将双热带气旋效应纳入DSAEF_LTP模型以改进强降雨预报

《Tropical Cyclone Research and Review》：Incorporation of the Binary Tropical Cyclone Effect into the DSAEF_LTP Model to Improve Heavy Rainfall Forecasting

　　

在双热带气旋（BTC）系统中，伴随气旋（ATC）向主导气旋（DTC）——定义为距离降雨中心较近的气旋——的水分输送，以及DTC平移速度的降低，共同构成了降水增强和降雨预报不确定性增加的主要诊断特征。为应对这一挑战，研究人员开发了一种新的“BTC因子”，对这两个关键特征进行参数化，并将其纳入登陆台风降水动力-统计-相似集合预报模型（DSAEF_LTP，版本1.1；以下简称V1.1）。对2017–2020年中国41个登陆热带气旋的初步评估突出了这一升级的必要性：在V1.1和四个主流数值天气预报（NWP）模型中的三个中，BTC条件使100毫米和250毫米降雨阈值的总和威胁评分（TS_sum）至少降低了12.6%。为缓解这一退化，BTC因子通过双策略框架实施：（1）当存在历史相似BTC个例时，提高其权重；（2）否则，优先选择具有可比平移速度的历史相似热带气旋。通过显式表征这些物理相互作用，升级后的模型（V1.1_BTC）在受BTC影响的个例中，相对于基线V1.1，TS_sum相对提高了11.1%，并优于测试中表现最佳的NWP模型（V1.1_BTC：0.191对NCEP-GFS：0.188）。这些结果表明，将物理BTC特征显式整合到统计-动力框架中，可以有效提高复杂BTC情景下的强降雨预报技巧。

全球变暖导致极端天气频发，中国地处西北太平洋热带气旋（tropical cyclone, TC）活动最频繁区域，TC强降雨是造成重大人员伤亡和经济损失的主要灾害之一。在双热带气旋（binary tropical cyclone, BTC）系统中，两个TC中心距离小于1800 km并持续至少12小时即构成相互作用，此类过程往往伴随异常路径和水汽交换，使降雨预报不确定性显著增大。诊断分析表明，BTC影响强降雨的两个关键物理特征为：伴随气旋（accompanying cyclone, ATC）向主导气旋（dominant cyclone, DTC，即距降雨中心较近者）输送水汽，以及DTC平移速度降低约20%。然而现有数值天气预报（numerical weather prediction, NWP）模型和统计模型在BTC情景下的强降雨预报技巧仍有待提升。动力-统计-相似集合预报模型（Dynamical-Statistical-Analog Ensemble Forecast for Landfalling Typhoon Precipitation, DSAEF_LTP）通过广义初值（Generalized Initial Value, GIV）匹配历史相似TC并集合其降雨场，其模块化框架便于引入新物理因子。因此，本研究将上述两种BTC机制参数化为“BTC因子”，纳入DSAEF_LTP V1.1版本，旨在改进复杂BTC条件下的强降雨预报。研究结果表明，该升级能有效缓解BTC效应造成的预报技巧下降，相关成果发表在《Tropical Cyclone Research and Review》。

研究使用中国气象局上海台风研究所（CMA/STI）的TC最佳路径数据集（6小时间隔，含位置和强度）和国家气象信息中心2027个站点的日降水观测资料（1200 UTC至1200 UTC），以及欧洲中期天气预报中心（ECMWF）、美国国家环境预报中心全球预报系统（NCEP-GFS）、中国气象局全球同化预报系统（CMA-GFS）和CMA上海气象局WRF ADAS实时模拟系统（CMA-SH9）四个NWP模式的预报数据。采用客观天气图分析技术（Objective Synoptic Analysis Technique, OSAT）识别TC相关降水，采用路径相似面积指数（Track Similarity Area Index, TSAI）度量路径相似度，以威胁评分（Threat Score, TS）评估100 mm和250 mm降雨阈值预报效果。历史相似BTC（sim_BTC）的识别需满足空间约束：历史DTC位于