基于集合預(yù)報的川渝地區(qū)極端降水指數(shù)應(yīng)用研究

吳志鵬 陳靜 汪嬌陽 何軍 陳鵬 張虹 李晶

（1 重慶市氣象臺，重慶 401147；2 中國氣象局數(shù)值預(yù)報中心，北京 100081；3 中國人民解放軍96164部隊58分隊，金華 321021）

0 引言

極端天氣事件是對人類社會與環(huán)境有重大影響，并可能造成嚴重災(zāi)害與重大經(jīng)濟損失的災(zāi)害性天氣事件。極端天氣事件的定義大致可以分為三類：1）事件有相對較大的強度；2）事件的發(fā)生頻率相對較低；3）事件導(dǎo)致了嚴重的社會經(jīng)濟損失，近年也將這類事件稱為高影響天氣。在政府間氣候變化專門委員會（IPCC）第3次和第4次報告中，極端天氣事件被定義為：在某一特定時間地點，其發(fā)生概率極小，通常只占該類天氣現(xiàn)象的10%或者更低。

大氣是一個混沌的系統(tǒng)，天氣預(yù)報的不確定性是其根本屬性，這種屬性給這類小概率極端事件的預(yù)報帶來了極大困難。對同一有效預(yù)報時間的一組不同的預(yù)報結(jié)果構(gòu)成了集合預(yù)報（Ensemble Prediction System，EPS），這組預(yù)報之間的差異可提供有關(guān)被預(yù)報量的概率分布的信息，集合預(yù)報的出現(xiàn)為預(yù)報極端降水事件提供了新的方法。21世紀初期，Lalaurette基于歐洲中期天氣預(yù)報中心（ECMWF）集合預(yù)報資料，開發(fā)了一種極端天氣預(yù)報模型——極端天氣預(yù)報指數(shù)（Extreme Forecast Index，EFI），為預(yù)報極端天氣事件提供了新的方法。其原理是利用集合預(yù)報系統(tǒng)產(chǎn)生的氣象要素預(yù)報與集合預(yù)報系統(tǒng)的歷史累計概率分布函數(shù)，通過計算它們之間的連續(xù)概率差異獲得預(yù)報與氣候特征偏離程度，指數(shù)的偏離程度在-1～1，以降水要素為例，預(yù)示著旱澇極端。

在國內(nèi)，經(jīng)過多年的研究應(yīng)用表明，EFI對極端天氣事件已有較好的應(yīng)用成果。夏凡等和劉琳等運用該方法，基于中國氣象局（CMA）T213集合預(yù)報資料分別建立了極端溫度和極端降水天氣預(yù)報指數(shù)（EPFI），對極端低溫天氣具有較好的識別能力，可提前3～5 d發(fā)出極端低溫預(yù)警信號。研究表明，產(chǎn)生模式氣候累計概率分布的數(shù)據(jù)序列并不是越長越好，模式數(shù)據(jù)預(yù)報誤差的一致性是關(guān)鍵；而極端降水天氣預(yù)報指數(shù)可提前3～7 d發(fā)出極端強降水預(yù)警信號，并且發(fā)現(xiàn)在利用集合預(yù)報計算極端降水天氣預(yù)報指數(shù)的數(shù)學(xué)模型中，氣候累計概率分布直接影響極端強降水事件的識別能力。模式氣候累計概率分布要盡可能全面反映模式預(yù)報氣候統(tǒng)計狀況，如 Evrin基于ECMWF 的 ERA-40 再分析資料重新生成模式氣候累計概率分布，提高了 EFI的預(yù)報技巧。汪嬌陽等同樣基于T213集合預(yù)報資料，嘗試通過擴展汛期降水的時間序列和空間范圍，制作了3套模式氣候累計概率分布的方案，分析了不同方案對EPFI預(yù)警結(jié)果的敏感性，結(jié)果顯示，在目標預(yù)報區(qū)域內(nèi)擴展后的時空序列后的氣候累計概率分布方案有利于提高EPFI的極端天氣預(yù)警技巧，能提前8天發(fā)出長江上游地區(qū)的極端強降水預(yù)警。

