全国雷达分钟降水方法在面雨量预报上应用的检验

丁劲 张国平 高金兵 王曙东 王阔音 薛冰 章芳 杨静

摘要 为了解基于全国雷达分钟降水方法在面雨量上的短期预报效果，利用2020年7月25日08：00—28日08：00安徽巢湖及其子流域的实况面雨量数据，依据平均绝对误差、均方根误差、TS评分、漏报率和空报率几项检验指标，对安徽巢湖及其子流域研究时段内逐小时和累计2 h面雨量预报结果进行检验评估。结果表明，全国雷达分钟降水方法对巢湖北部平原区子流域的预报效果好于南部丘陵地区子流域;累积2 h产品的预报效果好于逐小时产品的预报效果;对小雨量的预报结果优于大雨量的预报结果。

关键词 全国雷达分钟降水方法;流域;面雨量;短期预报;检验

中图分类号 S165 文献标识码 A

文章编号 0517-6611（2021）17-0221-05

doi：10.3969/j.issn.0517-6611.2021.17.056

Abstract In order to understand the short-term forecasting effect on the surface rainfall based on the minute quantitative precipitation forecast （MQPF），the actual surface rainfall data of Anhui Chaohu Lake and its sub-catchments from 08：00 July 25 to 08：00 July 28， 2020 were used to rely on the average absolute error，root mean square error，TS score，omission rate and false prediction ratio were several test indicators to test and evaluate the hourly and cumulative 2-h area rainfall forecast results during the study period of Chaohu Lake and its sub-catchments in Anhui.The results showed that the MQPF forecast had a better forecasting effect on the sub-basins in the northern plain area of Chaohu Lake than those in the southern hilly area.More accurate forecast could be seen in cumulative two-hour products than hourly products.The low rainfall level showed better results than the forecast for high rainfall level.

Key words Minute quantitative precipitation forecast （MQPF）;Basins;Area rainfall;Short-term forecast;Verification

面雨量是水文预报中的一个重要参量，面雨量预报的精度直接关系到洪水预报精度和洪水调度决策的科学性[1]。做好汛期面雨量预报，对于电力生产调度和防洪减灾具有重要意义[2]。

近年来，许多专家学者针对国内流域开展了面雨量预报和检验业务。卢小凤等[2]基于智能网格产品对西江流域2019年前汛期（4—6月）和后汛期（7—9月）面雨量进行了预报和检验;刘静等[1，3]运用多种数值模式预报了淮河流域、清江流域的面雨量，并進行了对比和检验;宋雯雯等[4]运用站点数据和算数平均法估计了1981—2017年雅砻江流域的面雨量;李武阶等[5-6]利用算术平均方法、西南区域数值天气预报业务模式（SWC-WARMS）和中央气象台智能网格预报模式（NWGD）分析了金沙江面雨量。从以上针对面雨量的预报来看，还是主要基于传统数理统计和数值模式进行预报。但是传统数理统计法对于短期的预报精度不高，模型因降水等输入数据的精度而直接影响预报的精度，故而使得须尝试新的预报方法进行更为精准的面雨量短期预报。

雷达与传统的地面雨量站获取降雨数据方式相比，具有高时空分辨率、能够探测较大范围内瞬时降雨分布的优点，已成为定量降雨估测、短时临近预报的有效工具[7]。目前，已经有不少学者将雷达数据用到降水、洪水等水文过程的预报。刘黎平等[8]第一次采用了双线偏振雷达实时遥测降雨的雷达回波资料进行实时水文预报。后续，李致家等[9-11]均使用站点数据订正后的雷达数据进行相关的水文预报。然而，已有的国内研究主要集中在雷达测雨与水文模型耦合的适用性以及雷达降雨反演的精度提高方面，而结合雷达临近预报的研究很少。

