1 引 言
随着高性能计算机和数值天气预报技术发展，全球模式分辨率逐步提高，拓展了模式预报性能[1]。 当前欧洲中期数值天气预报中心（ECMWF）的全球模式水平格距已小于10 km，时间、空间分辨能力都有较大提高，有力地支持全球天气预报业务。借助全球模式高分辨率背景场，以及高分辨率模式技术的进步，区域数值天气预报已基本具备进行中小尺度天气业务预报的能力。近年来区域高分辨率模式进入快速发展时期，区域公里尺度模式已经进入实质业务应用，国际上一些发达国家已建立了水平格距1～3 km 区域数值天气预报系统，如英国气象局在统一模式[2]的框架下建立1.5 km 高分辨区域模式和2.2 km区域集合预报系统、法国气象局的1.3 km 高分辨区域模式和2.5 km 区域集合预报系统、德国的2.8 km 高分辨区域模式和2.8 km 区域集合预报系统等。
近二十年来中国自主研发的数值天气预报模式取得明显进步，如中国气象局自主研发的GRAPES （Global / Regio
nal Assimilation and Prediction System）模式[3]，是首个配有复杂物理过程的大气非静力数值预报模式，设计方案可应用于高分辨率业务预报。模式采用球面坐标和高度地形追随坐标，应用半拉格朗日半隐式算法[4-6]与相关计算方案，解决非静力平衡模式求解中的精度与数值计算方案快速收敛问题。另外模式采用可插拔模块化的程序结构，能够方便快捷地配置各物理过程。
2004 年开始，中国气象局广州热带海洋气象研究所基于GRAPES 和自主研发的TL 模式（热带有限区模式）发展热带区域数值天气预报业务系统，主要包括一个以预报台风为主的南海台风模式预报系统和一个以预报日常气象要素，如预报降水、预报2 m 温度等为主的华南中尺度模式预报系统。通过研究和多年技术改进，热带区域数值天气预报业务系统的预报水平有了明显提高。热带区域数值天气预报模式V1.0 版（TRAMSV1.0）于2011年正式通过中国气象局业务准入，稳定地为各级用户提供业务产品。后经过几年研究与技术开发，形成热带区域数值天气预报模式V2.0 版（TRAMS-V2.0）[7]，并于2016 年正式通过中国气象局业务升级准入。
为了进一步提升强天气过程预报能力，同时提高区域气象要素的预报精度，在TRAMS-V2.0的基础上，从模式初值技术、模式动力框架和模式物理过程等方面开展研究，发展热带高分辨区域模式。2018年集成多项研究成果，优化技术方案，形成适合热带地区的高分辨率模式，即热带区域数值天气预报模式V3.0 版（TRAMS-V3.0）。测试表明，TRAMS-V3.0 的预报性能已全面超越TRAMS-V2.0，并于2019年7月正式通过中国气象局业务升级准入。TRAMS-V3.0 可在较高分辨率的情况下稳定运行，如水平格距为0.01 °（接近1 km）的情况下可采用30秒的时间步长，稳定运行，且结果合理。基于新版模式建立了区域高分辨率模式预报系统，包括区域9 km 模式（水平格距0.09 °）、区域3 km 模式（水平格距为0.03 °）和快速更新的1 km 模式（水平格距为0.01 °）预报系统，分别提供每天两次的168 小时预报、每天两次的96小时预报和12分钟快速更新的6小时短临预报，为区域天气预报业务提供实时产品。目前业务系统已经在各地广泛应用，本文可为应用者提供多方面的参考，也可为模式研发者进行下一步技术改进提供帮助。
2 区域高分辨率模式技术方案
2.1 TRAMS-V3.0简介
TRAMS-V3.0 动力框架的基本特点与TRAMS-V2.0 相同，保持GRAPES 全可压-非静力平衡、半隐式-半拉格朗日（SISL）、静力参考大气、高度地形追随坐标、Charney-Philips 垂直跳层、水平等距经-纬网格和Arakawa-C 跳点等技术特点。在自然高度坐标下，模式基本方程组写为：
各符号定义可参考GRAPES模式技术手册[3]，其中Gx为曲率项，a为地球半径。为了适应高分辨率预报的需要，模式方程中的附加项不再被忽略，如式（1）和式（3）中的曲率项、科氏力附加项完全保留，不再略去。
这里，∏?、θ?表示满足静力平衡的三维参考大气；∏′、θ′表示偏离参考大气状态的偏差量。将式（6）~（7）分别代入式（1）~（5），并应用参考大气满足静力平衡关系式报方程。
新版模式在基本预报方程的基础上，采用三维静力参考大气、非线性项分步计算、物理过程倾向隐式处理，并耦合各种物理过程，形成预报模式。
2.2 TRAMS-V3.0动力框架技术改进
为了适应高分辨模式强垂直运动和小尺度扰动急剧增长的特点，在TRAMS-V3.0 模式中改进相关技术方案。
