弱降水预报检验及天气分型

摘 要：统计了抚顺地区2022年4—10月48个弱降水天气过程，运用多个案例天气形势、物理量要素的综合对比分析方法，并结合ECMWF模式预报检验，对上述弱降水天气个例进行研究，结果表明：在弱降水天气中，降水量越小，预报员漏报的概率越大，其中（0，0.5］mm降水的漏报日占比最大，为57.89%。ECMWF模式对抚顺弱降水的空报率（35.94%～59.38%）较高，漏报率（1.56%～9.38%）较低；章党站的空报率为3站中的最高值，章党站晴雨预报TS评分在3站中最低，为35.94%，清原站和新宾站的TS评分为54.68%和50.00%。当ECMWF细网格模式24 h时效内预报降水量为0 mm时，新宾站和章党站的晴雨正确率较高，分别为85.71%和76.92%；预报降水量为（0，3］mm时，清原的晴雨正确率相对较高，为61.76%～63.64%。根据影响系统的不同，将弱降水天气过程分为高空冷涡型、高空槽型、低压顶部型及高压前部型。漏报多出现在高空冷涡型与低压前部型天气系统，分别占42.11%和26.32%；空报多出现在高空槽型与冷涡型，分别占37.93%和31.03%。4种弱降水天气类型的关注重点是系统位置与各层湿度的配合。

关键词：弱降水；ECMWF模式；预报检验；天气分型

中图分类号：P457.6 文献标志码：B 文章编号：2095–3305（2024）07–0-03

在天气预报业务工作中，弱降水天气过程没有统一的界定标准。虽然弱降水天气过程对人们的生产生活不会产生太大的影响，但小量级降水会给城市交通、公路等带来影响。考虑到公众对天气预报高精细化、高准确度的要求，以及弱降水天气过程难以达到较高预报准确率的现状，对抚顺地区弱降水天气进行全面且深入研究尤为必要。

ECMWF细网格模式产品资料已成为抚顺地区预报业务中最主要的预报依据之一[1]。随着模式不断改进与优化，相关人员也要不断研究和分析该模式的预报效果和特点，提高其在本地弱降水预报中的适用性[2]。弱降水过程由于天气系统较弱，表征降水的物理量也较弱，且系统持续时间较短，客观预报很难准确给出正确的结论[3-5]。预报员凭借经验给出预报结论，空报、漏报情况时有发生，严重影响晴雨预报的准确率，进而影响气象服务的质量。孙军、马学款等[6]对北京地区9次弱降水天气过程进行了分析，发现弱降水过程通常表现为对流层低层水汽条件差或动力抬升作用弱；迟春艳，杨文艳等[7]通过研究盘锦地区弱降水天气产生的天气形势及物理量要素，得出弱降水的预报指标，发现相对湿度、垂直速度与弱降水的产生密切相关。

通过统计和研究弱降水天气过程个例，检验ECM-WF细网格模式24 h时效内对抚顺地区3个国家基本站的弱降水预报效果，并且从天气学角度分析和总结出天气分型，建立抚顺地区弱降水天气过程预报指标，寻找弱降水过程预报的技术难点，有助于提高预报员对此类天气系统的分析和预报能力，从而提高预报准确率，保障气象服务质量[8-10]。

1 资料与方法

1.1 实况资料与筛选

选取2022年4—10月抚顺地区3个国家级地面气象观测站的日降水量资料，对预报员每天15时制作的24 h城镇天气预报进行评定。筛选空报、漏报个例，选取日降水量＜5 mm的降水个例，将弱降水错报1站及以上站次定为弱降水日，建立弱降水错报数据库。

1.2 预报资料与检验

调取ECMWF模式的降水预报资料，并与实况资料进行对比分析，运用统计学方法，得到该模式对抚顺地区3个国家基本站的降水TS评分、空报率及漏报率，确定ECMWF模式降水预报订正方法。

TS评分是当前气象行业应用较多的评分方法，公式为：

晴雨预报准确率：PC=×100%（1）

TS评分：（2）

漏报率：（3）

空报率：（4）

上述公式中，a为降水预报正确的站（次）数；b为空报的站（次）数；c为漏报的站（次）数；d为无降水预报正确的站（次）数[11-15]。

1.3 天气分型

运用天气学方法，分析MICAPS高空及地面填图资料，对选取的2022年弱降水天气个例逐个进行天气形势、物理量要素等综合分析，分类并总结得出弱降水天气学分型[16-17]。

