諶 蕓 曹 勇 孫 健 符嬌蘭 董 全 于 超 劉湊華 唐 健 郭云謙

1 國家氣象中心，北京 100081 2 南方海洋科學(xué)與工程廣東省實驗室(珠海)，珠海 519082

提 要： 定量降水預(yù)報(QPF)是中央氣象臺最傳統(tǒng)且最核心的天氣預(yù)報業(yè)務(wù)，隨著經(jīng)濟社會的快速發(fā)展對降水預(yù)報精細(xì)化程度需求越來越高，提升降水預(yù)報的精細(xì)化水平成為中央氣象臺面臨和需要解決的首要問題之一。目前中央氣象臺制作和發(fā)布空間分辨率5 km，未來3天逐1 h時間間隔、未來10天逐3 h時間間隔的網(wǎng)格化定量降水預(yù)報產(chǎn)品，并發(fā)布雨、雨夾雪、凍雨和雪降水相態(tài)及新增積雪深度的精細(xì)化預(yù)報產(chǎn)品。本文圍繞精細(xì)化降水預(yù)報技術(shù)這一關(guān)鍵環(huán)節(jié)，回顧了中央氣象臺在數(shù)值模式精細(xì)化降水預(yù)報、時空精細(xì)化降水預(yù)報技術(shù)、降水相態(tài)和新增積雪精細(xì)化預(yù)報技術(shù)以及精細(xì)化檢驗評估技術(shù)等方面的進(jìn)展，并思考目前精細(xì)化降水預(yù)報業(yè)務(wù)技術(shù)發(fā)展存在的問題及未來的發(fā)展，以期為中央氣象臺和全國精細(xì)化QPF技術(shù)的發(fā)展提供重要參考。

引 言

定量降水預(yù)報(QPF)是中央氣象臺最傳統(tǒng)且最核心的預(yù)報業(yè)務(wù)，20世紀(jì)60年代中后期便開始國家級定量降水預(yù)報業(yè)務(wù)(宗志平等，2012)。隨著經(jīng)濟社會快速發(fā)展對降水預(yù)報的精細(xì)化程度提出了更高的需求，如何在提高預(yù)報準(zhǔn)確率的同時又能滿足社會各界對降水預(yù)報產(chǎn)品精準(zhǔn)化需求，是中央氣象臺面臨和需要解決的首要問題。經(jīng)過幾十年的發(fā)展，中央氣象臺降水預(yù)報的精細(xì)化程度有了很大的提高。

長期以來，中央氣象臺開展的全國范圍內(nèi)降水預(yù)報業(yè)務(wù)的預(yù)報產(chǎn)品為等級落區(qū)預(yù)報，時空分辨率較低，預(yù)報時效不長，更新頻次較少。到2012年，中央氣象臺QPF業(yè)務(wù)包括：每日兩次未來1天逐6 h時間間隔的短時定量降水預(yù)報以及未來7天逐24 h時間間隔的短中期定量降水預(yù)報。2014年中央氣象臺組織開展網(wǎng)格化定量降水預(yù)報技術(shù)研發(fā)和系統(tǒng)建設(shè)，并發(fā)布空間分辨率5 km，未來3天逐 1 h 時間間隔、未來10天逐3 h時間間隔的網(wǎng)格化定量降水預(yù)報產(chǎn)品，該產(chǎn)品較大程度滿足了社會對于數(shù)字化網(wǎng)格化天氣預(yù)報服務(wù)的需求(金榮花等，2019；曹勇等，2016)。同時在降水相態(tài)預(yù)報方面，也由原來只有雨和雪預(yù)報，提升到雨、雨夾雪、凍雨、雪等降水相態(tài)預(yù)報。對于降雪預(yù)報，不僅有降雪量預(yù)報還有積雪深度(包括新增積雪深度)預(yù)報。相比而言，美國海洋和大氣局下屬的定量降水預(yù)報部門經(jīng)過若干年的技術(shù)及平臺的研究設(shè)計，已搭建起較為成熟的定量降水預(yù)報格點化技術(shù)體系，能夠提供0～168 h預(yù)報時效的格點化定量降水預(yù)報產(chǎn)品，最短時間分辨率為6 h、最高空間分辨率為5 km，并能提供如grib2，shapefile，KML等多種流行的氣象存儲格式供公眾下載使用(Novak et al,2014)。其定量降水預(yù)報格點化產(chǎn)品儲存于國家數(shù)字預(yù)報服務(wù)器中，并可通過網(wǎng)頁互動的形式展示和訪問，在此基礎(chǔ)上，美國國家大氣海洋局于1994年開始進(jìn)行逐小時快速更新同化預(yù)報，至2016年已經(jīng)歷三代系統(tǒng)升級，空間分辨率由60 km升級至當(dāng)前的3 km，更新頻率由3 h一次升級為1 h一次，覆蓋區(qū)域為北美大陸，預(yù)報時效為短時18 h(Benjamin et al,2016)。由于美國快速更新同化工作起步快，工作框架統(tǒng)一，降水預(yù)報也包含其中統(tǒng)一考慮，但其結(jié)果主要是模式輸出結(jié)果，業(yè)務(wù)中并未進(jìn)行進(jìn)一步的實況更新訂正工作。我國的國家級QPF業(yè)務(wù)與之存在一定差距，但思路也略有區(qū)別。

為支撐精細(xì)化降水預(yù)報業(yè)務(wù)的發(fā)展，需要發(fā)展現(xiàn)代化QPF精細(xì)化預(yù)報技術(shù)。在目前基于數(shù)值模式的現(xiàn)代天氣預(yù)報中，數(shù)值預(yù)報模式的發(fā)展是現(xiàn)代預(yù)報技術(shù)的基礎(chǔ),主導(dǎo)著整個QPF業(yè)務(wù)的發(fā)展(李澤椿等，2019；鐘琦等，2020)。在數(shù)值模式基礎(chǔ)上，為進(jìn)一步提高降水預(yù)報準(zhǔn)確率，則需要在主客觀融合的平臺上采用數(shù)據(jù)挖掘方法從海量預(yù)報數(shù)據(jù)中獲取最優(yōu)的客觀預(yù)報；同時，預(yù)報員在模式和最優(yōu)客觀預(yù)報的基礎(chǔ)上發(fā)揮人的作用,依靠對天氣概念模型的構(gòu)建、模式預(yù)報的理解進(jìn)行可能的主觀訂正；在準(zhǔn)確率提升的基礎(chǔ)上，通過降尺度等統(tǒng)計方法加入降水的氣候、地形分布等信息進(jìn)行時空降尺度,獲得更高分辨率產(chǎn)品，實現(xiàn)時空、相態(tài)等方面的精細(xì)化預(yù)報。實時檢驗評估技術(shù)貫穿整個技術(shù)流程, 提供模式及產(chǎn)品誤差和質(zhì)量信息,改善數(shù)值模式,同時支持預(yù)報員主觀訂正以及對預(yù)報質(zhì)量的管理。為此，本文對當(dāng)前國家級精細(xì)化降水業(yè)務(wù)技術(shù)的發(fā)展現(xiàn)狀進(jìn)行總結(jié)，并對未來發(fā)展提出思考。

