SWAN定量降水預報產品在寶雞汛期短時降水的檢驗應用

李恩莉+韓潔

摘要：選取2015年汛期寶雞典型的三類降水過程，采用寶雞市區域站和自動站雨量以及SWAN定量降水預報產品資料，用點對點統計檢驗評分方法，分析了SWAN系統中定量降水預報產品在寶雞不同類型降水過程中的準確率和誤差分布。結果表明：同一預報時效下， QPF產品對層狀云降水的預報效果最好，其次是積狀云，層積混合預報效果最差；隨著降水的加強，不同預報時效誤差不同，預報時效越長，誤差越大，三種類型降水過程均是如此。相對誤差則是層積混合型降水最小，積狀云降水最大，絕對誤差層狀云降水最小，層積混合型降水最大； 層狀云降水總體分布為東部大西部小，積狀云降水總體分布為西南—東北走向，依次朝西北和東南減小，層積混合類型降水過程中，30 min預報時效下絕對誤差大值中心位于陳倉，麟游和鳳縣絕對誤差最小，60 min預報時效下絕對誤差分布特征為東部大西部小，由東向西依次減小。

關鍵詞：SWAN系統；定量降水預報；誤差分析

中圖分類號：P457

文獻標識碼：A文章編號：16749944（2017）20001104

1引言

《第七次全國氣象預報工作會議工作報告》提出，市縣預報員向提高綜合業務能力方向轉變，強化市縣災害性天氣和氣象災害的實時監測和臨近預警。《陜西省現代氣象預報業務發展行動計劃（2016-2018）》提出，市級預報業務主要開展災害性天氣實時監測、預警業務。由此可見，及時、準確的短時臨近預報預警服務已經成為地市局預報業務中心工作。對于臨近（0～2 h） 定量降水預報而言， 利用雷達回波外推技術和自動站雨量訂正技術的臨近預報方案具有高精度的時空分辨率， 且準確率也較高[1]。筆者利用寶雞地區2015年出現的12次降水過程，對SWAN系統中提供的不同時效的定量降水預報產品進行檢驗分析，為寶雞短時臨近預報預警工作提供技術支撐。

2資料選取和檢驗方案

2.1資料選取與標準

筆者采用的資料主要有：①2015年汛期SWAN系統中QPF產品數據，該數據從陜西省局數據庫獲得，處理為格點數據，在程序中對數據進行質量控制；②寶雞11個縣區自動站及各縣區區域站雨量資料。

降水過程的選取標準：根據雷達反射率因子回波將降水過程劃分為層狀云降水、對流性降水和混合類降水3類，選取1 h降水量超過5 mm的區域站站點。

根據以上標準，選取2015年汛期12個過程，見表1。

本項目的主要難點在于數據的處理過程，首先將SWAN中的定量降水預報產品（QPF）解析成有經緯度的格點值，然后找出各降水站點所對應的格點值，查找原則是相鄰格點距離最短優先，從而找出某一站點分別在不同時刻QPF產品和對應時刻的降水實況值（圖1）。

3QPF的檢驗分析

SWAN系統中提供了預報時效為30 min和60 min的QPF產品，筆者對兩個預報時效均進行統計檢驗。分別計算3種不同類型降水過程QPF的空報率、漏報率、準確率、相對誤差（Er）和絕對誤差（Ea）（表2），由表2可見，同一預報時效下，層狀云降水Ts評分最高，其次是積狀云降水，層積混合型降水最低，空報率Ts評分相反，說明QPF產品層狀云降水預報準確率最高，層積混合型降水最低。同一時效下積狀云降水漏報率最低，其次是層狀云降水，層積混合型降水最高。綜上分析可見，QPF產品對層狀云降水的預報效果最好，其次是積狀云。

4誤差分析

4.1QPF總的誤差分析

計算3種類型降水過程QPF產品的相對誤差和絕對誤差，由表2可見，隨著降水的加強，不同預報時效誤差不同，預報時效越長，誤差越大，3種類型降水過程均是如此。相對誤差則是層積混合型降水最小，積狀云降水最大，絕對誤差層狀云降水最小，層積混合型降水最大。

4.2QPF絕對誤差的空間分布特征

圖2為層狀云降水過程兩個預報時效絕對誤差分布圖，可見30 min和60 min預報時效下絕對誤差空間分布特征類似，總體分布為東部大西部小，絕對誤差大值中心位于岐山，鳳翔絕對誤差最小。

