陳翔翔 郭達烽

0 引言

江西地處我國長江流域,屬亞熱帶季風(fēng)氣候區(qū),每年汛期(3—7月)是江西暴雨、強對流天氣多發(fā)期,尤其是連續(xù)多日的暴雨形成的降水集中期,能引發(fā)洪澇和泥石流等自然災(zāi)害,嚴(yán)重威脅著人民的生命和財產(chǎn)安全．為此,提高降水預(yù)報水平是氣象預(yù)報任務(wù)中的重中之重．?dāng)?shù)值預(yù)報技術(shù)的快速發(fā)展為降水的精細(xì)化預(yù)報提供了良好的基礎(chǔ),目前天氣預(yù)報員常用的提高預(yù)報準(zhǔn)確率的途徑,是不斷對數(shù)值預(yù)報產(chǎn)品進行效果檢驗評估,從多種模式的降水產(chǎn)品中選擇性能最穩(wěn)定的,并在檢驗的基礎(chǔ)上運用多種方法開展解釋應(yīng)用[1-6]．李勇[7]、張宏芳等[8]通過預(yù)報能力的對比分析得出歐洲中期天氣預(yù)報中心(European Centre for Medium-Range Weather Forecasts,ECMWF)高分辨率數(shù)值預(yù)報總體較優(yōu)．陸如華等[9]、趙聲蓉等[10]和劉還珠等[11]分別采用卡爾曼濾波法、神經(jīng)元網(wǎng)絡(luò)等統(tǒng)計方法對數(shù)值預(yù)報產(chǎn)品進行解釋應(yīng)用研究;劉琳等[12]通過集合預(yù)報降水資料的累積概率分布,建立了極端強降水天氣的預(yù)報指數(shù);吳木貴等[13]利用交叉熵神經(jīng)網(wǎng)絡(luò)方法建立了閩北大雨以上降水預(yù)報系統(tǒng),并指出這是一種適合小概率事件預(yù)報的方法．這些技術(shù)方法在一定程度上提高了模式降水產(chǎn)品質(zhì)量,但這些釋用技術(shù)仍存在許多不足．周迪等[14〗、李俊等[15]通過“概率匹配”(或“頻率匹配”)降水預(yù)報訂正法對降水過程取得了較好訂正效果．鑒于“概率匹配”法能較好地利用觀測資料對模式產(chǎn)品進行訂正,因而受到預(yù)報業(yè)務(wù)單位的重視和應(yīng)用．

但是,李俊等[15]使用的“概率匹配”降水訂正法是把指定區(qū)域內(nèi)所有格(站)點作為同一資料序列進行統(tǒng)計分析,由于區(qū)域內(nèi)地理位置和地形的差異可導(dǎo)致氣候背景不同,如果區(qū)域內(nèi)所有格(站)點降水預(yù)報訂正模型采用相同的值,會導(dǎo)致訂正結(jié)果不夠精細(xì)．為探索和建立更為精細(xì)的不同站點、不同降水等級的“預(yù)報-觀測概率匹配”訂正方法,本研究結(jié)合智能網(wǎng)格預(yù)報業(yè)務(wù)應(yīng)用,在充分考慮不同站點氣候特征差異,開展產(chǎn)品檢驗效果分析的基礎(chǔ)上,對相對穩(wěn)定且效果較優(yōu)的ECMWF高分辨降水模式產(chǎn)品和歷史觀測資料,引入累積概率分布函數(shù),針對不同等級降水預(yù)報,逐站建立訂正模型,尤其對是否發(fā)生暴雨及其以上降水進行重點分析,并根據(jù)數(shù)值預(yù)報的調(diào)整不斷更新訂正模型,在此基礎(chǔ)上開展訂正預(yù)報試驗和效果檢驗評估,以期通過該動態(tài)訂正法實現(xiàn)對ECMWF模式降水產(chǎn)品的解釋應(yīng)用,有效提高降水分級預(yù)報，尤其是暴雨預(yù)報質(zhì)量,為汛期防災(zāi)減災(zāi)提供更好的保障服務(wù)．

