魏凡 田剛 徐衛(wèi)立 李春龍

摘要：地形條件復(fù)雜的山丘區(qū)中小河流洪水突發(fā)性強(qiáng)、匯流時間短，高準(zhǔn)確率和長時效性降水短時臨近預(yù)報產(chǎn)品對提高突發(fā)洪水預(yù)報精度尤為關(guān)鍵。以2021年9月河南省鴨河口水庫出現(xiàn)的千年一遇特大洪水為例，利用國家氣象信息中心提供的三源融合格點實況降水資料，檢驗基于改進(jìn)光流法的雷達(dá)外推降水預(yù)報產(chǎn)品在本次洪水過程中0～1 h和0～3 h降水預(yù)報的TS評分和預(yù)報偏差。結(jié)果表明：① 改進(jìn)光流法在0～1 h的逐小時降水預(yù)報上較為精準(zhǔn)，累計雨量在50 mm以下時，TS評分在0.45～0.85之間；雨量在50～70 mm之間時，TS評分在0.35～0.70之間；雨量在70 mm以上時，TS評分在0.25～0.35之間。50 mm以上雨量有較高TS評分表現(xiàn)出改進(jìn)光流法在極端強(qiáng)降水預(yù)報中的優(yōu)勢性。② 改進(jìn)光流法在0～3 h的降水預(yù)報上，累計雨量在50 mm以下時，TS評分在0.55～0.85之間；在50 mm以上時，TS評分在0.35～0.75之間。該降水預(yù)報產(chǎn)品不僅對極端性降水預(yù)報效果較好，且預(yù)報時效長達(dá)3 h，可為防洪調(diào)度提供更長的決策時間。③ 改進(jìn)光流法在0～3 h的降水預(yù)報產(chǎn)品與融合實況格點降水相比，雨量在20 mm以下的預(yù)報結(jié)果比較接近，平均絕對誤差在10 mm以內(nèi)；雨量在20 mm以上時，隨雨量增大，平均誤差、平均絕對誤差、均方根誤差均逐漸增大。④ 改進(jìn)光流法在0～3 h的降水預(yù)報產(chǎn)品對影響范圍小、降水強(qiáng)度大、維持時間長、累計雨量大的極端強(qiáng)降水有較好的預(yù)報表現(xiàn)。研究成果可為洪水預(yù)報模型提供一種較為可靠的降水輸入預(yù)報。

摘要：極端強(qiáng)降水； 降水預(yù)報產(chǎn)品； 臨近預(yù)報； 光流法； 雷達(dá)外推； 鴨河口水庫

中圖法分類號： P456

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.01.014

0 引 言

長江流域支流眾多，在山地、丘陵地形下的中小河流遭遇極端強(qiáng)降水時，由于突發(fā)性強(qiáng)、匯流時間短，極易造成災(zāi)害性洪水過程，因此對洪水預(yù)報模型的輸入指標(biāo)——降水預(yù)報產(chǎn)品在準(zhǔn)確率和時效性方面提出了更高要求。河南省鴨河口水庫位于長江流域漢江支流唐白河水系白河上游，是白河上的主要防洪控制工程。水庫控制流域面積為3 030 km2，水庫總?cè)萘繛?3.39億m3，是一座以防洪、灌溉為主，兼顧發(fā)電、養(yǎng)殖、城市供水及旅游等綜合利用的大（1）型水利樞紐［1］。2021年9月24日，河南省南陽市北部遭遇特大暴雨，短時間強(qiáng)降雨導(dǎo)致河道、水庫等水位迅速上漲，鴨河口水庫9月25日出現(xiàn)超歷史特大洪水，入庫流量從9月24日08：00的210 m3/s猛漲到9月25日03：40的 18 200 m3/s，根據(jù)水文部門歷史實測統(tǒng)計，本次洪水已經(jīng)超過千年一遇的洪水標(biāo)準(zhǔn)［2］。超標(biāo)洪水會給社會經(jīng)濟(jì)發(fā)展帶來嚴(yán)重影響［3］，突發(fā)性的極端強(qiáng)降水是造成本次中小河流超標(biāo)洪水的主要原因，而對于極端強(qiáng)降水的定量降水預(yù)報是洪水預(yù)報的前提。目前，定量降水預(yù)報的主要手段是臨近預(yù)報，臨近預(yù)報的主要技術(shù)分為中尺度數(shù)值大氣模式預(yù)報和基于天氣雷達(dá)0～3 h外推預(yù)報2種。胡勝等［4］在2012年指出模式預(yù)報主要依賴于初始的起轉(zhuǎn)數(shù)值，而起始階段存在“Spin-up”現(xiàn)象，或是缺乏高分辨率的觀測資料造成的無冷云狀態(tài)冷啟動，或是增加初始場的有云狀態(tài)熱啟動，這些現(xiàn)象都會造成模式預(yù)報在初始階段與實況相比有較大偏差。王丹等［5］在2014年指出雷達(dá)回波外推在最初幾小時內(nèi)的預(yù)報效果要好于中尺度快速循環(huán)同化數(shù)值模式。張衛(wèi)國等［6］在2018年以寧波市一次臺風(fēng)過程為例，將基于天氣雷達(dá)外推預(yù)報方法得到的外推預(yù)報產(chǎn)品與實況進(jìn)行對比分析，結(jié)果表明外推預(yù)報產(chǎn)品具有較好的預(yù)報效果。綜上，對于中小河流突發(fā)性強(qiáng)、匯流時間短的極端強(qiáng)降水定量降水預(yù)報，采用雷達(dá)監(jiān)測外推預(yù)報技術(shù)更具有優(yōu)勢。

