吳振玲，張 楠，徐 姝，董 昊，汪 靖

(1.天津市氣象臺，天津 300074；2. 天津市氣象局，天津 300074)

降水是天氣要素預(yù)報(bào)業(yè)務(wù)中難度最大，挑戰(zhàn)性最強(qiáng)的天氣要素，當(dāng)其降水強(qiáng)度較大時(shí)，常給人民生命財(cái)產(chǎn)及工農(nóng)業(yè)生產(chǎn)帶來嚴(yán)重危害[1-4]。且近年來，隨著數(shù)值預(yù)報(bào)技術(shù)的發(fā)展，降水預(yù)報(bào)的準(zhǔn)確率得到了一定程度的提高[5]，但是天氣預(yù)報(bào)存在著不可避免的不確定性[6-7]，任何數(shù)值模式都無法準(zhǔn)確無誤地描述真實(shí)的大氣過程，所以單一模式確定性預(yù)報(bào)水平的提高已經(jīng)變得越來越困難[8-9]，并且實(shí)際業(yè)務(wù)中預(yù)報(bào)員要面對很多的預(yù)報(bào)產(chǎn)品，對預(yù)報(bào)產(chǎn)品的使用依賴于預(yù)報(bào)員的主觀判斷，因而帶來較多的主觀性。

為消除降水預(yù)報(bào)的系統(tǒng)性誤差，統(tǒng)計(jì)方法在降水預(yù)報(bào)產(chǎn)品釋用方面得到了較為廣泛的應(yīng)用，如Leslie[10]采用統(tǒng)計(jì)回歸方法，使用模式預(yù)報(bào)結(jié)果和3個(gè)統(tǒng)計(jì)預(yù)報(bào)因子對澳大利亞東南部天氣系統(tǒng)進(jìn)行集成組合預(yù)報(bào)，Hamill等[11-12]也提出使用Logistic回歸方程對降水?dāng)?shù)值預(yù)報(bào)進(jìn)行訂正，這些都使得預(yù)報(bào)質(zhì)量得到顯著提高。但是，預(yù)報(bào)員每日面對的模式數(shù)值預(yù)報(bào)產(chǎn)品種類繁多，導(dǎo)致預(yù)報(bào)員很難在短時(shí)間內(nèi)有效地利用這些預(yù)報(bào)信息，這也促使了多模式集成預(yù)報(bào)方法在國內(nèi)氣象部門的快速發(fā)展[13]。在多模式集成研究方面，金龍等[14]，魏鳳英[15]，陳桂英等[16]分別采用神經(jīng)網(wǎng)絡(luò)方法，區(qū)域動(dòng)態(tài)權(quán)重方法，分區(qū)權(quán)重法，研究了降水集成預(yù)報(bào)，預(yù)報(bào)的準(zhǔn)確率高于單一集成成員的預(yù)報(bào)結(jié)果，但這些方法無法將預(yù)報(bào)的不確定性描述出來。

概率預(yù)報(bào)是表達(dá)預(yù)報(bào)不確定性的一種方式，而多模式集成預(yù)報(bào)則是獲得概率預(yù)報(bào)的一種有效途徑。目前預(yù)報(bào)業(yè)務(wù)中最常用的辦法是“平均法”，即給予每個(gè)模式成員相同的權(quán)重，根據(jù)預(yù)報(bào)發(fā)生某天氣現(xiàn)象的成員個(gè)數(shù)來確定未來該天氣現(xiàn)象發(fā)生的概率[17-19]，Hamill和Colucci[20-21]提出一種概率預(yù)報(bào)新方法(Rank方法)，即根據(jù)前期各模式成員的等級分布以及各成員的預(yù)報(bào)結(jié)果確定未來某天氣現(xiàn)象發(fā)生的概率，根據(jù)王晨稀[22]和陳超輝[23]的預(yù)報(bào)試驗(yàn)表明，Rank方法的概率預(yù)報(bào)效果要好于平均法，但王晨稀[22]的預(yù)報(bào)試驗(yàn)是利用有明顯降水過程的個(gè)例統(tǒng)計(jì)的等級分布，并且試驗(yàn)對象也是明顯的降水過程，陳超輝[23]的試驗(yàn)對象主要為7月盛汛期的降水過程。但如果需要將降水概率預(yù)報(bào)業(yè)務(wù)化，無論降水過程是否明顯，有雨無雨都要輸出概率預(yù)報(bào)產(chǎn)品，這就要求統(tǒng)計(jì)的對象不僅僅局限于明顯降水過程，因此，針對業(yè)務(wù)需求，需要進(jìn)一步設(shè)計(jì)基于Rank方法的概率統(tǒng)計(jì)方案。

