劉湊華，林建，曹勇，代刊，郭云謙，唐健

(國家氣象中心，北京 100081)

引 言

得益于氣象科技和信息技術(shù)的快速進步，天氣預(yù)報在過去一二十年取得巨大進展，預(yù)報的準(zhǔn)確率正逐年提升(王華等，2018；宗志平等，2012；韋青等，2020)。然而，傳統(tǒng)的站點預(yù)報無法覆蓋和表達精細(xì)的時間和空間信息，難以滿足用戶對天氣預(yù)報日益精細(xì)和個性化的需求(金榮花等，2019)。將預(yù)報服務(wù)體系由固定站點預(yù)報轉(zhuǎn)向精細(xì)化網(wǎng)格預(yù)報是滿足上述需求的業(yè)務(wù)基礎(chǔ)，“精細(xì)化”不僅僅是空間分辨率的提升，也包括時間維度的細(xì)化。對于降水預(yù)報，時間維度的精細(xì)化尤為重要，很多致災(zāi)的暴雨過程具有突發(fā)性，降水量往往集中發(fā)生在短短的一個或幾個小時內(nèi)，傳統(tǒng)的逐日降水預(yù)報不足以刻畫，為此有必要發(fā)展小時量級甚至更細(xì)分辨率的網(wǎng)格預(yù)報技術(shù)。

當(dāng)前無縫隙精細(xì)化網(wǎng)格氣象預(yù)報已經(jīng)成為國際主流趨勢。美國最早從2003年發(fā)展國家數(shù)字預(yù)報數(shù)據(jù)庫(NDFD)(Glahn and Ruth，2003)，提供短期內(nèi)逐1 h，更長時效內(nèi)逐3 h或逐6 h的網(wǎng)格預(yù)報。澳大利亞自2003年起也基于業(yè)務(wù)集成技術(shù)(OCF)(Woodcock and Engel，2003)提供短期內(nèi)逐3 h的網(wǎng)格指導(dǎo)預(yù)報。奧地利氣象局發(fā)展了無縫隙概率預(yù)報系統(tǒng)(SAPHIR)(Kann et al.，2018)，在臨近至短期72 h時效內(nèi)提供5 min至1 h分辨率的網(wǎng)格預(yù)報，并可以實現(xiàn)逐10 min的滾動更新。我國自2014年起逐步建立了精細(xì)化網(wǎng)格預(yù)報技術(shù)體系，在綜合氣象觀測、多源融合實況分析以及全球尺度和中尺度數(shù)值模式預(yù)報等基礎(chǔ)上，通過模式預(yù)報偏差客觀訂正(吳啟樹等，2017；王麗芳等，2021；張嬌等，2021)、多模式預(yù)報集成(林建等，2013)、主觀預(yù)報訂正、主客觀預(yù)報融合(唐健等，2018)和時間、空間降尺度等技術(shù)手段，逐步提升了預(yù)報的準(zhǔn)確率和精細(xì)化水平。其中，降水預(yù)報時間降尺度方法采用歐洲中期天氣預(yù)報中心(以下簡稱為ECMWF)模式逐3 h降水量來表征每個格點降水強度的變化趨勢，以此作為各個時段降水量的分配比例來實現(xiàn)時間降尺度的目標(biāo)(曹勇等，2016)?；谠摷夹g(shù)制作的預(yù)報對移動發(fā)展較緩慢的降水過程有較好的描述，但對短時強降水缺乏預(yù)報能力，為此有必要研究改進的方法。

