高琦徐明李武階,彭濤

（1 中國氣象局武漢暴雨研究所，武漢 430074；2 武漢中心氣象臺(tái)，武漢 430074；3 華中區(qū)域數(shù)值天氣預(yù)報(bào)中心，武漢 430074）

我國面雨量研究及業(yè)務(wù)應(yīng)用進(jìn)展

高琦1,2徐明1李武階2,3彭濤1

（1 中國氣象局武漢暴雨研究所，武漢 430074；2 武漢中心氣象臺(tái)，武漢 430074；3 華中區(qū)域數(shù)值天氣預(yù)報(bào)中心，武漢 430074）

面雨量是防汛部門在洪水預(yù)報(bào)與水庫調(diào)度中一個(gè)非常重要的參數(shù)，是洪水預(yù)報(bào)中最重要的預(yù)報(bào)對(duì)象。介紹了國內(nèi)外水文氣象學(xué)者在面雨量的插值與估算方法和面雨量預(yù)報(bào)方法方面的研究及業(yè)務(wù)實(shí)踐進(jìn)展，為各地結(jié)合自身流域特點(diǎn)，開展面雨量預(yù)報(bào)業(yè)務(wù)及研究提供參考。

面雨量、估算方法、監(jiān)測(cè)與預(yù)報(bào)

1 引言

面雨量是一個(gè)經(jīng)典的水文學(xué)概念,它是指某一時(shí)段內(nèi)一定面積上的平均雨量,因其能夠客觀反映降水對(duì)確定流域的影響,因而成為防汛部門分析水情、進(jìn)行洪水預(yù)報(bào)的重要參數(shù)。準(zhǔn)確的流域面雨量預(yù)報(bào),可為流域的防汛抗洪、水庫調(diào)度及蓄水發(fā)電、城市供水、水資源科學(xué)利用等提供可靠的決策依據(jù)。關(guān)于面雨量的研究,國內(nèi)學(xué)者開展了一系列的工作。目前主要關(guān)注的是面雨量的插值與估算方法、面雨量分布及演變特征,以及面雨量預(yù)報(bào)方法研究等幾個(gè)方面。本文擬就面雨量研究的若干進(jìn)展做簡(jiǎn)要綜述,為相關(guān)科研和業(yè)務(wù)人員提供參考。

2 依靠站點(diǎn)雨量數(shù)據(jù)計(jì)算面雨量的插值方法研究

目前水文氣象業(yè)務(wù)中面雨量的計(jì)算主要依靠“點(diǎn)—面”轉(zhuǎn)換來實(shí)現(xiàn),即:利用一定的插值方法,把流域內(nèi)有限的氣象、水文站的“點(diǎn)”雨量數(shù)據(jù)形成能夠有效表征一段時(shí)間內(nèi)流域降水整體水平的“面”雨量數(shù)據(jù)。由于地面氣象站的空間分布不均勻,人們發(fā)展出了多種針對(duì)站點(diǎn)降水觀測(cè)資料的空間插值方法來計(jì)算面雨量。簡(jiǎn)單的插值方法只根據(jù)待插值點(diǎn)(柵格中心)相對(duì)樣本點(diǎn)(站點(diǎn))的位置和樣本值(雨量觀測(cè))來計(jì)算,復(fù)雜的函數(shù)插值方法和統(tǒng)計(jì)插值方法還可以將高程、地形等影響降雨的因素考慮進(jìn)來,以改善插值效果。

