沈 沉 錢 暉 李洪權 陳國良 施金海 高 翔 林 琴 俞旭楓

(德清縣氣象局，浙江 德清 313200)

0 引 言

湖州位于30°N附近，其地理環(huán)境及氣候條件，導致了冬、春季節(jié)降雪多，屬浙江省冬、春季降雪最為典型的地區(qū)。雪后低溫雪凝和道路凍結，導致鐵路、公路和航運交通嚴重受阻，雪災還波及電力、旅游、工農(nóng)業(yè)、教育等各行各業(yè)及日常生活，僅2008年初的連續(xù)暴雪過程，造成全市直接經(jīng)濟損失高達76.36億元，與1999年梅汛期特大洪澇災害造成的76.5億元經(jīng)濟損失相近，遠遠超過2007年“羅莎”超強臺風造成的影響。

目前降雪預報以模式預報為主，以人工訂正為輔，并且數(shù)值預報模式產(chǎn)品對大氣環(huán)流演變的預報能力已超過預報員的主觀經(jīng)驗判斷，時效越長優(yōu)勢越明顯[1-2]。雖然模式能預報從臨近至中長期各時段的情況，但也僅是對預報數(shù)據(jù)的直接展示，未做二次加工，需要預報員根據(jù)主觀經(jīng)驗，對模式結果進行制作和訂正[3-4]。

為更好地利用格點產(chǎn)品，實現(xiàn)模式預報的智能化、多元化、精細化，推動氣象現(xiàn)代化發(fā)展，本文在對歷史實況數(shù)據(jù)綜合統(tǒng)計、比對各模式預報結果的基礎上，結合預報員經(jīng)驗研發(fā)了積雪統(tǒng)計模型，并設計了精細化降雪預報產(chǎn)品自動訂正預報平臺，以提高山區(qū)精細化降雪預報能力和主觀訂正水平。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

2016年10月以前，在出現(xiàn)降雪天氣現(xiàn)象時，對雨量筒進行人工加蓋，只觀測積雪深度，不再觀測降水量，無法開展降水量的分析。本文使用2016年10月以來的3次降雪過程資料。建立模型的數(shù)據(jù)包括：湖州、長興、安吉、德清4個國家氣象觀測站和南潯、天荒坪、三天門和大錢水閘4個布設了稱重降水監(jiān)測設備的區(qū)域觀測站的降雪量、積雪深度、氣溫、地表氣壓、海拔等實況資料；協(xié)理員上報的08、14和20時積雪深度數(shù)據(jù)等。模式檢驗的數(shù)據(jù)包括：EC、JMA、GFS和OCF數(shù)值模式的降水量、氣溫、積雪深度等數(shù)據(jù)及NCEP、FNL再分析資料的位勢高度和溫度等數(shù)據(jù)。

1.2 算法模型介紹

1.2.1 建立模型

根據(jù)積雪深度與降雪量等氣象要素的相關性分析，結合EC模式預報資料[5-6]，選取降雪量、氣溫、相對濕度、地表氣壓、海拔5個因子進行建模。由于降雪開始時地表溫度一般較高，降雪初期很難形成有效積雪，大部分都被地表降溫所消耗，而一旦形成有效積雪后，積雪增長效率會有所提高。針對降雪開始后12 h和積雪開始后12 h兩個時段(下文用方案1和方案2區(qū)分)，利用SPSS軟件進行分析，建立回歸模型，結果如表1、表2、表3、表4。

表1 方案1模型線性回歸系數(shù)表

表2 方案1模型線性回歸模型摘要

表3 方案2模型線性回歸系數(shù)表

表4 方案2模型線性回歸模型摘要

模型1：

Y1=-0.011X1-1.052X2+0.279X3-0.027X4+0.011X5+1.848

(校正R2=0.723)

其中，X1～5分別為氣象要素海拔(單位：m)、氣溫(單位：℃)、降雪量(單位：mm)、相對濕度(單位：%)和地表氣壓(單位：hPa)，Y1代表方案1最大積雪深度(單位：cm)。

模型2：

Y2=-0.009X1-0.956X2+0.44X3-0.02X5-0.34

(校正R2=0.764)

