ECMWF 集合预报统计量产品在重庆降水预报中的检验与分析

庞 玥，王 欢，夏 蘩，罗 娟

（重庆市气象台，重庆401147）

随着气象事业的发展，数值预报是当代天气预报的主要参考工具，数值预报的发展是提高天气预报业务水平的关键[1-4]。然而，由于数值预报存在不确定性，其预报结果往往很不稳定，尤其是对转折性、突发性天气过程的预报经常失败，因此靠单一的确定性数值预报来提高其准确率变得尤其困难，这对发展数值预报技术提出严峻的考验[5]。集合预报正是从这种不确定性出发，通过初值和模式扰动的方法，由数值预报模式积分得到一组预报集合，从而推断大气所有可能的状态[6-9]。因此集合预报能够提供更多有价值的信息，提供预报灾害性、极端天气的可能，为决策服务提供更有效的支撑[10-13]。

世界上主要发达国家都非常重视集合预报系统的发展。1992 年，欧洲中期天气预报中心（ECMWF）和美国国家环境预报中心（NCEP）分别建立了各自的集合预报业务系统，之后，加拿大（CMC）、日本、英国、韩国等国家也都分别建立了相应的全球集合预报业务系统。经过20 多年的研究，集合预报技术得到进一步提高和完善，在发达国家数值业务体系中已得到广泛深入的应用[14-17]。中国在集合预报系统建设和业务应用方面起步较晚，近年来国内对集合预报的发展也越来越重视[18-22]。2006 年底，中国气象局（CMA）的T213 全球集合预报系统实现业务化，2011 年开始， 国家信息中心开始接收ECMWF、NCEP、CMC 等中心的实时集合预报数据。在此基础上，国家气象中心集合预报团队开发了前端集合预报产品显示分析平台——“集合预报工具箱”，目前已在国家级和省级业务预报平台上得到推广应用，集合预报产品已成为广大预报员日常天气预报中的重要参考。

2013 年底，重庆市气象台开始接收ECMWF、NCEP、CMC、CMA 的集合预报产品，并引进了“集合预报工具箱”，且在业务中得到应用，为预报员提供了丰富的集合预报产品。但在日常业务中，如何从海量的集合预报数据中挖掘有效的预报信息，如何在有限时间内择优使用集合预报产品等，都是集合预报应用中急需解决的问题。本文利用接收较全、业务上常用的ECMWF 集合预报资料和重庆市自动站降水量资料，客观检验分析重庆地区2014—2016 年ECMWF 集合预报系统降水产品的预报性能，以期在今后预报员深入认识集合预报系统，从而择优使用集合预报产品来提高业务水平提供客观依据。

1 资料与方法

1.1 资料来源及预处理

文中所用资料包括ECMWF 集合预报降水资料和重庆市自动站降水资料。

（1）ECMWF 集合预报降水资料：由51 个成员组成，包含50 个预报成员和1 个控制预报成员。选取2014 年1 月1 日—2016 年12 月31 日基于ECMWF 集合预报系统开发的12 个常用降水统计量产品，包括：概率匹配平均、平均数、中位数、最大值、最小值、Mode、控制预报、10%分位数、25%分位数、75%分位数、90%分位数、融合产品及ECMWF集合预报的百分位值降水预报产品和概率预报降水产品。预报区域选取重庆范围（105°~111°E，27°~33°N），分辨率为0.5°×0.5°。考虑到ECMWF 集合预报资料会有8~12 h 的接收延迟，因此初始检验时间设为模式起报的12 h，选取模式08 时和20 时（北京时，下同）起报的短期时效逐24 h 降水产品，即12~36 h、36~60 h、60~84 h 时效（以下简称36 h、60 h、84 h 时效）。剔除未接收到的资料时次，共选出1990 个样本。

（2）重庆市自动站降水资料：选取2014 年1 月1 日—2016 年12 月31 日08 时和20 时的重庆市34 个自动站降水资料（图1）。利用最优插值法，将集合预报系统的格点预报资料插值到34 个自动站上，得到各站点的降水预报产品，并进行检验分析。