常用的面雨量插值方法有泰森多邊形法、算術(shù)平均法、等值線法、反距離加權(quán)法和逐步格點(diǎn)訂正法等。算術(shù)平均法[1],算法簡(jiǎn)單易行,但它只能在流域面積小,流域內(nèi)地形起伏不大,且測(cè)站多而分布較均勻時(shí)采用。泰森多邊形法[2]的優(yōu)點(diǎn)是考慮到各雨量測(cè)站的權(quán)重,且當(dāng)測(cè)站固定不變時(shí),各測(cè)站的權(quán)重也不變,而在以往的業(yè)務(wù)試驗(yàn)中存在無法根據(jù)站點(diǎn)變化自動(dòng)更新站點(diǎn)權(quán)重的問題。徐晶等[3]通過解決了程序計(jì)算環(huán)繞各雨量站的多邊形面積問題,克服了這個(gè)技術(shù)難點(diǎn),實(shí)現(xiàn)了面雨量計(jì)算程序自動(dòng)化,能適應(yīng)不同流域的站點(diǎn)變化。目前,泰森多邊形法是我國七大江河面雨量監(jiān)測(cè)中規(guī)定使用的方法。反距離加權(quán)法[4]可以看作是泰森多邊形插值法的一種拓展。它認(rèn)為距離待估點(diǎn)越近的測(cè)站,其貢獻(xiàn)越大,距離越遠(yuǎn),則貢獻(xiàn)越小,到了一定距離之外就沒有貢獻(xiàn)。這種插值方法在計(jì)算權(quán)重時(shí)可以取距離的一次方,也可以取二次、多

次冪,距離冪次數(shù)越大,距離的影響就越大。決定站點(diǎn)參與計(jì)算與否的距離半徑越大,插值結(jié)果越平滑,反之變化越大。反距離加權(quán)法簡(jiǎn)單易行,計(jì)算量小,可自動(dòng)化運(yùn)行,目前仍廣泛應(yīng)用在氣象、水文業(yè)務(wù)中。等值線法[5]的思路是,先根據(jù)流域內(nèi)各測(cè)站實(shí)測(cè)的雨量資料繪出等雨量線,然后用求積儀或其他方法求各相鄰兩等雨量線間的面積,再分別乘以各相鄰兩等雨量線雨深的平均值,即得該面積上的降水總量。等值線能反映降水的地區(qū)分布和地形對(duì)降水的影響,但它要求流域內(nèi)雨量測(cè)站多而且分布均勻,而且每次降水過程中等雨量線的走向不同,導(dǎo)致各相鄰兩等雨量線間的面積也不同,這樣使得繪算工作繁瑣。因此應(yīng)用受到限制,適于分析較典型的致洪暴雨過程。逐步格點(diǎn)訂正法,包括Barnes客觀分析法[6]和Cressman客觀分析法[7]。采用迭代算法進(jìn)行連續(xù)矯正,通過每一步用插值得到的格點(diǎn)場(chǎng)來反算樣本點(diǎn)的雨量,再利用其與觀測(cè)值的誤差再用來矯正格點(diǎn)場(chǎng)的插值。該方法的缺點(diǎn)是涉及流域外資料,計(jì)算較麻煩,效果卻不一定理想。目前,美國國家氣象局河流預(yù)報(bào)中心使用的插值方法除了算術(shù)平均、等雨量線分析、泰森多邊形、距離加權(quán)法外,還使用指標(biāo)站法進(jìn)行面雨量插值,即在該國一些地區(qū)(主要是山區(qū)),利用基于氣候研究基礎(chǔ)上預(yù)先確定的站權(quán)重來計(jì)算流域平均降水面雨量。此外,面雨量的插值方法還包括細(xì)網(wǎng)格雨量法[8]、地理統(tǒng)計(jì)方法[9]以及基于函數(shù)插值的最優(yōu)插值[10]和薄板平滑樣條插值法[11]等。

文中提到的方法各有其優(yōu)點(diǎn),同時(shí)也存在各自的局限性。面雨量計(jì)算的結(jié)果,既受到插值方法的影響,也受地形、臺(tái)站分布及站網(wǎng)密度的制約。方慈安等[12],對(duì)利用泰森多邊形法、逐步訂正網(wǎng)格法、算術(shù)平均法計(jì)算的1998—2000年湖南省5個(gè)流域的面雨量進(jìn)行了對(duì)比,結(jié)果顯示:各種算法平均值的差異不大,而逐日差異較大。李武階等[13]利用算數(shù)平均法、泰森多邊形法、等值線法對(duì)1960—1990年發(fā)生在三峽區(qū)間的60次降雨過程的面雨量進(jìn)行計(jì)算,結(jié)果表明:選取同樣站點(diǎn)的情況下,泰森多邊形法計(jì)算的面雨量較算術(shù)平均法及等值線法高；同種方法計(jì)算的氣象站點(diǎn)面雨量結(jié)果高于水文站點(diǎn)；而在站網(wǎng)密度大的地區(qū),同一過程不同方法算出的面雨量差小。郁淑華[14]對(duì)比了等值線法、泰森多邊形法及算術(shù)平均法計(jì)算的面雨量結(jié)果,得到了氣象上算術(shù)平均法接近等直線法,因而優(yōu)于泰森多邊形法的結(jié)論,同時(shí)算術(shù)平均法、泰森多邊形法的計(jì)算結(jié)果比等值線法偏高。由于面雨量無法測(cè)得真值,關(guān)于各種插值方法比較的試驗(yàn),往往反映的是某特定流域特定時(shí)期的平均狀況,在實(shí)際工作中還應(yīng)結(jié)合具體流域的實(shí)際情況、業(yè)務(wù)化可操作性以及水文服務(wù)的具體需求進(jìn)行選擇。

