基于GNSS水汽與FY-4A閃電資料的降水閾值模型研究

王 勇 周 洲 吳文壇 劉嚴(yán)萍

1 天津城建大學(xué)地質(zhì)與測繪學(xué)院,天津市津靜路26號(hào),300384 2 河北省自然資源檔案館,石家莊市中山東路495號(hào),050031 3 天津城建大學(xué)經(jīng)濟(jì)與管理學(xué)院,天津市津靜路26號(hào),300384

構(gòu)建有效的降水閾值模型對于提高強(qiáng)降水天氣預(yù)報(bào)正確率、降低誤報(bào)率具有重要意義。地基GNSS技術(shù)是獲取水汽的一種重要方法,可對極端天氣作出預(yù)報(bào)和預(yù)警[1]。根據(jù)強(qiáng)降水期間的GNSS水汽變化可知,水汽時(shí)序變化與暴雨事件之間存在較好的對應(yīng)關(guān)系[2]。在短時(shí)天氣預(yù)報(bào)中,GNSS水汽序列峰值超前于實(shí)際降水近60%[3];對短時(shí)降水進(jìn)行預(yù)報(bào)時(shí),利用天頂對流層總延遲ZTD方法能預(yù)測出80%以上的降水事件[4]。降水事件大多出現(xiàn)在水汽上升至最大值以及水汽迅速下降的時(shí)段內(nèi),局地降水與水汽變化呈正相關(guān)[5]。許多學(xué)者針對降水預(yù)測展開研究:Benevides等[6]利用GNSS水汽數(shù)據(jù)對降水進(jìn)行預(yù)測,其預(yù)測正確率約為75%、誤報(bào)率約為60%～70%;我國首次研制并搭載于FY-4A衛(wèi)星上的閃電成像儀(lightning mapping imager,LMI)可對閃電進(jìn)行觀測[7],閃電活動(dòng)對強(qiáng)降水和短時(shí)降水過程具有重要指示意義。國內(nèi)學(xué)者對FY-4A閃電資料的精度進(jìn)行分析驗(yàn)證:徐國強(qiáng)等[8]研究表明,加入FY-4A閃電成像儀資料后可以進(jìn)一步提高1～12 h內(nèi)降水預(yù)報(bào)的準(zhǔn)確率;黃守友等[9]研究表明,閃電資料能夠較好地捕捉到強(qiáng)降水信號(hào),有效降低漏報(bào)率并在短時(shí)間尺度內(nèi)響應(yīng)出與實(shí)況更為接近的降水預(yù)報(bào)。FY-4A氣象衛(wèi)星可為區(qū)域降水預(yù)測提供可靠的數(shù)據(jù)支撐?，F(xiàn)有文獻(xiàn)表明,若僅利用GNSS水汽及其變化量進(jìn)行降水預(yù)測,可能會(huì)存在正確率較高但誤報(bào)率也偏高的問題。

基于此,本文以河北省為例,綜合GNSS水汽和閃電資料開展降水閾值模型研究。利用河北省興隆測站的GNSS水汽、閃電資料,通過不同實(shí)驗(yàn)方案,依據(jù)臨界成功指數(shù)、正確率、誤報(bào)率指標(biāo)獲得最佳降水閾值模型,并驗(yàn)證該模型的有效性及其在河北省的適用性。

1 研究數(shù)據(jù)與研究方法

1.1 研究數(shù)據(jù)

本文使用的水汽(PWV)數(shù)據(jù)由河北省GNSS連續(xù)運(yùn)行參考站網(wǎng)觀測數(shù)據(jù)反演得到。FY-4A衛(wèi)星閃電資料可在風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)(http:∥satellite.nsmc.org.cn/portalsite/default.aspx)免費(fèi)下載。下載數(shù)據(jù)的時(shí)間分辨率為1 min,空間分辨率為星下7.8 km。為將其與GNSS水汽資料進(jìn)行聯(lián)合預(yù)測,將閃電資料的時(shí)間分辨率由1 min轉(zhuǎn)化為1 h。

