歐洲集合模式西藏短期降水預報性能評估分析*

德慶 羅布堅參 白珍 赤曲

（1.西藏自治區氣象臺；2.西藏自治區氣象災害防御技術中心；3.西藏拉薩市氣象局，西藏 拉薩 850000）

0 引言

數值預報是當代天氣預報的主要參考工具，然而混沌理論表明大氣狀態的演變對于初始場的微小誤差非常敏感，數值預報初始場極小的誤差在模式運轉過程中逐漸放大，即使擁有最好的觀測值，我們也永遠無法作出完美的數值預報，也就不可能做出完美的天氣預報，這就是我們需要集合預報的原因，集合預報是針對數值預報不確定性問題發展起來的新一代隨機動力概率預報技術，它既能給出單一的最佳可能預報，也能將單一的確定性預報轉變為概率預報［1,3］，集合預報正是從這種不確定性出發，通過不同的初值和擾動，由數值預報模式積分得到一組預報集合，試圖推測大氣所有可能的各種狀態，所以集合預報更能表達大氣本身的特性，提供更多有價值的信息，尤其提供災害性和極端性等小概率天氣的可能預報，為預報員在防災減災服務方面提供有效的支撐［2,4］。世界上主要的發達國家都非常重視集合預報系統的發展，20 世紀90 年代初歐洲中期天氣預報中心和美國國家環境預報中心分別建立了集合預報業務系統［3］，經過近30 年的發展，集合預報在現代天氣預報中得到越來越多的重視和應用。

2011 年開始國家信息中心開始接收ECMWF、NCEP、CMC、CMA 等中心的實時集合預報數據，在此基礎上國家氣象中心開發了“集合預報工具箱”，西藏氣象臺2013年開始使用集合預報工具箱，并且成為預報員日常業務應用的主要工具和重要參考，如何在眾多的集合預報產品中擇優選擇適合本地的產品，同樣的預報產品在不同的天氣過程中的可參考程度，同樣的預報產品在同樣的天氣過程中的穩定度等等還沒有較完整的分析檢驗，以至于不同的預報員理解集合預報產品還是有很大的主觀因素。世界氣象組織2012年發布的《集合預報應用手冊》中明確提出：預報員應該了解集合預報系統的優勢和劣勢，既要了解多個臨界值的檢驗結果，也應該熟知該集合模式產品在各個季節的預報情況，所以預報員不應該僅僅依靠模式輸出的直接結果，更應該根據模式的預報結果作診斷分析，如果我們沒有注重對集合預報產品的檢驗分析，無法對集合預報產品作出更適合本地的診斷分析，為了更好的理解集合預報這個重要的現代天氣預報技術，也為了更好地把集合預報產品應用到西藏天氣預報業務中，有必要也急需對這方面作更多的檢驗分析和研究。

1 資料和方法

1.1 資料來源

本文所用EXMWF集合預報降水和氣溫資料來自國家氣象中心，資料時長為2016 年1 月至2020 年10月逐日6 小時，區域范圍為20°N～50°N，50°E～120°E，2.5°×2.5°分辨率的格點數據，結合短期預報的實際應用，選取集合模式20 時起報的短期時效逐24 小時產品，對集合預報常用產品進行了分析，其產品有10%分位數、25%分位數、中位數、50%分位數、75%分位數、90%分位數、最小值、最大值和控制預報。西藏39個站的降水實況來自CIMISS數據庫。

1.2 技術方法

1.2.1 差值方法。采用雙線性插值方法將集合降水預報格點場插值到西藏地區39個觀測站點上，對其結果計算集合預報的各產品數值，并做檢驗。

1.2.2 檢驗方法。根據中國氣象局發布的預報評分檢驗方法如下公式:

晴雨檢驗：PC={(NA+NB)/(NA+NB+NC+ND)}×100%

TS評分：TS={NA/(NA+NB+NC)}×100%

漏報率:PO={NC/(NA+NC)}×100%

空報率：FAR={NB/(NA+NB)}×100%

預報偏差：BS={(NA+NB)/(NA+NC)}×100%

其中NA 為預報正確次數，NB 為空報次數，NC 為預報漏報次數，ND為無降水預報正確次數。

1.2.3 檢驗對象。主要檢驗對象為全區39 個站24 小時預報，全區汛期降水檢驗樣本達到35100個，拉薩三次首場降雪過程（20181218，20191101、20200104），拉薩超歷史極值的強降水過程（20170622）。

