基于CMA区域集合预报的暴雨灾害风险预估研究——以“21·7”河南暴雨为例

刘 扬， 唐 健， 王 铸， 王莉萍, 张 霞

(1.国家气象中心， 北京 100081; 2.中国气象局·河南省农业气象保障与应用技术重点实验室，郑州 450003；3.河南省气象台，郑州 450003)

引 言

风险是两个主要因素的函数[1]:(1)某一事件发生的概率或一系列不同强度事件发生的概率;(2)事件的后果。WMO建议同时考虑气象灾害发生的可能性及其潜在影响，构成风险矩阵，从而进行风险评估并发布预警信息[2]。2010年，美国国家科学院出版的一份关于天气、气候预报不确定性的调研报告强调，由于天气气候预报存在不确定性，要利用天气、气候预报作出比较好的决策，至关重要的一条就是要正确刻画或表征预报的不确定性，并且在用户和预报部门之间进行充分的交流。因此如何正确认识和科学对待天气预报的不确定性，从而合理表征与充分交流不确定性，是业务预报部门亟待解决的重要问题[3]。

集合数值预报是单一值确定论预报向多值的概率预报转变的关键技术基础，其中心任务就是要定量估计预报不确定性的分布[4]。集合预报，针对数值预报的误差来源，采用合理的扰动原理和扰动方法，构造能沿着模式大气相空间最不稳定的方向快速增长的扰动场与集合预报成员，不仅大大提高了人们对暴雨等天气过程的认识和预报能力，更进一步将自然科学和社会科学紧密联系，使自然科学更好地解决社会生产生活问题，为合理安排生产和生活活动、抵御暴雨等灾害提供有力的技术保障[1,5-6]。

由于集合预报系统能够很好地考虑到模型的不确定性，国内外学者已经尝试将集合预报应用于洪水、山洪预报及早期预警和洪灾风险评估中[7-9]。集合预报系统能对未来的水文事件进行最大可能估计，并给出了一个广泛的结果区间，综合了所有造成预报不确定性的因素。基于水文集合预报的洪水预报增加了预报附加值，并能够延长预警提前时间[10]。

另外，集合数值预报在一些专业气象预报中也得到了应用[11]。如用ECMWF集合预报与海浪预报模式耦合，每天发布海浪集合预报；法国气象局用污染模式与ECMWF集合预报模式耦合，预报海面石油泄漏形成的污染物漂移过程；还有将集合数值预报产品应用到未来1-10天电力需求的预报中等等。诸多研究指出，基于集合预报的概率预报远比单一的确定论预报经济效益高[12-14]。

降水预报的不确定性是产生其下游预测不确定性的重要部分。传统的确定性预报对暴雨的预报能力有限，导致在此基础上进行的暴雨灾害风险评估可信度降低。近年来，集合数值天气预报技术的发展，为降水预报、洪水预报及早期预警提供了新的思路[15]。集合预报技术的发展，有助于提高暴雨预报能力，对作出合理的暴雨灾害风险估计和评价非常有益[1，16]。而目前应用集合预报进行暴雨灾害风险预评估的研究还比较少见。

国家气象中心目前已有业务化应用的暴雨灾害风险评估模型[17-18]。该模型基于确定性降水预报，预估降雨综合强度，生成暴雨灾害综合风险预估产品，已应用于决策服务材料及相关部级联合会商中。将该模型与集合预报系统耦合，可进行基于集合预报的暴雨灾害风险预估研究。

2021年7月17-22日，河南省出现了历史罕见的强降雨天气过程，对经济社会运行和人民生命财产安全造成严重危害。本研究以“21·7”河南暴雨事件为例，尝试开展基于集合预报的暴雨灾害风险预估，检验集合预报对暴雨灾害风险预估准确度和预见期的提升效果。

