危國飛 劉會軍 吳啟樹* 陶 瑋 潘 寧

1)(福建省災(zāi)害天氣重點(diǎn)實(shí)驗(yàn)室，福州 350001) 2)(福建省氣象臺，福州 350001) 3)(安徽省氣象臺，合肥 230001)

引 言

隨著經(jīng)濟(jì)社會的快速發(fā)展和人民生活水平的不斷提高，各級政府和公眾對降水預(yù)報(bào)的準(zhǔn)確性、精細(xì)化要求越來越高。因此，如何更好地開展定量降水預(yù)報(bào)是目前氣象部門研究的重點(diǎn)和難點(diǎn)之一。

畢寶貴等[1]認(rèn)為數(shù)值預(yù)報(bào)是定量降水預(yù)報(bào)技術(shù)的基礎(chǔ)和核心，主導(dǎo)整個(gè)定量降水預(yù)報(bào)技術(shù)的發(fā)展。目前我國預(yù)報(bào)員常用的全球模式有歐洲中期天氣預(yù)報(bào)中心綜合預(yù)報(bào)系統(tǒng)(European Center for Medium-Range Weather Forecasts-Integrated Forecast System，ECMWF-IFS)、美國國家大氣環(huán)境研究中心全球預(yù)報(bào)系統(tǒng)(National Centers for Environmental Prediction Global Forecast System，NCEP-GFS)、中國氣象局GRAPES(Global and Regional Assimilation and Prediction System)全球預(yù)報(bào)系統(tǒng)、日本氣象廳全球模式(Japanese Meteorological Agency-Global Spectral Model，JMA-GSM)等，區(qū)域模式有中國氣象局GRAPES區(qū)域數(shù)值預(yù)報(bào)業(yè)務(wù)系統(tǒng)(GRAPES_Meso)、華東區(qū)域中尺度模式(Shanghai Meteorological Service WRF ADAS Real-Time Modeling System，SMS-WARMS)、華南中尺度模式等。ECMWF-IFS 是最先進(jìn)的全球模式之一，其降水預(yù)報(bào)能力持續(xù)不斷提升[1-2]。SMS-WARMS覆蓋我國中東部大部地區(qū)，TS評分和Bias評分顯示，其6 h 累積降水預(yù)報(bào)從小雨到大暴雨各級降水的預(yù)報(bào)性能均較優(yōu)越[3]。

不同模式在動力框架、物理參數(shù)化方案、分辨率、初始場、資料同化技術(shù)等方面均有所不同，各模式的預(yù)報(bào)結(jié)果也不盡相同。在日常天氣預(yù)報(bào)業(yè)務(wù)中，預(yù)報(bào)員面對多個(gè)模式的不同預(yù)報(bào)結(jié)果，僅憑借主觀分析快速而準(zhǔn)確地制作定量降水預(yù)報(bào)比較困難，因此需要后處理技術(shù)將多模式預(yù)報(bào)結(jié)果進(jìn)行科學(xué)合理地綜合集成，從而得到優(yōu)于單一模式的預(yù)報(bào)結(jié)果，即多模式集成預(yù)報(bào)技術(shù)[4-6]。目前，常用的多模式集成方法有4種[7]：第1種為等權(quán)集成方法[8-9]，即不考慮集合成員間的技巧差異，賦予所有模式相同的權(quán)重；第2種為消除偏差等權(quán)集合平均法[10-13]，即每個(gè)集合成員先減去各自的系統(tǒng)性誤差，再進(jìn)行等權(quán)集合平均；第3種為加權(quán)集成方法[14-22]，即通過多元線性回歸分析或BP(back propagation)神經(jīng)網(wǎng)絡(luò)等方法賦予集合成員不同的權(quán)重，預(yù)報(bào)技巧越高的成員權(quán)重越大；第4種為基于貝葉斯統(tǒng)計(jì)學(xué)的集合方法[23-24]，這是一種概率密度函數(shù)預(yù)測方法。這些多模式集成方法，均被證明在大多數(shù)情況下預(yù)報(bào)效果優(yōu)于單一模式，但多模式集成未必一定優(yōu)于單一模式訂正產(chǎn)品，如吳啟樹等[25]應(yīng)用ECMWF-IFS，NCEP-GFS，T639和JMA-GSM先進(jìn)行多模式降水等權(quán)重集成后再經(jīng)最優(yōu)TS評分訂正法(optimal threat score,OTS)訂正，結(jié)果不及經(jīng)最優(yōu)OTS訂正后的單一模式，其原因是其他模式與最優(yōu)模式預(yù)報(bào)水平差距較大，集成作用不顯著；同時(shí)，文獻(xiàn)中主要為訂正算法對比，集成權(quán)重不是重點(diǎn)，各模式所有降水量級采用同一權(quán)重，未能體現(xiàn)各模式在不同降水量級的預(yù)報(bào)優(yōu)勢。