图1 检验区域及34 个自动站点分布

1.2 检验方法

为便于研究和比较，本文采用目前气象业务中常用的《中短期天气预报质量检验办法》对集合预报降水产品进行晴雨检验（PC）、TS 评分和预报偏差检验（BS）。其表达式为：其中，NA 为预报正确的站数，NB 为空报站数，NC为漏报站数，ND 为无降水预报正确的站数。

按照传统的统计检验方法对集合预报降水产品做累加降水量级检验，即当预报降水量级≥实况降水量级均为预报正确。雨量等级划分为小雨以上（≥0.1 mm）、中雨以上（≥10.0 mm）、大雨以上（≥25.0 mm）、暴雨以上（≥50.0 mm）降水量级（以下简称小雨、中雨、大雨、暴雨量级）。

2 晴雨检验结果及分析

ECMWF 集合控制预报为不加扰动的预报结果，即日常业务中所用的确定性预报，只是分辨率有所不同，为了与单一的确定性数值预报相比较，将其他统计量产品与控制预报进行对比。图2 为集合预报降水统计量产品短期时效的晴雨检验，结果分析发现：大部分统计量产品的晴雨检验值都随着预报时效的增加而略下降，说明预报时效对ECMWF 集合预报系统的晴雨预报性能影响较小。36 h、60 h、84 h 时效降水预报晴雨检验均值都在0.6 以上，各时效晴雨检验值最高的统计量产品为最小值，值分别为0.768、0.754、0.729，而同时段控制预报的值分别为0.609、0.597、0.591，表明集合预报在晴雨预报准确率方面对确定性数值预报的降水预报能力有明显的提高。将其他11 个统计量产品与控制预报进行对比，结果表明：最小值、Mode、10%分位数、融合产品、25%分位数、中位数在各预报时效的晴雨检验值都要高于控制预报，说明这些统计量产品的晴雨预报准确率较确定性预报更有参考价值。

图2 集合预报降水统计量产品短期时效的晴雨检验

3 累加降水量级检验结果及分析

3.1 TS 评分检验结果及分析

图3 为集合预报降水统计量产品短期时效的累加降水量级TS 评分检验，结果分析发现：各统计量产品的TS 评分值随着降水量级的增大而显著减小，即ECMWF 集合预报系统对小雨和中雨具有较好的预报能力，而对大雨和暴雨的预报能力较弱，其中小雨的TS 评分值显著高于其他量级，并且小雨量级产品间的TS 评分值差异小，其他降水量级产品间的TS 评分值差异较大。对于同级的降水预报，大部分统计量产品随着预报时效的延长而小幅下降。具体分析各降水量级统计量产品的TS 评分检验情况，结果表明：小雨量级在36 h 时效中TS 评分值最高的统计量产品为最小值（0.614），60 h、84 h时效中融合产品和10%分位数的TS 评分值最高，分别为0.589、0.579；中雨量级36 h、60 h、84 h 时效中TS 评分值最高的统计量产品分别为平均数（0.438）、概率匹配平均（0.405）和平均数（0.374）；大雨和暴雨量级在各预报时效中TS 评分值最高的统计量产品分别均为75%分位数（TS 评分值分别为0.322、0.297、0.276）和90%分位数（TS 评分值分别为0.201、0.168、0.157），且各统计量产品都较同时段控制预报的TS 评分值有明显提高。值得说明的是，平均数由于平滑了降水分布，主要表现在强降水值减小，而小量级降水范围扩大，因此在中雨量级预报效果较好。概率匹配平均结合了具有较好空间分布的集合平均场和更好量级准确度的集合成员，而融合产品采用多种百分位值统计量融合技术，因此它们在各级别的降水都有较好的表现，这与其算法有一定的关系。最小值在中雨量级的TS 评分值较低，大雨量级的TS 评分值接近0，在暴雨量级中最小值、10%分位数的TS 评分值均为0，25%分位数的值近于0，这说明最小值对中雨、大雨、暴雨量级基本没有预报能力，而10%分位数、25%分位数对暴雨量级没有预报能力。