本文將EC-thin，JAP，GER，T639、TJ-WRF模式作為集成降水概率預(yù)報(bào)模式成員，設(shè)計(jì)了基于Rank方法的概率預(yù)報(bào)方案，對天津地區(qū)2014年4-10月232個(gè)自動(dòng)站點(diǎn)進(jìn)行降水概率預(yù)報(bào)試驗(yàn)，對比其與業(yè)務(wù)上常用的平均法和相關(guān)法[22]的預(yù)報(bào)效果，并討論了多模式集成概率預(yù)報(bào)產(chǎn)品在降水落區(qū)預(yù)報(bào)中的應(yīng)用方法。

1 資料與方法

1.1 資料來源

數(shù)值預(yù)報(bào)資料來源于2013年、2014年4-10月每日20時(shí)歐洲中心模式(EC-thin)，日本模式(JAP)，德國模式(GER)，T639模式(T639)以及天津本地WRF模式(TJ-WRF)5個(gè)集成模式成員的格點(diǎn)降水預(yù)報(bào)，結(jié)合預(yù)報(bào)業(yè)務(wù)應(yīng)用時(shí)段，每日選取2段12h累計(jì)降水預(yù)報(bào)。實(shí)況資料選取與模式相同時(shí)段的天津232個(gè)區(qū)域自動(dòng)氣象站的降水量資料。

2013年資料用于建立集成降水概率預(yù)報(bào)統(tǒng)計(jì)模型，2014年資料用于集成降水概率預(yù)報(bào)試驗(yàn)。

1.2 資料處理

將EC-thin，JAP，GER，T639、TJ-WRF模式作為集成降水概率預(yù)報(bào)模式成員的格點(diǎn)預(yù)報(bào)數(shù)據(jù)利用雙線性插值方法轉(zhuǎn)換為天津232個(gè)自動(dòng)雨量站的站點(diǎn)預(yù)報(bào)數(shù)據(jù)。

1.3 集成降水概率及落區(qū)預(yù)報(bào)方法簡介

1.3.1 Rank方法

(1)建模樣本篩選

利用2013年4-10月的降水資料，共篩選出39797個(gè)建模樣本，每個(gè)樣本需要滿足如下兩個(gè)條件：①五個(gè)模式逐12 h降水預(yù)報(bào)資料完整；②任一自動(dòng)站點(diǎn)的數(shù)值預(yù)報(bào)有一個(gè)以上的成員預(yù)報(bào)該站降水或該站點(diǎn)實(shí)況出現(xiàn)降水，即可作為一個(gè)統(tǒng)計(jì)樣本。

(2)降水等級分布概率統(tǒng)計(jì)

將5個(gè)集成模式成員按預(yù)報(bào)降水量(R)從小到大進(jìn)行排列R1、R2、R3、R4、R5，當(dāng)實(shí)況降水V≤R1，排列為等級1；當(dāng)實(shí)況降水R1R5，排列為等級6，形成6個(gè)等級，其對應(yīng)的實(shí)況可能位于6個(gè)等級中的任一等級。積累一定量的樣本, 判斷每個(gè)樣本降水實(shí)況對應(yīng)的等級, 進(jìn)而統(tǒng)計(jì)降水實(shí)況位于每個(gè)等級的概率即等級分布。為滿足集成降水概率預(yù)報(bào)的業(yè)務(wù)需求，本文沒有直接對所有樣本進(jìn)行統(tǒng)計(jì)，而是根據(jù)預(yù)報(bào)有降水的模式數(shù)量將樣本進(jìn)行分類，然后再按照Rank方法分類統(tǒng)計(jì)其等級分布，如表2按預(yù)報(bào)降水的模式個(gè)數(shù)分類統(tǒng)計(jì)各等級的概率分布所示，當(dāng)1個(gè)模式預(yù)報(bào)降水時(shí)，R1=R2=R3=R4<0.1，R5≥0.1，統(tǒng)計(jì)實(shí)況位于等級5、等級6的概率(等級分布)，當(dāng)2個(gè)模式預(yù)報(bào)降水時(shí)，R1=R2=R3< 0.1，R4≥0.1、R5≥0.1，統(tǒng)計(jì)實(shí)況位于等級4、等級5、等級6的概率，以此類推，當(dāng)5個(gè)模式全部預(yù)報(bào)降水時(shí)，統(tǒng)計(jì)實(shí)況位于等級1、等級2、……、等級6的概率。

