滁河流域汛期多模式集成面雨量预报检验评估

陈光舟 , 娄珊珊 , 王 皓

1. 淮河流域气象中心， 安徽 合肥 230031

2. 安徽省气象台， 安徽 合肥 230031

0 引 言

面雨量预报是气象服务的一项重要工作，它是各级政府组织防汛抗洪、水库调度等决策的重要科学依据(王东勇等，2020；包红军等，2021)。近年来，为提高流域面雨量预报水平，不少专业人员将多种数值模式降水预报场应用到流域气象服务中，输出客观化面雨量预报产品，并对此进行检验评估。刘永和等(2013)基于TIGGE 资料对沂沭河流域6 h降水集合预报能力进行了分析；向永龙等(2016)利用3种数值模式降水预报格点资料对长江上游面雨量预报能力进行了评估；廖春花等(2018)选取多种细网格模式降水预报产品，检验分析各模式对湖南水库流域面雨量的预报效果；祁海霞等(2020)针对清江流域降水开展了多模式BMA概率预报试验。在实际业务中，多种预报模式的集成研究能更好地发挥模式作用，受地形地貌影响，一些中小河流域也是防汛重点。滁河流域位于长江下游左岸，受地形影响，其洪水汇集快且河道泄流不畅，极易导致洪涝灾害，但目前将多种数值预报模式降水产品应用于滁河流域面雨量预报的研究较少。

文中根据河流水系特点将滁河流域进行分片，基于2013—2016年汛期ECMWF、JMA和WRF的历史数据，对各模式的降水预报产品进行检验，根据结果选择合适的时间尺度，制作动态权重集成面雨量预报及分步集成面雨量预报产品。并以2017—2020年汛期为例，对集成的面雨量预报产品和ECMWF、JMA、WRF等单模式的面雨量预报产品进行对比评估。

1 流域概况与资料方法

1.1 滁河流域概况及片区划分

滁河流域是长江下游左岸的一级支流，源于安徽省肥东县丘陵山区，全长269 km，干流沿途流经合肥市、芜湖市、滁州市、马鞍山市和南京市，流域洪水特点为汇集快而河道泄流不畅，极易导致圩区发生洪涝灾害(何翠敏等，2015)。根据滁河流域河流水系汇流特点和水文部门防汛抗旱服务业务需求，基于DEM将其细划分为11个子单元(黄娟等，2008)(图1)，对于关注较多的支流，如马厂河、襄河、来安新河等均单独划为片，并业务化运行。

图1 滁河流域11个分片划分

1.2 资 料

使用的预报产品为目前常用的ECMWF、JMA和WRF模式降水预报产品，ECMWF和JMA资料通过中国气象局气象数据卫星广播系统收集获取，WRF模式降水预报产品由安徽省中尺度数值预报系统获取，其中ECMWF模式的格距为0.125°×0.125°，JMA的格距为0.5°×0.5°，WRF格距为0.1°×0.1°。各模式降水预报均是以20时(BT)为起报场的24、48和72 h预报时效的24 h累积降水量。地面观测雨量数据来源于中国气象局国家气象信息中心CIMISS数据库，采用滁河流域165个自动站及常规站逐日24 h降水数据。

1.3 面雨量计算与检验

面雨量指单位面积上的降雨量，即某一特定区域或流域的平均降雨状况(徐晶等，2005；胡菊芳等，2014)。因滁河流域站点分布较密，实况直接采用算术平均法计算面雨量，模式降水预报产品采用网格插值算术平均法计算面雨量。根据我国江河面雨量等级划分标准将24 h面雨量划分为小雨、中雨、大雨、暴雨4个等级(表1)。

表1 面雨量量级划分

采用中国气象局《全国七大江河流域面雨量监测和预报业务规定》中面雨量检验方法对面雨量预报产品进行检验，包括平均绝对误差、空报率、漏报率、TS评分、模糊评分等统计指标(刘汉武等，2017；吴胜平等，2017；盛春岩等，2020；危国飞等，2020)，计算公式：

1) 模糊评分：

(1)

2) 空报率：

(2)

3) 漏报率：

(3)

4) TS评分：

(4)

式(1)中，FG(j,i)代表第i个流域第j级降水预报的模糊评分，第一项中60为有雨预报正确基础分，第二项中Max(j)为最大等级误差，Fi-Oi为等级误差，此项为预报加权分。式(2)中NAk为k等级面雨量预报正确样本数(预报与实况等级相同)，NCk为k等级漏报天数(预报等级小于实况等级)，NBk为k等级空报天数(预报等级大于实况等级)。

