热带气象学报  2017, Vol. 33 Issue (6): 812-821  DOI: 10.16032/j.issn.1004-4965.2017.06.002
0

引用本文  

李明. 基于ECMWF细网格模式的短时强降水客观概率预报方法研究[J]. 热带气象学报, 2017, 33(6): 812-821.DOI: 10.16032/j.issn.1004-4965.2017.06.002.
李明. Study of the objective probability forecast method for short-term heavy rain based on ecmwf fine-mesh model[J]. JOURNAL OF TROPICAL METEOROLOGY, 2017, 33(6): 812-821. DOI: 10.16032/j.issn.1004-4965.2017.06.002.

资助项目

中国气象局2014年气象关键技术集成与应用项目(CMAGJ2014M52);中国气象局预报员专项(CMAYBY2017-075);陕西省气象局重点科研项目(2015Z-2)共同资助

通讯作者

李明,男,新疆维吾尔自治区人,高级工程师,硕士,主要从事强对流天气研究。E-mail: 467665085@qq.com

文章历史

收稿日期:2017-01-05
修订日期:2017-05-04
基于ECMWF细网格模式的短时强降水客观概率预报方法研究
李明     
陕西省气象台,陕西 西安 710015
摘要:根据陕南643个经质量控制的自动气象站2010—2014年逐小时观测降水,采用百分位法确定陕南短时强降水标准。基于2010—2014年11 824站次短时强降水个例和欧洲中心(ECMWF)间隔6 h的0.25 °×0.25 °再分析格点资料,以空间最近、时间最近前1时次原则:计算并确定陕南汛期5—9月各月短时强降水36种对流参数历史概率分布特征值;考虑对流参数的显著性和适度性指标构建评价方案,利用相对模糊偏差矩阵、标准差系数方法,优选出陕南5—9月各月的15种对流参数及其权重。业务运行以ECMWF细网格模式的基本预报产品,计算优选的对流参数值,结合参数历史概率分布值及其权重,建立陕南分月短时强降水客观概率预报模型。将模型概率预报结果升序排列后80%处对应的数值,且大于0.2作为短时强降水的临界概率,对2015年汛期降水过程进行检验,TS评分为0.59,漏报率为0.18,空报率为0.31。
关键词短时强降水    相对模糊偏差矩阵    客观概率预报    ECMWF细网格模式    
STUDY OF THE OBJECTIVE PROBABILITY FORECAST METHOD FOR SHORT-TERM HEAVY RAIN BASED ON ECMWF FINE-MESH MODEL
LI Ming     
Shaanxi Meteorological Observatory, Xi'an 710015, China
Abstract: Using percentile method, the standards of the short-term heavy rain are determined in the south part of Shaanxi province on the base of precipitation data of 643 automatic meteorological station after data quality control from 2010 to 2014. Based on 11 824 cases of short-term heavy rain and 0.25 °×0.25 ° reanalysis data at 6 h intervals of the European Centre for Medium-Range Weather Forecasts(ECMWF) during 2010 to 2014, according to the rule of being within nearby space and near recent time: the characteristic values of 36 kinds of convective parameters probability distribution are obtained in the south part of Shaanxi province from May to Sept during flood season. The evaluate scheme is formulated with the significance and appropriation indexes of 36 kinds of convective parameters, by the methods of the relative deviation fuzzy matrix and standard deviation coefficient, the 15 kinds of convective parameters from May to Sept are selected out, which can well indicate the environmental field for short-term heavy rain, and their weights are given. Based on high-resolution basic forecast products of the ECMWF fine-mesh model, the objective probability forecasting method for short-term heavy rain is established through comprehensive consideration of probability distribution and weights of the selected convective parameters. The value of more than 0.2 corresponding to 80% of the ascending order of probability forecast is taken as critical probability, the TS is 0.59, the rate missing prediction 0.18, and the rate of false predication 0.31 during 2015 flood season.
Key words: short-term heavy rain    relative deviation fuzzy matrix    objective probability forecast    ECMWF fine-mesh model    
1 引言

