1 引言
短时强降水（Short-Time Heavy Rainfall， STHR）发生在强对流系统中， 具有尺度小、 突发性强、 局地性强、 持续时间短、 破坏力大等特点， 且容易诱发城市积水、 农田渍涝、 山洪、 崩塌、 滑坡等次生灾害（陈悦丽等， 2019； Chen et al， 2021； Wei et al， 2023； 刘菲凡等， 2023； 冉津江等， 2023）。随着全球变暖， 中国汛期极端短时强降水显著增加（Wang et al， 2024）， 其增速显著超过Clausius-Clapeyron关系理论值（Da Silva and Haerter， 2025）。江西省地处丘陵地带， 短时强降水的预报尤其值得关注（陈炯等， 2013； 付超等， 2019； 夏侯杰等， 2023； 周芳等， 2024）。高分辨率区域数值预报系统是破解短时强降水等尺度小、 变化快、 动力学复杂的中小尺度过程的重要途径（黄丽萍等， 2022； Yin et al， 2022； 邢楠等， 2023）。中国气象局建设了包括CMA-MESO、 CMA-SH、 CMA-BJ和CMA-GD等在内的多套快速更新循环同化和预报系统， 显著提升了中国境内短时强降水等强对流天气的业务预报水平（陈敏等， 2023； Gao et al， 2023； 王瑞春等， 2024）。华南区域数值预报中心依托广州超算中心“天河二号”等高性能计算设备， 建成完善了“9-3-1”高分辨率天气模式业务系统， 并逐步进入到“3-1-5”的研发阶段， 华南模式的研发为泛华南地区天气预报提供了强有力的技术支撑（徐道生等， 2020； Zhong et al， 2020； Chen et al， 2021； Li et al， 2024）。
过去对华南区域数值模式CMA-GD（R3）降水预报的偏差分析和后处理等技术的研究， 主要针对广东省及其邻省展开。吴俞等（2021）利用基于目标诊断的时空检验方法， 评估了CMA-GD（R3）对海南省非台风降水的预报性能； 刘段灵等（2022）对CMA-GD（R3）广东省锋面型、 季风型和台风型三类过程的逐时降水量进行分级检验评估， 结果均表明CMA-GD（R3）对强降水有一定预报能力， 但对更高量级暴雨或短时强降水存在预报偏差。刘文君等（2023）比较了CMA-GD（R1）和CMA-GD（R3）两个模式在2021年影响广东省的锋面降水、 暖区暴雨、 台风降水、 局地热对流4类降水过程中的预报能力， 结果表明CMA-GD（R1） “spin up”时间短， 降水预报能力强， 但倾向于把弱降水范围预报偏大， 而CMA-GD（R3）则具有更好的消空能力。陈龙等（2024）对湖南省2021年汛期逐时850 hPa风场进行分型， 并基于此检验了华南快速循环同化模式CMA-GD（R3）对小时降水的预报性能， 给出了湖南省的降水预报偏差特征。
江西省位于CMA-GD（R3）的预报覆盖范围内， 且为较中心位置， 远离边界， 受侧边界误差影响较小（庄潇然等， 2017； 梁爱民等， 2019）。在江西省气象台日常预报业务中有较多参考CMA-GD（R3）的预报结果， 但系统性的检验评估、 解释应用、 后处理等工作进行地相当有限， 尤其是对分类强对流预报产品， 缺乏系统性、 针对性的主观参考和修正思路。目前， 对CMA-GD（R3）的检验大多以定性和简单的评分定量衡量为主， 没有从一线预报员的视角出发， 缺乏区分环流型和精细化的定量统计分析， 也很少对偏差的成因展开针对性的分析， 对预报员开展实际业务参考有限， 可操作性低。
基于上述问题， 本研究通过筛选区域性短时强降水个例， 依据天气形势和热动力配置将其划分为斜压锋生类、 低层暖平流强迫类、 高空冷平流强迫类、 准正压类和高架雷暴类5类， 旨在揭示CMA-GD（R3）在江西省不同环流型下短时强降水的预报偏差特征， 并针对不同环流型的预报偏差分析其成因， 以期为一线预报员更高效地应用CMA-GD（R3）的预报产品提供科学参考。江西省短时强降水较为复杂， 5类过程均可发生， 适合用以对CMA-GD（R3）进行系统性检验。本研究的创新之处在于， 建立了针对特定区域模式（CMA-GD）在特定区域（江西）， 面向业务应用的“分型-检验-归因-释用”的全链条评估诊断体系， 为区域模式的本地化释用提供技术样板； 也可为多模式集合的构建、 定量降水预报客观方法等后续研究提供理论支撑（郑婧等， 2020； Liu et al， 2021； 徐渊等， 2024a）， 为CMA-GD（R3）关键技术的进一步优化提供思路和反馈。
2 资料来源和方法介绍
