北京地區(qū)汛期降水時(shí)空分布的統(tǒng)計(jì)降尺度研究*

郝 翠 于 波 戴 翼 智協(xié)飛 張迎新

1 北京市氣象臺(tái),北京 100097 2 南京信息工程大學(xué),氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心,南京 210044

提 要：降水的時(shí)空降尺度方案一直以來(lái)是智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)的難點(diǎn),通過(guò)對(duì)比多種時(shí)間和空間的降尺度方法,凝練出適用于北京地區(qū)的最優(yōu)方案?？臻g降尺度方面,對(duì)比反距離權(quán)重法、普通克里金法、最近鄰法、雙線(xiàn)性插值法、三維普通克里金法等5種方法的空間分布特征表明,雙線(xiàn)性插值法在北京地區(qū)的應(yīng)用效果最好,誤差最小且ETS評(píng)分最高;時(shí)間降尺度方面,采用基于區(qū)域數(shù)值模式(睿圖、CMA-MESO)產(chǎn)品的逐時(shí)分配和平均分配兩種方案,其中睿圖逐時(shí)分配、CMA-MESO逐時(shí)分配和平均分配在RMSE和MAE的誤差表現(xiàn)差距不大,但睿圖逐時(shí)分配在ETS上的效果最顯著,且在強(qiáng)降水時(shí)段表現(xiàn)也較優(yōu),說(shuō)明從預(yù)報(bào)準(zhǔn)確率角度采用睿圖逐時(shí)分配的優(yōu)勢(shì)更為明顯。雙線(xiàn)性插值和睿圖逐時(shí)分配作為北京地區(qū)客觀降水預(yù)報(bào)方法的時(shí)空降尺度方案,能夠支撐智能網(wǎng)格業(yè)務(wù)提供精細(xì)化的預(yù)報(bào)產(chǎn)品,其成果可為相關(guān)業(yè)務(wù)研究提供借鑒。

引 言

數(shù)值預(yù)報(bào)后處理產(chǎn)品已成為數(shù)值產(chǎn)品釋用的重要參考依據(jù)(趙聲蓉等,2012;唐健等,2018;郝翠等,2019;張宏芳等,2019;金巍等,2020),但目前數(shù)值預(yù)報(bào)后處理產(chǎn)品的時(shí)空分辨率仍不能滿(mǎn)足當(dāng)前精細(xì)化預(yù)報(bào)服務(wù)的需求,因此發(fā)展適用于本地區(qū)的時(shí)空降尺度技術(shù)成為預(yù)報(bào)業(yè)務(wù)的關(guān)鍵問(wèn)題。

降水具有時(shí)空不連續(xù)性、非正態(tài)分布等特點(diǎn)(王海霞和智協(xié)飛,2015;董旭光等,2018),因此時(shí)空降尺度一直以來(lái)是降水精細(xì)化預(yù)報(bào)業(yè)務(wù)的難點(diǎn),不同降尺度方法所得到的插值結(jié)果不盡相同。在進(jìn)行統(tǒng)計(jì)降尺度之前,必須先將基于站點(diǎn)或粗分辨率的網(wǎng)格產(chǎn)品插值到更細(xì)分辨率網(wǎng)格上(王亞男和智協(xié)飛,2012;智協(xié)飛等,2016;劉綠柳等,2018;吳遙等,2020)。對(duì)于空間降尺度,由于降水的局地性很大,尤其是在地形復(fù)雜區(qū)域,地理位置雖接近但降水量可能會(huì)差別很大,不同的空間插值方法產(chǎn)生的降水分布差異很大(鄔倫等,2010),因此需要遴選出本地適用性最好的插值方法;目前廣泛應(yīng)用且效果較好的空間插值方法包括最近鄰(Nearest)插值、雙線(xiàn)性(Bilinear)插值(陳勝東等,2015)、反距離權(quán)重(inverse distance weighting,IDW)插值(包慧濛等,2015)、普通克里金(ordinary Kriging,OK)插值(陳勝東等,2015)等;而基于地形信息的三維插值方法(吳鏈,2017)進(jìn)行空間降尺度,應(yīng)用效果也較好。根據(jù)中國(guó)氣象局的業(yè)務(wù)要求,本文將基于觀測(cè)的站點(diǎn)資料插值成空間分辨率為5 km的格點(diǎn)產(chǎn)品,采用IDW、OK、Nearest、Bilinear、三維普通克里金(three-dimensional ordinary Kriging,TOK)5種插值方法對(duì)北京地區(qū)的降水進(jìn)行空間降尺度試驗(yàn),該結(jié)果可以為粗分辨率數(shù)值模式及數(shù)值預(yù)報(bào)后處理產(chǎn)品提供參考。

