利用天气关键区相似法预测西江流域6月延伸期强降水天气过程

郑凤琴，钟利华，罗小莉，韦晶晶，史彩霞

(广西壮族自治区气象服务中心，广西 南宁 530022)

引 言

西江流域全长2214 km，整个水系流经云南、贵州和广西三省(区)，在珠江流域三大水系中属最大的水系[1-2]，蕴藏着丰富的水力资源，是我国发展水力发电的重要基地。近年来，以全球变暖为主要特征的气候变化引起的旱涝气象灾害越来越多[3-4]，尤其在汛期，受夏季风影响，西江流域降水强度大且集中，时常因持续性强降水引发流域性洪涝灾害[5]，对该地区防灾减灾和经济发展构成严重危害。据统计[4]，西江流域降水量和区域性暴雨天数的高峰月均为6月，严重的洪涝灾害也频繁出现在6月，如1994、1998、2005、2008年6月均出现流域性大洪涝。西江流域洪涝灾害不但严重危害流域沿线的各行各业，而且对珠江三角洲地区的安全造成极大威胁。因此，做好西江流域延伸期降水过程的预测工作具有重要意义。

随着国民经济的快速发展以及防灾减灾需求的不断增加，政府和各行业对气象服务的要求也越来越高[6]。所以，延长灾害性天气过程的预报时效，做好10～30 d延伸期天气过程的预测对加强流域气象灾害服务、减轻气象灾害对生产生活的危害具有重要意义[7-10]。在延伸期天气过程的预测方面，国内外针对不同区域和季节开展了一些适合本地的延伸期内主要降水过程的预测[11-14]，预测方法主要有低频天气图法[15]、韵律方法[16]、低频波法[17]和环流异常相似信息法[18]等，并取得了一些有意义的研究成果。其中，低频天气图法通过对低频气旋和低频反气旋造成的南北气流辐合情况进行分析，开展延伸期强降水过程的预报[19-20]；环流信息相似法利用NCEP/NCAR再分析资料提取强降水过程的主导系统[21]，综合考虑降水的环流、天文、海洋等外强迫因子和降水自身的年际、年代际特征[22]，结合自回归[23]、相似集成[24]等统计方法进行天气过程的预报试验。针对横跨云南、贵州和广西的西江流域强降水过程的延伸期预测研究较少，然而每年前汛期6月多雨或持续性强降水过程，对该地区洪涝灾害和经济发展等带来较大影响。本文利用西江流域135个气象站点资料和NCEP/NCAR资料，利用多雨年大气环流合成分析，确定影响强降水过程的天气关键区范围，将降水关键系统组合成一个新的环流场，再采用动态相似集成预报方法，对西江流域延伸期内主要降水过程进行预测，以期对延伸期降水天气过程预测提供一个新的方法和思路。

1 资料与方法

1.1 资 料

采用1960—2017年1—6月NCEP/ NCAR北半球500 hPa的逐日高度场再分析资料，水平分辨率为2.5°×2.5°；同期西江流域范围(21.3°N—27.0°N、102.2°E—112.1°E)内135个气象站(广西90个，云南23个，贵州22个)逐日降水量资料，西江流域气象站点分布见图1。参考中国气象局预报与网络司发布的《月内强降水过程预测业务规定》，并结合西江流域降水气候特征，当135个站点有30%及以上站点日降水量≥25 mm，则记为一次西江流域强降水过程，其出现日期定为强降水过程日。

图1 西江流域135个气象站点分布Fig.1 Distribution of 135 meteorological stations in the Xijiang River Basin

1.2 方 法

天气过程的发生、发展与大气环流的演变有密切关系[25]，对西江流域的天气过程进行预测，需找出造成该区域强降水的天气关键区及影响系统，进而利用动态相似集成预报方法，寻找最佳形值相似年，对强降水过程的出现时段进行预测。该方法具体包括两个步骤：

(1)利用1960—2012年6月西江流域各气象站点降水量距平百分率的累计序列，从大到小进行排序，取前10个典型多雨年和典型少雨年，计算同期(6月)NCEP/ NCAR 500 hPa环流场差值图，进而对差值图各格点进行统计t检验，把通过α=0.10显著性检验以上的中心确定为大气活动中心，结合天气系统的位置和预报经验，取该中心15～20个纬距、20～40个经距范围作为西江流域强降水过程的天气关键区。

