陳翔翔 郭達(dá)烽

0 引言

江西地處我國長江流域,屬亞熱帶季風(fēng)氣候區(qū),每年汛期(3—7月)是江西暴雨、強(qiáng)對(duì)流天氣多發(fā)期,尤其是連續(xù)多日的暴雨形成的降水集中期,能引發(fā)洪澇和泥石流等自然災(zāi)害,嚴(yán)重威脅著人民的生命和財(cái)產(chǎn)安全．為此,提高降水預(yù)報(bào)水平是氣象預(yù)報(bào)任務(wù)中的重中之重．?dāng)?shù)值預(yù)報(bào)技術(shù)的快速發(fā)展為降水的精細(xì)化預(yù)報(bào)提供了良好的基礎(chǔ),目前天氣預(yù)報(bào)員常用的提高預(yù)報(bào)準(zhǔn)確率的途徑,是不斷對(duì)數(shù)值預(yù)報(bào)產(chǎn)品進(jìn)行效果檢驗(yàn)評(píng)估,從多種模式的降水產(chǎn)品中選擇性能最穩(wěn)定的,并在檢驗(yàn)的基礎(chǔ)上運(yùn)用多種方法開展解釋應(yīng)用[1-6]．李勇[7]、張宏芳等[8]通過預(yù)報(bào)能力的對(duì)比分析得出歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts,ECMWF)高分辨率數(shù)值預(yù)報(bào)總體較優(yōu)．陸如華等[9]、趙聲蓉等[10]和劉還珠等[11]分別采用卡爾曼濾波法、神經(jīng)元網(wǎng)絡(luò)等統(tǒng)計(jì)方法對(duì)數(shù)值預(yù)報(bào)產(chǎn)品進(jìn)行解釋應(yīng)用研究;劉琳等[12]通過集合預(yù)報(bào)降水資料的累積概率分布,建立了極端強(qiáng)降水天氣的預(yù)報(bào)指數(shù);吳木貴等[13]利用交叉熵神經(jīng)網(wǎng)絡(luò)方法建立了閩北大雨以上降水預(yù)報(bào)系統(tǒng),并指出這是一種適合小概率事件預(yù)報(bào)的方法．這些技術(shù)方法在一定程度上提高了模式降水產(chǎn)品質(zhì)量,但這些釋用技術(shù)仍存在許多不足．周迪等[14〗、李俊等[15]通過“概率匹配”(或“頻率匹配”)降水預(yù)報(bào)訂正法對(duì)降水過程取得了較好訂正效果．鑒于“概率匹配”法能較好地利用觀測(cè)資料對(duì)模式產(chǎn)品進(jìn)行訂正,因而受到預(yù)報(bào)業(yè)務(wù)單位的重視和應(yīng)用．

但是,李俊等[15]使用的“概率匹配”降水訂正法是把指定區(qū)域內(nèi)所有格(站)點(diǎn)作為同一資料序列進(jìn)行統(tǒng)計(jì)分析,由于區(qū)域內(nèi)地理位置和地形的差異可導(dǎo)致氣候背景不同,如果區(qū)域內(nèi)所有格(站)點(diǎn)降水預(yù)報(bào)訂正模型采用相同的值,會(huì)導(dǎo)致訂正結(jié)果不夠精細(xì)．為探索和建立更為精細(xì)的不同站點(diǎn)、不同降水等級(jí)的“預(yù)報(bào)-觀測(cè)概率匹配”訂正方法,本研究結(jié)合智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)應(yīng)用,在充分考慮不同站點(diǎn)氣候特征差異,開展產(chǎn)品檢驗(yàn)效果分析的基礎(chǔ)上,對(duì)相對(duì)穩(wěn)定且效果較優(yōu)的ECMWF高分辨降水模式產(chǎn)品和歷史觀測(cè)資料,引入累積概率分布函數(shù),針對(duì)不同等級(jí)降水預(yù)報(bào),逐站建立訂正模型,尤其對(duì)是否發(fā)生暴雨及其以上降水進(jìn)行重點(diǎn)分析,并根據(jù)數(shù)值預(yù)報(bào)的調(diào)整不斷更新訂正模型,在此基礎(chǔ)上開展訂正預(yù)報(bào)試驗(yàn)和效果檢驗(yàn)評(píng)估,以期通過該動(dòng)態(tài)訂正法實(shí)現(xiàn)對(duì)ECMWF模式降水產(chǎn)品的解釋應(yīng)用,有效提高降水分級(jí)預(yù)報(bào)，尤其是暴雨預(yù)報(bào)質(zhì)量,為汛期防災(zāi)減災(zāi)提供更好的保障服務(wù)．