表1 按預(yù)報(bào)降水的模式個(gè)數(shù)分類統(tǒng)計(jì)各等級的概率分布

(3)降水分級概率預(yù)報(bào)規(guī)則

根據(jù)該方案統(tǒng)計(jì)得出的實(shí)況位于各個(gè)等級的概率分布，以及2014年4-10月各集成模式成員的預(yù)報(bào)結(jié)果，即可對2014年汛期降水概率進(jìn)行預(yù)報(bào)試驗(yàn)。具體方法與王晨稀等[22]利用的方法一致。

(4)降水落區(qū)預(yù)報(bào)方法

采用概率閾值的方法將集成概率預(yù)報(bào)轉(zhuǎn)化為集成確定性預(yù)報(bào)。根據(jù)計(jì)算的多模式集成的分級降水概率，設(shè)定不同的分級降水預(yù)報(bào)概率閾值，對達(dá)到或超過閾值的降水預(yù)報(bào)的擊中率POD、誤報(bào)率FAR、預(yù)報(bào)偏差bias及綜合評分ETS進(jìn)行評分，選取最佳集成概率閾值，將集成分級降水概率預(yù)報(bào)轉(zhuǎn)換為確定性降水及落區(qū)預(yù)報(bào)。

2 集成降水概率預(yù)報(bào)試驗(yàn)分析

從2014年4月1日20時(shí)起，利用Rank方法、平均法以及相關(guān)法對天津232個(gè)自動(dòng)站點(diǎn)進(jìn)行逐12 h分級降水概率預(yù)報(bào)。預(yù)報(bào)分為兩個(gè)時(shí)效區(qū)間： 08時(shí)至20時(shí)為第一時(shí)效區(qū)間，20時(shí)至08時(shí)為第二時(shí)效區(qū)間。

2.1 試驗(yàn)樣本

2014年4-10月期間，除37d數(shù)值模式缺少數(shù)據(jù)外，共計(jì)176 d有效資料，那么每個(gè)時(shí)效區(qū)間共有176個(gè)試驗(yàn)時(shí)段，共計(jì)352個(gè)試驗(yàn)時(shí)段，由于天津共有232個(gè)自動(dòng)站點(diǎn)，則每個(gè)時(shí)段內(nèi)共有232個(gè)試驗(yàn)樣本，共計(jì)試驗(yàn)樣本數(shù)232×352=85 376個(gè)。

2.2 RPS評分

RPS評分是對多個(gè)等級的概率預(yù)報(bào)結(jié)果給出綜合評價(jià)的一個(gè)指標(biāo)，其值越小越好，為0時(shí)效果最好。表2為三種方法降水概率預(yù)報(bào)的RPS評分，在第一時(shí)效區(qū)間和第二時(shí)效區(qū)間的預(yù)報(bào)試驗(yàn)中，Rank方法得到的概率預(yù)報(bào)的RPS評分平均值最低，平均法次之，相關(guān)法最高，表明Rank方法的集成概率預(yù)報(bào)誤差最小，比平均法和相關(guān)法的降水概率具有更好的預(yù)報(bào)準(zhǔn)確性。

表2 三種方法降水概率預(yù)報(bào)的RPS評分

圖1 三種方法在各個(gè)試驗(yàn)時(shí)段的RPS評分結(jié)果

圖2 三種方法各級降水概率預(yù)報(bào)的BS評分

對兩個(gè)時(shí)效區(qū)間內(nèi)每個(gè)試驗(yàn)樣本的集成概率預(yù)報(bào)進(jìn)行RPS評分(圖1)發(fā)現(xiàn)，352個(gè)試驗(yàn)預(yù)報(bào)中，83.5%基于Rank法的預(yù)報(bào)的RPS評分小于平均法和相關(guān)法，也說明Rank方法的集成降水概率預(yù)報(bào)準(zhǔn)確率高于平均法和相關(guān)法。

