德慶 羅布堅參 白珍 赤曲

（1.西藏自治區(qū)氣象臺；2.西藏自治區(qū)氣象災(zāi)害防御技術(shù)中心；3.西藏拉薩市氣象局，西藏 拉薩 850000）

0 引言

數(shù)值預(yù)報是當(dāng)代天氣預(yù)報的主要參考工具，然而混沌理論表明大氣狀態(tài)的演變對于初始場的微小誤差非常敏感，數(shù)值預(yù)報初始場極小的誤差在模式運(yùn)轉(zhuǎn)過程中逐漸放大，即使擁有最好的觀測值，我們也永遠(yuǎn)無法作出完美的數(shù)值預(yù)報，也就不可能做出完美的天氣預(yù)報，這就是我們需要集合預(yù)報的原因，集合預(yù)報是針對數(shù)值預(yù)報不確定性問題發(fā)展起來的新一代隨機(jī)動力概率預(yù)報技術(shù)，它既能給出單一的最佳可能預(yù)報，也能將單一的確定性預(yù)報轉(zhuǎn)變?yōu)楦怕暑A(yù)報［1,3］，集合預(yù)報正是從這種不確定性出發(fā)，通過不同的初值和擾動，由數(shù)值預(yù)報模式積分得到一組預(yù)報集合，試圖推測大氣所有可能的各種狀態(tài)，所以集合預(yù)報更能表達(dá)大氣本身的特性，提供更多有價值的信息，尤其提供災(zāi)害性和極端性等小概率天氣的可能預(yù)報，為預(yù)報員在防災(zāi)減災(zāi)服務(wù)方面提供有效的支撐［2,4］。世界上主要的發(fā)達(dá)國家都非常重視集合預(yù)報系統(tǒng)的發(fā)展，20 世紀(jì)90 年代初歐洲中期天氣預(yù)報中心和美國國家環(huán)境預(yù)報中心分別建立了集合預(yù)報業(yè)務(wù)系統(tǒng)［3］，經(jīng)過近30 年的發(fā)展，集合預(yù)報在現(xiàn)代天氣預(yù)報中得到越來越多的重視和應(yīng)用。

2011 年開始國家信息中心開始接收ECMWF、NCEP、CMC、CMA 等中心的實(shí)時集合預(yù)報數(shù)據(jù)，在此基礎(chǔ)上國家氣象中心開發(fā)了“集合預(yù)報工具箱”，西藏氣象臺2013年開始使用集合預(yù)報工具箱，并且成為預(yù)報員日常業(yè)務(wù)應(yīng)用的主要工具和重要參考，如何在眾多的集合預(yù)報產(chǎn)品中擇優(yōu)選擇適合本地的產(chǎn)品，同樣的預(yù)報產(chǎn)品在不同的天氣過程中的可參考程度，同樣的預(yù)報產(chǎn)品在同樣的天氣過程中的穩(wěn)定度等等還沒有較完整的分析檢驗(yàn)，以至于不同的預(yù)報員理解集合預(yù)報產(chǎn)品還是有很大的主觀因素。世界氣象組織2012年發(fā)布的《集合預(yù)報應(yīng)用手冊》中明確提出：預(yù)報員應(yīng)該了解集合預(yù)報系統(tǒng)的優(yōu)勢和劣勢，既要了解多個臨界值的檢驗(yàn)結(jié)果，也應(yīng)該熟知該集合模式產(chǎn)品在各個季節(jié)的預(yù)報情況，所以預(yù)報員不應(yīng)該僅僅依靠模式輸出的直接結(jié)果，更應(yīng)該根據(jù)模式的預(yù)報結(jié)果作診斷分析，如果我們沒有注重對集合預(yù)報產(chǎn)品的檢驗(yàn)分析，無法對集合預(yù)報產(chǎn)品作出更適合本地的診斷分析，為了更好的理解集合預(yù)報這個重要的現(xiàn)代天氣預(yù)報技術(shù)，也為了更好地把集合預(yù)報產(chǎn)品應(yīng)用到西藏天氣預(yù)報業(yè)務(wù)中，有必要也急需對這方面作更多的檢驗(yàn)分析和研究。