短时强降水是气象部门汛期关注的重点,也是预报难点。陕南地处秦巴山区,地质结构脆弱,短时强降水发生频次高,每年汛期都因强降水造成灾害和损失。随着多源资料的应用和融合分析技术的进步,对其监测水平取得了很大提高。针对此类天气预报,气象工作者也开展了较多研究。如建立不同天气系统的配置概念模型[1];林爱兰等[2]从中高纬度环流型、区域动力上升条件和水汽输送条件三个方面建立了广东暴雨发生的概念模型;苏永玲等[3]、许爱华等[4]利用区域内的短时强降水、雷雨大风、冰雹天气等典型强对流天气个例进行总结,建立了强对流概念模型。天气学模型加强了业务工作者对此类天气的认识,在业务应用中有一定意义,但主要是定性,定量化比较困难。一些气象工作者针对模式的定量降水预报采用统计方法进行订正,研究表明[5-10]对小到中雨量级的降水有一定改善,但对强降水的改善不是很理想。很多研究和预报业务实践[11-19]表明,对流参数能够揭示大气的水汽、能量和动力等特征,相对而言是一种量化和客观的诊断强对流的方法。有学者基于探空资料总结了不同强对流天气的对流参数阈值,取得一定预报效果[20-23],由于探空资料时空分辨率低、预报时效较短,一些气象工作者利用模式预报产品来诊断强对流天气[24-27],但是存在强对流天气对流参数指标固定化等问题。从这些研究中也发现不同季节、不同区域强对流天气对对流参数具有不同的敏感性,而且各对流参数所起作用也是不同的。即强对流天气的发生与否,不可能某个对流参数或单一对流参数阈值能够表征强对流天气发生的环境条件。因此能够综合应用多种物理量、多种条件的模糊逻辑方法在强对流天气预报中开始得到应用。郑永光等[28]也认为基于高分辨率数值模式产品,应用如模糊逻辑方法开展强对流天气概率预报技术是未来的发展方向。Kuk等[29]、Lin等[30]利用该方法构建了韩国、台湾的雷电客观预报技术。该方法在其他方面也有较广泛的应用,如张永山等[31]在月集合预报中利用模糊优选方法确定了500 hPa月预报场的集合方案;马清云等[32]遴选10个灾害因子,应用模糊综合评价法得出台风影响的评价系数及灾情分级;张春桂等[33]在海洋水质综合评价中引入模糊综合评价法,建立了一套基于卫星遥感和模糊评价的海洋水质监测模型;陈新建等[34]利用相对模糊偏差矩阵在地质灾害风险评价中取得了成功。本文即基于该思路,针对陕南短时强降水,利用高分辨率再分析资料和历史短时强降水个例,优选对流参数,以及确定其权重和对流参数历史概率分布特征值,建立基于数值模式基本产品的短时强降水分月的客观概率预报模型,实现短时强降水的客观预报,为此类天气的预报提供技术支撑。

2 资料

本文建立客观概率预报方法所使用的资料为2010—2014年陕南643个经质量控制的自动气象站逐小时降水,以及同时间段内欧洲中心(European Centre for Medium-Range Weather Forecasts,ECMWF)间隔6 h分辨率为0.25 °×0.25 °的位势高度、温度、相对湿度、风速、风向的再分析资料。业务运行采用欧洲中心细网格模式间隔3 h分辨率为0.25 °×0.25 °的上述5个要素预报场。欧洲中心资料范围为105~112 °E,31.5~40 °N。本文陕南范围为105~112 °E,31.5~35.5 °N,包括汉中、安康、商洛和宝鸡南部、西安南部。

3 陕南短时强降水标准

目前针对短时强降水标准,各省根据日常预报业务经验确定,没有严格的标准,例如陕西根据预报经验,确定小时降水量超过10 mm为全省短时强降水标准。但陕南秦巴山区年降水量为800~1 200 mm,属于湿润区,与陕北、关中的气候背景不同。另外各月的标准也应不同。因此以往根据预报经验确定的标准并不能准确表征陕南短时强降水情况。所以本文根据翟盘茂等[35]对极端强降水的定义,在参考了大量历史个例的基础上确定陕南汛期各月的短时强降水标准。即对经过质量控制的陕南643个乡镇级自动站2010—2014年5—9月逐小时观测资料,剔除无降水后的11 824站次样本,按月将逐小时降水量从小到大排序,将在99%分位处对应的降水量平均值定义为该区域该月的短时强降水标准,表 1为确定的陕南汛期5—9月短时强降水标准。

表 1 陕南汛期各月短时强降水标准

根据表 1的短时强降水标准,从2010—2014年逐小时降水中可以挑选出陕南达到标准的短时强降水站次(图 1a)。陕南汛期5—9月发生短时强降水的频次均较高,值得关注的是初夏5月、初秋9月发生短时强降水的站次并不少。可能主要是5月陕南局地性对流性强降水较多,而9月是因为2010年以来陕南连阴雨比较明显,阴雨中短时强降水发生较多。但从短时强降水的强度来看,7、8月是最强的,如图 1b可知陕南7、8月大于30和50 mm/h的短时强降水站次分布,7月明显多于8月。

