基于目標對象的數(shù)值模式區(qū)域降水預(yù)報選優(yōu)方法*

盛春巖 曲巧娜 范蘇丹 榮艷敏 孫興池

1 山東省氣象防災(zāi)減災(zāi)重點實驗室，濟南 250031

2 山東省氣象科學(xué)研究所，濟南 250031

3 山東省氣象臺，濟南 250031

提 要： 針對業(yè)務(wù)上大量的數(shù)值預(yù)報產(chǎn)品如何快速選優(yōu)問題，提出了一種基于目標對象的數(shù)值模式區(qū)域降水預(yù)報選優(yōu)方法。該方法首先通過TS評分、重心位置、面積大小、落區(qū)形狀預(yù)報評分的權(quán)重平均進行單個目標對象評分，在此基礎(chǔ)上，進行區(qū)域預(yù)報總評分和預(yù)報選優(yōu),以局地分散性降水和大尺度降水為例進行對比試驗以及3個月的批量試驗。結(jié)果表明:該方法選優(yōu)結(jié)果合理。單個目標對象識別匹配時加大TS評分權(quán)重(超過0.4)對選優(yōu)結(jié)果有較大影響，能夠提高選優(yōu)結(jié)果的合理性。按照每個目標對象的面積權(quán)重評分計算區(qū)域預(yù)報總評分，是合理選出最優(yōu)預(yù)報產(chǎn)品的關(guān)鍵。該方法對于局地分散性降水預(yù)報選優(yōu)具有優(yōu)勢，可以克服傳統(tǒng)TS評分的缺點。由于目標對象評分考慮了降水落區(qū)形狀、重心位置和面積大小評分，其選優(yōu)結(jié)果較單一TS評分更為合理。

引 言

數(shù)值天氣預(yù)報已成為天氣預(yù)報的重要基礎(chǔ)和核心支撐技術(shù)。目前，省級氣象局可以接收到國內(nèi)外全球數(shù)值預(yù)報和國內(nèi)區(qū)域中尺度數(shù)值預(yù)報產(chǎn)品，這些全球和區(qū)域數(shù)值預(yù)報可以每日兩次提供至少3天內(nèi)的逐小時降水、溫度、風(fēng)等要素預(yù)報。同時，快速更新循環(huán)同化預(yù)報(RUC)系統(tǒng)可以對短時天氣進行逐小時循環(huán)更新預(yù)報。由于不同數(shù)值預(yù)報對不同天氣過程的預(yù)報準確率各有所長，大量的數(shù)值預(yù)報產(chǎn)品如何選擇使用，成為當(dāng)今預(yù)報員面臨的一個重要難題。當(dāng)有災(zāi)害天氣過程影響時，預(yù)報員往往來不及查看所有的數(shù)值預(yù)報結(jié)果，只能根據(jù)經(jīng)驗選擇應(yīng)用。而由于觀測資料的誤差、模式系統(tǒng)的spin-up等問題，即使進行快速更新循環(huán)同化預(yù)報，最新時次的預(yù)報結(jié)果也未必一定是最準確的。因此，亟待研發(fā)一種數(shù)值模式區(qū)域降水預(yù)報選優(yōu)方法，能夠從大量的數(shù)值預(yù)報產(chǎn)品中快速選出最優(yōu)預(yù)報產(chǎn)品，為預(yù)報員選擇使用以及智能網(wǎng)格預(yù)報業(yè)務(wù)提供基礎(chǔ)。

預(yù)報選優(yōu)往往根據(jù)數(shù)值預(yù)報過去一段時間的表現(xiàn)來判斷，如何評判天氣預(yù)報好壞需要合理的檢驗評估方法。目前，天氣預(yù)報業(yè)務(wù)上使用較多的是TS評分，該評分方法要求點對點預(yù)報準確才算正確，落區(qū)的稍微偏離或強度稍微偏差即不得分，因此，往往不能很好地評判出適合預(yù)報員應(yīng)用的模式產(chǎn)品(戴建華等，2013)。對于數(shù)值預(yù)報和集合預(yù)報產(chǎn)品的檢驗評估方法還有很多，比如，王婧卓等(2021)采用確定性預(yù)報檢驗評分預(yù)報偏差Bias(Donaldson et al,1975)、公平技巧評分ETS(Schaefer,1990)、概率預(yù)報檢驗評分Brier(Brier,1950)、相對作用特征(ROC)(Mason,1979;Swets,1986)、可靠性評分(Br?cker and Smith,2007)和降水FSS(fraction skill score)評分(Roberts and Lean,2008;劉雪晴等,2020)6種檢驗方法，對GRAPES-REPS V3.0 區(qū)域集合預(yù)報模式的降水預(yù)報能力給予了客觀評價。這些檢驗方法大多也是需要點對點進行檢驗。

