從“75·8”到“21·7”的思考

李澤椿， 諶 蕓，2，3， 王新敏， 徐 珺， 徐國強， 王月冬， 代 刊 ， 龔 璽

(1.國家氣象中心，北京 100081； 2.中國氣象科學研究院災害天氣國家重點實驗室，北京 100081；3.南方海洋科學與工程廣東省實驗室(珠海)，珠海 519082； 4.河南省氣象臺，鄭州 450003；5.中國氣象局地球系統數值預報中心，北京 100081； 6.國家氣象信息中心，北京 100081)

引 言

2021年7月17日至22日，河南省出現歷史罕見的極端暴雨過程(簡稱“21·7”極端暴雨過程)。46年前的1975 年8月4-8 日，河南省也曾發生歷史上罕見特大暴雨洪澇災害(簡稱“75·8”極端暴雨過程)。同一地區歷經兩場特大暴雨，無論是在預報預警的準確性、及時性及應急服務反應措施上，還是在應對措施方面，都有極大差別。“21·7”極端暴雨過程的成功預報和服務，得益于政府和相關部門幾十年來，依靠科技、立足預防、政府主導、社會聯動，以及中國氣象局、河南省政府在科技研究、氣象工程上給予的極大支持和氣象科技人員多年的不斷精心研究和盡職盡責的服務。

為及時準確預報出“21·7”極端暴雨過程，河南省氣象工作者從7月14日開始高度關注此次暴雨過程；15日河南省氣象局發布《重要天氣報告》，提醒出現大暴雨和特大暴雨的可能性；16日省長簽發1號指揮長令，召開防汛工作視頻調度會議；17日起省氣象局逐3小時至1小時加密滾動發布《氣象信息快報》，為他們正確決策提供科學依據，緊急工作狀態一直持續到7月23日。從這次實際預報服務來看，5天的預報非常重要，有可能為應急對策與實施贏得時間。

在當前科學認識水平、技術環境、防災經驗的積累等背景下，氣象部門和各級應急部門為“21·7”極端暴雨過程的防災減災工作作出了巨大貢獻。為此，組織天氣預報業務中相關領域的專家進行研討，各抒己見，求同存異，對“75·8”和“21·7” 大暴雨的預報服務進行探討，了解今后應努力的目標與方向。

1 同一地區歷經同樣的特大暴雨，預報服務和應急處置卻明顯不同

1.1 同一地區的特大暴雨

1975年8月4-8日，河南以駐馬店為中心的廣大地區發生了歷史上罕見的特大暴雨洪澇災害。泌陽林莊5天降雨量達1631.0 mm，日降雨量達1005.4 mm，6 h降雨量為830.1 mm，泌陽老君廟小時雨量為189.5 mm，日雨量創中國大陸之最(圖1、2)。

圖1 1975年8月4日08時至8日08時河南及周邊地區累計降水量

圖2 “21·7” “75·8”暴雨不同時段最大點雨量對比

46年后的2021年7月17日至22日，在河南省也出現了歷史罕見的極端強降雨事件，大部分地區出現暴雨或大暴雨，鄭州、焦作、新鄉、洛陽、南陽、平頂山、濟源、安陽、鶴壁和許昌等地出現特大暴雨，強降雨中心位于鄭州、新鄉、鶴壁和安陽(圖3)，最強降雨時段在19-21日。

兩次過程呈現出以下相同特點：(1)降雨極端性突出，“75·8”暴雨突破日降水極值，“21·7”暴雨中1/6站點日降雨量突破歷史紀錄，鄭州小時雨強創造中國大陸小時降雨量氣象紀錄(圖 4)。(2)持續時間長，累計雨量大，多地一次天氣過程超年平均降水量，“75·8”中的林莊5天累計雨量為1631.0 mm，“21·7”中的鶴壁6天累計雨量為1122.6 mm。

圖3 2021年7月17日08時至23日08時河南及周邊地區累計降水量

圖4 鄭州國家氣象觀測站2021年7月17-22日逐小時降水量

1.2 兩次大暴雨的嚴重影響

根據我們能獲取的資料和政府門戶網站的信息發現：“75·8”特大暴雨引發淮河上游大洪水，數十座水庫漫頂垮壩，73.3萬公頃農田受到毀滅性的災害，1100萬人受災，超過2.6萬人死亡，經濟損失近百億元(災害的連鎖性，給交通等部門帶來重大影響)。4座大中型水庫、58座小型水庫引發局地滅頂之災，2.6萬人葬身洪流。板橋、石漫灘兩座大型水庫在8日凌晨漫壩失事。竹溝、田崗兩座中型水庫及58座小型水庫也垮壩失事。老王坡、泥河洼滯洪區亦先后漫決 。沙、澧河洪水竄流至汝河，駐馬店地區大小河道普遍漫溢決口，南陽地區唐河下游堤防漫決。