1 精細(xì)網(wǎng)格預(yù)報的基礎(chǔ)信息——數(shù)值預(yù)報

中央氣象臺目前業(yè)務(wù)中綜合使用來自不同預(yù)報中心的模式系統(tǒng)，由于不同模式同化不同觀測資料，同時采用不同動力框架和物理參數(shù)過程，導(dǎo)致對不同區(qū)域、季節(jié)、時效和類型的天氣預(yù)報各有優(yōu)缺點。另外，不同類型的數(shù)據(jù)源可提供相互補充的QPF信息，例如全球數(shù)值模式系統(tǒng)能夠提供大尺度系統(tǒng)的降水信息，集合模式系統(tǒng)能夠提供預(yù)報的不確定性和低概率的極端天氣信息，高分辨率中尺度模式可提供對流性降水系統(tǒng)的形態(tài)、演變等特征。因此整合海量數(shù)值模式預(yù)報數(shù)據(jù)信息是精細(xì)化QPF的基礎(chǔ)。

歐洲中期天氣預(yù)報中心(以下簡稱EC)成立于1975年， 該中心于1979年6月首次做出了實時的中期天氣預(yù)報，1979年8月1日開始發(fā)布業(yè)務(wù)性中期天氣預(yù)報，為其成員國提供實時的天氣預(yù)報服務(wù)。EC的全球模式IFS(Integrated Forecasting System)從業(yè)務(wù)運行以來，模式分辨率不斷提高，核心的資料同化系統(tǒng)技術(shù)也不斷得到發(fā)展，其預(yù)報水平一直處于全球中期天氣數(shù)值預(yù)報的領(lǐng)先地位。目前的EC中期天氣預(yù)報系統(tǒng)由一個確定性預(yù)報和包含51個成員的集合預(yù)報系統(tǒng)組成，資料同化為集合四維變分EDA(ensemble of data assimilations)，系統(tǒng)每天運行四次，其中確定性預(yù)報分辨率約為9 km，每次進(jìn)行10 d預(yù)報，其北半球可用預(yù)報天數(shù)接近9 d。集合預(yù)報系統(tǒng)分辨率約為18 km，每次15 d預(yù)報，提供概率預(yù)報產(chǎn)品。

美國國家環(huán)境預(yù)報中心(NCEP)早在20世紀(jì)80年代(Stackpole，1973),就率先將全球數(shù)值預(yù)報模式投入業(yè)務(wù)運行，其分辨率為2.5°，垂直層次為8層。1980年8月全球譜模式及優(yōu)化插值產(chǎn)生的初始條件進(jìn)入業(yè)務(wù)模式系統(tǒng)，預(yù)報能力和時效得以延長和提高(Sela，1980)。隨著高性能計算機的快速發(fā)展、參數(shù)化方案的引入，初始分析、資料同化系統(tǒng)的改進(jìn)和完善，全球譜模式增加為每天四次，預(yù)報時效至16 d，水平分辨率達(dá)到13 km，垂直方向為混合垂直坐標(biāo)共64層。2019年 6月，結(jié)束了長達(dá)40年的全球譜模式的使用，新的FV3非靜力平衡模式以及新的、改進(jìn)的物理過程投入業(yè)務(wù)運行，水平分辨率為13 km，垂直方向為混合垂直坐標(biāo)共64層，初始分析場為四維混合同化系統(tǒng)。其有效預(yù)報能力(60%AC)穩(wěn)定在8.5 d左右。

我國全球與區(qū)域同化預(yù)報系統(tǒng)(GRAPES)全球數(shù)值模式(GRAPES_GFS)，特別是GRAPES-Meso/RAFS(徐枝芳等，2013)和GRAPES-3 km中尺度數(shù)值模式的建成極大地支撐了降水時空和相態(tài)的精細(xì)化預(yù)報。

GRAPES-Meso自2006年在國家氣象中心業(yè)務(wù)化運行以來，成為中央氣象臺主要應(yīng)用的區(qū)域數(shù)值模式，其先后經(jīng)歷了三次大的業(yè)務(wù)系統(tǒng)升級：1)2014年，實現(xiàn)GRAPES-Meso V4.0版的業(yè)務(wù)升級(黃麗萍等，2017; 莊照榮等，2019)，提高模式水平和垂直分辨率(10 km,L50)，解決降水預(yù)報偏差偏大、近地面溫度預(yù)報偏差過大以及計算不穩(wěn)定等關(guān)鍵業(yè)務(wù)問題，增強資料尤其是非常規(guī)資料的同化能力，整體技術(shù)和預(yù)報能力均有明顯提升;2)2018年，GRAPES-Meso V4.3業(yè)務(wù)化運行，三維云分析系統(tǒng)的業(yè)務(wù)化應(yīng)用(朱立娟等，2017)，明顯提高系統(tǒng)快速循環(huán)同化預(yù)報能力;3)2019年，GRAPES-Meso全國3 km分辨率系統(tǒng)實現(xiàn)準(zhǔn)業(yè)務(wù)化運行，其降水和近地面要素的預(yù)報能力明顯優(yōu)于GRAPES-Meso 10 km系統(tǒng)，標(biāo)志著GRAPES首次實現(xiàn)覆蓋全國范圍的對流可分辨(千米級分辨率)的業(yè)務(wù)預(yù)報，有效提高我國中小尺度災(zāi)害性天氣預(yù)報能力，同時明顯提升對西部地區(qū)業(yè)務(wù)天氣預(yù)報的支撐能力。通過這幾次關(guān)鍵技術(shù)的升級，GRAPES-Meso的降水預(yù)報ETS評分(Jolliffe and Stephenson，2003)逐年提高(圖1)。

圖1 2007—2019年GRAPES-Meso模式24 h 降水預(yù)報檢驗ETS評分年平均演變Fig.1 Annual averaged ETS score for 24 h accumulated precipitation prediction of GRAPES-Meso from 2007 to 2019

隨著2019年國家氣象中心完成GRAPES覆蓋全國范圍的3 km分辨率系統(tǒng)業(yè)務(wù)化，實時給國家級和各級預(yù)報臺站提供模式預(yù)報產(chǎn)品，有效支撐國家級和各級臺站的中小尺度災(zāi)害性天氣預(yù)報業(yè)務(wù)。其主要工作包括：1)在三維雷達(dá)質(zhì)量控制拼圖系統(tǒng)中實現(xiàn)對SC/CD/CC型號雷達(dá)資料的讀取、質(zhì)量控制及拼圖處理，為模式提供全國范圍特別是西部地區(qū)的云初始信息;2)采用初始時刻水平平均場優(yōu)化初始參考廓線，實現(xiàn)單調(diào)水平擴散方案，提高動力框架計算精度及穩(wěn)定性;3)改進(jìn)優(yōu)化邊界層方案和云量診斷方案，提高對2 m溫度和降水的預(yù)報精度(圖2);4)直接診斷及輸出螺旋度、垂直風(fēng)切變產(chǎn)品，增加降水相態(tài)(降雪)產(chǎn)品，為中小尺度災(zāi)害性天氣預(yù)報提供大量診斷分析產(chǎn)品，有力地支撐降水精細(xì)化預(yù)報的發(fā)展。

圖2 業(yè)務(wù)模式在2019年夏季(6—8月)的3 h強降水(≥10 mm)TS評分 (來自中國氣象科學(xué)研究院區(qū)域高分辨率數(shù)值預(yù)報檢驗評估平臺)Fig.2 TS score for heavy rainfall (≥ 10 mm·3 h-1) forecast from different NWP models in 2019 summer (From the Regional High-Resolution NWP Verification System, developed by Chinese Academy of Meteorological Sciences)

