MODE方法在西南区域模式降水预报检验中的应用

王彬雁,陈朝平,丛 芳,黄楚惠

(四川省气象台/高原与盆地暴雨旱涝灾害四川省重点实验室，成都 610072)

引言

近年来，随着数值天气预报模式分辨率的不断提高，对模式各类指标的评价以及预报效果的检验显得尤为重要。这不仅可以为改进模式预报能力、提高模式输出产品的可参考性提供一定的依据，同时也为预报员进行降水落区订正给出了有效的参考标准[1-4]。

目前，评价数值模式预报性能的检验方法多为点对点检验，即以气象站观测数据为真值的客观检验方法，包括常用的TS评分、ETS评分、均方根误差等。该类点对点的检验方法虽然定量且客观，但由于分离了物理量的空间信息，在反映预报的尺度变化、空间结构、位置信息等方面存在一定缺陷，并且容易受到小尺度的影响，无法准确反应模式对小尺度事件空间分布的预报性能，缺乏对预报误差来源的细致分析，尤其是高分辨率模式[5-9]。鉴于以上原因，空间检验方法受到越来越多研究者的关注。

常用的空间检验方法大致可划分为两类，一类是以不同尺度为基础，分别求得不同尺度上的预报评分，以获知模式在不同尺度上的预报性能，如尺度分离法、领域法；另一类则是分析实况对象与预报对象之间的空间差异诊断量(强度、位置、结构等)来了解模式预报的空间信息，如变形法、特征检验法。在实际计算过程中，由于变形场检验法计算过程复杂，并且与特征检验法相比也只多识别出一种特殊情况即预报与实况严重不同的降水，因此特征检验法成为暴雨检验中最受欢迎的检验方法[10-12]。面向对象的检验方法(Method of Object-Based Diagnostic Evaluation，简称MODE，下同)是空间检验方法中最具代表性的一种特征检验法，并且被国内外学者广泛应用[10]。Davis[13]利用MODE方法，通过对NECP提供的实况降水资料以及WRF模式的降水资料进行空间对象检验，指出该方法可以对模式预报的误差来源以及模式预报性能给出一个整体的结果；Micheas[14]将预报误差来源分为几个属性(如位置、面积大小、强度等)，以短时临近预报为例，分析各属性参数的权重，从而得到不同的误差类型；李佳等[15]采用MODE方法对强降水和冰雹雷达回波进行了检验，指出MODE在高分辨率数值模式检验中比传统方法具有明显的优势，尤其针对雷达回波的检验有很好的应用价值；薛春芳等[16]利CMORPH卫星与中国30000余个自动站逐时降水融合资料，基于MODE方法研究了降水对象的客观表现，表明MODE方法受气候概率影响较小，检验结果更加客观多样。上述研究表明，MODE方法可以对模式在短临方面做出很好的客观评价。

本文以四川2019年6月22日的强降水过程为例，采用MODE方法对西南区域模式(简称SWC-WARMS，下同)的预报效果进行检验，获取该方法在强降水过程中的空间检验信息，以期为预报员关注的强降水个体提供一种更加详细、全面的检验结果，同时也为模式开发者提供一些有效的预报性能信息。

1 资料及检验方法介绍

1.1 资料来源

预报场资料选取SWC-WARMS 降水业务产品，其分辨率为9km×9km，预报时效为3d，时间间隔为3h，每日更新4次。观测场资料为四川范围内加密自动站逐小时降水数据。考虑到强降水会对当地造成严重的灾害，尤其是盆地西部山区，以四川2019年6月22日的强降水过程为例，对SWC-WARMS逐3小时预报进行空间检验。模式起报时间为2019年6月20日14时)，检验时段为2019年6月21日23时～2019年6月22日08时，涵盖了此次降水过程的发展初期、中期、消散期，检验区域为四川省内。为了分析目标物空间匹配情况，分别选取四川2019年6月21日23时(降水发展初期)、6月22日02时及6月22日05时(降水发展中)、6月22日(降水消散期)作为各阶段的时间。

1.2 MODE方法原理

MODE方法首先需要对降水场按一定标准进行空间滤波；其次需要对不同尺度、强度、量级降水的关注来确定降水强度阈值，保证从降水场中准确识别降水对象；最后需对识别出的降水场进行还原，以获取降水对象特性，从而计算匹配度。具体步骤和公式如下[10,16-19]：

(1)卷积—阈值过程

降水原始场通过存在许多零散小目标物，这对强降水检验会造成一定的干扰，因此需对原始场进行适当的平滑处理，以突出重要的大面积降水目标物，即空间滤波。公式如下[15]：

C(x,y)=∑φ(u,v)f(x-u,y-v)

(1)

