2. 上海海洋气象台,上海 201300
2. Shanghai Marine Meteorological Observatory, Shanghai 201300
2013年西北太平洋及南海海域共有31个编号热带气旋(tropical cyclone, TC)生成,其中有9个TC登陆我国(5个登陆华南,3个登陆华东,1307号超强台风苏力先后在台湾和福建两省登陆),登陆TC个数比常年平均(7个)偏多。
目前在台风业务预报中,供预报员选择的主客观台风路径和强度预报方法多达几十种。由于各方法关注的区域和技术水平等方面存在一定的差异,不同的方法对于同一区域或者类型TC的预报能力并不一致(陈国民等,2013)。为了便于预报员定性地了解各个方法的预报特性,提高预报和服务水平,同时也为了便于科研人员进一步改进各预报方法,前人在TC预报精度评定工作中提出了多种关于TC路径和强度预报精度评估新方法。占瑞芬等(2010)提出了预报误差区域分布的概念,将不同的预报方法在不同时效中的路径和强度预报误差区域分布情况展现在了地图上;汤杰等(2011)提出了不同模式相对于ECMWF-IFS模式的移向与移速比的概念,用来衡量某次预报的误差主要是由移向还是由移速形成的;陈国民等(2013)考虑了在实际业务预报中,数值模式的预报结果一般比主观方法滞后约12 h,因而将主观路径预报方法与滞后12 h的数值模式路径预报方法的误差分布进行了比较;Chen等(2013)分析了在不同的台风自身特征(包括台风尺度、初始强度等)和环境特征(包括环境风垂直切变、引导流)下,各方法路径预报误差的精度和稳定度。
本文将依据《台风业务和服务规定》(中国气象局预测减灾司,2012)中所列出的台风预报评估办法,将对2013年西北太平洋热带气旋预报精度进行系统地评定。同时本文也将对全球和区域模式在路径和强度预报中的系统性偏差进行分析。
1 资料和方法本文所使用的TC最佳路径数据由中国气象局上海台风研究所整编(中国台风网,http://tcdata.typhoon.gov.cn/zjljsjj_zlhq.html;Ying et al, 2014),该数据提供西北太平洋(含南海,赤道以北,180°E以西)海域的TC每6 h的位置和强度信息(TC强度包含2 min平均近中心最大风速和中心海平面最低气压)。参加本次精度评定的有6个定位方法,32个路径预报方法(13个主观路径预报方法、19个客观路径预报方法)和21个强度预报方法(7个主观强度预报方法、14个客观强度预报方法)。
本次精度评定的内容涉及TC定位精度、路径预报、登陆点预报和强度预报,以中国气象局上海台风研究所最佳路径数据为评定依据,使用的计算方法均以《台风业务和服务规定》为标准。
2 TC定位精度评定统计中央气象台(CMA)、日本气象厅(JMA)、美国联合台风警报中心(JTWC)和韩国气象厅(KMA)的官方实时定位及北京、日本卫星实时定位的平均距离误差(表 1),结果表明:2013年,6个定位方法总平均误差21.7 km,比往年略偏小(陈国民等,2012;2013);4个官方实时定位方法中,CMA实时定位误差最小,为17.1 km,其后依次为JMA、JTWC和KMA;与2012年相比,CMA的定位误差略微偏大,而JMA、JTWC和KMA的定位误差有一定程度的减小;2个卫星定位方法2013年的定位误差与2012年相当(2012年北京卫星和日本卫星定位误差分别为19.7和22.2 km)。
2013年各主观预报方法路径预报误差统计信息列于表 2。通过比较CMA、JMA、JTWC和KMA这4大机构的路径预报误差发现,JTWC在24、72、96和120 h这4个预报时效的路径预报表现优于其余3家机构,平均误差分别为79.2、197.1、312.0和518.2 km,而48 h路径预报中CMA与JTWC表现相当,误差分别为138.2和138.3 km。进一步比较上述四大机构的同样本路径预报平均误差发现(表略),各时效预报误差最小的是JTWC,其后依次为CMA、JMA和KMA。2013年,CMA 24、48、72、96和120 h主观路径预报平均误差分别达到84.2 km(416次)、138.2 km(310次)、211.9 km(213次)、319.5 km(134次)和557.7 km(75次),与2012年相比,除120 h外的其余各时效的路径预报水平均有显著提高(2012年路径误差分别为102.6、183.6、280.3、384.7和546.0 km),24 h路径预报误差更是首次低于90 km。国内各省(自治区)主观预报方法24、48和72 h总的平均路径误差分别为80.2 km(417次)、143.3 km(275次)和221.7 km(98次),各时效的路径预报误差与2012年同比分别降低了13.9%、13.4%和20.9%。
