確定性預報和集合預報融合降水預報產品應用*

蘇志重 潘 寧 林 青

(1.海峽氣象開放實驗室，福建 廈門 361012； 2.福建省氣象臺，福建 福州 350001)

1 概述

集合預報與確定性預報不同，能夠提供關于預報的不確定性信息，獲取預報集合，改善單一確定性預報的預報技巧[1-3]。經過數十年的發展，集合預報日漸在氣象業務日常工作中發揮越來越重要的作用，集合預報產品在我國各級氣象臺站得到廣泛的應用[4-6]。利用集合預報技術開發定量降水產品能夠改善降水的預報效果，學者已開展了較多的集合預報降水檢驗和解釋應用方法的研究[7-8]。陳博宇等[9]檢驗了2013年汛期ECMWF集合統計量在多地的表現，并設計了概率匹配-融合和融合-概率匹配等釋用方法，對暴雨和大暴雨的降水預報有一定提升；張霞等[10]檢驗了集合預報產品在河南省暴雨預報中的應用，基于檢驗結果，設計了百分比權重集成技術暴雨預報方法；徐姝等[11]針對結合預報融合降水產品的偏差特征，進行基于頻率匹配法的降水偏差訂正，改善了預報結果。在集合預報釋用的方法中，集合統計量融合法得到了發展和應用，其原理是針對不同量級的降水，使用不同分位數或統計量的數值代替。目前福建氣象業務中使用中央氣象臺開發的集合預報融合產品，但中央氣象臺的參數方案是基于全國范圍的統計計算得出的，全國的最優方案并不一定是各個區域的最優方案。當考慮到當地地形、天氣系統、季節變化等不同影響因子時，融合方案也將出現差異。

在日常的預報業務中，能夠獲取全球模式和中尺度區域模式等多種確定性模式的降水預報產品，從以往的研究中可以看出，確定性模式特別是中尺度區域模式由于分辨率較高，在積云對流過程和地表物理過程方面對降水的產生和發展有更為精細的描述，對局地性質的強降水預報有較好的參考價值[12]；但目前各類的融合產品并沒有考慮確定性模式預報產品，因此設計融合方案時應兼顧兩類產品的優勢，將確定性模式預報產品也加入檢驗比較，以獲得最優方案。

福建地處東南沿海、臺灣海峽西岸，各種類型的暴雨頻發，對于該地區的降水預報一直是研究關注的重點，福建氣象部門也一直在探索提升降水預報能力的方法。本文以福建省為研究區域，檢驗歐洲中期天氣預報中心(ECMWF)的降水集合預報統計量以及多種確定性預報降水的預報技巧水平，并根據表現較好的分位數或統計量的計算方法，重新設計融合方案，考察其在降水過程中的表現，為業務預報提供參考。

2 資料與方法

2.1 資料

本文選取2016年4月1日～9月30日00時和12時(UTC)ECMWF集合預報和4種確定性模式的降水預報產品為融合方案建模樣本。

ECMWF集合預報有51個成員，檢驗以下7類共17種降水集合統計量產品：

(1)集合百分位數：集合預報成員數據從小到大排列，按照百分位值所在的位置選取預報值，包括5%分位數、10%分位數、25%分位數、50%分位數、60%分位數、70%分位數、80%分位數、85%分位數、90%分位數、95%分位數等10種產品。

(2)控制預報(ctl)：模式不加擾動的結果，作為集合預報的成員之一。

(3)集合平均(mean)：集合預報所有成員預報值的算術平均。

(4)集合最大(小)值(max,min)：集合預報成員數據按照大小順序排列，取最大(小)值。

(5)集合中位數(med)：將數據按照大小順序排列，取中間值。

(6)集合眾位數(mode)：統計每個格點上集合樣本的概率分布，取格點上出現概率最高的數值作為mode產品。

(7)概率匹配集合平均產品：將集合平均場中各格點數值從大到小排列，并保留各數值在區域中的位置；其次將區域內所有成員的所有預報數值按照大小排列，保留每25個間隔的預報值；最后將第二步保留的序列與第一步的序列匹配，得到概率匹配集合平均產品[9]。

