多模式融合的廣東網(wǎng)格定量降水預(yù)報(bào)方法的研發(fā)與評(píng)估*

羅 聰 張華龍 曾 沁 胡 勝，3 吳乃庚，3 陳炳洪，4 時(shí) 洋 黃曉瑩 唐思瑜

1 廣東省氣象臺(tái)，廣州 510080 2 國(guó)家氣象信息中心，北京 100081 3 中國(guó)氣象局廣州熱帶海洋氣象研究所，廣州 510080 4 廣州市氣象臺(tái)，廣州 511430

提 要：基于ECMWF全球集合預(yù)報(bào)、華南區(qū)域GRAPES中尺度模式及短時(shí)臨近預(yù)報(bào)模式，對(duì)不同模式降水預(yù)報(bào)在廣東氣候背景下的應(yīng)用效果進(jìn)行分析，發(fā)展耦合多種方法的客觀釋用產(chǎn)品，實(shí)現(xiàn)多尺度模式的融合應(yīng)用。通過個(gè)例和批量檢驗(yàn)，結(jié)果表明：多尺度模式融合是一個(gè)有發(fā)展前景的模式客觀釋用技術(shù)，利用頻率匹配和最優(yōu)百分位方法發(fā)揮集合預(yù)報(bào)解釋在天氣尺度的應(yīng)用優(yōu)勢(shì)，并基于本地化分型檢驗(yàn)建立了強(qiáng)降水空間訂正和晴雨消空訂正方法，進(jìn)一步優(yōu)化了特定天氣場(chǎng)景下降水空間分布和強(qiáng)度的預(yù)報(bào)，利用中尺度模式對(duì)日變化特征描述的優(yōu)勢(shì)，進(jìn)行時(shí)間降尺度，一定程度上提高了逐時(shí)降水預(yù)報(bào)能力；考慮不同訂正方法的相互依賴和影響，確立了“頻率匹配-最優(yōu)百分位-強(qiáng)降水空間訂正-晴雨消空訂正-時(shí)間協(xié)調(diào)一致”的廣東網(wǎng)格定量降水釋用流程，實(shí)現(xiàn)了多種不同技術(shù)的耦合集成，形成優(yōu)勢(shì)互補(bǔ)，提升了廣東降水客觀預(yù)報(bào)的準(zhǔn)確性。

引 言

華南地處我國(guó)最南端，每年汛期開始早、結(jié)束晚，暴雨頻發(fā)、持續(xù)時(shí)間長(zhǎng)，且暴雨類型多：如鋒面暴雨、暖區(qū)暴雨、臺(tái)風(fēng)暴雨等，成因復(fù)雜，是氣象學(xué)者的研究熱點(diǎn)。我國(guó)先后開展了華南前汛期暴雨試驗(yàn)、華南暴雨科學(xué)試驗(yàn)(HUAMEX)、中國(guó)南方暴雨野外科學(xué)試驗(yàn)(SCHeREX)，南海季風(fēng)降水試驗(yàn)(SCRMEX)等外場(chǎng)加密觀測(cè)科學(xué)試驗(yàn)，對(duì)產(chǎn)生華南暴雨的多尺度作用機(jī)理進(jìn)行了深入研究，并形成一系列的暴雨監(jiān)測(cè)和預(yù)報(bào)理論(倪允琪等，2006；Luo et al, 2017；2020)。

過去幾十年，隨著天氣理論研究的不斷深入，數(shù)值天氣預(yù)報(bào)模式也得到了迅速的發(fā)展，基于數(shù)值模式開展降水的客觀釋用也取得了明顯的效果。由于大氣的內(nèi)在可預(yù)報(bào)性和數(shù)值天氣預(yù)報(bào)的初始場(chǎng)誤差以及模式動(dòng)力框架、物理過程、數(shù)值方法等的不完美，單一的確定性數(shù)值預(yù)報(bào)對(duì)降水的預(yù)報(bào)通常存在較大的不確定性。20世紀(jì)末，集合預(yù)報(bào)得到發(fā)展，集合預(yù)報(bào)產(chǎn)品開始逐步在業(yè)務(wù)預(yù)報(bào)中發(fā)揮重要的作用。前人研究結(jié)果表明，利用集合預(yù)報(bào)能一定程度上反映數(shù)值模式預(yù)報(bào)的不確定性，開展集合預(yù)報(bào)的釋用可以提升數(shù)值模式對(duì)極端天氣的預(yù)報(bào)能力(劉琳等，2013；陳靜等，2005；董全等，2017)。代刊等(2016；2018)總結(jié)了最優(yōu)百分位、概率匹配平均等一系列集合預(yù)報(bào)定量釋用方法在業(yè)務(wù)中的應(yīng)用，張華龍等(2017)針對(duì)廣東開展了ECMWF集合預(yù)報(bào)的百分位統(tǒng)計(jì)訂正，取得了優(yōu)于確定性預(yù)報(bào)的效果，江崟等(2019)發(fā)展了基于頻率匹配的對(duì)流尺度集合預(yù)報(bào)降水訂正技術(shù)，智協(xié)飛和呂游(2019)、智協(xié)飛和趙忱(2020)利用頻率匹配方法開展降水多模式預(yù)報(bào)訂正，有效減小了降水量預(yù)報(bào)的誤差，且訂正后各量級(jí)降水的雨區(qū)面積與實(shí)況更加接近。集合預(yù)報(bào)已經(jīng)成為預(yù)報(bào)員在中短期天氣預(yù)報(bào)中的重要支撐，在業(yè)務(wù)上得到了廣泛的應(yīng)用(楊學(xué)勝，2001；杜鈞和康志明，2014；羅玲等，2019；陳圣劼等，2019)。

