精細(xì)化網(wǎng)格的降水預(yù)報(bào)解析方法對(duì)比

精細(xì)化網(wǎng)格的降水預(yù)報(bào)解析方法對(duì)比張宏芳;巨曉璇;盧珊;潘留杰【摘要】以歐洲中期天氣預(yù)報(bào)中心(ECMWF)精細(xì)化網(wǎng)格降水預(yù)報(bào)資料、自動(dòng)氣象站觀測(cè)資料、中國(guó)氣象科學(xué)數(shù)據(jù)信息網(wǎng)提供的三源融合降水產(chǎn)品為基礎(chǔ),研究最鄰近點(diǎn)法、反距離權(quán)重法、最小二乘法和雙線性插值法在格點(diǎn)降水向站點(diǎn)以及格點(diǎn)降水插值到更細(xì)網(wǎng)格中的優(yōu)缺點(diǎn)和適用性.在模式預(yù)報(bào)相對(duì)準(zhǔn)確精細(xì)的基礎(chǔ)上,得出以下結(jié)論:1)最鄰近點(diǎn)法在格點(diǎn)向站點(diǎn)解析方面預(yù)報(bào)技巧評(píng)分表現(xiàn)最好,其次為反距離權(quán)重法;2)將降水場(chǎng)變換到更高分辨率的格點(diǎn)降水,4種解析結(jié)果和原始場(chǎng)均存在一定的差異,其中最小二乘法的空間形態(tài)失真最為嚴(yán)重;3)反距離權(quán)重法在較粗網(wǎng)格向更細(xì)網(wǎng)格變換中的平均TS評(píng)分表現(xiàn)最好，而最鄰近點(diǎn)法的ETS評(píng)分最高.期刊名稱】《氣象科技進(jìn)展》年(卷),期】2019(009)003【總頁(yè)數(shù)】8頁(yè)(P7-14)【關(guān)鍵詞】網(wǎng)格預(yù)報(bào);最鄰近點(diǎn);反距離權(quán)重;雙線性;最小二乘法【作者】張宏芳;巨曉璇;盧珊;潘留杰【作者單位】陜西省氣象服務(wù)中心,西安710014;陜西省氣象服務(wù)中心,西安710014;陜西省氣象服務(wù)中心,西安710014;陜西省氣象臺(tái),西安710014【正文語(yǔ)種】中文0引言智能網(wǎng)格氣象預(yù)報(bào)是目前中國(guó)氣象局的主推業(yè)務(wù)和未來(lái)天氣預(yù)報(bào)的發(fā)展方向。實(shí)現(xiàn)高時(shí)空分辨率的精細(xì)化網(wǎng)格預(yù)報(bào)的主要?jiǎng)訖C(jī)是改進(jìn)和增強(qiáng)對(duì)中小尺度天氣的預(yù)報(bào)能力，做到時(shí)間、空間預(yù)報(bào)的無(wú)縫隙銜接［1-2］。然而，無(wú)論格點(diǎn)預(yù)報(bào)場(chǎng)的空間分辨率多么精細(xì)，對(duì)于用戶來(lái)說(shuō)，其所在位置并不總落在某個(gè)固定的格點(diǎn)之上，因此基于數(shù)值預(yù)報(bào)產(chǎn)品釋用技術(shù)的精細(xì)化客觀預(yù)報(bào)在氣象預(yù)報(bào)業(yè)務(wù)中越來(lái)越重要［3］。針對(duì)模式要素預(yù)報(bào)的插值方法，氣象學(xué)者做了大量深入和卓有成效的研究工作［4-6］。早在1996年，游性恬就研究了拉格朗日（Lagrangian）、樣條（Spline）和埃爾米特（Hermite）3種插值方法的誤差分布［7］;隨后，高歌等［8］利用反距離權(quán)重法和普通克里格方法將站點(diǎn)降水插值到格點(diǎn)，并比較了兩種方法的插值效果；張寧等［9］以江蘇省2006年夏、秋季基礎(chǔ)站、自動(dòng)站降水資料為基礎(chǔ)，利用Cressman方法，將其降水資料插值到格點(diǎn)上，并比較了兩種觀測(cè)降水在插值后的空間分布差異。