2016—2020年廣東省定量降水預(yù)報(bào)檢驗(yàn)評估

汪瑛，胡勝，涂靜，曾沁，張紅艷，黃曉瑩，龔月婷，張華龍

（1．廣東省氣象臺，廣東 廣州510641；2.中國氣象局廣州熱帶海洋氣象研究所，廣東 廣州510641；3.國家氣象信息中心，北京100081）

1 引 言

定量降水預(yù)報(bào)（Quantitative Precipitation Forecast，QPF）由于影響其時(shí)間和空間分布的變量太多，被認(rèn)為是天氣預(yù)報(bào)領(lǐng)域最困難的挑戰(zhàn)之一，其預(yù)報(bào)技巧提升也相對緩慢。因此，2015年之前的幾十年內(nèi)我國降水業(yè)務(wù)預(yù)報(bào)以文字預(yù)報(bào)為主。近年來隨著數(shù)值模式空間分辨率的提升、數(shù)據(jù)同化能力改善、數(shù)值計(jì)算方法和次網(wǎng)格物理過程參數(shù)化的完善，模式對于降水的預(yù)報(bào)技巧不斷提高，如Forbes等[1]對ECMWF全球模式在2000—2015年的降水性能進(jìn)行評估表明：模式降水的預(yù)報(bào)可用時(shí)效相當(dāng)于提高了1天左右。2006年中國氣象局自主研發(fā)了全球/區(qū)域業(yè)務(wù)模式GRAPES，基于此框架，廣東省氣象局結(jié)合區(qū)域特點(diǎn)建立了更高分辨率的華南區(qū)域數(shù)值天氣預(yù)報(bào)業(yè)務(wù)模式（GZ_GRAPES）。模式時(shí)空分辨率和預(yù)報(bào)能力提升，為高分辨率QPF業(yè)務(wù)提供了核心支撐，很多國家都建立了人機(jī)交互的格點(diǎn)天氣預(yù)報(bào)業(yè)務(wù)，如美國2003年率先建立數(shù)字化天氣預(yù)報(bào)業(yè)務(wù)，2008年澳大利亞和韓國開始了格點(diǎn)預(yù)報(bào)業(yè)務(wù)[2]。廣東省氣象局2014年起在國內(nèi)率先建立了人機(jī)交互的網(wǎng)格天氣預(yù)報(bào)業(yè)務(wù)，要素預(yù)報(bào)空間分辨率為5 km，時(shí)間分辨率為3天內(nèi)逐小時(shí)，4～7天逐6小時(shí)。

網(wǎng)格預(yù)報(bào)產(chǎn)品檢驗(yàn)評估是監(jiān)控預(yù)報(bào)性能、理解模式誤差以及改進(jìn)預(yù)報(bào)的基礎(chǔ)[3]，WWRP/WGNE的檢驗(yàn)工作組[4]形成了一套用于QPF的檢驗(yàn)標(biāo)準(zhǔn)，為不同空間區(qū)域、不同強(qiáng)度的模式定量降水預(yù)報(bào)提供了對比的可能。Ian等[5]在2012年第二版預(yù)報(bào)檢驗(yàn)書中，詳細(xì)介紹模式定量降水預(yù)報(bào)技術(shù)檢驗(yàn)方法?；谶@些檢驗(yàn)方法，國內(nèi)外對模式定量降水預(yù)報(bào)開展的檢驗(yàn)較多，如：Atger[6]比較了確定性模式和集合預(yù)報(bào)系統(tǒng)的降水檢驗(yàn)；鐘有亮等[7]對GRAPES區(qū)域集合預(yù)報(bào)系統(tǒng)的登陸臺風(fēng)降水進(jìn)行了AROC檢驗(yàn)，評定模式在不同降水量級的預(yù)報(bào)能力。Novak等[8]對美國國家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Precipitation,NCEP）下屬的天氣預(yù)報(bào)中心（Weather Prediction Center,WPC）過去60年的預(yù)報(bào)員、模式預(yù)報(bào)、數(shù)值預(yù)報(bào)解釋應(yīng)用的定量降水預(yù)報(bào)進(jìn)行了TS檢驗(yàn)，發(fā)現(xiàn)QPF預(yù)報(bào)技巧總體提升，預(yù)報(bào)員對模式仍有正訂正能力。王雨等[9]對2004年汛期的主客觀預(yù)報(bào)進(jìn)行了TS評分，對比多個(gè)業(yè)務(wù)模式和預(yù)報(bào)員的表現(xiàn)，評估不同模式在暴雨過程中的表現(xiàn)。畢寶貴等[3]、金榮花等[10]認(rèn)為檢驗(yàn)是精細(xì)化網(wǎng)格定量預(yù)報(bào)中的重要環(huán)節(jié)，國家氣象中心也建立國家級業(yè)務(wù)化的檢驗(yàn)系統(tǒng)對預(yù)報(bào)開展實(shí)時(shí)檢驗(yàn)[11]。由于檢驗(yàn)數(shù)據(jù)完整性不夠、檢驗(yàn)方法統(tǒng)一性等方面原因，國內(nèi)開展長時(shí)間、全面的QPF檢驗(yàn)評估較少，對預(yù)報(bào)質(zhì)量的對比分析不夠完整，對分類致災(zāi)性暴雨在時(shí)間和空間方面的預(yù)報(bào)能力的分析還比較欠缺。

