邵建 何勁夫 陳敏 張亞剛1, 張肅詔1, 邵雅涵

(1 中國(guó)氣象局旱區(qū)特色農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警與風(fēng)險(xiǎn)管理重點(diǎn)實(shí)驗(yàn)室,銀川 750002; 2 銀川市氣象局,銀川 750002; 3 寧夏氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室,銀川 750002; 4 寧夏氣象臺(tái),銀川 750002; 5 寧夏銀川一中,銀川 750001)

引言

短時(shí)強(qiáng)降水往往由中小尺度對(duì)流系統(tǒng)引發(fā),具有持續(xù)時(shí)間短、災(zāi)害性強(qiáng)等特點(diǎn),一直以來(lái)是氣象科研的重點(diǎn)和預(yù)報(bào)的難點(diǎn)[1-3]。氣象衛(wèi)星的覆蓋范圍廣,觀測(cè)頻次穩(wěn)定,其部分性能甚至可與地面天氣雷達(dá)相媲美[4-5]。有研究認(rèn)為,氣象衛(wèi)星因其高時(shí)空分辨率能很好地捕捉到強(qiáng)對(duì)流云團(tuán)發(fā)展的演變特性[6-10],因而在短時(shí)強(qiáng)降水監(jiān)測(cè)和研究方面具有得天獨(dú)厚的“遙感”優(yōu)勢(shì)[11-15],可以用作識(shí)別大氣中正在發(fā)生的動(dòng)力和熱力過(guò)程的有效指示。一些學(xué)者對(duì)衛(wèi)星遙感數(shù)據(jù)可用性及其性能進(jìn)行了研究和改進(jìn)[16-18],進(jìn)一步推進(jìn)了衛(wèi)星數(shù)據(jù)的業(yè)務(wù)應(yīng)用。

國(guó)內(nèi)外學(xué)者利用靜止氣象衛(wèi)星資料對(duì)各類災(zāi)害性天氣開(kāi)展監(jiān)測(cè)、分析,其中包括了大霧[19]、沙塵暴[20]、森林草原火災(zāi)[21]、臺(tái)風(fēng)[22]和強(qiáng)降水[23-29],先后開(kāi)展了許多理論和方法研究,普遍認(rèn)為靜止氣象衛(wèi)星資料及產(chǎn)品的應(yīng)用對(duì)災(zāi)害天氣的臨近預(yù)報(bào)具有較好的指示意義。針對(duì)風(fēng)云系列、Himawari-8等靜止氣象衛(wèi)星資料,通過(guò)反演云和降水的宏微觀物理特征參數(shù),發(fā)現(xiàn)云光學(xué)厚度與降水強(qiáng)度呈正相關(guān)關(guān)系,對(duì)降水強(qiáng)度的影響最為顯著,云頂溫度和云頂高度對(duì)降水強(qiáng)度的影響次之,云液水路徑的大值區(qū)與地面強(qiáng)降水中心的位置基本一致[30-32]。在降水發(fā)生前2 h,云頂溫度、黑體亮溫、云頂高度和過(guò)冷層厚度都處于不斷增強(qiáng)的較高水平,且出現(xiàn)快速增強(qiáng)后又不斷減弱,對(duì)應(yīng)后期可能要出現(xiàn)強(qiáng)降水[33]。出現(xiàn)大降水時(shí),每小時(shí)降水量與云頂高度、有效粒子半徑是較好的正相關(guān),與云頂溫度是較好的負(fù)相關(guān);反之則不盡然,云頂高度高、云頂溫度低、有效粒子半徑大卻不一定降水大[34]。通常云厚大于5 km、云底較低、云粒子有效半徑較大時(shí),地面易出現(xiàn)降水[35];層狀云和對(duì)流云的降水概率均隨云頂高度和云光學(xué)厚度的增加而增大,降水概率與云光學(xué)厚度的相關(guān)性更為密切,云參數(shù)先于地面降水變化,兩者相差約2 h[36-37]。當(dāng)云頂高度大于7.5 km、云粒子有效半徑大于20 μm 且云光學(xué)厚度大于10時(shí),云降水概率普遍都在30%以上[38]。