以往研究多圍繞單一集合預(yù)報(bào)開展，大多集中在提升日累積雨量預(yù)報(bào)準(zhǔn)確率，發(fā)展了多種行之有效的訂正技術(shù)。廣東降水頻繁且影響系統(tǒng)復(fù)雜，很難有一種客觀方法適用于所有降水過程。如何實(shí)現(xiàn)不同釋用技術(shù)的關(guān)聯(lián)集成，形成優(yōu)勢(shì)互補(bǔ)，值得探討。隨行定位的精細(xì)服務(wù)不斷發(fā)展，如何響應(yīng)降水日變化特征，給出逐時(shí)預(yù)報(bào)，值得研究。因此，綜合使用多尺度模式(全球與區(qū)域、集合預(yù)報(bào)與確定性預(yù)報(bào)模式)、發(fā)展有針對(duì)性的客觀訂正方法、建立一個(gè)耦合多種方法的釋用流程，實(shí)現(xiàn)多尺度模式集成和集合預(yù)報(bào)應(yīng)用技術(shù)會(huì)是天氣預(yù)報(bào)業(yè)務(wù)技術(shù)發(fā)展的一個(gè)重點(diǎn)方向。

本文基于ECMWF集合預(yù)報(bào)與華南GRAPES模式(包括華南區(qū)域中尺度模式GRAPES_GZ 3 km與華南區(qū)域短時(shí)臨近預(yù)報(bào)系統(tǒng)GRAPES_GZ_R 3 km)定量降水預(yù)報(bào)數(shù)據(jù)，利用頻率匹配、最優(yōu)百分位融合、強(qiáng)降水空間訂正、晴雨消空訂正等技術(shù)，實(shí)現(xiàn)基于多數(shù)值模式預(yù)報(bào)的優(yōu)選融合預(yù)報(bào)，并利用要素時(shí)間降尺度實(shí)現(xiàn)不同時(shí)效(24 h、3 h、1 h)降水量預(yù)報(bào)的協(xié)調(diào)一致。

1 數(shù)據(jù)來源和方法

1.1 數(shù)據(jù)來源

(1)ECMWF集合預(yù)報(bào)：2013—2019年，歐洲中心集合預(yù)報(bào)產(chǎn)品，包含51個(gè)預(yù)報(bào)成員，水平網(wǎng)格距為0.5°，提供240 h預(yù)報(bào)，時(shí)間分辨率為6 h。

(2)華南GRAPES區(qū)域模式：包括華南中尺度模式GRAPES_GZ 3 km和短時(shí)臨近模式GRAPES_GZ_R 3 km，其中GRAPES_GZ 3 km每天運(yùn)行兩次，提供96 h預(yù)報(bào)，水平網(wǎng)格距為0.03°，時(shí)間分辨率為1 h，資料時(shí)長(zhǎng)為2018—2019年；GRAPES_GZ_R 3 km 逐時(shí)循環(huán)更新，提供24 h預(yù)報(bào)，水平網(wǎng)格距為0.03°，時(shí)間分辨率為1 h，資料時(shí)長(zhǎng)為2018—2019年，每年4月1日至9月30日。

(3)實(shí)況資料：2013—2019年，廣東省86個(gè)國(guó)家級(jí)自動(dòng)氣象站和經(jīng)中國(guó)氣象局認(rèn)定的371個(gè)區(qū)域自動(dòng)站逐時(shí)和日降水?dāng)?shù)據(jù)。

(4)網(wǎng)格指導(dǎo)預(yù)報(bào)(SCMOC)：2019年6—9月，國(guó)家氣象中心網(wǎng)格定量降水預(yù)報(bào)產(chǎn)品，水平網(wǎng)格距為0.05°，時(shí)間分辨率為1 h，本文所用的指導(dǎo)預(yù)報(bào)為每日20時(shí)(北京時(shí)，下同)起報(bào)的24 h預(yù)報(bào)。

上述2013—2018年的資料用于建模，2019年6—9月的資料用于檢驗(yàn)。為實(shí)現(xiàn)技術(shù)成果在廣東的業(yè)務(wù)應(yīng)用，采用雙線性插值方法將不同來源的數(shù)據(jù)統(tǒng)一到0.025°的網(wǎng)格再進(jìn)行計(jì)算，最終的釋用產(chǎn)品預(yù)報(bào)范圍為20°～25.7°N、109.4°～118°E(與廣東業(yè)務(wù)化的網(wǎng)格預(yù)報(bào)區(qū)域范圍完全一致)，時(shí)間分辨率為1 h。

