沈平，余小嘉，鄭曉志，魏煒，鐘晨

（1.廣東省突發(fā)事件預警信息發(fā)布中心，廣東廣州 510640；2.廣州市海珠區(qū)氣象局，廣東廣州 510220）

廣東省氣象災害多維監(jiān)控平臺（簡稱“平臺”）主要是針對暴雨、雷雨大風、臺風和寒冷4類氣象災害，在一張圖上展現實況監(jiān)測、預報預警、行為處置、渠道發(fā)布、用戶反饋等預警信息在時間上的動態(tài)演變過程［1-2］，實現突發(fā)事件預警信息發(fā)布的可預判、可視化、可監(jiān)控和可評估，為應對突發(fā)事件提前部署、啟動應急處置措施等提供決策依據［3］。

雷雨大風預警信號智能監(jiān)控分析模塊是平臺中較為核心的內容之一，用于監(jiān)控未來3 h預警信號演變情況，但在實際應用中發(fā)現，雷雨大風智能監(jiān)控分析結果與實況有一定差距。本研究有代表性的選擇3次廣州市雷雨大風過程為研究對象，對預警信號智能監(jiān)控過程復盤檢驗，以期能通過調整參數閾值和變量滿足設定閾值（簡稱“達標”）持續(xù)時間來優(yōu)化模型，提高預警信號智能監(jiān)控水平［4］。

1 數據來源與研究內容

1.1 數據來源

本研究數據來源于廣東省氣象業(yè)務網SWIFT2短臨產品中的雷達組合反射率和組合反射率外推產品、自動氣象站觀測的極大風（簡稱“極大風”）實況監(jiān)測數據（表1）和TS評分系統中針對雷雨大風預警信號準確率評分。

表1 數據分析匯總

1.2 研究方法

對比廣東省雷雨大風預警信號發(fā)布標準（簡稱“標準”）與平臺中智能監(jiān)控模型（簡稱“模型”）算法，發(fā)現模型中將自動氣象站極大風進行了降級處理，并增加了組合反射率覆蓋面積比例雷達外推產品ZH＞50 dBz的面積占各區(qū)面積1／3及以上［5-6］作為自變量（S）（表2）。智能監(jiān)控具體方法：系統每5 min采集一次相關數據，當連續(xù)4次采集數據均符合發(fā)布標準時智能監(jiān)控啟動，當連續(xù)4次采集數據均不符合發(fā)布標準時解除（如X時系統識別到極大風和組合反射率外推產品均達標，每5 min重新識別一次，當連續(xù)4次識別到兩個條件均達標時，則X＋20：00為智能監(jiān)控預警信號啟動時間）。

表2 雷雨大風預警信號發(fā)布規(guī)定與智能監(jiān)控模型對比

本研究僅從預警信號生效期間進行分析。首先，回看實況，確定智能監(jiān)控分析結果的準確性，挑選出結果不匹配的事件，并對其進行復盤，以期找到不匹配原因；其次，對模型進行優(yōu)化；再次對上述幾個過程進行智能監(jiān)控，與優(yōu)化前的結果進行對比，另外隨機選擇一次過程分析模型優(yōu)化后實際發(fā)布與智能監(jiān)控的吻合度，對模型優(yōu)化效果進行二次檢驗［7］。

具體實施方法：針對實際發(fā)布與智能監(jiān)控結果不匹配的地區(qū)進行研究，以實際發(fā)布預警的時間點為基準點，以模型設置相關條件為參照，前推30 min逐次查看極大風情況，對比組合反射率外推產品和組合反射率產品的強度和覆蓋面積，詳細分析智能監(jiān)控結果與實際不符的原因。

2 結果分析

2.1 模型結果與實況分析

選擇廣州市為研究區(qū)域，以組合反射率、組合反射率外推產品及極大風等觀測資料為基礎，分別對3次雷雨大風預警智能監(jiān)控結果進行分析。

1）2021年3月6日。

2021年3月6日，廣州區(qū)域內云系自西向東移動，11：00左右，廣州各區(qū)陸續(xù)啟動雷雨大風黃色預警，整個過程中智能監(jiān)控均未識別到滿足相應預警信號啟動條件的時次（表3）。檢驗分析發(fā)現，6個區(qū)的智能監(jiān)控實況可以分為以下3種情況：組合反射率外推因子達標，極大風≥7級的站點只有一個不足兩個及以上（白云、南沙）；極大風風力及站點數滿足條件，但組合反射率ZH≥50 dBz的面積不足1／3（花都）；組合反射率外推因子滿足條件（圖1），極大風風力不達標（番禺、黃埔、海珠）。

