GRAPES_TCM模式对2013—2014年浙江影响台风预报的检验分析*

吴联要 王金欣 常璐璐 郝世峰 董美莹

(1.浙江省气象台，浙江 杭州，310017；2.浙江省气象服务中心，浙江 杭州，310017；3.浙江省气象科学研究所，浙江 杭州，310008)

GRAPES_TCM模式对2013—2014年浙江影响台风预报的检验分析*

吴联要1王金欣2常璐璐2郝世峰1董美莹3

(1.浙江省气象台，浙江 杭州，310017；2.浙江省气象服务中心，浙江 杭州，310017；3.浙江省气象科学研究所，浙江 杭州，310008)

基于多种台风定位定强客观方法，检验了高分辨区域台风模式(GRAPES_TCM)对2013—2014年浙江影响台风的路径、强度、移向和移速等的预报效果，并与多家业务模式产品(欧洲中心数值模式(ECMWF)、日本数值模式(JMA)、美国数值模式(NCEP)和中国数值模式(T639))进行对比分析，结果表明，在用最大风速中心定位、用10 m层中心最大风速定强以及用海平面中心最低气压定强时，GRAPES_TCM的预报精度都较高；GRAPES_TCM对台风移速和移向预报都有较好效果。

GRAPES_TCM；浙江影响台风；检验

0 引 言

台风是发生在西北太平洋上一种强大而深厚的低压天气系统，我国海岸线漫长且位于西北太平洋的西岸，频受台风袭击。浙江省地处我国东南沿海，是台风影响大省，每年台风季节，台风路径和强度的预报都是浙江省防灾减灾工作的重中之重。近年来，随着台风业务预报需求的日益增大，浙江省气象局不断发展并改进高分辨区域台风模式(GRAPES_TCM)，其预报效果稳步提升。

众所周知，在台风的业务预报和相关科学研究工作中，台风的定位和定强都至关重要。本文发展了3种台风定位定强客观方法，基于这些方法检验GRAPES_TCM对2013—2014年浙江影响台风个例的路径、强度、移向和移速等的预报情况，并与ECMWF、JMA、NCEP和T639 4家模式的预报效果进行对比分析。

1 台风客观定位方法介绍

对模式输出资料进行台风定位的客观方法有海平面气压中心定位法、最大风速中心定位法、轴平均切向风法定位法和正涡度中心定位法[1-2]等，本文主要介绍并采用前3种方法。

1.1 海平面气压中心定位法

台风是一个深厚且有一定水平范围(一般数百公里)的低气压系统，而其中又有复杂的结构。整个台风系统的海平面气压值都比环境场低，而在台风中心眼区，其海平面气压值达到最低。基于这个台风的结构特征，气象工作者们在分析和研究台风时，经常通过寻找台风环流范围内的海平面气压最低值来确定台风中心位置，该方法应用广泛，且方便有效。

1.2 最大风速中心定位法

台风是一个不停旋转的系统，在整个台风环流范围内风速都较大，尤其是切向的风速。台风的7级风圈半径可达数百公里，而在台风环流内风速最大的地方一般位于台风的眼墙附近，且眼墙紧挨着中心眼区，故通过判断最大风速中心来确定台风环流中心的位置也是一种常见的台风中心定位方法。

1.3 轴平均切向风法定位法

台风中心的移动会给台风环流结构带来明显的变化，尤其是对其内部中心区域的环流结构而言。而这种影响在非对称结构的台风环流中表现更为明显。在台风中心区域的眼墙附近中有时候会生成一些中尺度涡旋，这些中尺度涡旋也是气压低值中心，且这些小涡旋中心的风速也相对较大，所以在通过用海平面气压最低值或最大风速中心来定位台风时，可能会错误定位到这些中尺度涡旋的位置，这就导致了台风几何中心定位的偏差。为了规避这种中心定位偏差的出现，可以通过计算轴对称切向风的区域平均最大值来定位台风的几何中心[3]。

2 台风客观定强方法介绍

2.1 最大平均风速定强法

台风作为一个移动型的涡旋性系统，其本身的自转和移动都给台风环流范围内带来较大的风力，而大风的影响亦是台风致灾能力的一个主要构成，所以从过去到现在，风力的大小都被用来形容一个台风的破坏力和强烈程度。

台风强度的常用定义方法是10 m高度处的平均风速最大值，但世界各地所用的平均风速资料稍有区别。如中国气象局(CMA)用的是2 min平均风速资料，日本气象中心(JMA)用的是10 min平均风速资料，美国(JTWC)用的是10 min平均风速资料。在业务预报和研究工作中，常通过查找台风环流范围内出现的最大平均风速值来作为该时次台风的强度。