隨著模式時(shí)空分辨率提高和預(yù)報(bào)能力的提升，預(yù)報(bào)員對模式訂正的附加值在下降[3]，傳統(tǒng)預(yù)報(bào)的落區(qū)和過程預(yù)報(bào)思維與現(xiàn)在格點(diǎn)、定量、逐時(shí)預(yù)報(bào)的技術(shù)要求已經(jīng)無法匹配。為了支撐定時(shí)、定點(diǎn)和定量的要求，基于模式的解釋應(yīng)用技術(shù)快速發(fā)展，國家氣象中心開展了多種基于模式的定量降水預(yù)報(bào)的解釋應(yīng)用技術(shù)[12-13]，其中基于集合預(yù)報(bào)的降水解釋應(yīng)用技術(shù)產(chǎn)品TS評分略超過預(yù)報(bào)員。吳啟樹等[14]設(shè)計(jì)的基于評分最優(yōu)化的模式降水預(yù)報(bào)訂正算法在2015年全國暴雨TS評分平均達(dá)到0.194。美國天氣局將業(yè)務(wù)中可獲取到的不同集合預(yù)報(bào)、確定性預(yù)報(bào)進(jìn)行超級集合，兩年檢驗(yàn)表明預(yù)報(bào)能力與預(yù)報(bào)員相當(dāng)或略優(yōu)[8]。廣東省氣象局對模式的解釋應(yīng)用技術(shù)進(jìn)行了單模式釋用、多模式集成、集合預(yù)報(bào)釋用，但解釋應(yīng)用技術(shù)對QPF業(yè)務(wù)的支撐缺乏系統(tǒng)檢驗(yàn)和評價(jià)。

本文對2016—2020年全球模式ECMWF、區(qū)域模式GZ_GRAPES、基于ECMWF集合預(yù)報(bào)的解釋應(yīng)用、預(yù)報(bào)員制作的業(yè)務(wù)QPF開展檢驗(yàn)分析，評估現(xiàn)代化格點(diǎn)預(yù)報(bào)業(yè)務(wù)中定量降水預(yù)報(bào)的價(jià)值和進(jìn)展，分析目前網(wǎng)格化定量降水預(yù)報(bào)精細(xì)預(yù)報(bào)能力，研究主客觀預(yù)報(bào)對臺風(fēng)暴雨、季風(fēng)暴雨、鋒面暴雨的預(yù)報(bào)誤差原因，并對數(shù)值預(yù)報(bào)解釋應(yīng)用的能力進(jìn)行檢驗(yàn)評估。通過主客觀預(yù)報(bào)檢驗(yàn)，分析預(yù)報(bào)員基于現(xiàn)有定量降水預(yù)報(bào)指導(dǎo)場的訂正作用，討論在現(xiàn)代天氣預(yù)報(bào)業(yè)務(wù)流程中，預(yù)報(bào)員的作用和未來發(fā)展方向。

2 資料和檢驗(yàn)方法

2.1 資料說明

參與檢驗(yàn)的預(yù)報(bào)產(chǎn)品包括廣東省氣象局（GRMC）業(yè)務(wù)化的智能網(wǎng)格定量降水預(yù)報(bào)、全球模式ECWMF和區(qū)域模式GZ_GRAPES、基于確定性模式和ECWMF集合預(yù)報(bào)模式的解釋應(yīng)用，檢驗(yàn)的預(yù)報(bào)時(shí)效為1～3天（DAY1,DAY2,DAY3），表1列出了檢驗(yàn)對象及其時(shí)空分辨率。本文評定每日20時(shí)起報(bào)的預(yù)報(bào)，業(yè)務(wù)預(yù)報(bào)時(shí)間節(jié)點(diǎn)為當(dāng)日15時(shí)前后，預(yù)報(bào)員獲取的模式參考場大部分是前一日20時(shí)起報(bào)的24～48 h預(yù)報(bào)。因此，本文DAY1的預(yù)報(bào)員主觀預(yù)報(bào)為20時(shí)起報(bào)的24 h預(yù)報(bào)，模式客觀預(yù)報(bào)為前一天20時(shí)起報(bào)的24～48 h預(yù)報(bào)。DAY2和DAY3依此類推。定量降水預(yù)報(bào)產(chǎn)品時(shí)間為2016—2020年，數(shù)值模式解釋應(yīng)用產(chǎn)品檢驗(yàn)時(shí)間為2019和2020年。參與檢驗(yàn)的實(shí)況資料為2016—2020年廣東省內(nèi)2 500～3 000個(gè)自動(dòng)站，利用格點(diǎn)預(yù)報(bào)和最近自動(dòng)站的單點(diǎn)匹配方式開展檢驗(yàn)。

表1 參與檢驗(yàn)的預(yù)報(bào)產(chǎn)品說明表

2.2 檢驗(yàn)方法

本文評定晴雨準(zhǔn)確率（PC）、暴雨TS[5]，這些方法由于開展時(shí)間較長、應(yīng)用廣泛，有利于評估預(yù)報(bào)能力的時(shí)間變化、不同預(yù)報(bào)場之間的對比。

其中Ai代表預(yù)報(bào)正確站（次）數(shù)，Bi為空報(bào)站（次）數(shù)、Ci為漏報(bào)站（次）數(shù)，Di為無降水預(yù)報(bào)正確的站（次）數(shù)。

3 全球模式和區(qū)域模式的QPF檢驗(yàn)評估

通過2016—2020年全球模式ECMWF和區(qū)域模式GZ_GRAPRES兩個(gè)業(yè)務(wù)參考模式的DAY1—DAY3的晴雨預(yù)報(bào)準(zhǔn)確率和QPF的分級TS檢驗(yàn)，分析預(yù)報(bào)能力進(jìn)展、區(qū)域模式和全球模式的應(yīng)用價(jià)值。從圖1的晴雨檢驗(yàn)來看，兩個(gè)模式的晴雨預(yù)報(bào)評分都在穩(wěn)定提升，2016—2020年GZ_GRAPES均優(yōu)于ECMWF，2016年區(qū)域模式GZ_GRAPES準(zhǔn)確率為69%，2020年提升到77.4%。DAY2和DAY3的晴雨預(yù)報(bào)準(zhǔn)確率逐年變化與DAY1一致，均為穩(wěn)定提升，GZ_GRAPES技巧優(yōu)于ECMWF。隨著預(yù)報(bào)時(shí)效的延長，準(zhǔn)確率略有下降，2020年GZ_GRAPES的DAY3晴雨準(zhǔn)確率為73.4%，已經(jīng)達(dá)到2019年DAY1（73.8%）的水平，模式在晴雨預(yù)報(bào)技巧上提升較快。

