沈平，余小嘉，鄭曉志，魏煒，鐘晨

（1.廣東省突發(fā)事件預(yù)警信息發(fā)布中心，廣東廣州 510640；2.廣州市海珠區(qū)氣象局，廣東廣州 510220）

廣東省氣象災(zāi)害多維監(jiān)控平臺(tái)（簡(jiǎn)稱“平臺(tái)”）主要是針對(duì)暴雨、雷雨大風(fēng)、臺(tái)風(fēng)和寒冷4類氣象災(zāi)害，在一張圖上展現(xiàn)實(shí)況監(jiān)測(cè)、預(yù)報(bào)預(yù)警、行為處置、渠道發(fā)布、用戶反饋等預(yù)警信息在時(shí)間上的動(dòng)態(tài)演變過(guò)程［1-2］，實(shí)現(xiàn)突發(fā)事件預(yù)警信息發(fā)布的可預(yù)判、可視化、可監(jiān)控和可評(píng)估，為應(yīng)對(duì)突發(fā)事件提前部署、啟動(dòng)應(yīng)急處置措施等提供決策依據(jù)［3］。

雷雨大風(fēng)預(yù)警信號(hào)智能監(jiān)控分析模塊是平臺(tái)中較為核心的內(nèi)容之一，用于監(jiān)控未來(lái)3 h預(yù)警信號(hào)演變情況，但在實(shí)際應(yīng)用中發(fā)現(xiàn)，雷雨大風(fēng)智能監(jiān)控分析結(jié)果與實(shí)況有一定差距。本研究有代表性的選擇3次廣州市雷雨大風(fēng)過(guò)程為研究對(duì)象，對(duì)預(yù)警信號(hào)智能監(jiān)控過(guò)程復(fù)盤(pán)檢驗(yàn)，以期能通過(guò)調(diào)整參數(shù)閾值和變量滿足設(shè)定閾值（簡(jiǎn)稱“達(dá)標(biāo)”）持續(xù)時(shí)間來(lái)優(yōu)化模型，提高預(yù)警信號(hào)智能監(jiān)控水平［4］。

1 數(shù)據(jù)來(lái)源與研究?jī)?nèi)容

1.1 數(shù)據(jù)來(lái)源

本研究數(shù)據(jù)來(lái)源于廣東省氣象業(yè)務(wù)網(wǎng)SWIFT2短臨產(chǎn)品中的雷達(dá)組合反射率和組合反射率外推產(chǎn)品、自動(dòng)氣象站觀測(cè)的極大風(fēng)（簡(jiǎn)稱“極大風(fēng)”）實(shí)況監(jiān)測(cè)數(shù)據(jù)（表1）和TS評(píng)分系統(tǒng)中針對(duì)雷雨大風(fēng)預(yù)警信號(hào)準(zhǔn)確率評(píng)分。

表1 數(shù)據(jù)分析匯總

1.2 研究方法

對(duì)比廣東省雷雨大風(fēng)預(yù)警信號(hào)發(fā)布標(biāo)準(zhǔn)（簡(jiǎn)稱“標(biāo)準(zhǔn)”）與平臺(tái)中智能監(jiān)控模型（簡(jiǎn)稱“模型”）算法，發(fā)現(xiàn)模型中將自動(dòng)氣象站極大風(fēng)進(jìn)行了降級(jí)處理，并增加了組合反射率覆蓋面積比例雷達(dá)外推產(chǎn)品ZH＞50 dBz的面積占各區(qū)面積1／3及以上［5-6］作為自變量（S）（表2）。智能監(jiān)控具體方法：系統(tǒng)每5 min采集一次相關(guān)數(shù)據(jù)，當(dāng)連續(xù)4次采集數(shù)據(jù)均符合發(fā)布標(biāo)準(zhǔn)時(shí)智能監(jiān)控啟動(dòng)，當(dāng)連續(xù)4次采集數(shù)據(jù)均不符合發(fā)布標(biāo)準(zhǔn)時(shí)解除（如X時(shí)系統(tǒng)識(shí)別到極大風(fēng)和組合反射率外推產(chǎn)品均達(dá)標(biāo)，每5 min重新識(shí)別一次，當(dāng)連續(xù)4次識(shí)別到兩個(gè)條件均達(dá)標(biāo)時(shí)，則X＋20：00為智能監(jiān)控預(yù)警信號(hào)啟動(dòng)時(shí)間）。

表2 雷雨大風(fēng)預(yù)警信號(hào)發(fā)布規(guī)定與智能監(jiān)控模型對(duì)比

本研究?jī)H從預(yù)警信號(hào)生效期間進(jìn)行分析。首先，回看實(shí)況，確定智能監(jiān)控分析結(jié)果的準(zhǔn)確性，挑選出結(jié)果不匹配的事件，并對(duì)其進(jìn)行復(fù)盤(pán)，以期找到不匹配原因；其次，對(duì)模型進(jìn)行優(yōu)化；再次對(duì)上述幾個(gè)過(guò)程進(jìn)行智能監(jiān)控，與優(yōu)化前的結(jié)果進(jìn)行對(duì)比，另外隨機(jī)選擇一次過(guò)程分析模型優(yōu)化后實(shí)際發(fā)布與智能監(jiān)控的吻合度，對(duì)模型優(yōu)化效果進(jìn)行二次檢驗(yàn)［7］。

