• 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引(EI)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

降水临近预报及其在水文预报中的应用研究进展

刘佳 邱庆泰 李传哲 焦裕飞 王维 于福亮

刘佳, 邱庆泰, 李传哲, 焦裕飞, 王维, 于福亮. 降水临近预报及其在水文预报中的应用研究进展[J]. 水科学进展, 2020, 31(1): 129-142. doi: 10.14042/j.cnki.32.1309.2020.01.014
引用本文: 刘佳, 邱庆泰, 李传哲, 焦裕飞, 王维, 于福亮. 降水临近预报及其在水文预报中的应用研究进展[J]. 水科学进展, 2020, 31(1): 129-142. doi: 10.14042/j.cnki.32.1309.2020.01.014
LIU Jia, QIU Qingtai, LI Chuanzhe, JIAO Yufei, WANG Wei, YU Fuliang. Advances of precipitation nowcasting and its application in hydrological forecasting[J]. Advances in Water Science, 2020, 31(1): 129-142. doi: 10.14042/j.cnki.32.1309.2020.01.014
Citation: LIU Jia, QIU Qingtai, LI Chuanzhe, JIAO Yufei, WANG Wei, YU Fuliang. Advances of precipitation nowcasting and its application in hydrological forecasting[J]. Advances in Water Science, 2020, 31(1): 129-142. doi: 10.14042/j.cnki.32.1309.2020.01.014

降水临近预报及其在水文预报中的应用研究进展

doi: 10.14042/j.cnki.32.1309.2020.01.014
基金项目: 

国家自然科学基金资助项目 No.51822906

国家重点研发计划资助项目 No.2017YFC1502405

详细信息
    作者简介:

    刘佳(1983-), 女, 河北石家庄人, 高级工程师, 博士, 主要从事陆气耦合流域水文模拟与预报、中尺度大气模拟与数据同化等方面研究。E-mail:hettyliu@126.com

    通讯作者:

    邱庆泰, E-mail:qqt31415926@163.com

  • 中图分类号: P338+.1;TV124;G353.11

Advances of precipitation nowcasting and its application in hydrological forecasting

Funds: 

the National Natural Science Foundation of China No.51822906

the National Key R & D Program of China No.2017YFC1502405

图(2) / 表 (1)
计量
  • 文章访问数:  51
  • HTML全文浏览量:  8
  • PDF下载量:  34
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-06-12
  • 网络出版日期:  2019-12-06
  • 刊出日期:  2020-01-30

降水临近预报及其在水文预报中的应用研究进展

doi: 10.14042/j.cnki.32.1309.2020.01.014
    基金项目:

    国家自然科学基金资助项目 No.51822906

    国家重点研发计划资助项目 No.2017YFC1502405

    作者简介:

    刘佳(1983-), 女, 河北石家庄人, 高级工程师, 博士, 主要从事陆气耦合流域水文模拟与预报、中尺度大气模拟与数据同化等方面研究。E-mail:hettyliu@126.com

    通讯作者: 邱庆泰, E-mail:qqt31415926@163.com
  • 中图分类号: P338+.1;TV124;G353.11

摘要: 随着全球气候变化、自然变迁及陆表生境改变,极端天气频发且呈现出多尺度时空变异特征,对其进行预报和预警一直是气象水文领域关注的焦点。临近预报可较准确地预报未来短时间天气显著变化,是当前预报强降水等极端事件的主要手段。从基于天气雷达0~3 h外推临近预报、融合数值模式0~6 h临近预报的发展历程梳理了临近预报的研究进展,阐述了雷达外推算法的发展进程、雷达外推预报与数值模式预报融合技术进展,指出"取长补短"的0~6 h融合预报在提高降水预报精度、延长降水预见期等多方面有较大的发展潜力,进一步探寻及提升融合技术是未来融合预报发展的核心。将临近预报以气象水文耦合的方式引入水文预报是从源头提高水文预报精度、保障水文预报效果的主要途径,总结了现阶段主流耦合方式、空间尺度匹配技术、水文模型不确定等陆气耦合中的关键问题,阐述了外推临近预报、融合临近预报作为水文预报输入的研究进展,明确了融合临近预报在延长洪水预见期、提高洪水预报精度中存在优势,并讨论了未来的研究重点及发展方向。

