浙江省2016年夏季融合降水預報檢驗評估*

黎玥君 余貞壽 邱金晶 蘇 濤

(浙江省氣象科學研究所，浙江 杭州 310008)

0 引 言

浙江省位于東亞季風區(qū)，東臨東海，西有山區(qū)，這樣復雜的地形條件和自然狀況，致使浙江省夏季的氣象災害種類較多，強降水帶來的氣象災害對人口、經(jīng)濟造成的損失尤為嚴重。每年夏季，浙江省受臺風、西風槽等天氣系統(tǒng)產(chǎn)生的強降水災害，其影響的人口達193.58萬人次[1]。在這種復雜的天氣過程中，短臨預報技術(shù)顯得尤為重要。短時臨近預報主要依賴雷達外推，但由于雷達外推很難考慮天氣系統(tǒng)的發(fā)生、發(fā)展和消亡等過程，因此其預報時效很短，對2 h之后的預報降水誤差較大。而精細化數(shù)值天氣預報能在一定程度上預測天氣的發(fā)展過程，但由于存在spin-up問題，在模式預報的前幾個小時存在較大誤差。近年來，為了解決外推技術(shù)的時效性短的問題，很多學者開展了雷達技術(shù)和數(shù)值模式相融合的短時臨近預報系統(tǒng)的研究[2-8]，為強降水0～6 h有效預報提供了最重要的途徑之一。精細化融合預報技術(shù)是使用浙江省聯(lián)網(wǎng)多普勒天氣雷達探測資料和高分辨率數(shù)值模式預報產(chǎn)品，在雷達定量估測降水的基礎(chǔ)上，利用模式預報的降水區(qū)域和強度變化趨勢信息，對雷達外推的降水范圍和強度進行訂正的短臨預報方法[9]。該方法已經(jīng)成為浙江省短臨降水精細化預報的重要參考。由于受邊界場、數(shù)值預報“起轉(zhuǎn)”、模式本身設(shè)計、雷達資料外推技術(shù)的局限性等諸多因素，融合降水的定量估測降水和預報降水不可避免地存在誤差[10]。因此，開展降水融合預報檢驗評估對產(chǎn)品性能評估、改進降水融合預報方法，進一步提高預報準確率具有重要意義。

1 資料與方法

1.1 精細化融合預報技術(shù)簡介

精細化融合預報技術(shù)其原理是利用雷達資料外推，結(jié)合中尺度數(shù)值模式預報產(chǎn)品作為環(huán)境場，前兩小時的雨量預報主要是基于雷達外推預報結(jié)果Rradar，而在預報的后段，數(shù)值預報Rnwf的比重隨著時間的增加而增加，w(t)為數(shù)值預報的動態(tài)權(quán)重系數(shù)，基本公式如下：

R(t)=(1-w(t))×Rradar(t)+w(t)×Rnwf(t)

數(shù)值預報Rnwf是浙江省高分辨區(qū)域數(shù)值預報系統(tǒng)的預報結(jié)果，其系統(tǒng)是采用WRF3.4.1模式，并參考上海區(qū)域中尺度數(shù)值預報業(yè)務(wù)系統(tǒng)，結(jié)合浙江省地理環(huán)境和天氣氣候特點，選用雙重嵌套，分辨率各為9 km和3 km[11]。雷達外推預報結(jié)果Rradar是以雷達資料為基礎(chǔ)的外推預報結(jié)果，主要采用交叉相關(guān)追蹤法和回波特征追蹤法進行外推，詳細方法見文獻[12]。融合產(chǎn)品分為1 h雷達估測降水(QPE)和1 h融合預報降水(QPF)，空間分辨率為1 km×1 km，估測降水為每天24次1 h一次，融合預報降水可預報從起報后1～6 h的1 h累計雨量。

1.2 評估方法

根據(jù)中國氣象局規(guī)定的《定量降水估測(QPE)質(zhì)量檢驗辦法》，利用臨近法將全省格點預報場數(shù)據(jù)轉(zhuǎn)化到實況的站點上，得到預報站點數(shù)據(jù)，即將降水實況和降水估測的配對，選取與降水實況觀測雨量站最近的格點為中心，擴大至周邊3×3共9個格點，取其中最接近雨量站降水實況值的格點降水估測值檢驗兩者的誤差差值，逐個格點進行對比。結(jié)合短臨融合降水預報的特點，選取2個評估要素和4個檢驗指標進行評估，評估要素為1 h雷達估測降水(QPE)和1 h融合預報降水(QPF)，估測降水為每天24次1 h一次，融合預報降水可預報從起報后1～6 h的1 h累計雨量。4個檢驗指標分別為：

