三種數值模式對長江上游面雨量預報能力的評估

向永龍　鄔昀　孫士型　范元月　饒傳新（ 宜昌市氣象局，宜昌 44300； 湖北省氣象信息與技術保障中心，武漢 430079）

?

三種數值模式對長江上游面雨量預報能力的評估

向永龍1鄔昀2孫士型1范元月1饒傳新1
（1 宜昌市氣象局，宜昌 44300；2 湖北省氣象信息與技術保障中心，武漢 430079）

提要：利用2007—2008年長江上游逐日面雨量實況和中國T213、日本JMH、德國GER三種數值模式降水預報格點資料，采用TS評分方法，檢驗三種數值模式對長江上游面雨量≥20mm強降水的預報能力。檢驗結果顯示，日本JMH模式12～36h預報評分達38.5%；中國T213模式為28.2%；德國GER模式為26.9%。并且在對降水落區進行定性評估的基礎上，建立了降水預報產品與流域面雨量實況的線性回歸方程。

關鍵詞：長江上游， 面雨量 ，數值預報

第一作者：向永龍（1957—），Email:1093006787@qq.com

Evaluation of Three Forecasting Models to Area Rainfall Prediction in Upstream of Yangtze River

Xiang Yonglong1,Wu Yun2,Sun Shixing1,Fan Yuanyue1,Rao Chuanxin1
(1 Yichang Meteorological Office of Hubei Province,Yichang 4430002 Hubei Meteorological Information and Technical Support Center,Wuhan 430079)

Abstrat:Using the daily area rainfall of observation and three forecasting models in the upper reaches of the Yangtze River from 2007 to 2008,based on TS scoring methods,the capability is inspected of the models to heavy prediction over the upper reaches of the Yangtze River.Test results show that the three models are of different precipitation forecasting capacity:the score of Japan's JMH Model is 38.5%; the score of China's T213 model is 28.2%; the score of Germany GER model is 26.9%.Based on the qualitative assessment of precipitation area,a linear regression equation is established for precipitation forecast products and the precipitation.

Keywords:upstream of Yangtze River,area rainfall,forecasting models

0　引言

長江上游是指宜昌南津關以上的廣大地區，流域面積約100萬km2，多年平均徑流量4510億m3，年平均徑流深約1000mm，平均徑流系數為0.51。若按其水文分區，則可劃分為金沙江、岷沱江、嘉陵江和烏江四大流域，其中宜賓至宜昌統稱為長江上游干流。為便于統計和預報分區，又將其劃分為宜賓至重慶、重慶至萬州、萬州至宜昌三個區段。

統計表明，金沙江流域來水量占宜昌徑流量的33%，岷沱江為22%，屏山—宜昌區間和嘉陵江各占16.4%和15.6%，烏江為11%。因此，長江上游流域降水是三峽水庫入庫流量的主要來源。三峽水庫作為長江中下游防洪的關鍵性水庫，長江上游流域面雨量預報是水庫防洪、運行調度的重要依據。其長江上游面雨量預報技術也越來越受到廣泛重視，其中：李才媛等采用統計模型方法建立了長江上游短期強降水預報系統[1]，陳靜應用動態相似方法制作長江上游逐日降水量預報[2]，李才媛等應用灰色預測模型預報長江上游流域面雨量[3-4]。但更多是應用數值模式產品與專業人員人工訂正相結合的方法制作長江上游面雨量預報。目前，各種數值模式描述的物理過程和前后處理、參數化方案及時空分辨率各不相同，因而預報性能各有差異。為提高流域面雨量預報準確率，發揮氣象預報在水庫運行調度中的作用，有必要對數值模式降水產品的預報能力進行評估，進而研究多模式綜合集成預報方法[5-6]。

1　資料來源和方法

1.1資料來源

雨量實況來自于長江上游流域內已建的各個氣象站點當日08—次日08時（北京時，下同）的日雨量資料，日面雨量取各站點日雨量的算術平均值。

數值模式降水預報產品則取自于MICAPS格點資料中的第四類數據，以前一日20時為初時場。德國GER、JMH產品采用前一日20時的12h雨量預報，由YYMMDD20.024+ YYMMDD20.036計算出未來24h雨量預報值；T213采用前一日20時的3h雨量預報：YYMMDD20.015+ YYMMDD20.018+ YYMMDD20.021+ YYMMDD20.024+ YYMMDD20.027+ YYMMDD20.030+ YYMMDD20.033+ YYMMDD20.036，得到未來24h雨量。當部分時次預報結果原始資料缺失時，采用前一日08時（+12）資料代替。

中國T213中期數值天氣預報模式水平網格距1.0°×1.0°；德國GER中期數值預報模式水平網格距為1.5°×1.5°；日本JMH中期數值預報模式水平網格距為1.25°×1.25°。

