华南复杂地形下GRAPES_Meso 3 km对流尺度模式前汛期精细化降水预报评估

华南复杂地形下GRAPES_Meso 3 km对流尺度模式前汛期精细化降水预报评估

作者：陈静 庞波 吴政秋 陈法敬 陈雨潇 刘昕 马雅楠

来源：《大气科学学报》2022年第01期

摘要 為深入认识GRAPES_Meso（Global/Regional Assimilation and Prediction System）3

km对流尺度区域模式对华南前汛期精细化降水的预报性能，为模式改进及业务应用提供参考依据，利用广东省86个站点逐小时观测降水资料和国家气象信息中心多源融合降水资料，针对广东省复杂地形特点，结合距海岸线的远近及站点地形特点，将86个站划分为沿海东部、沿海西部和内陆地区三个子区域，采用二分类降水预报检验方法，定量评估了2020年5月18日—6月18日华南前汛期降水预报效果。结果显示，GRAPES_Meso 3 km模式精细化降水预报技巧受广东复杂地形影响较大，广东沿海东部和内陆地区24 h时累积降水的小雨、中雨、大雨量级预报成功指数（Threat Score，TS）、公平成功指数（Equitable Threat Score，ETS）评分高于沿海西部地区，尽管暴雨预报评分具有此相同特征，但三个子区域的暴雨预报评分总体较低;从 3 h累积降水预报评分看，沿海东部、沿海西部及内陆地区等三个子区域存在明显的日变化特征，但是沿海东部及西部与内陆地区表现有所不同，沿海东部和西部降水预报评分夜

间较低（预报偏差偏高），白天相对较高（预报偏差偏低），而内陆地区则是夜间较高（预报偏差偏低），白天相对较低（预报偏差偏高）。沿海西部预报评分相对较低的原因是由于检验时段内广东地区存在一个弱的风切变，而沿海西部大部分地区正好处于切变线南侧的温度高值区控制，但模式模拟该区域的日平均温度较实况偏低，导致沿海西部模式预报降水空报较多，降低其降水预报技巧。

关键词华南前汛期;GRAPES对流尺度模式;精细化降水预报;检验评估

众所周知，随着5月中下旬南海夏季风爆发，印度洋低层西南季风为华南输送大量水汽，华南地区进入暴雨频发时段（吴志伟等，2006;陈静等，2019），俗称华南前汛期。受华南复杂地形和天气系统影响，华南前汛期暴雨发生频数多，降水强度大，持续时间长，研究显示，华南前汛期平均暴雨日数和暴雨量占全年的一半（胡娅敏等，2014），因此，准确预报华南前汛期降水对保护人们生命和财产安全具有重要意义。

随着数值预报模式和资料同化技术进步、模式云微物理等物理参数化方案逐渐完善（Bauer et al.，2015），2～4 km水平网格距的对流尺度模式可较好地模拟出复杂地形下的气流及对流组织发展过程（Meng et al.，2012），成为对流降水预报的重要手段（毕宝贵等，2016）。国内外学者利用美国WRF（Weather Research and Forecast Model）对流尺度模式开展了华南区域预报试验和评估。 Zhu et al.（2018）发现WRF对流尺度较中尺度模式能更好地刻画出精细的强降水强度和位置。Li et al.（2020）指出WRF对流尺度模式可以更准确地描述降水日变化过程，特别是午后降水与观测更匹配。进一步，Yu et al.（2020）对比分析了4、12

km水平分辨率WRF模式在华南沿海和内陆区域的降水预报效果，发现沿海地区降水预报能力优于内陆地区，且4 km模式降水预报均优于12 km模式。

GRAPES（Global Regional Assimilation and Prediction System）模式系统是我国科学家自主研发的全球/区域预报系统，包括了全球确定性预报模式和集合预报模式（李晓莉等，2019;陈静和李晓莉，2020;Shen et al.，2020）、区域确定性和集合预报模式（张涵斌等，2014;陈浩等，2017;马旭林等，2018;夏宇等，2018），在降水相态等强对流天气中表现出了较好的潜力（佟华和张玉涛，2019）。覆盖中国区域的GRAPES_Meso 3 km是GRAPES模式体系中的对流尺度模式，于2018年实现了业务化运行，预报产品下发全国，已为预报业务部门提供较好地应用支撑。吴亚丽等（2018）选取2015年6月15日发生在粤西沿海地区的一次暖区暴雨个例进行数值试验，表明GRAPES_Meso 3 km对流尺度模式初始水汽和云中水物质条件的改进很大程度上能提高华南暖区暴雨的预报能力。

众所周知，模式降水预报检验评估不仅有助于改进模式，还有助于认识暴雨预报能力，促进预报水平提升。许晨璐等（2017）从降水累积量、降水频率、强度等多个角度评估了GRAPES_Meso 3km模式在中国东部降水预报性能，发现该模式可以较好地捕捉到中国东南部降水量、降水频率及地域分布特征，对短时强降水预报有一定优势，但对一般性降水强度预报则偏弱。张小雯等（2020）利用成功指数评分（Threat Score，TS）和分数技巧评分（Fraction