2 集合預報西藏短期降水預報性能評估

2.1 全區汛期晴雨檢驗評估及分析

本節選用2016年至2020年汛期（5月1日至10月20日）對應的集合預報數據做了晴雨預報檢驗：集合預報9 種產品的晴雨檢驗值均超過0.55，其中最小值，10%分位數，25%分位數，中位數，控制預報的檢驗達到0.6 以上，最小值檢驗值為0.73，也就是意味著最小值對晴雨預報準確率有較好的參考價值。從單站的分析來看（圖略），不同氣候背景的站點的產品檢驗值差異較大，波密的各產品檢驗值均達到0.73以上，最小值和中位數檢驗值分別為0.79 和0.76，而普蘭的檢驗值普遍較低，除了最小值和10%分位數達到0.5 以外，其余各產品的檢驗值在0.3 左右，預報參考價值較低。

2.2 全區汛期累加降水量級檢驗評估分析

2.2.1 TS 評分。TS 評分值隨著降水量級的增大而顯著減小，小雨各產品TS 均能達到0.54 以上，對中雨75%分位數評分最高（0.24），而對暴雨其參考價值極低，各集合預報產品中控制預報的評分最高，但只有0.06，所以集合預報對暴雨基本無參考價值。

圖1 集合預報對全區汛期晴雨的檢驗

圖2 集合預報對全區各量級降水的TS評分

各站點情況分析來看（圖略），嘉黎小雨量級上各產品評分均在0.73以上，中雨量級上90%分位數評分為0.29，參考價值較高。值得一提的是聶拉木站暴雨預報TS 評分中25%分位數和10%分位數有一定參考價值，其值分別為0.18和0.13。

2.2.2 漏報率分析。各產品對小雨幾乎沒有漏報，中雨和大雨量級中最大值效果較好，漏報率分別僅0.07和0.56，暴雨幾乎全部漏報，只有最大值有一點點預報能力，其值為0.08。各站點來看（圖略），察隅的中雨量級上最大值產品幾乎沒有漏報，其余大部分產品漏報率在0.4 至0.6，日喀則的大雨過程最大值的漏報率也很低其值為0.1，其余產品對大雨和暴雨百分之百漏報，中雨最小值也是百分之百漏報。

圖3 集合預報對全區各量級降水的漏報率

2.2.3 空報率。各產品對同一量級降雨的空報率差異不大，小雨空報率各產品均在0.3 至0.4 之間，中雨空報率在0.6 至0.8 之間，明顯高于小雨的空報率，大雨的空報率0.8 至0.9，暴雨幾乎全空報。站點上（圖略）拉薩中雨最小值空報率接近百分之百，對大雨的預報，控制預報，75%分位數和90%分位數，最大值產品空報率也接近百分之百，對昌都大雨預報，控制預報，90%分位數，最大值產品空報率也接近百分之百。

圖4 集合預報對全區各量級降水的空報率

3 集合預報各產品絕對誤差和誤差站點分布分析

3.1 集合各產品絕對誤差值

圖5 上，最大值的絕對誤差超過8，其余各產品的誤差也都在2 以上，但除了最大值、90%分位數，75%分位數以外，其余各產品誤差沒有超過4。

圖5 集合預報產品絕對誤差值

3.2 集合各產品站點誤差分析

在圖6 和圖7 中，站點上相對誤差的大小會以站點的顏色來代表，負代表預報值小于真實值，正代表預報值大于真實值；同時誤差的絕對值會以散點的面積來代表，面積越大的代表誤差也越大。這樣能夠突出顯示誤差較大的站點，便于我們分析問題。

圖6 集合預報25%分位數產品的誤差站點分布

圖7 集合預報25%分位數、中位數產品的誤差站點分布

綜合所有集合預報產品的誤差站點分布，最大的特征是所有產品對帕里站預報偏大，為正的相對誤差，絕對誤差也是所有站點中最大的，可見對于帕里站集合預報9 種產品是明顯的一致的比實況偏大，另外對于聶拉木、錯那、米林和察隅也是一致的預報偏大，但絕對值比帕里小。第二個最大的特點是，四個產品（25%分位數，10%分位數，最小值、中位數）對嘉黎站預報明顯偏小，其次對類烏齊和芒康預報偏小。第三個最大的特征是有五個產品（控制預報，平均數，最大值，75%分位數，90%分位數）對全區預報是偏多偏大的情況，其余四個產品僅對嘉黎、類烏齊和芒康偏大。第四個特征是所有集合預報產品對阿里、那曲西部和沿江中西部的相對誤差小，絕對誤差也小，其集合預報較接近實況。集合預報對嘉黎偏小和帕里預報偏大的情況特別非常明顯（圖6至圖9），結合散點回歸圖進一步看到（圖10和圖11），嘉黎觀測到的降水樣本很多，并且20 至40 毫米之間也有很多觀測到的樣本，而集合預報各產品的預報都在20 毫米以內，只有最大值產品預報值分布在20 毫米以上有幾例。帕里觀測到的降水量沒有超過40 毫米的值，而預報值超過50 毫米的樣本很多，尤其是最大值100至150毫米的也有很多。

