全國雷達分鐘降水方法在面雨量預報上應用的檢驗

丁勁 張國平 高金兵 王曙東 王闊音 薛冰 章芳 楊靜

摘要 為了解基于全國雷達分鐘降水方法在面雨量上的短期預報效果，利用2020年7月25日08：00—28日08：00安徽巢湖及其子流域的實況面雨量數(shù)據(jù)，依據(jù)平均絕對誤差、均方根誤差、TS評分、漏報率和空報率幾項檢驗指標，對安徽巢湖及其子流域研究時段內(nèi)逐小時和累計2 h面雨量預報結(jié)果進行檢驗評估。結(jié)果表明，全國雷達分鐘降水方法對巢湖北部平原區(qū)子流域的預報效果好于南部丘陵地區(qū)子流域;累積2 h產(chǎn)品的預報效果好于逐小時產(chǎn)品的預報效果;對小雨量的預報結(jié)果優(yōu)于大雨量的預報結(jié)果。

關(guān)鍵詞 全國雷達分鐘降水方法;流域;面雨量;短期預報;檢驗

中圖分類號 S165 文獻標識碼 A

文章編號 0517-6611（2021）17-0221-05

doi：10.3969/j.issn.0517-6611.2021.17.056

Abstract In order to understand the short-term forecasting effect on the surface rainfall based on the minute quantitative precipitation forecast （MQPF），the actual surface rainfall data of Anhui Chaohu Lake and its sub-catchments from 08：00 July 25 to 08：00 July 28， 2020 were used to rely on the average absolute error，root mean square error，TS score，omission rate and false prediction ratio were several test indicators to test and evaluate the hourly and cumulative 2-h area rainfall forecast results during the study period of Chaohu Lake and its sub-catchments in Anhui.The results showed that the MQPF forecast had a better forecasting effect on the sub-basins in the northern plain area of Chaohu Lake than those in the southern hilly area.More accurate forecast could be seen in cumulative two-hour products than hourly products.The low rainfall level showed better results than the forecast for high rainfall level.

Key words Minute quantitative precipitation forecast （MQPF）;Basins;Area rainfall;Short-term forecast;Verification

面雨量是水文預報中的一個重要參量，面雨量預報的精度直接關(guān)系到洪水預報精度和洪水調(diào)度決策的科學性[1]。做好汛期面雨量預報，對于電力生產(chǎn)調(diào)度和防洪減災具有重要意義[2]。

近年來，許多專家學者針對國內(nèi)流域開展了面雨量預報和檢驗業(yè)務。盧小鳳等[2]基于智能網(wǎng)格產(chǎn)品對西江流域2019年前汛期（4—6月）和后汛期（7—9月）面雨量進行了預報和檢驗;劉靜等[1，3]運用多種數(shù)值模式預報了淮河流域、清江流域的面雨量，并進行了對比和檢驗;宋雯雯等[4]運用站點數(shù)據(jù)和算數(shù)平均法估計了1981—2017年雅礱江流域的面雨量;李武階等[5-6]利用算術(shù)平均方法、西南區(qū)域數(shù)值天氣預報業(yè)務模式（SWC-WARMS）和中央氣象臺智能網(wǎng)格預報模式（NWGD）分析了金沙江面雨量。從以上針對面雨量的預報來看，還是主要基于傳統(tǒng)數(shù)理統(tǒng)計和數(shù)值模式進行預報。但是傳統(tǒng)數(shù)理統(tǒng)計法對于短期的預報精度不高，模型因降水等輸入數(shù)據(jù)的精度而直接影響預報的精度，故而使得須嘗試新的預報方法進行更為精準的面雨量短期預報。