1.2 研究方法

降水預(yù)報(bào)的效果評價(jià)可使用臨界成功指數(shù)(CSI)、正確率(POD)、誤報(bào)率(FAR)進(jìn)行評價(jià)。3個(gè)評價(jià)指標(biāo)的計(jì)算公式如下:

(1)

(2)

(3)

式中,n11表示預(yù)測降水發(fā)生、實(shí)際情況也發(fā)生降水;n12表示預(yù)測降水發(fā)生但實(shí)際未發(fā)生降水;n21表示預(yù)測未發(fā)生降水但實(shí)際發(fā)生降水。

2 GNSS水汽、閃電資料與降水的關(guān)系

2.1 GNSS水汽與降水的關(guān)系

為更好地分析GNSS水汽與降水的關(guān)系,選取2018-08興隆站二者時(shí)間序列進(jìn)行比較(圖1),然后對幾次降水發(fā)生過程進(jìn)行快速傅里葉變換(FFT)(圖2)。

圖1 SZXO站GNSS水汽時(shí)間序列Fig.1 GNSS PWV time series of SZXO station

圖2 SZXO站快速傅里葉變換結(jié)果Fig.2 FFT results of SZXO station

由圖1可知,降水過程發(fā)生前的08-16～08-17,水汽呈小范圍波動(dòng),但08-17之后水汽值開始不斷增加,08-18達(dá)到峰值,此時(shí)降水過程開始。隨著降水的發(fā)生,水汽值不斷減小,當(dāng)水汽值減小到一定值后降水過程結(jié)束。

由圖2可知,由于PWV與降水時(shí)序的共同峰值為3 cpd,對應(yīng)的公共周期為8 h,因此對水汽數(shù)據(jù)進(jìn)行8 h數(shù)據(jù)分段處理。根據(jù)徐小靜[10]的研究結(jié)果可知,PWV變化與降水之間的關(guān)系體現(xiàn)在PWV極大值、PWV增加量、PWV增加率3個(gè)因子上。本文將PWV極大值替換為PWV最大值,同時(shí)加入閃電數(shù)據(jù)對降水進(jìn)行預(yù)測,預(yù)測因子的定義如表1所示。

表1 預(yù)測因子的定義

2.2 閃電數(shù)據(jù)與降水的關(guān)系

為更好地分析閃電數(shù)據(jù)資料與降水的關(guān)系,首先將下載的原始閃電NC數(shù)據(jù)按h進(jìn)行整理,然后使用Python對閃電數(shù)據(jù)進(jìn)行處理,提取閃電時(shí)刻的發(fā)生位置。圖3為幾次降水閃電發(fā)生時(shí)刻的位置圖。

圖3 2018-08 SZXO站幾次閃電發(fā)生示意圖Fig.3 Diagram of lightning strikes occurring at the SZXO station during August, 2018

由圖3可知,08-07 22:00、08-11 19:00 SZXO站附近閃電頻發(fā)。查詢歷史數(shù)據(jù)可知,08-07 22:00發(fā)生降雨,08-11 19:00發(fā)生本月最大暴雨。對該站點(diǎn)8～9月的FY-4A閃電資料與降水量進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn),共有11次降雨,其中降水事件伴隨的閃電次數(shù)為5,出現(xiàn)降水事件未發(fā)生閃電的次數(shù)為6,未出現(xiàn)降水事件但發(fā)生閃電的次數(shù)為0。由此可以看出,FY-4A閃電資料的降水預(yù)報(bào)準(zhǔn)確度較高。

