多次取樣的網(wǎng)格化暴雨預(yù)報(bào)“配料法”研究

曹彥超，焦美玲，秦 拓

（慶陽(yáng)市氣象局，甘肅 慶陽(yáng) 745000）

暴雨是中國(guó)最主要的自然災(zāi)害之一，持續(xù)的強(qiáng)降水每年都會(huì)造成重大人員財(cái)產(chǎn)損失[1-2]，提升預(yù)報(bào)預(yù)警精細(xì)化水平是防范暴雨洪澇災(zāi)害的主要途徑[3]。極端降水的隨機(jī)性使暴雨預(yù)報(bào)具有較高難度，2020年ECMWF_THIN 模式對(duì)甘肅省隴東地區(qū)暴雨過(guò)程預(yù)報(bào)準(zhǔn)確率雖然達(dá)到70%以上，但站點(diǎn)預(yù)報(bào)準(zhǔn)確率僅為12.5%，提升暴雨落區(qū)預(yù)報(bào)準(zhǔn)確性成為亟待解決的問(wèn)題。許多學(xué)者從天氣尺度和中尺度等多個(gè)角度對(duì)暴雨預(yù)報(bào)做了研究[4-7]，討論了不同背景下暴雨的降水分布特征。其中黃文根等[8]認(rèn)為暴雨是多種尺度大氣運(yùn)動(dòng)的一種綜合現(xiàn)象，常煜等[9]根據(jù)環(huán)流形勢(shì)將呼倫貝爾市暴雨分為西太平洋副熱帶高壓與西風(fēng)帶系統(tǒng)的相互作用、西太平洋副熱帶高壓與其西側(cè)北上的臺(tái)風(fēng)共同與中高緯度環(huán)流系統(tǒng)相互作用等4 個(gè)類(lèi)型，而陳鵬等[10]認(rèn)為暴雨都是在有利的環(huán)境背景下由中小尺度系統(tǒng)直接觸發(fā)形成的，這些論點(diǎn)是相輔相成的。

“配料法”是Doswell 等[11]1996 年提出的一種基于構(gòu)成要素的預(yù)報(bào)方法，強(qiáng)調(diào)綜合考慮降水持續(xù)時(shí)間和降水率兩個(gè)要素去判斷暴雨出現(xiàn)可能。俞小鼎等[12]認(rèn)為基于構(gòu)成要素的方法就是一種基于物理常識(shí)的方法，強(qiáng)調(diào)預(yù)報(bào)過(guò)程中氣象原理的理解是第一位。之后，李強(qiáng)等[13]、楊雪艷等[14]、歐堅(jiān)蓮等[15]、隋亞男等[16]眾多學(xué)者將配料法應(yīng)用于深厚濕對(duì)流暴雨、東北冷渦暴雨和持續(xù)性暴雨等過(guò)程的預(yù)報(bào)中，發(fā)現(xiàn)配料法對(duì)特定環(huán)流背景下的暴雨預(yù)報(bào)有明顯提升，預(yù)報(bào)效果優(yōu)于ECMWF、T639 等模式的降水預(yù)報(bào)。每位學(xué)者選用的關(guān)鍵物理量不同，相應(yīng)閾值也有明顯差異，可見(jiàn)不同區(qū)域環(huán)境和氣候背景下物理量配料方法具有明顯差異。

學(xué)者們?cè)谑褂门淞戏ㄟM(jìn)行暴雨過(guò)程預(yù)報(bào)時(shí)，多數(shù)選擇數(shù)值模式中最有利于強(qiáng)降水發(fā)生的某一個(gè)時(shí)次對(duì)區(qū)域內(nèi)最優(yōu)物理量進(jìn)行配料匹配，但暴雨的出現(xiàn)不僅需要物理?xiàng)l件間的相互配合，還需要有利條件的持續(xù)時(shí)間較長(zhǎng)。本文嘗試對(duì)暴雨過(guò)程中多個(gè)預(yù)報(bào)時(shí)次取樣進(jìn)行綜合判斷，以期通過(guò)融入時(shí)間元素的方法提升預(yù)報(bào)效果。

