基于分位匹配法對龍巖市一次降水過程檢驗分析

曾凡輝　王新強　曾耀暉

基于分位匹配法對龍巖市一次降水過程檢驗分析

曾凡輝1王新強1曾耀暉2

（1.福建省龍巖市氣象局，福建 龍巖 361000；2.福建省長汀縣氣象局，福建 長汀 366300）

利用歐洲中期天氣預報中心2019—2021年逐時降水預報資料及同時段區(qū)域站觀測降水資料，文章采用分位匹配技術(shù)對福建省龍巖市境內(nèi)降水預報進行模式偏差訂正及分析。結(jié)果表明：結(jié)合雨區(qū)分布、降水空報率、漏報率、準確率、命中率以及TS評分等預報檢驗指標來看，龍巖分位匹配訂正產(chǎn)品對于大雨，尤其是暴雨及以上量級降水具有較好的訂正能力，且地形對降水增幅作用在該產(chǎn)品中有一定體現(xiàn)；龍巖位匹配訂正產(chǎn)品在保留ECMWF優(yōu)勢的同時，對于ECMWF模式的訂正效果顯著，對其系統(tǒng)性偏差取得了較好的訂正效果。

分位匹配；偏差訂正；短時強降水

引言

短時強降水是福建省最為常見的氣象災(zāi)害之一，通常引起山洪、泥石流、城市內(nèi)澇等次生災(zāi)害，對人民生命財產(chǎn)造成重大的損失。針對此類天氣，氣象工作者開展了較多研究，建立不同天氣系統(tǒng)的配置概念模型[1]，加強了對該類天氣的認識，在業(yè)務(wù)應(yīng)用中有一定意義，但主要對強降水進行定性研究，定量化比較困難。

ECMWF模式（European Center for Medium-Range Weather Forecasts）是強降水預報和服務(wù)中的重要參考[2]，對于一些極端強降水過程，存在較明顯的預報偏差。有學者針對模式的定量降水預報采用統(tǒng)計方法進行訂正，研究表明[3]對小到中雨量級的降水有一定改善，但對強降水的改善不是很理想。符嬌蘭[4]通過對西南地區(qū)2012年汛期五次典型強降水過程的模式降水預報檢驗發(fā)現(xiàn)，ECMWF模式對西南地區(qū)小雨及以下量級降水預報范圍較實況偏大，大雨以上量級降水預報范圍明顯偏小。

如何訂正數(shù)值預報產(chǎn)品在強降水預報中的偏差，一直以來都是預報業(yè)務(wù)中的難點。近年來中央氣象臺在暴雨客觀統(tǒng)計預報方法上取得了明顯進步，相繼研發(fā)了集合融合預報、多模式集成、基于配料法的強降水等級預報以及模式分位匹配等多種暴雨客觀預報產(chǎn)品[5,6]。

一般而言，數(shù)值模式降水預報偏差會隨模式預報時效、降水閾值及具體天氣形勢的不同而不同[7]，所以降水訂正最好基于不同時效預報、不同降雨量和不同天氣形勢單獨進行[8]。由于ECMWF模式本身對于暴雨預報能力較弱，所以本文基于概率預報的觀測，運用預報分位匹配法開展龍巖地區(qū)降水預報落區(qū)訂正技術(shù)，旨在盡可能消除ECMWF全球模式預報降水在龍巖地區(qū)的系統(tǒng)性偏差，為該地區(qū)短時強降水預報訂正研究提供一些參考。

1 資料與方法

1.1 研究資料

本文建立客觀訂正預報所使用數(shù)據(jù)包括：2019年1月—2021年12月龍巖市276個經(jīng)質(zhì)量控制的自動氣象站逐1 h降水觀測數(shù)據(jù)；ECMWF模式降水預報產(chǎn)品，資料時段同觀測降水資料，水平分辨率為0.25°×0.25°，時間分辨率為逐3 h、逐6 h。歐洲中心資料范圍為115.5°～118.0°，24.0°～26.25°，本文龍巖地區(qū)范圍為115.8°～117.9°，24.2°～26.1°。數(shù)據(jù)全部采用20:00（北京時，下同）作為統(tǒng)計起始時間。建模過程中，2019—2020年數(shù)據(jù)作為訓練集，2021年1至12月的數(shù)據(jù)作為檢驗集。

