降水融合格點產品在陜西2019年暴雨過程中的檢驗

劉菊菊，陳小婷，肖貽青，馬曉華，梁 綿

(1.陜西省氣象臺，西安 710014；2.陜西省氣象局秦嶺和黃土高原生態環境氣象重點實驗室，西安 710016)

隨著社會發展，各行各業對格點化的時、空連續的氣象數據產品要求越來越高[1]，多源數據融合氣象格點產品可滿足以上需求。國家氣象信息中心于2017年6月開始下發高時空分辨率的國家智能網格實況分析產品，目前對其準確性和真實性的了解相對有限[2]。降水的智能網格實況分析產品包括二源和三源融合格點降水產品。其中，二源融合格點降水產品融合了地面、衛星兩種降水數據[3]，三源融合格點降水產品融合了地面、衛星、雷達三種降水產品的數據[4]。由于衛星、雷達的降水產品精度較低，因而有必要對融合產品的適用性進行檢驗評估。陜西省地形復雜，暴雨是陜西夏季主要災害性天氣之一，融合降水產品在陜西暴雨過程中的適用性更值得探究。

高分辨率格點預報是目前中國氣象局主推業務和未來天氣預報的發展方向[5]。在國內外大力發展無縫隙精細化預報的背景下，格點實況產品的研究受到重視[6]。目前，針對格點預報檢驗方法，業務中主要采用評估降水預報準確率的TS評分、漏報率、空報率等傳統檢驗指標[7-10]。陳小婷等[11]用TS評分、預報偏差對2014年6—9月歐洲中心集合預報10種降水產品在陜西的預報效果進行了分級檢驗以及時空演變綜合評估。盧小鳳等[12]采用傳統檢驗指標對2019年前汛期和后汛期西江流域的日面雨量預報進行了檢驗評估。李明娟等[13]基于傳統檢驗指標，對2019年4—10月陜西省暴雨天氣過程的省臺主觀訂正、ECMWF細網格和模式動態交叉取優要素預報方法的預報產品進行檢驗評估。此外，也有學者利用基于對象診斷的空間檢驗方法MODE(method for object-based diagnostic evaluation)檢驗降水的空間準確率，俞劍蔚等[2]評估了國家級格點實況分析產品在江蘇地區的適用性，認為格點實況產品較準確地反映了降水空間分布，隨著降水量級增大，格點實況產品的降水漏報較多。劉湊華等[14]對MODE檢驗方法中目標識別、目標配對算法進行了改進，并應用到T639模式降水預報檢驗中。

本文利用多種預報檢驗指標檢驗高分辨率二源、三源融合降水分析實時產品在陜西省2019年暴雨天氣過程中的適用性，分析降水誤差隨海拔高度的變化特征，以期得到不同地形和降水量級下融合降水產品的評估特征，為精細化格點預報和訂正提供可靠的基礎數據，發揮其在氣象防災減災工作中的基礎性作用。

1 資料和方法

1.1 融合產品資料

研究分析的數據資料為國家氣象信息中心下發的高時空分辨率中國區域融合降水分析系統(CMA multi-source precipitation analysis system，CMPAS-V2.1)的二源和三源降水融合分析實時產品，空間分辨率為0.05°×0.05°。其中，二源融合降水產品主要利用相對成熟的“概率密度匹配+最優插值”兩步數據融合方法，對經過質量控制后的全國3萬多個氣象站觀測的小時降水量和國家衛星氣象中心實時發布的1 小時FY2系列衛星反演降水產品進行融合，生成了逐小時降水產品[3]。三源降水融合分析實時產品首先用概率密度函數匹配法訂正雷達估測、衛星反演降水產品的系統性偏差；其次采用貝葉斯模型平均法將雷達和衛星降水產品結合形成覆蓋中國的背景場；最后用最優插值方法融入地面觀測數據[4]，其地面觀測資料采用了中國近4萬個自動氣象站逐時降水量數據，該數據經過了實時質量控制[15]。衛星反演降水資料選取美國氣候預測中心研發的實時衛星反演降水系統 CMORPH(CPC MOR-PHing technique)的降水產品[16]。雷達估測降水資料采用中國氣象局氣象探測中心研制的雷達定量降水估測產品，根據統計不同雷達實時反射率因子與雨強關系的方法估測降水，并采用卡爾曼濾波、平均校準等方法對2 400個國家級自動氣象站降水數據進行校正[17]。

