臺風“三巴”期間多種降水融合實況產品適用性評估

李葉晴，任曉煒，鄧 悅

（廣西壯族自治區氣象信息中心，南寧 530022）

近年來我國氣象觀測建設飛速發展，站網密度大幅提升，現有的觀測資料已能提供多種類、多尺度、高精度信息［1-2］。綜合利用多源的觀測信息，將其通過數據同化與數據融合的方法，得到精準且時空分布連續的多源數據融合氣象網格產品是實況業務的發展趨勢［3］。我國在多源融合降水實況分析產品的研制上取得了一定進展［1，3-7］。從起步的“衛星-地面”二源降水產品發展到“衛星-雷達-地面”三源融合降水產品，在不犧牲準確率的前提下，提升了產品的分辨率，并擁有空間分布的細節［1］。

中國降水多源融合實況分析1 km 分辨率產品于2021 年投入業務應用，已有諸多省份展開相關的評估工作。龍柯吉等［8］分別對不同時空分辨率的降水融合產品進行評估，結果表明1 km／1 h 的產品對強降水的監測能力最佳。鄧悅等［9］利用鐵路雨量站對廣西區域降水實況產品進行獨立檢驗，結果表明實況產品與觀測的空間一致性高，晴雨正確率均超過85%。賀音、張茜茹等［10-11］分別對1 km 和5 km 的產品在陜西和山東地區進行適應性檢驗，結果顯示1 km 分辨率的實況產品優于5 km 分辨率，實況產品略有大值低估的現象。前人對于實況產品的評估檢驗大體可以分為兩類: 一類是在年或者季節尺度上進行較長時間的評估，其二是對重大天氣過程進行較短時間的個例評估。無論從何種角度切入，實況產品都已展現出其突出優勢。而產品在大量級降雨中的表現如何，是否存在提升空間，值得進一步探究。

暴雨是廣西地區頻發且影響范圍廣的氣象災害之一。每年汛期和臺風過境期間，廣西均會受到暴雨不同程度的影響，尤其是極端降水引發的災害，對人民的生命財產安全造成嚴重威脅。精細的降水融合實況產品能為后續預報預測和防災減災工作提供重要的數據支撐，因此檢驗實況數據在極端災害天氣中的準確性具有十分重要的意義。

本文基于質控后的降水觀測數據分別從空間、時間和降水強度對實況產品進行檢驗，更側重從細致局部的角度多方面去檢驗2023 年臺風“三巴”過境期間融合分析實況產品對大暴雨的刻畫能力，為后續產品改造升級提供科學的參考。

1 資料與方法

1.1 實況產品

本研究使用到的實況數據有國家氣象信息中心基于中國氣象局多源降水融合分析業務化系統（CMA Multi-source Merge Precipitation Analysis Systerm，CMPAS）研制的降水實時和近實時產品（后文簡稱CMPAS＿RT 和CMPAS＿NRT），廣西壯族自治區氣象信息中心研制的GXPAS［2］（Guangxi Precipitation Analysis Systerm，GXPAS）降水實況產品（后文簡稱GXPAS）。前者基于 “PDF（概率密度函數）＋BMA（貝葉斯模式平均）＋OI（最優插值）”和降尺度技術研制的高分辨率的三源（地面-雷達-衛星）降水［12］，后者則基于多層感知器（MLP）為框架，使用計算效率較高的快速動態分級法（Fast Dynamic Categorical method，FDC）融合地面和雷達降水數據［6］。二者的時空分辨率為0.01°·h-1

選取質控碼為0、3、4（“數據正確”、“數據為訂正值”、“數據為修改值”）的國家站和區域自動站作為檢驗的“真值”，將實況產品利用鄰近像元插值法插值到站點上。評估降水實況產品的指標和計算方法參照中國氣象局發布的《中國區域降水網格實況產品全流程檢驗評估細則（2020 版）》

1.2 評估指標

評估所用到的指標有:相關系數COR、平均誤差ME、平均絕對誤差MAE、均方根誤差RMSE、TS 評分。

式中，Oi為站點的小時觀測數據，Gi是實況產品插值到站點上的格點數值。TS 評分中，NA 為格點與觀測均出現降水的站點數；NB 為實況發生而觀測不發生的站點數；NC 表示站點發生而實況不發生的站點數；ND 表示兩者都不發生的站點數。

