基于格点实况的海南岛网格晴雨预报检验

冯箫 ，吴俞 ，李玉梅 ，李勋

(1. 海南省气象台，海南 海口 570203；2. 海南省南海气象防灾减灾重点实验室，海南 海口 570203)

1 引 言

自2014年启动无缝隙精细化网格天气预报业务，高分辨率的智能网格预报已成为中国气象局主推业务[1]和未来天气预报的发展方向[2-3]，其中，如何作好精细精准的降水预报是重点研究对象之一[4-5]。降水是不同尺度天气系统相互影响的结果，具有显著的非连续性特征[6-7]，其形成机制复杂，各区域时空分布差异明显，因此，提高降水预报准确率是颇具挑战性的工作，在高分辨率网格预报中作好降水预报则更加困难。近年来，得益于综合气象观测数据和多源资料融合分析网格实况产品[8]的支撑，数值预报模式[9-10]和实时快速更新同化预报系统的发展[11-12]，区域数值模式在高分辨率降水预报中表现出巨大的潜力[13-16]。例如鄢俊一等[17]通过对比华南中尺度模式和日本气象厅全球谱模式的降水产品，发现华南中尺度模式对5种不同天气类型的降水预报优于日本气象厅全球谱模式；徐同等[18]在对西南地区的降水预报进行检验，发现华东中尺度模式系统对小雨、暴雨和大暴雨的预报评分优于欧洲中期天气预报中心ECMWF(European Centre for Medium - Range Weather Forecasts)全球模式。

海南地处热带，是我国最南端的省份。受多种尺度天气系统(中尺度的海风锋[19]、天气尺度的季风槽和台风[20-22]、季节内尺度的低频振荡[23])及复杂下垫面的相互影响，暖季5—9月，海南岛上降水分布极不均匀，局地性强，降水落区预报难度较大，晴雨准确率偏低。因此，晴雨预报已成为海南省智能网格降水预报中首要面对的难题。业务应用中发现，中尺度模式对时空尺度小、局地性强的降水具有较强的预报能力。为了进一步加强对中尺度模式晴雨预报性能的了解，发展海南省基于数值模式的晴雨预报释用技术，以期提高精细化晴雨预报准确率，本文将对ECMWF 全球和以CMA-SH9、CMA-GD 为代表的区域模式进行检验评估。通过分析晴雨准确率、空报率和漏报率的时空分布特征、降水面积偏差、高频降水中心和降水质心位置等，评估模式对海南岛晴雨预报的能力。另外，尝试通过寻找最优面积阈值，集合各模式优势，建立优选方案，为海南省智能网格晴雨预报产品制作提供重要参考信息。

2 资料与方法

2.1 资 料

本文检验时间段为 2019年 5月 1日—9月 30日，使用资料包括：(1) 中国气象局陆面数据同化系 统 CLDAS(CMA Land Data Assimilation System)产品，该产品融合了大量实际观测、接近真实大气状态的大气驱动数据以及陆面模式产品，空间分辨率为 0.05 °×0.05 °；(2) 每日 08 时和20 时(北京时，下同)发布的 ECMWF、CMA-GD 和CMA-SH9(表1)。检验前，不同分辨率的模式产品通过双线性插值与CLDAS 分辨率匹配。预报业务中参考到的最新资料为提前12 h 起报，因此本文仅评估36 h、48 h、60 h、72 h时效的24 h晴雨预报效果。

表1 各模式基本信息

2.2 方 法

晴雨检验方法采用中国气象局制定的《全国智能网格气象预报业务规定》中格点-格点降水预报检验方法[24-25]，对晴雨预报准确率、空报率、漏报率进行计算，如公式(1)～(3)；为进一步了解导致晴雨准确率偏低的原因，本文分析了漏报(空报)格点数占总格点数的比例，简称漏报(空报)比例，如公式(4)～(5)。式中，NA 为有降水预报正确站数，NB 为空报站数、NC 为漏报站数，ND 为无降水预报正确的站数(表2)。