數值模式流域面雨量采用FORTRAN語言進行計算，調用該程序后在輸入初始時刻的對話框中，輸入前一日20時（例如輸入08062420表示08年6月24日20時初始場計算出25日08時—26日08時面雨量），再由流域內各格點降水預報值的算術平均值，計算出長江上游流域6個分區的24h面雨量[7-8]。

1.2資料處理方法

設流域面雨量實況為y，數值模式降水預報產品為x。計算兩組數據間的相關系數r：

設有n種預報方法，對其預報對象得出預報結論為{yi}（i＝1，2，…，n），利用n個歷史樣本，按最小二乘法得到線性回歸集成預報為：

其中b0為預報對象的平均值，bi反映了預報因子的相對重要性及它們的相互關系。

2　降水檢驗

2.1TS評分

針對長江上游面雨量≥20mm的強降水，分別檢驗T213、JMH和GER數值模式的定性預報能力。只有當數值模式預報值和面雨量實況同時≥20mm，則評為正確；當數值模式預報值＜20mm，而面雨量實況≥20mm，則評為漏報；當數值模式預報值≥20mm，而面雨量實況＜20mm，則評為空報。然后分流域評定其TS評分、偏差（B）、空報率（KO）、漏報率（LO）和預報效率（EH）。

TS評分：TS=NA/（NA+NB+NC），

偏差：B=（NA+NB）/（NA+NC），

漏報率：LO=NC/（NA+NC），

空報率：KO=NB/（NA+NB），

預報效率：EH=（NA+ND）/（NA+NB+NC+ND），上式中，NA代表模式預報正確的次數；NB代表模式空報的次數；NC代表漏報次數；ND代表除預報正確、空報和漏報以外的樣本數。

表1　三種數值模式對2007—2008年長江上游各分區強降水的定性預報能力Table 1　Qualitative forecasting ability of three kinds of numerical models for heavy rainfall in the upper reaches of the Yangtze River during 2007-2008

表1已經給出了三種數值模式降水預報產品的TS評分結果。對表1檢驗結果進行比較，三種數值模式產品對全流域強降水預報的面雨量正確率有一定差別，其中，JMH模式預報效果較好，為38.5%；T213模式次之，為28.2%；GER模式效果最差，為26.9%。從流域分區TS評分結果分析看，三種模式產品預報能力也不盡相同。JMH模式對嘉陵江、烏江流域、宜賓—重慶段和重慶—萬州段的預報能力明顯優于T213和GER模式；而T213模式對萬州—宜昌段強降水的預報能力優于其他兩種，但它對宜賓—重慶段強降水的預報能力最低。

對三種數值模式的漏報率進行統計，T213和GER對長江上游強降水的漏報率較高，分別為58.6%和62.9%；而JMH的漏報率較低，為47.9%，特別是對烏江和宜賓－重慶段強降水的漏報率僅為20%左右，說明JMH模式對烏江和宜賓—重慶段強降水有較好的預報能力。

統計三種數值模式的空報率，T213和GER對長江上游強降水的空報率較高，分別為53.2%和51.0%；JMH的空報率較低，為40.3%。三種模式對各分區強降水的表現各不相同，特別是JMH和GER模式對烏江強降水的空報率較低，僅為15%左右。當這兩種數值模式同時預報烏江流域和長上干有強降水時，其可信度在60%左右。

2.2總體相關性檢驗和單模式產品線性回歸

TS評分僅僅對長江上游面雨量≥20mm強降水的預報能力進行了檢驗，若評估這三種數值模式對一般降水的預報能力，還需進一步了解預報和實況間的相關性。檢驗中，采取不區分流域以增加樣本數，將各流域分區的面雨量實況值與數值模式預報的降水量進行合并統計，分別計算得出三種數值模式降水預報值與降水實況值的相關系數。統計表明：JMH模式降水預報值與面雨量實況值相關性最高，其相關系數為0.4881；T213模式降水預報值與面雨量實況值的相關性次之，其相關系數為0.3394；GER模式降水預報值與面雨量實況值的相關性較低，其相關系數為0.3215。以上三種模式其相關系數均大于0.3，有一定的可信度。

為提高預報準確率，根據公式（2），建立T213、JMH、GER三種數值模式降水預報值（X）和面雨量實況值（Y）之間的線性回歸方程進行檢驗，其回歸方程為：

T213模式：Y=0.3075X+8.17，

JMH模式：Y=0.6078X+4.48，

GER模式：Y=0.3552X+8.55。

上述線性回歸方程，已通過276個樣本的訂正檢驗，實際效果較好。在使用中，只需將三種數值模式面雨量預報值代入相應方程計算，即可投入業務應用，以提高預報準確率。

2.3分區相關性檢驗和多元線性回歸

比較降水實況和數值模式降水產品的相關性，可將流域內分區面雨量按升序排列，其分布曲線呈指數曲線，三種數值模式曲線分布仍呈上升趨勢，但其擬合狀況并不理想（圖略）。

檢驗三種數值模式產品與降水實況間的相關系數表明（表2）：JMH模式與實況的相關性最好，平均達0.599，但分區域時差別較大：烏江流域相關性為0.849，嘉陵江流域為0.770，重慶至萬州段為0.250。GER模式與實況的相關性次之，平均為0.414；四川盆地、烏江和長上干的相關系數為0.5左右，而三峽區間相關系數最低，重慶—萬州段的相關性最差，為0.051，基本沒有什么參考價值。相對于其他兩種模式，T213模式與實況的相關性較差，平均為0.322，四川盆地的相關系數在0.450左右，但宜賓—重慶段的相關系數僅為0.005，價植不大。