3 基于遙感新觀測(cè)技術(shù)面雨量估算方法研究

國內(nèi)外學(xué)者在100多年的歷史中對(duì)面雨量估算技術(shù)做了大量的研究工作,但如何準(zhǔn)確估算面雨量始終是一個(gè)科學(xué)難題。隨著氣象學(xué)、數(shù)學(xué)、水文學(xué)、遙感等學(xué)科技術(shù)的發(fā)展,流域面雨量的估算技術(shù)也有了長(zhǎng)足的發(fā)展,利用衛(wèi)星、雷達(dá)等遙感技術(shù)估測(cè)降水和高密度自動(dòng)氣象站降水資料的結(jié)合應(yīng)用,已成為面雨量估算技術(shù)的主要趨勢(shì)[15]。

近年來,雷達(dá)、衛(wèi)星等新觀測(cè)手段越來越多地應(yīng)用于降水監(jiān)測(cè)和預(yù)報(bào)。如美國國家氣象局河流預(yù)報(bào)中心利用MAPX網(wǎng)格技術(shù),即利用區(qū)域內(nèi)4km×4km WSR-88D 雷達(dá)形成的1h降水估計(jì)產(chǎn)品基礎(chǔ)上再通過算術(shù)平均法估算該區(qū)域面雨量。雷達(dá)、衛(wèi)星估測(cè)降水的基本原理都是根據(jù)云團(tuán)對(duì)電磁波的反射特征來推算云團(tuán)的可降水量。由于電磁波的空間連續(xù)性,用雷達(dá)、衛(wèi)星可估算出高空間分辨率的降水場(chǎng),這是傳統(tǒng)的雨量計(jì)觀測(cè)所無法比擬的。但由于雷達(dá)、衛(wèi)星是通過間接方式估算降水的,按一定的關(guān)系式換算的結(jié)果與雨量計(jì)觀測(cè)相比往往有較大的出入,因此還需要與傳統(tǒng)的常規(guī)觀測(cè)相結(jié)合,經(jīng)過校正后才能成為符合實(shí)際情況的估計(jì)降水產(chǎn)品。具體做法可將雷達(dá)、衛(wèi)星估計(jì)降水與地面雨量觀測(cè)資料進(jìn)行融合,得到時(shí)空連續(xù)的雨量分析場(chǎng)[16]。

3.1 基于雷達(dá)估算面雨量方法研究

雷達(dá)估計(jì)降水與雨量計(jì)觀測(cè)資料進(jìn)行融合的較直接的方法,就是將雨量計(jì)降水和對(duì)應(yīng)位置的雷達(dá)像素反演降水的比率擬合成曲面,利用此曲面來修正整個(gè)雷達(dá)反演的降水場(chǎng)[17]。地理統(tǒng)計(jì)中的協(xié)同克里金方法是融合雷達(dá)估計(jì)降水和雨量計(jì)觀測(cè)資料的另一常用方法[18]。此外還有其他各種模型,如考慮了降水的持續(xù)性,又可實(shí)時(shí)校正雷達(dá)估計(jì)降水應(yīng)用的卡爾曼濾波模型[19],應(yīng)用回歸方法(包括一般線性回歸、嶺回歸和穩(wěn)健回歸)的統(tǒng)計(jì)模型[20],并基于GIS開發(fā)的業(yè)務(wù)系統(tǒng)[21],以及針對(duì)所研究流域只被部分雨區(qū)覆蓋時(shí)估算降水場(chǎng)的多變量統(tǒng)計(jì)模型[22]等。