2 多模式集成面雨量预报及性能评估

2.1 动态权重集成面雨量预报

动态权重系数法是随时空变化动态调整模式的权重系数(刘汉武，2016)，首先需要确定制作权重系数的时间尺度。利用2013—2016年汛期6—8月的ECMWF、JMA及WRF模式预报降水产品计算24、48及72 h预报时效的分片面雨量，对各模式在不同时间尺度(7、15、30、45 d)的预报结果计算TS评分(表2)和空漏报率(表略)。分析发现，ECMWF和WRF模式预报降水的TS评分在24、48 h时效差异不大，JMA的TS评分最低。3种模式在24、48和72 h预报时效的降水预报TS评分均在30 d达到最高。且30 d时间尺度上，ECMWF及WRF在48 h和72 h预报时效上空报率均最低，JMA在3个时效上均为次低值；ECMWF在3个预报时效上的漏报率均最低，JMA及WRF均为次低。因此采用30 d的预报结果计算TS评分，确定动态权重系数，从而形成动态集成面雨量预报产品。

表2 2013—2016年6—8月ECMWF、JMA与WRF模式24、48、72 h预报时效的滁河流域面雨量预报的7、15、30、45 d TS评分结果

2.2 等权重集成和分步集成面雨量预报

等权重集成面雨量预报是将各数值模式面雨量预报产品进行等权重计算集成得到预报结果。分步集成面雨量预报是根据动态权重系数对3种模式面雨量近30 d的预报结果计算TS评分，剔除最差的，再使用动态权重系数法计算集成面雨量预报产品。

2.3 多模式集成面雨量预报的性能评估

基于2017—2020年汛期(6—8月)ECMWF、JMA、WRF模式的单模式面雨量预报产品与动态权重集成(Dynamic Weight Integration，DWI)面雨量预报、等权重集成(Equal Weight Integration，EWI)面雨量预报、分步集成(Stepwise Integration，SI)面雨量预报产品，从不同预报时效、不同降水量级等方面采用平均绝对误差、TS评分、模糊评分及空漏报率进行性能检验评估。

2.3.1 平均绝对误差检验

图2为2017—2020年汛期各面雨量预报产品在滁河流域的平均绝对误差，可见多模式集成的面雨量产品的预报误差明显小于单模式的面雨量产品，且随预报时效延长，这种差距更加明显。3种多模式集成面雨量预报产品间，EWI在24和48 h时效的面雨量预报误差最小，在72 h时效的预报误差最大。单模式面雨量预报产品的误差随着预报时效的增加而增加，而多模式集成的面雨量预报产品，除EWI的误差随着预报时效增加而增加外，DWI和SI则是24和72 h较低，48 h最大。综上，集成面雨量预报产品对单模式产品具有改善作用，其中EWI面雨量预报产品最具有参考意义。

图2 2017—2020年6—8月ECMWF、JMA、WRF模式和DWI、EWI、SI集成预报在24、48、72 h预报时效的滁河流域面雨量预报结果的平均绝对误差

2.3.2 分等级TS评分检验

分析2017—2020年汛期各面雨量预报产品在滁河流域不同降水量等级的TS评分(图3)发现，集成面雨量预报产品在24 h时效上对中雨量级降水的预报效果优于单一模式，DWI面雨量预报表现最佳；EWI、SI对大雨及暴雨量级降水预报的评分与单一模式相近，但DWI均高于单一模式；3种集成面雨量产品在48、72 h时效对大雨及以下量级降水的预报结果欠佳，对暴雨量级降水的预报优于单一模式，在48 h预报时效DWI的降水预报评分最高，在72 h预报时效SI评分最高。综上，集成面雨量预报产品对致灾较为严重的暴雨量级降水预报的结果具有较好的参考意义，尤其是在24、48 h预报时效，DWI面雨量预报的参考意义更大。

图3 同图2，但为TS评分

2.3.3 分等级模糊评分检验及空漏报率检验

分析2017—2020年汛期各面雨量预报产品在滁河流域分等级模糊评分(图4)发现，3种集成面雨量预报产品在24、48 h时效上对中雨及以上量级降水的预报结果相比其他单一模式虽有提高，但评分差异不大，对暴雨量级降水的预报，EWI评分最高；3种集成面雨量预报产品在72 h时效上对中雨及暴雨量级降水的预报均高于单一模式，其中，对中雨量级降水的预报，SI评分最高，对暴雨量级降水的预报，EWI评分最高，对大雨量级降水的预报，仅DWI评分略高于3种单一模式评分。综上，对大雨及以下量级降水的预报，集成面雨量预报产品的预报结果参考性不强，但对暴雨量级降水的预报，集成面雨量预报产品具有一定的参考意义，3种集成面雨量预报产品在不同预报时效表现各不相同。

