长江流域多模式降雨预报效果检验

邱 辉 李春龙 张方伟

(长江水利委员会水文局，湖北 武汉 430010)

长江流域多模式降雨预报效果检验

邱 辉 李春龙 张方伟

(长江水利委员会水文局，湖北 武汉 430010)

2016年夏季，长江流域暴雨过程频繁，数值模式预报在防汛预报中起到了重要作用。回顾了2016年6～7月长江流域的降雨过程，对长江水利委员会水文局运行的WRF模型、中国气象局T639模式、欧洲中心细网格降雨预报、日本气象厅数值模型降雨预报与降雨实况进行了对比分析，并选取了一次典型强降雨过程进行个例分析，比较了多种数值模式对长江流域分区面雨量的预报效果。结果表明,长江流域26个分区的预报评分差别较大，区间越小，TS评分越低。总体而言，分辨率较高的ECMWF和WRF模式对强降雨过程的模拟较为精确，尤其是ECMWF的预报具有较高的参考价值。

降雨预报；数值预报; 模糊评分; 检验评估；长江流域

随着气象业务现代化建设的迅速发展，数值预报产品不断增多，已经成为日常预报的主要参考依据[1-2]。但由于数值模式受初值、物理过程和地形等多因素影响，数值预报产品存在一定的预报误差[3-5]。对于预报业务而言，全面了解一种模式的性能十分重要，开展数值预报产品检验有利于加深对数值模式的认识，对不同数值预报产品的解释应用、适当选取合适的预报产品进行订正是数值预报的关键问题。

数值预报产品的相关研究较多，肖红茹等人对比了T639和ECMWF(欧洲中心)模式预报产品性能的优劣[4]。屠妮妮等人对国家气象中心T213、T639全球模式、成都区域中心实时运行的AREM、GRAPES和MM5中尺度数值模式预报结果进行了研究[5]，通过对比分析我国9个重要站点日降雨量的预报效果，发现各模式对我国西部城市降雨预报能力偏弱。付伟等人对比了JMA、T213、GRAPES、MM5、T639和德国6种数值模式产品对芜湖市地面气温及降水预报效果[6]。张宁娜等人通过对 T639、T213、德国及欧洲中心等数值预报产品在东北地区降水预报中的应用检验[7]，发现德国模式对东北地区晴雨和一般性降水的预报效果较好。肖明静等人分析了山东区域MM5、WRF-RUC (WRF快速循环同化系统)和T639模式24h、48h累积降水预报产品[8]；高松影等人对日本数值模式暴雨预报性能和误差进行了检验和分析[9]。

关于数值预报产品对站点降水预报效果检验和对比分析的研究较多，而对面雨量预报的检验和分析较少，因此，本文利用天气预报业务中常用的 WRF、T639、ECMWF(欧洲中心)和JMA(日本) 等4 种模式产品，针对2016年6～7月长江流域的降雨，利用不同的面雨量评分方法，评估不同模式的预报效果，掌握不同降水预报产品的优点和缺点，以期能够科学有效地合理利用数值预报产品，提高面雨量的预报准确率。

1 资料和方法

1.1 资 料

实况降雨资料来自国家基本气象观测站和长江流域水文自动测报站降雨观测资料，常用雨量站共3 517个。模式降雨资料分别来自长江水利委员会水文局运行的WRF模型、中国气象局T639模式、欧洲中心ECMWF细网格降雨预报及日本气象厅JMA数值模型降雨预报资料，网格分辨率分别为：27 km×27 km、1.0°×1.0°、0.125°×0.125°、1.25°×1.25°。

1.2 方 法

1.2.1 面雨量

长江流域按照流域特性分为26个区间，面雨量计算采用泰森多边形法(Thiessen Polygons)。首先通过连接相邻降雨量观测站点，将区域划分为大量的锐角三角形，然后在三角形的每一边作垂直平分线，每一个站点周围相互的垂直平分线形成一个多边形，计算此多边形面积与流域面积的比值，作为该站点相对整个流域面雨量的权重系数，最后用各站点降雨量与其所占面积权重相乘后累加即为流域面雨量。

参考《中国江河面雨量等级》划分标准[10],将日面雨量划分为小雨(0.1～5.9 mm)、中雨(6.0～14.9 mm)、大雨(15.0～29.9 mm)、暴雨(30.0～59.9 mm)、大暴雨(60.0～150.0 mm)和特大暴雨(>150.0 mm)6级。

