德慶 羅布堅(jiān)參 白珍 赤曲

（1.西藏自治區(qū)氣象臺(tái)；2.西藏自治區(qū)氣象災(zāi)害防御技術(shù)中心；3.西藏拉薩市氣象局，西藏 拉薩 850000）

0 引言

數(shù)值預(yù)報(bào)是當(dāng)代天氣預(yù)報(bào)的主要參考工具，然而混沌理論表明大氣狀態(tài)的演變對(duì)于初始場(chǎng)的微小誤差非常敏感，數(shù)值預(yù)報(bào)初始場(chǎng)極小的誤差在模式運(yùn)轉(zhuǎn)過(guò)程中逐漸放大，即使擁有最好的觀測(cè)值，我們也永遠(yuǎn)無(wú)法作出完美的數(shù)值預(yù)報(bào)，也就不可能做出完美的天氣預(yù)報(bào)，這就是我們需要集合預(yù)報(bào)的原因，集合預(yù)報(bào)是針對(duì)數(shù)值預(yù)報(bào)不確定性問(wèn)題發(fā)展起來(lái)的新一代隨機(jī)動(dòng)力概率預(yù)報(bào)技術(shù)，它既能給出單一的最佳可能預(yù)報(bào)，也能將單一的確定性預(yù)報(bào)轉(zhuǎn)變?yōu)楦怕暑A(yù)報(bào)［1,3］，集合預(yù)報(bào)正是從這種不確定性出發(fā)，通過(guò)不同的初值和擾動(dòng)，由數(shù)值預(yù)報(bào)模式積分得到一組預(yù)報(bào)集合，試圖推測(cè)大氣所有可能的各種狀態(tài)，所以集合預(yù)報(bào)更能表達(dá)大氣本身的特性，提供更多有價(jià)值的信息，尤其提供災(zāi)害性和極端性等小概率天氣的可能預(yù)報(bào)，為預(yù)報(bào)員在防災(zāi)減災(zāi)服務(wù)方面提供有效的支撐［2,4］。世界上主要的發(fā)達(dá)國(guó)家都非常重視集合預(yù)報(bào)系統(tǒng)的發(fā)展，20 世紀(jì)90 年代初歐洲中期天氣預(yù)報(bào)中心和美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心分別建立了集合預(yù)報(bào)業(yè)務(wù)系統(tǒng)［3］，經(jīng)過(guò)近30 年的發(fā)展，集合預(yù)報(bào)在現(xiàn)代天氣預(yù)報(bào)中得到越來(lái)越多的重視和應(yīng)用。

2011 年開始國(guó)家信息中心開始接收ECMWF、NCEP、CMC、CMA 等中心的實(shí)時(shí)集合預(yù)報(bào)數(shù)據(jù)，在此基礎(chǔ)上國(guó)家氣象中心開發(fā)了“集合預(yù)報(bào)工具箱”，西藏氣象臺(tái)2013年開始使用集合預(yù)報(bào)工具箱，并且成為預(yù)報(bào)員日常業(yè)務(wù)應(yīng)用的主要工具和重要參考，如何在眾多的集合預(yù)報(bào)產(chǎn)品中擇優(yōu)選擇適合本地的產(chǎn)品，同樣的預(yù)報(bào)產(chǎn)品在不同的天氣過(guò)程中的可參考程度，同樣的預(yù)報(bào)產(chǎn)品在同樣的天氣過(guò)程中的穩(wěn)定度等等還沒(méi)有較完整的分析檢驗(yàn)，以至于不同的預(yù)報(bào)員理解集合預(yù)報(bào)產(chǎn)品還是有很大的主觀因素。世界氣象組織2012年發(fā)布的《集合預(yù)報(bào)應(yīng)用手冊(cè)》中明確提出：預(yù)報(bào)員應(yīng)該了解集合預(yù)報(bào)系統(tǒng)的優(yōu)勢(shì)和劣勢(shì)，既要了解多個(gè)臨界值的檢驗(yàn)結(jié)果，也應(yīng)該熟知該集合模式產(chǎn)品在各個(gè)季節(jié)的預(yù)報(bào)情況，所以預(yù)報(bào)員不應(yīng)該僅僅依靠模式輸出的直接結(jié)果，更應(yīng)該根據(jù)模式的預(yù)報(bào)結(jié)果作診斷分析，如果我們沒(méi)有注重對(duì)集合預(yù)報(bào)產(chǎn)品的檢驗(yàn)分析，無(wú)法對(duì)集合預(yù)報(bào)產(chǎn)品作出更適合本地的診斷分析，為了更好的理解集合預(yù)報(bào)這個(gè)重要的現(xiàn)代天氣預(yù)報(bào)技術(shù)，也為了更好地把集合預(yù)報(bào)產(chǎn)品應(yīng)用到西藏天氣預(yù)報(bào)業(yè)務(wù)中，有必要也急需對(duì)這方面作更多的檢驗(yàn)分析和研究。

