台风“三巴”期间多种降水融合实况产品适用性评估

李叶晴，任晓炜，邓 悦

（广西壮族自治区气象信息中心，南宁 530022）

近年来我国气象观测建设飞速发展，站网密度大幅提升，现有的观测资料已能提供多种类、多尺度、高精度信息［1-2］。综合利用多源的观测信息，将其通过数据同化与数据融合的方法，得到精准且时空分布连续的多源数据融合气象网格产品是实况业务的发展趋势［3］。我国在多源融合降水实况分析产品的研制上取得了一定进展［1，3-7］。从起步的“卫星-地面”二源降水产品发展到“卫星-雷达-地面”三源融合降水产品，在不牺牲准确率的前提下，提升了产品的分辨率，并拥有空间分布的细节［1］。

中国降水多源融合实况分析1 km 分辨率产品于2021 年投入业务应用，已有诸多省份展开相关的评估工作。龙柯吉等［8］分别对不同时空分辨率的降水融合产品进行评估，结果表明1 km／1 h 的产品对强降水的监测能力最佳。邓悦等［9］利用铁路雨量站对广西区域降水实况产品进行独立检验，结果表明实况产品与观测的空间一致性高，晴雨正确率均超过85%。贺音、张茜茹等［10-11］分别对1 km 和5 km 的产品在陕西和山东地区进行适应性检验，结果显示1 km 分辨率的实况产品优于5 km 分辨率，实况产品略有大值低估的现象。前人对于实况产品的评估检验大体可以分为两类: 一类是在年或者季节尺度上进行较长时间的评估，其二是对重大天气过程进行较短时间的个例评估。无论从何种角度切入，实况产品都已展现出其突出优势。而产品在大量级降雨中的表现如何，是否存在提升空间，值得进一步探究。

暴雨是广西地区频发且影响范围广的气象灾害之一。每年汛期和台风过境期间，广西均会受到暴雨不同程度的影响，尤其是极端降水引发的灾害，对人民的生命财产安全造成严重威胁。精细的降水融合实况产品能为后续预报预测和防灾减灾工作提供重要的数据支撑，因此检验实况数据在极端灾害天气中的准确性具有十分重要的意义。

本文基于质控后的降水观测数据分别从空间、时间和降水强度对实况产品进行检验，更侧重从细致局部的角度多方面去检验2023 年台风“三巴”过境期间融合分析实况产品对大暴雨的刻画能力，为后续产品改造升级提供科学的参考。

1 资料与方法

1.1 实况产品

本研究使用到的实况数据有国家气象信息中心基于中国气象局多源降水融合分析业务化系统（CMA Multi-source Merge Precipitation Analysis Systerm，CMPAS）研制的降水实时和近实时产品（后文简称CMPAS＿RT 和CMPAS＿NRT），广西壮族自治区气象信息中心研制的GXPAS［2］（Guangxi Precipitation Analysis Systerm，GXPAS）降水实况产品（后文简称GXPAS）。前者基于 “PDF（概率密度函数）＋BMA（贝叶斯模式平均）＋OI（最优插值）”和降尺度技术研制的高分辨率的三源（地面-雷达-卫星）降水［12］，后者则基于多层感知器（MLP）为框架，使用计算效率较高的快速动态分级法（Fast Dynamic Categorical method，FDC）融合地面和雷达降水数据［6］。二者的时空分辨率为0.01°·h-1

选取质控码为0、3、4（“数据正确”、“数据为订正值”、“数据为修改值”）的国家站和区域自动站作为检验的“真值”，将实况产品利用邻近像元插值法插值到站点上。评估降水实况产品的指标和计算方法参照中国气象局发布的《中国区域降水网格实况产品全流程检验评估细则（2020 版）》

1.2 评估指标

评估所用到的指标有:相关系数COR、平均误差ME、平均绝对误差MAE、均方根误差RMSE、TS 评分。

式中，Oi为站点的小时观测数据，Gi是实况产品插值到站点上的格点数值。TS 评分中，NA 为格点与观测均出现降水的站点数；NB 为实况发生而观测不发生的站点数；NC 表示站点发生而实况不发生的站点数；ND 表示两者都不发生的站点数。