表2 晴雨检验评定表

本文以有降水(≥0.1 mm)的格点数占全岛格点数的百分比R作为降水面积百分比，如公式(6) ; 通过计算降水面积百分比的平均偏差、平均绝对偏差和均方根偏差，评估预报降水面积相比实况降水面积的差异，如公式(7)～(9)所示。

利用质心公式计算降水质心，即设n个降水质点组成的质点系，各降水质点的降水量分别为M1，M2，……，Mn，质点坐标为(x1，y1)，(x2，y2)，……，(xn，yn)。降水质心的坐标为(xc，yc)，则，

3 检验结果分析

3.1日平均晴雨准确率、空报比例和漏报比例

图1 为各模式不同时效的晴雨评分综合图。横坐标为漏报比例，纵坐标为空报比例，图中黄色等值线为晴雨准确率。蓝色图标代表的CMASH9具有较高的晴雨评分(各时效平均晴雨准确率≈76.62%)，ECMWF 评分居中(各时效平均晴雨准确率≈73.25%)，CMA-GD 评分偏低(各时效平均晴雨准确率≈72.85%)。ECMWF 评分偏低为空报比例较高所致，而CMA-GD 评分偏低则与漏报比例较高有关。

图1 不同预报时效日平均晴雨评分综合图

比较同一模式不同预报时效，可知ECMWF预报结果稳定，各时效晴雨评分相差不大，36 h 和60 h 时效评分略高。中尺度模式的晴雨准确率与预报时效的关系更敏感，各时效晴雨评分点分散，预报时效缩短，则评分提高明显。例如CMA-SH9模式 72 h 时效晴雨准确率为74.79%，36 h 时效可达78.32%；CMA-GD 模式72 h 时效晴雨准确率为71.39%，36 h时效可达74.77%。

CMA-SH9 模式36 h 时效晴雨准确率高的原因是空报比例的降低，而CMA-GD 则为漏报比例的降低，由此可见，CMA-SH9、CMA-GD 比ECMWF 具有较强的预报调整能力，预报时效缩短，模式本身雨区面积偏差会减小，从而提高晴雨评分。

3.2日平均晴雨评分空间分布

图2为日平均晴雨准确率、空报率和漏报率的空间分布特征，可比较模式在不同区域的晴雨预报能力。基于各模式都具有随时效缩短晴雨评分提高的特点，图2选取36 h时效(图2a)和72 h时效(图2b)进行对比。图中红色圆圈标记了4个关键区：1为海南岛中部内陆，2为海南岛五指山以南，3为海南岛东部沿海，4为海南岛西北沿海和内陆。

图2 36 h(a)和72 h(b)时效的日平均晴雨准确率、空报率和漏报率（%）空间分布

图2a 显示ECMWF 在海南岛中部内陆(关键区1)具有较高的晴雨预报能力。整体而言，空报率较高是ECMWF 的主要问题，其中五指山以南(关键区2)和东部沿海(关键区3)空报率可达95%以上；关键区3 北部的空报率在72 h 预报中仍会明显增加(图2b)。图2a 显示的CMA-GD 模式晴雨评分在整个岛上相对均匀，其中海南岛北部(关键区4)空报多，海南岛五指山以南(关键区2)则漏报多；72 h时效中，模式漏报问题加重，关键区3漏报率明显增加。图2a显示，CMA-SH9晴雨准确率较高的地区为海南岛东部沿海(关键区3)，漏报率偏高的区域基本没有，但在海南岛西北部(关键区4)与五指山以南(关键区2)存在一定程度的空报现象；在72 h 的预报中(图2b)，模式空报的范围增大，空报范围覆盖全岛，因此72 h的晴雨评分相比36 h 明显降低。综上可知，不同模式对海南岛不同地区具有不同的晴雨预报能力：(1) ECMWF 在海南岛中部内陆预报较准确，CMA-SH9 则为海南岛东部沿海地区预报较准确；(2) 三个模式对海南岛东部沿海都具有较强的预报调整能力，随预报时效缩短，该地区空(漏)报问题减少。