1 資料和方法

1.1 資料來(lái)源

本文所用EXMWF集合預(yù)報(bào)降水和氣溫資料來(lái)自國(guó)家氣象中心，資料時(shí)長(zhǎng)為2016 年1 月至2020 年10月逐日6 小時(shí)，區(qū)域范圍為20°N～50°N，50°E～120°E，2.5°×2.5°分辨率的格點(diǎn)數(shù)據(jù)，結(jié)合短期預(yù)報(bào)的實(shí)際應(yīng)用，選取集合模式20 時(shí)起報(bào)的短期時(shí)效逐24 小時(shí)產(chǎn)品，對(duì)集合預(yù)報(bào)常用產(chǎn)品進(jìn)行了分析，其產(chǎn)品有10%分位數(shù)、25%分位數(shù)、中位數(shù)、50%分位數(shù)、75%分位數(shù)、90%分位數(shù)、最小值、最大值和控制預(yù)報(bào)。西藏39個(gè)站的降水實(shí)況來(lái)自CIMISS數(shù)據(jù)庫(kù)。

1.2 技術(shù)方法

1.2.1 差值方法。采用雙線性插值方法將集合降水預(yù)報(bào)格點(diǎn)場(chǎng)插值到西藏地區(qū)39個(gè)觀測(cè)站點(diǎn)上，對(duì)其結(jié)果計(jì)算集合預(yù)報(bào)的各產(chǎn)品數(shù)值，并做檢驗(yàn)。

1.2.2 檢驗(yàn)方法。根據(jù)中國(guó)氣象局發(fā)布的預(yù)報(bào)評(píng)分檢驗(yàn)方法如下公式:

晴雨檢驗(yàn)：PC={(NA+NB)/(NA+NB+NC+ND)}×100%

TS評(píng)分：TS={NA/(NA+NB+NC)}×100%

漏報(bào)率:PO={NC/(NA+NC)}×100%

空?qǐng)?bào)率：FAR={NB/(NA+NB)}×100%

預(yù)報(bào)偏差：BS={(NA+NB)/(NA+NC)}×100%

其中NA 為預(yù)報(bào)正確次數(shù)，NB 為空?qǐng)?bào)次數(shù)，NC 為預(yù)報(bào)漏報(bào)次數(shù)，ND為無(wú)降水預(yù)報(bào)正確次數(shù)。

1.2.3 檢驗(yàn)對(duì)象。主要檢驗(yàn)對(duì)象為全區(qū)39 個(gè)站24 小時(shí)預(yù)報(bào)，全區(qū)汛期降水檢驗(yàn)樣本達(dá)到35100個(gè)，拉薩三次首場(chǎng)降雪過(guò)程（20181218，20191101、20200104），拉薩超歷史極值的強(qiáng)降水過(guò)程（20170622）。

