融合格點(diǎn)降水產(chǎn)品在四川盆地西部一次極端暴雨過(guò)程中的評(píng)估分析

宋雯雯，龍柯吉，黃曉龍，王彬雁

(1.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室，四川 成都 610072；2. 四川省氣象服務(wù)中心，四川 成都 610072；3.四川省氣象臺(tái)，四川 成都 610072；4.四川省氣象探測(cè)數(shù)據(jù)中心，四川 成都 610072)

0 引言

暴雨是四川盆地最嚴(yán)重的氣象災(zāi)害之一。每年夏季，四川盆地均會(huì)不同程度地受暴雨影響，尤其是極端暴雨造成的強(qiáng)降水災(zāi)害和衍生地質(zhì)災(zāi)害，常常給當(dāng)?shù)卦斐芍卮蠼?jīng)濟(jì)損失。四川盆地位于青藏高原東南邊緣，地形復(fù)雜，站點(diǎn)觀測(cè)資料相對(duì)稀疏，雷達(dá)衛(wèi)星資料反演難度也較高，資料缺乏對(duì)四川盆地暴雨研究及預(yù)報(bào)有一定影響。國(guó)家氣象信息中心利用數(shù)據(jù)融合與數(shù)據(jù)同化技術(shù)，綜合多種來(lái)源觀測(cè)資料及多模式模擬數(shù)據(jù)，獲得了高精度、高質(zhì)量、時(shí)空連續(xù)的多源數(shù)據(jù)融合氣象格點(diǎn)產(chǎn)品，將常規(guī)觀測(cè)、天氣雷達(dá)、衛(wèi)星等多種資料進(jìn)行融合，研發(fā)了多種二源(地面、衛(wèi)星)和三源(地面、雷達(dá)、衛(wèi)星)實(shí)況降水融合產(chǎn)品[1-5]。目前，不少學(xué)者已對(duì)該產(chǎn)品的運(yùn)用效果進(jìn)行了分析[6-8]。俞劍蔚等[9]評(píng)估了國(guó)家級(jí)格點(diǎn)實(shí)況產(chǎn)品在江蘇地區(qū)的適用性，指出：格點(diǎn)降水產(chǎn)品一定程度地弱化了大雨以上量級(jí)降水強(qiáng)度。蘇傳程等[10]將多種降水融合產(chǎn)品在“蘇迪羅”臺(tái)風(fēng)中的監(jiān)測(cè)效果進(jìn)行對(duì)比，得到在降水關(guān)鍵區(qū)內(nèi)，多源融合降水產(chǎn)品較多衛(wèi)星集成降水產(chǎn)品更為準(zhǔn)確。許冠宇等[11]對(duì)2018年發(fā)生在長(zhǎng)江流域的8次大范圍降水過(guò)程進(jìn)行評(píng)估，指出降水融合產(chǎn)品對(duì)嘉陵江、岷沱江、長(zhǎng)江中游干流區(qū)域的估測(cè)降水誤差相對(duì)較小。那么融合降水產(chǎn)品在地形復(fù)雜區(qū)域的適用性怎么樣呢？

本文采用誤差分析、偏差分析、正確率、TS評(píng)分等方法，對(duì)4種降水融合產(chǎn)品(FAST_5 km 、FRT_5 km、RT_1 km、NRT_1 km)在四川盆地西部的適用性進(jìn)行檢驗(yàn)評(píng)估，為進(jìn)一步在四川盆地合理科學(xué)應(yīng)用該產(chǎn)品奠定基礎(chǔ)。