過去的多模式降水集成預(yù)報(bào)研究大多基于全球模式或區(qū)域模式，鮮有同時(shí)基于全球模式和區(qū)域模式的研究報(bào)道。此外，對某次預(yù)報(bào)，研究區(qū)域內(nèi)所有站點(diǎn)(格點(diǎn))集成權(quán)重采用統(tǒng)一值，鮮有根據(jù)各模式不同降水量級的預(yù)報(bào)能力不同而隨站點(diǎn)動態(tài)變化權(quán)重的研究報(bào)道。業(yè)務(wù)中發(fā)現(xiàn)，全球模式在中量級降水的預(yù)報(bào)能力往往優(yōu)于區(qū)域模式，區(qū)域模式在小量級和大量級降水的預(yù)報(bào)能力往往優(yōu)于全球模式[26-27]。

根據(jù)檢驗(yàn)評估[1-3,26-27]，本文選取ECMWF-IFS為全球模式代表，SMS-WARMS為區(qū)域模式代表，基于OTS方法[25]訂正后的ECMWF-IFS降水預(yù)報(bào)產(chǎn)品(簡稱EC-OTS)和SMS-WARMS降水預(yù)報(bào)產(chǎn)品(簡稱SMS-OTS)進(jìn)行全球與區(qū)域模式結(jié)合的降水分級最優(yōu)化權(quán)重集成預(yù)報(bào)試驗(yàn)，力求融合全球模式和區(qū)域模式各自在不同降水量級的預(yù)報(bào)優(yōu)勢，以期獲得更優(yōu)質(zhì)的定量降水客觀預(yù)報(bào)產(chǎn)品，促進(jìn)我國定量降水預(yù)報(bào)業(yè)務(wù)的發(fā)展。

1 資 料

1.1 研究區(qū)域

本文研究區(qū)域?yàn)?3°～39°N，101°～123°E，如圖1中黑色方框所示，包括浙江、江蘇、山東、福建、江西、安徽、河南、湖北、湖南、貴州全省，上海和重慶全市，以及河北、山西、陜西、內(nèi)蒙、寧夏、甘肅、青海、四川、云南、廣東、廣西、臺灣、天津的部分地區(qū)，以下將該區(qū)域簡稱為泛長江區(qū)域。

圖1 研究區(qū)域

1.2 降水資料

本文降水資料為2016年12月31日—2020年1月3日泛長江區(qū)域1712個(gè)國家基本氣象站資料。

1.3 主觀預(yù)報(bào)產(chǎn)品

本文使用的主觀預(yù)報(bào)產(chǎn)品為國家氣象中心逐24 h累積定量降水預(yù)報(bào)和泛長江區(qū)域各省(區(qū)、市)的逐12 h的精細(xì)化天氣預(yù)報(bào)報(bào)文，產(chǎn)品時(shí)間范圍為2019年1月1日—2019年12月31日，起報(bào)時(shí)間為08:00和20:00(北京時(shí)，下同)。

1.4 數(shù)值預(yù)報(bào)產(chǎn)品

本文使用的數(shù)值預(yù)報(bào)產(chǎn)品為2016年12月31日—2019年12月31日ECMWF-IFS和SMS-WAR-MS的確定性預(yù)報(bào)降水產(chǎn)品。起報(bào)時(shí)間為08:00和20:00。ECMWF-IFS的水平分辨率為0.125°×0.125°，預(yù)報(bào)時(shí)效為0～240 h；SMS-WARMS的水平分辨率為0.1°×0.1°，預(yù)報(bào)時(shí)效為0～72 h。采用Cressman客觀插值法將數(shù)值預(yù)報(bào)產(chǎn)品插值到站點(diǎn)[28]。

