西南地形复杂地区夏季月降水预报订正技术研究

陈 浩， 周荣卫， 唐圣钧， 何晓凤

(1.中国气象局华风气象传媒集团有限责任公司，北京 100081； 2.雅砻江流域水电开发有限公司，成都 610051)

引 言

川西高原位于青藏高原和四川盆地之间，地形复杂，地势高差悬殊较大，气候同时受到东亚季风和印度季风的影响，夏季经常发生旱涝灾害。研究川西高原夏季降水，对该地区的社会生产生活有重要的意义[1-3]。这一区域河流纵横分布，雅砻江就是其中的一条河流。该河流各流域有很多不同规模的水电站，夏季月降水预报有助于水电站充分利用水资源及水电站优化运行，充分发挥电站的经济效益[4]。

月尺度降水预报是短期气候预测的重要组成部分。其主要方法有经验/物理统计方法和数值模式方法。前者是利用降水与多个影响因子之间的统计关系，根据前期因子的表现，预测未来一定时间内的降水量[5-9]；数值模式方法是利用全球或者区域气候模式来对降水进行客观预报[10-14]，欧洲中期数值模式预报中心、美国环境预报中心、日本气象厅和亚洲太平洋经济合作组织发展的逐月气候预测产品均可作为月降水预测工具。气候预测模式经过长期积分，模式误差会趋向于模式内在的统计平衡状态，出现系统性偏差[15-16]；同时，由于模式本身的误差，以及参数化过程和模式驱动数据的不确定性，致使模式预报存在一定误差[17-18]。

目前，国内外有许多学者针对CFS(Climate Forecast System)的月/季尺度的降水进行预报效果评估。研究表明，CFS系统的月/季降水预报在中国19个主要流域有一定的降水预报技巧[19]，对影响降水过程的主要环流系统低频振荡特征有一定预报能力[20]，经过动力降尺度后，CFS的降水预报误差减小了33%[21]。但是，李永生等[22]利用美国环境预报中心的第二代气候预报系统CFSv2在东北地区开展了夏季月降水预报，结果表明，CFSv2模式对东北地区夏季各月降水预测效果年际变化差异较大，预测效果不稳定。黄小梅等[23]评估了CFSv2对2015年中国夏季月降水和环流形势的预报能力，表明CFSv2的月降水预报即使仅提前1天，预报的降水与实况差异也非常明显。以上研究虽在一定程度上揭示了CFS对月降水预报的缺陷，表明CFS模式还有进一步发展空间[24]，但并没有针对性地对其月降水预报效果进行订正。

因此，本文拟采用中尺度气象模式WRF(Weather Research and Forecasting Model)结合美国国家环境预报中心(NCEP,National Centers for Environmental Prediction)气候预报系统CFS的全球气候预测产品，对川西高原雅砻江流域夏季月降水进行预测，利用历史3个典型年(2011、2012和2014年)回算及1年的实时预测，计算在该区域的系统性误差，同时利用中国地面降水历史分析产品，得到月降水的历史极大值和极小值，从而对月尺度降水先后进行系统性误差订正和历史极值调整，以获得满足水电服务生产需求的精细化的月尺度降水预测产品。

1 资料与方法

1.1 资料和模式

CFS预报产品是美国国家环境预报中心开发的气候预报系统，耦合了海洋-陆面-大气三大部分。该系统从2004年8月开始业务运行(CFSv1)[25]，同时，对1981-2004年共24年进行了历史回报。2011年3月升级为第二代业务系统(CFSv2)[26]，并提供了1982-2010年的回报试验结果。目前该系统已经成为NCEP气候预报中心月和季节预报的重要工具。CFS实时预报资料每天起报4次，每个时刻有4个成员，每天共16个成员进行预报。本文中用的CFS预报数据为CFSv2的世界时00：00起报的预报产品，预报时效为45天，该产品水平分辨率为0.938°×0.938°，垂直方向为38层。

WRF是由美国国家大气研究中心(NCAR)和NCEP联合美国多所大学及研究机构开发的新一代中尺度数值天气预报系统[27]，是完全可压缩及非静力模式。水平方向采用Arakawa C网格点，垂直方向采用地形跟随质量坐标，时间积分方案使用Runge-Kutta的3阶方案。本文利用WRF对CFS资料进行动力降尺度，记为WRF+CFS。该系统积分时长为45天，产品逐6 h输出，产品类型包括温度、湿度、风速、降水等基本气象要素。研究表明，WRF+CFS系统对风速的预测效果较好[28]。不同模式分辨率、参数化方案都会对模拟结果有影响[29-30]。在这里模式中心点为(100.0°E，35.0°N)，分辨率为30 km×30 km，参数化方案设置见表1。

