劉佩廷，諶偉，徐迎春，劉火勝，龐晶，張麗，王瑞麗

（1.武漢市氣象局，武漢 430040；2.中國氣象局武漢暴雨研究所暴雨監(jiān)測預(yù)警湖北重點實驗室，武漢 430205）

近些年來，隨著觀測系統(tǒng)和預(yù)報技術(shù)的發(fā)展，定量降水業(yè)務(wù)預(yù)報（QPF）取得長足的進展，主要表現(xiàn)在：以集合預(yù)報為基礎(chǔ)的概率QPF（PQPF）提供了一種更為科學(xué)的天氣預(yù)報形式；短時臨近QPF技術(shù)的發(fā)展，支撐了極端降水事件的預(yù)報預(yù)警［1，2］。雷達外推與數(shù)值模式技術(shù)在短臨預(yù)報（0?6 h）上各有所長，數(shù)值模式存在的“spin-up”等問題導(dǎo)致最初2?3 h內(nèi)預(yù)報結(jié)果不太理想，而雷達外推技術(shù)對2 h內(nèi)的強降水有較好的把握能力，且具有高精度的時空分辨率［3，4］。

因此，中國氣象局2008年啟動了業(yè)務(wù)建設(shè)項目“災(zāi)害天氣短時臨近預(yù)報預(yù)警業(yè)務(wù)系統(tǒng)建設(shè)與改進”，開發(fā)具有自主知識產(chǎn)權(quán)的災(zāi)害天氣短時臨近預(yù)報 系 統(tǒng)（SWAN）。SWAN系 統(tǒng) 中QPF利 用3 km CAPPI拼圖數(shù)據(jù)、COTREC矢量場和區(qū)域加密自動站雨量等資料，根據(jù)1 h雷達回波外推技術(shù)，逐小時更新生成未來30 min、1 h、2 h和3 h的QPF產(chǎn)品［5］。

武漢地處長江中游，強降水事件頻發(fā)，同時武漢作為國家特大中心城市，每年需要舉辦各類大型活動，例如一年一度的“漢馬節(jié)”“渡江節(jié)”，兩年一次的“航空節(jié)”以及2019年“世界軍人運動會”，社會和民眾對氣象部門精細化氣象要素，特別是降水預(yù)報的精確性要求越來越高。但是，短時強降水具有突發(fā)性、短歷時特征，如何有效地監(jiān)測并及時預(yù)警短時強降水仍是當(dāng)前天氣預(yù)報面臨的難點問題［6］。武漢新一代S波段天氣雷達連續(xù)觀測模式的時間間隔為6 min，空間分辨率達1 km，可連續(xù)監(jiān)測降水系統(tǒng)中小尺度空間結(jié)構(gòu)和演變過程，雷達外推和自動站雨量融合QPF產(chǎn)品對其捕捉能力與更新頻次呈正相關(guān)，更新頻次越快越容易捕捉到強對流雨團。所以，有必要研究基于武漢雷達外推和自動雨量站融合技術(shù)的短臨（2h）QPF，建立滿足武漢精細化氣象預(yù)報服務(wù)需求的網(wǎng)格降水預(yù)報產(chǎn)品。

雷達定量降水反演是現(xiàn)代天氣業(yè)務(wù)的重要組成部分，同樣也是短時強降水短臨預(yù)報預(yù)警業(yè)務(wù)的基礎(chǔ)，對山洪地質(zhì)災(zāi)害和大城市精細化預(yù)報預(yù)警起著重要的支撐作用［7］。對于0?2 h定量降水短臨預(yù)報預(yù)警業(yè)務(wù)而言，及時、準確的高時空分辨率降水?dāng)?shù)據(jù)十分重要［8］。地面加密自動站降水觀測資料具有較高的單點測量精度，多普勒天氣雷達組網(wǎng)拼圖資料具有較高的時空分辨率，這些都為實時監(jiān)測預(yù)警中小尺度天氣系統(tǒng)，特別是極端強降水天氣事件提供了基礎(chǔ)觀測資料。但如何將地面加密自動站降水觀測資料與雷達資料進行有效融合，構(gòu)建高時空分辨率的定量降水反演數(shù)據(jù)產(chǎn)品，長期以來一直是廣大氣象工作者的研究重點［9-11］。

