基于FY-4A衛星數據的短時強降水監測預警指標

邵建 何勁夫 陳敏 張亞剛1, 張肅詔1, 邵雅涵

(1 中國氣象局旱區特色農業氣象災害監測預警與風險管理重點實驗室,銀川 750002; 2 銀川市氣象局,銀川 750002; 3 寧夏氣象防災減災重點實驗室,銀川 750002; 4 寧夏氣象臺,銀川 750002; 5 寧夏銀川一中,銀川 750001)

引言

短時強降水往往由中小尺度對流系統引發,具有持續時間短、災害性強等特點,一直以來是氣象科研的重點和預報的難點[1-3]。氣象衛星的覆蓋范圍廣,觀測頻次穩定,其部分性能甚至可與地面天氣雷達相媲美[4-5]。有研究認為,氣象衛星因其高時空分辨率能很好地捕捉到強對流云團發展的演變特性[6-10],因而在短時強降水監測和研究方面具有得天獨厚的“遙感”優勢[11-15],可以用作識別大氣中正在發生的動力和熱力過程的有效指示。一些學者對衛星遙感數據可用性及其性能進行了研究和改進[16-18],進一步推進了衛星數據的業務應用。

國內外學者利用靜止氣象衛星資料對各類災害性天氣開展監測、分析,其中包括了大霧[19]、沙塵暴[20]、森林草原火災[21]、臺風[22]和強降水[23-29],先后開展了許多理論和方法研究,普遍認為靜止氣象衛星資料及產品的應用對災害天氣的臨近預報具有較好的指示意義。針對風云系列、Himawari-8等靜止氣象衛星資料,通過反演云和降水的宏微觀物理特征參數,發現云光學厚度與降水強度呈正相關關系,對降水強度的影響最為顯著,云頂溫度和云頂高度對降水強度的影響次之,云液水路徑的大值區與地面強降水中心的位置基本一致[30-32]。在降水發生前2 h,云頂溫度、黑體亮溫、云頂高度和過冷層厚度都處于不斷增強的較高水平,且出現快速增強后又不斷減弱,對應后期可能要出現強降水[33]。出現大降水時,每小時降水量與云頂高度、有效粒子半徑是較好的正相關,與云頂溫度是較好的負相關;反之則不盡然,云頂高度高、云頂溫度低、有效粒子半徑大卻不一定降水大[34]。通常云厚大于5 km、云底較低、云粒子有效半徑較大時,地面易出現降水[35];層狀云和對流云的降水概率均隨云頂高度和云光學厚度的增加而增大,降水概率與云光學厚度的相關性更為密切,云參數先于地面降水變化,兩者相差約2 h[36-37]。當云頂高度大于7.5 km、云粒子有效半徑大于20 μm 且云光學厚度大于10時,云降水概率普遍都在30%以上[38]。

這些研究,多是利用衛星反演的物理特征參數,以某一次或多次暴雨過程為例,分析暴雨云系的演變特征和微觀物理性質;或是從統計的角度出發,分析云和降水參數與地面雨量的關系,從而總結出一些定性化普遍規律,對提高降水預報精度做出了貢獻。FY-4A靜止氣象衛星較其他衛星擁有更高的時空分辨率,可以更精確捕捉到對流云在對流初生階段的云頂物理量變化的特征[39]。有學者對短時強降水的流型配置、閾值進行研究[40],以及通過Z-I分型最優,提高短時強降水預警指標[41],但是結合衛星研究短時強降水預警指標卻少之又少。

目前FY-4A各類參數在短時強降水分析中的應用研究較少。業務工作中對衛星云圖的應用分析仍以主觀判斷和定性外推估算為主,因此利用FY-4A開展降水臨近預報指標研究,對于開展災害天氣監測預警、有效發揮氣象防災減災第一道防線作用有著十分重要的意義。本文利用FY-4A下發的衛星產品資料,結合地面降水觀測數據,對寧夏2018—2021年汛期短時強降水天氣過程進行分析,探討暴雨對流云團在13類FY-4A衛星基礎產品方面的定量化特征和適用于寧夏地區的短時強降水監測預警的有效指標,旨在為寧夏短時強降水的識別、監測、臨近預報預警提供有力的科學依據,同時挖掘我國自主發射的新一代衛星傳感器的應用潛力,為云和降水的物理特征參數產品反演技術的改進優化提供反饋和參考。

1 資料和研究方法

1.1 資料

1.1.1 短時強降水樣本

短時強降水過程:利用寧夏境內自動站數據進行統計。以1 h降水量為統計標準,當寧夏境內至少3個相互間距不大于10 km的自動氣象站小時降水量≥10 mm時,定義為一次短時強降水天氣過程,過程中達到短時強降水標準的自動站小時雨量(15 min雨強)作為強降水樣本。統計時段為2018—2021年,每年的5月1日00:00至9月30日23:00。按照上述標準,共統計出短時強降水個例213次,合計強降水樣本數據6945個。

