劉 揚(yáng)， 唐 健， 王 鑄， 王莉萍, 張 霞

(1.國(guó)家氣象中心， 北京 100081; 2.中國(guó)氣象局·河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室，鄭州 450003；3.河南省氣象臺(tái)，鄭州 450003)

引 言

風(fēng)險(xiǎn)是兩個(gè)主要因素的函數(shù)[1]:(1)某一事件發(fā)生的概率或一系列不同強(qiáng)度事件發(fā)生的概率;(2)事件的后果。WMO建議同時(shí)考慮氣象災(zāi)害發(fā)生的可能性及其潛在影響，構(gòu)成風(fēng)險(xiǎn)矩陣，從而進(jìn)行風(fēng)險(xiǎn)評(píng)估并發(fā)布預(yù)警信息[2]。2010年，美國(guó)國(guó)家科學(xué)院出版的一份關(guān)于天氣、氣候預(yù)報(bào)不確定性的調(diào)研報(bào)告強(qiáng)調(diào)，由于天氣氣候預(yù)報(bào)存在不確定性，要利用天氣、氣候預(yù)報(bào)作出比較好的決策，至關(guān)重要的一條就是要正確刻畫或表征預(yù)報(bào)的不確定性，并且在用戶和預(yù)報(bào)部門之間進(jìn)行充分的交流。因此如何正確認(rèn)識(shí)和科學(xué)對(duì)待天氣預(yù)報(bào)的不確定性，從而合理表征與充分交流不確定性，是業(yè)務(wù)預(yù)報(bào)部門亟待解決的重要問題[3]。

集合數(shù)值預(yù)報(bào)是單一值確定論預(yù)報(bào)向多值的概率預(yù)報(bào)轉(zhuǎn)變的關(guān)鍵技術(shù)基礎(chǔ)，其中心任務(wù)就是要定量估計(jì)預(yù)報(bào)不確定性的分布[4]。集合預(yù)報(bào)，針對(duì)數(shù)值預(yù)報(bào)的誤差來源，采用合理的擾動(dòng)原理和擾動(dòng)方法，構(gòu)造能沿著模式大氣相空間最不穩(wěn)定的方向快速增長(zhǎng)的擾動(dòng)場(chǎng)與集合預(yù)報(bào)成員，不僅大大提高了人們對(duì)暴雨等天氣過程的認(rèn)識(shí)和預(yù)報(bào)能力，更進(jìn)一步將自然科學(xué)和社會(huì)科學(xué)緊密聯(lián)系，使自然科學(xué)更好地解決社會(huì)生產(chǎn)生活問題，為合理安排生產(chǎn)和生活活動(dòng)、抵御暴雨等災(zāi)害提供有力的技術(shù)保障[1,5-6]。

由于集合預(yù)報(bào)系統(tǒng)能夠很好地考慮到模型的不確定性，國(guó)內(nèi)外學(xué)者已經(jīng)嘗試將集合預(yù)報(bào)應(yīng)用于洪水、山洪預(yù)報(bào)及早期預(yù)警和洪災(zāi)風(fēng)險(xiǎn)評(píng)估中[7-9]。集合預(yù)報(bào)系統(tǒng)能對(duì)未來的水文事件進(jìn)行最大可能估計(jì)，并給出了一個(gè)廣泛的結(jié)果區(qū)間，綜合了所有造成預(yù)報(bào)不確定性的因素。基于水文集合預(yù)報(bào)的洪水預(yù)報(bào)增加了預(yù)報(bào)附加值，并能夠延長(zhǎng)預(yù)警提前時(shí)間[10]。

另外，集合數(shù)值預(yù)報(bào)在一些專業(yè)氣象預(yù)報(bào)中也得到了應(yīng)用[11]。如用ECMWF集合預(yù)報(bào)與海浪預(yù)報(bào)模式耦合，每天發(fā)布海浪集合預(yù)報(bào)；法國(guó)氣象局用污染模式與ECMWF集合預(yù)報(bào)模式耦合，預(yù)報(bào)海面石油泄漏形成的污染物漂移過程；還有將集合數(shù)值預(yù)報(bào)產(chǎn)品應(yīng)用到未來1-10天電力需求的預(yù)報(bào)中等等。諸多研究指出，基于集合預(yù)報(bào)的概率預(yù)報(bào)遠(yuǎn)比單一的確定論預(yù)報(bào)經(jīng)濟(jì)效益高[12-14]。