2.3 BS評分

BS評分值RBS是對某一等級降水的概率預(yù)報(bào)結(jié)果進(jìn)行評價(jià)的一個(gè)指標(biāo)，其值也是越小越好，為0時(shí)說明效果最佳。圖2為三種方法各級降水概率預(yù)報(bào)的BS評分，對比了三種概率預(yù)報(bào)方法對各個(gè)量級降水的預(yù)報(bào)準(zhǔn)確率。降水量級越大，BS評分相對越小，這與統(tǒng)計(jì)方法有關(guān)，并不能說明三種集成概率預(yù)報(bào)方法對量級大的降水的概率預(yù)報(bào)效果好于對量級小的降水的概率預(yù)報(bào)效果[22]，因此，在此僅分析不同方法相同量級降水的概率預(yù)報(bào)效果。對于各級降水概率集成預(yù)報(bào)，平均法和相關(guān)法的評分基本相當(dāng)，相關(guān)法預(yù)報(bào)誤差最大，Rank方法評分總體上都比平均法和相關(guān)法小，BS評分小于0.1，概率預(yù)報(bào)誤差小于平均法和相關(guān)法，尤其是無雨和小雨概率預(yù)報(bào)準(zhǔn)確率高。在無雨概率預(yù)報(bào)中，在第一時(shí)效區(qū)間，Rank方法的BS評分小于平均法的幅度為20%，在第二時(shí)效區(qū)間小于平均法的幅度10%；在小雨概率預(yù)報(bào)中，第一時(shí)效區(qū)間Rank方法的BS評分小于平均法的幅度為23%，第二時(shí)效區(qū)間預(yù)報(bào)小于平均法的幅度為13%；對于中雨和大雨的預(yù)報(bào)，雖然三種方法的BS評分差異不大，Rank方法的優(yōu)勢不特別明顯，但是Rank方法預(yù)報(bào)誤差仍是最小的，低于其他兩種方法，對于暴雨預(yù)報(bào)，三種方法的BS評分都較小，基本持平。

圖3 Rank方法(紅色實(shí)線)、平均法(綠色實(shí)線)以及相關(guān)法(黑色實(shí)線)對應(yīng)的ROC曲線

表3 不同閾值降水預(yù)報(bào)準(zhǔn)確率和ETS評分

2.4 ROC曲線

ROC曲線反映的是某量級降水概率預(yù)報(bào)結(jié)果命中率和假預(yù)警率的關(guān)系，當(dāng)ROC曲線位于對角線上方時(shí)為有技巧預(yù)報(bào)，此時(shí)ROC曲線下方的面積(稱為ROC面積)>0.5;當(dāng)ROC曲線位于對角線下方時(shí)為無技巧預(yù)報(bào)，此時(shí)ROC面積<0.5；圖3為利用Rank方法、平均法以及相關(guān)法的各量級降水的概率預(yù)報(bào)產(chǎn)品繪制的ROC曲線。無論小雨、中雨、大雨還是暴雨，三種方法的ROC曲線均位于對角線上方，即ROC面積大于0.5，但隨著降水量級的增大，ROC曲線的面積在減小，表明利用這三種方法對各個(gè)量級的概率預(yù)報(bào)都是有技巧預(yù)報(bào)，且對量級小的降水概率的預(yù)報(bào)技巧要高于高量級降水，這與王晨稀[22]得到的結(jié)論是一致的。在各個(gè)量級的降水中，平均法和相關(guān)法的ROC曲線幾乎是重合的，表明這兩種方法對各個(gè)量級降水的概率預(yù)報(bào)效果是基本一致的， Rank方法在各個(gè)量級降水的ROC曲線下方的面積均大于另外兩種方法，說明Rank方法的預(yù)報(bào)效果要好于平均法和相關(guān)法，在小雨預(yù)報(bào)中，雖然Rank方法的ROC曲線下方的面積大于平均法和相關(guān)法，但非常接近，表明Rank方法的預(yù)報(bào)效果優(yōu)勢并不明顯。而在中雨、大雨、暴雨預(yù)報(bào)中，Rank方法的ROC曲線明顯在平均法和相關(guān)法上方，表明在這三個(gè)量級降水的概率預(yù)報(bào)中，Rank方法的優(yōu)勢明顯，這一結(jié)論與上文中BS評分結(jié)果不一致。這主要與評價(jià)方法的側(cè)重點(diǎn)不同有關(guān)，前者統(tǒng)計(jì)的是降水概率預(yù)報(bào)的均方差，后者統(tǒng)計(jì)的是命中率和假預(yù)警率的相對關(guān)系。