2 方 法

2.1 檢驗(yàn)方法

本文采用我國氣象系統(tǒng)降水預(yù)報(bào)業(yè)務(wù)常用的檢驗(yàn)方法：TS評分(threat score,TS)、技巧評分(skill score，S)、漏報(bào)率(missing ratio，M)、空報(bào)率(false alarm ratio，F(xiàn))等。對于降水分級檢驗(yàn)(主要檢驗(yàn)一般性降水(0.1～49.9 mm))或累加降水量級檢驗(yàn)，部分檢驗(yàn)方法計(jì)算如下：

(1)

Sk=TSk-T′Sk,

(2)

(3)

(4)

其中,k為降水量等級，Ak為預(yù)報(bào)正確站(次)數(shù)，Bk為空報(bào)站(次)數(shù)，Ck為漏報(bào)站(次)數(shù)。本文中TS評分如無特別說明，則表示累加降水量級TS評分。TSk指預(yù)報(bào)結(jié)果1的TS評分，T′Sk指預(yù)報(bào)結(jié)果2的TS評分，Sk若為正值，表示預(yù)報(bào)結(jié)果1對預(yù)報(bào)結(jié)果2有技巧，正值越大，技巧水平越高；反之，負(fù)值表示無技巧。

2.2 OTS方法檢驗(yàn)

初始場的不確定性、數(shù)值計(jì)算近似和物理過程參數(shù)化，使數(shù)值預(yù)報(bào)結(jié)果存在系統(tǒng)性誤差，利用統(tǒng)計(jì)方法對數(shù)值預(yù)報(bào)結(jié)果進(jìn)行訂正，可減少系統(tǒng)性誤差，提高預(yù)報(bào)準(zhǔn)確率[1]。本文使用OTS方法對數(shù)值預(yù)報(bào)結(jié)果進(jìn)行訂正，該方法由吳啟樹等[25]基于模式降水預(yù)報(bào)訂正結(jié)果TS評分最優(yōu)化設(shè)計(jì)。本文重新檢驗(yàn)OTS方法對ECMWF-IFS和SMS-WARMS降水預(yù)報(bào)的訂正能力，以降水預(yù)報(bào)的TS評分作為衡量預(yù)報(bào)效果指標(biāo)，從2018年(本文以年為單位的統(tǒng)計(jì)時(shí)段均指當(dāng)年1—12月)的檢驗(yàn)結(jié)果(圖2)可知，在所有降水量級的各預(yù)報(bào)時(shí)效上，OTS方法對ECMWF-IFS降水預(yù)報(bào)均有明顯訂正能力。在不低于0.1 mm降水量級，SMS-OTS的TS評分略低于SMS-WARMS，其他降水量級SMS-OTS的TS評分明顯高于SMS-WARMS?？傮w上，OTS方法對SMS-WARMS降水預(yù)報(bào)有較好訂正能力。從平均絕對誤差、ETS(equitable threat score)評分、Bias評分、HSS(Heidke skill score)技巧評分等其他檢驗(yàn)項(xiàng)目看，OTS方法對ECMWF-IFS和SMS-WAR-MS的降水預(yù)報(bào)也均有明顯訂正能力。

圖2 2018年ECMWF-IFS，EC-OTS，SMS-WARMS和SMS-OTS的12 h累積降水預(yù)報(bào)在不低于0.1 mm、不低于10 mm、不低于25 mm和不低于50 mm降水量級的TS評分

由圖2還可以看到，對于小到中雨，EC-OTS的預(yù)報(bào)能力優(yōu)于SMS-OTS；對于大雨，EC-OTS的預(yù)報(bào)能力與SMS-OTS基本相當(dāng)；對于暴雨及以上量級降水，SMS-OTS的預(yù)報(bào)能力優(yōu)于EC-OTS。

2.3 全球與區(qū)域模式結(jié)合的降水分級最優(yōu)化權(quán)重集成預(yù)報(bào)算法

降水分級最優(yōu)化權(quán)重集成的基本思想是對不同降水量級設(shè)置不同權(quán)重系數(shù)，使降水的TS評分在各降水量級達(dá)到最優(yōu)。這一算法需要解決兩個(gè)問題：一是確定不同降水量級對應(yīng)的最優(yōu)權(quán)重系數(shù)；二是確定降水量級預(yù)報(bào)，以便選擇對應(yīng)的權(quán)重系數(shù)進(jìn)行集成預(yù)報(bào)。對某個(gè)站點(diǎn)的降水集成預(yù)報(bào)，集成公式如下：