图3 集合预报降水统计量产品短期时效的累加降水量级TS 评分检验

将其他11 个统计量产品与控制预报进行对比分析，结果表明：在各预报时效中，10%分位数、25%分位数、融合产品、中位数的小雨预报准确率，平均数、概率匹配平均、中位数的中雨预报准确率，75%分位数、90%分位数、融合产品、概率匹配平均的大雨预报准确率，以及90%分位数、融合产品、概率匹配平均、最大值的暴雨预报准确率都要高于控制预报，说明这些统计量产品在不同降水量级预报准确率方面较控制预报更有参考价值。

3.2 预报偏差检验结果及分析

TS 评分检验是衡量降水预报准确率的主要客观依据，然而仅从TS 评分来分析模式降水的预报能力不够全面，容易忽视降水空、漏报的现象，因此我们对降水产品的预报偏差进行分析，评估其空报和漏报的情况。以预报偏差值1 作为标准，当值为1时表明预报无偏差；当评分值＞1 时，表明预报存在湿偏差，即预报出现降水的站数大于实际出现降水的站数，说明预报范围偏大，空报较多；反之，当评分值＜1 时，表明预报存在干偏差，即预报出现降水的站数小于实际出现降水的站数，说明预报范围偏小，漏报较多。

对集合预报降水统计量产品短期时效的累加降水量级进行预报偏差检验（图4），结果表明：大部分统计量产品的预报偏差值随着降水量级的增大而减小，而融合产品的值表现为先减小后增加，90%分位数和最大值的值却为先增加后减小。对于小雨量级的统计量产品，除最小值、Mode 在84 h 时效中的预报偏差值＜1，其他大部分统计量产品的值都＞1，大部分统计量产品对小雨预报范围偏大；对于中雨量级，在各预报时效中最小值、10%分位数、25%分位数、Mode、融合产品的预报偏差值和在60 h、84 h 时效中中位数的预报偏差值＜1，其余统计量产品的值＞1，近2/3 的统计量产品对中雨预报范围偏大；对于大雨量级，融合产品、最大值、90%分位数、75%分位数在各预报时效中的预报偏差值＞1，2/3 的统计量产品对大雨预报范围偏小；对于暴雨量级，只有融合产品、最大值、90%分位数在各预报时效中的预报偏差值＞1，大部分统计量产品对暴雨预报范围偏小。说明ECMWF 集合预报系统对小雨预报范围往往过度偏大，对中雨预报范围略偏大，而对大雨、暴雨预报范围偏小，正是由于对大雨、暴雨落区预报能力不足，造成其TS 评分值较低。值得说明的是，90%分位数、最大值在各降水量级的预报范围偏大，其中最大值的预报偏差值较大，在84 h 时效其值达6.917，由于它能捕捉一些极端天气，因此对暴雨潜势预报有一定指导意义。

图4 集合预报降水统计量产品36 h 时效的累加降水量级预报偏差检验

进一步分析各降水量级统计量产品的预报偏差检验情况，结果表明：对于小雨量级的统计量产品，36 h、60 h、84 h 时效中预报偏差值最接近1（即预报效果最好）的统计量产品分别为最小值（1.168）、最小值（1.011）、Mode（0.942）；中雨量级分别为融合产品（0.945）、中位数（0.984）、中位数（0.846）；大雨量级分别为融合产品（1.005）、控制预报（0.957）、融合产品（1.051）；暴雨量级均为90%分位数，值分别为1.035、1.163、1.111。此外，在短期时效中，最小值、Mode、10%分位数、融合产品、25%分位数的小雨预报偏差程度，平均数、融合产品、中位数、概率匹配平均的中雨预报偏差程度，融合产品、90%分位数的暴雨预报偏差程度及融合产品、75%分位数在36 h、84 h 时效中的大雨预报偏差程度都小于控制预报，说明这些统计量产品在不同降水量级预报偏差方面较控制预报更有参考价值。