短临降雨量预报的目标是在未来短期（0～6 h）内，对当地区域的降雨强度进行预测，具有准确性、实时性、大规模的特性[12]。由于天气的随机性，短临降水预报有很高的难度。但雷达图以其测量范围较广、时空分辨率较高、能及时获取大面积降水数据的优点[13]，可以发挥重要作用。特别是实时的多普勒雷达回波外推图 6 min 更新的时间分辨率和1 km 的空间分辨率可以满足这一需求[12]。

2020年6月以来，我国南方多地遭受强降水，并引发了严重的洪涝灾害。特别是长江流域，多地河湖超过警戒水位及历史最高水位，长江中下游尤为形势严峻。基于以上形势，该研究以张国平等[14-17]的全国雷达分钟降水预报系统对巢湖流域各子流域2020年7月25—28日的面雨量进行预报和评估，以检验该系统在面雨量方面预报的适用性和准确性，以期可以将此技术在其他流域面雨量计算中得到推广。

1 资料与方法

1.1 研究區概况 巢湖流域位于安徽省中部江淮丘陵之间，长江流域下游左岸，流域面积13 486 km2，约占安徽省总面积的9.3%。巢湖流域地势西高东低、南高北低、中部低洼，西北部为丘陵岗地，西南部是大别山区，东部为东北—西南走向的弧形山脉[18-19]。山区海拔一般在400～500 m，冲积平原地区海拔在几米至十几米。巢湖位于流域中心，在其周围有11个子流域，分别是南淝河流域、柘皋河流域、裕溪河流域、西河流域、兆河流域、白石天河流域、杭埠河流域、龙河口水库控制流域、丰乐河流域、派河流域和董铺大房郢水库控制流域（图1）。巢湖流域内气候多变，降水不均，并且多发生暴雨，属于旱涝灾害的易发地区[20]，因此对巢湖面雨量的预报尤为重要。

1.2 数据选取 研究数据取自由中国气象局公共气象服务中心自主研发的灾害天气短时临近预报系统——全国雷达分钟降水预报系统[14-17]。该系统以全国实时气象雷达、气象卫星数据和地面分钟降水观测资料为基础，基于气象学原理，以快速循环为理念，应用人工智能技术，通过并行计算和大数据处理技术加工形成。产品中包含时间尺度上未来2 h精细到5 min、空间尺度上精细到街道的降水预报信息。该研究取该系统中研究区域内2020年7月25日08：00—28日08：00的分钟降水数据。

进行结果检验所用的实况数据，是由安徽省气象台提供的研究时段内的逐小时面雨量实测数据。

1.3 研究方法

1.3.1 全国雷达分钟降水的基本原理。

全国雷达分钟降水预报主要利用雷达观测资料对地面降水进行估计，并进行分钟级预报。通过加工未来2 h内每5 min间隔的回波外推产品和降水估计产品，采用多线程技术和ActiveMQ消息中间件技术保证系统的实时性和可靠性，来解决短时临近降水预报问题。

该系统主要包含数据前处理模块、降水模型训练模块、雷达回波外推模块、产品生成模块、日志分析模块。其中核心模块主要功能如下：

（1）数据前处理模块。该模块主要获取全国所有业务运行的200部雷达的基数据资料，并加工为含21层数据的雷达等高平面位置显示（CAPPI）产品。

（2）降水模型训练模块。该模块主要通过机器学习方法，利用2014—2020年有完整观测的200部雷达的观测历史基数据资料和地面观测站的历史分钟降水资料，根据Z-R关系法[21]估测降水，建立模型确定雷达反射率因子和地面降水量之间的关系。

（3）雷达回波外推模块。该模块主要以数据前处理模块加工生成的CAPPI产品数据作为输入，利用计算机视觉中的光流法[22-28]，综合雷达回波时空梯度守恒与环境风场散度项平衡，使用雷达三维回波数据，针对 1～21 km 高度层，以 1 km 水平分辨率和 500 m 高度间隔建立实时外推方案，可6 min滚动外推未来2 h 5 min间隔的雷达回波。利用多线程技术可实现3 s内对单站三维雷达回波未来24 h的外推，相邻2个时效外推的回波与实际回波的误差在1～5 dBz。技术路线图如图2所示。

