賈麗紅，馬 諾，孫鳴婧，肖開提·多萊特

（1.新疆氣象臺，新疆 烏魯木齊830002；2.新疆氣象學(xué)會，新疆 烏魯木齊830002）

極端天氣事件常引發(fā)很多次生災(zāi)害，給國民經(jīng)濟(jì)和人民財產(chǎn)造成重大損失。社會公眾越來越關(guān)注極端天氣事件，有研究表明世界范圍內(nèi)極端天氣事件的發(fā)生呈現(xiàn)上升的趨勢，所造成的損失也越來越高[1]。關(guān)于新疆的強(qiáng)降水已有多人進(jìn)行專項研究[2-12]，對新疆強(qiáng)降水時空分布特點和發(fā)生發(fā)展機(jī)理進(jìn)行了分析，得出一些成功的預(yù)報經(jīng)驗。但對極端天氣這種小概率事件，具有較大不確定性，預(yù)報難度很大。

針對極端天氣事件的預(yù)報，集合預(yù)報應(yīng)用是重要方向之一[13]。Lalaurette[14]基于ECMWF 集合預(yù)報系統(tǒng)（EPS）開發(fā)了極端天氣預(yù)報指數(shù)（EFI），定量地確定未來某一氣象要素發(fā)生概率相對于“模式氣候（model climate）”概率的差異。這種差異越大，說明天氣偏離氣候態(tài)越大，則極端事件發(fā)生的概率越大，從而可以對極端天氣事件進(jìn)行預(yù)報和早期預(yù)警。Richardson[15]研究指出EFI 可以作為一個重要的工具提前幾天預(yù)報出極端天氣事件。

近幾年國內(nèi)針對EFI 也做了一些研究工作，董全等[16-17]指出EFI 的預(yù)報效果和閾值存在明顯的季節(jié)差異。使用ECMWF EPS 的氣溫、降水極端天氣預(yù)報產(chǎn)品，分析和總結(jié)了EFI 和SOT（“shift of tail”index）在我國極端高、低溫及降水天氣中的應(yīng)用，并根據(jù)TS 評分結(jié)果，得到了EFI 和SOT 在極端天氣預(yù)報中的閾值。夏凡等[18]和劉琳等[19]借鑒ECMWF 極端天氣預(yù)報指數(shù)方案，建立了適合T213 集合預(yù)報模式的極端天氣預(yù)報指數(shù)，并對2008 年1 月極端低溫天氣和2011 年7 月中國極端強(qiáng)降水天氣分別進(jìn)行評估檢驗。陶亦為等[20]利用ECMWF 再分析資料和EFI 對2016 年1 月強(qiáng)寒潮天氣環(huán)流異常性和EFI 對極端低溫事件的預(yù)報進(jìn)行了分析和檢驗。吳劍坤等[21]利用S 指數(shù)評分方法確定發(fā)布極端溫度預(yù)警信號閾值。朱鵬飛等[22]使用ECMWF 集合預(yù)報系統(tǒng)的EFI 資料，分析了降水EFI 和強(qiáng)降水、降水氣候距平的統(tǒng)計關(guān)系，并在安徽省進(jìn)行了應(yīng)用評估。陳鶴等[23]運(yùn)用ETS 評分和偏差分析等方法，對EFI 產(chǎn)品在湖南降水預(yù)報效果進(jìn)行了檢驗評估，結(jié)果表明預(yù)報EFI 與實況降水量存在顯著正相關(guān)關(guān)系。龍柯吉等[24]綜合考慮不同極端降水天氣指數(shù)閾值對應(yīng)的暴雨TS、ETS 評分及各閾值評分最高時的發(fā)生頻次，獲得暴雨預(yù)報對應(yīng)的最佳極端降水天氣指數(shù)閾值。