Skill Score，FSS）评估了GRAPES_Meso 3 km强对流天气预报性能，发现该模式对风暴等强对流天气的预报明显优于其他模式，起报时间越新预报效果越好。钟水新（2020）指出GRAPES_Meso 3 km模式对粤北和广西东北部地区降水模拟比实况偏高，对粤北山区的强降水中心、以及南岭山脉背风波降水低值中心有一定模拟能力。也有不少学者利用集合预报开展了复杂地形下强降水预报效果的评估。陈良吕等（2020）采用重庆市气象局业务运行的WRF

3km对流尺度模式集合预报系统，通过改变不同成员的地形插值方案和地形平滑方案研究了西南地区集合降水预报效果，发现对流尺度集合预报模式在一定程度上能改进复杂地形下降水预报效果。王婧卓等（2021）对比不同版本的GRAPES中尺度集合降水预报效果，发现水平分辨率10 km的GRAPES区域集合预报降水预报效果总体上优于15 km分辨率的，且在小雨和暴雨预报方面优于ECWMF全球集合降水预报效果。刘雪晴（2020）采用FSS评分、AROC评分和BS评分等多种检验方法评估集合降水预报效果，均表现出较高的预报技巧。

上述研究表明，GRAPES_Meso 3 km对流尺度模式对中国区域强对流天气精细化预报具有明显优势，但是针对华南前汛期降水定量统计检验较少，因此有必要对GRAPES_Meso 3 km对流尺度模式对华南前汛期降水预报进行深入的评估检验。本研究针对广东省复杂地形特点，将广东省站点根据距离海岸线的远近分为沿海东西部、沿海东部和内陆地区三个子区域，利用广东省站点逐小时观测降水资料和国家气象信息中心多源融合降水资料，采用二分类检验方法，通过TS评分、公平成功指数评分（Equitable Threat Score，ETS;Schaefer，1990）、预报偏差Bias（Donaldson et al.，1975）等检验指标，检验评估GRAPES_Meso 3 km对流尺度模式在华南前汛期降水预报性能，分析华南复杂地形对GRAPES_Meso 3 km对流尺度模式降水预报的影响，探究影响GRAPES_Meso 3 km模式降水预报能力的可能原因，以期为改进GRAPES_Meso 3 km对流尺度模式、集合预报和预报应用提供参考依据。

1 模式、资料及研究方法

1.1 GRAPES_Meso 3 km对流尺度模式简介

GRAPES_Meso 3 km对流尺度模式由中国气象局数值预报中心自主研发（Shen et al.，2020），模式参数设置如表1所示。模式动力框架采用了地形追隨坐标、半隐式半拉格朗日差分方案、全可压非静力平衡动力框架。云物理过程采用WSM6云微物理方案（Hong et al.，2006）;辐射方案采用RRTM长波辐射方案（Mlawer et al.，1997）和Dudhia短波辐射方案（Dudhia，1989）;近地面层方案采用Monin-Obukhov方案（Beljaars and Holtslag，1991）;陆面过程采用Noah（Ek et al.，2003）;边界层方案采用MRF边界层方案（Hong and Pan，1996），无积云参数化方案。模式积分步长为30 s，背景场和边界条件采用NCEP全球模式当前时刻分析和预报资料，利用云分析方案（Xue et al.，2000）同化了中国区域卫星和雷达资料。模式预报资料区域为70°～145°E、10°～60.1°N，水平分辨率为0.03°×0.03°，垂直层数为50层，预报时效为36 h。

1.2 资料

预报资料时段为华南前汛期（2020年5月18日—6月18日）GRAPES_Meso 3 km模式00时（世界时，下同）起报的逐小时降水预报资料。观测资料采用中国气象局数值预报中心检验资料库站点逐小时降水、2 m温度、气压，10 m风等资料，观测站点选择是从国家级地面自动气象观测站（2 402个）中选取的广东省86个站（站点分布如图1所示）。此外，还采用了同期水平分辨率0.05°×0.05°的地面-卫星-雷达三源融合降水分析产品（CMA Multi-source merged

Precipitation Analysis Systen，CMPAS;潘旸等，2015），在模式降水预报偏差成因分析中，选取了水平分辨率为0.25°×0.25°的欧洲中期天气预报中心（European Centre for Medium-Range

Weather Forecasts，ECMWF）的ERA5再分析资料。

1.3 研究方法

1.3.1 广东省三个子区域分类

针对华南复杂地形特点，以广东省（109°～118°E，20°～26°N）为代表进行研究。首先分析了广东省近30年（1983—2013年）5月和6月95%百分位的日降水量的空间分布，这2个月的空间分布类似，图1a给出了6月分布。从图1a可见，华南近汛期强降水存在三个大值区，位于沿海东部、西部和内陆。结合Chen et al.（2018）研究方法，将广东省86个站点分为沿海西部、沿海东部和内陆地区三个子区域，用于检验评估GRAPES_Meso 3 km模式在华南前汛期降水预报性能，表2是三个子区域站点分类详情。从图1b中可见，第一个子区域是距海岸线距离小于130 km的沿海西部站点，编号为1～23号，简称沿海西部，该子区域有三条主要山脉，从北向南依次为云开山、云雾山和天露山;第二个子区域是距海岸线距离小于130

km的沿海东部的35个站点（编号24～58号），简称沿海东部，该子区域中有罗浮山、莲花山等主要山脉，莲花山脉是广东省最主要的山脉，呈东北西南走向，主峰莲花山海拔高度达1