受“21·7”極端持續強降雨影響，河南中西部和北部出現大范圍城市內澇、農田積澇；多座大中型水庫超汛限水位，個別水庫、河段出現險情。此外，公路、鐵路、民航交通受到嚴重影響。河南境內高速公路多個路段封閉。鄭州至洛陽區間的鐵路由于水漫線路、路基坍塌、設備淹水等情況，列車無法通行；途經鄭州地區的京廣高鐵、徐蘭高鐵、京廣鐵路、隴海鐵路、焦柳鐵路和寧西鐵路等線路的運輸均不同程度受到影響；鄭州東站160余趟列車停運，造成大量旅客滯留，鄭州地鐵全線暫停運營服務。機場大面積航班延誤、多架次航班被取消。

據河南省農情調度統計，截至22日17時，全省農作物積水面積為71.0萬公頃，其中新鄉的為18.9萬公頃、周口的為11.8萬公頃、開封的為0.9萬公頃、安陽的為0.7萬公頃。由于當時河南最主要的秋收作物夏玉米剛進入拔節期，植株高度較低，此次強降雨造成玉米倒伏程度較輕，以植株傾斜為主，未出現大面積根倒或莖折；但部分地塊被雨水沖刷，出現土壤脫肥現象，對秋收作物后期生長不利。據22日應急部門初步統計，全省秋收作物受災面積為55.5萬公頃，約占總播種面積的6.4%。由于統計時周口、新鄉等地的洪水尚未消退，預計受災面積還會有所增大，將對全省糧食生產有一定影響。值得欣慰的是2021年河南省糧食雖然有減產，但仍在全國主糧區中排名第二，為中國人民把飯碗端在自己手中作出了貢獻。

“21·7”除了山洪等自然災害外，由于城鎮化發展，加大山洪入城的風險，造成城市內澇災害比較突出，加上城市生命線工程承災能力不足和城市洪澇風險的連鎖性、突變性和傳遞性，造成重大人員傷亡和財產損失。“75·8” 主要是流域性的洪水，誘發水庫漫頂垮壩，造成毀滅性的災害。

1.3 不同的預報服務和應急

“75·8”特大暴雨期間，由于缺少基本大氣觀測信息(衛星、雷達觀測等)，預報手段差，預報結論欠佳，防控服務無對策，通信手段幾乎沒有。正是這次巨大的氣象災害，葉篤正、謝義炳和鄒競蒙等領導作出要開展大氣監測網的建設和深入的暴雨科學研究，并在中央氣象臺建立數值預報業務系統等科學和正確的決定。

“21·7”極端暴雨過程中，中國氣象局16日19時啟動重大氣象災害(暴雨)Ⅲ級應急響應；21日08時提升為Ⅱ級；中央氣象臺發布暴雨黃色預警12期、橙色預警5期。河南省氣象局16日10時啟動暴雨Ⅳ級應急響應，16日20時升級為Ⅲ級，20日06時升級為Ⅱ級，21日02：58再度升級為Ⅰ級。7月17日-8月2日，河南省氣象部門共發布暴雨預警信號1095條，其中暴雨紅色預警信號291條；鄭州自19日19：13發布暴雨橙色預警信號，從21：59開始，升級為暴雨紅色預警信號，共發布17條暴雨紅色、橙色預警信號。河南省預警短信接收總人次達2.39億人次，向2.25萬名應急責任人發送預警信息76萬條。

“21·7”極端暴雨過程期間，氣象部門及時向政府及有關部門報送預報信息，并和相關部門聯合發布山洪、地質災害風險預報。中國氣象局在16日向中共中央辦公廳、國務院辦公廳和相關部委報送的《重大氣象專報》中指出，“河南等地有大暴雨，局地特大暴雨，致災風險高”，隨后滾動報送18期決策氣象服務材料。河南省氣象局在15日報送的《重要天氣報告》中指出，“我省北部和中東部有暴雨、大暴雨，局部特大暴雨,累積降水量局地可達500毫米，需加強防范”，之后滾動發布《重要氣象信息》《氣象信息快報》等決策服務材料，開展聯合會商，并聯合水利廳、自然資源廳發布山洪、地質災害氣象風險預警預報，對省防汛辦、省應急廳、省地質環境總站等部門和單位開展了“叫應”服務。

