田剛，陳良華，魏凡，熊紅梅

(1.武漢中心氣象臺，武漢430074；2.三峽梯調(diào)通信中心，宜昌443000；3.湖北省公眾氣象服務(wù)中心，武漢430074)

引言

長江流域橫跨中國東部、中部和西部三大經(jīng)濟(jì)區(qū)，河流湖庫眾多，暴雨洪澇災(zāi)害頻發(fā)。為趨利避害，流域內(nèi)先后興建了數(shù)萬座大小水庫，特別是三峽-葛洲壩、金沙江下游梯級水庫在減災(zāi)興利中具骨干作用。增強(qiáng)定量降水預(yù)報水平、提高洪水預(yù)報精度，優(yōu)化上游水庫群對中下游防洪補(bǔ)償調(diào)度的庫容分配、水位控制，已成為長江水旱災(zāi)害防御的重點(diǎn)。0~3 h短臨預(yù)報作為定量降水預(yù)報的重要一環(huán)，目前的解決方案主要是監(jiān)測外推或數(shù)值預(yù)報。直接使用數(shù)值模式輸出結(jié)果(崔講學(xué)等，2018)依然是流域水文氣象預(yù)報業(yè)務(wù)的主要方法，然而因數(shù)值預(yù)報模式起轉(zhuǎn)問題，初始幾小時的預(yù)報結(jié)果常較大偏離于實(shí)況。由于雷達(dá)回波外推在前3 h內(nèi)的預(yù)報效果要好于數(shù)值模式預(yù)報(王丹等，2014)，氣象部門0～3 h短臨預(yù)報的業(yè)務(wù)一般采取基于雷達(dá)數(shù)據(jù)的定量降水估算及監(jiān)測外推(金榮花等，2019)。因此，將短臨預(yù)報技術(shù)的最新進(jìn)展應(yīng)用于長江流域定量降水預(yù)報，對有效提高洪水預(yù)報精度具有重要意義。

氣象部門短臨預(yù)報業(yè)務(wù)主要是基于雷達(dá)數(shù)據(jù)的雷暴識別追蹤和外推，包括單體質(zhì)心法和交叉相關(guān)法。以TITAN(Thunderstorm Identification Tracking Analy?sis and Nowcasting)(侯正俊等，2018)和SCIT(Storm Cell Identification and Tracking)(王芬等，2010)為代表的單體質(zhì)心法主要應(yīng)用于對流降水系統(tǒng)。TREC(交叉相關(guān)法)通過風(fēng)場外推，既可以跟蹤對流降水系統(tǒng),也可以跟蹤層狀云降水系統(tǒng)，在短臨預(yù)報業(yè)務(wù)中得到了廣泛應(yīng)用(張亞萍等，2010)，但由于其對變化較快的強(qiáng)對流降水系統(tǒng)風(fēng)場外推質(zhì)量迅速下降常出現(xiàn)跟蹤失敗。

為改進(jìn)矢量風(fēng)場的計算效果，針對交叉相關(guān)法存在的不足，近年來計算機(jī)視覺領(lǐng)域中的光流法(Gib?son，1950；Horn and Schunck，1981；Lucas and Kanade，1981；Baker et al.，2009)被引入氣象領(lǐng)域，嘗試使用光流法計算的雷達(dá)回波矢量場來代替TREC風(fēng)場，取得了較好的進(jìn)展：如利用基于全局平滑的HS(Horn-Sc?hunck)光流場計算方法(韓雷等，2008)，改進(jìn)了北京單部雷達(dá)的外推預(yù)報效果；利用局部平滑約束的LK(Lu?cas-Kanade)光流場計算方法(曹春燕等，2015)，改善了廣東省10部雷達(dá)的回波拼圖外推結(jié)果；而王志斌等(2017)嘗試克服HS法易出現(xiàn)局部最小化和LK整場不易滿足最優(yōu)條件的不足，提出了綜合HS法、LK法的改進(jìn)光流法，發(fā)現(xiàn)對湖北省6部雷達(dá)的回波拼圖外推結(jié)果較單獨(dú)使用一種方法有較好的改進(jìn)，之后又提出了用變分光流法作進(jìn)一步改進(jìn)(王志斌等，2019)。本文即以王志斌等(2019)提出的變分光流法為基礎(chǔ)，結(jié)合新近發(fā)展的融合網(wǎng)格實(shí)況，對2020年整個長江流域的降水短臨外推預(yù)報效果進(jìn)行檢驗評估，探討短臨預(yù)報業(yè)務(wù)發(fā)展成果應(yīng)用于流域服務(wù)業(yè)務(wù)的可行性，嘗試為長江洪水防御和資源化利用提供更加精準(zhǔn)的氣象支撐。