降水預(yù)報(bào)的不確定性是產(chǎn)生其下游預(yù)測(cè)不確定性的重要部分。傳統(tǒng)的確定性預(yù)報(bào)對(duì)暴雨的預(yù)報(bào)能力有限，導(dǎo)致在此基礎(chǔ)上進(jìn)行的暴雨災(zāi)害風(fēng)險(xiǎn)評(píng)估可信度降低。近年來，集合數(shù)值天氣預(yù)報(bào)技術(shù)的發(fā)展，為降水預(yù)報(bào)、洪水預(yù)報(bào)及早期預(yù)警提供了新的思路[15]。集合預(yù)報(bào)技術(shù)的發(fā)展，有助于提高暴雨預(yù)報(bào)能力，對(duì)作出合理的暴雨災(zāi)害風(fēng)險(xiǎn)估計(jì)和評(píng)價(jià)非常有益[1，16]。而目前應(yīng)用集合預(yù)報(bào)進(jìn)行暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估的研究還比較少見。

國(guó)家氣象中心目前已有業(yè)務(wù)化應(yīng)用的暴雨災(zāi)害風(fēng)險(xiǎn)評(píng)估模型[17-18]。該模型基于確定性降水預(yù)報(bào)，預(yù)估降雨綜合強(qiáng)度，生成暴雨災(zāi)害綜合風(fēng)險(xiǎn)預(yù)估產(chǎn)品，已應(yīng)用于決策服務(wù)材料及相關(guān)部級(jí)聯(lián)合會(huì)商中。將該模型與集合預(yù)報(bào)系統(tǒng)耦合，可進(jìn)行基于集合預(yù)報(bào)的暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估研究。

2021年7月17-22日，河南省出現(xiàn)了歷史罕見的強(qiáng)降雨天氣過程，對(duì)經(jīng)濟(jì)社會(huì)運(yùn)行和人民生命財(cái)產(chǎn)安全造成嚴(yán)重危害。本研究以“21·7”河南暴雨事件為例，嘗試開展基于集合預(yù)報(bào)的暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估，檢驗(yàn)集合預(yù)報(bào)對(duì)暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估準(zhǔn)確度和預(yù)見期的提升效果。

1 研究數(shù)據(jù)

集合預(yù)報(bào)數(shù)據(jù)：對(duì)比國(guó)內(nèi)外各類集合預(yù)報(bào)產(chǎn)品的時(shí)空分辨率，考慮中國(guó)區(qū)域暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估的實(shí)際需要，選用空間分辨率較高的CMA(China Meteorological Administration)區(qū)域集合預(yù)報(bào)數(shù)據(jù)開展研究。CMA區(qū)域集合預(yù)報(bào)模式(原名GRAPES-REPS V3.0區(qū)域集合預(yù)報(bào)模式)水平分辨率為10 km,以CMA全球模式為驅(qū)動(dòng)場(chǎng)，初值擾動(dòng)方法為集合變換卡爾曼濾波，模式擾動(dòng)方法為隨機(jī)物理過程傾向項(xiàng)，2019年投入業(yè)務(wù)運(yùn)行；CMA區(qū)域集合預(yù)報(bào)的集合平均降水BIAS評(píng)分及小雨和暴雨ETS評(píng)分均明顯優(yōu)于ECMWF全球集合預(yù)報(bào)系統(tǒng)的評(píng)分，降水概率預(yù)報(bào)與ECMWF的降水概率預(yù)報(bào)具有一定可比性，對(duì)中國(guó)汛期降水具有較強(qiáng)的預(yù)報(bào)能力[19]。CMA區(qū)域集合預(yù)報(bào)共有集合預(yù)報(bào)成員數(shù)15個(gè)，包含1個(gè)控制預(yù)報(bào)和14個(gè)擾動(dòng)成員。預(yù)報(bào)區(qū)域?yàn)橹袊?guó)區(qū)域，預(yù)報(bào)時(shí)效為84 h(起報(bào)時(shí)間為世界時(shí)00時(shí)、12時(shí)，下同)。

