向永龍　鄔昀　孫士型　范元月　饒傳新（ 宜昌市氣象局，宜昌 44300； 湖北省氣象信息與技術(shù)保障中心，武漢 430079）

?

三種數(shù)值模式對長江上游面雨量預(yù)報能力的評估

向永龍1鄔昀2孫士型1范元月1饒傳新1
（1 宜昌市氣象局，宜昌 44300；2 湖北省氣象信息與技術(shù)保障中心，武漢 430079）

提要：利用2007—2008年長江上游逐日面雨量實況和中國T213、日本JMH、德國GER三種數(shù)值模式降水預(yù)報格點(diǎn)資料，采用TS評分方法，檢驗三種數(shù)值模式對長江上游面雨量≥20mm強(qiáng)降水的預(yù)報能力。檢驗結(jié)果顯示，日本JMH模式12～36h預(yù)報評分達(dá)38.5%；中國T213模式為28.2%；德國GER模式為26.9%。并且在對降水落區(qū)進(jìn)行定性評估的基礎(chǔ)上，建立了降水預(yù)報產(chǎn)品與流域面雨量實況的線性回歸方程。

關(guān)鍵詞：長江上游， 面雨量 ，數(shù)值預(yù)報

第一作者：向永龍（1957—），Email:1093006787@qq.com

Evaluation of Three Forecasting Models to Area Rainfall Prediction in Upstream of Yangtze River

Xiang Yonglong1,Wu Yun2,Sun Shixing1,Fan Yuanyue1,Rao Chuanxin1
(1 Yichang Meteorological Office of Hubei Province,Yichang 4430002 Hubei Meteorological Information and Technical Support Center,Wuhan 430079)

Abstrat:Using the daily area rainfall of observation and three forecasting models in the upper reaches of the Yangtze River from 2007 to 2008,based on TS scoring methods,the capability is inspected of the models to heavy prediction over the upper reaches of the Yangtze River.Test results show that the three models are of different precipitation forecasting capacity:the score of Japan's JMH Model is 38.5%; the score of China's T213 model is 28.2%; the score of Germany GER model is 26.9%.Based on the qualitative assessment of precipitation area,a linear regression equation is established for precipitation forecast products and the precipitation.

Keywords:upstream of Yangtze River,area rainfall,forecasting models

0　引言

長江上游是指宜昌南津關(guān)以上的廣大地區(qū)，流域面積約100萬km2，多年平均徑流量4510億m3，年平均徑流深約1000mm，平均徑流系數(shù)為0.51。若按其水文分區(qū)，則可劃分為金沙江、岷沱江、嘉陵江和烏江四大流域，其中宜賓至宜昌統(tǒng)稱為長江上游干流。為便于統(tǒng)計和預(yù)報分區(qū)，又將其劃分為宜賓至重慶、重慶至萬州、萬州至宜昌三個區(qū)段。

統(tǒng)計表明，金沙江流域來水量占宜昌徑流量的33%，岷沱江為22%，屏山—宜昌區(qū)間和嘉陵江各占16.4%和15.6%，烏江為11%。因此，長江上游流域降水是三峽水庫入庫流量的主要來源。三峽水庫作為長江中下游防洪的關(guān)鍵性水庫，長江上游流域面雨量預(yù)報是水庫防洪、運(yùn)行調(diào)度的重要依據(jù)。其長江上游面雨量預(yù)報技術(shù)也越來越受到廣泛重視，其中：李才媛等采用統(tǒng)計模型方法建立了長江上游短期強(qiáng)降水預(yù)報系統(tǒng)[1]，陳靜應(yīng)用動態(tài)相似方法制作長江上游逐日降水量預(yù)報[2]，李才媛等應(yīng)用灰色預(yù)測模型預(yù)報長江上游流域面雨量[3-4]。但更多是應(yīng)用數(shù)值模式產(chǎn)品與專業(yè)人員人工訂正相結(jié)合的方法制作長江上游面雨量預(yù)報。目前，各種數(shù)值模式描述的物理過程和前后處理、參數(shù)化方案及時空分辨率各不相同，因而預(yù)報性能各有差異。為提高流域面雨量預(yù)報準(zhǔn)確率，發(fā)揮氣象預(yù)報在水庫運(yùn)行調(diào)度中的作用，有必要對數(shù)值模式降水產(chǎn)品的預(yù)報能力進(jìn)行評估，進(jìn)而研究多模式綜合集成預(yù)報方法[5-6]。

1　資料來源和方法

1.1資料來源

雨量實況來自于長江上游流域內(nèi)已建的各個氣象站點(diǎn)當(dāng)日08—次日08時（北京時，下同）的日雨量資料，日面雨量取各站點(diǎn)日雨量的算術(shù)平均值。