针对华南区域数值天气预报中心研发的3 km分辨率中尺度区域数值预报系统CMA-GD（R3）逐时降水量预报产品在江西省的表现进行评估， CMA-GD（R3）的预报区域为16.6°N -42.88°N，93.64°E -126.34°E。CMA-GD（R3）的主要模式配置如下： 微物理过程采用WSM6方案， 边界层过程采用New-MRF方案， 背景场来自ECMWF， 垂直层为65层（Liu et al， 2024）。2021年和2022年所有5类（斜压锋生类、 低层暖平流强迫类、 高空冷平流强迫类、 准正压类和高架雷暴类）短时强降水过程在江西省均可获取到样本。考虑到样本的代表性和完整性， 筛选江西省2021 - 2022年汛期具有区域性短时强降水的雷暴日作为研究对象。检验分析时段为当日08:00（北京时， 下同）至次日08:00。对前日20:00和当日08:00两个起报时间分别展开检验， 即前日20:00起报， 预报时效为+13~+36 h； 当日08:00起报， 预报时效为+1~+24 h。通过双线性插值将CMA-GD（R3）的格点资料插值至江西省1376个国家级和区域级气象站点及海拔如图1所示［该图及文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2019）3082号的中国地图制作，底图无修改］， 与站点观测资料做对比， 短时强降水阈值采用20 mm·h-1。
依据天气背景和热动力学结构特征， 将所筛选的2021 -2022年汛期71个区域性短时强降水过程分为5类： 斜压锋生类、 高空冷平流强迫类、 低层暖平流强迫类、 准正压类和高架雷暴类（许爱华等， 2014）。具体筛选和分类步骤如下： （1）依据实况降水量资料筛选24 h内， 满足至少某1 h短时强降水超过10站次且日累计短时强降水超过30站次的雷暴日（初筛）， 再通过雷达拼图和逐时雨量观测进一步去除落区分散的局地性对流（精筛）， 得到最终样本； （2）依据每日08:00和20:00的ERA5再分析资料计算图1（b）区域平均地面温度梯度及500 hPa和850 hPa温度平流， 选择两个时次中至少有一个超过同时次全部个例平均值的雷暴日， 分别作为斜压锋生类、 高空冷平流强迫类和低层暖平流强迫类的初步样本（初筛）， 初筛阈值如表1所示； （3）再通过每日2次的中尺度天气分析业务， 分析天气系统位置， 进一步确定上述3类以及准正压类、 高架雷暴类的最终样本（精筛）。
表1 初筛所依据的特征物理量及阈值Table 1 Characteristic physical quantities and thresholds for preliminary screening |
| 类型 | 斜压锋生类 | 高空冷平流强迫类 | 低层暖平流强迫类 |
|---|---|---|---|
| 特征物理量 | 地面温度梯度 | 500 hPa温度平流 | 850 hPa温度平流 |
| 08:00阈值 | 2.267×10-5 K·m-1 | -8.602×10-6 K·s-1 | 1.101×10-5 K·s-1 |
| 20:00阈值 | 2.628×10-5 K·m-1 | -9.257×10-6 K·s-1 | 1.529×10-5 K·s-1 |
斜压锋生类天气尺度斜压性强迫较显著， 中低层冷暖空气交汇较强烈， 伴有明显的温度锋区（赵强等， 2017； 王楠等， 2018）。高空冷平流强迫类通常发生在冷涡、 槽后背景， 中高空强干冷平流起主导作用（郜彦娜和何立富， 2013； 郑婧等， 2018）。低层暖平流强迫类由低层暖湿气流主导， 常伴有低空急流或边界层急流， 热、 动力不稳定性强（覃皓等， 2024）。准正压类在江西省主要包括副热带高压（以下简称副高）边缘、 东风波西传和热带气旋外围三种情形。高架雷暴类在江西省通常发生在冷锋后部， 其低层为冷垫， 抬升力来源于边界层之上（许爱华等， 2013； 鲍媛媛等， 2015）。值得注意的是， 局地性强对流过程不确定性较大， 若加入可能会污染统计结果。筛选区域性短时强降水过程， 通常考虑采用累计站次或格点数等标准（孔祥伟等， 2024； 郭志荣等， 2025）， 本研究统计时只选取了满足至少某小时内短时强降水超过10站次， 且日累计短时强降水超过30站次的区域性短时强降水过程， 实践证明上述标准在江西省具有较好的筛选效果。所得区域性短时强降水过程样本中， 斜压锋生类36例， 占比最多（51%）， 高空冷平流强迫类6例（占比8%）， 低层暖平流强迫类17例（占比24%）， 准正压类9例（占比13%）， 高架对流类3例（占比4%）。
3 短时强降水的偏差特征
3.1 系统性偏差特征
图2和图3是CMA-GD（R3）于前日20:00和当日08:00起报的逐时降水量的观测-预报散点密度图， 集成了当日08:00至次日08:00的预报时效， 即前日20:00起报， 预报时效为+13~+36 h， 当日08:00起报， 预报时效为+1~+24 h。由图可知， 斜压锋生类的散点分布及回归直线［图2（b）， 图3（b）］， 均与全部个例组合［图2（a）， 图3（a）］较为相似， 散点相对能较均匀地落在对角线两侧， 且观测和预报均达到短时强降水量级（≥20 mm·h-1）的范围， 仍有不少命中的样本点， 保证了较好的命中率。因此， CMA-GD（R3）对斜压锋生类强降水预报， 有相对较优的预报性能。