蘇勇等［10］分析了樣條插值方法在GRAPES模式物理過(guò)程計(jì)算前后的精度表現(xiàn)和對(duì)模式綜合性能的影響;朱國(guó)富［11］詳細(xì)論述了數(shù)值天氣預(yù)報(bào)中分析同化初值形成的客觀分析方法，主要包括多項(xiàng)式函數(shù)擬合、逐步訂正、最優(yōu)插值、變分方法和集合卡爾曼濾波5種，并闡述了這些方法的發(fā)展脈絡(luò)和顯著特征。趙煜飛等［12］采用薄盤樣條法，對(duì)中國(guó)區(qū)域地面降水站點(diǎn)資料進(jìn)行內(nèi)插，并進(jìn)了質(zhì)量評(píng)估。這些研究不僅對(duì)氣象要素從站點(diǎn)到格點(diǎn)轉(zhuǎn)換，建立連續(xù)性的空間要素場(chǎng)做出了重要貢獻(xiàn)，而且極大地促進(jìn)了數(shù)值模式同化、物理過(guò)程改進(jìn)等多方面的進(jìn)步。但目前對(duì)氣象要素從格點(diǎn)向站點(diǎn)轉(zhuǎn)換的性能、適用性和優(yōu)缺點(diǎn)少有研究，這一方面是由于過(guò)去模式分辨率較粗，直接從模式向預(yù)報(bào)站點(diǎn)轉(zhuǎn)換的氣象要素很難有好的預(yù)報(bào)精度;另一方面，站點(diǎn)預(yù)報(bào)主要是各級(jí)氣象臺(tái)站業(yè)務(wù)人員參考各家模式的基礎(chǔ)上給出的綜合預(yù)報(bào)結(jié)果。2016年，中國(guó)氣象局印發(fā)了《全國(guó)精細(xì)化網(wǎng)格氣象預(yù)報(bào)業(yè)務(wù)建設(shè)實(shí)施方案》，計(jì)劃用兩年時(shí)間建立全國(guó)陸地區(qū)域5km分辨率的未來(lái)10天精細(xì)化氣象網(wǎng)格預(yù)報(bào)業(yè)務(wù)。精細(xì)化網(wǎng)格預(yù)報(bào)的全國(guó)覆蓋必將極大地推動(dòng)氣象要素預(yù)報(bào)的流程再造和服務(wù)能力的快速提高，用戶可以隨時(shí)隨地獲得從精細(xì)化網(wǎng)格預(yù)報(bào)中解析出來(lái)的客觀預(yù)報(bào)服務(wù)產(chǎn)品。但同時(shí)，建立合理、有效的格點(diǎn)到用戶關(guān)心位置(站點(diǎn))的預(yù)報(bào)要素解析方法也成為目前面臨的重要現(xiàn)實(shí)問(wèn)題。本文以ECMWF精細(xì)化網(wǎng)格模式預(yù)報(bào)資料為基礎(chǔ)，分析最鄰近點(diǎn)法、反距離權(quán)重法、雙線性插值法以及最小二乘法在格點(diǎn)至站點(diǎn)、格點(diǎn)降水插值到更細(xì)網(wǎng)格中的適用性和優(yōu)缺點(diǎn)，以期為基于格點(diǎn)的站點(diǎn)要素預(yù)報(bào)解析提供參考。選擇這4種方法的主要原因是計(jì)算方便、實(shí)現(xiàn)簡(jiǎn)單，同時(shí)也具有較好的插值精度，便于業(yè)務(wù)化運(yùn)行。資料和方法介紹資料觀測(cè)資料采用：1)2015和2016年5—10月研究區(qū)域內(nèi)每日20時(shí)過(guò)去24h自動(dòng)氣象站降水觀測(cè)資料；2)中國(guó)氣象科學(xué)數(shù)據(jù)信息網(wǎng)提供的CMORPH衛(wèi)星、全國(guó)4萬(wàn)個(gè)自動(dòng)觀測(cè)站、雷達(dá)定量估測(cè)降水的三源融合逐小時(shí)降水產(chǎn)品，時(shí)段為2015和2016年5—10月，空間分辨率為0.05°x0.05°o潘旸等［13］研究表明，三源降水融合資料在我國(guó)夏季逐小時(shí)降水平均偏差為-0.004mm，相關(guān)系數(shù)達(dá)0.718，能夠表現(xiàn)降水的真實(shí)狀態(tài)，可以作為參照物來(lái)評(píng)估模式的預(yù)報(bào)性能。