1 資料與方法

1.1 資料的選取

降水觀測資料采用江西省氣象信息中心提供的包含江西省91個地面氣象觀測站(站點分布見圖1)8—20時和20時—次日8時的12 h間隔降水資料,模式預(yù)報降水產(chǎn)品選取ECMWF高分辨率數(shù)值預(yù)報降水預(yù)報產(chǎn)品(空間分辨率為0.125°×0.125°),選取2017年6月19—27日每日2次的12 h間隔降水格點預(yù)報資料,檢驗的預(yù)報時效為0～72 h,選取離觀測點最近的格點值與觀測點實況進行對比并評分．

1.2 方法簡介

“預(yù)報-觀測概率匹配訂正法”是近年來逐漸流行的一種模式釋用訂正方法,多用于模式降水產(chǎn)品的預(yù)報訂正,其原理如圖2[14,16]所示．不同量級的降水均能在實況觀測的降水累積概率分布曲線(實線)上找到對應(yīng)的累積概率值,這個值在0～1范圍內(nèi)．將已找到的實況對應(yīng)的累積概率值反射到模式預(yù)報的降水累積概率分布曲線(點虛線)上,亦可在橫軸中找到對應(yīng)的降水量值,即不同量級降水的模式預(yù)報修正值[14,16]．這種降水累積概率分布是非正態(tài)的,趙琳娜等[17]、梁莉等[18]以及國內(nèi)外較多研究[19-23]發(fā)現(xiàn),使用Gamma擬合觀測與預(yù)報的降水累積概率分布可取得良好效果,因此,選取Gamma累積概率分布函數(shù)用于擬合預(yù)報與實況觀測的降水累積概率．

目前,我國各級氣象臺的定量降水預(yù)報,一般為08:00、20:00(北京時,下同)起報的12 h間隔降水預(yù)報(8—20時和20時—次日8時),并且以12 h間隔進行預(yù)報檢驗評分．預(yù)報檢驗評分時,以0.0、10.0、25.0和50.0 mm等將12 h降水量劃分為多種等級.為了更好地分析訂正效果,本文也按照12 h間隔對ECMWF模式的降水預(yù)報進行訂正與檢驗,并以 12 h降水量 1.0、10.0、25.0 和50.0 mm的降水量級劃分各等級．

基于ECMWF的降水預(yù)報-觀測概率匹配動態(tài)訂正法是基于“預(yù)報-觀測概率匹配訂正法”的一種動態(tài)實踐,這里把最新、實時的預(yù)報與實況結(jié)果帶入概率匹配中,本文用預(yù)報時前100 d共200個起報時間的ECMWF 12 h間隔降水預(yù)報資料與實況觀測資料進行概率匹配,并在業(yè)務(wù)中不斷更新各量級降水修正值,這可以一定程度訂正近期模式預(yù)報誤差,實時調(diào)節(jié)降水訂正效果．

目前預(yù)報業(yè)務(wù)中常用的預(yù)報效果檢驗指標(biāo)有風(fēng)險評分(Threat Score,TS,其量值記為ST)、命中率(Percent of Doom,PoD,其量值記為PoD)、空報率(False Alarm Rate,FAR,其量值記為RFA)和漏報率(Percent of Omission,PO,其量值記為PO)等．設(shè)定NA為預(yù)報正確站數(shù),NB為預(yù)報錯誤站數(shù),NC為漏報站數(shù),各指標(biāo)計算公式如下:

(1)

(2)

(3)

(4)

圖1 江西省國家地面氣象觀測站分布

圖2 各等級降水的預(yù)報-觀測概率匹配訂正法示意圖[14,16]