(5)

表1給出SMS-OTS和EC-OTS在不同預(yù)報(bào)時(shí)效不同降水量級時(shí)的最優(yōu)權(quán)重系數(shù)，可以看到，當(dāng)降水量級較小時(shí)，EC-OTS的權(quán)重很大，如對不低于0.1 mm量級，EC-OTS的權(quán)重接近1；當(dāng)降水量級較大時(shí)，SMS-OTS的權(quán)重較大，如對不低于100 mm 量級，SMS-OTS的權(quán)重為0.65～1；隨著降水量級的加大，SMS-OTS的權(quán)重逐漸加大。在進(jìn)行集成預(yù)報(bào)計(jì)算時(shí)，根據(jù)上一次集成降水量預(yù)報(bào)Yj-1，匹配表1得到與Yj-1相對應(yīng)的EC-OTS和SMS-OTS的最優(yōu)權(quán)重系數(shù)，重新進(jìn)行集成得到Y(jié)j，如此進(jìn)行多次迭代。權(quán)重系數(shù)匹配方法如下：從表1的最后一行開始，看Yj-1是否屬于該行第1列給出的降水量級，如果屬于，則該行對應(yīng)的權(quán)重系數(shù)即為與Yj-1相匹配的EC-OTS和SMS-OTS的最優(yōu)權(quán)重系數(shù)，如果不屬于，則上移1行重復(fù)上述判斷。特殊的是，如果0≤Yj-1<0.1 mm，與Yj-1相匹配的EC-OTS 和SMS-OTS的最優(yōu)權(quán)重系數(shù)取不低于0.1 mm 這一行對應(yīng)的最優(yōu)權(quán)重系數(shù)。

表1 SMS-OTS在不同預(yù)報(bào)時(shí)效、不同降水量級的最優(yōu)權(quán)重系數(shù)(EC-OTS的權(quán)重系數(shù)為1減去SMS-OTS的權(quán)重系數(shù))

在進(jìn)行集成預(yù)報(bào)計(jì)算時(shí)，為使降水量級與集成權(quán)重盡可能匹配，設(shè)計(jì)3種方法生成初始集成降水量預(yù)報(bào)Y0：方法1，取EC-OTS降水量賦予Y0；方法2，取SMS-OTS降水量賦予Y0；方法3，取EC-OTS和SMS-OTS降水量的算術(shù)平均賦予Y0。3種Y0生成方法結(jié)合不同的迭代次數(shù)1～3次，可以組成9種集成方案(表2)。此外,本文還設(shè)計(jì)第10種集成方案——等權(quán)重集成，即不考慮集成權(quán)重隨降水量級的變化，EC-OTS和SMS-OTS的權(quán)重固定取為0.5。以12～72 h預(yù)報(bào)時(shí)效的12 h累積降水預(yù)報(bào)為例，表3是2018年10種集成方案的一般性降水TS評分。結(jié)果顯示:前9種方案間的一般性降水TS評分差別不明顯，但均明顯優(yōu)于方案10，相對而言，方案1最優(yōu)。2018年10種集成方案暴雨及以上降水量級(不低于50 mm)TS評分見表4，方案4～6的TS評分比其他方案偏高3%～14%，且優(yōu)勢隨預(yù)報(bào)時(shí)效延長擴(kuò)大。方案6的TS評分除了在24 h 和60 h預(yù)報(bào)時(shí)效略低于方案5外，其他預(yù)報(bào)時(shí)效均為最高?？紤]到暴雨預(yù)報(bào)在定量降水預(yù)報(bào)業(yè)務(wù)中的重要性越來越突出，盡管方案6的一般性降水TS評分略低于方案1，但其在暴雨預(yù)報(bào)中優(yōu)勢較大，因此方案6被選為最優(yōu)集成方案。

表2 10種集成方案的參數(shù)設(shè)置

表3 2018年不同集成方案12 h累積降水預(yù)報(bào)在不同預(yù)報(bào)時(shí)效的一般性降水TS評分

表4 2018年不同集成方案12 h累積降水預(yù)報(bào)在不同預(yù)報(bào)時(shí)效暴雨及以上量級降水TS評分

3 全球模式與區(qū)域模式結(jié)合的降水分級最優(yōu)化權(quán)重集成預(yù)報(bào)試驗(yàn)