表1 WRF+CFS系统参数化设置

本文用于计算系统性误差和预测检验的实况站点资料包括川西高原雅砻江流域内的气象站降水数据和水文站降水数据。其中，气象站资料是中国国家级地面站小时值数据,包括气温、气压、相对湿度、水汽压、风、降水量等要素小时观测值，该数据经过质量控制，各要素数据的完整性超过99.9%，数据的正确率接近100%；水文站资料是西南地区雅砻江流域上、中、下游降水资料。图1是雅砻江各流域范围及水文站和气象站分布情况。

根据三个典型年份2011年、2012年和2014年(分别代表川西高原雅砻江流域的枯水年、丰水年和平水年)的回算模拟，以及2017年的实时预报产品作为样本，利用流域内国家气象站和水文站的历史实况资料，计算得到站点上月累积降水量的系统性误差。对各个站点来说，对所有预报的降水误差进行算术平均，得到站点的系统性误差。计算方法见下：

(1)

图1 雅砻江流域范围及水文站和气象站分布示意图

图2 站点月降水系统性误差分布单位：mm

表2 站点系统性误差绝对值区间分布

雅砻江位于青藏高原向东延伸的部位，受亚洲季风的影响比较明显，干湿季节相当分明。5-9月受东亚季风和西南季风的交替影响，是该地区的湿季，降水占全年总降水量的80%，10月-次年4月受西南季风带气流影响，降水稀少[31]。本文用中国地面降水月值格点数据集计算雅砻江历史多年月累积降水的极大值和极小值。该数据是由国家气象信息中心根据1961年至今最新的全国国家级台站(基本、基准和一般站)的降水月值资料，并利用GTOPO30数据(分辨率为0.05°×0.05°)经过重采样得到的中国陆地数字高程模型DEM，最终得到全国0.5°×0.5°格点降水月值资料[32]。该数据可作为月降水预测的阈值控制条件。根据该数据历史56年(1961-2016年)降水实况数据，得到各月最大累积降水量和最小累积降水量(图 3)。

1.2 检验方法

月降水预测效果采用绝对误差和均方根误差来进行检验。绝对误差是用模式预报和观测值之差取绝对值。具体计算如下[33]：

(2)

式中，Eabs为预报时段内某一时刻的绝对误差，n为用于检验的格点总数，Fi为预报时段内某一时刻预报值，Oi为相应时刻的格点观测值。

均方根误差是预报值与观测值偏差的平方与观测次数n比值的平方根，它反映的是预报与观测之间的偏差大小，计算如下：

(3)

式中，RMSE为预报时段内均方根误差，n为用于检验的格点总数，Fi为预报时段内某一时刻预报值，Oi为相应时刻的格点观测值。

1.3订正方法

第一步，将1.1得到的站点误差插值至WRF+CFS的30 km×30 km的格点上，利用格点误差对月降水预报产品进行订正。计算方法见下：

(4)

图3 西南地区1961-2016年5-9月月累积降水极值分布(a)(b)分别为5月最小和最大月累积降水量，(c)-(j)依次为6-9月最小和最大月累积降水量

第二步，在月尺度系统性误差订正的基础上，利用降水分析场数据统计得到历史极值，对月降水量进行阈值限定，以避免出现预报异常偏大或异常偏小的情况。具体订正如下：

P=PsPmin≤Ps≤Pmax

(5)

P=PminPs

(6)

P=PmaxPs>Pmax

(7)

式中,P为经过历史极值调整后的降水预报，Ps为经过系统性误差订正后的降水预报，Pmax和Pmin分别为历史各月累积降水最大最小值。

2 结果分析

2.1 降水预报订正平面效果

月尺度预报的时间分辨率为6 h，空间分辨率为30 km×30 km，每次连续积分45天，共需要50个CPU约15 h的积分时间。结合运行机时、模拟的合理性及预报的时效性，2018年的实时运行均设置为每3天起报一次，因此2018年6月的实时运行个例一共15个。由这些预报个例6月的累积降水量平均得到的月尺度降水，与6月实况比较可以看出，2018年6月累积降水呈现出中游和下游降水较上游降水大的趋势，其中上游北部累积降水100～150 mm，上游南部累积降水150～200 mm，中游累积降水200～250 mm，下游累积降水250～300 mm。图4是2018年6月累积降水实况与订正前后降水预报效果。