對分級累積降水進(jìn)行檢驗(yàn)，考察模式在不同降水量級的預(yù)報(bào)能力。過去五年，小雨（0.1～9.9 mm/d）、中雨以上(≥10 mm/d)的TS整體表現(xiàn)出上升的趨勢，大雨以上(≥25 mm/d)、暴雨以上(≥50 mm/d)、大暴雨以上（≥100 mm/d）TS在年度間有高低變化。以暴雨（≥50 mm/d）為例（圖1，見下頁），年和年之間的TS雖有波動(dòng)但都較低，ECMWF的值 在0.085～0.147之 間，GZ_GRAPES的 值 在0.098～0.144之間，總體來說兩者對DAY1—DAY3的24 h累積降水預(yù)報(bào)能力相當(dāng)。以上檢驗(yàn)表明，過去5年模式對強(qiáng)降水的預(yù)報(bào)能力沒有反映出整體提升，但Ebert等[1]指出，在短時(shí)間內(nèi)（4～5年）模式的升級并不能促使模式QPF能力的快速提高，模式的暴雨預(yù)報(bào)技巧提升是一個(gè)長期的過程，需要更長時(shí)間的檢驗(yàn)評估才能追蹤模式對QPF預(yù)報(bào)能力的進(jìn)展。

圖1 2016—2020年晴雨預(yù)報(bào)準(zhǔn)確率和暴雨TS（20時(shí)起報(bào)）

對比兩個(gè)模式的12小時(shí)、3小時(shí)的QPF檢驗(yàn)，評估更高分辨率模式對中小尺度降水的預(yù)報(bào)能力。檢驗(yàn)發(fā)現(xiàn)，GZ_GRAPES和ECMWF在降水量＜25 mm/(12 h)的QPF預(yù)報(bào)上，技巧相當(dāng)，但是降水量≥25 mm/(12 h)以上的QPF，GZ_GRAPES明顯高于ECMWF（表2，見下頁），降水越強(qiáng)，優(yōu)勢越明顯。3 h的QPF檢驗(yàn)也反映出降水越強(qiáng)，區(qū)域模式更優(yōu)的特點(diǎn)，說明模式分辨率更高模式更易預(yù)報(bào)出中小尺度降水的信息，但是降水量達(dá)到50 mm/(3 h)或以上的TS得分已非常低，區(qū)域模式對QPF的精細(xì)時(shí)空預(yù)報(bào)能力還較低。

表2 模式12小時(shí)QPF和3小時(shí)QPF的分級TS

4 預(yù)報(bào)員的QPF檢驗(yàn)和評估

4.1 定量降水預(yù)報(bào)技術(shù)簡介

目前廣東省氣象局業(yè)務(wù)化的定量降水預(yù)報(bào)技術(shù)流程包括5個(gè)環(huán)節(jié)（圖2）。第一步是全球模式、區(qū)域模式等業(yè)務(wù)模式提供的客觀QPF，這是定量降水預(yù)報(bào)最核心和最重要的數(shù)據(jù)支撐。第二步是基于實(shí)時(shí)檢驗(yàn)數(shù)值模式QPF場，利用統(tǒng)計(jì)方法對業(yè)務(wù)模式進(jìn)行后處理和訂正，消除模式的系統(tǒng)性誤差，得出準(zhǔn)確率更高的客觀QPF。第三步是基于預(yù)報(bào)員的天氣學(xué)概念模型、預(yù)報(bào)經(jīng)驗(yàn)、檢驗(yàn)結(jié)果，對客觀QPF進(jìn)行主觀訂正。第四步是通過智能工具箱，實(shí)現(xiàn)高時(shí)空分辨率的降尺度、地形訂正等精細(xì)訂正功能，得到業(yè)務(wù)應(yīng)用的主客觀融合QPF。第五步開展全流程預(yù)報(bào)檢驗(yàn)評估，既得到客觀檢驗(yàn)結(jié)果，也實(shí)現(xiàn)了對客觀方法和預(yù)報(bào)員主觀訂正的信息反饋。

圖2 廣東省網(wǎng)格定量降水預(yù)報(bào)業(yè)務(wù)流程

廣東氣象局開展的降水釋用技術(shù)主要包括多模式集成、基于EC集合預(yù)報(bào)定量降水釋用技術(shù)。多模式集成釋用算法集成了EC細(xì)網(wǎng)格確定性模式、GZ_GRAPES區(qū)域模式、國家氣象中心GRAPES-MESO、NCEP確定性模式，通過實(shí)時(shí)檢驗(yàn)優(yōu)選形成降水格點(diǎn)預(yù)報(bào)融合場。集合預(yù)報(bào)降水釋用方法是基于ECMWF集合預(yù)報(bào)模式系統(tǒng)，實(shí)現(xiàn)了一系列集合預(yù)報(bào)技術(shù)的串聯(lián)，包括頻率匹配法、最優(yōu)百分位融合法、晴雨降水消空技術(shù)、一致性消空技術(shù)和分類型降水落區(qū)訂正技術(shù)。與單一集合釋用產(chǎn)品相比，經(jīng)過融合串聯(lián)的釋用方法能較充分利用集合預(yù)報(bào)的各種不確定和極端信息，并對不同天氣類型采取不同的融合方案，以提高QPF精準(zhǔn)度和適用性。