時(shí)間降尺度的研究相對(duì)較少。劉湊華等(2021)通過(guò)模擬雨帶位置和形態(tài)來(lái)實(shí)現(xiàn)時(shí)間降尺度,其利用數(shù)值模式逐3 h預(yù)報(bào)進(jìn)行位置訂正、動(dòng)態(tài)重構(gòu)和頻率匹配,將逐日降水客觀預(yù)報(bào)降尺度為逐1 h。由于目前區(qū)域數(shù)值模式已有逐1 h預(yù)報(bào)產(chǎn)品,本文將觀測(cè)的日降水資料基于區(qū)域數(shù)值模式逐1 h的預(yù)報(bào)產(chǎn)品進(jìn)行時(shí)間降尺度,并與平均分配的結(jié)果進(jìn)行對(duì)比分析,相關(guān)結(jié)論可為粗時(shí)間分辨率的數(shù)值模式釋用及數(shù)值模式預(yù)報(bào)后處理產(chǎn)品提供參考。

本文針對(duì)降水客觀預(yù)報(bào)產(chǎn)品進(jìn)行業(yè)務(wù)化應(yīng)用時(shí)遇到的時(shí)空降尺度問(wèn)題,若直接利用降水客觀預(yù)報(bào)產(chǎn)品或數(shù)值模式的日降水預(yù)報(bào)進(jìn)行時(shí)空插值,則難以對(duì)比時(shí)空插值的真實(shí)效果。為最大程度反映時(shí)空插值的效果,利用觀測(cè)的日降水資料和中尺度區(qū)域數(shù)值模式預(yù)報(bào)產(chǎn)品,進(jìn)行時(shí)空降尺度試驗(yàn),探討北京地區(qū)最優(yōu)的降水時(shí)空降尺度技術(shù)方法,為智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)建設(shè)提供參考和依據(jù)。

1 資料和方法

考慮到觀測(cè)數(shù)據(jù)的完整性和準(zhǔn)確性,觀測(cè)資料采用2019年4—9月北京地區(qū)共364個(gè)自動(dòng)氣象觀測(cè)站(以下簡(jiǎn)稱(chēng)自動(dòng)站,2015年自動(dòng)站總數(shù))逐時(shí)降水質(zhì)量控制產(chǎn)品,并將逐時(shí)產(chǎn)品處理成逐日(前日21時(shí)至當(dāng)日20時(shí))降水產(chǎn)品。數(shù)值預(yù)報(bào)產(chǎn)品選取對(duì)北京預(yù)報(bào)性能較好的北京市氣象局睿圖模式(RMAPS)和中國(guó)氣象局CMA-MESO的逐小時(shí)降水預(yù)報(bào)產(chǎn)品,預(yù)報(bào)時(shí)長(zhǎng)為24 h。其中,睿圖模式為北京市城市氣象研究院于2002年開(kāi)始研發(fā)的快速更新循環(huán)數(shù)值預(yù)報(bào)系統(tǒng),至今已升級(jí)更新了3個(gè)版本,對(duì)2007年以來(lái)北京地區(qū)重大天氣過(guò)程無(wú)一漏報(bào)(陳敏等,2014;仲躋芹等,2010;2017),截至目前可提供空間分辨率為3 km的地面要素及降水的集成預(yù)報(bào)(劉夢(mèng)娟和陳敏,2014;閔晶晶,2014);CMA-MESO為中國(guó)氣象局自主研發(fā)的區(qū)域數(shù)值天氣預(yù)報(bào)系統(tǒng),2006年7月投入業(yè)務(wù)應(yīng)用,2014年起提供空間分辨率為10 km的地面降水預(yù)報(bào)產(chǎn)品,在天氣預(yù)報(bào)業(yè)務(wù)中發(fā)揮了重要作用(沈?qū)W順等,2020) 。本文所用時(shí)間,除特殊說(shuō)明外,均為北京時(shí)。