降水實(shí)況數(shù)據(jù)：基于中國(guó)逐小時(shí)降水實(shí)時(shí)融合實(shí)況分析產(chǎn)品[20]累加而得的逐日降水實(shí)況分析產(chǎn)品，覆蓋中國(guó)區(qū)域(0°-60°N，70°-140°E)，空間分辨率為0.05°×0.05°。CMPAS中國(guó)逐小時(shí)降水實(shí)時(shí)融合實(shí)況分析產(chǎn)品是利用地面降水觀測(cè)資料、雷達(dá)定量估測(cè)降水?dāng)?shù)據(jù)和衛(wèi)星反演降水?dāng)?shù)據(jù)，采用偏差訂正、融合分析等技術(shù)研制而成，對(duì)強(qiáng)降水估算準(zhǔn)確率較高[21-22]。

2 研究方法

基于國(guó)家氣象中心目前業(yè)務(wù)化應(yīng)用的暴雨災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，調(diào)整預(yù)報(bào)數(shù)據(jù)接口和模型分辨率，將CMA區(qū)域集合預(yù)報(bào)數(shù)據(jù)與模型耦合；運(yùn)用模型進(jìn)行風(fēng)險(xiǎn)預(yù)估，得到與集合預(yù)報(bào)成員相同數(shù)目的風(fēng)險(xiǎn)預(yù)估結(jié)果；對(duì)比基于控制預(yù)報(bào)和基于擾動(dòng)成員預(yù)報(bào)的風(fēng)險(xiǎn)預(yù)估結(jié)果，研究集合預(yù)報(bào)在災(zāi)害風(fēng)險(xiǎn)預(yù)估中的應(yīng)用效果。

根據(jù)各集合成員的風(fēng)險(xiǎn)等級(jí)預(yù)估，可以計(jì)算風(fēng)險(xiǎn)等級(jí)概率。本研究使用概率預(yù)報(bào)中常用的方法，即根據(jù)滿足條件的成員個(gè)數(shù)來確定概率[23]。若預(yù)報(bào)超過某風(fēng)險(xiǎn)等級(jí)的成員有M個(gè)，集合成員數(shù)為15個(gè)，則該風(fēng)險(xiǎn)等級(jí)概率為M/15。

在業(yè)務(wù)應(yīng)用中，常需要將集合成員集成起來形成單值預(yù)報(bào)[24]。運(yùn)用集合定量降水預(yù)報(bào)集成方法——概率匹配平均法(Probability Matching，簡(jiǎn)稱PM)[25]集成各成員的風(fēng)險(xiǎn)預(yù)估結(jié)果。該方法不需要?dú)v史樣本，能結(jié)合具有較好空間分布的集合平均和具有更好量級(jí)準(zhǔn)確度的集合成員預(yù)報(bào)，可以更有效地利用各集合成員的信息[26]。PM產(chǎn)品可以提高降水落區(qū)和強(qiáng)度的預(yù)報(bào)效果，對(duì)于暴雨和大暴雨預(yù)報(bào)具有一定參考價(jià)值，已在業(yè)務(wù)預(yù)報(bào)中得到較好的應(yīng)用[27-30]。因此將該方法運(yùn)用于風(fēng)險(xiǎn)預(yù)估集成。

具體步驟[25-26]：選定某一矩形格點(diǎn)區(qū)域(區(qū)域緯向w個(gè)格點(diǎn)、經(jīng)向h個(gè)格點(diǎn))，計(jì)算該區(qū)域的集合平均場(chǎng)，并將w×h個(gè)格點(diǎn)集合平均值從大到小排列得到序列A；每個(gè)格點(diǎn)上有m個(gè)成員，將區(qū)域內(nèi)的w×h×m個(gè)集合成員預(yù)報(bào)值從大到小排列得到序列C；將序列C順序劃分為w×h個(gè)長(zhǎng)度為m的序列段，從每個(gè)序列段抽取中值從大到小排列形成序列B；用序列B的值替換A相同位置的平均值；將序列A恢復(fù)到集合平均場(chǎng)的原位置，即得到概率匹配平均場(chǎng)。