2 概率匹配動態(tài)訂正法在江西省汛期降水集中期的應(yīng)用分析

2.1 2017年6月下旬江西降水集中期概況

受高空低槽、中低層切變線和西南急流的共同影響,2017年6月20日—7月2日江西省出現(xiàn)了一次降水集中期,期間省內(nèi)暴雨頻繁發(fā)生.江西省91個國家基本觀測站中出現(xiàn)10站及以上日雨量超50 mm的過程稱為一次區(qū)域性暴雨過程,將江西省持續(xù)出現(xiàn)3 d及以上的區(qū)域性暴雨過程定義為持續(xù)性區(qū)域暴雨過程．在此次降水集中期內(nèi),就出現(xiàn)了一次持續(xù)性區(qū)域暴雨過程,2017年6月21—26日江西省出現(xiàn)了長達5 d的持續(xù)性區(qū)域暴雨過程(表1),主要發(fā)生區(qū)域為贛北地區(qū),其中,6月25日有19個暴雨、13個大暴雨和1個特大暴雨站,持續(xù)的暴雨過程為江西省尤其是贛北人民的生產(chǎn)生活帶來了嚴(yán)重的威脅．在降水集中期后半段,雨帶先南移,后北抬,新的降水落區(qū)訂正方法的應(yīng)用與檢驗迫在眉睫．

表1 2017年6月21—25日江西省每日暴雨站數(shù)及位置(20—20時)

2.2 江西省各站點降水等級預(yù)報訂正值分布特征

6月25日江西暴雨站數(shù)最多,現(xiàn)選取前一日即6月24日(試驗第6天)為代表,分析江西省所有站的各降水量級修正值．圖3、圖4分別是2017年6月24日0～12 h預(yù)報時效和12～24 h預(yù)報時效的各量級降水的降水訂正值,可發(fā)現(xiàn):對于12 h間隔的小雨量級降水(1.0 mm),ECMWF 0～12 h和12～24 h預(yù)報時效的降水預(yù)報得普遍偏大(圖3a,圖4a),應(yīng)往小修正．尤其是贛北南部及以南地區(qū),ECMWF預(yù)報2～3 mm時往往可以修正為1 mm,而九江市的1 mm小雨預(yù)報得較為接近實況.對于12 h間隔的中雨量級降水(10 mm),除九江市西南部、宜春市局部預(yù)報偏小外,全省大部分地區(qū)預(yù)報偏大,尤其是南昌、鷹潭、撫州三市和吉安、贛州兩市部分地區(qū),并且12～24 h預(yù)報時效的中雨比0～12 h預(yù)報時效預(yù)報得更偏大,應(yīng)往小修正(圖3b、圖4b)．而對于大量級降水,ECMWF預(yù)報偏小的區(qū)域逐漸增多:0～12 h和12～24 h預(yù)報時效的12 h 25 mm降水預(yù)報分別有70.3%和57.1%的站數(shù)預(yù)報偏小(圖3c,圖4c),需要往大修正;0～12 h和12～24 h預(yù)報時效的12 h間隔的50 mm的暴雨量級降水預(yù)報分別有93.4%和78%的站數(shù)預(yù)報偏小(圖3d,圖4d),其中,萍鄉(xiāng)、宜春兩市市區(qū)站點和贛州市西部0～12 h和12～24 h預(yù)報時效暴雨修正值均不足40 mm．

圖3 2017年6月24日(試驗第6天)0～12 h預(yù)報時效各量級降水的降水訂正值(mm)

綜上,總體來看,江西省2017年6月降水集中期ECMWF的24 h內(nèi)12 h間隔的 10 mm及以下量級的降水預(yù)報普遍偏大,25 mm及以上量級的降水預(yù)報普遍偏?。?九江市沿江地區(qū)和景德鎮(zhèn)的各量級降水預(yù)報較為接近實況,預(yù)報效果較好．

2.3 修正前后各檢驗指標(biāo)的變化

2.3.1 6個預(yù)報時次各指標(biāo)平均值在試驗期間(2017年6月19—27日)的日變化

氣象部門對降水預(yù)報效果的評判一般用TS評分、命中率(PoD)、空報率(FAR)和漏報率(PO)等指標(biāo)．下面對ECMWF的各量級降水預(yù)報進行動態(tài)修正后的各指標(biāo)日變化進行對比,為了更好地展示總體預(yù)報效果,用的是全省91站的平均值(圖5—8)．