單體質(zhì)心法是早期主流的雷達(dá)監(jiān)測外推技術(shù)方法［7-8］，該方法在對流性降水過程的預(yù)報應(yīng)用中較為常見，之后引入的交叉相關(guān)法（Tracking radar echoes by correlation，TREC），也是目前應(yīng)用較為廣泛的一種跟蹤方法。TREC主要通過風(fēng)場進(jìn)行外推，該方法對層狀云降水和對流性降水都有較好的跟蹤效果［9］。隨后在TREC的基礎(chǔ)上又發(fā)展了COTREC（Continuity of TREC Vectors）方法，該方法在臺風(fēng)、強(qiáng)對流等災(zāi)害性天氣的降水臨近預(yù)報上有一定優(yōu)勢［10］。然而TREC及其擴(kuò)展方法應(yīng)用在極端對流降水系統(tǒng)預(yù)報時，常因?qū)α飨到y(tǒng)變化速度較快，風(fēng)場外推質(zhì)量降低而導(dǎo)致跟蹤失敗［11-14］。針對TREC的不足，引入了計算機(jī)領(lǐng)域的光流法，該方法在氣象領(lǐng)域有較好的應(yīng)用效果，但是經(jīng)過預(yù)報檢驗還是表現(xiàn)出一定的局限性［15-18］。王志斌等［19］在2017年將約束光流場的全局平滑約束法和局部平滑約束法進(jìn)行結(jié)合，對光流法進(jìn)行改進(jìn)，并通過湖北省6部雷達(dá)回波拼圖外推的結(jié)果，驗證了這種改進(jìn)方法的可行性。隨后在2019年基于之前的研究在變分光流法的基礎(chǔ)上作進(jìn)一步改進(jìn)，提出改進(jìn)變分光流法（以下簡稱改進(jìn)光流法），并通過相應(yīng)的技術(shù)處理實現(xiàn)該方法［20］。田剛等［21］基于王志斌提出的改進(jìn)光流法對2020年17次長江洪水天氣過程進(jìn)行檢驗，發(fā)現(xiàn)改進(jìn)光流法0～3 h臨近預(yù)報降水結(jié)果比數(shù)值模式直接輸出結(jié)果精度更高，對提高洪水預(yù)報精度有較強(qiáng)實用意義，而提高洪水預(yù)報精度對防洪調(diào)度意義重大［22］。目前，基于光流法的短時臨近降水外推預(yù)報產(chǎn)品已經(jīng)集成應(yīng)用在湖北省預(yù)報一體化平臺中［23］，該產(chǎn)品在鴨河口水庫特大洪水過程中有較好的預(yù)報表現(xiàn)。

2021年9月23日20：00的數(shù)值模式和中短期公眾預(yù)報僅預(yù)報了河南省南陽區(qū)域24日夜間可能出現(xiàn)大雨或暴雨。而在本次洪水過程中，9月24日23：00值班人員已監(jiān)測到南召附近前3 h累計雨量已達(dá)100 mm以上，結(jié)合天氣系統(tǒng)和雷達(dá)回波分析，利用光流法的外推3 h降水預(yù)報，預(yù)估未來還有200 mm以上降水，即降水中心6 h累計雨量將超過300 mm。2021年9月24日20：00至9月25日08：00 12 h降水實況顯示，納入考核氣象測站的最大累計雨量為南召馬市坪站226 mm，國家5 km三源融合實況降水最大中心330 mm，而反演的1 km 融合實況降水最大中心更是達(dá)414 mm。綜上可以看出，基于光流法的外推預(yù)報產(chǎn)品在降水落區(qū)、降水強(qiáng)度和預(yù)報時效上有較大優(yōu)勢。本文對本次極端降水天氣過程中基于光流法的短臨外推預(yù)報結(jié)果進(jìn)行定性和定量檢驗，分析基于改進(jìn)光流法的外推預(yù)報產(chǎn)品在本次洪水過程中的具體預(yù)報表現(xiàn)情況，探討基于光流法外推預(yù)報產(chǎn)品對洪水預(yù)報模型準(zhǔn)確率和時效性的提升策略。