（1）三维静力参考技术方案改进。在原一维静力参考大气技术方案的基础上，发展了三维静力参考大气技术，有效地应对高分辨模式强垂直运动产生的预报偏差问题，从而提高模式预报精度。TRAMS-V3.0 在TRAMS-V2.0 原三维静力参考方案[7]基础上进行一些技术改进。改进方案主要是考虑三维参考新增加项的算法。如热力学方程需增加参考大气的水平平流项，式（13）和式（14）分别是线性化分离的线性项和非线性项，下划线部分就是新增加部分，各变量定义与TRAMS-V2.0相同。
方案改进之一是将式（13）和（14）转换为式（15）和（16）。即新增加参考大气水平平流计入线性项中，连续方程做法类似，这样做可提高模式积分的稳定性。根据改进方案需要重新推导预报方程，建立相应的离散格式进行隐式求解。方案改进之二是位温扰动量的计算方法。采用三维静力参考大气，预报变量位温需扣除参考值，初始位温扣除后可得位温扰动量，改进方案将扰动量分为静力平衡部分和非静力平衡部分，如式（17），静力平衡部分作为起步值先进入模式，非静力平衡部分作为微调值，通过nuding 逐步进入模式。改进方案保持模式协调，又可提高温度预报和降水预报准确率。
（2）若干辅助方案技术开发。为了提高模式计算效率和预报性能，开发了若干辅助技术方案，如三维矢量拉格朗日投影新算法和垂直方向上的W_damping（垂直运动耗散）算法，同时引进四阶水平扩散等技术方案。
三维矢量拉格朗日投影新算法主要是为了提高模式计算效率。模式在进行拉格朗日矢量场的离散化时，先要进行矢量合成，原方案把质点的到达点和起始点的局地笛卡尔坐标单位矢量“统一化”。取中间点为参考点，将起始、到达点投影到中间点，然后在统一坐标下进行运算。
原方案取中间点为参考点，将起始、到达点投影到中间点，然后在统一坐标下进行运算，求得式（19）、（20）和（21）中的Au、Av、Aw。 因为中间参考点是变动的，所以原方案需通过求解联立方程得到Au、Av、Aw，涉及方程求解和除法运算，计算量较大。
如果将所有到达点和出发点的单位矢量（）和（）统一以投影到球心特殊单位矢量（），则无需求解方程，只需进行矢量点积运算即可得到Au、Av、Aw，如式（22）、（23）和(24)，计算效率明显提高。
（3）迭代法SISL 方案优化。在原迭代SISL方案[8]的基础上，基于预估校正的思想，进一步改进非线性项分步计算和物理作用项同步耦合问题，同时优化模式动力过程、模式物理过程各计算模块的调用顺序和调用方式，减小了虚假扰动的产生，提高模式预报精度。
2.3 高分辨率模式物理过程技术改进
区域高分辨率模式的物理过程主要包括两大类。一种是大气中的过程，如长短波辐射、云微物理、深对流、浅对流等过程；另一种是对大气运动有重要影响的下垫面过程，如海面过程、陆面过程、边界层和地形效应参数化等。TRAMS-V3.0物理方案是在TRAMS-V2.0 模式物理方案的基础上进行一些技术升级和技术改进形成的，主要改进如下。
（1）云降水物理方案。云降水物理方案包括浅对流、深对流物理参数化和微物理方案。TRAMS-V3.0 更新了微物理WSM6 方案，而深对流参数化方案则是在TRAMS-V2.0 版引进NSAS方案[9-10]的基础上进行一些技术改进得到的。技术改进主要包括两个方面：（1）引入了尺度识别技术，即通过引入积云覆盖比来考虑深对流方案的尺度适应，使得它更加适用于灰色尺度分辨率的模式，对9 km 模式和3 km 模式是很有必要的；（2）在原方案中，气块上升过程中的雨水转化率是不随高度变化的常数，而新方案考虑了零度层以上转化率随高度逐渐减少的趋势，以及气溶胶浓度对降水转换率的影响；（3）通过试验研究改进对流触发函数，同时考虑了尺度适应深对流、浅对流与微物理三者之间的有效耦合形成新的云降水方案。试验表明，新的云降水物理方案明显地减少降水空报率，且强降水落区预报更加准确。
（2）海陆面边界层与辐射参数化方案。TRAMS-V3.0 的边界层参数化方案与TRAMSV2.0相同，均采用NMRF方案，地形参数化方案则继续保留次网格地形重力波拖曳参数化[11-12]。海陆面参数化在原方案基础上进行一些优化，并增加陆面分析以提高陆面预报精度，同时也开展高精度地形影响作用的初步研究[13]。而长短波辐射由原来的RRTM方案升级为RRTMG方案，高层温度预报有明显改善。试验表明，RRTMG 方案可明显缓解原RRTM 方案高层过度降温的问题。
2.4 热带高分辨率模式版本特征与改进要点
基于GRAPES 发展的热带高分辨模式，通过研究和多年技术改进，发展了系列模式版本，以下简要列举TRAMS-V1.0、TRAMS-V2.0和TRAMSV3.0的版本特征与改进要点。
表1 热带区域数值天气预报模式不同版本特征与改进要点?