表2　長江上游分區面雨量實況與三種數值模式降水預報值的相關系數Table 2　The correlation between the rainfall data in the upper reaches of the Yangtze River and the precipitation forecast values of three kinds of numerical models

工作中，為充分發揮三種數值模式的綜合效力，可令流域面雨量預報值為（y），則岷沱江流域面雨量預報值為y1；嘉陵江流域為y2；烏江流域為y3；宜賓至重慶段為y4；重慶至萬州段為y5；萬州至宜昌段為y6。則令前一天20時為初始場的T213模式12～36h的面雨量產品為x1；JMH模式12～36h面雨量產品為x2；GER模式12～36h的面雨量預報產品為x3。然后將歷史樣本依次代入方程進行回歸計算，得出多元回歸方程，見表3。

表3　T213、JMH和GER三種數值模式對長江上游流域面雨量的線性回歸Table 3　The linear regression equation of three kinds of numerical models to the rainfall in the upper reaches of the Yangtze River

3　應用多模式綜合集成與人工訂正方法開展面雨量預報效果

統計2007年汛期（5—9月）共發布長江上游面雨量預報153份（次），實際長江上游六大流域（區間）出現1個或1個以上預報區域（區段）日面雨量（08—次日08時）≥20mm的強降水共38次，除2007 年7月23和28日強降水預報位置有偏差，9月16日烏江、宜賓至重慶段強降水預報量級與實況有出入外，其余35次均提前24h報出，其中9次強降水預報量級較實況略偏小，2次略偏大，24次降水落區、量級預報與實況基本相符。面雨量預報準確率為56.8%（預報準確率＝正確次數/（預報次數+漏報次數））。統計2008年汛期（5—9月）共發布長江上游面雨量預報153份（次），實際長江上游流域出現1個或1個以上預報區域（區段）日面雨量（08—次日08時）≥20mm的強降水共24次，面雨量預報準確率為51.1%。表4是2007年汛期長江上游流域面雨量部分落區、量級預報與實況。

表4　2007年5—9月長江上游部分時段面雨量預報效果檢驗（單位：mm）Table 4　May-September monthly rainfall forecast over the upper reaches of the Yangtze River in 2007(unit:mm)

4　結論

1）采用TS評分方法，用T213、JMH、GER三種數值模式對長江上游面雨量預報能力進行評估：JMH模式預報效果為38.5%；T213模式為28.2%；GER模式為26.9%。

2）檢驗三種數值模式預報產品與流域分區降水實況間的相關系數表明：JMH模式與實況相關性最好，平均達0.599；GER模式次之，為0.414；T213模式較差，為0.322。盡管三種模式對流域分區的相關性表現不同，差別很大，但只要區別對待，仍具有一定借鑒意義。

3）三種數值模式對長江上游流域暴雨落區的分布形態、中心位置和強度預報有一定參考價值。實際工作中，如果專業技術人員通過對其預報結果進行綜合評估，并根據天氣形勢的變化進行人工訂正，對提高長江上游流域面雨量預報準確率會大有幫助。

參考文獻

[1]李才媛,王仁喬,王麗,等.長江上游流域短期強降水面雨量預報系統.氣象,2003,29(3):34-37.

[2]陳靜.動態相似方法在長江上游逐日降水預報中的應用.氣象,2000,26(6):40-47.

[3]李才媛,顧永剛.灰色預測模型在長江上游流域面雨量預報中的應用.氣象科技,2003,31(4):223-230.

[4]王麗,王仁喬,金琪.應用綜合統計方法預報長江上游短期強降水面雨量.氣象,2003,29(3):23-26.

[5]羅劍琴,孫士型,陳少平,等.長江上游流域數值預報產品評價分析.暴雨災害,2007,26(3):246-250.

[6]何光碧,陳靜,肖玉華,等.AREM數值模式對2005年汛期四川的降水預報.氣象,2006,32(7):64-71.

[7]鄔昀,陳海山.基于數值模式產品的三峽庫區水量預報初步研究.南京:南京信息工程大學,2011.

[8]孫士型,范元月,張小培,等.三種數值模式對長江上游面雨量預報能力評估//湖北省氣象學會.湖北省氣象學會學術年會學術論文詳細文摘匯集.武漢:湖北省氣象學會,2008.

通信作者：鄔昀（1983—）Email:23481324@qq.com

收稿日期：2015年10月14日；修回日期：2016年1月20日

DOI：10.3969/j.issn.2095-1973.2016.01.009