1 資料和方法

1.1 資料來源

本文所用EXMWF集合預(yù)報降水和氣溫資料來自國家氣象中心，資料時長為2016 年1 月至2020 年10月逐日6 小時，區(qū)域范圍為20°N～50°N，50°E～120°E，2.5°×2.5°分辨率的格點(diǎn)數(shù)據(jù)，結(jié)合短期預(yù)報的實(shí)際應(yīng)用，選取集合模式20 時起報的短期時效逐24 小時產(chǎn)品，對集合預(yù)報常用產(chǎn)品進(jìn)行了分析，其產(chǎn)品有10%分位數(shù)、25%分位數(shù)、中位數(shù)、50%分位數(shù)、75%分位數(shù)、90%分位數(shù)、最小值、最大值和控制預(yù)報。西藏39個站的降水實(shí)況來自CIMISS數(shù)據(jù)庫。

1.2 技術(shù)方法

1.2.1 差值方法。采用雙線性插值方法將集合降水預(yù)報格點(diǎn)場插值到西藏地區(qū)39個觀測站點(diǎn)上，對其結(jié)果計算集合預(yù)報的各產(chǎn)品數(shù)值，并做檢驗(yàn)。

1.2.2 檢驗(yàn)方法。根據(jù)中國氣象局發(fā)布的預(yù)報評分檢驗(yàn)方法如下公式:

晴雨檢驗(yàn)：PC={(NA+NB)/(NA+NB+NC+ND)}×100%

TS評分：TS={NA/(NA+NB+NC)}×100%

漏報率:PO={NC/(NA+NC)}×100%

空報率：FAR={NB/(NA+NB)}×100%

預(yù)報偏差：BS={(NA+NB)/(NA+NC)}×100%

其中NA 為預(yù)報正確次數(shù)，NB 為空報次數(shù)，NC 為預(yù)報漏報次數(shù)，ND為無降水預(yù)報正確次數(shù)。

1.2.3 檢驗(yàn)對象。主要檢驗(yàn)對象為全區(qū)39 個站24 小時預(yù)報，全區(qū)汛期降水檢驗(yàn)樣本達(dá)到35100個，拉薩三次首場降雪過程（20181218，20191101、20200104），拉薩超歷史極值的強(qiáng)降水過程（20170622）。

2 集合預(yù)報西藏短期降水預(yù)報性能評估

2.1 全區(qū)汛期晴雨檢驗(yàn)評估及分析

本節(jié)選用2016年至2020年汛期（5月1日至10月20日）對應(yīng)的集合預(yù)報數(shù)據(jù)做了晴雨預(yù)報檢驗(yàn)：集合預(yù)報9 種產(chǎn)品的晴雨檢驗(yàn)值均超過0.55，其中最小值，10%分位數(shù)，25%分位數(shù)，中位數(shù)，控制預(yù)報的檢驗(yàn)達(dá)到0.6 以上，最小值檢驗(yàn)值為0.73，也就是意味著最小值對晴雨預(yù)報準(zhǔn)確率有較好的參考價值。從單站的分析來看（圖略），不同氣候背景的站點(diǎn)的產(chǎn)品檢驗(yàn)值差異較大，波密的各產(chǎn)品檢驗(yàn)值均達(dá)到0.73以上，最小值和中位數(shù)檢驗(yàn)值分別為0.79 和0.76，而普蘭的檢驗(yàn)值普遍較低，除了最小值和10%分位數(shù)達(dá)到0.5 以外，其余各產(chǎn)品的檢驗(yàn)值在0.3 左右，預(yù)報參考價值較低。

2.2 全區(qū)汛期累加降水量級檢驗(yàn)評估分析

2.2.1 TS 評分。TS 評分值隨著降水量級的增大而顯著減小，小雨各產(chǎn)品TS 均能達(dá)到0.54 以上，對中雨75%分位數(shù)評分最高（0.24），而對暴雨其參考價值極低，各集合預(yù)報產(chǎn)品中控制預(yù)報的評分最高，但只有0.06，所以集合預(yù)報對暴雨基本無參考價值。

