2019年汛期大渡河流域面雨量多模式預報效果檢驗

宋雯雯，郭 潔，淡 嘉，徐 誠，龍柯吉

(1.高原與盆地暴雨旱澇災害四川省重點實驗室，四川 成都 610072；2.四川省氣象服務中心，四川 成都 610072；3.四川省氣象臺，四川 成都 610072)

引 言

大渡河為岷江最大支流，位于青藏高原東南邊緣向四川盆地西部的過渡地帶。大渡河流域內高山聳峙，河流深切，溝谷深邃，地表起伏巨大，相對高差懸殊，整個地勢由西北向東南逐漸降低。大渡河干流河道全長1062 km，流域面積77 400 km2，由北向南流至雅安市石棉折向東。大渡河徑流主要由降雨形成，流域內水量豐沛，徑流年際變化較小。其獨特的自然地理條件，決定了其水能資源豐富、質量優(yōu)，開發(fā)條件優(yōu)越，大渡河水電基地在國家規(guī)劃的十三大水電基地中排名第五位。在水文氣象服務中，面雨量作為洪水與水庫調度中非常重要的參數(shù)，是各級政府組織防汛抗洪和水庫調度等決策的重要依據(jù)，也是氣象部門服務領域拓展的方向之一[1-3]。在面雨量預報中，由于不同數(shù)值模式的初始場、初始擾動生成、參數(shù)化方案、模式框架等不同，其預報效果也具有明顯的時空差異[4-5]，因此需要利用合理的方法對不同模式在流域面雨量預報中的適用性進行分析。目前，很多研究對各數(shù)值模式的面雨量預報效果開展了評估[6-15]。研究表明，歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasts, ECMWF)在淮河流域的預報效果整體上優(yōu)于其他模式，尤其是在小雨到大雨等級優(yōu)勢明顯[16]；WRF(weather research and forecast model)模式在烏江流域的晴雨預報中具有一定的可靠性[17]；ECMWF對浙江省6個水庫流域客觀面雨量的預報效果優(yōu)于其他模式[18]，智能網(wǎng)格預報在西江流域汛期面雨量預報中的TS評分隨著面雨量等級增大呈現(xiàn)下降趨勢，72 h預報時效內，預報效果較為穩(wěn)定[19]；ECMWF和日本氣象廳(Japanese Meteorological Agency, JMA)對湖南水庫流域面雨量的預報效果相對較好且穩(wěn)定，而T639最差[20]。

目前還沒有專門針對大渡河流域面雨量預報準確性的評估。本文基于站點觀測資料、格點實況資料、智能網(wǎng)格預報、西南區(qū)域數(shù)值預報、ECMWF模式降水預報產(chǎn)品，以面雨量為研究對象，采用平均絕對誤差、模糊評分、正確率、TS評分、偏差分析等，對2019年6—10月以及2020年6—7月大渡河流域面雨量預報效果進行評估檢驗。

1 資料與方法

1.1 資 料

根據(jù)大渡河流域氣候和水文特征，將大渡河流域分為上游(瀘定以上)、中游(瀘定至銅街子)和下游(銅街子以下)(圖1)。圖1中行政邊界基于國家測繪地理信息局標準地圖服務網(wǎng)站下載的審圖號為GS(2016)1609的地圖繪制，底圖無修改。

圖1 大渡河流域示意圖

站點觀測資料來自2019年6—10月及2020年6—7月大渡河流域內15個國家基本氣象站及367個區(qū)域自動氣象站逐日(08:00—08:00，北京時，下同)降雨資料。格點實況資料為中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS-V2.0)2019年6—10月及2020年6—7月的逐日降水量，該產(chǎn)品融合了2400余個國家級自動氣象站及近4萬個區(qū)域自動氣象站實測降水數(shù)據(jù)、多種衛(wèi)星降水資料等，其空間分辨率為5 km×5 km。

數(shù)值模式資料為對應時段的智能網(wǎng)格、西南區(qū)域中心業(yè)務運行的中尺度模式系統(tǒng)(southwest center WRF ADAS real-time modeling system, SWCWARMS)以及ECMWF每日08:00起報的24 h降水量預報產(chǎn)品。SWCWARMS模式基于WRF和ARPS(advanced regional prediction system)建立，使用GFS(global forecast system)預報場作為模式初猜場和邊界條件，模式分辨率為9 km，垂直層次為51層，模式中心位于100°E、32°N，格點數(shù)為629×399，該系統(tǒng)每日定時啟動預報，提供72 h時效的多要素預報結果。ECMWF模式基于歐洲細網(wǎng)格預報資料，其分辨率為0.125°×0.125°。智能網(wǎng)格預報集合各種數(shù)值預報和預報技術，形成全國統(tǒng)一數(shù)據(jù)源的格點預報數(shù)據(jù)，即“一張網(wǎng)”網(wǎng)格預報業(yè)務，其空間分辨率達 5 km×5 km，可發(fā)布未來10 d逐3 h的天氣預報。