基于以上資料，利用頻率匹配和最優(yōu)百分位方法發(fā)揮集合預(yù)報(bào)解釋應(yīng)用在天氣尺度的優(yōu)勢(shì)，同時(shí)針對(duì)晴雨和強(qiáng)降水等具體場(chǎng)景進(jìn)行空間和強(qiáng)度做進(jìn)一步訂正，然后利用中尺度模式在日變化等方面的特征進(jìn)行時(shí)間降尺度應(yīng)用，形成耦合多種方法的釋用產(chǎn)品(GQPF)。總體的技術(shù)框架如圖1。

圖1 技術(shù)框架

1.2 頻率匹配

頻率匹配法是實(shí)現(xiàn)對(duì)集合成員降水頻率訂正至與實(shí)況降水頻率一致的方法，主要思路是統(tǒng)計(jì)一系列降水閾值以上的預(yù)報(bào)頻率與實(shí)況頻率的累積概率密度，并把有偏差的預(yù)報(bào)頻率調(diào)整至與實(shí)況頻率一致，從而訂正降水偏差(Ebert，2001；Zhu and Luo，2015；李俊等，2015)。降水頻率的計(jì)算方法如下：

(1)

式中：k表示不同的降水閾值，F(xiàn)k為降水閾值k所對(duì)應(yīng)的頻率；A為樣本總量，Bk為超過降水閾值k的樣本出現(xiàn)頻次。根據(jù)式(1)計(jì)算2013—2018年6—9月廣東省區(qū)域自動(dòng)站觀測(cè)24 h累積降水量實(shí)況的累積概率分布曲線，以及集合預(yù)報(bào)在廣東區(qū)域內(nèi)所有格點(diǎn)與所有成員預(yù)報(bào)24 h累積降水量的累積概率分布曲線(圖2)，可見實(shí)況與預(yù)報(bào)在降水量級(jí)譜兩端存在著明顯的概率分布差異：對(duì)于日降水量15 mm 以下，預(yù)報(bào)樣本頻率顯著高于觀測(cè)，而對(duì)于日降水量15 mm以上則預(yù)報(bào)樣本頻率低于實(shí)況出現(xiàn)頻率，表明集合預(yù)報(bào)系統(tǒng)存在小雨預(yù)報(bào)頻率偏高，大雨預(yù)報(bào)頻率偏低的偏差特征。

圖2 ECMWF集合預(yù)報(bào)24～48 h累積降水量預(yù)報(bào)、實(shí)況與頻率匹配訂正的概率密度分布曲線

根據(jù)上述頻率統(tǒng)計(jì)特征，以訂正24 h累積降水量預(yù)報(bào)使其概率分布曲線與觀測(cè)一致為目標(biāo)，構(gòu)建訂正方程：對(duì)于每一累積概率密度，由于其對(duì)應(yīng)的預(yù)報(bào)降水量和觀測(cè)降水量具有一定的偏差，而訂正量即是上述二者的差，因此可通過擬合不同的預(yù)報(bào)降水量與對(duì)應(yīng)訂正量之間的關(guān)系，構(gòu)建訂正函數(shù)：

D(x)=F[N(x)]-x

(2)

式中：x為模式預(yù)報(bào)降水量，D(x)為與預(yù)報(bào)降水量有關(guān)的降水訂正函數(shù)，N(x)為預(yù)報(bào)樣本頻率的擬合函數(shù)；F(y)為觀測(cè)樣本頻率擬合函數(shù)的反函數(shù)，即與預(yù)報(bào)降水量x所對(duì)應(yīng)的樣本頻率y相同頻率的觀測(cè)降水量。

構(gòu)建D(x)的方法為：計(jì)算各頻率對(duì)應(yīng)不同的預(yù)報(bào)降水量與預(yù)報(bào)降水偏差量之間的散點(diǎn)圖(圖3)，并對(duì)兩組數(shù)據(jù)進(jìn)行擬合。從圖3可見，在不同的降水閾值區(qū)間，兩者并不是嚴(yán)格一致的線性關(guān)系，為使構(gòu)建的訂正函數(shù)D(x)與建模數(shù)據(jù)樣本盡可能一致，選取4個(gè)閾值區(qū)間，分別構(gòu)建不同的擬合函數(shù)：在0.1～3.9 mm，將預(yù)報(bào)量直接訂正為0.1 mm；在 4.0～10 mm和10～100 mm閾值內(nèi)分別擬合構(gòu)建二次函數(shù)，對(duì)于大于100 mm的降水量，則擬合構(gòu)建線性函數(shù)(圖3)。將集合預(yù)報(bào)每個(gè)成員的降水量預(yù)報(bào)代入訂正方程，即可得到對(duì)應(yīng)的訂正量以及訂正后累積降水量，頻率匹配訂正后的頻率分布與實(shí)況頻率更為一致(圖2)。

圖3 ECMWF集合預(yù)報(bào)24～48 h累積雨量分段訂正函數(shù)

