曾 鵬，鐘利華*，鄭鳳琴，史彩霞，朱麗云

（1.廣西壯族自治區(qū)氣象災(zāi)害防御技術(shù)中心，南寧 530022；2.廣西壯族自治區(qū)氣候中心，南寧 530022）

引言

高分辨率網(wǎng)格化氣象信息是開展精細化專業(yè)氣象服務(wù)的一個重要技術(shù)支撐，目前氣象業(yè)務(wù)中使用的氣象資料具有不同的時間和空間分辨率。例如歐洲數(shù)值預(yù)報中心產(chǎn)品的水平分辨率可達到0.1°×0.1°的精度，美國國家環(huán)境預(yù)報中心的GFS 模式提供0.5°×0.5°高分辨率的產(chǎn)品，廣西智能網(wǎng)格產(chǎn)品的分辨率為5km（0.05°×0.05°）。從業(yè)務(wù)應(yīng)用考慮，這些產(chǎn)品的空間分辨率還不能滿足行業(yè)用戶的需求，而高分辨率氣象預(yù)報產(chǎn)品細節(jié)豐富，但數(shù)據(jù)規(guī)模較大，一般用于信道和硬件設(shè)施條件較好的氣象業(yè)務(wù)部門［1］。為滿足用戶定點服務(wù)的需求，基于較低分辨率氣象產(chǎn)品的基礎(chǔ)上，通過一些降尺度算法可以獲得較高分辨率的氣象產(chǎn)品，并可低成本提高氣象保障的精細化程度，具有明顯的實際應(yīng)用價值?，F(xiàn)有使用的降尺度方法有動力降尺度法、統(tǒng)計降尺度法、統(tǒng)計與動力相結(jié)合的降尺度法，相比較而言，統(tǒng)計降尺度法計算量小而易于操作，能夠通過利用大量實況資料，輸出較高分辨率或站點尺度的氣象要素等優(yōu)點，對現(xiàn)有的業(yè)務(wù)數(shù)值預(yù)報結(jié)果有明顯的改進能力［2-3］。智能網(wǎng)格氣象預(yù)報是目前中國氣象局主推業(yè)務(wù)和未來天氣預(yù)報的發(fā)展方向，2017 年開始，廣西氣象局研發(fā)了廣西區(qū)域5km 分辨率的未來10d 精細化氣象網(wǎng)格預(yù)報產(chǎn)品，逐漸開始基于智能網(wǎng)格預(yù)報產(chǎn)品的業(yè)務(wù)應(yīng)用，根據(jù)行業(yè)部門和專業(yè)用戶的服務(wù)特點和需求研發(fā)精細化的服務(wù)產(chǎn)品［4-5］，建立合理、有效的格點到用戶關(guān)心的位置（區(qū)域、線路或關(guān)鍵點）的預(yù)報要素解析方法并開展檢驗工作，例如盧小風(fēng)等［6］開展了智能網(wǎng)格產(chǎn)品在西江流域的應(yīng)用檢驗，陳偉斌等［7］對集合預(yù)報降水產(chǎn)品在廣西的預(yù)報性能進行了分析；季永平、智協(xié)飛等［8-9］研究了統(tǒng)計降尺度方法對中國地面降水的預(yù)報應(yīng)用，表明統(tǒng)計降尺度可一定程度上減少預(yù)報誤差，這些研究為數(shù)值預(yù)報產(chǎn)品的釋用提供了很多有價值的參考依據(jù)。

針對近3a 臺風(fēng)影響廣西的主要時段（6—9 月）和臺風(fēng)暴雨主要落區(qū)開展研究，區(qū)域選取為廣西南部和沿海地區(qū)，范圍為：104°E～112°E，20°N～22.8°N（以下稱為桂南區(qū)域），利用廣西智能網(wǎng)格降雨量預(yù)報產(chǎn)品（分辨率5km），采用最鄰近點法、雙線性插值、雙三次插值以及分級回歸統(tǒng)計降尺度方法，分析桂南區(qū)域高分辨率1km 格點至站點預(yù)報的適用性，為粗網(wǎng)格至更精細的網(wǎng)格降水預(yù)報解析和轉(zhuǎn)換提供參考，從而滿足行業(yè)用戶對精細化預(yù)報服務(wù)的需求。