模式數(shù)據(jù)為同時(shí)期每日12UTC起報(bào)的ECMWF細(xì)網(wǎng)格降水預(yù)報(bào)產(chǎn)品。預(yù)報(bào)時(shí)效為240h。分辨率為0.125°x0.125。。研究區(qū)域設(shè)為秦嶺及周邊地區(qū)(31°—40°N,103°—113°E),具體范圍如圖1所示。圖中的黑色圓點(diǎn)為假定從格點(diǎn)解析到站點(diǎn)所關(guān)注的位置。圖1研究區(qū)域(圖中黑色圓點(diǎn)為解析到站點(diǎn)所選取的觀測(cè)站)Fig.1Researcharea(Blackdotsdenoteobservatorystationsusedfordataconversionfromgridpointstostation)方法介紹為了全面比較反距離權(quán)重法、雙線性插值法、最小二乘法以及最鄰近點(diǎn)4種方法的解析性能，采用以下比較方式，首先計(jì)算將2015及2016年5—10月ECMWF模式預(yù)報(bào)解析到站點(diǎn)后的平均預(yù)報(bào)評(píng)分，計(jì)算的預(yù)報(bào)評(píng)分指數(shù)主要包括：預(yù)報(bào)偏差（Bias），表示預(yù)報(bào)事件發(fā)生的次數(shù)與觀測(cè)事件發(fā)生的次數(shù)的比率，Bias>1表示預(yù)報(bào)事件高于觀測(cè)事件的發(fā)生頻率，Biasv1則相反，理想情況下Bias=1[14-15];TS（threatscore）評(píng)分，表示事件發(fā)生的正確預(yù)報(bào)次數(shù)與事件發(fā)生總次數(shù)（預(yù)報(bào)或觀測(cè)）的比率[16-18];ETS（equitablethreatscore）評(píng)分，表示除去隨機(jī)偶然事件后，事件發(fā)生且預(yù)報(bào)正確的次數(shù)與事件發(fā)生總次數(shù)的比率[19]。然后，將模式預(yù)報(bào)變換到與三源融合資料相同分辨率的格點(diǎn)，這種比較范圍更大，空間上相當(dāng)于任意點(diǎn)的全覆蓋，結(jié)果更具有代表性。最后選取個(gè)例進(jìn)一步分析解析誤差；4種方法簡(jiǎn)單介紹如下。反距離權(quán)重法反距離權(quán)重法以格點(diǎn)到站點(diǎn)距離的倒數(shù)作為權(quán)重，將格點(diǎn)值插值到用戶關(guān)注的站點(diǎn)，具體計(jì)算時(shí)，選用的格點(diǎn)數(shù)可以根據(jù)轉(zhuǎn)換結(jié)果的準(zhǔn)確性來(lái)選擇設(shè)定，在本文的研究中，選擇站點(diǎn)周圍9個(gè)格點(diǎn)值進(jìn)行插值，具體計(jì)算公式為：式中，Vi表示插值后的第i個(gè)站點(diǎn)降水量，j表示站點(diǎn)周圍的9個(gè)格點(diǎn)，wj表示第j個(gè)格點(diǎn)的權(quán)重系數(shù)，pj表示模式在第j個(gè)格點(diǎn)上的預(yù)報(bào)值，dij表示站點(diǎn)i到周圍格點(diǎn)j的距離，如果dij=O,則wj=1。