English Abstract

刘佳, 邱庆泰, 李传哲, 焦裕飞, 王维, 于福亮. 降水临近预报及其在水文预报中的应用研究进展[J]. 水科学进展, 2020, 31(1): 129-142. doi: 10.14042/j.cnki.32.1309.2020.01.014
引用本文: 刘佳, 邱庆泰, 李传哲, 焦裕飞, 王维, 于福亮. 降水临近预报及其在水文预报中的应用研究进展[J]. 水科学进展, 2020, 31(1): 129-142. doi: 10.14042/j.cnki.32.1309.2020.01.014
LIU Jia, QIU Qingtai, LI Chuanzhe, JIAO Yufei, WANG Wei, YU Fuliang. Advances of precipitation nowcasting and its application in hydrological forecasting[J]. Advances in Water Science, 2020, 31(1): 129-142. doi: 10.14042/j.cnki.32.1309.2020.01.014
Citation: LIU Jia, QIU Qingtai, LI Chuanzhe, JIAO Yufei, WANG Wei, YU Fuliang. Advances of precipitation nowcasting and its application in hydrological forecasting[J]. Advances in Water Science, 2020, 31(1): 129-142. doi: 10.14042/j.cnki.32.1309.2020.01.014
  • 近年来, 随着全球气候变化、自然变迁及陆表生境改变[1], 一系列的极端异常天气频发并呈现出显著的多尺度时空变异特征, 引发的气象灾害频次及强度也呈现逐年增加的态势。特别是中国地处东亚季风气候区, 季风活动影响导致夏季降水集中、极端事件不断凸显[2], 极端降水及引发的洪灾是中国主要的气象灾害, 且往往呈现预见期短、突发性强、峰量集中、灾害重等特点, 例如, 北京“7·21”特大暴雨、长江中下游2016年夏季强降水等。自20世纪80年代Browning和Collier[3]提出临近预报的概念, 历经基于雷达外推的0~3 h临近预报到结合数值模式的0~6 h融合预报, 将其耦合水文预报可延长径流预报预见期、实现洪水预警, 是当前水文学者关注的焦点问题。尤其是强对流天气及引发的降水往往呈现较强的突发性、致灾性, 对其进行预报与预警是当前气象水文领域研究的重点和难点。现阶段, 随着多源观测信息的综合利用以及同化融合技术的丰富发展, 一方面, 更深入地研究预报机理、改进预报算法及提升模式效率实现“根源”上提升降水预报精度和延长预见期[4], 另一方面, 探索基于天气雷达的外推临近预报与数值模式预报“取长补短”的高效融合预报技术, 是从技术及应用层面提高降水预报精度和延长预报时效的有效途径[5]

    降水作为水文预报最重要的驱动, 降水的时空分布不均匀极大地影响了区域的产汇流及水文模型的参数估计[6-7]。汇流时间较短的流域往往汇流速度快、集流时间短、洪水陡涨陡落, 传统的水文预报将“落地雨”(雨量站实测降水)输入水文模型, 其有效预见期不超过流域的汇流时间, 难以满足变化环境下洪水风险管理和预报预警的实践需求[8]。降水临近预报可获得未来0~6 h高时空分辨率的降水信息, 将其通过气象水文耦合预报的方式应用于流域水文预报, 不仅改善了气候变化下气象要素预报不确定性增加、陆表生境改变等带来的水文预报模拟预测难度加大等困扰, 可以充分延长水文预报的预见期, 还能够在一定程度上改进传统水文预报中雨量站的有限分布、展布方法所带来的降水精度不高的问题, 是当前提高洪水预报精度及延长预见期的主要途径, 也是水文预报研究领域的主要发展趋势[9]。如何有效地提高径流预报仍存在一些挑战, 首先提高降水预报的精度是保障临近预报在水文预报中有效应用的关键因素, 特别是强对流天气等极端天气, 降水时空分布的剧烈变化及降水预报的微量偏差都增加了水文模型模拟径流量、洪峰流量、洪峰出现时间等预报结果的误差[10];其次在水文预报模型层面, 与临近预报尺度匹配技术、考虑参数不确定性的高效率定算法、流域的适用性等都是提高水文预报精度和促进水文模型发展亟需解决的难点[4];最后是气象水文耦合预报不确定性的研究, 耦合预报的不确定性贯穿于耦合的所有过程, 主要来自气象要素的随机性和模糊性、水文模型输入误差和结构误差[11]

    • 20世纪50年代以来随着多普勒天气雷达的快速发展, 80年代Browning和Collier[3]提出临近预报是通过雷达回波外推实现短时间(0~3 h)内天气发生显著变化的高时空分辨率的预报, 其中对强对流天气的预报是重中之重, 并将其列入正式的天气预报范畴。Keenan等[12]认为临近预报强调预报的短时限(0~3 h)特点, 能够预测未来短时段内的强对流天气, 并为灾难(洪灾、冰雹等)提供足够的预警时间。随着中尺度大气模式发展, 临近预报的时间范围愈发模糊, 相关学者[13-15]认为雷达外推与大气数值模式结合可有效延长临近预报时效至6 h。国际气象大会确认临近预报时效范围为0~6 h, 2011年世界气象组织临近预报工作会议讨论并强调了外推临近预报与数值模式的融合是延长临近预报时效的主要发展方向[16]