1.3 最優(yōu)百分位

最優(yōu)百分位是集合預(yù)報(bào)釋用的重要方法。主要思路為：針對(duì)不同的降水量分級(jí)(根據(jù)業(yè)務(wù)規(guī)定劃分為小雨、中雨、大雨、暴雨、大暴雨和特大暴雨)，檢驗(yàn)集合預(yù)報(bào)不同百分位成員預(yù)報(bào)對(duì)相應(yīng)降水量的TS評(píng)分，確定不同等級(jí)降水量Tk的集合成員最優(yōu)百分位Pxk，然后按照Tk的從大到小排列順序，依次判別對(duì)應(yīng)等級(jí)的最優(yōu)百分位上的集合成員預(yù)報(bào)Pxk(Mi)是否超過Tk，若滿足條件則停止判別，取該位置的預(yù)報(bào)值Fi為Pxk(Mi)，若都不滿足則Fi為0,從而得到基于集合預(yù)報(bào)的最優(yōu)百分位融合產(chǎn)品(代刊等，2016)。公式為:

若Pxk(Mi)≥Tk,則Fxk=Pxk(Mi)

k∈(1，2，3，4，5，6)

(3)

式中：Fi為位置i的最優(yōu)百分位預(yù)報(bào)值，Mi為位置i的所有成員預(yù)報(bào)，Pxi(Mi)表示百分位xk的計(jì)算函數(shù)，Tk為預(yù)先設(shè)定的降水閾值，xk則為Tk對(duì)應(yīng)的最優(yōu)百分位。

張華龍等(2017)統(tǒng)計(jì)分析了廣東地區(qū)基于原始的ECMWF集合預(yù)報(bào)的最優(yōu)百分位，本文在沿用該方法的基礎(chǔ)上，先對(duì)集合預(yù)報(bào)各成員進(jìn)行頻率匹配訂正，再重新統(tǒng)計(jì)分析訂正后集合成員的最優(yōu)百分位，重點(diǎn)對(duì)降水量大的預(yù)報(bào)采用不同的分位數(shù)進(jìn)行融合。

與原始的集合預(yù)報(bào)最優(yōu)百分位相比，頻率匹配后強(qiáng)降水的最優(yōu)百分位明顯下降(圖4)，對(duì)大雨、暴雨和大暴雨的原始集合預(yù)報(bào)最優(yōu)百分位分別為85%、90%、95%，頻率匹配訂正后最優(yōu)百分位分別為70%、70%、85%。由于頻率匹配有效訂正了集合預(yù)報(bào)系統(tǒng)對(duì)降水量大的預(yù)報(bào)偏弱的特征，因此大雨以上閾值所有百分位產(chǎn)品的降水量預(yù)報(bào)均增大，從而最優(yōu)百分位也相應(yīng)下移。

圖4 不同分位數(shù)的集合降水24～48 h累積雨量預(yù)報(bào)TS評(píng)分

1.4 強(qiáng)降水空間訂正

暖區(qū)暴雨是華南暴雨預(yù)報(bào)的難點(diǎn)之一，而模式對(duì)此類暴雨的預(yù)報(bào)能力較弱。為進(jìn)一步提升對(duì)廣東暖區(qū)強(qiáng)降水(因暴雨樣本的次數(shù)較少，以下針對(duì)大雨以上降水進(jìn)行分析)的預(yù)報(bào)能力，利用2013—2018年的6—9月降水?dāng)?shù)據(jù)，選取西南氣流影響下的典型暖區(qū)降水日(共145 d)進(jìn)行分析(圖5)，標(biāo)準(zhǔn)為：剔除臺(tái)風(fēng)影響過程，925 hPa廣東的珠江口西側(cè)(20°～23°N、110°～113.5°E)有超過12 m·s-1的西南急流，同時(shí)東側(cè)(21°～24°N、113.5°～117°E)無西南急流存在，為便于定量分析，上述標(biāo)準(zhǔn)近似為風(fēng)場(chǎng)的v分量達(dá)到8 m·s-1。分類型降水檢驗(yàn)表明：暖區(qū)背景條件下，粵東、河源、梅州、珠江口西側(cè)市縣、湛江一帶存在大雨以上降水嚴(yán)重漏報(bào)的站點(diǎn)，模式在該區(qū)域?qū)υ擃悘?qiáng)降水預(yù)報(bào)能力欠缺。

圖5 暖區(qū)背景下ECMWF集合預(yù)報(bào)大雨以上降水漏報(bào)率(a)及最優(yōu)百分位(b)