1.2 面雨量計算方法

面雨量是指某一特定區(qū)域或流域的平均降水量，最常用的計算方法有網(wǎng)格插值法、格點法、等雨量線法、算術平均法、泰森多邊形法等，若站點密度較低且分布不均時，泰森多邊形方法計算簡單，且效果優(yōu)于其他方法。

大渡河流域氣象臺站稀疏，在利用站點觀測資料計算流域實況面雨量時采用泰森多邊形法。流域面雨量為流域內各格點同期雨量相加后除以總格點數(shù)。

1.3 面雨量預報檢驗方法

參考我國江河面雨量等級劃分標準[21]，將24 h面雨量劃分為小雨(0.1～5.9 mm)、中雨(6.0～14.9 mm)、 大雨(15.0～29.9 mm)和暴雨(≥30.0 mm)4個等級。采用平均絕對誤差、模糊評分、正確率、TS評分等統(tǒng)計評價指標，對大渡河流域面雨量預報產(chǎn)品進行檢驗。

(1)平均絕對誤差

指預報值和實況值的平均絕對誤差Ea，其計算公式如下：

(1)

式中:n為有雨且預報正確的天數(shù)；Rf和Ro分別為有雨且預報正確時的面雨量預報值和實況值。本文僅統(tǒng)計實況有雨且預報也有雨時的誤差。

(2)正確率

檢驗“有”、“無”面雨量的預報正確率，其計算式如下：

(2)

式中:NA、NB和NC分別為降水預報正確、空報和漏報的流域子單元數(shù)；ND為無降水預報正確的流域子單元數(shù)。此項評分不考慮降水量級，只要預報和實況均有降水或均無降水即視為正確。

(3)模糊評分法

按照中國氣象局在《全國七大江河流域面雨量監(jiān)測和預報業(yè)務規(guī)定》中提供的模糊評分檢驗方法進行檢驗。第i個預報子流域(i取1,2,3分別表示大渡河流域上游、中游和下游)第j級降雨預報的模糊評分如下：

(3)

式中:第一項為預報基礎分，規(guī)定為60分；第二項為強度(等級)預報的加權分，|Fi-Oi|為等級誤差，F(xiàn)i為預報等級，Oi為實況等級；MAX(i,j)為最大等級誤差。當預報等級和實況等級一致時(即等級誤差為0)，該等級預報評分為100。根據(jù)誤差大小計算的模糊評分，能夠很好地表征預報貼近實況的程度，從而較好地檢驗流域面雨量預報水平。第i個預報子流域模糊評分計算如下：

(4)

式中：N為降水等級數(shù)。

(4)TS評分、空報率和漏報率

根據(jù)2005年中國氣象局《中短期天氣預報質量檢驗辦法(試行)》中的方法對面雨量預報效果進行檢驗。各指標計算公式如下：

(5)

(6)

(7)

式中：NAK為K等級面雨量預報正確的天數(shù)，即觀測與預報均出現(xiàn)K等級面雨量；NBK為K等級面雨量空報天數(shù)，即觀測無K等級面雨量而預報有；NCK為K等級面雨量漏報天數(shù)，即觀測有K等級面雨量而預報無。

2 面雨量檢驗評估

2.1 站點與格點實況面雨量對比

圖2為2019年6—10月大渡河流域上游、中游和下游站點和格點實況面雨量?？梢钥闯觯饔騼葍煞N實況面雨量基本一致。整個流域格點與實況面雨量的相關系數(shù)均大于0.7，下游達0.9，且均通過α=0.05的顯著性檢驗。格點與站點實況面雨量差值的絕對值最大為3.14 mm，下游僅為2.06 mm(表1)，說明格點實況雨量資料具有較高的參考性。由于模式資料都為格點資料，為了濾除面雨量計算方法對檢驗結果的影響，下文均以格點實況面雨量作為實況資料，對大渡河流域面雨量模式預報進行檢驗。