1 資料與方法

1.1 資 料

（1） 氣象站資料。本文主要研究河南省南陽地區(qū)鴨河口水庫附近強(qiáng)降水天氣過程，根據(jù)湖北省現(xiàn)有的氣象站資料來源，主要考慮華中地區(qū)301個國家自動氣象站和10 146個區(qū)域自動氣象站2021年9月24～25日逐小時降水觀測資料。

（2） 格點實況資料。采用國家氣象局國家氣象信息中心空間分辨率為0.01°×0.01°的全國智能網(wǎng)格實況地面氣象站、衛(wèi)星和雷達(dá)三源融合降水分析逐小時產(chǎn)品。潘旸等［24］在2018年分別開展了空間分辨率為0.05°×0.05°和0.01°×0.01°的三源融合降水試驗，研究發(fā)現(xiàn)在強(qiáng)降水監(jiān)測上，空間分辨率為0.01°×0.01°的三源融合降水產(chǎn)品更有優(yōu)勢。

（3） 雷達(dá)資料。根據(jù)本次天氣過程，主要考慮在湖北省北部、河南省南部地區(qū)進(jìn)行檢驗，因此選取111°E～116°E，32°N～36°N范圍內(nèi)的流域組網(wǎng)多普勒天氣雷達(dá)資料，該雷達(dá)資料是逐6 min的觀測資料。

1.2 改進(jìn)光流法的雷達(dá)外推預(yù)報方案

（1） 改進(jìn)光流法求回波移動矢量場計算方案。

光流法是將三維圖像在二維平面進(jìn)行投影，研究圖像灰度在時間上的變化與圖像結(jié)構(gòu)及運動的關(guān)系。光流法的實質(zhì)是由二維光流場重構(gòu)三維運動場，在原始光流方程的基礎(chǔ)上，需要給光流場增加約束條件［15］。目前常見的2種增加約束條件的方法為全局平滑約束法（HS）［17］和局部平滑約束法（LK）［18］。其中HS中認(rèn)為同一運動物體的光流場連續(xù)及平滑；而LK則假定小區(qū)域Ω的光流維持恒定不變，即在局部補充n個方程。

隨著研究的不斷深入，在計算過程中HS易出現(xiàn)局部最小化，而LK整場不易滿足最優(yōu)條件。為了克服這些缺點，近年來提出變分光流法的概念，變分光流計算就是最小化某個能量泛函的過程。目前，基于變分建模逐漸成為當(dāng)前主流的光流計算方法。本文采用的是王志斌等人提出的改進(jìn)光流法，將HS和LK結(jié)合起來，得到改進(jìn)光流能量函數(shù)，用數(shù)值方法求解其極小值，得到雷達(dá)回波運動矢量場［20］。

（2） 雷達(dá)回波與降水強(qiáng)度的轉(zhuǎn)換計算方案。

基于準(zhǔn)同雨團(tuán)樣本概念雷達(dá)和雨量計的實時同步結(jié)合方法（RASIM方法），通過同步積分使雷達(dá)和自動氣象站降水采樣為準(zhǔn)同雨團(tuán)樣本，建立Z-R（雷達(dá)回波反射率因子強(qiáng)度與降水強(qiáng)度的動態(tài)轉(zhuǎn)換）關(guān)系［25］。

（3） 降水臨近預(yù)報方案。

根據(jù)Z-R動態(tài)轉(zhuǎn)換得到降水量，運用多尺度合成降水臨近預(yù)報技術(shù)，使用半拉格朗日法對降水進(jìn)行外推，得到降水外推預(yù)報產(chǎn)品［26-28］。

綜上所述，本文得到雷達(dá)外推降水預(yù)報產(chǎn)品主要流程如圖1所示。

1.3 外推預(yù)報效果檢驗方案

根據(jù)田剛等［21］在2020年對長江流域39個分區(qū)17次降水過程“站點-格點”和“格點-格點”的0～3 h 檢驗結(jié)果來看，“格點-格點”的檢驗效果更好。國家氣象信息中心格點資料融合了氣象站、雷達(dá)和衛(wèi)星資料，相比單一的站點資料，能夠填補站點稀缺地區(qū)的降水觀測盲區(qū)。因此本文采用“格點-格點”的檢驗方法，以國家氣象信息中心下發(fā)的逐小時融合降水實況格點資料為基準(zhǔn)，對長江組網(wǎng)雷達(dá)資料基于改進(jìn)光流法得到的外推降水臨近預(yù)報結(jié)果進(jìn)行檢驗，檢驗方案如下：

