曹 勇，張恒德，郭云謙，包紅軍，徐成鵬，趙 威

(1.國(guó)家氣象中心，北京 100081; 2.中國(guó)氣象局-河海大學(xué)水文氣象研究聯(lián)合實(shí)驗(yàn)室，北京 100081)

降水是一種重要的天氣現(xiàn)象，密切影響著人類(lèi)社會(huì)生產(chǎn)活動(dòng)。精準(zhǔn)地定量預(yù)報(bào)降水是水旱災(zāi)害防御與水庫(kù)興利減災(zāi)的重要保障[1-4]。為了更好地滿(mǎn)足國(guó)家社會(huì)經(jīng)濟(jì)發(fā)展和重大戰(zhàn)略需求，中央氣象臺(tái)已經(jīng)建立了0～30 d無(wú)縫隙精細(xì)化智能網(wǎng)格降水預(yù)報(bào)技術(shù)體系，空間分辨率達(dá)到5 km×5 km[2,5-6]。在整個(gè)智能網(wǎng)格降水預(yù)報(bào)技術(shù)體系中，短時(shí)臨近與延伸期時(shí)效預(yù)報(bào)精度不高一直是限制整體定量降水預(yù)報(bào)能力提升的主要瓶頸之一[7]。短時(shí)時(shí)效的定時(shí)、定點(diǎn)、定量的精細(xì)化降水預(yù)報(bào)是提升城市應(yīng)對(duì)暴雨災(zāi)害風(fēng)險(xiǎn)的重要支撐[8]。如，2021年7月20日鄭州出現(xiàn)特大暴雨，經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)，日降水量及1 h降水量均打破鄭州氣象觀測(cè)站建站以來(lái)歷史記錄，后者更突破我國(guó)大陸地區(qū)小時(shí)雨量歷史極值，導(dǎo)致了極為嚴(yán)重的洪澇災(zāi)害。傳統(tǒng)的降水預(yù)報(bào)技術(shù)往往僅能支撐2 h左右的精準(zhǔn)預(yù)報(bào)，對(duì)標(biāo)市政部門(mén)應(yīng)急響應(yīng)時(shí)間需求仍有明顯差距。因此，如何延長(zhǎng)突發(fā)性強(qiáng)降水預(yù)報(bào)的預(yù)見(jiàn)期，尤其是提升0～12 h逐小時(shí)短時(shí)降水預(yù)報(bào)精準(zhǔn)度,對(duì)于提升城市暴雨洪澇防御與政府應(yīng)急管理能力至關(guān)重要[9-13]。

研究表明[14-18]，現(xiàn)階段限制0～12 h短時(shí)降水預(yù)報(bào)精度提升的主要因素為基于實(shí)況信息外推的降水預(yù)報(bào)精度隨著預(yù)報(bào)時(shí)效延長(zhǎng)急速下降，而此時(shí)效內(nèi)，全球數(shù)值天氣預(yù)報(bào)模式正處于模式“spin-up”階段，模式降水預(yù)報(bào)精度普遍不可用于暴雨洪澇預(yù)報(bào)。近年來(lái)，區(qū)域中尺度數(shù)值天氣預(yù)報(bào)模式取得了長(zhǎng)足發(fā)展，明顯提升了模式對(duì)中小尺度天氣系統(tǒng)短時(shí)降水預(yù)報(bào)能力[9],如中國(guó)氣象局2006年業(yè)務(wù)化區(qū)域中尺度模式，并在2019年實(shí)現(xiàn)該模式空間3 km×3 km并覆蓋全國(guó)范圍，成為提升降水0～12 h短時(shí)預(yù)報(bào)重要的支撐[19-20]。業(yè)務(wù)實(shí)時(shí)應(yīng)用發(fā)現(xiàn)，區(qū)域中尺度數(shù)值模式預(yù)報(bào)的準(zhǔn)確率依然不可避免的受數(shù)值模式動(dòng)力過(guò)程的離散化和物理過(guò)程的參數(shù)化兩方面影響，極易導(dǎo)致模式預(yù)報(bào)的系統(tǒng)性偏差。發(fā)展數(shù)值天氣預(yù)報(bào)模式后處理技術(shù)是減少模式偏差重要手段[21]。Zhu等[22]用頻率匹配方法對(duì)降水預(yù)報(bào)進(jìn)行訂正，發(fā)現(xiàn)訂正后的降水落區(qū)面積預(yù)報(bào)偏差顯著減小，雨帶輪廓和位置更接近實(shí)際情況。但每次不同降水過(guò)程，不同模式以及模式訂正預(yù)報(bào)的性能表現(xiàn)不一樣，且傳統(tǒng)的模式后處理技術(shù)只能訂正模式的系統(tǒng)性偏差，對(duì)于0～12 h突發(fā)性短時(shí)強(qiáng)降水難以有理想的預(yù)報(bào)性能。