1.2 方法

1.2.1 短時強降水標準

目前針對短時強降水標準，不同省份根據(jù)日常預報業(yè)務(wù)經(jīng)驗確定，沒有嚴格標準。本文依據(jù)福建省2021年第八屆智能預報技術(shù)方法客觀預報競賽相關(guān)標準確定不同時效內(nèi)大雨量級，即24 h內(nèi)逐6 h預報時效以10 mm為標準，0 h～72 h內(nèi)逐24 h預報時效以25 mm為標準。預報數(shù)據(jù)統(tǒng)一采用臨近點插值，即對于每一個站點，其取值設(shè)置為周圍四個網(wǎng)格點中最近的一個格點的取值，將預報降水與實況降水建立對應(yīng)關(guān)系。

1.2.2 不同預報時效降水閾值

分位匹配法是一種較為常用的降水量級訂正方法，不僅用于天氣模式[9]，也多用于氣候模式[10]。主要分為兩個步驟：首先，通過構(gòu)建實際降水觀測量與相應(yīng)時段內(nèi)樣本降水預報量的累計分布函數(shù)獲得降水分位值分布；其次，利用線性插值方法獲得模式不同預報時效內(nèi)降水分位值對應(yīng)的實況降水閾值。

圖1給出了示意圖，分別計算2019年1月至2020年12月龍巖地區(qū)276個區(qū)域自動站降水閾值R出現(xiàn)的百分位數(shù)，將其作為相較準確的參考分位，并形成降水樣本的分位值分布曲線。預報閾值計算方式與實況參考分位數(shù)計算相似，為其相反過程，即將不同實況閾值的參考分位代入計算公式，計算相同時段內(nèi)ECMWF模式降水預報參考分位下對應(yīng)的ECMWF模式不同降水等級的預報閾值Rthreshold。

圖1 分位匹配法示意圖

1.2.3 對預報降水建模并訂正

統(tǒng)計不同閾值降水出現(xiàn)的實況參考分位和預報分位數(shù)，獲取不同降水量的訂正系數(shù)，將上文中不同時效模式降水閾值與實況標準建立逐一映射關(guān)系，即預報降水相對于降水閾值的對應(yīng)關(guān)系應(yīng)等效于實況降水相對于實況閾值的關(guān)系，根據(jù)此映射關(guān)系，可將預報降水、預報閾值和實況降水標準三者之間進行建模，采用線性回歸的方法進行相應(yīng)偏差訂正，最終得到龍巖地區(qū)不同預報時效、不同區(qū)域站點的降水客觀訂正產(chǎn)品。

2 業(yè)務(wù)運用

最優(yōu)百分位降水客觀預報方法于2021年汛期投入業(yè)務(wù)試運行，利用每日8時和20時起報的ECMWF模式細網(wǎng)格的逐小時降水預報產(chǎn)品，根據(jù)1.2的客觀訂正方法，每天兩個時次（6時和16時）提供未來24小時內(nèi)逐6 h、24 h～72 h內(nèi)逐24 h的降水客觀訂正產(chǎn)品。

3 檢驗結(jié)果

3.1 雨量及落區(qū)預報檢驗

受低層850 hPa切變及其南側(cè)強盛西南急流共同影響，2022年3月22至23日龍巖市普降中到大雨，中部、南部出現(xiàn)大范圍暴雨天氣過程，如圖2（a）。據(jù)區(qū)域氣象自動站統(tǒng)計，2022年3月22日8時至23日8時，全市共計99個鄉(xiāng)鎮(zhèn)164個氣象站點24 h累計雨量超過50 mm，19個站點累計雨量超過80 mm，24 h累計雨量以新羅本站99 mm為最大，小時極值以武平桃溪鎮(zhèn)28.1 mm · h-1為最大。