選取的確定性模式降水預報產品包括：ECMWF全球模式的細網格產品(ec_thin)、華東區域中尺度模式(WARMS)產品(shnwp)、美國NCEP的GFS全球模式產品(gfs)以及福建省中尺度數值預報產品(fjwrf)。

在實況降水資料方面，選取2016年4月1日～9月30日福建省國家級站點和區域站點組成的289個福建省智能網格業務預報關鍵點(圖1)的降水資料。采用雙線性插值方法，將確定性預報和ECMWF集合預報模式格點數據插值到站點上，再生成集合統計量產品，用于預報效果檢驗。同時選取2017年4月1日～9月30日上述關鍵點實況資料，檢驗本文降水融合預報產品的預報效果。

圖1 福建省智能網格預報業務預報關鍵點分布

2.2 降水檢驗方法

采用國家氣象中心日常業務使用的雨量劃分標準，將24小時降水量劃分為小雨(0～9.9mm)、中雨(10～24.9mm)、大雨(25～49.9mm)、暴雨(50～99.9mm)、大暴雨(100～249.9mm)和特大暴雨(≥250mm)。計算各降水量級的TS評分。TS評分的計算公式為：

(1)

式中，NA表示降水預報正確的站(次)數，NB表示空報的站(次)數，NC表示漏報的站(次)數。TS越接近1，表示預報效果越好。

2.3 降水融合技術

在不同預報時刻、不同量級降水上采用最優評分集合統計量的疊加產品，即融合產品。具體為：首先在各預報時刻各降水級別內計算參評產品的TS評分，并根據排序確定評分最高的產品為最優產品，以此確定各預報時刻各降水級別各自的最優產品；其次根據前一步得到的信息，在每一個站點上按照降水量級由大到小的順序確定該點的預報最優產品數值是否大于或等于此降水量級最小閾值，如達到條件則該最優產品確定為該點最終的融合預報降水量；如達不到上述條件，則判斷下一量級的最優產品降水量數值是否大于或等于此降水量級最小閾值，以此類推。當上述條件均無法滿足時，確定該點最終融合預報降水量為0mm。

為更好理解上述融合方法，示例如下：在某個預報時刻和預報站點上，(1)如果最優產品的值大于或等于100mm，則融合值等于最優產品A；(2)如果最優產品的值大于或等于50mm，則融合值等于最優產品B；(3)如果最優產品的值大于或等于25mm，則融合值等于最優產品C；(4)如果最優產品的值大于或等于10mm，則融合值等于最優產品D；(5)如果最優產品的值大于或等于10mm，則融合值等于最優產品E；(6)如果上述條件均不滿足，則融合值等于0mm。通過上述方法確定各預報時刻和各個站點的具體降水預報數值。

3 建模分析

福建降水多集中在3～9月[13]，我們將研究焦點集中在該時段。同時為了分析不同季節集合預報的表現，將建模時段劃分春雨季(3～4月)、前汛期(5～6月)和后汛期(7～9月)。如此劃分主要是依據福建省降水的氣候特征，春季時段西南暖濕氣流開始活躍，降水開始明顯增多；前汛期春季環流形勢向夏季形勢過渡，偏南暖濕氣流加強，冷暖氣流對峙在華南地區[14]，呈現降水極端明顯、暴雨集中、降水強度強等特點[15]；后汛期時段降水主要以臺風等熱帶系統影響為主。不同季節和時段的降水特征和性質不同，集合預報和確定性模式預報的降水可能反映出季節差異，因此有必要按照上述時段分別研究。

圖2為建模樣本時段春雨季(3～4月)、前汛期(5～6月)和后汛期(7～9月)的各個確定性預報和集合預報統計量TS，預報時效分別為24小時、48小時和72小時。為了討論方便，將TS最高的統計量定義為最優產品，對應的TS定義為最優TS。

(a)3～4月24小時預報時效；(b)3～4月48小時預報時效；(c)3～4月72小時預報時效；(d)5～6月24小時預報時效；(e)5～6月48小時預報時效；(f)5～6月72小時預報時效；(g)7～9月24小時預報時效；(h)7～9月48小時預報時效；(i)7～9月72小時預報時效