      国内外学者一致认为临近预报的两个关键要素为:短时效性、高时空分辨率[17], 但各个国家或地区对临近预报的定义也存在差异性。英国气象局对临近预报的定义:一种可描述当前天气并假设其不发生显著变化的基础上, 预测气象要素移动的速率及方向, 并对未来短时段内的天气进行极短时预报的技术。瑞士气象局的阐述则为一种预测未来几分钟至6 h内具有高时空分辨率的天气变化的技术。世界气象组织(WMO)的定义略有不同, 将临近预报定义为:对现阶段天气情况的详细描述基础上, 使用外推预报及数值模式预报联合实现未来0~6 h的天气预测。现阶段国内外天气预报业务的临近预报系统大都为:0~1 h时段依靠天气雷达的优势;1~3 h时段使用雷达外推预报与数值模式预报进行融合预报;3~6 h时段则采用数值模式预报, 以实现0~6 h降水的无缝隙临近预报[5], 见图 1

      图  1  临近预报时效范围与其对应预报技术

      Figure 1.  Time range and forecast techniques of nowcasting

    • 多普勒效应是天气雷达能够及时抓住并分析快速天气变化的基础, 通过回波的强度和时间确定降水粒子的特性及空间位置等, 按照反射因子与降水强度之间的Z~R统计关系实现定量降水的分布及强度的估算。天气雷达作为短时临近预报的主要遥感设备, 具有探测及时、分辨率高的特点, 可获取较大范围降水的瞬时分布、降水结构, 同时通过回波外推降水的发展演变情况, 进而实现降水的临近预测(0~3 h), 因而成为中小尺度天气临近预报、灾害性降水定量估算的工具[18]。Kessler和Russo[19]最早在假设单体稳定状态下分析雷达回波的轨迹与真实降水的关联性, 极大地改进了降水预测。Austin和Bellon[20]提出临近预报算法应包括回波识别跟踪和外推预测两个方面, 首先对回波进行识别并建立回波场, 再预测最优位移。现阶段基于天气雷达的外推临近预报主要分为两大类:①识别和跟踪强雷暴单体的单体质心跟踪方法, 如TITAN(Thunderstorm Identification, Tracking, Analysis and Nowcasting)和SCIT(The Storm Cell Identification and Tracking);②识别和跟踪较大范围降水区域的回波区域跟踪算法, 如交叉相关跟踪法(TREC-Tracking Radar Echo by Correlation)及衍生算法、光流法(OF-Optical Flow)、变分回波跟踪算法(VET-Variational Echo Tracker)等。

      (1) 单体质心跟踪算法

      美国国家风暴实验室(NSSL)在1970年尝试超级单体的研究, 通过矩心跟踪法寻找超级单体的对流传播方式;Bjerkaas和Forsyth[21]最早提出单体质心跟踪算法, 并应用于NEXRAD(Next Generation Radar)跟踪反射率位移变化。Dixon和Wiener[22]通过对历史单体变化趋势的分析, 提出了一种图形分裂和合并的算法, 并构建了可实时跟踪单体增长和消散的算法, TITAN应运而生。TITAN使用了一个组合的最优化算法来识别和追踪对流单体的融合和分离, 由于其单一阈值识别单体运动及位移变化使其无法区分风暴簇, Han等[23]融合基于数学形态学的风暴识别提出了ETITAN, 个例应用表明, ETITAN较TITAN的临近成功指数(CSI)提高了93%。另一种风暴单体识别和跟踪算法SCIT, 则将改进的反射率因子图像识别技术应用于对流单体, 预报出对流单体的质心三维参数、垂直累计液态水量等, 通过线性加权进行外推预报[24]。与SCIT类似, TRACE3D则将三维范式(3D Paradigm)中的K算法(K-means Algorithm), 应用于追踪阶段探测单体的分离和融合[25]

      (2) 回波区域跟踪算法

      交叉相关追踪法(TREC)是目前应用最广泛的回波区域跟踪算法, 利用回波最优空间关系追踪降水系统的移动特征, 分析回波场并寻找最大相关系数或最小绝对误差等最佳拟合关系, 外推确定回波未来的形状和位置[26]。Edwin将TREC应用在台风预报上, 指出外推有效预报了降水, 但在强对流天气等显著变化的预报表现一般。王改利等[27]指出TREC易受雷达质量控制、回波场外推“区域”变化、最小回波等因素的影响。在TREC基础上, 捷克水文气象所(CHMI)开发了基于空间位置连续变化的算法(COTREC), 选用二维连续方程限制, 加入变分技术平滑速度场, 应用于强对流天气的降水预报, 结果表明COTREC在组织性较强、稳定的降水预报中表现较好, 但在超级单体的预报中误差较大;可解决地形遮挡等原因造成的回波分析不连续, 但存在零矢量、小矢量等影响[28]。CHMI通过设定反射率阈值实现超级单体识别与追踪的CELLTRACK算法, 在有超级单体的强对流天气预报中取得了更好的效果[29]。Tuttle和Foote[30]考虑了雷达回波在大尺度上的系统性和回波内部运动, 将半拉格朗日平流方案RPM-SL(Remapped Particle-Mesh Semi-Lagrangian)代替TREC的后向外推方式, 消弱了回波场内阈值过大带来无序矢量的影响, 使得MTREC在预测降水的旋转特性上呈现了较好的一致性和连续性[31]。李娜等[32]定量地评估了MTREC在赣江流域的预报性能和特点, 结果表明预报随预见期的增加表现平稳、低值预报较为准确、降水落区范围偏大。值得指出的是, MTREC在雷达回波的旋转、位移、形变等有不错的表现, 但在对流型降水的生成、发展、演变、消亡上表现较差。