表3 2021年3月6日廣州市雷雨大風黃色預警信號發(fā)布情況

圖1 花都區(qū)2021年3月6日09：36—10：12組合反射率外推產品

2）2021年5月25日。

5月25日，颮線自南向北移動，廣州市各區(qū)雷雨大風預警發(fā)布時間集中在17：00左右。對比發(fā)現，25日廣州市共發(fā)布了10個預警，而智能監(jiān)控僅僅識別到3個（表4）。將未識別到的7次預警復盤后發(fā)現，區(qū)域組合反射率外推因子強度和面積均不達標（荔灣區(qū)、花都區(qū)、從化）；組合反射率外推因子滿足條件，但沒出現≥7級的極大風站點（白云區(qū)）；組合反射率外推因子和極大風不滿足連續(xù)4次數據均達標（增城）。

表4 2021年5月25日廣州市雷雨大風黃色預警信號發(fā)布情況

3）2021年6月21日。

6月21日，受高空槽和切變線的共同影響，廣東省自北向南先后有強降雨，廣州市各區(qū)19：00開始陸續(xù)啟動雷雨大風預警。該次過程較強，智能監(jiān)控準確性比較高，但荔灣區(qū)、海珠區(qū)、番禺區(qū)和增城區(qū)依舊出現時間與級別不匹配等情況（表5）。對應實況進行復盤后發(fā)現，臺站發(fā)布與自動識別不匹配的原因主要有組合反射率外推因子ZH≥50 dBz面積不足總體1／3（花都、南沙）。該次過程，荔灣、海珠均有雷雨大風預警升級處理，但模型均為識別到滿足條件時刻。

表5 2021年6月21日廣州市雷雨大風黃色預警信號發(fā)布情況

2.2 模型優(yōu)化方案

對廣州市各區(qū)3次雷雨大風過程中預警信號智能監(jiān)控結果不準確的情況進行分析，兩者不匹配的情況主要有以下幾種：①組合反射率外推因子面積不達標；②組合反射率外推因子強度不達標；③極大風不滿足要求。

為了進一步做好防災減災工作，提高預判準確性，更好的掌握預警信號演變過程，基于廣州地區(qū)3次雷雨大風預警信號情況分析，決定對智能監(jiān)控模型進行如下優(yōu)化（表6）：①降低采集數據達標次數，將連續(xù)4次采集數據達標調至連續(xù)3次采集數據達標即啟動預警；②將歷次過程雷雨大風預警信號啟動期間，極大風小于7級的各區(qū)極大風取均值，作為模型中的極大風閾值；③縮小組合反射率外推因子符合規(guī)則面積，減少為未來30 min組合反射率外推因子ZH＞50 dBz的面積占區(qū)域面積的1／4以上。

表6 模型優(yōu)化規(guī)則對比

2.3 優(yōu)化模型的效果檢驗

根據2.2節(jié)建議對模型進行優(yōu)化，再次針對廣州市3次雷雨大風預警過程進行復盤推演，對比結果發(fā)現3月6日廣州市有6個區(qū)先后發(fā)布雷雨大風黃色預警信號，系統優(yōu)化前均無識別，系統優(yōu)化后，白云區(qū)、海珠區(qū)、番禺區(qū)和南沙區(qū)均在預報員發(fā)預警后30 min內智能監(jiān)控均有識別（表3）；5月25日的過程較3月6日強烈，系統優(yōu)化后智能監(jiān)控到的次數從優(yōu)化前的3次增至6次（表4）；6月21日是3次過程中最強的一次，系統優(yōu)化后，黃色雷雨大風預警信號均有監(jiān)控到（表5）。分析可見，系統優(yōu)化后監(jiān)控率均有大幅度提升。從模型優(yōu)化前后智能監(jiān)控識別結果可以看出，模型優(yōu)化后智能監(jiān)控識別率均值提高到71.5%，較優(yōu)化前的32%提高了39%（表7）。模型優(yōu)化后，隨機選擇了2021年10月1日廣州市一次雷雨大風過程，發(fā)現智能監(jiān)控識別率為70%（表7）。

表7 模型優(yōu)化前后智能監(jiān)控情況 %

3 結論

廣東省氣象災害多維監(jiān)控平臺中雷雨大風預警信號智能監(jiān)控模型，用于監(jiān)控未來3 h預警信號發(fā)展演變情況。針對廣州市3次雷雨大風過程進行復盤分析，查找出智能監(jiān)控分析與實況不符的原因，并對模型優(yōu)化調整。模型調整后除了再次對研究選擇的3次雷雨大風進行智能監(jiān)控識別，對比分析兩次結果，檢驗模型優(yōu)化效果外，另外隨機選擇了一次雷雨過程進行智能監(jiān)控分析，進行二次檢驗，檢驗結果發(fā)現，模型調整后智能監(jiān)控分析能力有較大幅度提升。

需要指出的是，該次研究涉及氣象數據較少，后續(xù)系統建設可以考慮將閃電與雷雨大風有關的氣象數據納入建模范圍；另外，該次檢驗僅針對廣州市區(qū)域，今后可以開展多地市、多個例系統性優(yōu)化，以期能全面優(yōu)化多維監(jiān)控系統。