川渝盆地（即四川盆地）地處青藏高原東側(cè)，夏季受到多重季風影響和復(fù)雜地形作用，中小尺度系統(tǒng)非?；钴S，極端強降水等災(zāi)害天氣頻發(fā)、突發(fā)，影響廣泛。但是，對于引發(fā)災(zāi)害的高原渦、西南渦等天氣系統(tǒng)的發(fā)生發(fā)展機理至今仍不是很清楚，其降水預(yù)報與極端性預(yù)測難度很大，更是數(shù)值天氣預(yù)報最薄弱的地區(qū)。本研究在已有對EFI的研究基礎(chǔ)上，采用T213集合預(yù)報資料，針對預(yù)報難度較大的川渝盆地地區(qū)，利用川渝盆地內(nèi)的空間格點與重慶區(qū)域內(nèi)的格點提取主汛期6—8月的氣候序列做對比，并使用模式數(shù)據(jù)預(yù)報誤差一致性較好的5年氣候序列（2007—2012年，期間并無同化系統(tǒng)升級），提取氣候累計概率分布，針對3次川渝地區(qū)預(yù)報決策偏差較大的極端降水個例展開EPFI預(yù)警試驗，考察極端降水天氣指數(shù)在可預(yù)報性較差、預(yù)報服務(wù)難度較高的極端降水過程中的表現(xiàn)。

1 資料與方法

1.1 資料說明

降水預(yù)報歷史資料使用CMA T213集合預(yù)報，水平分辨率 0.5625°，初值時間為00 UTC，預(yù)報時效為24～192 h，實況降水資料采用國家氣象信息中心研發(fā)的CMA三源（地面—衛(wèi)星—雷達）降水融合分析產(chǎn)品，中國區(qū)域的格點分辨率為0.05°×0.05°。圖1區(qū)域為EPFI的研究與預(yù)警區(qū)域，范圍：27.5°—32.5°N、103°—110.5°E，該區(qū)域內(nèi)總共包含150個網(wǎng)點，其中重慶區(qū)域32個。網(wǎng)格區(qū)域包含四川盆地的中東部、貴州北部、湖南和湖北西部，長江自西向東貫穿其中，其西部地形主要為平原，東部為多山脈與丘陵地帶，該區(qū)域內(nèi)氣候特征總體差異不大，但極端降水往往受山脈阻擋、水系分布狀態(tài)的影響，其產(chǎn)生機理有較大地區(qū)差異，例如西南急流在山脈迎風坡被迫抬升從而產(chǎn)生列車效應(yīng)帶來的降水極值往往發(fā)生在貴州北部的云貴高原與重慶南部，同時該區(qū)域也是我國數(shù)值預(yù)報準確率最低難度最大的區(qū)域之一。

圖1 川渝地區(qū)的預(yù)報網(wǎng)格研究區(qū)域示意Fig.1 Sichuan-Chongqing region forecast gird

1.2 極端強降水的定義

參照翟盤茂等對極端強降水事件定義的百分位法，將所選研究區(qū)域內(nèi)格點的觀測日降水量按照升序排列，定義第99個百分位上的降水量的10年平均作為該格點的極端強降水閾值。當某日降水量超過該格點的極端強降水閾值時，稱該格點在該日有極端強降水發(fā)生，反之則無。

1.3 極端降水預(yù)報指數(shù)的數(shù)學(xué)模型

利用集合預(yù)報進行極端強降水預(yù)報的原理是：根據(jù)模式歷史氣候與集合預(yù)報各成員降水預(yù)報累計概率分布函數(shù)，計算它們兩者之間的連續(xù)性差異，從而獲取極端強降水是否發(fā)生的預(yù)警信息。

Lalaurette基于Anderson-Darling檢驗原理，建立了這個數(shù)學(xué)模型，定義了極端降水天氣預(yù)報指數(shù)（EPFI）：

由圖2可見，降水量為

P

時，對應(yīng)模式氣候累計概率為

CDF1

，集合預(yù)報累計概率為

CDF2

，二者之差（

CDF1

-

CDF2

）大于0，表明降水量級大于

P

的集合預(yù)報概率大于模式歷史情況，而集合預(yù)報與模式歷史氣候累計概率曲線之間的面積值（等同預(yù)報降水量區(qū)間內(nèi)二者差異的連續(xù)積分值）大于0，則表明此次集合預(yù)報降水較模式歷史氣候偏強。如集合預(yù)報降水累計概率越趨于分布在尾端部分（即強降水端），則集合預(yù)報與模式歷史氣候累計概率分布曲線之間面積越大。

