趙淵明 漆梁波

上海中心氣象臺(tái)，上海 200030

提 要：利用2018年4—8月格點(diǎn)降水分析資料和4個(gè)業(yè)務(wù)高分辨率區(qū)域模式降水預(yù)報(bào)資料，應(yīng)用分位數(shù)頻率匹配法對(duì)模式1 h降水預(yù)報(bào)分別訂正；基于上游關(guān)鍵區(qū)域的檢驗(yàn)結(jié)果，采用動(dòng)態(tài)權(quán)重多模式集成技術(shù)，探討了多模式集成技術(shù)在短時(shí)強(qiáng)降水概率預(yù)報(bào)中的應(yīng)用前景。結(jié)果表明：分位數(shù)頻率匹配法對(duì)強(qiáng)降水預(yù)報(bào)改進(jìn)具有正效果，可以減少模式的系統(tǒng)性偏差，提高模式降水預(yù)報(bào)的準(zhǔn)確率。在短時(shí)臨近時(shí)效內(nèi)，上游關(guān)鍵區(qū)域降水信息對(duì)下游地區(qū)降水預(yù)報(bào)具有指示意義，基于上游關(guān)鍵區(qū)實(shí)況檢驗(yàn)的動(dòng)態(tài)權(quán)重多模式降水概率預(yù)報(bào)較簡(jiǎn)單集成概率具有更高的預(yù)報(bào)準(zhǔn)確率，預(yù)報(bào)效果也更為穩(wěn)定。個(gè)例分析也表明該技術(shù)對(duì)短時(shí)臨近時(shí)效內(nèi)的短時(shí)強(qiáng)降水預(yù)報(bào)預(yù)警有較好的指導(dǎo)作用。

引 言

短時(shí)強(qiáng)降水是一種生消迅速、局地性強(qiáng)、致災(zāi)程度高的災(zāi)害性天氣，對(duì)其的預(yù)報(bào)、預(yù)警一直是氣象業(yè)務(wù)工作中的重點(diǎn)和難點(diǎn)。短時(shí)強(qiáng)降水的短時(shí)臨近預(yù)報(bào)方法主要包括實(shí)況外推、統(tǒng)計(jì)預(yù)報(bào)、數(shù)值模式等?；诶走_(dá)回波與衛(wèi)星圖像的實(shí)況外推在0～1 h的臨近預(yù)報(bào)中相當(dāng)有效，如交叉相關(guān)法和單體質(zhì)心法等，通過提取風(fēng)暴移動(dòng)特征來實(shí)現(xiàn)路徑預(yù)報(bào)，然而由于缺乏對(duì)強(qiáng)對(duì)流系統(tǒng)發(fā)生、發(fā)展和消亡的物理機(jī)制描述，隨著時(shí)效增加，實(shí)況外推的預(yù)報(bào)能力迅速降低(Wilson et al,2010;鄭永光等，2013)。統(tǒng)計(jì)預(yù)報(bào)方法基于歷史資料獲得統(tǒng)計(jì)關(guān)系或經(jīng)驗(yàn)閾值，利用探空資料等對(duì)強(qiáng)對(duì)流天氣的發(fā)生潛勢(shì)進(jìn)行預(yù)報(bào)，如配料法、指數(shù)法、消空法、套疊法等，然而受限于高空觀測(cè)的時(shí)空分辨率，統(tǒng)計(jì)預(yù)報(bào)結(jié)果的時(shí)空分辨率較低且以定性為主(張小玲等，2018)。數(shù)值模式在動(dòng)力與物理過程描述上雖仍存在一些不足，但其對(duì)強(qiáng)對(duì)流系統(tǒng)活動(dòng)的刻畫在原理上優(yōu)于實(shí)況外推方法，在時(shí)空分辨率上優(yōu)于統(tǒng)計(jì)預(yù)報(bào)方法(陳葆德等，2013)。利用基于數(shù)據(jù)同化技術(shù)，包含詳細(xì)熱動(dòng)力和微物理過程的中小尺度數(shù)值模式，可提高對(duì)強(qiáng)對(duì)流天氣發(fā)生、發(fā)展的預(yù)報(bào)能力(Wilson and Mueller,1993；陳明軒等，2004)。