1 資料與方法

1.1 資料的選取

降水觀測(cè)資料采用江西省氣象信息中心提供的包含江西省91個(gè)地面氣象觀測(cè)站(站點(diǎn)分布見圖1)8—20時(shí)和20時(shí)—次日8時(shí)的12 h間隔降水資料,模式預(yù)報(bào)降水產(chǎn)品選取ECMWF高分辨率數(shù)值預(yù)報(bào)降水預(yù)報(bào)產(chǎn)品(空間分辨率為0.125°×0.125°),選取2017年6月19—27日每日2次的12 h間隔降水格點(diǎn)預(yù)報(bào)資料,檢驗(yàn)的預(yù)報(bào)時(shí)效為0～72 h,選取離觀測(cè)點(diǎn)最近的格點(diǎn)值與觀測(cè)點(diǎn)實(shí)況進(jìn)行對(duì)比并評(píng)分．

1.2 方法簡介

“預(yù)報(bào)-觀測(cè)概率匹配訂正法”是近年來逐漸流行的一種模式釋用訂正方法,多用于模式降水產(chǎn)品的預(yù)報(bào)訂正,其原理如圖2[14,16]所示．不同量級(jí)的降水均能在實(shí)況觀測(cè)的降水累積概率分布曲線(實(shí)線)上找到對(duì)應(yīng)的累積概率值,這個(gè)值在0～1范圍內(nèi)．將已找到的實(shí)況對(duì)應(yīng)的累積概率值反射到模式預(yù)報(bào)的降水累積概率分布曲線(點(diǎn)虛線)上,亦可在橫軸中找到對(duì)應(yīng)的降水量值,即不同量級(jí)降水的模式預(yù)報(bào)修正值[14,16]．這種降水累積概率分布是非正態(tài)的,趙琳娜等[17]、梁莉等[18]以及國內(nèi)外較多研究[19-23]發(fā)現(xiàn),使用Gamma擬合觀測(cè)與預(yù)報(bào)的降水累積概率分布可取得良好效果,因此,選取Gamma累積概率分布函數(shù)用于擬合預(yù)報(bào)與實(shí)況觀測(cè)的降水累積概率．

目前,我國各級(jí)氣象臺(tái)的定量降水預(yù)報(bào),一般為08:00、20:00(北京時(shí),下同)起報(bào)的12 h間隔降水預(yù)報(bào)(8—20時(shí)和20時(shí)—次日8時(shí)),并且以12 h間隔進(jìn)行預(yù)報(bào)檢驗(yàn)評(píng)分．預(yù)報(bào)檢驗(yàn)評(píng)分時(shí),以0.0、10.0、25.0和50.0 mm等將12 h降水量劃分為多種等級(jí).為了更好地分析訂正效果,本文也按照12 h間隔對(duì)ECMWF模式的降水預(yù)報(bào)進(jìn)行訂正與檢驗(yàn),并以 12 h降水量 1.0、10.0、25.0 和50.0 mm的降水量級(jí)劃分各等級(jí)．

基于ECMWF的降水預(yù)報(bào)-觀測(cè)概率匹配動(dòng)態(tài)訂正法是基于“預(yù)報(bào)-觀測(cè)概率匹配訂正法”的一種動(dòng)態(tài)實(shí)踐,這里把最新、實(shí)時(shí)的預(yù)報(bào)與實(shí)況結(jié)果帶入概率匹配中,本文用預(yù)報(bào)時(shí)前100 d共200個(gè)起報(bào)時(shí)間的ECMWF 12 h間隔降水預(yù)報(bào)資料與實(shí)況觀測(cè)資料進(jìn)行概率匹配,并在業(yè)務(wù)中不斷更新各量級(jí)降水修正值,這可以一定程度訂正近期模式預(yù)報(bào)誤差,實(shí)時(shí)調(diào)節(jié)降水訂正效果．