具體實(shí)施方法：針對(duì)實(shí)際發(fā)布與智能監(jiān)控結(jié)果不匹配的地區(qū)進(jìn)行研究，以實(shí)際發(fā)布預(yù)警的時(shí)間點(diǎn)為基準(zhǔn)點(diǎn)，以模型設(shè)置相關(guān)條件為參照，前推30 min逐次查看極大風(fēng)情況，對(duì)比組合反射率外推產(chǎn)品和組合反射率產(chǎn)品的強(qiáng)度和覆蓋面積，詳細(xì)分析智能監(jiān)控結(jié)果與實(shí)際不符的原因。

2 結(jié)果分析

2.1 模型結(jié)果與實(shí)況分析

選擇廣州市為研究區(qū)域，以組合反射率、組合反射率外推產(chǎn)品及極大風(fēng)等觀測(cè)資料為基礎(chǔ)，分別對(duì)3次雷雨大風(fēng)預(yù)警智能監(jiān)控結(jié)果進(jìn)行分析。

1）2021年3月6日。

2021年3月6日，廣州區(qū)域內(nèi)云系自西向東移動(dòng)，11：00左右，廣州各區(qū)陸續(xù)啟動(dòng)雷雨大風(fēng)黃色預(yù)警，整個(gè)過(guò)程中智能監(jiān)控均未識(shí)別到滿足相應(yīng)預(yù)警信號(hào)啟動(dòng)條件的時(shí)次（表3）。檢驗(yàn)分析發(fā)現(xiàn)，6個(gè)區(qū)的智能監(jiān)控實(shí)況可以分為以下3種情況：組合反射率外推因子達(dá)標(biāo)，極大風(fēng)≥7級(jí)的站點(diǎn)只有一個(gè)不足兩個(gè)及以上（白云、南沙）；極大風(fēng)風(fēng)力及站點(diǎn)數(shù)滿足條件，但組合反射率ZH≥50 dBz的面積不足1／3（花都）；組合反射率外推因子滿足條件（圖1），極大風(fēng)風(fēng)力不達(dá)標(biāo)（番禺、黃埔、海珠）。

表3 2021年3月6日廣州市雷雨大風(fēng)黃色預(yù)警信號(hào)發(fā)布情況

圖1 花都區(qū)2021年3月6日09：36—10：12組合反射率外推產(chǎn)品

2）2021年5月25日。

5月25日，颮線自南向北移動(dòng)，廣州市各區(qū)雷雨大風(fēng)預(yù)警發(fā)布時(shí)間集中在17：00左右。對(duì)比發(fā)現(xiàn)，25日廣州市共發(fā)布了10個(gè)預(yù)警，而智能監(jiān)控僅僅識(shí)別到3個(gè)（表4）。將未識(shí)別到的7次預(yù)警復(fù)盤(pán)后發(fā)現(xiàn)，區(qū)域組合反射率外推因子強(qiáng)度和面積均不達(dá)標(biāo)（荔灣區(qū)、花都區(qū)、從化）；組合反射率外推因子滿足條件，但沒(méi)出現(xiàn)≥7級(jí)的極大風(fēng)站點(diǎn)（白云區(qū)）；組合反射率外推因子和極大風(fēng)不滿足連續(xù)4次數(shù)據(jù)均達(dá)標(biāo)（增城）。

表4 2021年5月25日廣州市雷雨大風(fēng)黃色預(yù)警信號(hào)發(fā)布情況

3）2021年6月21日。

6月21日，受高空槽和切變線的共同影響，廣東省自北向南先后有強(qiáng)降雨，廣州市各區(qū)19：00開(kāi)始陸續(xù)啟動(dòng)雷雨大風(fēng)預(yù)警。該次過(guò)程較強(qiáng)，智能監(jiān)控準(zhǔn)確性比較高，但荔灣區(qū)、海珠區(qū)、番禺區(qū)和增城區(qū)依舊出現(xiàn)時(shí)間與級(jí)別不匹配等情況（表5）。對(duì)應(yīng)實(shí)況進(jìn)行復(fù)盤(pán)后發(fā)現(xiàn)，臺(tái)站發(fā)布與自動(dòng)識(shí)別不匹配的原因主要有組合反射率外推因子ZH≥50 dBz面積不足總體1／3（花都、南沙）。該次過(guò)程，荔灣、海珠均有雷雨大風(fēng)預(yù)警升級(jí)處理，但模型均為識(shí)別到滿足條件時(shí)刻。