隨著高性能計(jì)算的迅速發(fā)展，數(shù)值預(yù)報(bào)模式的分辨率逐漸提高，高分辨率數(shù)值模式本身存在的諸多“不完美”可以藉由合適的后處理技術(shù)得以“完善”。英國(guó)的NIMROD系統(tǒng)(Nowcasting and Initialisation for Modelling Using Regional Observation Data System)、美國(guó)的NIWOT系統(tǒng)、香港天文臺(tái)的SWIRLS(Short-Range Warnings of Intense Rainstorm of Localized System)系統(tǒng)以及中國(guó)自主研發(fā)的GRAPES-SWIFT(Global-Regional Assimilation Prediction System:Severe Weather Integrated Forecast Tools)系統(tǒng)通過賦予外推與模式預(yù)報(bào)在不同時(shí)效上以不同權(quán)重來進(jìn)行短時(shí)臨近降水預(yù)報(bào)(王秀明等，2015)；上海中心氣象臺(tái)通過尺度分解，利用雷達(dá)外推和區(qū)域高分辨率數(shù)值模式預(yù)報(bào)，實(shí)現(xiàn)目標(biāo)訂正及權(quán)重融合，建立了0～6 h短時(shí)臨近精細(xì)化客觀預(yù)報(bào)定量降水融合產(chǎn)品(儲(chǔ)海等，2017)。基于實(shí)況檢驗(yàn)的統(tǒng)計(jì)預(yù)報(bào)融合也是業(yè)務(wù)預(yù)報(bào)常用的訂正方法，用以對(duì)模式預(yù)報(bào)的系統(tǒng)性偏差進(jìn)行訂正，在短時(shí)臨近時(shí)效內(nèi)效果尤為顯著。Qi et al(2014)基于ECMWF的熱帶氣旋路徑集合預(yù)報(bào)，通過評(píng)估集合成員在短時(shí)效內(nèi)的預(yù)報(bào)誤差，優(yōu)選出誤差較小的若干成員進(jìn)行算術(shù)平均，其在短時(shí)臨近時(shí)效內(nèi)(12 h)的預(yù)報(bào)效果優(yōu)于加權(quán)平均。此外，一些學(xué)者還提出了基于實(shí)況的模式降水預(yù)報(bào)訂正技術(shù)。如Johnson and Wang(2012)利用鄰域法和目標(biāo)向檢驗(yàn)對(duì)高分辨率模式降水概率預(yù)報(bào)進(jìn)行訂正，僅用鄰域法的概率預(yù)測(cè)在午后對(duì)流高發(fā)時(shí)段預(yù)報(bào)技巧差，而目標(biāo)向訂正通常能提高技巧。Zhu et al(2002)、Zhu and Luo(2015)和代刊等(2018)則應(yīng)用頻率匹配方法，通過假設(shè)降水預(yù)報(bào)頻率與觀測(cè)頻率分布一致，對(duì)定量降水預(yù)報(bào)進(jìn)行訂正，雖然在極端事件和干偏差消除方面具有局限性，但對(duì)降水強(qiáng)度誤差控制方面具有明顯的積極作用。吳啟樹等(2017)的評(píng)分最優(yōu)化訂正算法，在不改變雨帶預(yù)報(bào)位置和形態(tài)的前提下，對(duì)各級(jí)降水預(yù)報(bào)進(jìn)行訂正，在業(yè)務(wù)應(yīng)用中取得良好表現(xiàn)。

短時(shí)強(qiáng)降水事件不確定性大，概率預(yù)報(bào)而非確定性預(yù)報(bào)能夠更好地面向不同用戶提供決策基礎(chǔ)(杜鈞和鄧國(guó)，2010)。陳朝平等(2010)和祁海霞等(2020)先后利用貝葉斯概率理論，采用歷史觀測(cè)資料對(duì)集合概率預(yù)報(bào)進(jìn)行訂正，提高了原始集合預(yù)報(bào)的技巧。唐文苑和鄭永光(2019)利用滯后集合預(yù)報(bào)方法構(gòu)建多個(gè)成員，利用最優(yōu)評(píng)分得到逐小時(shí)降水訂正預(yù)報(bào)，顯著提高了模式對(duì)強(qiáng)降水位置、形態(tài)和量級(jí)的預(yù)報(bào)水平。黃威和牛若蕓(2017)利用SVM多模式集成預(yù)報(bào)提高了中期暴雨預(yù)報(bào)準(zhǔn)確率，其優(yōu)勢(shì)主要體現(xiàn)在對(duì)強(qiáng)降水中心分布的范圍和強(qiáng)度的預(yù)報(bào)更接近實(shí)況。他們的結(jié)果都表明，基于單一模式集合預(yù)報(bào)或多模式集成預(yù)報(bào)，通過實(shí)況檢驗(yàn)和頻率訂正，可以得到更為可靠的概率預(yù)報(bào)。Liguori and Rico-Ramirez(2012)評(píng)估了雷達(dá)與模式融合預(yù)報(bào)，隨著降水強(qiáng)度和模式分辨率的增加，概率融合預(yù)報(bào)相對(duì)于確定性預(yù)報(bào)的優(yōu)勢(shì)更為明顯，定量降水概率預(yù)報(bào)是預(yù)報(bào)業(yè)務(wù)發(fā)展的大趨勢(shì)。本文分“兩步走”，利用四個(gè)業(yè)務(wù)高分辨率區(qū)域模式降水預(yù)報(bào)構(gòu)建集成預(yù)報(bào)，先應(yīng)用分位數(shù)頻率匹配法，對(duì)多模式小時(shí)降水預(yù)報(bào)進(jìn)行訂正；同時(shí)基于上游關(guān)鍵區(qū)域的實(shí)時(shí)檢驗(yàn)評(píng)分結(jié)果，調(diào)整各模式動(dòng)態(tài)權(quán)重，從而得到訂正的逐小時(shí)降水概率預(yù)報(bào)，以探討多模式動(dòng)態(tài)集成技術(shù)在短時(shí)強(qiáng)降水概率預(yù)報(bào)中的應(yīng)用前景。

1 數(shù)據(jù)與方法

1.1 數(shù) 據(jù)