雙線性插值法雙線性插值是分別在x,y方向的線性插值的合成，核心思想是在兩個(gè)方向分別進(jìn)行一次線性插值，這也決定了雙線性插值只能取關(guān)注點(diǎn)周圍的4個(gè)點(diǎn)作為插值基礎(chǔ)（圖2b）,假定P點(diǎn)為關(guān)注點(diǎn)，其值為圖2解析方法示意圖：（a）最鄰近點(diǎn)法及反距離權(quán)重,（b）雙線性插值Fig.2Sketchmapofanalyticalmethods:（a）forthenearestneighbormethodandtheinversedistanceweightingmethod;（b）forthebilinearinterpolationmethod最小二乘法最小二乘法通常用來(lái)建立一元線性回歸模型，是以“誤差平方和最小”來(lái)確定直線斜率和截距的最典型方法。事實(shí)上，對(duì)高分辨率格點(diǎn)要素預(yù)報(bào)解析來(lái)說(shuō)，選擇用戶需要的位置（需要解析的點(diǎn)）與周圍給定范圍格點(diǎn)的誤差平方和達(dá)到最小，也是通用的客觀釋用方法。對(duì)單點(diǎn)來(lái)說(shuō)，假定Z為解析值，則有：式中，x、y為用戶關(guān)注點(diǎn)的坐標(biāo)位置，a、p、Y為通過(guò)二元線性回歸且滿足誤差平方和最小得到的回歸系數(shù)。最鄰近點(diǎn)法最鄰近點(diǎn)法為選擇距離站點(diǎn)位置最近的格點(diǎn)值作為站點(diǎn)的預(yù)報(bào)，在圖2a中，假設(shè)P點(diǎn)為所關(guān)注的站點(diǎn)，則判斷P點(diǎn)周圍4個(gè)格點(diǎn)距離中心站P的距離，取距離最短的格點(diǎn)值為關(guān)注站點(diǎn)的預(yù)報(bào)值，即P點(diǎn)右下角的點(diǎn)?？傮w表現(xiàn)首先考察2015及2016年5—10月，4種不同解析方法的平均表現(xiàn)情況，圖3給出了2015及2016年5—10月將ECMWF模式預(yù)報(bào)場(chǎng)解析到圖1中的11個(gè)站點(diǎn)，并計(jì)算的統(tǒng)計(jì)檢驗(yàn)結(jié)果。由于解析到站點(diǎn)的暴雨頻次較少，這里僅分析0.1mm以上量級(jí)降水的技巧評(píng)分。從降水平均差值來(lái)看（圖3a）,預(yù)報(bào)整體較觀測(cè)偏高0.1~0.9mm左右，其中最小二乘法偏高最明顯（圖3a）,雙線性插值和反距離權(quán)重法基本接近，最鄰近點(diǎn)法效果最好，值得注意的是，在不同時(shí)效上，預(yù)報(bào)和觀測(cè)的降水差值有明顯的周期性變化,其具體原因并不清楚。降水偏差顯示（圖3b），模式對(duì)0.1mm以上量級(jí)降水整體具有預(yù)報(bào)頻次偏多的特征，且有隨預(yù)報(bào)時(shí)效增長(zhǎng)增多的趨勢(shì)。雙線性插值和最小二乘法偏多最為顯著，高于觀測(cè)2.5~3倍以上，最鄰近點(diǎn)法平均高于觀測(cè)1.63~2.4倍，表現(xiàn)最好。模式整體具有較好的TS（圖3c）和ETS（圖3d）評(píng)分，24h預(yù)報(bào)最鄰近點(diǎn)法的TS評(píng)分達(dá)0.52，到第9天，減小到0.34。其他3種方法TS評(píng)分變化趨勢(shì)和最鄰近點(diǎn)法基本一致，隨著預(yù)報(bào)時(shí)效的增加而減小，但整體預(yù)報(bào)評(píng)分低于最鄰近點(diǎn)法，同樣，最鄰近點(diǎn)法的ETS評(píng)分也表現(xiàn)最好。