另外，比较36 h 时效模式对海南岛四周海区的晴雨预报效果，发现：(1) ECMWF 在海南岛东部-南部海区存在较高的空报率，导致西部-北部海区评分明显高于东部-南部海区；(2) CMA-GD 在四周海区晴雨评分相对均匀，以漏报为主，空报少，此时，陆地关键区4 存在易空报的特征可间接表明CMA-GD 对陆地降水更易响应的特点；(3)CMA-SH9 表现出雨带偏东的系统偏差，导致东部-南部海区空报明显，西部-北部海区漏报明显。

3.3 降水面积百分比及其偏差

在格点-格点检验的方式中，晴雨评分与模式对雨区面积的预报能力有密切联系。图3 为按公式(6)得到的降水面积百分比箱线图。2019年5—9月期间，实况雨区面积百分比的箱体位置集中在[40%，95%]，中位数(77%)高于平均值(65%)。

36 h预报，CMA-GD 箱体位置比实况偏低，位于[30%，80%]区间；预报时效增加后，箱体位置略微向下调整，中位数和平均值接近，且都低于实况，进一步表明CMA-GD 模式漏报偏多的性质。通过计算平均偏差，发现72 h 时效预报与实况的偏差百分比可达-14.61%(表3)。CMA-SH9 在36 h 时效的面积百分比波动范围比实况偏大，位于[30%，97%]区间；预报时效增加后，下四分位数增大明显，从33%(36 h时效)增大至42%(72 h时效)，箱体范围缩小，各预报时效的中位数都高于平均值，与实况最为接近。另外，模式在60 h、72 h 时效预报面积百分比偏大(表2 中平均偏差为正值，图3d 箱体下限增大)，但36 h、48 h 时效预报则转为偏小(表2 中平均偏差为负值)，由此可知，CMA-SH9 具有较强的降湿能力，随预报时效缩短，雨区面积由偏湿转为偏干。ECMWF 各预报时效的中位数接近100%，下四分位数为90%，且箱体下限出现较多的异常值，进一步证明ECMWF 预报雨区面积偏大，平均偏差可达23%(表3)。

图3 不同模式在不同预报时效降水面积百分比（%）箱线图

上述模式中，CMA-SH9 降水面积百分比的平均偏差，平均绝对偏差和均方根偏差都较小(表3)，因此，CMA-SH9 对海南岛的雨区面积具有较强的预报能力，这也是它晴雨评分较高的主要原因之一。

表3 各预报时效模式降水面积百分比的平均偏差、平均绝对偏差和均方根偏差

3.4 不同降水面积百分比的晴雨准确率对比

图4 把实况降水面积百分比分为0～20%、20%～40%、40%～60%、60%～80%、80%～100%，共5个级别，比较各模式在不同级别降水事件中的晴雨预报能力。图4a、4b 分别代表雨区面积百分比为0～20%、20%～40%的两种局地降水事件(R实况=0～20%、20%～40%)。该类降水事件中，CMA-GD、CMA-SH9 都具有较高的晴雨评分，其中，CMASH9 模式36 h 晴雨准确率高于CMA-GD，其他时效低于CMA-GD，这与CMA-SH9 较强的降湿能力有密切联系。总体而言，CMA-GD 对该类降水的晴雨预报较为稳定，而CMA-SH9呈现降湿的调整趋势，但两者仍存在预报面积偏大的正偏差。

当实况降水面积百分比为40%～60%时(图4c)，CMA-GD 在各时效都具有较高的晴雨评分，但模式偏漏报的特征在此类降水事件中开始体现，随预报时效减小，均方根偏差呈上升趋势，雨区面积偏小特征更明显，由此出现晴雨准确率在36 h时效反而降低的情况。当海南岛大部地区有雨时(R实况=60%～80%、80%～100%，图 4d～4e)，ECMWF 的晴雨预报能力变强，甚至优于中尺度模式。R实况=60%～80%时，CMA-SH9 易出现预报雨区面积随时效缩小，由偏大转偏少的过度调整，导致36 h 时效评分降低（图4d）。而CMA-GD 则呈现较好的增湿能力，随预报时效减小，雨区面积的均方根偏差下降，晴雨评分由此提高。