1 資料與方法

1.1 資料

(1)水文站資料：使用長江流域主要控制站三峽、蓮花塘、漢口、大通等站的日最高水位、日最大流量。2020年為20世紀(jì)以來，繼1931年、1954年、1998年后，長江再次出現(xiàn)的罕見流域性大洪水。汛期長江上游發(fā)生了5次編號洪水，三峽最大入庫流量見表1。

表1 2020年長江5次編號洪水三峽最大入庫流量Table 1 The maximum inflow of the Three Gorges during the five numbered floods of the Yangtze River in 2020.

中游漢口站7月6日—8月7日連續(xù)33 d超警戒水位，最大流量7月29日61 400 m3·s-1，蓮花塘站7月5日—9月1日連續(xù)59 d超警戒水位，其中6 d超保證水位；下游大通站7月6日—8月10日連續(xù)36 d超警戒水位，最大流量7月13日84 600 m3·s-1。

(2)氣象站資料：包括2020年長江流域736個國家自動氣象站和20 360個區(qū)域自動氣象站逐小時降水資料。本文主要針對國家質(zhì)控考核質(zhì)量較好的國家氣象站降水作檢驗評估，地方性加密服務(wù)的區(qū)域氣象站用于降水空間分布與量級的定性分析。引發(fā)2020年長江流域性大洪水的共有17次降水過程，其中6月7次，分別為1—3日、5—7日、7—9日、11—13日、15—17日、20—25日、26—30日；7月5次，分別為1—3日、4—9日、10—12日、14—19日、24—27日；8月5次，分別為6—9日、10—12日、14—17日、19—20日、29—30日。歷次降水過程降雨分布見圖1。

(3)格點(diǎn)實(shí)況資料：應(yīng)用于降水評估的格點(diǎn)實(shí)況使用中國氣象局國家氣象信息中心的2020年全國智能網(wǎng)格實(shí)況地面—衛(wèi)星—雷達(dá)三源融合降水分析逐小時產(chǎn)品(潘旸等，2015)，空間分辨率5 km×5 km，其結(jié)合了地面氣象站、衛(wèi)星、雷達(dá)不同來源降水資料的優(yōu)勢(李紅莉等，2009)。該產(chǎn)品對長江流域降水的估算結(jié)果平均較實(shí)況數(shù)值偏小(許冠宇等，2020)，降水量級越大，估算誤差越大，不分量級其平均絕對誤差率在20%～30%。

(4)雷達(dá)資料：長江流域四川、貴州、云南、重慶、陜西、湖北、湖南、江西、安徽、上海、浙江等省市共84部多普勒雷達(dá)逐6 min觀測資料，對每部雷達(dá)采取模糊邏輯法進(jìn)行質(zhì)量控制(吳濤等，2013)，三維拼圖使用極坐標(biāo)向三維直角坐標(biāo)的轉(zhuǎn)換(肖艷姣等，2006)，單站雷達(dá)之間重疊部分采用高斯距離加權(quán)方法進(jìn)行插值，并利用5點(diǎn)平滑對全場進(jìn)行平滑處理。

圖1 2020年6—8月長江流域17次降水過程歷次總降水量空間分布圖(a.6月1—3日；b.6月5—7日；c.6月7—9日；d.6月11—13日；e.6月15—17日；f.6月20—25日；g.6月26—30日；h.7月1—3日；i.7月4—9日；j.7月10—12日；k.7月14—19日；l.7月24—27日；m.8月6—9日；n.8月10—12日；o.8月14—17日；p.8月19—20日；q.8月29—30日)Fig.1 Spatial distribution of total precipitation of 17 precipitation events in the Yangtze River Basin from June to August in 2020(a.June 1-3;b.June 5-7;c.June 7-9;d.June 11-13;e.June 15-17;f.June 20-25;g.June 26-30;h.July1-3;i.July 4-9;j.July 10-12;k.July 14-19;l.July 24-27;m.August 6-9;n.August 10-12;o.August 14-17;p.August 19-20;q.August 29-30).

