基于智能網(wǎng)格降水產(chǎn)品的降尺度釋用技術(shù)研究

曾 鵬，鐘利華*，鄭鳳琴，史彩霞，朱麗云

（1.廣西壯族自治區(qū)氣象災(zāi)害防御技術(shù)中心，南寧 530022；2.廣西壯族自治區(qū)氣候中心，南寧 530022）

引言

高分辨率網(wǎng)格化氣象信息是開(kāi)展精細(xì)化專(zhuān)業(yè)氣象服務(wù)的一個(gè)重要技術(shù)支撐，目前氣象業(yè)務(wù)中使用的氣象資料具有不同的時(shí)間和空間分辨率。例如歐洲數(shù)值預(yù)報(bào)中心產(chǎn)品的水平分辨率可達(dá)到0.1°×0.1°的精度，美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心的GFS 模式提供0.5°×0.5°高分辨率的產(chǎn)品，廣西智能網(wǎng)格產(chǎn)品的分辨率為5km（0.05°×0.05°）。從業(yè)務(wù)應(yīng)用考慮，這些產(chǎn)品的空間分辨率還不能滿(mǎn)足行業(yè)用戶(hù)的需求，而高分辨率氣象預(yù)報(bào)產(chǎn)品細(xì)節(jié)豐富，但數(shù)據(jù)規(guī)模較大，一般用于信道和硬件設(shè)施條件較好的氣象業(yè)務(wù)部門(mén)［1］。為滿(mǎn)足用戶(hù)定點(diǎn)服務(wù)的需求，基于較低分辨率氣象產(chǎn)品的基礎(chǔ)上，通過(guò)一些降尺度算法可以獲得較高分辨率的氣象產(chǎn)品，并可低成本提高氣象保障的精細(xì)化程度，具有明顯的實(shí)際應(yīng)用價(jià)值?，F(xiàn)有使用的降尺度方法有動(dòng)力降尺度法、統(tǒng)計(jì)降尺度法、統(tǒng)計(jì)與動(dòng)力相結(jié)合的降尺度法，相比較而言，統(tǒng)計(jì)降尺度法計(jì)算量小而易于操作，能夠通過(guò)利用大量實(shí)況資料，輸出較高分辨率或站點(diǎn)尺度的氣象要素等優(yōu)點(diǎn)，對(duì)現(xiàn)有的業(yè)務(wù)數(shù)值預(yù)報(bào)結(jié)果有明顯的改進(jìn)能力［2-3］。智能網(wǎng)格氣象預(yù)報(bào)是目前中國(guó)氣象局主推業(yè)務(wù)和未來(lái)天氣預(yù)報(bào)的發(fā)展方向，2017 年開(kāi)始，廣西氣象局研發(fā)了廣西區(qū)域5km 分辨率的未來(lái)10d 精細(xì)化氣象網(wǎng)格預(yù)報(bào)產(chǎn)品，逐漸開(kāi)始基于智能網(wǎng)格預(yù)報(bào)產(chǎn)品的業(yè)務(wù)應(yīng)用，根據(jù)行業(yè)部門(mén)和專(zhuān)業(yè)用戶(hù)的服務(wù)特點(diǎn)和需求研發(fā)精細(xì)化的服務(wù)產(chǎn)品［4-5］，建立合理、有效的格點(diǎn)到用戶(hù)關(guān)心的位置（區(qū)域、線(xiàn)路或關(guān)鍵點(diǎn)）的預(yù)報(bào)要素解析方法并開(kāi)展檢驗(yàn)工作，例如盧小風(fēng)等［6］開(kāi)展了智能網(wǎng)格產(chǎn)品在西江流域的應(yīng)用檢驗(yàn)，陳偉斌等［7］對(duì)集合預(yù)報(bào)降水產(chǎn)品在廣西的預(yù)報(bào)性能進(jìn)行了分析；季永平、智協(xié)飛等［8-9］研究了統(tǒng)計(jì)降尺度方法對(duì)中國(guó)地面降水的預(yù)報(bào)應(yīng)用，表明統(tǒng)計(jì)降尺度可一定程度上減少預(yù)報(bào)誤差，這些研究為數(shù)值預(yù)報(bào)產(chǎn)品的釋用提供了很多有價(jià)值的參考依據(jù)。