4 百分位值预报产品的检验结果及分析

将百分位值预报产品从5%、10%、到95%分成19 个预报等级，分析其在短期时效内不同降水量级的预报性能，了解不同百分位值预报产品的可用性，为预报员更好地使用该产品进行降水预报提供参考。

对百分位值预报产品短期时效的TS 评分进行检验（图5a），结果表明：各百分位值预报产品的TS评分值随着降水量级的增大而显著减小，大部分产品随着预报时效的延长而缓慢下降。对于小雨量级，36 h、60 h、84 h 时效中TS 评分值最高的产品分别为5%分位数（0.608）、5%分位数（0.596）、10%分位数（0.579）；中雨量级分别为45%分位数（0.954）、50%分位数（0.988）、55%分位数（0.982）；大雨量级分别为80%分位数（0.328）、75%分位数（0.297）、80%分位数（0.278）；暴雨量级分别为90%分位数和95%分位数（0.206）、95%分位数（0.174）、90%分位数（0.157）。此外，暴雨量级中35%及以下等级产品的TS 评分值接近0，15%及以下等级产品的值为0，说明它们对暴雨量级没有预报能力，这与前文得出的最小值、10%分位数、25%分位数对暴雨量级没有预报能力的结论一致。分析百分位值预报产品在不同降水量级预报的分布特点还可看出，低量级降水预报需要较低等级百分位值预报产品就有较高的预报准确率，而随着降水量级的提高，高量级降水预报需要较高等级产品才能获得较好的预报准确率，这是因为高等级产品才有预报强降水的能力，因此具有较高的TS 评分。

从预报偏差来看（图5b），除85%及以上等级产品的预报偏差值随着降水量级的增大而表现为先增大后减小，其余大部分产品的预报偏差值随着降水量级的增大而减小。对于小雨量级，在36 h、60 h、84 h 时效中预报偏差最接近1 的产品均为5%分位数，值分别为1.393、1.315、1.221，且预报范围偏大；中雨量级分别为45%分位数（0.954）、50%分位数（0.988）、55%分位数（0.982），预报范围略偏小；大雨量级分别为75%分位数（1.065）、70%分位数（0.974）、75%分位数（1.048），预报范围较接近；暴雨量级均为90%分位数， 值分别为1.041、1.167、1.108，预报范围略偏大。

综合TS 评分和预报偏差检验分析，小雨量级可参考5%~10%分位数，中雨量级参考45%~55%分位数，大雨量级参考70%~80%分位数，暴雨量级参考90%~95%分位数。

图5 百分位值预报产品36 h 时效的TS 评分检验

5 概率预报产品的检验结果及分析

有研究表明，集合预报与单一的确定性预报不同的是：对于某个特定的预报对象，其发生的相对概率可以从集合预报系统里所有成员的预报中计算得出，包含了集合预报系统所能提供的全部信息[20]。因此，概率预报产品是最有代表性的集合预报产品，下面对该产品进行检验，分析其在短期时效内不同降水量级中最优的概率预报产品，指导预报员在实际业务中更好地使用概率预报。