數(shù)值模式產(chǎn)品只有進(jìn)行客觀評估，才能獲得有效的判別指標(biāo)，提高產(chǎn)品的使用效果及預(yù)報水平[25-29]。ECMWF 提供的降水極端天氣預(yù)報指數(shù)產(chǎn)品在新疆氣象預(yù)報業(yè)務(wù)部門初步應(yīng)用，缺乏產(chǎn)品的本地化客觀評估及預(yù)報閾值和指標(biāo)研究，應(yīng)用效果不夠理想。為此，本文以新疆范圍作為評估區(qū)域，2015 年10月—2018 年9 月的ECMWF 逐日降水EFI 作為樣本，對EFI 產(chǎn)品開展預(yù)報評估及閾值研究，以期為降水EFI 預(yù)報產(chǎn)品在業(yè)務(wù)中的后續(xù)應(yīng)用提供參考依據(jù)。

1 資料和方法

1.1 資料使用和處理

由于新疆區(qū)域的特殊性，降水等級標(biāo)準(zhǔn)與中國氣象局使用的降水等級標(biāo)準(zhǔn)不同，而且存在雨和雪在量級上也有不同。本文研究的是強(qiáng)降水，因此使用大量以上的新疆降水量等級標(biāo)準(zhǔn)（表1）。對2015 年10 月—2018 年9 月20 時的實況降水?dāng)?shù)據(jù)，通過天氣現(xiàn)象和溫度判斷降水性質(zhì)，雨夾雪、雨轉(zhuǎn)雨夾雪、雨夾雪轉(zhuǎn)雨等出現(xiàn)雪的天氣現(xiàn)象都?xì)w為雪。降水量用R 表示。

表1 新疆強(qiáng)降水等級標(biāo)準(zhǔn)

極端降水指數(shù)關(guān)注集合預(yù)報在極端降水中的應(yīng)用，本文運(yùn)用天氣預(yù)報業(yè)務(wù)中常用的分級降水預(yù)報檢驗方法，只對大量以上（含大量，下同）降水量對應(yīng)的不同EFI 閾值的預(yù)報進(jìn)行評估。

1.2 極端降水指數(shù)的定義

ECMWF EPS 中的極端預(yù)報指數(shù)EFI 為累積的“集合預(yù)報的概率分布”同“模式氣候的概率分布”之差[23-24]，計算公式為：

式中，p 是模式累積概率函數(shù)；Ff（p）為基于集合預(yù)報累積概率函數(shù)；p（1-p）為權(quán)重，當(dāng)p=0 或1 時，權(quán)重系數(shù)最大?！澳Ｊ綒夂颉钡膽?yīng)用，一方面使得EFI有效地剔除了模式的系統(tǒng)性偏差，另一方面也使得EFI 表征的極端事件與季節(jié)高度相關(guān)。EFI 的值在-1～1 之間，越接近-1，說明預(yù)報事件越偏向極端偏低情況，越接近1，說明預(yù)報事件越偏向極端偏高情況。在強(qiáng)降水預(yù)報中，EFI 值越接近1 則表明預(yù)報的降水量越接近模式氣候的最大值。

1.3 檢驗方法

對于EFI 降水預(yù)報效果的檢驗，則需要檢驗不同EFI 值的預(yù)報效果，尋求一個最佳EFI 臨界閾值。檢驗方法采用中短期天氣預(yù)報質(zhì)量檢驗方法中降水預(yù)報的檢驗，見表2。

表2 降水預(yù)報檢驗分類

對于每個站點分為EFI 降水預(yù)報極端事件發(fā)生（不發(fā)生）、實況事件發(fā)生（不發(fā)生）、預(yù)報正確（NA、ND）以及空報（NB）和漏報（NC）幾種可能情況，通過TS 評分（TS）、空報率（F）、漏報率（P）等方法對預(yù)報要素的EFI 做定量檢驗，找到最大TS 評分以確定EFI 的臨界閾值。公式如下：

式（2）~（5）中，NA 為預(yù)報正確的站（次）數(shù)；NB 為空報站（次）數(shù)；NC 為漏報站（次）數(shù)；ND 為無降水預(yù)報正確的站（次）數(shù)。

2 結(jié)果分析

降水EFI 指示了模式預(yù)報與模式氣候的差異，EFI 的值越大，越有可能發(fā)生極端降水，而EFI 閾值的大小與不同預(yù)報時效和季節(jié)相關(guān)聯(lián)。