針對(duì)近3a 臺(tái)風(fēng)影響廣西的主要時(shí)段（6—9 月）和臺(tái)風(fēng)暴雨主要落區(qū)開(kāi)展研究，區(qū)域選取為廣西南部和沿海地區(qū)，范圍為：104°E～112°E，20°N～22.8°N（以下稱(chēng)為桂南區(qū)域），利用廣西智能網(wǎng)格降雨量預(yù)報(bào)產(chǎn)品（分辨率5km），采用最鄰近點(diǎn)法、雙線(xiàn)性插值、雙三次插值以及分級(jí)回歸統(tǒng)計(jì)降尺度方法，分析桂南區(qū)域高分辨率1km 格點(diǎn)至站點(diǎn)預(yù)報(bào)的適用性，為粗網(wǎng)格至更精細(xì)的網(wǎng)格降水預(yù)報(bào)解析和轉(zhuǎn)換提供參考，從而滿(mǎn)足行業(yè)用戶(hù)對(duì)精細(xì)化預(yù)報(bào)服務(wù)的需求。

1 資料與方法

1.1 資料

預(yù)報(bào)資料為每日12UTC 起報(bào)的廣西智能網(wǎng)格降雨量產(chǎn)品，時(shí)效為10d，時(shí)間分辨率逐3h，空間分辨率5km，資料時(shí)間為2018 年—2020 年6—9 月。

實(shí)況資料來(lái)源于全國(guó)綜合氣象信息共享系統(tǒng)（CIMISS），資料時(shí)間為2018 年—2020 年6—9 月的自動(dòng)站逐小時(shí)降雨量觀測(cè)資料，其中桂南區(qū)域的國(guó)家級(jí)和區(qū)域級(jí)自動(dòng)氣象觀測(cè)站共計(jì)566 個(gè)站點(diǎn)。

1.2 方法

選取最鄰近點(diǎn)法、雙線(xiàn)性插值、雙三次插值和回歸統(tǒng)計(jì)這4 種方法，研究和評(píng)估降尺度預(yù)報(bào)產(chǎn)品的解析性能，最鄰近點(diǎn)法、雙線(xiàn)性插值和雙三次插值的方法原理其它文獻(xiàn)已有詳細(xì)介紹［10］，統(tǒng)計(jì)降尺度和評(píng)估方法簡(jiǎn)要介紹如下：

（1）統(tǒng)計(jì)降尺度方法

采用最鄰近點(diǎn)法將模式預(yù)報(bào)插值到觀測(cè)站點(diǎn)上，對(duì)24h 累計(jì)降雨量的預(yù)報(bào)與觀測(cè)資料用最小二乘法逐站點(diǎn)建立一元線(xiàn)性回歸關(guān)系，關(guān)系式為：

其中，a 為回歸系數(shù)，b 為回歸常數(shù)，F(xiàn)t為模式預(yù)報(bào)結(jié)果，F(xiàn)′t為降尺度訂正后的結(jié)果，對(duì)于各個(gè)格點(diǎn)／站點(diǎn)，按照該式對(duì)模式預(yù)報(bào)進(jìn)行回歸訂正。

（2）檢驗(yàn)評(píng)估方法

對(duì)預(yù)報(bào)結(jié)果采用的判定方法：TS 評(píng)分，表示事件發(fā)生的正確預(yù)報(bào)次數(shù)與事件發(fā)生總次數(shù)（預(yù)報(bào)或觀測(cè)）的比率；ETS 評(píng)分，表示除去隨機(jī)偶然事件后，事件發(fā)生且預(yù)報(bào)正確的次數(shù)與事件發(fā)生總次數(shù)的比率；預(yù)報(bào)偏差（Bias），表示預(yù)報(bào)事件發(fā)生的次數(shù)與觀測(cè)事件發(fā)生的次數(shù)的比率。