1 資料與方法

1.1 資料

融合格點(diǎn)降水資料包括5 km×5 km分辨率的地面—衛(wèi)星二源實(shí)況格點(diǎn)(FAST_5 km)和地面—衛(wèi)星—雷達(dá)三源實(shí)況格點(diǎn)(FRT_5 km)資料、1 km×1 km分辨率的三源實(shí)時(shí)實(shí)況格點(diǎn)(RT_1 km)和三源近實(shí)時(shí)實(shí)況格點(diǎn)(NRT_1 km)資料，其空間范圍在70～140°E，0～60°N。二源融合實(shí)況格點(diǎn)資料是國(guó)家氣象信息中心基于美國(guó)氣候預(yù)測(cè)中心的“概率密度函數(shù)+最優(yōu)插值”法，首先采用概率匹配法來(lái)訂正衛(wèi)星降水的系統(tǒng)偏差，再采用最優(yōu)插值法實(shí)現(xiàn)背景場(chǎng)與觀測(cè)場(chǎng)的有效結(jié)合，研制的地面和風(fēng)云衛(wèi)星二源融合格點(diǎn)降水產(chǎn)品。三源融合格點(diǎn)降水資料是在二源融合方法上進(jìn)一步拓展，提出了“概率密度函數(shù)+貝葉斯模型平均+最優(yōu)插值”的三源降水融合方法。首先，采用概率密度函數(shù)匹配法訂正雷達(dá)估測(cè)、衛(wèi)星反演降水產(chǎn)品的系統(tǒng)性偏差；其次，采用貝葉斯模型平均方法將雷達(dá)估測(cè)和衛(wèi)星反演降水產(chǎn)品結(jié)合，形成一個(gè)完整覆蓋中國(guó)的背景場(chǎng)；最后，采用最優(yōu)插值方法融入地面觀測(cè)，研制出地面—雷達(dá)—衛(wèi)星三源融合格點(diǎn)降水產(chǎn)品。對(duì)1 km降水融合產(chǎn)品，先采用1 km分辨率雷達(dá)降水信息，對(duì)5 km分辨率“概率密度函數(shù)+貝葉斯模型平均”優(yōu)化后的衛(wèi)星—雷達(dá)聯(lián)合降水場(chǎng)進(jìn)行降尺度，再與地面觀測(cè)信息最優(yōu)插值融合。其中，實(shí)時(shí)實(shí)況格點(diǎn)(RT_1 km)數(shù)據(jù)源主要來(lái)自地面、雷達(dá)、FY2，近實(shí)時(shí)實(shí)況格點(diǎn)(NRT_1 km)數(shù)據(jù)源主要來(lái)自地面、雷達(dá)、FY、美國(guó)氣候預(yù)測(cè)中心研發(fā)的實(shí)時(shí)衛(wèi)星反演降水系統(tǒng)CMORPH的降水產(chǎn)品[12]。

站點(diǎn)實(shí)況降水資料包括四川盆地西部綿陽(yáng)、德陽(yáng)、成都、阿壩4個(gè)市州國(guó)家站及加密自動(dòng)站資料中降水質(zhì)控碼為0的數(shù)據(jù)。

以站點(diǎn)的經(jīng)緯度為準(zhǔn)，選取融合格點(diǎn)降水資料中離站點(diǎn)最近的格點(diǎn)，并將格點(diǎn)值賦給站點(diǎn)，從而將融合格點(diǎn)降水資料轉(zhuǎn)化為站點(diǎn)降水資料。下文基于融合站點(diǎn)資料與實(shí)況站點(diǎn)資料之間的對(duì)比分析，在計(jì)算24 h累計(jì)雨量時(shí)，當(dāng)某站點(diǎn)有小時(shí)資料缺測(cè)，不進(jìn)行統(tǒng)計(jì)。

1.2 方法

采用誤差、準(zhǔn)確率和TS評(píng)分等指標(biāo)進(jìn)行評(píng)估，具體如下：

相關(guān)系數(shù)(COR)：

(1)

平均值誤差(ME)：

(2)

平均絕對(duì)誤差(MAE)：

(3)

均方根誤差(RMSE)：

(4)

式(1)～(4)中，Oi為站點(diǎn)觀測(cè)值，Gi為融合格點(diǎn)降水產(chǎn)品插值到檢驗(yàn)站點(diǎn)得到的數(shù)值，N為參與檢驗(yàn)的總樣本數(shù)(站次)。