均方根誤差(RMSE)：

平均絕對誤差率(MAER)：

式中，Gi為雨量站1 h累積雨量，Ri為1 h降水估測值，N為參與評估的雨量站總站數(shù)。

面向?qū)ο蟮脑\斷評估方法(MODE)[13]，提供更多的預報檢驗信息，能從數(shù)值誤差和其他誤差中分離出落區(qū)誤差等，包括尺度分離技術(shù)和目標檢驗技術(shù)，其中目標檢驗技術(shù)綜合比較預報目標和觀測目標的位置、面積、量級、強度和形狀等，用來描述預報目標和觀測目標之間的相似程度，避免了傳統(tǒng)檢驗方法僅僅給出結(jié)論而無診斷信息的弊端。在目標分離結(jié)束后，MODE通過識別降水落區(qū)目標體，獲取目標屬性(面積、質(zhì)心、軸向)，計算預報降水落區(qū)和實況的相似程度，評估模式的預報能力。

1.3 資 料

實況資料選用浙江省內(nèi)1957 個站點觀測資料(包括3個基準站、20個基本站、47個一般站和1800 多個區(qū)域自動站)，其水平分辨率約為6 km。要素為定時的累計雨量，時間分辨率為1 h。

QPE估測降水為逐小時累計降水，每天24次，是根據(jù)多普勒雷達實時回波觀測和Z-I關(guān)系估算得到的累計降水；QPF融合預報降水是根據(jù)雷達回波結(jié)合TREC外推技術(shù)預報的逐小時累計降水和數(shù)值模式預報的逐小時累計降水，經(jīng)過融合預報技術(shù)得到的累計降水。

2 雷達估測降水(QPE)評估結(jié)果

2.1 QPE降水的時空平均統(tǒng)計

從表1可以看出，2016年夏季全省平均QPE降水為0.24 mm，比實況偏小0.02 mm，絕對誤差為0.15 mm，其均方根誤差為0.97 mm，平均誤差率達到54%?？梢钥闯?，1h的估測降水普遍比實況偏大。隨著降水等級的增加，降水值在增大，達到大暴雨級別時，QPE降水為34.58 mm，比實況偏大了17.35 mm，誤差值也隨降水等級的增加而增大，但是絕對誤差率在減小，大暴雨級別時，誤差率為42%。

表1 2016年7—9月浙江省1 h估測降水預報檢驗結(jié)果

2.2 QPE降水的空間分布

圖1給出了2016年7—9月平均QPE降水與實況的空間分布。由圖1a平均1 h降水實況可知，浙江省2016年7—9月1 h降水量在0～0.7 mm之間，降水主要集中在浙南和浙東沿海一帶。QPE降水(圖1b)估測出了浙南溫州蒼南縣一帶的降水高值區(qū)，和浙北杭州、嘉興一帶降水低值區(qū)的基本走向，無論是雨區(qū)的分布，還是降水中心的位置、量級等兩者之間都有很好的對應。QPE降水在空間分布上以偏小為主，尤其在浙南溫州與福建交界一帶估值偏弱明顯(圖1c)。由圖(1d—1f)可見，誤差的高值帶主要位于浙南麗水一帶和浙東沿海地區(qū)，而誤差率自北向南呈遞增趨勢，說明有些地區(qū)雖然絕對誤差很大，但是可能這些地區(qū)本來的降水量就很大，所以導致誤差率不會很高。綜合各指標，QPE降水在降水中心及基本雨帶的走向上有較好的一致性，全省降水量以偏強為主，在浙南溫州一帶的估測效果較差，對浙北、浙中一帶的估測效果較好，估測能力隨著降水量級的增大而減小。

圖1 2016年7—9月1 h雷達估測降水評估參數(shù)：(a)實況(單位：mm)；(b)估測(單位：mm)； (c)平均誤差(單位：mm)；(d)絕對誤差(單位：mm)；(e)均方根誤差(單位：mm)；(f)絕對誤差率