2 结果与分析

2.1 弱降水过程预报检验结果

统计分析，在2022年4—10月59次降水错报天气个例中，弱降水天气有48次，弱降水日占81.36%。从图1可以看出，7月和8月的弱降水日数最多，4月最少。空报29个、漏报19个；3个国家基本站同时空报4个、同时漏报1个；在漏报的19个弱降水日中，3个国家基本站24 h降水量为（0.5，1］mm的有6个，占31.58%，降水量为（0，0.5］mm的有11个，占57.89%。这说明降水量越小，预报员漏报的概率越大，在日常预报工作中晴雨预报的难度越大。

2.2 数值模式弱降水预报检验

抚顺地区地处东部山区，受地形因素的影响，常出现分散性弱降水天气，此类天气的晴雨预报成为难点。为了了解ECMWF模式对抚顺地区弱降水的预报效果，选取48次弱降水天气过程中ECMWF模式24 h时效内预报降水量样本。通过分析该模式对抚顺地区3个国家基本站的空报、漏报样本数据，确定模式订正方法。

从表1中可以看出，ECMWF模式24 h时效内对抚顺地区3个国家基本站的晴雨预报的TS评分为35.94%～54.68%，空报率为35.94%～59.38%，漏报率为1.56%～9.38%。这说明该模式对抚顺地区弱降水的空报率较高，漏报率较低。由于章党站的空报率为3站中的最高值，因此章党站晴雨预报TS评分低于40%，清原站和新宾站的TS评分在50%～55%之间。

在统计的弱降水天气个例中，分析ECMWF细网格模式在24 h时效内预报降水量不同区间对抚顺地区3个国家基本站晴雨预报的正确率（表2），发现当模式预报0 mm降水时，24 h时效内正确率为40%～85.71%；（0，1］mm降水时，24 h时效内正确率为23.53%～61.76%；（1，3］mm降水时，24 h时效内正确率为22.22%～63.64%；（3，12］mm降水时，24 h时效内正确率为25.00%～50.00%。由此可见，当ECMWF细网格模式24 h时效内预报降水量为0时，新宾站和章党站的晴雨正确率较高，分别为85.71%和76.92%；预报降水量为（0，3］mm时，清原的晴雨正确率相对较高，为61.76%～63.64%。

2.3 空漏报类型及天气形势

选用48次弱降水天气过程对应的MICAPS高空与地面填图资料以及ECMWF数值模式格点降水量预报资料，对相应的天气系统进行天气学分析与统计分型。根据500 hPa影响系统的不同，可以将空漏报类型分为高空冷涡型、高空槽型，其中，高空冷涡型空报占31.03%，漏报占42.11%；高空槽型空报占37.93%，漏报占21.05%。

具体天气形势为：（1）高空冷涡型。在500 hPa天气图上至少能分析出1条闭合的等压线，并且有冷中心或明显的冷槽配合，系统移动缓慢，一般维持在3 d以上。冷涡中心位置在内蒙古东北部、黑龙江北部地区，抚顺地区位于冷涡底部或底后部，此天气系统下容易出现弱降水iuKLMN79qGgBUIKp01AhMpTR8hRSHdLs95KUZA+S55E=，ECMWF数值模式无漏报，预报关注的重点是抚顺是否位于冷涡底部或底后部和500 hPa高度是否存在冷空气下滑渗透影响抚顺地区。（2）高空槽型。在500 hPa高度存在高空槽，850 hPa有切变线位于辽宁西部地区，抚顺地区位于切变线前侧的暖区中。此种弱降水天气类型出现较多，ECMWF数值模式无漏报，产生降水的条件是700 hPa相对湿度在70%以上，同时低层湿度大，925、850 hPa相对湿度大于80%，或者高层湿度大，600、500 hPa大于90%。预报关注重点是高空槽东移位置及强度对抚顺的影响，并且结合各层湿度条件进行判断（表3）。

根据地面影响系统的不同，可将空漏报类型分为低压顶部型、高压前部型。低压顶部型空报占20.69%，漏报占26.32%；高压前部型空报占10.34%，漏报占10.53%。