(2)把强降水天气关键区范围内的所有格点进行组合构成一个新的格点场。这样处理的好处一是所选区域天气学意义更加清晰，二是减少矩阵空间点、减轻计算量，实现快速运算满足实际业务需求，且如果每天全球或北半球的所有格点参与计算，可能增加一些不必要的干扰，导致协方差矩阵趋于退化。然后利用动态相似集成预报方法，根据集合预报的基本思路[26-28]，采用经验正交函数(EOF)对新格点场进行展开：

①应用动态相似集成方法，对距离预报月最近若干时段内的天气关键区500 hPa逐日环流场进行EOF展开[29]。

②通过EOF的主要特征恢复场(前5个)分别与1960年以来各年同期同区域EOF主要特征恢复场进行比较，根据相似指数计算方法[27]，利用公式(1)计算相似系数，找出第一个相似年。

(1)

式中：S为平均距离；Eij为欧式距离；rij为相似系数；i为预测年的气象场；j为1960年以来各年气象场；n为网格点数；R为相似指数，其值域为0≤R≤2，R=0表示相似的最好水平，R=2表示最不相似的情形。

③资料选取的初始时间后移10 d，以同样的方法找出第二个相似年。

④资料选取时间不断后移10 d，进行EOF展开，共找出5个相似年。按照公式(2)将寻找出的5个最佳形值相似年预测时段内的逐日强降水发生频率，进行集成计算：

(2)

式中：Pi(A)为事件A(如超过阈值降水量)的逐日出现频率；nij为相似年预测区各站点的总数；mij为逐日预测区各站点出现事件A的频数；i为预测时间阶段中的各个日期；j为预测区域内的站点数(j=1,2,3，…，k)。

⑤将所得逐日出现强降水的频率(站数)P的序列点绘制成曲线，根据曲线峰谷变化情况，可对西江流域延伸期内主要强降水天气过程进行预测。

2 天气关键区分析和回报试验

2.1 天气关键区

选取1960—2012年6月西江流域的典型多雨年，并对典型多雨年的500 hPa高度场进行合成(图2)。可以看出，亚欧中高纬为“2脊1槽”型，乌拉尔山以东的西伯利亚西部和亚洲东岸为高压脊区，贝加尔湖地区为低槽区。乌拉尔山以东的高压脊前不断有冷空气南下，使贝加尔湖容易出现切断低压，低压发生一次又一次的替换，在替换过程中，由长波槽蜕变为短波槽，并引导地面冷空气从东路入侵西江流域；而亚洲东岸高压脊的稳定维持，更有利于贝加尔湖及其以北地区低槽南移影响西江流域。孟加拉湾以及青藏高原东部为低槽区，等高线的弯曲度大，说明该区域低槽活动频繁，而且青藏高原东部的低槽与孟加拉湾附近的低槽形成阶梯槽，有利于冷空气不断南下并影响西江流域，孟加拉湾低槽活跃，槽前暖湿气流向华南上空输送。西太平洋副热带高压平均脊线位于15°N附近，孟加拉湾低槽与副热带高压把大量暖湿空气输送到西江流域，与北方冷空气相互交绥，这种南北环流形势的稳定维持，有利于形成稳定的低空切变线和锋面低槽，有利于该区域水汽的辐合和雨带维持，是西江流域6月多雨的主要环流背景。

图2 1960—2012年6月西江流域多雨年500 hPa平均高度场合成(单位：dagpm)Fig.2 Comprehensive of geopotential height on 500 hPa in June in more rainfall years in the Xijiang River Basin during 1960-2012 (Unit: dagpm)