隴東地區(qū)（34.8°～37.2°N，105.3°～108.8°E）地處甘肅省東部，包括慶陽(yáng)、平?jīng)鍪校?009—2019 年平均每年發(fā)生暴雨7 場(chǎng)，其中22.9%為100 mm 以上的大暴雨，最大日降水量達(dá)216.1 mm，極端天氣頻繁發(fā)生。由于黃土結(jié)構(gòu)松散，溝、峁、山地等復(fù)雜地形分布廣泛，崩塌、滑坡、泥石流等地質(zhì)災(zāi)害時(shí)有發(fā)生[17-18]。本文將以隴東地區(qū)為范圍開(kāi)展研究。

1 資料及方法

1.1 數(shù)據(jù)來(lái)源

降水量資料采用甘肅省氣象信息中心整編篩選的隴東地區(qū)15 個(gè)國(guó)家基本氣象站和327 個(gè)區(qū)域站的自動(dòng)觀測(cè)數(shù)據(jù)（圖1）。以2008—2019 年的44 次暴雨過(guò)程為訓(xùn)練集，2020 年的5 次暴雨過(guò)程為驗(yàn)證集。訓(xùn)練集大氣環(huán)境分析采用ECMWF_ERA5 再分析資料，下載于The C3S Climate Data Store（CDS），空間間隔為0.25°×0.25°，時(shí)間間隔為1 h。驗(yàn)證集使用ECMWF_THIN 模式預(yù)報(bào)數(shù)據(jù)，空間間隔為0.25°×0.25°，時(shí)間間隔為3 h。所用物理量包括700 hPa 水汽通量散度（qfdiv700，單位：10-6·g/（cm2·hPa·s））、700 hPa比濕（q700，單位：g/kg）、700 及500 hPa 假相當(dāng)位溫（θse700、θse500，單位：K）、700 與500 hPa 假相當(dāng)位溫差（θse700-500，單位：K）、K 指數(shù)（K，單位：℃）、700 及500 hPa垂直速度（Ω700、Ω500，單位：10-2Pa/s）、700 及500 hPa散度（Div700、Div500，單位：10-5/s）、500 hPa 渦度（Vor500，單位：10-5/s）共11 項(xiàng)。

圖1 隴東觀測(cè)站點(diǎn)空間分布

1.2 分析方法

采用聚類(lèi)分析法，對(duì)隴東地區(qū)暴雨過(guò)程進(jìn)行分型；利用相關(guān)系數(shù)判別法（Correlation Coefficient Discrimination，CDD）獲得每種類(lèi)型暴雨的關(guān)鍵影響因子；利用百分位數(shù)法獲得各物理量因子的閾值。定義暴雨日數(shù)為24 h（20 時(shí)—次日20 時(shí)）降水量≥50 mm 的日數(shù)。

檢驗(yàn)指標(biāo)包括TS評(píng)分、空?qǐng)?bào)率（FAR）和漏報(bào)率（PO），計(jì)算公式如下：

式中：NA為暴雨預(yù)報(bào)正確的站數(shù)，NB為漏報(bào)站數(shù)，NC為空?qǐng)?bào)站數(shù)。

2 環(huán)流背景及降水特點(diǎn)

本文對(duì)所選的44 個(gè)暴雨個(gè)例根據(jù)500 hPa 環(huán)流特征進(jìn)行診斷分析，分為3 種類(lèi)型：西太平洋副熱帶高壓邊緣中尺度系統(tǒng)擾動(dòng)型（簡(jiǎn)稱(chēng)“副高邊緣中尺度擾動(dòng)型”）、冷槽切變型以及偏北氣流對(duì)流型暴雨。其中副高邊緣中尺度擾動(dòng)型有個(gè)例21 個(gè)，冷槽切變型16 個(gè)，偏北氣流對(duì)流型個(gè)例較少，只有7 個(gè)。