為了評估降水臨近預(yù)報在各個子流域的效果，本文將長江流域劃分為39個子流域進(jìn)行分區(qū)檢驗，包括金沙江上游、金沙江中游、金沙江下游、雅礱江、岷江、沱江、向家壩-寸灘、涪江、嘉陵江、渠江、寸灘-萬州、萬州-宜昌、烏江上游、烏江中游、烏江下游、石泉以上、石泉-安康、安康-丹江口、丹江口-皇莊、皇莊以下、江漢平原、武漢、鄂東北、陸水、清江、澧水、沅江、洞庭湖區(qū)、資水、湘江、修水、贛江、鄱陽湖區(qū)、饒河、信江、撫河、青弋江水陽江、滁河、長江下游干流。其中金沙江上中游、雅礱江以及岷江、嘉陵江兩江西部的雷達(dá)和自動站明顯覆蓋不足，不僅相關(guān)區(qū)域的雷達(dá)外推預(yù)報效果難以保證，而且格式實(shí)況降水誤差也很大，原因是格式實(shí)況降水主要靠衛(wèi)星估測，但衛(wèi)星主要反映的是天氣系統(tǒng)頂部信息，因此上述子流域分區(qū)的預(yù)報效果參考性不強(qiáng)。39個子流域、84部雷達(dá)、736個國家氣象站的分布見圖2。

圖2 長江各個子流域、組網(wǎng)雷達(dá)和國家氣象站分布示意圖Fig.2 Distribution of sub basins,Netted Radars and national meteorological stations in the Yangtze River.

1.2 基于光流法雷達(dá)外推的降水預(yù)報方案

(1)光流法求雷達(dá)回波移動矢量場。光流法研究的是三維圖像在二維平面投影時圖像灰度在時間上的變化與圖像結(jié)構(gòu)及運(yùn)動的關(guān)系，實(shí)質(zhì)是由二維光流場重構(gòu)三維運(yùn)動場，根據(jù)Gibson(1950)提出的原始光流方程

①全局平滑約束的HS法。HS法中認(rèn)為同一運(yùn)動物體的光流場連續(xù)及平滑，因此構(gòu)建以下灰度全局約束方程

式中:λ是平滑系數(shù)(λ>0)，J0是灰度守恒項(數(shù)據(jù)項)，JHS是約束項(平滑項)。利用歐拉-拉格朗日方法可求解方程，數(shù)值解可用雅克比迭代法求解。

②局部平滑約束的LK法。而LK法則假定小區(qū)域Ω的光流維持恒定不變，即在局部補(bǔ)充n個方程，由式(1)轉(zhuǎn)換為

當(dāng)n>2時,式(5)是超定方程，可用最小二乘法求解。若假定的小區(qū)域Ω內(nèi)使用一個窗口權(quán)重函數(shù)W，使得靠近中心區(qū)域的影響比其他范圍大，得到的運(yùn)動矢量場則為

③改進(jìn)變分法。近年來基于變分建模逐漸成為當(dāng)前主流的光流計算方法(柳士俊和張蕾，2015)，而變分光流計算就是最小化某個能量泛函的過程。而通過建立數(shù)據(jù)項和平滑項的卷積形式，將HS、LK的優(yōu)點(diǎn)結(jié)合起來，使既滿足光滑、又能克服噪聲，呈現(xiàn)魯棒性。將數(shù)據(jù)項、平滑項進(jìn)行多種組合，并結(jié)合卷積形式，可以統(tǒng)一絕大部分光流算法。本文采取王志斌等(2019)的改進(jìn)變分光流法(以下簡稱為光流法)，即對(2)、(5)式進(jìn)行組合，把矢量(u，v，1)、灰度矢量I通過向量相乘得到(7)式，并加入變分約束項，構(gòu)建如(8)式所示的變分光流能量函數(shù)，用數(shù)值方法求解其極小值即可。

式中,F(x，y，t)是雷達(dá)圖像序列，x、y在Ω內(nèi)；fx、fy、ft為光流在x、y方向及沿時間t的變化；向量W(x，y)=(u(x，y)，v(x，y)，1)T；?3F=（fx，fy，ft）T為光流梯度向量；向量Jρ( ?3F)=Kρ*?3F?3FT，*為卷積，Kρ為標(biāo)準(zhǔn)差,為ρ的高斯分布；α>0。ρ→0，可歸為HS方法；α→0，即為LK方法。本文中，α取2 700，ρ取1.8。