數(shù)值模式降水預(yù)報產(chǎn)品則取自于MICAPS格點(diǎn)資料中的第四類數(shù)據(jù)，以前一日20時為初時場。德國GER、JMH產(chǎn)品采用前一日20時的12h雨量預(yù)報，由YYMMDD20.024+ YYMMDD20.036計算出未來24h雨量預(yù)報值；T213采用前一日20時的3h雨量預(yù)報：YYMMDD20.015+ YYMMDD20.018+ YYMMDD20.021+ YYMMDD20.024+ YYMMDD20.027+ YYMMDD20.030+ YYMMDD20.033+ YYMMDD20.036，得到未來24h雨量。當(dāng)部分時次預(yù)報結(jié)果原始資料缺失時，采用前一日08時（+12）資料代替。

中國T213中期數(shù)值天氣預(yù)報模式水平網(wǎng)格距1.0°×1.0°；德國GER中期數(shù)值預(yù)報模式水平網(wǎng)格距為1.5°×1.5°；日本JMH中期數(shù)值預(yù)報模式水平網(wǎng)格距為1.25°×1.25°。

數(shù)值模式流域面雨量采用FORTRAN語言進(jìn)行計算，調(diào)用該程序后在輸入初始時刻的對話框中，輸入前一日20時（例如輸入08062420表示08年6月24日20時初始場計算出25日08時—26日08時面雨量），再由流域內(nèi)各格點(diǎn)降水預(yù)報值的算術(shù)平均值，計算出長江上游流域6個分區(qū)的24h面雨量[7-8]。

1.2資料處理方法

設(shè)流域面雨量實況為y，數(shù)值模式降水預(yù)報產(chǎn)品為x。計算兩組數(shù)據(jù)間的相關(guān)系數(shù)r：

設(shè)有n種預(yù)報方法，對其預(yù)報對象得出預(yù)報結(jié)論為{yi}（i＝1，2，…，n），利用n個歷史樣本，按最小二乘法得到線性回歸集成預(yù)報為：

其中b0為預(yù)報對象的平均值，bi反映了預(yù)報因子的相對重要性及它們的相互關(guān)系。

2　降水檢驗

2.1TS評分

針對長江上游面雨量≥20mm的強(qiáng)降水，分別檢驗T213、JMH和GER數(shù)值模式的定性預(yù)報能力。只有當(dāng)數(shù)值模式預(yù)報值和面雨量實況同時≥20mm，則評為正確；當(dāng)數(shù)值模式預(yù)報值＜20mm，而面雨量實況≥20mm，則評為漏報；當(dāng)數(shù)值模式預(yù)報值≥20mm，而面雨量實況＜20mm，則評為空報。然后分流域評定其TS評分、偏差（B）、空報率（KO）、漏報率（LO）和預(yù)報效率（EH）。

TS評分：TS=NA/（NA+NB+NC），

偏差：B=（NA+NB）/（NA+NC），

漏報率：LO=NC/（NA+NC），

空報率：KO=NB/（NA+NB），

預(yù)報效率：EH=（NA+ND）/（NA+NB+NC+ND），上式中，NA代表模式預(yù)報正確的次數(shù)；NB代表模式空報的次數(shù)；NC代表漏報次數(shù)；ND代表除預(yù)報正確、空報和漏報以外的樣本數(shù)。

表1　三種數(shù)值模式對2007—2008年長江上游各分區(qū)強(qiáng)降水的定性預(yù)報能力Table 1　Qualitative forecasting ability of three kinds of numerical models for heavy rainfall in the upper reaches of the Yangtze River during 2007-2008

表1已經(jīng)給出了三種數(shù)值模式降水預(yù)報產(chǎn)品的TS評分結(jié)果。對表1檢驗結(jié)果進(jìn)行比較，三種數(shù)值模式產(chǎn)品對全流域強(qiáng)降水預(yù)報的面雨量正確率有一定差別，其中，JMH模式預(yù)報效果較好，為38.5%；T213模式次之，為28.2%；GER模式效果最差，為26.9%。從流域分區(qū)TS評分結(jié)果分析看，三種模式產(chǎn)品預(yù)報能力也不盡相同。JMH模式對嘉陵江、烏江流域、宜賓—重慶段和重慶—萬州段的預(yù)報能力明顯優(yōu)于T213和GER模式；而T213模式對萬州—宜昌段強(qiáng)降水的預(yù)報能力優(yōu)于其他兩種，但它對宜賓—重慶段強(qiáng)降水的預(yù)報能力最低。

對三種數(shù)值模式的漏報率進(jìn)行統(tǒng)計，T213和GER對長江上游強(qiáng)降水的漏報率較高，分別為58.6%和62.9%；而JMH的漏報率較低，為47.9%，特別是對烏江和宜賓－重慶段強(qiáng)降水的漏報率僅為20%左右，說明JMH模式對烏江和宜賓—重慶段強(qiáng)降水有較好的預(yù)報能力。