1.1 空間降尺度方案

利用15 m空間分辨率的數(shù)字高程資料實(shí)現(xiàn)三維空間的降尺度處理。對(duì)比驗(yàn)證的觀測(cè)資料為北京地區(qū)512個(gè)自動(dòng)站(2019年自動(dòng)站總數(shù))降水實(shí)況(圖1)。近年來(lái)北京地區(qū)的觀測(cè)站點(diǎn)逐年增加,而數(shù)值模式后處理技術(shù)需要相對(duì)穩(wěn)定的多年觀測(cè)資料,因此進(jìn)行時(shí)空降尺度未采用較新的512個(gè)自動(dòng)站的實(shí)況信息,而是仍采用364個(gè)站(2015年自動(dòng)站總數(shù))的實(shí)況信息。

注:藍(lán)點(diǎn):2015年,364個(gè);圓點(diǎn):2019年,512個(gè)。圖1 北京地區(qū)自動(dòng)站分布圖Fig.1 Distribution of automatic weather stations (dots) across the Beijing Region

常用的5種空間降尺度方案具體為:(1)IDW:以插值點(diǎn)與樣本點(diǎn)間距離的倒數(shù)為權(quán)重進(jìn)行加權(quán)平均(Bartier and Keller,1996)。(2)OK:以空間統(tǒng)計(jì)學(xué)作為理論基礎(chǔ),對(duì)空間分布數(shù)據(jù)進(jìn)行全局變異函數(shù)計(jì)算,獲取最優(yōu)、線(xiàn)性、無(wú)偏的內(nèi)插估計(jì);其本質(zhì)是由可用樣本數(shù)據(jù)的線(xiàn)性組合來(lái)獲得待插值點(diǎn)的降水量,其中加權(quán)值不僅與觀測(cè)點(diǎn)和待插值點(diǎn)的距離有關(guān),同樣與觀測(cè)點(diǎn)的位置、空間結(jié)構(gòu)相關(guān)(Pardo-Igúzquiza and Dowd,1998)。(3)Nearest:以距離網(wǎng)格點(diǎn)最近的站點(diǎn)值為此網(wǎng)格點(diǎn)值來(lái)進(jìn)行插值(陳歡歡等,2007)。(4)Bilinear:采用2個(gè)變量的插值函數(shù)的線(xiàn)性插值擴(kuò)展,利用網(wǎng)格點(diǎn)附近的4個(gè)站點(diǎn)值的水平、垂直方向上的線(xiàn)性?xún)?nèi)插獲取網(wǎng)格點(diǎn)的值(葉金印等,2013)。(5)TOK:即在二維插值的基礎(chǔ)上加入高程信息,將海拔高度作為經(jīng)度、緯度之外的第三維度進(jìn)行插值(曾懷恩和黃聲享,2007)。

利用上述方法將實(shí)況自動(dòng)站觀測(cè)資料插值至5 km×5 km網(wǎng)格上。針對(duì)空間降尺度,本文采用交叉驗(yàn)證法(Seaman,1983) 評(píng)價(jià)各方法的效果,即將逐日364個(gè)站的降水資料按8∶2的比例分成2組,用291個(gè)站資料進(jìn)行插值,73個(gè)站的資料進(jìn)行檢驗(yàn),為保證結(jié)果穩(wěn)定,每日資料隨機(jī)分組10次(圖2)。