這些研究,多是利用衛(wèi)星反演的物理特征參數(shù),以某一次或多次暴雨過(guò)程為例,分析暴雨云系的演變特征和微觀物理性質(zhì);或是從統(tǒng)計(jì)的角度出發(fā),分析云和降水參數(shù)與地面雨量的關(guān)系,從而總結(jié)出一些定性化普遍規(guī)律,對(duì)提高降水預(yù)報(bào)精度做出了貢獻(xiàn)。FY-4A靜止氣象衛(wèi)星較其他衛(wèi)星擁有更高的時(shí)空分辨率,可以更精確捕捉到對(duì)流云在對(duì)流初生階段的云頂物理量變化的特征[39]。有學(xué)者對(duì)短時(shí)強(qiáng)降水的流型配置、閾值進(jìn)行研究[40],以及通過(guò)Z-I分型最優(yōu),提高短時(shí)強(qiáng)降水預(yù)警指標(biāo)[41],但是結(jié)合衛(wèi)星研究短時(shí)強(qiáng)降水預(yù)警指標(biāo)卻少之又少。

目前FY-4A各類參數(shù)在短時(shí)強(qiáng)降水分析中的應(yīng)用研究較少。業(yè)務(wù)工作中對(duì)衛(wèi)星云圖的應(yīng)用分析仍以主觀判斷和定性外推估算為主,因此利用FY-4A開(kāi)展降水臨近預(yù)報(bào)指標(biāo)研究,對(duì)于開(kāi)展災(zāi)害天氣監(jiān)測(cè)預(yù)警、有效發(fā)揮氣象防災(zāi)減災(zāi)第一道防線作用有著十分重要的意義。本文利用FY-4A下發(fā)的衛(wèi)星產(chǎn)品資料,結(jié)合地面降水觀測(cè)數(shù)據(jù),對(duì)寧夏2018—2021年汛期短時(shí)強(qiáng)降水天氣過(guò)程進(jìn)行分析,探討暴雨對(duì)流云團(tuán)在13類FY-4A衛(wèi)星基礎(chǔ)產(chǎn)品方面的定量化特征和適用于寧夏地區(qū)的短時(shí)強(qiáng)降水監(jiān)測(cè)預(yù)警的有效指標(biāo),旨在為寧夏短時(shí)強(qiáng)降水的識(shí)別、監(jiān)測(cè)、臨近預(yù)報(bào)預(yù)警提供有力的科學(xué)依據(jù),同時(shí)挖掘我國(guó)自主發(fā)射的新一代衛(wèi)星傳感器的應(yīng)用潛力,為云和降水的物理特征參數(shù)產(chǎn)品反演技術(shù)的改進(jìn)優(yōu)化提供反饋和參考。

1 資料和研究方法

1.1 資料

1.1.1 短時(shí)強(qiáng)降水樣本

短時(shí)強(qiáng)降水過(guò)程:利用寧夏境內(nèi)自動(dòng)站數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。以1 h降水量為統(tǒng)計(jì)標(biāo)準(zhǔn),當(dāng)寧夏境內(nèi)至少3個(gè)相互間距不大于10 km的自動(dòng)氣象站小時(shí)降水量≥10 mm時(shí),定義為一次短時(shí)強(qiáng)降水天氣過(guò)程,過(guò)程中達(dá)到短時(shí)強(qiáng)降水標(biāo)準(zhǔn)的自動(dòng)站小時(shí)雨量(15 min雨強(qiáng))作為強(qiáng)降水樣本。統(tǒng)計(jì)時(shí)段為2018—2021年,每年的5月1日00:00至9月30日23:00。按照上述標(biāo)準(zhǔn),共統(tǒng)計(jì)出短時(shí)強(qiáng)降水個(gè)例213次,合計(jì)強(qiáng)降水樣本數(shù)據(jù)6945個(gè)。

1.1.2 FY-4A衛(wèi)星產(chǎn)品資料

FY-4A衛(wèi)星搭載多通道掃描成像輻射計(jì)(AGRI)等四種探測(cè)器,下發(fā)32類定量產(chǎn)品。本文選取了13大類可能與強(qiáng)降水存在較為明顯對(duì)應(yīng)關(guān)系的產(chǎn)品進(jìn)行指標(biāo)分析。其中對(duì)流初生CIX、云檢測(cè)CLM、云相態(tài)CLP、云類型CLT為設(shè)定值類變量,即設(shè)定了若干固定值,為非連續(xù)變量;定量降水估測(cè)QPE為降水估計(jì)產(chǎn)品,為非連續(xù)變量;其他產(chǎn)品均設(shè)計(jì)為連續(xù)觀測(cè)值,視為連續(xù)變量(表1)。