(2)雷達(dá)回波與降水強(qiáng)度的轉(zhuǎn)換。雷達(dá)回波對應(yīng)的降水計算主要采用基于準(zhǔn)同雨團(tuán)樣本概念雷達(dá)和雨量計的實(shí)時同步結(jié)合方法(RASIM方法)(萬玉發(fā)等,2008)，用同步積分使雷達(dá)和自動氣象站降水采樣為準(zhǔn)同雨團(tuán)樣本，建立雷達(dá)回波與降水的動態(tài)轉(zhuǎn)換Z-R關(guān)系。

(3)降水臨近預(yù)報。改進(jìn)王玨等(2008)提出的多尺度合成降水臨近預(yù)報技術(shù)，使用光流法代替相關(guān)法求雷達(dá)回波速度，采用半拉格朗日法進(jìn)行回波降水外推預(yù)報。通過β-γ尺度濾波、光流法計算回波移動速度矢量、γ尺度回波移速處理后，再采取四項處理：①用Z-R關(guān)系實(shí)現(xiàn)回波轉(zhuǎn)換降水強(qiáng)度；②用半拉格朗日法進(jìn)行各個尺度的回波降水強(qiáng)度外推預(yù)報；③用軌跡象元瞬時攝像玷染求和法(TPIS)(萬玉發(fā)等,1998)求累計降水；④對幾個尺度外推的降水量結(jié)果進(jìn)行疊加并取最大值，從而得到各個預(yù)報時效的降水量計算結(jié)果。

基于光流法的降水預(yù)報方案流程如圖3所示。

1.3 檢驗方案

圖3 基于光流法雷達(dá)外推的降水預(yù)報方案流程圖Fig.3 Flow chart of precipitation forecast scheme based on optical flow radar extrapolation.

主要基于質(zhì)量較好的736個國家氣象站、格點(diǎn)實(shí)況降水，對基于光流法的雷達(dá)外推降水臨近預(yù)報值結(jié)果進(jìn)行檢驗，檢驗方案如下：

(1)分級及累加定量降水檢驗。根據(jù)降水量(R)的大小，分級降水檢驗分別按照0.1 mm≤R≤2.9 mm、3.0mm≤R≤9.9mm、10.0mm≤R＜≤19.9mm、20.0mm≤R≤49.9 mm、R≥50 mm不同降水量級分別檢驗。

(2)分時段外推預(yù)報檢驗。針對外推預(yù)報0～3 h及0～1 h、1～2 h、2～3 h的結(jié)果分別檢驗。

(3)站點(diǎn)鄰域法檢驗。對國家氣象站周邊一定范圍的格點(diǎn)降水外推預(yù)報進(jìn)行檢驗，即在雨量站周邊4個點(diǎn)(含該點(diǎn))外推預(yù)報值與氣象站雨量測量值絕對誤差最小的數(shù)值作為該點(diǎn)外推預(yù)報的降水值，該站點(diǎn)外推預(yù)報值與國家氣象站站點(diǎn)實(shí)況值對比進(jìn)行降水檢驗。以下相關(guān)檢驗簡稱“站點(diǎn)-格點(diǎn)”檢驗。

(4)格點(diǎn)鄰域法檢驗。不對外推預(yù)報和融合降水實(shí)況格點(diǎn)進(jìn)行嚴(yán)格的一對一匹配，而是依據(jù)外推預(yù)報格點(diǎn)為中心的一定范圍內(nèi)是否出現(xiàn)評定的事件的融合降水實(shí)況格點(diǎn)來評定該格點(diǎn)外推預(yù)報正確。劃定10 km為掃描半徑范圍。以下相關(guān)檢驗簡稱“格點(diǎn)-格點(diǎn)”檢驗。

(5)檢驗指標(biāo)包括TS評分、平均誤差、平均絕對誤差率、均方根誤差。

其中TS評分的計算公式為

式中NAk為預(yù)報正確的站(次)數(shù)、NBk為空報站(次)數(shù)、NCk為漏報站(次)數(shù)，k為1～5，分別代表各級降水。

2 結(jié)果分析

2.1 降水分級樣本分析

降水分級檢驗評定標(biāo)準(zhǔn)見表2。2020年6—8月長江流域17次降水過程中，1 h累計雨量≥20 mm、≥50 mm的樣本數(shù)分別為2 838個、159個，最大1 h累計雨量134.6 mm，8月11日02時出現(xiàn)在長江上游岷江四川蘆山站。3 h累計雨量≥20 mm、≥50 mm樣本數(shù)分別為14 844個、2 029個，3 h最大累計雨量324.2 mm，8月11日02時也出現(xiàn)在岷江四川蘆山站。736個國家氣象站參與檢驗的1 h、3 h累計雨量≥0.1 mm分級樣本數(shù)分別如表3、表4所示。

表2 降水分級檢驗評定表Table 2 Brief table of precipitation grading inspection and evaluation.