雷達(dá)本身的探測(cè)誤差以及不同的降水類型,雷達(dá)氣象方程中各參數(shù)的不同,不同天氣系統(tǒng)、不同地點(diǎn),都對(duì)應(yīng)著不同的Z-I關(guān)系(即反射因子—雨強(qiáng)關(guān)系),使得利用雷達(dá)來估算降水在某些時(shí)候誤差很大。國內(nèi)許多學(xué)者及工程技術(shù)人員圍繞相關(guān)問題展開了大量研究:萬玉發(fā)等[23]根據(jù)雨量計(jì)與其垂直上空雷

達(dá)的小時(shí)累計(jì)量之間存在的符合冪律的相關(guān)性,提出了一種基于準(zhǔn)同雨團(tuán)樣本概念雷達(dá)與雨量計(jì)實(shí)時(shí)同步結(jié)合的降水估算新技術(shù)；戴鐵丕等[24]利用平均校準(zhǔn)方法校準(zhǔn)雷達(dá)估測(cè)降水,并提出了“平均訂正因子校準(zhǔn)法”的新思路,這種方法具有簡(jiǎn)便、校準(zhǔn)后區(qū)域總降水量較準(zhǔn)確等優(yōu)點(diǎn)；趙坤等[25]、李致家等[26]對(duì)傳統(tǒng)卡爾曼濾波方法進(jìn)行了改進(jìn),運(yùn)用少量雨量計(jì)對(duì)雷達(dá)估測(cè)降水進(jìn)行校正,并將處理的數(shù)據(jù)作為水文模型的輸入,取得了較好的效果；劉曉陽等[27]用最優(yōu)插值方法獲得雷達(dá)雨量計(jì)聯(lián)合估測(cè)的梅山水庫集水區(qū)降水分布。

3.2 基于衛(wèi)星估算面雨量方法研究

衛(wèi)星估計(jì)降水是像素化的圖像,因此原則上可直接用于面雨量的估算。但由于衛(wèi)星對(duì)雨區(qū)識(shí)別的準(zhǔn)確性較高,而對(duì)降水量估計(jì)的準(zhǔn)確性較低,在用于面雨量估算時(shí),一般需要經(jīng)過地面觀測(cè)資料訂正或融合。在高原、海洋等地面雨量觀測(cè)不足的地區(qū),單純用雨量觀測(cè)修正也有困難。這時(shí)就有必要借助其他來源的資料,如數(shù)值預(yù)報(bào)產(chǎn)品作為第一猜測(cè)場(chǎng),來進(jìn)行資料融合。Grimes等[28]采用協(xié)同克里金方法結(jié)合衛(wèi)星和地面觀測(cè)資料進(jìn)行面雨量計(jì)算；王登炎等[29]用變分法結(jié)合衛(wèi)星估計(jì)降水和數(shù)值預(yù)報(bào)產(chǎn)品進(jìn)行面雨量預(yù)報(bào)；師春香等[30]用人工神經(jīng)網(wǎng)絡(luò)方法,徐晶等[31]用最優(yōu)化方法,劉洪鵬等[32]用反距離權(quán)重法,潘永地等[33]則利用氣象衛(wèi)星水汽通道資料修正地面觀測(cè)資料的插值結(jié)果,再計(jì)算流域面雨量,以及直接利用衛(wèi)星估計(jì)降水產(chǎn)品估算面雨量[34]的嘗試,等等。這些工作為衛(wèi)星估計(jì)降水資料用于面雨量的估算提供了多種行之有效的方法。

