多次取样的网格化暴雨预报“配料法”研究

曹彦超，焦美玲，秦 拓

（庆阳市气象局，甘肃 庆阳 745000）

暴雨是中国最主要的自然灾害之一，持续的强降水每年都会造成重大人员财产损失[1-2]，提升预报预警精细化水平是防范暴雨洪涝灾害的主要途径[3]。极端降水的随机性使暴雨预报具有较高难度，2020年ECMWF_THIN 模式对甘肃省陇东地区暴雨过程预报准确率虽然达到70%以上，但站点预报准确率仅为12.5%，提升暴雨落区预报准确性成为亟待解决的问题。许多学者从天气尺度和中尺度等多个角度对暴雨预报做了研究[4-7]，讨论了不同背景下暴雨的降水分布特征。其中黄文根等[8]认为暴雨是多种尺度大气运动的一种综合现象，常煜等[9]根据环流形势将呼伦贝尔市暴雨分为西太平洋副热带高压与西风带系统的相互作用、西太平洋副热带高压与其西侧北上的台风共同与中高纬度环流系统相互作用等4 个类型，而陈鹏等[10]认为暴雨都是在有利的环境背景下由中小尺度系统直接触发形成的，这些论点是相辅相成的。

“配料法”是Doswell 等[11]1996 年提出的一种基于构成要素的预报方法，强调综合考虑降水持续时间和降水率两个要素去判断暴雨出现可能。俞小鼎等[12]认为基于构成要素的方法就是一种基于物理常识的方法，强调预报过程中气象原理的理解是第一位。之后，李强等[13]、杨雪艳等[14]、欧坚莲等[15]、隋亚男等[16]众多学者将配料法应用于深厚湿对流暴雨、东北冷涡暴雨和持续性暴雨等过程的预报中，发现配料法对特定环流背景下的暴雨预报有明显提升，预报效果优于ECMWF、T639 等模式的降水预报。每位学者选用的关键物理量不同，相应阈值也有明显差异，可见不同区域环境和气候背景下物理量配料方法具有明显差异。

学者们在使用配料法进行暴雨过程预报时，多数选择数值模式中最有利于强降水发生的某一个时次对区域内最优物理量进行配料匹配，但暴雨的出现不仅需要物理条件间的相互配合，还需要有利条件的持续时间较长。本文尝试对暴雨过程中多个预报时次取样进行综合判断，以期通过融入时间元素的方法提升预报效果。

陇东地区（34.8°～37.2°N，105.3°～108.8°E）地处甘肃省东部，包括庆阳、平凉市，2009—2019 年平均每年发生暴雨7 场，其中22.9%为100 mm 以上的大暴雨，最大日降水量达216.1 mm，极端天气频繁发生。由于黄土结构松散，沟、峁、山地等复杂地形分布广泛，崩塌、滑坡、泥石流等地质灾害时有发生[17-18]。本文将以陇东地区为范围开展研究。

1 资料及方法

1.1 数据来源

降水量资料采用甘肃省气象信息中心整编筛选的陇东地区15 个国家基本气象站和327 个区域站的自动观测数据（图1）。以2008—2019 年的44 次暴雨过程为训练集，2020 年的5 次暴雨过程为验证集。训练集大气环境分析采用ECMWF_ERA5 再分析资料，下载于The C3S Climate Data Store（CDS），空间间隔为0.25°×0.25°，时间间隔为1 h。验证集使用ECMWF_THIN 模式预报数据，空间间隔为0.25°×0.25°，时间间隔为3 h。所用物理量包括700 hPa 水汽通量散度（qfdiv700，单位：10-6·g/（cm2·hPa·s））、700 hPa比湿（q700，单位：g/kg）、700 及500 hPa 假相当位温（θse700、θse500，单位：K）、700 与500 hPa 假相当位温差（θse700-500，单位：K）、K 指数（K，单位：℃）、700 及500 hPa垂直速度（Ω700、Ω500，单位：10-2Pa/s）、700 及500 hPa散度（Div700、Div500，单位：10-5/s）、500 hPa 涡度（Vor500，单位：10-5/s）共11 项。

图1 陇东观测站点空间分布

1.2 分析方法

采用聚类分析法，对陇东地区暴雨过程进行分型；利用相关系数判别法（Correlation Coefficient Discrimination，CDD）获得每种类型暴雨的关键影响因子；利用百分位数法获得各物理量因子的阈值。定义暴雨日数为24 h（20 时—次日20 时）降水量≥50 mm 的日数。

检验指标包括TS评分、空报率（FAR）和漏报率（PO），计算公式如下：

式中：NA为暴雨预报正确的站数，NB为漏报站数，NC为空报站数。

2 环流背景及降水特点

本文对所选的44 个暴雨个例根据500 hPa 环流特征进行诊断分析，分为3 种类型：西太平洋副热带高压边缘中尺度系统扰动型（简称“副高边缘中尺度扰动型”）、冷槽切变型以及偏北气流对流型暴雨。其中副高边缘中尺度扰动型有个例21 个，冷槽切变型16 个，偏北气流对流型个例较少，只有7 个。

