绿线、蓝线、橙线和紫线分别示意纬向风、经向风、高度场、温度场和相对湿度Fig. 4 Vertical profiles of average increment percentagesof (a) root mean square error (RMSE) and (b) spatial correlation coefficient (SPCC) for meteorological elements between the SNL10 experiment and the control run (the former minus the latter and then divided by the latter) during all lead times over D02. The red, green, blue, orange and purple lines indicate the zonal wind, meridian wind, geopotential height, temperature, and relative humidity from both observation and simulation experiments (CTL, SNL12, SNL10, SNL08 and SNL06), respectively

4.3 对10 m 风预报的影响

地面10 m 风是评估台风预报能力的一个重要方面，且由于风矢量的瞬变特征以及受局地地形等要素影响明显，也是预报中的难点。结合业务预报中最为关注的极大风，下文通过“利奇马”影响过程极大风速实况和各试验逐小时预报10 m 风的对比来评估谱逼近方案的影响。对比2019 年8 月9日20 时至8 月10 日20 时10 m 极大风实况和各试验模拟逐1 h 的10 m 风速最大值空间分布显示（图5）：各试验能基本预报出台风大风的空间分布特征，内陆风力预报存在普遍高估，而沿海风力存在低估。谱逼近后，浙西南内陆（图中黑色方框所示）风速高估得到较好订正（图5c），沿海地区尤其是浙北沿海海面风力低估得到普遍修正。全省平均而言，谱逼近前后风速均方根误差从5.04 m s-1降到4.42 m s-1，相关系数则从0.85 升到0.89，分别改进12.3%和5%。即最佳谱逼近试验10 m 风力预报更接近实况，更具参考价值。

图5 2019 年8 月9 日20 时至8 月10 日20 时10 m 高度极大风实况和各试验模拟逐1 h 的最大10 m 风速的对比（单位：m s-1）：（a）实况；（b）控制试验CTL；（c）最佳谱逼近试验SNL10。图中黑色方框（30°N～31°N, 119.2°E～121°E）示意差异较明显的浙西南地区Fig. 5 The observed extreme wind speed and simulated maximum hourly wind speed at 10 m above surface (units: m s-1) from 0800 BJT 9 August to 0800 BJT 11 August 2019: (a) Observations; (b) CTL; (c) SNL10. The black rectangle (30°N-31°N, 119.2°E-121°E) in each panel denotes the southwest region of Zhejiang Province (SWR), wherein the major wind and precipitation differences occur between CTL experiment and SNL10 experiment

2019 年8 月9 日20 时至8 月10 日20 时逐3 h各试验模拟的10 m 风评估表明，各试验对于全省风力预报时间演变有较好参考价值，谱逼近对大多数时刻的风力预报强度和分布都有改善。逐3 h 均方根误差变化显示（图6a），大多数时刻谱逼近试验的均方根误差均小于控制试验，平均而言，均方根误差从4.70 m s-1减低至4.30 m s-1，误差改进了8.5%。同样，逐3 h 空间相关系数变化给出（图6b），谱逼近后“利奇马”台风风力的分布得到基本改善，平均相关系数从0.80 提升到了0.83，改善率为3.7%，最大改善率达10%。此外，进一步分析8 级（≥17.2 m s-1）以上的大风累计检验评分也看到（图6c-d），谱逼近试验提升了绝大多数时刻的统计评分，平均TS（ETS）从0.61（0.53）增加到了0.65（0.57），改进率为6.1%（8.0%），最大改进率达15.3%（20.8%）。

图6 2019 年8 月9 日20 时至8 月10 日20 时逐3 h 控制试验（蓝柱）和最佳谱逼近试验（红柱）模拟10 m 风的（a）均方根误差和（b）空间相关系数以及8 级以上大风（≥17.2 m s-1）的（c）TS 和（d）ETS 评分Fig. 6 The comparison of the (a) RMSE, (b) SPCC, (c) threat score (TS), and (d) equitable threat score (ETS) of wind speed at 10 m above surface(units: m s-1) from 0800 BJT 9 August to 0800 BJT 10 August 2019 between CTL (blue bar) and SNL10 (red bar) experiment. Strong wind is verified with the threshold of 17.2 m s-1 in (c and d)

结合台风风力结构知道，台风大风圈是导致地面10 m 强风的直接原因，谱逼近后浙江省“利奇马”风力预报改进主要与其路径及大风圈修正有关。谱逼近后“利奇马”路径明显向东修正使得相应强风区随之东移，浙西南地区因为远离了台风中心实现了高估风力的修正；同时，强风区的东移使得浙江近海靠近了台风中心实现了低估风力的改善。