336 m;第三个子区域是距海岸线距离大于130 km的28个站点（编号59～86号），简称内陆地区，该子区域中包含了九莲山、青云山和南岭等诸多山脉，海拔高度平均大于500 m。

1.3.2 检验指标

检验指标采用世界气象组织（World Meteorological Organization，WMO;WMO，2009）推荐的二分类降水预报检验方法。对某一单站，统计检验时段内（2020年5月18日—6月18日）不同降水量级预报样本命中数（a）、空报数（b）、漏报数（c）、正确否定数（d）（表3），并利用式（1）—（6）计算命中率（hit rate）、空报率（false alarm rate）、漏报率（miss rate）、成功指数（Threat Score，TS）、公平成功指数（Equitable Threat Score，ETS）和预报偏差（Bias Score，BS）等多种检验评分，其中观测与预报的匹配方法采取临近点匹配方法（WMO，2009），即以距离观测站点最近的模式格点预报值作为该站点预报值。根据每个站点检验结果绘制预报评分的空间分布和时间变化图，重点分析24 h累积降水和3 h累积降水预报评分（其中24 h累积降水小雨、中雨、大雨、暴雨检验阈值分别定义为0.1、10、25、50 mm;3 h小雨、中雨、大雨、暴雨检验阈值分别定义0.1、3、10、20 mm），评估GRAPES_Meso 3 km对流尺度模式华南降水预报效果。

上述研究表明，GRAPES_Meso 3 km对流尺度模式对中国区域强对流天气精细化预报具有明显优势，但是针对华南前汛期降水定量统计检验较少，因此有必要对GRAPES_Meso 3 km对流尺度模式对华南前汛期降水预报进行深入的评估检验。本研究针对广东省复杂地形特点，将广东省站点根据距离海岸线的远近分为沿海东西部、沿海东部和内陆地区三个子区域，利用广东省站点逐小时观测降水资料和国家气象信息中心多源融合降水资料，采用二分类检验方法，通过TS评分、公平成功指数评分（Equitable Threat Score，ETS;Schaefer，1990）、预报偏差Bias（Donaldson et al.，1975）等检验指标，检验评估GRAPES_Meso 3 km对流尺度模式在华南前汛期降水预报性能，分析华南复杂地形对GRAPES_Meso 3 km对流尺度模式降水预報的影响，探究影响GRAPES_Meso 3 km模式降水预报能力的可能原因，以期为改进GRAPES_Meso 3 km对流尺度模式、集合预报和预报应用提供参考依据。

1 模式、资料及研究方法

1.1 GRAPES_Meso 3 km对流尺度模式简介

GRAPES_Meso 3 km对流尺度模式由中国气象局数值预报中心自主研发（Shen et al.，2020），模式参数设置如表1所示。模式动力框架采用了地形追随坐标、半隐式半拉格朗日差分方案、全可压非静力平衡动力框架。云物理过程采用WSM6云微物理方案（Hong et al.，2006）;辐射方案采用RRTM长波辐射方案（Mlawer et al.，1997）和Dudhia短波辐射方案（Dudhia，1989）;近地面层方案采用Monin-Obukhov方案（Beljaars and Holtslag，1991）;陆面过程采用Noah（Ek et al.，2003）;边界层方案采用MRF边界层方案（Hong and Pan，1996），无积云参数化方案。模式积分步长为30 s，背景场和边界条件采用NCEP全球模式当前时刻分析和预报资料，利用云分析方案（Xue et al.，2000）同化了中国区域卫星和雷达资料。模式预报资料区域为70°～145°E、10°～60.1°N，水平分辨率为0.03°×0.03°，垂直层数为50层，预报时效为36 h。

1.2 资料

预报资料时段为华南前汛期（2020年5月18日—6月18日）GRAPES_Meso 3 km模式00时（世界时，下同）起报的逐小时降水预报资料。观测资料采用中国气象局数值预报中心检验资料库站点逐小时降水、2 m温度、气压，10 m风等资料，观测站点选择是从国家级地面自动气象观测站（2 402个）中选取的广东省86个站（站点分布如图1所示）。此外，还采用了同期水平分辨率0.05°×0.05°的地面-卫星-雷达三源融合降水分析产品（CMA Multi-source merged

Precipitation Analysis Systen，CMPAS;潘旸等，2015），在模式降水预报偏差成因分析中，选取了水平分辨率为0.25°×0.25°的欧洲中期天气预报中心（European Centre for Medium-Range