2 集合預(yù)報(bào)西藏短期降水預(yù)報(bào)性能評(píng)估

2.1 全區(qū)汛期晴雨檢驗(yàn)評(píng)估及分析

本節(jié)選用2016年至2020年汛期（5月1日至10月20日）對(duì)應(yīng)的集合預(yù)報(bào)數(shù)據(jù)做了晴雨預(yù)報(bào)檢驗(yàn)：集合預(yù)報(bào)9 種產(chǎn)品的晴雨檢驗(yàn)值均超過(guò)0.55，其中最小值，10%分位數(shù)，25%分位數(shù)，中位數(shù)，控制預(yù)報(bào)的檢驗(yàn)達(dá)到0.6 以上，最小值檢驗(yàn)值為0.73，也就是意味著最小值對(duì)晴雨預(yù)報(bào)準(zhǔn)確率有較好的參考價(jià)值。從單站的分析來(lái)看（圖略），不同氣候背景的站點(diǎn)的產(chǎn)品檢驗(yàn)值差異較大，波密的各產(chǎn)品檢驗(yàn)值均達(dá)到0.73以上，最小值和中位數(shù)檢驗(yàn)值分別為0.79 和0.76，而普蘭的檢驗(yàn)值普遍較低，除了最小值和10%分位數(shù)達(dá)到0.5 以外，其余各產(chǎn)品的檢驗(yàn)值在0.3 左右，預(yù)報(bào)參考價(jià)值較低。

2.2 全區(qū)汛期累加降水量級(jí)檢驗(yàn)評(píng)估分析

2.2.1 TS 評(píng)分。TS 評(píng)分值隨著降水量級(jí)的增大而顯著減小，小雨各產(chǎn)品TS 均能達(dá)到0.54 以上，對(duì)中雨75%分位數(shù)評(píng)分最高（0.24），而對(duì)暴雨其參考價(jià)值極低，各集合預(yù)報(bào)產(chǎn)品中控制預(yù)報(bào)的評(píng)分最高，但只有0.06，所以集合預(yù)報(bào)對(duì)暴雨基本無(wú)參考價(jià)值。

圖1 集合預(yù)報(bào)對(duì)全區(qū)汛期晴雨的檢驗(yàn)

圖2 集合預(yù)報(bào)對(duì)全區(qū)各量級(jí)降水的TS評(píng)分

各站點(diǎn)情況分析來(lái)看（圖略），嘉黎小雨量級(jí)上各產(chǎn)品評(píng)分均在0.73以上，中雨量級(jí)上90%分位數(shù)評(píng)分為0.29，參考價(jià)值較高。值得一提的是聶拉木站暴雨預(yù)報(bào)TS 評(píng)分中25%分位數(shù)和10%分位數(shù)有一定參考價(jià)值，其值分別為0.18和0.13。

2.2.2 漏報(bào)率分析。各產(chǎn)品對(duì)小雨幾乎沒(méi)有漏報(bào)，中雨和大雨量級(jí)中最大值效果較好，漏報(bào)率分別僅0.07和0.56，暴雨幾乎全部漏報(bào)，只有最大值有一點(diǎn)點(diǎn)預(yù)報(bào)能力，其值為0.08。各站點(diǎn)來(lái)看（圖略），察隅的中雨量級(jí)上最大值產(chǎn)品幾乎沒(méi)有漏報(bào)，其余大部分產(chǎn)品漏報(bào)率在0.4 至0.6，日喀則的大雨過(guò)程最大值的漏報(bào)率也很低其值為0.1，其余產(chǎn)品對(duì)大雨和暴雨百分之百漏報(bào)，中雨最小值也是百分之百漏報(bào)。

圖3 集合預(yù)報(bào)對(duì)全區(qū)各量級(jí)降水的漏報(bào)率

2.2.3 空?qǐng)?bào)率。各產(chǎn)品對(duì)同一量級(jí)降雨的空?qǐng)?bào)率差異不大，小雨空?qǐng)?bào)率各產(chǎn)品均在0.3 至0.4 之間，中雨空?qǐng)?bào)率在0.6 至0.8 之間，明顯高于小雨的空?qǐng)?bào)率，大雨的空?qǐng)?bào)率0.8 至0.9，暴雨幾乎全空?qǐng)?bào)。站點(diǎn)上（圖略）拉薩中雨最小值空?qǐng)?bào)率接近百分之百，對(duì)大雨的預(yù)報(bào)，控制預(yù)報(bào)，75%分位數(shù)和90%分位數(shù)，最大值產(chǎn)品空?qǐng)?bào)率也接近百分之百，對(duì)昌都大雨預(yù)報(bào)，控制預(yù)報(bào)，90%分位數(shù)，最大值產(chǎn)品空?qǐng)?bào)率也接近百分之百。

