8月12日京津冀暴雨預報背后的海量資訊挖掘-有解無憂

更多精彩，請點擊上方藍字關注我們！

8月12-13日，京津冀迎來了入汛以來最強降水，這次驚動了全國人民的降水程序表現如何？

據統計，截至2020年8月13日06時，北京、天津北部和西部、河北大部等地出現大到暴雨，北京中部、天津靜海及河北保定、滄州、邢臺、邯鄲、衡水等地大暴雨（100～190毫米），雄安新區局地達241毫米；上述地區最大小時降雨量50～126毫米，河北北部、北京東南部和西北部出現7～9級雷暴大風，（來源：中央氣象臺天氣公報）

從預報角度，可以說下得不多不少，剛剛好，

京津冀地區8月12日04時-8月13日07時24小時降水(來源：北京市氣象局)其中，北京強降雨主要集中在夜間時段****（12日21時至13日01時）

62.0%的氣象觀測站出現暴雨，

20.3%的氣象觀測站出現大暴雨，

對于翹首盼了一天的北京er來說，

這次暴雨不但沒有爽約，而且

超過了“依萍找他爸要錢那天”（102.9毫米）、“白素貞給許仙送傘那天”（100毫米），但遠不及“杉菜離開道明寺”那天（400+毫米），也小于“721大暴雨”的163毫米，小于臺風溫比亞的432毫米，小于“638大暴雨”的最大464毫米，距離758大暴雨的1600+毫米還差的遠，，，，如果還知道這些，說明你已經是資深“天氣玩家”了

這次暴雨程序，中央氣象臺24小時時段預報與實況基本一致，

那么你知道如今預報員是如何制作降水預報的嗎？

我們從大資料資訊挖掘的角度來一窺究竟，

眾所周知，數值模式預報已成為現代天氣預報業務的基石，然而，隨著數值模式的快速發展，預報員或用戶不得不面對資訊過載的問題，為了緩解或解決該問題，我們基于集合預報的思想，設計“QPF權重評估推薦平臺”，幫助預報員在海量資料的基礎上實作自身價值，

為什么要進行海量資訊的集成？

來自不同預報中心的模式系統同化了不同的觀測資料、采用不同的動力框架、物理引數程序，因此對不同區域、季節、時效和型別的天氣表現各有優缺點，不同型別的資料源可提供相互補充的降水預報（QPF，Quantitative Precipitation Forecast）資訊，例如：

全球數值模式系統能夠提供大尺度系統的降水資訊;
集合模式系統能夠提供預報的不確定性和低概率的極端天氣資訊;
高解析度的中尺度模式可以提供對流性降水系統的形態、演變等特征

已有國內外研究均表明，集成多模式預報資訊的QPF比單個模式表現出更好的預報技巧，如Ebert(2001)指出簡單集合平均的預報技巧和精度要遠高于任何單一模式，世界氣象組織(WMO)發起的THORPEX科學計劃中的TIGGE計劃建立了全球超級集合預報,用這種超級集成方法來改進1-14天的天氣預報，
什么是QPF權重評估推薦平臺？
國家氣象中心設計建設的定量降水預報（QPF）權重評估推薦平臺V1.0（以下簡稱平臺）已于今年7月投入運行，是在現有主客觀融合定量降水平臺的基礎上（唐健,代刊,宗志平等,2018.主客觀融合定量降水預報方法及平臺實作.氣象, 44(8),http://qxqk.nmc.cn/html/2018/8/20180804.html），支撐預報員實時評估多模式性能，向預報員推薦近期表現性能突出的模式或者客觀方法，并定量給出最優組合及權重，有效支撐預報員完成主客觀融合的定量降水預報流程，該平臺包括實時與近實時評估、未來評估、歷史個例檢索等四個模塊，下面我們以本次京津冀暴雨程序為例，介紹各個模塊的應用，QPF權重評估推薦平臺設計示意圖

1.QPF實時/近實時評估模塊

通過實時評估和近實時評估模塊，在平臺首頁會自動為預報員展示過去兩周內各家模式逐日最優權重組合的情況，通過柱狀圖在右側進行顯示，用不同的色系區分了全球模式、區域高解析度模式以及客觀方法預報逐日最佳權重組合的情況，平臺中部顯示對應模式實時評估（類似圖形可以通過meteva來實作詳見前文，https://www.showdoc.com.cn/meteva?page_id=3975618837938759）

在平臺右側，預報員可以通過儀表盤方式實作實時監控模式性能，5個餅圖分別顯示的是逐1日、7日、14日、30日以及選定時間段內多模式最優權重配比情況，后臺演算法會根據選取時間段自動推薦排名前5的模式或者客觀方法，并計算其最優權重組合，預報員可以一目了然獲取當前模式性能的對比，通過權重定量集成多模式降水預報，平臺首頁，QPF權重實時評估模塊

