基于CMA區域集合預報的暴雨災害風險預估研究
——以“21·7”河南暴雨為例

劉 揚， 唐 健， 王 鑄， 王莉萍, 張 霞

(1.國家氣象中心， 北京 100081; 2.中國氣象局·河南省農業氣象保障與應用技術重點實驗室，鄭州 450003；3.河南省氣象臺，鄭州 450003)

引 言

風險是兩個主要因素的函數[1]:(1)某一事件發生的概率或一系列不同強度事件發生的概率;(2)事件的后果。WMO建議同時考慮氣象災害發生的可能性及其潛在影響，構成風險矩陣，從而進行風險評估并發布預警信息[2]。2010年，美國國家科學院出版的一份關于天氣、氣候預報不確定性的調研報告強調，由于天氣氣候預報存在不確定性，要利用天氣、氣候預報作出比較好的決策，至關重要的一條就是要正確刻畫或表征預報的不確定性，并且在用戶和預報部門之間進行充分的交流。因此如何正確認識和科學對待天氣預報的不確定性，從而合理表征與充分交流不確定性，是業務預報部門亟待解決的重要問題[3]。

集合數值預報是單一值確定論預報向多值的概率預報轉變的關鍵技術基礎，其中心任務就是要定量估計預報不確定性的分布[4]。集合預報，針對數值預報的誤差來源，采用合理的擾動原理和擾動方法，構造能沿著模式大氣相空間最不穩定的方向快速增長的擾動場與集合預報成員，不僅大大提高了人們對暴雨等天氣過程的認識和預報能力，更進一步將自然科學和社會科學緊密聯系，使自然科學更好地解決社會生產生活問題，為合理安排生產和生活活動、抵御暴雨等災害提供有力的技術保障[1,5-6]。

由于集合預報系統能夠很好地考慮到模型的不確定性，國內外學者已經嘗試將集合預報應用于洪水、山洪預報及早期預警和洪災風險評估中[7-9]。集合預報系統能對未來的水文事件進行最大可能估計，并給出了一個廣泛的結果區間，綜合了所有造成預報不確定性的因素。基于水文集合預報的洪水預報增加了預報附加值，并能夠延長預警提前時間[10]。

另外，集合數值預報在一些專業氣象預報中也得到了應用[11]。如用ECMWF集合預報與海浪預報模式耦合，每天發布海浪集合預報；法國氣象局用污染模式與ECMWF集合預報模式耦合，預報海面石油泄漏形成的污染物漂移過程；還有將集合數值預報產品應用到未來1-10天電力需求的預報中等等。諸多研究指出，基于集合預報的概率預報遠比單一的確定論預報經濟效益高[12-14]。

降水預報的不確定性是產生其下游預測不確定性的重要部分。傳統的確定性預報對暴雨的預報能力有限，導致在此基礎上進行的暴雨災害風險評估可信度降低。近年來，集合數值天氣預報技術的發展，為降水預報、洪水預報及早期預警提供了新的思路[15]。集合預報技術的發展，有助于提高暴雨預報能力，對作出合理的暴雨災害風險估計和評價非常有益[1，16]。而目前應用集合預報進行暴雨災害風險預評估的研究還比較少見。

國家氣象中心目前已有業務化應用的暴雨災害風險評估模型[17-18]。該模型基于確定性降水預報，預估降雨綜合強度，生成暴雨災害綜合風險預估產品，已應用于決策服務材料及相關部級聯合會商中。將該模型與集合預報系統耦合，可進行基于集合預報的暴雨災害風險預估研究。

2021年7月17-22日，河南省出現了歷史罕見的強降雨天氣過程，對經濟社會運行和人民生命財產安全造成嚴重危害。本研究以“21·7”河南暴雨事件為例，嘗試開展基于集合預報的暴雨災害風險預估，檢驗集合預報對暴雨災害風險預估準確度和預見期的提升效果。