3 基于TRAMS-V3.0的业务系统
3.1 区域高分辨率模式业务系统
基于TRAMS-V3.0建立模式预报系统。
（1）区域9 km模式预报系统(TRAMS 9 km)，模式实时运行范围：70~160 °E，0°~ 54.8 °N，垂直分层65层，水平分辨率0.09 °，预报时效168小时，每天制作两次预报（00 时和12 时，世界时，下同），主要用于台风路径、台风强度预报、形势场和降水过程预报。
（2）区域3 km 模式预报系统(GRAPES_GZ 3 km,简称GZ 3 km)，模式实时运行范围包括中国南部地区：93~127 °E，16~45 °N，垂直分层65 层，水平分辨率0.03 °，预报时效96 小时，每天制作两次预报（00 时和12 时），主要用于精细气象要素预报，例如雨量精细预报等。
（3）区域1 km 模式预报系统(GRAPES_GZ 1 km,简称GZ 1 km)，其驱动场来源于3 km 模式，模式实时运行范围包括广东全省：107~119 °E，18~ 27 °N，垂直分层65 层，水平分辨率0.01 °，预报时效6 小时，逐12 分钟同化雷达资料，快速更新制作短临预报。
三个模式业务系统有分工，但预报性能特点总体相似。目前3 km 模式产品在日常天气预报业务中应用较为广泛，下面将主要以3 km 模式为例，分析TRAMS-V3.0的预报性能。
3.2 区域高分辨率模式对比测试
以3 km 模式预报系统（系统情况详看3.1 节）为例进行模式版本回算测试，对比TRAMS-V3.0与TRAMS-V2.0 的预报性能。选2017 年汛期（4月1 日—7 月31 日），每日两次48 小时预报（00 时和12 时）进行对比，初始场及侧边界均采用ECMWF全球模式预报。
如图1，4—7月区域平均温度逐日观测可以看出有明显上升趋势，两个模式版本总体上都预报出了上升的变化趋势，但模式预报总体上低于实测，特别是在温度较高的时段（如6—7 月）。TRAMS-V3.0 相比TRAMS-V2.0 的预报更为接近实测，对温度预报偏低的现象也有一定程度缓解。从图2 看出模式预报的区域平均风速明显比实测风偏大，而TRAMS-V3.0 预报结果相比TRAMSV2.0更为接近实测，风速偏大的现象也略有改善。
总体上，TRAMS-V3.0 形势场的预报效果优于TRAMS-V2.0。图3以500 hPa高度预报为例显示了两个模式版本逐日预报的均方根误差，明显看出TRAMS-V3.0 预报误差更小。据统计结果，24、48 小时预报的均方根误差的平均情况，TRAMS-V2.0 分 别 是9.09 和12.99 位 势 米，而TRAMS-V3.0 是6.58 和8.56 位 势米，相 比来 说，TRAMS-V3.0 误差更小。图4 是降水预报的ETS评分，相比TRAMS-V2.0，TRAMS-V3.0 的各量级的ETS 评分更高，无论是晴雨预报准确率，还是中雨、大雨、暴雨的ETS 评分，TRAMS-V3.0 都表现出更好的效果。
3.3 区域高分辨率模式实时业务预报
基于TRAMS-V3.0 的3 km 模式预报系统（GZ 3 km）于2019 年投入业务运行，时间步长50秒，每天制作两次预报（00 时和12 时），预报时效96 小时，模式背景场来自ECMWF 全球模式，快速同化区域内卫星、雷达资料和地面观测资料。
图1 2017年4月1日—7月31日逐日观测与模式48小时预报的区域平均2 m温度
图2 2017年4月1日—7月31日逐日观测与模式48小时预报的区域平均风速
图3 2017年4月1日—7月31日逐日的24小时500 hPa 高度预报的均方根误差
图4 2017年4—7月48 小时预报的ETS评分对比
GZ 3 km 模式实时预报的背景场来自ECMWF，但模式的技术方案与EC 全球模式有较大差别，同时模式实时运行中，在背景场的基础上又同化了雷达资料和地面观测资料，因此3 km 模式的预报结果与ECMWF 有明显不同的特点。从实时业务应用和预报评分分析得知，GZ 3 km 小量级降水预报的空报率要明显小于目前的ECMWF。图5 是整个3 km 模式区域的平均ETS情况，评分中明显可以看出，GZ 3 km 的晴雨预报准确率明显高于ECMWF。对于大量级降水预报来说，ECMWF 常常预报偏弱，而GZ 3 km 的表现要略好一些。暴雨评分上，GZ 3 km 略好于ECMWF，而ECMWF 在中雨预报上有一些优势，在日常业务应用中，两个模式可以结合起来使用，将有助于业务预报能力。
暴雨预报仍是当前预报中的难点，也是今后高分辨率模式发展需重点关注的地方，下面选2019 年6 月4 日—7 月13 日暴雨比较集中的时段，一共连续78 次预报，分析华南区域暴雨的预报情况。
图5 2019年实时降水预报评估情况 a. 2109年3—8月48小时晴雨逐日预报准确率；b. 2109年1—8月晴雨准确率与暴雨预报ETS。
图6 的两个例子给出两类降水过程的预报情况，下面简单分析模式的预报情况。6 月23 日12时起报的个例，西部区域（广西、云南地区）观测有分散性大到暴雨，模式总体上能报出雨带分布，但空报较多，强降水落区也不够精准，ECMWF 中到大雨空报较严重，而GZ 3 km 暴雨空报多一些。广东区域的暴雨主要发生广东中部地区，模式预报略微偏北，ECMWF 偏北更严重，两个模式对沿海大量级降水都漏报了。7 月8 日00 时起报的例子，观测有明显暴雨雨带，两模式也较为准确地报出了雨带的位置，暴雨落区也基本准确，但ECMWF 对于强降水中心的预报明显偏弱，且略微偏北，GZ 3 km 的预报较好，无论是落区、还是强度预报都比较准确。
图6 24小时降水预报与观测 a. ECMWF，起报时间为2019年6月23日12时；b. GZ 3 km，起报时间为2019年6月23日12时；c. 观测，时间为2019年6月23日12时—24日12时；d. ECMWF，起报时间为2019年7月8日00时；e. GZ 3 km，起报时间为2019年7月8日00Z ；f. 观测，时间为2019年7月8日00时—9日00时。
表2 2019年6月4日—7月13日模式区域24小时预报ETS评分?