1 研究数据

集合预报数据：对比国内外各类集合预报产品的时空分辨率，考虑中国区域暴雨灾害风险预估的实际需要，选用空间分辨率较高的CMA(China Meteorological Administration)区域集合预报数据开展研究。CMA区域集合预报模式(原名GRAPES-REPS V3.0区域集合预报模式)水平分辨率为10 km,以CMA全球模式为驱动场，初值扰动方法为集合变换卡尔曼滤波，模式扰动方法为随机物理过程倾向项，2019年投入业务运行；CMA区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统的评分，降水概率预报与ECMWF的降水概率预报具有一定可比性，对中国汛期降水具有较强的预报能力[19]。CMA区域集合预报共有集合预报成员数15个，包含1个控制预报和14个扰动成员。预报区域为中国区域，预报时效为84 h(起报时间为世界时00时、12时，下同)。

降水实况数据：基于中国逐小时降水实时融合实况分析产品[20]累加而得的逐日降水实况分析产品，覆盖中国区域(0°-60°N，70°-140°E)，空间分辨率为0.05°×0.05°。CMPAS中国逐小时降水实时融合实况分析产品是利用地面降水观测资料、雷达定量估测降水数据和卫星反演降水数据，采用偏差订正、融合分析等技术研制而成，对强降水估算准确率较高[21-22]。

2 研究方法

基于国家气象中心目前业务化应用的暴雨灾害风险评估模型，调整预报数据接口和模型分辨率，将CMA区域集合预报数据与模型耦合；运用模型进行风险预估，得到与集合预报成员相同数目的风险预估结果；对比基于控制预报和基于扰动成员预报的风险预估结果，研究集合预报在灾害风险预估中的应用效果。

根据各集合成员的风险等级预估，可以计算风险等级概率。本研究使用概率预报中常用的方法，即根据满足条件的成员个数来确定概率[23]。若预报超过某风险等级的成员有M个，集合成员数为15个，则该风险等级概率为M/15。

在业务应用中，常需要将集合成员集成起来形成单值预报[24]。运用集合定量降水预报集成方法——概率匹配平均法(Probability Matching，简称PM)[25]集成各成员的风险预估结果。该方法不需要历史样本，能结合具有较好空间分布的集合平均和具有更好量级准确度的集合成员预报，可以更有效地利用各集合成员的信息[26]。PM产品可以提高降水落区和强度的预报效果，对于暴雨和大暴雨预报具有一定参考价值，已在业务预报中得到较好的应用[27-30]。因此将该方法运用于风险预估集成。

具体步骤[25-26]：选定某一矩形格点区域(区域纬向w个格点、经向h个格点)，计算该区域的集合平均场，并将w×h个格点集合平均值从大到小排列得到序列A；每个格点上有m个成员，将区域内的w×h×m个集合成员预报值从大到小排列得到序列C；将序列C顺序划分为w×h个长度为m的序列段，从每个序列段抽取中值从大到小排列形成序列B；用序列B的值替换A相同位置的平均值；将序列A恢复到集合平均场的原位置，即得到概率匹配平均场。

3 研究结果

2021年7月17-22日，河南省出现历史罕见的极端暴雨过程，强降雨主要集中在7月19-21日(图1)。7月20日，强降雨范围最大，河南中部和北部均出现大暴雨以上量级的降水(日雨量超过100 mm)。图2为CMA区域集合预报模式对7月20日降水量预报，包括1个控制预报和14个扰动成员预报，起报时间为19日00时。控制预报在河南中部超过100 mm，但在河南北部预报较实况明显偏弱，仅预报25～50 mm。在14个扰动成员中，有9个成员预报河南北部降水量大于50 mm，其中有5个大于100 mm(图2d、i、j、l、o)，提示河南北部有出现暴雨或大暴雨的可能性。

图1 2021年7月19日00时-20日00时(a)、20日00时-21日00时(b)、21日00时-22日00时(c)河南及周边累计降水量实况

图2 CMA区域集合预报模式对2021年7月20日00时-21日00时河南及周边累计降水量预报 (a)控制预报，(b)-(o)14个扰动成员预报；起报时间为19日00时