图2 CMA-GD（R3）前日20:00起报的全部个例（a）及各类型（b~f）短时强降水过程的逐时降水量观测-预报散点密度图（填色： 核密度估计， 采用高斯核）Fig.2 Hourly precipitation observation-forecast scatter density plots （shading： kernel density estimation using a Gaussian kernel） for all cases （a） and various types of STHR events （b~f） by CMA-GD（R3） initiated at 20:00 on the previous day |
图3 CMA-GD（R3）当日08:00起报的全部个例（a）及各类型（b~f）短时强降水过程的逐时降水量观测-预报散点密度图（填色： 核密度估计， 采用高斯核）Fig.3 Hourly precipitation observation-forecast scatter density plots （shading： kernel density estimation using a Gaussian kernel） for all cases （a） and various types of STHR events （b~f） by CMA-GD（R3） initiated at 08:00 on the current day |
然而， 对高空冷平流强迫类强对流， CMA-GD（R3）倾向于有相对较大的预报偏差， 尤其表现在前日20:00起报［图2（c）］， 量级预报有较明显偏低， 短时强降水漏报率较高。当日08:00起报［图3（c）］有向好调整的趋势， 样本点较前日20:00起报更均匀地分布在对角线两侧， 但整体上仍有弱报趋势。低层暖平流强迫类强对流通常天气尺度斜压性强迫不显著、 热动力不稳定性强， 且易受复杂下垫面条件影响（Du and Chen， 2018， 2019； Wu et al， 2020）， 通常被认为具有较低的可预报性（Zhuang et al， 2020； 徐渊等， 2024b）。但值得注意的是， CMA-GD（R3）对低层暖平流强迫类强对流展现出一定的预报能力［图2（d）， 图3（d）］， 观测-预报散点相对较均匀地落在对角线两侧， 且对短时强降水也有一定的命中率， 缺陷在于对更极端的强降水（≥40 mm·h-1）， 仍存在命中率低和空报较多的问题， 当日08:00起报有向好调整的趋势。
图4为观测和CMA-GD（R3）预报的不同类型强对流过程在给定降水区间的频率统计图。整体上CMA-GD（R3）对逐时降水量预报呈现较优的预报效果［图4（a）］， 晴雨预报的频率基本与观测一致， 对于<10 mm·h-1的小雨量级， 预报频率略偏高， 对于≥20 mm·h-1的强降水量级， 前日20:00起报的频率略偏低， 而当日08:00起报的频率略偏高， 但整体上仍与观测较接近。斜压锋生类的预报情况与全部个例组合基本相当［图4（b）］， 表明此类强对流个例占比较大， 且预报效果相对稳定。对于其他4类强对流过程， CMA-GD（R3）晴雨预报的频率也均与观测较为接近， 但对高量级降水预报表现出不同的偏差特征。对高空冷平流强迫类［图4（c）］， CMA-GD（R3）对≥15 mm·h-1的较强降水， 预报频率较观测明显偏低， 尤其是前日20:00起报的结果， 当日08:00起报有向好调整的趋势， 但仍较观测偏低， 该结果与图2（c）和图3（c）的观测-预报散点图一致。而对低层暖平流强迫类强对流［图4（d）］， CMA-GD（R3）对强降水的预报频率则较观测偏高， 且当日08:00起报结果较前日20:00起报更高。对准正压类［图4（e）］和高架雷暴类［图4（f）］， 预报结果相对较不稳定， 即当日08:00起报相比前日20:00起报的结果调整相对较大， 如对于≥20 mm·h-1的短时强降水， 前日20:00起报的预报频率较观测偏低， 而当日08:00起报的预报频率则较观测偏高。上述结果一方面可能与此类过程样本数较少有关， 一方面可能源于此类过程的强降水预报也存在一定的预报不确定性。
3.2 极端降水偏差特征
图5为观测和CMA-GD（R3）预报的不同类型短时强降水过程的概率分布函数对比图， 图中纵坐标采用不等间距的非线性标注（类似对数坐标）， 由真实概率值p单调地映射至-log（1-p）， 以方便展示极端值的概率分布函数特征。整体上降水最强的1%观测样本位于15~85 mm·h-1， 而CMA-GD（R3）两个不同时刻起报的样本均位于15~70 mm·h-1， 可见CMA-GD（R3）对短时强降水有一定的体现， 但对更极端的短时强降水则预报偏弱， 这也体现了极端短时强降水的低可预报性。具体从不同类型的强对流过程来看， 斜压锋生类仍与全部个例组合表现很接近［图5（a）， （b）］， 体现出江西的短时强降水与冷暖空气较剧烈交汇关系密切。对高空冷平流强迫类［图5（c）］， 前日20:00起报的结果对短时强降水的体现偏弱， 降水最强的1%样本仅位于10~60 mm·h-1， 当日08:00起报结果有向观测曲线调整的趋势， 但也仅位于10~70 mm·h-1， 而观测样本则位于18~90 mm·h-1， 存在比较明显的低估。