醫(yī)學(xué)院校在專業(yè)知識培養(yǎng)方面，大多數(shù)采用傳統(tǒng)授課方式、PBL模式教學(xué)，在專業(yè)知識講授、實踐操作方面繼續(xù)發(fā)揮傳統(tǒng)授課的優(yōu)勢；在德育教育方面部分采用網(wǎng)絡(luò)教學(xué)，充分吸收外部優(yōu)質(zhì)教育資源，實行傳統(tǒng)和網(wǎng)絡(luò)并存的教學(xué)模式。傳統(tǒng)與網(wǎng)絡(luò)教育教學(xué)相結(jié)合，二者各有所長、相輔相成共同為培養(yǎng)發(fā)展全面的醫(yī)學(xué)生貢獻(xiàn)各自的力量。

2.1 逐日降水與EFI 分布

使用2015 年10 月—2018 年9 月ECMWF 集合預(yù)報系統(tǒng)20 時起報的24 h、48 h、72 h、96 h 時效的逐24 h EFI 資料與實時20—20 時降水量進(jìn)行對比，分析研究EFI 與降水量的對應(yīng)關(guān)系，得到擬合結(jié)果（圖1）。

圖1 中，實況降水選擇大量及大量以上的樣本。從預(yù)報EFI 與降水實況觀測樣本對比來看：EFI 值基本分布在-0.2~0.9 區(qū)間內(nèi)，大多數(shù)降水日的預(yù)報EFI>0，預(yù)報時效越近，EFI 值的分布越集中，預(yù)報的EFI 與實況降水量存在良好的正相關(guān)關(guān)系。對于24 h預(yù)報時效（圖1a），大量以上降水時預(yù)報的EFI 基本上都大于0，尤其是暴量降水時預(yù)報的EFI 均為正值，其平均值為0.44，且隨著降水量增加，EFI 預(yù)報結(jié)果具有線性增加趨勢，因此對暴量以上降水EFI預(yù)報結(jié)果具有一定的指示意義；對于48 h 預(yù)報時效（圖1b），大量以上降水時預(yù)報的EFI 有95%大于0，大暴量降水時預(yù)報的EFI 均為正值，其平均值為0.35；對于72 h 預(yù)報時效（圖1c），大量以上降水時預(yù)報的EFI 有81%＞0，大暴量降水時預(yù)報的EFI 有2%＜0，其平均值為0.21；對于96 h 預(yù)報時效（圖1d），與72 h 相類似，EFI 平均值為0.14。

針對4 個預(yù)報時效，少量樣本日降水量較大時EFI 預(yù)報值明顯偏低，也反映了模式在降水預(yù)報位置出現(xiàn)偏差或?qū)?qiáng)降水存在明顯的漏報。對同時效的EFI 預(yù)報，降水量增加負(fù)值區(qū)減少，說明EFI 預(yù)報對強(qiáng)降水有著較好的指示意義；對同量級的降水，隨著預(yù)報時效的延長，EFI 指數(shù)負(fù)值區(qū)增加，說明漏報加大。

從擬合線可以看出，日降水量在大量級以上時，隨著預(yù)報時效的增加，擬合直線的斜率呈現(xiàn)出減小趨勢（從24 h 的0.003 7 到96 h 的0.001 3），這說明數(shù)值預(yù)報隨著預(yù)報時效的增加其準(zhǔn)確率在降低。

綜上所述，預(yù)報的EFI 與實況降水量存在一定的正相關(guān)關(guān)系，隨著降水量增加，EFI 預(yù)報結(jié)果具有線性增加趨勢，對暴量以上降水EFI 預(yù)報結(jié)果具有一定的指示意義。隨預(yù)報時效延長，正相關(guān)性關(guān)系變差，EFI 預(yù)報準(zhǔn)確率在降低。

2.2 不同預(yù)報時效降水EFI 閾值及預(yù)報準(zhǔn)確率

為進(jìn)一步分析降水EFI 對降水落區(qū)和強(qiáng)度預(yù)報的確定性指標(biāo)，使用TS 評分（TS）和預(yù)報偏差（BS，即Bias 評分）來分析EFI 對不同預(yù)報時效降水的預(yù)報準(zhǔn)確率。

