王彬雁,陳朝平,叢 芳,黃楚惠
(四川省氣象臺(tái)/高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室,成都 610072)
近年來(lái),隨著數(shù)值天氣預(yù)報(bào)模式分辨率的不斷提高,對(duì)模式各類(lèi)指標(biāo)的評(píng)價(jià)以及預(yù)報(bào)效果的檢驗(yàn)顯得尤為重要。這不僅可以為改進(jìn)模式預(yù)報(bào)能力、提高模式輸出產(chǎn)品的可參考性提供一定的依據(jù),同時(shí)也為預(yù)報(bào)員進(jìn)行降水落區(qū)訂正給出了有效的參考標(biāo)準(zhǔn)[1-4]。
目前,評(píng)價(jià)數(shù)值模式預(yù)報(bào)性能的檢驗(yàn)方法多為點(diǎn)對(duì)點(diǎn)檢驗(yàn),即以氣象站觀測(cè)數(shù)據(jù)為真值的客觀檢驗(yàn)方法,包括常用的TS評(píng)分、ETS評(píng)分、均方根誤差等。該類(lèi)點(diǎn)對(duì)點(diǎn)的檢驗(yàn)方法雖然定量且客觀,但由于分離了物理量的空間信息,在反映預(yù)報(bào)的尺度變化、空間結(jié)構(gòu)、位置信息等方面存在一定缺陷,并且容易受到小尺度的影響,無(wú)法準(zhǔn)確反應(yīng)模式對(duì)小尺度事件空間分布的預(yù)報(bào)性能,缺乏對(duì)預(yù)報(bào)誤差來(lái)源的細(xì)致分析,尤其是高分辨率模式[5-9]。鑒于以上原因,空間檢驗(yàn)方法受到越來(lái)越多研究者的關(guān)注。
常用的空間檢驗(yàn)方法大致可劃分為兩類(lèi),一類(lèi)是以不同尺度為基礎(chǔ),分別求得不同尺度上的預(yù)報(bào)評(píng)分,以獲知模式在不同尺度上的預(yù)報(bào)性能,如尺度分離法、領(lǐng)域法;另一類(lèi)則是分析實(shí)況對(duì)象與預(yù)報(bào)對(duì)象之間的空間差異診斷量(強(qiáng)度、位置、結(jié)構(gòu)等)來(lái)了解模式預(yù)報(bào)的空間信息,如變形法、特征檢驗(yàn)法。在實(shí)際計(jì)算過(guò)程中,由于變形場(chǎng)檢驗(yàn)法計(jì)算過(guò)程復(fù)雜,并且與特征檢驗(yàn)法相比也只多識(shí)別出一種特殊情況即預(yù)報(bào)與實(shí)況嚴(yán)重不同的降水,因此特征檢驗(yàn)法成為暴雨檢驗(yàn)中最受歡迎的檢驗(yàn)方法[10-12]。面向?qū)ο蟮臋z驗(yàn)方法(Method of Object-Based Diagnostic Evaluation,簡(jiǎn)稱(chēng)MODE,下同)是空間檢驗(yàn)方法中最具代表性的一種特征檢驗(yàn)法,并且被國(guó)內(nèi)外學(xué)者廣泛應(yīng)用[10]。Davis[13]利用MODE方法,通過(guò)對(duì)NECP提供的實(shí)況降水資料以及WRF模式的降水資料進(jìn)行空間對(duì)象檢驗(yàn),指出該方法可以對(duì)模式預(yù)報(bào)的誤差來(lái)源以及模式預(yù)報(bào)性能給出一個(gè)整體的結(jié)果;Micheas[14]將預(yù)報(bào)誤差來(lái)源分為幾個(gè)屬性(如位置、面積大小、強(qiáng)度等),以短時(shí)臨近預(yù)報(bào)為例,分析各屬性參數(shù)的權(quán)重,從而得到不同的誤差類(lèi)型;李佳等[15]采用MODE方法對(duì)強(qiáng)降水和冰雹雷達(dá)回波進(jìn)行了檢驗(yàn),指出MODE在高分辨率數(shù)值模式檢驗(yàn)中比傳統(tǒng)方法具有明顯的優(yōu)勢(shì),尤其針對(duì)雷達(dá)回波的檢驗(yàn)有很好的應(yīng)用價(jià)值;薛春芳等[16]利CMORPH衛(wèi)星與中國(guó)30000余個(gè)自動(dòng)站逐時(shí)降水融合資料,基于MODE方法研究了降水對(duì)象的客觀表現(xiàn),表明MODE方法受氣候概率影響較小,檢驗(yàn)結(jié)果更加客觀多樣。上述研究表明,MODE方法可以對(duì)模式在短臨方面做出很好的客觀評(píng)價(jià)。