1.1.2 FY-4A衛星產品資料

FY-4A衛星搭載多通道掃描成像輻射計(AGRI)等四種探測器,下發32類定量產品。本文選取了13大類可能與強降水存在較為明顯對應關系的產品進行指標分析。其中對流初生CIX、云檢測CLM、云相態CLP、云類型CLT為設定值類變量,即設定了若干固定值,為非連續變量;定量降水估測QPE為降水估計產品,為非連續變量;其他產品均設計為連續觀測值,視為連續變量(表1)。

表1 納入指標研究的13類FY-4A衛星產品及其參數

衛星資料時段為2018—2021,每年的5月1日00:00至9月30日23:59。

1.2 研究方法

采用反距離加權插值,即IDW(Inverse Distance Weight) ,也可以稱為距離倒數乘方法。是指距離倒數乘方格網化方法是一個加權平均插值法,可以進行確切的或者圓滑的方式插值。方次參數控制著權系數如何隨著離開一個格網結點距離的增加而下降。對于一個較大的方次,較近的數據點被給定一個較高的權重份額,對于一個較小的方次,權重比較均勻地分配給各數據點。本文通過降水站點的經緯度信息,用反距離插值法獲取不同衛星產品在該點的觀測值。

相關性分析是指對兩個或者多個具備相關性的變量元素進行分析,從而衡量兩個因素的相關密切程度。常用的相關性分析方法是皮爾遜相關系數法。該方法要求樣本序列符合正態分布,計算出兩個序列間的相關系數R,R的正負表示正負相關性,其絕對值越大代表相關性越好。

箱線圖(Box-plot)又稱為盒須圖、盒式圖或箱形圖,是一種用作顯示一組數據分散情況資料的統計圖。它主要用于反映原始數據分布的特征,還可以進行多組數據分布特征的比較。它能顯示出一組數據的最大值、最小值、中位數及上下四分位數。

極值統計是專門研究很少發生,但一旦發生卻會有巨大影響的隨機變量極端變異性的建模及統計分析方法。一般來說,對于一個序列來說,其最大值、最小值及其分別占比為該序列的主要描述參數,極值統計法則是將其進行描述的一種方法。

1.3 樣本數據對應關系確定

日常業務上接收到的FY-4A產品數據,一般有逐時整點報文和逐15 min加密報文,而短時強降水的樣本數據同樣有小時數據和分鐘級數據。在計算相關性時,采用的是逐小時數據進行分析;在指標計算時,從自動站分鐘級數據里統計與衛星產品15 min加密報文時段相對應的15 min雨強數據,作為細化樣本開展分析。

2 指標分析的技術流程

對于非連續變量產品采用直接賦值的方式得出指標,對于連續變量則按照圖1技術流程分析指標。

圖1 短時強降水監測預警指標研究的技術流程

先分析得出短時強降水樣本和對應的衛星產品相關性較好(相關系數的絕對值≥0.4)的幾類產品,然后采用“箱線圖+極值統計法”來計算分析指標。

通過統計分析法得到初始箱線圖的繪制范圍(定義為繪制區間),然后利用箱線圖法對某一衛星產品樣本全序列數據進行變比例箱線圖繪制,將個別極端值(即小于10%、大于90%)過濾后,得到控制區間(即物理量位置概率≥80%的概率區間);然后將處在控制區間的剩余數據組成新的序列, 統計得出繪制區間(即指標研究區間)。通過箱線圖法,過濾掉極端情況,雖然有可能漏掉個別重要信息,但考慮到指標普適性原則,對處在繪制區間范圍內的數據采用極值統計法統計得出指標。

3 FY-4A短時強降水的監測指標

3.1 降水數據與衛星產品數據的相關性分析

利用小時級降水數據和FY-4A衛星產品數據樣本序列,在95%的置信度條件下,進行相關性分析。

FY-4A衛星產品中,對流初生、云檢測、云相態、云類型和定量降水估測均為設定值或不連續變量,可直接作為指標應用。其中前4類為固定設置指標,其觀測值為設定觀測值,可根據定義直接作為指標應用;定量降水估測直接為降水量估測值,用于短時強降水雨強指標判別。

從表2中可以看到,對于短時強降水樣本來說,具有顯著相關性的產品有大氣總可降水、相當黑體溫度和對流層折疊最深深度,相關系數分別達到了0.62、-0.61、0.73,表明這三類產品在監測短時強降水方面具有明顯的指示意義。具有中度相關性的產品有云頂氣壓(相關系數-0.40,下同)、云頂氣溫(0.47)、液態水含量(0.44),表明這三類產品在監測短時強降水時具有一定的指示意義。而還有兩類產品,云頂高度(0.37)和云滴有效半徑(0.33),具有較低的相關性。據此判斷,FY-4A衛星產品中,短時強降水監測中的高敏感因子有3項,中敏感因子有3項。