2 基于數值天氣預報結合預報員智慧的“21·7”大暴雨預報

2.1 5天以內的數值天氣預報在“21·7”大暴雨預報中起到了重要作用

數值預報在“21·7”大暴雨預報中起到了極其重要的作用，歐洲中期數值預報模式(ECMWF)和中國氣象局全球數值預報模式(CMA-GFS)都提前5天作出了河南暴雨過程的預報，為預報員提前5天預報河南暴雨過程提供了關鍵性的參考依據。

如對河南20日08時至21日08時最強降水日的預報分析：從7月15日開始至7月20日，ECMWF和CMA-GFS模式都對該暴雨過程作出了較為準確的過程預報。圖5為對7月20日08時至21日08時ECMWF模式、CMA-GFS模式和日本JMA全球模式的降水TS評分。由圖5可知，在提前108 h至提前132 h的暴雨以上量級預報中，CMA-GFS模式的TS評分明顯高于ECMWF和JMA模式的預報評分,超過了10%；而在提前36-84 h的暴雨預報中，ECMWF模式占優，其中提前36 h預報的TS評分可接近57%左右，說明ECMWF模式短期強降水預報的中心位置與實況較為接近；JMA模式對這次過程的暴雨預報能力最低。三個全球預報模式對7月20日08時至7月21日08時降水預報的極值都未超過200 mm，其特大暴雨的預報評分均為零，說明全球模式對特大暴雨的極值預報尚有很大難度，還有提升的空間。預報員可發揮智慧在過程預報的基礎上作一些彌補。

圖5 2021年7月20日08時至21日08時ECMWF、CMA-GFS和JMA全球模式的降水TS評分

2.2 在全球模式基礎上區域中尺度模式在降水落區和量級上的精細化預報中發揮重要作用

前面的分析已經指出,全球模式雖然提前5天已經作出了暴雨過程的預報，但降水量極值明顯偏小。

這次河南極端降水過程主要發生在7月17日至22日，為從降水落區和量級上精細化檢驗評估各模式對這次極端降水過程的預報效果，從中國氣象科學研究院區域高分辨率檢驗評估平臺分別制作了河南逐3 h閾值≥25 mm和≥50 mm的降水檢驗圖(圖6)。由圖6可知，對于檢驗閾值≥25 mm的降水過程，CMA-MESO-3 km、CMA-GD、CMA-SH和CMA-BJ等中尺度模式的評分都明顯優于ECMWF、CMA-GFS和NCEP-GFS全球模式的評分(見圖6a); 對于檢驗閾值≥50 mm的降水過程(圖6b)，評分也是中尺度模式優于全球模式。從上述分析可知，區域中尺度模式在降水落區和量級的精細化預報明顯優于全球模式的預報，其中CMA-MESO-3 km模式預報效果最佳。

圖6 2021年7月17日至22日河南逐3 h降水數值模式預報檢驗(a)檢驗閾值≥25 mm,(b)檢驗閾值≥50 mm;起報時間為2021年7月17日至22日逐日08時;命中率越大，漏報越少，成功率越大，空報越少

本文重點分析了區域中尺度CMA-MESO模式對最強降水日20日08時至21日08時降水預報結果。為此制作了24 h、08-14時和14-20時6 h累計降水觀測和預報圖(圖7)，其中降水觀測取自國家信息中心提供的0.05°×0.05°的格點降水資料。

由圖 7可見，24 h(圖7a、b)預報了降水量超過550.0 mm的降水中心，極值中心點降水量為550.6 mm，接近624.1 mm的觀測極值，但預報的極值中心位置比觀測的偏西和偏北一些；08-14時(圖7c、d)，預報大暴雨的范圍和極值與觀測的較為接近，但預報極值中心偏西、偏北；14-20時(圖7e、f)，預報降水極值略大于觀測的，但極值中心明顯偏西，且在鄭州東部存在明顯漏報。以上分析說明，中尺度模式較好地預報了這次極端降水過程，但降水極值中心位置存在偏西和偏北的現象。在突發局地暴雨預報方面，除了要爭取準確，還要做到精細，這樣更有利于決策的制定。

通過以上分析可以認為，全球模式可以提前4-5天預報出此次過程，區域中尺度模式在1-2天內的預報明顯優于全球模式，但其預報的降水極值中心位置存在偏西和偏北的現象。

圖7 河南及周邊地區2021年7月20日08時至21日08時24 h(a、b)、08-14時6 h(c、d)和14-20時6 h(e、f)累計降水觀測和預報圖(a)(c)(e)為觀測，(b)(d)(f)為預報；五角星為降水極值中心位置，方框為鄭州大致范圍