晴雨準(zhǔn)確率(PC)：

(5)

(6)

式(5)～(6)中，NA為融合產(chǎn)品與實(shí)況站點(diǎn)均發(fā)生降雨的站點(diǎn)數(shù)；NB為融合產(chǎn)品發(fā)生而實(shí)況站點(diǎn)不發(fā)生的站點(diǎn)數(shù)；NC為融合產(chǎn)品不發(fā)生而實(shí)況站點(diǎn)發(fā)生的站點(diǎn)數(shù)；ND為融合產(chǎn)品和實(shí)況站點(diǎn)均不發(fā)生的站點(diǎn)數(shù)。

2 融合格點(diǎn)降水產(chǎn)品總體評(píng)估

2020年8月，四川盆地西部發(fā)生了3次區(qū)域性暴雨，雨量突破歷史極值，本文選取2020年8月4種融合格點(diǎn)降水產(chǎn)品進(jìn)行總體評(píng)估(表1)。相關(guān)系數(shù)顯示：4種融合格點(diǎn)降水產(chǎn)品與實(shí)況高度相關(guān)，且都通過(guò)了顯著性檢驗(yàn)，RT_1 km和NRT_1 km與實(shí)況的相關(guān)系數(shù)高達(dá)0.983。平均絕對(duì)誤差上，RT_1 km和NRT_1 km都在2.5 mm以內(nèi)，F(xiàn)AST_5 km最大，超過(guò)5 mm。RT_1 km和FAST_5 km的平均誤差為負(fù)，NRT_1 km和FAST_5 km的平均誤差為正，且RT_1 km值最小。NRT_1 km的均方根誤差最小，F(xiàn)AST_5 km均方根誤差最大。

表1 2020年8月融合格點(diǎn)降水產(chǎn)品評(píng)估結(jié)果

從準(zhǔn)確率來(lái)看(圖1)，RT_1 km和NRT_1 km晴雨準(zhǔn)確率接近95%，F(xiàn)AST_5 km和FRT_5 km接近88%。小雨和中雨準(zhǔn)確率中，RT_1 km和NRT_1 km都超過(guò)了92%，F(xiàn)AST_5 km和FRT_5 km準(zhǔn)確率在82%～85%之間。隨著降雨量級(jí)的增大，4種融合格點(diǎn)降水產(chǎn)品的準(zhǔn)確率略有下降，大雨和暴雨中，RT_1 km和NRT_1 km接近90%，F(xiàn)AST_5 km和FRT_5 km下降到75%～82%?？傮w上看，在四川盆地西部，融合格點(diǎn)降水產(chǎn)品和實(shí)況基本一致，且1 km融合格點(diǎn)降水產(chǎn)品表現(xiàn)最優(yōu)，說(shuō)明融合了地面、雷達(dá)、衛(wèi)星的三源實(shí)況格點(diǎn)產(chǎn)品比只融合了地面、衛(wèi)星的二源實(shí)況格點(diǎn)效果更好，其中融合了CMORPH和FY 2種衛(wèi)星資料的近實(shí)時(shí)三源融合實(shí)況格點(diǎn)產(chǎn)品最優(yōu)。

圖1 不同融合格點(diǎn)降水產(chǎn)品TS評(píng)分

3 極端暴雨過(guò)程評(píng)估

3.1 降雨實(shí)況

2020年8月10—11日，四川盆地西部出現(xiàn)了一次極端暴雨天氣過(guò)程，大部降了暴雨、大暴雨，部分地方降了特大暴雨。 從2020年8月10日20時(shí)—11日20時(shí)24 h累積降水量可知(圖2a)，四川盆地西部綿陽(yáng)、德陽(yáng)、成都3市普降大暴雨，局地特大暴雨。降雨量50～100 mm有142站，大于100 mm有332站，大于250 mm有38站。最大降水出現(xiàn)在成都市彭州濛陽(yáng)三界場(chǎng)，為373.8 mm。其中，綿竹、什邡、蒲江3縣均創(chuàng)有氣象記錄以來(lái)日降水量極值，郫縣、崇州2縣達(dá)有氣象記錄以來(lái)第2高值，溫江、大邑、彭州、都江堰4縣達(dá)有氣象記錄以來(lái)第3高值。