1 資料與方法

1.1 資料

預(yù)報資料為每日12UTC 起報的廣西智能網(wǎng)格降雨量產(chǎn)品，時效為10d，時間分辨率逐3h，空間分辨率5km，資料時間為2018 年—2020 年6—9 月。

實況資料來源于全國綜合氣象信息共享系統(tǒng)（CIMISS），資料時間為2018 年—2020 年6—9 月的自動站逐小時降雨量觀測資料，其中桂南區(qū)域的國家級和區(qū)域級自動氣象觀測站共計566 個站點。

1.2 方法

選取最鄰近點法、雙線性插值、雙三次插值和回歸統(tǒng)計這4 種方法，研究和評估降尺度預(yù)報產(chǎn)品的解析性能，最鄰近點法、雙線性插值和雙三次插值的方法原理其它文獻已有詳細介紹［10］，統(tǒng)計降尺度和評估方法簡要介紹如下：

（1）統(tǒng)計降尺度方法

采用最鄰近點法將模式預(yù)報插值到觀測站點上，對24h 累計降雨量的預(yù)報與觀測資料用最小二乘法逐站點建立一元線性回歸關(guān)系，關(guān)系式為：

其中，a 為回歸系數(shù)，b 為回歸常數(shù)，F(xiàn)t為模式預(yù)報結(jié)果，F(xiàn)′t為降尺度訂正后的結(jié)果，對于各個格點／站點，按照該式對模式預(yù)報進行回歸訂正。

（2）檢驗評估方法

對預(yù)報結(jié)果采用的判定方法：TS 評分，表示事件發(fā)生的正確預(yù)報次數(shù)與事件發(fā)生總次數(shù)（預(yù)報或觀測）的比率；ETS 評分，表示除去隨機偶然事件后，事件發(fā)生且預(yù)報正確的次數(shù)與事件發(fā)生總次數(shù)的比率；預(yù)報偏差（Bias），表示預(yù)報事件發(fā)生的次數(shù)與觀測事件發(fā)生的次數(shù)的比率。

2 結(jié)果與分析

2.1 檢驗評估

對2018 年—2020 年6—9 月20 時起報的智能網(wǎng)格降雨量預(yù)報產(chǎn)品開展降尺度應(yīng)用研究，先用最鄰近點法、雙線性插值和雙三次插值法將5km 的預(yù)報產(chǎn)品插值成1km，再解析到對應(yīng)的站點。3 種方法按照24h 降雨量等級標(biāo)準(zhǔn)將雨量分為小雨（0.1—10mm）、中雨（10—25mm）、大雨（25—50mm）和暴雨以上（＞50mm）共4 個量級。首先研究3 種不同的解析方法的TS 評分情況，圖1 給出了智能網(wǎng)格預(yù)報產(chǎn)品通過3 種方法解析到桂南區(qū)域566 個自動觀測站的雨量分級分時效（24—120h）的TS 評分，可以看出，最鄰近點法、雙線性插值法和雙三次插值法這3 種方法的TS 評分差異較小。在小雨、中雨、大雨和暴雨以上量級的TS 評分的不同預(yù)報時效波動范圍分別為0.72～0.74、0.10～0.11、0.06～0.08 和0.09～0.13，在各個量級的24—120h 預(yù)報時效的3 種方法TS 評分差值均小于0.01。

圖1 3 種方法的2018—2020 年6—9 月智能網(wǎng)格預(yù)報解析到桂南區(qū)域站點的24～120h 降雨量預(yù)報時效分級TS 評分