2.3 數值預報對“21·7”大暴雨預報的不足

從提前4-5天的預報來看，ECMWF模式和CMA-GFS模式都預報出了這次暴雨過程，但預報的降水極值和區域都存在明顯的偏差，預報的24 h降水最大值都在200 mm以下。區域中尺度模式對這次極端短時降水預報具有明顯優勢，但對于極端降雨強度的預報能力仍存在明顯不足，各數值預報模式對暴雨中心的預報明顯偏西，沒有預報出201.9 mm/h的極端強降水過程，即都不能預報出降水的極值強度。從GRAPES區域集合預報分析可以認為，這次暴雨過程可預報性高，但降水極值及落區可預報性低。未來還需要加強新技術、新理論和新資料的應用研究，完善高分辨率模式的同化和預報系統，以解決精細化問題。

蘇愛芳[1]、張霞[2]和齊道日娜[3]等從天氣學角度對模式預報進行了分析，對于中尺度低渦的生成及演變、風向的轉換及切變線的演變等中小尺度系統預報，中尺度模式的預報優于全球模式的預報；對地面關鍵影響系統如河南西部的氣旋等，全球模式均漏報，中尺度模式尤其是CMA-MESO和CMA-BJ對其有較好地反映；但對鄭州附近的中尺度輻合線，中尺度模式同樣存在一定的漏報。事后總結，分析產生偏差的原因有利于預報的改進。

數值天氣預報雖然存在不足，但仍然是當前天氣預報的主要科技手段。數值天氣預報的改進是需要過程的，在現有模式預報能力的基礎上，預報員如何智慧地運用數值預報結果也是需要不斷探索的。

2.4 數值預報和預報員的智慧在“21·7”大暴雨預報與服務中起到了決定性的作用

對于“21·7”的暴雨過程預報，數值模式的參考性好，可預報性高，為暴雨過程累計雨量預報提供了較好的參考。并預報出了低渦、熱帶擾動和偏強、偏北的日本海高壓和大陸高壓等暴雨過程的主要影響系統。但對低渦和煙花臺風移動路徑預報偏差大，對暴雨中心落區和量級預報偏差大，可預報性低，模式對特大暴雨和極端雨強沒有預報能力。而從7月15日開始，中央氣象臺首席預報員基于多家集合預報和確定性數值模式預報產品關注到此次暴雨過程，在早間會商明確指出華北等地16日夜間-19日將有暴雨、局地大暴雨天氣，并在7月16-22日期間一直保持與河南省氣象臺的會商，做出各種時效的預報，為正確決策提供了較好的科學依據。

目前我國定量降水預報業務建立了以數值天氣預報模式為基礎、融合多元高時空分辨率觀測及智能網格等數值模式后處理產品，預報員基于對暴雨機理的掌握，在各家數值模式產品、客觀產品性能優勢和偏差特征的認識基礎上，結合最新實況、處理海量數據，制作并發布最終的國家級定量降水預報指導產品。在對該次極端暴雨的預報中，5天預報清晰地指出暴雨過程，短時臨近預報較準確地把握了極端降水的量級和落區，體現了預報員在業務流程中的積極作用。

3 數值天氣預報在業務中的核心地位及發展歷程

3.1 發展數值天氣預報是國家經濟發展對氣象保障的主流需求

數值天氣預報是從大氣內部規律中表述天氣、氣候變化的，因此在天氣預報業務中應不斷加強研究，這對改善和提高天氣、氣候預報業務是非常重要的。這個科學思想必須牢固樹立。河南“75·8”暴雨教訓引發預報現代化必須走數值天氣預報業務道路的共識，確立了數值天氣預報是作好氣象預報預警的核心和關鍵技術。為此，葉篤正、謝義炳和鄒競蒙等國家計委氣象組專家做出了以下決定：在氣象業務部門建立業務數值預報系統，數值預報科研人員集中統一調配，要有一個正確的科學發展思路。隨后中國氣象局為此爭取了國家科委的“中期數值天氣預報”重點攻關項目和國家計委的“擴建北京區域氣象中心(建立中期數值天氣預報)”工程建設項目。科技攻關項目是工程建設的先導，工程的建設是科研攻關的落腳點。