      基于TREC的外推算法多是通过回波空间最相关匹配方法来识别及外推降雨, 在预测降水的局部旋转及变形的表现不及立足于变化的光流法。光流法是将计算获得的雷达回波光流场代替回波矢量场, 分析回波的时间与空间变化[33], 主要方法有两种:基于全局平滑的Horn-Schunk法、基于局部匹配的Lucas-Kanade法。曹春燕等[34]对比了光流法与TREC在个例的预报, 指出光流法在移动性局地生成降水的CSI表现提高7%, 热带系统降水则是TREC略优。另外, 为解决山区复杂地形影响易产生局部地形效应等困难, Zahraei等[35]提出了一种综合降水位移场分层追踪与支持网格拓扑变化外推方法(Pixel-Based Nowcasting, PBN)的算法, 采用网格数据和分层技术结合, 不仅实现了对山区小尺度降雨的有效追踪, 而且实现了位移场内平滑变化趋势的识别, 同时对不同高度空间网格的修订实现位移的校正。

      基于天气雷达回波追踪、外推的临近预报方法可显示出较强、较好、较完整的强对流天气结构及对流运动情况, 特别是在连续观测雷达反射率的区域, 可较好地构建回波场、追踪及外推回波位移变化[36-37]。对这两类方法(单体质心跟踪算法和回波区域跟踪算法)来说, 其计算精度并没有显著差别, 很难有优劣的定论, 只是在针对不同天气类型引发的降雨过程进行选取。例如, 对有强风暴单体的降水预报应优先选用单体质心跟踪算法, 而对于其他天气类型的降水预报, 尤其是强对流天气引发的降水过程, 则可选用回波区域跟踪算法进行预报。值得注意的是, 雷达数据时空结构变化的不确定性是临近预报的主要误差源之一, 通过历史数据的建模、估算和分析数据往往将自身误差引入其中, 尤其是极端降水过程, 它们的时空结构与统计“标准”相差甚大, 因此, 对雷达特性统计、外推算法修订等也是未来临近预报的重要研究方向[38-39]。随着雷达硬件的发展, 可发射和接收水平与垂直偏振波的双偏振雷达在回波识别、降水类型判断、云雨微物理过程探寻、降水时空分布构建、降水精度改进等有较大的潜力[40];而对山丘区等地形变化起伏较大的地区, 布设小型雷达网络来丰富雷达的空间分辨率是提高临近预报效果的有效途径[6]

    • 强对流天气系统结构复杂, 其生消演变难以用数学模型描述, 雷达临近预报模拟对流系统的非线性运动通常可用时效仅为1 h, 最高不超过3 h[5, 41]。近年来, 中尺度数值大气模式逐渐发展成熟, 多样的物理化参数方案、灵活的空间尺度以及提升局部气象要素模拟预报精度的数据同化技术, 可更好地预测中尺度天气事件的发展态势, 开展未来3~6 h较为可靠的定量降水预报[42-43]。然而, 由于数值模式起始阶段存在的“Spin-up”现象, 无论是缺乏高分辨率观测资料的无云状态冷启动, 或是增加初始场的有云状态热启动, 模式在起始阶段的预报偏差较大, 不及雷达外推预报效果好[44-45]。鉴于此, 融合技术的出现为降水临近预报提供了新的思路, 将雷达外推预报与数值模式预报结合的融合临近预报是一种可综合两者优势及有效延长降水预报预见期的重要方法[15, 46], 各临近预报技术的预报技巧随时效变化关系见图 2

      图  2  临近预报预报技巧与时效的关系[15]

      Figure 2.  Relationship between the forecast skill and lead time of different forecast system

    • 融合方法的实质为“取长补短”, 其物理意义并不是基于对流天气发展演变的物理分析, 而是通过两个误差结构不同的估计求最优插值的技术[5]。现阶段, 国内外学者开展的融合临近预报大都是将外推临近预报、数值模式预报进行预报效果检验, 按照技巧评分赋值权重实现加权融合预报, 因此其融合过程可以看作是一个降水预报后处理的过程。总体来看, 融合技术主要分为时效匹配法、趋势融合法与识别器法3种[13, 16]

