基于微波輻射計(jì)的短時(shí)強(qiáng)降水潛勢(shì)預(yù)報(bào)

高美譚，廖菲，周芯玉，楊慧燕，胡婷

（廣州市氣象臺(tái)，廣東廣州 511430）

目前，雷達(dá)仍是開(kāi)展短時(shí)強(qiáng)降水預(yù)報(bào)預(yù)警業(yè)務(wù)的主要觀測(cè)手段［1］，但雷達(dá)無(wú)法獲取無(wú)降水時(shí)期的大氣層結(jié)信息，而傳統(tǒng)氣球探空資料時(shí)間分辨率低，作為補(bǔ)充觀測(cè)手段，新型探測(cè)儀器微波輻射計(jì)可以提供分秒級(jí)的大氣層結(jié)信息，有助于分析中小尺度天氣過(guò)程中快速變化的熱力學(xué)信息，其應(yīng)用價(jià)值已經(jīng)引起國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。

近年來(lái)不斷有學(xué)者利用微波輻射計(jì)從溫濕、能量及穩(wěn)定度多方面進(jìn)行天氣診斷分析［1-5］，探索微波輻射計(jì)的短時(shí)臨近天氣預(yù)報(bào)潛勢(shì)，研究表明微波輻射計(jì)溫濕資料均能不同程度地反映強(qiáng)降水天氣的臨近［1-4］，與降水發(fā)展或減弱也有對(duì)應(yīng)關(guān)系［2-3］，其中濕度資料對(duì)降水反應(yīng)更為敏感，水汽參數(shù)在降水發(fā)生前的快速增長(zhǎng)對(duì)強(qiáng)降水的發(fā)生具有指示意義［1，4］。業(yè)務(wù)應(yīng)用探索方面，張澤嬌等［5］利用微波輻射計(jì)亮溫資料建立降水方程獲得較高的降水預(yù)報(bào)準(zhǔn)確率。這些研究都顯示了微波輻射計(jì)在短時(shí)強(qiáng)降水預(yù)報(bào)方面的應(yīng)用潛勢(shì)。然而由于地理位置的差異以及中小尺度強(qiáng)對(duì)流天氣本身發(fā)展機(jī)理復(fù)雜等原因，目前短時(shí)強(qiáng)降水的預(yù)報(bào)方法仍比較薄弱，大部分學(xué)者對(duì)微波輻射計(jì)的應(yīng)用研究集中在對(duì)個(gè)例的描述上，未形成定量結(jié)論，需進(jìn)一步推進(jìn)新型探測(cè)儀器的應(yīng)用研究。

基于上述分析，本研究利用7年的微波輻射計(jì)資料在廣州開(kāi)展高時(shí)空分辨率的溫濕垂直結(jié)構(gòu)觀測(cè)分析，完善和發(fā)展基于觀測(cè)資料的客觀診斷方法，總結(jié)提煉適用于本地的特征物理量及其閾值，這對(duì)于提高短時(shí)強(qiáng)對(duì)流天氣的預(yù)報(bào)技術(shù)有著重要意義。

1 短時(shí)強(qiáng)降水天氣個(gè)例選取

基于2013—2019年的廣州地面自動(dòng)氣象站逐2 min觀測(cè)資料選取天氣個(gè)例。短時(shí)強(qiáng)降水個(gè)例選取小時(shí)雨量超過(guò)20.0 mm的天氣過(guò)程，并以地面開(kāi)始出現(xiàn)降水的時(shí)刻作為降水起始時(shí)刻，收集降水前1 h的對(duì)流參數(shù)信息。為了便于對(duì)比檢驗(yàn)，本研究亦選取了數(shù)個(gè)非短時(shí)強(qiáng)降水天氣個(gè)例，其選取依據(jù)是某時(shí)刻前后3 h內(nèi)均無(wú)短時(shí)強(qiáng)降水現(xiàn)象。依據(jù)上述挑選方法，利用2013—2017年資料建立歷史個(gè)例庫(kù)，2018—2019年資料建立預(yù)報(bào)效果檢驗(yàn)個(gè)例庫(kù)，歷史個(gè)例庫(kù)和檢驗(yàn)個(gè)例庫(kù)中短時(shí)強(qiáng)降水、非短時(shí)強(qiáng)降水天氣樣本分別為59、60例和26、30例。所有個(gè)例庫(kù)中的對(duì)流參數(shù)信息均由微波輻射計(jì)提供。