挑选3 类暴雨典型过程进行大尺度环流特征分析及中尺度分析（图2）。副高边缘中尺度扰动型暴雨的环流特征为：500 hPa 副高西脊点位于115 °E以西，脊线在30 °N 以北，陇东位于5 880 gpm 等高线西侧或西北侧。副高外围的上升气流使陇东地区大气层结变的不稳定，强盛的低空偏南气流使700 hPa出现10 g/kg 以上的湿舌。当有短波槽等系统扰动，迫使副高变形或位置变动时，地面辐合或低空切变线动力抬升引发暴雨。此类暴雨主要出现在7—8月，多为范围广、持续时间长，且累积降水量大的区域性暴雨，平均每场过程有31 站达到暴雨量级，76.2%的过程降水持续时长＞24 h，最大日降水量出现在2013 年7 月22 日灵台县独店站，为216.1 mm。

图2 3 类暴雨的环流形势（a、b、c）及中尺度分析（d、e、f）（a、d 为副高边缘中尺度扰动型、b、e 为冷槽切变型，c、f 为偏北气流对流型）

冷槽切变型暴雨的环流特征为：500 hPa 西风带低槽沿河西走廊东移，700 hPa 有明显的切变线或冷锋。当本地湿度条件良好，或有低空暖湿气流输送时，锋面抬升引发暴雨。此类暴雨对流层低层水汽条件差异较大，其中有11 次过程700 hPa 存在低空急流及10 g/kg 以上的湿舌，5 次过程偏南气流较弱。冷槽切变型暴雨在5—9 月均有出现，平均每次过程有9 站达到暴雨，范围明显小于副高边缘中尺度扰动型，降水持续时长＞24 h 的占43.8%，最大日降水量出现在2012 年7 月17 日的静宁县城关站，为130.1 mm。

偏北气流对流型暴雨的环流特征为：陇东地区多位于500 hPa 低槽或蒙古低涡、东北冷涡后部，高空强冷平流与低层偏南气流叠加，或边界层辐射升温强烈时，热力不稳定引发对流天气，产生暴雨。此类暴雨对低层湿度条件要求较低，不一定出现湿舌或低空切变线，且受地形影响明显，暴雨落区随机性较大，对预报造成了很大困扰。偏北气流对流型暴雨在6—8 月均有出现，平均每次过程只有2 站达到暴雨，局地性非常强，降水持续时间往往≤6 h。最大日降水量出现在2015 年5 月30 日西峰区北石窟站，累积降水量为77.6 mm。

3 基于“配料法”的降水预报订正方案

3.1 特征变量选取

Doswell 等[11]认为，强降水的预报根据物理理解可以确定为降水率和降水持续时间2 个要素，即最强的降水率和最长的持续时间导致最大的降水量。由于暴雨往往持续时间较长，过程中降水率变化大，某一时刻的物理量配置只能反映当前降水率潜势，不能与24 h 累积雨量产生密切关联。选择多个时次采样综合判断，可弥补降水持续时间带来的不确定性。陈锦鹏等[20]使用物理量与小时雨量之间的相关性来挑选对卷积神经网络有用的物理量参数，但配料法更强调有利暴雨出现的环境条件，重点在概率更高而不是降水量判断更准确，因此选择过程中暴雨的站点数目作为与环境物理量拟合的参数效果会更好。

俞小鼎[12]认为应尽量避免使用CAPE、LI 等能够同时代表热力、湿度等条件的综合物理量，以避免因物理量叠套造成的判断效果折扣。本文通过客观分析挑选了不同层次、不同种类的11 种物理量作为备选参数，记录44 次暴雨过程前临近时次陇东常规高空观测资料的物理量极值。根据环流特征将暴雨过程归为3 组，采用相关系数判别法，分别根据物理量极值与过程中暴雨站点数量的相关系数绝对值挑选关键物理量。对通过0.05 显著水平检验的物理量，以相关系数0.15 为阈值挑选关键物理量，检验结果如表1 所示。

表1 环境物理量与暴雨站数的相关性

3.2 阈值确定

根据直线距离最近原则将训练集中每个达到暴雨量级的站点与0.25°×0.25°的网格格点进行匹配，记录匹配格点在临近降水最强时刻的ECMWF_ERA5 再分析资料物理量，获得983 个样本资料，建立暴雨物理量资料库。对每种暴雨的物理量分别计算10%和90%分位数，当表1 中物理量相关系数为正时，阈值选择≥10%分位数；为负时，阈值选择≤90%分位数。得到物理量配料阈值如表2。

