1 引言
数值模式预报尤其是关注有限区域的中尺度数值预报是提高精细化预报水平的较具潜力的方法。近年来随着观测和探测技术的不断进步, 观测资料在时空间分辨率上都有很大的提高, 观测资料数量和种类的增加, 计算机运算性能的不断提高, 极大的促进了高分辨率的同化系统的建立和发展（郝民等, 2003）。如何更加有效地利用各种常规和非常规气象观测资料, 提供更为精确的数值预报产品, 已成为气象预报业务中的迫切任务。目前, 国内外多采用快速更新循环（Rapid Update Cycle）同化和预报系统（下称RUC系统）来实现更加精细化的数值预报。RUC系统可通过引入大量高时空分辨率的观测信息来改善和更新预报初值, 有效地提高初值质量, 改善预报效果（Atencia et al, 2010; Golding, 1998; 胡胜等, 2012）。美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)和美国海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)在20世纪90年代初期就开始了RUC系统的研发, 1994年开始业务运行 60 km 分辨率和3 h循环更新周期的RUC系统, 2002年将其分辨率提升至20 km和1 h循环更新周期（Benjamin et al, 2004）, 目前的空间分辨率已经达到13 km, 其RUC系统同化包括地面常规观测、 卫星遥感资料、 雷达探测资料和探空资料等大量观测资料。近年来, 国内相关气象业务部门陆续引进和发展适合本地区的RUC系统, 尽管起步较晚, 但发展却十分迅速。为了更好地为2008年北京奥运会提供气象预报服务, 北京城市气象研究所基于WRF模式和其三维变分同化, 发展建立了一个适用于本地区的具有同化多种中小尺度观测资料的RUC同化预报系统（BJ‑RUC）, BJ‑RUC在奥运会期间起到了良好服务作用（范水勇等, 2008, 2009; 尤凤春等, 2009）。郝民等（2003）利用RUC系统分析了发生在河南省的一次飑线过程, 结果表明RUC系统较好的预报了这次飑线过程的大风以及降水的区域和强度。雷蕾等（2012）利用北京地区中尺度数值模式快速循环系统（BJ‑RUC）对该地区强对流天气概率的进行了分析和预报, 取得了较好的结果。王丹等（2014）利用BJ‑RUC 对北京地区不同类型降水的短时预报能力进行了研究分析, 结果表明BJ‑RUC对降水的预报存在着一定的偏多误差。盛春岩等(2006)的工作表明将资料同化分辨率提高到3 km可改进雷达资料同化对临近短时预报的效果。此外, 北京城市气象研究所对其建立的BJ‑RUC系统业务模式进行了广泛的评估和应用（魏东等2010, 2011; 陈敏等, 2010, 2011)。国际上, Auligne et al（2016）和Payne（2017）的近期工作也表明RUC系统在一定程度上改善了中小尺度的天气预报性能。
2010年底, 在北京城市气象研究所的协助下, 基于本地数据环境, 兰州区域中心气象台成功对模式进行移植, 建立了西北地区RUC系统, 并与2012年汛期开始准业务试验。西北地区降水较少, 时空分布极其不均匀, 短历时降水常发生在春季末和夏季（杨显玉等, 2016; 黄玉霞等, 2017）, 对西北RUC系统在2012年汛期初（2012年6月2日至7月6日）的预报结果进行了详细检验和评估, 包括对24 h和48 h的形势场检验和24 h降水分级检验, 以充分了解系统在西北地区的业务应用情况, 加深对系统预报性能的了解, 为后期进一步改进和完善系统奠定工作基础。
2 西北RUC系统介绍和检验方法
2.1 西北RUC系统
西北地区RUC系统是基于WRFV3.2.1版本和WRF三维同化系统。通过WRF三维同化系统每隔6 h同化一次GTS资料和本地的常规加密观测资料以及非常规观测资料, 得到大气状态的更新估计, 并以T639数值模式作为区域RUC系统的初值场和边界场, 然后利用高分辨率的WRF模式进行短期预报。