圖2 北京地區(qū)時(shí)空降尺度方案技術(shù)路線(xiàn)圖Fig.2 The technology roadmap of spatio-temporal downscaling methods for the Beijing Region

1.2 時(shí)間降尺度方案

采用的數(shù)值模式資料為2019年5月1日至9月30日的北京睿圖模式和CMA-MESO的逐時(shí)降水預(yù)報(bào),以及對(duì)應(yīng)的364個(gè)站降水實(shí)況(逐日和逐時(shí))。本文設(shè)計(jì)2種方案(圖2):(1)當(dāng)數(shù)值模式(睿圖逐時(shí)預(yù)報(bào)、 CMA-MESO逐時(shí)預(yù)報(bào))預(yù)報(bào)有降水時(shí),按照當(dāng)日數(shù)值模式逐1 h的降水比例分配;當(dāng)數(shù)值模式預(yù)報(bào)無(wú)降水時(shí),平均分配;當(dāng)數(shù)值模式預(yù)報(bào)有降水、觀測(cè)無(wú)降水時(shí),按觀測(cè)無(wú)降水分配。(2)對(duì)逐日觀測(cè)降水進(jìn)行逐時(shí)平均分配(平均分配)。

檢驗(yàn)方法為計(jì)算各站點(diǎn)在整個(gè)降水過(guò)程中各時(shí)次觀測(cè)值與估計(jì)值間的均方根誤差(root mean square error,RMSE)、平均絕對(duì)誤差(mean absolute error,MAE)、 公平風(fēng)險(xiǎn)(equitable threat score,ETS)評(píng)分。其中,MAE反映估計(jì)值的誤差范圍,取值越接近0表明誤差越小;RMSE反映估計(jì)值的靈敏度和極值情況,取值越接近0表明誤差越小(高華喜和殷坤龍,2007;宋麗瓊等,2008);ETS反映預(yù)報(bào)準(zhǔn)確率,是對(duì)TS評(píng)分的改進(jìn),對(duì)空?qǐng)?bào)或漏報(bào)進(jìn)行懲罰,使評(píng)分更公平,取值范圍為-1～1,越接近1表明預(yù)報(bào)效果越好。具體計(jì)算為:

(1)

(2)

(3)

2 結(jié)果分析

2.1 空間降尺度

對(duì)比5種降尺度方案(IDW、OK、Nearest、Bilinear、TOK)的空間分布特征,通過(guò)計(jì)算各站點(diǎn)在整個(gè)降水過(guò)程中逐時(shí)次觀測(cè)值與預(yù)報(bào)值間的誤差,檢驗(yàn)了不同插值方法誤差的空間分布特征(表1)。結(jié)果表明,Bilinear的效果最好,RMSE和MAE最小,ETS評(píng)分最高;對(duì)10 mm以上降水的插值效果評(píng)估也表明Bilinear插值效果最好,ETS(>10 mm)可達(dá)0.65;OK的效果次之,Nearest、IDW的結(jié)果較差,這與高歌等(2007)對(duì)逐日降水的空間插值的結(jié)論一致,OK的結(jié)果相對(duì)于IDW較好。加入高程信息后的TOK效果最差,誤差反而增大,因此將地形高度與降水量做相關(guān)分析,分析表明二者相關(guān)系數(shù)僅為-0.01,幾乎無(wú)相關(guān)性。北京地區(qū)的復(fù)雜地形對(duì)降水的影響主要體現(xiàn)在對(duì)降水的觸發(fā)上,即降水發(fā)生頻次,而對(duì)于降水量來(lái)說(shuō),二者并無(wú)相關(guān)性,這與袁宇鋒(2017)的研究結(jié)論一致。因此,對(duì)北京地區(qū)而言,在進(jìn)行空間插值時(shí),不考慮次級(jí)信息(高程)的二維效果反而比三維效果要好。

表1 不同空間降尺度方案的檢驗(yàn)結(jié)果Table 1 The test results of different spatial downscaling schemes