表1 納入指標(biāo)研究的13類FY-4A衛(wèi)星產(chǎn)品及其參數(shù)

衛(wèi)星資料時(shí)段為2018—2021,每年的5月1日00:00至9月30日23:59。

1.2 研究方法

采用反距離加權(quán)插值,即IDW(Inverse Distance Weight) ,也可以稱為距離倒數(shù)乘方法。是指距離倒數(shù)乘方格網(wǎng)化方法是一個(gè)加權(quán)平均插值法,可以進(jìn)行確切的或者圓滑的方式插值。方次參數(shù)控制著權(quán)系數(shù)如何隨著離開(kāi)一個(gè)格網(wǎng)結(jié)點(diǎn)距離的增加而下降。對(duì)于一個(gè)較大的方次,較近的數(shù)據(jù)點(diǎn)被給定一個(gè)較高的權(quán)重份額,對(duì)于一個(gè)較小的方次,權(quán)重比較均勻地分配給各數(shù)據(jù)點(diǎn)。本文通過(guò)降水站點(diǎn)的經(jīng)緯度信息,用反距離插值法獲取不同衛(wèi)星產(chǎn)品在該點(diǎn)的觀測(cè)值。

相關(guān)性分析是指對(duì)兩個(gè)或者多個(gè)具備相關(guān)性的變量元素進(jìn)行分析,從而衡量?jī)蓚€(gè)因素的相關(guān)密切程度。常用的相關(guān)性分析方法是皮爾遜相關(guān)系數(shù)法。該方法要求樣本序列符合正態(tài)分布,計(jì)算出兩個(gè)序列間的相關(guān)系數(shù)R,R的正負(fù)表示正負(fù)相關(guān)性,其絕對(duì)值越大代表相關(guān)性越好。

箱線圖(Box-plot)又稱為盒須圖、盒式圖或箱形圖,是一種用作顯示一組數(shù)據(jù)分散情況資料的統(tǒng)計(jì)圖。它主要用于反映原始數(shù)據(jù)分布的特征,還可以進(jìn)行多組數(shù)據(jù)分布特征的比較。它能顯示出一組數(shù)據(jù)的最大值、最小值、中位數(shù)及上下四分位數(shù)。

極值統(tǒng)計(jì)是專門(mén)研究很少發(fā)生,但一旦發(fā)生卻會(huì)有巨大影響的隨機(jī)變量極端變異性的建模及統(tǒng)計(jì)分析方法。一般來(lái)說(shuō),對(duì)于一個(gè)序列來(lái)說(shuō),其最大值、最小值及其分別占比為該序列的主要描述參數(shù),極值統(tǒng)計(jì)法則是將其進(jìn)行描述的一種方法。

1.3 樣本數(shù)據(jù)對(duì)應(yīng)關(guān)系確定

日常業(yè)務(wù)上接收到的FY-4A產(chǎn)品數(shù)據(jù),一般有逐時(shí)整點(diǎn)報(bào)文和逐15 min加密報(bào)文,而短時(shí)強(qiáng)降水的樣本數(shù)據(jù)同樣有小時(shí)數(shù)據(jù)和分鐘級(jí)數(shù)據(jù)。在計(jì)算相關(guān)性時(shí),采用的是逐小時(shí)數(shù)據(jù)進(jìn)行分析;在指標(biāo)計(jì)算時(shí),從自動(dòng)站分鐘級(jí)數(shù)據(jù)里統(tǒng)計(jì)與衛(wèi)星產(chǎn)品15 min加密報(bào)文時(shí)段相對(duì)應(yīng)的15 min雨強(qiáng)數(shù)據(jù),作為細(xì)化樣本開(kāi)展分析。

2 指標(biāo)分析的技術(shù)流程

對(duì)于非連續(xù)變量產(chǎn)品采用直接賦值的方式得出指標(biāo),對(duì)于連續(xù)變量則按照?qǐng)D1技術(shù)流程分析指標(biāo)。