2013年,7个全球模式(ECMWF-IFS、NCEP-GFS、UKMO-MetUM、JMA-GSM、CMA-T213、CMA-T639和KMA-GDAPS)24、48、72、96和120 h的总平均路径误差分别为90.9 km(1703次)、161.4 km(1255次)、249.2 km(830次)、410.4 km(394次)和618.0 km(226次),其中NCEP-GFS和ECMWF-IFS两个模式在96 h之内的平均路径预报误差十分接近,但NCEP-GFS 120 h的误差明显小于ECMWF-IFS(表 3)。通过同样本比较NCEP-GFS和ECMWF-IFS2个模式后发现,ECMWF-IFS在24、48、72、96和120 h的各时效路径预报误差仍比NCEP-GFS小1.8 km(128次)、14.5 km(96次)、20.8 km(66次)、64.1 km(42次)和24.6 km(25次),表明ECMWF-IFS模式仍略优于NCEP-GFS模式。
2013年,国内区域模式(GRAPES-TCM、广州数值、上海台风模式和辽宁数值)24、48和72 h的总平均路径预报误差分别为98.8 km(578次)、186.9 km(400次)和343.4 km(209次)。广州数值模式近年来路径预报能力稳步提高(陈国民等,2012;2013),2013年24、48和72 h的平均路径预报误差分别达到71.9 km(164次)、128.8 km(119次)和207.9 km(73次)。同样本比较结果表明(表略),广州数值24、48和72 h的路径预报误差仅比ECMWF-IFS分别大了8.4 km(163次)、12.3 km(118次)和20.3 km(73次)。
3.2 路径预报技巧评分表 4是2013年各客观预报方法相对于气候持续法24、48和72 h路径预报技巧水平。各客观方法相对于气候持续法均表现出了正技巧水平,其中,24、48和72 h路径预报技巧水平最高的分别是ECMWF-IFS(69.57%)、NCEP-GFS(77.12%)和NCEP-GFS(73.21%)。
在实际业务应用中,数值预报模式(无论是全球模式还是区域模式)均会出现一定程度的系统性偏差(Clifford et al, 2008; Berner et al, 2012)。模式的系统性偏差一般会稳定地持续数天以上(Thomas et al, 1983)。数值预报模式自身的系统性偏差势必会影响TC路径和强度预报,通过分析不同模式在TC路径和强度预报中的系统性偏差,一方面将为预报员在参考模式预报结果时提供必要的修正依据,另一方面也为模式研发人员改进模式预报性能提供参考。
图 1展示的是2013年国内外主要的全球和区域模式路径预报系统性偏差。图中极坐标原点可以理解为TC中心,径向坐标即表示距TC中心的距离,不同颜色的数字表示各个模式在不同时效相对于TC中心位置的全年平均位置。从图 1中可以看出,全球和区域模式各时效的偏差基本集中在从东北方向沿顺时针到西南方向一侧,其中以位于TC中心东南侧象限的系统性偏差数量最多。各个模式表现出了各自不同的系统性偏差特征:在全球模式中,ECMWF-IFS模式的系统性误差会随着预报时效的增加而逐渐偏南,其120 h的系统性偏差约在偏南150 km处。而NCEP-GFS模式的系统性误差随着预报时效的增加而逐渐偏东,120 h的系统性偏差约在东北东190 km处。此外,JMA-GSM模式主要偏向西南方向,UKMO-MetUM模式72 h之前偏向东南方向,72 h之后转而偏向偏南方向。CMA-T213模式并没有随预报时效的增加而一致偏向某个方向,偏差主要集中在正东方向附近60~100 km扇形范围内。在区域模式中,ACCESS-TC模式偏向偏南方向,上海台风模式偏向东北方向,KMA-TWRF模式偏向东南方向。GRAPES-TCM模式在48 h前偏向东南方向,而48 h之后则偏向偏南方向,广州数值模式在48 h之前偏向东北方向,而48 h之后则转而偏向正南方向。
2013年共有9个TC登陆我国,分别是1305“贝碧嘉”、1306“温比亚”、1307“苏力”、1308“西马仑”、1309“飞燕”、1311“尤特”、1312“潭美”、1319“天兔”和1323“菲特”,其中1307“苏力”先后在台湾省新北市与宜兰县交界处和福建省连江县登陆两次,其余8个TC只登陆一次。2013年各主观预报方法24 h登陆点预报误差列于表 5,表中字母“A”表示该方法未能提前24 h预报登陆,字母“B”表示TC登陆前24 h内无预报结果,括号中的数字为起报时间相对于TC登陆时间的提前时间。各主观预报方法中,CMA、JMA、JTWC和KMA这四大台风业务中心2013年24 h平均登陆误差分别为80.2、94.5、101.5和87.0 km,且24 h登陆点预报平均分别能提前19.8、20.3、20.5和19.5 h。此外,四大台风业务中心24 h登陆预报命中率(即某方法正确预报TC登陆次数除以TC总的登陆次数再乘以100%)均达到了100%,体现出了良好的24 h登陆点预报水平。国内各主观预报方法由于各自的责任海域不同,部分预报方法对于某些TC在登陆前24 h内无预报结果(表 5中以字母“B”表示)。2013年广东主观、上海主观、浙江主观、福建主观、广西主观和海南主观24 h年平均登陆点预报误差分别为148.8、61.4、82.8、70.8、91.4和86.4 km。