2.2 海平面气压定强法

台风是一个深厚广阔的低气压天气系统，其低层中心暖，气压值低，所以周围的气团从外向中心辐合移动。中心气压值越低，气团入流的程度越大，入流越强，辐合的水汽也越多，台风强度随之增大。基于这个物理特征，在台风的业务预报和研究工作中，也常用中心海平面气压最低值来表征台风发展的强度大小。

2.3 释用极大风速定强法

在业务预报中，气象工作者不难发现，数值模式输出的近地面分钟最大平均风速比观测站观测到的极大风速要小，而现在业务预报中亦常用极大风速值来表征台风的风力状况。因此，在业务预报中，常把数值模式输出风力结果进行进一步释用后，再分析应用。

浙江省气象台采用经验公式的方法对数值模式输出结果中平均风速资料进行释用增大，假设数值模式资料中原平均风速为V1，释用的极大风速为V2，则在计算中运用的经验公式为：V2=(V1×0.9)+10，释用增大后的风力预报结果在业务应用中效果较好。

3 GRAPES_TCM模式对2013—2014年浙江影响台风的路径、强度、移速和移向的检验分析

选用上面介绍的台风定位定强客观方法，并选取高分辨率区域台风模式(GRAPES_TCM，来源于浙江省气象科学研究所的模式运行结果)、欧洲中心数值模式(ECMWF)、日本数值模式(JMA)、美国数值模式(NCEP)和中国数值模式(T639)资料进行计算，并通过与中央台发布的台风实况资料对比，对2013—2014年浙江影响台风的路径、强度、移向和移速等方面的逐3 h预报误差进行检验。其中选取的2013—2014年浙江影响台风个例分别为“201323”菲特、“201410”麦德姆和“201416”凤凰，其中菲特登陆浙闽交界，麦德姆为登陆附件后北上从浙江西部边缘擦过，凤凰登陆浙江宁波，是过去两年对浙江影响较大的3个台风。

3.1 台风路径检验

3.1.1 海平面气压中心定位路径的检验

在通过海平面气压中心定位时，由图1d可以看到GRAPES_TCM的平均路径预报误差为60 km左右(3个个例共40个样本)，与路径预报误差最低的T639(约45 km)及JMA(约50 km)相差并不大，而与ECMWF和NCEP的路径预报误差则相当，这两者的误差平均也在60 km左右。GRAPES_TCM基于海平面气压中心定位的台风路径预报质量总体上在五家模式中处在中等水平。

其中，在个例“201323”菲特中GRAPES_TCM的路径预报误差仅为25 km左右(图1a)，是5家模式中误差最小的，次小的是ECMWF和T639。在个例“201410”麦德姆的路径预报(图1b)中，GRAPES_TCM预报误差约为70 km，比其他几家模式的误差稍大，但也处于一个较低的误差水平。而GRAPES_TCM对于个例“201416”凤凰的路径预报误差约为60 km，在5家模式里保持中游的水准(图1c)。

3.1.2 最大风速中心定位路径的检验

在采用最大风速中心定位台风中心的方法时，考虑到选取的个例皆为登陆台风，近地层的风场结构受地形影响较大，故分别选用10 m风场和850 hPa层风场进行对比分析。

从图2中可以看到，当选用10 m风最大风速中心来定位台风中心时，路径的误差明显增大。图2d显示了3个个例的平均误差，基本都在100 km以上。其中GRAPES_TCM的误差控制最好，大致在100 km左右，最差的是GFS，其路径平均误差已经超过200 km。从a、b和c这3个个例分开来看，误差较低的是“201416”凤凰，在凤凰的路径预报中，GRAPES_TCM、JMA和T639的预报误差都控制在100 km以下，其中以GRAPES_TCM的预报误差为最低，仅为70 km左右。

(其中a为个例“201323”菲特，b为个例“201410”麦德姆，c为个例“201416凤凰，d为所有个例的统计平均情况，下同)图1 各家模式通过海平面气压中心定位的台风路径预报误差

图2 各家模式通过10 m风速最大中心定位的台风路径预报误差

当选用850 hPa层最大风速中心来定位台风中心时，由于风场结构受地形影响减小，台风中心的路径定位误差较之10 m层有所减小。平均而言，GRAPES_TCM的路径误差从10 m层的100 km左右减少到80 km左右(如图3d所示)。从图3a、3b、3c中可以看出，GRAPES_TCM在个例“201323”菲特、“201410”麦德姆和“201416”凤凰中的路径定位误差分别约为71、99和63 km，在各自的个例对比中，皆是5家模式中预报误差最低的一家。