比較而言,衛(wèi)星估計(jì)降水監(jiān)測(cè)范圍較廣,適合于大范圍降水場(chǎng)的估計(jì),而地面雷達(dá)估計(jì)降水準(zhǔn)確性較高,適合于中小流域。將兩者的優(yōu)勢(shì)結(jié)合起來,聯(lián)合衛(wèi)星和雷達(dá)可對(duì)大流域的面雨量進(jìn)行估算。例如我國“八五”期間所構(gòu)建的利用雷達(dá)網(wǎng)和衛(wèi)星聯(lián)合估算長(zhǎng)江流域大范圍降水的LARORAS系統(tǒng)[35],對(duì)防汛抗洪和大型水庫工程建設(shè)具有重大應(yīng)用價(jià)值；阿邁德·迪狄安·迪阿羅等[36]聯(lián)合衛(wèi)星和雷達(dá)重構(gòu)淮河流域大范圍的降水場(chǎng),用精度更高的雷達(dá)估計(jì)降水來訂正衛(wèi)星估計(jì)降水,所得結(jié)果的精度高于單獨(dú)使用衛(wèi)星估算結(jié)果的精度；基于CINRAD和衛(wèi)星的淮河流域致洪暴雨綜合定量估測(cè)及預(yù)警系統(tǒng)[37],在2003年淮河流域洪災(zāi)期間氣象服務(wù)中取得明顯效果。

隨著遙感技術(shù)和計(jì)算技術(shù)的發(fā)展,綜合運(yùn)用地面氣象站(特別是自動(dòng)氣象站)降水觀測(cè)和衛(wèi)星、雷達(dá)估測(cè)降水資料進(jìn)行快速同化、融合得出降水場(chǎng)已成為可能,這方面的研究越來越受到重視,具有廣闊的業(yè)務(wù)應(yīng)用前景。

4 模式預(yù)報(bào)降水在洪水（面雨量）預(yù)報(bào)方面的應(yīng)用

近些年來,隨著觀數(shù)值預(yù)報(bào)理論和方法的發(fā)展,數(shù)值預(yù)報(bào)正成為暴雨預(yù)報(bào)實(shí)現(xiàn)定點(diǎn)、定時(shí)和定量的科學(xué)手段,為水文模型預(yù)見期降水的預(yù)報(bào)提供了強(qiáng)有力的支撐。預(yù)見期內(nèi)的降水量直接影響著洪水預(yù)報(bào)的精度,預(yù)見期愈長(zhǎng),預(yù)見期內(nèi)的降雨對(duì)預(yù)報(bào)值影響愈大[38]。

面雨量是水文上重要的參數(shù),是水文預(yù)報(bào)模型中最重要的預(yù)報(bào)對(duì)象,是一切洪水預(yù)報(bào)模型的輸入場(chǎng)。李才媛等[39]、熊秋芬等[40]分別利用T213、MAPS 模式產(chǎn)品進(jìn)行面雨量預(yù)報(bào),并對(duì)結(jié)果進(jìn)行檢驗(yàn)；朱紅芳等[41]利用我國新一代數(shù)值預(yù)報(bào)模式GRAPES輸出的降水預(yù)報(bào)制作了2005年7—9月淮河流域的面雨量預(yù)報(bào),并對(duì)其與預(yù)報(bào)員制作的面雨量預(yù)報(bào)和面雨量實(shí)況進(jìn)行了對(duì)比分析；張玉琴等[42]通過分析檢驗(yàn)2007—2009年5—10月T213德國(Gem)日本(Jap)模式在雅礱江流域各區(qū)的面雨量,了解各模式在雅礱江流域的預(yù)報(bào)效果,再采用多元回歸集成預(yù)報(bào)流域各區(qū)間的面雨量,在此基礎(chǔ)上,將集成預(yù)報(bào)面雨量與二灘電站的入庫流量進(jìn)行分析比較。

盡管以上的研究已明顯提高了洪水預(yù)報(bào)精度,但定量降水預(yù)報(bào)(QPF)精細(xì)化及準(zhǔn)確率離水文預(yù)報(bào)的需求還是有較大的差距[43]。如在水文預(yù)報(bào)中,要求QPF的空間和時(shí)間分辨率分別達(dá)到10km和1h,QPF準(zhǔn)確度也要達(dá)到10%以上,而目前的QPF還遠(yuǎn)沒有達(dá)到這些要求?？上驳氖沁@方面的研究工作目前已開始得到了相關(guān)學(xué)者的重視:劉勇等[44]充分利用降水量間統(tǒng)計(jì)分析的結(jié)果,通過在模型中引入坡度、坡向變量,對(duì)祁連山中東部地區(qū)降水量空間變化模式進(jìn)行尺度下移,得到了該地區(qū)具有多尺度特性的高空間分辨率降水量的分析模型。此外,數(shù)值模式的自嵌套技術(shù)以及多模式的互嵌套技術(shù)開始用于提高模式空間分辨率[45-46]。