从预报评分上看，无论是晴雨、还是暴雨，GZ 3 km 的评分比ECMWF 要高一些。个例中看到，ECMWF 对于强降水预报比GZ 3 km 要偏弱一些，可能因此导致ECMWF 对暴雨预报比GZ 3 km漏报更多。
统计了暴雨发生次数分布及GZ 3 km 模式预报准确率情况(图略)，可以看出，暴雨高发区主要集中在广西北部、湖南、江西、浙江一带，另外广东中部也是暴雨较为集中的地区。结合前面个例分析，GZ 3 km 对于暴雨集中发生地区，如湖南、浙江一带及广东中部地区，预报准确率较高，而对于西南复杂地理区，如广西、云贵等区域，由于暴雨站点较为分散，落区预报就不够精确，多有空报现象，而对于广东沿海的对流性强降水，如部分暖区暴雨，漏报情况较多，这是模式需进一步完善的地方。
分析了模式三维要素场预报的平均偏差情况，图7 给出24 小时温度预报偏差不同纬度的剖面分布情况，以23 °N 和37 °N 为代表，其余图略。分析得知，近地层温度预报偏差南北地区有明显的不同规律，以28~29 °N 为过渡带，过渡带南侧，如图7a(23 °N 剖面)高地形东侧基本为正偏差，台湾岛高地形西侧有小部分负偏差，而过渡带北侧，如图7b(37 °N 剖面)高地形东侧基本为负偏差。水汽预报偏差正好与之相反，图略。
这些预报偏差可能与近地层辐射和边界层方案有关，目前正在进行方案改进试验。这些预报偏差的存在，也可能与模式在南方地区低层风预报偏大，雨带预报偏北有一定关系。
图7 GZ 3 km的24小时温度预报平均误差经度-高度剖面 a. lat=23 °N；b. lat=37 °N。
4 讨论与结语
在TRAMS-V2.0的基础上，改进了基于3维参考大气的高分辨模式动力框架，引入了新的水平扩散方案，改进模式拉格朗日平流算法（球心投影），进一步发展迭代法SISL 技术方案及动力与物理过程耦合技术方案，建立适合于低纬地区的云降水物理方案和海陆面、边界层参数化方案。综合各项成果形成V3.0 模式版本。测试表明，TRAMS-V3.0的预报性能明显优于TRAMS-V2.0。模式框架的技术改进主要克服高分辨率引起的小尺度扰动问题，提高模式预报精度与稳定度；云降水方案改进，特别是尺度适应和对流触发技术，有效地减小降水空报问题，同时也提高强降水中心预报的命中率；辐射和边界层等技术改进，明显降低地面要素预报误差。
基于TRAMS-V3.0 建立的模式预报系统已经投入业务应用，在台风预报、降水预报、地面要素预报等方面提供很好的参考作用，但也存在一些问题需进一步完善。中国南方降水预报方面，常存在雨带偏北、南部沿海强降水漏报等问题。另外相比国际上先进模式，低层温度预报误差仍略显偏大，地面10 m 风预报总体偏强。地面要素预报可能与低层辐射方案、边界层方案技术处理有较大关系，降水方案预报问题则与水汽初值、地面资料同化及降水物理方案有较大关系，需要通过研究地面、雷达和卫星同化技术，加以改进。近期已经开展一些初步研究和技术改进，如针对边界层方案温度离散化求解技术处理、对流参数化触发函数技术优化等方面已开展一些试验研究，并取得初步效果，但还需要更广泛深入的研究，更好地为下一步发展提供参考依据。
[1] SIMMONS A J, BURRIDGE D M, JARRAUD M, et al. The ECMWF medium-range prediction models: development of the numerical formulations and the impact of increased resolution[J].Meteor Atmos Phys,1989,40(1):28-60.
[2] STANIFORTH A,WHITE A,WOOD N,et al.Unified model docu
mentation paper[R].Met Office,2006:135-198.
[3] CHEN D H, XUE J S, YANG X S, et al. New generation of a multi-scale NWP system(GRAPES): General scientific design[J]. Chin Sci Bull,2008,53:3 433-3 445.
[4] MAWSON M H.The semi-Lagrangian advection scheme for the semi-implicit Unified Model integration scheme[R]. FR Working Paper No 162,1998.
[5] WOOD N, STANIFORTH A, WHITE A, et al. An inherently mass-co
nserving semi-implicit semi-lagrangian discretization of the deepatmosphere global non-hydrostatic equations[J].Quart J Roy Meteor Soc,2014,140:1 505-1 520.
[6] DIAMANTAKIS M.The semi-lagrangian technique in atmospheric modelling:current status and future challenges[R].ECMWF Seminar in Numerical Methods for Atmosphere and Ocean Modelling,2013:4-9
[7] 陈子通，戴光丰,钟水新，等，中国南海台风模式（TRAMS-V2.0）技术特点及其预报性能[J].热带气象学报，2016,32(6):831-840.
[8] 陈子通，戴光丰，罗秋红，等.模式动力过程与物理过程耦合及其对台风预报的影响研究[J].热带气象学报，2016,32(1)：1-8.
[9] PAN H L,WU W S. Implementing a mass flux co
nvection parameterization for the NMC Medium-Range Forecast model[R]. NMC office note 409,1995.
[10]HAN J,PAN H L.Revision of co
nvection and vertical diffusion schemes in the NCEP global forecast system[J].Wea Forecasting,2011,26(4):520-533.
[11]KIM Y J,ARAKAWA A.Improvement of orographic gravity-wave parameterization using a mesoscale gravity-wave model[J].J Atmos Sci,1995,52:1 875-1 902.
[12] ZHONG S X, CHEN Z T. Improved wind and precipitation forecasts over South China using a modified orographic drag parameterization scheme[J].J Meteor Res,2016,22(4):522-534.
[13]朱文达，陈子通，张艳霞，等.高分辨地形对华南区域GRAPES模式地面要素预报影响的研究[J].热带气象学报，2019，35(6)：801-811.