而对低层暖平流强迫类［图5（d）］， CMA-GD（R3）的累积概率分布和观测比较接近， 差异增大的节点位于40 mm·h-1左右， 这可能与该类过程中短时强降水平均量级偏大， 也即平均降水效率偏强有关。降水最强的1%观测样本位于10~70 mm·h-1， 发现此类过程虽然平均降水效率较高， 但最极端的量级只到70 mm·h-1。CMA-GD（R3）对此类过程的短时强降水体现出一定的预报能力， 降水最强的1%预报样本位于10~60 mm·h-1， 对极端降水有一定弱报， 但整体预报效果较优。此外， 对准正压类强对流［图5（e）］， CMA-GD（R3）的累积概率分布曲线与观测曲线的重叠度很高， 说明对该类过程≥40 mm·h-1极端量级降水有较好的预报性能， 因此需重点关注时空误差的订正。对高架雷暴类［图5（f）］， 不同起报时间的累积概率曲线调整较大， 前日20:00起报与观测相差较大， 当日08:00起报相对接近观测曲线， 表明对该类过程， 需更加关注临近时段模式的调整情况。
图6为基于累积概率分布给出的频率匹配映射关系图， 预报员可基于该图粗略地订正降水强度（刘凑华等， 2023）， 对角线蓝色虚线为参考线， 表示无需订正量级。对于斜压锋生类［图6（b）］和低层暖平流强迫类［图6（d）］， <40 mm·h-1无需过多订正， 但对于≥40 mm·h-1的更极端性短时强降水， 预报60 mm·h-1可考虑订正至80 mm·h-1。对于高空冷平流强迫类［图6（c）］， 可考虑适当提高短时强降水的量级， 如前日20:00起报的40 mm·h-1， 可考虑订正至60 mm·h-1。准正压类［图6（e）］在强度上无需过多订正。高架雷暴类［图6（f）］主要需针对前日20:00起报和极端情形进行向上调整。此外， 也可以依据频率匹配法对整个降水预报场进行量级上的订正（李俊等， 2014； 高星星等， 2023）。
图7（a）~（c）展示了观测及CMA-GD（R3）两个起报时次的预报中， 小时雨量≥60 mm的样本频次空间分布。从空间分布的角度而言， CMA-GD（R3）对极端短时强降水也存在较明显的漏报或弱报， 表现在出现极端短时强降水的站次明显低于观测， 且在中南部地区漏报较严重， 赣东北地区也存在较明显的频次弱报， 这和图5（a）概率分布函数的统计结果一致。通过将ERA5再分析资料插值至站点， 图7（d）~（f）展示了小时雨量≥60 mm样本和全部样本关键气象要素的箱线图。由图7（d）可知， 极端短时强降水样本850 hPa散度的中位数略小于全部样本， 表明极端短时强降水的抬升略强于普通短时强降水， 且850 hPa辐散条件下发生极端短时强降水的可能性较低。此外， 极端短时强降水样本850 hPa比湿的中位数超过16 g·kg-1， 而全部样本中位数在14 g·kg-1左右［图7（e）］； 极端短时强降水925 hPa温度的统计值显著高于全部样本［图7（f）］。上述结果表明极端短时强降水通常和更强的水汽及热力条件相联系， 环境场的极端性容易造成极端短时强降水的低可预报性。
图7 观测（a）、 CMA-GD（R3）前日20:00起报（b）和当日08:00起报（c）小时雨量≥60 mm样本频次的空间分布； 小时雨量≥60 mm样本及全部样本850 hPa散度（d）、 850 hPa比湿（e）和925 hPa温度（f）箱线图箱线图中下边界为最小值； 箱的底部、 中间和顶部分别为下四分位数、 中位数和上四分位数； 上边界为最大值 Fig.7 The spatial distribution of sample frequency with hourly precipitation ≥60 mm for observation （a）， CMA-GD（R3） initiated at 20:00 on the previous day （b） and at 08:00 on the current day （c）.The boxplots of 850 hPa divergence （d）， 850 hPa specific humidity （e）， and 925 hPa temperature （f） for samples with hourly precipitation ≥60 mm and for all samples.In （d）~（f）， the lower boundary represents the minimum value， the bottom， middle， and top of the box correspond to the lower quartile， median， and upper quartile， respectively， and the upper boundary represents the maximum value |
4 偏差成因分析