根据分钟降水方法计算得到降水量后，将巢湖流域网格化，按如下公式计算得到流域面雨量：

式中，r为流域面雨量，i为流域划分的格点数，Pi为i格点上的降水量，Ai为i格点的面积，此处为1 km×1 km。

1.3.2 检验指标。

根据安徽气象台提供的2020年7月25—28日巢湖及其11个子流域逐小时面雨量，对全国雷达分钟降水在巢湖流域的逐小时、累积2 h预报产品进行检验。检验指标是阈值为1 mm以上降水、3 mm以上降水、5 mm以上降水和10 mm以上降水的7月25—28日连续3 d时长的面雨量。通过计算平均绝对误差（MAE）、均方根误差（RMSE）、空报率、漏报率、TS评分来进行检验。

各评价指标具体计算公式如下：

其中，NA为事件发生，并对其预先发出了警告的次数;NB为事件发生，但未对其预先发出了警告的次数;NC为事件没有发生，但对其误发出警告的次数。

2 结果与分析

2.1 逐小时雨量检验

从图3可以看出，巢湖流域7月25日08：00—28日08：00 MQPF逐小时面雨量产品与安徽数据之间的均方根误差（RMSE）在0.87～2.30，平均绝对误差（MAE）在0.46～1.06。对于逐小时雨量逐日时长检验，巢湖流域北部（董铺大房郢水库、南淝河、派河、柘皋河流域）预报结果较好，其相应的RMSE和MAE值较小;而流域南部和东部（兆河、裕溪河、白石天河、杭埠河）预报结果略差。这可能与地形因素有关，巢湖北部子流域基本为平原地带，而巢湖南部小丘陵较多。除了对平原地区降水可能有所高估和对丘陵地区可能有所低估，不同的地形对定量降水量估算应该还有不同影响[29]。

从图4可以看出，对于7月25日08：00—28日08：00 MQPF逐小时面雨量1 mm阈值以上各子流域的TS评分为0.36～0.61，逐小时面雨量3 mm阈值以上各子流域的TS评分为0.20～0.55，逐小时面雨量5 mm阈值以上各子流域TS评分为0.14～0.67，10 mm阈值以上面雨量董铺大房郢水库、兆河和西河流域的TS评分分别为0.67、0.25和0.50。此次降水过程10 mm以上面雨量较少，故大多数子流域10 mm阈值以上没有TS评分。10 mm阈值平均TS评分最低，为0.18。其他阈值平均TS评分顺序为1 mm阈值（0.46）>3 mm阈值（0.40）>5 mm阈值（0.35）。1 mm的平均TS评分最高，而10 mm的TS评分最低，主要是由于雨量越大，其行程原因越复杂，如突发强对流出现等情况，都会导致不确定性的暴雨。从图中也可以看出，1 mm阈值检验的东部流域（裕溪河、西河、兆河、柘皋河）TS评分高，3 mm阈值检验派河、董铺大房郢水库、白石天河、裕溪河TS评分高，5 mm阈值检验南淝河、董铺大房郢水库、龙河口TS评分高。

图4显示，对于3 d时长来看，逐小時产品的空报率高于漏报率。大部分流域的漏报率为0，空报率绝大部分流域在0.5以上。空报率高是绝大部分预报结果的较常见现象，为了尽量减少漏报所产生的人身和财产安全问题，空报率会有所增加。

2.2 累积2 h雨量检验

从图5可以看出，巢湖流域7月25日08：00—28日08：00 MQPF累积2 h面雨量产品与安徽数据之间的均方根误差（RMSE）在1.67～4.61，平均绝对误差（MAE）在0.89～2.10。对于累积2 h雨量逐日时长检验，巢湖流域北部（南淝河、柘皋河）和西部（派河、丰乐河）预报结果较好，其相应的RMSE和MAE值较小;而流域南部和东部（兆河、西河、白石天河、裕溪河）预报结果略差。累积2 h雨量误差结果与逐小时雨量结果基本相同。