本文以四川2019年6月22日的強(qiáng)降水過(guò)程為例,采用MODE方法對(duì)西南區(qū)域模式(簡(jiǎn)稱(chēng)SWC-WARMS,下同)的預(yù)報(bào)效果進(jìn)行檢驗(yàn),獲取該方法在強(qiáng)降水過(guò)程中的空間檢驗(yàn)信息,以期為預(yù)報(bào)員關(guān)注的強(qiáng)降水個(gè)體提供一種更加詳細(xì)、全面的檢驗(yàn)結(jié)果,同時(shí)也為模式開(kāi)發(fā)者提供一些有效的預(yù)報(bào)性能信息。
預(yù)報(bào)場(chǎng)資料選取SWC-WARMS 降水業(yè)務(wù)產(chǎn)品,其分辨率為9km×9km,預(yù)報(bào)時(shí)效為3d,時(shí)間間隔為3h,每日更新4次。觀測(cè)場(chǎng)資料為四川范圍內(nèi)加密自動(dòng)站逐小時(shí)降水?dāng)?shù)據(jù)??紤]到強(qiáng)降水會(huì)對(duì)當(dāng)?shù)卦斐蓢?yán)重的災(zāi)害,尤其是盆地西部山區(qū),以四川2019年6月22日的強(qiáng)降水過(guò)程為例,對(duì)SWC-WARMS逐3小時(shí)預(yù)報(bào)進(jìn)行空間檢驗(yàn)。模式起報(bào)時(shí)間為2019年6月20日14時(shí)),檢驗(yàn)時(shí)段為2019年6月21日23時(shí)~2019年6月22日08時(shí),涵蓋了此次降水過(guò)程的發(fā)展初期、中期、消散期,檢驗(yàn)區(qū)域?yàn)樗拇ㄊ?nèi)。為了分析目標(biāo)物空間匹配情況,分別選取四川2019年6月21日23時(shí)(降水發(fā)展初期)、6月22日02時(shí)及6月22日05時(shí)(降水發(fā)展中)、6月22日(降水消散期)作為各階段的時(shí)間。
MODE方法首先需要對(duì)降水場(chǎng)按一定標(biāo)準(zhǔn)進(jìn)行空間濾波;其次需要對(duì)不同尺度、強(qiáng)度、量級(jí)降水的關(guān)注來(lái)確定降水強(qiáng)度閾值,保證從降水場(chǎng)中準(zhǔn)確識(shí)別降水對(duì)象;最后需對(duì)識(shí)別出的降水場(chǎng)進(jìn)行還原,以獲取降水對(duì)象特性,從而計(jì)算匹配度。具體步驟和公式如下[10,16-19]:
(1)卷積—閾值過(guò)程
降水原始場(chǎng)通過(guò)存在許多零散小目標(biāo)物,這對(duì)強(qiáng)降水檢驗(yàn)會(huì)造成一定的干擾,因此需對(duì)原始場(chǎng)進(jìn)行適當(dāng)?shù)钠交幚?,以突出重要的大面積降水目標(biāo)物,即空間濾波。公式如下[15]:
C(x,y)=∑φ(u,v)f(x-u,y-v)
(1)
式(1)中x和y為格點(diǎn)坐標(biāo);u和v表示相對(duì)x和y平移的距離;f(x,y)代表原始降水場(chǎng);φ(u,v)為過(guò)濾函數(shù);C(x,y)為卷積后的降水場(chǎng)。MODE默認(rèn)的過(guò)濾函數(shù)為圓柱形濾波,并且滿足πR2H=1(其中R為卷積半徑,H為高度,下同),即當(dāng)x2+y2≤R2,那么φ(u,v)=H,否則φ(u,v)=0。可以發(fā)現(xiàn),圓柱形濾波中H受R所制約,R是唯一可調(diào)參數(shù)。