經(jīng)過多年引進(jìn)吸收與自主研發(fā)，國(guó)家氣象中心和多個(gè)區(qū)域氣象中心均建立了區(qū)域高分辨率數(shù)值預(yù)報(bào)業(yè)務(wù)系統(tǒng)。選取2018年4—8月每日08時(shí)起報(bào)的歐洲中期天氣預(yù)報(bào)中心高分辨全球模式(ECMWF-IFS)的500、700和850 hPa風(fēng)場(chǎng)作為背景流場(chǎng)(用于確認(rèn)與動(dòng)態(tài)權(quán)重相關(guān)的上游關(guān)鍵區(qū)，詳見下文)，同期各時(shí)次起報(bào)的四個(gè)業(yè)務(wù)高分辨率區(qū)域模式作為多模式成員，即GRAPES-Meso、RMAPS、SMS-WARMS(以下簡(jiǎn)稱WARMS)、GRAPES-MARS(以下簡(jiǎn)稱MARS),各模式性能詳見表1。

降水實(shí)況格點(diǎn)數(shù)據(jù)采用國(guó)家氣象信息中心下發(fā)的智能網(wǎng)格實(shí)況融合降水分析數(shù)據(jù)(CMPA-FRT)，時(shí)間分辨率為1 h，空間分辨率為0.05°×0.05°，空間范圍為0°～60°N、70°～145°E，采用空間模糊檢驗(yàn)時(shí)，以0.2°(約20 km)半徑為模糊窗區(qū)取實(shí)況最大值，計(jì)在0.1°×0.1°網(wǎng)格上；頻率匹配時(shí)，則采用跳點(diǎn)取值取到0.1°×0.1°網(wǎng)格。王在文等(2016)指出，雖然降水評(píng)分與模式或?qū)崨r水平分辨率有關(guān)，但對(duì)于中雨以上量級(jí)的降水，模式水平分辨率的改變對(duì)評(píng)分的影響趨勢(shì)不明顯。故預(yù)報(bào)數(shù)據(jù)采用線性插值方法統(tǒng)一插值到0.1°×0.1°網(wǎng)格上，研究范圍為20°～40°N、100°～125°E。

1.2 訂正方法

分位數(shù)頻率匹配法是一種基于實(shí)況的模式預(yù)報(bào)訂正方法，假設(shè)區(qū)域內(nèi)模式預(yù)報(bào)降水相對(duì)大小具有參考意義，只在具體降水量上存在偏差；則僅將降水預(yù)報(bào)頻率分布訂正為觀測(cè)頻率，便可以消除模式預(yù)報(bào)降水各量級(jí)頻率分布的系統(tǒng)性偏差(圖1a)。實(shí)際計(jì)算方法如下：以一段時(shí)間內(nèi)模式預(yù)報(bào)逐小時(shí)降水分布(大小)的各百分位數(shù)與實(shí)況降水分布(大小)的對(duì)應(yīng)百分位數(shù)進(jìn)行匹配，模式預(yù)報(bào)降水與實(shí)況降水的各百分位數(shù)均采用降序排列，在上述對(duì)應(yīng)的兩組百分位數(shù)之間建立分段線性關(guān)系：

R=aRm+b

(1)

式中：R為訂正結(jié)果，Rm為訂正前模式輸出結(jié)果,a、b分別表示斜率與截距，由模式預(yù)報(bào)與實(shí)況計(jì)算得到a、b，并逐日隨滑動(dòng)步長(zhǎng)更新。在本文中，滑動(dòng)步長(zhǎng)選取起算時(shí)間過去20 d，在保證樣本量的同時(shí)，也避免了不同季節(jié)降水性質(zhì)差異以及數(shù)值模式版本變化引入的新誤差，后續(xù)進(jìn)行預(yù)報(bào)集成時(shí)采用經(jīng)過匹配訂正的預(yù)報(bào)結(jié)果。

根據(jù)業(yè)務(wù)實(shí)踐，當(dāng)雷暴自身的傳播效應(yīng)對(duì)雷暴整體移動(dòng)影響不大時(shí)，雷暴移動(dòng)大致受大氣各層平均風(fēng)場(chǎng)的引導(dǎo)，受此啟發(fā)，由平均引導(dǎo)流確定上游關(guān)鍵區(qū)域。以ECMWF-IFS當(dāng)日08時(shí)起報(bào)的未來0～30 h的850、700和500 hPa 3個(gè)特征層平均風(fēng)矢，插值得到逐小時(shí)的平均風(fēng)場(chǎng)，采用溯源方法反推各點(diǎn)3 h前的上游位置，考慮模式預(yù)報(bào)偏差、移動(dòng)速度與引導(dǎo)氣流的關(guān)系，以上游位置為中心，3 h移動(dòng)路程為半邊長(zhǎng)確定的上游敏感區(qū)域的大小，該區(qū)域最大程度涵蓋了待研究格點(diǎn)3 h前的上游區(qū)域信息(圖1b)。檢驗(yàn)該敏感區(qū)內(nèi)模式預(yù)報(bào)與實(shí)況降水，檢驗(yàn)方法為TS(threat score)評(píng)分，檢驗(yàn)閾值為5 mm·(3 h)-1，以評(píng)分作為賦權(quán)依據(jù)。