近年來，基于目標對象的檢驗方法在國內(nèi)外得到應(yīng)用。Ebert and Mcbride(2000)首先提出了面向?qū)ο蟮慕邓A(yù)報誤差分析方法，通過對某一降水過程進行分離，可實現(xiàn)對單個降水事件落區(qū)、量級等預(yù)報誤差的定量化分析。Davis et al(2006a;2006b;2009)提出了基于目標的檢驗方法，將降水量大于給定閾值的相互連通的區(qū)域作為一個降水目標，可以客觀對比分析預(yù)報和觀測對象的位置、形狀、方向和尺寸等屬性。借鑒這些先進的檢驗方法，劉湊華和牛若蕓(2013)、尤鳳春等(2011)、熊秋芬(2011)、薛春芳和潘留杰(2016)、李佳等(2016)、張博等(2017)、徐同等(2019)、蔡義勇等(2020)先后開展了基于目標的降水預(yù)報檢驗方法試驗和業(yè)務(wù)應(yīng)用，推進了該方法在業(yè)務(wù)中的應(yīng)用。曹春燕等(2017)引入了預(yù)報區(qū)域重疊比例、實況區(qū)域重疊比例和杰卡德相似系數(shù)等指標，進行雷達降雨預(yù)報形狀檢驗。符嬌蘭等(2014)采用面向?qū)ο蟮臋z驗技術(shù)和天氣系統(tǒng)識別技術(shù)，對ECMWF模式在西南地區(qū)強降水天氣系統(tǒng)的預(yù)報誤差進行了檢驗分析。公穎(2010)引進了德國定量降水預(yù)報檢驗SAL方法，該方法以研究范圍內(nèi)的降水為目標物，可以對雨帶的強度、位置、結(jié)構(gòu)三方面進行檢驗。以上這些方法較好地克服了傳統(tǒng)TS評分的不足，通過目標對象檢驗，為預(yù)報員提供有天氣學(xué)意義和更多參考價值的數(shù)值預(yù)報產(chǎn)品。

茅懋等(2016)設(shè)計了一種目標對象檢驗方法，通過對比與實況相對應(yīng)的預(yù)報目標對象的等級TS評分、等級面積評分、位置評分、交叉相關(guān)評分、形狀評分等，實現(xiàn)對強對流預(yù)報產(chǎn)品檢驗，該方法可合理評價有預(yù)報參考價值的強對流預(yù)報產(chǎn)品。曲巧娜等(2019)在改進此方法的基礎(chǔ)上，通過對多種數(shù)值天氣預(yù)報、集合預(yù)報的降水預(yù)報進行目標對象檢驗，進行不同模式產(chǎn)品預(yù)報評價。上述研究均為針對單個目標對象的識別匹配檢驗方法。在實際天氣預(yù)報業(yè)務(wù)中，預(yù)報員更為關(guān)注某一區(qū)域范圍的預(yù)報總體情況。當(dāng)研究區(qū)域范圍內(nèi)存在多個目標對象時，如何在合理評價單個目標對象預(yù)報評分的基礎(chǔ)上，進行區(qū)域降水預(yù)報總體評價，從大量的數(shù)值預(yù)報產(chǎn)品中選取最優(yōu)預(yù)報產(chǎn)品，缺乏有效的方法。

本文借鑒茅懋等(2016)、曲巧娜等(2019)目標對象檢驗方法，設(shè)計提出了一種數(shù)值模式區(qū)域降水預(yù)報選優(yōu)方法，可以在單個目標對象檢驗的基礎(chǔ)上，計算區(qū)域預(yù)報總評分，從而對數(shù)值模式區(qū)域降水預(yù)報進行選優(yōu)。通過對不同降水過程不同選優(yōu)方案的批量對比試驗，對選優(yōu)方法的合理性和業(yè)務(wù)應(yīng)用方案進行研究。

1 資料與方法

1.1 資 料

本文使用的數(shù)值模式為山東省氣象科學(xué)研究所開發(fā)的快速更新循環(huán)同化預(yù)報系統(tǒng)(以下簡稱RUC系統(tǒng))。該系統(tǒng)采用27、9、3 km三層嵌套網(wǎng)格，基于WRF 3Dvar同化系統(tǒng)進行逐小時循環(huán)同化預(yù)報。為了便于在智能網(wǎng)格預(yù)報業(yè)務(wù)中應(yīng)用，將RUC系統(tǒng)3 km降水預(yù)報產(chǎn)品實時處理成覆蓋山東區(qū)域范圍的0.05°×0.05°網(wǎng)格數(shù)據(jù)。降水實況采用山東省氣象臺智能網(wǎng)格預(yù)報業(yè)務(wù)中使用的降水格點實況數(shù)據(jù)，該數(shù)據(jù)以山東省1 200多個質(zhì)量較好的地面氣象觀測站數(shù)據(jù)為基礎(chǔ)，將站點降水實況處理到山東區(qū)域范圍0.05°×0.05°網(wǎng)格上，形成逐小時間隔的格點實況數(shù)據(jù)。