表2 FY-4A產品與小時降水的相關系數

3.2 連續變量的指標分析

3.2.1 控制區間與繪制區間

利用統計分析方法對各衛星產品樣本序列統計計算得到控制區間,然后采用箱線圖法進一步分析得到各產品繪制區間,理論上講,控制區間應當包含繪制區間。其計算結果如表3。

表3 9類FY-4A產品繪制箱線圖時的控制區間和繪制區間

從表3中可以看出,在發生短時強降水時,FY-4A各類產品的控制區間和繪制區間跨度均比較大。其中,云頂高度的控制區間(繪制區間)為1674～14296 m(2536～11658 m),跨度達12622 m(9122 m);云頂氣壓的控制區間(繪制區間)為109～815 hPa(209～738 hPa),跨度達706 hPa(529 hPa);云滴有效半徑的控制區間(繪制區間)為901～8847μm(1320～8593 μm),跨度分別為7946 μm(7273 μm);液態水含量的控制區間(繪制區間)為35.7～898.6 g/m2(108.2～381.5 g/m2),跨度分別為862.9 g/m2(273.3 g/m2)。跨度大,表明數據的離散度大,則可能會影響指標效果;而云頂溫度、降水估計、液態水含量、相當黑體溫度、對流層折疊最深深度則相對區間跨度更小一些,表明其觀測值相對集中,則其指標效果可能會更好。

3.2.2 箱線圖

根據統計得到的短時強降水的控制區間和繪制區間,繪制各產品的箱線圖(圖2)。通過箱線圖,可以直觀地掌握各類產品處于90%、80%百分比的觀測值區間,選取位于這一區間的觀測樣本來進行指標分析。

圖2 FY-4A衛星指標產品箱線:(a)云頂高度,(b)云頂氣壓,(c)云頂氣溫,(d)整層大氣總可降水TPW,(e)降水估計,(f)相當黑體溫度,(g)對流層折疊最深深度,(h)云滴有效半徑,(i)液態水含量

3.2.3 極值法分析

在箱線圖法獲取樣本分析區間的基礎上,用極值法分析得到初步指標(表4)。從表中可以看到,有13項產品納入了短時強降水的判別指標,其中賦值類指標4項,分別為對流初生、云檢測、云相態、云類型;數值判別類指標9項(含輔助指標3項)。因大氣總可降水、云滴有效半徑、云頂高度三類產品序列與短時強降水序列的相關性較低,加之其觀測數據穩定性較低,故將其設定為輔助指標,主要用于趨勢判斷,即這三類產品達標時,發生短時強降水的可能性較大。在實際業務應用中,初步設定13項指標中有9項達到指標時短時強降水天氣會發生。根據此設定開展指標效果評估。

表4 短時強降水的FY-4A衛星監測指標

4 指標效果評估和改進

4.1 評估方法

采用預報質量通用檢驗方法,即評估準確率TS評分、空報率、漏報率三項主要指標。其中TS評分、空報率、漏報率的計算公式與標準降水評分公式一致[42],這里不再贅述。

4.2 評估結果

對2018—2021年個例進行反算,評估初始指標的效果(圖3)。從反算結果來看,指標的TS評分尚可,逐年的TS均高于64%,空報率大致在25%～28%間,漏報率大致在9%～18%間。具體來看,2018年共發生短時強降水過程63次,樣本數3533個站次,短時強降水準確率可達66.2%(漏報率27.4%、空報率11.8%);2019年共發生短時強降水過程50次,樣本數1365個站次,短時強降水準確率可達68.9%(漏報率25.9%、空報率9.3%);2020年共發生短時強降水過程57次,樣本數1181個站次,短時強降水準確率可達67.7%(漏報率26.4%、空報率10.7%);2021年共發生短時強降水過程43次,樣本數866個站次,短時強降水準確率可達64%(漏報率25.6%、空報率18%)。從評分結果來看,存在較大的空報率和漏報率,平均分別達到26.3%和12.4%,可以嘗試優化指標從而降低空漏報率。

圖3 2018—2021年初始指標逐年評分結果:(a)TS評分,(b)空報率,(c)漏報率

4.3 實測值與指標對比分析

分析不同強對流天氣的實測值與指標值間的差別,分析其偏向性特征,作為指標訂正參考。

在2018—2021年的強降水個例中,隨機選取了141次短時強降水過程進行指標對比分析。單就指標數達標數來說,最多的是13項全部達標,最少的是5項達標8項不達標。在141次短時強降水過程中,有1次過程是有5項達標(0.58%)、3次過程6項達標(1.75%)、7次過程7項達標(4.09%)、8次過程8項達標(4.68%)、13次過程9項達標(7.60%)、45次過程10項達標(26.32%)、33次過程11項達標(19.30%)、23次過程12項達標(13.45%)、7次過程13項達標(4.09%)。 達標數基本集中在10～12項,約占141次過程60%;7～8項達標的(即只差1～2項即可準確預報的)約占9%。因此,指標改進主要針對這9%的情況開展。