1.2 站點實況資料

將融合實況產品作為某種意義上的預報場，與自動氣象站實況觀測進行對比，將站點觀測值作為大氣狀態的“真值”，從而檢驗評估融合實況產品。所采用的站點觀測資料來源于同期的陜西省383個地面自動氣象站(99個國家站和經過質量控制并剔除缺測站后的284個區域站 )的08—08時(北京時)日降水量數據。

1.3 方法

融合產品中融合了陜西省地面自動氣象站資料(國家站和經過質量控制的區域站)，因此本文采用非獨立樣本檢驗方法，通過與383個氣象站資料對比，評估融合實況產品的準確性。選取陜西省2019年出現的8次區域性(≥5站(國家站))暴雨過程，對融合降水產品進行檢驗分析。在檢驗中，格點到站點的轉換選用領域法[18]，即以383個站點的實況數據作為標準，將所有站的經、緯度按照融合實況產品格點數據的分辨率進行近似處理，選擇最接近站點的格點值作為檢驗值。檢驗降水的評估指標有等級平均誤差(Ek)、均方根誤差(R)、等級均方根誤差(Rk)、等級TS評分(Tk)、等級降水準確率(Pk)，具體計算方法如下。

(1)

(2)

(3)

(4)

(5)

其中，Oi為站點觀測值，Gi為融合產品插值到檢驗站點得到的數值，N為參與檢驗的總樣本數(站次數)。k代表降水分級檢驗等級，Uk為第k個降水等級區間的上界，Lk為第k個降水等級區間的下界。式中[]代表邏輯轉數值的運算符，邏輯值為正時取1，否則取0。i代表第i個樣本。

2 降水實況分析

2019年陜西省共出現8次區域性暴雨過程，分別是6月27日、7月21日、7月28日、8月2日、8月3日、8月8日、9月9日和9月14日(表1)。由于大暴雨的樣本數太少，將其并入暴雨，即降水量≥50 mm的均為暴雨樣本。其中6月27日暴雨過程主要出現在陜南中西部，共出現暴雨43站，最大降雨量為105.9 mm。7月21日暴雨主要出現在陜北地區和寶雞、漢中西部，出現暴雨36站，其中最大降水量為108.2mm。7月28日陜北北部有區域性暴雨，關中和陜南則出現了局地分散暴雨，最大降雨量108.3 mm。8月2日暴雨主要位于關中陜南地區，最大降雨量為101.9 mm。8月3日暴雨主要集中在陜北，陜南有分散暴雨，最大降水量為商洛商南131.3 mm。8月8日暴雨主要出現在關中東部和陜南西部，最大降雨量為107.1 mm。9月9日暴雨主要出現在陜南，共出現暴雨54站，最大降雨量為139.0 mm。 9月14日暴雨主要出現在關中和陜南中部，共80站達暴雨，最大降雨量為106.2 mm。7月28日、8月2日、8月8日暴雨落區比較分散，其他過程暴雨落區相對集中。依據降水性質，將8次暴雨過程分為對流性降水、穩定性降水以及混合性降水(穩定性降水過程中有對流發展)過程3類[19]。8次暴雨過程大部分為混合性降水，挑選7月28日、9月14日分別作為對流性、穩定性暴雨過程的代表，與8次過程進行對比檢驗分析。