圖1 短時(shí)強(qiáng)降水監(jiān)測(cè)預(yù)警指標(biāo)研究的技術(shù)流程

先分析得出短時(shí)強(qiáng)降水樣本和對(duì)應(yīng)的衛(wèi)星產(chǎn)品相關(guān)性較好(相關(guān)系數(shù)的絕對(duì)值≥0.4)的幾類產(chǎn)品,然后采用“箱線圖+極值統(tǒng)計(jì)法”來(lái)計(jì)算分析指標(biāo)。

通過(guò)統(tǒng)計(jì)分析法得到初始箱線圖的繪制范圍(定義為繪制區(qū)間),然后利用箱線圖法對(duì)某一衛(wèi)星產(chǎn)品樣本全序列數(shù)據(jù)進(jìn)行變比例箱線圖繪制,將個(gè)別極端值(即小于10%、大于90%)過(guò)濾后,得到控制區(qū)間(即物理量位置概率≥80%的概率區(qū)間);然后將處在控制區(qū)間的剩余數(shù)據(jù)組成新的序列, 統(tǒng)計(jì)得出繪制區(qū)間(即指標(biāo)研究區(qū)間)。通過(guò)箱線圖法,過(guò)濾掉極端情況,雖然有可能漏掉個(gè)別重要信息,但考慮到指標(biāo)普適性原則,對(duì)處在繪制區(qū)間范圍內(nèi)的數(shù)據(jù)采用極值統(tǒng)計(jì)法統(tǒng)計(jì)得出指標(biāo)。

3 FY-4A短時(shí)強(qiáng)降水的監(jiān)測(cè)指標(biāo)

3.1 降水?dāng)?shù)據(jù)與衛(wèi)星產(chǎn)品數(shù)據(jù)的相關(guān)性分析

利用小時(shí)級(jí)降水?dāng)?shù)據(jù)和FY-4A衛(wèi)星產(chǎn)品數(shù)據(jù)樣本序列,在95%的置信度條件下,進(jìn)行相關(guān)性分析。

FY-4A衛(wèi)星產(chǎn)品中,對(duì)流初生、云檢測(cè)、云相態(tài)、云類型和定量降水估測(cè)均為設(shè)定值或不連續(xù)變量,可直接作為指標(biāo)應(yīng)用。其中前4類為固定設(shè)置指標(biāo),其觀測(cè)值為設(shè)定觀測(cè)值,可根據(jù)定義直接作為指標(biāo)應(yīng)用;定量降水估測(cè)直接為降水量估測(cè)值,用于短時(shí)強(qiáng)降水雨強(qiáng)指標(biāo)判別。

從表2中可以看到,對(duì)于短時(shí)強(qiáng)降水樣本來(lái)說(shuō),具有顯著相關(guān)性的產(chǎn)品有大氣總可降水、相當(dāng)黑體溫度和對(duì)流層折疊最深深度,相關(guān)系數(shù)分別達(dá)到了0.62、-0.61、0.73,表明這三類產(chǎn)品在監(jiān)測(cè)短時(shí)強(qiáng)降水方面具有明顯的指示意義。具有中度相關(guān)性的產(chǎn)品有云頂氣壓(相關(guān)系數(shù)-0.40,下同)、云頂氣溫(0.47)、液態(tài)水含量(0.44),表明這三類產(chǎn)品在監(jiān)測(cè)短時(shí)強(qiáng)降水時(shí)具有一定的指示意義。而還有兩類產(chǎn)品,云頂高度(0.37)和云滴有效半徑(0.33),具有較低的相關(guān)性。據(jù)此判斷,FY-4A衛(wèi)星產(chǎn)品中,短時(shí)強(qiáng)降水監(jiān)測(cè)中的高敏感因子有3項(xiàng),中敏感因子有3項(xiàng)。

表2 FY-4A產(chǎn)品與小時(shí)降水的相關(guān)系數(shù)

3.2 連續(xù)變量的指標(biāo)分析

3.2.1 控制區(qū)間與繪制區(qū)間

利用統(tǒng)計(jì)分析方法對(duì)各衛(wèi)星產(chǎn)品樣本序列統(tǒng)計(jì)計(jì)算得到控制區(qū)間,然后采用箱線圖法進(jìn)一步分析得到各產(chǎn)品繪制區(qū)間,理論上講,控制區(qū)間應(yīng)當(dāng)包含繪制區(qū)間。其計(jì)算結(jié)果如表3。