图4 雅砻江流域2018年6月累积降水实况(a)、订正前累积降水预报(b)、系统性误差订正后累积降水预报(c)和极值调整后累积降水预报(d)

由图4可以看出，订正前后的预报均能再现降水的空间分布特征——下游降水较上游和中游的多。同时也可以看出，未作订正的降水预报在上游南部、中游和下游的明显偏大。经过系统性误差订正之后，上游南部和中游的降水量分别由200～250 mm和350～400 mm减少到150～200 mm和250～300 mm；经过历史极值调整后，雅砻江下游降水偏大的现象得到了明显的改善。

同样，将包含2018年7月的15个预报个例的7月平均累积降水量的预测与实况进行比较，可以看出：订正前，雅砻江中游东部有较大范围的降水超过400 mm；经过系统性误差订正后，降水超过400 mm的范围减小；在极值调整之后，中游东部7月降水量控制在350 mm以内，更加接近实况。同时也注意到，经过订正之后雅砻江上游南部降水偏小，预报效果不如订正前的(图5)。

图5 雅砻江流域2018年7月累积降水实况(a)、订正前累积降水预报(b)、系统性误差订正后累积降水预报(c)和极值调整后累积降水预报(d)

综合来看，经过系统性误差订正和极值调整之后，四川西部复杂地区的西北部降水预报偏小和东南部降水预报偏大的情况得以改善，WRF+CFS的夏季降水预测的空间分布特征与实况更加接近。

2.2 降水预报订正站点比较

从雅砻江流域2018年6月降水预报整体上来看，订正后，6月降水误差减小124.1 mm，7月降水误差减小69.1 mm。从不同流域来看(表3)，订正前雅砻江上游、中游和下游45天预报误差分别为74.3 mm、154.4 mm和91.3 mm；经过系统性误差订正后，上游、中游和下游的误差分别减小15.6 mm、52.0 mm和19.9 mm；历史极值调整之后，误差进一步减小了3.2 mm、18.3 mm和4.1 mm。7月45天累积降水量在上、中、下游的预报误差经过订正之后，均有所减小，其中上游误差减小1.3 mm，中游误差减小54.2 mm，下游误差减小13.6 mm。

表3 雅砻江流域2018年6月和7月累积降水预报订正前后误差比较 mm

同样，订正后，6月降水预报均方根误差减小148.4 mm，7月降水均方根误差减小68.9 mm。从不同流域来看(表4)，2018年6月和7月雅砻江上、中、下游的均方根误差经过系统性误差和极值调整之后均减小。其中，中游的减小最明显，6月均方根误差由178.1 mm减小到95.0 mm，减小了47%；7月均方根误差由149.1 mm减小到95.2 mm，减小36%。此外，6月上游和下游降水误差经过订正之后效果也比较明显，分别减小了30%和32%。

表4 雅砻江流域2018年6月和7月累积降水预报订正前后均方根误差比较 mm

由此可见，经过两次订正，雅砻江流域上、中、下游的误差和均方根误差均减小，订正效果比较明显。

3 结论与讨论

本文利用四川西部地形复杂地区历史3年回算和2017年实时预测得到的系统性误差和1961-2016年共计56年的降水资料统计得到的历史月降水量的极值，分别对包含2018年6月和7月的WRF+CFS系统月尺度降水预报进行订正，并与实况进行比较，得到以下结论：

月尺度降水预报能再现降水的空间分布特征，订正后空间分布与实况更加接近；未作订正的降水预报在上游南部、中游和下游明显偏大，经过系统性误差订正和历史极值调整后，雅砻江下游降水预报偏大的情况有了明显的改善；订正后，6月和7月降水预报效果更好，其中6月降水误差和均方根误差分别减小124.1 mm和148.4 mm，7月降水误差和均方根误差分别减小69.1 mm和68.9 mm；雅砻江流域水文站和气象站的站点检验表明，经过两次订正后，雅砻江流域上、中、下游的误差和均方根误差均减小，订正效果比较明显。

此外，从2018年7月降水量比较可以看出，经过订正之后雅砻江上游南部降水预报偏小，说明系统性误差订正和极值调整在局部地区存在一定的不确定性，尤其是对于以高山峡谷和高原为主的雅砻江流域下游，相对高差超过3000 m，这一区域包括了寒温带、温带、暖温带、亚热带等多个温度带，局地天气差异较大，仅用系统性误差和历史极值来进行月降水误差的订正可能会忽略很多局地天气的不确定性和极端性，造成月降水预测与实况存在较大差异。因此，还需要根据局地降水特征，寻找更加合适的订正方法。