盡管中尺度數(shù)值模式可以輸出分辨率足夠細(xì)的降水預(yù)報，但模式直接輸出的降水預(yù)報往往存在某種系統(tǒng)偏差，需要經(jīng)過客觀方法和預(yù)報員的訂正。目前各類降水預(yù)報的主客觀訂正方法主要針對逐日降水量的預(yù)報(唐健等，2018)，而對小時降水預(yù)報進行主客觀訂正的研究非常少，一方面因為直接在很短的時間間隔上進行建模，難以得到穩(wěn)定的改進效果，根據(jù)其結(jié)果累計得到的日降水量在準(zhǔn)確率上也難以達到最優(yōu)；另一方面，在有限的業(yè)務(wù)產(chǎn)品制作時間內(nèi)，預(yù)報員很難針對降水預(yù)報進行逐1 h主觀訂正。近年來，國家氣象中心基于主客觀訂正業(yè)務(wù)制作和發(fā)布了逐24 h精細(xì)化網(wǎng)格降水預(yù)報，其預(yù)報評分均顯著高于ECMWF模式降水預(yù)報(韋青等，2020)。因此，發(fā)展時間降尺度技術(shù)，將準(zhǔn)確率較高的24 h精細(xì)化網(wǎng)格降水預(yù)報結(jié)果降尺度到更細(xì)的時間分辨率上，能同時保證不同間隔的精細(xì)化預(yù)報的準(zhǔn)確率和總量的一致性。

目前空間降尺度的技術(shù)已在短中期預(yù)報中有較好的應(yīng)用(王亞男和智協(xié)飛，2012)，但時間降尺度技術(shù)仍主要應(yīng)用在氣候預(yù)報中，包括動力降尺度和統(tǒng)計降尺度(Kondo and Xu，1997；劉永和等，2011)，其中動力降尺度是以粗時空分辨率的氣候模式預(yù)報作為邊界條件運行分辨率更高的模式，統(tǒng)計降尺度方法則是結(jié)合實況要素時空分布特征和粗分辨率氣候模式預(yù)報采用統(tǒng)計模型計算出細(xì)分辨率的預(yù)報。上述降尺度的方法未將實時的模式預(yù)報信息引入，若直接應(yīng)用到短中期預(yù)報中，預(yù)報準(zhǔn)確率會非常低。在短中期時效，數(shù)值模式時間分辨率已經(jīng)足夠細(xì)，因此網(wǎng)格降水預(yù)報的時間降尺度主要關(guān)注的是如何將主客觀訂正后的累計降水量合理地分配到各個細(xì)分時段，需要高時間分辨率的降水時序變化作為分配的依據(jù)。本文將通過位置訂正、動態(tài)重構(gòu)和頻率匹配等方法進一步改進現(xiàn)有的時間降尺度方法，以提高時間降尺度方法對短時強降水的預(yù)報能力。

1 資料說明

研究使用的資料包括地面降水觀測資料、數(shù)值模式資料和24 h網(wǎng)格降水預(yù)報資料。其中，地面逐1 h降水觀測資料涵蓋預(yù)報業(yè)務(wù)檢驗標(biāo)準(zhǔn)規(guī)定的10 461個地面氣象觀測站(包括2 401個國家級觀測站和8 060個區(qū)域觀測測站)(韋青等，2020)，時間為2019年1月1日—2021年1月3日(北京時，下同)；數(shù)值模式預(yù)報采用ECMWF模式2019年1月1日—2020年12月31日每日08和20時起報的0—72 h內(nèi)逐3 h和72—84 h內(nèi)逐6 h的降水量預(yù)報(分辨率為0.125°×0.125°)；24 h網(wǎng)格降水預(yù)報是指經(jīng)過氣象預(yù)報業(yè)務(wù)部門訂正并發(fā)布的相對較細(xì)的網(wǎng)格預(yù)報，具體采用的是國家氣象中心2019和2020年每日08和20時起報的0—24 h、24—48 h和48—72 h時段的網(wǎng)格降水預(yù)報，其分辨率為0.05°×0.05°。采用插值算法將網(wǎng)格預(yù)報統(tǒng)一到和模式相同的網(wǎng)格分辨率，綜合考慮插值精度和降水要素的不連續(xù)性，選擇雙線性插值方案，網(wǎng)格范圍統(tǒng)一取為(70°—140°E，15°—55°N)。基于上述ECMWF模式降水預(yù)報，通過時間降尺度方法，將24 h網(wǎng)格降水預(yù)報降尺度為逐1 h降水預(yù)報，地面站點降水觀測資料用于頻率匹配方法建模和結(jié)果的檢驗分析。

2 時間降尺度方法概述

降水預(yù)報的時間降尺度方法是指將粗時間分辨率的網(wǎng)格降水預(yù)報降尺度成更細(xì)時間分辨率的網(wǎng)格降水預(yù)報的過程，實質(zhì)就是確定各細(xì)分時段的降水分配比例的過程，因此也可被稱為降水預(yù)報的時間拆分。時間降尺度的計算流程如圖1所示，包括逐點拆分、位置訂正、動態(tài)重構(gòu)、頻率匹配和總量約束5個步驟。