圖8 集合預報25%分位數產品的誤差站點分布

圖9 集合預報25%分位數、中位數產品的誤差站點分布

圖10 嘉黎站集合預報各產品散點回歸圖

圖11 帕里站集合預報各產品散點回歸圖

這兩站結合多年的預報實踐經驗來分析，確實屬于小氣候和地形影響因素大的站點，這個檢驗結果非常符合實際的預報經驗，帕里站由于和聶拉木一線歸屬于南部邊緣地帶，南部邊緣由于受喜馬拉雅等地形抬升因素考慮，不僅是模式預報，預報員也偏向于報多報大，而往往是聶拉木極易暴雪暴雨，帕里的極端降水確實極少，通過此次集合預報檢驗，我們一定要調整這個預報思路。嘉黎由于歸屬藏北，藏北一帶大部分日數極其干燥，也沒有南部邊緣一樣的南支大槽或風暴類系統的直接影響，平時預報員結合集合預報模式產品作參考，對于嘉黎的暴雪和大雨，非常容易漏報，通過此次檢驗，在往后的預報業務中一定要對預報產品進行訂正后再做參考。

4 拉薩站首場降雪敏感度檢驗

為了把握前期有沒有空報情況，找出了降雪前幾天的天氣狀況，對于2018 年的第一場雪，預報特別理想，前期所有產品沒有預報降雪，實際也是沒有出現降雪，在前期不存在空報的情況下準確預報了首場降雪。18 日降雪量8.8 毫米，所有集合預報產品也是當天預報了降雪，預報降雪量在4 至13 毫米之間，其中控制預報，平均數和中位數都預報8毫米左右。

圖12 拉薩站2018年首場降雪

2019 年11 月1 日降雪量1.5 毫米，前面近一周的時間段個別產品有微量的降雪預報，但是從31日開始有較明顯的提示，1 日當天所有集合預報產品有降雪預報值（1至14毫米）之間。

圖13 拉薩站2019年首場降雪

圖14 拉薩站2020年首場降雪

2020 年1 月4 日這次過程效果不理想，降雪量本身也很小，只有0.3，前期沒有降雪的幾天集合預報產品都有預報降雪，實際降雪當天，各產品的預報量普遍在0.8毫米左右，預報也是偏大。

5 拉薩站極值強降雨檢驗分析

2017 年6 月22 日降雨量50.5 毫米。其降雨集中在21 日23 時至22 日08 時段。集合預報工具箱中單站箱線預報上21 日21 時至22 日03 時間預報降水較為集中，這和實際短時強降水出現時段吻合，實際這個時段沒出現29.8毫米降水，預報只有3毫米左右，從個集合預報其他各產品預報情況分析，預報量明顯偏小，最大值產品當天的降雨量也只有4毫米，對于強降水幾乎沒有預報參考價值，也沒有極端天氣預報的提示信息。

圖15 拉薩站歷史極值過程強降水分布圖

圖16 拉薩站歷史極值短時強降水情況

圖17 拉薩單站歷史極值短時強降水EC集合預報

圖18 拉薩站歷史極值短時強降水集合產品預報

6 檢驗評估指標

6.1 通過對集合預報全區所有降水日數的檢驗提煉業務預報參考數據

集合預報晴雨檢驗值均超過0.55，最小值檢驗值達0.73。TS評分各產品對小雨能達到0.54以上，對中雨75%分位數評分最高也僅0.24，對暴雨無參考價值。各產品對小雨幾乎沒有漏報，中雨和大雨量級中最大值效果較好，漏報率分別僅0.07 和0.56，暴雨幾乎全部漏報。日喀則的大雨和察隅的中雨最大值產品幾乎沒有漏報。各產品對同一量級降雨的空報率差異不大，小雨空報率各產品均在0.3 至0.4 之間，中雨空報率在0.6 至0.8 之間，大雨的空報率0.8 至0.9，暴雨幾乎全空報。

集合預報9種產品對帕里、聶拉木、錯那、米林、和察隅站預報偏大，但四個產品（25%分位數，10%分位數，最小值、中位數）對嘉黎、類烏齊和芒康站預報明顯偏小，所有產品對阿里、那曲西部和沿江中西部的預報較接近實況。

6.2 集合預報對拉薩冬季第一場雪的預報檢驗結果指征

對中大雪有特好的定性預報指示意義，其中控制預報、平均數和中位數對定量預報有非常準確的參考價值，對于小雪量級也有較好的定性預報指示意義，但各產品的定量預報偏大，對于微量降雪，定性定量預報都效果不理想，預報值偏大。對于小雪量級及以上天氣集合產品提前一天有提示意義，實際天氣出現比預報偏晚。

6.3 集合預報對拉薩汛期短時強降水的預報檢驗結果指征

集合預報和實際短時強降水出現時段較一致，但預報量偏小10倍以上，對于強降水沒有極端天氣的預報提示作用。