圖4 集合預(yù)報(bào)對(duì)全區(qū)各量級(jí)降水的空?qǐng)?bào)率

3 集合預(yù)報(bào)各產(chǎn)品絕對(duì)誤差和誤差站點(diǎn)分布分析

3.1 集合各產(chǎn)品絕對(duì)誤差值

圖5 上，最大值的絕對(duì)誤差超過(guò)8，其余各產(chǎn)品的誤差也都在2 以上，但除了最大值、90%分位數(shù)，75%分位數(shù)以外，其余各產(chǎn)品誤差沒(méi)有超過(guò)4。

圖5 集合預(yù)報(bào)產(chǎn)品絕對(duì)誤差值

3.2 集合各產(chǎn)品站點(diǎn)誤差分析

在圖6 和圖7 中，站點(diǎn)上相對(duì)誤差的大小會(huì)以站點(diǎn)的顏色來(lái)代表，負(fù)代表預(yù)報(bào)值小于真實(shí)值，正代表預(yù)報(bào)值大于真實(shí)值；同時(shí)誤差的絕對(duì)值會(huì)以散點(diǎn)的面積來(lái)代表，面積越大的代表誤差也越大。這樣能夠突出顯示誤差較大的站點(diǎn)，便于我們分析問(wèn)題。

圖6 集合預(yù)報(bào)25%分位數(shù)產(chǎn)品的誤差站點(diǎn)分布

圖7 集合預(yù)報(bào)25%分位數(shù)、中位數(shù)產(chǎn)品的誤差站點(diǎn)分布

綜合所有集合預(yù)報(bào)產(chǎn)品的誤差站點(diǎn)分布，最大的特征是所有產(chǎn)品對(duì)帕里站預(yù)報(bào)偏大，為正的相對(duì)誤差，絕對(duì)誤差也是所有站點(diǎn)中最大的，可見對(duì)于帕里站集合預(yù)報(bào)9 種產(chǎn)品是明顯的一致的比實(shí)況偏大，另外對(duì)于聶拉木、錯(cuò)那、米林和察隅也是一致的預(yù)報(bào)偏大，但絕對(duì)值比帕里小。第二個(gè)最大的特點(diǎn)是，四個(gè)產(chǎn)品（25%分位數(shù)，10%分位數(shù)，最小值、中位數(shù)）對(duì)嘉黎站預(yù)報(bào)明顯偏小，其次對(duì)類烏齊和芒康預(yù)報(bào)偏小。第三個(gè)最大的特征是有五個(gè)產(chǎn)品（控制預(yù)報(bào)，平均數(shù)，最大值，75%分位數(shù)，90%分位數(shù)）對(duì)全區(qū)預(yù)報(bào)是偏多偏大的情況，其余四個(gè)產(chǎn)品僅對(duì)嘉黎、類烏齊和芒康偏大。第四個(gè)特征是所有集合預(yù)報(bào)產(chǎn)品對(duì)阿里、那曲西部和沿江中西部的相對(duì)誤差小，絕對(duì)誤差也小，其集合預(yù)報(bào)較接近實(shí)況。集合預(yù)報(bào)對(duì)嘉黎偏小和帕里預(yù)報(bào)偏大的情況特別非常明顯（圖6至圖9），結(jié)合散點(diǎn)回歸圖進(jìn)一步看到（圖10和圖11），嘉黎觀測(cè)到的降水樣本很多，并且20 至40 毫米之間也有很多觀測(cè)到的樣本，而集合預(yù)報(bào)各產(chǎn)品的預(yù)報(bào)都在20 毫米以內(nèi)，只有最大值產(chǎn)品預(yù)報(bào)值分布在20 毫米以上有幾例。帕里觀測(cè)到的降水量沒(méi)有超過(guò)40 毫米的值，而預(yù)報(bào)值超過(guò)50 毫米的樣本很多，尤其是最大值100至150毫米的也有很多。