图 1 陕南2010—2014年汛期5—9月(a)和7、8月大于30 mm/h、50 mm/h的短时强降水站次(b)
3.1 汛期各月对流参数的气候平均值

表征强对流天气的对流参数的种类多,且代表的物理含义不同,一些业务工作者针对强对流天气总结了一些对流参数的定量指标,如陕西发生短时强降水K指数在37 ℃以上,但正如引言中所述单一的对流参数阈值或某个对流参数不能全面表征短时强降水发生的条件和可能性。因此本文将考虑最佳对流稳定度指数(BIC)、K指数(K)、SI指数(SI)、深对流指数(DCI)、大气可降水量(PW)等36类对流参数[11],从中优选出若干对表征短时强降水发生所需的动力、热力和水汽等有较好指示意义的量。根据ECMWF每日4次再分析资料计算出逐日最大(或最小)的对流参数值,然后进行月和区域平均,得到陕南各月对流参数的气候平均值(表 2)。以K指数为例,5月的气候平均值最小,为17.52 ℃,7、8月较大,约为30 ℃。可以看出各月的K指数气候平均值差异很大。

表 2 2010—2014年陕南各月部分对流参数平均值
3.2 短时强降水发生临近时刻对流参数特征值

根据陕南2010—2014年短时强降水个例,将其空间上最靠近、时间上最接近的前1时次ECMWF再分析资料格点上的基本气象要素作为该站次发生短时强降水的要素场,并计算该格点的对流参数值。根据该方法计算出陕南汛期各月短时强降水发生临近时刻的对流参数平均值(表 3),可以看出当短时强降水发生时,同一对流参数在各月的数值有很大差异,并不存在一个固定的阈值。另外从表 23看出,在短时强降水发生临近时刻的对流参数值与其对应月的气候平均值也有较大差异。因此在利用对流参数预报短时强降水时需要考虑不同气候背景下的对流参数值。

表 3 陕南各月短时强降水发生临近时刻的部分对流参数值
3.3 短时强降水发生时对流参数概率分布特征值

(1)根据标准确定的2010—2014年5—9月短时强降水个例,计算出各月所有短时强降水个例对应的36类对流参数。

(2)将各月的每类对流参数值进行排序:如果对流参数值越大越有利于短时强降水发生则按从小到大排序;如果对流参数值越小越有利于短时强降水发生则按从大到小排序。由此得到按10%间隔划分的各累积频率对应的参数值,表示对流参数在该值时对应的短时强降水可能发生的概率。

图 2是陕南8月短时强降水发生临近时刻的两种对流参数概率分布特征值。若最佳对流稳定度指数(BIC)在-30.6~-33.89 ℃之间(图 2中圆圈处)时,对应发生短时强降水概率为60%~70%。为了在业务中减少空报率,故取下限,即短时强降水发生概率为60%。

图 2 陕南8月短时强降水发生临近时刻部分对流参数概率分布特征值
4 技术方案确定 4.1 构建评价方案

短时强降水发生时需要一定的环境气象条件,如能量、动力和水汽条件,这些条件可以通过具有物理意义的对流参数定量化体现。但是如第3节所分析,短时强降水在不同气候背景下,对流参数的作用和敏感性是不同的,如5月和8月反映短时强降水产生条件的对流参数是不一样的;此外短时强降水产生需要多种环境条件,即需要多种对流参数;且需要达到一定强度,即对流参数需要考虑多种因素来评价其好坏。因此需要对各对流参数进行综合评价。本文采用模糊数学中的相对偏差模糊矩阵方法[34, 36],相较于常规的相关系数方法,该方法的优点是能够将各对流参数的多种评价指标同时综合考虑,形成对流参数对短时强降水作用的权重。以36种对流参数作为短时强降水的待评价方案是:

X={x1, x2, ……,xn},是待评价的n个方案的集合,即本文待选对流参数n=36。

要想从待选的36个方案中优选出在不同气候背景下对短时强降水有关键指示作用的对流参数,需要考虑两个重要指标:(1)短时强降水发生临近时刻某个对流参数相对于其当月的气候平均值要有显著变化,即显著性指标。才能反映环境大气的异常;(2)短时强降水发生时该对流参数自身的变化要在适度范围内,即适度性指标。否则应用时无法确定其在相同气候背景下可参考的数值,即不能作为关键参数。

图 3是以陕南2012年8月313站次短时强降水发生时最佳对流稳定度指数(BIC)和抬升指数(LI)相对于同时段强降水发生时对流参数平均值的偏差散点图。最佳对流稳定度指数(BIC)偏差值变幅在-2~2之间,抬升指数(LI)偏差值变幅在-6~8之间。即发生短时强降水时LI值自身波动比BIC值要大,即Li的适度性差于BIC。