目前業(yè)務(wù)上臨近預(yù)報方法仍以雷達回波的外推預(yù)報為主［12，13］，主要包括單體質(zhì)心法、交叉相關(guān)法和光流法。本研究利用6 min頻次的湖北雷達組網(wǎng)拼圖數(shù)據(jù)和10 min級頻次的自動站雨量數(shù)據(jù)，通過構(gòu)建武漢本地化的雷達外推與自動站雨量融合算法，包含業(yè)務(wù)常用光流法［14］和交叉相關(guān)法（Tracking radar echo by correlation，TREC）［15，16］2種方法，使用受地理邊界限制的Barnes插值方法［17］對武漢周邊及區(qū)域自動站雨量處理，以及半拉格朗日外推算法線性外推［18］和動態(tài)Z-I關(guān)系估測雷達降水［19］等融合技術(shù)，生成武漢及周邊區(qū)域10 min更新頻次的1 km×1 km、間隔1 h的2 h QPF產(chǎn)品，并進行對比檢驗與誤差分析，進而得到具有業(yè)務(wù)應(yīng)用價值的高時空分辨率定量降水反演資料，開展強降雨精細化、定量化短臨預(yù)報預(yù)警服務(wù)及強降雨風(fēng)險評估提供支撐。

1 資料選取與檢驗方案

本研究采用的資料主要有：①2018年3—9月武漢及周邊區(qū)域自動站逐10 min的降水資料，該資料從湖北省氣象局信息保障中心獲取，在程序中對數(shù)據(jù)進行質(zhì)量控制，將其中孤立的奇異點（如大值點）去掉，同時為保障武漢及周邊區(qū)域整體的檢驗效果，選取降水時次中連續(xù)的區(qū)域站資料應(yīng)超過95%，共計253站。其中武漢75站，孝感56站，黃岡43站，咸寧26站、黃石25站、鄂州15站、荊門6站、仙桃4站、隨州3站（圖1）。②利用快速融合等技術(shù)建立適合武漢本地化動態(tài)Z-I關(guān)系的光流法、TREC方法，綜合計算武漢及周邊區(qū)域（113°30′—115°12′E，29°48′—31°54′N）2 h QPF 1 km×1 km格點2 h QPF數(shù)據(jù)。③對比檢驗SWAN的1 km×1 km 1 h QPF產(chǎn)品數(shù)據(jù)，最終共選出1 632次/10 min的降水時次資料，進行降水預(yù)報效果總體評價。

圖1 武漢及周邊253個區(qū)域自動站空間分布

短時強降水過程的標準。選出較強區(qū)域及局地短時強降水過程進行評價，由于2018年全年降水強度偏弱，多局地分散性強降水，因此，降低挑選標準，分為3點：①1 h雨量超過10 mm的區(qū)域站數(shù)達到5個且連成片；②強降水開始時其范圍跨越1?2個區(qū)（縣），加上移動過程中所經(jīng)過的區(qū)域共達到或超過2個區(qū)（縣）；③明顯的過程性降水，雨帶中包括若干小的短時強降水區(qū)域。

滿足以上任一標準即為區(qū)域及局地短時強降水過程。根據(jù)上述標準，挑選出2018年4—8月武漢及周邊區(qū)域達到區(qū)域強降水標準，且資料較為完備的過程共17個，共計314頻次/10 min，見表1。

表1 2018年4—8月武漢及周邊17次區(qū)域及局地短時降水過程

目前，對降水預(yù)報或估測的檢驗方法種類較多，但多數(shù)仍通過計算TS評分、空報率、漏報率、預(yù)報偏差等若干統(tǒng)計量來檢驗。該方法與日常業(yè)務(wù)聯(lián)系更緊密，且更易理解。檢驗內(nèi)容分晴雨預(yù)報檢驗和降水分類預(yù)報檢驗。其中根據(jù)降水強弱，參照壽紹文等［20］將小時降水類型劃分為5個等級，分別為0.1? 1.9 mm（小雨）、2.0?4.9 mm（中雨）、5.0?9.9 mm（大雨）、10.0?19.9 mm（暴雨）、≥20.0 mm（大暴雨），對不同量級降水均分別統(tǒng)計預(yù)報正確、漏報、空報的站次，進行2018年1 632時次總的降水檢驗。

對區(qū)域及局地短時強降水過程的對比分析檢驗。計算3種不同方法QPF產(chǎn)品的相對誤差和絕對誤差以及不同預(yù)報時效的QPF產(chǎn)品的晴雨準確率、TS評分、空報率、漏報率、ETS評分、相對誤差Er和絕對誤差Ea。