      (1) 时效匹配法指依据外推临近预报和数值模式预报的结果, 构建预报效果随预报时效变化的权重系数方程, 进行加权平均的融合预报。其权重确定原则为技巧高即权重高, 一般0~1 h完全采用雷达外推预报, 1~3 h采用两者融合预报(外推权重逐渐减小, 数值模式权重逐渐增大), 3~6 h完全选用数值模式预报。NIMROD预报系统[13]、GANDOLF系统[47]、英国和澳大利亚的STEPS(Short-Term Ensemble Prediction System)[48]预报系统等临近预报系统均采用了此类方法。Kober等[49]构建了基于CSRR评分的时间权重算法实现雷达外推算法Rad-TRAM和高分辨数值模式COSMO-DE的融合, 随时效赋权融合, 结果表明融合预报的降水评分在各遇见期内均优于未融合的临近预报。Liguori等[50]将STEPS的雷达外推预报与模式预报按照时效趋势融合, 指出融合临近预报在提高预报精度有较大潜力, 特别是1~2.5 h预报期内精度提升较为明显, 但由于空间分辨率的不匹配导致小流域融合预报的效果一般。Yu等[51]探索了雷达外推方法TM(Translation Model)和数值模式的融合, 根据临近成功指数和均方根误差(RMSE)的变化实现权重赋值, 应用在日本新竹河流域预报的结果表明融合预报降水表现较好。薛峰等[52]构建了一种基于预报时效的动态权重融合技术实现光流法与GRAPES-MESO中尺度区域预报模式的融合, 考虑到Brier评分未考虑降水区域大小及统计样本数据数量的缺陷, 提出了改进的Ev评分评价融合方法,降水实例验证表明融合预报结果在预见期内Ev评分处于0.75~0.9之间, 呈现一定的稳定性且普遍高于单独预报。

      (2) 趋势融合法则是利用数值模式预测降水落区和降水强度的变化趋势, 对外推预报结果进行修正, 再将修正后的外推预报和模式预报根据权重进行融合。这种方法通过设置回波阈值实现修订, 超过阈值则根据模式预报调整外推预报, 未超过则使用模式预报结果, 可较好地预报降水落区范围和降水强度。美国的NIWOT系统[53]、奥地利的INCA系统[54]等均采用了趋势融合的方法。He等[55]利用数值模式WRF(The Weather Research and Forecasting)修订了雷达临近预报TM降水落区和强度, 修订后的TM预报与WRF预报按照一定比例融合输出降水预报, 结果表明WRF修订后的TM预报有效期延长至3 h, 且融合预报在新加坡几场降雨取得了较好的表现。Nerini等[56]在外推预报基础上使用数值模式预报作为校正, 构建了基于集合卡尔曼滤波的贝叶斯降水预报系统, 在瑞士4场降水应用结果表明数值模式校正下的外推预报有效时长普遍延长1~2 h。

      (3) 识别器法则是通过识别器识别模式预报的落区及强度的误差, 分析误差随预报时效的变化规律, 并通过其变化规律修正对应时段的模式预报结果, 实现外推预报与修正后的模式预报的赋权融合。香港天文台研发的RAPIDS系统[57]、北京城市气象研究所开发的北京快速更新循环数值预报系统(BJ-RUC)[58]以及中国的雨燕(GRAPES-SWIFT)系统[59]等都采用了识别器法融合, 大都采用基于Cressman客观分析及快速傅里叶变化来修正雨带的位移, 通过多尺度光流法等调整降水落区, 迫使模式预报降水逼近雷达及观测站实测降水。Wong等[60]选用多尺度光流变分法MOVA(Multi-scale Optical flow by Variation Analysis)识别模式预报范围的误差并修订, 使用韦伯累计分布函数识别并调整模式降水强度, 将外推预报与修订后的模式预报赋权融合。程丛兰等[17]利用快速傅里叶变化法和MOVA法修订了BJ-RUC系统模式降水落区, 将两者按照双曲正切曲线权重赋值融合报选, 结果表明融合预报提高了降水落区和强度的精度, 但在极端事件下降雨强度预报误差较大。类似地, 龙清怡等[61]基于SWAN(Severe Weather Automatic Nowcasting)系统进行识别器法融合预报, 在重庆的应用表明融合预报整体优于两者单独预报, 其中基于线性拟合趋势特征的0~2 h的预报表现较好。

      无论是依据降水预报效果优劣的加权融合或基于降水落区和强度趋势变化的修正融合、亦或考虑误降水落区和强度误差变化的融合, 其融合方式大都是为了实现提高预报精度、延长预报期的技术处理。3种方式都实现了将有效预见期延长至6 h, 不同方式在不同地区的预报效果取决于参与融合的预报可否优势互补、融合系统及系数的适用性, 因此针对区域不同预报方式及融合方式的应用及适用性也是融合临近预报研究的热点之一[46]。同时, 在流域尺度上对不同降水类型进行融合权重的长时间检验是构建成熟、稳定融合预报的重要组成部分, 保持融合预报效果条件下发展统计后处理技术可进一步提高预报的技巧和可靠性[62], 不同融合技术下临近预报效果的评估也是融合预报发展的重要工作。