GRAPES-3 km模式系統(tǒng)雖然取得較大進(jìn)展，但是還有許多需要完善之處，如：尚未實現(xiàn)其同化系統(tǒng)和云分析的業(yè)務(wù)化，大量高時空分辨率資料未能在業(yè)務(wù)中發(fā)揮作用，同時由于尚未實現(xiàn)區(qū)域模式連續(xù)滾動循環(huán)，導(dǎo)致其中尺度信息需要較長的“spin-up”時間，難以發(fā)揮高分辨率模式對時空精細(xì)化特別是短時臨近預(yù)報的支撐。因此，GRAPES研發(fā)團(tuán)隊在當(dāng)前GRAPES-3 km模式系統(tǒng)基礎(chǔ)上建立3 h循環(huán)系統(tǒng)以實現(xiàn)每天8次更新預(yù)報，解決高密度觀測資料同化和實現(xiàn)模式“暖啟動”的關(guān)鍵問題，具體主要包括同化系統(tǒng)中關(guān)鍵參數(shù)如背景誤差參數(shù)的重新統(tǒng)計、多尺度水平相關(guān)、質(zhì)量控制變量和UV風(fēng)場控制變量的實現(xiàn)，高時空密度資料如地面濕度、AMSUA資料、雷達(dá)、FY-4衛(wèi)星資料的有效同化等。經(jīng)過研發(fā)和大量試驗，GRAPES-3 km 3 h循環(huán)預(yù)報系統(tǒng)于2020年6月實現(xiàn)業(yè)務(wù)運行，評估表明其預(yù)報能力優(yōu)于目前GRAPES-3 km模式，為降水精細(xì)化預(yù)報奠定了重要基礎(chǔ)。

2 網(wǎng)格降水預(yù)報的主客觀融合、時空降尺度技術(shù)和滾動更新方法

2.1 主客觀融合降水反演技術(shù)

降水時空精細(xì)化預(yù)報特點主要從空間、時間以及高頻次滾動更新三個方面體現(xiàn)。目前中央氣象臺可提供逐小時更新，空間分辨率為5 km，未來3天內(nèi)逐1 h時間間隔，未來10天內(nèi)逐3 h時間間隔的網(wǎng)格化定量降水預(yù)報產(chǎn)品，該產(chǎn)品的生成主要依賴網(wǎng)格化降水預(yù)報技術(shù)和快速滾動更新精細(xì)化降水預(yù)報技術(shù)。

降水主客觀融合以及時空降尺度技術(shù)高分辨率網(wǎng)格化降水預(yù)報產(chǎn)品并非通過簡單數(shù)值模式降水預(yù)報的空間插值獲取，而是對預(yù)報員對數(shù)值模式的檢驗評估、降水天氣形成機制的分析及長期的預(yù)報經(jīng)驗基礎(chǔ)上的主觀預(yù)報結(jié)果進(jìn)行網(wǎng)格化降水預(yù)報技術(shù)的應(yīng)用，實現(xiàn)降水精細(xì)化預(yù)報。網(wǎng)格化降水預(yù)報技術(shù)主要包括：主客觀融合降水反演技術(shù)、降水空間統(tǒng)計降尺度技術(shù)、降水時間拆分技術(shù)3個技術(shù)。

主客觀融合降水反演技術(shù)主要包括以下四個步驟：1)基于多模式QPF實時數(shù)據(jù)集，依據(jù)針對不同時效、季節(jié)、需求的使用經(jīng)驗，挑選合適的QPF數(shù)據(jù)源；2)根據(jù)對歷史、近期預(yù)報檢驗和對未來不確定性評估，采用多模式QPF集成技術(shù)獲得最優(yōu)猜測場；3)基于各種天氣概念模型和對模式誤差的理解，利用QPF預(yù)報場調(diào)整技術(shù)、等值線訂正技術(shù)進(jìn)一步校正最優(yōu)猜測場；4)等值線主客觀融合反演技術(shù)，主要利用最優(yōu)客觀降水預(yù)報背景場以及預(yù)報員主觀等級落區(qū)預(yù)報實現(xiàn)與業(yè)務(wù)模式分辨率相當(dāng)?shù)拇志W(wǎng)格格點化定量降水預(yù)報。在此基礎(chǔ)上，通過降水空間統(tǒng)計降尺度技術(shù)實現(xiàn)從粗到細(xì)網(wǎng)格降水場轉(zhuǎn)變。由于動力降尺度需要依賴成熟可靠的中尺度模式和耗費大量計算資源和時間(Pavlik et al，2012)，實際預(yù)報業(yè)務(wù)中一般利用統(tǒng)計降尺度技術(shù)，如美國海洋和大氣局下屬的水文預(yù)報中心，使用地形地圖投影技術(shù)進(jìn)行降水降尺度(Schaake et al, 2004)。中央氣象臺使用降尺度比例矢量技術(shù)來實現(xiàn)降水的空間統(tǒng)計降尺度(蘇翔和袁慧玲，2020)，利用粗與細(xì)分辨率的定量降水估測產(chǎn)品，建立大尺度到小尺度降水的氣象統(tǒng)計關(guān)系并確定降尺度比例矢量，實現(xiàn)從粗到細(xì)網(wǎng)格降水的映射轉(zhuǎn)化。比例矢量關(guān)系由實況降水所得，能體現(xiàn)出局地由于地形或氣候特點導(dǎo)致的降水精細(xì)尺度的變化，體現(xiàn)不同空間尺度降水的氣象關(guān)系。降水時間拆分技術(shù)提高降水預(yù)報的時間分辨率，將某一時段總降水量合理地分配于各個精細(xì)化預(yù)報時段內(nèi)，提高時間分辨率的同時也提高精細(xì)化時段內(nèi)降水預(yù)報準(zhǔn)確率。該技術(shù)假定，業(yè)務(wù)預(yù)報中使用的數(shù)值模式能較好反映出降水的時間變化過程，但降水量的預(yù)報準(zhǔn)確率不高。因此需要將主客觀融合訂正后的網(wǎng)格總降水量信息合理分配到模式原始的降水預(yù)報過程中，以達(dá)到提高降水預(yù)報時間分辨率的目的(圖3)。

圖3 網(wǎng)格化定量降水預(yù)報流程圖Fig.3 Flow chart of gridded quantitative precipitation forecast technology

圖4為一次降水過程基于主客觀融合QPF平臺的預(yù)報思路及操作流程。多模式數(shù)據(jù)源評估發(fā)現(xiàn)：EC(圖4a1)、GRAPES-3 km(圖4a3)和華東區(qū)域高分辨率中尺度模式(簡稱華東9 km中尺度模式)(圖4a4)對雨帶形狀預(yù)報大體一致，NCEP模式(圖4a2)降水強度預(yù)報弱于其他模式，華東9 km中尺度模式(圖4a4)雨帶位置較其他模式略偏南。選擇上述模式進(jìn)行融合，由于EC和中尺度模式在雨帶位置及強度預(yù)報等方面同預(yù)報員主觀分析結(jié)果接近，給定EC、華東9 km中尺度模式、GRAPES-3 km、NCEP的權(quán)重配比為38∶31∶20∶11。由于EC的近期預(yù)報檢驗量級跟實況接近且評分較高，且穩(wěn)定性優(yōu)于其他模式，而華東9 km和GRAPES-3 km中尺度模式預(yù)報量級偏大，因此概率匹配量級訂正選取EC模式。利用濾波調(diào)整，去除“噪音”降水，保留可信平滑預(yù)報結(jié)果。由于濾波操作，造成調(diào)整后強降水量級偏弱，通過值域調(diào)整進(jìn)一步完成降水強度訂正后自動生成等值線及格點背景場。預(yù)報員在此基礎(chǔ)上稍作調(diào)整和修改即可完成預(yù)報。EC模式雨帶預(yù)報略偏北且量級偏弱，通過多模式對比、選擇和融合對落區(qū)進(jìn)行訂正，并通過值域調(diào)整等完成量級訂正，預(yù)報效果較EC原始模式提高幅度明顯。