對比各家模式22日8時起報的24 h預報降水空間分布，均對此次降水過程有所體現(xiàn)，其中ECMWF、FJWRF和CMA-GFS三家模式對中南部的預報雨量偏小（實況出現(xiàn)大范圍暴雨），而EC_MOS、CMA-3KM和CMA-GZ模式，對于西北部長汀、連城境內(nèi)雨量預報偏大（預報大雨，局部暴雨，實況中雨）。CMA-SH9對東南部新羅和漳平的大雨預報，與實況相比偏小一個量級；龍巖分位匹配產(chǎn)品對于局部雨量預報偏大，東北部漳平暴雨量級預報偏大，中部局部地區(qū)預報雨量達大暴雨量級，從龍巖市地形分布情況來看，預報的暴雨位置均位于山脈地段，考慮受地形因素影響，歷史觀測數(shù)據(jù)中的降水值較大，導致該地區(qū)閾值較其他地區(qū)偏高。EC_MOS、龍巖分位匹配客觀訂正產(chǎn)品（簡稱分位匹配訂正，下同）、CMA-SH9、CMA-3KM和CMA-GZ模式對于中南部的大范圍大雨到暴雨預報效果較好，與實況雨區(qū)較為一致。因此，從雨量和雨區(qū)落區(qū)分布來看，CMA-SH9模式和分位匹配訂正產(chǎn)品（圖2d、圖2e）對22日雨量（圖2a）的預報效果均要優(yōu)于其余各家模式。

(a)實況；(b)EC_MOS；(c)ECMWF；(d)分位匹配訂正；(e)CMA-SH9；(f)FJWRF；(g)CMA-GFS；(h)CMA-3KM；(i)CMA-GZ

3.2 相關(guān)系數(shù)及均方根誤差檢驗

從圖3泰勒圖可知，22日8時至23日8時，龍巖市境內(nèi)276個區(qū)域自動站24 h累計降水量標準差為20.47 mm，各家模式標準差在9 mm～27 mm之間，以CMA-SH9模式標準差為最大，達27.14 mm，CMA-SH9降水預報強度不一，較為分散。從各家模式預報與實況觀測數(shù)據(jù)的相關(guān)系數(shù)來看（藍色虛線），CMA-GFS、分位匹配訂正產(chǎn)品和CMA-SH9模式預報與觀測之間相關(guān)性較高，相關(guān)系數(shù)分別為0.69、0.55和0.48。EC_MOS、FJ_WRF和CMA-GZ模式與實況的相關(guān)性較差，相關(guān)系數(shù)均低于0.3。另外，從表征預報數(shù)據(jù)與實測數(shù)據(jù)之間偏差程度的均方根誤差rmse（綠色圓弧線）來看，與其他幾家模式相比較，CMA-GFS、分位匹配訂正和CMA-3KM預報產(chǎn)品與實況數(shù)據(jù)的偏差較小。通過上述參量評估，發(fā)現(xiàn)CMA-GFS模式的預報效果最好，分位匹配訂正產(chǎn)品次之，而CMA-SH9模式預報的效果最差。

圖3 各家預報模式泰勒圖分布

3.3 預報指標綜合檢驗

采用短期預報檢驗中常用的重要指標：降水空報率、漏報率、準確率、命中率以及TS評分來檢驗偏差訂正對降水范圍預報的影響。

根據(jù)列聯(lián)表（見表1）可對下列各參數(shù)分別進行計算，計算公式如下：

表1 二分類檢驗列聯(lián)表

其中，pod為預報正確站點數(shù)，fa為空報站點數(shù)，mis為漏報站點數(shù)。

由圖4可知，各家模式對于此次降水過程24 h超過25 mm降水的ts評分（黃色虛線）均超過0.7，其中以龍巖分位匹配訂正產(chǎn)品ts評分為最高，達0.8774。而ECMWF模式預報ts評分最低，僅為0.73。EC_MOS、CMA-SH9、分位匹配訂正產(chǎn)品和FJ_WRF模式與實況之間的偏差值較小，bias值為1.1；ECMWF模式的偏差值最大，達0.76。