（1） “格點-格點”檢驗定義。以外推預(yù)報格點為中心，劃定10 km為檢驗范圍，依據(jù)這個范圍內(nèi)是否出現(xiàn)評定的事件的融合實況格點來評定該格點臨近外推預(yù)報降水是否正確。

（2） 降水分級及累加定量檢驗。根據(jù)降水量（R）的大小，將降水量分為6個等級進(jìn)行檢驗，降水等級劃分情況如表1所列。

（3） 檢驗指標(biāo)。為精細(xì)化評估雷達(dá)外推降水臨近預(yù)報結(jié)果，采用包括TS評分、平均誤差、平均絕對誤差和均方根誤差在內(nèi)的檢驗指標(biāo)進(jìn)行檢驗。TS評分的計算公式如下。

TSk=NAkNAk+NBk+NCk（1）

式中：k為1～6，分別代表各級降水；NAk為預(yù)報正確的次數(shù)，NBk為空報次數(shù)，NCk為漏報次數(shù)。降水分級檢驗評定標(biāo)準(zhǔn)如表2所列。

2 結(jié)果分析

2.1 強(qiáng)降水天氣過程降水實況

根據(jù)氣象資料，從環(huán)流背景場可以看出2021年9月24日河南省處于副熱帶高壓邊緣，在500 hPa高度上受偏西氣流控制，在中低層受到西南急流影響；河南省南部地區(qū)在850 hPa高度上位于暖式切變線的位置，在925 hPa高度上位于超低空急流出口左側(cè)。從物理場來看，河南省南部地區(qū)在低層有暖濕氣流持續(xù)性輸入，水汽條件良好；對流有效位能CAPE值在600 J/kg以上，能量條件良好。綜上所述，從環(huán)流背景場和物理場各方面條件來看，都有利于河南省南部地區(qū)的強(qiáng)降水天氣發(fā)生。根據(jù)華中地區(qū)氣象站點資料，2021年9月24日09：00至9月25日08：00的24 h降水實況如圖2所示。

根據(jù)圖2可以看出河南省在9月24日09：00至9月25日08：00這個時間段內(nèi)24 h累計雨量大部地區(qū)達(dá)到50 mm以上暴雨級別，部分地區(qū)超過100 mm達(dá)到大暴雨級別，少數(shù)站點超過250 mm達(dá)到特大暴雨級別，其中累計雨量最大的站點為南陽站，甚至達(dá)到472 mm。本次降水過程累計雨量大，極端性非常明顯，這個量級的降水極易引起中小河流洪水災(zāi)害。根據(jù)氣象站點資料得到南陽站逐小時降水量如圖3所示。

根據(jù)圖3可以看出本次極端強(qiáng)降水天氣過程中的主要降水時段集中在9月24日19：00至9月25日04：00，該時間段內(nèi)最大小時雨量達(dá)66.5 mm，平均小時雨量達(dá)52.0 mm。本次降水過程具有降水強(qiáng)度大、持續(xù)時間長的特點，從24日19：00開始，需要重點關(guān)注該地區(qū)的降水情況及后續(xù)發(fā)展。由于氣象站點分布不均勻，有的地方分布密集，有的地方分布稀疏，會出現(xiàn)觀測盲區(qū)，因此本文采用融合實況降水產(chǎn)品來對雷達(dá)外推降水預(yù)報結(jié)果進(jìn)行檢驗會更具實際指導(dǎo)意義。圖4是0.01°×0.01°分辨率的融合實況降水產(chǎn)品圖。

根據(jù)圖4可以看出本次極端強(qiáng)降水天氣過程影響范圍較小，主要是鴨河口水庫及周邊地區(qū)；累計雨量大，經(jīng)過統(tǒng)計計算得到整個鴨河口水庫2021年9月24日09：00至9月25日08：00的24 h面雨量為166 mm。本文對111°E～116°E，32°N～36°N范圍內(nèi)的雷達(dá)外推降水預(yù)報產(chǎn)品進(jìn)行檢驗，該范圍內(nèi)的格點數(shù)目為502×302共計151 604個，其中格點最大累計雨量的值為472 mm，處于鴨河口水庫范圍內(nèi)。

綜上，根據(jù)站點實況和融合實況產(chǎn)品可以發(fā)現(xiàn)這次極端強(qiáng)降水天氣過程極端性非常明顯，具有影響范圍小、降水強(qiáng)度大、維持時間長以及累計雨量大的特點，再加上鴨河口水庫地形影響，產(chǎn)生了本次千年一遇的洪水過程。