3.2 偏差分析

從2020年8月10日20時(shí)—11日20時(shí)融合格點(diǎn)降水資料的分布可知(圖2)，4種融合格點(diǎn)降水資料的降水落區(qū)和走向均與實(shí)況較為一致，都在四川盆地西部一帶出現(xiàn)了暴雨與大暴雨。不同的是在阿壩州的九寨溝、紅原中雨以上量級(jí)的降水中，4種資料略有差異，以1 km產(chǎn)品較優(yōu)。從偏差分布來(lái)看(圖3)，偏差大值區(qū)主要集中在降水量級(jí)大的區(qū)域，即阿壩州東部的松潘與茂縣一帶，5 km產(chǎn)品對(duì)于阿壩州東部一帶負(fù)偏差更為明顯，表明融合降水產(chǎn)品對(duì)于小量級(jí)降水把握較好，大量級(jí)存在一定偏差。

圖2 2020年8月10日20時(shí)—11日20時(shí)24 h累積雨量空間分布圖(單位：mm)

圖3 2020年8月10日20時(shí)—11日20時(shí)24 h累積雨量偏差空間分布圖(單位：mm)

3.3 正確率與TS評(píng)分分析

在晴雨預(yù)報(bào)中，4種融合格點(diǎn)降水資料的正確率相當(dāng)(圖4)，都達(dá)到97%以上，相對(duì)而言，1 km產(chǎn)品略優(yōu)，達(dá)到98%。從分級(jí)TS評(píng)分上可以看出(圖4)，4種融合格點(diǎn)降水資料的TS評(píng)分都隨著量級(jí)的增大而減小，相對(duì)而言1 km 產(chǎn)品的評(píng)分減小幅度更小，在各個(gè)量級(jí)均優(yōu)于5 km 產(chǎn)品，并隨著量級(jí)的增加優(yōu)勢(shì)更為明顯，評(píng)分更高，1 km產(chǎn)品特大暴雨的TS評(píng)分能達(dá)到75%以上，而5 km產(chǎn)品僅50%左右。總體來(lái)看，NRT_1 km 最優(yōu)，F(xiàn)AST_5 km 最差。

圖4 2020年8月10日20時(shí)—11日20時(shí)24 h累積雨量晴雨預(yù)報(bào)準(zhǔn)確率及分級(jí)降水TS評(píng)分

3.4 最大降雨量分析

在24 h累積降水量中，最大降水出現(xiàn)在成都市彭州濛陽(yáng)三界場(chǎng)，為373.8 mm。1 km融合格點(diǎn)降水資料的最大降水也出現(xiàn)在彭州濛陽(yáng)三界場(chǎng)，落區(qū)沒(méi)有偏差，雨量分別為353.56 mm和355.03 mm，雨量略偏小。5 km融合格點(diǎn)降水資料的最大降水則出現(xiàn)在德陽(yáng)什邡馬井金牛，與實(shí)況相比位置偏北，且雨量為312.72 mm和320.69 mm，與實(shí)況相比明顯偏小。以上分析可知，4種融合格點(diǎn)降水資料與實(shí)況相比都偏小，相對(duì)而言1 km產(chǎn)品更接近實(shí)況。