表1 2019年陜西區域性暴雨(08時—08時)個例信息

3 降水檢驗分析

3.1 空間對比

通過對比二源、三源融合降水產品降水量空間分布與站點實況的降水量分布(圖略)可知，格點產品基本能反映出8次暴雨過程的主要降水落區，二者的降水量空間分布基本一致，但是強降水落區有偏差。二源產品與站點實況相比，6月27日二源產品的中雨范圍在陜北北部偏小，南部偏大，陜南東南部暴雨范圍偏小。二源產品7月21日在關中陜南的暴雨范圍偏大。7月28日在陜北北部的暴雨范圍偏小。8月2日二源產品在延安南部的暴雨量級偏小，表現為大雨。8月3日二源產品在陜北西部的大雨量級偏小，關中及陜南西部局地的大雨和暴雨偏小一個量級。8月8日二源產品在陜北的小雨范圍偏大，關中中部的中雨、陜南西部和關中東部的暴雨范圍偏小。9月14日二源產品在陜北的小雨范圍偏大；關中陜南的暴雨范圍略偏小。三源產品與二源產品降水量空間分布基本一致，除了三源產品7月28日在陜南中西部暴雨的落區更接近實況，9月9日二源融合產品降水空間分布比三源產品更接近降水實況，三源產品對于陜北西部的大雨局地偏大。兩種融合產品和站點實況的8次平均降水量空間分布基本一致，均表現為陜西大部為中雨，陜南西部以及關中和陜北局地為大雨(圖1，見第5頁)。

圖1 2019年陜西8次暴雨過程降水量(單位為mm)空間分布(a、b、c分別表示8次過程平均和7月28日、9月14日站點實況降水量；d、e、f分別表示8次過程平均和7月28日、9月14日二源融合降水產品降水量；g、h、i分別表示8次過程平均和7月28日、9月14日三源融合降水產品降水量；審圖號為GS(2019)3333)(文見第4頁)

3.2 等級平均誤差和等級降水準確率

由表2可知，二源和三源融合降水產品的小雨、中雨的平均誤差值為正，大雨、暴雨的平均誤差值為負值，表明相對于站點實況，融合降水產品的小雨和中雨數值偏大，大雨和暴雨的數值偏小。并且隨著降水量級的增大，平均誤差的絕對值明顯增加。平均而言，三源產品的大雨和暴雨平均誤差略小于二源，小雨和中雨二源產品的平均誤差略小于三源產品。對流性暴雨過程(7月28日)的小雨、大雨、暴雨誤差遠大于其他過程，而穩定性過程(9月14日)的大雨和暴雨誤差遠小于其他過程。可見融合產品對于穩定性過程的表現比對流性過程更優。

表2 二源、三源融合降水產品在2019年陜西8次暴雨過程的等級平均誤差 單位：mm

二源產品準確率中雨最大，其次為小雨、大雨、暴雨，三源產品的準確率隨著降水量級的增大而減小。三源融合產品的小雨和大雨準確率高于二源產品，中雨準確率低于二源產品，暴雨準確率二者相差很小。對流性暴雨過程(7月28日)的小雨二源產品準確率更高，三源產品的大雨準確率更高，兩類融合產品的中雨和暴雨準確率一樣。穩定性暴雨過程(9月14日)的小雨三源降水產品準確率更高，中雨和暴雨準確率二源產品明顯大于三源產品，大雨準確率二者相差很小。穩定性過程的各降水量級(除了三源產品中雨外)準確率遠大于對流性暴雨過程(圖2，見第5頁)。可見，當降水量較大時，三源產品在對流性暴雨過程中的表現更優，穩定性過程可更多參考二源產品。

圖2 二源(a)和三源(b)降水融合產品不同等級降水準確率(文見第4頁)