模式中心点为100.5°E、 38.8°N, 网格区域格距为9 km, 格点数为259×196; 垂直方向为38层。循环时间间隔为6 h, 每天共计4次循环; 12:00（世界时, 下同）起始的循环为冷启动, 其他时次为热启动。模式选用的主要参数化方案有: WSM6（the WRF Single‑Moment 6‑Class Microphysics）显式微物理方案; Kain‑Fritsch对流参数化方案; YSU（the Yonsei University）边界层方案; RRTM（Rapid Radiative Transfer Model）长波辐射方案; Goddard短波辐射方案; Noah land‑surface model 陆面过程方案。
2.2 资料介绍
模式资料采用西北RUC在业务化运行过程中, 连续一个月（2012年6月2日至7月6日）的24 h和48 h输出结果, 由于初始场资料自动下载程序出错, 中间有个别天数并未输出结果（包括6月9日, 16日, 27日, 28日和7月3日）。高空站点资料选用的是模式模拟区域内所包括的39个探空站资料, 地面站点资料选用的是模拟区域内所有县以上气象观测站的资料, 共计231个站点[图1, 该图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）2893号的中国地图制作, 底图无修改]。站点观测资料的时间是从2012年6月1日08:00至7月6日08:00的各要素（温度、 压强、 湿度、 风向和风速）观测资料, 其中6月9日和7月3日站点资料缺失。
2.3 方法介绍
2.3.1 形势场预报评估检验方法
模式结果网格点资料插值到站点所采用的方法是双线性插值方法。然后用24 h和48 h插值到站点的预报场和对应时刻的站点观测资料对模式模拟区域内500 hPa和700 hPa的位势高度场、 温度场、 风向以及风速的平均误差（ME）和均方根误差(RMSE)进行检验, 其检验公式为:
，
式中: ∑为对区域内所有站点求和; F为插值到站点的预报值; A 0为站点观测值。平均误差计算时正负误差抵消, 它反映的是统计区域内的某种系统性误差。均方根误差反映预报值与实况值的平均偏离程度, 因而能反映总误差情况（张守峰等, 2003）, 其误差越小, 说明预报值和分析场越接近, 预报效果越好; 反之, 则预报效果越差。
2.3.2 降水预报评估检验方法
模式短期定量降水预报（Quantitative Precipitation Forecast, QPF）检验通常根据给定的一组降水阈值, 用二分型列联表（表１）的统计结果来计算各统计量。
根据24 h降水量, 将降水分为小雨(0.1 mm≤R<10.0 mm)、 中雨(10.0 mm≤R<25.0 mm)、 大雨(25.0 mm≤R<50.0 mm)和暴雨（R≥50.0 mm)。常用的检验统计量包括TS评分、 偏差（BIA）、 公平T评分（ETS）和真实技巧评分（TSS）（熊秋芬, 2011）。计算公式分别是:
，
，
，
,
，
式中: a, b, c和d代表含义见表1。
表 1 给定降水阈值下的预报与观测的二分型列联表Table 1 Contingency table of forecast and observation events for a selected threshold |
| 降水预报 | 降水观测 | |
|---|---|---|
| 是 | 否 | |
| 是 | a | b |
| 否 | c | d |
