基于集合預報的川渝地區極端降水指數應用研究

吳志鵬 陳靜 汪嬌陽 何軍 陳鵬 張虹 李晶

（1 重慶市氣象臺，重慶 401147；2 中國氣象局數值預報中心，北京 100081；3 中國人民解放軍96164部隊58分隊，金華 321021）

0 引言

極端天氣事件是對人類社會與環境有重大影響，并可能造成嚴重災害與重大經濟損失的災害性天氣事件。極端天氣事件的定義大致可以分為三類：1）事件有相對較大的強度；2）事件的發生頻率相對較低；3）事件導致了嚴重的社會經濟損失，近年也將這類事件稱為高影響天氣。在政府間氣候變化專門委員會（IPCC）第3次和第4次報告中，極端天氣事件被定義為：在某一特定時間地點，其發生概率極小，通常只占該類天氣現象的10%或者更低。

大氣是一個混沌的系統，天氣預報的不確定性是其根本屬性，這種屬性給這類小概率極端事件的預報帶來了極大困難。對同一有效預報時間的一組不同的預報結果構成了集合預報（Ensemble Prediction System，EPS），這組預報之間的差異可提供有關被預報量的概率分布的信息，集合預報的出現為預報極端降水事件提供了新的方法。21世紀初期，Lalaurette基于歐洲中期天氣預報中心（ECMWF）集合預報資料，開發了一種極端天氣預報模型——極端天氣預報指數（Extreme Forecast Index，EFI），為預報極端天氣事件提供了新的方法。其原理是利用集合預報系統產生的氣象要素預報與集合預報系統的歷史累計概率分布函數，通過計算它們之間的連續概率差異獲得預報與氣候特征偏離程度，指數的偏離程度在-1～1，以降水要素為例，預示著旱澇極端。

在國內，經過多年的研究應用表明，EFI對極端天氣事件已有較好的應用成果。夏凡等和劉琳等運用該方法，基于中國氣象局（CMA）T213集合預報資料分別建立了極端溫度和極端降水天氣預報指數（EPFI），對極端低溫天氣具有較好的識別能力，可提前3～5 d發出極端低溫預警信號。研究表明，產生模式氣候累計概率分布的數據序列并不是越長越好，模式數據預報誤差的一致性是關鍵；而極端降水天氣預報指數可提前3～7 d發出極端強降水預警信號，并且發現在利用集合預報計算極端降水天氣預報指數的數學模型中，氣候累計概率分布直接影響極端強降水事件的識別能力。模式氣候累計概率分布要盡可能全面反映模式預報氣候統計狀況，如 Evrin基于ECMWF 的 ERA-40 再分析資料重新生成模式氣候累計概率分布，提高了 EFI的預報技巧。汪嬌陽等同樣基于T213集合預報資料，嘗試通過擴展汛期降水的時間序列和空間范圍，制作了3套模式氣候累計概率分布的方案，分析了不同方案對EPFI預警結果的敏感性，結果顯示，在目標預報區域內擴展后的時空序列后的氣候累計概率分布方案有利于提高EPFI的極端天氣預警技巧，能提前8天發出長江上游地區的極端強降水預警。

川渝盆地（即四川盆地）地處青藏高原東側，夏季受到多重季風影響和復雜地形作用，中小尺度系統非常活躍，極端強降水等災害天氣頻發、突發，影響廣泛。但是，對于引發災害的高原渦、西南渦等天氣系統的發生發展機理至今仍不是很清楚，其降水預報與極端性預測難度很大，更是數值天氣預報最薄弱的地區。本研究在已有對EFI的研究基礎上，采用T213集合預報資料，針對預報難度較大的川渝盆地地區，利用川渝盆地內的空間格點與重慶區域內的格點提取主汛期6—8月的氣候序列做對比，并使用模式數據預報誤差一致性較好的5年氣候序列（2007—2012年，期間并無同化系統升級），提取氣候累計概率分布，針對3次川渝地區預報決策偏差較大的極端降水個例展開EPFI預警試驗，考察極端降水天氣指數在可預報性較差、預報服務難度較高的極端降水過程中的表現。