3.3 等級TS評分

由圖3見第6頁可知，總體來看，8次暴雨過程的各量級降水三源產品的平均TS評分均高于二源產品。TS評分隨著降水量級的增大而減小，小雨TS評分最高，三源產品8次平均小雨TS評分達87.6%；暴雨TS評分最低，二源產品8次平均暴雨TS評分為56.7%。對流性降水過程(7月28日)的中雨、大雨和暴雨的TS評分明顯小于其他過程。穩定性暴雨過程(9月14日)的中雨和大雨TS評分為8次暴雨過程中的最高。小雨的TS評分對流性暴雨過程(7月28日)大于穩定性暴雨過程(9月14日)，三源產品二者差值達12.6%。其他量級降水的TS評分穩定性過程明顯大于對流性暴雨過程，三源產品的中雨、大雨、暴雨在7月28日和9月14日的TS評分差值分別達7.9%、25.7%和22.3%。8次暴雨過程的平均TS評分介于穩定性和對流性暴雨過程之間(圖4，見第6頁)。二源和三源產品的TS評分差值在對流性大雨和穩定性暴雨較大，其他降水量級的差異很小。對流性大雨和暴雨三源產品TS評分高于二源產品，穩定性的大雨和暴雨二源產品優于三源產品。可見，融合產品在對流性和穩定性暴雨過程中TS評分的差異較大，對于對流性過程的小雨和穩定性過程的中雨及其以上量級的降水TS評分較高。在以后的應用中，對于大雨及以上量級降水，對流性過程宜參考三源產品，穩定性過程宜參考二源產品。

圖3 2019年陜西8次暴雨過程二源(a)、三源(b)融合降水產品等級TS評分(文見第4頁)

圖4 2019年陜西8次暴雨過程中降水融合產品的平均等級TS評分與對流性和穩定性暴雨過程的等級TS評分(a 二源融合降水產品，b 三源融合降水產品)(文見第4頁)

3.4 均方根誤差

整體來看，降水的均方根誤差在陜北北部、關中南部和陜南大部地方偏大，部分地區均方根誤差大于10 mm，而陜北南部和關中北部均方根誤差較小，大部地區均方根誤差小于4 mm(圖5)。

圖5 2019年8次暴雨過程降水的均方根誤差(審圖號：GS(2019)3333)

由不同等級降水的等級均方根誤差可知(圖6)，中雨的均方根誤差最小，其次是小雨、大雨、暴雨。8次暴雨過程的平均均方根誤差二源和三源產品的差異很小。二源降水產品小雨的均方根誤差8月2日最小，為4.12 mm，9月9日最大，為13.71 mm。中雨的均方根誤差9月9日最小，為4.31 mm，8月8日最大，為9.69 mm。大雨和暴雨的均方根誤差9月14日最小，分別為6.22 mm和12.24 mm，可能是由于此次暴雨過程為穩定性降水過程，造成暴雨的天氣系統較為穩定。7月28日大雨和暴雨誤差相對其他過程明顯偏大，可能是由于造成暴雨的直接原因是不穩定的中尺度對流系統導致。三源產品的均方根誤差特征與二源產品基本一致。綜上，與其他過程相比，大雨和暴雨的均方根誤差在9月14日穩定性降水過程最小，7月28日的對流性過程相對偏大。

圖6 2019年陜西暴雨過程的等級均方根誤差(a二源融合降水產品，b三源融合降水產品)

由表3可知，小雨的均方根誤差對流性暴雨過程(7月28日)大于穩定性暴雨過程(9月14日)。中雨的均方根誤差二者差異較小。大雨和暴雨的均方根誤差對流性暴雨過程明顯大于穩定性暴雨過程，三源產品二者差值分別達4.57 mm和14.29 mm。可見，融合產品對于穩定性暴雨過程的表現優于對流性暴雨過程，尤其是大雨和暴雨量級降水的優勢更明顯。隨著降水量級增大，均方根誤差增加，對流性過程的暴雨均方根誤差最大。

