多次取樣的網格化暴雨預報“配料法”研究

曹彥超，焦美玲，秦 拓

（慶陽市氣象局，甘肅 慶陽 745000）

暴雨是中國最主要的自然災害之一，持續的強降水每年都會造成重大人員財產損失[1-2]，提升預報預警精細化水平是防范暴雨洪澇災害的主要途徑[3]。極端降水的隨機性使暴雨預報具有較高難度，2020年ECMWF_THIN 模式對甘肅省隴東地區暴雨過程預報準確率雖然達到70%以上，但站點預報準確率僅為12.5%，提升暴雨落區預報準確性成為亟待解決的問題。許多學者從天氣尺度和中尺度等多個角度對暴雨預報做了研究[4-7]，討論了不同背景下暴雨的降水分布特征。其中黃文根等[8]認為暴雨是多種尺度大氣運動的一種綜合現象，常煜等[9]根據環流形勢將呼倫貝爾市暴雨分為西太平洋副熱帶高壓與西風帶系統的相互作用、西太平洋副熱帶高壓與其西側北上的臺風共同與中高緯度環流系統相互作用等4 個類型，而陳鵬等[10]認為暴雨都是在有利的環境背景下由中小尺度系統直接觸發形成的，這些論點是相輔相成的。

“配料法”是Doswell 等[11]1996 年提出的一種基于構成要素的預報方法，強調綜合考慮降水持續時間和降水率兩個要素去判斷暴雨出現可能。俞小鼎等[12]認為基于構成要素的方法就是一種基于物理常識的方法，強調預報過程中氣象原理的理解是第一位。之后，李強等[13]、楊雪艷等[14]、歐堅蓮等[15]、隋亞男等[16]眾多學者將配料法應用于深厚濕對流暴雨、東北冷渦暴雨和持續性暴雨等過程的預報中，發現配料法對特定環流背景下的暴雨預報有明顯提升，預報效果優于ECMWF、T639 等模式的降水預報。每位學者選用的關鍵物理量不同，相應閾值也有明顯差異，可見不同區域環境和氣候背景下物理量配料方法具有明顯差異。

學者們在使用配料法進行暴雨過程預報時，多數選擇數值模式中最有利于強降水發生的某一個時次對區域內最優物理量進行配料匹配，但暴雨的出現不僅需要物理條件間的相互配合，還需要有利條件的持續時間較長。本文嘗試對暴雨過程中多個預報時次取樣進行綜合判斷，以期通過融入時間元素的方法提升預報效果。

隴東地區（34.8°～37.2°N，105.3°～108.8°E）地處甘肅省東部，包括慶陽、平涼市，2009—2019 年平均每年發生暴雨7 場，其中22.9%為100 mm 以上的大暴雨，最大日降水量達216.1 mm，極端天氣頻繁發生。由于黃土結構松散，溝、峁、山地等復雜地形分布廣泛，崩塌、滑坡、泥石流等地質災害時有發生[17-18]。本文將以隴東地區為范圍開展研究。

1 資料及方法

1.1 數據來源

降水量資料采用甘肅省氣象信息中心整編篩選的隴東地區15 個國家基本氣象站和327 個區域站的自動觀測數據（圖1）。以2008—2019 年的44 次暴雨過程為訓練集，2020 年的5 次暴雨過程為驗證集。訓練集大氣環境分析采用ECMWF_ERA5 再分析資料，下載于The C3S Climate Data Store（CDS），空間間隔為0.25°×0.25°，時間間隔為1 h。驗證集使用ECMWF_THIN 模式預報數據，空間間隔為0.25°×0.25°，時間間隔為3 h。所用物理量包括700 hPa 水汽通量散度（qfdiv700，單位：10-6·g/（cm2·hPa·s））、700 hPa比濕（q700，單位：g/kg）、700 及500 hPa 假相當位溫（θse700、θse500，單位：K）、700 與500 hPa 假相當位溫差（θse700-500，單位：K）、K 指數（K，單位：℃）、700 及500 hPa垂直速度（Ω700、Ω500，單位：10-2Pa/s）、700 及500 hPa散度（Div700、Div500，單位：10-5/s）、500 hPa 渦度（Vor500，單位：10-5/s）共11 項。