雷達與傳統(tǒng)的地面雨量站獲取降雨數(shù)據(jù)方式相比，具有高時空分辨率、能夠探測較大范圍內(nèi)瞬時降雨分布的優(yōu)點，已成為定量降雨估測、短時臨近預報的有效工具[7]。目前，已經(jīng)有不少學者將雷達數(shù)據(jù)用到降水、洪水等水文過程的預報。劉黎平等[8]第一次采用了雙線偏振雷達實時遙測降雨的雷達回波資料進行實時水文預報。后續(xù)，李致家等[9-11]均使用站點數(shù)據(jù)訂正后的雷達數(shù)據(jù)進行相關(guān)的水文預報。然而，已有的國內(nèi)研究主要集中在雷達測雨與水文模型耦合的適用性以及雷達降雨反演的精度提高方面，而結(jié)合雷達臨近預報的研究很少。

短臨降雨量預報的目標是在未來短期（0～6 h）內(nèi)，對當?shù)貐^(qū)域的降雨強度進行預測，具有準確性、實時性、大規(guī)模的特性[12]。由于天氣的隨機性，短臨降水預報有很高的難度。但雷達圖以其測量范圍較廣、時空分辨率較高、能及時獲取大面積降水數(shù)據(jù)的優(yōu)點[13]，可以發(fā)揮重要作用。特別是實時的多普勒雷達回波外推圖 6 min 更新的時間分辨率和1 km 的空間分辨率可以滿足這一需求[12]。

2020年6月以來，我國南方多地遭受強降水，并引發(fā)了嚴重的洪澇災害。特別是長江流域，多地河湖超過警戒水位及歷史最高水位，長江中下游尤為形勢嚴峻。基于以上形勢，該研究以張國平等[14-17]的全國雷達分鐘降水預報系統(tǒng)對巢湖流域各子流域2020年7月25—28日的面雨量進行預報和評估，以檢驗該系統(tǒng)在面雨量方面預報的適用性和準確性，以期可以將此技術(shù)在其他流域面雨量計算中得到推廣。

1 資料與方法

1.1 研究區(qū)概況 巢湖流域位于安徽省中部江淮丘陵之間，長江流域下游左岸，流域面積13 486 km2，約占安徽省總面積的9.3%。巢湖流域地勢西高東低、南高北低、中部低洼，西北部為丘陵崗地，西南部是大別山區(qū)，東部為東北—西南走向的弧形山脈[18-19]。山區(qū)海拔一般在400～500 m，沖積平原地區(qū)海拔在幾米至十幾米。巢湖位于流域中心，在其周圍有11個子流域，分別是南淝河流域、柘皋河流域、裕溪河流域、西河流域、兆河流域、白石天河流域、杭埠河流域、龍河口水庫控制流域、豐樂河流域、派河流域和董鋪大房郢水庫控制流域（圖1）。巢湖流域內(nèi)氣候多變，降水不均，并且多發(fā)生暴雨，屬于旱澇災害的易發(fā)地區(qū)[20]，因此對巢湖面雨量的預報尤為重要。

1.2 數(shù)據(jù)選取 研究數(shù)據(jù)取自由中國氣象局公共氣象服務中心自主研發(fā)的災害天氣短時臨近預報系統(tǒng)——全國雷達分鐘降水預報系統(tǒng)[14-17]。該系統(tǒng)以全國實時氣象雷達、氣象衛(wèi)星數(shù)據(jù)和地面分鐘降水觀測資料為基礎(chǔ)，基于氣象學原理，以快速循環(huán)為理念，應用人工智能技術(shù)，通過并行計算和大數(shù)據(jù)處理技術(shù)加工形成。產(chǎn)品中包含時間尺度上未來2 h精細到5 min、空間尺度上精細到街道的降水預報信息。該研究取該系統(tǒng)中研究區(qū)域內(nèi)2020年7月25日08：00—28日08：00的分鐘降水數(shù)據(jù)。