當(dāng)業(yè)務(wù)中有一套通過主客觀訂正、準(zhǔn)確率較高但時間分辨率較粗的網(wǎng)格預(yù)報(如圖1中R24)，同時還有一套能夠體現(xiàn)降水動態(tài)演變過程但未經(jīng)過訂正的相對較細(xì)的網(wǎng)格預(yù)報時(如圖1中R3_ec和R24_ec)，通過降水預(yù)報時間降尺度的方法可以綜合得到一套融合粗網(wǎng)格預(yù)報的訂正信息和細(xì)網(wǎng)格預(yù)報時空演變信息的更精細(xì)的網(wǎng)格預(yù)報結(jié)果(如圖1中R1)。

圖1 網(wǎng)格降水預(yù)報時間降尺度方法計算流程Fig.1 Calculation flow of time downscaling method for grid precipitation forecast.

步驟1：逐點拆分。將逐3 h的預(yù)報(R3_ec)采用單調(diào)三次樣條函數(shù)對逐個網(wǎng)格點進行插值，拆分到逐1 h，從而得到逐1 h網(wǎng)格預(yù)報場(R1s1，上標(biāo)s1表示經(jīng)過步驟1處理，下同)。

步驟2：位置訂正。取模式的24 h降水量(R24_ec)作為前一幀圖像，取網(wǎng)格預(yù)報24 h降水量(R24)作為后一幀圖像，采用光流法(曹春燕等，2015)計算前后兩幀圖像之間的平移矢量場，將該平移矢量場用于上一步獲得的逐1 h預(yù)報(R1s1)進行平移訂正，獲得經(jīng)過位置訂正后的逐1 h降水場(R1s2)。

步驟3：動態(tài)重構(gòu)。在步驟1中并沒有考慮每3 h之間雨帶的演變，插出的逐1 h降水預(yù)報場在同一3 h時段的相鄰時刻雨帶位置和分布形態(tài)高度相似，而在不同3 h時段的相鄰時刻，雨帶的位置和分布形態(tài)又不可避免地會出現(xiàn)不連續(xù)或突變的情況，該問題在步驟2的結(jié)果中仍然存在。針對上述問題，本步驟的目標(biāo)是將逐1 h雨帶演變調(diào)整得更加合理。從2019—2020年兩年的插值結(jié)果對比來看，每3 h插值成逐1 h的降水場中，中間1 h的雨帶分布是相對合理的，而前后兩個時段雨帶分布有明顯的不合理特征(下一節(jié)將結(jié)合實例說明)。因此，動態(tài)重構(gòu)將每3 h降水預(yù)報中的前后1 h刪除，然后用相鄰的兩個中間1 h的預(yù)報場來重新構(gòu)建前后1 h的降水預(yù)報場。

以圖2中2個3 h降水R313-15和R316-18拆分成逐1 h降水R113、R114、R115、R116、R117和R118為例。首先，保留中間的 R114和 R117的原始拆分結(jié)果，刪除 R113、R115、R116、R118的原始拆分結(jié)果，R115和 R116將采用 R114和R117來重構(gòu)。以R115為例，構(gòu)建的方法是將R114和R117作為光流法輸入的前(后)一幀和后(前)一幀圖像，計算出正反向平移矢量場 M14→17和 M17→14，將正向平移矢量場M14—>17乘以1/3后作用于R114，即可獲得R115的重構(gòu)結(jié)果，之所以乘以1/3是因為R114至R115的時間距離是R114至R117的1/3。同樣的原理，如果將反向平移矢量M17—>14乘以2/3 后作用于R117，也可獲得 R115的重構(gòu)結(jié)果。上述兩種重構(gòu)結(jié)果并不相同，其中正向平移的時間距離更短，一般而言其精度更高，而如果將正向和反向平移結(jié)果分別乘以2/3和1/3的權(quán)重后相加獲得綜合結(jié)果會進一步提高。上述重構(gòu)過程用公式可表示為

圖2 逐1 h降水場時間序列示意圖Fig.2 Time series diagram of hourly precipitation field.