表3 2020年長江6—8月17次降水過程國家氣象站1 h累計雨量≥0.1 mm的分級樣本數(shù)(單位：個)Table 3 The number of classified samples(unit:number)with 1-hour accumulated precipitation≥0.1 mm at national meteorological stations for 17 precipitation events in the Yangtze River Basin from June to August in 2020.

表4 2020年長江6—8月17次降水過程國家氣象站3 h累計雨量≥0.1 mm的分級樣本數(shù)(單位：個)Table 4 The number of classified samples(unit:number)with 3-hour cumulative precipitation≥0.1 mm at national meteorological stations for 17 precipitation events inthe Yangtze River Basin from June to August in 2020.

2.2 “站點(diǎn)-格點(diǎn)”分級降水預(yù)報TS檢驗

應(yīng)用736個國家氣象站評估光流法臨近降水預(yù)報的結(jié)果，圖4給出了長江流域39分區(qū)17次過程“站點(diǎn)-格點(diǎn)”檢驗方案0～3 h的TS評分結(jié)果，從圖中可以看出：

(1)光流法的臨近預(yù)報在不同流域分區(qū)的TS評分，與雷達(dá)及雨量站分布存在較大的相關(guān)性。雷達(dá)及雨量站分布較為稀疏的金沙江上游和中游、雅礱江等子流域，光流法的臨近預(yù)報TS評分較低，50 mm以下各個分級評分結(jié)果，金沙江上游為0，金沙江中游、雅礱江均在0.08以下；而雷達(dá)及雨量站分布較密集的長江中下游各子流域，TS評分相對較高，0.1～2.9 mm、3～9.9 mm、10～19.9 mm、20～49.9 mm量級降水TS評分，岷江以東的各分區(qū)絕大多數(shù)均超過0.1，其中0.1～2.9 mm量級TS評分最高的武漢流域為0.33，3～9.9 mm量級TS評分最高的清江流域為0.32，10～19.9 mm量級最高的滁河流域為0.2，20～49.9 mm量級，最高的滁河流域為0.28。TS評分與雷達(dá)及雨量站分布呈正相關(guān)，雷達(dá)及雨量站分布越稀疏的流域，評分越低。

(2)不同流域分區(qū)的TS評分，與洪水過程降水落區(qū)分布有一定關(guān)聯(lián)。在不考慮雷達(dá)覆蓋不足的金沙江、雅礱江、岷江、嘉陵江幾個子流域情況下，洪水過程總體降水相對集中區(qū)主要位于沱江、涪江以及長江干流附近的烏江下游、萬州-宜昌、清江、澧水、江漢平原、皇莊以下、武漢、鄂東北、修水、鄱陽湖區(qū)、饒河、青弋水陽江、長下干等子流域，以上子流域在0.1～2.9 mm、3～9.9 mm、10～19.9 mm、20～49.9 mm各個量級中均處于相對高分區(qū)，0.1～2.9 mm量級TS評分均在0.25～0.33，3～9.9 mm量級TS評分均在0.19～0.32，10～19.9 mm量級TS評分均在0.14～0.21，20～49.9 mm量級TS評分均在0.14～0.28。降水相對偏少的烏江上中游、石泉以上、安康-丹江口、資水、湘江多離長江干流較遠(yuǎn)，呈現(xiàn)有相對低分的情況，如3～9.9 mm量級烏江中游、資水TS評分為0.17和0.18，10～19.9 mm量級烏江中游TS評分為0.11，20～49.9 mm量級資水TS評分低至0.08。

(3)對極端強(qiáng)降水的預(yù)報上，光流法有一定的降水預(yù)報表現(xiàn)。從≥50.0 mm量級TS評分來看，超過0.1有沱江、石泉以上、武漢、陸水、洞庭湖區(qū)、贛江、饒河、撫河8個子流域，這表明光流法的臨近預(yù)報對這些子流域的極端降水預(yù)報效果較好，對長江流域中小河流洪水預(yù)報有較高的參考價值。