目前預(yù)報(bào)業(yè)務(wù)中常用的預(yù)報(bào)效果檢驗(yàn)指標(biāo)有風(fēng)險(xiǎn)評(píng)分(Threat Score,TS,其量值記為ST)、命中率(Percent of Doom,PoD,其量值記為PoD)、空?qǐng)?bào)率(False Alarm Rate,FAR,其量值記為RFA)和漏報(bào)率(Percent of Omission,PO,其量值記為PO)等．設(shè)定NA為預(yù)報(bào)正確站數(shù),NB為預(yù)報(bào)錯(cuò)誤站數(shù),NC為漏報(bào)站數(shù),各指標(biāo)計(jì)算公式如下:

(1)

(2)

(3)

(4)

圖1 江西省國家地面氣象觀測(cè)站分布

圖2 各等級(jí)降水的預(yù)報(bào)-觀測(cè)概率匹配訂正法示意圖[14,16]

2 概率匹配動(dòng)態(tài)訂正法在江西省汛期降水集中期的應(yīng)用分析

2.1 2017年6月下旬江西降水集中期概況

受高空低槽、中低層切變線和西南急流的共同影響,2017年6月20日—7月2日江西省出現(xiàn)了一次降水集中期,期間省內(nèi)暴雨頻繁發(fā)生.江西省91個(gè)國家基本觀測(cè)站中出現(xiàn)10站及以上日雨量超50 mm的過程稱為一次區(qū)域性暴雨過程,將江西省持續(xù)出現(xiàn)3 d及以上的區(qū)域性暴雨過程定義為持續(xù)性區(qū)域暴雨過程．在此次降水集中期內(nèi),就出現(xiàn)了一次持續(xù)性區(qū)域暴雨過程,2017年6月21—26日江西省出現(xiàn)了長達(dá)5 d的持續(xù)性區(qū)域暴雨過程(表1),主要發(fā)生區(qū)域?yàn)橼M北地區(qū),其中,6月25日有19個(gè)暴雨、13個(gè)大暴雨和1個(gè)特大暴雨站,持續(xù)的暴雨過程為江西省尤其是贛北人民的生產(chǎn)生活帶來了嚴(yán)重的威脅．在降水集中期后半段,雨帶先南移,后北抬,新的降水落區(qū)訂正方法的應(yīng)用與檢驗(yàn)迫在眉睫．

表1 2017年6月21—25日江西省每日暴雨站數(shù)及位置(20—20時(shí))

2.2 江西省各站點(diǎn)降水等級(jí)預(yù)報(bào)訂正值分布特征

6月25日江西暴雨站數(shù)最多,現(xiàn)選取前一日即6月24日(試驗(yàn)第6天)為代表,分析江西省所有站的各降水量級(jí)修正值．圖3、圖4分別是2017年6月24日0～12 h預(yù)報(bào)時(shí)效和12～24 h預(yù)報(bào)時(shí)效的各量級(jí)降水的降水訂正值,可發(fā)現(xiàn):對(duì)于12 h間隔的小雨量級(jí)降水(1.0 mm),ECMWF 0～12 h和12～24 h預(yù)報(bào)時(shí)效的降水預(yù)報(bào)得普遍偏大(圖3a,圖4a),應(yīng)往小修正．尤其是贛北南部及以南地區(qū),ECMWF預(yù)報(bào)2～3 mm時(shí)往往可以修正為1 mm,而九江市的1 mm小雨預(yù)報(bào)得較為接近實(shí)況.對(duì)于12 h間隔的中雨量級(jí)降水(10 mm),除九江市西南部、宜春市局部預(yù)報(bào)偏小外,全省大部分地區(qū)預(yù)報(bào)偏大,尤其是南昌、鷹潭、撫州三市和吉安、贛州兩市部分地區(qū),并且12～24 h預(yù)報(bào)時(shí)效的中雨比0～12 h預(yù)報(bào)時(shí)效預(yù)報(bào)得更偏大,應(yīng)往小修正(圖3b、圖4b)．而對(duì)于大量級(jí)降水,ECMWF預(yù)報(bào)偏小的區(qū)域逐漸增多:0～12 h和12～24 h預(yù)報(bào)時(shí)效的12 h 25 mm降水預(yù)報(bào)分別有70.3%和57.1%的站數(shù)預(yù)報(bào)偏小(圖3c,圖4c),需要往大修正;0～12 h和12～24 h預(yù)報(bào)時(shí)效的12 h間隔的50 mm的暴雨量級(jí)降水預(yù)報(bào)分別有93.4%和78%的站數(shù)預(yù)報(bào)偏小(圖3d,圖4d),其中,萍鄉(xiāng)、宜春兩市市區(qū)站點(diǎn)和贛州市西部0～12 h和12～24 h預(yù)報(bào)時(shí)效暴雨修正值均不足40 mm．