統(tǒng)計三種數(shù)值模式的空報率，T213和GER對長江上游強(qiáng)降水的空報率較高，分別為53.2%和51.0%；JMH的空報率較低，為40.3%。三種模式對各分區(qū)強(qiáng)降水的表現(xiàn)各不相同，特別是JMH和GER模式對烏江強(qiáng)降水的空報率較低，僅為15%左右。當(dāng)這兩種數(shù)值模式同時預(yù)報烏江流域和長上干有強(qiáng)降水時，其可信度在60%左右。

2.2總體相關(guān)性檢驗和單模式產(chǎn)品線性回歸

TS評分僅僅對長江上游面雨量≥20mm強(qiáng)降水的預(yù)報能力進(jìn)行了檢驗，若評估這三種數(shù)值模式對一般降水的預(yù)報能力，還需進(jìn)一步了解預(yù)報和實況間的相關(guān)性。檢驗中，采取不區(qū)分流域以增加樣本數(shù)，將各流域分區(qū)的面雨量實況值與數(shù)值模式預(yù)報的降水量進(jìn)行合并統(tǒng)計，分別計算得出三種數(shù)值模式降水預(yù)報值與降水實況值的相關(guān)系數(shù)。統(tǒng)計表明：JMH模式降水預(yù)報值與面雨量實況值相關(guān)性最高，其相關(guān)系數(shù)為0.4881；T213模式降水預(yù)報值與面雨量實況值的相關(guān)性次之，其相關(guān)系數(shù)為0.3394；GER模式降水預(yù)報值與面雨量實況值的相關(guān)性較低，其相關(guān)系數(shù)為0.3215。以上三種模式其相關(guān)系數(shù)均大于0.3，有一定的可信度。

為提高預(yù)報準(zhǔn)確率，根據(jù)公式（2），建立T213、JMH、GER三種數(shù)值模式降水預(yù)報值（X）和面雨量實況值（Y）之間的線性回歸方程進(jìn)行檢驗，其回歸方程為：

T213模式：Y=0.3075X+8.17，

JMH模式：Y=0.6078X+4.48，

GER模式：Y=0.3552X+8.55。

上述線性回歸方程，已通過276個樣本的訂正檢驗，實際效果較好。在使用中，只需將三種數(shù)值模式面雨量預(yù)報值代入相應(yīng)方程計算，即可投入業(yè)務(wù)應(yīng)用，以提高預(yù)報準(zhǔn)確率。

2.3分區(qū)相關(guān)性檢驗和多元線性回歸

比較降水實況和數(shù)值模式降水產(chǎn)品的相關(guān)性，可將流域內(nèi)分區(qū)面雨量按升序排列，其分布曲線呈指數(shù)曲線，三種數(shù)值模式曲線分布仍呈上升趨勢，但其擬合狀況并不理想（圖略）。

檢驗三種數(shù)值模式產(chǎn)品與降水實況間的相關(guān)系數(shù)表明（表2）：JMH模式與實況的相關(guān)性最好，平均達(dá)0.599，但分區(qū)域時差別較大：烏江流域相關(guān)性為0.849，嘉陵江流域為0.770，重慶至萬州段為0.250。GER模式與實況的相關(guān)性次之，平均為0.414；四川盆地、烏江和長上干的相關(guān)系數(shù)為0.5左右，而三峽區(qū)間相關(guān)系數(shù)最低，重慶—萬州段的相關(guān)性最差，為0.051，基本沒有什么參考價值。相對于其他兩種模式，T213模式與實況的相關(guān)性較差，平均為0.322，四川盆地的相關(guān)系數(shù)在0.450左右，但宜賓—重慶段的相關(guān)系數(shù)僅為0.005，價植不大。

表2　長江上游分區(qū)面雨量實況與三種數(shù)值模式降水預(yù)報值的相關(guān)系數(shù)Table 2　The correlation between the rainfall data in the upper reaches of the Yangtze River and the precipitation forecast values of three kinds of numerical models

工作中，為充分發(fā)揮三種數(shù)值模式的綜合效力，可令流域面雨量預(yù)報值為（y），則岷沱江流域面雨量預(yù)報值為y1；嘉陵江流域為y2；烏江流域為y3；宜賓至重慶段為y4；重慶至萬州段為y5；萬州至宜昌段為y6。則令前一天20時為初始場的T213模式12～36h的面雨量產(chǎn)品為x1；JMH模式12～36h面雨量產(chǎn)品為x2；GER模式12～36h的面雨量預(yù)報產(chǎn)品為x3。然后將歷史樣本依次代入方程進(jìn)行回歸計算，得出多元回歸方程，見表3。