2.3 “格點(diǎn)-格點(diǎn)”分級降水預(yù)報TS檢驗

應(yīng)用格點(diǎn)實(shí)況降水評估光流法臨近降水預(yù)報的結(jié)果，圖5給出了長江流域39分區(qū)17次過程“格點(diǎn)-格點(diǎn)”檢驗方案0～3 h的TS評分結(jié)果，可以看出其與“站點(diǎn)-格點(diǎn)”檢驗方案的結(jié)果存在一定的相似性：

(1)“格點(diǎn)-格點(diǎn)”方案的TS評分也與雷達(dá)及雨量站分布存在較大的相關(guān)性。雷達(dá)及雨量站分布較為稀疏的金沙江上游和中游、雅礱江等子流域，光流法的臨近預(yù)報TS評分較低，20 mm以下各個分級評分結(jié)果，金沙江上游為0，金沙江中游、雅礱江均在0.07以下，20～49.9 mm雅礱江提高至0.11～0.12，金沙江上游、中游僅為0～0.01；而雷達(dá)及雨量站分布較密集的長江中下游各子流域，TS評分相對較高，0.1～2.9 mm、3～9.9 mm、10～19.9 mm、20～49.9 mm量級降水TS評分岷江以東的各分區(qū)，絕大多數(shù)均超過0.13，其中0.1～2.9 mm最高的信江為0.38，3～9.9 mm最高的清江為0.38，10～19.9 mm最高的寸灘-萬州為0.29，20～49.9 mm最高的陸水為0.33，均較“站點(diǎn)-格點(diǎn)”方案有所提高。

圖4 長江流域39分區(qū)17次過程0～3 h降水預(yù)報站點(diǎn)—格點(diǎn)TS評分(a.0.1～2.9 mm；b.3～9.9 mm；c.10～19.9 mm；d.20～49.9 mm；e.≥50 mm)Fig.4“Station-Grid”TS score of 0～3 h precipitation forecast for 17 events in 39 districts in the Yangtze River Basin.(a.0.1-2.9 mm；b.3-9.9 mm；c.10-19.9 mm；d.20-49.9 mm；e.≥50 mm)

(2)在不考慮雷達(dá)覆蓋不足的金沙江、雅礱江、岷江、嘉陵江幾個子流域情況下，“格點(diǎn)-格點(diǎn)”方案的TS評分，也與洪水過程降水落區(qū)分布有關(guān)。洪水過程總體降水相對集中區(qū)主要位于沱江、涪江以及長江干流附近的各個子流域在3～9.9 mm、10～19.9 mm、20～49.9 mm各個量級中均處于相對高分區(qū)，3～9.9 mm量級TS評分均在0.27～0.38，10～19.9 mm量級TS評分均在0.20～0.29，20～49.9 mm量級TS評分均在0.20～0.33。降水相對偏少的烏江上中游、石泉以上、安康-丹江口、資水、湘江多離長江干流較遠(yuǎn)，呈現(xiàn)有相對低分的情況，如3～9.9 mm量級贛江、湘江TS評分為0.23和0.24，10～19.9 mm量級湘江、贛江TS評分為0.15和0.16，20～49.9 mm量級石泉以上、安康-丹江口、湘江TS評分低至0.12、0.13、0.13，但相對較“站點(diǎn)-格點(diǎn)”方案有所提高。

(3)對極端強(qiáng)降水的預(yù)報上，光流法有較好的降水預(yù)報表現(xiàn)。從≥50.0 mm量級TS評分來看，除石泉以上、安康-丹江口、陸水外其他子流域的TS評分均較“站點(diǎn)-格點(diǎn)”方案有明顯提高。超過0.1的有岷江、沱江、向家壩-寸灘、涪江、萬州-宜昌、皇莊以下、武漢、鄂東北、沅江、洞庭湖區(qū)、贛江、鄱陽湖區(qū)、饒河、撫河、滁河14個子流域，較“站點(diǎn)-格點(diǎn)”方案增加6個子流域，對實(shí)況降水的相對強(qiáng)中心區(qū)域能夠有更好的表現(xiàn)。