3 降水落區(qū)預(yù)報(bào)應(yīng)用試驗(yàn)

通過三種多模式集成降水概率預(yù)報(bào)方法的試驗(yàn)分析，發(fā)現(xiàn)Rank方法的概率預(yù)報(bào)準(zhǔn)確性要高于平均法和相關(guān)法，因此，這里探討了基于Rank方法集成降水落區(qū)預(yù)報(bào)，將集成概率預(yù)報(bào)轉(zhuǎn)化為集成確定性預(yù)報(bào)。

3.1 晴雨預(yù)報(bào)概率閾值選取

選取2014年4月1日-10月30日所有樣本的降水概率預(yù)報(bào)結(jié)果，分別統(tǒng)計(jì)當(dāng)這一閾值等于10%，20%，30%，40%，50%，60%時(shí)，降水正確、降水空報(bào)、降水漏報(bào)以及晴預(yù)報(bào)正確次數(shù)。表3給出了當(dāng)選擇不同閾值時(shí)降水正確、空報(bào)、漏報(bào)、晴正確次數(shù)以及晴雨預(yù)報(bào)準(zhǔn)確率和ETS評分，晴雨預(yù)報(bào)準(zhǔn)確率和ETS評分計(jì)算公式如下：

(1)

(2)

(3)

式中：NA代表預(yù)報(bào)降水，實(shí)況也出現(xiàn)降水；NB代表預(yù)報(bào)降水，而實(shí)況沒有出現(xiàn)降水；NC代表沒有預(yù)報(bào)降水，而實(shí)況出現(xiàn)降水；ND代表沒有預(yù)報(bào)降水，實(shí)況也沒有出現(xiàn)降水。

由表3可知，當(dāng)閾值取10%時(shí)，降水預(yù)報(bào)正確次數(shù)最多，但空報(bào)也最多，因此晴雨預(yù)報(bào)的準(zhǔn)確率和ETS評分都是最低的，隨著閾值的加大，空報(bào)次數(shù)減少，預(yù)報(bào)效果有所改善，當(dāng)閾值取40%時(shí)，晴雨預(yù)報(bào)準(zhǔn)確率可以達(dá)到0.85，降水ETS評分也能達(dá)0.343 7，效果最好，當(dāng)閾值取50%以上時(shí)，雖然晴雨預(yù)報(bào)準(zhǔn)確率略有上升，但降水漏報(bào)次數(shù)明顯增多，導(dǎo)致ETS評分效果不佳。因此取40%為最佳概率閾值。

3.2 分級降水預(yù)報(bào)概率閾值選取

根據(jù)晴雨預(yù)報(bào)的概率閾值選取方法，確定各個(gè)量級降水預(yù)報(bào)的概率閾值。經(jīng)過多次試驗(yàn)選取，小雨預(yù)報(bào)的最佳概率閾值為17%時(shí)，ETS評分最高，為0.248 7；中雨預(yù)報(bào)的最佳概率閾值為17%時(shí)，ETS評分最高，為0.157；大雨預(yù)報(bào)的最佳概率閾值為8%時(shí)，ETS評分最高，為0.093 6；暴雨預(yù)報(bào)的最佳概率閾值為1%時(shí)，ETS評分最高，為0.020 2。由此可以看出，對于中雨以上量級的降水，降水量級越大，其對應(yīng)的概率閾值越小，這可能是由于大部分模式成員的空間分辨率較低，對局地性的較大量級降水的預(yù)報(bào)能力較弱，導(dǎo)致對較大量級降水預(yù)報(bào)的概率較低，如對暴雨的概率預(yù)報(bào)，所有樣本中預(yù)報(bào)的最大概率也僅為18%。