1 引 言随着高性能计算机和数值天气预报技术发展，全球模式分辨率逐步提高，拓展了模式预报性能[1]。 当前欧洲中期数值天气预报中心（ECMWF）的全球模式水平格距已小于10 km，时间、空间分辨能力都有较大提高，有力地支持全球天气预报业务。借助全球模式高分辨率背景场，以及高分辨率模式技术的进步，区域数值天气预报已基本具备进行中小尺度天气业务预报的能力。近年来区域高分辨率模式进入快速发展时期，区域公里尺度模式已经进入实质业务应用，国际上一些发达国家已建立了水平格距1～3 km 区域数值天气预报系统，如英国气象局在统一模式[2]的框架下建立1.5 km 高分辨区域模式和2.2 km区域集合预报系统、法国气象局的1.3 km 高分辨区域模式和2.5 km 区域集合预报系统、德国的2.8 km 高分辨区域模式和2.8 km 区域集合预报系统等。近二十年来中国自主研发的数值天气预报模式取得明显进步，如中国气象局自主研发的GRAPES （Global / Regio
nal Assimilation and Prediction System）模式[3]，是首个配有复杂物理过程的大气非静力数值预报模式，设计方案可应用于高分辨率业务预报。模式采用球面坐标和高度地形追随坐标，应用半拉格朗日半隐式算法[4-6]与相关计算方案，解决非静力平衡模式求解中的精度与数值计算方案快速收敛问题。另外模式采用可插拔模块化的程序结构，能够方便快捷地配置各物理过程。2004 年开始，中国气象局广州热带海洋气象研究所基于GRAPES 和自主研发的TL 模式（热带有限区模式）发展热带区域数值天气预报业务系统，主要包括一个以预报台风为主的南海台风模式预报系统和一个以预报日常气象要素，如预报降水、预报2 m 温度等为主的华南中尺度模式预报系统。通过研究和多年技术改进，热带区域数值天气预报业务系统的预报水平有了明显提高。热带区域数值天气预报模式V1.0 版（TRAMSV1.0）于2011年正式通过中国气象局业务准入，稳定地为各级用户提供业务产品。后经过几年研究与技术开发，形成热带区域数值天气预报模式V2.0 版（TRAMS-V2.0）[7]，并于2016 年正式通过中国气象局业务升级准入。为了进一步提升强天气过程预报能力，同时提高区域气象要素的预报精度，在TRAMS-V2.0的基础上，从模式初值技术、模式动力框架和模式物理过程等方面开展研究，发展热带高分辨区域模式。2018年集成多项研究成果，优化技术方案，形成适合热带地区的高分辨率模式，即热带区域数值天气预报模式V3.0 版（TRAMS-V3.0）。测试表明，TRAMS-V3.0 的预报性能已全面超越TRAMS-V2.0，并于2019年7月正式通过中国气象局业务升级准入。TRAMS-V3.0 可在较高分辨率的情况下稳定运行，如水平格距为0.01 °（接近1 km）的情况下可采用30秒的时间步长，稳定运行，且结果合理。基于新版模式建立了区域高分辨率模式预报系统，包括区域9 km 模式（水平格距0.09 °）、区域3 km 模式（水平格距为0.03 °）和快速更新的1 km 模式（水平格距为0.01 °）预报系统，分别提供每天两次的168 小时预报、每天两次的96小时预报和12分钟快速更新的6小时短临预报，为区域天气预报业务提供实时产品。目前业务系统已经在各地广泛应用，本文可为应用者提供多方面的参考，也可为模式研发者进行下一步技术改进提供帮助。2 区域高分辨率模式技术方案2.1 TRAMS-V3.0简介TRAMS-V3.0 动力框架的基本特点与TRAMS-V2.0 相同，保持GRAPES 全可压-非静力平衡、半隐式-半拉格朗日（SISL）、静力参考大气、高度地形追随坐标、Charney-Philips 垂直跳层、水平等距经-纬网格和Arakawa-C 跳点等技术特点。在自然高度坐标下，模式基本方程组写为：各符号定义可参考GRAPES模式技术手册[3]，其中Gx为曲率项，a为地球半径。为了适应高分辨率预报的需要，模式方程中的附加项不再被忽略，如式（1）和式（3）中的曲率项、科氏力附加项完全保留，不再略去。这里，∏?、θ?表示满足静力平衡的三维参考大气；∏′、θ′表示偏离参考大气状态的偏差量。将式（6）~（7）分别代入式（1）~（5），并应用参考大气满足静力平衡关系式报方程。新版模式在基本预报方程的基础上，采用三维静力参考大气、非线性项分步计算、物理过程倾向隐式处理，并耦合各种物理过程，形成预报模式。2.2 TRAMS-V3.0动力框架技术改进为了适应高分辨模式强垂直运动和小尺度扰动急剧增长的特点，在TRAMS-V3.0 模式中改进相关技术方案。（1）三维静力参考技术方案改进。在原一维静力参考大气技术方案的基础上，发展了三维静力参考大气技术，有效地应对高分辨模式强垂直运动产生的预报偏差问题，从而提高模式预报精度。TRAMS-V3.0 在TRAMS-V2.0 原三维静力参考方案[7]基础上进行一些技术改进。改进方案主要是考虑三维参考新增加项的算法。如热力学方程需增加参考大气的水平平流项，式（13）和式（14）分别是线性化分离的线性项和非线性项，下划线部分就是新增加部分，各变量定义与TRAMS-V2.0相同。方案改进之一是将式（13）和（14）转换为式（15）和（16）。即新增加参考大气水平平流计入线性项中，连续方程做法类似，这样做可提高模式积分的稳定性。根据改进方案需要重新推导预报方程，建立相应的离散格式进行隐式求解。方案改进之二是位温扰动量的计算方法。采用三维静力参考大气，预报变量位温需扣除参考值，初始位温扣除后可得位温扰动量，改进方案将扰动量分为静力平衡部分和非静力平衡部分，如式（17），静力平衡部分作为起步值先进入模式，非静力平衡部分作为微调值，通过nuding 逐步进入模式。改进方案保持模式协调，又可提高温度预报和降水预报准确率。