由于北京地區(qū)地形復(fù)雜,西北為山地,東南為平原,按海拔高度將北京地區(qū)分為山區(qū)(海拔高度200 m及以上)和平原(海拔高度200 m以下)兩部分,分別占總面積的59.29%和40.71%。對(duì)山區(qū)和平原5種降尺度方案的空間分布特征分析(表2)表明:(1)對(duì)山區(qū)而言,Bilinear效果最好,RMSE和MAE最小,分別為5.30 mm和2.81 mm,其次是OK和Nearest;(2)平原地區(qū),IDW效果為最好,其RMSE和MAE分別為5.57 mm和3.25 mm,其次是Bilinear,RMSE和MAE分別為5.76 mm和3.28 mm。綜合山區(qū)和平原的效果分析,Bilinear、Nearest、IDW、OK差距不大,但TOK與其他4種方法有明顯差距。

表2 山區(qū)(海拔200 m及以上)和平原(海拔200 m以下)不同空間降尺度方案的檢驗(yàn)結(jié)果Table 2 The test results of different spatial downscaling schemes for mountains (above sea level≥200 m) and plains (above sea level<200 m)

對(duì)北京地區(qū)3個(gè)主要的降水分布型(全市降雨、北多南少、東多西少)的檢驗(yàn)表明(圖3), OK雖然在降水量大的區(qū)域插值效果較好,但會(huì)增加降水分布范圍,Nearest和IDW在刻畫(huà)局部點(diǎn)的特征時(shí)容易失真造成誤差較大,TOK效果最差,Bilinear在各種降水分布類(lèi)型中都與觀測(cè)實(shí)況最為接近(圖3～圖5),這與稅軍峰等(2019)的研究結(jié)論一致。從ETS評(píng)分的檢驗(yàn)效果看,Bilinear的評(píng)分也是最高的。張永順(2020)在對(duì)比海溫插值方法時(shí),同樣認(rèn)為Bilinear優(yōu)于Nearest和三次插值。

圖3 2019年6月3日北京地區(qū)小雨型降水不同空間降尺度方案的分布(a)實(shí)況,(b)Nearest,(c)IDW,(d)Bilinear,(e)OK,(f)TOKFig.3 Distribution of different spatial downscaling schemes for light rain across Beijing Region on 3 June 2019 (a) observation, (b) Nearest, (c) IDW, (d) Bilinear, (e) OK, (f) TOK

從降水類(lèi)型看,2019年6月3日受高空槽和低層切變線(xiàn)影響,此次過(guò)程屬于對(duì)流性降水,Bilinear方法的分布與實(shí)況最為接近(圖3)。同樣作為對(duì)流性降水,但對(duì)流性更強(qiáng)的2019年8月2日受高空槽和低層偏東風(fēng)造成的降水,IDW、Bilinear、Nearest的分布與觀測(cè)實(shí)況都很接近,其中IDW在降水量較大的分布區(qū)域與觀測(cè)實(shí)況最為接近(圖4)。2019年7月23日受副熱帶高壓外圍偏南暖濕氣流和高空槽系統(tǒng)影響,以及大尺度穩(wěn)定性降水和對(duì)流性降水的共同作用,此次過(guò)程屬于混合性降水,IDW、Bilinear、Nearest的分布與觀測(cè)實(shí)況都很接近,其中IDW在降水量較大的分布區(qū)域與觀測(cè)實(shí)況最為接近(圖5)。由于華北地區(qū)汛期降水以混合性和對(duì)流性為主,大尺度穩(wěn)定性降水較少,且常發(fā)生在春秋兩季,為了分析對(duì)大尺度穩(wěn)定性降水的空間降尺度效果,本文回算了2018年4月21日的降水個(gè)例,此次降水過(guò)程整體雨勢(shì)平穩(wěn),屬于典型的穩(wěn)定性降水,Nearest、Bilinear、IDW的分布與觀測(cè)實(shí)況都很接近,其中Nearest和Bilinear在降水量較大的分布區(qū)域與觀測(cè)實(shí)況最為接近,Bilinear整體分布較Nearest 更平滑(圖6)?？傮w來(lái)看,在不同類(lèi)型的降水個(gè)例中,Bilinear不一定是表現(xiàn)最好的插值方法,但它卻是一個(gè)表現(xiàn)效果最為穩(wěn)定的方法。