2.3 QPE降水的時間演變

從2016年全省平均來看，QPE降水與實況在發(fā)生、發(fā)展和減弱的趨勢上保持一致。由圖2可見，在7月中上旬，降水強度較大，雷達估測的降水偏大程度較明顯，平均小時降水誤差值都在1.5 mm左右；在7月中下旬，降水強度為小到中雨或者無降水發(fā)生時，估測降水與實況相當，平均誤差接近于0。在8月，每隔3 d都會出現(xiàn)幾次降水，雷達估測的降水偏大的機率要多一些，平均誤差在1.0 mm 左右。在9月15日左右，出現(xiàn)了強降水事件，雷達估測降水與實況相近，平均誤差在-0.2 mm左右。在9月下旬，降水強度為小到中雨或者無降水發(fā)生，估測降水與實況的誤差很小，平均誤差都在-0.2 mm左右。綜上7、8、9月的雷達估測降水與實況降水對比，可以發(fā)現(xiàn)，估測降水普遍偏大，在強降水事件中，估測降水的誤差值可以達到0～2.0 mm，在弱降水時，估測降水較好的描述了降水實況，平均誤差接近與0。

圖2 2016年7—9月雷達定量估測降水逐1 h估測檢驗

3 融合預報降水(QPF)評估結(jié)果

以上分析了雷達估測降水與降水實況的對比，以及估測降水的估測能力，從上述可以看到，兩者有很好的對應，較準確的雷達定量降水估測是降水短臨預報的關(guān)鍵，這為1～6 h短臨預報奠定了基礎(chǔ)。

3.1 QPF 1 h降水的時空平均統(tǒng)計

圖3給出了2016年7—9月QPF預報1～6 h的4個評估指標的結(jié)果，從整體上看，預報的降水普遍偏小。隨著預報時效的增加，誤差隨之增大，從預報1 h到預報2 h，絕對誤差值增大的幅度最大，達到25%的增幅。同理，隨著降水等級的增加，誤差也隨之增大。

圖3 2016年7—9月浙江省精細化融合預報(QPF)5個降水等級下提前1～6 h的檢驗結(jié)果

3.2 QPF 1 h降水的空間分布

圖4 2016年7—9月1 h平均降水不同提前量(1～6 h)的均方根誤差

為了更全面地評價模式產(chǎn)品，圖4給出了全省不同提前量的1 h累計降水的均方根誤差的空間分布。由圖4可見，隨著提前量的增加，浙南溫州和浙東沿海的均方根誤差值在增大，并且誤差大值的范圍也在擴大，浙西和浙北的預報與實況最接近。從預報3 h開始，均方根誤差值開始明顯的增大，這可能是由于融合降水預報的前兩小時主要是基于雷達外推預報結(jié)果，之后數(shù)值預報的比重隨著時間的增加而增加，因此從預報3 h開始，數(shù)值預報動態(tài)權(quán)重系數(shù)的增加造成不穩(wěn)定，因此3 h的預報誤差與前兩個小時相比有較大的差異。

3.3 QPF累計6 h降水的7—9月平均統(tǒng)計

表2 2016年7—9月浙江省6 h累計降水預報累加檢驗結(jié)果

量級/mm實況預報MEMAERMSEMAER≥0．1(小雨以上)2．942．59-0．343．225．320．47≥4．0(中雨以上)9．984．83-5．157．288．270．62≥13．0(大雨以上)19．215．68-13．5314．2614．880．59≥25．0(暴雨以上)31．696．29-25．4025．4725．980．61≥60．0(大暴雨以上)72．8619．43-53．4353．7456．150．73

從表2中可以看到，對于預報時效為6h的累計降水預報而言，隨著降水等級的增加，預報的準確率在降低，但是相比于中雨和暴雨，對大暴雨以上量級的降水預報而言，誤差率偏高了一些，總體上而言，融合降水預報對弱降水具有比較高的準確率，對業(yè)務(wù)預報具有一定的參考價值。

4 臺風莫蘭蒂的評估

臺風“莫蘭蒂”于2016年09月15日03時在福建省廈門市翔安區(qū)登陸，登陸時為強臺風級別，然后北偏西移動，于15日下午減弱為熱帶低壓，之后先后北上穿越江西省上饒地區(qū)、景德鎮(zhèn)地區(qū)東部，于16日05時離開江西進入安徽省境內(nèi)，于16日下午在江蘇泰州市海域出海。臺風“莫蘭蒂”來勢猛，強度大，破壞性強，給浙江、江西、安徽等省份造成了重大損失。