4.4 对降水预报的影响

图7 给 出了2019 年8 月8 日20 时 至8 月11日20 时的72 h 累计过程雨量实况和模拟。从降水实况可知（图7a），“利奇马”造成的浙江降水中心主要有7 个代表站，分别是浙东的括苍山（KC）和石梁镇（SL），浙西北的江南天池（JN）和照君岩（ZJ），还有浙西南的下西坑村（XX)、石屏村（SP）和郑地村（ZD）。结合图1b 地形分布可知，上述降水中心与浙江括苍山、天台山、天目山、千里岗、仙霞岭、洞宫山等山脉相联系，可见地形对于“利奇马”台风降水增幅有重要影响（Smith et al., 2009; Dong et al., 2010; 段晶晶等,2017）。对比两个试验可见（图7b、c）：伴随台风路径的修正，谱逼近将控制试验的雨区整体往东修正，特别是原来控制试验在浙西南地区（黑色方框所示）及其3 个降水中心的高估降水得到了显著修正，降水预报更加接近实况。定量统计也得到，控制试验、最佳谱逼近试验与实况的相关系数（均方根误差）分别为0.48（124.62 mm）和0.73（86.38 mm），即谱逼近后相关系数（均方根误差）的改进率达52.1%（30.7%）。强降水累加统计检验分析得到，100 mm 以上降水的TS（ETS）评分从0.69（0.12）提高至0.82（0.49），增幅率18.8%（308.3%）；250 mm 以上降水的TS（ETS）评分也由0.34（0.22）增高至0.48（0.39），改进率为44.1%（77.3%）。

图7 2019 年8 月8 日20 时至8 月11 日20 时72 h 累计降水的实况和模拟（单位：mm）：（a）实况；（b）控制试验；（c）最佳谱逼近试验。黑色方框示意同图5；点圈标记及字符标识同图1bFig. 7 The comparison of 72 h accumulated precipitation (units: mm) from 2000 BJT 8 August 2019 to 2000 BJT 11 August 2019: (a) Observation;(b) CTL; (c) SNL10. The black rectangle is the same as in Fig.5, while the marks and texts of stations are the same as in Fig.1b

分析台风影响期间浙江逐24 h 累计降水变化显示，谱逼近试验对于降水的主要改进发生在8月9 日20 时至8 月10 日20 时最强24 h 累计降水时段。分析降水实况及各试验模拟误差显示（图略），谱逼近后浙西南地区降水高估得到显著改进，其中石屏村（SP）的降水改进幅度超过300 mm。全省统计平均得到：谱逼近后均方根误差从87.40 mm 降至62.46 mm，减少率28.5%；空间相关系数也从0.43 升至0.76，增幅比为76.7%。降水分级累加检验结果表明（图8）：谱逼近对于大雨以上降水均有明显改进。其中暴雨（大暴雨）以上级别的TS 评分从0.76（0.48）增加到0.85（0.65），改进率为11.8%（26.2%）。类似的，大雨、暴雨、大暴雨ETS 评分各提升了0.25、0.37 和0.25。

图8 控制试验（蓝柱）和最佳谱逼近试验（红柱）对2019 年8 月9 日20 时至8 月10 日20 时阈值为0.1 mm，10 mm，25 mm，50 mm和100 mm 的各量级24 h 累计降水预报评分对比：（a）TS；（b）ETS 评分Fig. 8 The comparison of the (a) TS, (b) ETS of 24 h accumulated rainfall with the thresholds of 0.1 mm, 10 mm, 25 mm, 50 mm and 100 mm from 2000 BJT 9 August to 2000 BJT 10 August 2019 between the CTL (blue bar) and SNL10 (red bar) experiments

评估各试验登陆期间（2019 年8 月9 日20 时至8 月10 日20 时）逐3 h 累计降水演变看到：与风力相似，谱逼近对绝大多数时次短时降水预报有明显改进（图略），对于“利奇马”台风期间的最强3 h 短时降水改进显著。谱逼近后所有时次的均方根误差都有下降，最大降幅出现在最强3 h 降水发生阶段——即台风刚刚登陆后的10 日02 时至05 时，均方根误差从30.98 mm 降至24.51 mm，登陆期间平均RMSE 从20.80 mm 降到17.98 mm。逐3 h 空间相关系数的变化表明谱逼近改进了绝大多数时刻降水的空间分布，最强3 h 降水SPCC 从0.11 提 升 至0.48，平 均SPCC 从0.34 升 至0.55。短时降水累加检验结果也表明：谱逼近对绝大多数时刻的短时降水预报性能有提升作用。短时暴雨以上级别的平均TS（ETS）评分从0.29（0.13）增加到0.35（0.20），其 中10 日05 时 最 强3 h 降 水TS（ETS）评分从0.34（0.07）增至0.45（0.24）。