5 總結(jié)與展望

流域面雨量監(jiān)測(cè)與預(yù)報(bào)業(yè)務(wù)是目前氣象部門的業(yè)務(wù)工作之一,推進(jìn)流域面雨量業(yè)務(wù)發(fā)展,一是要加強(qiáng)降水天氣過程的機(jī)理研究,加深對(duì)天氣系統(tǒng)之間的內(nèi)在聯(lián)系及演變規(guī)律的認(rèn)識(shí)；二是通過增大觀測(cè)密度,改善觀測(cè)手段,提高面雨量檢測(cè)的空間及時(shí)間精度,提供實(shí)時(shí)滾動(dòng)面雨量監(jiān)測(cè)產(chǎn)品,從而為洪峰預(yù)報(bào)提供第一手資料；三是加強(qiáng)對(duì)數(shù)值預(yù)報(bào)產(chǎn)品的開發(fā)及客觀

釋用技術(shù),提高定量降水預(yù)報(bào)產(chǎn)品的準(zhǔn)確率及預(yù)報(bào)時(shí)效,進(jìn)而提高面雨量預(yù)報(bào)的準(zhǔn)確性和時(shí)效；四是結(jié)合洪峰及洪澇災(zāi)害對(duì)流域面雨量特征進(jìn)行研究,確定流域?yàn)?zāi)害面雨量臨界值,實(shí)現(xiàn)面雨量臨界預(yù)警；五是通過開展流域延伸期、中長(zhǎng)期面雨量預(yù)報(bào),為流域水庫調(diào)度、蓄水等決策提供參考；六是進(jìn)行流域面雨量檢驗(yàn)方法研究工作,以期建立起包含流域界定和選擇的代表站、地理信息、面雨量計(jì)算、預(yù)報(bào)、檢驗(yàn)評(píng)定、資料庫、服務(wù)等內(nèi)容組成的完整的面雨量預(yù)報(bào)業(yè)務(wù)系統(tǒng),也會(huì)把面雨量預(yù)報(bào)業(yè)務(wù)系統(tǒng)提高到一個(gè)更高水平,為抵御特大洪水、防災(zāi)減災(zāi)提供更加優(yōu)質(zhì)的氣象服務(wù)。

[1]王銘才. 大氣科學(xué)常用公式. 北京: 氣象出版社, 1994.

[2]Thiessen A H. Precipitation for large areas. Monthly Weather Review, 1911, 39: 1082-1084.

[3]徐晶, 林建, 姚學(xué)祥, 等. 七大江河流域面雨量計(jì)算方法及應(yīng)用. 氣象, 2001, 27(11): 13-16 .

[4]Bedient P B, Huber W C. Hydrology and Floodplain Analysis (2nd Ed). MA: Addison-Vesley Reading, 1992.

[5]丁一匯. 現(xiàn)代天氣學(xué)中的診斷分析方法. 北京: 氣象出版社, 1984.

[6]Barnes S L. Mesoscale objective analysis using weighted time-series observations. Norman: National Severe Storms Laboratory, NOAA Tech Memo ERL NSSL-62, OK 73069, 1973: 60.

[7]Cressman G P. An operational objective analysis system. Monthly Weather Review, 1959, 87: 367-374.

[8]單九生, 張瑛, 周建雄. 細(xì)網(wǎng)格推算流域面雨量方法應(yīng)用淺析. 江西氣象科技, 2001, 24(2): 1l-14.

[9]Cressie N A C. Statistics for Spatial Data (Revised Edition). New York: J Wiley, 1993.

[10]Pardo-Igúzquiza E . Comparison of geostatistical methods for estimating the areal average climatological rainfall mean using data on precipitation and topography. Int J Climate, 1998, 18: 1031-1047.

[11]Hutchinson M F. Interpolation of rainfall with thin plate smoothing splines-Part 1: Two dimensional smoothing of data with short range correlation. Journal of Geographic Information and Decision Analysis, 1998, 2: 139-151.