根據(jù)降水的影響特征,確定要素閾值T,從而篩選出預(yù)報(bào)場(chǎng)和觀測(cè)場(chǎng)中的目標(biāo)物。為了識(shí)別目標(biāo)物,需構(gòu)造出掩膜場(chǎng)M(x,y),即卷積后的格點(diǎn)要素值≥T,則記為1;反之,則記為0。具體公式如下[10,13]:
(2)
(2)重構(gòu)場(chǎng)生成
為了反映目標(biāo)物的信息,需對(duì)預(yù)報(bào)場(chǎng)和觀測(cè)場(chǎng)的原始降水值重新填充至掩膜場(chǎng),獲得重構(gòu)場(chǎng)F(x,y),計(jì)算公式為[15]:
F(x,y)=M(x,y)f(x,y)
(3)
(3)目標(biāo)物空間屬性參數(shù)及匹配度計(jì)算
客觀評(píng)價(jià)目標(biāo)物的空間信息,需要計(jì)算出表征目標(biāo)物的屬性參數(shù),如面積、質(zhì)心、距離等。通過(guò)定量計(jì)算每個(gè)目標(biāo)物的每一種屬性參數(shù),可獲取目標(biāo)物的空間信息。通過(guò)匹配觀測(cè)場(chǎng)和預(yù)報(bào)場(chǎng)各個(gè)目標(biāo)物的屬性參數(shù),采用模糊邏輯算法,可求得兩兩目標(biāo)物之間的匹配度,計(jì)算公式如下[15]:
(4)
式(4)中M為屬性參數(shù)個(gè)數(shù);Wi表示為第i個(gè)屬性參數(shù)的權(quán)重系數(shù);Ii(ai)為第i個(gè)屬性參數(shù)的匹配度函數(shù)(范圍0~1);Ci為第i個(gè)屬性參數(shù)的可信度函數(shù),用來(lái)調(diào)整屬性參數(shù)的貢獻(xiàn)度;I為匹配度。
對(duì)于完成匹配的目標(biāo)對(duì),需給匹配度設(shè)定一個(gè)閾值,如果I大于此閾值,意味著目標(biāo)對(duì)可以很好地匹配,并且I值越大,匹配度越高。若匹配度設(shè)定閾值為0.7,大于此閾值認(rèn)為觀測(cè)場(chǎng)和預(yù)報(bào)場(chǎng)的目標(biāo)物匹配度高,小于此閾值則反之。
由于原始場(chǎng)通常存在許多零散的小降水中心,在進(jìn)行強(qiáng)降水檢驗(yàn)時(shí)會(huì)帶來(lái)一些不必要的干擾,因此需對(duì)原始場(chǎng)進(jìn)行平滑處理。圖1為此次降水過(guò)程6月22日02時(shí)觀測(cè)場(chǎng)在不同卷積半徑R下平滑后的降水分布??梢园l(fā)現(xiàn),當(dāng)R為2時(shí),通過(guò)卷積之后的降水分布存在一些零散的大值中心(圖中深藍(lán)色部分),導(dǎo)致在自動(dòng)識(shí)別目標(biāo)物的過(guò)程中容易出現(xiàn)破碎的孤立目標(biāo)物,不容易突出主要目標(biāo)物;當(dāng)R為6時(shí),檢驗(yàn)區(qū)域中的降水目標(biāo)物被大大平滑,使得大值中心明顯減少,導(dǎo)致容易濾掉一些需關(guān)注的降水大值區(qū),不利于捕獲強(qiáng)降水的局地分布。而R為4時(shí),在一定程度上減少了孤立的大值中心,同時(shí)保留了強(qiáng)降水的關(guān)鍵特征,能夠較好地對(duì)降水目標(biāo)物進(jìn)行識(shí)別。本文后續(xù)選取R=4作為卷積半徑,進(jìn)行原始場(chǎng)的平滑處理。