表4 各量級降水概率預(yù)報(bào)最佳概率閾值選取及ETS評分

圖4為基于多模式集成概率閾值給出的降水預(yù)報(bào)產(chǎn)品的ETS評分與各個(gè)模式成員各量級降水產(chǎn)品的ETS評分對比，在不分量級的降水預(yù)報(bào)中，基于概率閾值的降水產(chǎn)品的ETS評分為0.34，較單一模式中最高的EC模式的ETS評分高出6%，在小雨量級預(yù)報(bào)中，基于概率閾值的降水產(chǎn)品的ETS評分為0.25，較單一模式中最高的T639模式的ETS評分高出100%，對于中等以上量級的降水，單一模式的ETS評分均在0附近，而基于概率閾值的降水產(chǎn)品的ETS評分均為明顯的正值。由此表明，基于多模式集成概率閾值給出的降水預(yù)報(bào)產(chǎn)品的ETS評分都要明顯高于單一模式成員降水預(yù)報(bào)的ETS評分，且在分級降水預(yù)報(bào)中，多模式集成產(chǎn)品優(yōu)勢更加明顯。

圖4 基于概率閾值給出的降水預(yù)報(bào)產(chǎn)品與單一模式降水預(yù)報(bào)的ETS評分

3.3 概率預(yù)報(bào)落區(qū)檢驗(yàn)

將2014年4-10月352個(gè)試驗(yàn)時(shí)段進(jìn)行逐時(shí)段的多模式集成降水概率預(yù)報(bào)與實(shí)況降水落區(qū)對比。

3.3.1 預(yù)報(bào)降水落區(qū)定義

根據(jù)本文確定的最佳集成概率閾值，將集成降水概率預(yù)報(bào)大于等于40%的站點(diǎn)判定為預(yù)報(bào)降水站點(diǎn)，小于40%的站點(diǎn)判定為預(yù)報(bào)無雨站點(diǎn)，將所有預(yù)報(bào)降水站點(diǎn)圍成的區(qū)域定義為預(yù)報(bào)降水落區(qū)。352個(gè)時(shí)段中有133個(gè)時(shí)段有預(yù)報(bào)降水落區(qū)。

3.3.2 降水落區(qū)擊中判定原則

如果某試驗(yàn)時(shí)段降水預(yù)報(bào)正確站數(shù)大于空報(bào)站數(shù)和漏報(bào)站數(shù)，或者實(shí)際發(fā)生降水的全部站點(diǎn)為預(yù)報(bào)正確站點(diǎn)，定義此試驗(yàn)時(shí)段為降水落區(qū)擊中，如果某時(shí)段降水未定義為降水落區(qū)擊中，則需判斷是否為降水空報(bào)或漏報(bào)時(shí)段：如某時(shí)段空報(bào)站數(shù)大于正確站數(shù)和漏報(bào)站數(shù)，則定義此時(shí)段為降水空報(bào)時(shí)段，如某時(shí)段漏報(bào)站數(shù)大于正確站數(shù)和空報(bào)站數(shù)，則定義此時(shí)段為降水漏報(bào)時(shí)段。

3.3.3 落區(qū)預(yù)報(bào)檢驗(yàn)分析

通過對352個(gè)預(yù)報(bào)時(shí)段進(jìn)行檢驗(yàn)分析，落區(qū)預(yù)報(bào)擊中72例，少部分擊中4例，空報(bào)22例，漏報(bào)90例。通過逐個(gè)時(shí)段分析，發(fā)現(xiàn)漏報(bào)的90例中有66例都是局地性降水，而且降水站數(shù)不足20站，相對天津232個(gè)站點(diǎn)，所占比例僅為8.6%，降水區(qū)域非常小(圖5)，對天津降水落區(qū)統(tǒng)計(jì)沒有實(shí)際意義，因此，濾去66例局地性降水個(gè)例。落區(qū)預(yù)報(bào)擊中準(zhǔn)確率達(dá)到62.3%。在圖5中分別列舉了3個(gè)試驗(yàn)時(shí)段多模式集成降水概率預(yù)報(bào)與實(shí)況降水的對比圖。對比圖5中各圖發(fā)現(xiàn)2014年5月1日白天為降水落區(qū)擊中時(shí)段，多模式集成預(yù)報(bào)大于40%的區(qū)域和實(shí)況降水發(fā)生的位置都是在天津北部；9月1日夜間為降水落區(qū)全區(qū)擊中時(shí)段，多模式集成預(yù)報(bào)大于40%的區(qū)域覆蓋天津全區(qū)，而實(shí)況也是全區(qū)發(fā)生降水；圖5也展示了漏報(bào)時(shí)段，4月9日夜間，天津地區(qū)沒有出現(xiàn)多模式集成預(yù)報(bào)大于40%的區(qū)域，但實(shí)況在東部局部地區(qū)出現(xiàn)了小雨，降水發(fā)生站數(shù)較少，對天津降水落區(qū)統(tǒng)計(jì)沒有實(shí)際意義。