利用2018年給定的最優(yōu)權(quán)重系數(shù)和集成方案6進(jìn)行12 h累積降水預(yù)報(bào)集成預(yù)報(bào)試驗(yàn)，2018年為回報(bào)試驗(yàn)時(shí)段，2019年為獨(dú)立樣本預(yù)報(bào)試驗(yàn)時(shí)段。

3.1 2018年回報(bào)試驗(yàn)統(tǒng)計(jì)檢驗(yàn)

由2018年的檢驗(yàn)結(jié)果(圖3)可以看到，集成預(yù)報(bào)24 h預(yù)報(bào)時(shí)效的12 h累積降水預(yù)報(bào)在所有降水量級的TS評分均高于EC-OTS和SMS-OTS。集成預(yù)報(bào)的漏報(bào)率在所有降水量級均明顯小于EC-OTS，集成預(yù)報(bào)的空報(bào)率除在不低于0.1 mm、不低于1 mm和不低于5 mm 3個(gè)降水量級略大于EC-OTS外，其他降水量級均小于EC-OTS。與EC-OTS相比，集成預(yù)報(bào)的漏報(bào)率降幅較空報(bào)率的增幅更加顯著，因此集成預(yù)報(bào)的TS評分優(yōu)于EC-OTS。集成預(yù)報(bào)的空報(bào)率在所有降水量級均明顯小于SMS-OTS，集成預(yù)報(bào)的漏報(bào)率除在不低于100 mm降水量級略小于SMS-OTS外，其他降水量級均大于SMS-OTS。集成預(yù)報(bào)與SMS-OTS相比，其空報(bào)率的降幅較漏報(bào)率的增幅更加顯著，因此集成預(yù)報(bào)的TS評分優(yōu)于SMS-OTS。其他預(yù)報(bào)時(shí)效12 h累積降水預(yù)報(bào)的各降水量級TS評分、空報(bào)率和漏報(bào)率的檢驗(yàn)結(jié)果(圖略)與24 h預(yù)報(bào)時(shí)效類似，不再詳述。對12 h累積降水預(yù)報(bào)在不同預(yù)報(bào)時(shí)效的平均絕對誤差，集成預(yù)報(bào)略小于EC-OTS，顯著小于SMS-OTS。

圖3 2018年EC-OTS，SMS-OTS和集成預(yù)報(bào)的12 h累積降水預(yù)報(bào)在24 h預(yù)報(bào)時(shí)效的TS評分、空報(bào)率、漏報(bào)率及12～72 h預(yù)報(bào)時(shí)效的平均絕對誤差

3.2 2019年獨(dú)立樣本預(yù)報(bào)試驗(yàn)統(tǒng)計(jì)檢驗(yàn)

為了驗(yàn)證集成算法的穩(wěn)定性，本研究用2019年的12 h累積降水進(jìn)行獨(dú)立樣本預(yù)報(bào)試驗(yàn)。由圖4的檢驗(yàn)結(jié)果可以看到，集成預(yù)報(bào)24 h預(yù)報(bào)時(shí)效的12 h 累積降水預(yù)報(bào)在所有降水量級的TS評分均高于EC-OTS和SMS-OTS。對于空報(bào)率，除了在不低于0.1 mm、不低于1 mm和不低于5 mm降水量級集成預(yù)報(bào)略大于EC-OTS外，其他情況下集成預(yù)報(bào)的空報(bào)率最小。對于漏報(bào)率，集成預(yù)報(bào)在所有降水量級均明顯小于EC-OTS，在不低于10 mm、不低于25 mm、不低于75 mm和不低于100 mm降水量級小于SMS-OTS，在不低于35 mm降水量級與SMS-OTS相當(dāng)，在不低于0.1 mm、不低于1 mm、不低于5 mm和不低于50 mm降水量級大于SMS-OTS。其他預(yù)報(bào)時(shí)效12 h累積降水預(yù)報(bào)的各降水量級TS評分、空報(bào)率、漏報(bào)率的檢驗(yàn)結(jié)果(圖略)與24 h預(yù)報(bào)時(shí)效類似，不再詳述。對于12 h累積降水預(yù)報(bào)在不同預(yù)報(bào)時(shí)效的平均絕對誤差，集成預(yù)報(bào)略小于EC-OTS，顯著小于SMS-OTS。

