國家級多源融合降水產品在云南的適用性評估

李 超 ,李華宏 ,楊素雨 ,許迎杰 ,米瑞芝

（1.云南省氣象臺，昆明 650034；2.中國氣象局橫斷山區（低緯高原）災害性天氣研究中心，昆明 650034）

引言

云南地處我國西南地區，地形復雜多樣，高山河谷眾多，干濕季明顯。汛期突發性局地短時暴雨常導致泥石流、山體滑坡等自然災害。山區降水受眾多因素的影響，具有大量的不確定現象和強烈的時空異質性[1?2]。目前云南雖已建成3100多個自動站點，但是由于山區人口、城鎮、農田分布分散，地形錯綜復雜且氣候類型多樣，使得山區雨量站的設立受到一定的限制，其觀測范圍也受到較大的影響，站點分布總體上呈河谷多、山坡少的特點，觀測數據的空間連續性較差，難以全面真實地反映山區降水的時空變化特征[3?4]。

高時空分辨率和高精度的多源融合實況產品利用多源數據融合技術，將觀測場（多源地面站點觀測資料）與背景場（衛星、雷達）數據相融合[5]，可準確合理地反映降水的時空分布，實現山區網格數據連續性覆蓋。CMPAS是國家氣象信息中心研發的一套降水融合實況分析產品，在2018年正式準入全國范圍業務運行[6?9]。近年來，針對此套產品在不同地區的適用性研究已陸續開展。沈艷等[10]利用全國自動站觀測降水、衛星反演降水和融合降水資料進行對比分析，發現小時降水融合產品質量與站網密度有關，站點越多融合效果越好，越能準確抓住強降水過程，定量監測降水過程更具優勢。許冠宇等[11]研究表明多源融合降水在嘉陵江、岷沱江和長江中游干流區域估測降水效果較好，多源融合降水比二源融合降水誤差絕對值偏小2～3mm，誤差率偏小約10%。李顯風等[12]研究發現融合降水產品在江西地區的誤差變化幅度明顯小于衛星降水產品，5km融合降水產品對強降水監測優勢明顯。于浩慧等[13]、龍柯吉等[14]研究表明各種融合產品在西南地區均能較好地反映強降水落區的時空變化趨勢，但對降水極大值有一定的低估。吳薇等[15]研究發現四川盆地汛期大部分時段實況融合降水的空間評分較穩定，盆地西北側及南部邊緣地區時間評分優于其他地區。

綜上所述，融合降水產品在強降水過程的定量檢測中有明顯優勢，但以往研究多著眼于全國范圍、平原地區及四川盆地，而云南地區的相關研究較為欠缺。針對這一薄弱環節，本文擬將云南省126個國家站降水資料作為觀測場，CMPAS的二源融合和三源融合降水作為評估場，分析融合降水產品在云南地區的時空誤差分布特征，評估其對強降水過程的監測能力，為準確掌握該產品在云南的適用情況和進一步改進多源融合技術提供科學依據。

1 資料與方法

1.1 數據資料

實況融合降水資料：采用2018年1月1日00時～2020年12月31日23時（北京時）國家氣象信息中心研發的二源融合和三源融合逐小時網格降水產品（以下簡稱實況融合降水產品），空間分辨率為0.05°×0.05°，評估區域為云南省，數據來源于國省統一數據環境CIMISS系統。

站點觀測降水資料：采用與實況融合降水產品同時段的云南省126個國家站逐小時降水觀測數據。

1.2 評估方法

首先進行數據質量控制，因小時降水量為0的降水事件約占總樣本數的90%，為了更嚴格地評估產品質量，統計時去除站點觀測降水和實況融合降水同時為0的情況。當站點觀測值或實況融合產品任意一方缺測時，將這一組觀測值和網格分析產品剔除；此后，采用雙線性插值方法將實況融合降水資料插值到站點上；最后參考中國氣象局《實況分析產品質量評估規范（2019版）》，分別計算實況融合降水與站點觀測值的偏差（BIAS）、平均誤差（ME）、均方根誤差（RMSE）和相關系數（COR），通過各項統計指標定量評估實況融合降水。具體公式如下：

其中，Oi為站點觀測值，Gi為實況網格分析產品插值到檢驗站點得到的數值，N為參與檢驗的總樣本數。

2 小時降水檢驗

2.1 兩種融合降水誤差的時間分布

圖1是融合降水與實測降水間誤差及相關系數的逐月變化。如圖1a所示，兩種融合降水的平均誤差隨著時間大幅波動，總體表現為負，其中二源融合降水的最大平均誤差超過了?0.24mm/h。如圖1b所示，兩種融合降水均方根誤差呈正態分布，4～9月誤差較大，1～3月和11～12月誤差較小。如圖1c所示，三源融合降水的偏差更接近于1，且相關系數大多在0.8以上（圖1d），比二源融合降水質量高。如圖1d所示，兩種融合降水與實測降水的相關系數在1～9月逐漸降低，汛期之后的10～12月逐漸升高。這是因為6～9月是云南的主汛期，多發生全省性強降水過程，降雨量約占全年的55%～65%，隨著降水量的增加，融合降水的誤差增大，相關性降低。