圖3 2017年6月24日(試驗(yàn)第6天)0～12 h預(yù)報(bào)時(shí)效各量級(jí)降水的降水訂正值(mm)

綜上,總體來看,江西省2017年6月降水集中期ECMWF的24 h內(nèi)12 h間隔的 10 mm及以下量級(jí)的降水預(yù)報(bào)普遍偏大,25 mm及以上量級(jí)的降水預(yù)報(bào)普遍偏小．但是,九江市沿江地區(qū)和景德鎮(zhèn)的各量級(jí)降水預(yù)報(bào)較為接近實(shí)況,預(yù)報(bào)效果較好．

2.3 修正前后各檢驗(yàn)指標(biāo)的變化

2.3.1 6個(gè)預(yù)報(bào)時(shí)次各指標(biāo)平均值在試驗(yàn)期間(2017年6月19—27日)的日變化

氣象部門對(duì)降水預(yù)報(bào)效果的評(píng)判一般用TS評(píng)分、命中率(PoD)、空?qǐng)?bào)率(FAR)和漏報(bào)率(PO)等指標(biāo)．下面對(duì)ECMWF的各量級(jí)降水預(yù)報(bào)進(jìn)行動(dòng)態(tài)修正后的各指標(biāo)日變化進(jìn)行對(duì)比,為了更好地展示總體預(yù)報(bào)效果,用的是全省91站的平均值(圖5—8)．

分析發(fā)現(xiàn),在試驗(yàn)期間(2017年6月19—27日),對(duì)于12 h 1 mm和50 mm的降水等級(jí),ECMWF 72 h內(nèi)的6個(gè)預(yù)報(bào)時(shí)效平均TS在修正后均有不同程度的提升(圖5)．其中,在試驗(yàn)第7天(2017年7月25日),12 h 1 mm和50 mm等級(jí)的降水TS分別提升了0.022和0.015,而10 mm降水的TS提升不明顯,對(duì)25 mm的降水更出現(xiàn)了修正后不如修正前的結(jié)果,可見,基于ECMWF的降水預(yù)報(bào)-觀測(cè)概率匹配動(dòng)態(tài)訂正法在實(shí)踐中應(yīng)權(quán)衡利弊使用,弱降水(1 mm)和暴雨量級(jí)降水(50 mm)可多參考本降水預(yù)報(bào)訂正法,有助于提升晴雨預(yù)報(bào)和災(zāi)害性降水的預(yù)報(bào)服務(wù)質(zhì)量．

預(yù)報(bào)業(yè)務(wù)中對(duì)于命中率、空?qǐng)?bào)率和漏報(bào)率也能一定程度反映預(yù)報(bào)水平．大雨、暴雨量級(jí)降水的命中率在修正后有所提升(圖6),可見本訂正法可以根據(jù)近期預(yù)報(bào)與實(shí)況較好地調(diào)整降水中心強(qiáng)度;而小雨、中雨量級(jí)的降水的空?qǐng)?bào)率在修正后有明顯降低(圖7)．這也是由于小雨和中雨的修正值比原值大,ECMWF模式空?qǐng)?bào)了部分小量級(jí)降水;大雨和暴雨的修正值比原值小,大雨、暴雨量級(jí)的降水的漏報(bào)率在修正后有明顯提升(圖8),說明ECMWF模式對(duì)暴雨中心和量級(jí)的預(yù)報(bào)能力有待提升．