圖1 0~24h（a）、24~48h（b）、48~72h（c）、72~96 h（d）預(yù)報時效內(nèi)24 h 站點降水量（R）與強(qiáng)降水EFI 散點圖

圖2 給出24 h、48 h、72 h、96 h 預(yù)報時效內(nèi)24 h降水EFI 對應(yīng)的大量、暴量和大暴量降水的TS 評分和預(yù)報偏差BS 結(jié)果。可以看出：對于0～24 h 預(yù)報（圖2a），大量降水時，EFI 在0.4～0.5 范圍內(nèi)，TS 為最大值0.35～0.36，BS 在0.9～1.4；暴量降水時，EFI在0.5～0.6 范圍內(nèi)，TS 為最大值0.18～0.19，BS 在1.2～2.5，暴雨預(yù)報范圍略大于實際暴雨發(fā)生范圍；大暴量降水時，EFI 在0.6～0.7 范圍內(nèi)，TS 為最大值0.05～0.07，BS 最大為5.0，空報率增加。各降水量級在TS 最高區(qū)域，當(dāng)逐日降水EFI 閾值增加時，BS 隨之減小，TS 下降；當(dāng)逐日降水EFI 閾值減小時，BS迅速增加，空報率增加，TS 隨之下降。對于24～48 h預(yù)報（圖2b），大量降水時，EFI 在0.3～0.4 范圍內(nèi)，TS 為最大值0.29～0.30，BS 在1.1～2.0 之內(nèi)；暴量降水時，EFI 在0.4～0.6 范圍內(nèi)，TS 為最大值0.12～0.13，BS 在1.0～3.5 之內(nèi)；大暴量降水時，EFI 在0.6～0.7 范圍內(nèi)，TS 為最大值0.02～0.03，BS 在2.0～5.0，大暴量降水相對于24 h 預(yù)報空報率有所減小。對于48～72 h 預(yù)報（圖2c），大量降水時，EFI 在0.3～0.4范圍內(nèi)，TS 為最大值0.25～0.26，BS 在1.0～1.8 之內(nèi)；暴量降水時，EFI 在0.5 周圍內(nèi)，TS 為最大值0.14，BS 在1.2 左右；大暴量降水時，EFI 在0.6 周圍內(nèi)TS為最大值0.04，BS 在2.5 左右。對于72～96 h 預(yù)報（圖2d）與72h 相似，大量降水時，EFI 在0.3～0.4 范圍內(nèi)，TS 為最大值0.19～0.20，BS 在0.6～1.5 之內(nèi)；暴量降水時，EFI 在0.4 左右TS 為最大值0.12，BS 在2.0 左右；大暴量降水時EFI 在0.6 周圍TS 為最大值0.04，BS 在0.5 左右，漏報率增加。

綜上所述，各量級預(yù)報的最高TS評分隨著預(yù)報時效的增加而減小，且隨著降水量等級的增大而減小，如24 h 時效最高TS 評分分別達(dá)到了0.36（大量）、0.19（暴量）、0.06（大暴量）。當(dāng)TS 取最高值時，各降水量級EFI 預(yù)報偏差BS 并不一定最接近1，而在1～5 之間。因此要取得較大的TS，并且BS 在相對接近1 的情況下（理想狀態(tài)），各時效不同量級降水預(yù)報EFI 閾值的選取見表3。當(dāng)EFI 值達(dá)到或者超過某一閾值時，預(yù)示著強(qiáng)降水發(fā)生的可能性在增加，預(yù)報員應(yīng)該根據(jù)閾值對應(yīng)的落區(qū)對強(qiáng)降水落區(qū)進(jìn)行訂正。