圖1 隴東觀測站點空間分布

1.2 分析方法

采用聚類分析法，對隴東地區暴雨過程進行分型；利用相關系數判別法（Correlation Coefficient Discrimination，CDD）獲得每種類型暴雨的關鍵影響因子；利用百分位數法獲得各物理量因子的閾值。定義暴雨日數為24 h（20 時—次日20 時）降水量≥50 mm 的日數。

檢驗指標包括TS評分、空報率（FAR）和漏報率（PO），計算公式如下：

式中：NA為暴雨預報正確的站數，NB為漏報站數，NC為空報站數。

2 環流背景及降水特點

本文對所選的44 個暴雨個例根據500 hPa 環流特征進行診斷分析，分為3 種類型：西太平洋副熱帶高壓邊緣中尺度系統擾動型（簡稱“副高邊緣中尺度擾動型”）、冷槽切變型以及偏北氣流對流型暴雨。其中副高邊緣中尺度擾動型有個例21 個，冷槽切變型16 個，偏北氣流對流型個例較少，只有7 個。

挑選3 類暴雨典型過程進行大尺度環流特征分析及中尺度分析（圖2）。副高邊緣中尺度擾動型暴雨的環流特征為：500 hPa 副高西脊點位于115 °E以西，脊線在30 °N 以北，隴東位于5 880 gpm 等高線西側或西北側。副高外圍的上升氣流使隴東地區大氣層結變的不穩定，強盛的低空偏南氣流使700 hPa出現10 g/kg 以上的濕舌。當有短波槽等系統擾動，迫使副高變形或位置變動時，地面輻合或低空切變線動力抬升引發暴雨。此類暴雨主要出現在7—8月，多為范圍廣、持續時間長，且累積降水量大的區域性暴雨，平均每場過程有31 站達到暴雨量級，76.2%的過程降水持續時長＞24 h，最大日降水量出現在2013 年7 月22 日靈臺縣獨店站，為216.1 mm。

圖2 3 類暴雨的環流形勢（a、b、c）及中尺度分析（d、e、f）（a、d 為副高邊緣中尺度擾動型、b、e 為冷槽切變型，c、f 為偏北氣流對流型）

冷槽切變型暴雨的環流特征為：500 hPa 西風帶低槽沿河西走廊東移，700 hPa 有明顯的切變線或冷鋒。當本地濕度條件良好，或有低空暖濕氣流輸送時，鋒面抬升引發暴雨。此類暴雨對流層低層水汽條件差異較大，其中有11 次過程700 hPa 存在低空急流及10 g/kg 以上的濕舌，5 次過程偏南氣流較弱。冷槽切變型暴雨在5—9 月均有出現，平均每次過程有9 站達到暴雨，范圍明顯小于副高邊緣中尺度擾動型，降水持續時長＞24 h 的占43.8%，最大日降水量出現在2012 年7 月17 日的靜寧縣城關站，為130.1 mm。

偏北氣流對流型暴雨的環流特征為：隴東地區多位于500 hPa 低槽或蒙古低渦、東北冷渦后部，高空強冷平流與低層偏南氣流疊加，或邊界層輻射升溫強烈時，熱力不穩定引發對流天氣，產生暴雨。此類暴雨對低層濕度條件要求較低，不一定出現濕舌或低空切變線，且受地形影響明顯，暴雨落區隨機性較大，對預報造成了很大困擾。偏北氣流對流型暴雨在6—8 月均有出現，平均每次過程只有2 站達到暴雨，局地性非常強，降水持續時間往往≤6 h。最大日降水量出現在2015 年5 月30 日西峰區北石窟站，累積降水量為77.6 mm。