圖4 2019年7月8日強降水過程主客觀融合QPF平臺示意圖 (a)2019年7月7日20時起報的36 h預(yù)報數(shù)據(jù)：(a1)EC、(a2)NCEP、(a3)GRAPES-3 km和(a4)華東9 km； (b)相應(yīng)權(quán)重集成選擇界面Fig.4 Schematic diagram of forecasted heavy rainfall on 8 July 2019 in south of the Yangtze River using QPF Master Blender (a) all models initiated at 20:00 BT 7 July 2019 with 36 h: (a1) EC, (a2) NCEP, (a3) GRAPES-3 km, (a4) The SMS-WRF-ADAS Real-Time Modeling System developed by Shanghai Meteorological Service (SMS-WARMS 9 km); (b) how four corresponding weights

2.2 快速滾動更新精細(xì)化降水量預(yù)報技術(shù)

由于中小尺度天氣系統(tǒng)的突發(fā)性(俞小鼎，2012)，每日2次的定時產(chǎn)品難以完全捕捉這類天氣系統(tǒng)，對其導(dǎo)致的降水預(yù)報能力有限。因此，當(dāng)獲取到最新定量降水估測(QPE)產(chǎn)品，并發(fā)現(xiàn)與網(wǎng)格化定量降水預(yù)報存在較大差異時，或當(dāng)發(fā)生突發(fā)性災(zāi)害性強降水時，如何利用實時QPE產(chǎn)品實現(xiàn)對網(wǎng)格定量降水預(yù)報的訂正、以提高網(wǎng)格定量降水預(yù)報的準(zhǔn)確率和實用性，是國家級網(wǎng)格化定量降水發(fā)展的一個重要方向。中央氣象臺主要是基于多尺度改進(jìn)光流法的臨近外推預(yù)報技術(shù)、基于GRAPES-3 km的實時頻率匹配的降水預(yù)報偏差訂正技術(shù)和基于最優(yōu)背景場生成技術(shù)的短中期定量降水預(yù)報技術(shù)來實現(xiàn)逐小時滾動更新訂正，相比美國純模式快速滾動更新，較多的模式后處理及數(shù)據(jù)處理技術(shù)被應(yīng)用到該領(lǐng)域。

研究表明，定量降水預(yù)報存在可預(yù)報性問題，不同預(yù)報技術(shù)在不同預(yù)報時效內(nèi)的預(yù)報技巧不同(Browning,1980)：0～2 h，臨近外推預(yù)報的預(yù)報技巧相對最高；2～12 h，基于快速更新同化的中尺度模式預(yù)報技巧相對最高；短中期時效，對天氣尺度系統(tǒng)預(yù)報全球模式預(yù)報效果會最高。基于此研究，可構(gòu)建逐1 h快速滾動更新定量降水預(yù)報技術(shù)架構(gòu)，如圖5所示，主要包括4個技術(shù)模塊:定量降水估測技術(shù)模塊，實現(xiàn)實時全國定量降水實況估測(潘旸等，2015)；基于多尺度改進(jìn)光流法的定量降水短時臨近外推技術(shù)模塊，實現(xiàn)定量降水估測產(chǎn)品1～6 h的臨近外推預(yù)報；基于GRAPES-3 km實時頻率匹配訂正的短時定量預(yù)報技術(shù)模塊，實現(xiàn)定量降水1～18 h短時預(yù)報；基于最優(yōu)背景場生成技術(shù)的短中期降水預(yù)報技術(shù)，即前期中央氣象臺定時網(wǎng)格定量降水預(yù)報技術(shù)(曹勇等，2016)。值得注意的是在臨近外推、短時及短中期降水預(yù)報之間會通過不同預(yù)報時效的準(zhǔn)確率評估，利用權(quán)重函數(shù)相互融合，實現(xiàn)逐1 h快速滾動更新定量降水預(yù)報產(chǎn)品。

圖5 快速滾動更新定量降水預(yù)報流程圖Fig.5 Flow chart of the rapid update quantitative forecasting technology

2.3 滾動更新精細(xì)化降水預(yù)報檢驗

選取2019年5—10月共計6個月的實況、模式及滾動產(chǎn)品數(shù)據(jù)，對快速滾動更新精細(xì)化降水預(yù)報進(jìn)行統(tǒng)計檢驗(圖6)。臨近預(yù)報方面：日降水預(yù)報平均圖中，區(qū)域模式(華東9 km)預(yù)報量級明顯偏大，貴州湖南西部等地雨量偏多；滾動降水預(yù)報的臨近時效預(yù)報雨量分布、量級大小等更接近實況格點降水分析。臨近時效(1～3 h)，滾動更新降水中的臨近外推方案也有明顯優(yōu)勢，TS評分和空報率較區(qū)域模式和持續(xù)性預(yù)報更準(zhǔn)確，而區(qū)域模式有明顯空報。但3 h以后，區(qū)域模式趕上并超過外推方案，滾動更新也轉(zhuǎn)以區(qū)域模式訂正產(chǎn)品為主。

圖6 2019年汛期(5—11月)的(a)格點日平均雨量,(b)華東9 km 24 h預(yù)報 累加日平均雨量及(c)快速滾動更新(臨近預(yù)報)逐2 h時效預(yù)報累加日平均雨量； 同時期臨近外推預(yù)報以及持續(xù)性預(yù)報降水(d)TS評分和(e)Bias評分(>5 mm·h-1)Fig.6 (a) The grid daily average rainfall analysis, (b) daily averaged accumulated rainfall of 24 h forecast by the regional model (East China), (c) rapid update of daily averaged rainfall with 2 h lead time of the 2019 flood season (May-November)； (d) TS score and (e) Bias score (>5 mm·h-1) of the precipitation in the same period, including the continuous forecast and nowcast of precipitation

短時預(yù)報方面：滾動預(yù)報以區(qū)域模式的客觀訂正為基礎(chǔ)，對短時時效各家模式及其訂正產(chǎn)品進(jìn)行檢驗，如圖7，區(qū)域模式(華東、GRAPES-Meso)表現(xiàn)較全球模式(EC)更優(yōu)，但仍有量級偏大問題(小雨量級24 h內(nèi)逐小時Bias>2.0)。區(qū)域模式經(jīng)過短時客觀預(yù)報訂正后(實時頻率匹配訂正技術(shù))，有效降低了預(yù)報偏強現(xiàn)象 (小雨量級Bias在1.2左右)，同時有效地提升了預(yù)報準(zhǔn)確率(晴雨及較強降水TS均明顯上升)。因此，在短時時效內(nèi)，區(qū)域模式實時動態(tài)頻率匹配訂正產(chǎn)品是滾動更新降水預(yù)報最重要參考。

圖7 2019年汛期(5—11月)1～18 h短時預(yù)報時效，區(qū)域模式頻率匹配產(chǎn)品、 原始區(qū)域預(yù)報及EC模式降水預(yù)報性能檢驗(20時起報) (a)晴雨(>0.01 mm·h-1)，(b)強降水(>5 mm·h-1)Fig.7 Verification of short-time precipitation forecast from frequency matching products, original regional forecast and EC model precipitation forecast in 2019 flood season (May-November) (a) light rain (>0.01 mm·h-1), (b) heavy precipitation (>5 mm·h-1)

通過無縫隙動態(tài)融合各時效性能較好的訂正產(chǎn)品，生成滾動更新降水預(yù)報，其產(chǎn)品性能評分在整個0～24 h內(nèi)各時效中均相對原始模式有明顯提升(TS及Bias相對優(yōu)勢明顯)(圖8)。同時，由于產(chǎn)品根據(jù)最新實況進(jìn)行調(diào)整，充分考慮模式和實況偏差，其滾動預(yù)報效果(準(zhǔn)確率、TS等)較定時模式預(yù)報有更大提升(圖6，以3 h間隔的滾動預(yù)報為例)。