降水量级的分类如表1 所示，针对此次台风过境的强降水过程，逐小时降水量分级参考广西壮族自治区气象台在特大暴雨中的分级。

2 结果与分析

2.1 降雨概况

受台风“三巴”影响，2023 年10 月18 日20 时至2023 年10 月21 日10 时，广西东南地区出现强降水，北海、玉林等地出现局地特大暴雨，累计降水量超过600 mm 的站有北海市银海区侨港镇（829 mm）、北海市海城区驿马镇（604.7 mm），400～600 mm 有北海、玉林、钦州的7 个县（市、区）共33 个乡镇。此次过程降水中心在北海银海侨港镇亚平气象观测站，该站24 h 雨量超过广西有观测记录以来的日降水记录，高达780.3 mm。玉林博白东平气象观测站522.1 mm，破博白县日降水量历史纪录。此次台风具有“路径复杂，雨量大，极端性强”的特点。

2.2 评估指标

此次强降水过程整体评估指标结果如表2。结果显示，实况产品与观测都有较高的一致性，相关系数都高于0.98，平均偏差绝对值都在0.02 mm 以内，均方根误差在0.7 mm 以内。GXPAS 在整体的相关系数、平均偏差和均方根误差表现最优。CMPAS 两种产品平均偏差差异较小，在此次降水过程中表现为低估，GXPAS 则为高估。

表2 三种实况产品的统计指标

图1 为不同降水强度分级的TS 评分和平均误差，随着降水量级的增大，实况产品的准确率下降，误差有所增加。三种实况产品在40 mm 以下的降水表现较好，TS 评分在0.9 以上，平均偏差在0.4 mm以内；大于40 mm 的降水，TS 大体分布在0.8 以上。GXPAS 在大于80 mm 的降水中TS 评分最低，仅为0.46，同时平均偏差明显。降雨量越大，样本越少，误差就容易被放大，由此可见，CMPAS 对于大暴雨量级刻画较GXPAS 较好。（本文也计算了常规降水强度分级的统计指标，三者在不同降水等级的TS 均超过0.88，平均误差均在0.2 mm 以内。）

图1 2023 年10 月18 日20 时—21 日10 时统计指标

2.3 空间分布

广西东南部地区的局地特大暴雨主要集中在2023 年10 月19 日06 时—20 日06 时，观测的24 h累计降水降雨量分布如图2（a）。不同降水强度的站点 统计中:50～100 mm 有220 站，100～150 mm 有184 站，150～200 mm 有80 站，超过200 mm 有154站。其中超过500 mm 的站有5 个，强降水中心主要集中在北海和玉林西南部。此次降水具有覆盖范围广、量级大、历时短等特征。

图2 2023 年10 月19 日06 时—20 日06 时24 h 累计降水量

不同实况产品的累积雨量分布均能再现强降水的大值落区，能较好地再现此次过程的局地大暴雨过程，不同等级的雨带分布与观测基本一致，但三种产品均未能再现百色北部和南部的小雨（0.1～10 mm）落区。对于桂北区域大暴雨（50～100 mm）的分布，CMPAS 的两种实况产品分布与观测更为接近，GXPAS 则在站点周围略有高估，尤其是在局地小范围的周围（桂林的灌阳县、全州县、兴安县和龙胜县）。针对250 mm 以上的强降水，三者表现相当，均能反映北海和玉林南部雨带。但在北海合浦县北部的100 mm 以上的降水，CMPAS 两种实况产品略有高估。CMPAS 两种实况产品差异不明显，主要是在桂北地区的中雨落区略有范围上的差异。总体而言，三种实况产品对于强降水过程的累计量复刻能力较好，降水落区与观测吻合，精细化程度高，对小范围降水的捕捉能力较高。

2.4 时序分布

为检验实况产品对暴雨过程的动态刻画，图3为实况产品逐小时平均雨量与观测平均雨量的差值时序图。由图可知，三种产品偏离观测的程度较小，尺度均在0.06 mm 以内，并随着降水量级增大，对观测的偏离程度也越大。GXPAS 在19 日08 时出现较明显的低估，主要对宾阳县的降水低估。在强降水时段，GXPAS 整体呈现高估，CMPAS 整体呈现先高估后低估的趋势，而近实时产品更好的修复了实时产品偏离观测的程度。总体而言，降水时序分布，CMPAS 近实时产品优于CMPAS 实时产品优于GXPAS。