    • 自1976年加拿大Bellon和Austin[63]最早提出临近预报系统, 1988年Conway和Browning[64]将数值模式平流风应用到临近预报中, 2000年Golding[65]指出融合临近预报实现了比两者单独预报更好的预报效果, 国内外诸多研究机构相继提出不同的融合临近预报系统, 并推进了临近预报有效预报时效范围由0~3 h扩展为0~6 h。虽然雷达临近预报仍与20世纪80年代的雷达特征识别及外推相似, 但随着多源观测资料的不断丰富以及数值模拟技术的不断发展, 各国应用于业务的临近预报系统也不断改进, 最具代表性的主要包括英国的NIMROD、GANDOLF, 英国和澳大利亚联合开发的STEPS, 美国的NIWOT, 中国香港的RAPIDS, 奥地利的INCA等。

      英国开发的NIMROD系统融合了外推系统FRONTIERS和英国气象统一模式(UK Mesoccale Model), 融合技术采用变分和递归滤波方法, 前1 h降水预报完全采用外推结果, 2~6 h通过将外推权重设置为随预见期的延长呈指数性减小的方式, 赋权融合预报直至完全使用数值模式预报[65]。为了解决NIMROD在强对流天气预报表现一般的问题, GANDOLF系统加入了目标导向法和对流单体生命循环概念模型来预测风暴的演变, 可较好地预报强对流天气, 但概念模型固有的缺陷使其在新对流单元、多对流单元的预报中表现一般[47]。STEPS系统在S-PROG外推以及与NIMROD相同的数值模式基础上增加了噪音误差系统, 通过随机扰动来表示由于不可预测的降水增长和衰变过程引起的不确定性[48]。美国的NIWOT系统采用TITAN和TREC外推技术, 数值模式选取WRF_RUC快速更新循环同化预报系统, 采用趋势融合法系统倾向模式预报较好的优点一定比例地改变外推预报, 根据外推预报与模式预报的效果赋权实现融合预报[53]。GRAPES-SWIFT基于外推算法COTREC和同化多种数据的GRAPES-3DVAR, 采用了“相位相关”等实现雷达降水订正模式预报[5, 59]。香港天文台开发的RAPIDS系统基于外推系统SWIRLS, 数值模式采用了日本非静力模式, 选用快速傅里叶变换和多尺度光流变分法实现模式预报的“位相修正”, 通过不同情景下的动态双曲正切权重实现外推预报和模数预报的融合[58]。INCA由奥地利国家气象局研发, 是一个融合矢量外推方法、奥地利区域模式ALADIN和全球模式ECMWF产品的临近预报系统, 融合预报方法为:前2 h完全采用修订的外推预报, 2~6 h根据预报效果的线性权重自外推预报直至完全采用数值模式预报[54]。各临近预报系统归纳详见表 1

      表 1  国内外主要融合临近预报系统(基于王秀明等[5]修改)

      Table 1.  Main blending nowcasting systems in the world

      融合系统 国家/地区 外推系统 数值模式 融合技术
      NIMROD 英国 FRONTIERS 英国气象统一模式(UK Mesoccale Model) 外推和模式线性加权;时间上外推权重呈指数下降
      STEPS 英国、澳大利亚 S-PROG 英国气象统一模式(UK Mesoccale Model) 外推权重根据预报技巧评分赋权融合
      GRAPES-SWIFT 中国 COTREC 同化了多源观测数据的GRAPES-3DVAR 模式给出的环境潜势修订外推;线性加权法融合
      NIWOT 美国 TITAN、TREC BMB WRF_RUC 模式倾向以一定比例改变外推预报;线性加权法融合
      INCA 奥地利 矢量外推 奥地利区域模式ALADIN和全球模式ECMWF 模式环境风场引入外推预报;随时间的线性权重
      RAPIDS 中国香港 SWIRLS 日本非静力模式 对数值模式进行位相修订;随时间双曲正切曲线

      综上, 尽管外推临近预报与数值模式预报都得到了不同程度的发展, 在不同预报时效范围内均有不错的表现, 但距离实现0~6 h无缝隙融合临近预报尚有一定的距离[51]。一方面, 未来临近预报融合技术不仅仅局限于两种不同预报输出的最优插值, 基于物理机制的融合机理研究也是融合技术发展面临的主要挑战, 特别是随着融合预报考虑的物理过程愈发细致、参数化方案愈发复杂、分辨率愈发精细, 所带来的高维非线性参数率定等问题的挑战也就越大[66-67]。另一方面, 气候变化使得应用历史降雨过程来分析外推预报空间变异性和配置数值模式的参数化方案失去了一定的代表性, 临近预报精细化程度距离准确应用仍有距离, 随着遥感技术的不断发展, 同化多种高分辨率观测数据在减少数值模式的预报误差、提高预报精度等方面尚有较大的潜力[4, 68]