2 結(jié)果與分析

2.1 檢驗(yàn)評(píng)估

對(duì)2018 年—2020 年6—9 月20 時(shí)起報(bào)的智能網(wǎng)格降雨量預(yù)報(bào)產(chǎn)品開(kāi)展降尺度應(yīng)用研究，先用最鄰近點(diǎn)法、雙線(xiàn)性插值和雙三次插值法將5km 的預(yù)報(bào)產(chǎn)品插值成1km，再解析到對(duì)應(yīng)的站點(diǎn)。3 種方法按照24h 降雨量等級(jí)標(biāo)準(zhǔn)將雨量分為小雨（0.1—10mm）、中雨（10—25mm）、大雨（25—50mm）和暴雨以上（＞50mm）共4 個(gè)量級(jí)。首先研究3 種不同的解析方法的TS 評(píng)分情況，圖1 給出了智能網(wǎng)格預(yù)報(bào)產(chǎn)品通過(guò)3 種方法解析到桂南區(qū)域566 個(gè)自動(dòng)觀測(cè)站的雨量分級(jí)分時(shí)效（24—120h）的TS 評(píng)分，可以看出，最鄰近點(diǎn)法、雙線(xiàn)性插值法和雙三次插值法這3 種方法的TS 評(píng)分差異較小。在小雨、中雨、大雨和暴雨以上量級(jí)的TS 評(píng)分的不同預(yù)報(bào)時(shí)效波動(dòng)范圍分別為0.72～0.74、0.10～0.11、0.06～0.08 和0.09～0.13，在各個(gè)量級(jí)的24—120h 預(yù)報(bào)時(shí)效的3 種方法TS 評(píng)分差值均小于0.01。

圖1 3 種方法的2018—2020 年6—9 月智能網(wǎng)格預(yù)報(bào)解析到桂南區(qū)域站點(diǎn)的24～120h 降雨量預(yù)報(bào)時(shí)效分級(jí)TS 評(píng)分

為了進(jìn)一步分析3 種插值方法的差異性，分別計(jì)算3 種方法的平均絕對(duì)誤差、均方根誤差、ETS 評(píng)分和Bias 偏差（圖2），從平均絕對(duì)誤差來(lái)看（圖2a），3 種方法在各預(yù)報(bào)時(shí)效的值幾乎完全一致，其誤差均小于1mm，總體趨勢(shì)呈現(xiàn)24～72h 內(nèi)誤差隨預(yù)報(bào)時(shí)效增大，96～120h 又略有降低的趨勢(shì)，各時(shí)效誤差基本為9～11mm；從均方差分析（圖2b），48h 和96h 預(yù)報(bào)時(shí)效的雙三次插值雨量的均方差略高，其它預(yù)報(bào)時(shí)效3 種方法基本一致，雙線(xiàn)性插值略低；ETS 評(píng)分顯示（圖2c），3 種方法的ETS 評(píng)分均隨預(yù)報(bào)時(shí)效增長(zhǎng)而降低，最鄰近點(diǎn)法的ETS 評(píng)分表現(xiàn)最好；Bias 評(píng)分也表明雖然3 種方法的降水預(yù)報(bào)頻次或降水量有偏多的特征，存在過(guò)度預(yù)報(bào)的情況（Bias＞1），但是最鄰近點(diǎn)法其取值基本在1.21～1.3之間，相對(duì)而言仍是最接近1，優(yōu)于其它兩種方法（圖2d）?？傮w而言，對(duì)于空間分辨率已經(jīng)較高的智能網(wǎng)格預(yù)報(bào)，不同的插值方法對(duì)于桂南區(qū)域的降雨預(yù)報(bào)差異性不大，需要尋求更好的模式預(yù)報(bào)降尺度釋用技術(shù)以改善預(yù)報(bào)效果。

圖2 3 種方法的2018—2020 年6—9 月智能網(wǎng)格預(yù)報(bào)解析到桂南區(qū)域站點(diǎn)的24－120h 降雨量預(yù)報(bào)時(shí)效誤差分析

