欧洲集合模式西藏短期降水预报性能评估分析*

德庆 罗布坚参 白珍 赤曲

（1.西藏自治区气象台；2.西藏自治区气象灾害防御技术中心；3.西藏拉萨市气象局，西藏 拉萨 850000）

0 引言

数值预报是当代天气预报的主要参考工具，然而混沌理论表明大气状态的演变对于初始场的微小误差非常敏感，数值预报初始场极小的误差在模式运转过程中逐渐放大，即使拥有最好的观测值，我们也永远无法作出完美的数值预报，也就不可能做出完美的天气预报，这就是我们需要集合预报的原因，集合预报是针对数值预报不确定性问题发展起来的新一代随机动力概率预报技术，它既能给出单一的最佳可能预报，也能将单一的确定性预报转变为概率预报［1,3］，集合预报正是从这种不确定性出发，通过不同的初值和扰动，由数值预报模式积分得到一组预报集合，试图推测大气所有可能的各种状态，所以集合预报更能表达大气本身的特性，提供更多有价值的信息，尤其提供灾害性和极端性等小概率天气的可能预报，为预报员在防灾减灾服务方面提供有效的支撑［2,4］。世界上主要的发达国家都非常重视集合预报系统的发展，20 世纪90 年代初欧洲中期天气预报中心和美国国家环境预报中心分别建立了集合预报业务系统［3］，经过近30 年的发展，集合预报在现代天气预报中得到越来越多的重视和应用。

2011 年开始国家信息中心开始接收ECMWF、NCEP、CMC、CMA 等中心的实时集合预报数据，在此基础上国家气象中心开发了“集合预报工具箱”，西藏气象台2013年开始使用集合预报工具箱，并且成为预报员日常业务应用的主要工具和重要参考，如何在众多的集合预报产品中择优选择适合本地的产品，同样的预报产品在不同的天气过程中的可参考程度，同样的预报产品在同样的天气过程中的稳定度等等还没有较完整的分析检验，以至于不同的预报员理解集合预报产品还是有很大的主观因素。世界气象组织2012年发布的《集合预报应用手册》中明确提出：预报员应该了解集合预报系统的优势和劣势，既要了解多个临界值的检验结果，也应该熟知该集合模式产品在各个季节的预报情况，所以预报员不应该仅仅依靠模式输出的直接结果，更应该根据模式的预报结果作诊断分析，如果我们没有注重对集合预报产品的检验分析，无法对集合预报产品作出更适合本地的诊断分析，为了更好的理解集合预报这个重要的现代天气预报技术，也为了更好地把集合预报产品应用到西藏天气预报业务中，有必要也急需对这方面作更多的检验分析和研究。

1 资料和方法

1.1 资料来源

本文所用EXMWF集合预报降水和气温资料来自国家气象中心，资料时长为2016 年1 月至2020 年10月逐日6 小时，区域范围为20°N～50°N，50°E～120°E，2.5°×2.5°分辨率的格点数据，结合短期预报的实际应用，选取集合模式20 时起报的短期时效逐24 小时产品，对集合预报常用产品进行了分析，其产品有10%分位数、25%分位数、中位数、50%分位数、75%分位数、90%分位数、最小值、最大值和控制预报。西藏39个站的降水实况来自CIMISS数据库。

1.2 技术方法

1.2.1 差值方法。采用双线性插值方法将集合降水预报格点场插值到西藏地区39个观测站点上，对其结果计算集合预报的各产品数值，并做检验。

1.2.2 检验方法。根据中国气象局发布的预报评分检验方法如下公式:

晴雨检验：PC={(NA+NB)/(NA+NB+NC+ND)}×100%

TS评分：TS={NA/(NA+NB+NC)}×100%

漏报率:PO={NC/(NA+NC)}×100%

空报率：FAR={NB/(NA+NB)}×100%

预报偏差：BS={(NA+NB)/(NA+NC)}×100%

其中NA 为预报正确次数，NB 为空报次数，NC 为预报漏报次数，ND为无降水预报正确次数。

1.2.3 检验对象。主要检验对象为全区39 个站24 小时预报，全区汛期降水检验样本达到35100个，拉萨三次首场降雪过程（20181218，20191101、20200104），拉萨超历史极值的强降水过程（20170622）。