1 資料與方法

1.1 資料說明

降水預報歷史資料使用CMA T213集合預報，水平分辨率 0.5625°，初值時間為00 UTC，預報時效為24～192 h，實況降水資料采用國家氣象信息中心研發的CMA三源（地面—衛星—雷達）降水融合分析產品，中國區域的格點分辨率為0.05°×0.05°。圖1區域為EPFI的研究與預警區域，范圍：27.5°—32.5°N、103°—110.5°E，該區域內總共包含150個網點，其中重慶區域32個。網格區域包含四川盆地的中東部、貴州北部、湖南和湖北西部，長江自西向東貫穿其中，其西部地形主要為平原，東部為多山脈與丘陵地帶，該區域內氣候特征總體差異不大，但極端降水往往受山脈阻擋、水系分布狀態的影響，其產生機理有較大地區差異，例如西南急流在山脈迎風坡被迫抬升從而產生列車效應帶來的降水極值往往發生在貴州北部的云貴高原與重慶南部，同時該區域也是我國數值預報準確率最低難度最大的區域之一。

圖1 川渝地區的預報網格研究區域示意Fig.1 Sichuan-Chongqing region forecast gird

1.2 極端強降水的定義

參照翟盤茂等對極端強降水事件定義的百分位法，將所選研究區域內格點的觀測日降水量按照升序排列，定義第99個百分位上的降水量的10年平均作為該格點的極端強降水閾值。當某日降水量超過該格點的極端強降水閾值時，稱該格點在該日有極端強降水發生，反之則無。

1.3 極端降水預報指數的數學模型

利用集合預報進行極端強降水預報的原理是：根據模式歷史氣候與集合預報各成員降水預報累計概率分布函數，計算它們兩者之間的連續性差異，從而獲取極端強降水是否發生的預警信息。

Lalaurette基于Anderson-Darling檢驗原理，建立了這個數學模型，定義了極端降水天氣預報指數（EPFI）：

由圖2可見，降水量為

P

時，對應模式氣候累計概率為

CDF1

，集合預報累計概率為

CDF2

，二者之差（

CDF1

-

CDF2

）大于0，表明降水量級大于

P

的集合預報概率大于模式歷史情況，而集合預報與模式歷史氣候累計概率曲線之間的面積值（等同預報降水量區間內二者差異的連續積分值）大于0，則表明此次集合預報降水較模式歷史氣候偏強。如集合預報降水累計概率越趨于分布在尾端部分（即強降水端），則集合預報與模式歷史氣候累計概率分布曲線之間面積越大。

圖2 極端降水天氣預報指數原理示意圖（實線與虛線分別為集合預報累計概率與模式氣候累計概率）Fig.2 Schematic diagram of EPFI (the solid line and the dashed line are the cumulative probability of the ensemble forecast and the cumulative probability of the model climate)

以上分析表明：集合預報各成員預報結果與模式氣候累計概率分布函數連續差異的大小可以用來量化降水的極端性特征，當二者連續差異為正，表明降水偏多，偏濕；當二者連續差異為負，則表明降水偏少，偏旱。兩者差異正值越大，即兩者分布曲線間面積越大，降水量級越大，達到一定程度的就預示著極端強降水可能發生。

1.4 模式氣候累計概率分布選取方案

模式氣候累計概率計算采用T213集合預報5年主汛期（2007—2012年）6—8月的降水統計，在研究區域內（圖1）采集川渝地區含150格點的數據作為川渝地區氣候序列樣本，重慶區域為32個格點，產生該區域 24、48、72、96、120、144、168、192 、216個預報時效（24～216 h）的模式氣候序列，獲得川渝地區與重慶的模式氣候序列。進而產生2種模式氣候累計概率分布方案，即：第一個方案提取川渝地區內所有格點的T213集合預報，分別對9個預報時效形成氣候序列 （每個序列長度為：5 a×92 d/a×15個集合預報成員×150個川渝區域格點=1035000），重慶區域則采集32個格點氣候序列長度為220800。