表3 9類FY-4A產(chǎn)品繪制箱線圖時(shí)的控制區(qū)間和繪制區(qū)間

從表3中可以看出,在發(fā)生短時(shí)強(qiáng)降水時(shí),FY-4A各類產(chǎn)品的控制區(qū)間和繪制區(qū)間跨度均比較大。其中,云頂高度的控制區(qū)間(繪制區(qū)間)為1674～14296 m(2536～11658 m),跨度達(dá)12622 m(9122 m);云頂氣壓的控制區(qū)間(繪制區(qū)間)為109～815 hPa(209～738 hPa),跨度達(dá)706 hPa(529 hPa);云滴有效半徑的控制區(qū)間(繪制區(qū)間)為901～8847μm(1320～8593 μm),跨度分別為7946 μm(7273 μm);液態(tài)水含量的控制區(qū)間(繪制區(qū)間)為35.7～898.6 g/m2(108.2～381.5 g/m2),跨度分別為862.9 g/m2(273.3 g/m2)?？缍却?表明數(shù)據(jù)的離散度大,則可能會(huì)影響指標(biāo)效果;而云頂溫度、降水估計(jì)、液態(tài)水含量、相當(dāng)黑體溫度、對(duì)流層折疊最深深度則相對(duì)區(qū)間跨度更小一些,表明其觀測(cè)值相對(duì)集中,則其指標(biāo)效果可能會(huì)更好。

3.2.2 箱線圖

根據(jù)統(tǒng)計(jì)得到的短時(shí)強(qiáng)降水的控制區(qū)間和繪制區(qū)間,繪制各產(chǎn)品的箱線圖(圖2)。通過(guò)箱線圖,可以直觀地掌握各類產(chǎn)品處于90%、80%百分比的觀測(cè)值區(qū)間,選取位于這一區(qū)間的觀測(cè)樣本來(lái)進(jìn)行指標(biāo)分析。

圖2 FY-4A衛(wèi)星指標(biāo)產(chǎn)品箱線:(a)云頂高度,(b)云頂氣壓,(c)云頂氣溫,(d)整層大氣總可降水TPW,(e)降水估計(jì),(f)相當(dāng)黑體溫度,(g)對(duì)流層折疊最深深度,(h)云滴有效半徑,(i)液態(tài)水含量

3.2.3 極值法分析

在箱線圖法獲取樣本分析區(qū)間的基礎(chǔ)上,用極值法分析得到初步指標(biāo)(表4)。從表中可以看到,有13項(xiàng)產(chǎn)品納入了短時(shí)強(qiáng)降水的判別指標(biāo),其中賦值類指標(biāo)4項(xiàng),分別為對(duì)流初生、云檢測(cè)、云相態(tài)、云類型;數(shù)值判別類指標(biāo)9項(xiàng)(含輔助指標(biāo)3項(xiàng))。因大氣總可降水、云滴有效半徑、云頂高度三類產(chǎn)品序列與短時(shí)強(qiáng)降水序列的相關(guān)性較低,加之其觀測(cè)數(shù)據(jù)穩(wěn)定性較低,故將其設(shè)定為輔助指標(biāo),主要用于趨勢(shì)判斷,即這三類產(chǎn)品達(dá)標(biāo)時(shí),發(fā)生短時(shí)強(qiáng)降水的可能性較大。在實(shí)際業(yè)務(wù)應(yīng)用中,初步設(shè)定13項(xiàng)指標(biāo)中有9項(xiàng)達(dá)到指標(biāo)時(shí)短時(shí)強(qiáng)降水天氣會(huì)發(fā)生。根據(jù)此設(shè)定開(kāi)展指標(biāo)效果評(píng)估。

表4 短時(shí)強(qiáng)降水的FY-4A衛(wèi)星監(jiān)測(cè)指標(biāo)

4 指標(biāo)效果評(píng)估和改進(jìn)