圖8 集合預(yù)報(bào)25%分位數(shù)產(chǎn)品的誤差站點(diǎn)分布

圖9 集合預(yù)報(bào)25%分位數(shù)、中位數(shù)產(chǎn)品的誤差站點(diǎn)分布

圖10 嘉黎站集合預(yù)報(bào)各產(chǎn)品散點(diǎn)回歸圖

圖11 帕里站集合預(yù)報(bào)各產(chǎn)品散點(diǎn)回歸圖

這兩站結(jié)合多年的預(yù)報(bào)實(shí)踐經(jīng)驗(yàn)來(lái)分析，確實(shí)屬于小氣候和地形影響因素大的站點(diǎn)，這個(gè)檢驗(yàn)結(jié)果非常符合實(shí)際的預(yù)報(bào)經(jīng)驗(yàn)，帕里站由于和聶拉木一線歸屬于南部邊緣地帶，南部邊緣由于受喜馬拉雅等地形抬升因素考慮，不僅是模式預(yù)報(bào)，預(yù)報(bào)員也偏向于報(bào)多報(bào)大，而往往是聶拉木極易暴雪暴雨，帕里的極端降水確實(shí)極少，通過(guò)此次集合預(yù)報(bào)檢驗(yàn)，我們一定要調(diào)整這個(gè)預(yù)報(bào)思路。嘉黎由于歸屬藏北，藏北一帶大部分日數(shù)極其干燥，也沒(méi)有南部邊緣一樣的南支大槽或風(fēng)暴類系統(tǒng)的直接影響，平時(shí)預(yù)報(bào)員結(jié)合集合預(yù)報(bào)模式產(chǎn)品作參考，對(duì)于嘉黎的暴雪和大雨，非常容易漏報(bào)，通過(guò)此次檢驗(yàn)，在往后的預(yù)報(bào)業(yè)務(wù)中一定要對(duì)預(yù)報(bào)產(chǎn)品進(jìn)行訂正后再做參考。

4 拉薩站首場(chǎng)降雪敏感度檢驗(yàn)

為了把握前期有沒(méi)有空?qǐng)?bào)情況，找出了降雪前幾天的天氣狀況，對(duì)于2018 年的第一場(chǎng)雪，預(yù)報(bào)特別理想，前期所有產(chǎn)品沒(méi)有預(yù)報(bào)降雪，實(shí)際也是沒(méi)有出現(xiàn)降雪，在前期不存在空?qǐng)?bào)的情況下準(zhǔn)確預(yù)報(bào)了首場(chǎng)降雪。18 日降雪量8.8 毫米，所有集合預(yù)報(bào)產(chǎn)品也是當(dāng)天預(yù)報(bào)了降雪，預(yù)報(bào)降雪量在4 至13 毫米之間，其中控制預(yù)報(bào)，平均數(shù)和中位數(shù)都預(yù)報(bào)8毫米左右。

圖12 拉薩站2018年首場(chǎng)降雪

2019 年11 月1 日降雪量1.5 毫米，前面近一周的時(shí)間段個(gè)別產(chǎn)品有微量的降雪預(yù)報(bào)，但是從31日開始有較明顯的提示，1 日當(dāng)天所有集合預(yù)報(bào)產(chǎn)品有降雪預(yù)報(bào)值（1至14毫米）之間。

圖13 拉薩站2019年首場(chǎng)降雪

圖14 拉薩站2020年首場(chǎng)降雪

2020 年1 月4 日這次過(guò)程效果不理想，降雪量本身也很小，只有0.3，前期沒(méi)有降雪的幾天集合預(yù)報(bào)產(chǎn)品都有預(yù)報(bào)降雪，實(shí)際降雪當(dāng)天，各產(chǎn)品的預(yù)報(bào)量普遍在0.8毫米左右，預(yù)報(bào)也是偏大。

5 拉薩站極值強(qiáng)降雨檢驗(yàn)分析

2017 年6 月22 日降雨量50.5 毫米。其降雨集中在21 日23 時(shí)至22 日08 時(shí)段。集合預(yù)報(bào)工具箱中單站箱線預(yù)報(bào)上21 日21 時(shí)至22 日03 時(shí)間預(yù)報(bào)降水較為集中，這和實(shí)際短時(shí)強(qiáng)降水出現(xiàn)時(shí)段吻合，實(shí)際這個(gè)時(shí)段沒(méi)出現(xiàn)29.8毫米降水，預(yù)報(bào)只有3毫米左右，從個(gè)集合預(yù)報(bào)其他各產(chǎn)品預(yù)報(bào)情況分析，預(yù)報(bào)量明顯偏小，最大值產(chǎn)品當(dāng)天的降雨量也只有4毫米，對(duì)于強(qiáng)降水幾乎沒(méi)有預(yù)報(bào)參考價(jià)值，也沒(méi)有極端天氣預(yù)報(bào)的提示信息。