綜上，本文緊扣大城市暴雨洪澇氣象服務(wù)需求，基于多源數(shù)值模式預(yù)報(bào)，開(kāi)展多數(shù)值模式預(yù)報(bào)成員實(shí)時(shí)優(yōu)選，在優(yōu)選基礎(chǔ)上開(kāi)展預(yù)報(bào)最優(yōu)化融合，構(gòu)建逐小時(shí)的實(shí)時(shí)降水短時(shí)預(yù)報(bào)模型，并以2021年河南區(qū)域典型強(qiáng)降水過(guò)程為例進(jìn)行預(yù)報(bào)驗(yàn)證，探討構(gòu)建的降水短時(shí)預(yù)報(bào)模型對(duì)大城市突發(fā)性強(qiáng)降水0～12 h精細(xì)化預(yù)報(bào)準(zhǔn)確率的提升效果。

1 模 型 構(gòu) 建

1.1 模型總體架構(gòu)

降水短時(shí)預(yù)報(bào)模型主要由4個(gè)技術(shù)模塊構(gòu)成：①單模式百分位映射訂正技術(shù)模塊。由于數(shù)值模式存在系統(tǒng)性的預(yù)報(bào)偏差，因此主要利用該技術(shù)模塊訂正單模式原始降水預(yù)報(bào)的系統(tǒng)性偏差。②模式訂正預(yù)報(bào)成員實(shí)時(shí)優(yōu)選技術(shù)模塊。該技術(shù)模塊會(huì)利用最新降水估測(cè)結(jié)果對(duì)數(shù)值模式訂正預(yù)報(bào)進(jìn)行實(shí)時(shí)檢驗(yàn)評(píng)估，在檢驗(yàn)評(píng)估基礎(chǔ)上進(jìn)行預(yù)報(bào)成員優(yōu)選，挑選出預(yù)報(bào)結(jié)果最接近當(dāng)前降水評(píng)估的數(shù)值模式訂正預(yù)報(bào)成員。③預(yù)報(bào)成員實(shí)時(shí)融合技術(shù)模塊。在優(yōu)選成員基礎(chǔ)上，將歸一化的準(zhǔn)確率評(píng)估結(jié)果作為權(quán)重系數(shù)進(jìn)行多源模式訂正預(yù)報(bào)結(jié)果融合。④融合預(yù)報(bào)的百分位映射訂正模塊。由于權(quán)重融合結(jié)果一定程度減弱了強(qiáng)降水預(yù)報(bào)，同時(shí)增加了弱降水預(yù)報(bào)[23]，利用單模式訂正預(yù)報(bào)對(duì)融合預(yù)報(bào)結(jié)果進(jìn)行百分位映射，消除融合預(yù)報(bào)強(qiáng)度偏差，最終生成降水短時(shí)預(yù)報(bào)結(jié)果。

1.2 單模式百分位映射訂正技術(shù)

百分位映射訂正技術(shù)是一種模式降水預(yù)報(bào)訂正技術(shù)，由于模式存在系統(tǒng)性偏差導(dǎo)致最終模式預(yù)報(bào)降水的累積概率分布函數(shù)與實(shí)況降水的累積概率分布函數(shù)有差異，百分位映射技術(shù)主要就是實(shí)現(xiàn)此類(lèi)系統(tǒng)性偏差的訂正。具體計(jì)算公式為

(1)

通過(guò)式(1)可以實(shí)現(xiàn)模式預(yù)報(bào)降水的訂正?？紤]到模式降水預(yù)報(bào)的誤差隨著季節(jié)以及預(yù)報(bào)時(shí)效會(huì)有差異，為了保證訂正的效果和平穩(wěn)性，在本模型中，會(huì)針對(duì)每個(gè)模式的每次起報(bào)及不同預(yù)報(bào)時(shí)效分別訓(xùn)練建立模型，訓(xùn)練數(shù)據(jù)采用滑動(dòng)時(shí)間窗口的方式選取最近3 a的模式降水預(yù)報(bào)和對(duì)應(yīng)的實(shí)況降水估測(cè)，建立短時(shí)降水預(yù)報(bào)模型，實(shí)現(xiàn)單數(shù)值模式預(yù)報(bào)的訂正。

1.3 預(yù)報(bào)成員實(shí)時(shí)優(yōu)選技術(shù)