式（1）至（8）中，NA為預(yù)報正確站次數(shù)，NB為空報站次數(shù)，NC為漏報站次數(shù)；Xi為QPF的數(shù)值，Xi0為區(qū)域雨量站點實況雨量，n為相應(yīng)量級所有時次和站點的總和。檢驗分為兩步。

第一步，分析所有格點總的誤差及其空間分布。檢驗以武漢及周邊區(qū)域加密自動站點為基點，分為3種情況：①用區(qū)域加密自動站點雨量與QPF產(chǎn)品對應(yīng)的數(shù)值作點對點誤差檢驗分析；②采用站點雨量與QPF產(chǎn)品對應(yīng)的周邊9點數(shù)值取平均值進行誤差檢驗分析（圖2a）。采用站點雨量與QPF產(chǎn)品對應(yīng)的周邊25點取平均值進行誤差檢驗分析（圖2b）。相應(yīng)的點對點分辨率為1 km×1 km、9點為3 km×3 km、25點為5 km×5 km。

圖2 武漢區(qū)域自動站雨量值格點取平均示意圖

第二步，網(wǎng)格降水鄰域檢驗，參照湖北省氣象局智能網(wǎng)格降水檢驗方法，不把預(yù)報和觀測空間嚴格地匹配，如果在預(yù)報格點周圍的一個范圍內(nèi)出現(xiàn)評定的事件，則評定該格點預(yù)報正確，即“點對面檢驗”。以10 km為半徑范圍，逐個格點依次判定檢驗（圖3）；并選取典型過程中的分級雨量個例檢驗時次，多角度討論光流法、TREC的評分效果。

圖3 10 km網(wǎng)格降水鄰域檢驗示意圖

2 結(jié)果與分析

2.1 短時降水QPF總體檢驗

3種方法的未來1 h QPF檢驗結(jié)果見圖4，不同預(yù)報時效的1 h QPF均對晴雨的預(yù)報較好，光流法、TREC和SWAN 3種方法的晴雨準確率非常接近，分別為0.81、0.79和0.80。對降水的預(yù)報，當(dāng)預(yù)報雨量量級為小雨時，TS在0.10以上，分別為0.13、0.14和0.11，隨著閾值的增大，TS評分越低。整體來看，光流法大雨量級以下均在0.1以上，而≥20 mm的大暴雨量級也達到0.08，相比SWAN高2個百分點。因此，光流法總體檢驗效果最好，SWAN次之，TREC相對較差。但在大雨以下量級，SWAN均低于光流法和TREC法。在暴雨和大暴雨量級上，SWAN與光流法則較為接近，光流法評分略高。

圖4 2018年3—9月短時降水1 h QPF檢驗

晴雨的空報率在0.4附近，明顯低于降水分級空報率。其中光流法相對最低，為0.43，SWAN和TREC分別為0.47和0.48。對于分級降水，小雨量級空報率則高達0.8以上，三者較為一致，其中SWAN最高，為0.87，光流法和TREC相對較低，分別為0.83和0.82。中雨量級，三者相差較大，SWAN為0.84，而光流法和TREC分別為0.70和0.77。大雨在所有雨量分級評分中空報率最低，光流法最低，為0.62，TREC和SWAN相對較高，分別為0.73和0.72。暴雨和大暴雨空報率則較為相似，光流法和TREC空報率相對較高，TREC最高均在0.8以上，其次為光流法，SWAN最低，為0.57。

晴雨的漏報率最低，3種方法均為0.3左右，且差異較小。大雨以下量級，3種方法的差異也不大，其中小雨的漏報率最低，在0.6左右，中雨和大雨超過0.8。而暴雨和大暴雨的漏報率，光流法和TREC法相對SWAN大幅降低，暴雨量級在0.6左右，SWAN超過0.8，大暴雨上，光流法和TREC降至0.4，而SWAN超過0.7。

結(jié)合ETS評分結(jié)果，晴雨的ETS降至0.2左右，因為2018年包含大量無雨的弱降水時次。而分級降水的演變趨勢總體與TS評分一致，隨著閾值的增大，ETS評分越低。但光流法在大雨量級評分最高，為0.09，SWAN較低，僅為0.04。暴雨和大暴雨量級，光流法相對最高，SWAN次之，TREC法最低。