從命中率來看，除ECMWF（0.74）和CMA-GFS（0.8）兩家全球模式相對較低，其余各家模式命中率均超過0.9，其中EC-MOS、CMA-SH9、CMA-GZ和CMA-3KM三家模式對大雨及以上量級降水預報命中率達100%。FJ_WRF、CMA-3KM和CMA-GZ的成功率則相對較低（均低于0.85）。各家模式預報成功率均超過0.8，其中ECMWF和CMA-GFS成功率超過0.9，分別達0.98和0.96，位居前兩位；分位匹配訂正產(chǎn)品成功率達0.89，排名第三。從漏報率來看，ECMWF和CMA-GFS位居前兩位，分別達到0.26和0.21，其余各家模式漏報率均低于0.1，其中分位匹配訂正產(chǎn)品漏報率較低，僅為0.02。除ECMWF和CMA-GFS兩家模式預報空報率低于0.1以外，其余各家預報產(chǎn)品空報率均超過0.1，其中以CMA-GZ和CMA-3KM為最大，均達到0.17，而分位匹配訂正產(chǎn)品的空報率達到0.1，在八家模式預報中處于中等水平。

結(jié)合ts評分、命中率和漏報率來看，龍巖分位匹配訂正產(chǎn)品在這次降水過程中的預報效果排名靠前，且ECMWF對上述三類參量預報效果較差，表明龍巖分位匹配訂正產(chǎn)品對于ECMWF模式的訂正效果顯著。同時，ECMWF模式在空報率和成功率方面表現(xiàn)較好，龍巖客觀訂正產(chǎn)品與ECMWF的空報率和成功率相差不大，表明分位匹配訂正產(chǎn)品在保留ECMWF優(yōu)勢的同時，對于ECMWF的系統(tǒng)性偏差作了較好的訂正，具有較好的訂正效果。

黑色虛線代表bias偏差，黃色虛線代表ts評分

3.4 暴雨及以上降水準確率檢驗

從實況與預報降水分布來看（圖1），各家模式對于中南部大雨及以上的降水預報分布大體相似，但對于暴雨及以上（24 h累計雨量超過50 mm）的預報則不盡相同，在落區(qū)和強度上存在差異。因此，對大雨及暴雨預報準確率進行進一步分析，準確率計算公式如式6所示。

由圖5可知，除ECMWF模式對此次降水過程大雨及以上降水的預報準確率低于0.8以外，達0.77，其余各家模式的預報準確率均超過0.8，其中以分位匹配訂正產(chǎn)品和CMA-SH9模式準確率最高，達0.86。各家模式對于大雨及以上降水預報準確率的差異并不顯著。但從暴雨及以上預報準確率來看，各家模式預報準確率則差異明顯加大，其中CAM-SH9、分位匹配訂正產(chǎn)品和CMA-3KM準確率排名前三，分別達0.76、0.73和0.69。CMA-GFS、FJ_WRF和ECMWF排名墊底，準確率分別為0.39、0.45和0.46。ECMWF與分位匹配訂正產(chǎn)品大雨及以上準確率差值0.11，而二者暴雨及以上準確率差值加大（差值達0.22），表明分位匹配訂正產(chǎn)品對ECMWF模式暴雨及以上的大量級降水具有更好的訂正效果。

圖5 不同模式對不同量級降水24小時預報準確率分布圖

4 結(jié)論

本文利用ECMWF模式降水預報資料及區(qū)域自動站降水觀測資料，采用分位匹配技術(shù)對龍巖市境內(nèi)的降水預報進行模式偏差訂正，并對2022年龍巖境內(nèi)一次降水過程進行訂正檢驗，得到以下研究結(jié)論。

（1）從整體雨區(qū)分布情況來看，龍巖分位匹配訂正產(chǎn)品對于ECMWF模式預報的大雨，尤其是暴雨及以上量級降水進行了較好的訂正。相較于其他各家模式，訂正產(chǎn)品對于大雨預報落區(qū)與實況較匹配，雖然該訂正產(chǎn)品對局部地區(qū)預報雨量偏大，但從地形影響分析來看，中部山脈地形有利于降水增強，因此該產(chǎn)品還能進一步體現(xiàn)地形對于降水增幅的影響效果。