3.5 逐小時(shí)雨量分析

那融合格點(diǎn)降水資料的小時(shí)雨量極大值存在與24 h累積雨量相似的情況嗎？為了解答這個(gè)問(wèn)題，選取24 h累積降水最大站成都市彭州濛陽(yáng)三界場(chǎng)為代表站進(jìn)行分析。通過(guò)圖5的逐小時(shí)雨量變化圖可以看出，4種融合格點(diǎn)產(chǎn)品均能表現(xiàn)出降水的趨勢(shì)，其中實(shí)況的小時(shí)雨量峰值出現(xiàn)在11日11時(shí)，達(dá)80.0 mm，融合格點(diǎn)降水資料同樣能反應(yīng)出此特征，1 km產(chǎn)品出現(xiàn)降雨峰值時(shí)間與實(shí)況一致，雨量偏差為10 mm，而5 km的峰值則偏晚1 h，且降雨峰值明顯低于實(shí)況。

圖5 成都市彭州濛陽(yáng)三界場(chǎng)逐小時(shí)雨量變化圖

3.6 強(qiáng)降水時(shí)段小時(shí)雨量對(duì)比

進(jìn)一步分析融合格點(diǎn)降水資料在強(qiáng)降水時(shí)段的適用性。從逐小時(shí)降水落區(qū)的演變情況來(lái)看(圖略)，4種產(chǎn)品的落區(qū)和移動(dòng)均與實(shí)況較為一致，阿壩州最大降水出現(xiàn)在凌晨，成都、綿陽(yáng)、德陽(yáng)的最大降水則出現(xiàn)在白天，因此選取05時(shí)(圖6)、13時(shí)(圖略)作為代表時(shí)次，分析融合格點(diǎn)降水資料的小時(shí)雨量空間分布情況與實(shí)況的差異。從各時(shí)次的降水分布圖可以看出，阿壩州在夜間降了中—大雨，雨帶自西向東移動(dòng)，4種產(chǎn)品均能表現(xiàn)出這些特征，且從降水量級(jí)來(lái)看，1 km 產(chǎn)品更接近實(shí)況。成都、綿陽(yáng)、德陽(yáng)降水首先從成都市周圍開(kāi)始發(fā)生，逐漸向北延伸至德陽(yáng)和綿陽(yáng)，小時(shí)強(qiáng)降水主要集中在沿山一帶。從融合格點(diǎn)降水資料演變來(lái)看，4種產(chǎn)品的降水中心、雨強(qiáng)均與實(shí)況有較好的對(duì)應(yīng)性，并且都預(yù)報(bào)出了小時(shí)雨強(qiáng)的演變趨勢(shì)，但小時(shí)雨強(qiáng)50 mm及以下量級(jí)降水較實(shí)況偏多，50 mm以上較實(shí)況偏少，相對(duì)而言， 1 km 產(chǎn)品更優(yōu)。

圖6 2020年8月11日05時(shí)降水空間分布圖(a.實(shí)況，b～e.融合格點(diǎn)降水資料)(單位：mm)

圖7為實(shí)況與4類融合格點(diǎn)降水產(chǎn)品的最大小時(shí)雨量分布。由圖可見(jiàn)綿陽(yáng)、德陽(yáng)、成都西部的最大小時(shí)雨強(qiáng)基本在25 mm以上，最大超過(guò)125 mm。融合格點(diǎn)降水資料的最大小時(shí)雨強(qiáng)空間分布基本與實(shí)況一致，但5 km 產(chǎn)品的強(qiáng)度明顯較實(shí)況偏弱，成都市西部5 km 產(chǎn)品的降水強(qiáng)度較實(shí)況小了一個(gè)量級(jí)。相對(duì)而言，1 km產(chǎn)品更接近實(shí)況，且能表征出125 mm的小時(shí)雨強(qiáng)。 圖8為4類融合格點(diǎn)降水資料的最大小時(shí)雨量偏差分布。由圖可知：差異較為明顯的區(qū)域主要在成都、綿陽(yáng)、德陽(yáng)，這也與強(qiáng)降水區(qū)域?qū)?yīng)，表明降水強(qiáng)度越大，降水誤差更大。1 km 產(chǎn)品在綿陽(yáng)、德陽(yáng)的偏差在5mm以內(nèi)，與5 km 產(chǎn)品相比較小。而成都市5 km 產(chǎn)品較1 km 產(chǎn)品正偏差明顯，即比實(shí)況偏小，偏差最大區(qū)域位于成都市。阿壩州的1 km 產(chǎn)品偏差較小，更接近實(shí)況。