進行結(jié)果檢驗所用的實況數(shù)據(jù)，是由安徽省氣象臺提供的研究時段內(nèi)的逐小時面雨量實測數(shù)據(jù)。

1.3 研究方法

1.3.1 全國雷達分鐘降水的基本原理。

全國雷達分鐘降水預報主要利用雷達觀測資料對地面降水進行估計，并進行分鐘級預報。通過加工未來2 h內(nèi)每5 min間隔的回波外推產(chǎn)品和降水估計產(chǎn)品，采用多線程技術(shù)和ActiveMQ消息中間件技術(shù)保證系統(tǒng)的實時性和可靠性，來解決短時臨近降水預報問題。

該系統(tǒng)主要包含數(shù)據(jù)前處理模塊、降水模型訓練模塊、雷達回波外推模塊、產(chǎn)品生成模塊、日志分析模塊。其中核心模塊主要功能如下：

（1）數(shù)據(jù)前處理模塊。該模塊主要獲取全國所有業(yè)務運行的200部雷達的基數(shù)據(jù)資料，并加工為含21層數(shù)據(jù)的雷達等高平面位置顯示（CAPPI）產(chǎn)品。

（2）降水模型訓練模塊。該模塊主要通過機器學習方法，利用2014—2020年有完整觀測的200部雷達的觀測歷史基數(shù)據(jù)資料和地面觀測站的歷史分鐘降水資料，根據(jù)Z-R關(guān)系法[21]估測降水，建立模型確定雷達反射率因子和地面降水量之間的關(guān)系。

（3）雷達回波外推模塊。該模塊主要以數(shù)據(jù)前處理模塊加工生成的CAPPI產(chǎn)品數(shù)據(jù)作為輸入，利用計算機視覺中的光流法[22-28]，綜合雷達回波時空梯度守恒與環(huán)境風場散度項平衡，使用雷達三維回波數(shù)據(jù)，針對 1～21 km 高度層，以 1 km 水平分辨率和 500 m 高度間隔建立實時外推方案，可6 min滾動外推未來2 h 5 min間隔的雷達回波。利用多線程技術(shù)可實現(xiàn)3 s內(nèi)對單站三維雷達回波未來24 h的外推，相鄰2個時效外推的回波與實際回波的誤差在1～5 dBz。技術(shù)路線圖如圖2所示。

根據(jù)分鐘降水方法計算得到降水量后，將巢湖流域網(wǎng)格化，按如下公式計算得到流域面雨量：

式中，r為流域面雨量，i為流域劃分的格點數(shù)，Pi為i格點上的降水量，Ai為i格點的面積，此處為1 km×1 km。

1.3.2 檢驗指標。

根據(jù)安徽氣象臺提供的2020年7月25—28日巢湖及其11個子流域逐小時面雨量，對全國雷達分鐘降水在巢湖流域的逐小時、累積2 h預報產(chǎn)品進行檢驗。檢驗指標是閾值為1 mm以上降水、3 mm以上降水、5 mm以上降水和10 mm以上降水的7月25—28日連續(xù)3 d時長的面雨量。通過計算平均絕對誤差（MAE）、均方根誤差（RMSE）、空報率、漏報率、TS評分來進行檢驗。

各評價指標具體計算公式如下：

其中，NA為事件發(fā)生，并對其預先發(fā)出了警告的次數(shù);NB為事件發(fā)生，但未對其預先發(fā)出了警告的次數(shù);NC為事件沒有發(fā)生，但對其誤發(fā)出警告的次數(shù)。

2 結(jié)果與分析

2.1 逐小時雨量檢驗

從圖3可以看出，巢湖流域7月25日08：00—28日08：00 MQPF逐小時面雨量產(chǎn)品與安徽數(shù)據(jù)之間的均方根誤差（RMSE）在0.87～2.30，平均絕對誤差（MAE）在0.46～1.06。對于逐小時雨量逐日時長檢驗，巢湖流域北部（董鋪大房郢水庫、南淝河、派河、柘皋河流域）預報結(jié)果較好，其相應的RMSE和MAE值較小;而流域南部和東部（兆河、裕溪河、白石天河、杭埠河）預報結(jié)果略差。這可能與地形因素有關(guān)，巢湖北部子流域基本為平原地帶，而巢湖南部小丘陵較多。除了對平原地區(qū)降水可能有所高估和對丘陵地區(qū)可能有所低估，不同的地形對定量降水量估算應該還有不同影響[29]。