圖1 頻率匹配法(a)和上游敏感區(qū)確定方法(b)示意圖

確定初始預(yù)報(bào)時(shí)刻不同模式的權(quán)重

(2)

在降水預(yù)報(bào)集成概率的計(jì)算中，由于短時(shí)強(qiáng)降水時(shí)空尺度較小，為了減少模式由落區(qū)偏差和時(shí)間偏差造成的雙重懲罰，利用時(shí)空鄰域法對(duì)概率進(jìn)行平滑。首先設(shè)定不同的閾值(V)，對(duì)時(shí)空鄰域內(nèi)模式預(yù)報(bào)降水超過閾值的格點(diǎn)進(jìn)行計(jì)數(shù)，預(yù)報(bào)降水率(R)超過V(例如5 mm·h-1)則該格點(diǎn)I記為1，其余則記為0，那么第i個(gè)模式待預(yù)報(bào)點(diǎn)超過設(shè)定閾值的概率為Pi。

(3)

(4)

式中：l為空間鄰域緯向方向的格點(diǎn)，m為空間鄰域經(jīng)向方向的格點(diǎn)，t為時(shí)間鄰域，N為時(shí)空鄰域格點(diǎn)總數(shù)。

從而，由模式定量降水概率(Pi)與對(duì)應(yīng)模式權(quán)重系數(shù)(Qi)乘積之和確定動(dòng)態(tài)權(quán)重調(diào)整后格點(diǎn)短時(shí)強(qiáng)降水的概率(P)：

(5)

1.3 檢驗(yàn)方法

對(duì)訂正結(jié)果進(jìn)行檢驗(yàn)以驗(yàn)證該方法的預(yù)報(bào)效果，由于訂正是基于高分辨率模式展開的，在某個(gè)格點(diǎn)上依然存在預(yù)報(bào)發(fā)生而實(shí)況未發(fā)生或預(yù)報(bào)未發(fā)生而實(shí)況發(fā)生的雙重懲罰，故采取空間上的模糊檢驗(yàn)(李佰平等，2016)。本文采用的模糊半徑為0.2°，對(duì)每日08時(shí)起報(bào)的預(yù)報(bào)時(shí)效為6～30 h逐小時(shí)降水預(yù)報(bào)進(jìn)行訂正和檢驗(yàn)，除TS評(píng)分、探測(cè)效率(probability of detection,POD)、空?qǐng)?bào)率(false alarm ratio,FAR)等常規(guī)評(píng)分以外，還采用Bias比較預(yù)報(bào)與觀測(cè)的頻率偏差，ETS(equitable threat score)、HK(Hanssen and Kuipers discriminant)評(píng)分排除氣候頻率的干擾，對(duì)預(yù)報(bào)進(jìn)行綜合評(píng)估，采用BS(Brier score)評(píng)分和可靠性圖解驗(yàn)證概率預(yù)報(bào)的準(zhǔn)確度。

根據(jù)表2中預(yù)報(bào)和觀測(cè)的關(guān)系，可以得到如下各檢驗(yàn)評(píng)分的具體計(jì)算公式：

表2 天氣事件檢驗(yàn)分類表

(6)

(7)

(8)

(9)

(10)

(11)

(12)

式中：pi為預(yù)報(bào)概率，oi為觀測(cè)概率(事件發(fā)生記1，未發(fā)生記0)，N為格點(diǎn)總數(shù)，i為格點(diǎn)序號(hào)。

2 結(jié)果與分析

根據(jù)第一節(jié)介紹的降水概率預(yù)報(bào)集成思路，設(shè)計(jì)了動(dòng)態(tài)權(quán)重多模式短時(shí)強(qiáng)降水概率預(yù)報(bào)流程：利用起算時(shí)間過去20 d歷史數(shù)據(jù)進(jìn)行分位數(shù)頻率匹配訂正，輸出處理完畢的模式預(yù)報(bào)數(shù)據(jù)；基于上游關(guān)鍵區(qū)的檢驗(yàn)結(jié)果，采用動(dòng)態(tài)權(quán)重訂正得到定量降水概率預(yù)報(bào)。利用2018年4—8月研究區(qū)域逐小時(shí)降水預(yù)報(bào)與實(shí)況進(jìn)行訓(xùn)練和檢驗(yàn)，檢驗(yàn)分位數(shù)頻率匹配訂正和動(dòng)態(tài)權(quán)重集成的效果。