圖4 2019年8月2日北京地區(qū)東多西少型降水不同空間降尺度方案的分布(a)實(shí)況,(b)Nearest,(c)IDW,(d)Bilinear,(e)OK,(f)TOKFig.4 Distribution of different spatial downscaling schemes for precipitation more in the east and less in the west of Beijing Region on 2 August 2019 (a) observation, (b) Nearest, (c) IDW, (d) Bilinear, (e) OK, (f) TOK

圖5 2019年7月23日北京地區(qū)北多南少型降水不同空間降尺度方案的分布(a)實(shí)況,(b)Nearest,(c)IDW,(d)Bilinear,(e)OK,(f)TOKFig.5 Distribution of different spatial downscaling schemes for precipitation more in the north and less in the south of Beijing Region on 23 July 2019 (a) observation, (b) Nearest, (c) IDW, (d) Bilinear, (e) OK, (f) TOK

圖6 2018年4月21日北京地區(qū)大尺度穩(wěn)定性降水不同空間降尺度方案的分布(a)實(shí)況,(b)Nearest,(c)IDW,(d)Bilinear,(e)OK,(f)TOKFig.6 Distribution of different spatial downscaling schemes for large-scale stable precipitation in Beijing Region on 21 April 2018 (a) observation, (b) Nearest, (c) IDW, (d) Bilinear, (e) OK, (f) TOK

2.2 時(shí)間降尺度

對(duì)2019年4—9月逐時(shí)的統(tǒng)計(jì)表明(圖7),基于睿圖的逐時(shí)分配、基于CMA-MESO的逐時(shí)分配和平均分配在RMSE上的表現(xiàn)差距不大,表明三者在與觀測(cè)值偏差上的表現(xiàn)基本一致;MAE的結(jié)果表明,睿圖逐時(shí)分配和CMA-MESO逐時(shí)分配在大部分時(shí)段比平均分配的誤差小,睿圖逐時(shí)分配在誤差上的表現(xiàn)相對(duì)于CMA-MESO更有優(yōu)勢(shì);而從ETS評(píng)分看,不論是0.1 mm還是10 mm以上的降水,基于睿圖模式的逐時(shí)分配都是3種方案中最高的,平均分別為0.22和0.05,說(shuō)明從預(yù)報(bào)準(zhǔn)確率看睿圖逐時(shí)分配的優(yōu)勢(shì)更明顯;CMA-MESO在0.1 mm以上降水的ETS評(píng)分最差,為0.08,但在10 mm以上ETS評(píng)分中較平均分配略高,為0.003。CMA-MESO逐時(shí)分配的效果與睿圖逐時(shí)分配的效果差距較大,原因可能與2個(gè)數(shù)值模式的空間分辨率差異較大有關(guān),CMA-MESO的空間分辨率為10 km,插值到自動(dòng)站可能也會(huì)產(chǎn)生較大誤差,未來(lái)利用自2020年起業(yè)務(wù)化運(yùn)行的CMA-MESO 3 km預(yù)報(bào)產(chǎn)品時(shí)(黃麗萍等,2022),可能會(huì)有較好的結(jié)果,并且由于睿圖模式融合了地基GPS和京津冀29部雷達(dá)的實(shí)時(shí)資料,對(duì)降水臨近預(yù)報(bào)更接近實(shí)況,因此睿圖逐時(shí)分配的方案ETS評(píng)分較高。這與劉湊華等(2021)的結(jié)果一致,其通過(guò)位置訂正和動(dòng)態(tài)重構(gòu)方法對(duì)逐日降水預(yù)報(bào)做逐時(shí)分配,ETS評(píng)分也有顯著提高。