圖15 拉薩站歷史極值過(guò)程強(qiáng)降水分布圖

圖16 拉薩站歷史極值短時(shí)強(qiáng)降水情況

圖17 拉薩單站歷史極值短時(shí)強(qiáng)降水EC集合預(yù)報(bào)

圖18 拉薩站歷史極值短時(shí)強(qiáng)降水集合產(chǎn)品預(yù)報(bào)

6 檢驗(yàn)評(píng)估指標(biāo)

6.1 通過(guò)對(duì)集合預(yù)報(bào)全區(qū)所有降水日數(shù)的檢驗(yàn)提煉業(yè)務(wù)預(yù)報(bào)參考數(shù)據(jù)

集合預(yù)報(bào)晴雨檢驗(yàn)值均超過(guò)0.55，最小值檢驗(yàn)值達(dá)0.73。TS評(píng)分各產(chǎn)品對(duì)小雨能達(dá)到0.54以上，對(duì)中雨75%分位數(shù)評(píng)分最高也僅0.24，對(duì)暴雨無(wú)參考價(jià)值。各產(chǎn)品對(duì)小雨幾乎沒(méi)有漏報(bào)，中雨和大雨量級(jí)中最大值效果較好，漏報(bào)率分別僅0.07 和0.56，暴雨幾乎全部漏報(bào)。日喀則的大雨和察隅的中雨最大值產(chǎn)品幾乎沒(méi)有漏報(bào)。各產(chǎn)品對(duì)同一量級(jí)降雨的空?qǐng)?bào)率差異不大，小雨空?qǐng)?bào)率各產(chǎn)品均在0.3 至0.4 之間，中雨空?qǐng)?bào)率在0.6 至0.8 之間，大雨的空?qǐng)?bào)率0.8 至0.9，暴雨幾乎全空?qǐng)?bào)。

集合預(yù)報(bào)9種產(chǎn)品對(duì)帕里、聶拉木、錯(cuò)那、米林、和察隅站預(yù)報(bào)偏大，但四個(gè)產(chǎn)品（25%分位數(shù)，10%分位數(shù)，最小值、中位數(shù)）對(duì)嘉黎、類烏齊和芒康站預(yù)報(bào)明顯偏小，所有產(chǎn)品對(duì)阿里、那曲西部和沿江中西部的預(yù)報(bào)較接近實(shí)況。

6.2 集合預(yù)報(bào)對(duì)拉薩冬季第一場(chǎng)雪的預(yù)報(bào)檢驗(yàn)結(jié)果指征

對(duì)中大雪有特好的定性預(yù)報(bào)指示意義，其中控制預(yù)報(bào)、平均數(shù)和中位數(shù)對(duì)定量預(yù)報(bào)有非常準(zhǔn)確的參考價(jià)值，對(duì)于小雪量級(jí)也有較好的定性預(yù)報(bào)指示意義，但各產(chǎn)品的定量預(yù)報(bào)偏大，對(duì)于微量降雪，定性定量預(yù)報(bào)都效果不理想，預(yù)報(bào)值偏大。對(duì)于小雪量級(jí)及以上天氣集合產(chǎn)品提前一天有提示意義，實(shí)際天氣出現(xiàn)比預(yù)報(bào)偏晚。

6.3 集合預(yù)報(bào)對(duì)拉薩汛期短時(shí)強(qiáng)降水的預(yù)報(bào)檢驗(yàn)結(jié)果指征

集合預(yù)報(bào)和實(shí)際短時(shí)強(qiáng)降水出現(xiàn)時(shí)段較一致，但預(yù)報(bào)量偏小10倍以上，對(duì)于強(qiáng)降水沒(méi)有極端天氣的預(yù)報(bào)提示作用。