陳峨印

李國英部長在2023 年水旱災(zāi)害防御工作視頻會議上提出，推進(jìn)“四預(yù)”能力建設(shè)方面，水利部門將推進(jìn)天空地一體化監(jiān)測，加快構(gòu)建氣象衛(wèi)星和測雨雷達(dá)、雨量站、水文站組成的雨水情監(jiān)測“三道防線”，延長預(yù)見期，提高預(yù)報精準(zhǔn)度。氣象衛(wèi)星和測雨雷達(dá)作為水旱災(zāi)害防御第一道防線位置突出、作用重大。河北省開展氣象衛(wèi)星和測雨雷達(dá)應(yīng)用研究較早,自2017 年就開始重點加強(qiáng)了雷達(dá)估測和預(yù)報降水技術(shù)的應(yīng)用研究,取得了明顯效果。

1.項目研究背景

山洪是山區(qū)普遍存在的自然災(zāi)害。河北省山地面積占全省總面積的48.1%，是山洪災(zāi)害重發(fā)區(qū)。受全球氣候變化的影響，河北省極端強(qiáng)降水事件呈多發(fā)、重發(fā)趨勢，引發(fā)的山洪災(zāi)害造成了巨大災(zāi)難。歷史上“63·8”“96·8”，以及2012 年“7·21”、2016 年“7·19”等特大暴雨洪水，均造成了人員傷亡和經(jīng)濟(jì)損失。為了降低山洪災(zāi)害造成的損失，實現(xiàn)“以防為主”的目標(biāo)，2017 年河北省水利廳和氣象局聯(lián)合開展了山洪災(zāi)害預(yù)警業(yè)務(wù)，對河北省防范山洪災(zāi)害起到了積極作用。山洪災(zāi)害具有局地性、突發(fā)性、預(yù)警期短等特點，預(yù)報預(yù)警工作難度大。由于當(dāng)時氣象臺每天2 次5 km×5 km 的降水預(yù)報產(chǎn)品在時間和空間分辨率上均不能滿足山洪災(zāi)害預(yù)警需求，2017 年下半年，河北省組建了氣象、水文與高校共同攻關(guān)的科研團(tuán)隊，通過技術(shù)攻關(guān)，重點突破了降水監(jiān)測和預(yù)報時空精度低的難題，基于深度學(xué)習(xí)算法構(gòu)建了雷達(dá)估測和預(yù)報降水模型，全面提升了河北省山洪災(zāi)害預(yù)警業(yè)務(wù)能力。

2.研究方法和數(shù)據(jù)來源

2.1 資料來源

降水資料采用河北省中南部國家33 個氣象觀測站和605 個區(qū)域自動觀測站的逐分鐘降水量資料，來源于河北省氣象信息共享平臺。

雷達(dá)資料采用2006 年—2019 年14年間6 月—8 月逐日石家莊市新樂地區(qū)多普勒天氣雷達(dá)基數(shù)據(jù)，以及2020 年—2021 年的6 月—10 月22 次降 水過 程的石家莊市新樂地區(qū)雙偏振雷達(dá)基資料，來源于河北省氣象信息中心。

2.2 研究方法

2.2.1 雷達(dá)估測降水

天氣雷達(dá)在降水預(yù)報中以其特有的優(yōu)勢，在廣大氣象臺站廣泛應(yīng)用。本文 選 用2020 年—2021 年 的6 月—10 月實況降水和雙偏振雷達(dá)0.5°和1.5°仰角反射率Zh、差分反射率Zdr 和差分相移率Kdp 三個偏振參數(shù)，利用深度學(xué)習(xí)算法，構(gòu)建了基于單參量（Zh、Kdp）和多參量（同時采用Zh、Zdr、Kdp 三個參數(shù)）網(wǎng)絡(luò)架構(gòu)的雷達(dá)估測降水模型。對質(zhì)量控制后的雷達(dá)和降水?dāng)?shù)據(jù)，隨機(jī)挑選其中75%用作訓(xùn)練集，25%用作測試集，訓(xùn)練集數(shù)據(jù)中再隨機(jī)挑選75%參與學(xué)習(xí)訓(xùn)練，25%用作驗證。[驗證集應(yīng)該采用全新數(shù)據(jù)：當(dāng)時試驗時，挑選的75%訓(xùn)練集中的25%驗證集，不參加學(xué)習(xí)，只用作比對。]按照區(qū)分大雨和小雨、定義不同的損失函數(shù)等設(shè)計了44 種測試方案。

在深度學(xué)習(xí)模型訓(xùn)練過程中，依據(jù)降水為偏態(tài)分布特性對損失函數(shù)進(jìn)行了優(yōu)化。針對河北省中南部降水時程分布特點，劃分若干個降水強(qiáng)度區(qū)間，對不同區(qū)間采取不同權(quán)重，自定義損失函數(shù)如下：