3 研究結(jié)果

2021年7月17-22日，河南省出現(xiàn)歷史罕見的極端暴雨過程，強(qiáng)降雨主要集中在7月19-21日(圖1)。7月20日，強(qiáng)降雨范圍最大，河南中部和北部均出現(xiàn)大暴雨以上量級(jí)的降水(日雨量超過100 mm)。圖2為CMA區(qū)域集合預(yù)報(bào)模式對(duì)7月20日降水量預(yù)報(bào)，包括1個(gè)控制預(yù)報(bào)和14個(gè)擾動(dòng)成員預(yù)報(bào)，起報(bào)時(shí)間為19日00時(shí)?？刂祁A(yù)報(bào)在河南中部超過100 mm，但在河南北部預(yù)報(bào)較實(shí)況明顯偏弱，僅預(yù)報(bào)25～50 mm。在14個(gè)擾動(dòng)成員中，有9個(gè)成員預(yù)報(bào)河南北部降水量大于50 mm，其中有5個(gè)大于100 mm(圖2d、i、j、l、o)，提示河南北部有出現(xiàn)暴雨或大暴雨的可能性。

圖1 2021年7月19日00時(shí)-20日00時(shí)(a)、20日00時(shí)-21日00時(shí)(b)、21日00時(shí)-22日00時(shí)(c)河南及周邊累計(jì)降水量實(shí)況

圖2 CMA區(qū)域集合預(yù)報(bào)模式對(duì)2021年7月20日00時(shí)-21日00時(shí)河南及周邊累計(jì)降水量預(yù)報(bào) (a)控制預(yù)報(bào)，(b)-(o)14個(gè)擾動(dòng)成員預(yù)報(bào)；起報(bào)時(shí)間為19日00時(shí)

以各集合成員分別驅(qū)動(dòng)暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估模型，得到風(fēng)險(xiǎn)預(yù)估結(jié)果(圖3)。風(fēng)險(xiǎn)等級(jí)2表示較高風(fēng)險(xiǎn)，3表示高風(fēng)險(xiǎn)，4表示極高風(fēng)險(xiǎn)?；诳刂祁A(yù)報(bào)的預(yù)估結(jié)果在河南中部有極高風(fēng)險(xiǎn)，在河南北部有較高風(fēng)險(xiǎn)，與控制預(yù)報(bào)的降水分布比較一致。同時(shí)，有多個(gè)擾動(dòng)成員在河南北部預(yù)估了極高風(fēng)險(xiǎn)。計(jì)算風(fēng)險(xiǎn)等級(jí)概率(圖4)可見，河南北部有70%～90%的概率存在較高風(fēng)險(xiǎn)，有超過50%的概率存在高風(fēng)險(xiǎn)，有10%～30%的概率存在極高風(fēng)險(xiǎn)。相比單一基于控制預(yù)報(bào)的預(yù)估結(jié)果，基于集合預(yù)報(bào)的風(fēng)險(xiǎn)評(píng)估提示了河南北部暴雨災(zāi)害高風(fēng)險(xiǎn)、極高風(fēng)險(xiǎn)的可能性。

集成各集合成員的風(fēng)險(xiǎn)預(yù)估結(jié)果(圖5)，集合平均和概率匹配平均的空間分布形態(tài)相似，概率匹配平均的風(fēng)險(xiǎn)等級(jí)更高。與控制預(yù)報(bào)(圖3a)相比，集合平均和概率匹配平均都削弱了對(duì)河南南部的高風(fēng)險(xiǎn)預(yù)估，更接近實(shí)際情況；但集合平均的風(fēng)險(xiǎn)等級(jí)整體偏低，為2～3級(jí)；概率匹配平均的風(fēng)險(xiǎn)等級(jí)強(qiáng)度與控制預(yù)報(bào)基本相當(dāng)，為2～3級(jí)、局地4級(jí)，且3級(jí)風(fēng)險(xiǎn)區(qū)范圍較控制預(yù)報(bào)的向北擴(kuò)展，表明河南北部存在暴雨災(zāi)害高風(fēng)險(xiǎn)，彌補(bǔ)了單一控制預(yù)報(bào)在河南北部預(yù)估偏弱的問題。

圖3 基于CMA區(qū)域集合預(yù)報(bào)模式的2021年7月20日河南及周邊暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估(a)控制預(yù)報(bào)，(b)-(o)14個(gè)擾動(dòng)成員預(yù)報(bào)；起報(bào)時(shí)間為19日00時(shí)

圖4 基于CMA區(qū)域集合預(yù)報(bào)的2021年7月20日河南及周邊暴雨災(zāi)害風(fēng)險(xiǎn)等級(jí)概率預(yù)估(a)≥2級(jí)，(b)≥3級(jí)，(c)4級(jí)；起報(bào)時(shí)間為19日00時(shí)

