李恩莉+韩洁

摘要：选取2015年汛期宝鸡典型的三类降水过程，采用宝鸡市区域站和自动站雨量以及SWAN定量降水预报产品资料，用点对点统计检验评分方法，分析了SWAN系统中定量降水预报产品在宝鸡不同类型降水过程中的准确率和误差分布。结果表明：同一预报时效下， QPF产品对层状云降水的预报效果最好，其次是积状云，层积混合预报效果最差；随着降水的加强，不同预报时效误差不同，预报时效越长，误差越大，三种类型降水过程均是如此。相对误差则是层积混合型降水最小，积状云降水最大，绝对误差层状云降水最小，层积混合型降水最大； 层状云降水总体分布为东部大西部小，积状云降水总体分布为西南—东北走向，依次朝西北和东南减小，层积混合类型降水过程中，30 min预报时效下绝对误差大值中心位于陈仓，麟游和凤县绝对误差最小，60 min预报时效下绝对误差分布特征为东部大西部小，由东向西依次减小。

关键词：SWAN系统；定量降水预报；误差分析

中图分类号：P457

文献标识码：A文章编号：16749944（2017）20001104

1引言

《第七次全国气象预报工作会议工作报告》提出，市县预报员向提高综合业务能力方向转变，强化市县灾害性天气和气象灾害的实时监测和临近预警。《陕西省现代气象预报业务发展行动计划（2016-2018）》提出，市级预报业务主要开展灾害性天气实时监测、预警业务。由此可见，及时、准确的短时临近预报预警服务已经成为地市局预报业务中心工作。对于临近（0～2 h） 定量降水预报而言， 利用雷达回波外推技术和自动站雨量订正技术的临近预报方案具有高精度的时空分辨率， 且准确率也较高[1]。笔者利用宝鸡地区2015年出现的12次降水过程，对SWAN系统中提供的不同时效的定量降水预报产品进行检验分析，为宝鸡短时临近预报预警工作提供技术支撑。

2资料选取和检验方案

2.1资料选取与标准

笔者采用的资料主要有：①2015年汛期SWAN系统中QPF产品数据，该数据从陕西省局数据库获得，处理为格点数据，在程序中对数据进行质量控制；②宝鸡11个县区自动站及各县区区域站雨量资料。

降水过程的选取标准：根据雷达反射率因子回波将降水过程划分为层状云降水、对流性降水和混合类降水3类，选取1 h降水量超过5 mm的区域站站点。

根据以上标准，选取2015年汛期12个过程，见表1。

本项目的主要难点在于数据的处理过程，首先将SWAN中的定量降水预报产品（QPF）解析成有经纬度的格点值，然后找出各降水站点所对应的格点值，查找原则是相邻格点距离最短优先，从而找出某一站点分别在不同时刻QPF产品和对应时刻的降水实况值（图1）。

3QPF的检验分析

SWAN系统中提供了预报时效为30 min和60 min的QPF产品，笔者对两个预报时效均进行统计检验。分别计算3种不同类型降水过程QPF的空报率、漏报率、准确率、相对误差（Er）和绝对误差（Ea）（表2），由表2可见，同一预报时效下，层状云降水Ts评分最高，其次是积状云降水，层积混合型降水最低，空报率Ts评分相反，说明QPF产品层状云降水预报准确率最高，层积混合型降水最低。同一时效下积状云降水漏报率最低，其次是层状云降水，层积混合型降水最高。综上分析可见，QPF产品对层状云降水的预报效果最好，其次是积状云。

4误差分析

4.1QPF总的误差分析

计算3种类型降水过程QPF产品的相对误差和绝对误差，由表2可见，随着降水的加强，不同预报时效误差不同，预报时效越长，误差越大，3种类型降水过程均是如此。相对误差则是层积混合型降水最小，积状云降水最大，绝对误差层状云降水最小，层积混合型降水最大。

4.2QPF绝对误差的空间分布特征

图2为层状云降水过程两个预报时效绝对误差分布图，可见30 min和60 min预报时效下绝对误差空间分布特征类似，总体分布为东部大西部小，绝对误差大值中心位于岐山，凤翔绝对误差最小。

