一次高原地区强降水过程的对流可分辨尺度集合预报评估

来源：高原气象杂志2024年第2期北京时间：

作者：刘侃,陈超辉,陈祥国,何宏让,姜勇强,陈雄

单位：国防科技大学气象海洋学院，湖南 长沙 410073

摘要：利用FNL（Final Reanalysis Data）、 ERA5（ECMWF Reanalysis V5）再分析资料和GPM（Global Precipitation Measurement）全球逐半小时降水数据， 选取我国西南高原地区一次强降水过程， 研究了对流尺度集合预报中两种初始扰动方法BGM（Breeding Growth Mode）和LBGM法（Local Breeding Growth Mode）对复杂地形强降水的预报能力。基于对象诊断的MODE（Method for Object-Based Diagnostic Evaluation）方法评估了模式对降水对象的位置、 结构、 强度的模拟能力， 并与TS（Threat Score）等评分方法进行对比分析， 综合评估模式预报性能， 表明： （1）基于BGM和LBGM法生成初始扰动的集合预报系统BGM-EPS和LBGM-EPS， 集合平均预报对24 h各个量级降水评分均优于控制预报， 且暴雨的TS评分LBGM-EPS优于BGM-EPS； （2）整体上， WRF模式能够较好捕获降水对象， 尤其是对于高原山地复杂地形的降水预报效果很好， LBGM-EPS在降水目标的整体相似度表现上优于BGM-EPS， 且从扰动总能量随预报时间的演变中能看出LBGM较BGM扰动总能量更大， 更能代表预报误差的增长， 突出LBGM方法在对流尺度集合预报中表示强对流能力的优势； （3）与传统TS评分等检验方法相比， MODE法更能反映降水预报的空间位置信息， 在卷积半径和降水阈值相同情况下， 基于LBGM方法的集合平均预报识别降水对象的效果更佳。

关键词：集合预报,增长模培育法,局地增长模培育法,对流可分辨尺度,MODE

基金资助：国家自然科学基金项目(42275169),湖南省自然科学基金项目(2022JJ30660)