基于多模式预报优选融合技术的短时定量降水预报

曹 勇，张恒德，郭云谦，包红军，徐成鹏，赵 威

(1.国家气象中心，北京 100081; 2.中国气象局-河海大学水文气象研究联合实验室，北京 100081)

降水是一种重要的天气现象，密切影响着人类社会生产活动。精准地定量预报降水是水旱灾害防御与水库兴利减灾的重要保障[1-4]。为了更好地满足国家社会经济发展和重大战略需求，中央气象台已经建立了0～30 d无缝隙精细化智能网格降水预报技术体系，空间分辨率达到5 km×5 km[2,5-6]。在整个智能网格降水预报技术体系中，短时临近与延伸期时效预报精度不高一直是限制整体定量降水预报能力提升的主要瓶颈之一[7]。短时时效的定时、定点、定量的精细化降水预报是提升城市应对暴雨灾害风险的重要支撑[8]。如，2021年7月20日郑州出现特大暴雨，经统计发现，日降水量及1 h降水量均打破郑州气象观测站建站以来历史记录，后者更突破我国大陆地区小时雨量历史极值，导致了极为严重的洪涝灾害。传统的降水预报技术往往仅能支撑2 h左右的精准预报，对标市政部门应急响应时间需求仍有明显差距。因此，如何延长突发性强降水预报的预见期，尤其是提升0～12 h逐小时短时降水预报精准度,对于提升城市暴雨洪涝防御与政府应急管理能力至关重要[9-13]。

研究表明[14-18]，现阶段限制0～12 h短时降水预报精度提升的主要因素为基于实况信息外推的降水预报精度随着预报时效延长急速下降，而此时效内，全球数值天气预报模式正处于模式“spin-up”阶段，模式降水预报精度普遍不可用于暴雨洪涝预报。近年来，区域中尺度数值天气预报模式取得了长足发展，明显提升了模式对中小尺度天气系统短时降水预报能力[9],如中国气象局2006年业务化区域中尺度模式，并在2019年实现该模式空间3 km×3 km并覆盖全国范围，成为提升降水0～12 h短时预报重要的支撑[19-20]。业务实时应用发现，区域中尺度数值模式预报的准确率依然不可避免的受数值模式动力过程的离散化和物理过程的参数化两方面影响，极易导致模式预报的系统性偏差。发展数值天气预报模式后处理技术是减少模式偏差重要手段[21]。Zhu等[22]用频率匹配方法对降水预报进行订正，发现订正后的降水落区面积预报偏差显著减小，雨带轮廓和位置更接近实际情况。但每次不同降水过程，不同模式以及模式订正预报的性能表现不一样，且传统的模式后处理技术只能订正模式的系统性偏差，对于0～12 h突发性短时强降水难以有理想的预报性能。

综上，本文紧扣大城市暴雨洪涝气象服务需求，基于多源数值模式预报，开展多数值模式预报成员实时优选，在优选基础上开展预报最优化融合，构建逐小时的实时降水短时预报模型，并以2021年河南区域典型强降水过程为例进行预报验证，探讨构建的降水短时预报模型对大城市突发性强降水0～12 h精细化预报准确率的提升效果。

1 模 型 构 建

1.1 模型总体架构

降水短时预报模型主要由4个技术模块构成：①单模式百分位映射订正技术模块。由于数值模式存在系统性的预报偏差，因此主要利用该技术模块订正单模式原始降水预报的系统性偏差。②模式订正预报成员实时优选技术模块。该技术模块会利用最新降水估测结果对数值模式订正预报进行实时检验评估，在检验评估基础上进行预报成员优选，挑选出预报结果最接近当前降水评估的数值模式订正预报成员。③预报成员实时融合技术模块。在优选成员基础上，将归一化的准确率评估结果作为权重系数进行多源模式订正预报结果融合。④融合预报的百分位映射订正模块。由于权重融合结果一定程度减弱了强降水预报，同时增加了弱降水预报[23]，利用单模式订正预报对融合预报结果进行百分位映射，消除融合预报强度偏差，最终生成降水短时预报结果。