根據(jù)強(qiáng)降水的影響特征以及不同尺度關(guān)注的重點(diǎn),需確定降水閾值T,以便篩選出需檢驗(yàn)的強(qiáng)降水目標(biāo)物。為了分析不同降水閾值對(duì)目標(biāo)物個(gè)數(shù)的影響,分別對(duì)觀測(cè)場(chǎng)和預(yù)報(bào)場(chǎng)進(jìn)行不同閾值分析,圖2為此次降水過(guò)程6月22日02時(shí)觀測(cè)場(chǎng)以及預(yù)報(bào)場(chǎng)在不同降水閾值下識(shí)別目標(biāo)物個(gè)數(shù)的分布情況。從圖中可以獲知,當(dāng)閾值>9mm時(shí)觀測(cè)場(chǎng)目標(biāo)物個(gè)數(shù)有所降低,當(dāng)閾值取4~7mm時(shí)觀測(cè)場(chǎng)目標(biāo)物個(gè)數(shù)維持不變,當(dāng)閾值較小時(shí)觀測(cè)場(chǎng)目標(biāo)物個(gè)數(shù)有所增加。同樣對(duì)于預(yù)報(bào)場(chǎng)而言,此特征仍存在。因此在確定降水閾值時(shí),降水閾值不宜取得過(guò)大或者過(guò)小,這是因?yàn)榻邓撝颠^(guò)小容易加入許多分散的小目標(biāo)物,降水閾值過(guò)大容易忽略部分強(qiáng)降水中心。本文在后續(xù)研究中將降水閾值確定為6mm。
2.3.1 強(qiáng)降水過(guò)程發(fā)展期的預(yù)報(bào)能力分析
為了獲取MODE方法在四川強(qiáng)降水過(guò)程中的空間檢驗(yàn)效果,以四川一次強(qiáng)降水過(guò)程(檢驗(yàn)時(shí)段為2019年6月21日23時(shí)~2019年6月22日08時(shí))為例,采用MODE方法對(duì)SWC-WARMS預(yù)報(bào)該次降水過(guò)程的預(yù)報(bào)效果進(jìn)行檢驗(yàn),本次過(guò)程首先在盆地北部出現(xiàn)了零星的降水,隨后北部小時(shí)降水有所加強(qiáng)并東移,與此同時(shí)盆地西南部開(kāi)始出現(xiàn)局地小時(shí)強(qiáng)降水并加強(qiáng)發(fā)展,降水最終在盆地東北部減弱。圖3為四川地區(qū)2019年6月22日小時(shí)強(qiáng)降水預(yù)報(bào)場(chǎng)與觀測(cè)場(chǎng)在降水發(fā)展初期、中期、消散期的目標(biāo)物空間匹配情況。以3小時(shí)降水≥6mm作為閾值標(biāo)準(zhǔn),在卷積半徑、屬性參數(shù)以及匹配度閾值等各個(gè)參數(shù)確定的基礎(chǔ)上,篩選出匹配的目標(biāo)對(duì)。
從圖3中可以發(fā)現(xiàn),23時(shí)觀測(cè)場(chǎng)顯示檢驗(yàn)區(qū)域僅有零星降水目標(biāo)物出現(xiàn),而預(yù)報(bào)場(chǎng)中出現(xiàn)了4個(gè)降水目標(biāo)物,數(shù)量和范圍上明顯多于觀測(cè)場(chǎng),從目標(biāo)物匹配指標(biāo)上看,觀測(cè)場(chǎng)中的目標(biāo)物均未找到匹配對(duì)象,預(yù)報(bào)場(chǎng)出現(xiàn)了許多空?qǐng)?bào);02時(shí)觀測(cè)場(chǎng)降水目標(biāo)物有所增多,表明此時(shí)降水有明顯增強(qiáng)的趨勢(shì),影響范圍明顯增大,此時(shí)預(yù)報(bào)場(chǎng)中也開(kāi)始出現(xiàn)許多降水目標(biāo)物,從目標(biāo)物匹配指標(biāo)上看,有三組指標(biāo)分別達(dá)到了0.5以上;05時(shí)降水區(qū)有所東移,降水目標(biāo)物識(shí)別上同樣具有此特征,其中一組目標(biāo)物匹配指標(biāo)達(dá)到了0.7,表明預(yù)報(bào)場(chǎng)對(duì)該目標(biāo)物有很好的預(yù)報(bào);08時(shí)盆地東北部的降水有所減弱,并且盆地西南部有新的降水逐漸發(fā)展,預(yù)報(bào)場(chǎng)中的降水目標(biāo)物識(shí)別也捕獲了此特點(diǎn),從匹配度來(lái)看有兩組目標(biāo)物匹配指標(biāo)達(dá)到了0.5,但觀測(cè)場(chǎng)中仍有個(gè)別降水目標(biāo)物無(wú)匹配對(duì)象。