3.2 前20年中國業務數值天氣預報的引進、吸收、使用過程

國家氣象中心1978年開始研發亞歐區域短期天氣業務預報系統，格距為540 km，簡稱為A模式；并在1980年開始發布48 h形勢預報，標志著我國數值預報進入業務實時應用階段。“六五”期間，國家氣象中心、中科院大氣物理研究所和北京大學組成聯合數值預報研究團隊，由王世平、朱抱真、陳受鈞等人組成的專家組研制了北半球(格距為381.0 km)和亞洲區域模式系統(格距為191.5 km)，簡稱為B模式，初步實現了天氣預報由定性到定量、主觀到客觀的轉化。

從社會服務實踐中發現，3天以內的短期預報已不能滿足社會需求。于是中國氣象局黨組要求建立中期(10天)數值天氣預報系統，開展中小尺度數值天氣預報和相應的臺風、暴雨、沙塵數值天氣預報，以及延伸期預報、集合預報等。

根據當時國內條件，確定我國以建立數值預報業務為主要發展方向，采取“引進、吸收、使用、提高、再創新”的技術路線，在20世紀90年代初建立起我國全球中期天氣預報業務系統和有限區域短期數值預報業務系統，使我國躋身于國際上少數能發布中期數值預報的國家行列。該系統包括T63、T106、T213和T639系列全球中期數值預報模式系統。其中，從2007年開始業務化的全球模式T639在空間分辨率、初始場同化技術、臺風Bogus技術、產品豐富性等方面都較之前的T213有長足進步，有力地保障了暴雨預報業務的發展[4]。在此期間還研發了中國氣象局第一代預報業務系統軟件MICAPS(氣象信息綜合分析處理系統)，為預報人員快速應用天氣觀測及預報數據、掌握三維大氣結構及大氣運動趨勢、形成預報結論起到了非常重要的平臺支撐作用。

20世紀80年代、90年代要解決的難題之一是計算機條件。沒有好的計算條件，數值天氣預報業務系統是建立不起來的。當時西方發達國家以計算機卡社會主義國家的脖子，中國在運用國產高性能計算機的基礎上，又打破封鎖，買到了國外最先進的巨型機系列Cray、Cyber超算機，為建立業務數值天氣預報系統奠定了硬件基礎。業務數值天氣預報實質上是多學科、多種技術融合的產品，是大氣科學工程化的一個典型。

3.3 后20年中國業務數值天氣預報的提高和創新性發展

從2001年開始，中國氣象局組織建立數值天氣預報創新基地，開始自主開發建立新一代多尺度通用的全球/區域同化與數值預報系統GRAPES[5-12]。GRAPES模式采用格點非靜力數值預報模式，能有效解決分辨率不斷提高帶來的計算瓶頸問題，適應未來高分辨率數值預報的需要。GRAPES模式系統考慮了我國復雜地形和季風氣候背景，如華南丘陵地帶、橫斷山脈、四川盆地等中國的特殊性，其精細化設計考慮了更多的中國特色，有別于歐洲中心和其他國家的數值模式系統，中國數值預報水平不斷提高。

GRAPES模式有兩個系列的應用版本：CMA-GFS(中國氣象局全球數值預報模式) 和CMA-Meso(區域中尺度模式)。該模式系統包含有全球四維變分同化系統和區域公里分辨率快速更新三維變化同化系統，實現了我國風云衛星系列與國際主要氣象衛星資料的四維同化，衛星資料應用占比已達70%。

2006年，GRAPES區域中尺度系統開始業務運行。2015年，GRAPES全球、集合數值預報系統投入業務運行。現在GRAPES系統已經在亞太臺風預報、霧霾和沙塵預報、污染擴散應急響應等系統中得到了全面應用。

后20年是中國數值預報創新性發展的20年，是中國自主研發的數值預報系統全面業務應用和不斷提高的20年，是培養和造就具有強勁自我獨立發展能力的數值預報研究隊伍的20年。

3.4 獨立自主研發具有創新性和不被“卡脖子”的數值預報業務體系

從中國數值預報的發展歷程可以看出，引進和吸收國外的模式，在數值預報發展的前期能夠較快建立業務數值預報系統，但由于歐洲中心等數值預報的核心技術往往是封鎖的，如ECMWF的同化系統和模式的最新版本，因此“引進”又制約了我國數值預報更快的發展。從社會需求和業務運行中發現的問題，明確了進一步的發展思路，即迫切需要研發中國自主創新和不被“卡脖子”的業務體系，建立一支獨立自主的研發隊伍。