在9个登陆的TC中,各主观方法对1306“温比亚”、1311“尤特”、1312“潭美”和1323“菲特”的24 h登陆点预报效果较好,24 h登陆点误差均在100 km以下,而对1308“西马仑”的24 h登陆点预报误差均较大,普遍在150 km以上,个别方法的误差甚至达到了250 km以上。
4 TC强度预报精度评定 4.1 强度预报误差评定表 6和表 7分别列出了2013年主观和客观预报方法强度(2 min平均近中心最大风速,下同)预报的平均绝对误差和均方根误差信息。表 6中,CMA、JMA、JTWC和KMA 4个国家级台风业务中心24、48和72 h强度预报的绝对平均误差区间分别为3.82~5.43、6.03~8.28和6.87~10.05 m·s-1,这3个预报时效强度误差最小是JTWC,分别为3.82、6.03和6.87 m·s-1,96和120 h误差最小的是CMA,分别为7.02和8.15 m·s-1。国内的3个主观强度预报方法中,24、48和72 h平均绝对误差最小的分别是香港天文台、广东主观和浙江主观,分别达到3.99、5.55和7.26 m·s-1。
客观预报方法包含国内外的全球、区域模式以及统计预报方法。如表 7所示,广西遗传神经24、48和72 h平均绝对误差分别达到4.32、6.60和7.09 m·s-1,强度预报能力优于其余各客观预报方法。6个全球模式(ECMWF-IFS、NCEP-GFS、UKMO-MetUM、JMA-GSM、CMA-T639和KMA-GDAPS)24、48、72、96和120 h总平均绝对误差分别为7.91、12.20、14.53、14.49和14.50 m·s-1。4个区域模式(广州数值、上海台风模式、ACCESS-TC和GRAPES-TCM)24、48和72 h总平均绝对误差分别为6.47、8.26和10.06 m·s-1。从评定结果看,2013年统计预报方法的强度预报整体性能仍领先于数值模式,而在数值模式中,区域模式的强度预报性能则略优于全球模式。
4.2 强度预报技巧评分2013年,在参加评定的综合预报方法中,除了JMA在72 h的强度预报技巧评分为负技巧以外,其余方法在24、48和72 h强度预报相对于气候持续法的技巧水平表现为正技巧(表 8)。JMA在24、48和72 h中的强度预报技巧评分分别为2.75、4.41和-0.40,强度技巧水平与其他主观方法有一定的差距。客观预报方法的强度预报技巧评分中,广西遗传神经、WIPS、偏最小二乘和广州数值在24、48和72 h强度预报均为正技巧。
图 2给出了2013年部分全球和区域模式在不同预报时效中的近TC中心最大风速和中心最低气压误差的箱型分布图,目的是通过箱型图直观地了解强度误差各分位数以及异常值的分布情况,从中分析全球和区域模式强度预报的系统性偏差。
从2013年全球模式最大风速误差分布(图 2a)中可以看到,ECMWF-IFS模式各时效预报的最大风速误差中位数在5~10 m·s-1,而第一分位数基本大于0 m·s-1,表明ECMWF-IFS模式预报的最大风速比实况偏强。NCEP-GFS和CMA-T639两个模式的最大风速误差中位数基本处于0 m·s-1以下,说明这两个模式预报的最大风速比实况略偏弱。JMA-GSM模式预报的24和72 h最大风速误差中位数接近于0 m·s-1,而48 h略大于0 m·s-1。此外,从图 2a中还可以看出,NECP-GFS模式在各个预报时效中的箱型比其余全球模式略窄,表明NECP-GFS模式在最大风速预报中的稳定性较高。从全球模式最低气压误差分布(图 2c)中可以发现ECMWF-IFS、JMA-GSM和CMA-T639这3个模式并没有像最大风速预报那样存在显著的系统性偏差。而NCEP-GFS模式各预报时效的最低气压误差中位数处于0~10 hPa之间,表明该模式强度预报要比实况略偏弱,这与最大风速预报的系统性偏差结果一致。
同样的,通过分析区域模式最大风速和最低气压误差分布(图 2b和2d)后发现,广州数值、GRAPES-TCM和ACCESS-TC这3个模式并没有存在显著的强度预报系统性偏差,而上海台风模式在预报最大风速时比实况略大,但是在预报最低气压时却比实况略偏高。此外,区域模式在24、48和72 h中整体的箱型要略窄于全球模式,表明区域模式的强度预报稳定性要略优于全球模式。
5 结论本文对2013年西北太平洋海域TC定位、路径和强度预报精度进行了系统的评定,并对全球和区域模式在路径和强度预报中存在的系统性偏差进行了分析,得到结论如下:
(1) 6个定位方法总平均误差为21.7 km,比往年略偏小。CMA的定位误差最小,但是与2012年相比略微偏大,而JMA、JTWC和KMA的定位误差有一定程度的减小。