本节针对上述华南区域模式的短时强降水预报偏差特征， 通过遴选能代表偏差分布统计特征的较典型强对流个例， 进一步分析不同类型短时强降水过程的偏差成因， 归纳偏差订正时需着重考虑的因素。图8给出了斜压锋生类（2021年5月10日08:00起报）、 高空冷平流强迫类（2021年8月17日08:00起报）和低层暖平流强迫类（2021年6月30日08:00起报和2021年5月12日20:00起报）观测-预报匹配情况的空间分布散点图， 其中红色点、 橙色点、 黄色点为短时强降水事件的漏报， 颜色越深表示漏报程度越高； 绿色点表示短时强降水事件的命中； 蓝色点表示空报。
图8 典型短时强降水个例观测-预报匹配情况空间分布散点图（a1）~（a5）： 2021年5月10日08:00起报， （b1）~（b5）： 2021年8月17日08:00起报， （c1）~（c5）： 2021年6月30日08:00起报， （d1）~（d5）： 2021年5月12日20:00起报.O表示观测， F表示预报， + h数表示预报时效 Fig.8 Scatter plots of observation-forecast pairs matching situation for typical STHR events.（a1）~（a5） initiated at 08:00 on 10 May 2021， （b1）~（b5） initiated at 08:00 on 17 August 2021， （c1）~（c5） initiated at 08:00 on 30 June 2021， （d1）~（d5） initiated at 20:00 on 12 May 2021.O represents observation， F represents forecast， and + hours indicates the forecast lead time |
4.1 斜压锋生类个例
由前对短时强降水的偏差特征分析可知， 对斜压锋生类短时强降水个例， CMA-GD（R3）基本能展现出相当的预报效果， 即对短时强降水能有一定的体现， 但具体的个例分析发现， 其有时也会出现一些比较明显的位置和强度误差。如2021年5月10日08:00起报的个例， 短时强降水落区存在位置显著偏西、 范围略偏大的情况［图8（a1）~（a5）］， 表现为空报的蓝色点集中在漏报的红色点西侧， 且数量偏多。进一步分析CMA-GD（R3）对形势场的预报（图9）发现， CMA-GD（R3）对500 hPa位势高度场预报较准确， 预报场和分析场中， 江西省均位于槽前。且CMA-GD（R3）能预报出斜压锋生的形势， 但对地面锋线的预报偏西， 导致短时强降水的落区预报也偏西。尽管一些个例中会出现时空或强度偏差， 但CMA-GD（R3）对于斜压锋生类短时强降水过程的基本特征仍有较好体现， 锋面的发展、 移动趋势基本与实况匹配， 预报效果整体也相对较稳定。该类过程中， CMA-GD（R3）的短时强降水预报偏差很大程度上取决于模式对次天气尺度锋面位置和强度的预报误差， 实际预报业务中可根据锋面的近期预报情况对短时强降水的落区和量级进行相应地调整。
图9 斜压锋生类个例2021年5月11日06:00 ERA5（a）和CMA-GD（R3）（b）的500 hPa位势高度（蓝色等值线， 单位： dagpm）、 1000 hPa温度（红色等值线， 单位： ℃）和风场（矢量， 单位： m·s-1）Fig.9 500 hPa geopotential height （blue contour， unit： dagpm）， 1000 hPa temperature （red contour， unit： ℃） and wind field （vector， unit： m·s-1） of ERA5 （a） and CMA-GD（R3） （b） at 06:00 on 11 May 2021 for barocline frontogenesis case |
4.2 高空冷平流强迫类个例
已有分析表明， CMA-GD（R3）对高空冷平流强迫类短时强降水存在显著的弱报和漏报倾向［图2（c）， 图4（c）］。2021年8月17日08:00起报个例正是这一典型偏差的体现， 通过分析其成因发现， CMA-GD（R3）对大尺度环流形势把握较好， 准确预报出江西省受冷涡底后部西北气流控制的环流背景［图10（a）， （b）］。除此之外， CMA-GD（R3）对对流层低层动力场也有较好的表征， 850 hPa风场基本与实况一致［图10（c）， （d）］， 在赣北、 赣中存在辐合形势， 带来较明显的上升运动。尽管如此， CMA-GD（R3）的整层可降水量在江西省存在较明显的低估， 分析场中超过65 kg·m-2， 但预报场仅为55 kg·m-2左右［图10（c）， （d）］， 对湿舌的东伸也估计不足， 是造成此次短时强降水过程漏报的主要原因。在同类个例中， CMA-GD（R3）也基本能较好把握大尺度形势场， 但对低层局地性的要素存在一定预报偏差， 尤其湿度场预报差异较大， 容易造成对短时强降水的弱报甚至漏报。