1.5 三次典型極端降水過程選取

以川渝地區2012—2013年3次預報誤差較大的極端降水事件為例，比較建立在川渝地區氣候序列上的EPFI識別極端強降水的效果，以EPFI大于0.5為報警閾值，試驗暴雨過程開始前EPFI對強降水落區的預警效果。表1給出了三次強降水過程主要所受的高低空天氣系統配置，其中“6.30”暴雨過程的極端降水是2013年川渝地區降水強度最強的區域暴雨，系高原渦與西南渦的耦合下產生，重慶市潼南區玉溪站累計雨量達408.5 mm，造成當地嚴重災情。然而各家數值預報（如歐洲中心、日本、德國和美國環境預報中心，以及四川省氣象臺、重慶市氣象臺）對外發布的公眾氣象預報都對此次極端降水的落區與強度的預報都明顯偏西偏弱。

表1 三次過程的主要影響天氣系統配置Table 1 The weather system configuration of the three heavy rainfall process

2 試驗結果

2.1 兩種方案模式氣候累計概率分布對比分析

為了比較川渝地區與重慶區域的氣候累計概率分布方案的差異，對比兩個地區所有格點的9個預報時效（24～216 h）的模式氣候序列。

在9個預報時效的模式氣候中，川渝地區的氣候序列方案對比重慶地區的大量級降水頻率有所增加，特別是在中雨到暴雨量級的降水累計概率。隨著預報時效延長，兩個方案累計概率曲線逐漸趨于Y軸，這說明暴雨量級頻率增加的同時，小雨量級的頻率也逐漸增加。與 T213集合預報模式本身降水預報的特征吻合，這說明模式氣候的生成不僅與模式本身有關，還與區域局地氣候以及選取的資料時段有關。6—8月川渝地區受副熱帶高壓、西風帶低槽、西南低渦等天氣系統的共同作用，造成降雨量級較大。對比選取重慶區域的氣候序列方案，川渝地區通過空間的擴展，使得暴雨量級和中、小雨量級頻率增加更大，其降水量分布更加符合長江中下游地區的氣候特征。

2.2 三次典型川渝暴雨過程的極端降水指數預警

所選三次暴雨過程天氣系統的配置有較大差異（表1），但都令預報員“記憶猶新”，體現在其降水極端性與數值預報的偏差較大，氣象臺發布的主觀訂正預報也不同程度的低估了極端降水帶來的危害風險，像這類特征的強降水過程較少見，但往往給預報決策服務帶來較大難度。

（1）2012年“7.21”暴雨過程

2012年7月21日傍晚至22日夜間，四川東南部與重慶西部出現區域性暴雨天氣，中國氣象局下發的3日、7日趨勢預報與重慶2012年7月21—23日的暴雨天氣過程的實況相比，主降水區域接近，但是對降水量的預報值偏小，偏西偏北區域預報值以中到大雨為主，對大暴雨甚至特大暴雨的考慮不足；從T639、日本模式、德國模式21日08時起報的降水預報上看，此次過程三家數值預報給出的量級都明顯偏小，沒有考慮到暴雨甚至大暴雨區域，并且降水大值區位置有所偏差。

圖3 是實況降水與EPFI以24 h為間隔，提前120 h的預警圖，可以看到四川宜賓地區在降水發生前120 h已有EPFI預警，其預警指數達0.8以上，重慶西部也達到0.5以上，但總體預警雨帶偏西，隨著預報時效的臨近，EPFI的預警區域逐漸出現西南—東北走向的特征，這可能是因為模式對高空槽與低渦移動的預報更準確所致，到21日20時（北京時，下同）EPFI預警大值區已能很好的接近實況。

（2）2012年“7.03”暴雨過程

“7.03”暴雨過程的低層影響天氣系統是較強的切變線，主要影響區域為四川東北部與重慶北部，由圖4可以看到EPFI提前72 h便能預警出暴雨產生的雨帶大致落區，但有一空報大值中心（圖4d），48 h的預警更為貼近實況暴雨雨帶，但存在漏報區域，24 h的預警則更加接近實況，但四川南充至達州的預警較實況偏弱。

圖3 川渝地區2012年“7.21”暴雨過程24 h實況（a），以及EPFI提前24 h（b）、48 h（c）、72 h（d）、96 h（e）和120 h （f）預警指數Fig.3 24 h observation (a), and EPFI early warning for 24 h (b), 48 h (c), 72 h (d), 96 h (e), 120 h (f) forecast periods of“7.21” heavy rainfall in 2012

