3.3.2 温度、湿度和风速
下文从模式对温度、湿度和风速的角度进行模式性能的检验。图3.6～图3.8分别为URB试验和NURB试验模拟的D3区域7月4日12：00、7月5日00：00和7月5日12：00 2m、850hPa及500hPa温度分布及相应的NCEP 结果。从图3.6中可以看到，URB试验和NURB试验总体上较好地模拟了降水期间长三角地区的近地表温度分布。具体而言，7月4日12：00，模式很好地再现了位于常州至上海一线以及杭州地区的高温区域（＞28℃），最高温度达到30℃以上。此外，URB 试验和NURB 试验也均成功地捕捉了位于（118.1°E，28.5°N）附近的高温中心。但是，两个试验也均高估了D3西北地区的温度。7月5日00：00和7月5日12：00，近地表温度呈下降趋势，温度高于28℃的高温地区范围大大减小，至7月5日12：00，高温区仅出现在嘉兴部分区域和D3区域的西南角。同样，URB和NURB试验对高温中心均存在不同程度的高估。从图3.7中可以看到，降水期间D3区域850hPa温度主要呈现出南高北低型分布：31°～33°N 之间为低温区，31°N 以南东部地区温度较高（＞22℃）。500hPa温度分布与850h Pa类似，但是高温地区出现在D3区域西南部（图3.8）。URB试验和NURB试验能够较准确地描述对流层底层和中层的温度变化，但是对对流层顶的温度刻画能力较弱。尽管如此，URB试验总体上模拟出了降水期间长三角地区各典型气压层上的温度分布。值得指出的是，由于所采用的NCEP/NCAR 再分析资料分辨率较粗，很难准确地描述长三角地区这样的中小尺度范围温度变化，而数值模式分辨率较高，能够体现很多局地因素的影响。因此，这可能是模拟与观测有偏差的一个重要原因。
图3.6 D3区域2m 温度分布及相应的NCEP结果
图3.7 D3区域850hPa温度分布及相应的NCEP结果
图3.8 D3区域500hPa温度分布及相应的NCEP结果
将URB试验模拟的徐州、射阳、上海、安庆、杭州以及衢州6个探空站的温度、相对湿度和风速廓线与相应的探空观测进行比较，结果发现，URB 试验模拟的上述6个探空站的温度、相对湿度和风速廓线与观测较为吻合：从地表至对流层顶，各物理量的模拟值与观测相差均分别不超过1℃、1.2%和1m/s。由此说明，模式对与降水密切相关的气象要素的垂直方向发展刻画得较为准确。
由于探空站重点关注大气的铅直状态，且分布较为稀疏，其空间代表性不够，因此，将URB试验模拟的2m 温度（T 2）、2m 相对湿度 （RH 2）及10m 风速 （U 10）与气象站观测进行对比，对比结果列于表3.3中。平均误差统计可能受到一些气象站上模式对气象要素的高估和另一些气象站上模式对气象要素的低估的中和效应影响，容易导致统计结果失真。因此，为了更为客观地评价模式性能，针对上述三个要素，将气象站分为全体气象站、高估气象站（高估了观测结果）和低估气象站 （低估了观测结果），对上述气象站模拟与观测的平均误差（MB）和均方根误差 （RMSE）进行统计。从表3.3的统计结果来看，7月4日11：00 （降水前），URB 试验模拟的T 2 与观测相比呈现出略微的暖偏差（0.11℃）。与此同时，URB试验略微低估了U 10 （0.06m/s）。7月4日20：00和7月5日00：00，URB试验模拟的T 2 则呈现出冷偏差，并且高估了U 10。URB试验普遍低估了RH 2，但平均低估量仅为0.89%。尽管从表3.3中确实可以看到高估站和低估站对平均误差有影响，但是无论是高估站、低估站还是全部气象站，URB试验模拟的T 2、RH 2和U 10 与观测的平均误差均不超过±0.4℃、±1.5%和±0.3m/s。此外，统计得到的其均方根误差也分别小于1.5℃、2.0%和1.5m/s。根据Cox等（1998）提出的预报精度要求，Schlünzen和Katzfey （2003）于2003年设计了一种能够考虑测量误差的统计量——命中率（HR）。按照它们的定义，HR 为(https://www.daowen.com)
式中：m 为对比数据个数；|dif（obs，sim）|为观测与模拟结果之差的绝对值；A 为预报精度要求，依据表3.4取值。
根据HR 的定义，计算URB 试验模拟的T 2、RH 2 和U 10 与观测的命中率。从表3.3中的计算结果可以清楚地看到，对于上述任一种气象要素，其命中率均高于85%，最高可达96%。综上所述，图3.9和表3.3的结果均表明WRF模式对降水期间温度、相对湿度和风速这三个要素具有良好的模拟能力。
表3.3 URB试验模拟的2m 温度 （T 2）、2m 相对湿度 （RH 2）及10m 风速（U 10）与气象站观测的对比
续表
表3.4 预报精度要求A