本章節(jié)通過晴雨、暴雨、分類暴雨的檢驗(yàn)，評估目前QPF的預(yù)報(bào)水平。

4.2 晴雨預(yù)報(bào)準(zhǔn)確率

由2016—2020年預(yù)報(bào)員（GRMC）的晴雨預(yù)報(bào)準(zhǔn)確率評分（圖1）變化可見，過去5年間預(yù)報(bào)員晴雨準(zhǔn)確率隨模式逐年提升而提升，都優(yōu)于模式預(yù)報(bào)。DAY2和DAY3的準(zhǔn)確率數(shù)值比DAY1稍低，例如2020年DAY1的晴雨預(yù)報(bào)準(zhǔn)確率達(dá)到83.2%，DAY3也達(dá)到了79.6%，三天內(nèi)晴雨預(yù)報(bào)準(zhǔn)確率技巧都較高；DAY2和DAY3的晴雨準(zhǔn)確率也呈現(xiàn)出逐年上升的趨勢。對ECMWF、GZ_GRAPES以及預(yù)報(bào)員的晴雨命中、空報(bào)、漏報(bào)數(shù)量進(jìn)行分析，發(fā)現(xiàn)晴雨準(zhǔn)確率得分較高的主要技巧是減少空報(bào)數(shù)量，比如2020年，ECMWF和GZ_GRAPES的命中次數(shù)分別是324 386和257 571站次，但是ECMWF的晴雨準(zhǔn)確率低于GZ_GRAPES，ECMWF的晴雨準(zhǔn)確率是70.2%、GZ_GRAPES的準(zhǔn)確率是77.4%，GZ_GRAPES的空報(bào)數(shù)量少，僅為112 053站次，ECMWF的空報(bào)數(shù)量高達(dá)276 115站次。預(yù)報(bào)員基于模式空報(bào)較多的檢驗(yàn)結(jié)果，進(jìn)行消空訂正，空報(bào)數(shù)量減少到72 310站次，2020年預(yù)報(bào)員的晴雨準(zhǔn)確率達(dá)到83.2%。

4.3 暴雨精細(xì)時(shí)空預(yù)報(bào)能力

4.3.1 暴雨的三天預(yù)報(bào)能力評估

對未來三天暴雨和大暴雨的TS進(jìn)行分析（圖3），考察業(yè)務(wù)暴雨能力隨時(shí)間的進(jìn)展、在未來三天內(nèi)的預(yù)報(bào)能力。2016—2020年，DAY1的暴雨和大暴雨TS在年度間波動(dòng)較大，沒有表現(xiàn)出一致上升的趨勢，與模式的分析結(jié)果一致；DAY2和DAY3的暴雨和大暴雨TS在年度間也有高低變化，但波動(dòng)較小，DAY3的TS總體來說穩(wěn)中有升，與DAY2的水平越來越接近，但距離DAY1的差距依然較大，說明預(yù)報(bào)員對暴雨預(yù)報(bào)技巧的提升主要反映在預(yù)報(bào)提前量增加上，這是模式對形勢場預(yù)報(bào)能力的提升和預(yù)報(bào)員對QPF訂正的雙重結(jié)果；目前大暴雨的DAY1水平還達(dá)不到暴雨DAY3的水平，降水越強(qiáng)，預(yù)報(bào)難度越大、預(yù)報(bào)提前量越少，大暴雨預(yù)報(bào)能力依然較低。

圖3 2016—2020年主觀預(yù)報(bào)未來3天暴雨（實(shí)線）和大暴雨TS（虛線）

4.3.2暴雨精細(xì)時(shí)空預(yù)報(bào)能力檢驗(yàn)和評估

圖4給出了2015—2019年基于廣東86個(gè)國家站和基于廣東2 500個(gè)左右稠密自動(dòng)站的QPF_d(日定量降水)的檢驗(yàn)結(jié)果（DAY1），QPF在基于廣東86個(gè)國家站和稠密自動(dòng)站的檢驗(yàn)差距越來越小，例如，格點(diǎn)預(yù)報(bào)剛剛業(yè)務(wù)化的前3年（2015—2017年），國家站暴雨TS評分高于區(qū)域自動(dòng)站，隨著高分辨率模式的提升和應(yīng)用，2018—2019年基于區(qū)域自動(dòng)站的暴雨TS評分與基于國家站的TS評分縮小差距并略有反超，說明在日降水的精細(xì)空間預(yù)報(bào)能力提升。

圖4 2015—2019年國家站和區(qū)域站暴雨TS評分

通過對2015—2020年期間未來24小時(shí)內(nèi)逐24小時(shí)、12小時(shí)、6小時(shí)、3小時(shí)和1小時(shí)的50 mm以上降水進(jìn)行TS評分，對暴雨的空間和時(shí)間精細(xì)預(yù)報(bào)能力進(jìn)行評估，分析目前預(yù)報(bào)難點(diǎn)，開展格點(diǎn)暴雨的定量降水預(yù)報(bào)應(yīng)用價(jià)值評估。圖5給出了未來24小時(shí)預(yù)報(bào)時(shí)效中的各累積時(shí)段的TS評分，累計(jì)時(shí)間越短，TS越低，1小時(shí)的TS接近于零。2015—2020年的平均來看，對于50 mm以上降水，3小時(shí)TS約為0.004 3，6小時(shí)和12小時(shí)約為0.025和0.07，說明對于時(shí)間精細(xì)度3小時(shí)或者以內(nèi)的50 mm強(qiáng)降水幾乎沒有預(yù)報(bào)能力。

圖5 2015—2020年各預(yù)報(bào)時(shí)效的50 mm以上TS評分

對比強(qiáng)降水的預(yù)報(bào)頻次和實(shí)況觀測頻次，分析暴雨精細(xì)時(shí)間預(yù)報(bào)能力低的原因。2018年和2019年，自動(dòng)站數(shù)量約為3 000個(gè)，觀測到50 mm/h以上的站次分別有2 433站次、1 891站次；兩年中格點(diǎn)預(yù)報(bào)命中次數(shù)僅為3次，空報(bào)共1 792次，漏報(bào)共4 321次，預(yù)報(bào)未來24小時(shí)中50 mm/h以上的降水概率較低，預(yù)報(bào)頻次達(dá)不到觀測站次的一半，因?yàn)榭臻g或者時(shí)間的微小錯(cuò)位，造成接近0的命中率。