表3　T213、JMH和GER三種數(shù)值模式對長江上游流域面雨量的線性回歸Table 3　The linear regression equation of three kinds of numerical models to the rainfall in the upper reaches of the Yangtze River

3　應(yīng)用多模式綜合集成與人工訂正方法開展面雨量預(yù)報效果

統(tǒng)計2007年汛期（5—9月）共發(fā)布長江上游面雨量預(yù)報153份（次），實際長江上游六大流域（區(qū)間）出現(xiàn)1個或1個以上預(yù)報區(qū)域（區(qū)段）日面雨量（08—次日08時）≥20mm的強(qiáng)降水共38次，除2007 年7月23和28日強(qiáng)降水預(yù)報位置有偏差，9月16日烏江、宜賓至重慶段強(qiáng)降水預(yù)報量級與實況有出入外，其余35次均提前24h報出，其中9次強(qiáng)降水預(yù)報量級較實況略偏小，2次略偏大，24次降水落區(qū)、量級預(yù)報與實況基本相符。面雨量預(yù)報準(zhǔn)確率為56.8%（預(yù)報準(zhǔn)確率＝正確次數(shù)/（預(yù)報次數(shù)+漏報次數(shù)））。統(tǒng)計2008年汛期（5—9月）共發(fā)布長江上游面雨量預(yù)報153份（次），實際長江上游流域出現(xiàn)1個或1個以上預(yù)報區(qū)域（區(qū)段）日面雨量（08—次日08時）≥20mm的強(qiáng)降水共24次，面雨量預(yù)報準(zhǔn)確率為51.1%。表4是2007年汛期長江上游流域面雨量部分落區(qū)、量級預(yù)報與實況。

表4　2007年5—9月長江上游部分時段面雨量預(yù)報效果檢驗（單位：mm）Table 4　May-September monthly rainfall forecast over the upper reaches of the Yangtze River in 2007(unit:mm)

4　結(jié)論

1）采用TS評分方法，用T213、JMH、GER三種數(shù)值模式對長江上游面雨量預(yù)報能力進(jìn)行評估：JMH模式預(yù)報效果為38.5%；T213模式為28.2%；GER模式為26.9%。

2）檢驗三種數(shù)值模式預(yù)報產(chǎn)品與流域分區(qū)降水實況間的相關(guān)系數(shù)表明：JMH模式與實況相關(guān)性最好，平均達(dá)0.599；GER模式次之，為0.414；T213模式較差，為0.322。盡管三種模式對流域分區(qū)的相關(guān)性表現(xiàn)不同，差別很大，但只要區(qū)別對待，仍具有一定借鑒意義。

3）三種數(shù)值模式對長江上游流域暴雨落區(qū)的分布形態(tài)、中心位置和強(qiáng)度預(yù)報有一定參考價值。實際工作中，如果專業(yè)技術(shù)人員通過對其預(yù)報結(jié)果進(jìn)行綜合評估，并根據(jù)天氣形勢的變化進(jìn)行人工訂正，對提高長江上游流域面雨量預(yù)報準(zhǔn)確率會大有幫助。

參考文獻(xiàn)

[1]李才媛,王仁喬,王麗,等.長江上游流域短期強(qiáng)降水面雨量預(yù)報系統(tǒng).氣象,2003,29(3):34-37.

[2]陳靜.動態(tài)相似方法在長江上游逐日降水預(yù)報中的應(yīng)用.氣象,2000,26(6):40-47.

[3]李才媛,顧永剛.灰色預(yù)測模型在長江上游流域面雨量預(yù)報中的應(yīng)用.氣象科技,2003,31(4):223-230.

[4]王麗,王仁喬,金琪.應(yīng)用綜合統(tǒng)計方法預(yù)報長江上游短期強(qiáng)降水面雨量.氣象,2003,29(3):23-26.

[5]羅劍琴,孫士型,陳少平,等.長江上游流域數(shù)值預(yù)報產(chǎn)品評價分析.暴雨災(zāi)害,2007,26(3):246-250.

[6]何光碧,陳靜,肖玉華,等.AREM數(shù)值模式對2005年汛期四川的降水預(yù)報.氣象,2006,32(7):64-71.

[7]鄔昀,陳海山.基于數(shù)值模式產(chǎn)品的三峽庫區(qū)水量預(yù)報初步研究.南京:南京信息工程大學(xué),2011.

[8]孫士型,范元月,張小培,等.三種數(shù)值模式對長江上游面雨量預(yù)報能力評估//湖北省氣象學(xué)會.湖北省氣象學(xué)會學(xué)術(shù)年會學(xué)術(shù)論文詳細(xì)文摘匯集.武漢:湖北省氣象學(xué)會,2008.

通信作者：鄔昀（1983—）Email:23481324@qq.com

收稿日期：2015年10月14日；修回日期：2016年1月20日

DOI：10.3969/j.issn.2095-1973.2016.01.009