圖1 融合降水與實測降水間誤差及相關系數的逐月變化（a.平均誤差，b.均方根誤差，c.偏差，d.相關系數）

圖2是融合降水與實測降水間誤差及相關系數的日內逐時變化。如圖2a所示，兩種融合降水的平均誤差從夜間到中午的逐時變化幅度不大，總體表現為負，三源融合降水的平均誤差最大值為?0.02mm/h，二源融合降水的為?0.04mm/h，三源融合降水產品更接近實況。在云南午后對流降水明顯的15～20時，兩種融合降水的平均誤差呈正值，均方根誤差大幅上升，說明此時段內融合降水大于實測降水，但三源融合降水的均方根誤差明顯小于二源融合降水，最大偏小值達0.52mm/h（圖2b）。兩種融合降水與實測降水的偏差呈正態分布，偏差值均<1，檢驗樣本降水量總體小于實況值，但三源融合降水的偏差值更接近于1，效果更優（圖2c）。兩種融合降水與實測降水皆有較強的相關性，相關系數均在0.9以上（圖2d）。

圖2 融合降水與實測降水間誤差及相關系數的日內逐時變化（a.平均誤差，b.均方根誤差，c.偏差，d.相關系數）

2.2 兩種融合降水誤差的空間分布

兩種融合降水的平均誤差呈現明顯的空間異質性（圖3），其分布特征差異顯著。二源融合降水平均誤差的顯著正值在滇東南的文山地區，數值達到0.24mm/h以上；其余地區除個別零星點外，均為負誤差，平均數值達到?0.22mm/h及以上；統計表明，約75%樣本的平均誤差在[?0.1，0.1]區間內。三源融合降水平均誤差的顯著正值區為楚雄北部往南至臨滄、普洱等地，數值在0.2mm/h以上，其他區域呈現零散的正負相間分布；平均誤差在[?0.1，0.1]區間內的樣本占97%，僅有3%的樣本平均誤差在此區間之外，明顯優于二源融合降水。

圖3 融合降水平均誤差的空間分布（a.二源融合，b.三源融合）

兩種融合降水的均方根誤差空間分布大體一致，均呈由南向北遞減的特征（圖4）。二源融合降水約88%的樣本均方根誤差<0.2mm/h；三源融合后，約有92%樣本的均方根誤差<0.2mm/h，融合效果得到提升。在降水量較大的云南東南邊緣，如西雙版納、紅河及文山一帶均方根誤差相對較大，兩種融合降水的均方根誤差達3.0mm/h以上，而在滇西北和滇東北均方根誤差較小。在滇西北、滇西橫斷山脈等復雜地形區，三源降水的均方根誤差平均值<1，與實況降水更為接近。

圖4 融合降水均方根誤差的空間分布（a.二源融合，b.三源融合）

綜合來看，三源融合降水平均誤差的區域特征更明顯，可根據這一系統性誤差在實際應用中做訂正；二源融合降水的局地性特征太強，特別是滇東南邊緣的文山一帶，平均誤差和均方根誤差的空間局地異質性較高，很難對局地性誤差進行訂正。

2.3 三源融合降水不同量級的誤差特征分析

通過2.1和2.2節的分析可知，三源融合降水在云南地區明顯優于二源融合降水。為了進一步了解三源融合降水在云南的適用性，本節分析了三源融合降水在不同降水等級下逐小時誤差的變化特征。根據《全國智能網格氣象預報業務規定（試行）》，將小時降水量分為5個等級，即0.1～1.9mm、2～4.9mm、5～9.9mm、10～19.9mm和20mm及以上。由表1可知，隨著降水量的增加，三源融合降水的平均誤差由正變負，說明該融合降水產品總體偏小于實況，既高估了雨強<2mm/h的低值降水，也低估了雨強≥2mm/h的高值降水。從日變化來看，在0.1～1.9mm量級中，14～20時的均方根誤差達0.92mm/h以上，說明低量級的融合降水在此時段內被明顯高估，由此也造成了三源融合降水平均誤差在14～20時表現為正值（圖2a），這可能與云南午后多對流性降水，導致在雷達和云圖上反映出的對流性特征不均一有關。另外，隨著降水量級的增大，三源融合降水的均方根誤差也增大，20mm以上量級的誤差在午后至夜間較大，而上午誤差波動明顯。究其原因，主要是云南20mm以上短時強降水多發生在午后到夜間，且空間分布較不均勻，致使實況觀測和雷達、衛星監測之間出現偏差。