（2）從均方根誤差和相關(guān)性來看，此次過程對于24 h大雨及以上量級的降水而言，CMA-GFS模式的預報效果最好，分位匹配訂正產(chǎn)品次之，而CMA-SH9模式預報的效果最差。

（3）從各指標參數(shù)檢驗來看，龍巖分位匹配訂正產(chǎn)品在這次降水過程中大雨及以上量級預報的整體效果排名靠前，未訂正的ECMWF模式產(chǎn)品效果則相對較差，訂正產(chǎn)品對ECMWF產(chǎn)品的系統(tǒng)性偏差取得了較好的訂正效果。

（4）龍巖分位匹配訂正產(chǎn)品在此次降水過程中，隨著預報雨量的增大，分位匹配訂正產(chǎn)品的訂正優(yōu)勢明顯提高，且對于ECMWF模式暴雨及以上量級降水預報準確率的提升尤為明顯。

[1] 孫繼松，陶祖鈺. 強對流天氣分析與預報中的若干基本問題[J]. 氣象，2012，38(2): 164-173.

[2] 蔡薌寧. 2012年9—11月T639、ECMWF及日本模式中期預報性能檢驗[J]. 氣象，2013，39(2): 253-258.

[3] Peng X D, Chen Y Z, Chang J. A novel approach to improve numerical weather prediction skills by using anomaly integration and historical data[J]. Journal of Geophysical Research, 2013, 118(16): 8814-8826.

[4] 符嬌蘭，宗志平，代刊，等. 一種定量降水預報誤差檢驗技術(shù)及其應(yīng)用[J]. 氣象，2014(7): 796-805.

[5] 李澤椿，諶蕓，張芳華，等. 由河南“75·8”特大暴雨引發(fā)的思考[J]. 氣象與環(huán)境科學，2015，38(3): 1-12.

[6] 李澤椿，諶蕓，張夕迪，等. 中央氣象臺暴雨預報業(yè)務(wù)的發(fā)展及思考[J]. 暴雨災(zāi)害，2019，38(5): 407-415.

[7] Hamill T M. Whitaker J S. Probabilistic quantitative precipitation forecasts based on reforecast analogs: theory and application[J]. Monthly Weather Review, 2006, 134(11): 3209-3329.

[8] 李俊，杜鈞，陳超君. 降水偏差訂正的頻率(或面積)匹配方法介紹和分析[J]. 氣象，2014，40(5): 580-588.

[9] Bremnes J B. Improved calibration of precipitation forecasts using ensemble techniques. Part 2: Statistical calibration method[Z]. Oslo: Norwegian Meteorological Institute, 2007.

[10] Maraun D. Bias correction, quantile mapping, and downscaling: revising the inflation issue[J]. Journal of Climate, 2013, 26(6): 2137-2143.

Test and Analysis of a Precipitation Process in Longyan City Based on Quantile Matching Method

Using the hourly precipitation forecast data of European Medium Range Weather Forecast Center from 2019 to 2021 and the observed precipitation data of regional stations in the same period, the model deviation of precipitation forecast in Longyan City, Fujian Province is corrected and analyzed by using quantile matching technology. The results show that the Longyan quantile matching correction product has good correction ability for heavy rain, especially heavy rain and above precipitation, and the effect of terrain on precipitation growth is reflected in the product in combination with the distribution of rain areas, the rate of missing reports, accuracy, hit rate and TS score; the Longyan level matching correction product not only retains the advantages of ECMWF, but also has a significant correction effect on ECMWF mode, and has achieved a good correction effect on its systematic deviation.

quantile matching; deviation correction; short-term heavy precipitation

P426

A

1008-1151(2022)08-0026-04

2022-06-20

曾凡輝（1993－），男，福建龍巖人，福建省龍巖市氣象局助理工程師，從事天氣預報和數(shù)值模擬相關(guān)工作。