圖4 川渝地區2012年“7.03”暴雨過程24 h實況（a），以及EPFI提前24 h（b）、48 h（c）和72 h（d）預警指數Fig.4 24 h observation (a), and EPFI early warning for 24 h (b), 48 h (c), 72 h (d) forecast periods of “7.03” heavy rainfall in 2012

（3）2013年“6.30”暴雨過程

EPFI在48 h對“6.30”暴雨過程的預警和各家數值預報模式一樣存在明顯偏西偏北的特征（圖5），值得指出的是，這一川渝交界處的極端降水，無論是各家數值預報還是主觀預報產品都出現對重慶西部地區的漏報，強降水從6月29日夜間從重慶西北部入境，并帶來較為嚴重的災情。

從EPFI 提前24 h的預警區域可以看到雖然預警中心還是存在偏北的特征（圖5b），但0.5以上的預警區域已經預警到重慶潼南與合川區，已經能給預報決策提供極端降水將從西北部進入重慶的預警信息，這種警示信息將從一定程度上彌補所有客觀預報都出現的漏報，也是唯一一個入境四川遂寧與重慶潼南的客觀預報產品，同時還在四川宜賓南部有一0.5預警區域，雖然有所偏南，但確是控制預報中不存在的信息（圖5c）。

圖5 川渝地區2013年“6.30”暴雨過程24 h實況（a），以及EPFI提前24 h（b）和48 h（c）預警指數Fig. 5 24 h observation (a), and EPFI early warning for 24 h (b), 48 h (c) forecast periods of “6.30” heavy rainfall in 2013

圖6 是三次暴雨天氣過程T213控制預報的24 h降水預報，對比三次過程的EPFI 24 h預警信息，可以看到“7.21”過程的控制預報報出了四川東南部的強降水中心，是三次過程中預報效果最好的控制預報，然而對瀘州、宜賓兩地的強降水漏報，EPFI則對上述兩地有較好的預警，盡管對四川東部的廣安、南充與巴中預警偏強偏大，EPFI相對數值模式的控制預報。“7.03”暴雨過程里，控制預報對切變線降水的落區形態預報不明顯，只在重慶北部預報出暴雨落區，而EPFI通過其他集合預報成員概率特征與模式歷史預報的對比能給予訂正，提前72 h給出較為明顯的切變線強降水預警。同樣，T213控制預報同其他數值模式一樣，對“6.30”暴雨過程的24 h預報也明顯偏西偏北，僅四川東北部預報出較小范圍的暴雨產生，而EPFI對強降水落區的預警經過川渝地區累計概率分布的尾端信息訂正，給出了更加接近實況的極端降水落區預警，對強降水預警落區以及降水的極端性決策發布有較好的補充與參考意義。

圖6 川渝地區“7.21”（a）、“7.03”（b）和“6.30”（c）三次暴雨過程T213原始控制預報24小時降水Fig.6 24 h control forecast of “7.21” (a), “7.03” (b) and “6.30” (c) heavy rainfall process

3 結論與討論

1） 對于極端強降水形成機理復雜的川渝地區，特別是在以城市或區縣極端降水作為預警目標的情況下，極端降水指數（EPFI）能提前1～5 d對強降水的落區發出警示信息，預報時效越臨近，預警效果越好。

2） 模式氣候累計概率分布函數的樣本提取，增加了大量級降水的歷史統計頻率，EPFI對盆地內的強降水預警結果會更加全面、更加接近極端降水觀測。

3） 同樣的集合預報系統，EPFI對強降水的預警能力高于控制預報，能針對控制預報偏西偏北的誤差做出較合理的預警修訂。

本文也存在一些不足，時隔數年，這3個令預報員“記憶猶新”的預報偏差型強降水過程分別發生在2012和2013年，可選的成熟集合預報資料只有ECMWF和T213。本文從2007年開始提取氣候樣本至2012年，以保證模式數據預報誤差的一致性。盡管如此，如模式氣候序列更長，效果更佳。另外由于資料的限制，與所選個例的極端性與偏差性，文中沒有詳細計算常規的檢驗評分來量化反映預報效果，取而代之以EPFI的直觀預警效果代替，其著眼點是凸顯使用極端降水指數預警后對這類極端過程預報失誤的彌補效果，這也是本文的初衷。