即使強(qiáng)降水精細(xì)時(shí)間預(yù)報(bào)能力水平還較低，但是逐小時(shí)晴雨預(yù)報(bào)準(zhǔn)確率較高，平均約為80%；小于20 mm/h的降水預(yù)報(bào)TS達(dá)到了0.24，高于24小時(shí)暴雨TS的評分；氣溫的逐小時(shí)預(yù)報(bào)誤差僅為1.46℃?？梢姼顸c(diǎn)預(yù)報(bào)對于一般天氣、晴雨變化的逐時(shí)預(yù)報(bào)能夠提供較好的預(yù)報(bào)效果，對于50 mm/h以上的極端強(qiáng)降水預(yù)報(bào)能力很低。

從上述分析可以看出，格點(diǎn)化定量降水預(yù)報(bào)在以小時(shí)為時(shí)間單位的預(yù)報(bào)難度最大，逐小時(shí)格點(diǎn)預(yù)報(bào)的TS評分，同時(shí)涉及到時(shí)間、空間、強(qiáng)度三個(gè)維度的檢驗(yàn)，也就是業(yè)務(wù)中定時(shí)、定點(diǎn)、定量的要求，任何一方面稍有偏差就造成TS評分極低，反應(yīng)不出預(yù)報(bào)價(jià)值。未來一段時(shí)間內(nèi)，一方面需要研發(fā)更合適的檢驗(yàn)方法，評估精細(xì)時(shí)空QPF的預(yù)報(bào)價(jià)值和誤差來源；另一方面需要研發(fā)精細(xì)時(shí)空的QPF支撐技術(shù)，提升強(qiáng)降水的定時(shí)、定點(diǎn)、定量預(yù)報(bào)能力。

4.4 分類暴雨的檢驗(yàn)評估

廣東省的區(qū)域暴雨按照主要影響系統(tǒng)分為鋒面暴雨、臺風(fēng)暴雨、季風(fēng)暴雨。鋒面暴雨定義為地面有鋒面活動(dòng)或地面較難分析出鋒面但低層切變線存在明顯的冷暖系統(tǒng)對峙，此時(shí)強(qiáng)降水出現(xiàn)在鋒面或切變線附近；臺風(fēng)暴雨定義為受熱帶氣旋影響的降水；季風(fēng)暴雨定義為季風(fēng)爆發(fā)后（季風(fēng)爆發(fā)后到10月），排除熱帶系統(tǒng)影響，暴雨發(fā)生在距地面鋒前200～300 km的暖區(qū)一側(cè)，或者發(fā)生在偏南風(fēng)匯合氣流中。

4.4.1 分類暴雨的空漏報(bào)分析

不同天氣類型暴雨，主客觀的預(yù)報(bào)能力不同。依據(jù)天氣類型的定義和經(jīng)驗(yàn)預(yù)報(bào)員的主觀判定，本文對廣東的臺風(fēng)暴雨、鋒面暴雨和季風(fēng)暴雨過程進(jìn)行分類評定，進(jìn)一步分析主客觀模式的對分類暴雨的預(yù)報(bào)能力。2017—2019年三年間共97天系統(tǒng)降水，實(shí)況監(jiān)測到34 185站次的暴雨，其中臺風(fēng)暴雨日數(shù)34天、鋒面暴雨日數(shù)35天、季風(fēng)暴雨日數(shù)17天，其他暴雨日數(shù)11天。

表3給出的是分類暴雨的空漏報(bào)率和TS評分。無論是全球模式（ECMWF）還是區(qū)域模式（GZ_GRAPES），臺風(fēng)暴雨預(yù)報(bào)TS最高，TS值在0.17～0.20之間；季風(fēng)暴雨TS最低，TS值僅為0.05～0.08；模式對鋒面暴雨的預(yù)報(bào)能力優(yōu)于季風(fēng)暴雨；其中GZ_GRAPES的臺風(fēng)和鋒面暴雨預(yù)報(bào)優(yōu)于ECMWF,季風(fēng)暴雨則是ECMWF略優(yōu)于GZ_GRAPES。

預(yù)報(bào)員對臺風(fēng)暴雨的預(yù)報(bào)能力最強(qiáng)，三年平均TS達(dá)到0.32（表3），高于所有暴雨的三年平均值（0.18），也高于全球和區(qū)域模式預(yù)報(bào)；其次是季風(fēng)暴雨，TS達(dá)到0.2；鋒面暴雨的預(yù)報(bào)TS（0.16）最低。預(yù)報(bào)員基于兩個(gè)模式指導(dǎo)場訂正的預(yù)報(bào)，基本都是正改進(jìn)，但在季風(fēng)暴雨的改進(jìn)量上最大、對鋒面暴雨的改進(jìn)量最小。

用預(yù)報(bào)的空報(bào)、漏報(bào)來分析誤差來源。ECMWF模式和GZ_GRAPES區(qū)域模式對三類暴雨的漏報(bào)率明顯高于空報(bào)率，說明模式對24小時(shí)暴雨落區(qū)預(yù)報(bào)具有偏小的特點(diǎn)。預(yù)報(bào)員發(fā)布的暴雨預(yù)報(bào)空報(bào)率高于漏報(bào)率，主觀預(yù)報(bào)具有暴雨落區(qū)偏大的特點(diǎn)。從表3可見，命中率最高的是臺風(fēng)暴雨，但空報(bào)率也接近了命中率，漏報(bào)率則較低，空報(bào)明顯。鋒面暴雨和季風(fēng)暴雨命中率較低，還不到空報(bào)率和漏報(bào)率的一半，容易又空又漏。主客觀的空漏報(bào)分析表明，預(yù)報(bào)員捕捉到模式漏報(bào)較多的特點(diǎn)，對模式預(yù)報(bào)暴雨具有正的訂正能力，降低了漏報(bào)率，尤其是季風(fēng)降水，預(yù)報(bào)員與模式相比大幅減少了漏報(bào)，使得TS評分提升了將近4倍。然而，預(yù)報(bào)員對模式補(bǔ)漏的能力還停留在天氣尺度系統(tǒng)造成的落區(qū)預(yù)報(bào)水平，因此也造成了暴雨主觀預(yù)報(bào)落區(qū)大、空報(bào)明顯的特點(diǎn)。