图10 高空冷平流强迫类个例2021年8月17日16:00 ERA5（a， c）和CMA-GD（R3）（b， d）的500 hPa位势高度（蓝色等值线， 单位： dagpm）和风场（矢量， 单位： m·s-1）（a， b）， 整层可降水量（填色， 单位： kg·m-2）和850 hPa风场（矢量， 单位： m·s-1）（c， d）Fig.10 500 hPa geopotential height （blue contour， unit： dagpm） and wind field （vector， unit： m·s-1） （a， b）， total column water vapour （shading， unit： kg·m-2） and 850 hPa wind field （vector， unit： m·s-1） （c， d） of ERA5 （a， c） and CMA-GD（R3） （b， d） at 16:00 on 17 August 2021 for high-level cold-advection-forced case |
4.3 低层暖平流强迫类个例
低层暖平流强迫类强对流事件主要由低层的暖湿气流所主导， 热、 动力不稳定性强， 通常所说的暖区暴雨， 也常伴随此类对流活动， 此类事件一般相比斜压锋生类强对流具有较低的模式可预报性（Wu et al， 2020； Zhuang et al， 2020； 徐渊等， 2024b）。尽管如此， 此前系统性检验结果已表明， CMA-GD（R3）对低层暖平流强迫类短时强降水仍然有所体现［图2（d）， 图3（d）］， 但对极端性倾向于低估［图5（d）］。综合CMA-GD（R3）对此类过程的预报效果来看， 部分个例能展现出可接受的命中率， 但也有一部分个例存在不同程度的空报。接下来， 将以2021年6月30日08:00起报个例为例说明其预报效果， 并就2021年5月12日20:00起报个例分析其偏差成因。
从观测-预报匹配情况空间分布散点图可见， CMA-GD（R3）对2021年6月30日08:00起报个例展现出较高的预报准确率， 时空偏差均较小， 且有不少命中的样本点［图8（c1）~（c5）］； 而对2021年5月12日20:00起报个例则存在较大范围的空报， 实况出现短时强降水的范围较小［图8（d1）~（d5）］。分析CMA-GD（R3）对气象要素场的预报结果可知， CMA-GD（R3）对此类过程短时强降水的预报效果与其对低空急流的预报准确度相关性较强。例如， 从图11（a）和（b）可知， 对2021年6月30日08:00起报个例， 短时强降水发生位置位于斜压锋生区南侧250 km左右， 受低层暖湿气流主导， 锋生环流对其直接影响较小， 是较典型的低层暖平流强迫类个例。CMA-GD（R3）较优地预报出850 hPa低空急流的位置和强度， 赣东北位于低空急流的出口， 且伴随有较强的风速辐合， 该特征与分析场基本一致。因而， CMA-GD（R3）在该个例中对赣东北的短时强降水预报效果也较优， 仅位置上略偏南， 偏差在合理范围内。
图11 低层暖平流强迫类个例2021年6月30日13:00 ERA5（a）和CMA-GD（R3）（b）的850 hPa相当位温（绿色等值线， 单位： K）、 风场（矢量， 单位： m·s-1）和风速（填色， 单位： m·s-1）， 观测（c）和CMA-GD（R3）预报（d）的小时降水量（填色， 单位： mm·h-1）和海拔（黑色等值线， 单位： m）Fig.11 850 hPa equivalent potential temperature （green contour， unit： K）， wind field （vector， unit： m·s-1） and wind speed （shading， unit： m·s-1） of ERA5 （a） and CMA-GD（R3） （b）， hourly precipitation （shading， unit： mm·h-1） and altitude （black contour， unit： m） of observation （c） and CMA-GD（R3） （d） at 13:00 on 30 June 2021 for low-level warm-advection-forced case |
尽管CMA-GD（R3）对2021年6月30日08:00起报的低层暖平流强迫类短时强降水个例整体上预报效果较优， 但对极端短时强降水， 也存在第3.2节所述的预报偏弱问题。从图11（c）和（d）可以看出， 在该个例中， 实况在赣东北怀玉山北侧小时雨强达40~50 mm·h-1， 但CMA-GD（R3）仅预报出20~30 mm·h-1的量级， 且位置偏向怀玉山南侧。结合强降水区和地形的相对位置， CMA-GD（R3）对该过程中极端强降水的弱报与对地形增幅作用的低估有关， 应在模式地形分辨率、 滤波方案等方面进一步增强对地形作用的精细刻画。
