2020年貴州特重級秋綿雨的氣候預測智能推薦評估

(白慧,張東海,李浪,任曼琳 .貴州省山地環境氣候研究所 .貴州省氣候中心)

1 秋綿雨定義

秋綿雨定義：根據《貴州省短期氣候預測技術》，定義每年秋季(9—11月)，日降水量≥0.1mm且持續時間在5 d及以上的時段(其中從第6 d起允許有間隔1 d無降水)，稱為秋綿雨過程，簡稱秋綿雨。單站持續時間5～10 d為輕級，持續時間11～15 d為中級，持續時間16～20 d為重級，持續時間超過20 d為特重級。

2 2020年秋綿雨特征

2.1 降水實況

2020年秋季貴州降水總體偏多，尤其在省之中部以東、以南地區。如圖1，從9月上旬開始直到10月上旬日降水站數占比達50%及以上，特別在9月上旬至中旬期間降水較為集中、強度較大，期間主要有3次秋季區域性暴雨過程的貢獻(9月6日、11日、14—17日)，至10月上旬累積降水量占秋季降水量的比例達80%。總體上，2020年秋季貴州降水量偏多、9月多區域性暴雨，主要降水集中期出現在9月上旬至10月上旬，多全省性降水，降水中心位于省之中部以東、以南地區。

圖1 2020年秋季貴州省逐日平均降水量占比、累積降水量占比和降雨站數占比序列(單位：%)

2.2 秋綿雨監測

如圖2a，2020年秋季貴州各站點日降水量≥0.1 mm的降水日數占比除省之南部一線外，全省大部分地區達50%及以上，呈北多南少的分布型，尤其在畢節中東部地區、遵義西部和中部及以南地區、銅仁東南部和凱里東北部地區的降水日數占比達60%以上。如圖2b，2020年秋季貴州各站點出現秋綿雨過程的累積日數占比與日降水量≥0.1 mm的降水日數占比的分布型一致，不同之處在于除南部一線外，全省大部地區的占比在30%及以上，同樣在中部及以北部分地區為大值區域，占比達50%以上。如圖2c，全省30%及以上的站點同時發生秋綿雨過程的時段主要出現在9月5日—10月9日、10月14—21日、10月28日—11月5日和11月22—28日，其中9月5日—10月9日的時段持續時間最長、影響范圍最廣，達特重級秋綿雨強度，有28 d(9月10日—10月7日)的秋綿雨過程站數比維持在60%以上，最高達100%。表明2020年貴州省秋綿雨過程的持續時間之長、影響范圍之廣，尤其在省之中部及以北以東地區。

2.3 特重級秋綿雨特征

2020年貴州出現了異常強的秋綿雨，從區域性角度考慮，期間28 d有60%及以上站點同時發生秋綿雨過程(9月10日—10月7日)，為1981年以來之最。歷年秋綿雨站數比大概維持在80%～90%之間波動，約80%左右的年份出現輕—中級秋綿雨過程的站數達60%以上，約40%左右的年份出現輕—中級秋綿雨過程的站數達80%以上。但2020年出現輕—中級秋綿雨過程的站數比僅為20%、特重級秋綿雨的站數比達59%，僅次于1964年特重級秋綿雨的站數比(68%)。如圖3，2020年秋季貴州特重級秋綿雨出現的區域主要位于省之中部一線以及西南部、東南部地區，出現的開始日期除西南部和東部部分地區在9月中旬外，其余大部分地區主要集中出現在9月上旬。

圖2 2020年秋季貴州省降水日數占比(a)、秋綿雨過程累積日數占比的空間分布(b)和逐日降雨站數、秋綿雨過程站數比例(c)(單位：%)

圖3 2020年貴州省特重級秋綿雨過程及秋綿雨過程開始日期空間分布

3 氣候預測智能推薦評估

3.1 氣候預測智能推薦結果

智能推薦是氣候預測智能推薦系統的核心之一，主要是針對氣象要素和氣候事件等預測對象運用客觀化預測結果的基礎上，選取指定時段(前期或同期)從Ps、Acc評分、預測誤差以及穩定度等方面進行評估，得到相對穩定且效果較好的預測結果。

通過上述分析，本文選取2020年秋綿雨最為嚴重的9月降水異常量作為預測對象，客觀預測方法選用同期環流場(風場UV、位勢高度場H500、海平面氣壓場SLP、對流場OLR等，空間范圍為0°～180°E、0°～90°N)對降水EOF主模態重構方法，評分方法綜合考慮Ps和Acc評分方法，即推薦指數RI=0.2×Ps+0.1×(100×Acc)。如表1，從EOF重構方法預測的推薦結果來看，采用V850、U850、UV850以及SLP等同期環流場要素作為預測因子的預測效果較好，在前10名的推薦結果中，最優智能推薦預測結果采用的預測因子為V850， U850次之，隨后是SLP和UV850。

表1 2020年9月降水預測智能推薦結果

3.2 氣候預測智能推薦的可預報性

如圖4，采用上述EOF重構客觀預測方法對2020年9月貴州降水最優預測推薦結果的預測因子為同期V850緯向變化場所有格點因子，最優預測推薦結果對于實況降水異常趨勢把握較好(Pc為94%)，尤其對實況降水異常分布型把握較好(Acc評分為0.46)，二者均為全省一致偏多，尤其在省之中部以東以南地區。不過最優預測推薦結果對于降水異常級的把握偏小(0～20%)，而實況降水距平百分率在大部分地區均超過50%。根據氣候預測業務評分考核中采用的Ps評分方法，Ps評分由降水異常的趨勢項(0～20%)、一級異常項(20%～50%)和二級異常項(≥50%)構成，由于此次最優預測推薦結果在降水異常級上的把握不足，導致Ps失分主要出現在一級異常項和二級異常項，最后得分為78分。在實際氣候預測業務中，預報員會綜合考慮多種客觀預測結果以及前期氣候異常特征，加以主觀訂正后形成最終預報意見，此次氣候預測智能推薦結果作為最優客觀算法推薦可為預報員提供科學、客觀的預報依據和借鑒，在把握住降水異常趨勢項的基礎上，若將其降水異常趨勢項提升二級異常，那么Ps評分將由78分提升至98.8分。

圖4 2020年9月氣候預測最優智能推薦結果(a)和實況降水距平百分率(b)(單位：%)