式（3）中, TS值越高, 则预报准确率越高; 式（4）中, BIA用来评估事件的频率而并不考虑准确率。当无空报、 漏报（b=0, c=0）时, 其值等于１, 预报完全准确; 当漏报次数高于空报次数（c>b）, 其值小于１, 代表预报不足; 而当空报高于漏报次数（b>c）, 其值大于１, 代表预报过度; 式（5）中, ETS是除去随机预报的 得到公平Ｔ评分, 其值范围是-1/3 ~ 1 。当无空报、 漏报（b=0, c=0）时, 其值等于１, 预报效果最好; 0 以及负数表示无预报技巧; 式（6）中, TSS用来全面评估某级预报的总效果, 即它不仅评估包括降水事件的预报效果, 而且评估非降水事件的预报效果。当降水和非降水事件的预报都正确（b=0, c=0）, 其值等于１, 预报效果达到最好; 当降水和非降水事件的预报都不准确（a=0, d=0）, 其值为-1, 没有预报技巧。随机预报和固定预报的TSS评分值都是是0; 如果小概率事件预报准确, TSS评分也较高。
3 500 hPa和700 hPa形势场检验分析
3.1 500 hPa和700 hPa高度场检验分析
平均误差反应的是系统性误差, 对高度场来说, 当平均误差为正值时, 说明在预报中低压槽偏弱, 高压脊偏强; 相反, 当平均误差为负值时, 说明在预报中低压槽偏强, 高压脊偏弱。从2012年6月2日至7月6日西北RUC系统24 h和48 h的 500 hPa高度场预报的平均误差[图2(a)]可以看出, 24 h和48 h高度场预报的平均误差既有正偏差也有负偏差, 24 h高度场预报有19天为正偏差, 9天为负偏差; 48 h高度场预报有18天为正偏差, 10天为负偏差, 总体上来说, 以正偏差为主; 24 h和48 h的平均误差均值分别为0.17 gpm和0.24 gpm。另外, 24 h和48 h高度场预报的平均误差正偏差的绝对值均值（0.40 gpm, 0.55 gpm）大于负偏差的绝对值均值（0.35 gpm, 0.32 gpm）。总体上, 西北RUC 24 h和48 h的500 hPa高度场平均误差以正偏差为主, 说明预报的低压槽偏弱, 高压脊偏强。从24 h和48 h西北RUC系统500 hPa高度场预报的均方根误差[图2(b)]可以看出, 48 h高度场预报的均方根误差大于24 h的, 说明随着预报时效的延长, 高度场的预报准确率下降; 其48 h和24 h的均方根误差平均值分别为1.56和1.32 gpm。另外, 24 h高度场预报的均方根误差最大值是6月6日(1.73 gpm), 48 h的高度场预报的均方根误差最大值是6月11日(2.35 gpm)。整体而言, 模式对于高度场的预报误差偏离实际值较小, 预报效果较好。通过24 h和48 h的700 hPa高度场预报的平均误差[图2(c)]和均方根误差[图2(d)]可以看出, 24 h和48 h高度场预报的平均误差总体上来说以负值为主; 其24 h和48 h的平均误差均值分别为-0.41 gpm和-0.30 gpm, 表明预报的700 hPa低值系统偏强, 高值系统偏弱。700 hPa 24 h和48 h高度场预报的均方根误差均值分别为1.21 和1.38 gpm, 表明24 h高度场预报效果好于48 h的预报效果。
3.2 500 hPa和700 hPa温度场检验分析
从24 h和48 h的500 hPa温度场预报平均误差[图3(a)]可以看出, 24 h和48 h温度场预报的平均误差都是正值, 其均值分别为0.63和0.72 ℃, 说明模式预报的温度场比实况偏强。而700 hPa温度场预报的平均[图3(c)]误差既有正值也有负值, 但主要以负值为主, 说明模式预报的温度场在700 hPa多比实况偏弱, 24 h和48 h温度场预报的平均误差均值分别为 -0.11和-0.31 ℃。由24 h和48 h的500 hPa温度场预报的均方根误差[图3(b)]看以看出, 24 h的温度场均方根误差有21天小于48 h的均方根误差, 而只有7天大于48 h的均方根误差, 说明总体上24 h预报效果好于48 h的预报效果; 24 h和48 h的均方根误差均值分别为1.37 ℃和1.53 ℃。24 h温度场预报的均方根误差最大值是6月14日的1.83 ℃, 48 h温度场预报的均方根误差最大值是6月6日的2.29 ℃。而700 hPa 24 h和48 h温度场预报的均方根误差[图3(d)]与500 hPa情况类似, 24 h预报效果好于48 h温度场预报, 其均方根误差均值分别为1.40 ℃和1.94 ℃。