4 2015年以來暴雨預報技術的發展

暴雨預報技術是數值模式基礎上的自然延伸，是提升災害天氣預報預警能力的重要手段。在實際業務中，一方面，數值模式直接輸出的預報結果與真實情況常表現出偏差，這主要是由模式自身的誤差或分辨率不足[13-16]，生成初始條件的同化方法或模式物理過程不完善，描述大氣演變的不確定性不完整[17-18]，以及用確定性公式描述大氣的不確定性[19]等造成；另一方面，業務中存在從全球到區域尺度，從確定性預報到集合預報，以及多個業務中心的數值模式系統，提供多源、多樣的海量預報信息，用戶很難從中提取出最有效的關鍵信息。為此需要發展暴雨客觀預報技術，通過偏差訂正、時空降尺度和多源信息融合等方式，以獲得更高準確率和精細度的最優預報起點，為預報員提供參考。

4.1 數值天氣預報模式的發展

數值模式的不斷發展是暴雨客觀預報方法的基礎。Robber等[20]指出，當前主要依靠三種途徑來提升對暴雨預報的能力：發展高分辨率數值模式系統直接預報降水精細特征，發展集合預報系統提供降水預報不確定性信息，將高分辨率模式與集合預報結合起來優勢互補。特別是近年來，已研發了多種技術方法來改進高分辨率模式的預報能力，特別是對流尺度模式(CPMs，Convection-permitting models)的研發和業務應用，將推動短期QPF的精細化預報再上一個臺階[21]。全球許多發達國家的業務中心都在建設對流尺度模式系統，例如美國的HRRR模式系統[22]、英國的UKV對流模式[23]、歐洲的聯合小尺度模式COSMO[24]等。我國的CMA-MESO模式時間分辨率也達到了3 km，每天更新8次，能夠更好地捕捉強降水的頻率及精細分布特征[25]。此外，將高分辨模式與集合預報結合起來，可實現優勢互補[20]，并且在業務中已形成最新趨勢，已經有多個國家的業務氣象中心開始運行業務高分辨區域集合預報[26-27]。我國數值預報中心也開發了以GRAPES全球模式產品為驅動場,集合變換卡爾曼濾波為初值擾動方法,隨機物理過程傾向項為模式擾動方法的10 km水平分辨率CMA-REPS區域集合預報模式,并投入業務運行[28]。

4.2 客觀后處理和人工智能技術在暴雨預報中的應用

由于數值預報誤差將長期存在，需要發展客觀預報方法對數值預報的結果進行后處理和訂正，消除系統性誤差。目前業務中，暴雨預報客觀方法主要包含兩類：一類是通過對數值模式輸出的各種產品(氣壓、溫度、濕度及診斷量)利用統計方法建立預報模型，得到客觀預報的降水量；另一類是在數值模式中直接輸出的降水預報結果上進行訂正，得到更為精確的降水預報產品。頻率擬合訂正技術[29]、最優百分位集合預報技術[30]、OTS最優評分訂正技術[31]等逐漸成為業務上常用的統計后處理方法，能夠有效消除模式的系統性偏差，提升對強降水預報的表征能力。Wang等[32]研發了一種基于補充網格點的多源定量降水預報融合算法，將偏差訂正和多源預報信息融合起來，并適用于業務環境下的短時序樣本條件，能夠獲得更加可靠的預報結果。上述大部分客觀預報方法提供了基礎的后處理功能，但隨著模式時空分辨率的不斷提升，能夠描述對流系統的精細結構特征，即使小的系統位置偏差也會使格點上的降水產生很大差別，這對傳統的基于“點對點”的統計后處理方式帶來很大挑戰。為解決該問題，基于“面對面”的模式后處理方法得到新的發展，典型的有考慮周圍格點的領域法[33]、將雨區作為整體的對象法[34]。這些方法能夠給出強降水的不確定性信息，更加科學合理。