分析發(fā)現(xiàn),在試驗期間(2017年6月19—27日),對于12 h 1 mm和50 mm的降水等級,ECMWF 72 h內(nèi)的6個預(yù)報時效平均TS在修正后均有不同程度的提升(圖5)．其中,在試驗第7天(2017年7月25日),12 h 1 mm和50 mm等級的降水TS分別提升了0.022和0.015,而10 mm降水的TS提升不明顯,對25 mm的降水更出現(xiàn)了修正后不如修正前的結(jié)果,可見,基于ECMWF的降水預(yù)報-觀測概率匹配動態(tài)訂正法在實踐中應(yīng)權(quán)衡利弊使用,弱降水(1 mm)和暴雨量級降水(50 mm)可多參考本降水預(yù)報訂正法,有助于提升晴雨預(yù)報和災(zāi)害性降水的預(yù)報服務(wù)質(zhì)量．

預(yù)報業(yè)務(wù)中對于命中率、空報率和漏報率也能一定程度反映預(yù)報水平．大雨、暴雨量級降水的命中率在修正后有所提升(圖6),可見本訂正法可以根據(jù)近期預(yù)報與實況較好地調(diào)整降水中心強度;而小雨、中雨量級的降水的空報率在修正后有明顯降低(圖7)．這也是由于小雨和中雨的修正值比原值大,ECMWF模式空報了部分小量級降水;大雨和暴雨的修正值比原值小,大雨、暴雨量級的降水的漏報率在修正后有明顯提升(圖8),說明ECMWF模式對暴雨中心和量級的預(yù)報能力有待提升．

對于防災(zāi)減災(zāi)而言,大量級降水的漏報能直接影響群眾生命財產(chǎn)安全,降低大量級降水的漏報率并且提升其命中率十分重要．基于ECMWF的降水預(yù)報-觀測概率匹配動態(tài)訂正法在本次試驗中明顯降低了大雨和暴雨的漏報率且提升了命中率,應(yīng)用效果較好．

2.3.2 試驗期間不同預(yù)報時效修正后平均TS增幅

一般而言,預(yù)報時效越短,預(yù)報效果越好:0～12 h降水預(yù)報時效的預(yù)報效果比12～24 h降水預(yù)報的預(yù)報效果更好,TS評分等檢驗評分越高,以此類推．因此,有必要從不同的預(yù)報時效著手,查看修正前后檢驗指標(biāo)的變化．

圖9為不同預(yù)報時效在試驗期間(共9 d)修正后平均TS增幅,可見,對于24 h以內(nèi)的降水預(yù)報,除了25 mm量級的降水預(yù)報TS評分修正后為負(fù)技巧(即修正后TS增幅<0)外,其他量級的降水均為正技巧,其中,0～12 h訂正效果最好的為1 mm的降水量級,增幅為0.028,其次為10 mm的降水量級和50 mm的降水量級, TS平均增幅分別為0.006和0.004;12～24 h訂正效果最好的仍是1 mm的降水量級,TS平均增幅為0.023．此后,隨著預(yù)報時效的不斷延長,不同量級降水的訂正效果均有不同程度的降低,但1和50 mm量級的降水預(yù)報訂正效果一直維持正技巧,即對于小量級降水(晴雨)以及大量級降水(暴雨)的預(yù)報,基于ECMWF的降水預(yù)報-觀測概率匹配動態(tài)訂正法有著良好的訂正技巧．TS評分平均值修正后出現(xiàn)負(fù)技巧(25 mm量級的降水預(yù)報居多)的原因可能是:試驗前期100 d帶入概率匹配的樣本數(shù)太少,影響了訂正結(jié)果的準(zhǔn)確性,如果樣本數(shù)太多,則會削弱對最近模式誤差的訂正效果．ECWMF對本次試驗降水落區(qū)預(yù)報不準(zhǔn),也能導(dǎo)致預(yù)報TS評分微弱提升甚至降低．