图 3 2012年8月短时强降水发生临近时刻最佳对流稳定度指数(BIC)(a)和抬升指数(LI)(b)相对于同时段平均值的偏差散点图 单位:℃。

因此设计评价指标方案为:

Y={y1, y2, ……,ym}是评价因素的集合,这里考虑两个评价因素:对流参数的显著性和适度性,即m=2。显著性即短时强降水发生临近时刻的对流参数值与对应时段的气候平均值的差值。适度性即短时强降水发生临近时刻的对流参数值与对应时段强降水发生时的对流参数平均值的差值。

X中每个方案用Y中的每个指标进行衡量,得到一个参数值矩阵,即所有36类对流参数及其评价指标构成的集合为待评价的方案矩阵A。本文中为36类对流参数和各参数的显著性、适度性两种评价指标构成,根据该方案,通过历史短时强降水个例可确定两种评价指标的权重。

$ A=\left[\begin{matrix} {{a}_{11}}&{{a}_{12}}&\ldots &{{a}_{1m}} \\ {{a}_{21}}&{{a}_{22}}&\ldots &{{a}_{2m}} \\ \vdots &\vdots &{{a}_{ij}}&\vdots \\ {{a}_{n1}}&{{a}_{n2}}&\ldots &{{a}_{nm}} \\ \end{matrix} \right],$

其中aij表示第i个方案关于第j项评价因素的指标值。由于对流参数的单位、量纲不同,为了统一和方便比较,本文采用极值法,首先将矩阵A中所有评价指标无量纲化,即利用2010—2014年5—9月各月所有短时强降水站次的各种对流参数偏差、标差两项指标进行无量纲化;然后对各月的每种对流参数所有站次评价指标偏差、标差平均后进入矩阵A。

建立理想方案$u=\left( u_{1}^{0}\ \ \ \ u_{2}^{0}\ \ \ \ldots \ \ \ u_{m}^{0} \right)$,该方案旨在构建一个既能体现对流参数显著性明显,又能体现适度性的理想状态。

$ u_{j}^{0}=\left\{ \begin{align} &\max \left( {{a}_{ij}} \right)\ \ \ \ \ \ \rm{当}\mathit{{a}_{ij}}\rm{为显著性指标} \\ &\min \left( {{a}_{ij}} \right)\ \ \ \ \ \ \ \rm{当}\mathit{{a}_{ij}}\rm{为适度性指标} \\ \end{align} \right.\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ 。$

本文理想方案中显著性指标$u_{1}^{0}$选取对流参数偏差的最大值;适度性指标$u_{2}^{0}$选取对流参数标差的最小值。

4.2 建立相对偏差模糊矩阵

建立相对偏差模糊矩阵,判断各评价指标和理想方案的接近程度,如果对流参数的评价指标能尽可能接近该理想方案,本文即对流参数值相对气候值尽可能偏差大(显著性明显),而标差又尽可能小(适度性好),则该参数的效果好。

$ \rm{R}=\left[\begin{matrix} {{r}_{11}}&{{r}_{12}}&\ldots &{{r}_{1m}} \\ {{r}_{21}}&{{r}_{22}}&\ldots &{{r}_{2m}} \\ \vdots &\vdots &{{r}_{ij}}&\vdots \\ {{r}_{n1}}&{{r}_{n2}}&\ldots &{{r}_{nm}} \\ \end{matrix} \right],$

其中${{r}_{ij}}=\frac{|{{a}_{ij}}-u_{j}^{0}|}{\max \left( {{a}_{ij}} \right)-\min \left( {{a}_{ij}} \right)}$

4.3 各评价指标的权重

采用标准差系数法确定各评价指标的权重Wj。如果某个指标可以将对流参数明显区分,说明该指标在此评价上信息丰富,指标的权重大;反之该指标权重较小。标准差系数计算公式为:

$ {{V}_{j}}=\frac{{{\sigma }_{j}}}{\overline{{{r}_{j}}}}, {{\sigma }_{j}}=\sqrt{\frac{1}{n-1}\sum\limits_{i=1}^{n}{{{\left( {{r}_{ij}}-\overline{{{r}_{ij}}} \right)}^{2}}}}, \overline{{{r}_{j}}}=\frac{1}{n}\sum\limits_{i=1}^{n}{{{r}_{ij}}, } $

式中,Vj是第j项指标的标准差系数,αj是第j项指标的标准差,$\overline{{{r}_{j}}}$是第j项指标的平均值。

本文中通过该公式可以确定对流参数评价指标显著性和适度性的权重。

4.4 确定对流参数的权重 4.4.1 确定技术方案评价方法

技术方案评价公式为:${{F}_{i}}=\sum\limits_{j=1}^{m}{{{w}_{j}}{{r}_{ij}}}$,式中,wj为4.3节所确定的评价指标权重,rij为4.2节中矩阵中各对流参数的数值,Fi表示各方案(对流参数)排序值,越小方案排序越前。依据2010—2014年5—9月各月的对流参数排序值,筛选出区域内汛期各月排在前15位Fi,作为计算对流参数权重的基础。