3.3 500 hPa和700 hPa全风速检验分析
图4是24 h和48 h的500 hPa以及700 hPa全风速预报平均误差和均方根误差。从图4(a)可以看出, 24 h和48 h全风速预报的平均误差基本上是正值, 说明500 hPa上模式预报的风速和实际观测风速相比主要是正偏差, 预报的风速大于实际观测的风速; 其24 h和48 h的平均误差均值分别为1.19和1.27 m·s-1。而700 hPa的全风速预报的平均误差[图4(c)]有正值也有负值, 且正负交替出现, 表现出很不规律性, 说明模式预报的700 hPa全风速时而偏大, 时而偏小, 随机性较大。从均方根误差来看, 500 hPa 全风速均方根误差[图4(b)] 24 h有时小于48 h, 有些时候48 h小于24 h, 说明500 hPa风速预报不一定24 h预报效果优于48 h预报效果。24 h的700 hPa全风速的均方根误差基本上小于48 h的700 hPa全风速的均方根误差[图4(d)], 其均方根误差平均值分别为3.10和3.76 m·s-1, 表明700 hPa全风速预报24 h效果还是好于48 h。700 hPa全风速均方根误差和500 hPa全风速均方根误差相比, 明显700 hPa全风速的均方根误差小于500 hPa全风速的均方根误差。整体而言, 模式预报的700 hPa全风速比预报的500 hPa全风速效果好。
3.4 500 hPa和700 hPa风向检验分析
从500 hPa和700 hPa的 24 h和48 h风向预报的均方根误差（图5）可以看出, 500 hPa上24 h风向均方根误差时而大于48 h风向均方根误差, 时而小于48 h风向均方根误差, 未表现出特定的规律性, 说明500 hPa风向预报比较不一定24 h优于48 h。而700 hPa上基本上24 h风向的均方根误差均小于48 h风向的均方根误差, 其均方根误差均值分别为58.06°, 65.33°, 说明700 hPa风向24 h预报效果好于48 h, 24 h和48 h风向的预报误差基本上在60°左右。
结合风速和风向的分析可以看出, 模式对于700 hPa的风向风速效果好于500 hPa的风向风速预报效果。700 hPa上风速和风向的24 h预报效果好于48 h预报效果, 而500 hPa上风速和风向预报的随机性较大, 看不出24 h预报和48 h预报效果的优劣程度。
4 地面要素检验分析
4.1 海平面气压场检验分析
4.2 2 m 温度检验分析
从24 h和48 h的2 m温度预报的平均误差以及均方根误差（图7）可以看出, 24 h、 48 h的2 m温度预报的平均误差基本上都是正值, 说明模式对2 m温度的预报存在正的系统性偏差, 其中24 h和48 h的平均误差均值分别为1.49和1.43 ℃。基本上24 h 的2 m温度预报的均方根误差小于48 h的, 说明24 h的2 m温度预报效果略好于48 h的2 m温度预报, 其中24 h和48 h的均方根误差均值分别为3.06和3.30 ℃。2 m温度的预报上, 与BJ-RUC系统存在同样问题（魏东等, 2011）, RUC系统对温度的预报存在一定的高估, 其潜在原因可能与再分析资料的选取或模式参数化方案的选择有关。
5 降水分级检验结果分析
5.1 小雨检验结果分析
将模式预报的格点降水资料利用双线性插值方法插值到站点, 利用同时段的站点降水观测资料根据式（3）~（6）, 进行分量级的评定。