对于2021年5月12日20:00起报个例， 实况的短时强降水范围较小， 但CMA-GD（R3）存在空报。进一步分析其低层环流场（图12）可知， 分析场的850 hPa低空急流核位于江西省西侧的湖南省境内， 风向为较一致的西南风， 以风速辐合为主； 而CMA-GD（R3）预报的低空急流明显偏东、 偏强， 且存在风向辐合。此外， 分析场上925 hPa超低空急流全场均未达到12 m·s-1的急流标准， 甚至风场是辐散的形势； 而CMA-GD（R3）预报的925 hPa超低空急流偏强， 且在赣北中东部存在明显的辐合抬升。在CMA-GD（R3）预报的此种形势下， 对流得以发生、 发展， 水汽条件也预估偏强， 从而造成短时强降水的大范围空报。通过2021年6月30日08:00起报和5月12日20:00起报个例预报偏差对比， 再结合Du and Chen（2018， 2019）对双低空急流及模式预报的敏感性分析可知： 当CMA-GD（R3）对双低空急流耦合等低层动、 热力条件预报较优时， 对低层暖平流强迫类个例具有一定预报能力； 但当其对低层双低空急流判断偏弱（强）时， 在锋区南侧100~300 km的低层暖平流强迫区， 将对短时强降水预报偏弱（强）， 此时应在双低空急流出口区、 耦合区等关键位置提高（降低）短时强降水的预报量级。此类过程在其他个例的预报中也存在类似的偏差成因。进一步结合CMA-GD（R3）所用模式物理过程参数化方案可推断， 低层暖平流强迫类短时强降水过程预报频率系统性偏高（多空报）， 可能与模式的边界层方案倾向于过早或过强地触发对流有关（许建玉， 2018）， 也可能与WSM6方案在暖湿环境下对水凝物生成效率的模拟偏高有关（Hong et al， 2004； Zhang et al， 2024）。
图12 低层暖平流强迫类个例2021年5月13日18:00 ERA5（a， c）和CMA-GD（R3）（b， d）的850 hPa（a， b）和925 hPa（c， d）相当位温（绿色等值线， 单位： K）、 风场（矢量， 单位： m·s-1）和超过12 m·s-1的风速（填色， 单位： m·s-1）Fig.12 850 hPa （a， b） and 925 hPa （c， d） equivalent potential temperature （green contour， unit： K）， wind field （vector， unit： m·s-1） and wind speed that over 12 m·s-1 （shading， unit： m·s-1） of ERA5 （a， c） and CMA-GD（R3） （b， d） at 18:00 on 13 May 2021 for low-level warm-advection-forced case |
4.4 准正压类个例
如前文统计结果所示［图5（e）］， 对准正压类区域性的短时强降水过程， CMA-GD（R3）也具备一定预报能力。例如， 图13展示了2021年8月27日一次短时强降水过程， 江西省主要受副高控制， 但副高稳定性较差时有摆动， 在500 hPa 588 dagpm和592 dagpm等值线之间有短时强降水发生， 是一次典型的准正压类短时强降水过程。CMA-GD（R3）在此次短时强降水最强时段（17:00 -18:00）较好地预报出两处落区， 分别位于赣中西部和赣东北。进一步分析发现， 此次过程预报较好的原因主要有以下两点： 首先， CMA-GD（R3）较好地预报出副高形态、 脊线位置等环流背景场特征， 500 hPa形势场预报与实况具有很高的吻合度［图13（a）， （b）］； 其次， CMA-GD（R3）对赣中西部和赣东北两处水汽通量辐合区的预报， 基本与分析场相一致， 而水汽通量辐合区则与最终的短时强降水落区具有良好的对应关系， 这体现出CMA-GD（R3）对该过程低层流场和湿度场都有较好的预报能力［图13（c）， （d）］。值得注意的是， 本研究在筛选区域性短时强降水过程中通过客观和主观相结合的方法， 去除了副高边缘的局地分散性对流， 这些过程具有较大不确定性， 不在本研究的统计和讨论范围。
图13 准正压类个例2021年8月27日17:00 ERA5（a， c）和CMA-GD（R3）（b， d）的500 hPa位势高度（蓝色等值线， 单位： dagpm）和风场（矢量， 单位： m·s-1）（a， b）， 850 hPa水汽通量（矢量， 单位： g·cm-1·hPa-1·s-1）和水汽通量散度（填色， 单位： ×10-7 g·cm-2·hPa-1·s-1）（c， d）图（a）和（b）中， 绿色圆点分别表示17:00 -18:00观测和CMA-GD（R3）预报的短时强降水站点 Fig.13 500 hPa geopotential height （blue contour， unit： dagpm） and wind vector （vector， unit： m·s-1） （a， b）， 850 hPa water vapor flux （vector， unit： g·cm-1·hPa-1·s-1） and water vapor flux divergence （shading， unit： ×10-7 g·cm-2·hPa-1·s-1） （c， d） of ERA5 （a， c） and CMA-GD（R3） （b， d） at 17:00 on 27 August 2021 for quasi-barotropic case.In （a） and （b）， the green dots represent the observation and CMA-GD（R3） forecast of STHR stations during 17:00 -18:00 respectively |