1.2 单模式百分位映射订正技术

百分位映射订正技术是一种模式降水预报订正技术，由于模式存在系统性偏差导致最终模式预报降水的累积概率分布函数与实况降水的累积概率分布函数有差异，百分位映射技术主要就是实现此类系统性偏差的订正。具体计算公式为

(1)

通过式(1)可以实现模式预报降水的订正。考虑到模式降水预报的误差随着季节以及预报时效会有差异，为了保证订正的效果和平稳性，在本模型中，会针对每个模式的每次起报及不同预报时效分别训练建立模型，训练数据采用滑动时间窗口的方式选取最近3 a的模式降水预报和对应的实况降水估测，建立短时降水预报模型，实现单数值模式预报的订正。

1.3 预报成员实时优选技术

利用单模式百分位映射技术实现了模式降水预报的订正，但是对于每次降水过程预报，模式降水订正预报精度并不稳定，且精度优劣各异。因此，模型构建预报成员实时优选技术模块，在多源数值模式订正预报中挑选预报精度最高的降水预报用于后期的融合技术处理。相似标准采用余弦相似值，余弦相似值是通过测量2个向量的夹角余弦值来度量它们之间的相似性，余弦值为1代表2个向量同方向，-1代表2个向量反方向，余弦相似值介于-1和1之间。

余弦相似的特点是考虑2个向量之间的方向一致性，而不考虑彼此绝对长度的大小。对于模式降水预报订正场和实况降水估测场，余弦相似值则表达了两者降水预报雨带的相似程度。由于降水订正场在百分位映射部分已经实现了强度订正，余弦相似值能较好地表达出模式降水预报场和实况估测场的相似程度。在本模型中，分别计算多源模式的订正降水预报与最新实况估测之间的余弦相似度。通过统计验证，发现选取4家数值模式订正预报参与后期的融合技术，短时降水预报准确率最高。

1.4 预报成员实时融合技术

构建基于余弦相似值的权重融合技术，根据最新时次优选的数值模式订正预报开展实时融合，权重由实时余弦相似值进行标准化计算获取：

(2)

1.5 融合预报百分位映射订正技术

由于构建模型中是采用线性权重融合方式，易导致预报强降水偏弱、预报弱降水偏强，主要原因为融合后的降水预报概率分布函数与单模式订正预报的分布有差异。为了消除这种系统偏差，采用百分位映射技术进行偏差订正，并设置输入训练数据为融合降水预报和优选的4个单模式降水订正预报，利用优选的4个单模式降水预报总体的累积概率分布函数完成融合降水预报的偏差订正。

2 总体及个例预报检验

2.1 研究区域

选择河南省作为模型验证的研究区域，范围为110°E ～117°E、31°N ～37°N。河南省地跨长江、淮河、黄河、海河四大流域。地势呈望北向南、承东启西，地势西高东低，北、西、南三面由太行山、伏牛山、桐柏山、大别山沿省界呈半环形分布；中、东部为黄淮海冲积平原；西南部为南阳盆地。大部分区域处于暖温带，南部跨亚热带，属北亚热带向暖温带过渡的大陆性季风气候，同时还具有自东向西由平原向丘陵山地气候过渡的特征，具有四季分明、雨热同期、复杂多样和气象灾害频繁的特点，年均降水量约为852 mm，主要在汛期6—8月。

2.2 研究数据

使用的数据主要有模式降水预报和实况降水估测两部分，降水预报数据的全球模式包括中国气象局模式、欧洲中期预报中心模式、美国大气海洋局模式和德国气象局模式等4家全球模式；区域模式包括中国气象局中尺度模式、上海市气象局中尺度模式、广东省气象局中尺度模式以及北京市气象局中尺度模式。模式降水预报数据分别采用线性插值方案，处理成时空尺度统一的逐小时、5 km×5 km分辨率36 h预报时效的降水产品。实况降水估测数据为国家气象信息中心发布的逐小时实况降水估测产品，空间分辨率为5 km×5 km。