基于以上原因，嘗試發(fā)展針對(duì)華南暖區(qū)暴雨的強(qiáng)降水空間訂正技術(shù)：1)針對(duì)暖區(qū)降水過程進(jìn)行集合百分位TS分析，得到具有差異性的統(tǒng)計(jì)特征，對(duì)于大雨以上降水漏報(bào)率較高的站點(diǎn)，最優(yōu)TS對(duì)應(yīng)的百分位已經(jīng)達(dá)到90%以上，遠(yuǎn)高于平均狀態(tài)下的70%最優(yōu)百分位，因此對(duì)上述站點(diǎn)計(jì)算新的頻率匹配訂正系數(shù)和百分位。2)實(shí)際業(yè)務(wù)中，根據(jù)前文的標(biāo)準(zhǔn)利用模式預(yù)報(bào)時(shí)段內(nèi)的08時(shí)和20時(shí)的925 hPa風(fēng)場(chǎng)客觀判斷，如果是為暖區(qū)降水背景則對(duì)上述站點(diǎn)采用新的百分位融合方案。3)采用最近距離法，將上述站點(diǎn)對(duì)應(yīng)的融合方案應(yīng)用于周邊網(wǎng)格點(diǎn)，實(shí)現(xiàn)網(wǎng)格化的強(qiáng)降水空間訂正。

1.5 晴雨訂正

晴雨預(yù)報(bào)是公眾對(duì)日常天氣預(yù)報(bào)的關(guān)注重點(diǎn)，其預(yù)報(bào)準(zhǔn)確率也是反映氣象部門業(yè)務(wù)預(yù)報(bào)能力的關(guān)鍵指標(biāo)之一。根據(jù)業(yè)務(wù)現(xiàn)行的晴雨檢驗(yàn)標(biāo)準(zhǔn)(表1)，對(duì)2018年ECMWF數(shù)值模式的晴雨準(zhǔn)確率進(jìn)行分析，發(fā)現(xiàn)晴雨預(yù)報(bào)誤差主要來源于對(duì)較弱降水的空?qǐng)?bào)，空?qǐng)?bào)的站(次)數(shù)占總預(yù)報(bào)站(次)數(shù)的比例在汛期和非汛期分別為36.4%和25.3%，而漏報(bào)僅為1.3%和4.8%，空?qǐng)?bào)站(次)數(shù)遠(yuǎn)遠(yuǎn)高于漏報(bào)，在汛期空?qǐng)?bào)情況更為明顯，這是造成晴雨預(yù)報(bào)準(zhǔn)確率失分的重要原因(圖6)。

圖6 ECMWF數(shù)值模式的晴雨預(yù)報(bào)檢驗(yàn)

表1 晴雨檢驗(yàn)標(biāo)準(zhǔn)

經(jīng)過前面的頻率匹配訂正和最優(yōu)百分位統(tǒng)計(jì)，較大程度上改進(jìn)了ECMWF集合預(yù)報(bào)對(duì)較弱降水預(yù)報(bào)偏大，尤其是較強(qiáng)降水預(yù)報(bào)偏小的缺點(diǎn)，但是對(duì)于純粹的晴雨預(yù)報(bào)，仍然存在微弱降水空?qǐng)?bào)多的問題，如何通過消減閾值，減少空?qǐng)?bào)、增加無降水預(yù)報(bào)的正確站次，是提高預(yù)報(bào)準(zhǔn)確率的關(guān)鍵。基于以上原因，本文利用集合成員的降水預(yù)報(bào)進(jìn)行晴雨優(yōu)化訂正，主要思路為：1)對(duì)集合預(yù)報(bào)成員的站點(diǎn)降水預(yù)報(bào)減去某一閾值p進(jìn)行消空；2)定義消空后仍預(yù)報(bào)有雨(大于0.1 mm)的不同成員數(shù)占總集合成員比例為r，計(jì)算不同比例r對(duì)應(yīng)的晴雨TS；3)計(jì)算歷史訓(xùn)練期晴雨TS最高時(shí)對(duì)應(yīng)的消空閾值p和成員比例r的最優(yōu)組合；4)業(yè)務(wù)應(yīng)用中，當(dāng)達(dá)到閾值p的成員比例超過r時(shí)，認(rèn)為該點(diǎn)有雨，保留強(qiáng)降水空間訂正結(jié)果，否則為晴，從而得到最終的24 h累積降水預(yù)報(bào)。計(jì)算公式如下：

(4)

(5)

式中：fn為原始集合成員預(yù)報(bào)，p為消空閾值，r為成員比例，m為集合成員總數(shù)，F(xiàn)sc為強(qiáng)降水空間訂正結(jié)果，F(xiàn)cr為晴雨訂正后的24 h降水量預(yù)報(bào)。

利用2013—2018年的汛期降水資料，得到廣東的弱降水預(yù)報(bào)最優(yōu)消空閾值為2.4 mm，最優(yōu)成員比例數(shù)為75%(圖7)。在此閾值條件下，模型訓(xùn)練期的晴雨預(yù)報(bào)準(zhǔn)確率達(dá)到最優(yōu)，為77.08%。