（2）若干辅助方案技术开发。为了提高模式计算效率和预报性能，开发了若干辅助技术方案，如三维矢量拉格朗日投影新算法和垂直方向上的W_damping（垂直运动耗散）算法，同时引进四阶水平扩散等技术方案。三维矢量拉格朗日投影新算法主要是为了提高模式计算效率。模式在进行拉格朗日矢量场的离散化时，先要进行矢量合成，原方案把质点的到达点和起始点的局地笛卡尔坐标单位矢量“统一化”。取中间点为参考点，将起始、到达点投影到中间点，然后在统一坐标下进行运算。原方案取中间点为参考点，将起始、到达点投影到中间点，然后在统一坐标下进行运算，求得式（19）、（20）和（21）中的Au、Av、Aw。 因为中间参考点是变动的，所以原方案需通过求解联立方程得到Au、Av、Aw，涉及方程求解和除法运算，计算量较大。如果将所有到达点和出发点的单位矢量（）和（）统一以投影到球心特殊单位矢量（），则无需求解方程，只需进行矢量点积运算即可得到Au、Av、Aw，如式（22）、（23）和(24)，计算效率明显提高。（3）迭代法SISL 方案优化。在原迭代SISL方案[8]的基础上，基于预估校正的思想，进一步改进非线性项分步计算和物理作用项同步耦合问题，同时优化模式动力过程、模式物理过程各计算模块的调用顺序和调用方式，减小了虚假扰动的产生，提高模式预报精度。2.3 高分辨率模式物理过程技术改进区域高分辨率模式的物理过程主要包括两大类。一种是大气中的过程，如长短波辐射、云微物理、深对流、浅对流等过程；另一种是对大气运动有重要影响的下垫面过程，如海面过程、陆面过程、边界层和地形效应参数化等。TRAMS-V3.0物理方案是在TRAMS-V2.0 模式物理方案的基础上进行一些技术升级和技术改进形成的，主要改进如下。（1）云降水物理方案。云降水物理方案包括浅对流、深对流物理参数化和微物理方案。TRAMS-V3.0 更新了微物理WSM6 方案，而深对流参数化方案则是在TRAMS-V2.0 版引进NSAS方案[9-10]的基础上进行一些技术改进得到的。技术改进主要包括两个方面：（1）引入了尺度识别技术，即通过引入积云覆盖比来考虑深对流方案的尺度适应，使得它更加适用于灰色尺度分辨率的模式，对9 km 模式和3 km 模式是很有必要的；（2）在原方案中，气块上升过程中的雨水转化率是不随高度变化的常数，而新方案考虑了零度层以上转化率随高度逐渐减少的趋势，以及气溶胶浓度对降水转换率的影响；（3）通过试验研究改进对流触发函数，同时考虑了尺度适应深对流、浅对流与微物理三者之间的有效耦合形成新的云降水方案。试验表明，新的云降水物理方案明显地减少降水空报率，且强降水落区预报更加准确。（2）海陆面边界层与辐射参数化方案。TRAMS-V3.0 的边界层参数化方案与TRAMSV2.0相同，均采用NMRF方案，地形参数化方案则继续保留次网格地形重力波拖曳参数化[11-12]。海陆面参数化在原方案基础上进行一些优化，并增加陆面分析以提高陆面预报精度，同时也开展高精度地形影响作用的初步研究[13]。而长短波辐射由原来的RRTM方案升级为RRTMG方案，高层温度预报有明显改善。试验表明，RRTMG 方案可明显缓解原RRTM 方案高层过度降温的问题。2.4 热带高分辨率模式版本特征与改进要点基于GRAPES 发展的热带高分辨模式，通过研究和多年技术改进，发展了系列模式版本，以下简要列举TRAMS-V1.0、TRAMS-V2.0和TRAMSV3.0的版本特征与改进要点。表1 热带区域数值天气预报模式不同版本特征与改进要点?3 基于TRAMS-V3.0的业务系统3.1 区域高分辨率模式业务系统基于TRAMS-V3.0建立模式预报系统。（1）区域9 km模式预报系统(TRAMS 9 km)，模式实时运行范围：70~160 °E，0°~ 54.8 °N，垂直分层65层，水平分辨率0.09 °，预报时效168小时，每天制作两次预报（00 时和12 时，世界时，下同），主要用于台风路径、台风强度预报、形势场和降水过程预报。（2）区域3 km 模式预报系统(GRAPES_GZ 3 km,简称GZ 3 km)，模式实时运行范围包括中国南部地区：93~127 °E，16~45 °N，垂直分层65 层，水平分辨率0.03 °，预报时效96 小时，每天制作两次预报（00 时和12 时），主要用于精细气象要素预报，例如雨量精细预报等。（3）区域1 km 模式预报系统(GRAPES_GZ 1 km,简称GZ 1 km)，其驱动场来源于3 km 模式，模式实时运行范围包括广东全省：107~119 °E，18~ 27 °N，垂直分层65 层，水平分辨率0.01 °，预报时效6 小时，逐12 分钟同化雷达资料，快速更新制作短临预报。三个模式业务系统有分工，但预报性能特点总体相似。目前3 km 模式产品在日常天气预报业务中应用较为广泛，下面将主要以3 km 模式为例，分析TRAMS-V3.0的预报性能。3.2 区域高分辨率模式对比测试以3 km 模式预报系统（系统情况详看3.1 节）为例进行模式版本回算测试，对比TRAMS-V3.0与TRAMS-V2.0 的预报性能。选2017 年汛期（4月1 日—7 月31 日），每日两次48 小时预报（00 时和12 时）进行对比，初始场及侧边界均采用ECMWF全球模式预报。如图1，4—7月区域平均温度逐日观测可以看出有明显上升趋势，两个模式版本总体上都预报出了上升的变化趋势，但模式预报总体上低于实测，特别是在温度较高的时段（如6—7 月）。TRAMS-V3.0 相比TRAMS-V2.0 的预报更为接近实测，对温度预报偏低的现象也有一定程度缓解。从图2 看出模式预报的区域平均风速明显比实测风偏大，而TRAMS-V3.0 预报结果相比TRAMSV2.0更为接近实测，风速偏大的现象也略有改善。总体上，TRAMS-V3.0 形势场的预报效果优于TRAMS-V2.0。