從圖4可以看出，對于7月25日08：00—28日08：00 MQPF逐小時面雨量1 mm閾值以上各子流域的TS評分為0.36～0.61，逐小時面雨量3 mm閾值以上各子流域的TS評分為0.20～0.55，逐小時面雨量5 mm閾值以上各子流域TS評分為0.14～0.67，10 mm閾值以上面雨量董鋪大房郢水庫、兆河和西河流域的TS評分分別為0.67、0.25和0.50。此次降水過程10 mm以上面雨量較少，故大多數(shù)子流域10 mm閾值以上沒有TS評分。10 mm閾值平均TS評分最低，為0.18。其他閾值平均TS評分順序為1 mm閾值（0.46）>3 mm閾值（0.40）>5 mm閾值（0.35）。1 mm的平均TS評分最高，而10 mm的TS評分最低，主要是由于雨量越大，其行程原因越復雜，如突發(fā)強對流出現(xiàn)等情況，都會導致不確定性的暴雨。從圖中也可以看出，1 mm閾值檢驗的東部流域（裕溪河、西河、兆河、柘皋河）TS評分高，3 mm閾值檢驗派河、董鋪大房郢水庫、白石天河、裕溪河TS評分高，5 mm閾值檢驗南淝河、董鋪大房郢水庫、龍河口TS評分高。

圖4顯示，對于3 d時長來看，逐小時產(chǎn)品的空報率高于漏報率。大部分流域的漏報率為0，空報率絕大部分流域在0.5以上。空報率高是絕大部分預報結(jié)果的較常見現(xiàn)象，為了盡量減少漏報所產(chǎn)生的人身和財產(chǎn)安全問題，空報率會有所增加。

2.2 累積2 h雨量檢驗

從圖5可以看出，巢湖流域7月25日08：00—28日08：00 MQPF累積2 h面雨量產(chǎn)品與安徽數(shù)據(jù)之間的均方根誤差（RMSE）在1.67～4.61，平均絕對誤差（MAE）在0.89～2.10。對于累積2 h雨量逐日時長檢驗，巢湖流域北部（南淝河、柘皋河）和西部（派河、豐樂河）預報結(jié)果較好，其相應的RMSE和MAE值較小;而流域南部和東部（兆河、西河、白石天河、裕溪河）預報結(jié)果略差。累積2 h雨量誤差結(jié)果與逐小時雨量結(jié)果基本相同。

從圖6可以看出，對于7月25日08：00—28日08：00 MQPF累積 2 h面雨量1 mm閾值以上各子流域的TS評分為0.38～0.64，累積2 h面雨量3 mm閾值以上各子流域的TS評分為0.23～0.54，累積2 h面雨量5 mm閾值以上各子流域的TS評分為0.27～0.55，10 mm閾值以上面雨量龍河口水庫、杭埠河、派河、董鋪大房郢水庫、南淝河、白石天河、兆河、西河和裕溪河的TS評分為0.14～0.60，此次降水過程10 mm以上面雨量較少，故部分子流域10 mm閾值以上沒有TS評分。

圖6顯示，與逐小時雨量10 mm閾值預報的平均TS不同，累積2 h的平均TS評分最低（0.27），其他閾值平均TS評分順序為1 mm閾值（0.48）>3 mm閾值（0.42）=5 mm閾值（0.42）。與逐小時的1 mm（0.46）、3 mm（0.40）、5 mm（0.35）和10 mm（0.18）閾值相比，除10 mm外，逐小時各閾值面雨量的平均TS評分均低于累積2 h。這可能與方法中空報率高機理相同，因為增加了降水的預報，從而使得雨量更大的3 mm降水的預報效果更好。