2 資料與方法

2.1 資料來(lái)源

研究使用的是位于廣州國(guó)家基本氣象站（站號(hào)：59287）的德國(guó)RPG-HATPRO型號(hào)微波輻射計(jì)資料。儀器擁有42通道14接收機(jī)并行和波導(dǎo)捷變頻技術(shù)，探測(cè)范圍為0～10 km，垂直分層84層，時(shí)間分辨率達(dá)分秒級(jí)，反演產(chǎn)品來(lái)自于自身的神經(jīng)網(wǎng)絡(luò)法和線性或非線性回歸算法。

2.2 方法介紹

疊套法作為短時(shí)臨近預(yù)報(bào)的一般方法，已為許多學(xué)者應(yīng)用［6］，其基本思路為建立強(qiáng)對(duì)流天氣預(yù)報(bào)因子指標(biāo)集，在某次天氣過(guò)程中，疊加計(jì)算因子的達(dá)標(biāo)個(gè)數(shù)，達(dá)標(biāo)個(gè)數(shù)越多，則代表強(qiáng)對(duì)流天氣發(fā)生的可能性越大。

本研究利用疊套法建立短時(shí)強(qiáng)降水預(yù)報(bào)，預(yù)報(bào)地點(diǎn)為廣州國(guó)家基本氣象站的單點(diǎn)預(yù)報(bào)，預(yù)報(bào)時(shí)效為1 h。該預(yù)報(bào)方法首先利用歷史個(gè)例庫(kù)統(tǒng)計(jì)分析對(duì)流參數(shù)特征，提煉出n個(gè)對(duì)短時(shí)強(qiáng)降水敏感的參數(shù)作為預(yù)報(bào)因子，確定每個(gè)預(yù)報(bào)因子的閾值指標(biāo)Xi，并根據(jù)預(yù)報(bào)因子對(duì)短時(shí)強(qiáng)降水的區(qū)分能力分配權(quán)重系數(shù)ki，接著將預(yù)報(bào)指標(biāo)Xi疊套獲得疊套值Y，疊套公式為

其中，若第i項(xiàng)因子在閾值指標(biāo)區(qū)間內(nèi)，則Xi＝1，否則Xi＝0，疊套值Y最大值為1。

為獲得較好的預(yù)報(bào)效果，按照命中率POD、成功率CSI越大，虛警率FAR［7］越小的原則選取合適的疊套值P作為預(yù)報(bào)閾值，Y≥P即表示通過(guò)驗(yàn)證，預(yù)報(bào)未來(lái)1 h將會(huì)出現(xiàn)短時(shí)強(qiáng)降水天氣。

命中率：POD＝B/A

臨界成功指數(shù)：CSI＝B/（A+C）

虛警率：FAR＝C/D

其中，A為發(fā)生強(qiáng)天氣的總次數(shù)；B為報(bào)中強(qiáng)天氣的次數(shù)；C為強(qiáng)對(duì)流的空?qǐng)?bào)次數(shù)；D為預(yù)報(bào)有強(qiáng)對(duì)流的次數(shù)。

3 預(yù)報(bào)方法建立及效果分析

3.1 對(duì)流參數(shù)的選取及閾值計(jì)

強(qiáng)對(duì)流天氣常常具有明顯的當(dāng)?shù)靥卣?，因而建立?dāng)?shù)囟虝r(shí)強(qiáng)降水的天氣物理量參數(shù)，形成具有指示意義的物理參數(shù)作為預(yù)報(bào)因子是非常重要的。參考前人在對(duì)流參數(shù)方面的研究［6，8-10］，本研究挑選了在短時(shí)強(qiáng)降水潛勢(shì)預(yù)報(bào)中表現(xiàn)較好的14個(gè)表征水汽、不穩(wěn)定能量等的對(duì)流參數(shù)作為研究對(duì)象，包括抬升指數(shù)LI、KOI指數(shù)、總指數(shù) TTI、KI指數(shù)、沙式指數(shù) SI、能量指數(shù) CAPE、綜合水汽含量IWV、液態(tài)水路徑 LWP、濕層厚度Lwet、0℃層高度Z0℃、-20℃層高度 Z-20℃、過(guò)冷水層 Lsc、700 hPa與 500 hPa溫度差 t700-850、850 hPa與500 hPa溫度差t850-500。14個(gè)參數(shù)中有12個(gè)較為常見(jiàn)，因而只給出2個(gè)參數(shù)的計(jì)算公式。