3.3.4 典型個(gè)例落區(qū)檢驗(yàn)

選取2016年7月20日全區(qū)暴雨以及2017年8月27日全運(yùn)會開幕式降水過程預(yù)報(bào)為例，分析基于Rank方法的降水預(yù)報(bào)落區(qū)對區(qū)域極端災(zāi)害性天氣過程以及一般性降水過程的預(yù)報(bào)能力。

(1)暴雨落區(qū)預(yù)報(bào)分析

圖6為 7月20日暴雨落區(qū)預(yù)報(bào)與實(shí)況對比，提前24 h多模式集成分級降水概率預(yù)報(bào)結(jié)果顯示，2016年7月20日白天(08時(shí)-20時(shí))全區(qū)降水概率均達(dá)到或超過暴雨概率閾值標(biāo)準(zhǔn)，圖6中暴雨概率預(yù)報(bào)落區(qū)表明，天津?qū)⒊霈F(xiàn)全區(qū)性暴雨。同期降水實(shí)況顯示，20日白天天津95.3%的自動(dòng)氣象站點(diǎn)的降水量超過暴雨標(biāo)準(zhǔn)50 mm，85.6%站點(diǎn)出現(xiàn)大暴雨或特大暴雨，其他幾乎為大到暴雨，只有一個(gè)站點(diǎn)為中到大雨，與實(shí)況非常吻合。對比分析表明基于Rank方法的集成概率預(yù)報(bào)和基于概率閾值的降水落區(qū)預(yù)報(bào)，對小概率極端性的暴雨落區(qū)預(yù)報(bào)具有很好的預(yù)報(bào)性。

圖5 Rank方法降水概率預(yù)報(bào)(陰影，大于等于0.4的部分)和實(shí)況降水量(陰影，單位：mm)對比

圖6 2016年7月20日08:00-20:00暴雨落區(qū)預(yù)報(bào)(陰影)和實(shí)況降水量(陰影，單位：mm)對比

(2)一般性降水落區(qū)分析

圖7為8月27日一般性降水落區(qū)預(yù)報(bào)與實(shí)況對比，2017年8月27日白天(08:00-20:00)的全區(qū)降水概率預(yù)報(bào)均超出0.4的降水判斷閾值標(biāo)準(zhǔn)，其中天津南部降水概率達(dá)到中雨判斷閾值標(biāo)準(zhǔn)，表明天津?qū)⒊霈F(xiàn)全區(qū)性降水過程，中南部等部分地區(qū)將有中雨。同期降水實(shí)況顯示，27日白天天津普降小雨，中南部的市區(qū)、西青、東麗、津南、靜海、濱海新區(qū)等地達(dá)到中雨量級，提前24 h落區(qū)預(yù)報(bào)分布與實(shí)況基本吻合。27日夜晚(27日20:00-28日08:00)集成分級降水概率落區(qū)預(yù)報(bào)顯示，全區(qū)性降水繼續(xù)維持，中雨落區(qū)預(yù)報(bào)北移。同期降水實(shí)況顯示，天津普降小雨，其北部的薊州、武清、北辰、寧河等出現(xiàn)中雨降水。對比分析表明，根據(jù)Rank多模式降水概率預(yù)報(bào)和前文確定的分級降水概率閾值，對概率較大的一般性降水落區(qū)預(yù)報(bào)也有很好的預(yù)報(bào)效果。雖然27日夜間中雨落區(qū)預(yù)報(bào)面積較小，但是對降水強(qiáng)度落區(qū)移動(dòng)方向有很好的指示意義