圖3為積狀云降水過程兩個預報時效絕對誤差分布圖，與層狀云類似，30 min和60 min預報時效下絕對誤差空間分布特征一致，總體分布為西南—東北走向，依次朝西北和東南減小，絕對誤差大值中心位于渭濱，隴縣和扶風絕對誤差最小。

圖4為層積混合類型降水過程兩個預報時效絕對誤差分布圖，由圖可見，30 min預報時效下絕對誤差大值中心位于陳倉，其次是渭濱、眉縣、太白北部和岐山南部，麟游和鳳縣絕對誤差最小。60 min預報時效下絕對誤差分布特征為東部大西部小，由東向西依次減小，同時存在兩個大值中心，分別為眉縣和渭濱，隴縣、鳳縣和麟游絕對誤差較小。

4.3誤差原因分析

首先，通過對QPF的誤差分析，可以看出預報時效越短，準確率越高，誤差也越小。層狀云誤差最小，積狀云和層積混合誤差較大，這是由于層狀云降水屬于穩定性降水，由凝結潛熱產生的上升運動小，積狀云和層積混合誤差較大的原因是其降水過程一般為強對流天氣和暴雨過程，降水不穩定，易出現短時強降水或者降水突然增大，因此可預報性變低。

第二，積狀云和層積混合降水的絕對誤差空間分布可以總結為離雷達越近，誤差越大。其原因主要是由于雷達靜錐區內降水回波測定不準確造成的。層狀云降水的絕對誤差空間分布特征是在距離雷達一定范圍內，離雷達越遠，誤差越大。其原因主要是由于降水區域高度低于雷達波束探測高度，造成降水回波測定不準確。

第三，QPF的誤差不僅與雷達本身探測的局限性有關，還收到一些技術方法的影響，文獻[2]中提到SWAN 中QPF產品由其反射率預報產品反演而來，該產品主要由回波外推得到，算法存在一定的局限性，目前由雷達回波外推方法向結合數值模式預報的混合外推技術發展，對提高對流降水的預報能力也許有更多的幫助[3]。另外，QPF的質量均與雷達反射率因子和降水強度間的Z-I 關系密不可分[4，5]。Z-I 關系建立方法多樣，且具有地域性，有待進一步嘗試與檢驗。

5小結與討論

本文利用寶雞市2015年汛期出現的12次降水過程， 檢驗分析了SWAN中定量降水預報產品（QPF）對不同類型降水的預報效果和誤差分析，得出以下結論。

（1）同一預報時效下， QPF產品對層狀云降水的預報效果最好，其次是積狀云，層積混合預報效果最差。

（2）隨著降水的加強，不同預報時效誤差不同，預報時效越長，誤差越大，3種類型降水過程均是如此。相對誤差則是層積混合型降水最小，積狀云降水最大，絕對誤差層狀云降水最小，層積混合型降水最大。這是由于層狀云降水屬于穩定性降水，由凝結潛熱產生的上升運動小，可預報性較好。

（3）層狀云降水總體分布為東部大西部小；積狀云降水總體分布為西南—東北走向，依次朝西北和東南減小；層積混合類型降水過程中，30 min預報時效下絕對誤差大值中心位于陳倉，麟游和鳳縣絕對誤差最小；60 min預報時效下絕對誤差分布特征為東部大西部小，由東向西依次減小。

（4）由于產生預報誤差的因素很多，本文只是對于主要原因做了分析，對其他原因的分析還需做更深入的分析。

參考文獻：

[1]

呂曉娜，牛淑貞.SWAN中定量降水估測和預報產品的檢驗與誤差分析[J]，暴雨災害.2013，32（2）：142～150.

[2]胡勝，羅聰，黃曉梅，等.基于雷達外推和中尺度數值模式的定量降水預報的對比分析[J].氣象，2012，38（3）：274～280.

[3]宗志平，代刊，蔣星.定量降水預報技術研究進展[J].氣象科技進展，2012，2（5）：29～35.

[4]馬慧，萬齊林，陳子通，等.基于Z-I 關系和變分校正法改進雷達估測降水[J].熱帶氣象學報，2008，24（5）：546～549.

[5]俞小鼎，姚秀萍，熊廷南，等.多普勒天氣雷達原理與業務應用[M].北京：氣象出版社，2006.

[6]曹洋，于秀娟.SWAN定量降水預報在幾次降水過程中的應用檢驗[J].吉林農業，2013（1）：133.

[7]宋丹，熊偉.SWAN 定量降水估測和預報產品在貴州烏江流域的應用[J].貴州氣象，2015，5（39）：24～27.endprint