表3也給出了2019年基于EC集合預(yù)報(bào)的解釋應(yīng)用算法的暴雨TS，臺風(fēng)和鋒面暴雨都略高于預(yù)報(bào)員，季風(fēng)暴雨TS值僅為0.043，略低于模式、遠(yuǎn)低于預(yù)報(bào)員。對于系統(tǒng)性降水，客觀釋用方法優(yōu)于確定性模式，接近預(yù)報(bào)員水平，但在季風(fēng)降水方面，還是預(yù)報(bào)員訂正作用更顯著，說明對于模式本身無法預(yù)報(bào)的季風(fēng)暴雨，模式后處理技術(shù)也無法捕捉到，目前只能靠預(yù)報(bào)員的經(jīng)驗(yàn)訂正為主。

表3 2017—2019年分類暴雨的空漏報(bào)率（DAY1）

4.4.2分類暴雨預(yù)報(bào)誤差的天氣學(xué)原因分析

通過分類暴雨的天氣形勢分析預(yù)報(bào)偏差的天氣學(xué)原因。模式對于鋒面暴雨預(yù)報(bào)有空報(bào)和漏報(bào)，除了對量級預(yù)報(bào)不夠準(zhǔn)確外，低層切變線移動(dòng)速度偏慢，導(dǎo)致降水落區(qū)預(yù)報(bào)較實(shí)況偏北，造成暴雨大面積空漏報(bào)。相對而言，GZ_GRAPES較ECMWF對雨帶南壓節(jié)奏的預(yù)報(bào)更為準(zhǔn)確?？章﹫?bào)統(tǒng)計(jì)發(fā)現(xiàn)，模式均表現(xiàn)為漏報(bào)多于空報(bào)，預(yù)報(bào)員則相反，空報(bào)站點(diǎn)遠(yuǎn)多于漏報(bào)站點(diǎn)，也體現(xiàn)了預(yù)報(bào)員在對降水落區(qū)預(yù)報(bào)把握不足時(shí)容易造成一定范圍的空報(bào)。

臺風(fēng)暴雨準(zhǔn)確率跟臺風(fēng)路徑、臺風(fēng)本體降水、周邊系統(tǒng)相關(guān)。對臺風(fēng)暴雨的檢驗(yàn)開展空間對比發(fā)現(xiàn)，臺風(fēng)本體降水預(yù)報(bào)技巧較高，預(yù)報(bào)誤差主要來源于臺風(fēng)邊緣或者外圍環(huán)流降水。例如，受2020年第7號臺風(fēng)“海高斯”影響，8月19—20日廣東省肇慶、云浮、江門等市及珠江口兩側(cè)出現(xiàn)暴雨到大暴雨降水，兩家模式對于臺風(fēng)本體影響的降水落區(qū)預(yù)報(bào)均較為準(zhǔn)確，但對于臺風(fēng)外圍環(huán)流影響的珠江口以東地區(qū)強(qiáng)降水預(yù)報(bào)能力偏弱，相對而言，GZ_GRAPES能預(yù)報(bào)出此次珠江口以東的大暴雨中心，而ECMWF則完全漏報(bào)，這也許和ECMWF模式分辨率相對較低，無法細(xì)致分析南風(fēng)輻合程度有一定關(guān)系。預(yù)報(bào)員在模式基礎(chǔ)上仍然減少了大量漏報(bào)，同樣的，也造成了相對多的空報(bào)。

模式對季風(fēng)暴雨的總體預(yù)報(bào)能力較弱。2020年6月6—9日季風(fēng)暴雨過程，6—8日連續(xù)三天每天清晨。3時(shí)(除標(biāo)明外為北京時(shí)，下同)前后，在廣東中部沿海一帶有對流開始發(fā)展并向內(nèi)陸推進(jìn)，小時(shí)雨量為30～60 mm，部分站點(diǎn)小時(shí)雨量超過80 mm，午后季風(fēng)降水減弱，粵北的西風(fēng)槽降水發(fā)展。從ECMWF和GZ_GRAPES在6月5日、6日、7日的20時(shí)起報(bào)的QPF分析，模式一次也沒有預(yù)報(bào)出沿海一帶的季風(fēng)降水。對2016—2019年39個(gè)季風(fēng)暴雨日回顧，發(fā)現(xiàn)模式幾乎漏報(bào)或者嚴(yán)重低估了廣東沿海的季風(fēng)暴雨，而模式對形勢場的預(yù)報(bào)和實(shí)況大體比較一致，主要輻合區(qū)偏北，例如2020年6月6日20時(shí)起報(bào)的8日08時(shí)的850 hPa形勢場和觀測對比ECMWF（圖6a）和GZ_GRAPES（圖6b）都比較準(zhǔn)確地預(yù)報(bào)出了風(fēng)向、風(fēng)速和輻合區(qū)，其輻合區(qū)主要在粵北到江南一帶，但從8日03—08時(shí)的雨量和實(shí)況的對比來看（圖6c和6d），模式預(yù)報(bào)珠江三角洲地區(qū)降水為小雨，雨量為10 mm，但觀測到了100 mm以上降水，兩個(gè)模式都是嚴(yán)重低估。2020年6月5—9日的暴雨TS評分顯示，ECMWF和GZ_GRAPES的暴雨TS分別為0.10和0.13，模式在粵北的暴雨命中率高，在沿海的季風(fēng)暴雨區(qū)漏報(bào)，但預(yù)報(bào)員通過經(jīng)驗(yàn)訂正，暴雨TS達(dá)到了0.28。吳亞麗等[15]、蒙偉光等[16]分析發(fā)現(xiàn)在季風(fēng)暴雨中，暖區(qū)暴雨大多形成于弱的大尺度強(qiáng)迫環(huán)境中，中小尺度擾動(dòng)信息（如中小尺度地形、外流邊界等）是暴雨中尺度對流系統(tǒng)發(fā)生更重要的強(qiáng)迫源[17-18]，預(yù)報(bào)員也認(rèn)為模式無法預(yù)報(bào)出低空急流在廣東海陸一帶地形抬升觸發(fā)季風(fēng)暴雨發(fā)生。降水觸發(fā)后，降水降落地面過程中，由于蒸發(fā)冷卻而引起的地面弱冷池的發(fā)展及其出流氣流對新對流的觸發(fā)有很大影響，這一過程可直接影響到降水的持續(xù)和暴雨的形成[15]，雖然模式分辨率提升能讓模式模擬出更合理的降水，但是結(jié)果仍然有不確定性[16]，目前季風(fēng)暴雨還依賴預(yù)報(bào)員的經(jīng)驗(yàn)訂正為主。