4 結(jié)論

本文利用EC-thin，JAP，GER，T639以及TJ-WRF五種業(yè)務(wù)常用數(shù)值模式的格點(diǎn)降水預(yù)報(bào)資料和歷史實(shí)況資料，分別基于Rank方法、平均法、相關(guān)法設(shè)計(jì)了三種集成降水概率預(yù)報(bào)方案，并對2014年4-10月進(jìn)行集成降水概率預(yù)報(bào)試驗(yàn)及RPS、BS評分、ROC曲線檢驗(yàn)，探討了集成降水概率預(yù)報(bào)產(chǎn)品在降水落區(qū)預(yù)報(bào)業(yè)務(wù)中的應(yīng)用方案。

(1)通過對2014年4-10月進(jìn)行多模式集成降水概率預(yù)報(bào)試驗(yàn)發(fā)現(xiàn)，無論是預(yù)報(bào)概率的BS/RPS檢驗(yàn)，還是ROC曲線檢驗(yàn)，Rank方法得到的降水概率預(yù)報(bào)比平均法和相關(guān)法具有更高的預(yù)報(bào)準(zhǔn)確性，所不同的是對于BS檢驗(yàn)，Rank方法對于小雨的概率預(yù)報(bào)均方差要明顯小于其他兩種方案，但對于中雨-暴雨的預(yù)報(bào)，Rank方法的優(yōu)勢不明顯，而對于ROC曲線檢驗(yàn)，Rank方法對于中雨-暴雨的概率預(yù)報(bào)效果要明顯優(yōu)于其他兩種方案，但對小雨的優(yōu)勢不明顯；

(2)基于Rank方法的多模式集成降水概率預(yù)報(bào)對降水具有較強(qiáng)的可預(yù)報(bào)性，通過降水概率閾值的試驗(yàn)分析，發(fā)現(xiàn)當(dāng)集成降水概率預(yù)報(bào)達(dá)到40%時(shí)，降水預(yù)報(bào)準(zhǔn)確率高，晴雨預(yù)報(bào)準(zhǔn)確率可達(dá)到85.1%，TS評分也將達(dá)到0.43，基于多模式集成概率閾值給出的降水預(yù)報(bào)產(chǎn)品的ETS評分都要明顯高于各個(gè)模式成員降水預(yù)報(bào)的ETS評分，且在分級降水預(yù)報(bào)中，多模式集成產(chǎn)品優(yōu)勢更加明顯；

圖7 降水落區(qū)預(yù)報(bào)產(chǎn)品(陰影)、中雨落區(qū)預(yù)報(bào)產(chǎn)品(陰影)實(shí)況降水量(陰影，單位：mm)的對比

(3)分級降水落區(qū)預(yù)報(bào)檢驗(yàn)表明，通過分析選取的集成分級降水概率判斷閾值進(jìn)行的分級降水落區(qū)預(yù)報(bào)，對大范圍降水有較好的指示意義和可預(yù)報(bào)性，降水落區(qū)預(yù)報(bào)擊中的準(zhǔn)確率達(dá)到62.3%。典型個(gè)例分析顯示，對天津小概率極端性的全區(qū)性暴雨落區(qū)和概率較大的一般性降水落區(qū)均有較好的預(yù)報(bào)效果。

5 討論

基于Rank方法的多模式集成降水概率預(yù)報(bào)對降水具有較強(qiáng)的可預(yù)報(bào)性，集成降水概率預(yù)報(bào)大于40%的區(qū)域?qū)邓鋮^(qū)具有一定的指示意義，但對局地性降水的漏報(bào)較多，其主要原因?yàn)橐韵?個(gè)方面：一方面模式對小尺度局地對流降水過程預(yù)報(bào)本身存在時(shí)間和空間誤差；另一方面數(shù)值模式資料的空間分辨率較低，而天津的自動(dòng)氣象站點(diǎn)較密，由低分辨率向高分辨率轉(zhuǎn)換過程中，可能放大數(shù)值模式預(yù)報(bào)的誤差，增強(qiáng)了局地性對流降水預(yù)報(bào)的難度。