圖2 2019年6—10月大渡河流域上游(a)、中游(b)和下游(c)站點和格點實況面雨量

表1 大渡河流域格點與站點實況面雨量相關系數(shù)及兩者差值的絕對值

2.2 平均絕對誤差檢驗

各模式預報有雨且實況也有雨時的樣本數(shù)為120～130。圖3為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預報平均絕對誤差?？梢钥闯?，整個流域SWCWARMS的預報平均絕對誤差最大，上游和中游智能網(wǎng)格和ECMWF的預報平均絕對誤差相當，下游智能網(wǎng)格預報平均絕對誤差略大于ECMWF。從平均絕對誤差檢驗結果看，智能網(wǎng)格和ECMWF在大渡河流域面雨量預報中具有一定的參考性。

圖3 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預報平均絕對誤差

2.3 預報正確率檢驗

圖4為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預報正確率?？梢钥闯觯饔蛏嫌沃悄芫W(wǎng)格面雨量預報正確率最高，接近91%，ECMWF次之(90%)，SWCWARMS最低，僅為88%；流域中游也是智能網(wǎng)格面雨量預報正確率最高，超過93%，SWCWARMS和ECMWF相當(91.5%)；流域下游智能網(wǎng)格面雨量預報正確率達91%，SWCWARMS和ECMWF為89%。

圖4 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預報正確率

2.4 模糊評分檢驗

圖5為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量模糊評分。可以看出，上游智能網(wǎng)格面雨量模糊評分最高(83分)，其次為ECMWF(78分)，SWCWARMS為76分；中游智能網(wǎng)格、SWCWARMS及ECMWF面雨量模糊評分分別為90分、84分和85分；下游智能網(wǎng)格面雨量模糊評分達86分，SWCWARMS次之(85分)，ECMWF為84分。綜上所述，智能網(wǎng)格預報面雨量在整個流域最具有參考意義，除此之外，中上游ECMWF預報產(chǎn)品具有較好的參考性，下游SWCWARMS預報產(chǎn)品具有較好的參考性。

圖5 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量模糊評分

2.5 TS評分、空報率和漏報率檢驗

為更深入分析智能網(wǎng)格、SWCWARMS和ECMWF對大渡河流域面雨量的預報效果，引入TS評分、空報率和漏報率，分別對小雨、中雨、大雨、暴雨4個等級面雨量進行預報效果檢驗。

圖6為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF不同等級面雨量TS評分?？梢钥闯觯谛∮甑燃壝嬗炅款A報中，上游TS評分為50%～80%，其中ECMWF的TS評分略高于智能網(wǎng)格；中游TS評分為30%～60%，其中智能網(wǎng)格的TS評分最高，其次是ECMWF；下游TS評分為25%～60%，其中ECMWF的評分最高。整個流域小雨等級面雨量預報中，智能網(wǎng)格和ECMWF的TS評分均高于SWCWARMS。

圖6 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF的不同等級面雨量TS評分

在中雨等級面雨量預報中，智能網(wǎng)格和ECMWF在上游的TS評分為72%，SWCWARMS的TS評分(27%)比小雨等級面雨量TS評分值偏低30%左右；中游ECMWF的TS評分最高(75%)，其次為智能網(wǎng)格(55%)，SWCWARMS為25%；下游TS評分為30%～50%，其中ECMWF略高于智能網(wǎng)格，SWCWARMS評分最低。

在大雨等級面雨量預報中，上游智能網(wǎng)格TS評分為30%左右，比中雨等級面雨量TS評分偏低40%，SWCWARMS的TS評分在45%左右，比中雨等級面雨量TS評分偏高15%，而ECMWF的TS評分接近0，遠遠低于中雨和小雨等級面雨量的TS評分；在中游，各模式TS評分為20～40%，其中與中雨等級面雨量TS評分相比，ECMWF的TS評分偏低45%左右；在下游，智能網(wǎng)格TS評分在40%左右，與中雨等級面雨量TS評分相差不大，ECMWF的TS評分在25%左右，比中雨等級面雨量TS評分偏低20%，SWCWARMS的TS評分接近0，說明SWCWARMS對下游大雨等級面雨量的預報能力較差。

由于大渡河上游和中游沒有暴雨等級的面雨量出現(xiàn)，因此僅對大渡河下游進行暴雨等級面雨量預報檢驗。在暴雨等級面雨量預報中，智能網(wǎng)格在下游的TS評分為60%，SWCWARMS和ECMWF均為40%?？梢姡悄芫W(wǎng)格對流域暴雨等級面雨量預報效果較好。