Weather Forecasts，ECMWF）的ERA5再分析资料。

1.3 研究方法

1.3.1 广东省三个子区域分类

针对华南复杂地形特点，以广东省（109°～118°E，20°～26°N）为代表进行研究。首先分析了广东省近30年（1983—2013年）5月和6月95%百分位的日降水量的空间分布，这2个月的空间分布类似，图1a给出了6月分布。从图1a可见，华南近汛期强降水存在三个大值区，位于沿海东部、西部和内陆。结合Chen et al.（2018）研究方法，将广东省86个站点分为沿海西部、沿海东部和内陆地区三个子区域，用于检验评估GRAPES_Meso 3 km模式在华南前汛期降水预报性能，表2是三个子区域站点分类详情。从图1b中可见，第一个子区域是距海岸线距离小于130 km的沿海西部站点，编号为1～23号，简称沿海西部，该子区域有三条主要山脉，从北向南依次为云开山、云雾山和天露山;第二个子区域是距海岸线距离小于130

km的沿海东部的35个站点（编号24～58号），简称沿海东部，该子区域中有罗浮山、莲花山等主要山脉，莲花山脉是广东省最主要的山脉，呈东北西南走向，主峰莲花山海拔高度达1

336 m;第三个子区域是距海岸线距离大于130 km的28个站点（编号59～86号），简称内陆地区，该子区域中包含了九莲山、青云山和南岭等诸多山脉，海拔高度平均大于500 m。

1.3.2 检验指标

检验指标采用世界气象组织（World Meteorological Organization，WMO;WMO，2009）推荐的二分类降水预报检验方法。对某一单站，统计检验时段内（2020年5月18日—6月18日）不同降水量级预报样本命中数（a）、空报数（b）、漏报数（c）、正确否定数（d）（表3），并利用式（1）—（6）计算命中率（hit rate）、空报率（false alarm rate）、漏报率（miss rate）、成功指数（Threat Score，TS）、公平成功指数（Equitable Threat Score，ETS）和预报偏差（Bias Score，BS）等多种检验评分，其中观测与预报的匹配方法采取临近点匹配方法（WMO，2009），即以距离观测站点最近的模式格点预报值作为该站点预报值。根据每个站点检验结果绘制预报评分的空间分布和时间变化图，重点分析24 h累积降水和3 h累积降水预报评分（其中24 h累积降水小雨、中雨、大雨、暴雨检验阈值分别定义为0.1、10、25、50 mm;3 h小雨、中雨、大雨、暴雨检验阈值分别定义0.1、3、10、20 mm），评估GRAPES_Meso 3 km对流尺度模式华南降水预报效果。

上述研究表明，GRAPES_Meso 3 km对流尺度模式对中国区域强对流天气精细化预报具有明显优势，但是针对华南前汛期降水定量统计检验较少，因此有必要对GRAPES_Meso 3 km对流尺度模式对华南前汛期降水预报进行深入的评估检验。本研究针对广东省复杂地形特点，将广东省站点根据距离海岸线的远近分为沿海东西部、沿海东部和内陆地区三个子区域，利用广东省站点逐小时观测降水资料和国家气象信息中心多源融合降水资料，采用二分类检验方法，通过TS评分、公平成功指数评分（Equitable Threat Score，ETS;Schaefer，1990）、预报偏差Bias（Donaldson et al.，1975）等检验指标，检验评估GRAPES_Meso 3 km对流尺度模式在华南前汛期降水预报性能，分析华南复杂地形对GRAPES_Meso 3 km对流尺度模式降水预

报的影响，探究影响GRAPES_Meso 3 km模式降水预报能力的可能原因，以期为改进GRAPES_Meso 3 km对流尺度模式、集合预报和预报应用提供参考依据。

1 模式、资料及研究方法

1.1 GRAPES_Meso 3 km对流尺度模式简介

GRAPES_Meso 3 km对流尺度模式由中国气象局数值预报中心自主研发（Shen et al.，2020），模式参数设置如表1所示。模式动力框架采用了地形追随坐标、半隐式半拉格朗日差分方案、全可压非静力平衡动力框架。云物理过程采用WSM6云微物理方案（Hong et al.，2006）;辐射方案采用RRTM长波辐射方案（Mlawer et al.，1997）和Dudhia短波辐射方案（Dudhia，1989）;近地面层方案采用Monin-Obukhov方案（Beljaars and Holtslag，1991）;陆面过程采用Noah（Ek et al.，2003）;边界层方案采用MRF边界层方案（Hong and Pan，1996），无积云参数化方案。模式积分步长为30 s，背景场和边界条件采用NCEP全球模式当前时刻分析和预报资料，利用云分析方案（Xue et al.，2000）同化了中国区域卫星和雷达资料。模式预报资料区域为70°～145°E、10°～60.1°N，水平分辨率为0.03°×0.03°，垂直层数为50层，预报时效为36 h。