3 降水預(yù)測模型的構(gòu)建

3.1 降水預(yù)測方法

本文將上述4個(gè)因素應(yīng)用于降水預(yù)測。首先對PWV、閃電數(shù)據(jù)和降水?dāng)?shù)據(jù)進(jìn)行預(yù)處理,采用滑動(dòng)窗口方法求得窗口內(nèi)數(shù)據(jù)PWV最大值、PWV最大值序列、PWV最大值之前最小值、PWV最大值之前最小值序列,窗口大小設(shè)置為8,窗口間隔設(shè)置為1;然后統(tǒng)計(jì)該時(shí)段內(nèi)的降水事件和閃電次數(shù),并與實(shí)際降水進(jìn)行比較,求出正確率、誤報(bào)率、CSI,選取CSI最大值的正確率和誤報(bào)率作為預(yù)測結(jié)果。

3.2 降水閾值模型構(gòu)建

對興隆站2018-08 PWV最大值、PWV增加量、PWV增加率進(jìn)行最佳閾值組合選取,后加入閃電數(shù)據(jù)。表2為興隆站最佳閾值組合方案的選取比較。

表2 SZXO站最佳閾值組合選取

由表2可知,選取PWV最大值+PWV增加量時(shí),正確率為75.2%,誤報(bào)率為23.8%,此時(shí)CSI值最大,預(yù)測效果最好。將閃電數(shù)據(jù)加入到閾值的選取中后,當(dāng)選定閾值未超過設(shè)定閾值且該時(shí)刻有閃電發(fā)生時(shí),將閃電發(fā)生后的2 h模型視作預(yù)測有降水發(fā)生,融合閃電數(shù)據(jù)后,CSI值為63.3%,相比于PWV最大值+PWV增加量模型的提升幅度為2.4個(gè)百分點(diǎn);正確率為78.6%,提升幅度為3.4個(gè)百分點(diǎn);誤報(bào)率為23.5%,降低幅度為0.3個(gè)百分點(diǎn)。

4 降水預(yù)測模型驗(yàn)證

為進(jìn)一步對該降水預(yù)測模型進(jìn)行檢驗(yàn),選取河北省內(nèi)不同站點(diǎn)進(jìn)行降水預(yù)測模型驗(yàn)證,驗(yàn)證站點(diǎn)分別為遷安站(SZQA)、滿城站(SZME)、石家莊站(SJHB)3個(gè)站點(diǎn)。表3(單位%)為融合閃電要素閾值選取與未融合閃電要素閾值選取的比較結(jié)果。

表3 融合與未融合閃電要素閾值選取比較

由表3可以看出,未加入閃電要素時(shí),SZQA站、SZME站和SJHB站的正確率分別為78.9%、67.2%、63.3%,誤報(bào)率分別為35.3%、41.8%、41.5%;融合閃電要素后正確率提升到83.3%、68.9%、65.2%,誤報(bào)率下降至34.5%、40.4%、40.8%。由此說明,融合閃電數(shù)據(jù)能夠更好地提升降水預(yù)報(bào)正確率,降低降水預(yù)報(bào)的誤報(bào)率。

5 結(jié) 語

本文利用閃電資料數(shù)據(jù)、GNSS PWV與實(shí)際降水之間的關(guān)系建立了融合PWV最大值、PWV增加量、PWV增加率和閃電數(shù)據(jù)的降水預(yù)測模型,該模型具備提前1～8 h的降水預(yù)測能力,正確率約為60%～80%,誤報(bào)率約為20%～40%。主要結(jié)論如下:

1)降水的發(fā)生往往使得PWV上升,大部分降水發(fā)生在PWV峰值附近,降水發(fā)生前后波動(dòng)較大。閃電的發(fā)生對降水有著很好的預(yù)測作用,大部分情況下降雨發(fā)生時(shí)伴隨閃電,且閃電出現(xiàn)頻次越多降水量越大。

2)相對于以前的降水預(yù)測模型,本文模型提高了正確率、降低了誤報(bào)率。

由于FY-4A閃電資料收集過程中可能會(huì)出現(xiàn)少量閃電數(shù)據(jù)丟失的情況,對降水預(yù)測會(huì)產(chǎn)生一定的影響,因此后續(xù)研究可添加地面雷電資料以改善模型精度。