1 研究數據

集合預報數據：對比國內外各類集合預報產品的時空分辨率，考慮中國區域暴雨災害風險預估的實際需要，選用空間分辨率較高的CMA(China Meteorological Administration)區域集合預報數據開展研究。CMA區域集合預報模式(原名GRAPES-REPS V3.0區域集合預報模式)水平分辨率為10 km,以CMA全球模式為驅動場，初值擾動方法為集合變換卡爾曼濾波，模式擾動方法為隨機物理過程傾向項，2019年投入業務運行；CMA區域集合預報的集合平均降水BIAS評分及小雨和暴雨ETS評分均明顯優于ECMWF全球集合預報系統的評分，降水概率預報與ECMWF的降水概率預報具有一定可比性，對中國汛期降水具有較強的預報能力[19]。CMA區域集合預報共有集合預報成員數15個，包含1個控制預報和14個擾動成員。預報區域為中國區域，預報時效為84 h(起報時間為世界時00時、12時，下同)。

降水實況數據：基于中國逐小時降水實時融合實況分析產品[20]累加而得的逐日降水實況分析產品，覆蓋中國區域(0°-60°N，70°-140°E)，空間分辨率為0.05°×0.05°。CMPAS中國逐小時降水實時融合實況分析產品是利用地面降水觀測資料、雷達定量估測降水數據和衛星反演降水數據，采用偏差訂正、融合分析等技術研制而成，對強降水估算準確率較高[21-22]。

2 研究方法

基于國家氣象中心目前業務化應用的暴雨災害風險評估模型，調整預報數據接口和模型分辨率，將CMA區域集合預報數據與模型耦合；運用模型進行風險預估，得到與集合預報成員相同數目的風險預估結果；對比基于控制預報和基于擾動成員預報的風險預估結果，研究集合預報在災害風險預估中的應用效果。

根據各集合成員的風險等級預估，可以計算風險等級概率。本研究使用概率預報中常用的方法，即根據滿足條件的成員個數來確定概率[23]。若預報超過某風險等級的成員有M個，集合成員數為15個，則該風險等級概率為M/15。

在業務應用中，常需要將集合成員集成起來形成單值預報[24]。運用集合定量降水預報集成方法——概率匹配平均法(Probability Matching，簡稱PM)[25]集成各成員的風險預估結果。該方法不需要歷史樣本，能結合具有較好空間分布的集合平均和具有更好量級準確度的集合成員預報，可以更有效地利用各集合成員的信息[26]。PM產品可以提高降水落區和強度的預報效果，對于暴雨和大暴雨預報具有一定參考價值，已在業務預報中得到較好的應用[27-30]。因此將該方法運用于風險預估集成。

具體步驟[25-26]：選定某一矩形格點區域(區域緯向w個格點、經向h個格點)，計算該區域的集合平均場，并將w×h個格點集合平均值從大到小排列得到序列A；每個格點上有m個成員，將區域內的w×h×m個集合成員預報值從大到小排列得到序列C；將序列C順序劃分為w×h個長度為m的序列段，從每個序列段抽取中值從大到小排列形成序列B；用序列B的值替換A相同位置的平均值；將序列A恢復到集合平均場的原位置，即得到概率匹配平均場。

3 研究結果

2021年7月17-22日，河南省出現歷史罕見的極端暴雨過程，強降雨主要集中在7月19-21日(圖1)。7月20日，強降雨范圍最大，河南中部和北部均出現大暴雨以上量級的降水(日雨量超過100 mm)。圖2為CMA區域集合預報模式對7月20日降水量預報，包括1個控制預報和14個擾動成員預報，起報時間為19日00時。控制預報在河南中部超過100 mm，但在河南北部預報較實況明顯偏弱，僅預報25～50 mm。在14個擾動成員中，有9個成員預報河南北部降水量大于50 mm，其中有5個大于100 mm(圖2d、i、j、l、o)，提示河南北部有出現暴雨或大暴雨的可能性。

圖1 2021年7月19日00時-20日00時(a)、20日00時-21日00時(b)、21日00時-22日00時(c)河南及周邊累計降水量實況

圖2 CMA區域集合預報模式對2021年7月20日00時-21日00時河南及周邊累計降水量預報 (a)控制預報，(b)-(o)14個擾動成員預報；起報時間為19日00時