2.2 融合實況與預(yù)報降水落區(qū)空間分布對比

根據(jù)融合實況格點資料，得到2021年9月24日09：00至9月25日08：00的24 h逐小時降水量，考慮降水過程主要集中在9月24日19：00至9月25日04：00之間，選取鴨河口水庫區(qū)域降水最為明顯的3個時間段對融合實況和外推預(yù)報產(chǎn)品進(jìn)行對比，如圖5所示。

根據(jù)圖5可以看出：各時次降水強(qiáng)度較大，持續(xù)時間長，且降水大值中心基本都在鴨河口水庫范圍；在本次極端強(qiáng)降水過程中，降水落區(qū)和降水強(qiáng)度都與實況十分接近，可將本次過程影響范圍小、降水強(qiáng)度大、維持時間長以及累計雨量大的特點充分預(yù)報出來，為0～3 h外推預(yù)報產(chǎn)品的可靠性提供了有利支撐。

2.3 降水分級樣本分析

為定性評估改進(jìn)光流法在雷達(dá)外推預(yù)報中的準(zhǔn)確率，首先選取此時間段的外推預(yù)報產(chǎn)品和融合降水實況進(jìn)行分級分析，為二者的對比評估做準(zhǔn)備。據(jù)統(tǒng)計，在9月24日20：00至9月25日05：00這個時間段內(nèi)，逐小時雨量≥20 mm的樣本總數(shù)量分別為1 118，2 419，2 788，5 298，6 372，5 131，3 820，3 493，1 707，1 289個；逐小時雨量≥50 mm的樣本總數(shù)量分別為69，162，224，701，625，677，447，203，17，0個。逐3 h累計雨量≥50 mm的樣本總數(shù)量分別為1 422，2 801，5 551，6 975，6 472，4 490，2 862，2 247，825，245個；逐3 h累計雨量≥70 mm的樣本總數(shù)量分別為779，1 509，2 758，3 678，3 574，2 490，936，410，75，0個。融合實況格點參與檢驗的逐小時雨量和逐3 h累計雨量≥0.1 mm分級樣本數(shù)量如表3、表4所列。

2.4 “格點-格點”分級降水預(yù)報TS檢驗

應(yīng)用111°E～116°E，32°N～36°N范圍內(nèi)的融合實況151 604個格點評估改進(jìn)光流法臨近降水預(yù)報的結(jié)果，表5給出了9月24日20：00至9月25日05：00“格點-格點”檢驗逐小時的TS評分結(jié)果。

由表5可以看出，外推預(yù)報雨量在0.1～3.0 mm范圍內(nèi)，TS評分較好，基本在0.75～0.90之間；而在3.0～10.0 mm范圍內(nèi)，TS評分表現(xiàn)降低，基本在0.65～0.85 之間；在10.0～20.0 mm范圍內(nèi)，TS評分基本在0.60～0.75之間；在20.0～50.0 mm范圍內(nèi)，TS評分在0.45～0.80之間；在50.0～70.0 mm范圍內(nèi)，TS評分在0.35～0.70之間；在70.0 mm以上范圍，在樣本數(shù)量相對較多的時次有正的評分，TS評分大部分在0.25～0.35之間。短時強(qiáng)降水雨量預(yù)報難度大，雨量越大，預(yù)報精度越低，預(yù)報結(jié)論常常有漏報情況，在流域降水密集區(qū)，50 mm以上降水量級TS評分超過0.1就算預(yù)報效果較好［21］，而外推預(yù)報產(chǎn)品在雨量達(dá)50 mm以上有較高TS評分，表現(xiàn)出改進(jìn)光流法在極端強(qiáng)降水預(yù)報中的優(yōu)勢性。

表6給出了9月24日20：00至9月25日05：00“格點-格點”檢驗逐3 h的TS評分結(jié)果。從0～3 h的TS評分結(jié)果來看，當(dāng)3 h累計雨量在0.10～50.0 mm時，TS評分普遍在0.55～0.85之間；當(dāng)3 h累計雨量在50.0 mm以上時，TS評分隨樣本數(shù)量變化明顯，TS評分大部分在0.35～0.75之間。綜上，0～3 h累計雨量在50.0 mm以下時，預(yù)報準(zhǔn)確率高，降水落區(qū)及強(qiáng)度基本都預(yù)報出來了；在50.0 mm以上范圍的極端降水情況，預(yù)報效果較好，對極端降水的落區(qū)和強(qiáng)度有一定的預(yù)測性，且由于預(yù)報時間提前量長，為洪水預(yù)報提供了有利決策支撐，在這次洪水過程中有較好的應(yīng)用反饋。