挑選3 類(lèi)暴雨典型過(guò)程進(jìn)行大尺度環(huán)流特征分析及中尺度分析（圖2）。副高邊緣中尺度擾動(dòng)型暴雨的環(huán)流特征為：500 hPa 副高西脊點(diǎn)位于115 °E以西，脊線在30 °N 以北，隴東位于5 880 gpm 等高線西側(cè)或西北側(cè)。副高外圍的上升氣流使隴東地區(qū)大氣層結(jié)變的不穩(wěn)定，強(qiáng)盛的低空偏南氣流使700 hPa出現(xiàn)10 g/kg 以上的濕舌。當(dāng)有短波槽等系統(tǒng)擾動(dòng)，迫使副高變形或位置變動(dòng)時(shí)，地面輻合或低空切變線動(dòng)力抬升引發(fā)暴雨。此類(lèi)暴雨主要出現(xiàn)在7—8月，多為范圍廣、持續(xù)時(shí)間長(zhǎng)，且累積降水量大的區(qū)域性暴雨，平均每場(chǎng)過(guò)程有31 站達(dá)到暴雨量級(jí)，76.2%的過(guò)程降水持續(xù)時(shí)長(zhǎng)＞24 h，最大日降水量出現(xiàn)在2013 年7 月22 日靈臺(tái)縣獨(dú)店站，為216.1 mm。

圖2 3 類(lèi)暴雨的環(huán)流形勢(shì)（a、b、c）及中尺度分析（d、e、f）（a、d 為副高邊緣中尺度擾動(dòng)型、b、e 為冷槽切變型，c、f 為偏北氣流對(duì)流型）

冷槽切變型暴雨的環(huán)流特征為：500 hPa 西風(fēng)帶低槽沿河西走廊東移，700 hPa 有明顯的切變線或冷鋒。當(dāng)本地濕度條件良好，或有低空暖濕氣流輸送時(shí)，鋒面抬升引發(fā)暴雨。此類(lèi)暴雨對(duì)流層低層水汽條件差異較大，其中有11 次過(guò)程700 hPa 存在低空急流及10 g/kg 以上的濕舌，5 次過(guò)程偏南氣流較弱。冷槽切變型暴雨在5—9 月均有出現(xiàn)，平均每次過(guò)程有9 站達(dá)到暴雨，范圍明顯小于副高邊緣中尺度擾動(dòng)型，降水持續(xù)時(shí)長(zhǎng)＞24 h 的占43.8%，最大日降水量出現(xiàn)在2012 年7 月17 日的靜寧縣城關(guān)站，為130.1 mm。

偏北氣流對(duì)流型暴雨的環(huán)流特征為：隴東地區(qū)多位于500 hPa 低槽或蒙古低渦、東北冷渦后部，高空強(qiáng)冷平流與低層偏南氣流疊加，或邊界層輻射升溫強(qiáng)烈時(shí)，熱力不穩(wěn)定引發(fā)對(duì)流天氣，產(chǎn)生暴雨。此類(lèi)暴雨對(duì)低層濕度條件要求較低，不一定出現(xiàn)濕舌或低空切變線，且受地形影響明顯，暴雨落區(qū)隨機(jī)性較大，對(duì)預(yù)報(bào)造成了很大困擾。偏北氣流對(duì)流型暴雨在6—8 月均有出現(xiàn)，平均每次過(guò)程只有2 站達(dá)到暴雨，局地性非常強(qiáng)，降水持續(xù)時(shí)間往往≤6 h。最大日降水量出現(xiàn)在2015 年5 月30 日西峰區(qū)北石窟站，累積降水量為77.6 mm。