分析天气形势结果如下：（1）低压顶部型。地面通常为江淮气旋或华北气旋东移北上，抚顺地区处于气旋形成的倒槽顶部，低层有切变线配合，850 hPa高度以下受偏东或偏南气流控制。此类型天气系统产生降水的条件是850 hPa及以下相对湿度大于80%，同时700 hPa大于70%或700 hPa相对湿度大于70%，同时600～500 hPa大于90%，主要关注切变线是否到达辽宁中西部地区，并且各层湿度条件是否达到以上要求。（2）高压前部型。从地面系统看，蒙古高原存在冷高压中心，高压前部有等压线密集区并逐渐东移南压。此类降水天气通常发生在前期降水结束后，随着中高层天气系统快速过境，850 hPa以上以西北气流为主，地面处于低压后部。此类天气系统带来的弱降水天气相对较少，其产生降水的依据为700～500 hPa相对湿度大于90%或700 hPa及以下相对湿度大于90%，预报关注重点在于是否存在高压前等压线密集带东移南下影响抚顺地区，并且中低层或中高层相对湿度在90%以上。

3 结论与讨论

（1）统计分析2022年抚顺地区48个弱降水日，发现降水量越小，预报员漏报的概率越大，其中（0，0.5］mm降水的漏报日占比最大，为57.89%。

（2）ECMWF模式对抚顺弱降水的空报率（35.94%～59.38%）较高，漏报率（1.56%～9.38%）较低；章党站的空报率为3站中的最高值，章党站晴雨预报TS评分在3站中最低，为35.94%，清原站和新宾站的TS评分分别为54.68%和50.00%。

（3）在弱降水天气中，当ECMWF细网格模式24 h时效内预报降水量为0 mm时，新宾站和章党站的晴雨正确率较高，分别为85.71%和76.92%；预报降水量为（0，3］mm时，清原的晴雨正确率相对较高，为61.76%～63.64%。

（4）根据不同的影响系统，可以将弱降水天气过程分为高空冷涡型、高空槽型、低压顶部型和高压前部型。漏报最多的是高空冷涡型占49%，其次是低压前部型占27%；空报多出现在高空槽型与冷涡型天气系统，分别占41%、33%。4种弱降水天气类型的预报关注重点是系统位置与各层湿度的配合。

参考文献

[1] 李亚中，张昱，隋明，等.2次暴雨过程的EC细网格对比分析[J].现代农业科技，2019（23）：182-183.

[2] 刘翰晨，常立秋，赵明，等.德惠市一次暴雨天气过程成因及EC预报误差分析[J].现代农业科技，2023（16）：167-171，175.

[3] 高荣珍，李欣.青岛短期降水空漏报及小量降水预报指标分析[J].山东气象，2015，35（4）：18-22.

[4] 蒋建莹，史历，倪允琪.一次“高影响天气”的弱降雪过程的数值研究[J].应用气象学报，2005（2）：231-237.

[5] 庄晓宵.2014-2016年赣北地区汛期ECMWF模式24 h降水预报误差分析[J].气象与减灾研究，2017，40（3）：208-215.

[6] 孙军，马学款，代刊，等.北京几次弱降水过程预报失误分析[J].气象，2018，44（1）：26-41.

[7] 迟春艳，杨文艳，裴心媛，等.盘锦春季弱降水个例分析及预报指标[J].农业灾害研究，2021，11（2）：52-54.

[8] 齐铎，张天华，王承伟，等.东北夏季天气分型及EC降水预报空间检验[J].气象与环境学报，2020，36（3）：17-25.

[9] 王月，刘成瀚，段云霞，等.2020年夏季辽宁省多模式降水预报检验[J].气象与环境学报，2023，39（6）：37-43.

[10] 姚凯，朱晓彤，杨旭，等.2022年夏季CMA区域模式东北冷涡降水预报检验评估[J].气象灾害防御，2023，30（3）：25-29.

[11] 刘松涛，高梦竹，王承伟，等.黑龙江省2020-2022年汛期多模式降水预报检验评估[J].黑龙江气象，2022，39（4）：1-5.

[12] 赵琳娜，曹越，齐丹，等.降水概率特征对概率降水预报检验的影响研究[J].暴雨灾害，2022，41（6）：701-711.

[13] 王海燕，田庆明，于亚楠，等.河西走廊降水预报模型的建立与样本检验[J].暴雨灾害，2022，41（5）：564-570.

[14] 朱文刚，盛春岩，范苏丹，等.基于前馈神经网络的多模式集成降水预报研究[J].干旱气象，2024，42（1）：117-128.

[15] 肖贻青，张黎，姚静，等.基于新型探测资料对西安一次弱降水预报失误的原因分析[J].气象科技，2024，52（1）：104 -115.

[16] 何启玄，廖国莲.北海市臭氧污染天气分型及特征分析[J].气象研究与应用，2023，44（3）：72-76

[17] 朱从祯，赵天良，孟露，等.塔里木盆地浮尘滞空天气客观分型[J].干旱区研究，2023，40（9）：1391-1403.