    • 传统水文预报中水文模型的输入多为“落地雨”, 相对稀疏及有限的时空代表性不能较好地反映出流域降水的时空变化, 增加了水文预报的不确定性, 尤其是对中小尺度流域以及突发性较强的洪水过程的预报能力极其有限, 无法满足变化环境下极端水文事件预报的需求[69]。随着天气雷达站点的广泛布设以及外推算法的逐步改进, 基于天气雷达的降水预报为提高水文预报精度提供了重要的技术支撑;与此同时, 能够提供更长降水预见期的中尺度数值大气模式也广泛应用于水文预报领域, 并取得了一些成功的经验[70], 其中高时空分辨率的降水临近预报实现了延长降水预报时效性并充分保证预报精度, 这为精细化的流域水文预报奠定了基础。近年来, 地理信息系统的应用、流域坡面离散化技术的提高, 高分辨率分布式水文模型得到了广泛发展和应用, 高强度人类活动影响下陆表生境重大变化使得原有水文序列的固有规律发生了改变, 分析降水输入、结构演变、参数率定等不确定性来源是水文预报提高预报精度和延长预报有效期的重要挑战[71-73]。采用气象水文耦合的方式将临近预报引入水文预报是延长预报时效并保障预报精度的主要手段[74], 区别于双向耦合的模式-陆面的双向反馈, 临近预报只提供“单一”的短时降水信息, 因此临近预报在水文预报应用以气象水文单向耦合为主。单向耦合的尺度匹配主要取决于预报类型、时空分辨率等要素, 将临近预报引入水文预报不可避免的面临降尺度的问题, 综合考虑了动力降尺度法和统计降尺度法的动力-统计降尺度法可实现动力与统计的结合, 是解决临近预报和水文预报耦合过程中尺度匹配问题的主要发展方向[11]

    • 天气雷达可获取高时空分辨率的降水信息, 输入水文模型可有效提高洪水预报的精度[75]。现阶段, 国外雷达外推预报在水文预报中已有了较为广泛的应用, 美国气象局已实现外推预报应用于水文预报业务;英国外推预报和河流模型RFFS组成实时降水与流量预报系统, 世界气象组织水文委员会更是将中小尺度流域的外推预报作为水文预报主要发展目标之一[76], 中国新一代多普勒天气雷达网(CINRAD)的布设相对较晚, 现状多为单偏振的多普勒雷达, 其外推预报效果距离国外双偏振雷达尚有一定距离, 因此国内雷达外推临近预报更多的是应用于气象部门的业务预报。Sunmin等[75]将基于TM临近预报应用在日本夏季和秋季降水的径流预报中, 指出外推临近预报的径流预报结果和实测较为吻合, 可实现延长1~2 h的有效预见期。张亚萍等[77]将基于雷达的临近预报与TOPMODEL结合应用在佛子岭流域, 通过对比1 h临近预报降水得到的流量与雷达-雨量计联合估测降水获取的流量, 结果表明可延长径流预见期0.7 h。Liechti等[78]将外推临近预报输入水文模型PREVAH中, 发现降水的空间差异性导致预报数据的模拟结果未达到预期效果, 但在无资料地区外推预报提高了径流模拟效果。Moreno等[79]使用外推预报模拟美国科罗拉多州的山丘区径流, 发现预报降水15~45 min内误差最小、预报洪水30 min后效果急速下降, 并指出降水时空差异导致小流域预报洪水误差较大, 随流域尺度增大预报误差会随之减少。综上, 雷达外推临近预报在水文预报应用广泛, 但仍面临一些挑战:如何提高雨量站实时校正外推预报技术, 进一步提升水文模型与外推预报空间分辨率匹配技术[42, 80-81]

    • 近年来, 随着数值模式的不断发展, 采用气象水文耦合的方式开展水文预报是国内外水文研究的热点[82]。目前, 一系列成熟的数值模式都广泛应用于水文领域, 如美国的ETA、RAMS、MM5模式, 英国的UKMO模式, 日本的JRSM模式等。特别是新一代中尺度数值天气预报模式WRF的提出, 丰富的参数化方案配置和较高的时空分辨率使其在水文预报中呈现出较好的应用前景[42]。例如, 与VIC的单向耦合验证了基流模拟预报的有效性[83]、WRF模式单向驱动WEP模拟了较好的径流[84]等。但数值模式的“Spin-up”现象使其在起始阶段预报降水较差, 难以满足水文预报对预报降水的精度需求, 而相对于数值模式预报, 雷达临近预报在0~3 h的降水预报中表现出更高的准确性和可靠性, 以融合的预报降水驱动流域水文模型开展径流预报, 可在延长预见期的同时, 有效保障预报精度, 更好地为流域洪水风险管理和预报预警提供技术支撑。