圖8 2019年汛期(5—11月)RUC無縫隙融合降水產(chǎn)品、短時臨近外推、區(qū)域模式和 EC全球模式降水預(yù)報性能檢驗:(a,c)20時起報；(b,d)08時起報 (a,b)晴雨(>0.01 mm·h-1),(c,d)強降水(>5 mm·h-1)Fig.8 Verification of hourly rain forecast from the RUC seamlessly integrated precipitation products and short-time extrapolation, rainfall forecasts of regional models and EC global models initiated at 20:00 BT (a, c) and 08:00 BT (b, d) in 2019 flood season (May-November) (a, b) light rain (>0.01 mm·h-1), (c, d) heavy precipitation (>5 mm·h-1)

3 網(wǎng)格降水相態(tài)和新增積雪的客觀精細(xì)化預(yù)報技術(shù)

降水相態(tài)精細(xì)化預(yù)報不僅包括雨、雪、雨夾雪和凍雨等天氣現(xiàn)象的預(yù)報，還包括降雪量和積雪深度(包括新增積雪深度)的預(yù)報。2008年低溫雨雪冰凍事件(楊貴名等，2008)之后，國內(nèi)對雨雪相態(tài)的研究和預(yù)報技術(shù)的開發(fā)得到了極大的重視和發(fā)展。中央氣象臺開展了氣候背景態(tài)的統(tǒng)計分析、天氣學(xué)概念模型的歸納和建立，以及雨雪相態(tài)客觀預(yù)報方法的研究和開發(fā)，為降水相態(tài)精細(xì)化預(yù)報提供支撐。近年來中央氣象臺降水相態(tài)精細(xì)化預(yù)報的提高主要是在降水相態(tài)的客觀預(yù)報和新增積雪預(yù)報技術(shù)兩個方面。

3.1 網(wǎng)格降水相態(tài)的客觀預(yù)報技術(shù)

2012年前后，降水相態(tài)預(yù)報處于剛起步階段，其時空分辨率較低。中央氣象臺運用人工神經(jīng)網(wǎng)絡(luò)，基于數(shù)值模式偏差訂正結(jié)果，開發(fā)了全國600多個站逐3 h的雨、雪和雨夾雪的客觀預(yù)報方法和產(chǎn)品(董全等，2013)。

近年來隨著智能網(wǎng)格預(yù)報的發(fā)展，對高時空分辨率(空間分辨率為5 km，時間分辨率為1～3 h)的降水相態(tài)格點預(yù)報提出新要求。中央氣象臺充分運用高時空分辨率地面資料，開發(fā)了基于地面2 m氣溫閾值法的降水相態(tài)預(yù)報方法(Chen et al,2014)和產(chǎn)品，以解決模式預(yù)報無降水處無相態(tài)預(yù)報的問題，以及在復(fù)雜地形區(qū)域模式相態(tài)預(yù)報精度較低的問題。運用我國1 000多個站點的地面觀測資料，基于過去30年(1981—2010年)天氣現(xiàn)象和地面2 m氣溫觀測，用頻數(shù)分析方法，以雨和雪頻數(shù)達(dá)到50%分別作為雨和雪的氣溫閾值(圖9a，9c)。選取克里金插值方法(劉世偉等，2015；李軍龍等，2006)，插值生成空間分辨率為0.05°的雨和雪格點化氣溫閾值(圖9b，9d)?；谥悄芫W(wǎng)格氣溫預(yù)報就可以生成格點化雨、雨夾雪和雪預(yù)報產(chǎn)品。

圖9 雨(a，b)和雪(c，d)站點氣溫閾值(a，c)以及克里金插值格點氣溫閾值(b，d)Fig.9 Station temperature thresholds (a, c) and the gridded interpolation results (b, d) of rain (a, b) and snow (c, d)

EC模式基于溫濕層結(jié)曲線預(yù)報結(jié)果，通過經(jīng)驗參數(shù)化模擬降水粒子下降過程中的相態(tài)變化，對降水相態(tài)進(jìn)行直接預(yù)報(Gascón et al，2018)。檢驗結(jié)果(董全等，2020a)顯示其對我國的雨雪相態(tài)具有較好的預(yù)報能力，且集合預(yù)報系統(tǒng)降水相態(tài)概率預(yù)報結(jié)果較細(xì)網(wǎng)格確定性預(yù)報具有更高相對經(jīng)濟價值和預(yù)報技巧。為挖掘集合預(yù)報系統(tǒng)對降水相態(tài)預(yù)報能力，提高預(yù)報效果，運用最優(yōu)概率閾值法，通過歷史資料評估最優(yōu)概率閾值，從而將概率預(yù)報轉(zhuǎn)換為確定性預(yù)報。結(jié)果顯示，集合最優(yōu)概率閾值法預(yù)報效果最好(圖10)，相對于地面2 m氣溫閾值法和細(xì)網(wǎng)格確定性預(yù)報，明顯提高了四類降水相態(tài)預(yù)報正確率和HSS評分(董全等，2020b)。

圖10 08時(實線)和20時(虛線)起報，對2018年冬半年全國2 000多個站點雨雪相態(tài) 不同時效預(yù)報的HSS評分(a)和正確率(b) (OHHS：HSS評分最優(yōu)，OTS：TS評分最優(yōu)，OBias：Bias最優(yōu)，HRD：EC細(xì)網(wǎng)格確定性模式， CF：集合預(yù)報系統(tǒng)控制預(yù)報，TT：地面2 m氣溫閾值法)Fig.10 The precipitation type forecast measures of HSS (a) and accuracy (b) with initial time of 08:00 BT and 20:00 BT at different lead times based on the dataset of more than Chinese 2 000 stations in the 2018 winter half year (OHSS： optimal HSS, OTS： optimal TS, OBias： optimal bias based on ensemble prediction system (EPS), HRD： EC high resolution deterministic model, CF： EPS control forecast, TT： 2 m temperature threshold method)

由于集合預(yù)報系統(tǒng)空間分辨率為0.5°，遠(yuǎn)達(dá)不到智能網(wǎng)格預(yù)報5 km的分辨率要求，結(jié)合最優(yōu)概率閾值法和地面2 m氣溫閾值法的預(yù)報結(jié)果進(jìn)行融合和空間降尺度。假設(shè)降水相態(tài)是氣溫的分段反函數(shù)，而氣溫是海拔、經(jīng)度和緯度的線性函數(shù)，并且氣溫垂直遞減率為濕絕熱遞減率?；谝陨霞僭O(shè)關(guān)系，當(dāng)0.5°網(wǎng)格內(nèi)兩種方法的站點相態(tài)預(yù)報出現(xiàn)差異時，結(jié)合高精度的地形高度資料將最優(yōu)概率閾值法的預(yù)報結(jié)果進(jìn)行空間降尺度，在保證高空間分辨率同時，進(jìn)一步提高雨雪相態(tài)客觀預(yù)報效果。如圖11，實況雨雪分界線基本位于河南北部和山東北部沿黃河一線(圖11a)。兩種方法融合以后的產(chǎn)品(圖11a)，較細(xì)網(wǎng)格確定性模式(圖11d)以及兩種客觀方法(圖11b，11c)對雨雪相態(tài)預(yù)報都更好，可反映由于地形差異而導(dǎo)致的更細(xì)相態(tài)預(yù)報差異(如陜西中南部)。