圖7 ECMWF集合預(yù)報(bào)24～48 h累積降水量的晴雨消空閾值與成員比例

1.6 時(shí)間降尺度

前面的方法重點(diǎn)是對(duì)集合預(yù)報(bào)的24 h累積降水量進(jìn)行釋用，然而為了提高降水預(yù)報(bào)的時(shí)間分辨率至逐小時(shí)，需要對(duì)其進(jìn)行時(shí)間降尺度，將24 h累積降水量訂正結(jié)果合理分配至逐小時(shí)的預(yù)報(bào)時(shí)段內(nèi)。主要思路是：選取某一確定性模式，假定其能較好地模擬出降水的時(shí)間演變過程，但是降水量預(yù)報(bào)的準(zhǔn)確度不高。因此需將集合釋用的24 h累積降水量按照參考模式的降水演變趨勢(shì)，合理分配到各時(shí)段。主要包括三個(gè)步驟：1)利用參考模式降水信息，計(jì)算逐個(gè)網(wǎng)格的小時(shí)降水序列曲線；2)利用逐1 h降水和總降水量，獲取逐1 h降水比例；3)根據(jù)逐1 h 降水比例關(guān)系，將集合釋用的累積降水量拆分成逐1 h定量降水，若某網(wǎng)格的集合釋用累積降水量不為零，而參考模式的降水量預(yù)報(bào)為零，則搜尋周邊最近不為零的網(wǎng)格點(diǎn)比例關(guān)系，應(yīng)用于該網(wǎng)格點(diǎn)。

該方法的關(guān)鍵在于所采用的模式需對(duì)降雨演變趨勢(shì)有較好預(yù)報(bào)能力。華南中尺度模式GRAPES_GZ 3 km采用模式動(dòng)力框架和物理過程耦合,減少了預(yù)報(bào)場(chǎng)不連續(xù)現(xiàn)象，通過改進(jìn)云分析系統(tǒng)，改善短時(shí)臨近預(yù)報(bào)效果，改進(jìn)陸面模式及其分析方案，提高地面要素預(yù)報(bào)能力；而華南短時(shí)臨近模式GRAPES_GZ_R 3 km進(jìn)一步通過快速同化雷達(dá)資料、地面自動(dòng)站資料，改進(jìn)了初生對(duì)流的預(yù)報(bào)能力。基于上述原因，本研究聯(lián)合應(yīng)用集合預(yù)報(bào)多種方法釋用結(jié)果和GRAPES_GZ 3 km、GRAPES_GZ_R 3 km模式的逐時(shí)預(yù)報(bào)，進(jìn)行降水要素時(shí)間降尺度融合處理(當(dāng)兩套華南區(qū)域模式的預(yù)報(bào)時(shí)段重疊時(shí)，取GRAPES_GZ_R的權(quán)重系數(shù)為1，GRAPES_GZ的權(quán)重為0)，實(shí)現(xiàn)不同時(shí)效(24 h、3 h、1 h)降水量預(yù)報(bào)的一致和高精度的逐時(shí)預(yù)報(bào)。主要業(yè)務(wù)及技術(shù)流程如圖8。

2 檢驗(yàn)與分析

為了評(píng)估多模式融合的定量降水預(yù)報(bào)效果，本研究對(duì)2019年6月1日至9月30日的數(shù)據(jù)進(jìn)行檢驗(yàn)，主要檢驗(yàn)對(duì)象為晴雨準(zhǔn)確率和強(qiáng)降水準(zhǔn)確率(其中格點(diǎn)預(yù)報(bào)時(shí)長(zhǎng)為24 h和3 h，站點(diǎn)預(yù)報(bào)時(shí)長(zhǎng)為1 h)。由于本方法的24 h累積降水主要來源于ECMWF的集合預(yù)報(bào)釋用，并基于GRAPES 3 km數(shù)值模式進(jìn)行時(shí)間降尺度，考慮到數(shù)值模式產(chǎn)品的滯后性，基于實(shí)際業(yè)務(wù)應(yīng)用的角度，以下檢驗(yàn)采用本方法(GQPF)前一日20時(shí)起報(bào)的48 h預(yù)報(bào)時(shí)效與當(dāng)日指導(dǎo)預(yù)報(bào)(SCMOC)20時(shí)起報(bào)的24 h預(yù)報(bào)時(shí)效、GRAPES_GZ_R模式14時(shí)起報(bào)的6～18 h預(yù)報(bào)時(shí)效和GRAPES_GZ模式08時(shí)起報(bào)的24～36 h預(yù)報(bào)時(shí)效進(jìn)行對(duì)比。為便于業(yè)務(wù)應(yīng)用，下文圖表均以指導(dǎo)預(yù)報(bào)時(shí)效所對(duì)應(yīng)時(shí)次的各家預(yù)報(bào)作為參考時(shí)間，結(jié)果分析如圖8。

圖8 業(yè)務(wù)及技術(shù)流程

2.1 晴雨預(yù)報(bào)檢驗(yàn)分析

本方法采用的晴雨預(yù)報(bào)TS和預(yù)報(bào)技巧STS計(jì)算公式如下：

(6)

(7)

式中：NA、NB、NC、ND的定義見表1；TSP為本方法的廣東范圍網(wǎng)格晴雨預(yù)報(bào)準(zhǔn)確率，TSN為國(guó)家氣象中心網(wǎng)格指導(dǎo)預(yù)報(bào)在對(duì)應(yīng)網(wǎng)格范圍的晴雨預(yù)報(bào)準(zhǔn)確率。