4.1 評(píng)估方法

采用預(yù)報(bào)質(zhì)量通用檢驗(yàn)方法,即評(píng)估準(zhǔn)確率TS評(píng)分、空?qǐng)?bào)率、漏報(bào)率三項(xiàng)主要指標(biāo)。其中TS評(píng)分、空?qǐng)?bào)率、漏報(bào)率的計(jì)算公式與標(biāo)準(zhǔn)降水評(píng)分公式一致[42],這里不再贅述。

4.2 評(píng)估結(jié)果

對(duì)2018—2021年個(gè)例進(jìn)行反算,評(píng)估初始指標(biāo)的效果(圖3)。從反算結(jié)果來(lái)看,指標(biāo)的TS評(píng)分尚可,逐年的TS均高于64%,空?qǐng)?bào)率大致在25%～28%間,漏報(bào)率大致在9%～18%間。具體來(lái)看,2018年共發(fā)生短時(shí)強(qiáng)降水過(guò)程63次,樣本數(shù)3533個(gè)站次,短時(shí)強(qiáng)降水準(zhǔn)確率可達(dá)66.2%(漏報(bào)率27.4%、空?qǐng)?bào)率11.8%);2019年共發(fā)生短時(shí)強(qiáng)降水過(guò)程50次,樣本數(shù)1365個(gè)站次,短時(shí)強(qiáng)降水準(zhǔn)確率可達(dá)68.9%(漏報(bào)率25.9%、空?qǐng)?bào)率9.3%);2020年共發(fā)生短時(shí)強(qiáng)降水過(guò)程57次,樣本數(shù)1181個(gè)站次,短時(shí)強(qiáng)降水準(zhǔn)確率可達(dá)67.7%(漏報(bào)率26.4%、空?qǐng)?bào)率10.7%);2021年共發(fā)生短時(shí)強(qiáng)降水過(guò)程43次,樣本數(shù)866個(gè)站次,短時(shí)強(qiáng)降水準(zhǔn)確率可達(dá)64%(漏報(bào)率25.6%、空?qǐng)?bào)率18%)。從評(píng)分結(jié)果來(lái)看,存在較大的空?qǐng)?bào)率和漏報(bào)率,平均分別達(dá)到26.3%和12.4%,可以嘗試優(yōu)化指標(biāo)從而降低空漏報(bào)率。

圖3 2018—2021年初始指標(biāo)逐年評(píng)分結(jié)果:(a)TS評(píng)分,(b)空?qǐng)?bào)率,(c)漏報(bào)率

4.3 實(shí)測(cè)值與指標(biāo)對(duì)比分析

分析不同強(qiáng)對(duì)流天氣的實(shí)測(cè)值與指標(biāo)值間的差別,分析其偏向性特征,作為指標(biāo)訂正參考。

在2018—2021年的強(qiáng)降水個(gè)例中,隨機(jī)選取了141次短時(shí)強(qiáng)降水過(guò)程進(jìn)行指標(biāo)對(duì)比分析。單就指標(biāo)數(shù)達(dá)標(biāo)數(shù)來(lái)說(shuō),最多的是13項(xiàng)全部達(dá)標(biāo),最少的是5項(xiàng)達(dá)標(biāo)8項(xiàng)不達(dá)標(biāo)。在141次短時(shí)強(qiáng)降水過(guò)程中,有1次過(guò)程是有5項(xiàng)達(dá)標(biāo)(0.58%)、3次過(guò)程6項(xiàng)達(dá)標(biāo)(1.75%)、7次過(guò)程7項(xiàng)達(dá)標(biāo)(4.09%)、8次過(guò)程8項(xiàng)達(dá)標(biāo)(4.68%)、13次過(guò)程9項(xiàng)達(dá)標(biāo)(7.60%)、45次過(guò)程10項(xiàng)達(dá)標(biāo)(26.32%)、33次過(guò)程11項(xiàng)達(dá)標(biāo)(19.30%)、23次過(guò)程12項(xiàng)達(dá)標(biāo)(13.45%)、7次過(guò)程13項(xiàng)達(dá)標(biāo)(4.09%)。 達(dá)標(biāo)數(shù)基本集中在10～12項(xiàng),約占141次過(guò)程60%;7～8項(xiàng)達(dá)標(biāo)的(即只差1～2項(xiàng)即可準(zhǔn)確預(yù)報(bào)的)約占9%。因此,指標(biāo)改進(jìn)主要針對(duì)這9%的情況開(kāi)展。