其中，F(xiàn)代表光流法的平移函數(shù)。類似的方法可以獲得R116的重構(gòu)結(jié)構(gòu)如下

整個預(yù)報時段中除了第1 h和最后1 h無法重構(gòu)外，其它時效都可以采用上述方法進行重構(gòu)。

步驟4：頻率匹配。ECMWF模式降水預(yù)報的系統(tǒng)偏差往往導(dǎo)致小量級降水預(yù)報頻次高于觀測，而大量級降水預(yù)報頻次低于觀測，且量級越大，偏差越明顯，通常采用頻率匹配的方法進行訂正(李俊等，2014；Zhu and Luo，2015；智協(xié)飛和呂游，2019；王麗芳等，2021)。本文基于逐時站點實況降水，構(gòu)建降水頻率匹配模型，對步驟3動態(tài)重構(gòu)后的逐時降水預(yù)報進行訂正(詳見文中3.4節(jié))。

步驟5：總量約束?？偭考s束的作用使得逐1 h網(wǎng)格降水預(yù)報的24 h累積與逐24 h網(wǎng)格降水預(yù)報保持一致，經(jīng)過上述步驟計算得到的逐1 h降水在24 h累積降水中所占的比例乘以24 h網(wǎng)格點降水預(yù)報值即得到最終的逐1 h降水預(yù)報結(jié)果。

上述步驟1和5是時間拆分的必需步驟，并已在國家氣象中心業(yè)務(wù)中應(yīng)用(曹勇等，2016)，步驟2—4是針對目前業(yè)務(wù)中拆分后的雨帶范圍偏大、強度偏小和移動不合理等問題提出的改進。

3 應(yīng)用過程及個例檢驗

為了更好地說明時間降尺度方法的應(yīng)用及效果，選取2020年7月18日20時—19日20時發(fā)生在江南西部到江淮的一次暴雨到大暴雨的過程作為示例(圖3)來進行說明。分析可知，ECMWF模式2020年7月18日08時起報的12—36 h降水量預(yù)報的雨帶中心位置較實況偏西偏北(圖3a)，對應(yīng)時段內(nèi)24 h網(wǎng)格降水預(yù)報(圖3b)的雨帶位置和強度與實況更吻合，25、50、100 mm量級TS評分分別由0.56、0.37和0.12提高到了0.65、0.50和0.27，暴雨和大暴雨的范圍預(yù)報也與實況更一致。

圖3 2020年7月18日08時ECMWF模式12—36 h時段降水預(yù)報(a,等值線)、2020年7月18日20時起報的國家氣象中心0—24 h時段網(wǎng)格降水預(yù)報(b,等值線)與2020年7月18日20時—19日20時的累計降水量觀測(散點)對比(單位:mm)Fig.3 Comparison of(a)the 12-36 h prediction forecast(contour)of ECMWF model from 08∶00 BT on 18 July 2020,and(b)the 0-24 h grid precipitation forecast(contour)of National Meteorological Center from 20∶00 BT on 18 July 2020,with the cumulative precipitation observation(scatter)from 20∶00 BT 18 to 20∶00 BT 19 July 2020(unit:mm).

3.1 逐點拆分

為提高插值的精度并保證累計降水量隨時效單調(diào)遞增，采用了單調(diào)三次樣條函數(shù)算法進行插值，插值后相鄰1 h的累計降水量之差即為1 h降水量。將上述拆分方法應(yīng)用到每個格點，即可獲得逐1 h的降水空間分布。圖4顯示了ECMWF模式2020年7月18日08時預(yù)報的網(wǎng)格點(114.125°E，31.125°N)逐3 h累計降水量(紅色圓點)、插值得到的逐1 h累計降水量(藍(lán)色小圓點)以及拆分后逐1 h降水量(圖4中藍(lán)色柱狀)。由圖4可見，插值后逐1 h累計降水量曲線仍保持了單調(diào)性，拆分后逐1 h降水量也都大于等于0 mm。

圖4 采用單調(diào)三次樣條函數(shù)將單個格點逐3 h降水量拆分成逐1 h降水應(yīng)用示例(單位:mm,紅色圓點為逐3 h累計降水量,藍(lán)色曲線為插值獲得的累計降水量隨時效的連續(xù)變化曲線,藍(lán)色小圓點為曲線上逐1 h間隔的取值,藍(lán)色柱狀為拆分后逐1 h的降水量)Fig.4 An example of using monotone cubic spline function to downscale 3 h rainfall of a single grid point to hourly rainfall(unit:mm,red round spots are 3 h cumulative rainfall,blue line is continuously growing line obtained by interpolation,blue spots are 1 h cumulative rainfall and blue bars are 1 h rainfall).