西北RUC系统小雨（0.1 mm≤R＜10.0 mm）预报站点评分结果见图8。西北RUC系统对于小雨预报的站点TS评分[图8(a)]有两个大值中心, 分别位于陕北与内蒙古中部交界地区和青海西南部地区。这两个地区的TS评分最大值分别为0.77和0.70, 整个模拟范围内所有小雨预报站点的TS评分平均值为0.32。TS评分大于平均值的站点分布也比较分散, 主要分布在青海的西南、 东南部, 甘肃的甘南、 平凉、 庆阳的东南部, 陕北大部分地区。另外, 从四川盆地从成都地区向东北延伸到陕南汉中一线的TS评分也较高。ETS评分和TSS评分的大值中心分别与TS评分位于陕北与内蒙古中部交界地区的大值中心重合, 中心值分别为0.66和0.86。从ETS [图8(c)]和TSS [图8(d)]来看, 以河西走廊和甘肃中东部延伸到陕南地区为界(黑线), 模式对于这条界线的右侧（青藏高原东北侧和北侧）预报效果较好, 而对于青藏高原北部青海大部分地区预报效果较差。就BIA值来看[图8(b)], 青海中部、 东部, 甘肃中东部部, 陕北, 内蒙古中部, 四川东北部地区的BIA值都在0.8~1.2之间, 表明这些地区模式预报值接近观测值; 在内蒙古西部, 新疆东部, 甘肃河西西部, 陕南南部地区的BIA值大于2.8, 表明这些地区明显偏强, 空报较多; 在青海南部与四川北部交界处和甘肃酒泉的部分地方BIA值小于0.8, 这些地区的预报偏弱, 漏报较多。
5.2 中雨检验结果分析
由西北RUC系统中雨预报站点评分结果（图9）可以看出, 模式预报区域内的TS评分、 ETS评分和TSS评分均有两个大值中心, 分别位于甘肃河西走廊西部和青海的西北部。其中, TS评分大值区中心值分别大于0.8和0.9; ETS评分大值区的中心值均大于0.8; TSS评分大值区的中心值也均大于0.8, 说明模式在这两个区域对于中雨预报效果较好。青海的中部、 南部大部分地区和甘肃南部ETS和TSS评分均在0以下, 模式在上述地区预报性能较差。另外, 从ETS来看, 在甘肃张掖、 兰州东部、 陕西渭南和陕西交界处预报效果较好（大于0.3）, 从TSS来看, 模式对甘肃兰州东部、 陕西渭南和山西交界处的中雨和无中雨事件预报基本准确（大于0.4）。对于BIA值, 在青海中南部、 甘肃西南部、 四川北部等地区大于2, 最大在四川北部和青海南部交界地区可以达到9, 说明模式对这些地区的中雨空报过多。除了这些地区以外, 在陕西、 宁夏、 甘肃河西和陇东地区BIA值小于1, 说明在这些地区略有漏报。
5.3 大雨检验结果分析
从西北RUC系统大雨预报站点评分结果（图10）可以看出, 模式模拟区域内的TS评分、 ETS评分和TSS评分均有几个位置相同且分散的大值中心, 分别位于宁夏中南部至庆阳北部一线、 甘肃东南部、 陕西东南部。其中, 位于宁夏中南部至庆阳北部一线的TS评分中心值、 ETS中心值和TSS评分中心值都大于0.6, 说明模式在这几个区域内对大雨的预报效果较好。从ETS来看, 模式对于宁夏中南部, 甘肃庆阳北部, 陇南南部, 陕西、 山西、 河南交界处有一些预报技巧（大于0.3）, 而其他地区基本无预报技巧。从TSS来看, 大于0.4的范围基本上也在宁夏中南部, 甘肃庆阳北部, 甘肃天水北部, 陇南南部, 陕西、 山西、 河南交界处, 说明模式对这些地区的有大雨和无大雨事件预报基本准确。对于BIA值, 在青海东南角、 甘肃东南部及甘肃南部与四川交界处、 陕西西南部等地区大于2, 最大在四川北部和青海南部交界地区可以达到6, 具体位置比中雨BIA最大值区略偏东一些, 说明模式对这些地区的中雨空报太多。除了这些地区以外, 在其他地区BIA值小于1, 说明在这些地区略有漏报。
5.4 暴雨检验结果分析
由西北RUC系统暴雨预报站点评分结果（图11）可以看出, 由于暴雨出现的次数和站点较少, 各种检验统计量只在西北地区东南部有所反映。对于TS评分、 ETS评分和TSS评分均在陕西西南角与甘肃东南角交界处和陕西东南部的值略大, 其中TS评分大于0.3, ETS评分也大于0.3, TSS评分大于0.4, 说明模式对于暴雨预报仅在这几个小区域内预报效果较好, 其他地区较差。通过TSS评分可以看出, 模式在陕西和重庆交界处对于有暴雨和无暴雨事件预报基本准确。通过BIA评分也可以看出, 模式在陕西和重庆交界处的BIA约为1.8, 大部分BIA值在0.6~14之间, 说明模式在这一地区对于暴雨漏报和空报较少。