图3 台风“三巴”过程三种产品与观测站的平均降水量的差值

为进一步检验实况产品在极端暴雨的表现，图4 为两个超过历史极值的站点小时降水时序分布:图4a 为N9050 北海银海侨港镇亚平气象观测站，图4b 为N5912 玉林博白东平气象观测站。两者的降水主要集中在19 日夜间，亚平站小时最高降水达102 mm，CMPAS 表现与观测产品很好的一致性，对于降水的极值和趋势有较好的捕捉能力，GXPAS 则在降水突增的时次表现为低估。东平站降水量级不如亚平高，但大雨持续时间长，三种实况产品对于东平站降水的波动趋势有较好的复刻，但在大值时刻都有低估现象（比如19 日18 时和20 日00 时），都没有捕捉到40 mm 以上的降水。GXPAS 在该站点的大值与观测更为接近。

图4 超过历史记录的逐小时雨量变化图

2.5 降水强度

为进一步探究各实况产品在不同降水量区间的表现，图5 为降水频次随强度的变化图。横坐标是0至小时最大降水量的区间，间隔为1 mm，纵坐标为降水量出现频次。由图可知，三者在小于20 mm 的降水频次分布表现与观测差异并不大，在大于40 mm 的降水上，与观测差异较为明显。这与以下“3.2”节中不同降雨等级TS 评分和平均误差分布一致:各产品在40 mm 以下准确率较高，40 mm 以上误差开始增加。在40～50 mm 区间内CMPAS 与观测一致性较好，GXPAS 出现频次略低于观测。本次天气过程中小时雨量观测的最大值为N5652 博白文地姜充气象观测站，降雨量为107.8 mm，但是三种实况产品在该站点的降雨量都落在95～96 mm 的区间。小时降雨大于100 mm 站有2 个，GXPAS 均未捕捉到。可见，GXPAS 在降水的时间变化和强度分布略逊色于CMPAS 的两种实况产品。

图5 台风过程中降水频次随强度的变化

3 结论与讨论

本文对比了国家气象信息中心降水融合实况产品CMPAS＿RT 和CMPAS＿NRT，以及广西壮族自治区气象信息中心的降水实况融合产品GXPAS 在2023 年台风“三巴”期间的适用性，从统计分析、空间分布、时间序列和降水强度不同角度分析了实况产品在极端降水过程的复刻能力，取得如下主要结论:

（1）台风期间的特大暴雨过程中，三种实况产品与观测一致性高，相关系数都高于0.98，平均偏差都低于0.2 mm，均方根误差都在0.7 mm 以内，其中GXPAS 在整体评估指标中表现最佳。

（2）从空间分布来看，三种实况产品在24 h 累计雨量的分布上均能较好的反映强降水落区和趋势分布。CMPAS 两种产品在细节上与观测分布一致性更高，对于局地小范围降水的刻画比GXPAS 更优。

（3）从时间分布来看，三者都能较好地刻画单站的降水变化。针对小时平均雨量时序分布，三种实况产品随着降水量级增大，对观测的偏离程度也越大，偏离程度均在0.06 mm 以内。夜间强降水过程中GXPAS 呈现高估，CMPAS 两种产品呈现低估，其中近实时产品对于实时产品的偏差有较好的修复。

（4）从不同等级的降水分布来看，0～40 mm 区间的降水三种实况产品表现相当，TS 评分均高于0.9，平均偏差均低于0.4 mm，降水频次分布与观测吻合度高。40～80 mmCMPAS 两种实况产品TS 评分和平均偏差均优于GXPAS。对于大于80mm 的降水，三者都存在低估明显的现象。

综上所述，三种实况产品在台风过程中的强降水复刻能力较好，GXPAS 在整体平均的评估指标上表现优秀，但CMPAS 在局地强降水分布和降水变化的捕捉上更有优势。

本文主要是基于地面观测站“点对点”的方式去检验降水融合实况产品，对于降水空间分布的评估难免不够客观，未来可以考虑通过雷达数据的中间产品，从“面”上去检验数据的真实性。再者，未来也可以对不同的天气过程进行分类评估，分析不同天气类型降水实况产品表现的特征。