圖7為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF不同等級面雨量的空報率和漏報率?？梢钥闯觯∮甑燃壝嬗炅款A報中，在上游，3個模式的空報率為25%～40%，中游和下游3個模式的空報率比上游偏高，其中中游的空報率為35%～70%，下游為40%～70%，3個模式相比，SWCWARMS空報率最高。在上游和下游，3個模式的漏報率均小于10%，其中下游ECMWF的漏報率為0，在中游3個模式的漏報率均為0。3個模式的空報率均高于漏報率。

圖7 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF不同等級面雨量空報率和漏報率

在中雨等級的面雨量預報中，智能網(wǎng)格和ECMWF在上、中、下游的空報率差異較大，上游空報率小于6%，中游為15%～30%，下游在45%左右，比小雨等級面雨量空報率偏低；SWCWARMS的空報率為60%～70%，和小雨等級面雨量空報率相差不大；中雨等級的面雨量漏報率較小雨等級面雨量上升較快，其中智能網(wǎng)格漏報率為18%～30%，SWCWARMS 為28%～55%，ECMWF為6%～30%，整體比小雨等級面雨量漏報率偏高20%～40%?？傮w來看，中雨等級面雨量預報中，智能網(wǎng)格和ECMWF在上游的空報率低于漏報率，在中下游空報率高于漏報率，SWCWARMS在整個流域空報率均高于漏報率。

在大雨等級的面雨量預報中，3個模式在上游的空報率均為0，在中下游，智能網(wǎng)格的空報率為20%～40%，SWCWARMS為60%～100%，ECMWF為30%～60%；大雨等級的面雨量漏報率較中雨也上升較快，其中智能網(wǎng)格的漏報率為40%～70%，SWCWARMS為40%～100%，ECMWF為50%～100%。綜上所述，在大雨等級面雨量預報中，中上游的空報率小于漏報率，下游空報率和漏報率相當。

在暴雨等級面雨量預報中(圖略)，3個模式的空報率都為0，智能網(wǎng)格漏報率為40%，SWCWARMS和ECMWF的漏報率均為60%。

可見，隨著面雨量等級的增大，模式的預報能力逐漸降低。

2.6 預報偏差檢驗

圖8為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預報偏小和偏大次數(shù)與總預報次數(shù)的百分比?？梢钥闯?，3個模式上游面雨量預報偏大次數(shù)遠小于偏小次數(shù)，而中下游面雨量預報偏大次數(shù)又明顯大于偏小次數(shù)。因此，綜合各模式的預報偏差分析，在考慮流域面雨量的預報量級時，上游面雨量可以相信預報量級最大的模式，中下游可以考慮預報量級較小的模式。

圖8 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預報偏小和偏大次數(shù)與總預報次數(shù)的百分比

2.7 典型降水過程面雨量預報檢驗

為比較3個模式對不同降水強度過程的預報能力，選取2020年7月1日小雨過程、 7月10日中雨過程和 6月27日大雨過程，分析各模式產(chǎn)品的正確子單元數(shù)、空報子單元數(shù)和漏報子單元數(shù)(表2)。對小雨和中雨過程，3個模式的空報子單元數(shù)大于漏報子單元數(shù)，說明預報的等級偏大；對大雨過程，智能網(wǎng)格和ECMWF的空報子單元數(shù)小于漏報子單元數(shù)，說明預報的等級偏小，而SWCWARMS的空報子單元數(shù)大于漏報子單元數(shù)，說明預報的等級偏大。綜上所述，SWCWARMS對面雨量的預報等級均偏大，而智能網(wǎng)格和ECMWF對小雨和中雨的預報等級偏大，對大雨預報等級偏小。

表2 大渡河流域2020年3次降雨過程3個模式的面雨量預報檢驗

3 結 論

(1)預報平均絕對誤差、正確率、模糊評分檢驗顯示，智能網(wǎng)格的預報效果總體上優(yōu)于其他模式。

(2)隨著降水等級(小雨、中雨、大雨、暴雨)的增大，TS評分逐漸降低，空報率逐漸減小，漏報率逐漸增大，模式的預報能力逐漸降低。ECMWF在小雨和中雨等級面雨量預報中優(yōu)勢明顯，智能網(wǎng)格在大雨和暴雨等級面雨量預報中表現(xiàn)較優(yōu)。對比各等級面雨量的空報率和漏報率可知，3個模式在小雨和中雨等級面雨量預報中預報的等級偏大，在大雨和暴雨等級面雨量預報中預報的等級偏小。

(3)各模式對典型降水過程面雨量預報結果表明，SWCWARMS對面雨量的預報等級均偏大，而智能網(wǎng)格和ECMWF對小雨和中雨的預報等級偏大，對大雨預報等級偏小。