Page 34 - 2025年第56卷第10期
P. 34

［16-17］
              大模型主要集中于中短期预报，包括华为云的盘古（Pangu-Weather）                               、英伟达的 FourCastNet    ［18］ 、
                                               ［19］                          ［20］                     ［21］
              清华大学和中国气象局的 NowcastNet              、谷歌 DeepMind 的 GraphCast     、复旦大学的伏羲（FuXi） 和
              欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的 AIFS 等             ［22］ 。
              整体上，气象大模型可与 ECMWF 的综合预报系统（Integrated Forecast System，IFS）媲美，并且大量减
              少了计算时间和成本          ［12，23-24］ 。气象预报作为洪水预报的重要驱动因素，其预报精度和预见期对提高洪
              水预报精度和延长预见期有着重要影响                  ［13，25-26］ 。
                  不论数值气象模型还是气象大模型，区域适用性都是一个关键科学问题                                   ［13，26-27］ 。受环流过程、地
              形地貌、陆气交互等多种因素影响，不同预见期下预报精度存在相当的时间和空间差异                                          ［27-28］ 。对于气
              象大模型，由于极端气象事件训练样本相对较少，可能难以准确学习复杂突变过程，增加了极端暴雨
              事件预报的不确定性          ［12，29］ 。尽管已有研究对比了气象大模型与传统数值模式的预报技巧，目前仍缺乏
              对不同大模型极端降水预报性能的对比评估，在珠江流域的业务预报能力尚不明确，这在一定程度上
              限制了气象大模型的进一步发展和应用                   ［24，30-31］ 。对此，本文聚焦于 2022 年 6 月和 2024 年 4 月珠江流域
              北江的两场极端暴雨事件，开展气象大模型降水预报适用性评估，探讨不同气象大模型对极端暴雨的
              预报能力，以期为洪水预报提供更高精度和更长预见期的气象预报数据。


              2 研究区域概况


                                                                                                        ［9］
              2.1 研究区域 珠江流域是暴雨和台风等灾害性天气的多发区和脆弱区，暴雨洪涝灾害相当严重 。
              该流域地处热带、亚热带季风气候区，雨量丰沛，水资源总量丰富但时空分布不均，汛期 4—9 月径流
              量约占全年总量 80%。北江是珠江第二大支流，降水丰沛，多年平均降水量为 1763.7 mm，暴雨多集
              中在 5—6 月。北江流域面积 4.67 万 km ，总落差 305 m，河道平均坡降为 0.235‰，上游河道比降较
                                                  2
              大，缺少湖泊调蓄，洪水汇流速度快，代表站石角站较大洪水多出现在 5—7 月                                    ［32］ 。受气候和地形双
              重影响，易发生洪峰高、水量大、流速快、历时长的洪水，对沿江地区和珠江三角洲构成严重威胁。
                                                                            ［8］
                  受暴雨事件影响，北江流域近 5 年连续发生了 2 场百年一遇洪水 。具体而言，2022 年 6 月，北江
              流域出现极端降水事件，流域累积面平均降水量为 1961 年有实测记录以来同期最多，引发了北江
              2022 年第 2 号洪水（简称“2022.6”洪水），为仅次于 1915 年的特大洪水                     ［32］ 。2024 年 4 月中下旬，珠江
              流域北部连续遭遇极端降水过程，引发北江 2024 年第 2 号洪水（简称“2024.4”洪水），为仅次于 1915
                                                                                              ［8］
              年和 2022 年的特大洪水        ［8-9］ 。两场洪水相隔不到两年且均为超百年一遇，尤其值得关注 。根据暴雨
              中心，以 23°—26°N、108°—116°E 和 22°—26°N、110°—116°E 分别作为“2022.6”和“2024.4”两场
              特大暴雨洪水的研究区域，对比评估气象大模型的极端暴雨预报性能。
              2.2 研究数据 本文采用的数据包括多源加权集合降水（Multi-Source Weighted Ensemble Precipitation，
              MSWEP）数据    ［33］ 和 ECMWF 高分辨率数值气象预报产品（High-Resolution Forecasts，HRES） 。MSWEP
                                                                                               ［34］
              是一套集成卫星遥感、大气再分析和地表雨量站等多源降水资料研制的全球降水产品，具有高时间分
              辨率（3 h）、高空间分辨率（0.1°×0.1°）、长时间序列（1979 年至今）以及高完整性等优点，是目前国际上
              公认的时空精度最高的降水数据之一                  ［35］ 。本文选用最新的 MSWEP v2.8 版本降水数据作为观测数据，
              将 降 水 数 据 时 间 分 辨 率 重 采 样 到 6 h， 通 过 双 线 性 插 值 将 空 间 分 辨 率 重 采 样 到 0.25°×0.25°。 北 江
             “2022.6”和“2024.4”过程累积降水量和区域平均最大 6 h 降水量如图 1 所示。
                  HRES 是 ECMWF 的数值气象预报业务化产品，水平分辨率为 0.1°×0.1°，协调世界时（UTC）每日
                                                                                    ［34］
              0 时、6 时、12 时和 18 时生成最长 15 d 的气象预报，时间分辨率最高达 1 h                          。凭借较高预报精度，
              HRES 已成为气象和环保部门业务预报的重要参考资料，也是我国气象预报业务的重要支撑之一                                             ［36］ 。
              有研究表明，HRES 在 2021 年 7 月河南暴雨事件中较好预报出对流层中部倒槽和对流层中下部水汽输
              送，对暴雨事件的预报性能优于其他全球数值气象预报模式产品                               ［37］ 。本文通过 ECMWF 的气象档案检
              索系统（Meteorological Archival and Retrieval System，MARS）下载了“2022.6”和“2024.4”暴雨洪水期

                                                                                               — 1281  —
   29   30   31   32   33   34   35   36   37   38   39