采用平均法[17]计算集合预报降水概率，即定义每个成员在集合预报系统中所占的权重相等，均为1/N，其中N 为集合预报成员数，当预报发生某降水量级的成员数为M 时，则可得到该模式发生该降水量级的概率为M×（1/N）。考虑到预报员实际业务应用的习惯，对概率预报产品也采用常规的TS 评分检验，将预报产品从0.1%、10%、20%到90%分成10个预报等级，统计其在短期时效内不同降水量级的TS 评分检验（图6）。结果表明：各概率预报产品的TS 评分值随着降水量级的增大而显著减小，大部分产品随着预报时效的延长而小幅下降。对于小雨量级，在36 h、60 h、84 h 时效中TS 评分最高的产品分别为90%概率（0.623）、90%概率（0.606）、80%概率（0.588）；对于中雨量级，TS 评分值最高的产品均为40%概率，TS 评分分别为0.44、0.409、0.372；对于大雨和暴雨量级分别均为20%概率（TS 评分分别为0.331、0.294、0.276）和10%概率（TS 评分分别为0.208、0.174、0.159）。值得说明的是，由于概率预报包含了集合预报系统所能提供的全部信息，因此在各时效中TS 评分值最高的概率预报产品均能高于控制预报的TS 评分值。分析概率预报产品在不同降水量级预报上的分布特点可看出，低量级降水预报需要较高等级概率预报产品才能获得较高的TS 评分值，而随降水量级的提高，较低等级产品就可得到高的TS 评分值，这是因为高等级产品具有较小的预报范围，对强降水漏报较多，因此TS 评分较低。

6 结论与讨论

本文通过对重庆地区2014—2016 年ECMWF集合预报系统降水产品在短期时效的预报性能进行检验分析，得到以下主要结论：

（1）对于晴雨检验，大部分统计量产品的晴雨检验值都随着预报时效的增加而略下降，最小值、Mode、10%分位数、融合产品、25%分位数、中位数的晴雨预报准确率较控制预报更好，其中最小值的晴雨预报准确率最高。

（2）对于TS 评分检验，各统计量产品的TS 评分值随着降水量级的增大而显著减小，大部分产品随着预报时效的延长而小幅下降。小雨量级可优先参考最小值、10%分位数和融合产品，中雨量级可优先参考平均数和概率匹配平均，大雨和暴雨量级分别可优先参考75%分位数和90%分位数。概率匹配平均和融合产品在各级别的降水都有较好的表现，最小值只对小雨量级预报效果较好，而10%分位数、25%分位数对暴雨量级没有预报能力。

图6 概率预报产品短期时效各降水量级的TS 评分检验

（3）对于预报偏差检验，大部分统计量产品的预报偏差值随着降水量级的增大而减小，而融合产品的值表现为先减小后增加，90%分位数和最大值的值却为先增加后减小。小雨量级可优先参考最小值、Mode，中雨量级可优先参考融合产品、中位数，大雨量级可优先参考控制预报、融合产品，暴雨量级可优先参考90%分位数。ECMWF 集合预报系统对小雨预报范围往往过度偏大，对中雨预报范围略偏大，而对大雨、暴雨预报范围偏小。最大值的预报范围偏大，但对暴雨潜势预报有一定指导意义。

（4）对于百分位值预报产品和概率预报产品，小雨量级可参考5%～10%分位数和80%～90%概率预报产品，中雨量级可参考45%～55%分位数和40%概率预报产品，大雨量级可参考70%～80%分位数和20%概率预报产品，暴雨量级可参考90%～95%分位数和10%概率预报产品。低量级降水预报需要较低等级百分位值预报产品和概率预报产品就有较高的预报准确率，而高量级降水需要较高等级产品才能获得较好的预报准确率。

了解ECMWF 集合预报降水产品的这些性能，有助于预报员在实际工作中充分评估其空、漏报情况，结合多种产品和主观经验对降水进行预报。如对暴雨进行预报时，除了参考暴雨TS 评分较高的10%概率预报产品外，还应该结合其他降水统计量产品，如90%分位数、融合产品、概率匹配平均在暴雨预报准确率和预报偏差方面都有较好的预报效果，而最大值虽然对暴雨落区预报明显偏大，但预示了出现暴雨的可能性。值得注意的是，本研究使用的ECMWF 集合预报资料空间分辨率较低，插值到站点后会有一定误差，以后希望用降尺度方法或更高分辨率的资料进行分析。此外集合预报降水产品的预报性能会随着季节和地区的改变而有所变化，且不同天气形势背景下对降水的预报也有所区别，后期有待在这些方面做更深入的研究。