在前面的方法介紹中已指出：晴雨預(yù)報(bào)最大的誤差來源于對(duì)較弱降水的空?qǐng)?bào)。本方法經(jīng)過針對(duì)性的消空訂正后，晴雨預(yù)報(bào)表現(xiàn)最為突出：本方法24～48 h預(yù)報(bào)時(shí)效的晴雨預(yù)報(bào)TS為0.757 5，對(duì)應(yīng)同期的24 h晴雨指導(dǎo)預(yù)報(bào)TS為0.708 8，本方法相對(duì)于指導(dǎo)預(yù)報(bào)的技巧為0.167，華南中尺度模式GRAPES_GZ的12～36 h晴雨預(yù)報(bào)TS為0.681 9，而華南短臨模式GRAPES_GZ_R因預(yù)報(bào)時(shí)效未能完全覆蓋指導(dǎo)預(yù)報(bào)對(duì)應(yīng)時(shí)次，不進(jìn)行24 h晴雨預(yù)報(bào)對(duì)比。選取部分弱降水的個(gè)例進(jìn)行分析(圖9)：2019年7月27日，中層為受副熱帶高壓南側(cè)的偏東氣流影響，低層850 hPa和925 hPa受弱西南風(fēng)控制，粵東偏東市縣出現(xiàn)了小雨局部中雨降水；2019年7月25日20時(shí)的ECMWF確定性模式48 h預(yù)報(bào)廣東大部市縣有小雨，其中粵東市縣局部有中雨，晴雨預(yù)報(bào)TS為0.194 8；本方法經(jīng)過晴雨消空訂正后的預(yù)報(bào)則僅保留了粵東偏東市縣的小雨局部中雨降水，與實(shí)況較為吻合,晴雨預(yù)報(bào)TS提升至0.872 6。

圖9 2019年7月一次弱降水個(gè)例的晴雨消空訂正效果對(duì)比

除了24 h累積量的晴雨預(yù)報(bào)，隨著定位氣象服務(wù)需求的增長(zhǎng)，更高時(shí)間分辨率的降水預(yù)報(bào)準(zhǔn)確率成為新的關(guān)注點(diǎn)。本方法融合了全球集合預(yù)報(bào)和區(qū)域數(shù)值模式，利用區(qū)域模式降水要素的時(shí)間曲線進(jìn)行降尺度，得到逐3 h格點(diǎn)和逐1 h站點(diǎn)的降水預(yù)報(bào)。

本方法的逐3 h的晴雨預(yù)報(bào)均為正技巧(圖10)，24～48 h內(nèi)的逐3 h晴雨預(yù)報(bào)TS最高為0.8451，最低為0.7303，總體隨著預(yù)報(bào)時(shí)效增加呈一定的下降趨勢(shì)；站點(diǎn)(廣州)逐小時(shí)的晴雨預(yù)報(bào)亦全面表現(xiàn)為正技巧，同樣呈現(xiàn)類似的變化趨勢(shì)(圖11)。無論是逐1 h還是逐3 h預(yù)報(bào)，本方法總體上也略優(yōu)于華南區(qū)域數(shù)值模式。上述結(jié)果表明，多尺度模式的融合應(yīng)用可以提升廣東更高時(shí)間分辨率的網(wǎng)格要素預(yù)報(bào)準(zhǔn)確率。

圖10 2019年6月1日至9月30日，20時(shí)起報(bào)的格點(diǎn)逐3 h晴雨預(yù)報(bào)準(zhǔn)確率和預(yù)報(bào)技巧

圖11 同圖10，但為廣州站逐1 h

2.2 強(qiáng)降水空間訂正分析

本方法定義的強(qiáng)降水標(biāo)準(zhǔn)為24 h累積降水量達(dá)到50 mm，或3 h累積降水量達(dá)到20 mm，采用的強(qiáng)降水預(yù)報(bào)TS的計(jì)算公式如下[預(yù)報(bào)技巧計(jì)算方法同式(7)]：

(8)

式中：NA為強(qiáng)降水預(yù)報(bào)正確站(次)數(shù)、NB為空?qǐng)?bào)站(次)數(shù)、NC為漏報(bào)站(次)數(shù)。

本方法24～48 h強(qiáng)降水預(yù)報(bào)TS為0.217，與同期的24 h指導(dǎo)預(yù)報(bào)持平，優(yōu)于GRAPES_GZ的12～36 h強(qiáng)降水預(yù)報(bào)(TS：0.167)；對(duì)于24～48 h內(nèi)的逐3 h強(qiáng)降水預(yù)報(bào)，本方法和指導(dǎo)預(yù)報(bào)同樣大致持平，大部分時(shí)次的TS相差在0.01以內(nèi)，其中本方法比指導(dǎo)預(yù)報(bào)高0.02的時(shí)次有2個(gè)，低于指導(dǎo)預(yù)報(bào)0.02的時(shí)次有1個(gè)，但普遍優(yōu)于GRAPES_GZ_R和GRAPES_GZ模式(圖12)。