黄海洪等[30]在广西的天气预报技术研究中指出，入侵广西冷空气路径主要有三条，分别是西路、中路和东路，冷空气的入侵路径主要看新疆地区、河套地区。黄忠等[31]研究2007年6月粤东持续性暴雨成因中指出，受高空槽引导的冷空气影响，华南北部形成稳定的锋面低槽和低空切变线，有利于水汽的辐合和雨带维持。因西江流域强降雨的影响系统主要是中高纬乌拉尔山以东和亚洲东岸的高压脊，贝加尔湖低槽、低纬度的孟加拉湾低槽和西太平洋副热带高压，故西江流域天气关键区选取乌拉尔山以东(40°N—60°N、60°E—80°E，简称“A区”)、贝加尔湖地区(50°N—70°N、80°E—120°E，简称“B区”)、新疆地区(30°N—50°N、80°E—100°E，简称“C区”)和河套地区(30°N—50°N、100°E—120°E，简称“D区”)，分别表示从不同路径东移、南下的大气环流系统。丁一汇[32]研究中国夏季风降水时指出，华南地区的降水主要来自孟加拉湾和南海中、南部的暖湿西南气流。结合西江流域的天气气候特征，另外选取印度—孟加拉湾地区(10°N—30°N、70°E—100°E，简称“E区”)、西江流域地区(15°N—30°N、100°E—115°E，简称“F区”)、西太平洋地区(15°N—30°N、115°E—140°E，简称“G区”)作为西江流域强降水的天气关键区(图3)，分别表示南面不同路径的水汽输送。

图3 天气关键区位置及简称Fig.3 The location and their abbreviations of the synoptic key regions

2.2 2008年6月强降水过程回报试验

2008年6月中上旬，西江流域出现了持续性大范围暴雨或特大暴雨天气，据统计该月平均降雨量偏多程度居1951年以来同期第3位。持续性强降雨导致山洪暴发、江河水位暴涨，给西江经济和人民生命财产带来重大损失。对该年天气过程预测难度较大，以2008年6月西江流域延伸期强降水天气过程的预测为例详细说明预报方法。

首先将西江流域强降水的7个天气关键区(A～G)内的格点进行组合，构成一个新的格点场。其次确定预报年资料的选取时段，即前期相似时段。一般应尽量涵盖近期曾发生过异常天气的时间段，大致取120～150 d韵律接近的时间；同时兼顾实际业务情况，通常在月末发布降水过程预测时已经能获取到本月25日之前的NCEP/NCAR资料，因此最近日期选取截至25日。本例的前期资料选取2008年1月1日至5月25日共146 d的NCEP/NCAR 500 hPa环流场做为目标相似年的环流资料，空间范围取10°N—70°N、60°E—140°E，涵盖西江流域强降水关键区2.5°×2.5°的格点值。

寻找第一相似年：对2008年1月1日至5月25日共146 d的关键区范围内500 hPa环流场进行EOF分解，并提取前5个特征恢复场。同样，分别对1960—2007年每年同时段同区域环流场进行EOF分解，也提取前5个特征恢复场(即每年一个场，共48个场)，分别计算2008年提取的特征恢复场与1960—2007年各年提取的特征恢复场之间的相似系数，寻找环流形势最相似的一年，即第一个“形值”相似年。

重复以上步骤，但计算时选取资料的起始时间后移10 d，即寻找相似年的环流资料提取时段分别变为1月11日至5月25日、1月21日至5月25日、1月31日至5月25日、2月10日至5月25日，分别用预报年主要特征恢复场与各年同时段的主要特征恢复场计算相似指数，依次找出5个相似年。

经过动态变换时间步长，最终挑选5个不同时间步长的相似年份(1961、1961、1961、1961、1963年)。最后，用公式(2)累计计算5个相似年西江流域范围内强降水的出现频率。

图4为标准化处理后2008年6月西江流域降水过程的出现频率预测及实况，图中相对明显的峰点(即预测频率标准值≥0.5所对应的时间点)代表强降水的出现日期。可以看出，利用该方法对2008年6月西江流域强降水天气过程进行预测，预计强降水时段有3个：6月1—3日、8—15日和29日。而实况强降水过程则出现在6月8—9日、11—12日、14—15日和27日，有4次过程的出现时段预测正确，预测与实况差异较大的是6月初，预测1—3日有一次强降水过程，但实况未出现，属于空报。虽然没能抓住每一次强降水过程，但从预测的服务角度来看，有4次过程大体落在强降水日前后，有一定的服务参考价值。

图4 2008年6月西江流域降水过程的出现频率预测及实况Fig.4 The frequency of prediction and observation of heavy precipitation processes in the Xijiang River Basin in June 2008