表3 8次暴雨過程的平均等級均方根誤差與對流性和穩定性暴雨過程等級均方根誤差 單位：mm

4 海拔高度對降水誤差的影響

由以上分析可知三源降水產品優于二源降水產品，下面重點分析三源降水產品的誤差與海拔高度的關系，按100 m的間距[20]，統計陜西383個站點在各個海拔高度區間的站點數分布。由圖7可知，觀測站點主要集中在200～1 700 m海拔高度范圍內，故在200～1 700 m海拔高度內，按每100 m間隔來分析降水誤差隨海拔高度的變化特征。

圖7 陜西不同海拔高度站點數分布

由表4可知，降水平均絕對誤差值與海拔高度的相關性表現為：6月27日、8月8日、9月14日三次暴雨過程降水絕對誤差與海拔高度呈顯著負相關，7月21日、8月3日兩次暴雨過程降水絕對誤差與海拔高度呈顯著正相關。7月28日和8月2日降水絕對誤差與海拔高度相關性較小。降水量與海拔高度相關系數同樣表現為6月27日、8月8日、9月14日顯著負相關，7月21日、8月3日顯著正相關。其原因可能是降水絕對誤差與海拔高度呈顯著負相關的3次暴雨過程的暴雨落區主要位于高海拔的秦巴山區，而顯著正相關的2次暴雨過程暴雨落區主要位于海拔相對較低的陜北地區。由此可見，暴雨落區隨海拔高度的變化是降水誤差隨海拔高度變化的主導因素。降水量與降水絕對誤差為顯著正相關，進一步說明降水量級是降水誤差的主要影響因素。

表4 2019年陜西8次暴雨過程不同要素之間的相關系數

挑選降水絕對誤差與海拔高度顯著相關的過程來分析不同等級降水均方根誤差隨海拔高度變化的特點。對于7月21日、8月3日兩次降水絕對誤差與海拔高度呈顯著正相關的暴雨過程，小雨和中雨的均方根誤差隨海拔高度變化較小，大雨和暴雨均方根誤差隨海拔高度呈增加趨勢。可見，主要是大雨和暴雨均方根誤差隨海拔高度增大，導致2次暴雨過程降水均方根誤差與海拔高度顯著正相關。對于6月27日、8月8日、9月14日這三次降水絕對誤差與海拔高度呈顯著負相關的暴雨過程，小雨和暴雨均方根誤差隨海拔高度減小，中雨和大雨均方根誤差隨海拔高度變化趨勢不明顯。主要是小雨和暴雨均方根誤差隨海拔高度減小，導致3次暴雨過程降水誤差與海拔高度顯著負相關。降水均方根誤差與海拔高度顯著正、負相關的主要影響因素均有暴雨隨海拔高度的變化。可見，主要是暴雨誤差隨海拔高度的變化趨勢決定降水誤差與海拔高度的關系。

5 結論

(1)融合產品的降水量空間分布與站點實況空間分布基本一致，但強降水落區有所偏差。相對于站點實況，融合產品的小雨和中雨數值偏大，大雨和暴雨的數值偏小。

(2)融合產品的準確率隨著降水量級的增大而減小，平均誤差的絕對值和TS評分隨著降水量級的增大而增加。中雨的均方根誤差最小，其次是小雨、大雨、暴雨。二源產品降水準確率中雨最大，其次為小雨、大雨、暴雨。三源融合產品的小雨和大雨準確率高于二源產品。

(3)穩定性暴雨過程(9月14日)的降水準確率遠大于對流性暴雨過程(7月28日)。平均誤差絕對值、均方根誤差和TS評分均表明，對于大雨和暴雨，融合產品在穩定性暴雨過程的準確率明顯優于對流性過程。

(4)三源融合產品的平均TS評分高于二源融合產品。對流性暴雨過程大雨及以上量級降水可參考三源融合產品，穩定性過程的大雨及以上量級降水宜參考二源融合產品。

(5)暴雨落區隨海拔高度的變化影響降水誤差隨海拔高度變化。當暴雨落區主要位于高海拔地區時，降水誤差與海拔高度呈顯著負相關；而暴雨落區主要位于海拔相對較低地區時，降水誤差與海拔高度呈顯著正相關。