图4 同图2，但为模糊评分

分析2017—2020年汛期各模式和各集成面雨量预报产品的空、漏报率(图略)发现，多模式集成面雨量预报产品的空报率明显低于单模式面雨量产品。在24 h预报时效上，DWI对中雨及大雨量级降水预报的空报率最低，EWI对暴雨量级降水的预报空报率最低；在48 h预报时效上，SI对大雨量级降水的空报率最低，EWI对暴雨量级降水的空报率最低；在72 h预报时效上，SI对中雨及暴雨量级降水的空报率最低。分析漏报率发现，单模式面雨量预报的漏报率较低，尤其在24、48 h预报时效，单模式对大雨及以上量级强降水的预报表现较好。综上，集成面雨量产品的预报结果在空报率上表现更好，DWI在24、48 h预报时效上表现较好，SI在72 h预报时效表现较好；而集成面雨量预报产品在漏报率方面表现较差，单一模式的表现更为优秀。

3 降水个例检验

选取2016年6月21日及2017年6月30日的2次不同强度降水过程，以24 h降水预报为例，对3种模式集成面雨量预报及单模式面雨量预报进行个例检验分析。

2016年6月20日20时至21日20时，滁河流域自北向南出现了暴雨及大暴雨天气过程，范围广强度大，除肥东片、马厂河片、大马厂河片、襄汊片、沛河片外其他各片面雨量均为暴雨。分析各面雨量预报产品对小雨到暴雨量级降水预报的正确片数(NAS)、空报片数(NBS)和漏报片数(NCS)，并统计空报、漏报情况(表3)。可以看出，该强降水过程，正确率最高为DWI和WRF，正确片数均为8，SI次之，正确片数为6，JMA表现最差；空报率中EC的空报率最高，DWI次之，其它各模式空报片数均为2；漏报率中JMA最高，DWI最好，无空报。集成预报对强降水过程的预报较单一模式有一定优势。

表3 2016年6月20日—21日滁河流域强降水过程各模式预报和集成面雨量产品预报正确(NAS)、空报(NBS)、漏报(NCS)片数

2017年6月29日20时—6月30日20时，流域多分散性阵雨或雷雨，局地出现短时强降水，滁河流域面雨量达大雨量级的为2片，中雨量级2片，其他7片为小雨量级。对比3种集成面雨量预报及模式面雨量预报的结果如表4所示，几种面雨量预报的正确片数均为2，空、漏报情况存在差异，JMA空报最少为1片，EC和WRF漏报最少，均为1片。集成预报优势不明显。

表4 2017年6月29日—30日滁河流域弱降水过程各模式预报和集成面雨量产品预报正确(NAS)、空报(NBS)、漏报(NCS)片数

3 结论与讨论

文中基于ECMWF、JMA、WRF历史汛期数据选取合适的动态权重，制作滁河流域2017—2020年汛期(6—8月)动态权重集成、等权重集成及分步集成面雨量预报产品，并对其和ECMWF、JMA、WRF模式面雨量预报产品的预报效果进行性能评估，最后分别选取强、弱降水过程进行典型个例检验评估。得到结论如下：

1) 集成面雨量产品的平均绝对误差明显小于单模式产品误差。多模式的集成对单模式产品具有改善作用，其中等权重集成面雨量预报产品的参考意义最大。

2) 集成面雨量产品对暴雨量级降水的预报结果的TS和模糊评分表现较好，特别是动态权重集成面雨量预报在24、48 h预报时效的TS评分最具参考价值。

3) 3种集成模式的面雨量预报的空报率总体表现优异，24、48 h预报时效的动态集成预报产品表现较好，72 h预报时效的分步集成预报产品表现较好。但集成面雨量预报的漏报率在3个时效上均表现较差，不及单一模式产品。

4) 动态集成面雨量预报和WRF对强降水过程预报的正确率最高，其他2种集成面雨量预报次之，ECMWF及JMA较差,集成面雨量产品对弱降水过程的预报优势不明显。