從各指標(biāo)達(dá)標(biāo)對(duì)比情況來(lái)看(表5),各項(xiàng)指標(biāo)表現(xiàn)參差不齊。其中表現(xiàn)最好的三個(gè)指標(biāo)分別為:大氣總可降水,共有120次過(guò)程達(dá)標(biāo)(占比80.5%);相當(dāng)黑體溫度,共有119次過(guò)程達(dá)標(biāo)(占比79.9%);云頂氣壓,共有118次過(guò)程達(dá)標(biāo)(占比79.2%)。最差的三個(gè)指標(biāo)分別為:云類型,共有103次過(guò)程達(dá)標(biāo)(占比69.1%);液態(tài)水含量,共有101次過(guò)程達(dá)標(biāo)(占比67.8%);降水估計(jì),共有86次過(guò)程達(dá)標(biāo)(占比57.7%)。

表5 短時(shí)強(qiáng)降水各指標(biāo)達(dá)標(biāo)數(shù)統(tǒng)計(jì)

因此,重點(diǎn)針對(duì)達(dá)標(biāo)比率低于70%的三項(xiàng)指標(biāo)進(jìn)行優(yōu)化;而其他指標(biāo)則根據(jù)各項(xiàng)指標(biāo)的規(guī)則、指標(biāo)值、達(dá)標(biāo)比率進(jìn)行微調(diào)。上述三項(xiàng)指標(biāo)中,云類型由于是指定類指標(biāo),無(wú)法改善,只能隨著衛(wèi)星觀測(cè)性能的提升而改變;另兩個(gè)指標(biāo)液態(tài)水含量、降水估計(jì),對(duì)照個(gè)例進(jìn)行再分析,發(fā)現(xiàn)兩類指標(biāo)的觀測(cè)值較實(shí)際偏低的比率較高,即估測(cè)值較實(shí)際值是偏低的,故可將指標(biāo)值適當(dāng)下調(diào)以增加命中率。

4.4 改進(jìn)的強(qiáng)對(duì)流監(jiān)測(cè)指標(biāo)及其效果

4.4.1 改進(jìn)的指標(biāo)

根據(jù)如上分析和重新計(jì)算,得出改進(jìn)后的判識(shí)指標(biāo)(表6)。

表6 改進(jìn)后的短時(shí)強(qiáng)降水FY-4A衛(wèi)星監(jiān)測(cè)指標(biāo)

從表中可以看到,有13項(xiàng)產(chǎn)品納入了短時(shí)強(qiáng)降水的判別指標(biāo),其中賦值類指標(biāo)4項(xiàng),分別為對(duì)流初生、云檢測(cè)、云相態(tài)、云類型,指標(biāo)規(guī)則為“=”,分別對(duì)應(yīng)的判斷值依次為-1、0、1～4、2～4,即當(dāng)觀測(cè)值等于指標(biāo)值時(shí),認(rèn)定為達(dá)到監(jiān)測(cè)指標(biāo);數(shù)值判別類指標(biāo)9項(xiàng)(含輔助指標(biāo)3項(xiàng)),其中判斷規(guī)則為“≤”的有3項(xiàng),分別為云頂氣壓、云頂氣溫和相當(dāng)黑體溫度,其指標(biāo)值依次為738 hPa、266 K、281 K,即判斷當(dāng)云頂氣壓≤738 hPa、云頂氣溫≤266 K或相當(dāng)黑體溫度≤281 K時(shí)達(dá)到指標(biāo);判斷規(guī)則為“≥”的有6項(xiàng),規(guī)則相似不再贅述。

4.4.2 改進(jìn)指標(biāo)的效果

利用改進(jìn)的指標(biāo)對(duì)2018—2021年個(gè)例進(jìn)行反算,并與舊指標(biāo)的效果對(duì)比(圖略)。相比舊指標(biāo),新指標(biāo)三年總的預(yù)報(bào)TS評(píng)分提高了5.4%,空?qǐng)?bào)率降低2.7%,漏報(bào)率降低了1.9%。逐年的情況類似,除2020年漏報(bào)率高于舊指標(biāo)外,其余年份的監(jiān)測(cè)預(yù)警質(zhì)量新指標(biāo)均優(yōu)于舊指標(biāo)。