圖7 2019年4—9月不同時(shí)間分配方案的逐時(shí)降水檢驗(yàn)評(píng)分(a)RMSE,(b)MAE,(c)ETS(>0.1 mm),(d)ETS(>10 mm)Fig.7 Verification scores of different temporal allocation schemes for hourly precipitation from RMAPS, CMA-MESO and observation between April and September 2019 (a) RMSE, (b) MAE, (c) ETS (>0.1 mm), (d) ETS (>10 mm)

以2019年8月6—7日強(qiáng)降水時(shí)段(6日23時(shí)至7日02時(shí))為例(圖8),基于睿圖逐時(shí)分配的空間效果與實(shí)況空間分布一致性較高,CMA-MESO沒(méi)有預(yù)報(bào)出該時(shí)段內(nèi)的強(qiáng)降水分布特征,平均分配在強(qiáng)降水上沒(méi)有任何體現(xiàn)。

圖8 2019年8月(a～d)6日23時(shí),(e～h)7日00時(shí),(i～l)7日01時(shí),(m～p)7日02時(shí)不同時(shí)間分配方案北京地區(qū)強(qiáng)降水時(shí)段的分布(a,e,i,m)實(shí)況,(b,f,j,n)睿圖,(c,g,k,o)CMA-MESO,(d,h,l,p)平均分配Fig.8 Spatial distribution of different temporal allocation schemes for heavy precipitation cases in Beijing Region at (a-d) 23:00 BT 6, (e-h) 00:00 BT 7, (i-l) 01:00 BT 7 and (m-p) 02:00 BT 7 August 2019(a, e, i, m) observation, (b, f, j, n) RMAPS, (c, g, k, o) CMA-MESO, (d, h, l, p) average

3 時(shí)空降尺度方案在降水客觀方法預(yù)報(bào)中的應(yīng)用

目前,北京市氣象臺(tái)降水客觀技術(shù)方法預(yù)報(bào)基于睿圖數(shù)值模式預(yù)報(bào)產(chǎn)品,采用頻率匹配和偏差訂正方法,獲取對(duì)模式的逐日預(yù)報(bào)訂正結(jié)果(以下簡(jiǎn)稱(chēng)降水客觀方法預(yù)報(bào)),最大程度地減小預(yù)報(bào)誤差,自動(dòng)得到各時(shí)段最優(yōu)的降水預(yù)報(bào)結(jié)果。降水客觀方法預(yù)報(bào)采用的是上文的時(shí)空降尺度方案,與睿圖區(qū)域模式預(yù)報(bào)相比,2019年6—9月北京地區(qū)0～3 d的平均晴雨預(yù)報(bào)準(zhǔn)確率提高了4.1%;0～3 d的小雨TS評(píng)分提高了2.0%(圖略)。

2019年8月6—7日降水個(gè)例(圖9)分析表明,逐日的預(yù)報(bào)相對(duì)觀測(cè)實(shí)況較大,降水客觀方法預(yù)報(bào)在睿圖模式的基礎(chǔ)上訂正后雖然更接近實(shí)況的降水分布,但降水量仍然偏大。降水客觀方法預(yù)報(bào)的逐日預(yù)報(bào)根據(jù)睿圖逐時(shí)分配的結(jié)果(圖9f,9i,9l,9o)也較為接近實(shí)況,在強(qiáng)降水中心的預(yù)報(bào)上表現(xiàn)較優(yōu)。因此,降水客觀方法預(yù)報(bào)采用Bilinear空間插值和睿圖逐時(shí)分配應(yīng)用效果良好,可以為業(yè)務(wù)提供精細(xì)化的預(yù)報(bào)結(jié)果,可滿(mǎn)足業(yè)務(wù)需求。

圖9 2019年8月(a～c)6日21時(shí)至7日20時(shí),(d～f)6日23時(shí),(g～i)7日00時(shí),(j～l)7日01時(shí),(m～o)7日02時(shí)不同時(shí)間分配方案北京地區(qū)強(qiáng)降水時(shí)段的分布(a,d,g,j,m)實(shí)況,(b,e,h,k,n)睿圖預(yù)報(bào),(c,f,i,l,o)降水客觀方法預(yù)報(bào)Fig.9 Spatial distribution of different temporal allocation schemes for heavy precipitation cases in Beijing Region (a-c) from 21:00 BT 6 to 20:00 BT 7, (d-f) at 23:00 BT 6, (g-j) at 00:00 BT 7, (j-l) at 01:00 BT 7 and (m-o) at 02:00 BT 7 August 2019 (a, d, g, j, m) observation, (b, e, h, k, n) RMAPS forecasts, (c, f, i, l, o) forecasts by objective prediction method