4.4.2 确定各对流参数的权重

对流参数的权重公式为:

$ W_{i}^{C}={}^{\frac{1}{{{F}_{i}}}}\!\!\diagup\!\!{}_{\sum\limits_{i=1}^{n}{\frac{1}{{{F}_{i}}}, }}\; $

式中$W_{i}^{C}$表示通过Fi确定各对流参数的权重。利用权重公式计算Fi排在前15位的对流参数权重。

36种备选对流参数经过上述4.1~4.4步骤后,可确定陕南汛期5—9月对短时强降水环境条件有较好表征作用的前15种对流参数及其权重,并作为建立概率预报模型的关键变量因子。表 4给出了陕南8月的前15位对流参数及其权重。

表 4 优选的陕南8月前15位的对流参数及其权重
4.5 短时强降水客观概率预报方法

短时强降水客观概率预报公式为:

$ {{P}_{m}}=\sum\limits_{i=1}^{15}{F_{mi}^{C}}\times W_{i}^{C} $

式中,Pm表示某区域某月短时强降水发生概率;$F_{mi}^{C}$表示根据ECMWF细网格模式的位势高度、温度、相对湿度、风速、风向所计算的预报范围内格点上15种对流参数值与对应区域内对应月的各对流参数历史概率特征值比照后获得的对流参数的概率;$W_{i}^{C}$表示对应上述15种对流参数的权重(表 4),m表示月份,这里为5—9月,i为对流参数个数,这里i=15。

5 业务应用

短时强降水客观概率预报方法2015年汛期投入业务试运行,利用ECMWF细网格模式每日08和20时(北京时,下同)起报的0.25 °×0.25 °位势高度、温度、相对湿度、风向、风速基本要素预报产品,根据4.5节短时强降水客观概率方法,提供陕南未来24 h、逐3 h的0.25 °×0.25 °分辨率的短时强降水客观概率预报产品。

5.1 总体检验结果

根据2015年5—9月91次短时强降水过程的概率预报结果和实况降水对应情况,确定将每次过程概率预报结果升序排列后的80%处对应的数值、且不小于0.2作为短时强降水发生的临界概率区(大概率区)比较符合实际,对短时强降水落区有较好指示意义。根据该标准,对短时强降水客观概率预报进行检验,方法为TS评分、漏报率(PO)、空报率(FAR),公式如下:

$ \rm{TS=}\frac{\rm{NA}}{\rm{NA+NB+NC}}\rm{, PO=}\frac{\rm{NC}}{\rm{NA+NC}}\rm{, FAR=}\frac{\rm{NB}}{\rm{NA+NB}}。$

式中,NA为预报正确站(次)数,NB为空报站(次)数,NC为漏报站(次)数。当预报的降水次数与观测的完全一致时,TS=1,TS越接近于0表示预报效果越差。

经检验TS评分为0.59,漏报率0.18,空报率0.31,可见预报效果较理想。

5.2 2015年汛期试运行期间短时强降水概率预报部分个例分析 5.2.1 陕南西南部、东部短时强降水过程分析

2015年8月23日20时—24日00时,受高空槽和低层切变影响,在陕南东部商洛市和陕南西南部汉中、安康市分别出现了短时强降水。从ECMWF细网格模式8月23日08时起报的20—23时的降水量来看,仅预报出陕南东南部、南部有弱降水,其中商洛南部、安康东南部最大降水量仅6 mm、汉中南部最大1.5 mm(图 4a),预报明显小于实况。23日08时起报的20时客观概率预报(图 4b),最大概率值为0.35,大概率区约为0.25。因此在陕南东部的商洛市存在一个大概率区(Ⅰ),23日20—21时商洛市商州区有6站次出现大于20 mm/h的降水(图 4c),最大36.2 mm/h,23日21时降水云团略南移,21—22时在商洛市山阳县6站次出现大于20 mm/h降水(图 4d),最大44.7 mm/h,23日22时降水强度开始减弱,22—23时在山阳县仅有1站次降水大于20 mm/h(图 4e),23日23时后商洛市范围内短时强降水结束(图 4f),短时强降水的落区、强降水中心与大概率Ⅰ区一致。同时从宝鸡南部、汉中的中部到南部、安康南部有一值为0.2的“L”型概率带,其中汉中东南部、安康南部为大于0.25的大概率区(Ⅱ),23日20—21时宝鸡西南部出现较强降水(图 4c),但是没有达到短时强降水标准,21—22时汉中市中北部城固县2站次出现大于20 mm/h的降水(图 4d),23日23时—24日00时(图 4f)汉中、安康市交界处的镇巴县、紫阳县有4个站次出现大于20 mm/h的降水,最大为28 mm/h,与大概率区Ⅱ落区一致;此外虽然“L”型概率带数值未达到阈值,但在该概率带上仍然产生了较强降水,且强降水雨团的移动路径(图 5c中箭头方向)和“L”型概率带一致,仍有一定的参考意义。