4.1 QPE降水的空間分布

圖5給出了2016年臺風“莫蘭蒂”期間(9月13日20時—16日20時)平均QPE降水與實況的空間分布。由圖5a、5b可知，雷達估測降水的強降水落區(qū)和強度與實況一致，臺風期間1h降水量在0.4～4.4 mm之間，強降水主要集中在浙南和浙東沿海一帶。由圖5c可以看出，QPE降水在空間分布上以偏小為主，尤其在浙南溫州與福建交界一帶，以及浙北區(qū)域估值偏弱明顯。由圖5d、5e可見，誤差的高值帶主要位于浙南麗水一帶和浙東沿海地區(qū)，浙西和浙北的誤差值較小。綜合各指標，QPE降水在降水中心及基本強降水雨帶的走向上有較好的一致性。

圖5 2016年莫蘭蒂1h雷達估測降水評估參數(shù)：(a)實況(單位：mm)； (b)估測(單位：mm)；(c)平均誤差(單位：mm)；(d)絕對誤差(單位：mm)；(e)均方根誤差(單位：mm)

4.2 QPF降水的空間分布

圖6為“莫蘭蒂”期間雷達提前1～6 h的預報降水，可以看出，從雨區(qū)分布位置來看，預報和實況比較吻合，圖6a與實況圖之間有非常好的對應關(guān)系，無論從降水落區(qū)還是降水強度都比較吻合，但從降水的強度來看，隨著提前量的增加，降水大值區(qū)的強度有所減弱。從它們之間的均方根誤差(圖7)來看，預報的大降雨強度偏弱，自浙南溫州一帶到浙東沿海一帶，是均方根誤差的大值區(qū)。隨著提前量的增加，強降水落區(qū)的誤差值在增大，從第4 h開始增大的較明顯，之后的第5 h、6 h的誤差值變化不大。

圖6 2016年莫蘭蒂1 h平均降水不同提前量(1～6 h)的預報

圖7 2016年莫蘭蒂1 h平均降水不同提前量(1～6 h)的均方根誤差

4.3 莫蘭蒂降水時空分布檢驗

前文基于長時間降水序列對Radar估測降水和融合預報降水進行精度檢驗，發(fā)現(xiàn)雷達資料與臺站資料具有較高的相關(guān)性，進一步選取臺風個例“莫蘭蒂”(1614)做進一步評估。

選取“莫蘭蒂”臺風影響浙江時段：2016年9月13日21時至2016年9月16日20時(北京時，下同)，圖8“莫蘭蒂”期間浙江省1 h降水的時間演變圖可以看出，15日08時至16日08時全省的小時雨量明顯增大，出現(xiàn)全省性的暴雨，部分大暴雨?；谀繕嗽\斷技術(shù)對臺風最強的15日20—21時的1 h預報降水(1 h降水量≥30mm)以上的形態(tài)進行檢驗，結(jié)果如圖9，可以看出雷達資料表征的大暴雨級別以上的降水面積比實況小，但能清楚得識別出位于浙東沿海和浙東南沿海地區(qū)的兩個目標中心(圖中數(shù)字1和2所示位置)，與實況目標中心(圖中數(shù)字1、2和3、4、5所示位置)匹配很好，兩個目標中心的相似系數(shù)詳見表3?？梢娕_風期間雷達降水資料整體雖然存在強度和范圍都偏小 的現(xiàn)象，對于小范圍大暴雨中心(目標1)不如大范圍大暴雨中心(目標2)的相似度和結(jié)構(gòu)好；隨著預報提前量的增長，相似度減小。雖然雷達資料存在強度和范圍都偏小的現(xiàn)象，但對降水的結(jié)構(gòu)預報和實況相似較好，仍有較高應用價值。

表3雷達資料和站點觀測在不同時間尺度和預報量的空間相關(guān)系數(shù)

時刻提前1h提前2h提前3h提前4h提前5h提前6h累計6h目標10．77000000．76目標20．940．770．720．710．7200．87

圖8 莫蘭蒂(9月13日20時-16日20時) 的雷達定量估測降水逐1 h估測檢驗

圖9 6個不同提前量大暴雨以上級別的累計1 h降水的形態(tài)檢驗結(jié)果(a:提前1h預報降水； b:提前2h預報降水；c:提前3h預報降水d：提前4h預報降水；e：提前5h預報降水；f：提前6h預報降水；g：實況)

5 結(jié)論與討論(包括初步評估結(jié)論和存在問題探討)

本文利用1900多個站點的觀測資料，對雷達定量估測降水(QPE)和融合預報降水(QPF)進行評估，選用1 h估測降水、1 h累計預報降水和6 h累計降水預報作為評估要素，從時間演變、空間分布及統(tǒng)計檢驗3個方面分析了2016年浙江省7—9月0～6 h雷達降水的估測和預報性能，結(jié)果如下：