[12]方慈安, 潘志祥, 葉成志, 等. 幾種流域面雨量計(jì)算方法的比較.氣象, 2003, 29(7): 23-26 .

[13]李武階, 王仁喬, 鄭啟松. 幾種面雨量計(jì)算方法在氣象和水文上的應(yīng)用比較. 暴雨災(zāi)害, 2000, 10: 62-67.

[14]郁淑華. 面雨量計(jì)算方法的比較分析. 四川氣象, 2001, 21(3): 3-5.

[15]徐晶, 姚學(xué)祥. 雨量估算技術(shù)綜述. 氣象, 2007, 33(7): 15-21.

[16]Collier C G. Development in radar and remote-sensing methods for measuring and forecasting rainfall. Phil Tram R Soc Lord A, 2002, 360: 1345-1361.

[17]Wood S J, Jones D A, Moore R J. Static and dynamic calibration of radar data for hydrological use. Hydrology and Earth System Sciences, 2000, 4(4): 545-554.

[18]Seo D J, Krajewski W T, Bowles D S. Stochastic interpolation of rainfall data from rain gages and radar using Cokriging. 1. Design of experiments. Water Resources Research. 1990, 26(3): 469-477.

[19]Pack E B. Space-time calibration of radar rainfall data. App1 Statist, 2001, 50: 221-241.

[20]SoKol Z. The use of radar and gauge measurements to estimate areal precipitation for several Czech river basins. Stud Geophys Geod, 2003, 47: 587-604.

[21]何健, 王春林, 毛夏, 等. 利用雷達(dá)回波與GIS技術(shù)反演面雨量研究. 氣象科技, 2006, 34 (3): 336-339.

[22]Seo D J. Rea1-time estimation of rainfall fi elds using radar rainfall and rain gage data. Journal of Hydrology, 1998, 208: 37-52.

[23]萬玉發(fā), 吳翠紅, 金鴻祥. 基于準(zhǔn)同雨團(tuán)樣本概念雷達(dá)和雨量計(jì)的實(shí)時(shí)同步結(jié)合方法. 氣象學(xué)報(bào), 2008(1): 262-273.

[24]戴鐵丕, 傅德勝. 天氣雷達(dá)—雨量計(jì)網(wǎng)聯(lián)合探測(cè)區(qū)域降水量的精度. 南京氣象學(xué)院學(xué)報(bào), 1990(4): 592-597.

[25]趙坤, 葛文忠, 李致家. 在雷達(dá)測(cè)雨和洪水預(yù)報(bào)中自適應(yīng)卡爾曼濾波法的應(yīng)用. 高原氣象, 2005(6): 956-965.

[26]李致家, 劉金濤, 葛文忠. 雷達(dá)估測(cè)降水與水文模型的耦合在洪水預(yù)報(bào)中的應(yīng)用. 河海大學(xué)學(xué)報(bào): 自然科學(xué)版, 2004(6): 601-606.

[27]劉曉陽, 毛節(jié)泰, 李紀(jì)人. 雷達(dá)聯(lián)合雨量計(jì)估測(cè)降水模擬水庫入庫流量. 水利學(xué)報(bào), 2002(4): 51-55.

[28]Grimes D I F,Pardo-Igúzquiza E, Bonifacio R. Optimal area rainfall estimation using rain gauges and satellite data. Journal of Hydrology, 1999, 222: 93-108.

[29]王登炎, 李德俊, 金琪. 變分法和衛(wèi)星云圖模式識(shí)別在強(qiáng)降水面雨量預(yù)報(bào)中的應(yīng)用. 氣象, 2003, 29 (3): 2 0-22.

[30]師春香, 盧乃錳, 張文建. 衛(wèi)星面降水估計(jì)人工神經(jīng)網(wǎng)絡(luò)方法. 氣候與環(huán)境研究, 2001, 6: 467-471.

[31]徐晶, 畢寶貴. 衛(wèi)星估計(jì)降水量產(chǎn)品的優(yōu)化處理區(qū)檢驗(yàn). 氣象, 2005, 31(2): 27-31.

[32]劉洪鵬, 劉文. 省域衛(wèi)星估測(cè)降水的資料融合技術(shù)及精度分析.山東氣象, 2003, 23(4): 22-24.