空報率明顯高于漏報率的結(jié)果與逐小時產(chǎn)品的檢驗結(jié)果相同。累積2 h雨量在3 mm閾值的漏報率高于逐小時產(chǎn)品的漏報率。與逐小時產(chǎn)品檢驗結(jié)果相同，漏報主要集中在1 mm閾值的西河和豐樂河，3 mm閾值的豐樂河、杭埠河、兆河、白石天河和柘皋河，5 mm閾值的兆河、西河和裕溪河。

3 結(jié)論

該研究利用分鐘降水全國雷達分鐘降水預報系統(tǒng)對2020年7月25—28日巢湖及其子流域的面雨量進行了估算，為流域面雨量的估算提供了新的方法。通過實況數(shù)據(jù)的檢驗，發(fā)現(xiàn)預報結(jié)果良好，并得到如下結(jié)論：

（1）從區(qū)域性來看，分鐘降水產(chǎn)品對巢湖北部子流域的預報效果優(yōu)于巢湖南部的預報效果。

（2）從不同時長對比來看，累積2 h產(chǎn)品在1、3和5 mm量級的TS評分均高于逐小時預報產(chǎn)品。

（3）從不同降水量級閾值來看，1 mm量級的平均TS評分最高、預報最好，3和5 mm次之，10 mm最差。

（4）空報率高于漏報率，空報率基本在0.5以上。漏報大部分為0，漏報主要集中在1 mm閾值的西河和豐樂河，3 mm閾值的豐樂河、杭埠河、兆河、白石天河和柘皋河，5 mm閾值的兆河、西河和裕溪河。

該方法在2020年7—9月的汛期，也為四川省、陜西省、河南省和天津市的汛期面雨量預報提供了服務，并得到了認可和肯定。不過其中由于天氣雷達原理、機器學習更新等環(huán)節(jié)仍有改進空間，后面將對全國雷達分鐘降水有更深入的改進和應用。

參考文獻

[1] 劉靜，陳光舟，張曉紅.幾種數(shù)值預報產(chǎn)品在淮河流域面雨量預報中的應用檢驗[C]//蚌埠市科學技術(shù)協(xié)會.促進科技經(jīng)濟結(jié)合，服務創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學術(shù)年會論文集.合肥：安徽省科學技術(shù)協(xié)會學會部，2012.

[2] 盧小鳳，李仲怡，陳劍飛，等.智能網(wǎng)格產(chǎn)品在西江流域面雨量預報中的應用檢驗[J].氣象研究與應用，2020，41（2）：45-49.

[3] 熊傳輝，馬安國，饒傳新，等.三種數(shù)值預報產(chǎn)品在清江流域面雨量預報中的應用檢驗[J].湖北氣象，2004，23（1）：24-26.

[4] 宋雯雯，郭潔，袁媛，等.1981～2017年雅礱江流域面雨量變化特征分析[J].高原山地氣象研究，2020，40（1）：56-60.

[5] 李武階，王繼竹，郭英蓮，等.金沙江中下游流域面雨量特征分析[J].長江流域資源與環(huán)境，2014，23（6）：846-853.

[6] 徐誠，淡嘉，宋雯雯，等.金沙江中下游面雨量分布特征及預報檢驗[J].高原山地氣象研究，2020，40（2）：38-42.

[7] 胡彩虹，張青山，楊帆，等.雷達在水文預報應用中的研究進展[J].氣象與環(huán)境科學，2009，32（1）：75-81.

[8] 劉黎平，錢永甫，王致君.雙線偏振雷達在水文預報領(lǐng)域的應用——實時水文預報系統(tǒng)的研制[J].高原氣象，1996，15（4）：508-514.

[9] 李致家，劉金濤，葛文忠，等.雷達估測降雨與水文模型的耦合在洪水預報中的應用[J].河海大學學報（自然科學版），2004，32（6）： 601-606.