面向海量的模式預報數據和觀測數據，傳統的客觀預報方法對信息的提取和推理能力還遠不能滿足需求。人工智能(AI,Artificial Intelligence)技術的興起為客觀預報方法的發展提供了新機遇[35]。AI技術，尤其是深度學習，在預報應用中的優勢主要體現在天氣系統識別、海量數據處理、空間建模、超分辨率降尺度和時空預測等方面。基于上述技術優勢，歐洲中期天氣數值預報中心(ECMWF,European Centre for Mdeium-Range Weather Forecasts)在2021年初發布的未來10年發展規劃中，深入闡明了未來AI技術在天氣預報流程中的重要性。目前業務中，AI模型在臨近預報中獲得廣泛應用，如光流法等，以便解決數值預報模式在0-2 h臨近預報上表現不足[36-37]的問題。業務上常用的外推方法，由于拉格朗日守恒和平滑運動場假設，仍存在著局限性。基于深度學習的臨近預報模型，不依賴物理框架，通過雷達等觀測數據訓練模型并預報回波的運動過程，可以很好地模擬傳統方法難以預測的非線性降水，已有研究對這方面工作做了全面回顧。清華大學軟件學院提出預測循環神經網絡(PredRNN，Predictive Recurrent Neural Network)和運動循環神經網絡(MotionRNN，Motion Recurrent Neural Network)模型，對捕捉和預測動作空間和時間內部復雜變化的能力有顯著提升，并應用于雷達數據驅動的短臨預報，在國家級業務單位得到初步應用。盡管AI技術表現出巨大潛力，但其在算法的選擇、算法的數據基礎、融合海量數據及模型的可解釋性、可信度、可用性和工程化流程等方面存在諸多挑戰，還需要持續深入研究，以便解決暴雨預報中的難點和關鍵問題。

5 2015年以來極端降水基礎科學研究的發展

5.1 全球變暖背景下有關極端降水的天氣和氣候研究成為熱點

過去一個世紀持續的全球變暖和城市化已經導致所有季風地區極端降雨事件的強度和頻率顯著上升[38]。近年來極端降水統計研究[39]揭示了華北、西南和華南是我國主要的強降水區，其時空分布和相關的天氣系統也被揭示[40-44]，全球變暖背景下極端降水的變化及其機制[45-46]也成為研究的一個熱點。然而在區域尺度上，大尺度環流仍然是不確定性來源之一，當前氣候模式模擬極端降水的不確定性大，仍是科學研究中的難點。極端降水產生于有利的大尺度環流背景下。近年來也有通過聚類和合成分析揭示我國不同地區極端降水的大氣環流特征及其年際變化，如與華北極端降水有關的大尺度環流[47-48]、產生華北持續性極端暴雨的經向、緯向和減弱的登陸臺風三種環流型[49]；也有研究分析了華北極端降水年際和年代際變化有關的太平洋年代際震蕩等。以上研究從大尺度環流方面豐富了對極端降水的關鍵動力過程的認識。

5.2 更高時空分辨率的觀測研究推進極端降水的中尺度機制認識

2015年以來隨著我國氣象觀測布網的進一步發展和多源觀測融合技術引進，對于極端降水觀測、對流發生發展機制的研究得到了進一步發展，具體包括隨著雙偏振雷達和雨滴譜等觀測的發展，在華北夏季極端降水、華南前汛期極端降水和梅雨鋒強降水的鋒面對流觀測方面也取得一定進展，如北京“7·21”和廣州“5·7”極端降水的鋒面對流回波結構研究均表明鋒面附近強降水對流系統呈現低質心的結構[50]。2014年7月11-14日梅雨鋒鋒面附近對流同樣呈現線狀對流和沿鋒面的對流單體分布,對流發展高度高,回波強度強[51]。通過多次機載觀測，揭示了華北層積混合云中的積云中存在的播種-供給機制，并發現云水豐富、上升氣流強的層云可以發展為積云，同時對對流泡的尺度、上升強度均作了觀測[52-53]。通過雷達和地面高時空分辨率自動站等常規非常規觀測資料，揭示了梅雨鋒對流觸發和維持的機制、產生極端降水的對流的觸發和組織過程[54]等，進一步認識了直接產生極端降水的中尺度對流的云物理和動力過程。

5.3 極端降水的影響研究有助于推進極端降水帶來的洪水內澇等風險防控

我國已有研究表明，珠江三角洲和長江三角洲的極端小時雨強的增加和快速城市化之間可能存在聯系，而城市熱島效應可能對極端小時雨強的增強有作用[55-57]。除了城市熱島，污染物導致的凝結核增強和微地形阻礙也有可能使城市降雨強度和頻率高于郊區的頻率和強度[58]。對于極端降水的影響研究表明，從1961年到2017年中國許多地方的洪水風險都有所增加，隨著城市化進程和全球變暖，全球暴露于洪水風險中的人口在增加[59]，同時我國暴露于極端降水事件影響區域內的人口和國內生產總值均呈顯著增大趨勢[60]。而城市化和人類活動引起的下墊面變化等因素導致的城市洪澇問題越來越突出[58]。因而全球變暖背景下，快速城市化進程中在城市規劃、基礎設施建設中需要充分考慮城市突發極端降水的影響，同時要建立城市洪澇應急預案，提升城市抗災減災能力。