1.2 方 法

本文設(shè)計的基于目標對象的數(shù)值模式區(qū)域降水預(yù)報選優(yōu)方法包括兩部分。第一部分是進行預(yù)報區(qū)域內(nèi)單個目標對象識別匹配評分。與茅懋等(2016)、曲巧娜等(2019)對單個目標對象評分的方法不同。首先，根據(jù)業(yè)務(wù)上降水短時臨近預(yù)報關(guān)注重點，選定TS評分、重心位置預(yù)報評分、面積大小預(yù)報評分、落區(qū)形狀預(yù)報評分四項作為單個降水目標對象識別匹配綜合評分的內(nèi)容，對每一項評分只考慮某一閾值強度以上降水的評分，不再細分不同等級降水評分，便于對關(guān)注強度的降水進行選優(yōu)評價。其次，在進行單個目標對象識別匹配綜合評分時，對這四項評分的權(quán)重大小對選優(yōu)結(jié)果的影響進行批量對比試驗，合理確定各項評分的權(quán)重大小。第二部分為區(qū)域降水預(yù)報總評分。這里定義了區(qū)域降水預(yù)報總評分方法，即在單個目標對象綜合評分的基礎(chǔ)上，將區(qū)域內(nèi)預(yù)報目標對象按匹配結(jié)果分為三類：預(yù)報正確落區(qū)、空報落區(qū)、漏報落區(qū)，給定每個預(yù)報正確落區(qū)一定的評分權(quán)重，計算區(qū)域預(yù)報總評分，總評分最高的即為最優(yōu)預(yù)報。關(guān)于每個目標對象評分權(quán)重的選取，下面也將通過敏感性試驗來確定。

1.2.1 單個目標對象識別匹配評分

首先，確定選優(yōu)的降水強度(閾值)和一個目標對象的最小格點數(shù)(閾值)，本文設(shè)定一個目標對象的最小格點數(shù)為10。根據(jù)選優(yōu)的降水閾值，對預(yù)報和實況格點場進行目標對象識別。找出該區(qū)域內(nèi)所有大于等于該強度閾值以上的降水預(yù)報或?qū)崨r格點，逐個點判斷與其相鄰的格點是否為該強度以上的預(yù)報。如有大于該強度的預(yù)報，則作為一個識別的目標點，繼續(xù)判斷周圍的點的值；如周圍的點都小于該等級的預(yù)報，則結(jié)束一個目標對象識別。依次計算，最終識別出一個個預(yù)報及實況目標對象。然后進行目標對象識別匹配評分。具體評分內(nèi)容包括：

(1)TS評分。根據(jù)實況目標對象，對識別的預(yù)報目標分別進行TS評分，計算單個目標對象點對點預(yù)報的準確率，檢驗預(yù)報目標對象與實況目標對象的重疊程度。

TS評分計算公式如下：

式中：NA為預(yù)報正確的格點數(shù)，預(yù)報出現(xiàn)某一強度以上降水，實況也出現(xiàn)該強度以上降水為預(yù)報正確；NB為空報格點數(shù)，預(yù)報出現(xiàn)某一強度以上降水，實況未出現(xiàn)該強度以上降水為空報；NC為漏報格點數(shù)，未預(yù)報出現(xiàn)某一強度以上降水，而實況出現(xiàn)該強度以上降水為漏報。

(2)重心位置預(yù)報評分。重心位置為目標對象中最強降水中心所在的位置(經(jīng)緯度)。如果最強預(yù)報中心有多個點的，取多個點的中心位置為重心位置。根據(jù)檢驗范圍大小和業(yè)務(wù)需求，設(shè)定預(yù)報目標對象和實況目標對象重心位置的最大容忍距離和最佳距離，進行重心位置評分，評價預(yù)報目標對象與實況目標對象位置的偏離程度。本文主要針對山東省內(nèi)降水預(yù)報進行選優(yōu)，這里設(shè)定最大容忍距離為220 km，最佳距離為40 km。

重心位置預(yù)報評分計算公式如下：

式中：SGC為重心位置評分，L為預(yù)報目標對象與實況目標對象重心之間的距離，Lmax為最大容忍距離，Lmin為最佳距離。

(3)面積大小預(yù)報評分。分別計算實況目標對象及預(yù)報目標對象對某一強度以上降水預(yù)報的有效面積大小，對面積大小預(yù)報進行評價。

面積大小預(yù)報評分計算公式如下:

式中：Amod為預(yù)報目標對象的有效面積，Aobs為實況目標對象的有效面積。

(4)落區(qū)形狀預(yù)報評分。落區(qū)形狀預(yù)報評分包括軸向角評分和橢圓率評分。首先確定目標對象長短軸的尺度、比例和軸向。對于某個目標對象，提取邊界點信息，通過重心的最長兩個邊界點的連線為長軸，通過重心且垂直于(基本垂直，偏差在2°內(nèi))長軸的最短兩個邊界點連線為短軸。計算長短軸的比例(即橢圓率)和長軸的軸向角度，計算軸向角評分和橢圓率評分，二者平均即為落區(qū)形狀評分。

軸向角評分計算公式如下(茅懋等,2016)：

式中：SAxial為軸向角評分，DAxA為預(yù)報與實況目標對象的軸向角差。

橢圓率評分計算公式如下：

式中：SEllip為橢圓率評分，DEllip為預(yù)報與實況目標對象的橢圓率差。

落區(qū)形狀評分為軸向角評分和橢圓率評分的加權(quán)平均，計算公式如下：

落區(qū)形狀評分SShape越高，說明預(yù)報目標對象形狀越接近實況。

(5)在完成上述四項評分后，進行單個目標對象識別匹配綜合評分。對目標對象TS評分、重心位置預(yù)報評分、面積大小預(yù)報評分、落區(qū)形狀預(yù)報評分四項評分按不同權(quán)重相加，即為單個目標對象的綜合評分值，綜合評分最高的為匹配最好的目標對象。依次循環(huán)，完成預(yù)報區(qū)域范圍內(nèi)所有目標對象的匹配評分。