[10] 葉金印，高玉芳，李致家.雷達測雨誤差及其對淮河流域徑流模擬的影響[J].湖泊科學，2013，25（4）：593-599.

[11] 李晶.HEC-HMS水文模型結(jié)合雷達測雨在西苕溪流域徑流模擬中的應用[D].南京：南京信息工程大學，2014.

[12] 方巍，龐林，王楠，等.人工智能在短臨降水預報中應用研究綜述[J].南京信息工程大學學報（自然科學版），2020，12（4）：406-420.

[13] 邵月紅，張萬昌，劉永和，等.BP神經(jīng)網(wǎng)絡在多普勒雷達降水量的估測中的應用[J].高原氣象，2009，28（4）：846-853.

[14] 張國平，高金兵，胡駿楠，等.全國雷達分鐘降水預報系統(tǒng)介紹[C]// 第32屆中國氣象學會年會S14 第五屆氣象服務發(fā)展論壇——氣象服務與信息化.北京：中國氣象學會，2015.

[15] 張國平，高金兵，胡駿楠，等.全國分鐘降水預報技術(shù)[C]// 第32屆中國氣象學會年會S1 災害天氣監(jiān)測，分析與預報.北京：中國氣象學會，2015.

[16] 張國平，張文生，王萍，等.全國分鐘預報技術(shù)與應用[C]// 第34屆中國氣象學會年會S11 創(chuàng)新驅(qū)動智慧氣象服務——第七屆氣象服務發(fā)展論壇論文集.北京：中國氣象學會，2017.

[17] 張國平，王曙東，匡兵明，等.全國分鐘降水預報系統(tǒng)V2.0版技術(shù)方法[C]// 第34屆中國氣象學會年會 S7 水文氣象、地質(zhì)災害氣象預報理論與應用技術(shù)論文集.北京：中國氣象學會，2017.

[18] 周俊成.巢湖流域徑流量時間分配及趨勢變化分析[J].治淮，2018（11）：9-11.

[19] 王趙飛，林晨，許金朵，等.巢湖流域非點源顆粒態(tài)磷負荷的空間差異及關(guān)鍵影響因子研究[J].農(nóng)業(yè)環(huán)境科學學報，2019，38（3）：659-670.

[20] 竇鴻身，姜加虎.中國五大淡水湖[M].合肥：中國科學技術(shù)大學出版社，2003.

[21] MARSHALL J S，PALMER W M K.The distribution of raindrops with size[J].J Meteor，1948，5（4）：165-166.

[22] GIBSON J J.The ecological approach to visual perception[M].Boston： Houghton Mifflin，1950.

[23] 曹春燕，陳元昭，劉東華，等.光流法及其在臨近預報中的應用[J].氣象學報，2015，73（3）：471-480.

[24] 韓雷，王洪慶，林隱靜.光流法在強對流天氣臨近預報中的應用[J].北京大學學報（自然科學版），2008，44（5）：751-755.

[25] 王丹，王改利，劉黎平，等.基于雷達回波外推和中尺度模式預報的短時降水對比分析[J].高原氣象，2014，33（3）：811-822.

[26] 薛峰，王興，吳雙，等.雷達外推與數(shù)值模式動態(tài)融合降水概率預報方法[J].氣象科技，2017，45（6）：1036-1042.

[27] 張蕾，魏鳴，李南，等.改進的光流法在回波外推預報中的應用[J].科學技術(shù)與工程，2014，14（32）：133-137，148.

[28] ALVAREZ L，WEICKERT J，SNCHEZ J.Reliable estimation of dense optical flow fields with large displacements[J].International journal of computer vision，2000，39（1）：41-56.

[29] YANG X，KUANG Q，ZHANG W，et al.Learning new Z-R relationships with multilevel radar reflectivity for QPE[J].Quarterly journal of the royal meteorological society，2015，00：1-8.