5.4 直面可預報性的挑戰

隨著雷達、衛星等多種常規和非常規的高時空分辨率觀測和中尺度數值模式的發展，對可以產生極端降水的強對流風暴可預報性的研究也逐漸增多[61-65]。研究表明，強對流風暴時空尺度小，受到初始擾動、濕對流過程、復雜地形等多因素影響，可預報性時效較短[61]。相對而言，數值模式對其大尺度環境條件可預報性相對較高，而對對流觸發、位置、結構、演變預報不確定性十分大[61]，是預報中的難點。目前國外在野外觀測實驗、可預報性研究和目標觀測方面均取得一些有意義的進展[66]，由于我國雨帶推進受季風影響，地勢復雜，極端降水頻發，極端暴雨的可預報性研究也需要系統的開展。

6 從75·8到21·7的思考

同一地區歷經的兩次極端暴雨過程的預報服務和應急處置等方面的明顯不同，給我們提出了諸多可以思考的問題。

6.1 預報服務和應急決策的思考和建議

(1)“21·7”極端暴雨預報服務的成功經驗表明，預報業務流程和組織方式會對防控突發災害起到作用，以大氣環流為背景，做好月預報、延伸期預報、著重關注中期預報特別是5天以內的預報、短時臨近預報及有針對性的動態風險評估是當前預報服務的重點工作，也是預報員基于業務數值天氣預報并發揮其智慧可以做到的工作。

(2)對突發的自然災害預警在于科學的研判，不作無用的表面化的工作，不把精力放在是否是千年、百年一遇及不可檢驗和無實際應用價值等方面的工作，科學研究必須要有明確目的，要為以后的監測、預報、預警、服務和決策等起到提高促進作用，還要區分長遠性和急需性。

(3)對災害預警程度不應有過度的要求，不能不加分析地指責預報量級及落區不準等，要看到大氣變化規律的復雜性和納入預報方案的困難性。依據集合預報等數值預報產品，拓展思路，分析災害天氣極端的可能性。

(4)進一步提高次生災害高風險區預判能力。在強降雨致災決策氣象服務中，需進一步提高強降雨實況和強降雨預報落區疊加效應致災的敏感性，提高次生災害高風險區預判能力和決策氣象服務效率。

(5)開展風險區劃工作，是極端天氣預報、預警的背景，但更重要的是要結合中國特色的氣象需求，特別在基層鄉村的防災減災和人民生命財產的保護和建設中的高速發展、人口的遷移等社會背景及受災體變化等開展動態的風險評估工作，提高災害影響預估研發能力，為決策提供支撐。

(6)建設完整的監測系統，開展及時準確的預報預警工作，并開展靈活有針對性的服務和快速制定有效措施，建立統一指揮的防控體系。

(7)大氣規律的認識需要很長的時間，不可能立刻解決現有的不足。因此發揮基層氣象業務部門的預報員的智慧更為需要。數值預報的發展，結合預報員對局地地形及天氣特點的認識和智慧應用會有更好的效益，使中國式的氣象服務落實到鄉鎮，應急做到基層。

6.2 預報技術的思考和建議

(1)極端降水預報一直是業務降水預報的難點。有針對性提升全球和區域業務數值預報模式對極端強降水的預報能力，發展中尺度集合預報系統，加強中尺度模式及其集合系統的檢驗評估和應用，研發相應的后處理技術，進一步提升其預報準確率。

(2)分析業務數值預報模式的偏差原因，加強對集合預報產品的分析和應用，開展集合敏感性試驗和聚類分析等，發展極端強降水“集合異常預報法”，建立基于異常度的極端強降水集合概率預報，提高對極端強降水的預報能力，包括提前預警能力和預報準確率等。

(3)發揮預報員的智慧，在極端強降水成因分析基礎上，既要注重對關鍵天氣尺度系統、動力條件、水汽條件等異常特征的分析，也特別需要加強對地形增幅作用及中尺度對流系統發生發展規律的分析。

(4)發展不同區域持續性和短歷時極端強降水物理概念模型和診斷分析技術，充分利用大數據和人工智能等技術，研發基于可預報性的極端強降水客觀預報技術。

致謝：在成文過程中，陳濤、蘇愛芳等在預報服務、模式檢驗方面進行了有益的探討，張立生、張芳、王雨、程佳佳、黃麗萍等在繪圖方面提供了許多支持，在此表示感謝。