1.2 资料

预报资料时段为华南前汛期（2020年5月18日—6月18日）GRAPES_Meso 3 km模式00时（世界时，下同）起报的逐小时降水预报资料。观测资料采用中国气象局数值预报中心检验资料库站点逐小时降水、2 m温度、气压，10 m风等资料，观测站点选择是从国家级地面自动气象观测站（2 402个）中选取的广东省86个站（站点分布如图1所示）。此外，还采用了同期水平分辨率0.05°×0.05°的地面-卫星-雷达三源融合降水分析产品（CMA Multi-source merged

Precipitation Analysis Systen，CMPAS;潘旸等，2015），在模式降水预报偏差成因分析中，选取了水平分辨率为0.25°×0.25°的欧洲中期天气预报中心（European Centre for Medium-Range

Weather Forecasts，ECMWF）的ERA5再分析資料。

1.3 研究方法

1.3.1 广东省三个子区域分类

针对华南复杂地形特点，以广东省（109°～118°E，20°～26°N）为代表进行研究。首先分析了广东省近30年（1983—2013年）5月和6月95%百分位的日降水量的空间分布，这2个月的空间分布类似，图1a给出了6月分布。从图1a可见，华南近汛期强降水存在三个大值区，位于沿海东部、西部和内陆。结合Chen et al.（2018）研究方法，将广东省86个站点分为沿海西部、沿海东部和内陆地区三个子区域，用于检验评估GRAPES_Meso 3 km模式在华南前汛期降水预报性能，表2是三个子区域站点分类详情。从图1b中可见，第一个子区域是距

海岸线距离小于130 km的沿海西部站点，编号为1～23号，简称沿海西部，该子区域有三条主要山脉，从北向南依次为云开山、云雾山和天露山;第二个子区域是距海岸线距离小于130

km的沿海东部的35个站点（编号24～58号），简称沿海东部，该子区域中有罗浮山、莲花山等主要山脉，莲花山脉是广东省最主要的山脉，呈东北西南走向，主峰莲花山海拔高度达1

336 m;第三个子区域是距海岸线距离大于130 km的28个站点（编号59～86号），简称内陆地区，该子区域中包含了九莲山、青云山和南岭等诸多山脉，海拔高度平均大于500 m。

1.3.2 检验指标

检验指标采用世界气象组织（World Meteorological Organization，WMO;WMO，2009）推荐的二分类降水预报检验方法。对某一单站，统计检验时段内（2020年5月18日—6月18日）不同降水量级预报样本命中数（a）、空报数（b）、漏报数（c）、正确否定数（d）（表3），并利用式（1）—（6）计算命中率（hit rate）、空报率（false alarm rate）、漏报率（miss rate）、成功指数（Threat Score，TS）、公平成功指数（Equitable Threat Score，ETS）和预报偏差（Bias Score，BS）等多种检验评分，其中观测与预报的匹配方法采取临近点匹配方法（WMO，2009），即以距离观测站点最近的模式格点预报值作为该站点预报值。根据每个站点检验结果绘制预报评分的空间分布和时间变化图，重点分析24 h累积降水和3 h累积降水预报评分（其中24 h累积降水小雨、中雨、大雨、暴雨检验阈值分别定义为0.1、10、25、50 mm;3 h小雨、中雨、大雨、暴雨检验阈值分别定义0.1、3、10、20 mm），评估GRAPES_Meso 3 km对流尺度模式华南降水预报效果。

上述研究表明，GRAPES_Meso 3 km对流尺度模式对中国区域强对流天气精细化预报具有明显优势，但是针对华南前汛期降水定量统计检验较少，因此有必要对GRAPES_Meso 3 km对流尺度模式对华南前汛期降水预报进行深入的评估检验。本研究针对广东省复杂地形特点，将广东省站点根据距离海岸线的远近分为沿海东西部、沿海东部和内陆地区三个子区域，利用广东省站点逐小时观测降水资料和国家气象信息中心多源融合降水资料，采用二分类检验方法，通过TS评分、公平成功指数评分（Equitable Threat Score，ETS;Schaefer，1990）、預报偏差Bias（Donaldson et al.，1975）等检验指标，检验评估GRAPES_Meso 3 km对流尺度模式在华南前汛期降水预报性能，分析华南复杂地形对GRAPES_Meso 3 km对流尺度模式降水预报的影响，探究影响GRAPES_Meso 3 km模式降水预报能力的可能原因，以期为改进GRAPES_Meso 3 km对流尺度模式、集合预报和预报应用提供参考依据。

1 模式、资料及研究方法

1.1 GRAPES_Meso 3 km对流尺度模式简介

GRAPES_Meso 3 km对流尺度模式由中国气象局数值预报中心自主研发（Shen et al.，2020），模式参数设置如表1所示。模式动力框架采用了地形追随坐标、半隐式半拉格朗日差分方案、全可压非静力平衡动力框架。云物理过程采用WSM6云微物理方案（Hong et al.，