如前所述，谱逼近对浙西南降水高估改进显著。针对登陆期间（2019 年8 月9 日20 时至8 月10日20 时）浙西南地区3 个降水中心下西坑村（XX，图9a）、石屏村（SP，图9b）和郑地村（ZD，图9c）单站逐1 h 降水实况和模拟的演变分析也得到，谱逼近后降水更加接近实况，动力谱逼近技术提升了“利奇马”的精细降水预报性能。降水演变显示，谱逼近对大多数时次降水预报有明显改进，控制试验降水高估得到修正。3 站均方根误差从15.7 mm、23.7 mm 和15.6 mm 下降至7.6 mm，9.1 mm和7.3 mm，下降幅度约一半。此外，单站降水随时间的演变趋势也多是正效应，3 站平均改进率为28.3%。

图9 2019 年8 月9 日20 时至8 月10 日20 时各试验副降水中心逐1 h 累计降水模拟（蓝色空心园线示意CTL，红色实心圆线示意最佳试验SNL10）和实况（黑色实线）：（a）下西坑村（XX）；（b）石屏村（SP）；（c）郑地村（ZD）。图注中各模拟试验名称后的数值依次表示该站点1 h 降水预报的均方根误差（单位：mm）和相关系数Fig. 9 Hourly evolution of the observed (black line) and simulated 1 h accumulated precipitation (blue line: experiment CTL; red line: SNL10;units: mm) at rainfall centers from 0800 BJT 9 August to 0800 BJT 11 August 2019: (a) XX; (b) SP; (c) ZD. The values behind the name of the test in the legend denote the RMSE and CC of each experiment in order

浙西南降水高估的改进过程如何？一方面，与10 m 风类似，台风路径修正是降水改进的前提，台风位置的东调使得台风强雨区大体东调。但浙西南降水中心的位置却不变，说明浙西南山地的局地抬升作用对于降水增幅有重要贡献（钮学新等,2005; 冀春晓等, 2007）。分析2019 年8 月9 日20时至8 月10 日20 时平均的雷达组合反射率因子观测和各试验预报表明（图略），谱逼近对控制试验高估的雷达组合反射率因子进行了订正，与观测更为接近。与降水类似，下西坑村（XX)、石屏村（SP）和郑地村（ZD）3 站也是雷达组合反射率因子的相对高值中心。过下西坑村（XX）和郑地村（ZD）的雷达反射率因子、水平风场和垂直速度的垂直剖面看到（图10）：总体上，控制试验的低层风速强于谱逼近试验，不难推论，由地形迎风坡抬升作用引起的上升作用也更强（Wu et al.,2002; 董美莹等, 2011），形成雨水水凝物更多，易导致地面降水高估。比如，控制试验中下西坑村（XX）站附近低层最大的雷达反射率因子达40 dBZ（图10a），而谱逼近后只有32 dBZ（图10b）；前者28 dBZ的反射率因子伸展至4 km 高度，后者不到2 km。

图10 各试验模拟2019 年8 月9 日20 时至8 月10 日20 时逐小时雷达基本反射率因子（单位：dBZ）和风场 [矢量，沿剖面方向的水平风（单位：m s-1）和垂直风（单位: 0.2 m s-1）] 的24 h 时间平均沿浙西南副降水中心附近（图1b 中蓝线AB）垂直剖面：（a）控制试验CTL；（b）最佳谱逼近试验SNL10。横坐标上黑色三角形标示下西坑村（XX）、石屏村东北侧（SP_NE）和郑地村（ZD）附近的位置Fig. 10 Vertical cross sections of the simulated 24 h mean basic reflectivity factor (shaded, units: dBZ), horizontal wind along AB blue line in Fig.1b (vector, units: m s-1) and vertical velocity (vector, units:0.2 m s-1) from the simulated experiments (a) CTL and (b) SNL10.Black triangle represents the vicinity of XX station, the north-east of SP station and ZD station