1.2.2 降雨预报检验

(1) 平均绝对误差：

其中，n为预报天数，RF为预报面雨量，RO为实况面雨量。

(2) 面雨量模糊评分检验。根据中国气象局发布的《全国七大江河流域面雨量监测和预报业务规定》(试行)，面雨量检验可以采用模糊评分检验方法。

当空报和漏报时，模糊评分为零，实况无雨且预报无雨时，不参与评分。其他情况模糊评分数值应与3个因子有关：预报等级j、等级误差|Fi-Oi|和该等级最大等级误差Max(j)。用式(1)表示第i个代表站点(格点)第j级降雨预报的模糊评分

(1)

式中，第一项是有雨预报正确的基础分，规定为60分；第二项是强度(等级)预报的加权分。根据模糊评分的式(1)可知，当预报等级和实况等级一致时(即等级误差为零)，该等级预报评为100。当预报等级有误差时，按其误差大小给分。误差越大，分值越低。可以看出，根据误差大小计算的模糊评分，表征预报贴近实况的程度，分值越高，预报越接近于实况。

(3) TS评分。检验方法采用目前气象部门应用比较广泛的《中短期天气预报质量检验办法》，采用TS评分来检验面雨量的预报效果。对降水分级检验：

2 结果与分析

2.1 平均绝对误差

图1给出了2016年6～7月长江流域多模式24 h，48 h，72 h面雨量预报平均绝对误差。从图1中可以看到，对24 h降雨预报，JMA模式的预报误差最小，其次为ECMWF；48 h预报，ECMWF的平均绝对误差最小，其次为JMA,72 h预报，T639平均绝对误差最小，其次是ECMWF。

图1 2016年6～7月长江流域多模式面雨量预报平均绝对误差

2.2 模糊评分

图2给出了2016年6～7月ECMWF、JMA、T639、WRF共4种数值模式对长江流域不同时效(24～72h)面雨量预报的模糊评分。从图中可以看出，随着预报时效的延长，4种模式预报的模糊评分变化不是很大。从降雨等级来看，4种模式对小雨、中雨和大雨预报的差别不大，对暴雨及大暴雨预报的差别相对较大，其中，JMA模式预报评分相对较好，最具有参考意义。

图2 2016年6～7月长江流域多模式面雨量预报模糊评分

2.3 TS评分

2.3.1 流域平均TS评分及空报率和漏报率

图3～5给出了2016年6～7月ECMWF、JMA、T639、WRF共4种数值模式对长江流域不同时效(24～72 h)面雨量预报的TS评分、空报率和漏报率。从中可以看出：

图3 2016年6～7月长江流域多模式面雨量预报TS评分

图4 2016年6～7月长江流域多模式面雨量预报空报率

图5 2016年6～7月长江流域多模式面雨量预报漏报率

(1) 随着面雨量预报等级的增加，4种模式预报的TS评分均明显下降，各等级的TS评分中，4种模式相差不大。其中24 h预报中，ECMWF、JMA和WRF模式预报TS评分差别不大，T639对晴雨、小雨预报评分较低，但中雨以上等级预报评分较高。

(2) 4种模式对中雨以上级别的空报率和漏报率较高，均在70%以上。

2.3.2 长江流域分区面雨量24 h预报TS评分

根据以上分析可知，3 d以内各模式预报差别不大，因此对长江流域各个区间面雨量分析时仅分析24 h预报。图6～9给出了2016年6～7月长江流域26个分区晴雨、小雨、中雨和大雨预报TS评分。从图中可以看出:

(1) 由于区间不同，模式的预报评分差别较大，其中金沙江流域的评分最高；

(2) 对于晴雨预报，4种模式之间的差别不大；

(3) 对于小雨以上级别的预报，4种模式间差别较大，整体上讲，金沙江流域的预报评分最高，澧水、陆水、武汉等小区间的预报评分较低。

图6 2016年6～7月长江流域26个分区24 h晴雨预报TS评分

图7 2016年6～7月长江流域26个分区24 h小雨预报TS评分

图8 2016年6～7月长江流域26个分区24 h中雨预报TS评分

图9 2016年6～7月长江流域26个分区24 h大雨预报TS评分

2.4 典型降水过程面雨量预报检验评估

2016年6月30日～7月6日，长江中下游发生了入汛以来最强的一次降雨过程，强降雨过程自长江上游开始，在长江中下游长时间维持，本次强降雨过程维持时间7d，强度也为入汛以来最强，过程降雨中心位于长江中下游干流一线(图10)。