對(duì)于防災(zāi)減災(zāi)而言,大量級(jí)降水的漏報(bào)能直接影響群眾生命財(cái)產(chǎn)安全,降低大量級(jí)降水的漏報(bào)率并且提升其命中率十分重要．基于ECMWF的降水預(yù)報(bào)-觀測(cè)概率匹配動(dòng)態(tài)訂正法在本次試驗(yàn)中明顯降低了大雨和暴雨的漏報(bào)率且提升了命中率,應(yīng)用效果較好．

2.3.2 試驗(yàn)期間不同預(yù)報(bào)時(shí)效修正后平均TS增幅

一般而言,預(yù)報(bào)時(shí)效越短,預(yù)報(bào)效果越好:0～12 h降水預(yù)報(bào)時(shí)效的預(yù)報(bào)效果比12～24 h降水預(yù)報(bào)的預(yù)報(bào)效果更好,TS評(píng)分等檢驗(yàn)評(píng)分越高,以此類推．因此,有必要從不同的預(yù)報(bào)時(shí)效著手,查看修正前后檢驗(yàn)指標(biāo)的變化．

圖9為不同預(yù)報(bào)時(shí)效在試驗(yàn)期間(共9 d)修正后平均TS增幅,可見,對(duì)于24 h以內(nèi)的降水預(yù)報(bào),除了25 mm量級(jí)的降水預(yù)報(bào)TS評(píng)分修正后為負(fù)技巧(即修正后TS增幅<0)外,其他量級(jí)的降水均為正技巧,其中,0～12 h訂正效果最好的為1 mm的降水量級(jí),增幅為0.028,其次為10 mm的降水量級(jí)和50 mm的降水量級(jí), TS平均增幅分別為0.006和0.004;12～24 h訂正效果最好的仍是1 mm的降水量級(jí),TS平均增幅為0.023．此后,隨著預(yù)報(bào)時(shí)效的不斷延長,不同量級(jí)降水的訂正效果均有不同程度的降低,但1和50 mm量級(jí)的降水預(yù)報(bào)訂正效果一直維持正技巧,即對(duì)于小量級(jí)降水(晴雨)以及大量級(jí)降水(暴雨)的預(yù)報(bào),基于ECMWF的降水預(yù)報(bào)-觀測(cè)概率匹配動(dòng)態(tài)訂正法有著良好的訂正技巧．TS評(píng)分平均值修正后出現(xiàn)負(fù)技巧(25 mm量級(jí)的降水預(yù)報(bào)居多)的原因可能是:試驗(yàn)前期100 d帶入概率匹配的樣本數(shù)太少,影響了訂正結(jié)果的準(zhǔn)確性,如果樣本數(shù)太多,則會(huì)削弱對(duì)最近模式誤差的訂正效果．ECWMF對(duì)本次試驗(yàn)降水落區(qū)預(yù)報(bào)不準(zhǔn),也能導(dǎo)致預(yù)報(bào)TS評(píng)分微弱提升甚至降低．

圖4 2017年6月24日(試驗(yàn)第6天)12～24 h預(yù)報(bào)時(shí)效各量級(jí)降水的降水訂正值(mm)

圖5 江西省所有站點(diǎn)平均TS修正前后變化情況(72 h內(nèi)所有預(yù)報(bào)時(shí)效平均)(d1—d9分別代表試驗(yàn)第1天即2017年6月19日至試驗(yàn)第9天即2017年6月27日)

圖6 6個(gè)預(yù)報(bào)時(shí)次江西省所有站點(diǎn)平均命中率(PoD)修正前后變化情況(d1—d9分別代表試驗(yàn)第1天即2017年6月19日至試驗(yàn)第9天即2017年6月27日)