表1 不同降水量級下各時次三源融合降水的誤差統計

3 三源融合降水個例檢驗

3.1 降水個例

分別挑選云南省強降水過程與局地性降水過程，計算實測降水和融合降水的單站逐時平均值，對比分析其日變化特征。圖5a是2019年1月7日18時～9日08時發生在滇中以北的一次局地性降水過程。如圖所示，三源融合降水在7日18時～8日03時與實況相差不大；8日11～19時實測降水偏大時融合降水低估更明顯，最大低估量出現在8日15時（0.62mm/h），且部分時段的降水峰值略有滯后；融合降水與實測降水分布趨勢一致，低估了局地性實際降水量。圖5b是2020年8月16日20時～20日08時發生的全省性強降水過程。如圖所示，三源融合產品在很大程度上準確地抓住了這次降水過程，與地面實測降水的平均誤差為?0.2mm/h；但對降水極值的低估非常明顯，相對偏差在19日12～20時，即午后至傍晚最為顯著。綜合兩次過程來看，不論全省性還是局地性降水，三源融合產品均低估了實際降水量，實測降水量越大，低估越明顯。實測降水與融合降水的相對偏差大值出現在午后至傍晚，說明三源融合產品對云南午后短時強降水的低估非常明顯。

圖5 站點實測降水與三源融合降水的時間序列（a.2019年1月7日18時～9日08時滇中以北局地性降水過程，b.2020年8月16日20時～20日08時全省性強降水過程）

3.2 地質災害個例

2019年云南省氣象及其衍生災害共造成直接經濟損失105億元，其中以春夏季強對流天氣、汛期局地洪澇和地質災害最為突出。2019年7月24日，紅河和臨滄發生了滑坡泥石流災害，受災人數累計達17人，死亡3人（表2）。圖6給出了2019年7月24日00時～25日00時三源融合降水及災情點的空間分布。結合圖表可知，紅河州金平縣金河鎮舊寨村的此次滑坡由前期累計降水及短時強降水誘發，受災點鄰近區域站23日08時～24日08時24h累計降水量為145.5mm，最大雨強出現在24日02時（27.7mm/h）；融合降水最鄰近網格點累計降水為76.4mm，最大雨強出現在24日02時（18mm/h）；融合降水對累計降水和極大值有一定程度的低估，但極大值出現時間與實況降水一致，對災害點的落區及強降水監測作用明顯。臨滄兩處崩塌點精準位于中雨落區，災害發生前12h，最鄰近區域站累計降水量僅為36.7mm，融合降水最鄰近網格點累計降水量為29.3mm；從融合降水來看，崩塌前12d均有降水，其中僅有3d出現累計降水量在20m以上的降水，說明此次崩塌主要由前期持續性降水引起，融合降水較好地揭示了這次受災過程[16]。

圖6 2019年7月24日00時～25日00時三源融合降水（填色，單位：mm）及災情點（紅色三角形）的空間分布

表2 2019年7月24日地質災害個例

4 結論與討論

本文以云南省126個國家站降水資料作為觀測場，分析評估了CMPAS的二源融合和三源融合降水產品在云南地區的適用性。結論如下：

（1）從兩種融合降水誤差的逐月變化看，其平均誤差隨著時間大幅波動，總體表現為負；其均方根誤差呈正態分布，4～9月誤差較大，1～3月和11～12月誤差較小；三源融合降水的偏差較二源融合更接近于1；融合降水與實測降水的相關系數在1～9月逐漸降低，汛期之后的10～12月逐漸升高。

（2）從兩種融合降水誤差的逐時變化看，其平均誤差從夜間到中午的變化幅度不大，總體表現為負；15～20時，其平均誤差呈正值，均方根誤差大幅上升，但三源融合降水的均方根誤差明顯偏小；兩種融合降水的偏差呈正態分布，偏差值均<1，三源融合降水的偏差值更接近于1；融合降水與實測降水皆有較強的相關性，相關系數均在0.9以上。

（3）兩種融合降水平均誤差的空間分布特征差異顯著。二源融合降水的平均誤差在滇東南文山地區為正，其余地區總體表現為負。三源融合降水的平均誤差在楚雄北部往南至臨滄、普洱大部分區域均為正值，其他區域呈現零散的正負相間分布。兩種融合降水的均方根誤差空間分布特征類似，均呈現由南向北遞減的特征。

（4）從誤差的時空變化和相關系數來看，兩種融合降水產品均對實況有一定程度的低估，三源融合降水產品優于二源融合降水產品。

（5）三源融合降水高估了雨強<2mm/h的低值降水，低估了雨強≥2mm/h的高值降水。在0.1～1.9mm小量級降水中，受云南午后對流性降水和雷達、云圖的不均一性影響，平均誤差為正，降水預估偏大，且均方根誤差較高。

（6）三源融合降水能較準確地反映降水過程，在局地短時強降水及其誘發的滑坡泥石流監測上具有一定優勢。但云南地形復雜，各地的承載能力參差不齊，強降水尤其是局地強降水是主要誘因，前期持續性降水也是誘因之一。因此，利用三源融合降水構建滑坡泥石流災害模型，將是后續工作的研究重點。