圖4 2017年6月24日(試驗第6天)12～24 h預(yù)報時效各量級降水的降水訂正值(mm)

圖5 江西省所有站點平均TS修正前后變化情況(72 h內(nèi)所有預(yù)報時效平均)(d1—d9分別代表試驗第1天即2017年6月19日至試驗第9天即2017年6月27日)

圖6 6個預(yù)報時次江西省所有站點平均命中率(PoD)修正前后變化情況(d1—d9分別代表試驗第1天即2017年6月19日至試驗第9天即2017年6月27日)

圖7 6個預(yù)報時次江西省所有站點平均空報率(FAR)修正前后變化情況(d1—d9分別代表試驗第1天即2017年6月19日至試驗第9天即2017年6月27日)

圖8 6個預(yù)報時次江西省所有站點平均漏報率(PO)修正前后變化情況(d1—d9分別代表試驗第1天即2017年6月19日至試驗第9天即2017年6月27日)

圖9 試驗期間(共9 d)修正后平均TS增幅

3 結(jié)論與討論

為提高數(shù)值預(yù)報降水預(yù)報的準(zhǔn)確率,本文利用歐洲中心高分辨率數(shù)值預(yù)報(ECMWF)每日2次的12 h間隔降水格點預(yù)報資料和江西省國家級氣象觀測站實況降水量進行概率匹配,選取Gamma累積概率分布函數(shù)用于擬合預(yù)報與觀測的降水累積概率,并在業(yè)務(wù)中根據(jù)近期(100 d)模式預(yù)報調(diào)整及誤差不斷更新各量級降水修正值,通過在2017年6月底江西省一次降水集中期的應(yīng)用試驗,得到以下結(jié)論:

1)江西省2017年6月降水集中期ECMWF的24 h內(nèi)12 h間隔的 10 mm及以下量級的降水預(yù)報普遍偏大,25 mm及以上量級的降水預(yù)報普遍偏小;從江西區(qū)域分布來看，九江市沿江地區(qū)和景德鎮(zhèn)的各量級降水預(yù)報較為接近實況，預(yù)報效果較好．

2) 基于ECMWF的降水預(yù)報-觀測概率匹配動態(tài)訂正法在實踐中應(yīng)權(quán)衡利弊使用:本降水預(yù)報訂正法能提高小雨和暴雨的TS評分、降低暴雨的漏報率且提升其命中率,但對大雨及部分中雨的訂正效果不佳．對于防災(zāi)減災(zāi)而言,暴雨的漏報會直接威脅群眾生命財產(chǎn)安全,降低暴雨的漏報率并提升其命中率十分重要,就此而言,本次降水預(yù)報訂正試驗獲得了較好的效果．

本文為數(shù)值預(yù)報產(chǎn)品的解釋應(yīng)用提供了一種方法,可以動態(tài)訂正模式降水預(yù)報(尤其是致災(zāi)性暴雨).但是,應(yīng)用試驗中大雨及部分中雨的預(yù)報的訂正效果不佳,可能原因是:本文選擇預(yù)報時前100 d每天2次的預(yù)報與實況降水?dāng)?shù)據(jù)進行概率匹配,如果帶入概率匹配相應(yīng)降水量級的數(shù)據(jù)樣本數(shù)太少,會使得本次試驗不能很好擬合Gamma概率分布函數(shù),影響訂正結(jié)果的準(zhǔn)確性,如果樣本數(shù)太多,則會削弱對最近模式誤差的訂正效果．ECWMF對本次試驗降水落區(qū)預(yù)報不準(zhǔn),也能導(dǎo)致預(yù)報TS評分微弱提升甚至降低．另外,本文采用的是Gamma分布函數(shù)來擬合預(yù)報與觀測的降水累積概率,在以后的工作中,亦可嘗試采用其他分布函數(shù)(如GEV、GNO、GLO、Kappa等)來擬合,并比較其優(yōu)劣．