图10 梅雨期主要降雨过程累计降雨分布(2016年6月30日～7月6日)

图11 7月1～3日长江流域实况累计降雨分布及4种模式3 d累计雨量预报

考虑到模式缺报的问题，这里对4种模式6月30日20：00对未来3 d累计雨量预报进行分析。图11给出了7月1～3日长江流域实况累计降雨分布以及4种模式3d累计雨量预报图。

7月1～3日实况降雨位于洞庭湖至长江下游一线，面雨量为100～200 mm，其中长江下游干流附近有大于250 mm的降雨中心。从雨带分布来看，4种模式基本模拟出该次降雨过程雨带分布，但从量级上来看， WRF模式的预报与实况最为接近，其次为ECMWF，JMA降雨量级预报偏小，降雨中心位置偏西，T639降雨量级预报更偏小，降雨中心位置偏西南。

3 结 论

本文检验评估了ECMWF、JMA、T639和WRF等4种模式对2016年6～7月长江流域面雨量预报效果，并选取了一次强降雨过程进行典型个例分析，结论如下：

(1) 平均绝对误差检验显示，ECMWF和JMA模式的预报误差较小；

(2) 模糊评分和TS评分结果显示，4种模式对长江流域面雨量预报没有较大差别；各模式对长江流域面雨量预报均具有参考价值；

(3) 分区面雨量TS评分显示，由于分区不同，各区间模式的预报评分差别较大，其中金沙江流域面雨量预报较为稳定，各模式预报效果较好；澧水、陆水、武汉等小区间的预报评分相对较低。

(4) WRF模式和ECWFM模式对强降雨过程的模拟较好，雨带和量级预报较为准确，具有重要的参考意义。

综上，分辨率较高的ECMWF和WRF模式对雨带的把握较为精确。但由于本文分析的时间长度只有2016年6～7月，得到4种模式在长江流域面雨量预报能力上的一些初步结论，各模式的预报性能还有待于今后积累更长时间序列资料进行评估分析。

[1] 许敏，丛波，刘艳杰,等．廊坊地区5 种数值模式降水预报性能检验与评估[J]．气象与环境学报，2016，32(1):9-15．

[2] 朱占云，陈光宇，姜瑜君,等．浙江省六大水库流域面雨量模式预报效果检验[J]．气象与环境学报，2016，32(3):28-33.

[3] 崔锦，周晓珊，张爱忠,等．天气学检验在东北区域数值模式秋冬季降水预报中的应用[J].气象与环境学报，2009，25(4)：17-21.

[4] 肖红茹，王灿伟，周秋雪,等.T639、ECMWF 细网格模式对2012 年5～8 月四川盆地降水预报的天气学检验[J].高原山地气象研究，2013，33(1)：80-85.

[5] 屠妮妮，何光碧，张利红.成都区域气象中心业务数值预报产品检验分析[J].高原山地气象研究，2010，30(1)：21-28.

[6] 付伟，吕娟，何冬燕．六种数值模式对芜湖市地面气温和降水预报的对比检验分析[J]．气象与环境科学，2010，33(Z1) :109-114.

[7] 张宁娜，黄阁，吴曼丽,等．2010 年国内外3种数值预报在东北地区的预报检验[J]．气象与环境学报，2012，28(2) :28-33．

[8] 肖明静，盛春岩，石春玲,等．2010 年汛期多模式对山东降水预报的检验[J]．气象与环境学报，2013，29 (2) :27-33．

[9] 高松影，刘天伟，李慧琳，等．日本数值产品对丹东暴雨预报的天气学检验与误差分析[J]．暴雨灾害，2011，30(3) :234-240．

[10]GB /T 20486—2006江河流域面雨量等级 [S]．

(编辑：唐湘茜)

2017-03-31

邱辉，女，长江水利委员会水文局，高级工程师.

1006-0081(2017)06-0039-04

P426.6

A

水文预报