計算2種方法未來2 h QPF總的檢驗結(jié)果。從圖5可以看出，相比1 h QPF，晴雨準確率有一定程度的下降，光流法為0.74，TREC降幅更明顯，僅為0.68。分級降水檢驗顯示，所有分級降水TS均在0.1以下。小雨量級光流法和TREC均為0.08，相對1 h QPF分別下降了5、6個百分點，大雨量級降幅更為顯著，光流法為0.04，相對1 h QPF下降了7個百分點，TREC法為0.03，相對1 h QPF下降4個百分點。同樣暴雨和大暴雨量級下降顯著，暴雨量級光流法僅為0.02，TREC為0.01，大暴雨量級，光流法0.01，TREC為0?？傮w來看，2 h暴雨以上的預(yù)報幾乎喪失了預(yù)報能力。這是由于大多數(shù)對流降水變化較快，往往幾十分鐘到1 h內(nèi)就改變，所以采用2 h外推的預(yù)報能力大大減弱。

圖5 2018年3—9月短時降水2 h QPF檢驗

晴雨空報率光流法和TREC法分別為0.59和0.70，相對1 h預(yù)報上升了16個百分點和22個百分點。降水分級空報率，除了大雨量級光流法為0.75，低于0.8，相對1 h預(yù)報上升了13個百分點，其余均大于0.8。從漏報率看，光流法和TREC法晴雨的漏報率分別為0.41和0.49，相對1 h預(yù)報分別上升13、17個百分點。漏報率中雨量級最高，其次為大雨量級，均超過0.8。大暴雨最低，約為0.4。ETS評分結(jié)果顯示，晴雨的評分光流法已降至0.14，TREC僅為0.07。其余分級降水檢驗均在0.03以下，暴雨和大暴雨量級評分甚至為0，整體2 h QPF預(yù)報能力差。

綜上所述，光流法、TREC和SWAN 3種方法對1 h的晴雨準確率非常接近，有很好的預(yù)報效果，2 h后晴雨準確率明顯降低，但光流法仍有0.74。由于降水中包含大量弱降水以及細化的分級雨量檢驗，TS總體評分不高。總體而言，光流法效果最好，相比業(yè)務(wù)系統(tǒng)SWAN QPF的TS評分高2?5個百分點，其中比小雨量級高約2個百分點，比中雨量級高約4個百分點，比大雨量級高約5個百分點，比暴雨和大暴雨量級高約2個百分點，綜合平均比SWAN高出約3個百分點，由于TREC存在在暴雨以上量級的預(yù)報劣勢，因此效果相對最差。預(yù)報1 h降水空報率，光流法和TREC法在大雨以下量級空報率相對SWAN較低，而在暴雨和大暴雨量級上相對較高。但暴雨和大暴雨量級上SWAN漏報率更大。2 h的光流法和TREC法的空報率和漏報率大幅上升，預(yù)報能力明顯降低。ETS評分上與TS較為類似，總體而言，光流法效果最好，其次SWAN，TREC法效果相對最差。

2.2 短時強降水QPF區(qū)域及局地過程點對點檢驗

2018年4—8月短時降水區(qū)域及局地過程點對點檢驗結(jié)果（圖6、圖7），過程的晴雨準確率相對總的降水檢驗而言，下降至0.6，3種方法評分比較接近，SWAN略高于光流法。分級降水TS檢驗結(jié)果，光流法和TREC法在大雨以下量級高于SWAN，但在暴雨和大暴雨量級上相對低于SWAN，光流法更接近于SWAN?？請舐是缬晗鄬^低，其值為0.5，分級降水的空報率幾乎均超過0.8，大雨以下量級，光流法和TREC法的空報率相對SWAN較小，暴雨和大暴雨量級則相反。大暴雨量級的漏報率SWAN最高，為0.92，而特大暴雨量級的光流法僅為0.63，暴雨以下量級總體而言，光流法也略低于SWAN，差異較小。ETS評分晴雨降至0.07以下，分級降水降至0.02以下。

圖6 2018年4—8月短時強降水區(qū)域及局地過程1 h QPF點對點檢驗

圖7 2018年4—8月短時強降水區(qū)域及局地過程2 h QPF點對點檢驗

從2 h QPF短時降水過程來看，晴雨準確率略低于1 h，分級降水TS評分檢驗與1 h QPF類似，但在暴雨以上量級迅速下降。對比ETS評分結(jié)果，晴雨降至0.03以下，分散性的局地降水導(dǎo)致晴雨中雨以上量級評分均為0。光流法的晴雨空報率和漏報率均略低于TREC法。分級降水檢驗，空報率均超過0.8，漏報率除小雨、大暴雨量級低于0.8外，中到暴雨量級也均超過0.8?？傮w而言，光流法略優(yōu)于TREC法。