      当前, 国外学者将融合临近预报应用在水文预报中较多, 国内学者对于这方面的研究较少。Sharif等[85]将NIWOT预报结果输入水文模型GSSHA(The Gridded Subsurface Hydrologic Analysis)预报城市洪水, 实现了提前70 min预报径流且误差在17%内。Achleitner等[86]将INCA预报输入半分布式模型Hqsim和分布式模型SES中, 在奥地利验证表明降水越大的场次径流预报误差越小。Yu等[51]通过计算CSI和RMSE指标评价了TM外推预报、日本非静力模式预报的预报效果, 并按照评价结果将两者线性加权融合预报输入分布式水文模型(KWMMS)预测洪水, 结果表明融合预报在0~3 h洪水预报中表现较好、未出现较大的预报径流误差。Yoon[87]将雷达外推SCDM、MAPLE、KONOS和数值模式UMLADPS、ASAPS及融合预报作为SWMM模型的输入, 并用于首尔城市雨洪模拟中, 结果表明集合融合模式的径流预报与实测最贴合, 且径流深准确预报区域面积比例达到0.8。总体上看, 将融合预报作为输入的陆气耦合水文预报相较于采用“落地雨”的传统水文预报有效地延长了预报的预见期, 通过“取长补短”融合了雷达外推预报和数值模式预报的临近预报可进一步提升降水预报和水文预报的精度和可靠性。

      通过气象水文耦合的方式将降水临近预报引入水文预报取得了一定的成果, 但气象要素的输入误差等也增加了耦合预报的不确定性[88], 通过提高临近预报的预报精度、改进临近预报与水文预报耦合技术、发展物理机制与概念性相结合的分布式水文模型等都是未来气象水文耦合研究面临的挑战[11]。随着水文科学的发展, 高分辨率的水文模型能够更好地反映流域空间特性与产汇流过程物理机制, 为了能更好地解决其参数率定问题, 应从科学层面深入研究模型结构及物理机制, 研究模型参数的取值及不确定性, 以及研究考虑不确定性的参数率定方法等[89-90]。基于贝叶斯理论的概率预报研究水文预报不确定性的核心问题, 是降低预报的不确定性、实现将降水预报有效应用于水文预报中的主要途径[91-92]。此外, 借鉴了气象集合预报理论和方法的水文集合预报包含了预报所有环节的不确定性, 是一种既可以输出确定预报、也可以输出不确定信息的概率预报, 临近预报与其耦合预报是未来气象水文预报发展的新趋势[93]

    • 本文总结了现阶段降水临近预报以及在水文预报中应用的研究进展, 详细阐述了天气雷达外推算法发展历程及其优缺点、3种融合技术及其在业务预报系统的应用、外推临近预报与融合预报在水文预报中的应用。未来降水临近预报主要面临的挑战如下:

      (1) 雷达测雨及外推预报技术的诸多进展提高了降水预报的精度并延长了有效期, 为水文预报提供了重要支撑。对于雷达外推预报来说, 预报业务已相对比较成熟, 但目前的大多数外推预报算法无法考虑对流系统的生消, 且自身固有缺陷使其预报时效较短。融合多源观测数据外推技术的算法改进、定量评估、综合应用等是雷达外推预报的主要发展趋势。同时, 雷达数据管理、小型雷达网布设、雷达误差时空差异性(尤其是极端事件下雷达误差的时空结构变化)、降水算法改进和集成等都是未来雷达临近预报的研究重点。

      (2) 基于雷达外推和数值模式融合的临近预报提高了降水预报时效性和可靠性, 是实现降水0~6 h无缝隙预报的主要途径。现阶段无论是基于降水预报效果优劣、降水落区和强度趋势变化、降水落区和强度误差变化的加权融合都是按照技巧赋值权重的“取长补短”, 考虑降水发展演变物理机制的融合预报尚有较大潜力, 特别是观测手段的更新及观测数据的多样化、物理过程的细化描述和复杂的物理参数化方案等带来的融合机制的变化等都是融合预报面临的新的挑战。实现融合效果不确定性的评估及量化技术也是未来降水融合临近预报发展亟需解决的问题。

      (3) 进一步完善和发展融合降水预报及其在水文预报中的应用是未来气象水文领域的重要发展趋势。现阶段临近预报在水文预报应用以气象水文单向耦合为主, 动力-统计降尺度法可实现动力与统计的结合是气象水文单向耦合尺度匹配、减少引入过程不确定性的主要方法。流域水文模型作为模拟降水径流转化的核心, 应从科学层面加强预报降水输入水文模型的物理参数取值、参数率定、不确定性等研究, 探讨变化环境下临近预报耦合水文预报的不确定性。因此, 未来不仅考虑融合预报的精度及时效性, 更需探寻融合预报在不同水文模型的适用情况及差异性, 发展可输出确定预报和不确定信息的水文集合预报也是减少气象水文耦合预报不确定性的重要发展方向。

参考文献 (93)

目录

    /

    返回文章
    返回