3 基于“配料法”的降水預報訂正方案

3.1 特征變量選取

Doswell 等[11]認為，強降水的預報根據物理理解可以確定為降水率和降水持續時間2 個要素，即最強的降水率和最長的持續時間導致最大的降水量。由于暴雨往往持續時間較長，過程中降水率變化大，某一時刻的物理量配置只能反映當前降水率潛勢，不能與24 h 累積雨量產生密切關聯。選擇多個時次采樣綜合判斷，可彌補降水持續時間帶來的不確定性。陳錦鵬等[20]使用物理量與小時雨量之間的相關性來挑選對卷積神經網絡有用的物理量參數，但配料法更強調有利暴雨出現的環境條件，重點在概率更高而不是降水量判斷更準確，因此選擇過程中暴雨的站點數目作為與環境物理量擬合的參數效果會更好。

俞小鼎[12]認為應盡量避免使用CAPE、LI 等能夠同時代表熱力、濕度等條件的綜合物理量，以避免因物理量疊套造成的判斷效果折扣。本文通過客觀分析挑選了不同層次、不同種類的11 種物理量作為備選參數，記錄44 次暴雨過程前臨近時次隴東常規高空觀測資料的物理量極值。根據環流特征將暴雨過程歸為3 組，采用相關系數判別法，分別根據物理量極值與過程中暴雨站點數量的相關系數絕對值挑選關鍵物理量。對通過0.05 顯著水平檢驗的物理量，以相關系數0.15 為閾值挑選關鍵物理量，檢驗結果如表1 所示。

表1 環境物理量與暴雨站數的相關性

3.2 閾值確定

根據直線距離最近原則將訓練集中每個達到暴雨量級的站點與0.25°×0.25°的網格格點進行匹配，記錄匹配格點在臨近降水最強時刻的ECMWF_ERA5 再分析資料物理量，獲得983 個樣本資料，建立暴雨物理量資料庫。對每種暴雨的物理量分別計算10%和90%分位數，當表1 中物理量相關系數為正時，閾值選擇≥10%分位數；為負時，閾值選擇≤90%分位數。得到物理量配料閾值如表2。

表2 三種類型暴雨的物理量配料因子閾值

3.3 建立多次取樣的網格化暴雨預報“配料法”模型

圖3 為以格點為單位進行配料法匹配、綜合考慮多個時次的預報流程示意圖。首先根據ECMWF_THIN 模式預報場的天氣過程環流特征對暴雨過程進行分析歸類，挑選對應類型的配料方案對隴東范圍內ECMWF_THIN 模式預報場18 行、14列，共252 個預報格點逐格點匹配物理量閾值。若當前格點對應的所有關鍵物理量均滿足要求，則為該格點當前時次預報結果賦值為1，否則賦值為0，獲得一個時次的網格化暴雨判斷結果。ECMWF_THIN模式的預報間隔為3 h，每天共有8 個預報時次，對每個時次分別進行網格化配料，獲得8 個時次空間間隔為0.25°×0.25°的配料法判斷二維數據結果。將8 個時次的二維網格數據同相位疊加，得到當天暴雨最終判定結果。每個格點的最終得分為0～8，代表符合暴雨發生有利條件的持續時間，數值越大，周邊出現暴雨的可能性越大。

圖3 多次取樣的網格化暴雨預報“配料法”流程

4 結果檢驗

以2020 年8 月4、5、6、16、23 日發生的5 次暴雨過程作為驗證集進行檢驗，其中8 月4、16 日為低槽切變型，5—6 日為副高邊緣中尺度擾動型，23 日為偏北氣流對流型，驗證結果如圖4。多次取樣的模式配料法按照得分為1 確定的預報范圍明顯偏大，原因是部分區域有利的氣象條件持續時間較短，最終降水量達不到暴雨標準，得分為3 或以上的預報范圍又偏小，因此以得分為2 判定暴雨較為合理。