計算QPF點對點檢驗相對誤差和絕對誤差，通過平均得出所選過程總的誤差分布，其結(jié)果見表2。3種方法計算1 h QPF晴雨的相對誤差Er，光流法和TREC法分別為-0.69、-0.98 mm，SWAN為1.96 mm。光流法和TREC法的絕對誤差Ea均為4.04 mm，而SWAN相對更大為5.81 mm。晴雨光流法相對誤差最小，TREC法次之。2 h QPF光流法相對誤差相對1 h QPF偏小0.15 mm，而TREC法偏小0.24 mm。

表2 2018年短時強降水過程QPF點對點誤差檢驗及其對比結(jié)果

分級小時雨量來看，小雨量級1 h QPF相對誤差Er為0.25 mm，TREC法為-0.84 mm，SWAN則為2.92 mm；光流法和TREC法的絕對誤差Ea較為接近，分別為3.84 mm、3.82 mm，SWAN的絕對誤差較高為5.52 mm，因此，光流法和TREC法對該量級降水具有較好的估測能力，光流法相對更好。2 h QPF光流法相對誤差Er為0.60 mm，TREC法相對誤差為0.25 mm，光流法和TREC法的絕對誤差分別為3.68、3.35 mm，TREC法比光流法略好。中雨量級1 h QPF光流法的相對誤差僅為0.05 mm，TREC法為-0.12 mm，SWAN為2.12 mm，光流法與TREC法的絕對誤差接近，小于SWAN的6.19 mm。2 h QPF光流法和TREC法相對誤差分別為0.22、-0.28 mm，均比1 h QPF偏大。光流法的絕對誤差略大于TREC法。

大雨量級1 h QPF光流法的相對誤差為0.12 mm，TREC法為-0.25 mm，SWAN為2.60 mm，光流法和TREC法絕對誤差接近，均低于SWAN。2 h QPF光流法和TREC法相對誤差相比1 h QPF略有增大，絕對誤差則較為接近。暴雨以上量級相對誤差，光流法為-3.17 mm，TREC法為-3.65 mm，明顯偏小，SWAN為4.72 mm，相對誤差明顯偏大，預(yù)報估測效果明顯下降。3種方法的絕對誤差相差不大。2 h QPF相對誤差和絕對誤差與1 h QPF基本一致。

大暴雨量級SWAN的相對誤差為10.63 mm，明顯偏大，光流法和TREC法分別為-15.81 mm和-18.99 mm，明顯偏小，這可能是由于光流法和TREC法空報率更高所致，從絕對誤差來看，SWAN也相對更小。2 h QPF光流法和TREC法與1 h QPF結(jié)果較為類似。

綜上所述，1 h QPF除了大暴雨量級，光流法和TREC法的相對誤差和絕對誤差相比SWAN偏小一些，預(yù)報估測效果更好，尤其是光流法誤差相對更小。小時雨量大雨以下量級估測能力最好，暴雨以上量級誤差有所增大。大暴雨量級相對誤差和絕對誤差SWAN相對較好，光流法的空報率更高，但相對TREC法，光流法的預(yù)報估測能力更接近SWAN。

分別取3種方法實際鄉(xiāng)鎮(zhèn)雨量站點周圍3 km×3 km（9點）和5 km×5 km（25點）范圍內(nèi)未來1 h和2 h的QPF平均值與觀測雨量計算誤差，并與點對點的結(jié)果進行比較（表3）。對1 h QPF采用9點和25點平均后，不同降水量級變化不同。晴雨的平均TS略有增大，光流法和TREC法的9點和25點平均偏差分別為0.002、0.003，SWAN分別為0.003、0.005。1 h QPF 9點和25點的小雨量級光流法分別為0.026、0.035，TREC法分別為0.020、0.029。SWAN分別為0.020、0.030，3種方法的上升幅度均較大。中雨量級光流法均無變化，TREC法分別為0.001、0.003，SWAN 9點無變化、25點僅為0.001，3種方法9點和25點平均后幾乎無提升。大雨量級與中雨量級較為類似，也幾乎無變化。暴雨量級9點和25點平均光流法均為0.002，TREC法均為0.003，SWAN均為0.001，3種方法上升幅度均很小。大暴雨量級光流法9點為-0.003，25點為-0.005，TREC法分別為-0.003、-0.002，SWAN均為0.001，3種方法幾乎無貢獻。ETS評分結(jié)果大體與TS一致，只是小雨量級光流法和TREC法下降到0.006以下，SWAN也下降至0.010。3種方法空報率9點和25點平均偏差大部分為負值，其中暴雨量級均在-0.006以下。3種方法漏報率也幾乎無貢獻。