3 基于“配料法”的降水預(yù)報(bào)訂正方案

3.1 特征變量選取

Doswell 等[11]認(rèn)為，強(qiáng)降水的預(yù)報(bào)根據(jù)物理理解可以確定為降水率和降水持續(xù)時(shí)間2 個(gè)要素，即最強(qiáng)的降水率和最長(zhǎng)的持續(xù)時(shí)間導(dǎo)致最大的降水量。由于暴雨往往持續(xù)時(shí)間較長(zhǎng)，過(guò)程中降水率變化大，某一時(shí)刻的物理量配置只能反映當(dāng)前降水率潛勢(shì)，不能與24 h 累積雨量產(chǎn)生密切關(guān)聯(lián)。選擇多個(gè)時(shí)次采樣綜合判斷，可彌補(bǔ)降水持續(xù)時(shí)間帶來(lái)的不確定性。陳錦鵬等[20]使用物理量與小時(shí)雨量之間的相關(guān)性來(lái)挑選對(duì)卷積神經(jīng)網(wǎng)絡(luò)有用的物理量參數(shù)，但配料法更強(qiáng)調(diào)有利暴雨出現(xiàn)的環(huán)境條件，重點(diǎn)在概率更高而不是降水量判斷更準(zhǔn)確，因此選擇過(guò)程中暴雨的站點(diǎn)數(shù)目作為與環(huán)境物理量擬合的參數(shù)效果會(huì)更好。

俞小鼎[12]認(rèn)為應(yīng)盡量避免使用CAPE、LI 等能夠同時(shí)代表熱力、濕度等條件的綜合物理量，以避免因物理量疊套造成的判斷效果折扣。本文通過(guò)客觀分析挑選了不同層次、不同種類(lèi)的11 種物理量作為備選參數(shù)，記錄44 次暴雨過(guò)程前臨近時(shí)次隴東常規(guī)高空觀測(cè)資料的物理量極值。根據(jù)環(huán)流特征將暴雨過(guò)程歸為3 組，采用相關(guān)系數(shù)判別法，分別根據(jù)物理量極值與過(guò)程中暴雨站點(diǎn)數(shù)量的相關(guān)系數(shù)絕對(duì)值挑選關(guān)鍵物理量。對(duì)通過(guò)0.05 顯著水平檢驗(yàn)的物理量，以相關(guān)系數(shù)0.15 為閾值挑選關(guān)鍵物理量，檢驗(yàn)結(jié)果如表1 所示。

表1 環(huán)境物理量與暴雨站數(shù)的相關(guān)性

3.2 閾值確定

根據(jù)直線距離最近原則將訓(xùn)練集中每個(gè)達(dá)到暴雨量級(jí)的站點(diǎn)與0.25°×0.25°的網(wǎng)格格點(diǎn)進(jìn)行匹配，記錄匹配格點(diǎn)在臨近降水最強(qiáng)時(shí)刻的ECMWF_ERA5 再分析資料物理量，獲得983 個(gè)樣本資料，建立暴雨物理量資料庫(kù)。對(duì)每種暴雨的物理量分別計(jì)算10%和90%分位數(shù)，當(dāng)表1 中物理量相關(guān)系數(shù)為正時(shí)，閾值選擇≥10%分位數(shù)；為負(fù)時(shí)，閾值選擇≤90%分位數(shù)。得到物理量配料閾值如表2。

表2 三種類(lèi)型暴雨的物理量配料因子閾值

3.3 建立多次取樣的網(wǎng)格化暴雨預(yù)報(bào)“配料法”模型

圖3 為以格點(diǎn)為單位進(jìn)行配料法匹配、綜合考慮多個(gè)時(shí)次的預(yù)報(bào)流程示意圖。首先根據(jù)ECMWF_THIN 模式預(yù)報(bào)場(chǎng)的天氣過(guò)程環(huán)流特征對(duì)暴雨過(guò)程進(jìn)行分析歸類(lèi)，挑選對(duì)應(yīng)類(lèi)型的配料方案對(duì)隴東范圍內(nèi)ECMWF_THIN 模式預(yù)報(bào)場(chǎng)18 行、14列，共252 個(gè)預(yù)報(bào)格點(diǎn)逐格點(diǎn)匹配物理量閾值。若當(dāng)前格點(diǎn)對(duì)應(yīng)的所有關(guān)鍵物理量均滿(mǎn)足要求，則為該格點(diǎn)當(dāng)前時(shí)次預(yù)報(bào)結(jié)果賦值為1，否則賦值為0，獲得一個(gè)時(shí)次的網(wǎng)格化暴雨判斷結(jié)果。ECMWF_THIN模式的預(yù)報(bào)間隔為3 h，每天共有8 個(gè)預(yù)報(bào)時(shí)次，對(duì)每個(gè)時(shí)次分別進(jìn)行網(wǎng)格化配料，獲得8 個(gè)時(shí)次空間間隔為0.25°×0.25°的配料法判斷二維數(shù)據(jù)結(jié)果。將8 個(gè)時(shí)次的二維網(wǎng)格數(shù)據(jù)同相位疊加，得到當(dāng)天暴雨最終判定結(jié)果。每個(gè)格點(diǎn)的最終得分為0～8，代表符合暴雨發(fā)生有利條件的持續(xù)時(shí)間，數(shù)值越大，周邊出現(xiàn)暴雨的可能性越大。