以各集合成员分别驱动暴雨灾害风险预估模型，得到风险预估结果(图3)。风险等级2表示较高风险，3表示高风险，4表示极高风险。基于控制预报的预估结果在河南中部有极高风险，在河南北部有较高风险，与控制预报的降水分布比较一致。同时，有多个扰动成员在河南北部预估了极高风险。计算风险等级概率(图4)可见，河南北部有70%～90%的概率存在较高风险，有超过50%的概率存在高风险，有10%～30%的概率存在极高风险。相比单一基于控制预报的预估结果，基于集合预报的风险评估提示了河南北部暴雨灾害高风险、极高风险的可能性。

集成各集合成员的风险预估结果(图5)，集合平均和概率匹配平均的空间分布形态相似，概率匹配平均的风险等级更高。与控制预报(图3a)相比，集合平均和概率匹配平均都削弱了对河南南部的高风险预估，更接近实际情况；但集合平均的风险等级整体偏低，为2～3级；概率匹配平均的风险等级强度与控制预报基本相当，为2～3级、局地4级，且3级风险区范围较控制预报的向北扩展，表明河南北部存在暴雨灾害高风险，弥补了单一控制预报在河南北部预估偏弱的问题。

图3 基于CMA区域集合预报模式的2021年7月20日河南及周边暴雨灾害风险预估(a)控制预报，(b)-(o)14个扰动成员预报；起报时间为19日00时

图4 基于CMA区域集合预报的2021年7月20日河南及周边暴雨灾害风险等级概率预估(a)≥2级，(b)≥3级，(c)4级；起报时间为19日00时

对于2021年7月20日的暴雨灾害，计算不同预报时效的基于单一控制预报的预估结果(RISK_Ctrl)、基于各扰动成员的预估结果(RISK_Members)、概率匹配平均预估结果(RISK_PM)与真实值的空间相关系数，比较这三者的预估准确性(图6)。由于缺乏精细可靠的实际灾情数据，将基于实况降水的灾害评估结果,近似作为真值。可以看出，在24、48、72 h各个预报时效，RISK_PM预估结果与真值的空间相关系数均高于RISK_Ctrl预估结果与真值的相关系数，且高于绝大多数RISK_Members预估结果与真值的相关系数，说明概率匹配平均集成效果较好。而且，随着预报时效增加，RISK_PM与RISK_Ctrl的偏差增大，表明预报时效越长，集合预报的优势越明显。

图5 2021年7月20日河南及周边暴雨灾害风险等级预估集成结果 (a)集合平均，(b)概率匹配平均；起报时间为19日00时

图6 2021年7月20日不同预报时效的基于单一控制预报、基于各扰动成员、概率匹配平均的暴雨灾害风险预估与真实值的空间相关系数

4 结论和讨论

本研究以“21·7”河南暴雨事件为例，将CMA区域集合预报与暴雨灾害风险预估模型耦合，对比基于控制预报和基于扰动成员的风险预估结果，预估各风险等级概率，并运用集合平均、概率匹配平均法将集合成员集成，探索了集合预报在暴雨灾害风险预估中的应用途径和效果。结果表明：

(1)控制预报对河南中部大暴雨和极高灾害风险预估较好，对河南北部的降水和风险预估偏弱；基于集合预报的风险预估，河南北部有超过50%的概率存在暴雨灾害高风险，有10%～30%的概率存在暴雨灾害极高风险，提示了河南北部暴雨灾害高风险和极高风险的可能性。可见，集合预报能为暴雨灾害风险预估提供更多信息。

(2)概率匹配平均法能有效集成基于集合预报的风险预估结果，优于集合平均。概率匹配平均的高风险区范围较控制预报的向北扩展，弥补了控制预报在河南北部预估偏弱的问题。在24 h、48 h、72 h预报时效，概率匹配平均与真值场的空间相关系数均高于基于单一控制预报和绝大多数扰动成员的预估结果与真实值的空间相关系数，且预报时效越长，概率匹配平均的优势越明显。

本研究以“21·7”河南暴雨事件为例开展试验研究，关于集合预报在暴雨灾害风险预估中的应用效果，还需要更多案例验证和更深入的分析。