圖5 長江流域39分區(qū)17次過程0～3 h降水預(yù)報格點(diǎn)—格點(diǎn)TS評分(a.0.1～2.9 mm；b.3～9.9 mm；c.10～19.9 mm；d.20～49.9 mm；e.≥50 mm)Fig.5“Gird-Gird”TS score of 0～3 h precipitation forecast for 17 events in 39 districts in the Yangtze River Basin.(a.0.1-2.9 mm；b.3-9.9 mm；c.10-19.9 mm；d.20-49.9 mm；e.≥50 mm)

(4)與“站點(diǎn)-格點(diǎn)”降水預(yù)報檢驗TS結(jié)果相比，基于格點(diǎn)實(shí)況降水的“格點(diǎn)-格點(diǎn)”降水預(yù)報檢驗結(jié)果在各個量級上均有明顯提高，這是由于融合了雷達(dá)和衛(wèi)星資料的格點(diǎn)實(shí)況降水能夠填補(bǔ)站點(diǎn)稀疏地區(qū)的降水盲區(qū)，而且格點(diǎn)實(shí)況降水落區(qū)相對平滑，更能表征大范圍降水落區(qū)分布特征。

2.4 不同時效TS評分結(jié)果

通過以上分析，可以看到基于格點(diǎn)實(shí)況降水的格點(diǎn)-格點(diǎn)降水預(yù)報檢驗結(jié)果在絕大多數(shù)量級上均有明顯提高，同時格點(diǎn)實(shí)況降水落區(qū)相對平滑，更能表征大范圍降水落區(qū)分布特征，因此選擇應(yīng)用“格點(diǎn)-格點(diǎn)”檢驗方法來評估0～1 h、1～2 h、2～3 h各個時效的臨近預(yù)報效果。應(yīng)用格點(diǎn)實(shí)況降水降水檢驗不同預(yù)報時效光流法臨近預(yù)報能力，圖6給出了2020年長江流域17次過程不同時效光流法臨近預(yù)報“格點(diǎn)-格點(diǎn)”檢驗方案的TS評分。從圖中可以看出：各個量級降水光流法臨近預(yù)報的準(zhǔn)確率在1 h以后快速下降,隨預(yù)報時效的變化準(zhǔn)確率基本上是以指數(shù)規(guī)律遞減的，且不同量級降水的R平方值均大于0.99。

2.5 誤差分析

應(yīng)用格點(diǎn)實(shí)況降水來分析光流法0～3 h臨近降水預(yù)報在2020年長江流域17次降水過程的全流域預(yù)報誤差，包括平均誤差、平均絕對誤差、平均絕對誤差率、均方根誤差(見表5)。

圖6 2020年17次過程不同時效TS評分(虛線為趨勢線)Fig.6 TS score of 17 events in different time periods in 2020.(dotted line is trend line)

從長江流域光流法臨近降水預(yù)報檢驗結(jié)果分析可知，平均誤差上，預(yù)報結(jié)果較格點(diǎn)實(shí)況降水在0.1～9.9 mm級別基本相近，10.0 mm以上級別預(yù)報結(jié)果整體偏大，其中10.0～19.9 mm級別上預(yù)報結(jié)果偏大1 mm，20.0～49.9 mm級別上預(yù)報結(jié)果偏大近5 mm，≥50.0 mm級別上預(yù)報結(jié)果僅偏差0.25 mm；平均絕對誤差上，預(yù)報結(jié)果較格點(diǎn)實(shí)況降水在0.1～9.9 mm級別基本相近，10.0 mm以上級別預(yù)報結(jié)果整體偏差，其中10.0～19.9 mm級別上預(yù)報結(jié)果偏差近8 mm，20.0～49.9 mm級別上預(yù)報結(jié)果偏差近18 mm，≥50.0 mm級別上預(yù)報結(jié)果偏差近38 mm；對于平均絕對誤差率上，預(yù)報結(jié)果較格點(diǎn)實(shí)況降水在0.1～9.9 mm級別誤差率約為1.6%，3.0～9.9 mm級別誤差率約為4.1%，10.0～19.9 mm級別上誤差率約為6.0%，20.0～49.9 mm級別上誤差率約為7.3%，≥50.0 mm級別上誤差率約為10.3%，即10.0 mm以下誤差率在5%以內(nèi)，10.0 mm以上級別誤差率約為6～11%；均方根誤差上，在0.1～9.9 mm級別均方根誤差約為0.9 mm，3.0～9.9 mm級別均方根誤差約為4 mm，10.0～19.9 mm級別上均方根誤差約為10 mm，20.0～49.9 mm級別上均方根誤差約為22 mm，≥50.0 mm級別上均方根誤差約為44.1 mm。隨著降水量級的增大，平均絕對誤差、平均絕對誤差率、均方根誤差均呈現(xiàn)逐漸增大的趨勢。

表5 光流法臨近降水預(yù)報誤差Table 5 Error analysis of near precipitation forecast by the improved optical flow method.