图 4 ECMWF细网格模式2015年8月23日08起报的20—23时降水量(a,单位:mm/h)和20时短时强降水客观概率预报(b)以及20—21时(c)、21—22时(d)、22—23时(e)、23日23时—24日00时(f)的短时强降水分布 箭头表示降水云团的移动方向。单位:mm/h。
5.2.2 陕南东南部短时强降水过程

2015年8月4日15—17时和20—23时在高空槽和低层切变共同影响下,在陕南东南部产生短时强降水。在云图上(图略),关中西部、陕南西部存在云顶亮温为-32~-43 ℃的云带,未产生短时强降水,而是在该云带前方的商洛、安康有对流云团发展产生了短时强降水。8月4日08时起报的14时客观概率预报(图 5a)的最大概率为0.26,大概率区约为0.2。因此商洛东部、安康东部处于大概率区内,15—17时在大概率区的镇安、商南、旬阳县出现5站次短时强降水,最大雨强发生在16—17时的安康市旬阳县石门乡站,达40.3 mm/h,同时在大概率区外的汉中市东南部镇巴县出现1站次短时强降水(图 5c),大概率区和短时强降水落区略有差异。20时(图 5b)概率强度明显增大,最大概率为0.4,大概率区约为0.3,安康东部、商洛东南部处于大概率区内。21—23时在安康市、商洛市出现14站次短时强降水(图 5d),最大雨强发生在20—21时的安康市东南部的平利县两河镇站,达62.3 mm/h,21—22时商洛市商南县(金丝峡镇达33.8 mm/h)、丹凤县出现2站短时强降水,短时强降水站次基本出现在大概率区内。

图 5 2015年8月4日08时起报的14时(a)、20时(b)短时强降水客观概率预报以及15—17时(c)和21—23时(d)的短时强降水分布 单位:mm/h。
5.2.3 关中西南部、陕南西南部短时强降水过程

受高空冷涡影响,2015年7月18日18—21时关中西南部、陕南西南部出现短时强降水。ECMWF细网格数值模式预报效果不理想(图略)。从18日08时起报的14时短时强降水概率预报(图 6a)来看,在陕南西南部有一个大概率值为0.5的区域,17时概率值明显增强,中心值为0.6,大概率区约为0.45(图 6b),分布于关中西南部、陕南西部到陕南南部,18日17—20时在汉中、安康市南部、宝鸡市南部出现56站次短时强降水(图 6c),最大19—20时汉中市宁强县胡家坝站达83.3 mm/h,次中心值在汉中市城固县五星站,为66.6 mm/h,同时安康市西南部的紫阳县瓦庙镇出现37.3 mm/h的降水。除1站外,其余短时强降水均发生在大概率区,预报基本正确。

图 6 2015年7月18日08时起报的14时(a)和17时(b)短时强降水客观概率预报以及18—20时短时强降水分布(c) 单位:mm/h。

从以上短时强降水客观概率预报分析来看,该预报方法可以较好指示出短时强降水发生的可能性大小、短时强降水落区以及强降水中心。

6 结论与讨论

随着模式分辨率和准确率的不断提高,其在预报中发挥的作用越来越强。但模式本身对短时强降水等强对流天气预报还存在不足。因此,基于高分辨率模式采用动力统计方法研究强对流天气客观预报成为比较可行的一种方法。本文通过大量逐小时降水历史个例,研究确定区域内分月短时强降水标准,在此基础上,根据欧洲中心(ECMWF)高分辨率再分析资料和短时强降水个例,以表征强降水环境场的对流参数为重点,确定不同气候背景下短时强降水发生临近时刻的各对流参数相对作用及其概率特征值,建立基于ECMWF细网格模式的陕南分月短时强降水客观概率预报方法。该方法在业务中初步应用,取得了较好的预报效果。

(1)根据2010—2014年经过质量控制的逐小时降水资料,按百分位方法确定了陕南5—9月短时强降水标准。陕南汛期各月发生短时强降水频次均较高,但7、8月短时强降水强度明显高于其他月份。