式(1)中x和y为格点坐标；u和v表示相对x和y平移的距离；f(x,y)代表原始降水场；φ(u,v)为过滤函数；C(x,y)为卷积后的降水场。MODE默认的过滤函数为圆柱形滤波，并且满足πR2H=1(其中R为卷积半径，H为高度，下同)，即当x2+y2≤R2，那么φ(u,v)=H，否则φ(u,v)=0。可以发现，圆柱形滤波中H受R所制约，R是唯一可调参数。

根据降水的影响特征，确定要素阈值T，从而筛选出预报场和观测场中的目标物。为了识别目标物，需构造出掩膜场M(x,y)，即卷积后的格点要素值≥T，则记为1；反之，则记为0。具体公式如下[10,13]：

(2)

(2)重构场生成

为了反映目标物的信息，需对预报场和观测场的原始降水值重新填充至掩膜场，获得重构场F(x,y)，计算公式为[15]：

F(x,y)=M(x,y)f(x,y)

(3)

(3)目标物空间属性参数及匹配度计算

客观评价目标物的空间信息，需要计算出表征目标物的属性参数，如面积、质心、距离等。通过定量计算每个目标物的每一种属性参数，可获取目标物的空间信息。通过匹配观测场和预报场各个目标物的属性参数，采用模糊逻辑算法，可求得两两目标物之间的匹配度，计算公式如下[15]：

(4)

式(4)中M为属性参数个数；Wi表示为第i个属性参数的权重系数；Ii(ai)为第i个属性参数的匹配度函数(范围0～1)；Ci为第i个属性参数的可信度函数，用来调整属性参数的贡献度；I为匹配度。

对于完成匹配的目标对，需给匹配度设定一个阈值，如果I大于此阈值，意味着目标对可以很好地匹配，并且I值越大，匹配度越高。若匹配度设定阈值为0.7，大于此阈值认为观测场和预报场的目标物匹配度高，小于此阈值则反之。

2 主要结果

2.1 不同卷积半径(R)分析

由于原始场通常存在许多零散的小降水中心，在进行强降水检验时会带来一些不必要的干扰，因此需对原始场进行平滑处理。图1为此次降水过程6月22日02时观测场在不同卷积半径R下平滑后的降水分布。可以发现，当R为2时，通过卷积之后的降水分布存在一些零散的大值中心(图中深蓝色部分)，导致在自动识别目标物的过程中容易出现破碎的孤立目标物，不容易突出主要目标物；当R为6时，检验区域中的降水目标物被大大平滑，使得大值中心明显减少，导致容易滤掉一些需关注的降水大值区，不利于捕获强降水的局地分布。而R为4时，在一定程度上减少了孤立的大值中心，同时保留了强降水的关键特征，能够较好地对降水目标物进行识别。本文后续选取R=4作为卷积半径，进行原始场的平滑处理。

2.2 不同降水阈值(T)分析

根据强降水的影响特征以及不同尺度关注的重点，需确定降水阈值T，以便筛选出需检验的强降水目标物。为了分析不同降水阈值对目标物个数的影响，分别对观测场和预报场进行不同阈值分析，图2为此次降水过程6月22日02时观测场以及预报场在不同降水阈值下识别目标物个数的分布情况。从图中可以获知，当阈值>9mm时观测场目标物个数有所降低，当阈值取4～7mm时观测场目标物个数维持不变，当阈值较小时观测场目标物个数有所增加。同样对于预报场而言，此特征仍存在。因此在确定降水阈值时，降水阈值不宜取得过大或者过小，这是因为降水阈值过小容易加入许多分散的小目标物，降水阈值过大容易忽略部分强降水中心。本文在后续研究中将降水阈值确定为6mm。

2.3 强降水个例检验

2.3.1 强降水过程发展期的预报能力分析

为了获取MODE方法在四川强降水过程中的空间检验效果，以四川一次强降水过程(检验时段为2019年6月21日23时～2019年6月22日08时)为例，采用MODE方法对SWC-WARMS预报该次降水过程的预报效果进行检验，本次过程首先在盆地北部出现了零星的降水，随后北部小时降水有所加强并东移，与此同时盆地西南部开始出现局地小时强降水并加强发展，降水最终在盆地东北部减弱。图3为四川地区2019年6月22日小时强降水预报场与观测场在降水发展初期、中期、消散期的目标物空间匹配情况。以3小时降水≥6mm作为阈值标准，在卷积半径、属性参数以及匹配度阈值等各个参数确定的基础上，筛选出匹配的目标对。