從圖2 可以看出，在春雨季和前汛期，隨著預報量級的提升，TS評分呈現顯著下降的趨勢，而對于后汛期降水而言，卻表現為暴雨和大暴雨以上量級的降水TS評分比中雨和大雨的TS評分高，例如24小時預報時效大暴雨及以上量級的TS評分達到了0.23。對于不同降水量級，最優產品也各不相同，以春雨季24小時預報時效降水為例，小雨、中雨、大雨、暴雨和大暴雨以上量級的最優產品分別對應為10%分位數、ave、90%分位數、95%分位數和shnwp。可以看出，隨著降水量級的增大，最優產品的分位數和統計量產品有向高值靠近的趨勢,而在極端降水方面，特別是大暴雨量級上，確定性預報則有較大優勢，華東區域中尺度模式和ec_thin全球模式24小時時效的大暴雨預報的TS評分優勢明顯，但在48小時和72小時預報時效上，則是集合預報統計量預報較為成功，也反映出了集合預報在較長預報時效上的優勢。

在不同時段，集合預報的最優產品也有不同表現。春雨季的小雨預報TS在所有預報時效都超過了0.4，最高為24小時預報時效，最優TS為0.45；前汛期和后汛期表現較差，TS均低于0.4；在中雨和大雨量級上，春雨季的TS評分也高于前汛期和后汛期。可以看出，由于春雨季的降水強度較前汛期和后汛期偏弱，因此在大范圍的降水落區預報中，春雨季的大雨以下量級TS評分比較容易得到較高TS。在暴雨量級上，前汛期和后汛期的集合預報的最優TS比春雨季更加表現突出，后汛期24小時預報時效的暴雨最優TS達到了0.2，大暴雨及以上量級預報方面，大暴雨的最優TS表現十分突出，達到0.24,甚至超過了暴雨的TS,這是由于后汛期幾次臺風暴雨預報較為穩定所致。在春雨季和前汛期的大暴雨及以上量級的預報上，集合預報統計量均只有個別大分位數和預報極值(max)有一定的得分，且TS偏小，均在0.04以下，而確定性預報的預報效果較好，在0.09。

上述分析表明，在不同時段，集合預報統計量有不同的表現，在春雨季集合預報小雨量級降水預報較好，在后汛期，集合預報對于大暴雨有較好的預報能力。

基于以上分析結果，獲取不同預報時刻不同量級降水上采用最優評分集合統計量的疊加產品，即融合產品，表1所列的各個量級的最優產品定義為其融合值。

表1 各時段各預報時效最優產品

4 融合預報效果檢驗

4.1 統計檢驗

以2017年3～9月福建地區的降水過程為獨立樣本，利用上述融合方案，驗證新的融合產品在福建地區的降水預報效果。圖3為2017年融合產品和確定性數值預報產品不同降水量級TS評分。首先在小雨量級上，除了5～6月48小時預報時效ec_thin模式的TS最高外，融合產品在所有預報時段和預報時效都比確定性預報的TS評分高，顯示出融合產品在這一量級上的優勢。但在中雨量級上則表現相反，除了7～9月24小時時效融合產品TS為最高外，融合產品表現均不如確定性預報產品，這表明中雨量級的融合方案存在較大的波動性。對于大雨量級而言，融合產品在3～4月的表現最好，在所有的預報時效內，TS均為最高；而在5～6月融合產品大雨量級上的TS評分表現較差，均落后于確定性預報；7～9月融合產品的TS評分與最優確定性預報產品TS評分略高，有一定的優勢。在暴雨量級上，3～4月的融合產品優勢明顯，24小時時效的TS達到了0.16， GFS模式產品在確定性預報中表現最好，其TS為0.1，融合產品將產品性能提高了60%。5～6月的融合產品表現不佳，與確定性預報產品有一定差距；7～9月的融合產品與最優確定性預報產品性能相似。在大暴雨方面，融合產品均有一定的表現，但沒有體現出明顯優勢。

從時段的檢驗上來看，融合產品在3～4月的表現最好，除了中雨量級之外，在其他量級上都較確定性預報有一定的性能提升；5～6月融合產品的表現最差，基本上落后最優的確定性預報，融合方案并沒有顯示出優勢；7～9月融合產品TS評分基本與最優確定性預報接近，特別是在24小時時效的大暴雨量級上，融合產品與ec_thin模式TS評分基本相同達到了0.22，均大幅度領先其他確定性預報，可以看出，如果在融合方案的選擇上能夠得到最優產品，那么最后的融合產品基本上不會是最差的選擇，能夠對預報有更好的參考價值。