（1）KOI＝0.5×（tpp500+tpp700-tpp1000-tpp850），其中，tpp代表假相當(dāng)位溫減去位溫的值。

（2）濕層厚度Lwet＝∑0HH85%rh，其中，H85%rh表示垂直上空所有相對(duì)濕度大于85%的厚度。

為便于研究短時(shí)強(qiáng)降水發(fā)生前1 h的對(duì)流參數(shù)統(tǒng)計(jì)特征，計(jì)算了14個(gè)參數(shù)的短時(shí)強(qiáng)降水閾值和非短時(shí)強(qiáng)降水常值。閾值計(jì)算方法參考高曉梅等［10］的閾值指標(biāo)，定義強(qiáng)天氣發(fā)生前1 h對(duì)流參數(shù)的25%分位數(shù)作為短時(shí)強(qiáng)降水預(yù)報(bào)的閾值，而非短時(shí)強(qiáng)降水參數(shù)序列的50%分位數(shù)作為非短時(shí)強(qiáng)降水天氣常值，計(jì)算結(jié)果如表1所示，超過(guò)閾值代表易發(fā)生短時(shí)強(qiáng)降水天氣。

表1 短時(shí)強(qiáng)降水參數(shù)閾值和非短時(shí)強(qiáng)降水參數(shù)常值

3.2 預(yù)報(bào)方法的建立及效果驗(yàn)證

一些對(duì)流參數(shù)對(duì)區(qū)分天氣類型有明顯效果，因此，為了準(zhǔn)確選取這些對(duì)流參數(shù)作為預(yù)報(bào)因子，計(jì)算各參數(shù)閾值與常值的相對(duì)標(biāo)準(zhǔn)偏差值［11］。相對(duì)標(biāo)準(zhǔn)偏差值也稱差異系數(shù)、變異系數(shù)，適用于判斷兩組數(shù)據(jù)的差異程度，其絕對(duì)值越大代表兩組數(shù)之間差異越大，為方便比較，求其絕對(duì)值為

其中，RSd為因子的相對(duì)標(biāo)準(zhǔn)偏差值；Ai為第i個(gè)因子的短時(shí)強(qiáng)降水閾值；A-l為第i個(gè)因子的短時(shí)強(qiáng)降水閾值和非短時(shí)強(qiáng)降水常值的平均值；｜RSd｜i越大代表該因子在區(qū)分有無(wú)短時(shí)強(qiáng)降水天氣方面的效果越顯著，計(jì)算結(jié)果如圖1所示。

圖1 短時(shí)強(qiáng)降水閾值與非短時(shí)強(qiáng)降水常值的相對(duì)標(biāo)準(zhǔn)偏差絕對(duì)值

圖1顯示區(qū)分有無(wú)短時(shí)強(qiáng)降水天氣效果顯著的前 5名參數(shù)依次為 LWP、SI、LI、CAPE、KOI。選定這些參數(shù)作為預(yù)報(bào)因子，預(yù)報(bào)因子達(dá)標(biāo)條件Xi（i＝1，2，3，4，5）分別為 LWP≥137.8 g·m-2、SI≤-1.58℃、LI≤-1.15℃、CAPE≥299.1 J/kg、KOI≥-2.18℃（達(dá)標(biāo)值參照表1短時(shí)強(qiáng)降水閾值），根據(jù)相對(duì)標(biāo)準(zhǔn)偏差絕對(duì)值｜RSd｜確定各因子權(quán)重系數(shù)ki為

依照疊套法，加入權(quán)重系數(shù)，疊加各預(yù)報(bào)因子指標(biāo)，建立預(yù)報(bào)方程，其表達(dá)式為

Y＝0.47X1+0.21X2+0.14X3+0.9X4+0.9X5

假定短時(shí)強(qiáng)降水預(yù)報(bào)閾值P，若Y≥P即表示預(yù)報(bào)有短時(shí)強(qiáng)降水。為尋求合適的疊套值P，計(jì)算了 Y≥P（P＝0.1，0.2，…，1.0）時(shí)的 POD、CSI、FAR，如表2所示。

表2 不同預(yù)報(bào)閾值P對(duì)應(yīng)的短時(shí)強(qiáng)降水POD、CSI、FAR

由表2可知，預(yù)報(bào)閾值P越小，POD和CSI越大，但同時(shí)FAR也會(huì)增加；而預(yù)報(bào)閾值P越大，F(xiàn)AR降低的同時(shí)POD和CSI增大。為了取得較好的預(yù)報(bào)效果，需要在虛警和漏報(bào)之間確定一個(gè)折中，總體上看預(yù)報(bào)閾值P＝0.6是個(gè)比較合理的選擇，此時(shí)歷史個(gè)例庫(kù)中POD、CSI、FAR分別為59.32%、55.56%、10.26%。