為了進一步分析3 種插值方法的差異性，分別計算3 種方法的平均絕對誤差、均方根誤差、ETS 評分和Bias 偏差（圖2），從平均絕對誤差來看（圖2a），3 種方法在各預(yù)報時效的值幾乎完全一致，其誤差均小于1mm，總體趨勢呈現(xiàn)24～72h 內(nèi)誤差隨預(yù)報時效增大，96～120h 又略有降低的趨勢，各時效誤差基本為9～11mm；從均方差分析（圖2b），48h 和96h 預(yù)報時效的雙三次插值雨量的均方差略高，其它預(yù)報時效3 種方法基本一致，雙線性插值略低；ETS 評分顯示（圖2c），3 種方法的ETS 評分均隨預(yù)報時效增長而降低，最鄰近點法的ETS 評分表現(xiàn)最好；Bias 評分也表明雖然3 種方法的降水預(yù)報頻次或降水量有偏多的特征，存在過度預(yù)報的情況（Bias＞1），但是最鄰近點法其取值基本在1.21～1.3之間，相對而言仍是最接近1，優(yōu)于其它兩種方法（圖2d）?？傮w而言，對于空間分辨率已經(jīng)較高的智能網(wǎng)格預(yù)報，不同的插值方法對于桂南區(qū)域的降雨預(yù)報差異性不大，需要尋求更好的模式預(yù)報降尺度釋用技術(shù)以改善預(yù)報效果。

圖2 3 種方法的2018—2020 年6—9 月智能網(wǎng)格預(yù)報解析到桂南區(qū)域站點的24－120h 降雨量預(yù)報時效誤差分析

2.2 基于分級回歸的降水統(tǒng)計降尺度

根據(jù)24h 累計地面降水量，以小雨、中雨、大雨和暴雨以上4 個降雨量級為標(biāo)準(zhǔn)，選取2018—2019年6—9 月的智能網(wǎng)格預(yù)報中各個量級的降水樣本作為訓(xùn)練樣本，用最小二乘法與對應(yīng)的觀測降水量分別建立各個量級的回歸方程，形成相對應(yīng)的預(yù)報模型，對2020 年6—9 月的預(yù)報進行分級回歸統(tǒng)計降尺度訂正，并與其它3 種插值方法的預(yù)報效果作對比，如圖3 所示，計算了4 種方法的TS 評分，結(jié)果顯示在中雨以上量級，經(jīng)過分級回歸訂正后的TS評分在大多數(shù)預(yù)報時效相較于3 種插值方法均有不同程度的提高；對于小雨量級（圖3a），回歸訂正后的預(yù)報效果改善情況不明顯，中雨和大雨（圖3b，c）量級的24～120h 預(yù)報時效的回歸訂正TS 評分總體升高了0.01～0.03，暴雨以上量級的回歸訂正評分相比其它3 種方法可提高0.02～0.04（圖3d）?？傮w而言，分級回歸可以在一定量級上提高降雨預(yù)報的評分。

圖3 回歸訂正與3 種插值方法的2020 年6—9 月智能網(wǎng)格預(yù)報解析到桂南區(qū)域站點的24～120h 降雨量預(yù)報時效分級TS 評分

3 臺風(fēng)強降水個例分析

為了比較臺風(fēng)強降水過程統(tǒng)計分級回歸與插值降尺度方法的差異性，下面給出2019 年8 月臺風(fēng)“韋帕”降水的個例分析。圖4 是此次臺風(fēng)降水過程較明顯的時段（2019 年8 月1 日20 時—2019 年8月2 日20 時），從降水實況分析，8 月1 日20 時—2日20 時的主要強水區(qū)位于桂東南和沿海一帶，大暴雨主要出現(xiàn)在北海、防城港和玉林市南部區(qū)域（圖4a）；對最鄰近點法的預(yù)報場解析到站點可見（圖4b），8 月1 日20 時起報的未來24h 預(yù)報，對于大暴雨范圍其預(yù)報的區(qū)域偏大，除了沿海三市，還擴展到了南寧東部、貴港西南部和崇左南部地區(qū)，其它區(qū)域的降水也比實況偏大；對用分級統(tǒng)計回歸訂正預(yù)報再解析到站點的降雨量分析可知（圖4c），經(jīng)過歷史資料的擬合，對強降水區(qū)域進行了修正，大暴雨區(qū)域主要位于沿海地區(qū)，其它區(qū)域主要以大雨到暴雨為主，相比于原智能網(wǎng)格預(yù)報更接近于實況；從該日24h 預(yù)報的TS 評分可見（圖4d），統(tǒng)計回歸在小雨、中雨和大雨量級上的評分均比其它3 種插值方法有0.1～0.3 的提高。