選取2020年6月27日11—14時這一時間段的3 h累計雨量(圖7)，比較實(shí)時業(yè)務(wù)中光流法雷達(dá)外推、武漢RUC快速循環(huán)同化模式(2020年6月27日08時起報)預(yù)報效果。實(shí)況顯示此時間段長江流域主要強(qiáng)降水落區(qū)位于四川東部、重慶南部和湖北西南部、湖北西部四個強(qiáng)降水中心，最強(qiáng)中心湖北西部當(dāng)陽3 h累計雨量多站超過150 mm?？梢钥吹?，除四川東部外，光流法雷達(dá)外推預(yù)報出了其他三個中心，而快速循環(huán)同化模式僅預(yù)報出了湖北西部的強(qiáng)降水中心，光流法雷達(dá)外推在0～3 h臨近預(yù)報上要好于快速循環(huán)同化模式。

圖7 2020年6月27日11時—14時3 h累計雨量圖(a.區(qū)域氣象站實(shí)況;b.雷達(dá)外推預(yù)報;c.武漢RUC預(yù)報)Fig.7 The 3-hour cumulative rainfall map from 11:00 to 14:00 BT on 27 June 2020.

由于光流法臨近降水預(yù)報與三源格點(diǎn)實(shí)況降水產(chǎn)品各級別的平均絕對誤差率僅為1.6%～10.3%，且要優(yōu)于數(shù)值模式預(yù)報。因此，在流域水文氣象預(yù)報業(yè)務(wù)上，可考慮將光流法0～3 h臨近降水預(yù)報結(jié)果應(yīng)用于長江流域定量降水預(yù)報，代替目前直接使用的數(shù)值模式輸出結(jié)果。

3 結(jié)論

通過利用長江流域組網(wǎng)雷達(dá)和自動氣象站逐小時降水觀測資料，建立了基于變分光流法的長江流域雷達(dá)外推降水預(yù)報產(chǎn)品，并計算出了2020年17次長江洪水天氣過程的0～3 h 39分區(qū)TS檢驗結(jié)果和全流域偏差分析結(jié)果，得到以下主要結(jié)論：

(1)光流法0～3 h臨近預(yù)報TS評分表明，該方法對雷達(dá)分布較為密集的長江上游東部和長江中下游評分較高、預(yù)報結(jié)果較為精準(zhǔn)，對雷達(dá)覆蓋不足或因周邊山脈遮擋較為明顯的長江上游西部地區(qū)評分較低、結(jié)果較差。

(2)光流法0～3 h臨近預(yù)報在不同流域分區(qū)的TS評分與洪水過程降水落區(qū)分布有關(guān)，降水的集中區(qū)，同樣也是臨近預(yù)報TS評分的相對高分區(qū)，表明該方法能夠較好的追蹤降水天氣系統(tǒng)移動演變。在極端強(qiáng)降水的預(yù)報上，該方法也有較好的預(yù)報表現(xiàn)。

(3)光流法0～1 h、1～2 h、2～3 h臨近預(yù)報，以0～1 h預(yù)報準(zhǔn)確率最高、可用性最高，其預(yù)報效果隨著預(yù)報時效的變化以指數(shù)規(guī)律遞減。

(4)光流法0～3 h臨近降水預(yù)報結(jié)果較格點(diǎn)實(shí)況降水，10.0 mm以下的降水基本接近，絕對誤差率在5%以內(nèi)；10.0 mm以上級別，其絕對誤差率為6%～11%。隨著降水量級的增大，平均絕對誤差、平均絕對誤差率、均方根誤差均逐漸增大。

(5)在流域水文氣象預(yù)報業(yè)務(wù)上，將光流法0～3 h臨近降水預(yù)報結(jié)果應(yīng)用于長江流域定量降水預(yù)報，代替目前直接使用的數(shù)值模式輸出結(jié)果，對提高洪水預(yù)報精度有較強(qiáng)的實(shí)用意義。