圖3 多次取樣的網(wǎng)格化暴雨預(yù)報(bào)“配料法”流程

4 結(jié)果檢驗(yàn)

以2020 年8 月4、5、6、16、23 日發(fā)生的5 次暴雨過(guò)程作為驗(yàn)證集進(jìn)行檢驗(yàn)，其中8 月4、16 日為低槽切變型，5—6 日為副高邊緣中尺度擾動(dòng)型，23 日為偏北氣流對(duì)流型，驗(yàn)證結(jié)果如圖4。多次取樣的模式配料法按照得分為1 確定的預(yù)報(bào)范圍明顯偏大，原因是部分區(qū)域有利的氣象條件持續(xù)時(shí)間較短，最終降水量達(dá)不到暴雨標(biāo)準(zhǔn)，得分為3 或以上的預(yù)報(bào)范圍又偏小，因此以得分為2 判定暴雨較為合理。

圖4 2020 年8 月4 日（a）、5 日（b）、6 日（c）、16 日（d）及23 日（e）預(yù)報(bào)效果（紅色等值線為配料法暴雨落區(qū)，黃色等值線為EC_THIN 模式暴雨落區(qū)，等值面為實(shí)況暴雨落區(qū)）

圖4 為2020 年5 次暴雨過(guò)程中配料法、ECMWF_THIN 暴雨預(yù)報(bào)落區(qū)及實(shí)況暴雨落區(qū)。配料法在5 次過(guò)程中均預(yù)報(bào)有暴雨落區(qū)，過(guò)程預(yù)報(bào)準(zhǔn)確率為100%。ECMWF_THIN 模式對(duì)8 月23 日隴東地區(qū)24 h 最大降水量預(yù)報(bào)為43 mm，未預(yù)報(bào)出暴雨落區(qū)，過(guò)程預(yù)報(bào)準(zhǔn)確率為80%，配料法的過(guò)程預(yù)報(bào)優(yōu)于ECMWF_THIN 模式預(yù)報(bào)。

分別對(duì)5 次過(guò)程暴雨站點(diǎn)預(yù)報(bào)進(jìn)行評(píng)分（圖5），配料法TS 得分分別為10.8%、38.3%、13.1%、8.9%、0%，平均為14.2%，ECMWF_THIN 得分分別為15.3%、11.7%、3.6%、1.4%、0%，平均為6.4%。除8月4 日ECMWF_THIN 落區(qū)預(yù)報(bào)準(zhǔn)確性較高外，配料法整體優(yōu)于ECMWF_THIN。相比ECMWF_THIN漏報(bào)率平均值為84.8%，配料法則為61.3%，預(yù)報(bào)效果更好?？?qǐng)?bào)率具有與準(zhǔn)確率相似的對(duì)比結(jié)果。配料法暴雨的預(yù)報(bào)范圍雖然整體大于ECMWF_THIN 及實(shí)況降水，但落區(qū)位置誤差并不大。特別在8 月23日過(guò)程中，雖然南北2 個(gè)降水預(yù)報(bào)落區(qū)均未與實(shí)況重合，空?qǐng)?bào)率達(dá)到了100%，但2 個(gè)落區(qū)的距離誤差均不到10 km，對(duì)客觀預(yù)報(bào)仍具有一定指示意義。