2.5 誤差分析

應(yīng)用融合降水格點來分析改進(jìn)光流法0～3 h臨近降水預(yù)報在本次過程中主要降水時段的預(yù)報誤差，主要采用以下3個指標(biāo)：平均誤差、平均絕對誤差、均方根誤差。各時段預(yù)報誤差如表7所列。

根據(jù)表7，從改進(jìn)光流法0～3 h臨近預(yù)報檢驗結(jié)果來看，在平均誤差上，20.0 mm以下降水量預(yù)報值比實況偏大，且偏大的范圍在1.5 mm以內(nèi)，而20.0 mm以上降水量預(yù)報值比實況偏小，雨量值在70.0 mm以上最為明顯，偏小19.24 mm；從平均絕對誤差和均方根誤差來看，隨著降水量級的增加誤差逐漸增大，其中平均絕對誤差在50.0～70.0 mm降水量級上為27.14 mm，70.0 mm級別上為37.48 mm；均方根誤差50.0～70.0 mm降水量級上為31.55 mm，70.0 mm降水量級以上為42.94 mm。可以看出隨著降水量級的增加，平均絕對誤差、均方根誤差均呈逐漸增大的趨勢。

綜上，通過對改進(jìn)光流法在0～3 h臨近降水預(yù)報結(jié)果進(jìn)行檢驗可知，在強(qiáng)降水的預(yù)報中，雖然誤差會隨降水量級增加而逐漸增大，但能提前反映出降水量級的極端性，對本次超強(qiáng)致洪降水的提前預(yù)判起到了關(guān)鍵支撐作用。

3 結(jié)論與討論

本文利用長江流域組網(wǎng)雷達(dá)觀測資料反演出基于改進(jìn)光流法的長江流域雷達(dá)外推降水預(yù)報產(chǎn)品，然后利用空間分辨率為0.01°×0.01°的融合實況資料與降水外推預(yù)報產(chǎn)品進(jìn)行對比分析，計算出河南省鴨河口水庫2021年9月24～25日強(qiáng)降水天氣過程中主要降水時段0～1 h和0～3 h的TS評分檢驗結(jié)果和偏差分析結(jié)果，得到以下主要結(jié)論：

（1） 改進(jìn)光流法在0～1 h的逐小時降水預(yù)報上較為精準(zhǔn)，當(dāng)小時雨量在50 mm以下時，TS評分普遍在0.45～0.85之間；在極端降水上，當(dāng)小時雨量在50～70 mm時，TS評分在0.35～0.70之間，70 mm以上時，TS評分在0.25～0.35之間。雨量在50 mm以上有較高的TS評分表現(xiàn)出改進(jìn)光流法在極端強(qiáng)降水預(yù)報中的優(yōu)勢性。

（2） 改進(jìn)光流法在0～3 h的降水預(yù)報上，3 h累計雨量在50 mm以下，TS評分普遍在0.55～0.85之間；50 mm以上時，TS評分普遍在0.35～0.75之間。該降水預(yù)報產(chǎn)品對降水極端性預(yù)報效果較好，且預(yù)報時間提前量長，在這次洪水過程中有較好的應(yīng)用反饋。

（3） 改進(jìn)光流法在0～3 h的臨近降水預(yù)報較融合實況格點降水相比，雨量在20 mm以下較為接近，平均絕對誤差在10 mm以內(nèi)；雨量在20 mm以上級別誤差逐漸增大；隨著雨量增大，平均誤差、平均絕對誤差、均方根誤差均逐漸增大。

（4） 在本次洪水過程中，改進(jìn)光流法在0～3 h的降水預(yù)報產(chǎn)品具有良好的應(yīng)用反饋，對河南省南部南陽地區(qū)中小河流流域發(fā)生的強(qiáng)降水位置、強(qiáng)度均有較好的預(yù)報表現(xiàn)，反映出了本次降水過程影響范圍小、降水強(qiáng)度大、維持時間長、累計雨量大的特征；該預(yù)報產(chǎn)品在3 h內(nèi)仍有較高準(zhǔn)確率，有助于提高突發(fā)洪水預(yù)測精度，為洪水預(yù)報模型提供了一種較為可靠的降水輸入預(yù)報。

綜上，根據(jù)對基于改進(jìn)光流法外推降水預(yù)報產(chǎn)品結(jié)果的檢驗，可以看出該外推預(yù)報產(chǎn)品具有較高準(zhǔn)確率和較長預(yù)報時效的優(yōu)點，可為突發(fā)洪水預(yù)報提供重要的參考。另外，雖然在這次洪水過程中外推降水預(yù)報表現(xiàn)較好，但仍有一定的提升空間。鑒于此，本文認(rèn)為未來還可以通過以下3個方面來提高：① 建立更加密集的多普勒天氣雷達(dá)組網(wǎng)，提供更精準(zhǔn)的觀測數(shù)據(jù)，以此來進(jìn)行外推預(yù)報；② 改進(jìn)外推預(yù)報的算法，提高外推預(yù)報的精度；③ 雷達(dá)外推預(yù)報和數(shù)值模式預(yù)報進(jìn)行融合，增加預(yù)報時效，為洪水預(yù)報提供更多的提前量，進(jìn)一步減少因突發(fā)致洪降水帶來的災(zāi)害影響。

參考文獻(xiàn)：

［1］ 劉德波.鴨河口水庫興利水位設(shè)計與運用分析［J］.人民長江，2012，43（增1）：11-15.