(2)利用欧洲中心(ECMWF)2010—2014年间隔6 h的0.25 °×0.25 °的再分析资料和短时强降水个例:确定了陕南各月的对流参数气候值,以及根据空间最靠近、时间最接近的前1时次原则,确定了短时强降水发生临近时刻的对流参数特征值,定量反映了不同气候背景下短时强降水发生所需的热力、动力、水汽和不稳定等环境条件。

(3)根据大量短时强降水历史个例回算各对流参数值,确定了陕南汛期5—9月短时强降水发生临近时刻各对流参数的概率分布特征值。

(4)将所有36种待选对流参数,结合对流参数的显著性和适度性指标构建技术方案。采用相对模糊偏差矩阵和标准差系数方法,确定了对流参数显著性、适度性评价指标的权重。考虑评价指标权重和对流参数值,利用排序法,优选出对陕南5—9月短时强降水环境有较好指示作用的前15种对流参数并确定其权重。

(5)基于欧洲中心(ECMWF)细网格模式的高分辨率基本预报产品,综合考虑15种对流参数历史概率分布、对流参数权重,建立了陕南分月短时强降水客观概率预报方法,投入业务运行,经检验预报效果良好。

研究的短时强降水客观概率预报方法对目前业务中确定性模式预报和集合预报是一个有效的补充。但需要注意:在根据历史个例确定对流参数时,由于欧洲中心(ECMWF)再分析资料时间分辨率是6 h,计算对流参数时可能由于时间上的差异会给短时强降水对流参数的准确性带来一定误差;受乡镇级自动站建站历史原因,资料量是5年的,还需要增加新的短时强降水个例完善预报方法;在模式升级后的预报概率阈值需要重新确定,这是下一步工作需要改进和注意的。