2.2 基于分級(jí)回歸的降水統(tǒng)計(jì)降尺度

根據(jù)24h 累計(jì)地面降水量，以小雨、中雨、大雨和暴雨以上4 個(gè)降雨量級(jí)為標(biāo)準(zhǔn)，選取2018—2019年6—9 月的智能網(wǎng)格預(yù)報(bào)中各個(gè)量級(jí)的降水樣本作為訓(xùn)練樣本，用最小二乘法與對(duì)應(yīng)的觀測(cè)降水量分別建立各個(gè)量級(jí)的回歸方程，形成相對(duì)應(yīng)的預(yù)報(bào)模型，對(duì)2020 年6—9 月的預(yù)報(bào)進(jìn)行分級(jí)回歸統(tǒng)計(jì)降尺度訂正，并與其它3 種插值方法的預(yù)報(bào)效果作對(duì)比，如圖3 所示，計(jì)算了4 種方法的TS 評(píng)分，結(jié)果顯示在中雨以上量級(jí)，經(jīng)過(guò)分級(jí)回歸訂正后的TS評(píng)分在大多數(shù)預(yù)報(bào)時(shí)效相較于3 種插值方法均有不同程度的提高；對(duì)于小雨量級(jí)（圖3a），回歸訂正后的預(yù)報(bào)效果改善情況不明顯，中雨和大雨（圖3b，c）量級(jí)的24～120h 預(yù)報(bào)時(shí)效的回歸訂正TS 評(píng)分總體升高了0.01～0.03，暴雨以上量級(jí)的回歸訂正評(píng)分相比其它3 種方法可提高0.02～0.04（圖3d）?？傮w而言，分級(jí)回歸可以在一定量級(jí)上提高降雨預(yù)報(bào)的評(píng)分。

圖3 回歸訂正與3 種插值方法的2020 年6—9 月智能網(wǎng)格預(yù)報(bào)解析到桂南區(qū)域站點(diǎn)的24～120h 降雨量預(yù)報(bào)時(shí)效分級(jí)TS 評(píng)分

3 臺(tái)風(fēng)強(qiáng)降水個(gè)例分析

為了比較臺(tái)風(fēng)強(qiáng)降水過(guò)程統(tǒng)計(jì)分級(jí)回歸與插值降尺度方法的差異性，下面給出2019 年8 月臺(tái)風(fēng)“韋帕”降水的個(gè)例分析。圖4 是此次臺(tái)風(fēng)降水過(guò)程較明顯的時(shí)段（2019 年8 月1 日20 時(shí)—2019 年8月2 日20 時(shí)），從降水實(shí)況分析，8 月1 日20 時(shí)—2日20 時(shí)的主要強(qiáng)水區(qū)位于桂東南和沿海一帶，大暴雨主要出現(xiàn)在北海、防城港和玉林市南部區(qū)域（圖4a）；對(duì)最鄰近點(diǎn)法的預(yù)報(bào)場(chǎng)解析到站點(diǎn)可見(jiàn)（圖4b），8 月1 日20 時(shí)起報(bào)的未來(lái)24h 預(yù)報(bào)，對(duì)于大暴雨范圍其預(yù)報(bào)的區(qū)域偏大，除了沿海三市，還擴(kuò)展到了南寧東部、貴港西南部和崇左南部地區(qū)，其它區(qū)域的降水也比實(shí)況偏大；對(duì)用分級(jí)統(tǒng)計(jì)回歸訂正預(yù)報(bào)再解析到站點(diǎn)的降雨量分析可知（圖4c），經(jīng)過(guò)歷史資料的擬合，對(duì)強(qiáng)降水區(qū)域進(jìn)行了修正，大暴雨區(qū)域主要位于沿海地區(qū)，其它區(qū)域主要以大雨到暴雨為主，相比于原智能網(wǎng)格預(yù)報(bào)更接近于實(shí)況；從該日24h 預(yù)報(bào)的TS 評(píng)分可見(jiàn)（圖4d），統(tǒng)計(jì)回歸在小雨、中雨和大雨量級(jí)上的評(píng)分均比其它3 種插值方法有0.1～0.3 的提高。