2006）;辐射方案采用RRTM长波辐射方案（Mlawer et al.，1997）和Dudhia短波辐射方案（Dudhia，1989）;近地面层方案采用Monin-Obukhov方案（Beljaars and Holtslag，1991）;陆面过程采用Noah（Ek et al.，2003）;边界层方案采用MRF边界层方案（Hong and Pan，1996），无积云参数化方案。模式积分步长为30 s，背景场和边界条件采用NCEP全球模式当前时刻分析和预报资料，利用云分析方案（Xue et al.，2000）同化了中国区域卫星和雷达资料。模式预报资料区域为70°～145°E、10°～60.1°N，水平分辨率为0.03°×0.03°，垂直层数为50层，预报时效为36 h。

1.2 资料

预报资料时段为华南前汛期（2020年5月18日—6月18日）GRAPES_Meso 3 km模式00时（世界时，下同）起报的逐小时降水预报资料。观测资料采用中国气象局数值预报中心检验资料库站点逐小时降水、2 m温度、气压，10 m风等资料，观测站点选择是从国家级地面自动气象观测站（2 402个）中选取的广东省86个站（站点分布如图1所示）。此外，还采用了同期水平分辨率0.05°×0.05°的地面-卫星-雷达三源融合降水分析产品（CMA Multi-source merged

Precipitation Analysis Systen，CMPAS;潘旸等，2015），在模式降水预报偏差成因分析中，选取了水平分辨率为0.25°×0.25°的欧洲中期天气预报中心（European Centre for Medium-Range

Weather Forecasts，ECMWF）的ERA5再分析资料。

1.3 研究方法

1.3.1 广东省三个子区域分类

针对华南复杂地形特点，以广东省（109°～118°E，20°～26°N）为代表进行研究。首先分析了广东省近30年（1983—2013年）5月和6月95%百分位的日降水量的空间分布，这2个月的空间分布类似，图1a给出了6月分布。从图1a可见，华南近汛期强降水存在三个大值区，位于沿海东部、西部和内陆。结合Chen et al.（2018）研究方法，将广东省86个站点分为沿海西部、沿海东部和内陆地区三个子区域，用于检验评估GRAPES_Meso 3 km模式在华南前汛期降水预报性能，表2是三个子区域站点分类详情。从图1b中可见，第一个子区域是距海岸线距离小于130 km的沿海西部站点，编号为1～23号，简称沿海西部，该子区域有三条主要山脉，从北向南依次为云开山、云雾山和天露山;第二个子区域是距海岸线距离小于130

km的沿海东部的35个站点（编号24～58号），简称沿海东部，该子区域中有罗浮山、莲花山等主要山脉，莲花山脉是广东省最主要的山脉，呈东北西南走向，主峰莲花山海拔高度达1

336 m;第三个子区域是距海岸线距离大于130 km的28个站点（编号59～86号），简称内陆地区，该子区域中包含了九莲山、青云山和南岭等诸多山脉，海拔高度平均大于500 m。

1.3.2 检验指标

检验指标采用世界气象组织（World Meteorological Organization，WMO;WMO，2009）推荐的二分类降水预报检验方法。对某一单站，统计检验时段内（2020年5月18日—6月18日）不同降水量级预报样本命中数（a）、空报数（b）、漏报数（c）、正确否定数（d）（表3），并利用式（1）—（6）计算命中率（hit rate）、空报率（false alarm rate）、漏报率（miss rate）、成功指数（Threat Score，TS）、公平成功指数（Equitable Threat Score，ETS）和预报偏差（Bias Score，BS）等多种检验评分，其中观测与预报的匹配方法采取临近点匹配方法（WMO，2009），即以距离观测站点最近的模式格点预报值作为该站点预报值。根据每个站点检验结果绘制预报评分的空间分布和时间变化图，重点分析24 h累积降水和3 h累积降水预报评分（其中24 h累积降水小雨、中雨、大雨、暴雨检验阈值分别定义为0.1、10、25、50 mm;3 h小雨、中雨、大雨、暴雨检验阈值分别定义0.1、3、10、20 mm），评估GRAPES_Meso 3 km对流尺度模式华南降水预报效果。

上述研究表明，GRAPES_Meso 3 km对流尺度模式对中国区域强对流天气精细化预报具有明显优势，但是针对华南前汛期降水定量统计检验较少，因此有必要对GRAPES_Meso 3 km对流尺度模式对华南前汛期降水预报进行深入的评估检验。本研究针对广东省复杂地形特点，将广东省站点根据距离海岸线的远近分为沿海东西部、沿海东部和内陆地区三个子区域，利用广东省站点逐小时观测降水资料和国家气象信息中心多源融合降水资料，采用二分类检验方法，通过TS评分、公平成功指数评分（Equitable Threat Score，ETS;Schaefer，1990）、预报偏差Bias（Donaldson et al.，1975）等检验指标，检验评估GRAPES_Meso 3 km对流尺度模式在华南前汛期降水预报性能，分析华南复杂地形对GRAPES_Meso 3 km对流尺度模式降水预报的影响，探究影响GRAPES_Meso 3 km模式降水预报能力的可能原因，以期为改进GRAPES_Meso 3 km对流尺度模式、集合预报和预报应用提供参考依据。