目標對象識別匹配綜合評分計算公式如下：

Smod=R1·TS+R2·SGC+R3·SArea+R4·SShape

式中：R1為TS評分權(quán)重，R2為重心位置預(yù)報評分權(quán)重，R3為面積大小預(yù)報評分權(quán)重，R4為落區(qū)形狀預(yù)報評分權(quán)重，各評分項權(quán)重大小如何選取將通過敏感性試驗確定。

1.2.2 區(qū)域預(yù)報總評分

為對區(qū)域降水預(yù)報進行合理評價，在單個目標對象識別匹配評分的基礎(chǔ)上，將預(yù)報區(qū)域范圍內(nèi)所有目標對象匹配結(jié)果分為三類：預(yù)報正確落區(qū)、漏報落區(qū)、空報落區(qū)。定義重心位置評分>0的預(yù)報目標對象為預(yù)報正確落區(qū)，實況有而未預(yù)報出該強度以上落區(qū)的為漏報落區(qū)，實況無而預(yù)報有該強度以上落區(qū)的為空報落區(qū)。給定預(yù)報正確落區(qū)一定的評分權(quán)重，按權(quán)重評分計算區(qū)域預(yù)報總評分，總評分最高的即為最優(yōu)預(yù)報產(chǎn)品，空報和漏報落區(qū)總數(shù)目可作為選優(yōu)的輔助參考。對預(yù)報正確落區(qū)評分權(quán)重的設(shè)定對選優(yōu)結(jié)果的影響，下文也將進行敏感性試驗。

2 選優(yōu)試驗方案設(shè)計

由于RUC系統(tǒng)的預(yù)報具有一定的連續(xù)性，這里主要根據(jù)區(qū)域預(yù)報總評分進行預(yù)報選優(yōu)試驗，不考慮空報和漏報落區(qū)的情況。考慮到預(yù)報員比較關(guān)注降水落區(qū)位置預(yù)報，同時，在重心位置距離相同的情況下，范圍大的目標對象和范圍小的目標對象預(yù)報效果不同，為此，這里設(shè)計了2組敏感性對比試驗，分別對單個目標對象各評分項的權(quán)重大小對選優(yōu)結(jié)果的影響，以及每個預(yù)報正確落區(qū)評分權(quán)重大小對區(qū)域總評分的影響進行敏感性試驗。

試驗1：單個目標對象評分敏感性試驗。在單個目標對象匹配評分時，分別給定不同的TS評分和重心位置預(yù)報評分權(quán)重，同時兼顧面積大小和落區(qū)形狀預(yù)報評分對選優(yōu)結(jié)果的影響，設(shè)計了3組敏感性試驗，分別以A1,A2,A3表示，具體如下：

A1方案：R1=0.2，R2=0.6，R3=0.1，R4=0.1；

A2方案：R1=0.4，R2=0.4，R3=0.1，R4=0.1；

A3方案：R1=0.6，R2=0.2，R3=0.1，R4=0.1。

將TS評分、重心位置、面積大小、落區(qū)形狀4項評分按不同的權(quán)重(分別為R1，R2，R3，R4)進行相加，計算出單個目標對象預(yù)報的綜合評分值，選取綜合評分最高的目標對象為匹配最好的預(yù)報目標。

試驗2：區(qū)域預(yù)報總評分敏感性試驗。在計算了區(qū)域內(nèi)每個目標對象的綜合評分后，如何合理對區(qū)域預(yù)報總評分進行評價，是影響數(shù)值預(yù)報區(qū)域降水預(yù)報選優(yōu)的關(guān)鍵。這里針對區(qū)域預(yù)報總評分計算方法設(shè)計了2組敏感性試驗，分別以B1,B2表示，具體如下：

B1方案：預(yù)報區(qū)域內(nèi)每個預(yù)報正確落區(qū)的評分權(quán)重均為1，進行權(quán)重評分累加計算出區(qū)域預(yù)報總評分；B2方案：按照每個目標對象的面積權(quán)重評分計算區(qū)域預(yù)報總評分，即計算每個預(yù)報正確的目標對象的面積權(quán)重占所有預(yù)報正確目標對象總面積的百分比，作為該目標對象的評分權(quán)重，對預(yù)報范圍內(nèi)所有目標對象進行權(quán)重評分累加，即為區(qū)域預(yù)報總評分。

以上2組不同的試驗方案分別組合，共形成6組不同的數(shù)值模式區(qū)域降水預(yù)報選優(yōu)方法，具體方案設(shè)計見表1。同時，為對比基于目標對象的選優(yōu)方法與傳統(tǒng)TS評分選優(yōu)方法的差異性，也增加了TS評分選優(yōu)結(jié)果進行對比。

表1 不同的區(qū)域降水預(yù)報選優(yōu)試驗方案

3 選優(yōu)效果分析

3.1 選優(yōu)對象

為試驗基于目標對象的數(shù)值模式區(qū)域降水預(yù)報選優(yōu)方法的合理性，分別選取局地分散性降水和較大尺度降水兩類過程進行選優(yōu)效果分析。這里選取2019年6月20日山東省局地短時降水過程作為局地分散性降水預(yù)報選優(yōu)試驗個例，選取2019年8月11日臺風(fēng)利奇馬影響山東期間的降水過程作為較大尺度降水預(yù)報選優(yōu)試驗個例。以1 h降水短時臨近預(yù)報為選優(yōu)對象，對RUC系統(tǒng)在降水開始前1～8個時次的預(yù)報結(jié)果進行選優(yōu)試驗。