與實際業(yè)務(wù)中網(wǎng)格預(yù)報制作參考的數(shù)值模式預(yù)報時效保持一致，本文取2020年7月18日08時EC?MWF模式12—36 h時效3 h降水預(yù)報的逐1 h拆分場用于7月18日20時起報的24 h網(wǎng)格預(yù)報的降尺度運算。當(dāng)ECMWF模式的12—36 h降水預(yù)報較實況偏西偏北(圖3a)時，基于ECMWF模式的3 h預(yù)報拆分出的逐1 h預(yù)報也存在偏西偏北的位置偏差(圖5a)。

3.2 位置訂正

取ECMWF模式18日08時的12—36 h降水量作為前一幀圖像，取18日20時網(wǎng)格預(yù)報24 h降水量作為后一幀圖像，采用光流法計算前后兩幀圖像之間的平移矢量場，將該平移矢量場對ECMWF模式12—36 h內(nèi)逐1 h拆分場進行平移，獲得經(jīng)過位置訂正后的逐1 h降水場(圖5b)。對比位置訂正前后的逐1 h降水預(yù)報(圖5a、b)，可以看出訂正后的雨帶位置更加接近實況。由此說明，將數(shù)值模式24 h降水量的位置偏差訂正信息應(yīng)用到拆分后的逐1 h預(yù)報中，可以改進逐1 h預(yù)報中的雨帶位置。

圖5 2020年7月18日20時起報的12—13 h時段位置訂正前的降水量預(yù)報(a,等值線,即ECMWF模式2020年7月18日08時起報的降水預(yù)報拆分得到的24—25 h時段)、位置訂正后的降水量預(yù)報(b,等值線)與7月19日08—09時降水量觀測(散點)對比(單位:mm)Fig.5 Comparison of the 12-13 h precipitation starting from 20∶00 BT on 18 July 2020,(a)before position correction(contour,the 24-25 h precipitation downscaled from forecast of ECMWF model starting from 08∶00 BT on 18 July 2020),and(b)after position correction(contour)and the precipitation observation(scatter)from 08∶00 BT to 09∶00 BT on 19 July(unit:mm).

值得注意的是，如果24 h網(wǎng)格預(yù)報比數(shù)值模式預(yù)報的雨帶位置誤差更大，位置訂正也可能導(dǎo)致更差的結(jié)果。2016—2020年的統(tǒng)計檢驗結(jié)果表明，國家氣象中心業(yè)務(wù)制作的24 h網(wǎng)格降水預(yù)報各等級的TS和ETS評分每年都高于ECMWF數(shù)值模式預(yù)報(韋青等，2020)。因此，在實際業(yè)務(wù)中，在時間降尺度中增加位置訂正的步驟總體上是可以產(chǎn)生改進效果的。

3.3 動態(tài)重構(gòu)

通過對實際業(yè)務(wù)中降水拆分結(jié)果的分析發(fā)現(xiàn)，經(jīng)過上述兩步得到的逐1 h降水預(yù)報場仍存在不符合演變規(guī)律的特征。圖6(見上頁)中左側(cè)一列是經(jīng)過了位置訂正后的1—6 h時效降水預(yù)報，從中可見1—3 h(圖6a1—a3)的雨帶分布非常相似，因為它們都是從相同的模式3 h降水場(ECMWF模式2020年7月18日08時起報13—15 h時效)拆分而來，類似地從模式下一個3 h降水預(yù)報拆分得到的4—6 h(圖6a4—a6)的雨帶分布也非常相似，而圖6a3和6a4中降水場的差異較大，表現(xiàn)為各局部雨帶中心位置出現(xiàn)較大跳躍。同時可以發(fā)現(xiàn)，每3 h內(nèi)的中間1 h(圖6a2、6a5)的降水強度都是最大的。