表3 2018年短時強降水過程中1 h QPF的9點、25點平均與點對點偏差對比

3種方法晴雨相對誤差9點和25點平均偏差幾乎無變化，小雨量級光流法相對誤差分別為-0.114 mm和-0.266 mm，有一定的改善作用。TREC法相對誤差分別為0.016 mm和-0.142 mm，25點平均偏差也有一定的改善。SWAN 9點和25點分別為-0.440 mm和-0.730 mm，也有一定的改善。中雨量級光流法9點和25點平均偏差分別為-0.048 mm和-0.041 mm，改善明顯。TREC法9點平均偏差為0.001 mm，幾乎無變化，25點平均偏差為-0.054 mm，也有一定的改善。SWAN分別為0.001、-0.009 mm，幾乎無變化。大雨量級光流法分別為0.103 mm和0.081 mm，相對誤差偏大，有較明顯的負貢獻。TREC法和SWAN均有一定的負貢獻。3種方法暴雨量級相對誤差的改善作用均較小。3種方法大暴雨量級相對誤差9點和25點還有一定程度的下降，25點相對9點下降幅度更大。絕對誤差暴雨以下量級相對較小，大暴雨量級也只是有一定的改善。

2 h QPF的9點、25點平均與點對點偏差對比（表4）與1 h QPF類似，光流法和TREC法僅在小雨量級有較為明顯的改善作用。FAR和PO的改善作用較小。ETS評分結(jié)果顯示，小雨量級改善不明顯。相對誤差和絕對誤差與1 h QPF類似，但大暴雨量級相對誤差和絕對誤差的改善作用更大一些。

表4 2018年短時強降水過程中2 h QPF的9點、25點平均與點對點偏差對比

總之，對QPF采用9點或25點平均后，雖然有利于相對誤差的改善，且在大暴雨量級絕對誤差也有一定的改善，但對提高預(yù)報準確率貢獻較小。

2.3 短時強降水QPF區(qū)域及局地過程鄰域法檢驗

參照湖北省氣象局智能網(wǎng)格降水檢驗方法，不把預(yù)報和觀測空間嚴格地匹配，如果在預(yù)報格點周圍的一個范圍內(nèi)出現(xiàn)評定的事件，則評定該格點預(yù)報正確，“點對面檢驗”（即鄰域法檢驗）。以10 km為半徑范圍，逐個格點依次判定檢驗（圖8、圖9）。

2018年4—8月短時強降水區(qū)域及局地過程3種方法1 h QPF鄰域法檢驗（圖8），同點對點檢驗（圖6）對比，晴雨準確率相對點對點檢驗有較大程度的提升，3種方法均升至0.80附近，相對點對點檢驗上升13?17個百分點。分級降水TS檢驗結(jié)果顯示也均有較大程度的上升，小雨量級相對點對點檢驗上升5?6個百分點，其中大雨量級相對點對點檢驗光流法上升幅度最為明顯，上升了11個百分點，TREC法次之，上升8個百分點，SWAN僅上升4個百分點，該量級雨量3種方法的TS結(jié)果差異最大。在暴雨和大暴雨量級SWAN均為0.16，相對點對點檢驗上升11?12個百分點，光流法分別為0.12和0.10，均上升8個百分點，TREC法分別為0.07和0.03，僅上升2?4個百分點，上升幅度最小。ETS評分結(jié)果與TS類似，晴雨提升幅度較大，均在0.3以上，相對點對點檢驗上升了26?37個百分點。分級降水上升幅度最大，為大雨量級，其中光流法上升幅度最大，為0.11，相對點對點檢驗上升了9個百分點。暴雨和大暴雨量級，光流法和SWAN比較接近，上升至0.1左右，相對點對點檢驗上升了7?11個百分點。從空報率來看，晴雨的空報率降至0.2左右，分級降水3種方法大部分降至0.8以下，小雨的空報率在0.6左右。大暴雨量級光流法和TREC法的空報率分別為0.37、0.44，下降幅度較大，SWAN仍相對較高，為0.70。3種方法晴雨的漏報率分別為0.31、0.35、0.26，也有一定的降幅，分級降水大雨以下量級均有一定程度的下降，暴雨和大暴雨量級光流法和TREC法有一定程度的上升，其中SWAN漏報率下降的幅度較大。