以各集合成員分別驅動暴雨災害風險預估模型，得到風險預估結果(圖3)。風險等級2表示較高風險，3表示高風險，4表示極高風險。基于控制預報的預估結果在河南中部有極高風險，在河南北部有較高風險，與控制預報的降水分布比較一致。同時，有多個擾動成員在河南北部預估了極高風險。計算風險等級概率(圖4)可見，河南北部有70%～90%的概率存在較高風險，有超過50%的概率存在高風險，有10%～30%的概率存在極高風險。相比單一基于控制預報的預估結果，基于集合預報的風險評估提示了河南北部暴雨災害高風險、極高風險的可能性。

集成各集合成員的風險預估結果(圖5)，集合平均和概率匹配平均的空間分布形態相似，概率匹配平均的風險等級更高。與控制預報(圖3a)相比，集合平均和概率匹配平均都削弱了對河南南部的高風險預估，更接近實際情況；但集合平均的風險等級整體偏低，為2～3級；概率匹配平均的風險等級強度與控制預報基本相當，為2～3級、局地4級，且3級風險區范圍較控制預報的向北擴展，表明河南北部存在暴雨災害高風險，彌補了單一控制預報在河南北部預估偏弱的問題。

圖3 基于CMA區域集合預報模式的2021年7月20日河南及周邊暴雨災害風險預估(a)控制預報，(b)-(o)14個擾動成員預報；起報時間為19日00時

圖4 基于CMA區域集合預報的2021年7月20日河南及周邊暴雨災害風險等級概率預估(a)≥2級，(b)≥3級，(c)4級；起報時間為19日00時

對于2021年7月20日的暴雨災害，計算不同預報時效的基于單一控制預報的預估結果(RISK_Ctrl)、基于各擾動成員的預估結果(RISK_Members)、概率匹配平均預估結果(RISK_PM)與真實值的空間相關系數，比較這三者的預估準確性(圖6)。由于缺乏精細可靠的實際災情數據，將基于實況降水的災害評估結果,近似作為真值。可以看出，在24、48、72 h各個預報時效，RISK_PM預估結果與真值的空間相關系數均高于RISK_Ctrl預估結果與真值的相關系數，且高于絕大多數RISK_Members預估結果與真值的相關系數，說明概率匹配平均集成效果較好。而且，隨著預報時效增加，RISK_PM與RISK_Ctrl的偏差增大，表明預報時效越長，集合預報的優勢越明顯。

圖5 2021年7月20日河南及周邊暴雨災害風險等級預估集成結果 (a)集合平均，(b)概率匹配平均；起報時間為19日00時

圖6 2021年7月20日不同預報時效的基于單一控制預報、基于各擾動成員、概率匹配平均的暴雨災害風險預估與真實值的空間相關系數

4 結論和討論

本研究以“21·7”河南暴雨事件為例，將CMA區域集合預報與暴雨災害風險預估模型耦合，對比基于控制預報和基于擾動成員的風險預估結果，預估各風險等級概率，并運用集合平均、概率匹配平均法將集合成員集成，探索了集合預報在暴雨災害風險預估中的應用途徑和效果。結果表明：

(1)控制預報對河南中部大暴雨和極高災害風險預估較好，對河南北部的降水和風險預估偏弱；基于集合預報的風險預估，河南北部有超過50%的概率存在暴雨災害高風險，有10%～30%的概率存在暴雨災害極高風險，提示了河南北部暴雨災害高風險和極高風險的可能性。可見，集合預報能為暴雨災害風險預估提供更多信息。

(2)概率匹配平均法能有效集成基于集合預報的風險預估結果，優于集合平均。概率匹配平均的高風險區范圍較控制預報的向北擴展，彌補了控制預報在河南北部預估偏弱的問題。在24 h、48 h、72 h預報時效，概率匹配平均與真值場的空間相關系數均高于基于單一控制預報和絕大多數擾動成員的預估結果與真實值的空間相關系數，且預報時效越長，概率匹配平均的優勢越明顯。

本研究以“21·7”河南暴雨事件為例開展試驗研究，關于集合預報在暴雨災害風險預估中的應用效果，還需要更多案例驗證和更深入的分析。