圖2 極端降水天氣預(yù)報指數(shù)原理示意圖（實線與虛線分別為集合預(yù)報累計概率與模式氣候累計概率）Fig.2 Schematic diagram of EPFI (the solid line and the dashed line are the cumulative probability of the ensemble forecast and the cumulative probability of the model climate)

以上分析表明：集合預(yù)報各成員預(yù)報結(jié)果與模式氣候累計概率分布函數(shù)連續(xù)差異的大小可以用來量化降水的極端性特征，當二者連續(xù)差異為正，表明降水偏多，偏濕；當二者連續(xù)差異為負，則表明降水偏少，偏旱。兩者差異正值越大，即兩者分布曲線間面積越大，降水量級越大，達到一定程度的就預(yù)示著極端強降水可能發(fā)生。

1.4 模式氣候累計概率分布選取方案

模式氣候累計概率計算采用T213集合預(yù)報5年主汛期（2007—2012年）6—8月的降水統(tǒng)計，在研究區(qū)域內(nèi)（圖1）采集川渝地區(qū)含150格點的數(shù)據(jù)作為川渝地區(qū)氣候序列樣本，重慶區(qū)域為32個格點，產(chǎn)生該區(qū)域 24、48、72、96、120、144、168、192 、216個預(yù)報時效（24～216 h）的模式氣候序列，獲得川渝地區(qū)與重慶的模式氣候序列。進而產(chǎn)生2種模式氣候累計概率分布方案，即：第一個方案提取川渝地區(qū)內(nèi)所有格點的T213集合預(yù)報，分別對9個預(yù)報時效形成氣候序列 （每個序列長度為：5 a×92 d/a×15個集合預(yù)報成員×150個川渝區(qū)域格點=1035000），重慶區(qū)域則采集32個格點氣候序列長度為220800。

1.5 三次典型極端降水過程選取

以川渝地區(qū)2012—2013年3次預(yù)報誤差較大的極端降水事件為例，比較建立在川渝地區(qū)氣候序列上的EPFI識別極端強降水的效果，以EPFI大于0.5為報警閾值，試驗暴雨過程開始前EPFI對強降水落區(qū)的預(yù)警效果。表1給出了三次強降水過程主要所受的高低空天氣系統(tǒng)配置，其中“6.30”暴雨過程的極端降水是2013年川渝地區(qū)降水強度最強的區(qū)域暴雨，系高原渦與西南渦的耦合下產(chǎn)生，重慶市潼南區(qū)玉溪站累計雨量達408.5 mm，造成當?shù)貒乐貫?zāi)情。然而各家數(shù)值預(yù)報（如歐洲中心、日本、德國和美國環(huán)境預(yù)報中心，以及四川省氣象臺、重慶市氣象臺）對外發(fā)布的公眾氣象預(yù)報都對此次極端降水的落區(qū)與強度的預(yù)報都明顯偏西偏弱。

表1 三次過程的主要影響天氣系統(tǒng)配置Table 1 The weather system configuration of the three heavy rainfall process

2 試驗結(jié)果

2.1 兩種方案模式氣候累計概率分布對比分析

為了比較川渝地區(qū)與重慶區(qū)域的氣候累計概率分布方案的差異，對比兩個地區(qū)所有格點的9個預(yù)報時效（24～216 h）的模式氣候序列。

在9個預(yù)報時效的模式氣候中，川渝地區(qū)的氣候序列方案對比重慶地區(qū)的大量級降水頻率有所增加，特別是在中雨到暴雨量級的降水累計概率。隨著預(yù)報時效延長，兩個方案累計概率曲線逐漸趨于Y軸，這說明暴雨量級頻率增加的同時，小雨量級的頻率也逐漸增加。與 T213集合預(yù)報模式本身降水預(yù)報的特征吻合，這說明模式氣候的生成不僅與模式本身有關(guān)，還與區(qū)域局地氣候以及選取的資料時段有關(guān)。6—8月川渝地區(qū)受副熱帶高壓、西風帶低槽、西南低渦等天氣系統(tǒng)的共同作用，造成降雨量級較大。對比選取重慶區(qū)域的氣候序列方案，川渝地區(qū)通過空間的擴展，使得暴雨量級和中、小雨量級頻率增加更大，其降水量分布更加符合長江中下游地區(qū)的氣候特征。