式中變量代表的意義同方案1。

兩個線性模型的校正決定系數(shù)分別為0.723和0.764，可見通過SPSS模擬的兩個模型擬合度較好，變量最大積雪深度與氣象要素存在明顯的擬合關系。

1.2.2 模型檢驗

建立模型后，反算各個站點的模擬結果，并進一步與實況對比檢驗。表5、表6為兩個模型在3次降雪過程中，8個站點的氣象要素表。

表5 降雪開始后12 h各站3次降雪過程氣象要素表

表6 積雪開始后12 h各站3次降雪過程氣象要素表

由表5、表6可見，同一模型對不同站點的訂正效果不同。進一步比較發(fā)現(xiàn)對于安吉、天荒坪、三天門這類高海拔站點，兩個模型基本表現(xiàn)為正誤差，且訂正相對誤差較大。而南潯、大錢水閘這類東部平原地區(qū)，訂正相對誤差較小。此外，兩個模型對德清3次過程均表現(xiàn)為負誤差。

以上分析說明，模型能較好地反映積雪深度與各氣象要素的關系，同時穩(wěn)定性較高。但兩個模型的性能略有差異，模型1的絕對誤差略大，但相對誤差與模型2基本接近。另外，無積雪時往往出現(xiàn)正的誤差是兩個模型都存在的問題，需要在下一步工作中改進。

2 系統(tǒng)設計

2.1 平臺設計

如圖1所示，GIS精細化預報平臺基于EC模式資料和本地模型，自動實現(xiàn)預報結果后臺訂正，并快速實現(xiàn)前端可視化和人機交互操作，最終輸出精細化預報產(chǎn)品。針對該平臺需求，采用模型—視圖—視圖—模型(Model-View-View-Model，MVVM)設計模式，實現(xiàn)業(yè)務邏輯與視圖分離，通過對各子功能模塊的劃分，降低模塊之間的耦合度。后臺添加定制化模型，前端交互、判斷，觸發(fā)后端算法，預留數(shù)據(jù)接口和算法接口，可實現(xiàn)平臺良好的可擴展性，降低平臺二次開發(fā)成本和維護成本[7-8]。

圖1 GIS精細化預報平臺

針對積雪厚度預報，首先進行降雪判斷，通過閾值進行相態(tài)判斷，如果未預報降雪，直接進入數(shù)據(jù)可視化和人機交互訂正環(huán)節(jié)；如果預報降雪，進行狀態(tài)判斷，即區(qū)分降雪開始12 h和積雪后12 h，分別代入不同的模型，運算得到更新后的數(shù)據(jù)，隨后進入數(shù)據(jù)可視化和人機交互訂正環(huán)節(jié)，進行圖形編輯和數(shù)據(jù)、圖片本地下載。

2.2 界面介紹

運行系統(tǒng)文件夾中的GridEditor.exe，啟動主程序。平臺主界面主要分為菜單欄、工具面板、數(shù)值修訂區(qū)、主編輯區(qū)、狀態(tài)欄等幾大塊區(qū)域。

工具面板主要提供以下修訂工具，地圖控制：放大、縮小、平移；區(qū)域選擇：框選、多邊形選區(qū)、圓形選區(qū)等；區(qū)域控制：梯度工具、移動選區(qū)、選區(qū)內(nèi)清零、選區(qū)外清零、區(qū)域加鎖、區(qū)域解鎖、圖章、連續(xù)編輯等；視圖切換：數(shù)據(jù)視圖、排版視圖；撤銷、反撤銷；數(shù)據(jù)保存。

地圖窗口實現(xiàn)氣象數(shù)據(jù)的GIS疊加，提供修訂的偏移量選擇、地圖和數(shù)據(jù)展示區(qū)域、修訂操作的主要區(qū)域，顯示當前鼠標位置的經(jīng)緯度，顯示當前編輯的狀態(tài)信息，按照比例尺進行分級顯示，展示地縣級邊界和站點信息的疊加，以及地圖裁邊和色標選擇等。

數(shù)據(jù)填充工具選擇時次，點擊生成加載數(shù)據(jù)和數(shù)據(jù)信息列表，可以選擇計算或數(shù)據(jù)直接展示，以及模型參數(shù)手動修改；對數(shù)據(jù)進行當?shù)貍浞荼４妗?/p>

3 平臺檢驗

3.1 2018年12月7—9日降雪過程

2018年12月7—9日全市出現(xiàn)中到大雪，局部出現(xiàn)暴雪。截至9日08時，全市各地出現(xiàn)不同程度的積雪，東部平原輕微積雪，中西部明顯積雪，最大積雪深度為3～5 cm，山區(qū)普遍為6～10 cm，高山區(qū)達到15 cm以上，其中安吉天荒坪高達19 cm，德清莫干山為15 cm。強降雪出現(xiàn)在12月8日夜里至9日白天。