2 集合预报西藏短期降水预报性能评估

2.1 全区汛期晴雨检验评估及分析

本节选用2016年至2020年汛期（5月1日至10月20日）对应的集合预报数据做了晴雨预报检验：集合预报9 种产品的晴雨检验值均超过0.55，其中最小值，10%分位数，25%分位数，中位数，控制预报的检验达到0.6 以上，最小值检验值为0.73，也就是意味着最小值对晴雨预报准确率有较好的参考价值。从单站的分析来看（图略），不同气候背景的站点的产品检验值差异较大，波密的各产品检验值均达到0.73以上，最小值和中位数检验值分别为0.79 和0.76，而普兰的检验值普遍较低，除了最小值和10%分位数达到0.5 以外，其余各产品的检验值在0.3 左右，预报参考价值较低。

2.2 全区汛期累加降水量级检验评估分析

2.2.1 TS 评分。TS 评分值随着降水量级的增大而显著减小，小雨各产品TS 均能达到0.54 以上，对中雨75%分位数评分最高（0.24），而对暴雨其参考价值极低，各集合预报产品中控制预报的评分最高，但只有0.06，所以集合预报对暴雨基本无参考价值。

图1 集合预报对全区汛期晴雨的检验

图2 集合预报对全区各量级降水的TS评分

各站点情况分析来看（图略），嘉黎小雨量级上各产品评分均在0.73以上，中雨量级上90%分位数评分为0.29，参考价值较高。值得一提的是聂拉木站暴雨预报TS 评分中25%分位数和10%分位数有一定参考价值，其值分别为0.18和0.13。

2.2.2 漏报率分析。各产品对小雨几乎没有漏报，中雨和大雨量级中最大值效果较好，漏报率分别仅0.07和0.56，暴雨几乎全部漏报，只有最大值有一点点预报能力，其值为0.08。各站点来看（图略），察隅的中雨量级上最大值产品几乎没有漏报，其余大部分产品漏报率在0.4 至0.6，日喀则的大雨过程最大值的漏报率也很低其值为0.1，其余产品对大雨和暴雨百分之百漏报，中雨最小值也是百分之百漏报。

图3 集合预报对全区各量级降水的漏报率

2.2.3 空报率。各产品对同一量级降雨的空报率差异不大，小雨空报率各产品均在0.3 至0.4 之间，中雨空报率在0.6 至0.8 之间，明显高于小雨的空报率，大雨的空报率0.8 至0.9，暴雨几乎全空报。站点上（图略）拉萨中雨最小值空报率接近百分之百，对大雨的预报，控制预报，75%分位数和90%分位数，最大值产品空报率也接近百分之百，对昌都大雨预报，控制预报，90%分位数，最大值产品空报率也接近百分之百。

图4 集合预报对全区各量级降水的空报率

3 集合预报各产品绝对误差和误差站点分布分析

3.1 集合各产品绝对误差值

图5 上，最大值的绝对误差超过8，其余各产品的误差也都在2 以上，但除了最大值、90%分位数，75%分位数以外，其余各产品误差没有超过4。

图5 集合预报产品绝对误差值

3.2 集合各产品站点误差分析

在图6 和图7 中，站点上相对误差的大小会以站点的颜色来代表，负代表预报值小于真实值，正代表预报值大于真实值；同时误差的绝对值会以散点的面积来代表，面积越大的代表误差也越大。这样能够突出显示误差较大的站点，便于我们分析问题。

图6 集合预报25%分位数产品的误差站点分布

图7 集合预报25%分位数、中位数产品的误差站点分布

综合所有集合预报产品的误差站点分布，最大的特征是所有产品对帕里站预报偏大，为正的相对误差，绝对误差也是所有站点中最大的，可见对于帕里站集合预报9 种产品是明显的一致的比实况偏大，另外对于聂拉木、错那、米林和察隅也是一致的预报偏大，但绝对值比帕里小。第二个最大的特点是，四个产品（25%分位数，10%分位数，最小值、中位数）对嘉黎站预报明显偏小，其次对类乌齐和芒康预报偏小。第三个最大的特征是有五个产品（控制预报，平均数，最大值，75%分位数，90%分位数）对全区预报是偏多偏大的情况，其余四个产品仅对嘉黎、类乌齐和芒康偏大。第四个特征是所有集合预报产品对阿里、那曲西部和沿江中西部的相对误差小，绝对误差也小，其集合预报较接近实况。集合预报对嘉黎偏小和帕里预报偏大的情况特别非常明显（图6至图9），结合散点回归图进一步看到（图10和图11），嘉黎观测到的降水样本很多，并且20 至40 毫米之间也有很多观测到的样本，而集合预报各产品的预报都在20 毫米以内，只有最大值产品预报值分布在20 毫米以上有几例。帕里观测到的降水量没有超过40 毫米的值，而预报值超过50 毫米的样本很多，尤其是最大值100至150毫米的也有很多。