从图3中可以发现，23时观测场显示检验区域仅有零星降水目标物出现，而预报场中出现了4个降水目标物，数量和范围上明显多于观测场，从目标物匹配指标上看，观测场中的目标物均未找到匹配对象，预报场出现了许多空报；02时观测场降水目标物有所增多，表明此时降水有明显增强的趋势，影响范围明显增大，此时预报场中也开始出现许多降水目标物，从目标物匹配指标上看，有三组指标分别达到了0.5以上；05时降水区有所东移，降水目标物识别上同样具有此特征，其中一组目标物匹配指标达到了0.7，表明预报场对该目标物有很好的预报；08时盆地东北部的降水有所减弱，并且盆地西南部有新的降水逐渐发展，预报场中的降水目标物识别也捕获了此特点，从匹配度来看有两组目标物匹配指标达到了0.5，但观测场中仍有个别降水目标物无匹配对象。从降水识别情况来看，预报场和观测场均在02时识别的降水目标物最多，预报场对把握降水发展有一定的指导性。综合来看，对此次降水过程的预报表现出以下2个特征：(1)模式较好地把握了此次降水过程的发展消亡过程，把握了事件发生的大致时间，尤其是对盆地东北部的降水预报效果很好，对降水目标物的形状、走向、移动方向以及落区有比较好的相关性；(2)对于降水发展初期，模式预报效果不理想，存在明显的空报，并且量级较实况偏强。

为了分析模式具体的预报效果，选择此次降水过程降水发展最强的02时以及08时，以匹配度>0.5作为标准识别匹配目标物，详细分析模式在预报空间和强度上的误差。可以发现，02时(图3a2、图3b2)共匹配三组对象，分别是观测1和预报3(记为目标1，下同)、观测3和预报2(记为目标2，下同)、观测6和预报7(记为目标3，下同)；08时(图3a3、图3b3)共匹配两组对象，分别是观测1和预报1(记为目标4，下同)、观测5和预报3(记为目标5，下同)。表1为02时、08时各目标物的属性参数，结合图3可知，02时目标1、2位于川西高原，目标3位于盆地东北部，08时目标4位于盆地西南部，目标5位于盆地东北部。从表中匹配度来看，目标5匹配度最优，表明模式对该降水区预报较好。从各目标物对应的地形来看，高原目标物匹配度低于盆地目标物，并且高原目标物质心距离大于盆地目标物；从重叠比来看，模式对盆地目标物的预报整体优于高原目标物。

表1 预报场与观测场2019年6月22日02时和08时匹配目标的空间诊断量值

2.3.2 强降水过程的强度预报能力分析

强度百分位数表示要素量值从最小到最大值的分布情况,可以衡量强度的变化情况[5]，图4为各目标物分别在10、25、50、75、90分位数上的预报场与观测场的降水比值。由02时降水比值曲线可以发现，目标1、目标2除在10分位、20分位上预报场的降水值接近于观测场外，其余分位数上预报场的降水值均高于观测场，并且在90分位数上大值降水值明显较实况明显偏强；目标3整体上预报场的降水值与观测场相近。而从08时降水比值曲线可知，目标4预报场的降水值随着分位数的增加也随之增大，表明在降水高值分布区间，预报高估效果更明显，而预报场对目标5的降水值的预报效果较好。

结合目标物所处的地形来看，在降水发展强盛期，预报场对高原目标物强度预报在降水大值区存在一定高估，而对盆地目标物强度预报较好，基本接近于实况；但在降水减弱时，对盆地目标物强度预报也存在明显高估。

3 结论与讨论

本文以 SWC-WARMS 3 h降水资料为预报场，自动站降水资料为观测场，利用MODE检验方法对2019年6月22日四川境内的一次强降水过程进行了检验，从强度、空间等方面对模式预报进行了评估，得到如下结论：

(1)在确定卷积半径R时，R过小通过卷积之后的降水分布存在一些零散的大值中心，容易出现破碎的孤立目标物；R太大易滤掉一些需关注的降水大值区，不利于捕获强降水的局地分布，并且确定降水阈值T时，降水阈值不宜取得过大或者过小。因此，滤波时卷积半径R和降水阈值T，应灵活地进行选取。

(2)针对此次过程模式较好地把握了此次降水过程的发展消亡过程，尤其是对盆地东北部的降水预报效果很好，对降水目标物的形状、走向、移动方向以及落区有比较好的相关性；但对于降水发展初期，模式预报效果不理想，存在明显的空报。

(3)对于强度预报，降水发展强盛期预报场对高原目标物强度预报存在一定高估，而盆地目标物强度预报较好，基本接近于实况；但在降水减弱时，对盆地目标物强度预报也存在明显高估。

不足的是，本文仅用MODE方法对四川境内的一次强降水过程进行了检验，对于环流形势及影响系统不一致的降水类型并没有进行详细地讨论，且对多个例模式各参数的整体表现也未进行深入的探讨，后期将收集更多的降水个例，全面分析模式在不同类型降水下的预报性能，从而让预报员更细致地了解模式预报效果，为业务科研人员进行模式调试等方面提供了更为有效的理论结果。