圖12 同圖10，但為逐3 h強(qiáng)降水

對(duì)于強(qiáng)降水預(yù)報(bào)，業(yè)務(wù)常用方法是主客觀融合，可以保留主觀預(yù)報(bào)的落區(qū)等級(jí)優(yōu)勢(shì)和客觀預(yù)報(bào)的精細(xì)分布，而針對(duì)特定天氣類型(如本文的暖區(qū)降水)進(jìn)行強(qiáng)降水空間客觀訂正則是一個(gè)新的嘗試。2019年8月17日，500 hPa的副熱帶高壓位于南海中東部海面，廣東位于副熱帶高壓的西北側(cè)，在925 hPa和850 hPa，廣東的西部受西南急流影響，受其影響，廣東西南部出現(xiàn)了大雨到暴雨，局部大暴雨的降水；8月15日20時(shí)的集合最優(yōu)百分位融合48 h預(yù)報(bào)粵西有大雨降水，對(duì)暴雨以上降水有明顯的漏報(bào)，而經(jīng)過分類強(qiáng)降水空間訂正的產(chǎn)品則預(yù)報(bào)粵西有大雨到暴雨的降水，暴雨TS評(píng)分達(dá)到0.25，盡管對(duì)于大暴雨仍然出現(xiàn)了漏報(bào)，總體較訂正前有了明顯的改進(jìn)(圖13)。

圖13 2019年8月一次強(qiáng)降水個(gè)例的強(qiáng)降水空間訂正效果對(duì)比

3 結(jié)論與討論

本文在參考國(guó)內(nèi)眾多的基于確定性預(yù)報(bào)和集合預(yù)報(bào)的釋用方法的基礎(chǔ)上，對(duì)不同預(yù)報(bào)產(chǎn)品在廣東氣候特征背景下的應(yīng)用效果進(jìn)行分析，并針對(duì)預(yù)報(bào)業(yè)務(wù)流程無縫隙、精細(xì)化、準(zhǔn)確性、滾動(dòng)更新等方面的需要開展技術(shù)方法研究，實(shí)現(xiàn)多模式融合的廣東網(wǎng)格定量降水預(yù)報(bào)。主要結(jié)論如下：

(1)基于ECMWF集合預(yù)報(bào)、華南區(qū)域中尺度模式(GRAPES_RZ 3 km)與華南區(qū)域短時(shí)臨近模式(GRAPES_GZ_R 3 km)三種數(shù)值預(yù)報(bào)系統(tǒng)的定量降水預(yù)報(bào)產(chǎn)品，研發(fā)了釋用技術(shù)，該技術(shù)融合了集合預(yù)報(bào)在刻畫天氣尺度特征方面的優(yōu)勢(shì)，并針對(duì)晴雨和強(qiáng)降水等具體場(chǎng)景進(jìn)行空間和強(qiáng)度做進(jìn)一步訂正，然后利用中尺度模式對(duì)日變化等方面的精細(xì)預(yù)報(bào)進(jìn)行時(shí)間降尺度，形成融合多種方法的釋用產(chǎn)品。

(2)在集合預(yù)報(bào)釋用方法上，利用頻率匹配訂正針對(duì)弱降水頻率預(yù)報(bào)偏高、強(qiáng)降水頻率預(yù)報(bào)偏低的偏差特征；將傳統(tǒng)的集合預(yù)報(bào)訂正與利用環(huán)境物理量因子訂正的不同方法相融合，利用地形動(dòng)力因子進(jìn)行集合百分位統(tǒng)計(jì)檢驗(yàn)，優(yōu)化了集合預(yù)報(bào)融合產(chǎn)品，進(jìn)一步訂正了廣東暖區(qū)強(qiáng)降水空間分布的預(yù)報(bào)；通過統(tǒng)計(jì)不同降水類型的消空閾值和多種百分位特征，并進(jìn)行組合消空，進(jìn)一步提升了晴雨預(yù)報(bào)準(zhǔn)確率。

(3)對(duì)多個(gè)技術(shù)進(jìn)行集成應(yīng)用時(shí)，考慮了其相互的依賴性和影響，通過不同技術(shù)集成順序及檢驗(yàn)效果的試驗(yàn)與研究，最終確定頻率匹配-百分位融合-強(qiáng)降水空間訂正-晴雨消空訂正-時(shí)間協(xié)調(diào)一致的廣東網(wǎng)格定量降水釋用技術(shù)流程，實(shí)現(xiàn)了技術(shù)的優(yōu)選集成應(yīng)用。

總體而言，多模式的融合應(yīng)用有助于提升降水客觀預(yù)報(bào)能力，但在本方法中區(qū)域模式主要是作為降雨的時(shí)間演變趨勢(shì)參照，用于對(duì)集合預(yù)報(bào)釋用結(jié)果進(jìn)行時(shí)間降尺度，未來還需對(duì)區(qū)域模式開展逐時(shí)釋用研究，從而進(jìn)一步提高逐時(shí)預(yù)報(bào)的準(zhǔn)確率；同時(shí)，還需針對(duì)強(qiáng)降水預(yù)報(bào)在不同天氣類型中的偏差特征，結(jié)合天氣分型，引入反映大氣動(dòng)、熱力特征的環(huán)境因子和地形因子，開展多因子訂正方法研究，提升強(qiáng)降水預(yù)報(bào)能力。