圖11 2020年1月7日02時降水相態(tài)實況(散點)以及對應(yīng)時刻的78 h時效預(yù)報(填色) (a)融合產(chǎn)品，(b)最優(yōu)概率閾值法，(c)地面2 m氣溫閾值法，(d)細(xì)網(wǎng)格確定性預(yù)報Fig.11 The precipitation type observations at 02:00 BT 7 January 2020 (scatter point) and the corresponding forecast with 78 h lead time (colored area) (a) fusing product, (b) optimal HSS, (c) 2 m temperature threshold method, (d) ECMWF high-resolution deterministic model

地面2 m氣溫閾值法發(fā)揮地面觀測和智能網(wǎng)格預(yù)報資料高時空分辨率優(yōu)勢，在地形復(fù)雜地區(qū)，可更為細(xì)致地刻畫出受海拔高度等因素影響的降水相態(tài)差異，但由于降水相態(tài)受整層溫濕層結(jié)影響，該方法存在較大局限性。基于集合預(yù)報系統(tǒng)的集合最優(yōu)概率閾值法，可進(jìn)一步改進(jìn)雨雪相態(tài)預(yù)報效果，但受模式分辨率影響，無法滿足精細(xì)化預(yù)報要求。兩者融合產(chǎn)品，可發(fā)揮各自優(yōu)勢，進(jìn)一步改進(jìn)現(xiàn)有降水相態(tài)格點預(yù)報效果。

3.2 新增積雪預(yù)報技術(shù)

早期中央氣象臺主要發(fā)布降雪量預(yù)報產(chǎn)品，無積雪深度預(yù)報產(chǎn)品。由于公眾并不清楚降雪量和積雪量區(qū)別，易造成公眾對降雪預(yù)報產(chǎn)品理解上的偏差(曹冀魯，2010)。由于缺乏新增積雪預(yù)報相關(guān)科學(xué)問題研究，以及相應(yīng)預(yù)報方法與技術(shù)支持，業(yè)務(wù)上主要是基于雪水比(新增積雪深度/降雪量)經(jīng)驗值(10∶1)進(jìn)行新增積雪深度經(jīng)驗預(yù)報。隨著公眾對氣象預(yù)報服務(wù)需求精細(xì)化程度的逐漸提高，對于降雪天氣而言，僅提供定量降水預(yù)報很難滿足需求，有必要開展定量積雪深度預(yù)報(QSF)。目前EC、NCEP等全球模式均提供積雪預(yù)報指導(dǎo)產(chǎn)品，從EC模式積雪預(yù)報方案可見，積雪預(yù)報是陸面物理過程的一部分，通過降雪量、雪密度等預(yù)報量診斷得到(ECMWF，2019)，由于模式對上述預(yù)報量預(yù)報存在一定偏差，積雪預(yù)報能力與業(yè)務(wù)需求存在一定差距。

近年來，歐美等氣象工作者已逐步開展積雪深度預(yù)報的技術(shù)與方法研究。目前國際上主要開展氣候?qū)W、統(tǒng)計學(xué)及物理學(xué)(Alcott and Steenburgh，2010)等三類方法研究，前期采用雪水比的經(jīng)驗預(yù)報屬于氣候?qū)W方法。Bossolasco(1954)、Diamond(1954)、Judson and Doesken(2000)、Wetzel et al(2004)和Simeral(2005)針對當(dāng)?shù)氐慕笛┨鞖猓ㄟ^線性回歸方法建立地面或700 hPa溫度與雪水比統(tǒng)計模型。Waldstreicher(2001)研究指出降雪微物理過程對于雪暴等強降雪天氣的形成至關(guān)重要，在分析冰晶類型、溫度垂直分布、垂直速度的空間分布特征的基礎(chǔ)上，在紐約以及賓夕法尼亞州建立了基于cross-hair signature 的雪暴預(yù)警方法，當(dāng)最大垂直速度與樹枝狀冰晶形成的溫度環(huán)境處于同一垂直高度上時，則發(fā)布雪暴警報。Cobb and Waldstreicher(2005)利用溫度和雪水比的高斯分布特征，以垂直速度作為權(quán)重系數(shù)建立了雪水比的物理預(yù)報模型，最終結(jié)合降雪量的預(yù)報得到積雪深度的預(yù)報產(chǎn)品，該方法目前在美國國家氣象局(NWS)得到很好應(yīng)用。Roebber et al(2007)通過分析溫度、濕度、地面風(fēng)場等物理因子與雪水比統(tǒng)計關(guān)系，利用神經(jīng)網(wǎng)絡(luò)方法建立雪水比預(yù)報模型，并在美國威斯康星大學(xué)建立實時融化比預(yù)報平臺。Alcott and Steenburgh(2010)通過分析溫度、對流層中層濕度、風(fēng)速與融化比的統(tǒng)計關(guān)系，利用多元回歸方法建立了當(dāng)?shù)氐娜诨阮A(yù)報方程。

2015年中央氣象臺開展雪水比氣候特征以及關(guān)鍵影響因子研究，以北京和武漢站為例(圖12)，雪水比分布較廣，北京站雪水比最大可達(dá)37，最小為2，其中50%以上個例雪水比大于10∶1，而武漢站最大為27，最小為1，且40%雪水比低于5∶1，可見雪水比具有顯著的區(qū)域特征，經(jīng)驗預(yù)報無法滿足積雪預(yù)報準(zhǔn)確率的需求。

圖12 1951—2012年典型降雪個例雪水比分布 (a)北京，(b)武漢Fig.12 The frequency of snow to liquid ratio for the typical snow weather from 1951 to 2012 (a) Beijing, (b) Wuhan

在此基礎(chǔ)上，引用Cobb算法，基于溫度與融化比統(tǒng)計關(guān)系，以及云內(nèi)抬升運動對冰晶增長效率等影響雪水比的關(guān)鍵因子構(gòu)建了新增積雪的物理預(yù)報模型，通過地形降尺度技術(shù)以及中央氣象臺降水和相態(tài)智能網(wǎng)格技術(shù)，結(jié)合模式預(yù)報的溫度、濕度、垂直速度等物理量，開發(fā)了未來10天5 km分辨率的雪水比和新增積雪網(wǎng)格預(yù)報產(chǎn)品，目前該產(chǎn)品已在中央氣象臺業(yè)務(wù)中應(yīng)用，在降雪預(yù)報中發(fā)揮了重要支撐作用。圖13為2019年10月1日至2020年3月20日期間EC模式和基于Cobb算法新增積雪短期時效(1～3 d)預(yù)報TS評分，可以看出Cobb算法大于3 cm的各新增積雪評分較EC明顯提高，表明該產(chǎn)品較EC模式在積雪較深的降雪過程預(yù)報中改進(jìn)明顯。此外，從2019年11月18日新增積雪預(yù)報結(jié)果(圖14)可見：模式對積雪落區(qū)把握較好，同時對于東北地區(qū)東部大于10 cm的積雪預(yù)報較為準(zhǔn)確，EC模式總體預(yù)報較實況明顯偏小。

圖13 2019年10月1日至2020年3月20日Cobb算法和EC全球模式新增積雪TS評分 (a)36 h預(yù)報時效，(b)60 h預(yù)報時效，(c)84 h預(yù)報時效Fig.13 TS score of the depth of new snowfall of Cobb method and ECMWF IFS model outputs with lead times of (a) 36 h, (b) 60 h and (c) 84 h from 1 October 2019 to 20 March 2020

圖14 2019年11月18日08時24 h累計新增積雪深度(單位：cm)實況(圓點)及預(yù)報(陰影) (a)基于Cobb算法36 h新增積雪客觀預(yù)報，(b)EC模式36 h新增積雪預(yù)報Fig.14 Synoptic verification of observed (dot) 24 h depth of new snowfall (unit： cm) at 08:00 BT 18 November 2019 and the forecast (shaded) (a) observed and Cobb method forecasted depth of new snowfall with 36 h lead time, (b) observed and EC forecasted depth of new snowfall with 36 h lead time