从图6可以看出，对于7月25日08：00—28日08：00 MQPF累积 2 h面雨量1 mm阈值以上各子流域的TS评分为0.38～0.64，累积2 h面雨量3 mm阈值以上各子流域的TS评分为0.23～0.54，累积2 h面雨量5 mm阈值以上各子流域的TS评分为0.27～0.55，10 mm阈值以上面雨量龙河口水库、杭埠河、派河、董铺大房郢水库、南淝河、白石天河、兆河、西河和裕溪河的TS评分为0.14～0.60，此次降水过程10 mm以上面雨量较少，故部分子流域10 mm阈值以上没有TS评分。

图6显示，与逐小时雨量10 mm阈值预报的平均TS不同，累积2 h的平均TS评分最低（0.27），其他阈值平均TS评分顺序为1 mm阈值（0.48）>3 mm阈值（0.42）=5 mm阈值（0.42）。与逐小时的1 mm（0.46）、3 mm（0.40）、5 mm（0.35）和10 mm（0.18）阈值相比，除10 mm外，逐小时各阈值面雨量的平均TS评分均低于累积2 h。这可能与方法中空报率高机理相同，因为增加了降水的预报，从而使得雨量更大的3 mm降水的预报效果更好。

空报率明显高于漏报率的结果与逐小时产品的检验结果相同。累积2 h雨量在3 mm阈值的漏报率高于逐小时产品的漏报率。与逐小时产品检验结果相同，漏报主要集中在1 mm阈值的西河和丰乐河，3 mm阈值的丰乐河、杭埠河、兆河、白石天河和柘皋河，5 mm阈值的兆河、西河和裕溪河。

3 结论

该研究利用分钟降水全国雷达分钟降水预报系统对2020年7月25—28日巢湖及其子流域的面雨量进行了估算，为流域面雨量的估算提供了新的方法。通过实况数据的检验，发现预报结果良好，并得到如下结论：

（1）从区域性来看，分钟降水产品对巢湖北部子流域的预报效果优于巢湖南部的预报效果。

（2）从不同时长对比来看，累积2 h产品在1、3和5 mm量级的TS评分均高于逐小时预报产品。

（3）从不同降水量级阈值来看，1 mm量级的平均TS评分最高、预报最好，3和5 mm次之，10 mm最差。

（4）空报率高于漏报率，空报率基本在0.5以上。漏报大部分为0，漏报主要集中在1 mm阈值的西河和丰乐河，3 mm阈值的丰乐河、杭埠河、兆河、白石天河和柘皋河，5 mm阈值的兆河、西河和裕溪河。

该方法在2020年7—9月的汛期，也为四川省、陕西省、河南省和天津市的汛期面雨量预报提供了服务，并得到了认可和肯定。不过其中由于天气雷达原理、机器学习更新等环节仍有改进空间，后面将对全国雷达分钟降水有更深入的改进和应用。

参考文献

[1] 刘静，陈光舟，张晓红.几种数值预报产品在淮河流域面雨量预报中的应用检验[C]//蚌埠市科学技术协会.促进科技经济结合，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集.合肥：安徽省科学技术协会学会部，2012.

[2] 卢小凤，李仲怡，陈剑飞，等.智能网格产品在西江流域面雨量预报中的应用检验[J].气象研究与应用，2020，41（2）：45-49.

[3] 熊传辉，马安国，饶传新，等.三种数值预报产品在清江流域面雨量预报中的应用检验[J].湖北气象，2004，23（1）：24-26.

[4] 宋雯雯，郭洁，袁媛，等.1981～2017年雅砻江流域面雨量变化特征分析[J].高原山地气象研究，2020，40（1）：56-60.

[5] 李武阶，王继竹，郭英莲，等.金沙江中下游流域面雨量特征分析[J].长江流域资源与环境，2014，23（6）：846-853.

[6] 徐诚，淡嘉，宋雯雯，等.金沙江中下游面雨量分布特征及预报检验[J].高原山地气象研究，2020，40（2）：38-42.