2.2 三次典型川渝暴雨過程的極端降水指數(shù)預(yù)警

所選三次暴雨過程天氣系統(tǒng)的配置有較大差異（表1），但都令預(yù)報員“記憶猶新”，體現(xiàn)在其降水極端性與數(shù)值預(yù)報的偏差較大，氣象臺發(fā)布的主觀訂正預(yù)報也不同程度的低估了極端降水帶來的危害風險，像這類特征的強降水過程較少見，但往往給預(yù)報決策服務(wù)帶來較大難度。

（1）2012年“7.21”暴雨過程

2012年7月21日傍晚至22日夜間，四川東南部與重慶西部出現(xiàn)區(qū)域性暴雨天氣，中國氣象局下發(fā)的3日、7日趨勢預(yù)報與重慶2012年7月21—23日的暴雨天氣過程的實況相比，主降水區(qū)域接近，但是對降水量的預(yù)報值偏小，偏西偏北區(qū)域預(yù)報值以中到大雨為主，對大暴雨甚至特大暴雨的考慮不足；從T639、日本模式、德國模式21日08時起報的降水預(yù)報上看，此次過程三家數(shù)值預(yù)報給出的量級都明顯偏小，沒有考慮到暴雨甚至大暴雨區(qū)域，并且降水大值區(qū)位置有所偏差。

圖3 是實況降水與EPFI以24 h為間隔，提前120 h的預(yù)警圖，可以看到四川宜賓地區(qū)在降水發(fā)生前120 h已有EPFI預(yù)警，其預(yù)警指數(shù)達0.8以上，重慶西部也達到0.5以上，但總體預(yù)警雨帶偏西，隨著預(yù)報時效的臨近，EPFI的預(yù)警區(qū)域逐漸出現(xiàn)西南—東北走向的特征，這可能是因為模式對高空槽與低渦移動的預(yù)報更準確所致，到21日20時（北京時，下同）EPFI預(yù)警大值區(qū)已能很好的接近實況。

（2）2012年“7.03”暴雨過程

“7.03”暴雨過程的低層影響天氣系統(tǒng)是較強的切變線，主要影響區(qū)域為四川東北部與重慶北部，由圖4可以看到EPFI提前72 h便能預(yù)警出暴雨產(chǎn)生的雨帶大致落區(qū)，但有一空報大值中心（圖4d），48 h的預(yù)警更為貼近實況暴雨雨帶，但存在漏報區(qū)域，24 h的預(yù)警則更加接近實況，但四川南充至達州的預(yù)警較實況偏弱。

圖3 川渝地區(qū)2012年“7.21”暴雨過程24 h實況（a），以及EPFI提前24 h（b）、48 h（c）、72 h（d）、96 h（e）和120 h （f）預(yù)警指數(shù)Fig.3 24 h observation (a), and EPFI early warning for 24 h (b), 48 h (c), 72 h (d), 96 h (e), 120 h (f) forecast periods of“7.21” heavy rainfall in 2012

圖4 川渝地區(qū)2012年“7.03”暴雨過程24 h實況（a），以及EPFI提前24 h（b）、48 h（c）和72 h（d）預(yù)警指數(shù)Fig.4 24 h observation (a), and EPFI early warning for 24 h (b), 48 h (c), 72 h (d) forecast periods of “7.03” heavy rainfall in 2012

（3）2013年“6.30”暴雨過程

EPFI在48 h對“6.30”暴雨過程的預(yù)警和各家數(shù)值預(yù)報模式一樣存在明顯偏西偏北的特征（圖5），值得指出的是，這一川渝交界處的極端降水，無論是各家數(shù)值預(yù)報還是主觀預(yù)報產(chǎn)品都出現(xiàn)對重慶西部地區(qū)的漏報，強降水從6月29日夜間從重慶西北部入境，并帶來較為嚴重的災(zāi)情。