通过最大风速中心定位台风中心的对比分析不难发现，高分辨率区域台风模式GRAPES_TCM在风场结构的预报上有着明显的优势，更高的水平格点分辨率带来了对台风动力结构更好的反映效果，也在通过最大风速中心定位台风时有着更小的路径误差。

图3 各家模式通过850 hPa层风速最大中心定位的台风路径预报误差

3.1.3 轴平均切向风法定位路径的检验

在用轴平均切向风最大中心定位台风中心时，同样分别选取10 m层和850 hPa层进行对比分析。

在10 m层的路径定位情况来看，各家模式的误差控制都不理想，其中相对最好的T639也有着平均128 km左右的误差(图4d)，GRAPES_TCM的误差控制排在第二位，约为180 km，而其他3家的误差皆超过200 km。从图4a、4b、4c的个例单独分析中可以看到在个例“201323”菲特的路径误差上，GRAPES_TCM的误差最低，约为150 km；另外在个例“201410”麦德姆的路径预报中，GRAPES_TCM的误差为次小。总体来看，GRAPES_TCM和T639的误差相对较低，但整体定位误差都较大。

相比10 m层的定位情况，850层的定位误差控制要好很多(图5)。其中ECMWF和JMA的误差从超过200 km骤降到90 km左右。GFS和T639也都取得了70～120 km左右的误差降幅。但GRAPES_TCM的预报误差降幅却不大，只从180 km左右降低到约160 km。通过对比图5a和图4a我们不难发现，这主要是由于改用850 hPa层定位后，在个例“201323”菲特中GRAPES_TCM的误差不降反升，这个个例的误差情况在总体带来了影响。由此可见，GRAPES_TCM在特定层次上的预报稳定性还有待进一步加强。

图4 各家模式通过10 m层轴平均切向风最大中心定位的台风路径预报误差

图5 各家模式通过850 hPa层轴平均切向风最大中心定位的台风路径预报误差

3.2 台风强度检验

3.2.1 海平面气压定强的检验

在通过台风中心海平面最低气压来定强时，GRAPES_TCM的强度预报误差总体不大，平均比实况偏强7个 hPa左右，如图6d所示，其它家模式的预报则相比实况普遍偏弱，其中与实况误差的绝对值T639最低，平均约为3个 hPa。ECMWF和JMA的强度预报平均比实况偏弱10个 hPa左右，而GFS的预报则比实况值弱了15个 hPa。

分个例来看，在“201323”菲特的预报中，5家模式的强度预报全部偏弱，其中GRAPES_TCM的误差最小，与实况相差不到5个 hPa(图6a)，而ECMWF的误差次小。在个例“201410”麦德姆和“201416”凤凰的强度预报中，只有GRAPES_TCM的预报偏强，另4家模式预报结果一致偏弱，其中在“201416”凤凰的预报中，GRAPES_TCM的误差最小，与实况相差为3个 hPa(图6c)。而在预报“201410”麦德姆的强度时，T639的误差控制最好，平均仅比实况偏弱0.4个 hPa(图6b)。

总体上看，在用中心海平面气压定强台风时，GRAPES_TCM的误差控制较好，预报效果在5家模式中排前二。值得注意的是，GRAPES_TCM的海平面气压预报容易出现比实况偏强的情况，这有待更多的观察验证。

3.2.2 最大平均风速定强的检验

以下选用10 m高度层的台风中心最大平均风速对5家模式的台风预报进行定强，定强结果的检验情况如图7所示。

在个例“201323”菲特的强度预报中5家模式的预报都偏弱，其中GRAPES_TCM的预报误差最小，为偏弱3.7 m/s，而另外4家模式的结果都偏弱7 m/s以上(图7a)。在个例“201410”麦德姆的强度预报中，“201410”麦德姆GRAPES_TCM的强度预报平均仅比实况偏强0.8 m/s，而其他4家模式的强度预报分别比实况弱了5～12 m/s(图7b)。对于个例“201416”凤凰的强度预报，GRAPES_TCM的误差控制很好，平均只比实况稍微弱了0.1 m/s，而其他4家的误差一般在4～6 m/s左右(图7c)。从图24d可以看到，总的平均误差情况，GRAPES_TCM为偏弱0.12 m/s，T639、GFS、JMA、ECMWF则分别偏弱5.1、6.6、8.2、9.1 m/s。

通过以上对比我们发现，GRAPES_TCM对于10 m风的强度预报效果是5家模式中最好的，其通过10 m最大平均风速定义并计算的台风强度与实况强度相差无几。

图6 各家模式台风海平面中心最低气压的预报误差

图7 各家模式台风10 m层中心最大风速的预报误差

3.2.3 释用最大风速定强的检验

释用算法为基于模式风速预报普遍偏弱的情况发展出的一种增大经验算法，以下用经过释用计算的10 m最大平均风速进行定强并检验。由图8d可以看出，释用计算后各家模式的强度预报误差控制明显转好，其中JMA和ECMWF的结果较实况稍偏弱1 m/s左右，而GFS和T639也只偏强了约1～2 m/s。可以看出本研究中采用的释用算法对这4家模式的风速预报效果改善明显。