利用單模式百分位映射技術(shù)實(shí)現(xiàn)了模式降水預(yù)報(bào)的訂正，但是對(duì)于每次降水過(guò)程預(yù)報(bào)，模式降水訂正預(yù)報(bào)精度并不穩(wěn)定，且精度優(yōu)劣各異。因此，模型構(gòu)建預(yù)報(bào)成員實(shí)時(shí)優(yōu)選技術(shù)模塊，在多源數(shù)值模式訂正預(yù)報(bào)中挑選預(yù)報(bào)精度最高的降水預(yù)報(bào)用于后期的融合技術(shù)處理。相似標(biāo)準(zhǔn)采用余弦相似值，余弦相似值是通過(guò)測(cè)量2個(gè)向量的夾角余弦值來(lái)度量它們之間的相似性，余弦值為1代表2個(gè)向量同方向，-1代表2個(gè)向量反方向，余弦相似值介于-1和1之間。

余弦相似的特點(diǎn)是考慮2個(gè)向量之間的方向一致性，而不考慮彼此絕對(duì)長(zhǎng)度的大小。對(duì)于模式降水預(yù)報(bào)訂正場(chǎng)和實(shí)況降水估測(cè)場(chǎng)，余弦相似值則表達(dá)了兩者降水預(yù)報(bào)雨帶的相似程度。由于降水訂正場(chǎng)在百分位映射部分已經(jīng)實(shí)現(xiàn)了強(qiáng)度訂正，余弦相似值能較好地表達(dá)出模式降水預(yù)報(bào)場(chǎng)和實(shí)況估測(cè)場(chǎng)的相似程度。在本模型中，分別計(jì)算多源模式的訂正降水預(yù)報(bào)與最新實(shí)況估測(cè)之間的余弦相似度。通過(guò)統(tǒng)計(jì)驗(yàn)證，發(fā)現(xiàn)選取4家數(shù)值模式訂正預(yù)報(bào)參與后期的融合技術(shù)，短時(shí)降水預(yù)報(bào)準(zhǔn)確率最高。

1.4 預(yù)報(bào)成員實(shí)時(shí)融合技術(shù)

構(gòu)建基于余弦相似值的權(quán)重融合技術(shù)，根據(jù)最新時(shí)次優(yōu)選的數(shù)值模式訂正預(yù)報(bào)開(kāi)展實(shí)時(shí)融合，權(quán)重由實(shí)時(shí)余弦相似值進(jìn)行標(biāo)準(zhǔn)化計(jì)算獲?。?/p>

(2)

1.5 融合預(yù)報(bào)百分位映射訂正技術(shù)

由于構(gòu)建模型中是采用線(xiàn)性權(quán)重融合方式，易導(dǎo)致預(yù)報(bào)強(qiáng)降水偏弱、預(yù)報(bào)弱降水偏強(qiáng)，主要原因?yàn)槿诤虾蟮慕邓A(yù)報(bào)概率分布函數(shù)與單模式訂正預(yù)報(bào)的分布有差異。為了消除這種系統(tǒng)偏差，采用百分位映射技術(shù)進(jìn)行偏差訂正，并設(shè)置輸入訓(xùn)練數(shù)據(jù)為融合降水預(yù)報(bào)和優(yōu)選的4個(gè)單模式降水訂正預(yù)報(bào)，利用優(yōu)選的4個(gè)單模式降水預(yù)報(bào)總體的累積概率分布函數(shù)完成融合降水預(yù)報(bào)的偏差訂正。

2 總體及個(gè)例預(yù)報(bào)檢驗(yàn)

2.1 研究區(qū)域

選擇河南省作為模型驗(yàn)證的研究區(qū)域，范圍為110°E ～117°E、31°N ～37°N。河南省地跨長(zhǎng)江、淮河、黃河、海河四大流域。地勢(shì)呈望北向南、承東啟西，地勢(shì)西高東低，北、西、南三面由太行山、伏牛山、桐柏山、大別山沿省界呈半環(huán)形分布；中、東部為黃淮海沖積平原；西南部為南陽(yáng)盆地。大部分區(qū)域處于暖溫帶，南部跨亞熱帶，屬北亞熱帶向暖溫帶過(guò)渡的大陸性季風(fēng)氣候，同時(shí)還具有自東向西由平原向丘陵山地氣候過(guò)渡的特征，具有四季分明、雨熱同期、復(fù)雜多樣和氣象災(zāi)害頻繁的特點(diǎn)，年均降水量約為852 mm，主要在汛期6—8月。

2.2 研究數(shù)據(jù)