降水量級的分類如表1 所示，針對此次臺風過境的強降水過程，逐小時降水量分級參考廣西壯族自治區氣象臺在特大暴雨中的分級。

2 結果與分析

2.1 降雨概況

受臺風“三巴”影響，2023 年10 月18 日20 時至2023 年10 月21 日10 時，廣西東南地區出現強降水，北海、玉林等地出現局地特大暴雨，累計降水量超過600 mm 的站有北海市銀海區僑港鎮（829 mm）、北海市海城區驛馬鎮（604.7 mm），400～600 mm 有北海、玉林、欽州的7 個縣（市、區）共33 個鄉鎮。此次過程降水中心在北海銀海僑港鎮亞平氣象觀測站，該站24 h 雨量超過廣西有觀測記錄以來的日降水記錄，高達780.3 mm。玉林博白東平氣象觀測站522.1 mm，破博白縣日降水量歷史紀錄。此次臺風具有“路徑復雜，雨量大，極端性強”的特點。

2.2 評估指標

此次強降水過程整體評估指標結果如表2。結果顯示，實況產品與觀測都有較高的一致性，相關系數都高于0.98，平均偏差絕對值都在0.02 mm 以內，均方根誤差在0.7 mm 以內。GXPAS 在整體的相關系數、平均偏差和均方根誤差表現最優。CMPAS 兩種產品平均偏差差異較小，在此次降水過程中表現為低估，GXPAS 則為高估。

表2 三種實況產品的統計指標

圖1 為不同降水強度分級的TS 評分和平均誤差，隨著降水量級的增大，實況產品的準確率下降，誤差有所增加。三種實況產品在40 mm 以下的降水表現較好，TS 評分在0.9 以上，平均偏差在0.4 mm以內；大于40 mm 的降水，TS 大體分布在0.8 以上。GXPAS 在大于80 mm 的降水中TS 評分最低，僅為0.46，同時平均偏差明顯。降雨量越大，樣本越少，誤差就容易被放大，由此可見，CMPAS 對于大暴雨量級刻畫較GXPAS 較好。（本文也計算了常規降水強度分級的統計指標，三者在不同降水等級的TS 均超過0.88，平均誤差均在0.2 mm 以內。）

圖1 2023 年10 月18 日20 時—21 日10 時統計指標

2.3 空間分布

廣西東南部地區的局地特大暴雨主要集中在2023 年10 月19 日06 時—20 日06 時，觀測的24 h累計降水降雨量分布如圖2（a）。不同降水強度的站點 統計中:50～100 mm 有220 站，100～150 mm 有184 站，150～200 mm 有80 站，超過200 mm 有154站。其中超過500 mm 的站有5 個，強降水中心主要集中在北海和玉林西南部。此次降水具有覆蓋范圍廣、量級大、歷時短等特征。

圖2 2023 年10 月19 日06 時—20 日06 時24 h 累計降水量

不同實況產品的累積雨量分布均能再現強降水的大值落區，能較好地再現此次過程的局地大暴雨過程，不同等級的雨帶分布與觀測基本一致，但三種產品均未能再現百色北部和南部的小雨（0.1～10 mm）落區。對于桂北區域大暴雨（50～100 mm）的分布，CMPAS 的兩種實況產品分布與觀測更為接近，GXPAS 則在站點周圍略有高估，尤其是在局地小范圍的周圍（桂林的灌陽縣、全州縣、興安縣和龍勝縣）。針對250 mm 以上的強降水，三者表現相當，均能反映北海和玉林南部雨帶。但在北海合浦縣北部的100 mm 以上的降水，CMPAS 兩種實況產品略有高估。CMPAS 兩種實況產品差異不明顯，主要是在桂北地區的中雨落區略有范圍上的差異?？傮w而言，三種實況產品對于強降水過程的累計量復刻能力較好，降水落區與觀測吻合，精細化程度高，對小范圍降水的捕捉能力較高。

2.4 時序分布

為檢驗實況產品對暴雨過程的動態刻畫，圖3為實況產品逐小時平均雨量與觀測平均雨量的差值時序圖。由圖可知，三種產品偏離觀測的程度較小，尺度均在0.06 mm 以內，并隨著降水量級增大，對觀測的偏離程度也越大。GXPAS 在19 日08 時出現較明顯的低估，主要對賓陽縣的降水低估。在強降水時段，GXPAS 整體呈現高估，CMPAS 整體呈現先高估后低估的趨勢，而近實時產品更好的修復了實時產品偏離觀測的程度?？傮w而言，降水時序分布，CMPAS 近實時產品優于CMPAS 實時產品優于GXPAS。