圖8 2018年4—8月短時強降水區(qū)域過程1 h QPF鄰域法檢驗

2 h QPF鄰域檢驗結(jié)果（圖9），與點對點檢驗對比，TS評分也具有一定程度的提升，其中晴雨準確率光流法上升到0.72，TREC法為0.65，相對點對點檢驗分別上升12、9個百分點。分級降水TS檢驗大雨以下量級上升為0.1以上，相對點對點檢驗上升2?6個百分點。暴雨和大暴雨量級上也有一定的提升，約2個百分點。ETS評分晴雨上也有較大的提升，相對點對點檢驗分別上升21、15個百分點。分級降水上ETS也均有一定的提升，其中光流法大雨量級相對提升較大，約5個百分點。

圖9 2018年4—8月短時強降水區(qū)域過程2 h QPF鄰域法檢驗

晴雨的空報率下降至0.2附近，相對點對點檢驗下降幅度較大，分級降水的空報率下降幅度也較大，大部分降至0.8左右，其中大暴雨量級空報率降幅最大，光流法和TREC法分別下降為0.49、0.44。晴雨的漏報率較小，光流法和TREC法分別為0.40、0.53，分級降水漏報率均超過0.7。

鄰域法檢驗與點對點檢驗差異最大為1 h QPF中的大雨量級，因此，本研究選取2018年4月5日局地分散性過程大雨量級作為典型個例代表，來進一步對比分析。

2018年4月5日大雨量級過程逐10 min時間演變（圖10）可知，3種方法中SWAN的TS評分明顯最低，單點TS評分04：40以前光流法相對較高，04：40—05：40分TREC法相對較高，采用鄰域法后，光流法和TREC法，總體的變化趨勢較為一致，2種方法都得到了明顯的提升，其中光流法的提升幅度最為明顯，各時次的評分結(jié)果幾乎均高于TREC法，而光流法在大雨量級上不僅無明顯提升，還在部分時次略有下降。大雨量級單點的空報率，SWAN波動幅度較大，而光流法和TREC法整體較為接近，空報率大部分在0.5?0.8，2種方法空報率差異較小。采用鄰域法后，大雨空報率迅速下降，04：00降至0.4，而SWAN空報率卻大幅上升至0.8以上。SWAN的漏報率也明顯高于光流法和TREC法，光流法和TREC法漏報率較為相似，有時光流法低，有時TREC低，采用鄰域法之后，整體而言，光流法更低。個例分析也表明，采用鄰域法對提升準確率有較大的貢獻，同時也能夠明顯降低空報率和漏報率。

圖10 2018年4月5日過程1 h QPF單點和鄰域法檢驗結(jié)果時間演變

總的說來，采用鄰域法檢驗評價能夠較大幅度提高預(yù)報準確率，同時也在一定程度上減小了空報率和漏報率。

2.4 短時強降水QPF在區(qū)域和局地過程中的對比

QPF除整體上具有上述特征外，不同類型的強降水過程亦有差異。從上述2018年4—8月武漢17次區(qū)域及局地短時強降水過程中選取4次區(qū)域短時強降水過程（對應(yīng)編號為5、6、9、14）、4次局地短時強降水過程（對應(yīng)編號為7、13、15、16）。計算每一次過程不同量級的未來1 h QPF領(lǐng)域法的TS評分和點對點的絕對誤差Ea，來分析QPF在不同類型分級降水過程中的差異。

從鄰域法TS評分結(jié)果（圖11）可知，小雨量級TS評分平均值無論區(qū)域還是局地短時強降水過程，3種方法都較為接近，區(qū)域過程除5月20日SWAN表現(xiàn)較好外，其余均為光流法相對較好，局地短時過程仍是光流法相對好。整體而言，光流法在小雨量級上略優(yōu)于SWAN，TREC法與光流法差異不大。絕對誤差來看，區(qū)域過程SWAN的絕對誤差明顯高于光流法和TREC法，但在局地短時過程差異有所縮小。