4 結(jié)論與討論

本文討論的時(shí)空降尺度方法,都是基于數(shù)值模式后處理的降水客觀預(yù)報(bào)產(chǎn)品,數(shù)值預(yù)報(bào)模式和降水客觀預(yù)報(bào)產(chǎn)品的時(shí)空分辨率精度不一,在業(yè)務(wù)應(yīng)用中需要考慮時(shí)空降尺度問(wèn)題,主要是為了加強(qiáng)數(shù)值模式及數(shù)值預(yù)報(bào)后處理產(chǎn)品的精細(xì)化業(yè)務(wù)應(yīng)用,在不影響原效果的情況下滿(mǎn)足預(yù)報(bào)產(chǎn)品精細(xì)化和智能化的業(yè)務(wù)需求。

對(duì)空間降尺度的研究表明,Bilinear插值效果最好,其RMSE和MAE為最小,ETS評(píng)分最高;加入高程信息的TOK誤差較大,可以認(rèn)為北京地理高程對(duì)降水的影響主要與降水發(fā)生頻次有關(guān),與降水量關(guān)系不大。對(duì)不同的降水分布型的空間分布結(jié)果表明,Bilinear的效果都是與實(shí)況最接近的,OK在降水量大的區(qū)域插值效果較好,但會(huì)增加降水分布范圍,Nearest和IDW在刻畫(huà)局部點(diǎn)的特征時(shí)容易失真造成誤差較大,TOK效果最差。對(duì)山區(qū)和平原分區(qū)的分析統(tǒng)計(jì)表明,山區(qū)Bilinear效果最好,而平原IDW效果最好,從山區(qū)和平原綜合的效果分析,Bilinear、Nearest、IDW、OK差距不大,但TOK與其他四種方法差距較大。對(duì)不同降水類(lèi)型的個(gè)例分析表明,Bilinear、Nearest、IDW 效果最好且差距不大,其中Bilinear不一定是表現(xiàn)最好的插值方法,但它是一個(gè)表現(xiàn)最為穩(wěn)定的方法。

對(duì)時(shí)間降尺度的研究表明,睿圖逐時(shí)分配、CMA-MESO逐時(shí)分配和平均分配在RMSE上的表現(xiàn)差距不大,表明二者在與觀測(cè)值的偏差上的表現(xiàn)基本一致;而從ETS評(píng)分看,不論是0.1 mm還是10 mm以上的降水,睿圖逐時(shí)分配比其他方法要顯著,說(shuō)明從預(yù)報(bào)準(zhǔn)確率角度睿圖逐時(shí)分配的優(yōu)勢(shì)更明顯。

本研究的時(shí)空降尺度方案均未考慮降水的發(fā)生頻率、空間分布特點(diǎn)、時(shí)間移動(dòng)規(guī)律,但本研究的結(jié)論可為未來(lái)繼續(xù)深入進(jìn)行降水預(yù)報(bào)的時(shí)空降尺度研究打下較好基礎(chǔ)。

上述時(shí)空降尺度方案已應(yīng)用于北京市氣象臺(tái)的降水客觀方法預(yù)報(bào),并具有較好的業(yè)務(wù)應(yīng)用效果。此外,相關(guān)時(shí)空降尺度方案還可用于北京地區(qū)的智能網(wǎng)格業(yè)務(wù)系統(tǒng)中,提高災(zāi)害天氣的網(wǎng)格預(yù)報(bào)準(zhǔn)確率,為業(yè)務(wù)人員提供更為豐富、更加精細(xì)的參考產(chǎn)品。