在6日20時的預報資料中，EC模式預報在9日08時浙西北及皖南有大范圍10 cm以上、局部25～30 cm的積雪深度，在湖州西南山區(qū)有20 cm以上，在東部平原有8～10 cm；本地模型的預報與EC模式預報大體一致，但對東部平原的預報相比于EC模式預報明顯偏小，只有3～7 cm；西南山區(qū)的最大積雪深度為10～15 cm，同時，東部平原的積雪深度為2 cm以上，也就是說，無論EC模式還是本地模型，6日20時的預報都較實況明顯偏大，但對東部平原的預報，本地模型的偏差更小。

在7日20時的預報資料中，EC模式預報與本地模型預報相較于上一時次的預報都有明顯的下調(diào)，EC模式在西南山區(qū)的預報值下調(diào)至13～15 cm，長興地區(qū)的預報值為5～8 cm，東部平原的預報值下調(diào)至4～6 cm，對比實況資料，西南山區(qū)的預報較準確，但是對長興地區(qū)和東部平原的預報偏大較多；在本地模型的預報中，對東部平原的預報下調(diào)至1～4 cm，與實況比較符合，對西南山區(qū)和長興地區(qū)的預報，與EC模式的預報大體一致。

總的來說，EC模式與本地模型在兩個時次的預報都大幅下調(diào)了，但對東部平原的積雪深度預報，本地模型的預報要明顯好于EC模式的預報，更加接近實況。

3.2 2018年12月30日降雪過程

2018年12月30—31日全市普降中雪，山區(qū)大到暴雪。截至31日08時湖州市各地出現(xiàn)不同程度的積雪，自西向東積雪深度逐漸減小。最大積雪深度為平原1～3 cm，安吉、德清高山區(qū)積雪深度為5～10 cm，湖州為2 cm，德清為2 cm，長興為1 cm，安吉為2 cm。強降雪出現(xiàn)在12月30日下午至夜里。

在2018年12月30—31日的降雪過程中，EC模式與本地模型在最大積雪深度的預報上存在一定差異。在28日20時的預報資料中，EC模式預報較上一時次調(diào)整明顯，大范圍的積雪深度都調(diào)整至5 cm以下，湖州市西南山區(qū)為5～7 cm，其他大部分地區(qū)為2～4 cm；本地模型預報也下調(diào)了各地區(qū)的積雪深度，其中西南山區(qū)調(diào)整至12～17 cm，長興西北山區(qū)為3～4 cm，東部平原調(diào)整至1 cm以下；EC模式預報的大幅度調(diào)整，使得與實況的偏差加大，同時對東部地區(qū)的預報仍為2 cm以上，而本地模型的預報雖然有所調(diào)整，但是更加接近實況。

在29日20時的資料中，EC模式預報在28日下調(diào)的基礎上又有所上調(diào)，但是西南山區(qū)的最大積雪深度仍只有6～8 cm，較實況仍然偏小，而長興大部分地區(qū)以及東部平原的還是2～3 cm，比實況明顯偏大；在本地模型的預報中，最大積雪深度較上一時次也有所上調(diào)，主要在莫干山地區(qū)為2～5 cm，這與實況更加接近。

總的來說，在從26日20時起的降雪過程預報中，EC模式預報的調(diào)整幅度較大，在臨近時段的預報結果與實況有所接近，但是仍有一定差距；而本地模型26—29日4個時次的預報一直相對比較穩(wěn)定，對降雪落區(qū)及積雪深度的預報都比EC模式預報更加接近實況。

4 小 結

本文主要針對近年來兩次降雪過程進行總結分析，在建立積雪深度預報模型的基礎上，開發(fā)了人機交互的訂正平臺。平臺整體運行穩(wěn)定，對積雪模型結果進行檢驗對比，結果優(yōu)于直接使用EC模式預報，表明積雪模型對模式的釋用效果明顯。但由于稱重降水監(jiān)測設備啟用較晚，加之降雪過程較少，導致降雪量和積雪深度統(tǒng)計數(shù)據(jù)偏少，構建模型的可靠性還需進一步完善；經(jīng)過幾次降雪過程的應用檢驗發(fā)現(xiàn)，構建模型對強降雪過程的預報結果較EC模式預報直接輸出的結果有明顯改進，但對弱降雪過程中的山區(qū)積雪深度預報較實況偏大，并且在項目研究期間智能網(wǎng)格預報業(yè)務還未正式運行，未與智能網(wǎng)格預報業(yè)務接軌，尚需進一步改進。