從各指標達標對比情況來看(表5),各項指標表現參差不齊。其中表現最好的三個指標分別為:大氣總可降水,共有120次過程達標(占比80.5%);相當黑體溫度,共有119次過程達標(占比79.9%);云頂氣壓,共有118次過程達標(占比79.2%)。最差的三個指標分別為:云類型,共有103次過程達標(占比69.1%);液態水含量,共有101次過程達標(占比67.8%);降水估計,共有86次過程達標(占比57.7%)。

表5 短時強降水各指標達標數統計

因此,重點針對達標比率低于70%的三項指標進行優化;而其他指標則根據各項指標的規則、指標值、達標比率進行微調。上述三項指標中,云類型由于是指定類指標,無法改善,只能隨著衛星觀測性能的提升而改變;另兩個指標液態水含量、降水估計,對照個例進行再分析,發現兩類指標的觀測值較實際偏低的比率較高,即估測值較實際值是偏低的,故可將指標值適當下調以增加命中率。

4.4 改進的強對流監測指標及其效果

4.4.1 改進的指標

根據如上分析和重新計算,得出改進后的判識指標(表6)。

表6 改進后的短時強降水FY-4A衛星監測指標

從表中可以看到,有13項產品納入了短時強降水的判別指標,其中賦值類指標4項,分別為對流初生、云檢測、云相態、云類型,指標規則為“=”,分別對應的判斷值依次為-1、0、1～4、2～4,即當觀測值等于指標值時,認定為達到監測指標;數值判別類指標9項(含輔助指標3項),其中判斷規則為“≤”的有3項,分別為云頂氣壓、云頂氣溫和相當黑體溫度,其指標值依次為738 hPa、266 K、281 K,即判斷當云頂氣壓≤738 hPa、云頂氣溫≤266 K或相當黑體溫度≤281 K時達到指標;判斷規則為“≥”的有6項,規則相似不再贅述。

4.4.2 改進指標的效果

利用改進的指標對2018—2021年個例進行反算,并與舊指標的效果對比(圖略)。相比舊指標,新指標三年總的預報TS評分提高了5.4%,空報率降低2.7%,漏報率降低了1.9%。逐年的情況類似,除2020年漏報率高于舊指標外,其余年份的監測預警質量新指標均優于舊指標。

同時利用改進的指標對2022年的短時強降水進行判別計算。據統計,2022年共發生短時強降水過程41次,樣本數817個站次,短時強降水準確率可達66.8%(漏報率21.3%、空報率17.5%),表明該指標是可用的。

5 結論和討論

通過研究得到以下結論:

(1)FY-4A衛星多通道數據可以作為短時強降水等強對流天氣監測預警的指標之一予以應用,在通過相關性分析、箱線圖和極值統計等方法處理后,可以從定性指標細化為定量化指標。

(2)FY-4A衛星相當黑體溫度、對流初生、云檢測、云相態、云類型、云頂高度、云頂氣壓、云頂溫度、大氣總可降水、降水估計、云滴有效半徑、云中液水含量、對流層折疊最深深度共13項產品與短時強降水樣本序列的相關性較好,可選做監測預警判別指標。設定13項指標中有9項達標時短時強降水會發生,可通過業務運行進行優化調整。

(3)13項產品指標中,對流初生、云檢測、云相態、云類型四類產品為直接賦值類指標,其他產品為數值判別類指標(其中云頂高度、大氣總可降水、云滴有效半徑為輔助指標)。

(4)在評估基礎上改進完善指標,改進后監測預警效果有所提高,TS評分提高5.4%,空報率降低2.7%,漏報率降低1.9%。

利用FY-4A衛星多通道數據產品進行監測預警指標研究,本身屬于嘗試性工作,具有較大的應用價值,尤其是將定量指標應用到智能判別、自動報警方面,對于提高短時強降水的預警識別和預警提前量等具有較為重要的意義。目前,此指標體系已提交給寧夏氣象臺智能平臺中予以嘗試應用,在2022年短時強降水業務中預報效果較好,具備一定的指示意義。同時將指標形成說明文檔納入MICAPS4.0業務系統和崗位培訓手冊中,方便預報員調閱使用。

FY-4A衛星多通道數據十分豐富,通過研究雖然對部分通道數據在強對流監測預警中的適用性和指標進行了研究,得到了一些成果,但對于其更多通道產品的研究還遠遠不夠,指標還可以進一步補充,研究還可以更加深入、更加細致。