圖4 2019年EC-OTS，SMS-OTS 和集成預(yù)報(bào)的12 h累積降水預(yù)報(bào)在24 h預(yù)報(bào)時(shí)效的TS評分、空報(bào)率、漏報(bào)率和12～72 h預(yù)報(bào)時(shí)效的平均絕對誤差

由2018和2019年的季度檢驗(yàn)結(jié)果(圖5)可知，每季度集成預(yù)報(bào)24 h預(yù)報(bào)時(shí)效12 h累積降水預(yù)報(bào)在所有降水量級均較SMS-OTS和EC-OTS有正技巧，集成預(yù)報(bào)其他預(yù)報(bào)時(shí)效12 h累積降水預(yù)報(bào)在各降水量級較SMS-OTS和EC-OTS也基本為正技巧(圖略)，但具體到某一降水量級，4個(gè)季度的預(yù)報(bào)技巧排序存在較大年際波動，且無明顯規(guī)律。

圖5 2018年和2019年4個(gè)季度集成預(yù)報(bào)24 h預(yù)報(bào)時(shí)效的12 h累積降水預(yù)報(bào)相對于SMS-OTS和EC-OTS的技巧評分

為了更直觀地展現(xiàn)集成算法的預(yù)報(bào)效果，本文對2019年6月22日08:00—23日08:00華南北部、江南南部和西南地區(qū)東部的暴雨過程進(jìn)行個(gè)例分析。圖6是2019年6月21日20:00起報(bào)的SMS-OTS，EC-OTS和集成預(yù)報(bào)36 h預(yù)報(bào)時(shí)效的24 h累積降水預(yù)報(bào)及對應(yīng)實(shí)況。在福建中部至江西西北部，SMS-OTS預(yù)報(bào)為中到大雨，EC-OTS預(yù)報(bào)為暴雨到大暴雨，集成預(yù)報(bào)為暴雨、局部大雨或大暴雨。與SMS-OTS相比，集成預(yù)報(bào)的暴雨漏報(bào)區(qū)域縮小。在華南北部的暴雨落區(qū)邊界，SMS-OTS比EC-OTS偏南，集成預(yù)報(bào)位于兩者之間，與SMS-OTS相比，集成預(yù)報(bào)的暴雨空報(bào)區(qū)域縮小，與EC-OTS相比，暴雨漏報(bào)區(qū)域縮小。在福建東北部和浙江南部至江西東部，EC-OTS預(yù)報(bào)較大范圍的大暴雨，而SMS-OTS只在浙江南部、福建東北部和福建中部沿海預(yù)報(bào)大暴雨，與EC-OTS相比，集成預(yù)報(bào)向北調(diào)整大暴雨落區(qū)的南界且在福建中部沿海預(yù)報(bào)大暴雨，從而縮小大暴雨空報(bào)和漏報(bào)區(qū)域，但與SMS-OTS相比，集成預(yù)報(bào)的大暴雨空報(bào)區(qū)域擴(kuò)大。在江西南部、福建西南部、廣東北部、貴州東南部，SMS-OTS預(yù)報(bào)一條大暴雨帶，而EC-OTS只預(yù)報(bào)大雨到暴雨，集成預(yù)報(bào)較SMS-OTS縮小大暴雨落區(qū)從而減少空報(bào)，但集成預(yù)報(bào)相比EC-OTS大暴雨空報(bào)偏多。在廣西北部的大暴雨落區(qū)，SMS-OTS比EC-OTS偏東，因在大暴雨量級中SMS-OTS權(quán)重較大，集成預(yù)報(bào)的大暴雨落區(qū)也比EC-OTS偏東，與EC-OTS相比集成預(yù)報(bào)的大暴雨空報(bào)和漏報(bào)區(qū)域縮小?？傊?，基于SMS-OTS和EC-OTS的集成預(yù)報(bào)在降水的“漏報(bào)”與“空報(bào)”之間找到平衡并降低空漏率，能最大幅度提升降水預(yù)報(bào)的TS評分。對于此次降雨過程預(yù)報(bào)，SMS-OTS，EC-OTS和集成預(yù)報(bào)不低于50 mm 降水量級的TS評分分別為0.295，0.292和0.323，不低于100 mm降水量級的TS評分分別為0.092，0.086和0.113，盡管SMS-OTS和EC-OTS已較好預(yù)報(bào)出此次暴雨到大暴雨過程，但集成預(yù)報(bào)結(jié)果仍有較大幅度提高。