圖6 基于ECMWF模式2020年7月18日08時起報的12—36 h時段預(yù)報和2020年7月18日20時起報的0—24 h時段網(wǎng)格預(yù)報數(shù)據(jù):經(jīng)過位置訂正(a1—a6)、動態(tài)重構(gòu)(b1—b6)及頻率匹配(c1—c6)后的第1—6 h逐1 h降水預(yù)報(單位:mm,其中紅色三角形頂點標(biāo)注的是同一個降水中心在不同時刻的位置)Fig.6 Comparison of hourly precipitation forecasts of the first to sixth hour after(a1-a6)location correction,(b1-b6)dynamic reconstruction and(c1-c6)frequency matching based on 12-36 h prediction forecast of ECMWF model at 08∶00 BT and the 0-24 grid precipitation forecast at 20∶00 BT 18 July 2020(unit:mm).The red triangle vertex in the figure indicates the position of the same precipitation center at different times.

進一步追蹤第1—15 h湖北東北部的一個強降水雨帶中心(圖6，紅色三角形頂點)的位置演變(圖7a，藍(lán)色線條)，可以更加直觀地看出雨帶中心在每3 h時段內(nèi)基本不移動，而在不同的3 h時段之間出現(xiàn)明顯的跳躍。雨帶中心點降水強度(圖7b，藍(lán)色線條)變化顯示，每3 h時段內(nèi)，降水強度呈現(xiàn)明顯的倒“V”字型變化特征，即每3 h內(nèi)的降水量主要集中在中間1 h。圖6、7展示的特征在降水拆分結(jié)果中普遍存在，但實際雨帶移動并不具有這種特征，它們是不符合物理規(guī)律的。

圖7 動態(tài)重構(gòu)前后降水中心點(圖6中紅色三角形)經(jīng)度(a)和降水量(b)隨時效的變化Fig.7 Variations of(a)longitude and(b)precipitation of precipitation center(red triangle in Fig.6)with time before and after dynamic reconstruction.

動態(tài)重構(gòu)后的逐1 h降水預(yù)報(圖6b1—b6)位置變化和強度演變更連續(xù)，整體上更為合理。從湖北東北部移向河南南部、安徽西北部的強降水雨帶動態(tài)重構(gòu)前后的對比可以更清楚地看到，強降水中心的位置(圖7a，紅色線條)移動是比較連續(xù)的，雨帶強度(圖7b，紅色線條)的倒V字型變化特征有明顯減弱。

3.4 頻率匹配

檢驗發(fā)現(xiàn)，動態(tài)重構(gòu)后的逐1 h降水預(yù)報盡管位置和強度的演變更為合理，但雨帶范圍通常較實況偏大，中心強度不足。通過頻率匹配方法可以有效地對雨帶范圍和強度進行訂正(智協(xié)飛和呂游，2019)，本文采用動態(tài)重構(gòu)后的2019年全年08時和20時起報的72 h內(nèi)逐1 h降水預(yù)報和對應(yīng)10 461站的1 h降水量觀測數(shù)據(jù)作為樣本輸入，構(gòu)建逐1 h降水頻率匹配模型。按照起報時間和預(yù)報時效將預(yù)報觀測樣本進行分類建模，共生成144組頻率匹配訂正參數(shù)?；陬l率匹配方法訂正后的逐1 h降水預(yù)報(圖6c1—c6)的雨帶范圍明顯縮小，雨帶中心的強度明顯增大。

3.5 改進前后及不同組合方案應(yīng)用效果對比

在整個時間降尺度流程中，逐點拆分和總量約束是必須完成的步驟，其它步驟則是為了提高降水時空分布合理性的改進措施。從該個例改進前后第1—6 h逐1 h降水預(yù)報及對應(yīng)實況(圖8)可以看到，改進前(圖8a1—a6)僅使用時間拆分和總量約束訂正的逐1 h降水預(yù)報范圍偏大，強度偏弱，強降水中心偏西偏北，而加入位置訂正、動態(tài)重構(gòu)和頻率匹配后(圖8b1—b6)，盡管與實況還有些差別(圖8c1—c6)，但總的來說較改進前降水預(yù)報范圍變小，強度有所提升，強降水中心位置也更接近實況。