2.1 分位數(shù)頻率匹配訂正效果分析

由于初始場(chǎng)誤差的存在以及物理框架和參數(shù)化方案的不完善，模式輸出結(jié)果存在隨機(jī)性和系統(tǒng)性誤差，需要通過一些方法進(jìn)行訂正，頻率訂正技術(shù)是其中一種被廣泛使用的技術(shù)(李俊等，2015)。利用觀測(cè)降水的頻率分布校正預(yù)報(bào)降水，既改進(jìn)降水預(yù)報(bào)的落區(qū)，也能改進(jìn)降水預(yù)報(bào)的量級(jí)。利用第一節(jié)介紹的分位數(shù)頻率匹配法對(duì)2018年7月各模式預(yù)報(bào)結(jié)果進(jìn)行訂正，結(jié)果如下。圖2a～2e顯示了實(shí)況降水分析數(shù)據(jù)與模式預(yù)報(bào)各量級(jí)降水率的頻率分布?？梢钥闯觯瑢?shí)況降水率大致呈現(xiàn)γ分布，弱降水事件的頻率要比強(qiáng)降水事件大得多，隨著降水率的增大，事件發(fā)生頻率迅速降低；模式預(yù)報(bào)降水率的頻率分布雖也呈γ分布，但各模式之間以及模式與實(shí)況分析之間頻率分布并不一致，如MARS與RMAPS的降水頻率直方圖顯得“瘦長(zhǎng)”，表現(xiàn)出低估降水的傾向，二者頻率峰值較實(shí)況更高，且頻率隨降水率增大更快地下降；與之相比，GRAPES-Meso和WARMS在小量級(jí)降水預(yù)報(bào)的頻率偏低，隨降水率增大頻率降低較緩，其中WARMS對(duì)10 mm·h-1以上降水預(yù)報(bào)頻率較實(shí)況偏高，存在整體上對(duì)降水的高估。

圖2f～2i顯示了模式訂正前后降水率的對(duì)應(yīng)關(guān)系，斜率接近1則表明該模式預(yù)報(bào)降水率的頻率分布與實(shí)況接近，訂正前后區(qū)別不大，斜率大(小)于1則表明模式預(yù)報(bào)降水偏大(小)。研究發(fā)現(xiàn)，GRAPES-Meso的斜率接近1，表明其預(yù)報(bào)降水與實(shí)況降水的頻率分布較為接近，但對(duì)中等以上降水(3～30 mm·h-1)的預(yù)報(bào)存在低估；RMAPS斜率更小，表明其低估程度更大，10 mm·h-1預(yù)報(bào)降水對(duì)應(yīng)的實(shí)況達(dá)到20 mm·h-1,在日常預(yù)報(bào)實(shí)踐中可將模式預(yù)報(bào)量級(jí)適當(dāng)提高以減少漏報(bào)；WARMS斜率接近1.5，表明該模式對(duì)各量級(jí)降水預(yù)報(bào)均存在高估，即系統(tǒng)性的濕偏差，偏高幅度約為50%，在業(yè)務(wù)應(yīng)用中要適度調(diào)低WARMS的預(yù)報(bào)量級(jí)以減少假警(空?qǐng)?bào))；MARS預(yù)報(bào)降水較實(shí)況呈現(xiàn)明顯低估，存在明顯的干偏差，10 mm·h-1的預(yù)報(bào)降水與實(shí)況30 mm·h-1相匹配，表明其對(duì)大量級(jí)降水的預(yù)報(bào)不足，參考價(jià)值低。一般地，全球模式在小量級(jí)降水上存在濕偏差，而在大量級(jí)降水中存在干偏差。為了預(yù)報(bào)災(zāi)害性天氣，高分辨率模式通常會(huì)選用適應(yīng)本地天氣背景的參數(shù)化方案，也就不可避免地帶來新的系統(tǒng)性偏差，在應(yīng)用時(shí)必須考慮最大程度消除這些系統(tǒng)性偏差，頻率匹配就是消除系統(tǒng)性偏差的一種直接手段。

圖2 實(shí)況與模式預(yù)報(bào)降水率頻率分布(a～e)，及模式訂正前、后降水率對(duì)應(yīng)關(guān)系(f～i)

頻率匹配法利用集合成員或?qū)崨r降水，針對(duì)模式降水頻率分布存在的系統(tǒng)性偏差進(jìn)行訂正，常用的頻率匹配方法一般在各雨量量級(jí)上對(duì)預(yù)報(bào)進(jìn)行訂正，本文采用的分位數(shù)頻率匹配法在各百分位將模式預(yù)報(bào)降水率的頻率分布訂正至實(shí)況頻率，較一般按量級(jí)訂正結(jié)果更加連續(xù)，也為之后的進(jìn)一步處理提供便利。對(duì)匹配訂正前后各家模式預(yù)報(bào)進(jìn)行檢驗(yàn)(圖3)，在進(jìn)行匹配訂正之前，若以0.1 mm·h-1作為晴雨預(yù)報(bào)分界的閾值，則RMAPS、WARMS、MARS的TS評(píng)分均達(dá)到0.44左右，GRAPES-Meso稍遜，也有0.37，高分辨率數(shù)值模式對(duì)晴雨的預(yù)報(bào)能力整體相差不大；WARMS在大量級(jí)降水預(yù)報(bào)效果更好，其中≥5 mm·h-1和≥10 mm·h-1的TS分別為0.11和0.058，比第二名GRAPES-Meso分別高出8%和30%，對(duì)≥20 mm·h-1(業(yè)務(wù)規(guī)定的短時(shí)強(qiáng)降水標(biāo)準(zhǔn))降水預(yù)報(bào)也具有一定的預(yù)報(bào)能力，與此同時(shí)，GRAPES-Meso、RMAPS和MARS等三家模式對(duì)≥20 mm·h-1降水的預(yù)報(bào)能力則略顯不足。經(jīng)過匹配訂正后，多數(shù)模式的TS評(píng)分有所改善或持平，具體表現(xiàn)為：5 mm·h-1以下降水的TS評(píng)分在訂正前后變化不大，表明分位數(shù)頻率匹配法對(duì)中等降水(1～5 mm·h-1)預(yù)報(bào)準(zhǔn)確率的提高并不明顯；而在強(qiáng)降水(≥5 mm·h-1)的訂正上則有明顯正效果，如MARS模式，由于該模式的降水預(yù)報(bào)具有明顯的干偏差，其對(duì)10 mm·h-1以上的降水幾乎無預(yù)報(bào)能力，通過分位數(shù)頻率匹配，其對(duì)10 mm·h-1以上降水的預(yù)報(bào)能力顯著提高，表明該方法對(duì)強(qiáng)降水具有明顯訂正作用，除WARMS以外，分位數(shù)頻率匹配對(duì)其他三家模式均表現(xiàn)為正效果，降水越強(qiáng)改善效果越明顯，將“降水低估”模式的預(yù)報(bào)降水量向上訂正，能夠有效提高其命中率，進(jìn)而提高降水的TS評(píng)分；匹配前后WARMS的TS評(píng)分略有下降，表明匹配在消除假警的同時(shí)也使漏報(bào)率提高，但整體上分位數(shù)頻率匹配對(duì)高分辨率模式降水訂正具有正效果。