圖6 2019年6月21日20:00起報(bào)的SMS-OTS，EC-OTS和集成預(yù)報(bào)36 h預(yù)報(bào)時(shí)效的24 h累積降水預(yù)報(bào)以及2019年6月22日08:00—23日08:00降水實(shí)況分布

綜合看，2019年獨(dú)立樣本預(yù)報(bào)試驗(yàn)統(tǒng)計(jì)檢驗(yàn)結(jié)論與2018年回報(bào)試驗(yàn)統(tǒng)計(jì)檢驗(yàn)結(jié)論相似，說明全球模式與區(qū)域模式結(jié)合的降水分級最優(yōu)化權(quán)重集成預(yù)報(bào)算法穩(wěn)定且有效。

表5為2019年泛長江區(qū)域預(yù)報(bào)員逐12 h精細(xì)化天氣預(yù)報(bào)報(bào)文與集成預(yù)報(bào)12 h累積降水預(yù)報(bào)的TS評分。表6為2019年泛長江區(qū)域國家氣象中心預(yù)報(bào)員逐24 h累積定量降水預(yù)報(bào)與集成預(yù)報(bào)24 h累積降水預(yù)報(bào)的TS評分。基于預(yù)報(bào)的可應(yīng)用性，采用主觀預(yù)報(bào)與預(yù)報(bào)時(shí)效滯后12 h的集成預(yù)報(bào)對比，即對12 h累積降水預(yù)報(bào)(24 h累積降水預(yù)報(bào))，12 h(24 h)預(yù)報(bào)時(shí)效的主觀預(yù)報(bào)與24 h(36 h)預(yù)報(bào)時(shí)效的集成預(yù)報(bào)對應(yīng)，其他預(yù)報(bào)時(shí)效類推。由于SMS-WARMS的預(yù)報(bào)時(shí)效為0～72 h，故對12 h累積降水預(yù)報(bào)，主觀預(yù)報(bào)與集成預(yù)報(bào)可對比的預(yù)報(bào)時(shí)效為0～60 h；對24 h累積降水預(yù)報(bào)，主觀預(yù)報(bào)與集成預(yù)報(bào)可對比的預(yù)報(bào)時(shí)效為0～48 h。由表5和表6可以看到，在不低于0.1 mm、不低于10 mm、不低于25 mm、不低于50 mm和不低于100 mm共5個(gè)降水量級中，對12 h累積降水預(yù)報(bào)的TS評分，除了在24 h預(yù)報(bào)時(shí)效和不低于100 mm降水量級預(yù)報(bào)員主觀預(yù)報(bào)高于集成預(yù)報(bào)外，其他可對比預(yù)報(bào)時(shí)效集成預(yù)報(bào)均高于預(yù)報(bào)員主觀預(yù)報(bào)，其中24 h預(yù)報(bào)時(shí)效不低于50 mm降水量級，主觀預(yù)報(bào)和集成預(yù)報(bào)TS評分分別為0.114和0.144，后者較前者高0.030。對24 h累積降水預(yù)報(bào)的TS評分，集成預(yù)報(bào)均高于預(yù)報(bào)員主觀預(yù)報(bào)，其中24 h預(yù)報(bào)時(shí)效不低于50 mm降水量級，集成預(yù)報(bào)比主觀預(yù)報(bào)的TS評分高0.017。檢驗(yàn)結(jié)果表明:集成預(yù)報(bào)的定量降水預(yù)報(bào)能力高于同期預(yù)報(bào)員主觀預(yù)報(bào)，具有較高的業(yè)務(wù)應(yīng)用價(jià)值。

表5 2019年泛長江區(qū)域預(yù)報(bào)員逐12 h精細(xì)化天氣預(yù)報(bào)報(bào)文與集成預(yù)報(bào)的12 h累積降水預(yù)報(bào)的TS評分對比

表6 2019年泛長江區(qū)域國家氣象中心預(yù)報(bào)員逐24 h累積定量降水預(yù)報(bào)與集成預(yù)報(bào)的24 h累積降水預(yù)報(bào)的TS評分對比