综上所述, 通过对模式24 h降水预报插值到站点检验分析, 可以看出, 小雨、 中雨、 大雨和暴雨任何量级的TS评分、 ETS评分和TSS评分几乎都有相同的大值中心, 说明模式对于这些大值中心附近地区的各量级降水预报效果比较好。总体上, 模式对于大雨和暴雨预报效果较好的地区处于西北地区东南部, 这是由于西北地区东南部出现大雨和暴雨的频率较多。从BIA评分来看, 模式对青海南部与四川北部交界地区的小雨预报漏报较多, 而对该地区中雨和大雨预报空报较多。
6 结论与讨论
对西北地区RUC系统2012年6月2日至7月6日的预报结果进行了检验和评估, 利用双线性插值方法将西北RUC系统的预报结果插值到最近的观测站点上, 计算了500 hPa和700 hPa位势高度场、 温度场、 风向以及风速的平均误差和均方根误差, 对预报结果进行检验评估; 对24 h定量降水利用累计降水分级检验方法, 检验的统计量包括TS评分、 偏差（BIA）、 公平T评分（ETS）和真实技巧评分（TSS）。主要结论如下:
（1） 西北RUC系统对于500 hPa的高度场预报、 温度场预报、 全风速预报和地面2 m温度预报都存在着正的系统性偏差, 其24 h平均误差均值分别0.17 gpm, 0.63 ℃, 1.19 m·s-1和1.49 ℃; 500 hPa高度场预报的平均误差主要以正偏差为主, 说明预报的低压槽偏弱, 高压脊偏强。700 hPa高度场和温度场预报存在着负的系统性偏差, 其24 h平均误差均值分别-0.41 gpm和-0.11 ℃, 700 hPa高度场预报的平均误差主要以正偏差为主表明预报的700 hPa低值系统偏强, 高值系统偏弱。
（2） 风速和风向的预报24 h预报效果并不完全好于48 h预报效果; 但其他要素如高度场、 温度场、 2 m温度、 海平面气压预报均是24 h预报结果的均方根误差均值都小于48 h预报结果的均方根误差均值, 其中, 500 hPa高度场和温度场的24 h预报的均方根误差均值分别为1.32 gpm和1.37 ℃, 而其48 h值则分别为1.56 gpm和1.53 ℃; 700 hPa高度场和温度场的24 h预报的均方根误差均值分别为1.21 gpm和1.40 ℃, 而其48 h值则分别为1.38 gpm和1.94 ℃; 2 m温度的24 h和48 h的均方根误差均值分别为3.06 ℃和3.30 ℃, 表明24 h预报效果好于48 h预报效果, 这也符合模式预报的性能。模式对于700 hPa的风向风速预报效果好于500 hPa的风向风速预报效果。700 hPa上风速和风向的24 h预报结果的均方根误差均值（3.10 m·s-1, 58.06°）都小于48 h结果的均方根误差均值（3.76 m·s-1, 65.33°）, 而500 hPa上风速和风向预报的随机性较大, 看不出24 h预报和48 h预报效果的优劣程度。
（3） 模式24 h降水预报插值到站点检验分析, 小雨、 中雨、 大雨和暴雨任何量级的TS评分、 ETS评分和TSS评分几乎都有相同的大值中心, 表明模式对于这些大值中心附近地区的各量级降水预报效果比较好。模式对于大雨和暴雨预报效果较好的地区处于西北地区东南部。通过BIA分析, 模式对青海南部与四川北部交界地区的小雨预报漏报较多, 而对该地区中雨和大雨预报空报较多。
目前, 西北RUC系统模式发展正处于待成熟阶段, 系统中仅同化了高空和地面观测资料, 对于地基GPS水汽, 雷达径向风等资料还未同化进去。另外, 检验的周期较短, 仅给出了初步检验结果, 对于模式的性能, 仍需要长期的资料积累来进行检验。下一步将对模式的同化系统做进一步改进, 将更多的可以使用的资料（如GPS、 雷达、 卫星等）加入到系统中去, 对模式的参数化方案做调整试验, 对更长时间段的模式预报结果进行检验评估。