1 模式、资料及研究方法

1.1 GRAPES_Meso 3 km对流尺度模式简介

GRAPES_Meso 3 km对流尺度模式由中国气象局数值预报中心自主研发（Shen et al.，2020），模式参数设置如表1所示。模式动力框架采用了地形追随坐标、半隐式半拉格朗日差分方案、全可压非静力平衡动力框架。云物理过程采用WSM6云微物理方案（Hong et al.，2006）;辐射方案采用RRTM长波辐射方案（Mlawer et al.，1997）和Dudhia短波辐射方案（Dudhia，1989）;近地面层方案采用Monin-Obukhov方案（Beljaars and Holtslag，1991）;陆面过程采用Noah（Ek et al.，2003）;边界层方案采用MRF边界层方案（Hong and Pan，1996），无积云参数化方案。模式积分步长为30 s，背景场和边界条件采用NCEP全球模式当前时刻分析和预报资料，利用云分析方案（Xue et al.，2000）同化了中国区域卫星和雷达资料。模式预报资料区域为70°～145°E、10°～60.1°N，水平分辨率为0.03°×0.03°，垂直层数为50层，预报时效为36 h。

1.2 资料

预报资料时段为华南前汛期（2020年5月18日—6月18日）GRAPES_Meso 3 km模式00时（世界时，下同）起报的逐小时降水预报资料。观测资料采用中国气象局数值预报中心检验资料库站点逐小时降水、2 m温度、气压，10 m风等资料，观测站点选择是从国家级地面自动气象观测站（2 402个）中选取的广东省86个站（站点分布如图1所示）。此外，还采用了同期水平分辨率0.05°×0.05°的地面-卫星-雷达三源融合降水分析產品（CMA Multi-source merged

Precipitation Analysis Systen，CMPAS;潘旸等，2015），在模式降水预报偏差成因分析中，选取了水平分辨率为0.25°×0.25°的欧洲中期天气预报中心（European Centre for Medium-Range

Weather Forecasts，ECMWF）的ERA5再分析资料。

1.3 研究方法

1.3.1 广东省三个子区域分类

针对华南复杂地形特点，以广东省（109°～118°E，20°～26°N）为代表进行研究。首先分析了广东省近30年（1983—2013年）5月和6月95%百分位的日降水量的空间分布，这2个月的空间分布类似，图1a给出了6月分布。从图1a可见，华南近汛期强降水存在三个大值区，位于沿海东部、西部和内陆。结合Chen et al.（2018）研究方法，将广东省86个站点分为沿海西部、沿海东部和内陆地区三个子区域，用于检验评估GRAPES_Meso 3 km模式在华南前汛期降水预报性能，表2是三个子区域站点分类详情。从图1b中可见，第一个子区域是距海岸线距离小于130 km的沿海西部站点，编号为1～23号，简称沿海西部，该子区域有三条主要山脉，从北向南依次为云开山、云雾山和天露山;第二个子区域是距海岸线距离小于130

km的沿海东部的35个站点（编号24～58号），简称沿海东部，该子区域中有罗浮山、莲花山等主要山脉，莲花山脉是广东省最主要的山脉，呈东北西南走向，主峰莲花山海拔高度达1

336 m;第三个子区域是距海岸线距离大于130 km的28个站点（编号59～86号），简称内陆地区，该子区域中包含了九莲山、青云山和南岭等诸多山脉，海拔高度平均大于500 m。

1.3.2 检验指标

检验指标采用世界气象组织（World Meteorological Organization，WMO;WMO，2009）推荐的二分类降水预报检验方法。对某一单站，统计检验时段内（2020年5月18日—6月18日）不同降水量级预报样本命中数（a）、空报数（b）、漏报数（c）、正确否定数（d）（表3），并利用式（1）—（6）计算命中率（hit rate）、空报率（false alarm rate）、漏报率（miss rate）、成功指数（Threat Score，TS）、公平成功指数（Equitable Threat Score，ETS）和预报偏差（Bias Score，BS）等多种检验评分，其中观测与预报的匹配方法采取临近点匹配方法（WMO，2009），即以距离观测站点最近的模式格点预报值作为该站点预报值。根据每个站点检验结果绘制预报评分的空间分布和时间变化图，重点分析24 h累积降水和3 h累积降水预报评分（其中24 h累积降水小雨、中雨、大雨、暴雨检验阈值分别定义为0.1、10、25、50 mm;3 h小雨、中雨、大雨、暴雨检验阈值分别定义0.1、3、10、20 mm），评估GRAPES_Meso 3 km对流尺度模式华南降水预报效果。

上述研究表明，GRAPES_Meso 3 km对流尺度模式对中国区域强对流天气精细化预报具有明显优势，但是针对华南前汛期降水定量统计检验较少，因此有必要对GRAPES_Meso 3 km对流尺度模式对华南前汛期降水预报进行深入的评估检验。本研究针对广东省复杂地形特点，将广东省站点根据距离海岸线的远近分为沿海东西部、沿海东部和内陆地区三个子区域，利用广东省站点逐小时观测降水资料和国家气象信息中心多源融合降水资料，采用二分类检验方法，通过TS评分、公平成功指数评分（Equitable Threat Score，ETS;Schaefer，1990）、预报偏差Bias（Donaldson et al.，1975）等检验指标，检验评估GRAPES_Meso 3 km对流尺度模式在华南前汛期降水预报性能，分析华南复杂地形对GRAPES_Meso 3 km对流尺度模式降水预报的影响，探究影响GRAPES_Meso 3 km模式降水预报能力的可能原因，以期为改进GRAPES_Meso 3 km对流尺度模式、集合预报和预报应用提供参考依据。