圖4 2020 年8 月4 日（a）、5 日（b）、6 日（c）、16 日（d）及23 日（e）預報效果（紅色等值線為配料法暴雨落區，黃色等值線為EC_THIN 模式暴雨落區，等值面為實況暴雨落區）

圖4 為2020 年5 次暴雨過程中配料法、ECMWF_THIN 暴雨預報落區及實況暴雨落區。配料法在5 次過程中均預報有暴雨落區，過程預報準確率為100%。ECMWF_THIN 模式對8 月23 日隴東地區24 h 最大降水量預報為43 mm，未預報出暴雨落區，過程預報準確率為80%，配料法的過程預報優于ECMWF_THIN 模式預報。

分別對5 次過程暴雨站點預報進行評分（圖5），配料法TS 得分分別為10.8%、38.3%、13.1%、8.9%、0%，平均為14.2%，ECMWF_THIN 得分分別為15.3%、11.7%、3.6%、1.4%、0%，平均為6.4%。除8月4 日ECMWF_THIN 落區預報準確性較高外，配料法整體優于ECMWF_THIN。相比ECMWF_THIN漏報率平均值為84.8%，配料法則為61.3%，預報效果更好?？請舐示哂信c準確率相似的對比結果。配料法暴雨的預報范圍雖然整體大于ECMWF_THIN 及實況降水，但落區位置誤差并不大。特別在8 月23日過程中，雖然南北2 個降水預報落區均未與實況重合，空報率達到了100%，但2 個落區的距離誤差均不到10 km，對客觀預報仍具有一定指示意義。

圖5 2020 年5 次驗證過程的配料法與ECWMF模式暴雨預報評分對比

配料法的預報性能在空間上也具有較明顯差異。5 次過程中六盤山以西地區的暴雨站點預報均為空報或漏報，TS 得分為0%，而六盤山以東地區站點預報準確率明顯更高。原因可能是六盤山的地形影響使2 個區域氣候特征具有明顯差異，物理量配料的要素及相關閾值也不相同。

5 結論和討論

本文重點研究了對網格化模式預報逐格點進行物理量配料獲得一個預報結論，再對1 d 內所有預報時次的配料結果同相位累加獲得當天暴雨預報最終結論的暴雨預報模型。該方法通過多次取樣的方式將時間元素融入暴雨“配料法”預報方案，預報性能明顯獲得提升。主要結論如下：

（1）根據500 hPa 環流特征，隴東主要的暴雨類型有副高邊緣中尺度擾動型、冷槽切變型及偏北氣流對流型。其中副高邊緣中尺度擾動型暴雨主要出現在7—8 月，暴雨范圍廣、持續時間長、雨量大；冷槽切變型暴雨在6—9 月均有出現，暴雨范圍小于副高邊緣中尺度擾動型，降水持續時間較長；偏北氣流對流型暴雨主要分布在6—8 月，多為局地暴雨。

（2）多次取樣的網格化配料法預報以格點得分為2 判斷暴雨落區可獲得隴東地區最優預報結論。根據2020 年5 次暴雨過程檢驗結果表明，配料法的過程預報準確率為100%，站點預報準確率為14.2%，過程預報準確率相比ECMWF_THIN 提高了20%，站點預報準確率提高了7.8%。

（3）配料法在六盤山以東地區的暴雨預報效果明顯優于以西地區，氣候及地形的影響使配料法需要根據氣候背景的變化針對性的調整配料方案，否則雖在小區域內預報效果具有優勢，但范圍越大，預報準確率越低。

本文只針對5 次暴雨過程進行檢驗，每種暴雨類型個例1～2 個，檢驗樣本數量較少，所選的多次取樣模式配料法最優判定得分仍有待驗證。隨著配料模型在業務工作的應用，最優判定得分將調整的更合理可靠，模型的預報性能也將進一步提升。