圖6 2020年6月8日08時(shí)ECMWF（a）和GZ_GRAPES(b)風(fēng)場預(yù)報(bào)和實(shí)況對比以及8日03—08時(shí)ECMWF（c）和GZ_GRAPES(d)雨量預(yù)報(bào)和觀測對比 a、b中紅色風(fēng)為觀測，黑色風(fēng)為模式；藍(lán)色等值線為500 hPa位勢高度；c、d中填色為觀測；等值線為模式預(yù)報(bào)。

5 預(yù)報(bào)員基于指導(dǎo)場的訂正能力分析

預(yù)報(bào)員的作用在國內(nèi)外各時(shí)期都有熱烈的討論。Olson等[19]認(rèn)為，人工預(yù)測精度緩慢而穩(wěn)定的上升歸因于數(shù)值模型精度緩慢而穩(wěn)定的上升，Novak等[8]評估了50年間美國WPC、數(shù)值預(yù)報(bào)和數(shù)值預(yù)報(bào)解釋應(yīng)用的預(yù)報(bào)結(jié)果，表明預(yù)報(bào)員對降水預(yù)報(bào)的改進(jìn)是基于模式預(yù)報(bào)能力的提升；畢寶貴等[3]指出，隨著數(shù)值模式的發(fā)展和統(tǒng)計(jì)處理方法的深入應(yīng)用，預(yù)報(bào)員在最優(yōu)預(yù)報(bào)基礎(chǔ)上添加附加值的空間越來越小。

對2016—2020年的DAY1—DAY3的主客觀預(yù)報(bào)QPF的檢驗(yàn)對比分析，討論數(shù)值預(yù)報(bào)模式和預(yù)報(bào)員預(yù)報(bào)的能力。前面主客觀的晴雨和暴雨檢驗(yàn)的分析可以知道，預(yù)報(bào)員預(yù)報(bào)技巧隨著模式預(yù)報(bào)能力的變化而變化，模式晴雨預(yù)報(bào)穩(wěn)定提高，預(yù)報(bào)員的晴雨預(yù)報(bào)也穩(wěn)定提高，而暴雨則是隨著模式逐年波動(dòng)也呈現(xiàn)逐年波動(dòng)，但預(yù)報(bào)員的技巧都優(yōu)于模式。DAY2和DAY3的暴雨，預(yù)報(bào)員基于模式改進(jìn)更明顯，從而延長了暴雨預(yù)報(bào)的可用時(shí)效。

利用2019年預(yù)報(bào)員相對指導(dǎo)場（模式及其解釋應(yīng)用產(chǎn)品）的訂正量來進(jìn)一步分析預(yù)報(bào)員在現(xiàn)代預(yù)報(bào)流程中的作用。預(yù)報(bào)員的預(yù)報(bào)檢驗(yàn)評分值減去參考場評分值，再除以參考場得到改進(jìn)量的百分比，改進(jìn)量數(shù)值越大，預(yù)報(bào)員對于參考場的正訂正作用越顯著，負(fù)訂正量說明預(yù)報(bào)員得分比參考場得分低，是負(fù)技巧。參考場包括基于確定性業(yè)務(wù)模式ECMWF和GZ_GRAPES，基于多業(yè)務(wù)模式的多模式集成算法、基于ECMWF集合預(yù)報(bào)的解釋應(yīng)用算法產(chǎn)品。圖7給出了2019年預(yù)報(bào)員基于參考場的訂正量，表明預(yù)報(bào)員對于單一模式和多模式集成都有正訂正，但基于集合預(yù)報(bào)的解釋應(yīng)用訂正技巧較小。對DAY1的大暴雨和暴雨，改進(jìn)量是負(fù)值，且降水越大，集合預(yù)報(bào)釋用技術(shù)的優(yōu)勢更加明顯[20]；對DAY2和DAY3的暴雨，預(yù)報(bào)員基于EC集合預(yù)報(bào)解釋應(yīng)用的改進(jìn)量為-4.2%和0.8%，對大暴雨改進(jìn)量為-54.4%、-49.9%，從TS評分來說，基于集合預(yù)報(bào)釋用的暴雨以上預(yù)報(bào)優(yōu)于預(yù)報(bào)員預(yù)報(bào)，這與解釋應(yīng)用算法的設(shè)計(jì)是以提高TS評分來研發(fā)的也有關(guān)系。總體來說，在極端降水上，預(yù)報(bào)員在模式后處理方法上能夠提供的附加值越來越有限，基于集合預(yù)報(bào)釋用的客觀QPF技術(shù)在可預(yù)期的時(shí)間內(nèi)是提高QPF技巧方向。