圖5 2020 年5 次驗(yàn)證過(guò)程的配料法與ECWMF模式暴雨預(yù)報(bào)評(píng)分對(duì)比

配料法的預(yù)報(bào)性能在空間上也具有較明顯差異。5 次過(guò)程中六盤(pán)山以西地區(qū)的暴雨站點(diǎn)預(yù)報(bào)均為空?qǐng)?bào)或漏報(bào)，TS 得分為0%，而六盤(pán)山以東地區(qū)站點(diǎn)預(yù)報(bào)準(zhǔn)確率明顯更高。原因可能是六盤(pán)山的地形影響使2 個(gè)區(qū)域氣候特征具有明顯差異，物理量配料的要素及相關(guān)閾值也不相同。

5 結(jié)論和討論

本文重點(diǎn)研究了對(duì)網(wǎng)格化模式預(yù)報(bào)逐格點(diǎn)進(jìn)行物理量配料獲得一個(gè)預(yù)報(bào)結(jié)論，再對(duì)1 d 內(nèi)所有預(yù)報(bào)時(shí)次的配料結(jié)果同相位累加獲得當(dāng)天暴雨預(yù)報(bào)最終結(jié)論的暴雨預(yù)報(bào)模型。該方法通過(guò)多次取樣的方式將時(shí)間元素融入暴雨“配料法”預(yù)報(bào)方案，預(yù)報(bào)性能明顯獲得提升。主要結(jié)論如下：

（1）根據(jù)500 hPa 環(huán)流特征，隴東主要的暴雨類(lèi)型有副高邊緣中尺度擾動(dòng)型、冷槽切變型及偏北氣流對(duì)流型。其中副高邊緣中尺度擾動(dòng)型暴雨主要出現(xiàn)在7—8 月，暴雨范圍廣、持續(xù)時(shí)間長(zhǎng)、雨量大；冷槽切變型暴雨在6—9 月均有出現(xiàn)，暴雨范圍小于副高邊緣中尺度擾動(dòng)型，降水持續(xù)時(shí)間較長(zhǎng)；偏北氣流對(duì)流型暴雨主要分布在6—8 月，多為局地暴雨。

（2）多次取樣的網(wǎng)格化配料法預(yù)報(bào)以格點(diǎn)得分為2 判斷暴雨落區(qū)可獲得隴東地區(qū)最優(yōu)預(yù)報(bào)結(jié)論。根據(jù)2020 年5 次暴雨過(guò)程檢驗(yàn)結(jié)果表明，配料法的過(guò)程預(yù)報(bào)準(zhǔn)確率為100%，站點(diǎn)預(yù)報(bào)準(zhǔn)確率為14.2%，過(guò)程預(yù)報(bào)準(zhǔn)確率相比ECMWF_THIN 提高了20%，站點(diǎn)預(yù)報(bào)準(zhǔn)確率提高了7.8%。

（3）配料法在六盤(pán)山以東地區(qū)的暴雨預(yù)報(bào)效果明顯優(yōu)于以西地區(qū)，氣候及地形的影響使配料法需要根據(jù)氣候背景的變化針對(duì)性的調(diào)整配料方案，否則雖在小區(qū)域內(nèi)預(yù)報(bào)效果具有優(yōu)勢(shì)，但范圍越大，預(yù)報(bào)準(zhǔn)確率越低。

本文只針對(duì)5 次暴雨過(guò)程進(jìn)行檢驗(yàn)，每種暴雨類(lèi)型個(gè)例1～2 個(gè)，檢驗(yàn)樣本數(shù)量較少，所選的多次取樣模式配料法最優(yōu)判定得分仍有待驗(yàn)證。隨著配料模型在業(yè)務(wù)工作的應(yīng)用，最優(yōu)判定得分將調(diào)整的更合理可靠，模型的預(yù)報(bào)性能也將進(jìn)一步提升。