使用的數(shù)據(jù)主要有模式降水預(yù)報(bào)和實(shí)況降水估測(cè)兩部分，降水預(yù)報(bào)數(shù)據(jù)的全球模式包括中國(guó)氣象局模式、歐洲中期預(yù)報(bào)中心模式、美國(guó)大氣海洋局模式和德國(guó)氣象局模式等4家全球模式；區(qū)域模式包括中國(guó)氣象局中尺度模式、上海市氣象局中尺度模式、廣東省氣象局中尺度模式以及北京市氣象局中尺度模式。模式降水預(yù)報(bào)數(shù)據(jù)分別采用線(xiàn)性插值方案，處理成時(shí)空尺度統(tǒng)一的逐小時(shí)、5 km×5 km分辨率36 h預(yù)報(bào)時(shí)效的降水產(chǎn)品。實(shí)況降水估測(cè)數(shù)據(jù)為國(guó)家氣象信息中心發(fā)布的逐小時(shí)實(shí)況降水估測(cè)產(chǎn)品，空間分辨率為5 km×5 km。

2.3 預(yù)報(bào)檢驗(yàn)

對(duì)2021年1—9月河南地區(qū)的數(shù)值模式原始預(yù)報(bào)、數(shù)值模式訂正預(yù)報(bào)以及多模式實(shí)時(shí)優(yōu)選及融合預(yù)報(bào)進(jìn)行預(yù)報(bào)準(zhǔn)確率檢驗(yàn)，檢驗(yàn)對(duì)象為短時(shí)時(shí)效(0～12 h)逐小時(shí)降水預(yù)報(bào)，準(zhǔn)確率評(píng)分標(biāo)準(zhǔn)為氣象預(yù)報(bào)業(yè)務(wù)常用的TS評(píng)分[2]。對(duì)于1 mm/h量級(jí)降水而言，數(shù)值模式訂正預(yù)報(bào)較原始預(yù)報(bào)準(zhǔn)確率有所提升，但提升不明顯；多模式優(yōu)選及融合預(yù)報(bào)較數(shù)值模式訂正預(yù)報(bào)及原始預(yù)報(bào)均提升較明顯，平均提升率達(dá)到10%(圖1(a))。對(duì)于5 mm/h量級(jí)降水而言，數(shù)值模式訂正預(yù)報(bào)較原始預(yù)報(bào)準(zhǔn)確率有明顯提升，在此基礎(chǔ)上多模式優(yōu)選及融合預(yù)報(bào)依然較數(shù)值模式訂正預(yù)報(bào)及原始預(yù)報(bào)有較明顯提升，平均提升率達(dá)15%(圖1(b))。整體而言，多源模式成員優(yōu)選及融合預(yù)報(bào)產(chǎn)品各時(shí)效、各量級(jí)(明顯降水、較強(qiáng)降水)的逐小時(shí)降水預(yù)報(bào)準(zhǔn)確率高于任意單模式訂正預(yù)報(bào)和原始模式預(yù)報(bào)。

圖1 2021年1—9月多模式客觀產(chǎn)品的0～12 h逐小時(shí)降水預(yù)報(bào)結(jié)果對(duì)比Fig.1 Results comparison of multi-model forecasts of 0-12 h hourly precipitation from January to September,2021

2021年7月20日鄭州出現(xiàn)特大暴雨，日降水量(624.1 mm)及最大1 h降水量(201.9 mm)均打破鄭州氣象觀測(cè)站建站以來(lái)歷史記錄，后者更突破大陸氣象觀測(cè)小時(shí)雨量歷史極值(198.0 mm)，導(dǎo)致極為嚴(yán)重的城市暴雨洪澇災(zāi)害。此次降水過(guò)程與臺(tái)風(fēng)“煙花”靠近，臺(tái)風(fēng)與副熱帶高壓之間東風(fēng)急流加強(qiáng)有關(guān)，且受地形作用影響明顯，因此具有強(qiáng)度大、范圍集中及沿地形分布的特點(diǎn)。由圖2可知，歐洲中心數(shù)值模式預(yù)報(bào)降水最強(qiáng)中心較實(shí)況偏西、偏北，同時(shí)中心強(qiáng)度也較實(shí)況偏弱，降水預(yù)報(bào)中心的雨強(qiáng)約為80 mm/h，遠(yuǎn)低于實(shí)況，對(duì)此次鄭州暴雨的極端性預(yù)報(bào)不足。多模式成員優(yōu)選及融合預(yù)報(bào)結(jié)果，隨時(shí)效臨近，降水強(qiáng)度預(yù)報(bào)明顯較歐洲中心數(shù)值模式偏大，上午10：00之后預(yù)報(bào)下午6 h累積降水超150 mm，與實(shí)況(區(qū)域150 mm，局地300 mm)量級(jí)接近，且隨著預(yù)報(bào)時(shí)效的臨近，強(qiáng)降水區(qū)向南調(diào)整，逐步與實(shí)況貼合。在這次極端性極強(qiáng)的區(qū)域中尺度強(qiáng)降水中，多模式成員優(yōu)選及融合預(yù)報(bào)的效果遠(yuǎn)好于以歐洲中心數(shù)值模式預(yù)報(bào)為代表的數(shù)值模式預(yù)報(bào)效果。