圖7 2019年預(yù)報(bào)員對客觀指導(dǎo)場的改進(jìn)量（DAY1）

以上檢驗(yàn)發(fā)現(xiàn)，基于集合預(yù)報(bào)的解釋應(yīng)用技術(shù)優(yōu)于多模式集成預(yù)報(bào)，多模式集成預(yù)報(bào)優(yōu)于確定性模式預(yù)報(bào)，預(yù)報(bào)員與集合預(yù)報(bào)解釋應(yīng)用水平相當(dāng)，對強(qiáng)降水甚至是負(fù)技巧，說明集合的預(yù)報(bào)成員反應(yīng)出更多不確定性信息，未來格點(diǎn)定量預(yù)報(bào)技術(shù)應(yīng)該朝著集合預(yù)報(bào)釋用或者所有業(yè)務(wù)模式的集合釋用發(fā)展。

6 小結(jié)與討論

本文通過降水的檢驗(yàn)，對目前主客觀預(yù)報(bào)能力、模式解釋應(yīng)用技術(shù)發(fā)展、預(yù)報(bào)員對指導(dǎo)場的訂正能力和分類暴雨預(yù)報(bào)水平和原因進(jìn)行了分析，主要結(jié)論如下。

（1）對ECMWF和GZ_GRAPES降水評估發(fā)現(xiàn)，模式對中雨及其以下（≤25 mm/d）的降水預(yù)報(bào)技巧在逐年提升，大雨以上的降水預(yù)報(bào)在年度間有明顯波動(dòng)，模式對暴雨預(yù)報(bào)的提升緩慢；從ECMWF和GZ_GRAPES對比發(fā)現(xiàn)，對于24小時(shí)累積QPF，區(qū)域模式預(yù)報(bào)技巧略高于全球模式，但是區(qū)域模式對12小時(shí)和3小時(shí)的強(qiáng)降水預(yù)報(bào)優(yōu)勢明顯，說明區(qū)域模式在中小尺度的降水預(yù)報(bào)，尤其是強(qiáng)降水預(yù)報(bào)明顯優(yōu)于全球模式，提供了更精細(xì)的QPF指導(dǎo)場。

（2）業(yè)務(wù)QPF質(zhì)量是隨著模式預(yù)報(bào)能力提升而提升的，預(yù)報(bào)員在各量級的降水預(yù)報(bào)都優(yōu)于業(yè)務(wù)確定性模式，5年間模式對DAY3的暴雨預(yù)報(bào)能力有所提升，暴雨預(yù)報(bào)可用時(shí)效延長，但是對于大暴雨的預(yù)報(bào)能力很低。因?yàn)槟Ｊ綄?qiáng)降水精細(xì)時(shí)間預(yù)報(bào)能力很弱，目前業(yè)務(wù)中強(qiáng)降水時(shí)間分布產(chǎn)品應(yīng)用價(jià)值較低。

（3）分類暴雨評定表明，無論是模式還是預(yù)報(bào)員，臺風(fēng)暴雨預(yù)報(bào)評分最高、季風(fēng)暴雨的預(yù)報(bào)難度最大。臺風(fēng)本體降水預(yù)報(bào)技巧高，鋒面系統(tǒng)因鋒面雨區(qū)移動(dòng)速度難以精確預(yù)報(bào)，造成暴雨有空報(bào)和漏報(bào)；模式及其解釋應(yīng)用技術(shù)都漏報(bào)或者嚴(yán)重低估季風(fēng)暴雨，預(yù)報(bào)員對模式季風(fēng)暴雨的補(bǔ)漏明顯提高了季風(fēng)暴雨能力。

（4）模式在預(yù)報(bào)業(yè)務(wù)環(huán)節(jié)中處于技術(shù)核心地位，預(yù)報(bào)員基于業(yè)務(wù)確定性模式和多模式集成算法都有明顯的正訂正量，尤其是在臺風(fēng)暴雨和季風(fēng)暴雨的預(yù)報(bào)中預(yù)報(bào)員正訂正技巧很高，預(yù)報(bào)員的作用依然無法被模式和客觀算法取代。

（5）集合預(yù)報(bào)給出了更多預(yù)報(bào)可能性，基于集合預(yù)報(bào)的解釋應(yīng)用技術(shù)通過統(tǒng)計(jì)和檢驗(yàn)，給出了更多參考信息，檢驗(yàn)顯示基于其QPF與預(yù)報(bào)員能力相當(dāng)，在不久的將來，集合預(yù)報(bào)釋用或者所有業(yè)務(wù)模式的超級集合釋用發(fā)展，是格點(diǎn)定量預(yù)報(bào)技術(shù)的發(fā)展方向。但是在季風(fēng)暴雨預(yù)報(bào)方面，由于目前數(shù)值模式往往難以預(yù)報(bào)其發(fā)生，集合預(yù)報(bào)及解釋應(yīng)用產(chǎn)品的預(yù)報(bào)評分也很低，依然需要預(yù)報(bào)員的經(jīng)驗(yàn)訂正提升QPF的準(zhǔn)確率。

需要說明的是，降雨通常是在多種尺度的天氣系統(tǒng)相互作用下產(chǎn)生的，TS檢驗(yàn)給出定點(diǎn)的檢驗(yàn)結(jié)果，難以評價(jià)模式全面的價(jià)值，僅能提供一個(gè)方面的參考。另外，不同模式和主觀預(yù)報(bào)的格點(diǎn)分辨率不同，格點(diǎn)預(yù)報(bào)和實(shí)況站點(diǎn)的匹配距離不一致，不同QPF間的對比誤差信息來源不同，也難以確保檢驗(yàn)結(jié)果的客觀性，需加強(qiáng)對模式檢驗(yàn)方法的挖掘，更客觀評價(jià)模式的預(yù)報(bào)價(jià)值和探尋誤差信息來源。

致 謝：感謝廣東省生態(tài)氣象中心的吳乃庚研究員，廣東省氣象臺的羅聰、陳炳洪高級工程師等人在多模式集成算法、集合預(yù)報(bào)算法提供的預(yù)報(bào)結(jié)果。