1)對雷達估測降水檢驗表明,從2016年7—9月估測降水的檢驗結(jié)果來看，雷達估測降水能較好的反映降水的時間演變規(guī)律，以及空間分布情況。從時間演變來看，估測降水普遍偏弱；從空間分布來看，浙南和浙東沿海估測降水普遍偏小，浙西南的誤差值最大，浙北的估測效果最優(yōu)，總體上雨區(qū)的分布、降水中心的位置估測降水與實況都有很好的對應，較準確的雷達估測降水為1～6 h短臨預報奠定了基礎(chǔ)。

2)對融合預報降水評估得到,從6 h累計降水預報來看，預報能力隨著降水量級的增大而減小。1 h累計預報降水的檢驗結(jié)果來看，在相同的降水級別中，預報能力隨著預報時效的增大而減??；在相同的預報時效里，隨著降水量級的增大，預報水平在降低。從空間分布來看，浙江南部的大降雨區(qū)對應較好，但預報的大降雨范圍比實況要大，在浙南預報的強度偏弱，浙東沿海預報的均方根誤差最大。

3)對臺風莫蘭蒂降水的時空分布檢驗,臺風期間雷達降水資料整體雖然存在強度和范圍都偏小的現(xiàn)象，對于小范圍暴雨中心(目標1)不如大范圍暴雨中心(目標2)的相似度和結(jié)構(gòu)好；隨著預報提前量的增長，相似度減小，從提前3 h開始有明顯的減小，提前3～6 h的相似度相差甚微。雖然雷達資料存在強度和范圍都偏小的現(xiàn)象，但對降水的結(jié)構(gòu)預報和實況相似較好，仍有較高應用價值。

以上分析說明，雷達TREC外推與數(shù)值預報融合方案制作出0～6 h的降水短臨預報，其結(jié)果對業(yè)務(wù)短臨天氣預報具有較大的參考價值，可以為實時業(yè)務(wù)天氣預報提供客觀的預報依據(jù)。同時，檢驗評估結(jié)果也為融合預報技術(shù)的改進和完善提供參考價值。

[1] 苗長明，徐集云，樊高峰，等.浙江省氣象災害年鑒[M].北京：氣象出版社，2003：1-2.

[2] Golding B W.NIMROD：A system for generating automated very short range forecasts[J].Meteor Appl,1998,5(1):1-16.

[3] Pierce C，Hardaker P，Collier C，et al.GANDOLF：A system for generating automated nowcasts of convective precipitation[J].Meteor Appl,2001,7(14)：341-360.

[4] Bowler N，Pierce C,Seed A.STEPS:A probalistic precipitation forecasting scheme which merges an extrapolation nowcast with downscaled NWP[J]. Quart J Roy Meteor Soc,2006,132(620)：2127-2155.

[5] Feng Y，et al. Introducting to GRAPES-SWIFT nowcasting system[J].Mon Wea Rev,2007,130(12):2859-2873.

[6] Zeng Q，Liang Q，et al. Proceedings of the 21stGuangdong-Hong Kong-Macau Scientific and Technological Seminar on Hazardous Weather. Hong Kong,2010,1：24-26.

[7] 陳明軒，王迎春，俞小鼎.交叉相關(guān)外推算法的改進及其在對流臨近預報中的應用[J].應用氣象學報,2007,18(5)：690-701.

[8] 陳明軒，高峰，孔榮,等.自動臨近預報系統(tǒng)及其在北京奧運期間的應用.應用氣象學報[J]，2010,21(4)：395-404.

[9] 程叢蘭，陳明軒等.基于雷達外推臨近預報和中尺度數(shù)值預報融合技術(shù)的短時定量降水預報試驗[J].氣象學報，2013，71(3):397-415.

[10] 楊丹丹，申雙和等.雷達資料和數(shù)值模式產(chǎn)品融合技術(shù)在短時臨近預報中的應用[D].南京：南京信息工程大學，2010,36(8)：53-60.

[11] 邱金晶，陳鋒,董美瑩，等.快速更新同化預報系統(tǒng)性能的檢驗與分析[J].浙江氣象，2014，35(4)：1-2

[12] 趙放，冀春曉，任鴻翔，等.臺風螺旋帶回波識別追蹤及結(jié)構(gòu)分析技術(shù)應用[J]，浙江氣象，2008，29(1)：15-16.

[13] 王雪蓮，解以揚，李英華，等.基于對象的診斷評估方法(MODE)降水預報檢驗[J].安徽農(nóng)業(yè)科學，2013，41(21):9027-9029.