参考文献
[1] 孙继松, 陶祖钰. 强对流天气分析与预报中的若干基本问题[J]. 气象, 2012, 38(2): 164-173.
[2] 林爱兰, 谷德军, 郑彬, 等. 6月广东持续性暴雨过程概念模型的建立[J]. 热带气象学报, 2015, 31(3): 289-299.
[3] 苏永玲, 何立富, 巩远发, 等. 京津冀地区强对流时空分布特征与天气学特征分析[J]. 气象, 2011, 37(2): 177-184. DOI:10.7519/j.issn.1000-0526.2011.02.007
[4] 许爱华, 孙继松, 许东蓓, 等. 中国中东部强对流天气的天气形势分类和基本要素配置特征[J]. 气象, 2014, 40(4): 400-411. DOI:10.7519/j.issn.1000-0526.2014.04.002
[5] PENG X D, CHE Y Z, CHANG J. A novel approach to improve numerical weather prediction skills by using anomaly integration and historical data[J]. J Geophy Res, 2013, 118(16): 8 814-8 826.
[6] 李莉, 朱跃建. T213降水预报订正系统的建立与研究[J]. 应用气象学报, 2006, 17(增刊): 130-134.
[7] 李俊, 杜钧, 陈超君. 降水偏差订正的频率(或面积)匹配方法介绍和分析[J]. 气象, 2014, 40(5): 580-588. DOI:10.7519/j.issn.1000-0526.2014.05.008
[8] 邱学兴, 王东勇, 陈宝峰. T639模式预报系统误差统计和订正方法研究[J]. 气象, 2012, 38(5): 526-532. DOI:10.7519/j.issn.1000-0526.2012.05.002
[9] 孙靖, 程光光, 张小玲. 一种改进的数值预报降水偏差订正方法及应用[J]. 应用气象学报, 2015, 26(2): 173-184. DOI:10.11898/1001-7313.20150205
[10] 智协飞, 季晓东, 张璟, 等. 基于TIGGE资料的地面气温和降水的多模式集成预报[J]. 大气科学学报, 2013, 36(3): 257-266.
[11] 刘健文, 郭虎, 李耀东, 等. 天气分析预报物理量计算基础[M]. 北京: 气象出版社, 2005: 77-217.
[12] 李耀东, 刘健文, 高守亭. 动力和能量参数在强对流天气预报中的应用研究[J]. 气象学报, 2004, 62(4): 401-409. DOI:10.11676/qxxb2004.041
[13] 张一平, 吴蓁, 苏爱芳, 等. 基于流型识别和物理量要素分析河南强对流天气特征[J]. 高原气象, 2013, 32(5): 1 492-1 502.
[14] 周后福, 邱明燕, 张爱民, 等. 基于稳定度和能量指标作强对流天气的短时预报指标分析[J]. 高原气象, 2006, 25(4): 716-722.
[15] 陈涛, 张芳华, 宗志平. 一次南方春季强对流过程中影响对流发展的环境场特征分析[J]. 高原气象, 2012, 31(4): 1 019-1 031.
[16] 张一平, 乔春贵, 梁俊平. 淮河上游短时强降水天气学分型与物理诊断量阈值初探[J]. 暴雨灾害, 2014, 33(2): 129-138.
[17] 李明, 高维英, 侯建忠, 等. 一次西南涡东北移对川陕大暴雨影响的分析[J]. 高原气象, 2013, 32(1): 133-144. DOI:10.7522/j.issn.1000-0534.2012.00014
[18] 郝莹, 姚叶青, 郑媛媛, 等. 短时强降水的多尺度分析及临近预警[J]. 气象, 2012, 38(8): 903-912. DOI:10.7519/j.issn.1000-0526.2012.08.002
[19] 李耀东, 高守亭, 刘健文. 对流能量计算及强对流天气落区预报技术研究[J]. 应用气象学报, 2004, 15(1): 10-20.
[20] 雷蕾, 孙继松, 魏东. 利用探空资料判别北京地区夏季强对流的天气类别[J]. 气象, 2011, 37(2): 136-141. DOI:10.7519/j.issn.1000-0526.2011.02.002
[21] 庞古乾, 伍志方, 郭春迓, 等. 广东省前汛期分区强对流潜势预报方法研究[J]. 热带气象学报, 2016, 32(2): 265-272.
[22] 樊李苗, 俞小鼎. 中国短时强对流天气的若干环境参数特征分析[J]. 高原气象, 2013, 32(1): 156-165. DOI:10.7522/j.issn.1000-0534.2012.00016
[23] 杨程, 宋金杰, 王元, 等. 热带气旋影响下江苏强对流天气指数分析[J]. 热带气象学报, 2014, 30(3): 59-566.
[24] 陈敏, 范水勇, 郑祚芳, 等. 基于BJ-RUC系统的临近探空及其对强对流发生潜势预报的指示性能初探[J]. 气象学报, 2011, 69(1): 181-194. DOI:10.11676/qxxb2011.016
[25] 陈子通, 闫敏华, 黄晓梅, 等. 应用于强对流天气预报的模式探空产品[J]. 热带气象学报, 2006, 22(4): 321-325.
[26] 魏东, 尤凤春, 范水勇, 等. 北京快速更新循环预报系统(BJ-RUC)模式探空质量评估分析[J]. 气象, 2010, 36(8): 72-80. DOI:10.7519/j.issn.1000-0526.2010.08.010
[27] HART R E, FORBES G S. The use of hourly model-generated soundings to forecast mesoscale phenomena, Part Ⅰ: Initial assessment in forecasting warm-season phenomena[J]. Wea Forec, 1998, 13(4): 1 165-1 185. DOI:10.1175/1520-0434(1998)013<1165:FTTUOH>2.0.CO;2
[28] 郑永光, 周康辉, 盛杰, 等. 强对流天气监测预报预警技术进展[J]. 应用气象学报, 2015, 26(6): 641-657. DOI:10.11898/1001-7313.20150601
[29] KUK B, KIM H, HA J, et al. A fuzzy logic method for lightning prediction using thermodynamic and kinematic parameters from radio sounding observations in South Korea[J]. Wea Forec, 2012, 27(1): 205-217. DOI:10.1175/WAF-D-10-05047.1
[30] LIN P F, CHANG P L, JONGDAO J B, et al. Objective prediction of warm season afternoon thunderstorms in Northern Taiwan using a fuzzy logic approach[J]. Wea Forec, 2012, 27(5): 1 178-1 197. DOI:10.1175/WAF-D-11-00105.1
[31] 张永山, 李维京, 丁一汇. 模糊优选方法及其在月集合预报中的应用[J]. 气象学报, 2000, 58(4): 428-435. DOI:10.11676/qxxb2000.045
[32] 马清云, 李佳英, 王秀荣. 基于模糊综合评价法的登陆台风灾害影响评估模型[J]. 气象, 2008, 34(5): 20-25. DOI:10.7519/j.issn.1000-0526.2008.05.004
[33] 张春桂, 曾银东, 马治国. 基于模糊评价的福建沿海水质卫星遥感监测模型[J]. 应用气象学报, 2016, 27(1): 112-122. DOI:10.11898/1001-7313.20160112
[34] 陈新建, 段钊, 赵法锁, 等. 基于模糊数学的地质灾害危险性评价[J]. 中国地质灾害与防治学报, 2011, 22(3): 90-94.
[35] 翟盘茂, 潘晓华. 中国北方近50年温度和降水极端事件变化[J]. 地理学报, 2003, 58(1): 1-10.
[36] 李柏年. 模糊数学及其应用[M]. 合肥: 合肥工业大学出版社, 2007: 67-116.