圖7 2020年8月10日20時(shí)—11日20時(shí)最大小時(shí)雨強(qiáng)空間分布圖(單位：mm)

圖8 2020年8月10日20時(shí)—11日20時(shí)最大小時(shí)雨強(qiáng)偏差空間分布圖

對(duì)比分析逐小時(shí)的最大降水量(圖9)，可以看到4種融合格點(diǎn)降水資料的變化趨勢(shì)也與實(shí)況一致，但融合格點(diǎn)降水資料的小時(shí)最大降水量都要低于實(shí)況。相對(duì)而言NRT_1 km > RT_1 km > FRT_5 km > FAST_5 km，可見(jiàn)1 km產(chǎn)品對(duì)極值的把握較好，相對(duì)5 km產(chǎn)品有明顯的提升，個(gè)別時(shí)次降水強(qiáng)度和實(shí)況一致。

圖9 逐小時(shí)最大降水量變化

4 結(jié)論與討論

本文通過(guò)將距離站點(diǎn)最近的格點(diǎn)值賦予站點(diǎn)的方法，將融合格點(diǎn)降水資料轉(zhuǎn)化到了站點(diǎn)，對(duì)其在四川盆地西部的適用性進(jìn)行分析，并以2020年8月10—11日的極端暴雨過(guò)程為例，與實(shí)況站點(diǎn)降水資料進(jìn)行詳細(xì)的對(duì)比，主要得出以下結(jié)論：

① 極端暴雨過(guò)程中，對(duì)于過(guò)程累積雨量，4種融合格點(diǎn)降水資料均能很好地反映此次降水過(guò)程，降水落區(qū)、走向和雨帶形態(tài)均與實(shí)況較為一致，1 km產(chǎn)品的強(qiáng)度和落區(qū)都更接近實(shí)況；對(duì)于暴雨、大暴雨和特大暴雨，均是1 km產(chǎn)品的評(píng)分優(yōu)于5 km產(chǎn)品，其中以NRT_1 km與實(shí)況的匹配度最高，偏差更小。

② 融合格點(diǎn)降水資料存在24 h雨量極大值比實(shí)況偏小的情況，1 km產(chǎn)品的極值較5 km產(chǎn)品有很大的提升，與實(shí)況更為一致。1 km產(chǎn)品的極值中心與站點(diǎn)實(shí)況一致，降水量也與實(shí)況相當(dāng)，5 km產(chǎn)品則位置存在偏差，強(qiáng)度明顯偏小。

③ 融合格點(diǎn)降水資料的小時(shí)最大降水量低于實(shí)況，存在一定的偏差量，1 km產(chǎn)品對(duì)極值的把握較好，相對(duì)5 km產(chǎn)品有明顯的提升，個(gè)別時(shí)次降水強(qiáng)度和實(shí)況一致。

④ 強(qiáng)降水時(shí)段的小時(shí)降水量分布上，融合格點(diǎn)降水資料與實(shí)況偏差不大，能夠反映降水的大值區(qū)，且1 km產(chǎn)品優(yōu)于5 km產(chǎn)品。

⑤ 融合格點(diǎn)降水資料與實(shí)況基本一致，在四川盆地西部的適用性較好，且融合了地面、雷達(dá)、衛(wèi)星的三源實(shí)況格點(diǎn)產(chǎn)品比只融合了地面、衛(wèi)星的二源實(shí)況格點(diǎn)效果更好，其中融合了CMORPH和FY 2種衛(wèi)星資料的近實(shí)時(shí)三源融合實(shí)況格點(diǎn)產(chǎn)品最優(yōu)。