图4 实况降水面积百分比为0～20%(a)、20%～40%(b)、40%～60%(c)、60%～80%(d)、60%～80%(e)级别时，各模式不同时效晴雨准确率(左侧纵坐标，折线)、均方根偏差(右侧纵坐标，柱形)与平均偏差(+代表具有正偏差，-代表负偏差)

综上可知，中尺度模式对在雨区面积为0～20%、20%～40%、40%～60%的局地降水事件中，相对实况降水面积百分比具有正偏差，呈现出降湿的调整趋势；在雨区面积为60%～80%、80%～100%的降水事件中，相对实况降水百分比具有负偏差，呈现出增湿的调整趋势。

3.5 不同雨区面积下的降水落区偏差

提高中小尺度系统影响下局地降水落区预报能力是提高海南省智能网格晴雨评分的关键。由图 4 可知，CMA-GD、CMA-SH9 对局地降水具有较高的晴雨评分，因此，本文挑选36 h 时效，对比不同级别降水面积百分比的高频降水中心(图5)，评估两家中尺度模式预报海南岛局地降水的能力。图 6 中，我们以 19 °N 为界，参考公式(10)～(11)计算高频降水质心，定点分区比较了模式在海南岛北部(19 °N 以北)和南部(19 °N 以南)的降水落区偏差。

图5 实况降水面积百分比为0～20%、20%～40%、40%～60%、60%～80%级别时的降水频率分布图

(1)R实况=0～20%的局地降水在海南岛海口北部海岸和万宁东部海岸具有两个面积较小的高频中心(频率≥50%)。CMA-GD 和 CMA-SH9 都预报出了北部的高频中心，相比实况，面积偏大。CMA-GD模式质心位置偏西偏南，CMA-SH9质心偏南(图6a)。另外，CMA-GD 模式未预报出万宁东部海岸的高频中心，但CMA-SH9 具有该能力，预报面积略大，质心位置接近。(2)R实况=20%～40%的降水高频区(频率≥60%)在19 °N 以北呈南北走向的三点分布。CMA-GD模式极好地捕捉到多个分散的高频中心特征，和实况呈现类似的分布形状，质心相比实况略微偏北；而CMA-SH9 的高频区域面积明显偏大，质心位置向东北偏移(图6b)。在19 °N以南，实况高频中心位于山区(白沙-琼中交界处)，CMA-GD 预报在昌江东部，质心偏西；CMA-SH9 模式高频落区出现在五指山以南，质心偏南。(3)R实况=40%～60%的降水高频区(频率≥70%)集中在北部内陆和中部山区，CMA-GD模式的高频区面积偏小，且没有预报出中部山区的降水。CMA-SH9在19 °N以北的高频区面积偏大，但19°N 以南的降水与实况接近，质心位置偏南。(4)R实况=60%～80%时，≥80%高频区在澄迈-海口-文昌呈西南-东北带状分布，雨带呈出海之势。CMA-GD 模式的高频区集中在澄迈海口，面积偏小，形状为方形。CMA-SH9 能体现出西南-东北走向且出海的雨带特征，但面积过大，导致质心位置明显偏东。另外，CMA-GD 模式未预报出19 °N 以南中部山区分散的高频中心，CMA-SH9可预报出，但面积偏小，位置偏东。

图6 实况降水面积百分比为0～20%(a)、20%～40%(b)、40%～60% (c)、60%～80%(d)级别时，高频降水区(a：≥50%，b：≥60%，c：≥70%，d：≥80%)的质心点位置