4 精細(xì)化網(wǎng)格預(yù)報檢驗評估技術(shù)

隨著精細(xì)網(wǎng)格預(yù)報業(yè)務(wù)的穩(wěn)步推進(jìn)，預(yù)報檢驗業(yè)務(wù)也逐步由對城鎮(zhèn)預(yù)報的檢驗向精細(xì)化網(wǎng)格預(yù)報檢驗發(fā)展過渡。目前中央氣象臺精細(xì)化網(wǎng)格預(yù)報檢驗主要包括以下幾個方面進(jìn)展。

4.1 精細(xì)化網(wǎng)格預(yù)報檢驗的改進(jìn)

(1)傳統(tǒng)的城鎮(zhèn)預(yù)報檢驗技術(shù)繼續(xù)被應(yīng)用到精細(xì)化格點預(yù)報中。包括降水晴雨預(yù)報準(zhǔn)確率、分級累加降水空報率、漏報率、TS評分和Bias評分等在內(nèi)的傳統(tǒng)的檢驗指標(biāo)，一方面能大致體現(xiàn)精細(xì)化網(wǎng)格預(yù)報的預(yù)報水平，同時也非常便于同歷史上城鎮(zhèn)預(yù)報產(chǎn)品進(jìn)行對比，從而準(zhǔn)確表現(xiàn)精細(xì)網(wǎng)格預(yù)報技術(shù)進(jìn)步帶來的預(yù)報準(zhǔn)確率的變化。

(2)擴大檢驗實況數(shù)據(jù)的時空范圍。傳統(tǒng)的城鎮(zhèn)預(yù)報只重點關(guān)注城鎮(zhèn)站點附近的天氣，遠(yuǎn)離城鎮(zhèn)站點的地區(qū)通常沒有定量的預(yù)報，自然也無需相應(yīng)檢驗。而智能網(wǎng)格預(yù)報覆蓋范圍內(nèi)每個點，無論其是否鄰近觀測站點，都有了定量預(yù)報，也因此有了檢驗的需求。如果仍然以國家站的觀測數(shù)據(jù)作為檢驗的實況，顯然不能滿足大部分區(qū)域的檢驗需求。為此，中央氣象臺對自動站觀測資料進(jìn)行梳理統(tǒng)計，挑選10 461個站點組成一套檢驗用稠密站點序列，通過擴展檢驗站點數(shù)量提高檢驗精細(xì)程度。

在站點稀疏地區(qū)，即使擴大檢驗站點數(shù)量，仍存在諸多遠(yuǎn)離觀測站點區(qū)域的網(wǎng)格預(yù)報無法進(jìn)行有效的檢驗。采用網(wǎng)格化的實況作為檢驗參照是一個必要選擇，其前提是充分準(zhǔn)確地估算網(wǎng)格實況的誤差范圍，否則無法理解檢驗結(jié)果所代表的含義。然而在站點稀疏的區(qū)域?qū)W(wǎng)格化實況的準(zhǔn)確性評估本身也是一項困難的工作，這還有待于更深入的研究。

4.2 適應(yīng)精細(xì)化網(wǎng)格預(yù)報的檢驗方法研發(fā)和應(yīng)用

隨著精細(xì)化智能網(wǎng)格預(yù)報時空分辨率逐步提高，傳統(tǒng)的點對點的檢驗方法，包括常用的TS、Bias等檢驗方法缺乏對噪音的容忍能力，常出現(xiàn)“雙重懲罰”現(xiàn)象，其評分結(jié)果不能穩(wěn)定體現(xiàn)預(yù)報產(chǎn)品的性能。

針對傳統(tǒng)檢驗方法在精細(xì)化網(wǎng)格預(yù)報中應(yīng)用的問題，各類空間檢驗方法(Gilleland et al，2009)是有效的應(yīng)對方案。目前，中央氣象臺研究和應(yīng)用的空間檢驗方法主要有點對面檢驗、升尺度檢驗、鄰域空間檢驗等方法(陳法敬等，2019; 趙濱和張博，2018；唐文苑等，2018)，這些方法在一個相對更大的窗口內(nèi)建立觀測和預(yù)報的匹配關(guān)系，因此能給出更加穩(wěn)定檢驗結(jié)果。另外，基于目標(biāo)識別的降水檢驗方法通過對預(yù)報和觀測中的降水雨帶進(jìn)行識別和匹配，基于雨帶而不是站點進(jìn)行檢驗，因此能給出更接近天氣學(xué)意義的檢驗結(jié)果，中央氣象臺也開展了相關(guān)方法研究和應(yīng)用試驗(劉湊華和牛若蕓，2013；符嬌蘭和代刊，2016；牛若蕓等，2018)，目前國家級天氣預(yù)報檢驗分析系統(tǒng)(韋青等，2019)中正開展基于目標(biāo)識別的降水檢驗的業(yè)務(wù)試驗。

5 精細(xì)化降水預(yù)報業(yè)務(wù)技術(shù)思考

5.1 GRAPES數(shù)值預(yù)報系統(tǒng)

GRAPES數(shù)值預(yù)報系統(tǒng)作為中央氣象臺降水預(yù)報的重要支撐，近年來得到了長足的發(fā)展，其預(yù)報能力逐年提高。但隨著業(yè)務(wù)預(yù)報逐漸走向精細(xì)化，模式發(fā)展也必須適應(yīng)其要求。對“定時定點定量”的降水預(yù)報需求，數(shù)值天氣模式面臨更多的挑戰(zhàn)。一是高分辨率資料如何有效應(yīng)用，如雷達(dá)(包括雙偏振雷達(dá)和相控陣?yán)走_(dá))和靜止衛(wèi)星特別是FY-4衛(wèi)星等。高時空分辨率資料提供的更新、更高效的觀測信息(包括云物理觀測信息)，如何通過同化、云分析等技術(shù)手段，利用這些資料得到準(zhǔn)確、協(xié)調(diào)的分析場，對強天氣預(yù)報特別是短時臨近預(yù)報有著極為重要的意義。二是模式分辨率亟待提高至1 km 左右或更高，在這樣的分辨率尺度上，才可能解決地形問題、復(fù)雜下墊面包括超大城市及相關(guān)的邊界層和微物理等問題，這也是高分辨率數(shù)值模式面臨的重要挑戰(zhàn)。此外，建立更加快速更新(如10 min或更高頻次更新)的數(shù)值預(yù)報系統(tǒng)，以向業(yè)務(wù)預(yù)報提供“最新”的數(shù)值預(yù)報產(chǎn)品，對海量數(shù)據(jù)的處理、快速同化和預(yù)報模型、產(chǎn)品的快速分發(fā)都提出了更高的要求。