上述分析表明，新的融合方案能夠產生積極的訂正效果，在3～4月和7～9月的效果更加明顯，特別是在暴雨和大暴雨以上量級方面，短時效(24小時)的訂正能力較為顯著。

(a)3～4月24小時預報時效；(b)3～4月48小時預報時效；(c)3～4月72小時預報時效；(d)5～6月24小時預報時效； (e)5～6月48小時預報時效；(f)5～6月72小時預報時效；(g)7～9月24小時預報時效；(h)7～9月48小時預報時效； (i)7～9月72小時預報時效圖3 2017年融合產品和確定性數值預報產品不同降水量級TS評分

4.2 個例檢驗

受高空槽東移和地面冷空氣的共同影響，2017年4月19日08時～20日08時，福建東部地區出現暴雨，局部大暴雨的降水。從實況上看(圖4a)，福建東部沿海地區到南部沿海為主雨帶，以暴雨量級為主，其中在福州地區出現大暴雨量級的降水，福建西部龍巖地區主要為中雨量級，福建西北部為小到中雨，局部大雨。而從預報來看(圖4b)，融合產品預報出了福建中部到南部的主雨帶，在量級上以暴雨到大暴雨為主，除了福州地區外，在泉州內陸、三明東部、漳州北部也有大暴雨量級的降水，大暴雨的落區較實況明顯偏大。在福建西部龍巖地區與實況較為接近，為中雨量級；在西北部地區，融合產品的降水量級以大雨到暴雨為主，較實況也有所偏大。

圖4 福建2017年4月20日08時24h累計降水實況(a)和融合產品24h時效預報(b)(單位：mm)

2017年第9號臺風“納沙”和第10號臺風“海棠”在不到24小時的時間里先后登陸福建福清，臺風登陸后向西北方向移動，給福建省帶來了強降水。2017年7月31日08時～8月1日08時實況如圖5所示。

圖5 福建2017年8月1日08時24h累計降水實況(a)和融合產品24h時效預報(b)(單位：mm)

從圖5(a)可見，福建中北部沿海出現了大范圍的大暴雨，福建中部和南部沿海出現了暴雨天氣，并有分散性大暴雨。由于臺風登陸后減弱，并沒有給福建西北部帶來多大的降水，該地區以中到大雨為主。從融合產品的預報來看(圖5b)，其在福建的中北部沿海也報出了大暴雨降水，而在中部和南部沿海則為暴雨降水量級，與實況十分接近。融合產品在西北部也為中到大雨的降水量級，但在西部龍巖地區則降水偏大，為暴雨量級。整體上看，對于此次臺風降水，融合產品表現優異，在降水落區和降水量級上與實況十分相似，體現出產品良好的預報效果。

5 結論與討論

通過對ECMWF集合預報統計量和4種確定性預報降水產品的檢驗，利用檢驗后的最優產品設計融合方案，生產融合產品，并對融合產品進行檢驗，得到以下結論。

(1)在3～4月和5～6月隨著預報量級的提升，TS評分呈現顯著下降的趨勢；在春雨季集合預報小雨量級降水預報較好，在后汛期，集合預報對大暴雨有較好的預報能力。隨著預報時效的延長，各量級降水TS有所下降。

(2)融合產品在3～4月的表現最好，在較確定性預報有一定的性能提升；5～6月融合產品的表現最差，融合方案并沒有顯示出優勢；7～9月融合產品TS評分基本與最優確定性預報接近。

(3)對兩次大暴雨過程的檢驗表明，融合產品在極端降水的落區分布接近實況，體現良好預報效果，但仍存在大暴雨落區范圍偏大、龍巖地區降水偏大等差異。

可以看出，雖然在統計檢驗階段能夠得到最優產品，并且最優產品在實際預報業務中也體現出一定優勢，但在特定時段仍表現出不穩定的特點，在較長的預報時效內，預報能力也明顯下降。因此如何根據不同降水系統、季節變化、區域特征等因素選擇合適的融合方案，以全面提高降水預報能力，仍是值得研究的問題。