5 结论与讨论
5.1 结论
短时强降水的短时临近预报是实际预报业务中面临的巨大难题之一， 华南区域数值天气预报中心所研发的中尺度模式CMA-GD（R3）对泛华南地区短时强降水的预报发挥着重要的支撑作用。本文通过热、 动力结构特征将短时强降水事件分为斜压锋生类、 高空冷平流强迫类、 低层暖平流强迫类、 准正压类和高架雷暴类等5类， 分析了CMA-GD（R3）在江西省短时强降水预报中的系统性偏差特征及极端降水偏差特征。此外， 还基于上述偏差特征， 针对不同类型的短时强降水进行了偏差成因分析， 提炼出造成相应预报偏差的关键因素。本研究建立了针对特定区域模式（CMA-GD）在特定区域（江西）的、 面向业务应用的“分型-检验-归因-释用”的全链条评估诊断体系（图14）， 相关方法可推广应用至其他区域模式的本地化释用。主要结论如下：
（1） CMA-GD（R3）对江西省短时强降水整体展现出较好的预报结果， 表现在预报频率与观测频率较接近， 但对更大量级（≥40 mm·h-1）极端性短时强降水仍存在量级的低估， 表明极端性短时强降水的低可预报性。
（2） CMA-GD（R3）对斜压锋生类短时强降水预报效果相对较优， 样本点分布与全部个例组合接近， 在5类个例中相对均匀地分布在对角线两侧。其预报偏差与模式对锋面位置和强度的预报误差有关， 实际预报业务中可根据锋面的近期预报情况对短时强降水的落区和量级进行相应调整， 如锋面存在位置预报偏差， 相应短时强降水落区需向相反方向调整。
（3） CMA-GD（R3）对高空冷平流强迫类短时强降水存在较明显漏报， 当日08:00起报相比前日20:00起报有向好调整的趋势， 通常能较好地预报出冷涡、 槽后等大尺度环流背景， 漏报同此背景下低层湿度场等局地性要素的预报偏差有关。
（4） 对于通常被认为可预报性较低的低层暖平流强迫类过程， CMA-GD（R3）仍然展现出较好的预报能力， 但短时强降水预报频率系统性偏高， 且对极端性短时强降水也存在低估。该类过程的预报偏差与其对双低空急流的预报准确度密切相关， 当模式对双低空急流判断偏弱（强）时， 应在双低空急流出口区、 耦合区等关键位置提高（降低）短时强降水的预报量级。
（5） CMA-GD（R3）对准正压类区域性短时强降水过程中极端降水量级预报较优， 可着重考虑对时空误差的订正。高架雷暴类预报不稳定， 需关注临近时段调整。
5.2 讨论
CMA-GD（R3）对大尺度强迫响应较准确， 但对局地水汽、 边界层内中小尺度系统的刻画能力等成为预报准确率的关键瓶颈。CMA-GD（R3）最初为针对华南等热带地区所设计， 改进了物理过程参数化方案等模式配置， 这一背景使其在对低层暖平流强迫事件展现出相对较好的预报能力， 此前许多个例研究也从不同角度印证了这一点， 如徐渊等（2023）在江西省南部一次低预报性暖区暴雨的研究中， 发现此次过程CMA-GD（R3）对落区的体现相对更优， 而其余中尺度模式基本将落区预报至中北部。本研究通过系统性的分析， 进一步证实了CMA-GD（R3）对江西省低层暖平流强迫类过程的预报能力。然而， 研究也发现其存在一些不足之处， 具体表现为预报频率系统性偏高， 对双低空急流的预报可能出现偏差， 并且在极端情形下预报能力有待提高。还需注意的是， 对于低层暖平流强迫类中的极端降水、 高架雷暴等， 预报偏差不仅是初值和模式误差主导的实际可预报性问题， 还可能由于大气高度非线性的混沌特性而触及本性可预报性的上限（闵锦忠和吴乃庚， 2020）。这些问题的揭示对于在江西省实际预报业务中合理应用CMA-GD（R3）具有指导意义。
此外， 针对高空冷平流强迫类事件， 初步发现CMA-GD（R3）存在系统性弱报现象， 此前尚未有研究指出。上述偏差可能与华南地区此类过程相对较少， 导致对该类事件研究关注度不够有关， 这对于CMA-GD（R3）的持续优化具有反馈意义。尽管如此， 因江西省高空冷平流强迫类和高架雷暴类事件偏少， 有限的样本也会对部分统计结果带来不确定性， 需要积累更多案例来验证。与陈龙等（2024）在湖南的同类研究相比， 本文基于热动力结构进行分型， 更侧重物理成因， 且对不同类型的预报偏差进行了较深入的归因分析和极端性分析。未来将在本研究的基础上， 对CMA-GD（R3）在不同类型强对流过程中的典型偏差特征进行聚类分析， 并进一步归纳主观订正指南和发展客观订正技术。