3.2 局地分散性降水預(yù)報選優(yōu)試驗

2019年6月20日下午，山東省出現(xiàn)了局地性短時降水天氣，其中15—16時(北京時，下同)山東省出現(xiàn)多個局地較強降水中心，小時降水量均超過10 mm(圖1)。由于本次降水尺度小、局地性強，因此預(yù)報難度較大，此類降水預(yù)報也是數(shù)值預(yù)報的難點。分析RUC系統(tǒng)提前1～8 h(08—15時)不同時次的預(yù)報可以發(fā)現(xiàn)(圖2)，2019年6月20日08—11時(圖2a～2d)，模式預(yù)報的降水均較弱，未預(yù)報出明顯的局地性強降水。12—14時(圖2e～2g)，RUC系統(tǒng)均不同程度預(yù)報出山東的局地分散性降水。15時臨近實況時次的預(yù)報(圖2h)，預(yù)報的山東降水幾乎“消失”。從RUC系統(tǒng)不同起報時次的預(yù)報表現(xiàn)來看，臨近時次預(yù)報的降水反而“消失”現(xiàn)象顯然是spin-up引起的。對于此類降水預(yù)報，預(yù)報員僅靠主觀判斷難以選擇合理的預(yù)報產(chǎn)品。下文將試驗不同的選優(yōu)方案對本次降水的選優(yōu)效果。

圖1 2019年6月20日15—16時山東省1 mm以上降水實況格點分布(a)全省降水分布， (b)山東省魯北、魯中和半島3個降水區(qū)域降水格點值放大圖(數(shù)字，單位：mm)(圖中A,B,C分別為魯北、魯中和半島3個降水區(qū)域編號)

圖2 2019年6月20日08—15時RUC系統(tǒng)不同時次起報的15—16時降水量預(yù)報(a)08時,(b)09時,(c)10時,(d)11時,(e)12時,(f)13時,(g)14時,(h)15時

為分析不同強度降水預(yù)報選優(yōu)效果，分別對≥1 mm、≥10 mm兩個閾值的降水預(yù)報進行選優(yōu)試驗。表2給出了不同方案組合選出的2019年6月20日15—16時最優(yōu)降水預(yù)報結(jié)果，可以發(fā)現(xiàn)，試驗1(A1B1)選出的1 mm以上最優(yōu)預(yù)報為20日13時RUC起報的2～3 h降水預(yù)報，試驗2～試驗6選出的最優(yōu)預(yù)報均為20日12時起報的3～4 h降水預(yù)報。TS評分選出的1 mm以上最優(yōu)降水預(yù)報為20日08時起報的7～8 h預(yù)報。不同方案之間的選優(yōu)結(jié)果差異較大。對于10 mm以上降水，不同的試驗選優(yōu)結(jié)果一致，均為20日13時起報的2～3 h降水預(yù)報。下文將對不同試驗方案的選優(yōu)結(jié)果做進一步分析。

表2 2019年6月20日08—15時RUC系統(tǒng)不同時次起報的15—16時降水預(yù)報選優(yōu)結(jié)果

圖3給出了不同方案對≥1 mm降水預(yù)報選優(yōu)結(jié)果，圖中實況顯示，山東區(qū)域分布著多個1 mm以上的降水落區(qū)(黑色陰影)，這些降水落區(qū)分散、不連續(xù)，圖3a紅色區(qū)域為試驗1(A1B1)選出的1 mm以上降水最優(yōu)預(yù)報產(chǎn)品(20日13時2～3 h預(yù)報)，模式預(yù)報出了成片的1 mm以上降水落區(qū)，對魯中降水落區(qū)預(yù)報較好，其次為半島地區(qū)，但預(yù)報范圍較實況明顯偏大，空報較多。圖3b給出了試驗2～試驗6選出的1 mm以上降水最優(yōu)預(yù)報(20日12時3～4 h預(yù)報)，該預(yù)報與13時2～3 h預(yù)報類似，模式較好地預(yù)報出魯中和半島的降水，但降水空報范圍縮小。圖3c給出了TS評分選出的1 mm以上最優(yōu)降水預(yù)報(20日08時7～8 h預(yù)報)，該預(yù)報主要對半島的降水落區(qū)預(yù)報較好，魯中的降水全部漏報。對比這三次選優(yōu)產(chǎn)品預(yù)報結(jié)果可以發(fā)現(xiàn)，基于目標對象的試驗2～試驗6方案選出的最優(yōu)降水預(yù)報(20日12時3～4 h預(yù)報)為最佳預(yù)報，13時2～3 h預(yù)報空報過多，而08時7～8 h預(yù)報雖然TS評分較高，然而未能預(yù)報出魯中的降水，且選出的預(yù)報產(chǎn)品時效較早，預(yù)報與實況偏差較大，表明僅考慮TS評分進行選優(yōu)是不夠的。