圖7 6個(gè)預(yù)報(bào)時(shí)次江西省所有站點(diǎn)平均空?qǐng)?bào)率(FAR)修正前后變化情況(d1—d9分別代表試驗(yàn)第1天即2017年6月19日至試驗(yàn)第9天即2017年6月27日)

圖8 6個(gè)預(yù)報(bào)時(shí)次江西省所有站點(diǎn)平均漏報(bào)率(PO)修正前后變化情況(d1—d9分別代表試驗(yàn)第1天即2017年6月19日至試驗(yàn)第9天即2017年6月27日)

圖9 試驗(yàn)期間(共9 d)修正后平均TS增幅

3 結(jié)論與討論

為提高數(shù)值預(yù)報(bào)降水預(yù)報(bào)的準(zhǔn)確率,本文利用歐洲中心高分辨率數(shù)值預(yù)報(bào)(ECMWF)每日2次的12 h間隔降水格點(diǎn)預(yù)報(bào)資料和江西省國家級(jí)氣象觀測(cè)站實(shí)況降水量進(jìn)行概率匹配,選取Gamma累積概率分布函數(shù)用于擬合預(yù)報(bào)與觀測(cè)的降水累積概率,并在業(yè)務(wù)中根據(jù)近期(100 d)模式預(yù)報(bào)調(diào)整及誤差不斷更新各量級(jí)降水修正值,通過在2017年6月底江西省一次降水集中期的應(yīng)用試驗(yàn),得到以下結(jié)論:

1)江西省2017年6月降水集中期ECMWF的24 h內(nèi)12 h間隔的 10 mm及以下量級(jí)的降水預(yù)報(bào)普遍偏大,25 mm及以上量級(jí)的降水預(yù)報(bào)普遍偏小;從江西區(qū)域分布來看，九江市沿江地區(qū)和景德鎮(zhèn)的各量級(jí)降水預(yù)報(bào)較為接近實(shí)況，預(yù)報(bào)效果較好．

2) 基于ECMWF的降水預(yù)報(bào)-觀測(cè)概率匹配動(dòng)態(tài)訂正法在實(shí)踐中應(yīng)權(quán)衡利弊使用:本降水預(yù)報(bào)訂正法能提高小雨和暴雨的TS評(píng)分、降低暴雨的漏報(bào)率且提升其命中率,但對(duì)大雨及部分中雨的訂正效果不佳．對(duì)于防災(zāi)減災(zāi)而言,暴雨的漏報(bào)會(huì)直接威脅群眾生命財(cái)產(chǎn)安全,降低暴雨的漏報(bào)率并提升其命中率十分重要,就此而言,本次降水預(yù)報(bào)訂正試驗(yàn)獲得了較好的效果．

本文為數(shù)值預(yù)報(bào)產(chǎn)品的解釋應(yīng)用提供了一種方法,可以動(dòng)態(tài)訂正模式降水預(yù)報(bào)(尤其是致災(zāi)性暴雨).但是,應(yīng)用試驗(yàn)中大雨及部分中雨的預(yù)報(bào)的訂正效果不佳,可能原因是:本文選擇預(yù)報(bào)時(shí)前100 d每天2次的預(yù)報(bào)與實(shí)況降水?dāng)?shù)據(jù)進(jìn)行概率匹配,如果帶入概率匹配相應(yīng)降水量級(jí)的數(shù)據(jù)樣本數(shù)太少,會(huì)使得本次試驗(yàn)不能很好擬合Gamma概率分布函數(shù),影響訂正結(jié)果的準(zhǔn)確性,如果樣本數(shù)太多,則會(huì)削弱對(duì)最近模式誤差的訂正效果．ECWMF對(duì)本次試驗(yàn)降水落區(qū)預(yù)報(bào)不準(zhǔn),也能導(dǎo)致預(yù)報(bào)TS評(píng)分微弱提升甚至降低．另外,本文采用的是Gamma分布函數(shù)來擬合預(yù)報(bào)與觀測(cè)的降水累積概率,在以后的工作中,亦可嘗試采用其他分布函數(shù)(如GEV、GNO、GLO、Kappa等)來擬合,并比較其優(yōu)劣．