［2］ 馬建華.2021年長江流域洪水防御工作及成效［J］.中國水利，2022（5）：12-15.

［3］ 李昌文，黃艷，嚴(yán)凌志.變化環(huán)境下長江流域超標(biāo)準(zhǔn)洪水災(zāi)害特點研究［J］.人民長江，2022，53（3）：29-43.

［4］ 胡勝，羅聰，黃曉梅，等.基于雷達(dá)外推和中尺度數(shù)值模式的定量降水預(yù)報的對比分析［J］.氣象，2012，38（3）：274-380.

［5］ 王丹，王改利，劉黎平，等.基于雷達(dá)回波外推和中尺度模式預(yù)報的短時降水對比分析［J］.高原氣象，2014，33（3）：811-822.

［6］ 張衛(wèi)國，范仲麗，鐘偉，等.雷達(dá)回波外推方法在臨近降雨預(yù)報中的應(yīng)用［J］.中國農(nóng)村水利水電，2018，9（13）：69-73，120.

［7］ 王芬，李腹廣，張輝.風(fēng)暴單體識別與跟蹤（SCIT）算法評估［J］.氣象，2010，36（12）：128-133.

［8］ 湯玉杰，佘勇.基于SCIT算法的天氣雷達(dá)回波風(fēng)暴識別跟蹤方法［J］.雷達(dá)與對抗，2014，34（1）：19-21.

［9］ 韓雷，王洪慶，譚曉光，等.基于雷達(dá)數(shù)據(jù)的風(fēng)暴體識別、追蹤及預(yù)警的研究進(jìn)展［J］.氣象，2007，33（1）：3-10.

［10］ 陳雷，戴建華，陶嵐.一種改進(jìn)后的交叉相關(guān)法（COTREC）在降水臨近預(yù)報中的應(yīng)用［J］.熱帶氣象學(xué)報，2009，25（1）：117-122.

［11］ 張亞萍，程明虎，夏文梅，等.天氣雷達(dá)回波運動場估測及在降水臨近預(yù)報中的應(yīng)用［J］.氣象學(xué)報，2006，64（5）：631-646.

［12］ 嚴(yán)紅梅，顧松山，胡勝，等.用相關(guān)法估測CAPPI等高面上的TREC風(fēng)［J］.南京氣象學(xué)院學(xué)報，2008，31（3）：436-440.

［13］ 楊凡，孫貞，孫琪，等.改進(jìn)的TREC算法在奧帆賽測試期的應(yīng)用［J］.氣象科學(xué)，2009，29（3）：408-413.

［14］ 黃旋旋，朱科鋒，趙坤.改進(jìn)后TREC外推方法在臺風(fēng)臨近降雨預(yù)報中的應(yīng)用［J］.氣象科學(xué)，2017，37（5）：610-618.

［15］ GIBSON J J.The pecrpetion of the visual world［M］.Boston：Houghton Mifflin，1950.

［16］ BAKER S，SCHARSTEIN D，LEWIS J P.A database and evaluation methodology for optical flow［C］∥Proc 11th International Conference on Computer Vision.Rio de Janeiro：IEEE Press，2009，7（10）：1-8.

［17］ 韓雷，王洪慶，林隱靜.光流法在強(qiáng)對流天氣臨近預(yù)報中的應(yīng)用［J］.北京大學(xué)學(xué)報（自然科學(xué)版），2008，44（5）：751-755.

［18］ 曹春燕，陳元昭，劉東華，等.光流法及其在臨近預(yù)報中的應(yīng)用［J］.氣象學(xué)報，2015，73（3）：471-480.

［19］ 王志斌，肖艷姣，吳濤.基于改進(jìn)光流法的雷達(dá)圖像運動估計［J］.計算機(jī)技術(shù)與發(fā)展，2017，27（12）：170-175.

［20］ 王志斌，肖艷姣，吳濤，等.改進(jìn)變分光流法并行算法實現(xiàn)［J］.計算機(jī)應(yīng)用與軟件，2019，36（1）：105-110.