图3为积状云降水过程两个预报时效绝对误差分布图，与层状云类似，30 min和60 min预报时效下绝对误差空间分布特征一致，总体分布为西南—东北走向，依次朝西北和东南减小，绝对误差大值中心位于渭滨，陇县和扶风绝对误差最小。

图4为层积混合类型降水过程两个预报时效绝对误差分布图，由图可见，30 min预报时效下绝对误差大值中心位于陈仓，其次是渭滨、眉县、太白北部和岐山南部，麟游和凤县绝对误差最小。60 min预报时效下绝对误差分布特征为东部大西部小，由东向西依次减小，同时存在两个大值中心，分别为眉县和渭滨，陇县、凤县和麟游绝对误差较小。

4.3误差原因分析

首先，通过对QPF的误差分析，可以看出预报时效越短，准确率越高，误差也越小。层状云误差最小，积状云和层积混合误差较大，这是由于层状云降水属于稳定性降水，由凝结潜热产生的上升运动小，积状云和层积混合误差较大的原因是其降水过程一般为强对流天气和暴雨过程，降水不稳定，易出现短时强降水或者降水突然增大，因此可预报性变低。

第二，积状云和层积混合降水的绝对误差空间分布可以总结为离雷达越近，误差越大。其原因主要是由于雷达静锥区内降水回波测定不准确造成的。层状云降水的绝对误差空间分布特征是在距离雷达一定范围内，离雷达越远，误差越大。其原因主要是由于降水区域高度低于雷达波束探测高度，造成降水回波测定不准确。

第三，QPF的誤差不仅与雷达本身探测的局限性有关，还收到一些技术方法的影响，文献[2]中提到SWAN 中QPF产品由其反射率预报产品反演而来，该产品主要由回波外推得到，算法存在一定的局限性，目前由雷达回波外推方法向结合数值模式预报的混合外推技术发展，对提高对流降水的预报能力也许有更多的帮助[3]。另外，QPF的质量均与雷达反射率因子和降水强度间的Z-I 关系密不可分[4，5]。Z-I 关系建立方法多样，且具有地域性，有待进一步尝试与检验。

5小结与讨论

本文利用宝鸡市2015年汛期出现的12次降水过程， 检验分析了SWAN中定量降水预报产品（QPF）对不同类型降水的预报效果和误差分析，得出以下结论。

（1）同一预报时效下， QPF产品对层状云降水的预报效果最好，其次是积状云，层积混合预报效果最差。

（2）随着降水的加强，不同预报时效误差不同，预报时效越长，误差越大，3种类型降水过程均是如此。相对误差则是层积混合型降水最小，积状云降水最大，绝对误差层状云降水最小，层积混合型降水最大。这是由于层状云降水属于稳定性降水，由凝结潜热产生的上升运动小，可预报性较好。

（3）层状云降水总体分布为东部大西部小；积状云降水总体分布为西南—东北走向，依次朝西北和东南减小；层积混合类型降水过程中，30 min预报时效下绝对误差大值中心位于陈仓，麟游和凤县绝对误差最小；60 min预报时效下绝对误差分布特征为东部大西部小，由东向西依次减小。

（4）由于产生预报误差的因素很多，本文只是对于主要原因做了分析，对其他原因的分析还需做更深入的分析。

参考文献：

[1]

吕晓娜，牛淑贞.SWAN中定量降水估测和预报产品的检验与误差分析[J]，暴雨灾害.2013，32（2）：142～150.

[2]胡胜，罗聪，黄晓梅，等.基于雷达外推和中尺度数值模式的定量降水预报的对比分析[J].气象，2012，38（3）：274～280.

[3]宗志平，代刊，蒋星.定量降水预报技术研究进展[J].气象科技进展，2012，2（5）：29～35.

[4]马慧，万齐林，陈子通，等.基于Z-I 关系和变分校正法改进雷达估测降水[J].热带气象学报，2008，24（5）：546～549.

[5]俞小鼎，姚秀萍，熊廷南，等.多普勒天气雷达原理与业务应用[M].北京：气象出版社，2006.

[6]曹洋，于秀娟.SWAN定量降水预报在几次降水过程中的应用检验[J].吉林农业，2013（1）：133.

[7]宋丹，熊伟.SWAN 定量降水估测和预报产品在贵州乌江流域的应用[J].贵州气象，2015，5（39）：24～27.endprint