综上可知，CMA-GD 模式在实况降水面积百分比偏小(R实况=0～20%、20%～40%)的局地降水预报中，对海南岛北部具有较强的降水落区预报能力，但常常未能预报出南部的高频降水中心。CMA-SH9 在海南岛北部易出现降水面积偏大，质心偏东的情况，而在预报海南岛南部(例如中部山区、东部沿海)的高频降水中心能力上优于CMAGD。

4 总结与讨论

4.1 总 结

为了提高海南省智能网格晴雨预报能力，本文对 2019年 5月 1日—9月 30日期间，ECMWF、CMA-GD 和CMA-SH9 不同时效的降水产品进行检验评估，通过比较晴雨准确率、空报率和漏报率及其空间分布、降水面积百分比与实况的偏差、不同级别雨区面积下模式的预报效果尤其是局地降水的预报能力。

(1) CMA-SH9 具有较高的晴雨评分。ECMWF 评分偏低是高空报比例所致，空报易出现在五指山以南和东部沿海一带。CMA-GD评分偏低与较高的漏报比例相关，漏报倾向出现在五指山以南和东部沿海一带。三家模式对海南岛东部沿海都具有较强的预报调整能力，随预报时效缩短，该地区空(漏)报问题减少。

(2) 从降水面积百分比偏差来看，CMA-GD偏小，CMA-SH9 和 ECMWF 偏大。其中，CMA-GD和CMA-SH9 比ECMWF 具有较好的预报调整能力，预报时效缩短，模式本身预报面积偏大(小)的误差会减小，晴雨评分提高。

(3) 在降水面积百分比为0～20%、20%～40%、40%～60%的局地降水事件中，CMA-GD 和CMASH9 相对实况预报面积偏大，呈现出降湿的调整趋势，晴雨准确率比ECMWF 高；在百分比为60%～80%、80%～100%的降水事件中，预报降水面积偏少，呈现出增湿的调整趋势，晴雨准确率接近或低于ECMWF。

(4) CMA-GD 对海南岛北部高频降水中心的位置和形状具有较强的预报能力，易漏报海南岛南部高频降水中心。CMA-SH9 在海南岛北部易出现面积偏大，质心偏东的情况，对海南岛南部(例如中部山区、东部沿海)的预报能力优于CMAGD。

4.2 晴雨预报方案讨论

上述总结可知两个中尺度模式各具优势：(1)CMA-GD 模式偏干，对海南岛北部局地降水预报能力较强；(2) CMA-SH9 与实况降水面积偏差最小，晴雨准确率评分较高。在不同级别雨区面积的降水事件中，模式的预报能力也不同。为了综合各个模式优势，本文尝试根据模式降水面积阈值建立一套晴雨预报方案——最优面积阈值择优方案。首先，以CMA-SH9 降水面积为基准，迭代挑选匹配CMA-GD 和ECMWF 的最优面积阈值。如图7a 虚线所示，当RCMA-SH9≤70%时，挑选CMAGD 晴雨方案，RCMA-SH9＞70%时，挑选CMA-SH9晴雨方案进行集成，获得过去一段时间内最高的晴雨准确率评分，此时RCMA-SH9=70%即为匹配CMA-GD模式的最优面积阈值；通过同样的方式，进一步集成ECMWF 晴雨方案，RCMA-SH9≥80%时，挑选ECMWF，可获得更高的晴雨评分(图7a 实线)。图7b 为最优面积阈值择优方案得到的各预报时效晴雨准确率，迭代集合三个模式的晴雨方案，海南岛网格晴雨准确率在36 h 时效可提高至81.19%，相比 CMA-GD 和 CMA-SH9 分别提高了6.42%、3.55%，效果明显。因此，通过最优面积阈值择优方案迭代集合CMA-GD、CMA-SH9 和ECMWF，可有效提高海南岛高分辨率的网格晴雨预报准确率，为海南省智能网格晴雨预报提供重要参考信息。

图7 最高晴雨评分与最优面积阈值(a)；2019年5—9月期间CMA-GD、CMA-SH9、CMA-GD- CMA-SH9集成和CMA-GD- CMA-SH9-ECMWF集合在不同时效的晴雨准确率评分(b)