同時(shí)利用改進(jìn)的指標(biāo)對(duì)2022年的短時(shí)強(qiáng)降水進(jìn)行判別計(jì)算。據(jù)統(tǒng)計(jì),2022年共發(fā)生短時(shí)強(qiáng)降水過(guò)程41次,樣本數(shù)817個(gè)站次,短時(shí)強(qiáng)降水準(zhǔn)確率可達(dá)66.8%(漏報(bào)率21.3%、空?qǐng)?bào)率17.5%),表明該指標(biāo)是可用的。

5 結(jié)論和討論

通過(guò)研究得到以下結(jié)論:

(1)FY-4A衛(wèi)星多通道數(shù)據(jù)可以作為短時(shí)強(qiáng)降水等強(qiáng)對(duì)流天氣監(jiān)測(cè)預(yù)警的指標(biāo)之一予以應(yīng)用,在通過(guò)相關(guān)性分析、箱線圖和極值統(tǒng)計(jì)等方法處理后,可以從定性指標(biāo)細(xì)化為定量化指標(biāo)。

(2)FY-4A衛(wèi)星相當(dāng)黑體溫度、對(duì)流初生、云檢測(cè)、云相態(tài)、云類型、云頂高度、云頂氣壓、云頂溫度、大氣總可降水、降水估計(jì)、云滴有效半徑、云中液水含量、對(duì)流層折疊最深深度共13項(xiàng)產(chǎn)品與短時(shí)強(qiáng)降水樣本序列的相關(guān)性較好,可選做監(jiān)測(cè)預(yù)警判別指標(biāo)。設(shè)定13項(xiàng)指標(biāo)中有9項(xiàng)達(dá)標(biāo)時(shí)短時(shí)強(qiáng)降水會(huì)發(fā)生,可通過(guò)業(yè)務(wù)運(yùn)行進(jìn)行優(yōu)化調(diào)整。

(3)13項(xiàng)產(chǎn)品指標(biāo)中,對(duì)流初生、云檢測(cè)、云相態(tài)、云類型四類產(chǎn)品為直接賦值類指標(biāo),其他產(chǎn)品為數(shù)值判別類指標(biāo)(其中云頂高度、大氣總可降水、云滴有效半徑為輔助指標(biāo))。

(4)在評(píng)估基礎(chǔ)上改進(jìn)完善指標(biāo),改進(jìn)后監(jiān)測(cè)預(yù)警效果有所提高,TS評(píng)分提高5.4%,空?qǐng)?bào)率降低2.7%,漏報(bào)率降低1.9%。

利用FY-4A衛(wèi)星多通道數(shù)據(jù)產(chǎn)品進(jìn)行監(jiān)測(cè)預(yù)警指標(biāo)研究,本身屬于嘗試性工作,具有較大的應(yīng)用價(jià)值,尤其是將定量指標(biāo)應(yīng)用到智能判別、自動(dòng)報(bào)警方面,對(duì)于提高短時(shí)強(qiáng)降水的預(yù)警識(shí)別和預(yù)警提前量等具有較為重要的意義。目前,此指標(biāo)體系已提交給寧夏氣象臺(tái)智能平臺(tái)中予以嘗試應(yīng)用,在2022年短時(shí)強(qiáng)降水業(yè)務(wù)中預(yù)報(bào)效果較好,具備一定的指示意義。同時(shí)將指標(biāo)形成說(shuō)明文檔納入MICAPS4.0業(yè)務(wù)系統(tǒng)和崗位培訓(xùn)手冊(cè)中,方便預(yù)報(bào)員調(diào)閱使用。

FY-4A衛(wèi)星多通道數(shù)據(jù)十分豐富,通過(guò)研究雖然對(duì)部分通道數(shù)據(jù)在強(qiáng)對(duì)流監(jiān)測(cè)預(yù)警中的適用性和指標(biāo)進(jìn)行了研究,得到了一些成果,但對(duì)于其更多通道產(chǎn)品的研究還遠(yuǎn)遠(yuǎn)不夠,指標(biāo)還可以進(jìn)一步補(bǔ)充,研究還可以更加深入、更加細(xì)致。