分析单站要素变化有助于进一步了解谱逼近的改进过程。对石屏村（SP）单站各物理量垂直廓线分析显示（图11）：由于台风路径的修正，谱逼近后对流层中低层水平风场全风速普遍低于控制试验（图11a），例如在2 km 高度的极大值为23 m s-1，比控制试验低了6 m s-1。根据地形强迫垂直运动的形成原理，如图11b，c 所示，近地层风速降低会导致水平辐合和垂直上升运动的减弱；从而形成水凝物减少，即雷达反射率因子的整体降低（图11d），在5 km 高度以下各层次，谱逼近试验的雷达反射率因子比控制试验约低了8 dBZ；最终使得降水高估得到了改进。

5 结论和讨论

为改进高分辨率区域数值天气预报模式性能，本文基于高质量的ECMWF 全球预报模式产品和动力谱逼近方法技术优势，着重探讨了ECMWF驱动场水平风场谱逼近对超强台风“利奇马”路径、强度以及浙江精细化风雨预报性能的影响。得出以下初步认识：

（1）动力谱逼近对于台风强度影响较小，对于路径预报修正明显。谱逼近对18 h 至72 h 的“利奇马”台风路径预报有较好改善，72 h 平均路径误差比控制试验减小约35 km（改进率约48.5%），逐小时路径误差最多可降80 km；不同边界层垂直层次谱逼近的改进效果有一定差异，总体上模式层第10 层及以上（约800 hPa 高度）谱逼近试验路径和强度预报最佳。谱逼近对于浙江省境内路径的明显改进是通过同时修正南风和东风引导气流的低估来订正了移速偏慢和移向偏西误差。

（2）谱逼近对于对流层整层的要素强度和分布预报均有较好订正。对于各要素的均方根误差改进率多在20%以上，最大改进层次位于对流层中层，其中高度场、纬向风和经向风的改进率在30%以上；各要素空间相关性的增幅率多在5%～10%，800 hPa 以上层次更明显，其中相对湿度改进最明显，增幅率多在20%以上。这些改进与台风引导气流修正相一致。

（3）谱逼近对于浙江“利奇马”过程极大风和风力演变有明显改善作用。一方面，谱逼近使得浙江内陆特别是浙西南地区的风速高估和沿海地区尤其是浙北沿海风力低估都得到较好订正，谱逼近后风速均方根误差和相关系数分别改进幅度为12.3%和5%。另一方面，谱逼近对逐3 h 预报的10 m 风强度和分布都有改进，其中8 级（≥17.2 m s-1）以上的大风累计检验TS（ETS）评分平均改进率为6.1%（8.0%），最大改进达15.3%（20.8%）。10 m 风精细分布的改进主要源自谱逼近对台风路径及大风圈的修正。

（4）谱逼近对于浙江“利奇马”过程累计降水、最强日降水、3 h 累计降水乃至浙西南地区降水中心的小时降水均有明显改进。过程累计降水、最强日降水、3 h 累计降水的均方根误差改进幅度多在25%以上，暴雨以上强降水的TS（ETS）评分改进幅度可达20%；对于浙西南地区3 个降水中心单站小时降水的高估有显著修正，3 站均方根误差均下降了约一半，平均改进率为55.5%。浙西南地区“利奇马”精细化降水的改进与谱逼近后台风路径和强度修正、近地层高估风力订正及浙西南山地的局地降水增幅作用减弱有关。

综合上述分析，梳理谱逼近改进“利奇马”（2019）台风精细化预报的主要物理过程如下（图12）：首先，水平风场动力谱逼近修正了对流层整层的各要素分布和强度。然后，一方面，各要素预报改进订正了台风引导气流和近地面风场，进而改进了台风路径、强度和大风圈，最终修正了地面10 m 风场预报；另一方面，各要素预报也改进了降水环境场条件，结合台风路径、强度预报和近地面风场等修正，使得浙西南地区及降水中心附近局地的地形强迫辐合作用减弱、强迫上升运动减弱和水凝物形成减少，最终订正了地面高估降水。

图12 动力谱逼近对台风精细化预报的改进过程Fig. 12 The improvement process of typhoon fine prediction through dynamical spectral nudging technique

本文研究进一步验证了谱逼近技术在短期天气高分辨区域数值预报业务中的较好应用价值（Cha and Wang, 2013; 王淑莉等, 2016; 董美莹等, 2019）。本研究一方面是谱逼近技术在台风高影响天气精细化数值预报适用性的深入探究，另一方面是对ECMWF 全球预报模式分析及预报资料应用的进一步挖掘。然而，本研究是个例研究结果，上述结论有待更多预报试验的开展验证。此外，谱逼近方案中关键参数设计对于不同天气系统可能有所差异，这些工作有待后续研究开展。