圖1 集合預(yù)報對全區(qū)汛期晴雨的檢驗(yàn)

圖2 集合預(yù)報對全區(qū)各量級降水的TS評分

各站點(diǎn)情況分析來看（圖略），嘉黎小雨量級上各產(chǎn)品評分均在0.73以上，中雨量級上90%分位數(shù)評分為0.29，參考價值較高。值得一提的是聶拉木站暴雨預(yù)報TS 評分中25%分位數(shù)和10%分位數(shù)有一定參考價值，其值分別為0.18和0.13。

2.2.2 漏報率分析。各產(chǎn)品對小雨幾乎沒有漏報，中雨和大雨量級中最大值效果較好，漏報率分別僅0.07和0.56，暴雨幾乎全部漏報，只有最大值有一點(diǎn)點(diǎn)預(yù)報能力，其值為0.08。各站點(diǎn)來看（圖略），察隅的中雨量級上最大值產(chǎn)品幾乎沒有漏報，其余大部分產(chǎn)品漏報率在0.4 至0.6，日喀則的大雨過程最大值的漏報率也很低其值為0.1，其余產(chǎn)品對大雨和暴雨百分之百漏報，中雨最小值也是百分之百漏報。

圖3 集合預(yù)報對全區(qū)各量級降水的漏報率

2.2.3 空報率。各產(chǎn)品對同一量級降雨的空報率差異不大，小雨空報率各產(chǎn)品均在0.3 至0.4 之間，中雨空報率在0.6 至0.8 之間，明顯高于小雨的空報率，大雨的空報率0.8 至0.9，暴雨幾乎全空報。站點(diǎn)上（圖略）拉薩中雨最小值空報率接近百分之百，對大雨的預(yù)報，控制預(yù)報，75%分位數(shù)和90%分位數(shù)，最大值產(chǎn)品空報率也接近百分之百，對昌都大雨預(yù)報，控制預(yù)報，90%分位數(shù)，最大值產(chǎn)品空報率也接近百分之百。

圖4 集合預(yù)報對全區(qū)各量級降水的空報率

3 集合預(yù)報各產(chǎn)品絕對誤差和誤差站點(diǎn)分布分析

3.1 集合各產(chǎn)品絕對誤差值

圖5 上，最大值的絕對誤差超過8，其余各產(chǎn)品的誤差也都在2 以上，但除了最大值、90%分位數(shù)，75%分位數(shù)以外，其余各產(chǎn)品誤差沒有超過4。

圖5 集合預(yù)報產(chǎn)品絕對誤差值

3.2 集合各產(chǎn)品站點(diǎn)誤差分析

在圖6 和圖7 中，站點(diǎn)上相對誤差的大小會以站點(diǎn)的顏色來代表，負(fù)代表預(yù)報值小于真實(shí)值，正代表預(yù)報值大于真實(shí)值；同時誤差的絕對值會以散點(diǎn)的面積來代表，面積越大的代表誤差也越大。這樣能夠突出顯示誤差較大的站點(diǎn)，便于我們分析問題。