為驗(yàn)證短時(shí)強(qiáng)降水預(yù)報(bào)效果，利用2018—2019年驗(yàn)證個(gè)例庫(kù)進(jìn)行相關(guān)檢驗(yàn)，計(jì)算得到POD、CSI、FAR分別為 53.85%、50.00%、12.49%；檢驗(yàn)結(jié)果說(shuō)明研究建立的預(yù)報(bào)方法對(duì)短時(shí)強(qiáng)降水有一定的預(yù)報(bào)效果。

3.3 短時(shí)強(qiáng)降水預(yù)報(bào)方法的改進(jìn)

日常工作中發(fā)現(xiàn)，水汽參數(shù)LWP在降水發(fā)生前會(huì)出現(xiàn)振動(dòng)幅度加大的現(xiàn)象，因此計(jì)算LWP的標(biāo)準(zhǔn)偏差（Slwp），發(fā)現(xiàn)其在短時(shí)強(qiáng)降水前1 h偏差值明顯增大。統(tǒng)計(jì)發(fā)現(xiàn)短時(shí)強(qiáng)降水個(gè)例庫(kù)中通過(guò)Slwp≥100 g·m-2的個(gè)例高達(dá)66.67%，而非短時(shí)強(qiáng)降水個(gè)例庫(kù)中通過(guò)此條件的個(gè)例僅有11.67%，這說(shuō)明LWP在強(qiáng)降水發(fā)生前振幅加大是普遍現(xiàn)象，因此該條件可以加入到改進(jìn)短時(shí)強(qiáng)降水預(yù)報(bào)方法中。

鑒于LWP參數(shù)特點(diǎn)，結(jié)合疊套法把Slwp加入到預(yù)報(bào)當(dāng)中，即判斷當(dāng)同時(shí)滿足預(yù)報(bào)閾值P＝0.4和Slwp≥100 g·m-2條件時(shí)，也表示通過(guò)短時(shí)強(qiáng)降水預(yù)報(bào)閾值條件。為驗(yàn)證改進(jìn)的短時(shí)強(qiáng)降水預(yù)報(bào)效果，利用檢驗(yàn)個(gè)例庫(kù)個(gè)例進(jìn)行檢驗(yàn)，POD和CSI提高至73.08%、63.33%，增幅分別為19.23%、13.33%，虛警率增加至17.39%，增幅僅4.90%。綜上，短時(shí)強(qiáng)降水預(yù)報(bào)方法改進(jìn)后，POD和CSI得到明顯提高，而FAR雖有所增加，但增幅較小，這些都說(shuō)明預(yù)報(bào)效果得到了有效的提升。

4 結(jié)論

1）統(tǒng)計(jì)分析短時(shí)強(qiáng)降水發(fā)生前的對(duì)流參數(shù)特征發(fā)現(xiàn)，LWP、SI、LI、CAPE、KOI這 5個(gè)參數(shù)對(duì)短時(shí)強(qiáng)降水天氣區(qū)分能力強(qiáng)，可以作為短時(shí)強(qiáng)降水的預(yù)報(bào)因子。

2）研究以疊套法思路建立了短時(shí)強(qiáng)降水預(yù)報(bào)，為了取得較好的預(yù)報(bào)效果，在虛警和漏報(bào)之間確定一個(gè)折中，選擇P＝0.6作為預(yù)報(bào)閾值，利用2018—2019年驗(yàn)證個(gè)例庫(kù)進(jìn)行相關(guān)預(yù)報(bào)檢驗(yàn)，計(jì)算得到 POD、CSI、FAR分別為53.85%、50.00%、12.49%。

3）LWP的標(biāo)準(zhǔn)偏差在短時(shí)強(qiáng)降水發(fā)生前1 h有明顯增大現(xiàn)象，利用該特征改進(jìn)短時(shí)強(qiáng)降水的預(yù)報(bào)，POD和CSI提高至73.08%、63.33%，增幅分別為 19.23%、13.33%，虛警率增加至17.39.00%，增幅僅4.90%。改進(jìn)后的短時(shí)強(qiáng)降水預(yù)報(bào)效果提升明顯，這說(shuō)明水汽參數(shù)LWP在短時(shí)強(qiáng)降水預(yù)報(bào)中有較強(qiáng)的指示意義。