圖3 頻率匹配前后模式各量級(jí)降水的TS評(píng)分

2.2 動(dòng)態(tài)權(quán)重定量降水概率預(yù)報(bào)

高分辨率模式能夠模擬與風(fēng)暴發(fā)展、維持相關(guān)的中尺度特征，但降水預(yù)報(bào)落區(qū)往往與實(shí)際存在較大偏差(Ebert，2008)。怎樣在保證信息有效性的同時(shí)保存高分辨率模式中對(duì)流發(fā)生發(fā)展的描述？將實(shí)況信息與模式信息相融合，利用上游關(guān)鍵區(qū)的檢驗(yàn)結(jié)果來進(jìn)行多模式集成，賦予“好”的模式成員以更大的權(quán)重；采用概率預(yù)報(bào)而非平均，突出小概率事件，可望達(dá)到更合理的集成結(jié)果。利用第一節(jié)介紹的敏感區(qū)域確定方法，對(duì)上游降水落區(qū)預(yù)報(bào)與實(shí)況分析匹配程度較高的成員，賦予較大的權(quán)重，反之則賦予較小的權(quán)重，起到銳化和消空的效果。該方法能做到及時(shí)滾動(dòng)，不斷把新的實(shí)況信息與模式預(yù)報(bào)信息進(jìn)行融合，目標(biāo)針對(duì)性強(qiáng)、計(jì)算量小。計(jì)算動(dòng)態(tài)權(quán)重定量降水概率預(yù)報(bào)，并對(duì)未經(jīng)訂正的原始概率(未經(jīng)匹配和動(dòng)態(tài)權(quán)重調(diào)整等權(quán)重集成)、匹配后計(jì)算的概率預(yù)報(bào)(匹配訂正后進(jìn)行等權(quán)重集成)以及匹配與動(dòng)態(tài)權(quán)重相結(jié)合得到的概率預(yù)報(bào)進(jìn)行檢驗(yàn)和比較。表3的結(jié)果表明，與原始概率(未經(jīng)頻率匹配采用等權(quán)集成)相比，頻率匹配方法能夠提高預(yù)報(bào)的POD，POD從36.65%提高到37.64%，但由于其預(yù)報(bào)事件發(fā)生的頻數(shù)增加，F(xiàn)AR不降反升，Bias達(dá)到255.67%，表示預(yù)報(bào)頻率顯著高于觀測(cè)頻率，預(yù)報(bào)發(fā)生較多空?qǐng)?bào)的情況。而采用頻率匹配和動(dòng)態(tài)權(quán)重相結(jié)合的方法，雖然損失了一些POD，但是經(jīng)過上游檢驗(yàn)消空作用，F(xiàn)AR得到有效控制，Bias降低至166%，空?qǐng)?bào)偏多的情況得到明顯緩解。TS評(píng)分由11.77%提高至12.88%，相當(dāng)于獲得9.4%的正技巧，BS評(píng)分從7.67%降低至5.74%，與實(shí)況的偏差明顯降低，顯示出動(dòng)態(tài)權(quán)重匹配方法較原始概率具有更好的預(yù)報(bào)效果。

表3 集成預(yù)報(bào)結(jié)果評(píng)分一覽(降水率≥5 mm·h-1，概率預(yù)報(bào)閾值≥0.1)(單位：%)