圖6 集合預(yù)報25%分位數(shù)產(chǎn)品的誤差站點(diǎn)分布

圖7 集合預(yù)報25%分位數(shù)、中位數(shù)產(chǎn)品的誤差站點(diǎn)分布

綜合所有集合預(yù)報產(chǎn)品的誤差站點(diǎn)分布，最大的特征是所有產(chǎn)品對帕里站預(yù)報偏大，為正的相對誤差，絕對誤差也是所有站點(diǎn)中最大的，可見對于帕里站集合預(yù)報9 種產(chǎn)品是明顯的一致的比實(shí)況偏大，另外對于聶拉木、錯那、米林和察隅也是一致的預(yù)報偏大，但絕對值比帕里小。第二個最大的特點(diǎn)是，四個產(chǎn)品（25%分位數(shù)，10%分位數(shù)，最小值、中位數(shù)）對嘉黎站預(yù)報明顯偏小，其次對類烏齊和芒康預(yù)報偏小。第三個最大的特征是有五個產(chǎn)品（控制預(yù)報，平均數(shù)，最大值，75%分位數(shù)，90%分位數(shù)）對全區(qū)預(yù)報是偏多偏大的情況，其余四個產(chǎn)品僅對嘉黎、類烏齊和芒康偏大。第四個特征是所有集合預(yù)報產(chǎn)品對阿里、那曲西部和沿江中西部的相對誤差小，絕對誤差也小，其集合預(yù)報較接近實(shí)況。集合預(yù)報對嘉黎偏小和帕里預(yù)報偏大的情況特別非常明顯（圖6至圖9），結(jié)合散點(diǎn)回歸圖進(jìn)一步看到（圖10和圖11），嘉黎觀測到的降水樣本很多，并且20 至40 毫米之間也有很多觀測到的樣本，而集合預(yù)報各產(chǎn)品的預(yù)報都在20 毫米以內(nèi)，只有最大值產(chǎn)品預(yù)報值分布在20 毫米以上有幾例。帕里觀測到的降水量沒有超過40 毫米的值，而預(yù)報值超過50 毫米的樣本很多，尤其是最大值100至150毫米的也有很多。

圖8 集合預(yù)報25%分位數(shù)產(chǎn)品的誤差站點(diǎn)分布

圖9 集合預(yù)報25%分位數(shù)、中位數(shù)產(chǎn)品的誤差站點(diǎn)分布

圖10 嘉黎站集合預(yù)報各產(chǎn)品散點(diǎn)回歸圖

圖11 帕里站集合預(yù)報各產(chǎn)品散點(diǎn)回歸圖

這兩站結(jié)合多年的預(yù)報實(shí)踐經(jīng)驗(yàn)來分析，確實(shí)屬于小氣候和地形影響因素大的站點(diǎn)，這個檢驗(yàn)結(jié)果非常符合實(shí)際的預(yù)報經(jīng)驗(yàn)，帕里站由于和聶拉木一線歸屬于南部邊緣地帶，南部邊緣由于受喜馬拉雅等地形抬升因素考慮，不僅是模式預(yù)報，預(yù)報員也偏向于報多報大，而往往是聶拉木極易暴雪暴雨，帕里的極端降水確實(shí)極少，通過此次集合預(yù)報檢驗(yàn)，我們一定要調(diào)整這個預(yù)報思路。嘉黎由于歸屬藏北，藏北一帶大部分日數(shù)極其干燥，也沒有南部邊緣一樣的南支大槽或風(fēng)暴類系統(tǒng)的直接影響，平時預(yù)報員結(jié)合集合預(yù)報模式產(chǎn)品作參考，對于嘉黎的暴雪和大雨，非常容易漏報，通過此次檢驗(yàn)，在往后的預(yù)報業(yè)務(wù)中一定要對預(yù)報產(chǎn)品進(jìn)行訂正后再做參考。

4 拉薩站首場降雪敏感度檢驗(yàn)

為了把握前期有沒有空報情況，找出了降雪前幾天的天氣狀況，對于2018 年的第一場雪，預(yù)報特別理想，前期所有產(chǎn)品沒有預(yù)報降雪，實(shí)際也是沒有出現(xiàn)降雪，在前期不存在空報的情況下準(zhǔn)確預(yù)報了首場降雪。18 日降雪量8.8 毫米，所有集合預(yù)報產(chǎn)品也是當(dāng)天預(yù)報了降雪，預(yù)報降雪量在4 至13 毫米之間，其中控制預(yù)報，平均數(shù)和中位數(shù)都預(yù)報8毫米左右。

圖12 拉薩站2018年首場降雪

2019 年11 月1 日降雪量1.5 毫米，前面近一周的時間段個別產(chǎn)品有微量的降雪預(yù)報，但是從31日開始有較明顯的提示，1 日當(dāng)天所有集合預(yù)報產(chǎn)品有降雪預(yù)報值（1至14毫米）之間。