在释用前已有很好预报效果的GRAPES_TCM，释用后在各个例中的预报都正常出现偏大的情况(见图8a、8b、8c)，故该释用最大风速定强法更适用于ECMWF、JMA、GFS和T639这4家模式的预报。

图8 各家模式台风10 m层中心最大风速释用预报的误差

3.3 台风移速和移向的检验

3.3.1 台风移速的检验

分别计算五家模式预报台风的3 h平均移动速度，与台风实况的3 h平均移动速度做对比。在个例“201323”菲特的移速预报中，GRAPES_TCM预报的台风移速平均比实况稍快约1 km/h，与实况移速最接近的是JMA和GFS，相差不到1 km/h，而ECMWF和T639的移速预报则与实况相差2 km/h以上(图9a)。GRAPES_TCM对个例“201410”麦德姆的移速预报仅比实况偏快0.3 km/h，与ECMWF的预报效果并列最好(图9b)。但是在个例“201416”凤凰的移速预报中，GRAPES_TCM与其他4家模式的预报都偏慢，其中GRAPES_TCM偏慢约2 km/h(图9c)。

总体来看，GRAPES_TCM的移速预报较实况偏慢约0.6 km/h，虽稍微落后T639和JMA的平均0.4 km/h左右的误差(图9d)，但也相差不大，预报效果尚好。

3.3.2 台风移向的检验

分别计算实况和5家模式预报结果的3 h移动方向角，计两个方向角之间的角度差为移向的误差值(以度为单位)。从图10中各家模式的移向预报效果来看，GRAPES_TCM的准确率是最高的。在个例“201323”菲特的预报里，GRAPES_TCM的移向误差仅为9°左右，ECMWF的移向误差为11°，其他3家的误差则皆超过16°(图10a)。GRAPES_TCM对个例“201410”麦德姆的移向预报效果也是最好的，平均误差约16°，而另4家的误差都在20°以上(图10b)。在个例“201416”凤凰的移向预报中，GRAPES_TCM、ECMWF和T639的误差都在18°上下，GFS和JMA则超过了20°(图10c)。通过图10d的统计可以看到，GRAPES_TCM的移向预报平均误差约为16°，是5家模式里误差最低的。

4 结 语

1)通过多种定位定强方法的计算和检验发现，GRAPES_TCM模式的路径和强度预报效果总体最好，在几家模式中误差控制最为稳定。

2)在台风定位方法中，海平面气压中心法的定位效果最好；轴平均切向风最大中心定位法比最大风速中心定位法的定位效果有显著提升。

3)在台风定强方法中，海平面中心最低气压法和10 m层中心最大风速法定强的效果相当，而释用最大风速定强法对ECMWF、JMA、GFS和T639这4家模式的强度预报效果提升明显，但并不适用于GRAPES_TCM模式。

图9 各家模式台风移动速度预报的误差

图10 各家模式台风移动方向预报的误差

4)GRAPES_TCM模式对台风移速的预报效果处于中游水平。

5)在台风移向的预报方面，GRAPES_TCM模式的预报效果最佳。

限于2013—2014年浙江影响台风的个例有限，本文使用的资料时次不够多，计算和统计时的样本数也较少，因此所得初步结论尚有待进一步检验和完善。此外，本文工作仅对高分辨率台风模式GRAPES_TCM与ECMWF、JMA、GFS、T639在预报2013—2014年浙江影响台风的路径、强度、移向和移速方面做了初步检验分析，至于这几家模式在预报台风结构以及路径对强度变化的影响等方面的表现，有待进一步的对比分析。

[1] WU Lian-yao and LEI Xiao-tu. Preliminary research on the inner core and outer size of tropical cyclones and its relationship with the intensity of tropical cyclones[J]. J Trop Meteorol, 2014, 20(4): 66-73.

[2] 吴联要，雷小途.内核及外围尺度与热带气旋强度关系的初步研究[J].热带气象学报,2012,(5):719-725.

[3] Liguang Wu. A Numerical Study of Hurricane Erin (2001). Part I: Model Verification and Storm Evolution[J]. Journal of the atmospheric sciences. 2006, 63: 65-86.

2015-02-13

*资助项目：1.浙江省气象科技计划项目(2014ZD03-1); 2.浙江省气象科技计划项目(2012YB09); 3.行业专项(201206006).