為了進一步說明時間降尺度流程中不同步驟所起的效果，本文選取一個觀測站點(站號817426，位于114.127°E、31.18°N，圖8中白色叉線)采用不同方案組合生成逐1 h的降水并和觀測進行對比(圖9)。2020年7月18日20時—19日20時24 h內(nèi)該觀測站點共出現(xiàn)了60.5 mm降水，其中約60%的降水發(fā)生在前3 h內(nèi)，1 h降水量峰值為21 mm(圖9黑線)。僅采用逐點拆分和總量約束計算得到的逐1 h降水量(圖9藍(lán)線)變化相對平緩，峰值僅為9 mm，降水峰值時間和結(jié)束時間都明顯滯后于實況。增加位置訂正后(圖9橙線)的逐1 h降水峰值有所增大，峰值時間略超前于實況，后期降水減弱趨勢也更趨近實況。進一步增加動態(tài)重構(gòu)(圖9綠線)后，1 h降水峰值略有降低，但演變趨勢整體接近實況。增加頻率匹配后(圖9紅線)，1 h降水峰值提高到15.6 mm，更加接近觀測。綜合來看，位置訂正和頻率匹配對預(yù)報的位置和強度有直接的改進作用，而動態(tài)重構(gòu)讓降水演變趨于平緩。

圖8 2020年7月18日20時起報的改進前(a1—a6)、改進后(b1—b6)第1—6 h逐1 h降水預(yù)報和對應(yīng)實況(c1—c6)(單位:mm)Fig.8 Hourly precipitation forecast at 20∶00 BT 18 July 2020(a1-a6)before and(b1-b6)after improvement,and(c1-c6)corresponding observation(unit:mm).

圖9 2020年7月18日20時起報的格點(114.127°E、31.18°N,圖8中白色叉線位置)24 h內(nèi)逐1 h降水預(yù)報和觀測(黑線)對比(藍(lán)線是逐點拆分和總量約束后的拆分結(jié)果,橙、綠和紅線分別是依次增加位置訂正、動態(tài)重構(gòu)和頻率匹配之后的拆分結(jié)果)Fig.9 Comparison of hourly precipitation forecast within 24 h of grid point(114.127°E,31.18°N)(white cross line position in Fig.8)at 20∶00 BT 18 July 2020 and observation(black line).The blue line is the downscaled result after grid downscaling and total amount constraint,and the orange,green and red lines are the downscaled results with adding steps of position correction,dynamic reconstruction and frequency matching in turn.

4 2020年應(yīng)用效果檢驗

考慮到上述單個示例結(jié)果的代表性有限，選取2020年1月1日—12月31日逐日08時起報的網(wǎng)格預(yù)報和前一日20時起報的對應(yīng)時段內(nèi)ECMWF模式預(yù)報進行批量試驗，采用不同方案組合生成72 h內(nèi)逐1 h降水預(yù)報，并同10 461站的逐1 h降水觀測進行對比檢驗。

從2020年逐1h降水預(yù)報在0.1mm、10mm和20mm等級閾值的ETS和BIAS評分(圖10)可見，僅采用逐點拆分+總量約束步驟所得結(jié)果在0.1 mm量級BIAS會明顯大于1，而在10 mm和20 mm等級BIAS會明顯小于1。增加位置訂正步驟后，各等級BIAS評分變化不大或略變差，0.1 mm等級ETS評分略微降低，但10 mm和20 mm等級ETS評分仍有比較明顯的提高，說明位置訂正確實對預(yù)報的雨帶中心位置起到了改進作用。增加動態(tài)重構(gòu)步驟后，各等級BIAS評分略變差，0.1 mm和10 mm等級ETS評分降低，在20 mm等級1—24 h時效ETS評分略有增加，而25—72 h時效ETS評分略減小。進一步增加頻率匹配步驟后，BIAS評分顯著改善，各等級BIAS更加接近1，ETS評分有顯著的提升。對24 h時效內(nèi)逐1 h 20 mm以上的短時強降水，改進效果比較穩(wěn)定和顯著，每增加一個步驟，ETS評分都有不同程度的改進。