表5 2021年6月21日廣州市雷雨大風(fēng)黃色預(yù)警信號(hào)發(fā)布情況

2.2 模型優(yōu)化方案

對(duì)廣州市各區(qū)3次雷雨大風(fēng)過(guò)程中預(yù)警信號(hào)智能監(jiān)控結(jié)果不準(zhǔn)確的情況進(jìn)行分析，兩者不匹配的情況主要有以下幾種：①組合反射率外推因子面積不達(dá)標(biāo)；②組合反射率外推因子強(qiáng)度不達(dá)標(biāo)；③極大風(fēng)不滿足要求。

為了進(jìn)一步做好防災(zāi)減災(zāi)工作，提高預(yù)判準(zhǔn)確性，更好的掌握預(yù)警信號(hào)演變過(guò)程，基于廣州地區(qū)3次雷雨大風(fēng)預(yù)警信號(hào)情況分析，決定對(duì)智能監(jiān)控模型進(jìn)行如下優(yōu)化（表6）：①降低采集數(shù)據(jù)達(dá)標(biāo)次數(shù)，將連續(xù)4次采集數(shù)據(jù)達(dá)標(biāo)調(diào)至連續(xù)3次采集數(shù)據(jù)達(dá)標(biāo)即啟動(dòng)預(yù)警；②將歷次過(guò)程雷雨大風(fēng)預(yù)警信號(hào)啟動(dòng)期間，極大風(fēng)小于7級(jí)的各區(qū)極大風(fēng)取均值，作為模型中的極大風(fēng)閾值；③縮小組合反射率外推因子符合規(guī)則面積，減少為未來(lái)30 min組合反射率外推因子ZH＞50 dBz的面積占區(qū)域面積的1／4以上。

表6 模型優(yōu)化規(guī)則對(duì)比

2.3 優(yōu)化模型的效果檢驗(yàn)

根據(jù)2.2節(jié)建議對(duì)模型進(jìn)行優(yōu)化，再次針對(duì)廣州市3次雷雨大風(fēng)預(yù)警過(guò)程進(jìn)行復(fù)盤(pán)推演，對(duì)比結(jié)果發(fā)現(xiàn)3月6日廣州市有6個(gè)區(qū)先后發(fā)布雷雨大風(fēng)黃色預(yù)警信號(hào)，系統(tǒng)優(yōu)化前均無(wú)識(shí)別，系統(tǒng)優(yōu)化后，白云區(qū)、海珠區(qū)、番禺區(qū)和南沙區(qū)均在預(yù)報(bào)員發(fā)預(yù)警后30 min內(nèi)智能監(jiān)控均有識(shí)別（表3）；5月25日的過(guò)程較3月6日強(qiáng)烈，系統(tǒng)優(yōu)化后智能監(jiān)控到的次數(shù)從優(yōu)化前的3次增至6次（表4）；6月21日是3次過(guò)程中最強(qiáng)的一次，系統(tǒng)優(yōu)化后，黃色雷雨大風(fēng)預(yù)警信號(hào)均有監(jiān)控到（表5）。分析可見(jiàn)，系統(tǒng)優(yōu)化后監(jiān)控率均有大幅度提升。從模型優(yōu)化前后智能監(jiān)控識(shí)別結(jié)果可以看出，模型優(yōu)化后智能監(jiān)控識(shí)別率均值提高到71.5%，較優(yōu)化前的32%提高了39%（表7）。模型優(yōu)化后，隨機(jī)選擇了2021年10月1日廣州市一次雷雨大風(fēng)過(guò)程，發(fā)現(xiàn)智能監(jiān)控識(shí)別率為70%（表7）。

表7 模型優(yōu)化前后智能監(jiān)控情況 %

3 結(jié)論

廣東省氣象災(zāi)害多維監(jiān)控平臺(tái)中雷雨大風(fēng)預(yù)警信號(hào)智能監(jiān)控模型，用于監(jiān)控未來(lái)3 h預(yù)警信號(hào)發(fā)展演變情況。針對(duì)廣州市3次雷雨大風(fēng)過(guò)程進(jìn)行復(fù)盤(pán)分析，查找出智能監(jiān)控分析與實(shí)況不符的原因，并對(duì)模型優(yōu)化調(diào)整。模型調(diào)整后除了再次對(duì)研究選擇的3次雷雨大風(fēng)進(jìn)行智能監(jiān)控識(shí)別，對(duì)比分析兩次結(jié)果，檢驗(yàn)?zāi)Ｐ蛢?yōu)化效果外，另外隨機(jī)選擇了一次雷雨過(guò)程進(jìn)行智能監(jiān)控分析，進(jìn)行二次檢驗(yàn)，檢驗(yàn)結(jié)果發(fā)現(xiàn)，模型調(diào)整后智能監(jiān)控分析能力有較大幅度提升。

需要指出的是，該次研究涉及氣象數(shù)據(jù)較少，后續(xù)系統(tǒng)建設(shè)可以考慮將閃電與雷雨大風(fēng)有關(guān)的氣象數(shù)據(jù)納入建模范圍；另外，該次檢驗(yàn)僅針對(duì)廣州市區(qū)域，今后可以開(kāi)展多地市、多個(gè)例系統(tǒng)性優(yōu)化，以期能全面優(yōu)化多維監(jiān)控系統(tǒng)。