表2 三种类型暴雨的物理量配料因子阈值

3.3 建立多次取样的网格化暴雨预报“配料法”模型

图3 为以格点为单位进行配料法匹配、综合考虑多个时次的预报流程示意图。首先根据ECMWF_THIN 模式预报场的天气过程环流特征对暴雨过程进行分析归类，挑选对应类型的配料方案对陇东范围内ECMWF_THIN 模式预报场18 行、14列，共252 个预报格点逐格点匹配物理量阈值。若当前格点对应的所有关键物理量均满足要求，则为该格点当前时次预报结果赋值为1，否则赋值为0，获得一个时次的网格化暴雨判断结果。ECMWF_THIN模式的预报间隔为3 h，每天共有8 个预报时次，对每个时次分别进行网格化配料，获得8 个时次空间间隔为0.25°×0.25°的配料法判断二维数据结果。将8 个时次的二维网格数据同相位叠加，得到当天暴雨最终判定结果。每个格点的最终得分为0～8，代表符合暴雨发生有利条件的持续时间，数值越大，周边出现暴雨的可能性越大。

图3 多次取样的网格化暴雨预报“配料法”流程

4 结果检验

以2020 年8 月4、5、6、16、23 日发生的5 次暴雨过程作为验证集进行检验，其中8 月4、16 日为低槽切变型，5—6 日为副高边缘中尺度扰动型，23 日为偏北气流对流型，验证结果如图4。多次取样的模式配料法按照得分为1 确定的预报范围明显偏大，原因是部分区域有利的气象条件持续时间较短，最终降水量达不到暴雨标准，得分为3 或以上的预报范围又偏小，因此以得分为2 判定暴雨较为合理。

图4 2020 年8 月4 日（a）、5 日（b）、6 日（c）、16 日（d）及23 日（e）预报效果（红色等值线为配料法暴雨落区，黄色等值线为EC_THIN 模式暴雨落区，等值面为实况暴雨落区）

图4 为2020 年5 次暴雨过程中配料法、ECMWF_THIN 暴雨预报落区及实况暴雨落区。配料法在5 次过程中均预报有暴雨落区，过程预报准确率为100%。ECMWF_THIN 模式对8 月23 日陇东地区24 h 最大降水量预报为43 mm，未预报出暴雨落区，过程预报准确率为80%，配料法的过程预报优于ECMWF_THIN 模式预报。

分别对5 次过程暴雨站点预报进行评分（图5），配料法TS 得分分别为10.8%、38.3%、13.1%、8.9%、0%，平均为14.2%，ECMWF_THIN 得分分别为15.3%、11.7%、3.6%、1.4%、0%，平均为6.4%。除8月4 日ECMWF_THIN 落区预报准确性较高外，配料法整体优于ECMWF_THIN。相比ECMWF_THIN漏报率平均值为84.8%，配料法则为61.3%，预报效果更好。空报率具有与准确率相似的对比结果。配料法暴雨的预报范围虽然整体大于ECMWF_THIN 及实况降水，但落区位置误差并不大。特别在8 月23日过程中，虽然南北2 个降水预报落区均未与实况重合，空报率达到了100%，但2 个落区的距离误差均不到10 km，对客观预报仍具有一定指示意义。

图5 2020 年5 次验证过程的配料法与ECWMF模式暴雨预报评分对比

配料法的预报性能在空间上也具有较明显差异。5 次过程中六盘山以西地区的暴雨站点预报均为空报或漏报，TS 得分为0%，而六盘山以东地区站点预报准确率明显更高。原因可能是六盘山的地形影响使2 个区域气候特征具有明显差异，物理量配料的要素及相关阈值也不相同。

5 结论和讨论

本文重点研究了对网格化模式预报逐格点进行物理量配料获得一个预报结论，再对1 d 内所有预报时次的配料结果同相位累加获得当天暴雨预报最终结论的暴雨预报模型。该方法通过多次取样的方式将时间元素融入暴雨“配料法”预报方案，预报性能明显获得提升。主要结论如下：

（1）根据500 hPa 环流特征，陇东主要的暴雨类型有副高边缘中尺度扰动型、冷槽切变型及偏北气流对流型。其中副高边缘中尺度扰动型暴雨主要出现在7—8 月，暴雨范围广、持续时间长、雨量大；冷槽切变型暴雨在6—9 月均有出现，暴雨范围小于副高边缘中尺度扰动型，降水持续时间较长；偏北气流对流型暴雨主要分布在6—8 月，多为局地暴雨。

（2）多次取样的网格化配料法预报以格点得分为2 判断暴雨落区可获得陇东地区最优预报结论。根据2020 年5 次暴雨过程检验结果表明，配料法的过程预报准确率为100%，站点预报准确率为14.2%，过程预报准确率相比ECMWF_THIN 提高了20%，站点预报准确率提高了7.8%。

（3）配料法在六盘山以东地区的暴雨预报效果明显优于以西地区，气候及地形的影响使配料法需要根据气候背景的变化针对性的调整配料方案，否则虽在小区域内预报效果具有优势，但范围越大，预报准确率越低。

本文只针对5 次暴雨过程进行检验，每种暴雨类型个例1～2 个，检验样本数量较少，所选的多次取样模式配料法最优判定得分仍有待验证。随着配料模型在业务工作的应用，最优判定得分将调整的更合理可靠，模型的预报性能也将进一步提升。