1 模式、资料及研究方法

1.1 GRAPES_Meso 3 km对流尺度模式简介

GRAPES_Meso 3 km对流尺度模式由中国气象局数值预报中心自主研发（Shen et al.，2020），模式参数设置如表1所示。模式动力框架采用了地形追随坐标、半隐式半拉格朗日差分方案、全可压非静力平衡动力框架。云物理过程采用WSM6云微物理方案（Hong et al.，2006）;辐射方案采用RRTM长波辐射方案（Mlawer et al.，1997）和Dudhia短波辐射方案（Dudhia，1989）;近地面层方案采用Monin-Obukhov方案（Beljaars and Holtslag，1991）;陆面过程采用Noah（Ek et al.，2003）;边界层方案采用MRF边界层方案（Hong and Pan，1996），无积云参数化方案。模式积分步长为30 s，背景场和边界条件采用NCEP全球模式当前时刻分析和预报资料，利用云分析方案（Xue et al.，2000）同化了中国区域卫星和雷达资料。模式预报资料区域为70°～145°E、10°～60.1°N，水平分辨率为0.03°×0.03°，垂直层数为50层，预报时效为36 h。

1.2 資料

预报资料时段为华南前汛期（2020年5月18日—6月18日）GRAPES_Meso 3 km模式00时（世界时，下同）起报的逐小时降水预报资料。观测资料采用中国气象局数值预报中心检验资料库站点逐小时降水、2 m温度、气压，10 m风等资料，观测站点选择是从国家级地面自动气象观测站（2 402个）中选取的广东省86个站（站点分布如图1所示）。此外，还采用了同期水平分辨率0.05°×0.05°的地面-卫星-雷达三源融合降水分析产品（CMA Multi-source merged

Precipitation Analysis Systen，CMPAS;潘旸等，2015），在模式降水预报偏差成因分析中，选取了水平分辨率为0.25°×0.25°的欧洲中期天气预报中心（European Centre for Medium-Range

Weather Forecasts，ECMWF）的ERA5再分析资料。

1.3 研究方法

1.3.1 广东省三个子区域分类

针对华南复杂地形特点，以广东省（109°～118°E，20°～26°N）为代表进行研究。首先分析了广东省近30年（1983—2013年）5月和6月95%百分位的日降水量的空间分布，这2个月的空间分布类似，图1a给出了6月分布。从图1a可见，华南近汛期强降水存在三个大值区，位于沿海东部、西部和内陆。结合Chen et al.（2018）研究方法，将广东省86个站点分为沿海西部、沿海东部和内陆地区三个子区域，用于检验评估GRAPES_Meso 3 km模式在华南前汛期降水预报性能，表2是三个子区域站点分类详情。从图1b中可见，第一个子区域是距海岸线距离小于130 km的沿海西部站点，编号为1～23号，简称沿海西部，该子区域有三条主要山脉，从北向南依次为云开山、云雾山和天露山;第二个子区域是距海岸线距离小于130

km的沿海东部的35个站点（编号24～58号），简称沿海东部，该子区域中有罗浮山、莲花山等主要山脉，莲花山脉是广东省最主要的山脉，呈东北西南走向，主峰莲花山海拔高度达1

336 m;第三个子区域是距海岸线距离大于130 km的28个站点（编号59～86号），简称内陆地区，该子区域中包含了九莲山、青云山和南岭等诸多山脉，海拔高度平均大于500 m。

1.3.2 检验指标

检验指标采用世界气象组织（World Meteorological Organization，WMO;WMO，2009）推荐的二分类降水预报检验方法。对某一单站，统计检验时段内（2020年5月18日—6月18日）不同降水量级预报样本命中数（a）、空报数（b）、漏报数（c）、正确否定数（d）（表3），并利用式（1）—（6）计算命中率（hit rate）、空报率（false alarm rate）、漏报率（miss rate）、成功指数（Threat Score，TS）、公平成功指数（Equitable Threat Score，ETS）和预报偏差（Bias Score，BS）等多种检验评分，其中观测与预报的匹配方法采取临近点匹配方法（WMO，2009），即以距离观测站点最近的模式格点预报值作为该站点预报值。根据每个站点检验结果绘制预报评分的空间分布和时间变化图，重点分析24 h累积降水和3 h累积降水预报评分（其中24 h累积降水小雨、中雨、大雨、暴雨检验阈值分别定义为0.1、10、25、50 mm;3 h小雨、中雨、大雨、暴雨检验阈值分别定义0.1、3、10、20 mm），评估GRAPES_Meso 3 km对流尺度模式华南降水预报效果。