圖3 不同試驗方案對2019年6月20日15—16時≥1 mm最優(yōu)降水預(yù)報選優(yōu)結(jié)果(a)試驗1降水預(yù)報選優(yōu)結(jié)果(2013.3h)及實況，(b)試驗2～試驗6降水預(yù)報選優(yōu)結(jié)果(2012.4h)及實況，(c)TS評分降水預(yù)報選優(yōu)結(jié)果(2008.8h)及實況(黑色陰影區(qū)為實況降水格點,紅色為預(yù)報降水格點示意,具體數(shù)值無意義，下同)

圖4給出了各試驗方案對≥10 mm降水預(yù)報選優(yōu)結(jié)果(2013.3h,圖4a)，可以發(fā)現(xiàn)，實況有3個10 mm以上降水落區(qū)(圖中黑色陰影)，模式也預(yù)報出3個10 mm以上的降水落區(qū)(圖中紅色區(qū)域)，其中魯中東南部的降水落區(qū)預(yù)報較好，預(yù)報與實況落區(qū)重疊。魯中西部和半島的降水落區(qū)預(yù)報與實況有偏差，但是通過預(yù)報員訂正可以作為一次較好的預(yù)報產(chǎn)品。為分析本次選優(yōu)結(jié)果的合理性，這里同時給出了≥1 mm降水預(yù)報選優(yōu)結(jié)果(20日12時3～4 h預(yù)報)對10 mm以上的降水預(yù)報和實況的對比(圖4b)，可以發(fā)現(xiàn)，12時3～4 h的模式預(yù)報對魯中東南部的降水落區(qū)預(yù)報也較好，其他兩個落區(qū)均漏報。由此可見，各試驗方案對10 mm以上降水預(yù)報選優(yōu)結(jié)果為13時2～3 h預(yù)報是合理的。

圖4 2019年6月20日15—16時≥10 mm最優(yōu)降水預(yù)報結(jié)果與其他預(yù)報及實況的對比(a)所有試驗方案降水預(yù)報選優(yōu)結(jié)果(2013.3h)及實況(b)RUC系統(tǒng)≥1 mm 20日12時3～4 h降水預(yù)報及實況

3.3 大尺度降水預(yù)報選優(yōu)試驗

為試驗本方法對尺度較大的降水過程選優(yōu)效果，選取2019年8月11日臺風(fēng)利奇馬影響山東期間降水預(yù)報進行選優(yōu)試驗。以2019年8月11日00—12時逐小時降水預(yù)報為基礎(chǔ)，逐小時對RUC系統(tǒng)提前1～8個時次的預(yù)報結(jié)果進行選優(yōu)。由于本次降水過程較強，這里僅對小時降水量≥10 mm的降水預(yù)報進行選優(yōu)試驗。

表3分別給出了6組不同的試驗方案對8月11日00—12時逐小時降水預(yù)報選優(yōu)結(jié)果以及TS評分選優(yōu)結(jié)果?？梢园l(fā)現(xiàn)，這6組不同的試驗方案對臺風(fēng)利奇馬影響山東期間10 mm以上強度降水預(yù)報的選優(yōu)結(jié)果不盡相同，基于目標對象的選優(yōu)結(jié)果與TS評分選優(yōu)結(jié)果大部分相同、部分不同。對所有的選優(yōu)結(jié)果和實況進行了對比分析發(fā)現(xiàn)，由于該時段降水尺度較大，而且RUC系統(tǒng)預(yù)報總體較好，因此，TS評分選優(yōu)結(jié)果總體較好。

基于目標對象的部分選優(yōu)結(jié)果較差(表中加下劃線斜體字體)，部分選優(yōu)結(jié)果優(yōu)于TS評分選優(yōu)(表中加粗字體)。根據(jù)6組不同試驗和TS評分選優(yōu)結(jié)果的差異性，把00—12時逐小時預(yù)報選優(yōu)結(jié)果歸納為以下三類(表3)：

表3 不同試驗方案對2019年8月11日00—12時逐小時≥10 mm降水預(yù)報選優(yōu)結(jié)果

Ⅰ類，共9次，為11日03—08時和10—12時的選優(yōu)結(jié)果。此類所有的選優(yōu)結(jié)果總體一致，即基于目標對象的不同試驗方案選優(yōu)結(jié)果與TS評分選優(yōu)結(jié)果均較一致。

Ⅱ類，共2次，為11日00時和02時的選優(yōu)結(jié)果。此類基于目標對象的不同方案選優(yōu)結(jié)果存在差異，合理的方案選優(yōu)結(jié)果更好。

Ⅲ類，共2次，為11日01時和09時的選優(yōu)結(jié)果。此類基于目標對象的不同方案選優(yōu)結(jié)果也存在差異，但部分目標對象的選優(yōu)結(jié)果好于TS評分選優(yōu)。

下文分別對這三類選優(yōu)的結(jié)果進行對比分析。

圖5給出了Ⅰ類選優(yōu)結(jié)果(即總體一致)的部分預(yù)報和實況，以11日03時和07時的選優(yōu)結(jié)果為例。圖5a，5b分別為11日03時TS評分選優(yōu)結(jié)果(1023.4h)和基于目標對象的選優(yōu)結(jié)果(1101.2h)與實況的對比，可以發(fā)現(xiàn)，這兩張圖雖然是不同時次的預(yù)報，但預(yù)報結(jié)果(圖中紅色區(qū)域)幾乎完全一樣，模式較好地預(yù)報出了10 mm以上降水雨帶的走向、形態(tài)分布，預(yù)報與實況較接近，只是預(yù)報的10 mm以上降水范圍較實況偏小。同時發(fā)現(xiàn)，基于目標對象的選優(yōu)結(jié)果(圖5b)對蘇北和魯中東部的局地降水落區(qū)也有較好的預(yù)報。