式中：

E—損失值；

w—區(qū)間權(quán)重數(shù)值均設(shè)置為1，每訓(xùn)練一次，統(tǒng)計測試集不同區(qū)間真實值與估測值的誤差大小，增加誤差大的區(qū)間的權(quán)重，經(jīng)過多次建模測試，最后得到效果最好的權(quán)重向量。

2.2.2 雷達(dá)定量降水預(yù)報

采用2011 年—2018 年實況降水和2 km 高度雷達(dá)反射率因子，將高度雷達(dá)反射率因子轉(zhuǎn)換成灰度圖像作為深度學(xué)習(xí)輸入對象用卷積網(wǎng)絡(luò)提取特征。輸入為前半小時逐6 min 的5 張雷達(dá)回波圖像，輸出標(biāo)簽為未來2 h 內(nèi)逐6 min的雷達(dá)回波圖像。

通過UNET 算法加注意力機(jī)制構(gòu)建基于深度學(xué)習(xí)的雷達(dá)回波外推模型。UNET 是一種編碼-解碼結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)，它有U 型結(jié)構(gòu)和跳接兩大特點。將一張大圖片先下采樣，經(jīng)過不同程度的卷積，學(xué)習(xí)深層次的特征，在經(jīng)過上采樣回復(fù)為原圖大小。同時在下采樣的過程中，還有一部分特征是跳過下采樣過程直接輸出給上采樣的相同尺寸的圖片。注意力機(jī)制即增加對輸出結(jié)果影響大的輸入變量的權(quán)重，進(jìn)一步提升模型的效果。UNET 算法加注意力機(jī)制相比傳統(tǒng)的深度學(xué)習(xí)ConvLSTM 模型，能大幅度減少模型參數(shù)量，加快模型訓(xùn)練速度，同時提高模型的泛化能力。將輸入的5 張雷達(dá)圖像當(dāng)做5個通道的圖像輸入，輸出20 個通道的圖像即未來2h 內(nèi)逐6min 的雷達(dá)回波；然后通過雷達(dá)估測降水模型計算降水強(qiáng)度。

3.研究結(jié)果和應(yīng)用

3.1 雷達(dá)估測降水

由測試結(jié)果發(fā)現(xiàn)，采用雙偏振雷達(dá)多參量、自定義損失函數(shù)（雨強(qiáng)區(qū)間[3.0,9.0,15.0,30.0,50.0,250]對應(yīng)的權(quán)重[8.0,1.2,1.1,1.5,3.0,4.0]）效果最好，而且利用0.5°仰角數(shù)據(jù)估測效果優(yōu)于1.5°仰角。對逐時降水進(jìn)行檢驗，誤差率為36.5%，較傳統(tǒng)Z-R 關(guān)系估測降水降低了20%以上。

3.2 雷達(dá)定量降水預(yù)報

根據(jù)研究結(jié)果,預(yù)報降水的變化趨勢與實況降水基本一致，在降水比較穩(wěn)定和空間分布均勻的情況下可以很好的代表實況降水；但對于時、空變化比較大的對流性降水，預(yù)報較實況略偏弱，且很難體現(xiàn)出實況降水的波動和跳躍性。通過對2016 年—2021 年8 次降水過程檢驗表明，預(yù)報未來2 h 逐時降水誤差率57.75%，較常規(guī)的外推算法降低了15%，有效提高了定時定點定量預(yù)報降水的準(zhǔn)確率。

3.3 應(yīng)用

本研究采用機(jī)器學(xué)習(xí)算法算法建立降水估測模型，通過UNET 算法加注意力機(jī)制構(gòu)建雷達(dá)回波外推模型；利用多普勒雷達(dá)、雙偏振雷達(dá)兩種雷達(dá)數(shù)據(jù)和雨量數(shù)據(jù)，率定優(yōu)化了模型相關(guān)參數(shù)，提高了估測和預(yù)報降水時空精度。研究成果雷達(dá)估測降水和雷達(dá)定量降水預(yù)報作為水文模型的輸入場，應(yīng)用于水文預(yù)報和山洪災(zāi)害預(yù)警業(yè)務(wù)，明顯改進(jìn)了水文模型的輸入場，提升了預(yù)報山洪災(zāi)害預(yù)警的精準(zhǔn)度和時效性，尤其是能夠為山洪災(zāi)害預(yù)警處置爭得2 h～2.5 h 的寶貴時間，社會經(jīng)濟(jì)效益明顯。

目前，雷達(dá)定量降水預(yù)報主要是基于前期的回波強(qiáng)度進(jìn)行外推，缺少Zdr、Kdp 等參數(shù)的應(yīng)用，影響降水預(yù)報效果。后期，需繼續(xù)加強(qiáng)多參數(shù)、多源資料的綜合應(yīng)用，建立基于多源資料的降水預(yù)報模型。