集成概率計(jì)算每6 h進(jìn)行一次，各模式在定量降水概率預(yù)報(bào)中的權(quán)重會(huì)在6 h后變?yōu)榈葯?quán)，上游信息隨預(yù)報(bào)時(shí)效是逐漸衰減的，通過比較不同預(yù)報(bào)時(shí)效的預(yù)報(bào)，可以研究上游敏感區(qū)檢驗(yàn)在訂正中的作用。圖4的結(jié)果表明，1 h預(yù)報(bào)時(shí)效評(píng)分總是高于3 h和5 h預(yù)報(bào)時(shí)效，預(yù)報(bào)效果隨著預(yù)報(bào)時(shí)效的增加而降低。這是因?yàn)樵谂R近時(shí)效內(nèi)，上游實(shí)況信息在動(dòng)態(tài)權(quán)重分配上占有很大的比重，上游信息的加入有效改善了降水預(yù)報(bào)，隨著時(shí)效的增加，上游信息對(duì)權(quán)重的影響逐漸下降，相當(dāng)于等權(quán)平均，預(yù)報(bào)的效果也逐漸變差。比較動(dòng)態(tài)權(quán)重(粗線)與等權(quán)重(細(xì)線)評(píng)分變化可以發(fā)現(xiàn)，在1 h和3 h時(shí)效上，動(dòng)態(tài)權(quán)重較等權(quán)集成好，而在5 h時(shí)效上，訂正前后的準(zhǔn)確率變化不大，甚至動(dòng)態(tài)權(quán)重TS評(píng)分還略有降低；這都表明在較短時(shí)效內(nèi)，上游敏感區(qū)的實(shí)況信息在訂正中起到正效果，隨著時(shí)效變長(zhǎng)，實(shí)況信息的作用逐漸減弱，模式預(yù)報(bào)信息作用加大。利用可靠性圖解來檢驗(yàn)訂正的效果(圖5)，一個(gè)理想的概率預(yù)報(bào)結(jié)果，落在某預(yù)報(bào)概率區(qū)間上的相對(duì)觀測(cè)頻率應(yīng)該等于預(yù)報(bào)概率，亦即落在圖5b中灰色虛線所示對(duì)角線上，高于對(duì)角線表示預(yù)報(bào)概率偏低，低于對(duì)角線則表示過度預(yù)報(bào)，圖5a則顯示了概率預(yù)報(bào)在各個(gè)區(qū)間上的樣本數(shù)，樣本數(shù)分布應(yīng)為期望與氣候頻率一致的偏態(tài)分布;由于5 mm·h-1以上降水頻率僅為2.8%，為小概率事件；樣本數(shù)主要集中在0～5%的預(yù)報(bào)概率區(qū)間內(nèi)，隨著預(yù)報(bào)概率的增大，樣本個(gè)數(shù)顯著下降。從圖解曲線上可知，無論原始預(yù)報(bào)還是訂正后的預(yù)報(bào)，僅在0.2以下預(yù)報(bào)概率閾值區(qū)間內(nèi)高于對(duì)角線，而在大值區(qū)間內(nèi)位于對(duì)角線以下，表明總體上都存在對(duì)事件的預(yù)報(bào)過度，原始概率尤甚；同時(shí)兩線的斜率均接近于1，表明都具有一定的預(yù)報(bào)意義，其中動(dòng)態(tài)權(quán)重概率預(yù)報(bào)的可靠性曲線更接近對(duì)角線，表示其可靠性趨于理想，反映了訂正的正效果。

圖4 兩種集成方法在降水率≥5 mm·h-1時(shí)TS評(píng)分隨預(yù)報(bào)時(shí)效和概率閾值的變化

圖5 ≥5 mm·h-1降水率在各閾值區(qū)間的頻率分布(a)，≥5 mm·h-1降水率與相對(duì)觀測(cè)頻率關(guān)系(b)

為進(jìn)一步比較動(dòng)態(tài)權(quán)重集成與等權(quán)集成對(duì)短時(shí)強(qiáng)降水事件的預(yù)報(bào)效果，選取2018年5月6日發(fā)生在湖北中東部到湖南北部的一次降水天氣過程進(jìn)行具體分析。5月6日18—20時(shí)(北京時(shí))一次颮線過程在湖南西北部至湖北中部造成較大范圍的短時(shí)強(qiáng)降水天氣，中心最大小時(shí)降水量達(dá)到20 mm以上(圖6)，等權(quán)集成預(yù)報(bào)(圖6d～6f)顯示湖北中東部大部為強(qiáng)降水概率大值區(qū)，湖南北部強(qiáng)降水概率幾乎為0。表明多數(shù)模式能夠報(bào)出湖北中部的強(qiáng)降水過程，但預(yù)報(bào)落區(qū)較實(shí)況明顯偏西，湖南西北部的強(qiáng)降水明顯漏報(bào)(圖略)，個(gè)別模式即使報(bào)出了該強(qiáng)降水事件，但在等權(quán)重處理下，對(duì)于其量級(jí)估計(jì)不足。利用分位數(shù)頻率匹配法使GRAPES-Meso、RMAPS、WARMS對(duì)該區(qū)域降水量級(jí)預(yù)報(bào)向上訂正，通過6日14—17時(shí)已經(jīng)發(fā)生在湖北中部的強(qiáng)降水實(shí)況，挑選出WARMS、GRAPES-Meso等與上游實(shí)況相接近的“好”模式賦予較高的權(quán)重，故采用實(shí)況與模式融合的動(dòng)態(tài)權(quán)重概率預(yù)報(bào)不僅預(yù)報(bào)出湖北中部的強(qiáng)降水，還預(yù)報(bào)出湖南北部出現(xiàn)短時(shí)強(qiáng)降水的可能性(圖6a～6c)，但由于模式對(duì)于系統(tǒng)傳播機(jī)制刻畫的缺陷，其預(yù)報(bào)主體位置依然偏西，對(duì)于模式一致預(yù)報(bào)的湖北中部強(qiáng)降水天氣過程，未能很好地消空，說明該方法對(duì)模式一致性誤差訂正能力還較為有限。頻率匹配和動(dòng)態(tài)權(quán)重集成相結(jié)合的方法對(duì)疑難短時(shí)強(qiáng)降水天氣過程具有一定把握能力，預(yù)報(bào)員可以根據(jù)上述預(yù)報(bào)信息對(duì)短時(shí)臨近預(yù)報(bào)進(jìn)行適當(dāng)調(diào)整。