圖5 Ⅰ類選優(yōu)結(jié)果的預(yù)報和實況格點分布(a)11日03時TS評分選優(yōu)結(jié)果(1023.4h),(b)11日03時試驗1～試驗6的選優(yōu)結(jié)果(1101.2h)(黑色陰影區(qū)為≥10 mm實況降水格點，紅色區(qū)為對應(yīng)預(yù)報降水格點示意)

分析11日07時不同方案的選優(yōu)結(jié)果和實況落區(qū)分布可以發(fā)現(xiàn)(圖略)，這些選優(yōu)結(jié)果的降水預(yù)報分布也基本一致。

下面對Ⅱ類選優(yōu)結(jié)果進行分析，即11日00時和02時的選優(yōu)結(jié)果，此類基于目標對象的不同方案選優(yōu)結(jié)果存在差異。由圖6a～6d可以發(fā)現(xiàn)，11日00時試驗1的選優(yōu)結(jié)果(1018.6h，圖6a)最差，降水預(yù)報明顯偏南，試驗3的選優(yōu)結(jié)果(1017.7h，圖6b)略有改進，較實況落區(qū)仍然偏差較大。試驗4的選優(yōu)結(jié)果(1023.1h，圖6c)降水預(yù)報明顯北抬，有較好改進，但強度偏弱。試驗2、試驗5、試驗6及TS評分選優(yōu)結(jié)果(1021.3h，圖6d)的降水預(yù)報與實況最為接近，降水落區(qū)和強度預(yù)報較其他方案選優(yōu)結(jié)果更好。

圖6 同圖5，但為Ⅱ類(a)11日00時試驗1的選優(yōu)結(jié)果(1018.6h),(b)11日00時試驗3的選優(yōu)結(jié)果(1017.7h)，(c)11日00時試驗4的選優(yōu)結(jié)果(1023.1h),(d)11日00時試驗2、試驗5、試驗6及TS評分選優(yōu)結(jié)果(1021.3h)，(e)11日02時試驗1～試驗4的選優(yōu)結(jié)果(1020.6h),(f)11日02時試驗5、試驗6和TS評分選優(yōu)結(jié)果(1023.3h)

圖6e、6f給出了11日02時不同方案的選優(yōu)結(jié)果，可以發(fā)現(xiàn)，試驗1～試驗4的選優(yōu)結(jié)果(1020.6h，圖6e)降水預(yù)報偏南，沒有“抓住”魯中北部的大片降水落區(qū)，而試驗5～試驗6和TS評分選優(yōu)結(jié)果(1023.3h，圖6f)較好地預(yù)報出了魯中北部的降水落區(qū)，且雨帶走向與實況也較為一致，顯然試驗5～試驗6的選優(yōu)方案更為合理。

分析11日00時和02時降水實況落區(qū)分布可以發(fā)現(xiàn)，這兩次降水實況的共同特點是預(yù)報范圍內(nèi)存在多個降水落區(qū)(目標)，特別是02時的降水實況(圖6e、6f中黑色陰影區(qū))，在魯中北部存在一個范圍較大的降水落區(qū)(目標)，南部存在多個分散的小落區(qū)(目標)，顯然，在進行區(qū)域降水預(yù)報總評分時，給定不同降水目標對象同樣的評分權(quán)重(B1方案，試驗1～試驗3)，或者目標對象評分中TS評分權(quán)重過小(A1方案，試驗1、試驗4)均不能體現(xiàn)出大范圍降水落區(qū)的重要性，導(dǎo)致選優(yōu)結(jié)果降水預(yù)報偏南(偏向小落區(qū))。而區(qū)域預(yù)報總評分時按照降水落區(qū)面積權(quán)重進行累加(B2方案)并提高目標對象評分的TS評分權(quán)重，顯著改進了降水預(yù)報選優(yōu)結(jié)果(試驗5、試驗6)，說明提高目標對象評分中TS評分權(quán)重并且按照每個目標對象的面積權(quán)重評分計算區(qū)域總評分是合理和必要的。

圖7給出了Ⅲ類降水預(yù)報選優(yōu)結(jié)果(這里僅給出了11日01時的預(yù)報選優(yōu)結(jié)果)，此類部分目標對象的選優(yōu)結(jié)果好于TS評分選優(yōu)。由圖7a～7c可見，試驗1～試驗2的選優(yōu)結(jié)果(1020.5h，圖7a)預(yù)報最差，雨帶明顯偏南。試驗3和TS評分選優(yōu)的結(jié)果(1022.3h，圖7b)降水預(yù)報有較好改進，雨帶更偏北了。而試驗4～試驗6選優(yōu)的降水預(yù)報結(jié)果(1023.2h，圖7c)更為合理，預(yù)報雨帶與實況雨帶走向更為吻合，選優(yōu)的產(chǎn)品預(yù)報時次更新(10日23時1～2 h預(yù)報)，體現(xiàn)出包括落區(qū)、形狀等信息在內(nèi)的目標對象評分的優(yōu)勢。