從降水識(shí)別情況來(lái)看,預(yù)報(bào)場(chǎng)和觀測(cè)場(chǎng)均在02時(shí)識(shí)別的降水目標(biāo)物最多,預(yù)報(bào)場(chǎng)對(duì)把握降水發(fā)展有一定的指導(dǎo)性。綜合來(lái)看,對(duì)此次降水過(guò)程的預(yù)報(bào)表現(xiàn)出以下2個(gè)特征:(1)模式較好地把握了此次降水過(guò)程的發(fā)展消亡過(guò)程,把握了事件發(fā)生的大致時(shí)間,尤其是對(duì)盆地東北部的降水預(yù)報(bào)效果很好,對(duì)降水目標(biāo)物的形狀、走向、移動(dòng)方向以及落區(qū)有比較好的相關(guān)性;(2)對(duì)于降水發(fā)展初期,模式預(yù)報(bào)效果不理想,存在明顯的空?qǐng)?bào),并且量級(jí)較實(shí)況偏強(qiáng)。
為了分析模式具體的預(yù)報(bào)效果,選擇此次降水過(guò)程降水發(fā)展最強(qiáng)的02時(shí)以及08時(shí),以匹配度>0.5作為標(biāo)準(zhǔn)識(shí)別匹配目標(biāo)物,詳細(xì)分析模式在預(yù)報(bào)空間和強(qiáng)度上的誤差??梢园l(fā)現(xiàn),02時(shí)(圖3a2、圖3b2)共匹配三組對(duì)象,分別是觀測(cè)1和預(yù)報(bào)3(記為目標(biāo)1,下同)、觀測(cè)3和預(yù)報(bào)2(記為目標(biāo)2,下同)、觀測(cè)6和預(yù)報(bào)7(記為目標(biāo)3,下同);08時(shí)(圖3a3、圖3b3)共匹配兩組對(duì)象,分別是觀測(cè)1和預(yù)報(bào)1(記為目標(biāo)4,下同)、觀測(cè)5和預(yù)報(bào)3(記為目標(biāo)5,下同)。表1為02時(shí)、08時(shí)各目標(biāo)物的屬性參數(shù),結(jié)合圖3可知,02時(shí)目標(biāo)1、2位于川西高原,目標(biāo)3位于盆地東北部,08時(shí)目標(biāo)4位于盆地西南部,目標(biāo)5位于盆地東北部。從表中匹配度來(lái)看,目標(biāo)5匹配度最優(yōu),表明模式對(duì)該降水區(qū)預(yù)報(bào)較好。從各目標(biāo)物對(duì)應(yīng)的地形來(lái)看,高原目標(biāo)物匹配度低于盆地目標(biāo)物,并且高原目標(biāo)物質(zhì)心距離大于盆地目標(biāo)物;從重疊比來(lái)看,模式對(duì)盆地目標(biāo)物的預(yù)報(bào)整體優(yōu)于高原目標(biāo)物。
表1 預(yù)報(bào)場(chǎng)與觀測(cè)場(chǎng)2019年6月22日02時(shí)和08時(shí)匹配目標(biāo)的空間診斷量值
2.3.2 強(qiáng)降水過(guò)程的強(qiáng)度預(yù)報(bào)能力分析