圖6 2018年5月6日08時(shí)模式數(shù)據(jù)起報(bào)的18時(shí)(a，d)、19時(shí)(b，e)和20時(shí)(c，f)的10 mm·h-1以上的降水概率

3 結(jié)論與討論

利用2018年4—8月格點(diǎn)降水分析資料和四個(gè)高分辨率區(qū)域模式降水預(yù)報(bào)資料，應(yīng)用分位數(shù)頻率匹配法，對(duì)模式1 h降水預(yù)報(bào)分別訂正；并基于上游關(guān)鍵區(qū)域的檢驗(yàn)評(píng)分結(jié)果，設(shè)計(jì)動(dòng)態(tài)權(quán)重多模式短時(shí)臨近定量降水概率預(yù)報(bào)方法，研究了多模式集成技術(shù)在短時(shí)強(qiáng)降水概率預(yù)報(bào)中的應(yīng)用。得到以下結(jié)論：

(1)不同模式預(yù)報(bào)的降水率頻率分布與實(shí)況之間存在差別，GRAPES-Meso與RMAPS預(yù)報(bào)在中等到強(qiáng)降水率區(qū)間上略有低估；MARS預(yù)報(bào)降水較實(shí)況明顯低估，WARMS對(duì)各量級(jí)降水預(yù)報(bào)均存在高估，在業(yè)務(wù)應(yīng)用上可作適當(dāng)調(diào)整。

(2)利用分位數(shù)頻率匹配法訂正模式預(yù)報(bào)降水，對(duì)降水落區(qū)和量級(jí)預(yù)報(bào)均有不同程度的訂正效果，除WARMS以外，“頻率匹配”對(duì)其他三家模式均表現(xiàn)為正效果，降水越強(qiáng)改善效果越明顯。

(3)基于上游敏感區(qū)域降水實(shí)況與模式預(yù)報(bào)的匹配程度，分配模式動(dòng)態(tài)權(quán)重的方法，能夠有效提高定量降水概率預(yù)報(bào)的預(yù)報(bào)準(zhǔn)確性。改進(jìn)效果與預(yù)報(bào)時(shí)效有關(guān)，時(shí)效越短，上游實(shí)況信息在提高預(yù)報(bào)能力上的作用越大。各類評(píng)分顯示基于實(shí)況檢驗(yàn)的動(dòng)態(tài)權(quán)重多模式降水概率預(yù)報(bào)產(chǎn)品較等權(quán)集成具有更高的預(yù)報(bào)準(zhǔn)確率，短時(shí)強(qiáng)降水個(gè)例也顯示，動(dòng)態(tài)權(quán)重多模式短時(shí)強(qiáng)降水概率預(yù)報(bào)能較好地預(yù)報(bào)短時(shí)強(qiáng)降水事件的可能。

外推、統(tǒng)計(jì)與模式的融合是提高降水預(yù)報(bào)準(zhǔn)確率的有效方式。需要說明的是，由于資料有限，本文僅對(duì)2018年暖季若干月的降水預(yù)報(bào)進(jìn)行訂正和檢驗(yàn)，其結(jié)果具有一定局限性；檢驗(yàn)方法也較為單一，未來通過長(zhǎng)時(shí)間的訓(xùn)練和檢驗(yàn)以及多種檢驗(yàn)方法(目標(biāo)檢驗(yàn)等)的應(yīng)用可以得到更好的評(píng)估。除了降水落區(qū)和量級(jí)，降水中心雨量極值也是業(yè)務(wù)預(yù)報(bào)中的關(guān)注重點(diǎn)，未來考慮其他方法將降水中心進(jìn)一步突出。此外，上游敏感區(qū)的設(shè)定也是根據(jù)預(yù)報(bào)員經(jīng)驗(yàn)選取的，僅考慮環(huán)境風(fēng)場(chǎng)引導(dǎo)或在此基礎(chǔ)上的角度偏轉(zhuǎn)，其位置、大小的合理性還未經(jīng)過嚴(yán)格的考證，但將系統(tǒng)的發(fā)展與引導(dǎo)加以分解，高分辨率模式和全球模式分別提供對(duì)流生消發(fā)展信息和對(duì)流引導(dǎo)信息不失為一種將復(fù)雜問題簡(jiǎn)單化的方法?？傊?，高分辨率區(qū)域模式訂正方法的研究方興未艾，高分辨率模式在業(yè)務(wù)預(yù)報(bào)中的實(shí)際應(yīng)用價(jià)值還需要被進(jìn)一步挖掘(Mass et al，2002；漆梁波，2015)，本文的訂正和檢驗(yàn)方法不夠豐富，有待在預(yù)報(bào)實(shí)踐中進(jìn)一步總結(jié)和提升。