圖4 臺(tái)風(fēng)降水個(gè)例

在桂南區(qū)域臺(tái)風(fēng)降水預(yù)報(bào)預(yù)警業(yè)務(wù)的實(shí)際應(yīng)用中，通過(guò)將建立好的分級(jí)回歸模型應(yīng)用于智能網(wǎng)格預(yù)報(bào)產(chǎn)品，再通過(guò)插值形成1km 的網(wǎng)格化預(yù)報(bào)場(chǎng)，在一定程度上提高了網(wǎng)格化預(yù)報(bào)的精細(xì)化水平和預(yù)報(bào)效果，為行業(yè)用戶(hù)開(kāi)展臺(tái)風(fēng)過(guò)程期間的防災(zāi)減災(zāi)和安全生產(chǎn)保障提供科學(xué)的參考依據(jù)。

4 結(jié)論和討論

利用廣西智能網(wǎng)格降雨量預(yù)報(bào)產(chǎn)品、桂南區(qū)域自動(dòng)觀測(cè)站降雨量實(shí)況資料，采用最鄰近點(diǎn)法、雙線(xiàn)性插值、雙三次插值和分級(jí)回歸統(tǒng)計(jì)降尺度方法，對(duì)網(wǎng)格降水預(yù)報(bào)向更精細(xì)化網(wǎng)格點(diǎn)降水解析的適用性進(jìn)行分析，得到以下結(jié)論：

（1）對(duì)于分辨率較高的智能網(wǎng)格預(yù)報(bào)產(chǎn)品，采用最鄰近點(diǎn)法、雙線(xiàn)性插值和雙三次插值將智能網(wǎng)格預(yù)報(bào)降雨量解析到桂南區(qū)域選定的566 個(gè)自動(dòng)觀測(cè)站點(diǎn)上，并計(jì)算分級(jí)TS 評(píng)分、平均絕對(duì)誤差、均方差、ETS 評(píng)分和Bias 偏差，結(jié)果表明各插值方法的TS 評(píng)分、平均絕對(duì)誤差和均方差無(wú)明顯差異，其中最鄰近點(diǎn)法的ETS 評(píng)分和預(yù)報(bào)偏差略好于其它2種方法。

（2）分級(jí)回歸統(tǒng)計(jì)降尺度方法加入了歷史觀測(cè)資料進(jìn)行訂正，相較于單純的插值方法，可以減小降水預(yù)報(bào)的誤差，改進(jìn)智能網(wǎng)格預(yù)報(bào)產(chǎn)品的預(yù)報(bào)效果，特別是對(duì)于用戶(hù)關(guān)注的強(qiáng)降水區(qū)域能夠給出更科學(xué)的參考依據(jù)，對(duì)構(gòu)造高分辨率的網(wǎng)格預(yù)報(bào)產(chǎn)品具有一定參考作用。

即使當(dāng)前的數(shù)值預(yù)報(bào)場(chǎng)的空間分辨率已經(jīng)較為精細(xì)，但是用戶(hù)所關(guān)注的關(guān)鍵點(diǎn)并不一定在網(wǎng)格上。因此，從精細(xì)化網(wǎng)格預(yù)報(bào)場(chǎng)中合理解析到用戶(hù)關(guān)注的關(guān)鍵點(diǎn)的要素預(yù)報(bào)，是智能網(wǎng)格預(yù)報(bào)產(chǎn)品釋用的重要工作之一，本文討論的4 種解析方法，均以現(xiàn)階段智能網(wǎng)格預(yù)報(bào)的準(zhǔn)確率為基礎(chǔ)，目的是加強(qiáng)對(duì)其的釋用，盡可能的減小誤差，但對(duì)于模式本身的預(yù)報(bào)誤差，例如降水落區(qū)、量級(jí)的偏差，一方面要通過(guò)改進(jìn)和完善智能網(wǎng)格預(yù)報(bào)產(chǎn)品提高準(zhǔn)確率，另一方面還需探討統(tǒng)計(jì)或動(dòng)力降尺度等預(yù)報(bào)分析方法，建立預(yù)報(bào)模型，深入研究網(wǎng)格化產(chǎn)品釋用技術(shù)，有關(guān)這方面的研究還需要在今后工作中進(jìn)一步開(kāi)展。