圖11 2018年8次短時強降水過程不同量級1 h QPF TS評分平均值和絕對誤差

中雨量級TS評分與小雨量級類似，區(qū)域過程光流法高于SWAN，且差異相對較大，局地過程中差異迅速縮小。整體而言，光流法在中雨量級上效果最好，其次為SWAN。絕對誤差也與小雨量級類似，區(qū)域過程SWAN相對光流法和TREC法偏大，局地過程有所減小。大雨量級TS評分SWAN、光流法和TREC法的差異最大，同樣主要也集中在區(qū)域性過程，以5月20日為例，光流法達0.25，TREC法次之，為0.2，而SWAN僅為0.1。局地過程光流法和SWAN各有優(yōu)劣，5月21日為光流法最好，7月3日SWAN最好。整體而言，光流法最好，其次為TREC法，SWAN最差。絕對誤差SWAN略高于光流法和TREC法，也主要集中在區(qū)域性過程。暴雨量級TS評分SWAN整體上高于光流法，主要也集中在區(qū)域性過程，局地過程中光流法2個個例TS評分高，另外1個個例差距較小。絕對誤差來看，3種方法差距不大?？傮w而言，SWAN更好，光流法次之，TREC法最差。

大暴雨量級TS評分區(qū)域性過程與暴雨量級類似，SWAN仍高于光流法。局地過程光流法表現(xiàn)更為穩(wěn)定，尤其是在7月3日，光流法為0.12，SWAN僅為0.01，差異很大，因此，局地性過程光流法相對更好。絕對誤差SWAN相對光流法和TREC法低一些。

綜上所述，通過對比分析區(qū)域性過程和局地分散性短時強降水過程。整體而言，在大雨以下量級，均為光流法最好，TREC法次之，SWAN效果最差。差異最大的主要集中在區(qū)域性過程。暴雨和大暴雨量級盡管SWAN在區(qū)域性過程中具有較高的評分，但在局地過程中表現(xiàn)不穩(wěn)定，光流法卻相對穩(wěn)定，這也就能夠很好地解釋，為何在2018年降水總體偏弱即區(qū)域性降水過程偏少的情況下，光流法總體檢驗結(jié)果在暴雨和大暴雨量級上要略好于SWAN。

3 小結(jié)與討論

本研究基于武漢雷達回波外推和自動站雨量融合技術(shù)的光流法與TREC法以及SWAN 3類QPF產(chǎn)品在2018年3—9月短時降水過程的誤差檢驗與分析，主要得出以下結(jié)論。

1）總體而言，基于雷達外推與自動站快速融合技術(shù)的光流法效果最好，TS評分平均值高出SWAN約3個百分點，其次為SWAN，由于TREC存在在暴雨以上量級的預(yù)報劣勢，因此預(yù)報效果相對最差。2 h QPF的光流法和TREC法的TS評分、空報率和漏報率大幅上升，預(yù)報能力明顯降低。

2）3種方法除了大暴雨量級，光流法和TREC法點對點的相對和絕對誤差相對SWAN偏小，預(yù)報估測效果更好，大雨以下量級估測能力最好，而暴雨和大暴雨量級誤差有所增大。在大暴雨量級上，光流法相對TREC法預(yù)報估測能力更接近SWAN。

3）對QPF采用9點或25點平均后，雖然在一定程度上改善相對誤差，且在大暴雨量級上絕對誤差也有一定的改善，但對提高預(yù)報準確率貢獻較小?？偟恼f來，采用鄰域法檢驗評價能較大幅度提高預(yù)報準確率，同時也一定程度減小了空報率和漏報率。

4）通過對比分析區(qū)域性過程和局地分散性短時強降水過程。整體上在大雨以下量級，均為光流法最好，TREC次之，SWAN最差。差異最大的主要集中在區(qū)域性過程。在暴雨和大暴雨量級上，盡管SWAN在區(qū)域性過程中具有較高的評分，但在局地過程中表現(xiàn)不穩(wěn)定，而通過快速融合技術(shù)的光流法在局地過程相對更穩(wěn)定。

本研究通過構(gòu)建武漢本地化的2 h QPF快速融合技術(shù)的有效嘗試，初步探討建立了2 h QPF降水的預(yù)報效果，光流法快速融合技術(shù)對于大雨以下的偏弱降水具有明顯的優(yōu)點，暴雨以上的短時強降水，雖然光流法相對SWAN區(qū)域性強對流降水預(yù)報效果相對較差，但對突發(fā)性分散的強對流降水具有較好的指導(dǎo)意義，對后續(xù)短臨降水預(yù)報預(yù)警服務(wù)仍具有較好的參考作用。