图3以500 hPa高度预报为例显示了两个模式版本逐日预报的均方根误差，明显看出TRAMS-V3.0 预报误差更小。据统计结果，24、48 小时预报的均方根误差的平均情况，TRAMS-V2.0 分 别 是9.09 和12.99 位 势 米，而TRAMS-V3.0 是6.58 和8.56 位 势米，相 比来 说，TRAMS-V3.0 误差更小。图4 是降水预报的ETS评分，相比TRAMS-V2.0，TRAMS-V3.0 的各量级的ETS 评分更高，无论是晴雨预报准确率，还是中雨、大雨、暴雨的ETS 评分，TRAMS-V3.0 都表现出更好的效果。3.3 区域高分辨率模式实时业务预报基于TRAMS-V3.0 的3 km 模式预报系统（GZ 3 km）于2019 年投入业务运行，时间步长50秒，每天制作两次预报（00 时和12 时），预报时效96 小时，模式背景场来自ECMWF 全球模式，快速同化区域内卫星、雷达资料和地面观测资料。图1 2017年4月1日—7月31日逐日观测与模式48小时预报的区域平均2 m温度图2 2017年4月1日—7月31日逐日观测与模式48小时预报的区域平均风速图3 2017年4月1日—7月31日逐日的24小时500 hPa 高度预报的均方根误差图4 2017年4—7月48 小时预报的ETS评分对比GZ 3 km 模式实时预报的背景场来自ECMWF，但模式的技术方案与EC 全球模式有较大差别，同时模式实时运行中，在背景场的基础上又同化了雷达资料和地面观测资料，因此3 km 模式的预报结果与ECMWF 有明显不同的特点。从实时业务应用和预报评分分析得知，GZ 3 km 小量级降水预报的空报率要明显小于目前的ECMWF。图5 是整个3 km 模式区域的平均ETS情况，评分中明显可以看出，GZ 3 km 的晴雨预报准确率明显高于ECMWF。对于大量级降水预报来说，ECMWF 常常预报偏弱，而GZ 3 km 的表现要略好一些。暴雨评分上，GZ 3 km 略好于ECMWF，而ECMWF 在中雨预报上有一些优势，在日常业务应用中，两个模式可以结合起来使用，将有助于业务预报能力。暴雨预报仍是当前预报中的难点，也是今后高分辨率模式发展需重点关注的地方，下面选2019 年6 月4 日—7 月13 日暴雨比较集中的时段，一共连续78 次预报，分析华南区域暴雨的预报情况。图5 2019年实时降水预报评估情况 a. 2109年3—8月48小时晴雨逐日预报准确率；b. 2109年1—8月晴雨准确率与暴雨预报ETS。图6 的两个例子给出两类降水过程的预报情况，下面简单分析模式的预报情况。6 月23 日12时起报的个例，西部区域（广西、云南地区）观测有分散性大到暴雨，模式总体上能报出雨带分布，但空报较多，强降水落区也不够精准，ECMWF 中到大雨空报较严重，而GZ 3 km 暴雨空报多一些。广东区域的暴雨主要发生广东中部地区，模式预报略微偏北，ECMWF 偏北更严重，两个模式对沿海大量级降水都漏报了。7 月8 日00 时起报的例子，观测有明显暴雨雨带，两模式也较为准确地报出了雨带的位置，暴雨落区也基本准确，但ECMWF 对于强降水中心的预报明显偏弱，且略微偏北，GZ 3 km 的预报较好，无论是落区、还是强度预报都比较准确。图6 24小时降水预报与观测 a. ECMWF，起报时间为2019年6月23日12时；b. GZ 3 km，起报时间为2019年6月23日12时；c. 观测，时间为2019年6月23日12时—24日12时；d. ECMWF，起报时间为2019年7月8日00时；e. GZ 3 km，起报时间为2019年7月8日00Z ；f. 观测，时间为2019年7月8日00时—9日00时。表2 2019年6月4日—7月13日模式区域24小时预报ETS评分?从预报评分上看，无论是晴雨、还是暴雨，GZ 3 km 的评分比ECMWF 要高一些。个例中看到，ECMWF 对于强降水预报比GZ 3 km 要偏弱一些，可能因此导致ECMWF 对暴雨预报比GZ 3 km漏报更多。统计了暴雨发生次数分布及GZ 3 km 模式预报准确率情况(图略)，可以看出，暴雨高发区主要集中在广西北部、湖南、江西、浙江一带，另外广东中部也是暴雨较为集中的地区。结合前面个例分析，GZ 3 km 对于暴雨集中发生地区，如湖南、浙江一带及广东中部地区，预报准确率较高，而对于西南复杂地理区，如广西、云贵等区域，由于暴雨站点较为分散，落区预报就不够精确，多有空报现象，而对于广东沿海的对流性强降水，如部分暖区暴雨，漏报情况较多，这是模式需进一步完善的地方。分析了模式三维要素场预报的平均偏差情况，图7 给出24 小时温度预报偏差不同纬度的剖面分布情况，以23 °N 和37 °N 为代表，其余图略。分析得知，近地层温度预报偏差南北地区有明显的不同规律，以28~29 °N 为过渡带，过渡带南侧，如图7a(23 °N 剖面)高地形东侧基本为正偏差，台湾岛高地形西侧有小部分负偏差，而过渡带北侧，如图7b(37 °N 剖面)高地形东侧基本为负偏差。水汽预报偏差正好与之相反，图略。这些预报偏差可能与近地层辐射和边界层方案有关，目前正在进行方案改进试验。这些预报偏差的存在，也可能与模式在南方地区低层风预报偏大，雨带预报偏北有一定关系。图7 GZ 3 km的24小时温度预报平均误差经度-高度剖面 a. lat=23 °N；b. lat=37 °N。4 讨论与结语在TRAMS-V2.0的基础上，改进了基于3维参考大气的高分辨模式动力框架，引入了新的水平扩散方案，改进模式拉格朗日平流算法（球心投影），进一步发展迭代法SISL 技术方案及动力与物理过程耦合技术方案，建立适合于低纬地区的云降水物理方案和海陆面、边界层参数化方案。综合各项成果形成V3.0 模式版本。测试表明，TRAMS-V3.0的预报性能明显优于TRAMS-V2.0。