5.2 降水預(yù)報的時空精細(xì)化發(fā)展

通過上述技術(shù)的發(fā)展，中央氣象臺降水預(yù)報精準(zhǔn)化水平得到一定程度的提高，但還存在如下幾個問題和需要突破的方向：首先是降水預(yù)報的準(zhǔn)確率有待進(jìn)一步提高，網(wǎng)格降水預(yù)報的背景場雖然是利用多家全球和中尺度模式訂正和融合的最優(yōu)背景場，相比原始模式預(yù)報以及單模式訂正預(yù)報，準(zhǔn)確率有較明顯提高，但仍需進(jìn)一步挖掘模式誤差特征、提高背景場的準(zhǔn)確率。其次社會對更高時空分辨率的降水預(yù)報提出要求，而產(chǎn)生強降水的中小尺度系統(tǒng)受下墊面影響強烈，如何將復(fù)雜下墊面的影響納入時空統(tǒng)計降尺度技術(shù)提高降水時空分辨率也是需要解決的問題。此外滾動更新降水預(yù)報中的臨近、短時及短中期預(yù)報由于采用不同的數(shù)據(jù)源和技術(shù)方案，因此存在一定的時空分辨率以及降水位置強度不匹配問題，如何利用相應(yīng)的融合技術(shù)實現(xiàn)多預(yù)報時效降水匹配，提高無縫隙降水融合質(zhì)量也需要進(jìn)一步研究。通過時間降尺度的小時降水預(yù)報，由于主要參考天氣尺度信息，中尺度信息表現(xiàn)不足，短時強降水預(yù)報偏多，需改進(jìn)小時降水強度預(yù)報問題。如何基于海量觀測和模式預(yù)報數(shù)據(jù)，利用以深度學(xué)習(xí)為代表的大數(shù)據(jù)挖掘技術(shù)等，提高降水預(yù)報準(zhǔn)確率和精細(xì)化程度也是需要重點研究的。

5.3 精細(xì)化降水相態(tài)及新增積雪預(yù)報

由于目前降水相態(tài)積雪觀測等資料時空分辨率較低，也缺乏有關(guān)降雪云微物理過程研究，對影響新增積雪的物理機制認(rèn)識還不夠，客觀定量描述降雪粒子在云內(nèi)、云外以及近地面的變化過程有一定難度，制約著降水相態(tài)和積雪精細(xì)化預(yù)報能力的提升和預(yù)報產(chǎn)品評估檢驗。另外，社會對電線結(jié)冰厚度、道路結(jié)冰等精細(xì)化預(yù)報，也有越來越迫切的需求。高分辨率衛(wèi)星、雙偏振雷達(dá)等非常規(guī)觀測手段在積雪、降水相態(tài)以及云內(nèi)降水粒子方面監(jiān)測能力的提升，將有助于加深對積雪物理過程的認(rèn)識，從而進(jìn)一步提高積雪和降水相態(tài)的精細(xì)化客觀預(yù)報能力。結(jié)合集合預(yù)報系統(tǒng)，開發(fā)雨雪冰凍等災(zāi)害性天氣的概率預(yù)報產(chǎn)品，滿足多樣化用戶的需求。

5.4 精細(xì)化網(wǎng)格預(yù)報檢驗

未來精細(xì)化網(wǎng)格預(yù)報檢驗技術(shù)的研發(fā)主要是要解決評價公平性和通過檢驗反饋信息及問題的能力兩個方面。公平的評價方法不僅能夠選擇出更合理的產(chǎn)品供下游使用，還能幫助了解預(yù)報制作采用的不同數(shù)值模式和不同客觀方法的優(yōu)劣，以便合理地選擇數(shù)據(jù)源。檢驗分析的目的在于發(fā)現(xiàn)預(yù)報存在的規(guī)律性誤差。檢驗方法通常分為傳統(tǒng)和空間檢驗方法。傳統(tǒng)檢驗方法不便揭示存在問題和改進(jìn)途徑。空間檢驗方法能提供一些有天氣學(xué)意義的檢驗結(jié)果，但算法較為復(fù)雜，在業(yè)務(wù)中推廣應(yīng)用仍存在一定困難。此外，為提高檢驗精細(xì)化程度，除研發(fā)新的檢驗方法，還需廣泛開展分類檢驗，通過按季節(jié)、區(qū)域、不同天氣系統(tǒng)或更多其他條件分別統(tǒng)計預(yù)報誤差，找到預(yù)報問題。精細(xì)化預(yù)報檢驗工作的關(guān)鍵是效率問題。為此中央氣象臺研發(fā)全流程檢驗評估程序庫，并通過開源形式和全國氣象部門共享，基于該程序開展精細(xì)化網(wǎng)格預(yù)報的檢驗計算或檢驗系統(tǒng)的研發(fā)效率將明顯提高。

6 結(jié) 論

中央氣象臺經(jīng)過70年的發(fā)展，降水精細(xì)化預(yù)報水平有了很大的提高。在降水精細(xì)化預(yù)報技術(shù)方面的進(jìn)展主要包括：

(1)除GRAPES全球數(shù)值模式(GRAPES_GFS)以外還發(fā)展了GRAPES-Meso和GRAPES-3 km 中尺度數(shù)值模式，并以GRAPES-3 km為基礎(chǔ)，建立了3 h循環(huán)每天8次更新的循環(huán)更新系統(tǒng)并在2020年6月實現(xiàn)業(yè)務(wù)運行，將更好地支撐降水的時空和相態(tài)的精細(xì)化預(yù)報。

(2)在數(shù)值模式預(yù)報發(fā)展基礎(chǔ)上，利用降水網(wǎng)格化技術(shù), 幫助預(yù)報員從海量預(yù)報數(shù)據(jù)選取、集成、調(diào)整和訂正，實現(xiàn)預(yù)報員主觀預(yù)報與最優(yōu)客觀預(yù)報背景場的數(shù)字化融合，同時利用時空統(tǒng)計降尺度技術(shù)進(jìn)一步提高了網(wǎng)格降水時空精細(xì)化程度；與此同時，利用基于多尺度光流法的臨近預(yù)報及基于中尺度模式實時頻率匹配的短時訂正預(yù)報，構(gòu)建了快速滾動更新網(wǎng)格降水預(yù)報，進(jìn)一步提高了降水預(yù)報頻次。

(3)開發(fā)了基于集合預(yù)報系統(tǒng)的最優(yōu)概率閾值法和地面2 m氣溫閾值法相融合的降水相態(tài)客觀預(yù)報方法和產(chǎn)品；引用Cobb算法，基于溫度與融化比統(tǒng)計關(guān)系及云內(nèi)抬升運動對冰晶增長效率等影響雪水比的關(guān)鍵因子構(gòu)建新增積雪物理預(yù)報模型，通過地形降尺度技術(shù)，開發(fā)了未來10天逐3 h、5 km分辨率的雨、雪、雨夾雪、凍雨及雪水比和新增積雪網(wǎng)格預(yù)報產(chǎn)品。

(4)隨著精細(xì)降水預(yù)報業(yè)務(wù)的穩(wěn)步推進(jìn)，預(yù)報檢驗業(yè)務(wù)也向精細(xì)化網(wǎng)格預(yù)報檢驗發(fā)展過渡，中央氣象臺在繼續(xù)保留傳統(tǒng)城鎮(zhèn)預(yù)報檢驗方法基礎(chǔ)上，采用更加精細(xì)的觀測資料作為檢驗參考，研究空間檢驗方法在精細(xì)化網(wǎng)格預(yù)報中的應(yīng)用，推進(jìn)全流程檢驗評估程序庫建設(shè)并進(jìn)行開源共享，以推進(jìn)更加高效的精細(xì)化分類檢驗。

中央氣象臺的QPF業(yè)務(wù)將在數(shù)值模式和統(tǒng)計后處理技術(shù)不斷發(fā)展的基礎(chǔ)上，通過在便捷高效的預(yù)報編輯工具(主客觀融合平臺)上進(jìn)行海量信息及數(shù)據(jù)挖掘，獲得最優(yōu)客觀預(yù)報，并依靠預(yù)報員對降水物理概念模型的構(gòu)建、數(shù)值模式及誤差的理解和訂正，通過貫穿整個技術(shù)流程的實時檢驗評估等多個技術(shù)環(huán)節(jié)中進(jìn)一步向智能化、精細(xì)化、精準(zhǔn)化發(fā)展。