2.3 预报检验

对2021年1—9月河南地区的数值模式原始预报、数值模式订正预报以及多模式实时优选及融合预报进行预报准确率检验，检验对象为短时时效(0～12 h)逐小时降水预报，准确率评分标准为气象预报业务常用的TS评分[2]。对于1 mm/h量级降水而言，数值模式订正预报较原始预报准确率有所提升，但提升不明显；多模式优选及融合预报较数值模式订正预报及原始预报均提升较明显，平均提升率达到10%(图1(a))。对于5 mm/h量级降水而言，数值模式订正预报较原始预报准确率有明显提升，在此基础上多模式优选及融合预报依然较数值模式订正预报及原始预报有较明显提升，平均提升率达15%(图1(b))。整体而言，多源模式成员优选及融合预报产品各时效、各量级(明显降水、较强降水)的逐小时降水预报准确率高于任意单模式订正预报和原始模式预报。

图1 2021年1—9月多模式客观产品的0～12 h逐小时降水预报结果对比Fig.1 Results comparison of multi-model forecasts of 0-12 h hourly precipitation from January to September,2021

2021年7月20日郑州出现特大暴雨，日降水量(624.1 mm)及最大1 h降水量(201.9 mm)均打破郑州气象观测站建站以来历史记录，后者更突破大陆气象观测小时雨量历史极值(198.0 mm)，导致极为严重的城市暴雨洪涝灾害。此次降水过程与台风“烟花”靠近，台风与副热带高压之间东风急流加强有关，且受地形作用影响明显，因此具有强度大、范围集中及沿地形分布的特点。由图2可知，欧洲中心数值模式预报降水最强中心较实况偏西、偏北，同时中心强度也较实况偏弱，降水预报中心的雨强约为80 mm/h，远低于实况，对此次郑州暴雨的极端性预报不足。多模式成员优选及融合预报结果，随时效临近，降水强度预报明显较欧洲中心数值模式偏大，上午10：00之后预报下午6 h累积降水超150 mm，与实况(区域150 mm，局地300 mm)量级接近，且随着预报时效的临近，强降水区向南调整，逐步与实况贴合。在这次极端性极强的区域中尺度强降水中，多模式成员优选及融合预报的效果远好于以欧洲中心数值模式预报为代表的数值模式预报效果。

图2 7月20日最强降水时段欧洲中心模式预报以及多模式优选融合预报对比Fig.2 Comparison of ECMWF forecasts and multi-model optimization fusion forecasts during the maximum rainfall period in the study area on July 20th

4月23日，河南中西部地区出现连续性、稳定性降水，此次降水主要受冷暖空气对峙影响，豫西地区大部分时间小时降水量在6 mm以内，持续时间超过30 h，河南中西部降水主要集中时段为23日夜间，12 h累积降水量25～60 mm(图3)。最新时次的欧洲中心数值模式预报的落区与实况接近，但预报12 h雨水小于25 mm(小到中雨)，明显偏弱(图3)，而其他多家全球模式对24 h降水预报也偏小；多模式成员优选及融合预报的结果，从18时起将降水量级调整为大雨，局地大于35 mm(图3)，且强降水位置和强度均较原始模式提升。对比豫西两站点(图3(d)栾川，图3(e)卢氏)1 h降水实况与不同起报时刻的多模式优选及融合预报的时间序列图，逐小时降水预报在短时时效内随着预报时效的临近，预报准确率逐渐提升。

图3 4月23日最强降水时段欧洲中心模式预报以及多模式优选融合预报对比Fig.3 Comparison of ECMWF forecasts and multi-model optimization fusion forecasts during the maximum rainfall period in the study area on April 23th

3 结 论

a.模型融合了单模式百分位映射订正技术、模式订正预报成员实时优选技术、预报成员实时融合技术和融合预报的百分位映射订正技术，实现了基于多源数值模式预报优选及融合的降水0～12 h短时预报，在研究区域试验结果表明，相比于原模式预报，定量降水预报精度明显提升。

b.针对河南地区“4·23”和“7·20”暴雨个例试验，模型能根据最新的实况估测检验评估结果，进行成员优选同时能实现多模式的融合预报，预报的范围和强度随着时效的临近更接近实况降水估测，能提前6 h较好地给出“7·20”河南暴雨最强时段降水的落区和强度预报。对河南地区2021年夏季整体预报情况检验，最终多模式融合预报准确率高于任意单模式订正预报和原始模式预报，同时准确率随着预报时效的临近逐步提高。