4 結(jié)論與討論

全球數(shù)值天氣預(yù)報(bào)模式和區(qū)域數(shù)值天氣預(yù)報(bào)模式對于不同量級降水的預(yù)報(bào)能力存在差異，為了綜合全球模式和區(qū)域模式各自的預(yù)報(bào)優(yōu)勢，本文以泛長江區(qū)域?yàn)檠芯糠秶?，基于EC-OTS和SMS-OTS進(jìn)行全球模式與區(qū)域模式結(jié)合的降水分級最優(yōu)化權(quán)重集成預(yù)報(bào)試驗(yàn)，將集成結(jié)果與EC-OTS，SMS-OTS及預(yù)報(bào)員主觀預(yù)報(bào)進(jìn)行對比，結(jié)果表明：

1)經(jīng)OTS方法訂正后，EC-OTS和SMS-OTS的預(yù)報(bào)能力顯著優(yōu)于模式直接輸出。對于小到中雨，EC-OTS的預(yù)報(bào)能力優(yōu)于SMS-OTS；對于大雨，EC-OTS的預(yù)報(bào)能力與SMS-OTS基本相當(dāng)；對于暴雨及以上量級降水，SMS-OTS的預(yù)報(bào)能力優(yōu)于EC-OTS。

2)通過窮舉法分降水量級選出最優(yōu)權(quán)重系數(shù)。EC-OTS在低降水量級權(quán)重較大，隨著降水量級的加大，SMS-OTS的權(quán)重逐漸加大；EC-OTS和SMS-OTS在不同降水量級的最優(yōu)集成權(quán)重與兩者對該量級降水的預(yù)報(bào)能力成正比。最優(yōu)集成方案是初始集成降水量預(yù)報(bào)取SMS-OTS，集成運(yùn)算迭代3次。

3)集成預(yù)報(bào)在所有降水量級的預(yù)報(bào)能力均優(yōu)于EC-OTS和SMS-OTS。集成預(yù)報(bào)在所有降水量級、不同預(yù)報(bào)時(shí)效的TS評分均高于EC-OTS和SMS-OTS，其降水量預(yù)報(bào)平均絕對誤差略小于EC-OTS，顯著小于SMS-OTS。集成預(yù)報(bào)與EC-OTS相比，漏報(bào)率降幅較空報(bào)率增幅顯著；集成預(yù)報(bào)與SMS-OTS相比，空報(bào)率降幅較漏報(bào)率增幅更明顯。綜合看，集成預(yù)報(bào)TS評分優(yōu)于單一模式。

4)以2019年降水?dāng)?shù)據(jù)為獨(dú)立樣本的預(yù)報(bào)試驗(yàn)表明：在與預(yù)報(bào)員主觀預(yù)報(bào)對應(yīng)的所有可參考預(yù)報(bào)時(shí)效上，集成預(yù)報(bào)12 h累積降水預(yù)報(bào)的TS評分優(yōu)于預(yù)報(bào)員主觀預(yù)報(bào)，24 h累積降水預(yù)報(bào)的TS評分優(yōu)于國家氣象中心預(yù)報(bào)員主觀預(yù)報(bào)。

本研究也嘗試對集成預(yù)報(bào)結(jié)果進(jìn)行OTS訂正，但集成預(yù)報(bào)訂正結(jié)果并不優(yōu)于集成預(yù)報(bào)。本文提出的全球模式與區(qū)域模式結(jié)合的降水分級最優(yōu)化權(quán)重集成預(yù)報(bào)算法在應(yīng)用時(shí)還需注意：①本文將泛長江區(qū)域作為整體統(tǒng)一建模以確定降水分級最優(yōu)化權(quán)重系數(shù)，某個(gè)省(區(qū)、市)在應(yīng)用時(shí)需通過統(tǒng)計(jì)確定其最優(yōu)的分區(qū)建模方案。②本算法采用預(yù)報(bào)年的上一年作為訓(xùn)練期，不同模式在不同季節(jié)對不同量級降水的預(yù)報(bào)能力可能差異明顯，訓(xùn)練期方案的優(yōu)選需深入研究。③除了ECMWF-IFS和SMS-WARMS外，若采用更多優(yōu)秀的全球模式和區(qū)域模式參與集成，預(yù)報(bào)質(zhì)量可能更優(yōu)，但這在業(yè)務(wù)應(yīng)用時(shí)對模式資料的準(zhǔn)點(diǎn)性、完整性要求也更高。