圖13 拉薩站2019年首場降雪

圖14 拉薩站2020年首場降雪

2020 年1 月4 日這次過程效果不理想，降雪量本身也很小，只有0.3，前期沒有降雪的幾天集合預(yù)報產(chǎn)品都有預(yù)報降雪，實(shí)際降雪當(dāng)天，各產(chǎn)品的預(yù)報量普遍在0.8毫米左右，預(yù)報也是偏大。

5 拉薩站極值強(qiáng)降雨檢驗(yàn)分析

2017 年6 月22 日降雨量50.5 毫米。其降雨集中在21 日23 時至22 日08 時段。集合預(yù)報工具箱中單站箱線預(yù)報上21 日21 時至22 日03 時間預(yù)報降水較為集中，這和實(shí)際短時強(qiáng)降水出現(xiàn)時段吻合，實(shí)際這個時段沒出現(xiàn)29.8毫米降水，預(yù)報只有3毫米左右，從個集合預(yù)報其他各產(chǎn)品預(yù)報情況分析，預(yù)報量明顯偏小，最大值產(chǎn)品當(dāng)天的降雨量也只有4毫米，對于強(qiáng)降水幾乎沒有預(yù)報參考價值，也沒有極端天氣預(yù)報的提示信息。

圖15 拉薩站歷史極值過程強(qiáng)降水分布圖

圖16 拉薩站歷史極值短時強(qiáng)降水情況

圖17 拉薩單站歷史極值短時強(qiáng)降水EC集合預(yù)報

圖18 拉薩站歷史極值短時強(qiáng)降水集合產(chǎn)品預(yù)報

6 檢驗(yàn)評估指標(biāo)

6.1 通過對集合預(yù)報全區(qū)所有降水日數(shù)的檢驗(yàn)提煉業(yè)務(wù)預(yù)報參考數(shù)據(jù)

集合預(yù)報晴雨檢驗(yàn)值均超過0.55，最小值檢驗(yàn)值達(dá)0.73。TS評分各產(chǎn)品對小雨能達(dá)到0.54以上，對中雨75%分位數(shù)評分最高也僅0.24，對暴雨無參考價值。各產(chǎn)品對小雨幾乎沒有漏報，中雨和大雨量級中最大值效果較好，漏報率分別僅0.07 和0.56，暴雨幾乎全部漏報。日喀則的大雨和察隅的中雨最大值產(chǎn)品幾乎沒有漏報。各產(chǎn)品對同一量級降雨的空報率差異不大，小雨空報率各產(chǎn)品均在0.3 至0.4 之間，中雨空報率在0.6 至0.8 之間，大雨的空報率0.8 至0.9，暴雨幾乎全空報。

集合預(yù)報9種產(chǎn)品對帕里、聶拉木、錯那、米林、和察隅站預(yù)報偏大，但四個產(chǎn)品（25%分位數(shù)，10%分位數(shù)，最小值、中位數(shù)）對嘉黎、類烏齊和芒康站預(yù)報明顯偏小，所有產(chǎn)品對阿里、那曲西部和沿江中西部的預(yù)報較接近實(shí)況。

6.2 集合預(yù)報對拉薩冬季第一場雪的預(yù)報檢驗(yàn)結(jié)果指征

對中大雪有特好的定性預(yù)報指示意義，其中控制預(yù)報、平均數(shù)和中位數(shù)對定量預(yù)報有非常準(zhǔn)確的參考價值，對于小雪量級也有較好的定性預(yù)報指示意義，但各產(chǎn)品的定量預(yù)報偏大，對于微量降雪，定性定量預(yù)報都效果不理想，預(yù)報值偏大。對于小雪量級及以上天氣集合產(chǎn)品提前一天有提示意義，實(shí)際天氣出現(xiàn)比預(yù)報偏晚。

6.3 集合預(yù)報對拉薩汛期短時強(qiáng)降水的預(yù)報檢驗(yàn)結(jié)果指征

集合預(yù)報和實(shí)際短時強(qiáng)降水出現(xiàn)時段較一致，但預(yù)報量偏小10倍以上，對于強(qiáng)降水沒有極端天氣的預(yù)報提示作用。