图8 集合预报25%分位数产品的误差站点分布

图9 集合预报25%分位数、中位数产品的误差站点分布

图10 嘉黎站集合预报各产品散点回归图

图11 帕里站集合预报各产品散点回归图

这两站结合多年的预报实践经验来分析，确实属于小气候和地形影响因素大的站点，这个检验结果非常符合实际的预报经验，帕里站由于和聂拉木一线归属于南部边缘地带，南部边缘由于受喜马拉雅等地形抬升因素考虑，不仅是模式预报，预报员也偏向于报多报大，而往往是聂拉木极易暴雪暴雨，帕里的极端降水确实极少，通过此次集合预报检验，我们一定要调整这个预报思路。嘉黎由于归属藏北，藏北一带大部分日数极其干燥，也没有南部边缘一样的南支大槽或风暴类系统的直接影响，平时预报员结合集合预报模式产品作参考，对于嘉黎的暴雪和大雨，非常容易漏报，通过此次检验，在往后的预报业务中一定要对预报产品进行订正后再做参考。

4 拉萨站首场降雪敏感度检验

为了把握前期有没有空报情况，找出了降雪前几天的天气状况，对于2018 年的第一场雪，预报特别理想，前期所有产品没有预报降雪，实际也是没有出现降雪，在前期不存在空报的情况下准确预报了首场降雪。18 日降雪量8.8 毫米，所有集合预报产品也是当天预报了降雪，预报降雪量在4 至13 毫米之间，其中控制预报，平均数和中位数都预报8毫米左右。

图12 拉萨站2018年首场降雪

2019 年11 月1 日降雪量1.5 毫米，前面近一周的时间段个别产品有微量的降雪预报，但是从31日开始有较明显的提示，1 日当天所有集合预报产品有降雪预报值（1至14毫米）之间。

图13 拉萨站2019年首场降雪

图14 拉萨站2020年首场降雪

2020 年1 月4 日这次过程效果不理想，降雪量本身也很小，只有0.3，前期没有降雪的几天集合预报产品都有预报降雪，实际降雪当天，各产品的预报量普遍在0.8毫米左右，预报也是偏大。

5 拉萨站极值强降雨检验分析

2017 年6 月22 日降雨量50.5 毫米。其降雨集中在21 日23 时至22 日08 时段。集合预报工具箱中单站箱线预报上21 日21 时至22 日03 时间预报降水较为集中，这和实际短时强降水出现时段吻合，实际这个时段没出现29.8毫米降水，预报只有3毫米左右，从个集合预报其他各产品预报情况分析，预报量明显偏小，最大值产品当天的降雨量也只有4毫米，对于强降水几乎没有预报参考价值，也没有极端天气预报的提示信息。

图15 拉萨站历史极值过程强降水分布图

图16 拉萨站历史极值短时强降水情况

图17 拉萨单站历史极值短时强降水EC集合预报

图18 拉萨站历史极值短时强降水集合产品预报

6 检验评估指标

6.1 通过对集合预报全区所有降水日数的检验提炼业务预报参考数据

集合预报晴雨检验值均超过0.55，最小值检验值达0.73。TS评分各产品对小雨能达到0.54以上，对中雨75%分位数评分最高也仅0.24，对暴雨无参考价值。各产品对小雨几乎没有漏报，中雨和大雨量级中最大值效果较好，漏报率分别仅0.07 和0.56，暴雨几乎全部漏报。日喀则的大雨和察隅的中雨最大值产品几乎没有漏报。各产品对同一量级降雨的空报率差异不大，小雨空报率各产品均在0.3 至0.4 之间，中雨空报率在0.6 至0.8 之间，大雨的空报率0.8 至0.9，暴雨几乎全空报。

集合预报9种产品对帕里、聂拉木、错那、米林、和察隅站预报偏大，但四个产品（25%分位数，10%分位数，最小值、中位数）对嘉黎、类乌齐和芒康站预报明显偏小，所有产品对阿里、那曲西部和沿江中西部的预报较接近实况。

6.2 集合预报对拉萨冬季第一场雪的预报检验结果指征

对中大雪有特好的定性预报指示意义，其中控制预报、平均数和中位数对定量预报有非常准确的参考价值，对于小雪量级也有较好的定性预报指示意义，但各产品的定量预报偏大，对于微量降雪，定性定量预报都效果不理想，预报值偏大。对于小雪量级及以上天气集合产品提前一天有提示意义，实际天气出现比预报偏晚。

6.3 集合预报对拉萨汛期短时强降水的预报检验结果指征

集合预报和实际短时强降水出现时段较一致，但预报量偏小10倍以上，对于强降水没有极端天气的预报提示作用。