強(qiáng)度百分位數(shù)表示要素量值從最小到最大值的分布情況,可以衡量強(qiáng)度的變化情況[5],圖4為各目標(biāo)物分別在10、25、50、75、90分位數(shù)上的預(yù)報(bào)場(chǎng)與觀測(cè)場(chǎng)的降水比值。由02時(shí)降水比值曲線可以發(fā)現(xiàn),目標(biāo)1、目標(biāo)2除在10分位、20分位上預(yù)報(bào)場(chǎng)的降水值接近于觀測(cè)場(chǎng)外,其余分位數(shù)上預(yù)報(bào)場(chǎng)的降水值均高于觀測(cè)場(chǎng),并且在90分位數(shù)上大值降水值明顯較實(shí)況明顯偏強(qiáng);目標(biāo)3整體上預(yù)報(bào)場(chǎng)的降水值與觀測(cè)場(chǎng)相近。而從08時(shí)降水比值曲線可知,目標(biāo)4預(yù)報(bào)場(chǎng)的降水值隨著分位數(shù)的增加也隨之增大,表明在降水高值分布區(qū)間,預(yù)報(bào)高估效果更明顯,而預(yù)報(bào)場(chǎng)對(duì)目標(biāo)5的降水值的預(yù)報(bào)效果較好。
結(jié)合目標(biāo)物所處的地形來(lái)看,在降水發(fā)展強(qiáng)盛期,預(yù)報(bào)場(chǎng)對(duì)高原目標(biāo)物強(qiáng)度預(yù)報(bào)在降水大值區(qū)存在一定高估,而對(duì)盆地目標(biāo)物強(qiáng)度預(yù)報(bào)較好,基本接近于實(shí)況;但在降水減弱時(shí),對(duì)盆地目標(biāo)物強(qiáng)度預(yù)報(bào)也存在明顯高估。
本文以 SWC-WARMS 3 h降水資料為預(yù)報(bào)場(chǎng),自動(dòng)站降水資料為觀測(cè)場(chǎng),利用MODE檢驗(yàn)方法對(duì)2019年6月22日四川境內(nèi)的一次強(qiáng)降水過(guò)程進(jìn)行了檢驗(yàn),從強(qiáng)度、空間等方面對(duì)模式預(yù)報(bào)進(jìn)行了評(píng)估,得到如下結(jié)論:
(1)在確定卷積半徑R時(shí),R過(guò)小通過(guò)卷積之后的降水分布存在一些零散的大值中心,容易出現(xiàn)破碎的孤立目標(biāo)物;R太大易濾掉一些需關(guān)注的降水大值區(qū),不利于捕獲強(qiáng)降水的局地分布,并且確定降水閾值T時(shí),降水閾值不宜取得過(guò)大或者過(guò)小。因此,濾波時(shí)卷積半徑R和降水閾值T,應(yīng)靈活地進(jìn)行選取。
(2)針對(duì)此次過(guò)程模式較好地把握了此次降水過(guò)程的發(fā)展消亡過(guò)程,尤其是對(duì)盆地東北部的降水預(yù)報(bào)效果很好,對(duì)降水目標(biāo)物的形狀、走向、移動(dòng)方向以及落區(qū)有比較好的相關(guān)性;但對(duì)于降水發(fā)展初期,模式預(yù)報(bào)效果不理想,存在明顯的空?qǐng)?bào)。
(3)對(duì)于強(qiáng)度預(yù)報(bào),降水發(fā)展強(qiáng)盛期預(yù)報(bào)場(chǎng)對(duì)高原目標(biāo)物強(qiáng)度預(yù)報(bào)存在一定高估,而盆地目標(biāo)物強(qiáng)度預(yù)報(bào)較好,基本接近于實(shí)況;但在降水減弱時(shí),對(duì)盆地目標(biāo)物強(qiáng)度預(yù)報(bào)也存在明顯高估。
不足的是,本文僅用MODE方法對(duì)四川境內(nèi)的一次強(qiáng)降水過(guò)程進(jìn)行了檢驗(yàn),對(duì)于環(huán)流形勢(shì)及影響系統(tǒng)不一致的降水類(lèi)型并沒(méi)有進(jìn)行詳細(xì)地討論,且對(duì)多個(gè)例模式各參數(shù)的整體表現(xiàn)也未進(jìn)行深入的探討,后期將收集更多的降水個(gè)例,全面分析模式在不同類(lèi)型降水下的預(yù)報(bào)性能,從而讓預(yù)報(bào)員更細(xì)致地了解模式預(yù)報(bào)效果,為業(yè)務(wù)科研人員進(jìn)行模式調(diào)試等方面提供了更為有效的理論結(jié)果。