通過近期權重推薦結果可以發現，近2周內表現權重較好的模式分別為Grapes3KM、GrapesMeso（權重分別為18%、16%），表現較好的客觀方法分別為Logistic訂正降水（30%）、GrapesMeso頻率訂正（15%）以及頻率訂正ECMWF（20%），而近1天的權重則推薦：頻率訂正EC（30%）、自適應集成降水（10%）、Logistic訂正降水（30%）、ECMWF（20%）、頻率訂正GRAPESmeso（10%），但是由于近期降水較為分散，暴雨站數較少，權重推薦的結果還需要預報員再進一步進行分析、研判，

2.多模式對比模塊

預報員還可以通過多模式對比以及穩定性對比模塊，對模式進行事前評估，模塊中提供了實時縮放和定位功能，方便預報員進行多模式對比，同時后臺的圖片壓縮技術也確保瀏覽的便捷性，如下圖所示，預報員可以十分便捷的在預報模式、預報時效、預報區域中進行快速切換，瀏覽關心的降水區域，對比模式差異和模式演變，就這次暴雨程序而言，從多模式預報對比和穩定性對比發現，通過選取ECMWF全球、集合最優百分位降水、自適應集成降水及Logistic訂正降水進行對比，發現各家模式或者客觀方法都預報了這次京津冀暴雨程序，但是也存在一定分歧：從不同預報時效看，隨著時效的臨近，各家模式和客觀方法的一致性均在不斷提高；從預報穩定性來看，集合最優百分位降水預報的預報最為穩定，說明集合成員之間的相似性隨著時效臨近而增加，預報確定性程度更高，

穩定性對比模塊，可以便捷地瀏覽多模式對比和穩定性對比情況

3.歷史個例檢索模塊

預報員還可以使用平臺中的歷史檢索模塊，查詢歷史相似個例，首先，預報員可以通過選定關注區域：全國或者6個預設區域（分別是華北、華東、華南、華中、西北以及西南地區），或者可以通過自定義經緯度的方式進行設定目標區域；設定后，會以熱力圖的方式回傳目標區域內的相似程序暴雨程序時間，熱力圖中顏色越深表示相似程度可能越高，當點擊某個熱力圖模塊，就會得到當天關注模式的實況預報對比評分圖以及對應24小時預報中間時刻的形勢場預報圖，

歷史個例檢索模塊
歷史個例檢索模塊-2020年8月7日一次降水程序通過歷史個例檢索模塊檢索分析可以發現近期與本次預報較為相似的個例是2020年8月7榷訓北地區的一次降水程序（如上圖所示），我們通過平臺第一模塊，追溯其當日最優推薦權重模式和相應權重為：頻率訂正EC：頻率訂正GRAPEmeso：ECMWF=6：2：2，預報員也可以進而使用我們的另外建設的歷史天氣圖分析模塊，進一步對歷史天氣進行檢索和分析（將另文介紹），

本次降水程序檢驗

綜合考慮模式近期表現、多模式對比、穩定性對比、及8月7日歷史個例檢索的情況：1）在上一次暴雨程序之后，全國整體降水較為分散，實時權重評估的結果可能較為孤立；2）8月7日降水程序雖然較本次程序略有不同，但整體天氣形勢接近，模式的權重配置、誤差表現特征可能是類似的；3)GRAPES-3KM和Logistic訂正因為近期表現佳，且這次程序前期為暖區程序，需要參考中尺度模式帶來對流性降水的特征，我們最終選取頻率訂正EC、頻率訂正GRAPEmeso、ECMWF、GRAPES-3KM、Logistic訂正降水進入最后的融合程序，并給定權重分別為30%、10%、10%、30%、20%，
這次京津冀暴雨預報我們權重推薦的表現如何呢****？依據所選擇的模式、客觀方法及相應權重放入MICAPS主客觀融合降水預報平臺中，完成降水融合的操作，并選取GRAPES-3KM作為概率匹配的量級場，通過下圖中采用MICAPS中主客觀融合降水模塊進行模擬預報，融合的雨區結果也與實況較為接近，從降水統計評分檢驗情況來看，最終融合預報暴雨（24小時降水量50mm以上）的TS評分可達0.31，BIAS評分為1.01（EC模式對應TS評分在0.25，BIAS在0.90）;如果僅考慮京津冀區域，融合預報暴雨TS評分可達0.4，對應EC評分為0.35，大暴雨（24小時100mm以上）TS評分可達0.115，對應EC評分為0.03,提升率接近3倍，（注：TS評分指示預報準確率，數值越高越好；BIAS評分指示預報與實況范圍比率，數值越接近于1越好）MICAPS主客觀融合平臺V3.5界面：