2.3 逐日降水在不同季節(jié)的預(yù)報評估

2.3.1 EFI 對應(yīng)的降水頻次

由于新疆區(qū)域氣候特點，不同季節(jié)天氣差異很大，產(chǎn)生降水的天氣系統(tǒng)在尺度上也存在差異。為更細(xì)致地分析EFI 降水預(yù)報接近或達(dá)到歷史同期極值的強(qiáng)降水發(fā)生概率，分季節(jié)進(jìn)行統(tǒng)計分析。按照新疆四季的劃分，將一年分為春（3—5 月）、夏（6—8 月）、秋（9—11 月）、冬（12—翌年2 月）4 個季節(jié)。在2015年10 月—2018 年9 月3 年新疆105 個站點的實況觀測數(shù)據(jù)中，大量以上降水春夏秋冬四季分別占25.7%、34.1%、26.1%和14.1%， 暴量降水分別為5.7%、8.4%、7.1%和4.3%，大暴量降水分別為0.2%、0.8%、0.5%和0.2%?？梢钥闯龃罅亢捅┝拷邓韵募咀疃?，春秋季次之，冬季最少，而大暴量降水季節(jié)差別不大。

圖2 0—24 h（a）、24—48 h（b））、48—72 h（c）、72—96 h（d）預(yù)報時效逐日降水

表3 TS 和BS 評分理想狀態(tài)下的EFI 閾值

統(tǒng)計了逐日EFI 降水資料24 h、48 h、72 h、96 h預(yù)報時效在4 個季節(jié)中不同閾值發(fā)生強(qiáng)降水（以暴量為例）的頻次，如圖3 所示。對于春季（圖3a），EFI值在0.4～0.7 之間，暴量發(fā)生的站次在20～29 次之間，各預(yù)報時效間數(shù)量略有不同。24 h 時效EFI 值在0.5 時站次最多為28 次，48 h 時效EFI 值在0.4時站次最多為27 次，72 h 時效EFI 值在0.4 和0.5時站次最多為29 次，96 h 時效EFI 值在0.6 時站次最多為28 次。秋季（圖3b）與春季相類似，EFI 值在0.4～0.6 之間。夏季（圖3c）由于暴量降水發(fā)生頻次多，站次數(shù)量也相對較大，但EFI 閾值相對分散。24、48 h 時效的EFI 值在0.3～0.6 之間，暴量發(fā)生的站次最大值在40～45 范圍；72 h 時效的EFI 值在0.7時站次最大為41 次；96 h 時效的EFI 值在0.4 和0.5 時站次都是最大為39 次。冬季（圖3d）暴量降水發(fā)生時EFI 值集中在0.4～0.6 范圍，站次頻次最大在15～25 次之間。

總體來看，對應(yīng)暴雨站次最多的EFI 值春秋冬3 季大都在0.4～0.6 范圍，夏季EFI 值范圍在0.2～0.7 之間，說明夏季更易發(fā)生暴量降水。隨著預(yù)報時效的增加，EFI 值逐漸減小。

2.3.2 降水EFI 準(zhǔn)確率的評估

同時段逐日降水EFI 的預(yù)報準(zhǔn)確率、最佳閾值也存在明顯的季節(jié)差異。選擇合適的EFI 時，對強(qiáng)降水的預(yù)報更準(zhǔn)確。表4 列出了不同季節(jié)和預(yù)報時效，當(dāng)TS 最大化時的EFI 閾值、空報率和漏報率。可以看出對于春季，大量降水的TS 為0.18～0.36，EFI 閾值為0.35～0.45，空報率為65～78%，漏報率為25%～36%； 暴量的TS 為0.11～0.18，EFI 閾值為0.45～0.55，空報率為58%～67%，漏報率為51%～74%；大暴量的TS 為0.02～0.05，EFI 閾值為0.55～0.7，空報率為52%～65%，漏報率為88%～94%，說明隨著預(yù)報時效和降水量級的增加TS 減小。同時降水量級增大，EFI 閾值增加，空報率減小而漏報率增加。與春季相比，夏季各量級及時段TS 平均值明顯高于春季28.5%，EFI 閾值降低了8.2%，空報率和漏報率分別降低了13.8%和18.3%。冬季與春季相比，各量級及時段TS 平均值高12.7%，空報率和漏報率分別降低了1.4%和6.7%。秋季與春季相類似，不再贅述。