從EPFI 提前24 h的預(yù)警區(qū)域可以看到雖然預(yù)警中心還是存在偏北的特征（圖5b），但0.5以上的預(yù)警區(qū)域已經(jīng)預(yù)警到重慶潼南與合川區(qū)，已經(jīng)能給預(yù)報決策提供極端降水將從西北部進入重慶的預(yù)警信息，這種警示信息將從一定程度上彌補所有客觀預(yù)報都出現(xiàn)的漏報，也是唯一一個入境四川遂寧與重慶潼南的客觀預(yù)報產(chǎn)品，同時還在四川宜賓南部有一0.5預(yù)警區(qū)域，雖然有所偏南，但確是控制預(yù)報中不存在的信息（圖5c）。

圖5 川渝地區(qū)2013年“6.30”暴雨過程24 h實況（a），以及EPFI提前24 h（b）和48 h（c）預(yù)警指數(shù)Fig. 5 24 h observation (a), and EPFI early warning for 24 h (b), 48 h (c) forecast periods of “6.30” heavy rainfall in 2013

圖6 是三次暴雨天氣過程T213控制預(yù)報的24 h降水預(yù)報，對比三次過程的EPFI 24 h預(yù)警信息，可以看到“7.21”過程的控制預(yù)報報出了四川東南部的強降水中心，是三次過程中預(yù)報效果最好的控制預(yù)報，然而對瀘州、宜賓兩地的強降水漏報，EPFI則對上述兩地有較好的預(yù)警，盡管對四川東部的廣安、南充與巴中預(yù)警偏強偏大，EPFI相對數(shù)值模式的控制預(yù)報?！?.03”暴雨過程里，控制預(yù)報對切變線降水的落區(qū)形態(tài)預(yù)報不明顯，只在重慶北部預(yù)報出暴雨落區(qū)，而EPFI通過其他集合預(yù)報成員概率特征與模式歷史預(yù)報的對比能給予訂正，提前72 h給出較為明顯的切變線強降水預(yù)警。同樣，T213控制預(yù)報同其他數(shù)值模式一樣，對“6.30”暴雨過程的24 h預(yù)報也明顯偏西偏北，僅四川東北部預(yù)報出較小范圍的暴雨產(chǎn)生，而EPFI對強降水落區(qū)的預(yù)警經(jīng)過川渝地區(qū)累計概率分布的尾端信息訂正，給出了更加接近實況的極端降水落區(qū)預(yù)警，對強降水預(yù)警落區(qū)以及降水的極端性決策發(fā)布有較好的補充與參考意義。

圖6 川渝地區(qū)“7.21”（a）、“7.03”（b）和“6.30”（c）三次暴雨過程T213原始控制預(yù)報24小時降水Fig.6 24 h control forecast of “7.21” (a), “7.03” (b) and “6.30” (c) heavy rainfall process

3 結(jié)論與討論

1） 對于極端強降水形成機理復(fù)雜的川渝地區(qū)，特別是在以城市或區(qū)縣極端降水作為預(yù)警目標的情況下，極端降水指數(shù)（EPFI）能提前1～5 d對強降水的落區(qū)發(fā)出警示信息，預(yù)報時效越臨近，預(yù)警效果越好。

2） 模式氣候累計概率分布函數(shù)的樣本提取，增加了大量級降水的歷史統(tǒng)計頻率，EPFI對盆地內(nèi)的強降水預(yù)警結(jié)果會更加全面、更加接近極端降水觀測。

3） 同樣的集合預(yù)報系統(tǒng)，EPFI對強降水的預(yù)警能力高于控制預(yù)報，能針對控制預(yù)報偏西偏北的誤差做出較合理的預(yù)警修訂。

本文也存在一些不足，時隔數(shù)年，這3個令預(yù)報員“記憶猶新”的預(yù)報偏差型強降水過程分別發(fā)生在2012和2013年，可選的成熟集合預(yù)報資料只有ECMWF和T213。本文從2007年開始提取氣候樣本至2012年，以保證模式數(shù)據(jù)預(yù)報誤差的一致性。盡管如此，如模式氣候序列更長，效果更佳。另外由于資料的限制，與所選個例的極端性與偏差性，文中沒有詳細計算常規(guī)的檢驗評分來量化反映預(yù)報效果，取而代之以EPFI的直觀預(yù)警效果代替，其著眼點是凸顯使用極端降水指數(shù)預(yù)警后對這類極端過程預(yù)報失誤的彌補效果，這也是本文的初衷。