圖3 臺風“三巴”過程三種產品與觀測站的平均降水量的差值

為進一步檢驗實況產品在極端暴雨的表現，圖4 為兩個超過歷史極值的站點小時降水時序分布:圖4a 為N9050 北海銀海僑港鎮亞平氣象觀測站，圖4b 為N5912 玉林博白東平氣象觀測站。兩者的降水主要集中在19 日夜間，亞平站小時最高降水達102 mm，CMPAS 表現與觀測產品很好的一致性，對于降水的極值和趨勢有較好的捕捉能力，GXPAS 則在降水突增的時次表現為低估。東平站降水量級不如亞平高，但大雨持續時間長，三種實況產品對于東平站降水的波動趨勢有較好的復刻，但在大值時刻都有低估現象（比如19 日18 時和20 日00 時），都沒有捕捉到40 mm 以上的降水。GXPAS 在該站點的大值與觀測更為接近。

圖4 超過歷史記錄的逐小時雨量變化圖

2.5 降水強度

為進一步探究各實況產品在不同降水量區間的表現，圖5 為降水頻次隨強度的變化圖。橫坐標是0至小時最大降水量的區間，間隔為1 mm，縱坐標為降水量出現頻次。由圖可知，三者在小于20 mm 的降水頻次分布表現與觀測差異并不大，在大于40 mm 的降水上，與觀測差異較為明顯。這與以下“3.2”節中不同降雨等級TS 評分和平均誤差分布一致:各產品在40 mm 以下準確率較高，40 mm 以上誤差開始增加。在40～50 mm 區間內CMPAS 與觀測一致性較好，GXPAS 出現頻次略低于觀測。本次天氣過程中小時雨量觀測的最大值為N5652 博白文地姜充氣象觀測站，降雨量為107.8 mm，但是三種實況產品在該站點的降雨量都落在95～96 mm 的區間。小時降雨大于100 mm 站有2 個，GXPAS 均未捕捉到?？梢?，GXPAS 在降水的時間變化和強度分布略遜色于CMPAS 的兩種實況產品。

圖5 臺風過程中降水頻次隨強度的變化

3 結論與討論

本文對比了國家氣象信息中心降水融合實況產品CMPAS＿RT 和CMPAS＿NRT，以及廣西壯族自治區氣象信息中心的降水實況融合產品GXPAS 在2023 年臺風“三巴”期間的適用性，從統計分析、空間分布、時間序列和降水強度不同角度分析了實況產品在極端降水過程的復刻能力，取得如下主要結論:

（1）臺風期間的特大暴雨過程中，三種實況產品與觀測一致性高，相關系數都高于0.98，平均偏差都低于0.2 mm，均方根誤差都在0.7 mm 以內，其中GXPAS 在整體評估指標中表現最佳。

（2）從空間分布來看，三種實況產品在24 h 累計雨量的分布上均能較好的反映強降水落區和趨勢分布。CMPAS 兩種產品在細節上與觀測分布一致性更高，對于局地小范圍降水的刻畫比GXPAS 更優。

（3）從時間分布來看，三者都能較好地刻畫單站的降水變化。針對小時平均雨量時序分布，三種實況產品隨著降水量級增大，對觀測的偏離程度也越大，偏離程度均在0.06 mm 以內。夜間強降水過程中GXPAS 呈現高估，CMPAS 兩種產品呈現低估，其中近實時產品對于實時產品的偏差有較好的修復。

（4）從不同等級的降水分布來看，0～40 mm 區間的降水三種實況產品表現相當，TS 評分均高于0.9，平均偏差均低于0.4 mm，降水頻次分布與觀測吻合度高。40～80 mmCMPAS 兩種實況產品TS 評分和平均偏差均優于GXPAS。對于大于80mm 的降水，三者都存在低估明顯的現象。

綜上所述，三種實況產品在臺風過程中的強降水復刻能力較好，GXPAS 在整體平均的評估指標上表現優秀，但CMPAS 在局地強降水分布和降水變化的捕捉上更有優勢。

本文主要是基于地面觀測站“點對點”的方式去檢驗降水融合實況產品，對于降水空間分布的評估難免不夠客觀，未來可以考慮通過雷達數據的中間產品，從“面”上去檢驗數據的真實性。再者，未來也可以對不同的天氣過程進行分類評估，分析不同天氣類型降水實況產品表現的特征。