(2) CMA 24、48、72、96和120 h主观路径预报平均误差与2012年相比,除120 h以外的其余各时效的路径预报水平均有显著提高,24 h路径预报误差首次低于90 km。国内各省(自治区)主观预报方法24、48和72 h总的平均路径误差与2012年同比分别降低了13.9%、13.4%和20.9%。全球模式路径预报误差分别为90.9 km(24 h)、161.4 km(48 h)、249.2 km(72 h)、410.4 km(96 h)和618.0 km(120 h),国内区域模式路径预报平均误差分别为98.8 km(24 h)、186.9 km(48 h)和343.4 km(72 h)。
(3) 全球和区域模式的路径预报均不同程度地存在系统性偏差,各时效的偏差基本集中在从东北方向沿顺时针到西南方向一侧,其中以位于TC中心东南侧象限的系统性误差数量最多。
(4) 各主观方法对1306“温比亚”、1311“尤特”、1312“潭美”和1323“菲特”的24 h登陆点预报效果较好,而对1308“西马仑”的24 h登陆点预报不是十分理想。
(5) 与往年类似,统计预报方法的强度预报整体性能仍领先于数值模式,而在数值模式中,区域模式的强度预报性能则略优于全球模式。
(6) 部分全球和区域模式在强度预报中也存在着系统性偏差,ECMWF-IFS预报的强度比实况略偏强,而NCEP-GFS模式则略偏弱。此外,NCEP-GFS模式在最大风速预报中与其他全球模式相比,表现出了较高的稳定性。
陈国民, 汤杰, 曾智华, 2012. 2011年西北太平洋TC预报精度评定[J]. 气象, 38(10): 1196-1204. DOI:10.7519/j.issn.1000-0526.2012.10.005 |
陈国民, 余晖, 曹庆, 2013. 2012年西北太平洋热带气旋预报精度评定[J]. 气象, 39(10): 1350-1358. DOI:10.7519/j.issn.1000-0526.2013.10.014 |
汤杰, 陈国民, 余晖, 2011. 2010年西北太平洋台风预报精度评定及分析[J]. 气象, 37(10): 1320-1328. DOI:10.7519/j.issn.1000-0526.2011.10.017 |
占瑞芬, 汤杰, 余晖, 2010. 2009年西北太平洋台风定位和预报精度评定[J]. 气象, 36(10): 114-121. DOI:10.7519/j.issn.1000-0526.2010.10.020 |
中国气象局预测减灾司, 2012. 台风业务和服务规定[M]. 北京: 气象出版社, 38-41.
|
Berner J, Jung T, Palmer T N, 2012. Systematic model error: The impact of increased horizontal resolution versus improved stochastic and deterministic parameterizations[J]. J Climate, 25(14): 4946-4962. DOI:10.1175/JCLI-D-11-00297.1 |
Chen G M, Yu H, Cao Q, et al, 2013. The performance of global models in TC track forecasting over the western North Pacific from 2010 to 2012[J]. Trop Cycl Res Rev, 2(3): 149-158. |
Clifford F Mass, Jeffrey Baars, Garrett Wedam, et al, 2008. Removal of systematic model Bias on a model Grid[J]. Wea Forecasting, 23(3): 438-459. DOI:10.1175/2007WAF2006117.1 |
Thomas W Bettge, 1983. A systematic error comparison between the ECMWF and NMC prediction models[J]. Mon Wea Rev, 111(12): 2385-2389. DOI:10.1175/1520-0493(1983)111<2385:ASECBT>2.0.CO;2 |
Ying M, Zhang W, Yu H, et al, 2014. An overview of the China Meteorological Administration tropical cyclone database[J]. J Atmos Oceanic Technol, 31: 287-301. DOI:10.1175/JTECH-D-12-00119.1 |