[7] 胡彩虹，张青山，杨帆，等.雷达在水文预报应用中的研究进展[J].气象与环境科学，2009，32（1）：75-81.

[8] 刘黎平，钱永甫，王致君.双线偏振雷达在水文预报领域的应用——实时水文预报系统的研制[J].高原气象，1996，15（4）：508-514.

[9] 李致家，刘金涛，葛文忠，等.雷达估测降雨与水文模型的耦合在洪水预报中的应用[J].河海大学学报（自然科学版），2004，32（6）： 601-606.

[10] 叶金印，高玉芳，李致家.雷达测雨误差及其对淮河流域径流模拟的影响[J].湖泊科学，2013，25（4）：593-599.

[11] 李晶.HEC-HMS水文模型结合雷达测雨在西苕溪流域径流模拟中的应用[D].南京：南京信息工程大学，2014.

[12] 方巍，庞林，王楠，等.人工智能在短临降水预报中应用研究综述[J].南京信息工程大学学报（自然科学版），2020，12（4）：406-420.

[13] 邵月红，张万昌，刘永和，等.BP神经网络在多普勒雷达降水量的估测中的应用[J].高原气象，2009，28（4）：846-853.

[14] 张国平，高金兵，胡骏楠，等.全国雷达分钟降水预报系统介绍[C]// 第32届中国气象学会年会S14 第五届气象服务发展论坛——气象服务与信息化.北京：中国气象学会，2015.

[15] 张国平，高金兵，胡骏楠，等.全国分钟降水预报技术[C]// 第32届中国气象学会年会S1 灾害天气监测，分析与预报.北京：中国气象学会，2015.

[16] 张国平，张文生，王萍，等.全国分钟预报技术与应用[C]// 第34届中国气象学会年会S11 创新驱动智慧气象服务——第七届气象服务发展论坛论文集.北京：中国气象学会，2017.

[17] 张国平，王曙东，匡兵明，等.全国分钟降水预报系统V2.0版技术方法[C]// 第34届中国气象学会年会 S7 水文气象、地质灾害气象预报理论与应用技术论文集.北京：中国气象学会，2017.

[18] 周俊成.巢湖流域径流量时间分配及趋势变化分析[J].治淮，2018（11）：9-11.

[19] 王赵飞，林晨，许金朵，等.巢湖流域非点源颗粒态磷负荷的空间差异及关键影响因子研究[J].农业环境科学学报，2019，38（3）：659-670.

[20] 竇鸿身，姜加虎.中国五大淡水湖[M].合肥：中国科学技术大学出版社，2003.

[21] MARSHALL J S，PALMER W M K.The distribution of raindrops with size[J].J Meteor，1948，5（4）：165-166.

[22] GIBSON J J.The ecological approach to visual perception[M].Boston： Houghton Mifflin，1950.

[23] 曹春燕，陈元昭，刘东华，等.光流法及其在临近预报中的应用[J].气象学报，2015，73（3）：471-480.

[24] 韩雷，王洪庆，林隐静.光流法在强对流天气临近预报中的应用[J].北京大学学报（自然科学版），2008，44（5）：751-755.

[25] 王丹，王改利，刘黎平，等.基于雷达回波外推和中尺度模式预报的短时降水对比分析[J].高原气象，2014，33（3）：811-822.

[26] 薛峰，王兴，吴双，等.雷达外推与数值模式动态融合降水概率预报方法[J].气象科技，2017，45（6）：1036-1042.

[27] 张蕾，魏鸣，李南，等.改进的光流法在回波外推预报中的应用[J].科学技术与工程，2014，14（32）：133-137，148.

[28] ALVAREZ L，WEICKERT J，SNCHEZ J.Reliable estimation of dense optical flow fields with large displacements[J].International journal of computer vision，2000，39（1）：41-56.

[29] YANG X，KUANG Q，ZHANG W，et al.Learning new Z-R relationships with multilevel radar reflectivity for QPE[J].Quarterly journal of the royal meteorological society，2015，00：1-8.