3 近5 a延伸期强降水过程预测效果

为说明该方法在气候预测与服务中的作用及可行性，对西江流域2013—2017年连续5 a的6月强降水过程进行预测。取每个预报年1月1日至5月25日的逐日NCEP环流资料与1960年以来各年相同时段500 hPa环流资料，分别寻找不同时间步长的5个相似年：2013年选出的5个“形值”相似年为1976、1976、1985、2004、2008年；2014年选出的5个相似年均为2013年；2016年选出的5个相似年均为2015；而2015年和2017年选出的5个相似年分别为1969、1969、1969、1969、1961年及2010、1969、2010、2010、2010年。从动态相似集成方法挑选的环流相似年份可以看出2014年与2013年、2016年与2015年较为相似，因此重点分析2013、2015、2017年6月延伸期天气过程预报情况。

图5为2013、2015、2017年6月西江流域强降水过程出现频率的预测及实况。可以看出，2013年6月西江流域共有3次强降水天气过程，分别发生在9—10日、16日和27—28日，从预测曲线看，除5—6日出现空报过程外，该方法对9—10日、16日和27—28日的3次天气过程均作出较准确的预测，预测峰点与实况峰点吻合。2015年6月西江流域降水量达到区域性强降水过程的有7 d，从预测曲线看出，6月7—16日峰值比较集中出现，预示这一时间段内强降水过程发生较频繁，而实况在8日、11日、13—14日分别出现区域性强降水过程；同时预测21—22日可能出现强降水，21日降水实况峰点与预测曲线高值点吻合，而19日出现的区域性强降水过程与预测峰点相差2 d。2017年6月预测区域性强降水出现时段为：5日、10—11日、14—16日、20—21日、25日和27—30日，而实况在6日、13日、15—16日、20—21日、25—28日出现区域性强降水过程，说明该方法对2017年多次强降水过程均做出准确预测。

从多年西江流域6月降水量统计(图略)来看，2013年降水量偏少，较常年同期偏少近3成，未出现流域性的暴雨洪涝灾害。2015和2017年降水量偏多，尤其是2017年6月西江流域区域性暴雨过程多，广西遭受了严重的暴雨洪涝灾害损失。由图5可知，该方法对降水量偏多的月尺度延伸期降水过程预报效果更好。

图5 2013(a)、2015(b)、2017年(c)6月西江流域强降水过程出现频率的预测及实况Fig.5 The prediction and observation of heavy precipitation processes in the Xijiang River Basin in June 2013 (a), 2015 (b) and 2017 (c)

表1列出2013—2017年6月西江流域强降水过程的预报与检验。可以看出，若以预测曲线峰值前后2 d内实况出现1 d以上强降水过程视为预报准确，5 a共预报26次强降水过程，正确20次，空报6次，漏报2次，命中率达71%，且预报时效可达10～30 d，满足延伸期预报业务要求，由此可见，该方法对西江流域强降水过程具有一定的预报能力。但同时从预报效果也可以看出，该方法表现出一定的空漏报率及对降水量级预报不准，尤其在西江流域降水量偏少的年份表现更为突出，需要在实际业务应用中注意改进。

表1 2013—2017年6月西江流域降水过程预报与检验Tab.1 Forecast and test of precipitation processes in the Xijiang River Basin in June from 2013 to 2017 单位：次

4 结 论

(1)在多雨年大气环流合成分析基础上，找出影响西江流域强降水过程的天气关键区：乌拉尔山以东、贝加尔湖、新疆地区和河套地区，反映冷空气南下的不同路径；印度—孟加拉湾地区、西江流域和西太平洋地区，反映偏南暖湿气流北上。

(2)采用强降水天气关键区组合成一个新环流场，利用动态相似集成预报方法，对离预报月最近若干时段内的环流场，提取主要环流模态和计算相似系数，找出若干个相似年份。再累计预报区域若干个相似年预报时段内逐日强降水频率，得到预测延伸期内强降水天气过程出现的大致时间。

(3)2013—2017年西江流域强降水过程的预报准确率达71%。说明该方法对延伸期强降水天气过程有良好的预报能力，可用于预测延伸期的天气过程，给月尺度天气过程预测及延伸预报提供客观参考依据。

本文仅用500 hPa高度场进行动态相似计算，如果增加选取其他环流层资料或风场资料，再进行相似年计算，可能获得更好的预报效果。