［21］ 田剛，陳良華，魏凡，等.基于光流法雷達(dá)外推的2020年長江致洪降水臨近預(yù)報檢驗評估［J］.暴雨災(zāi)害，2021，40（3）：316-325.

［22］ 黃啟有，黃文衡.流域洪水預(yù)報調(diào)度通用平臺研究與實踐［J］.人民長江，2022，53（9）：227-231，239.

［23］ 田剛，胡爭光，王麗，等.基于MICAPS4網(wǎng)絡(luò)框架的氣象預(yù)報服務(wù)一體化平臺構(gòu)建［J］.氣象，2021，47（9）：1146-1155.

［24］ 潘旸，谷軍霞，宇婧婧，等.中國區(qū)域高分辨率多源降水觀測產(chǎn)品的融合方法試驗［J］.氣象學(xué)報，2018，76（5）：755-766.

［25］ 萬玉發(fā)，吳翠紅，金鴻祥.基于準(zhǔn)同雨團(tuán)樣本概念雷達(dá)和雨量計的實時同步結(jié)合方法［J］.氣象學(xué)報，2008，66（2）：262-273.

［26］ 王玨，張家國，萬玉發(fā).多尺度合成的降水臨近預(yù)報技術(shù)［J］.氣象科技，2008，36（5）：524-528.

［27］ 萬玉發(fā)，張家國，楊洪平，等.聯(lián)合雷達(dá)網(wǎng)與衛(wèi)星定量監(jiān)測與預(yù)報長江流域大范圍降水［J］.應(yīng)用氣象學(xué)報，1998，9（1）：94-103.

［28］ GANG T，BEN N，BO L，et al.Evaluation of rainfall nowcasting with the variational optical flow method for two flood weather processes in the Yangtze River Basin in 2018［J］.Journal of Nonlinear and Convex Analysis，2022，23（10）：2395-2411，2022.

（編輯：謝玲嫻）

Application of optical flow radar extrapolation precipitation products for forecasting sudden heavy rainfall

WEI Fan1，TIAN Gang1， 2， 3，XU Weili4，LI Chunlong5

（1.Wuhan Central Meteorological Observatory，Wuhan 430074，China； 2.Hubei Key Laboratory for Heavy Rain Monitoring and Warning，Research Institute of Heavy Rain of China Meteorological Administration，Wuhan 430205，China； 3.Three Gorges National Climatological Observatory，Yichang 443099，China； 4.Hubei Key Laboratory of Intelligent Yangtze and Hydroelectric Science，China Yangtze Power Co.，Ltd.，Yichang 443133，China； 5.Bureau of Hydrology，Changjiang Water Resources Commission，Wuhan 430010，China）

Abstract：

The floods occurring in small and medium-sized rivers in complex hills are strong suddenness and short confluence time.The precipitation short-term proximity prediction product with high accuracy and long-term timeliness is particularly crucial for flood forecasting models.Taking the 1000-year return period catastrophic flood of Yahekou Reservoir in Henan Province in September 2021 as an example，the TS score and forecast deviation of radar extrapolated precipitation prediction products based on the improved optical flow method are examined for the 0～1 h and 0～3 h precipitation forecasts during this flood using the three source fusion grid point real precipitation data provided by the National Meteorological Information Center.The results showed that：① The improved optical flow method is more accurate in 0～1 h hourly precipitation forecast.When the accumulated rainfall is below 50 mm，the TS score ranges from 0.45 to 0.85；when the rainfall is between 50 mm and 70 mm，the TS score is between 0.35 and 0.70，when the rainfall is above 70 mm，the TS score is between 0.25 and 0.35.The high TS score of rainfall above 50 mm shows the superiority of the improved optical flow method in extreme heavy rainfall prediction.② In 0～3 h precipitation forecast，when the accumulated rainfall is less than 50 mm，the TS score is 0.55 to 0.85，when it is above 50 mm，the TS score is between 0.35 and 0.75.This precipitation forecast product not only has good prediction effect on extreme precipitation，but also has a prediction time up to 3 hours，providing a longer decision-making time for flood control scheduling.③ Compared with the grid point precipitation of the fusion real situation，the precipitation forecast product of the improved optical flow method in 0～3 h is relatively close to the precipitation below 20 mm，and the average absolute error is within 10 mm.The error gradually increases when the rainfall exceeds 20 mm；with the increase of rainfall，the average error，average absolute error and root mean square error increase gradually.④ The improved precipitation prediction products of optical flow method in 0～3 h have good prediction performance for extreme heavy precipitation of small influence range，large precipitation intensity，long duration and large accumulated precipitation.The research results can provide a more reliable precipitation input forecast for flood forecasting model.

Key words：

extreme heavy rainfall；precipitation forecast product；nowcast；optical flow method；radar extrapolation product；Yahekou Reservoir