圖2 7月20日最強(qiáng)降水時(shí)段歐洲中心模式預(yù)報(bào)以及多模式優(yōu)選融合預(yù)報(bào)對(duì)比Fig.2 Comparison of ECMWF forecasts and multi-model optimization fusion forecasts during the maximum rainfall period in the study area on July 20th

4月23日，河南中西部地區(qū)出現(xiàn)連續(xù)性、穩(wěn)定性降水，此次降水主要受冷暖空氣對(duì)峙影響，豫西地區(qū)大部分時(shí)間小時(shí)降水量在6 mm以?xún)?nèi)，持續(xù)時(shí)間超過(guò)30 h，河南中西部降水主要集中時(shí)段為23日夜間，12 h累積降水量25～60 mm(圖3)。最新時(shí)次的歐洲中心數(shù)值模式預(yù)報(bào)的落區(qū)與實(shí)況接近，但預(yù)報(bào)12 h雨水小于25 mm(小到中雨)，明顯偏弱(圖3)，而其他多家全球模式對(duì)24 h降水預(yù)報(bào)也偏??；多模式成員優(yōu)選及融合預(yù)報(bào)的結(jié)果，從18時(shí)起將降水量級(jí)調(diào)整為大雨，局地大于35 mm(圖3)，且強(qiáng)降水位置和強(qiáng)度均較原始模式提升。對(duì)比豫西兩站點(diǎn)(圖3(d)欒川，圖3(e)盧氏)1 h降水實(shí)況與不同起報(bào)時(shí)刻的多模式優(yōu)選及融合預(yù)報(bào)的時(shí)間序列圖，逐小時(shí)降水預(yù)報(bào)在短時(shí)時(shí)效內(nèi)隨著預(yù)報(bào)時(shí)效的臨近，預(yù)報(bào)準(zhǔn)確率逐漸提升。

圖3 4月23日最強(qiáng)降水時(shí)段歐洲中心模式預(yù)報(bào)以及多模式優(yōu)選融合預(yù)報(bào)對(duì)比Fig.3 Comparison of ECMWF forecasts and multi-model optimization fusion forecasts during the maximum rainfall period in the study area on April 23th

3 結(jié) 論

a.模型融合了單模式百分位映射訂正技術(shù)、模式訂正預(yù)報(bào)成員實(shí)時(shí)優(yōu)選技術(shù)、預(yù)報(bào)成員實(shí)時(shí)融合技術(shù)和融合預(yù)報(bào)的百分位映射訂正技術(shù)，實(shí)現(xiàn)了基于多源數(shù)值模式預(yù)報(bào)優(yōu)選及融合的降水0～12 h短時(shí)預(yù)報(bào)，在研究區(qū)域試驗(yàn)結(jié)果表明，相比于原模式預(yù)報(bào)，定量降水預(yù)報(bào)精度明顯提升。

b.針對(duì)河南地區(qū)“4·23”和“7·20”暴雨個(gè)例試驗(yàn)，模型能根據(jù)最新的實(shí)況估測(cè)檢驗(yàn)評(píng)估結(jié)果，進(jìn)行成員優(yōu)選同時(shí)能實(shí)現(xiàn)多模式的融合預(yù)報(bào)，預(yù)報(bào)的范圍和強(qiáng)度隨著時(shí)效的臨近更接近實(shí)況降水估測(cè)，能提前6 h較好地給出“7·20”河南暴雨最強(qiáng)時(shí)段降水的落區(qū)和強(qiáng)度預(yù)報(bào)。對(duì)河南地區(qū)2021年夏季整體預(yù)報(bào)情況檢驗(yàn)，最終多模式融合預(yù)報(bào)準(zhǔn)確率高于任意單模式訂正預(yù)報(bào)和原始模式預(yù)報(bào)，同時(shí)準(zhǔn)確率隨著預(yù)報(bào)時(shí)效的臨近逐步提高。