模式框架的技术改进主要克服高分辨率引起的小尺度扰动问题，提高模式预报精度与稳定度；云降水方案改进，特别是尺度适应和对流触发技术，有效地减小降水空报问题，同时也提高强降水中心预报的命中率；辐射和边界层等技术改进，明显降低地面要素预报误差。基于TRAMS-V3.0 建立的模式预报系统已经投入业务应用，在台风预报、降水预报、地面要素预报等方面提供很好的参考作用，但也存在一些问题需进一步完善。中国南方降水预报方面，常存在雨带偏北、南部沿海强降水漏报等问题。另外相比国际上先进模式，低层温度预报误差仍略显偏大，地面10 m 风预报总体偏强。地面要素预报可能与低层辐射方案、边界层方案技术处理有较大关系，降水方案预报问题则与水汽初值、地面资料同化及降水物理方案有较大关系，需要通过研究地面、雷达和卫星同化技术，加以改进。近期已经开展一些初步研究和技术改进，如针对边界层方案温度离散化求解技术处理、对流参数化触发函数技术优化等方面已开展一些试验研究，并取得初步效果，但还需要更广泛深入的研究，更好地为下一步发展提供参考依据。参 考 文 献：[1] SIMMONS A J, BURRIDGE D M, JARRAUD M, et al. The ECMWF medium-range prediction models: development of the numerical formulations and the impact of increased resolution[J].Meteor Atmos Phys,1989,40(1):28-60.[2] STANIFORTH A,WHITE A,WOOD N,et al.Unified model docu
mentation paper[R].Met Office,2006:135-198.[3] CHEN D H, XUE J S, YANG X S, et al. New generation of a multi-scale NWP system(GRAPES): General scientific design[J]. Chin Sci Bull,2008,53:3 433-3 445.[4] MAWSON M H.The semi-Lagrangian advection scheme for the semi-implicit Unified Model integration scheme[R]. FR Working Paper No 162,1998.[5] WOOD N, STANIFORTH A, WHITE A, et al. An inherently mass-co
nserving semi-implicit semi-lagrangian discretization of the deepatmosphere global non-hydrostatic equations[J].Quart J Roy Meteor Soc,2014,140:1 505-1 520.[6] DIAMANTAKIS M.The semi-lagrangian technique in atmospheric modelling:current status and future challenges[R].ECMWF Seminar in Numerical Methods for Atmosphere and Ocean Modelling,2013:4-9[7] 陈子通，戴光丰,钟水新，等，中国南海台风模式（TRAMS-V2.0）技术特点及其预报性能[J].热带气象学报，2016,32(6):831-840.[8] 陈子通，戴光丰，罗秋红，等.模式动力过程与物理过程耦合及其对台风预报的影响研究[J].热带气象学报，2016,32(1)：1-8.[9] PAN H L,WU W S. Implementing a mass flux co
nvection parameterization for the NMC Medium-Range Forecast model[R]. NMC office note 409,1995.[10]HAN J,PAN H L.Revision of co
nvection and vertical diffusion schemes in the NCEP global forecast system[J].Wea Forecasting,2011,26(4):520-533.[11]KIM Y J,ARAKAWA A.Improvement of orographic gravity-wave parameterization using a mesoscale gravity-wave model[J].J Atmos Sci,1995,52:1 875-1 902.[12] ZHONG S X, CHEN Z T. Improved wind and precipitation forecasts over South China using a modified orographic drag parameterization scheme[J].J Meteor Res,2016,22(4):522-534.[13]朱文达，陈子通，张艳霞，等.高分辨地形对华南区域GRAPES模式地面要素预报影响的研究[J].热带气象学报，2019，35(6)：801-811.
文章来源：热带地理 网址: http://rddl.400nongye.com/lunwen/itemid-16482.shtml
上一篇： 典型热带森林生态系统林冠穿透雨特征及影响因
下一篇： 材料科学论文_磁控溅射NbSe_(2)和MoS_(2)薄膜不同湿度下的摩擦学行为