從表3和圖7選優(yōu)結(jié)果分析中還可以發(fā)現(xiàn)，基于目標對象的選優(yōu)結(jié)果好于TS評分的選優(yōu)結(jié)果(11日01時試驗4～試驗6)，11日09時試驗5～試驗6的選優(yōu)結(jié)果類似(圖略)，且基于目標對象的選優(yōu)預(yù)報產(chǎn)品均較TS評分的選優(yōu)產(chǎn)品預(yù)報時效更新(即RUC起報時間更臨近實況)，從另一個角度說明了目標對象選優(yōu)考慮了較多因素，選出的預(yù)報產(chǎn)品更加合理。

圖7 同圖5，但為Ⅲ類(a)11日01時試驗1、試驗2的選優(yōu)結(jié)果(1020.5h),(b)11日01時試驗3和TS評分選優(yōu)結(jié)果(1022.3h),(c)11日01時試驗4～試驗6的選優(yōu)結(jié)果(1023.2h)

綜上分析可見，大部分基于目標對象的選優(yōu)方案與TS評分選優(yōu)結(jié)果一致。當(dāng)降水落區(qū)比較復(fù)雜或模式預(yù)報不太好時，加大目標對象評分中TS評分的權(quán)重(超過0.4，A2、A3方案)，同時在區(qū)域總評分時，按照每個目標對象的面積權(quán)重評分計算區(qū)域預(yù)報總評分(B2方案)，選優(yōu)的預(yù)報產(chǎn)品更加合理，選優(yōu)結(jié)果好于TS評分選優(yōu)。從本文的批量試驗可以發(fā)現(xiàn)，試驗6(A3B2)為所有方案中的最佳方案，其次為試驗5(A2B2)。而由于TS評分不考慮重心位置、面積大小和落區(qū)形狀，其選優(yōu)結(jié)果可能不合理。

4 批量試驗

為進一步驗證上述不同選優(yōu)方案的合理性，以2019年6—8月逐小時降水預(yù)報為選優(yōu)對象，采用前面所述的6組不同的試驗方案組合，對RUC系統(tǒng)提前1～8 h的降水預(yù)報對1 h≥10 mm降水進行目標對象選優(yōu)批量對比試驗。通過對逐時≥10 mm降水預(yù)報選優(yōu)結(jié)果的總體分析發(fā)現(xiàn)，不同方案大部分選優(yōu)結(jié)果是一致的，但部分降水選優(yōu)結(jié)果不同。為說明不同方案選優(yōu)結(jié)果的合理性，對6組試驗方案基于目標對象選取的逐小時≥10 mm最優(yōu)降水預(yù)報統(tǒng)一進行TS評分，并對3個月內(nèi)有降水得分時次(有1組方案有得分就參與統(tǒng)計)不同方案的TS評分進行總平均，計算結(jié)果見表4?？梢园l(fā)現(xiàn)，平均TS評分最高的為試驗6(A3B2)方案，其次為試驗5(A2B2)方案，第三位為試驗3(A3B1)方案。此結(jié)果與上述個例分析的結(jié)果是一致的，即目標對象選優(yōu)方法在單個目標對象識別匹配時加大TS評分權(quán)重同時兼顧其他評分，且按照區(qū)域內(nèi)每個目標對象面積權(quán)重計算區(qū)域總評分，選取的最優(yōu)降水預(yù)報更加合理。

表4 不同試驗方案對2019年6—8月逐小時≥10 mm降水預(yù)報選優(yōu)結(jié)果的平均TS評分

5 結(jié) 論

針對天氣預(yù)報業(yè)務(wù)上大量數(shù)值預(yù)報產(chǎn)品如何選優(yōu)使用問題，本文提出了一種基于目標對象的數(shù)值模式區(qū)域降水預(yù)報選優(yōu)方法，通過對局地分散性降水和大尺度降水預(yù)報的選優(yōu)對比試驗以及3個月的批量試驗，可以得到以下結(jié)論：

(1)通過TS評分、重心位置、面積大小、落區(qū)形狀預(yù)報評分按不同權(quán)重平均進行單個目標對象評分，在此基礎(chǔ)上，進行區(qū)域預(yù)報總體評價和選優(yōu)。經(jīng)個例試驗以及批量試驗表明，該方法可以較好地從大量數(shù)值預(yù)報產(chǎn)品中選出最優(yōu)降水預(yù)報。

(2)單個目標對象識別匹配的各項評分權(quán)重對選優(yōu)結(jié)果有較大影響，提高TS評分的評分權(quán)重(超過0.4)，能夠提高選優(yōu)結(jié)果的合理性。按照每個目標對象的面積權(quán)重計算區(qū)域預(yù)報總評分(B2方案)，是合理選出最優(yōu)預(yù)報產(chǎn)品的關(guān)鍵。

(3)該方法對于局地分散性降水預(yù)報選優(yōu)具有顯著優(yōu)勢，可以克服傳統(tǒng)TS評分的缺點，選出有參考價值的預(yù)報產(chǎn)品。由于目標對象評分考慮了降水落區(qū)形狀、重心位置和面積大小評分，其選優(yōu)結(jié)果較TS評分更為合理。