對(duì)于2021年7月20日的暴雨災(zāi)害，計(jì)算不同預(yù)報(bào)時(shí)效的基于單一控制預(yù)報(bào)的預(yù)估結(jié)果(RISK_Ctrl)、基于各擾動(dòng)成員的預(yù)估結(jié)果(RISK_Members)、概率匹配平均預(yù)估結(jié)果(RISK_PM)與真實(shí)值的空間相關(guān)系數(shù)，比較這三者的預(yù)估準(zhǔn)確性(圖6)。由于缺乏精細(xì)可靠的實(shí)際災(zāi)情數(shù)據(jù)，將基于實(shí)況降水的災(zāi)害評(píng)估結(jié)果,近似作為真值。可以看出，在24、48、72 h各個(gè)預(yù)報(bào)時(shí)效，RISK_PM預(yù)估結(jié)果與真值的空間相關(guān)系數(shù)均高于RISK_Ctrl預(yù)估結(jié)果與真值的相關(guān)系數(shù)，且高于絕大多數(shù)RISK_Members預(yù)估結(jié)果與真值的相關(guān)系數(shù)，說明概率匹配平均集成效果較好。而且，隨著預(yù)報(bào)時(shí)效增加，RISK_PM與RISK_Ctrl的偏差增大，表明預(yù)報(bào)時(shí)效越長(zhǎng)，集合預(yù)報(bào)的優(yōu)勢(shì)越明顯。

圖5 2021年7月20日河南及周邊暴雨災(zāi)害風(fēng)險(xiǎn)等級(jí)預(yù)估集成結(jié)果 (a)集合平均，(b)概率匹配平均；起報(bào)時(shí)間為19日00時(shí)

圖6 2021年7月20日不同預(yù)報(bào)時(shí)效的基于單一控制預(yù)報(bào)、基于各擾動(dòng)成員、概率匹配平均的暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估與真實(shí)值的空間相關(guān)系數(shù)

4 結(jié)論和討論

本研究以“21·7”河南暴雨事件為例，將CMA區(qū)域集合預(yù)報(bào)與暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估模型耦合，對(duì)比基于控制預(yù)報(bào)和基于擾動(dòng)成員的風(fēng)險(xiǎn)預(yù)估結(jié)果，預(yù)估各風(fēng)險(xiǎn)等級(jí)概率，并運(yùn)用集合平均、概率匹配平均法將集合成員集成，探索了集合預(yù)報(bào)在暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估中的應(yīng)用途徑和效果。結(jié)果表明：

(1)控制預(yù)報(bào)對(duì)河南中部大暴雨和極高災(zāi)害風(fēng)險(xiǎn)預(yù)估較好，對(duì)河南北部的降水和風(fēng)險(xiǎn)預(yù)估偏弱；基于集合預(yù)報(bào)的風(fēng)險(xiǎn)預(yù)估，河南北部有超過50%的概率存在暴雨災(zāi)害高風(fēng)險(xiǎn)，有10%～30%的概率存在暴雨災(zāi)害極高風(fēng)險(xiǎn)，提示了河南北部暴雨災(zāi)害高風(fēng)險(xiǎn)和極高風(fēng)險(xiǎn)的可能性?？梢姡项A(yù)報(bào)能為暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估提供更多信息。

(2)概率匹配平均法能有效集成基于集合預(yù)報(bào)的風(fēng)險(xiǎn)預(yù)估結(jié)果，優(yōu)于集合平均。概率匹配平均的高風(fēng)險(xiǎn)區(qū)范圍較控制預(yù)報(bào)的向北擴(kuò)展，彌補(bǔ)了控制預(yù)報(bào)在河南北部預(yù)估偏弱的問題。在24 h、48 h、72 h預(yù)報(bào)時(shí)效，概率匹配平均與真值場(chǎng)的空間相關(guān)系數(shù)均高于基于單一控制預(yù)報(bào)和絕大多數(shù)擾動(dòng)成員的預(yù)估結(jié)果與真實(shí)值的空間相關(guān)系數(shù)，且預(yù)報(bào)時(shí)效越長(zhǎng)，概率匹配平均的優(yōu)勢(shì)越明顯。

本研究以“21·7”河南暴雨事件為例開展試驗(yàn)研究，關(guān)于集合預(yù)報(bào)在暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估中的應(yīng)用效果，還需要更多案例驗(yàn)證和更深入的分析。