圖4 臺風(fēng)降水個例

在桂南區(qū)域臺風(fēng)降水預(yù)報預(yù)警業(yè)務(wù)的實際應(yīng)用中，通過將建立好的分級回歸模型應(yīng)用于智能網(wǎng)格預(yù)報產(chǎn)品，再通過插值形成1km 的網(wǎng)格化預(yù)報場，在一定程度上提高了網(wǎng)格化預(yù)報的精細化水平和預(yù)報效果，為行業(yè)用戶開展臺風(fēng)過程期間的防災(zāi)減災(zāi)和安全生產(chǎn)保障提供科學(xué)的參考依據(jù)。

4 結(jié)論和討論

利用廣西智能網(wǎng)格降雨量預(yù)報產(chǎn)品、桂南區(qū)域自動觀測站降雨量實況資料，采用最鄰近點法、雙線性插值、雙三次插值和分級回歸統(tǒng)計降尺度方法，對網(wǎng)格降水預(yù)報向更精細化網(wǎng)格點降水解析的適用性進行分析，得到以下結(jié)論：

（1）對于分辨率較高的智能網(wǎng)格預(yù)報產(chǎn)品，采用最鄰近點法、雙線性插值和雙三次插值將智能網(wǎng)格預(yù)報降雨量解析到桂南區(qū)域選定的566 個自動觀測站點上，并計算分級TS 評分、平均絕對誤差、均方差、ETS 評分和Bias 偏差，結(jié)果表明各插值方法的TS 評分、平均絕對誤差和均方差無明顯差異，其中最鄰近點法的ETS 評分和預(yù)報偏差略好于其它2種方法。

（2）分級回歸統(tǒng)計降尺度方法加入了歷史觀測資料進行訂正，相較于單純的插值方法，可以減小降水預(yù)報的誤差，改進智能網(wǎng)格預(yù)報產(chǎn)品的預(yù)報效果，特別是對于用戶關(guān)注的強降水區(qū)域能夠給出更科學(xué)的參考依據(jù)，對構(gòu)造高分辨率的網(wǎng)格預(yù)報產(chǎn)品具有一定參考作用。

即使當(dāng)前的數(shù)值預(yù)報場的空間分辨率已經(jīng)較為精細，但是用戶所關(guān)注的關(guān)鍵點并不一定在網(wǎng)格上。因此，從精細化網(wǎng)格預(yù)報場中合理解析到用戶關(guān)注的關(guān)鍵點的要素預(yù)報，是智能網(wǎng)格預(yù)報產(chǎn)品釋用的重要工作之一，本文討論的4 種解析方法，均以現(xiàn)階段智能網(wǎng)格預(yù)報的準(zhǔn)確率為基礎(chǔ)，目的是加強對其的釋用，盡可能的減小誤差，但對于模式本身的預(yù)報誤差，例如降水落區(qū)、量級的偏差，一方面要通過改進和完善智能網(wǎng)格預(yù)報產(chǎn)品提高準(zhǔn)確率，另一方面還需探討統(tǒng)計或動力降尺度等預(yù)報分析方法，建立預(yù)報模型，深入研究網(wǎng)格化產(chǎn)品釋用技術(shù)，有關(guān)這方面的研究還需要在今后工作中進一步開展。