綜合來看，夏季預(yù)報準(zhǔn)確率TS 最高，其次是冬季、秋季，春季最低。夏季TS 出現(xiàn)最高（24 h 的TS=0.42）評分時的EFI=0.35，低于其他季節(jié)及年平均值，說明夏季閾值更低，相對其他季節(jié)更容易出現(xiàn)強(qiáng)降水。用EFI 閾值進(jìn)行預(yù)報時，空報率和漏報率不容忽視。對于大量降水，4 個預(yù)報時效空（漏）報率平均值春季為71%（30%），夏季為57%（13%），秋季為76%（24%），冬季為72%（21%）；對于暴量降水，空（漏）報率平均值春季為63%（60%），夏季空（漏）報率為52%（61%），秋季為61%（65%），冬季為61%（62%）；對于大暴量降水，4 個季節(jié)的漏報率都增加到90%以上。說明隨著降水量級的增加，空報率減小幅度不大，但漏報率明顯增加。因此，在預(yù)報暴量以上降水時，要重點關(guān)注漏報環(huán)節(jié)。

3 結(jié)論

使用2015 年10 月—2018 年9 月基于ECMWF集合預(yù)報系統(tǒng)極端降水天氣預(yù)報指數(shù)（EFI）資料，對其在新疆區(qū)域96 h 預(yù)報時效內(nèi)逐24 h 大量以上降水預(yù)報效果進(jìn)行了定量檢驗評估，具體結(jié)論如下：

（1）預(yù)報的EFI 與實況降水量存在一定的正相關(guān)關(guān)系，隨著降水量增加，EFI 預(yù)報結(jié)果具有線性增加趨勢。對暴量以上降水EFI 預(yù)報結(jié)果具有一定的指示意義。隨預(yù)報時效延長，正相關(guān)性關(guān)系變差，EFI預(yù)報準(zhǔn)確率降低。

（2）各量級降水預(yù)報的最高TS 評分隨著預(yù)報時效的增加而減小，且隨著降水量等級的增大而減小。選取較大TS 且BS 在相對接近1 為理想狀態(tài)下，EFI 閾值的選取和TS分別為：大量對應(yīng)的24 h、48 h、72 h、96 h 時效的EFI 值（TS）為0.45（0.36）、0.4（0.3）、0.35（0.26）、0.35（0.19）；暴量對應(yīng)的值為：0.55（0.19）、0.55（0.13）、0.50（0.13）、0.45（0.12）；大暴量對應(yīng)的值為：0.7（0.06）、0.7（0.03）、0.65（0.03）、0.55（0.02）。

（3）不同季節(jié)暴量降水發(fā)生頻次夏季最多，冬季最少，春秋次數(shù)相當(dāng)。暴量發(fā)生最多所對應(yīng)的EFI 閾值，春秋冬三季大都在0.4～0.6，夏季在0.2～0.7，說明夏季更易發(fā)生暴量降水。隨著預(yù)報時效的增加，暴量降水發(fā)生站次最多所對應(yīng)的EFI 值逐漸減小。

（4）不同季節(jié)最高TS 評分對應(yīng)不同的EFI 閾值。夏季TS 最高為0.42，出現(xiàn)最高TS 評分時的EFI為0.35，夏季閾值低于其他季節(jié)及年平均值；對于大量降水，4 個預(yù)報時效空（漏）報率平均值春季為71%（30%），夏季為57%（13%），秋季為76%（24%），冬季為72%（21%）；對于暴量降水，空（漏）報率平均值春季為63%（60%），夏季空（漏）報率為52%（61%），秋季為61%（65%），冬季為61%（62%）；對于大暴量降水，4 個季節(jié)的漏報率都增加到90%以上，說明隨著降水量級的增加，空報率減小幅度不大，但漏報率明顯增加。因此，在預(yù)報暴量以上降水時，要重點注意漏報環(huán)節(jié)。

由于使用的資料年限較短，暴量尤其是大暴量降水樣本偏少，因此對于EFI 閾值的確定和準(zhǔn)確率評估會存在一定的局限和誤差。且對于春秋季節(jié)存在降水性質(zhì)的判識而導(dǎo)致的降水量級上的差異，在預(yù)報環(huán)節(jié)上會存在一定的困難。后期將引入降雪EFI 資料，并逐步增加樣本的時間長度和空間尺度，以得到更加準(zhǔn)確的閾值范圍。期望利用EFI 的優(yōu)勢，提高新疆區(qū)域強(qiáng)降水預(yù)報的準(zhǔn)確率。