圖10 采用多種組合方案對2020年1月1日—12月31日逐日08時起報的預(yù)報進行降尺度所得的逐1 h預(yù)報在不同時效區(qū)間不同降水等級(0.1 mm、10 mm和20 mm)的ETS(a、c、e)和BIAS(b、d、f)評分(藍(lán)色柱狀是逐點拆分和總量約束后的拆分結(jié)果,黃、綠和紅色柱狀分別是依次增加位置訂正、動態(tài)重構(gòu)和頻率匹配之后的拆分結(jié)果)Fig.10(a,c,e)ETS and(b,d,f)BIAS of 0.1 mm,10 mm and 20 mm hourly precipitation forecasts of different time effect with different schemes for daily 24 h grid precipitation forecast starting from 08∶00 BT from January 1 to 31 December 2020.The blue column is the downscaled result after grid downscaling and total amount constraint,and the yellow,green and red columns are the downscaled results with adding steps of position correction,dynamic reconstruction and frequency matching in turn.

綜合對比時間降尺度流程中不同步驟所起的作用及改進前后的效果，可以發(fā)現(xiàn)，位置訂正對雨帶位置和較強等級降水的預(yù)報準(zhǔn)確率有改進效果，動態(tài)重構(gòu)使逐1 h降水的時空演變更為合理，但對降水評分基本無改進效果。頻率匹配改進雨帶的范圍和中心強度，對各等級的降水預(yù)報的BIAS和ETS評分都有不同程度改善，對20 mm以上短時強降水改善更為顯著。依次經(jīng)過3個改進方法和步驟，短時強降水的ETS評分得到了穩(wěn)步提升。

5 結(jié)論和討論

目前業(yè)務(wù)中短中期時效網(wǎng)格降水預(yù)報的訂正主要是針對逐24 h間隔的降水預(yù)報，更為精細(xì)準(zhǔn)確的逐1 h預(yù)報則需要使用降水預(yù)報的時間降尺度技術(shù)。針對業(yè)務(wù)中采用的降水預(yù)報時間降尺度技術(shù)制作的預(yù)報存在雨帶范圍偏大、強度偏小和移動不合理等問題，在逐點拆分和總量約束基礎(chǔ)上增加了位置訂正、動態(tài)重構(gòu)和頻率匹配等改進步驟，并詳細(xì)介紹了時間降尺度的計算流程。主要結(jié)論如下：

(1)以2020年7月18日20時—19日20時江南西部到江淮的一次暴雨到大暴雨的過程為例，分別闡述了各個時間降尺度算法步驟所起的作用。通過不同算法流程，可以將24 h網(wǎng)格降水主觀訂正信息應(yīng)用到拆分的逐1 h預(yù)報中，以改進逐小時降水預(yù)報中的雨帶位置、強度和范圍。位置訂正可以改進強降水雨帶的位置，使強降水發(fā)生時間和峰值更接近實況，動態(tài)重構(gòu)使得雨帶的移動演變趨于平穩(wěn)，頻率匹配可以改進降水范圍和峰值強度。

(2)基于2020年1—12月逐日網(wǎng)格降水預(yù)報，對比檢驗不同組合方案生成的逐1 h降水預(yù)報表明，位置訂正對雨帶位置和較強等級降水的預(yù)報準(zhǔn)確率有改進效果，動態(tài)重構(gòu)使逐小時降水的時空演變更為合理。頻率匹配改進雨帶的范圍和中心強度，對各等級降水預(yù)報的BIAS和ETS評分都有明顯改善，對20 mm等級降水預(yù)報改進更為顯著。

本文提出的改進方法也存在一些不足，例如強降水的BIAS評分仍然明顯低于1，這可能和本文選用ECMWF全球模式作為拆分比例有關(guān)，后續(xù)將考慮參考多種數(shù)值模式信息，尤其是短期時效可增加中尺度模式的預(yù)報信息。此外，動態(tài)重構(gòu)改進了雨帶移動，但未帶來ETS評分的改進，可能是因為算法本身的不足，也可能和ETS評分方法的局限性有關(guān)，后續(xù)將對具體原因進行深入研究。