[33]潘永地, 姚益平. 地面雨量計(jì)結(jié)合衛(wèi)星水汽通道資料估算面降水量. 氣象, 2005, 30(9): 28-30.

[34]楊揚(yáng), 戚建國. 數(shù)字衛(wèi)星云圖估算面雨量的應(yīng)用試驗(yàn). 氣象, 1995, 21 (3): 35-39.

[35]萬玉發(fā), 張家國, 楊洪平, 等. 聯(lián)合雷達(dá)網(wǎng)和衛(wèi)星定量監(jiān)測(cè)與預(yù)報(bào)長(zhǎng)江流域大范圍降水. 應(yīng)用氣象學(xué)報(bào), 1998, 9 (1): 94-103.

[36]阿邁德·迪狄安·迪阿羅, 劉曉陽, 毛節(jié)泰, 等. 衛(wèi)星雷達(dá)聯(lián)合重構(gòu)大尺度流域降水場(chǎng). 高原氣象, 2004, 23: l1-17.

[37]張愛民, 鄭媛媛, 鄭蘭芝, 等. 基于CINRAD和衛(wèi)星的淮河流域致洪暴雨綜合定量估測(cè)及預(yù)警研究. 熱帶氣象學(xué)報(bào), 2006, 22 (1): 96-100.

[38]崔春光, 彭濤, 殷志遠(yuǎn), 等. 暴雨洪澇預(yù)報(bào)研究的若干進(jìn)展. 氣象科技進(jìn)展, 2011, 1(2): 32-37.

[39]李才媛, 宋清翠, 金琪. 短期強(qiáng)降水面雨量預(yù)報(bào)與T213產(chǎn)品的天氣學(xué)釋用. 氣象, 2003, 29(3): 27-31.

[40]熊秋芬, 王麗, 鄭啟松, 等. 三峽區(qū)間面雨量預(yù)報(bào)方法及其預(yù)報(bào)試驗(yàn). 氣象, 2000, 26(10): 19-23.

[41]朱紅芳, 王東勇, 朱鵬飛, 等. GRAPES模式在淮河流域面雨量預(yù)報(bào)中的應(yīng)用. 氣象, 2007, 33(3): 76-82.

[42]張玉琴, 吳朝野, 何國平, 等. 基于數(shù)值預(yù)報(bào)產(chǎn)品的面雨量分析與檢驗(yàn). 高原山地氣象研究, 2011, 31(3): 60-64.

[43]宗志平, 代刊, 蔣星. 定量降水預(yù)報(bào)技術(shù)研究進(jìn)展. 氣象科技進(jìn)展, 2012, 2(5): 29-35.

[44]劉勇, 鄒松兵. 祁連山地區(qū)高分辨率氣溫降水量分布模型. 蘭州大學(xué)學(xué)報(bào)(s), 2006, 42(1): 7-12.

[45]沈愈. EOF迭代降尺度方案及其在華東梅汛期降水預(yù)測(cè)中的應(yīng)用. 高原氣象, 2008, 27: 52-63.

[46]鄧偉濤. 利用CAM-RegCM嵌套模武預(yù)測(cè)我國夏季降水異常.南京: 南京信息工程大學(xué), 2008.

Researches and Applications on Area Precipitation in China

Gao Qi1,2, Xu Ming1, Li Wujie2,3, Peng Tao1
(1 Institute of Heavy Rain, China Meteorological Administration, Wuhan 430074 2 Wuhan Central Meteorological Observatory, Wuhan 430074 3 Wuhan Regional Numerical Weather Prediction Centers, Wuhan 430074)

Area precipitation is a very important parameter in flood forecasting and reservoir operation. It is also the most important forecast object in the f l ood forecast. This article introduces the researches and applications on interpolation, estimation and forecast methods of area precipitation in the researches by hydrometeorological scholars from at home and abroad .

area precipitation, interpolation, estimation, forecast

10.3969/j.issn.2095-1973.2014.02.009

2013年10月8號(hào)；

2014年2月25日

高琦（1980—），Email: qiqi_166@hotmail.com

資助信息：公益性行業(yè)氣象專項(xiàng)（GYHY201106003，GYHY201206028，GYHY201306059）