Bias也接近理想值1.0,ETS顯著高于其他3種方法。圖4給出了2015及2016年5—10月的ECMWF模式每日20時(shí)起報(bào)，未來(lái)24h累計(jì)降水量，利用4種方法將逐日ECMWF預(yù)報(bào)0.125°的降水解析到0.05。分辨率后，并計(jì)算時(shí)段平均降水量和預(yù)報(bào)偏差的空間表現(xiàn)。可以看出，4種解析方法獲得的時(shí)段平均降水量的空間分布整體是一致的，4種方法都較好地刻畫了降水量隨緯度的增加而減小的趨勢(shì)，位于四川、陜西南部的降水大值區(qū)和寧夏北部的降水低值區(qū)的中心位置也都表現(xiàn)相同。不同點(diǎn)在于：1）降水量級(jí)上，最小二乘法區(qū)域平均值為2.6mm，空間格點(diǎn)上最大值為8.7mm，最小為0.37mm，表現(xiàn)出降水高值中心偏小，低值中心偏大的特征；而雙線性插值和反距離權(quán)重法降水量級(jí)基本一致，區(qū)域平均值為2.6mm，最大為10.4mm，最小為0.34mm;最鄰近點(diǎn)法較雙線性插值和反距離權(quán)重法最大值、區(qū)域平均略偏小，分別為10.35和2.59mm。2）降水范圍上，最鄰近點(diǎn)法、雙線性插值法的降水高、低值中心數(shù)量基本—致；最小二乘法（圖4c）的降水高、低值中心數(shù)量明顯較其他3種方法偏少；反距離權(quán)重法則表現(xiàn)出高、低值中心范圍偏小的特征。圖3將2015及2016年5—10月ECMWF模式降水預(yù)報(bào)解析到站點(diǎn)的平均TS、ETS、Bias預(yù)報(bào)平均和觀測(cè)平均的差值：（a）降水差值,（b）預(yù)報(bào)偏差,（c）TS評(píng)分,（d）ETS評(píng)分Fig.3ComparisonsoftheECMWFprecipitationforecastparsingtostationamong4methodsfortheperiodfromMaytoOctoberin2015and2016:(a)forthebiasofstationprecipitation;(b)forthedifferencevaluesbetweenaverageofforecastandobservationprecipitation;(c)fortheMeanTSscore;(c)fortheETSscore圖4用4種不同方法將2015及2016年5—10月ECMWF降水預(yù)報(bào)(0.125。)解析到0.05°分辨率的平均預(yù)報(bào)偏差和降水量的空間表現(xiàn)(等值線為預(yù)報(bào)偏差，色標(biāo)為平均降水量)：(a)雙線性插值法，(b)反距離權(quán)重法，(c)最小二乘法，(d)最鄰近點(diǎn)法Fig.4Meanforecastbias(contour)andspecialpatternsofaverageprecipitation(shaded)resultedfromtheECMWFprecipitationforecastsin0.125。resolutionparsingto0.05。byfourdifferentmethodsforMay-Octoberin2015and2016:(a)bilinearinterpolationmethod;(b)inversedistanceweightingmethod;(c)leastsquaremethod;(d)nearestneighbormethod從2015及2016年5—10月模式預(yù)報(bào)相對(duì)于實(shí)際觀測(cè)的平均預(yù)報(bào)偏差Bias來(lái)看，4種方法解析結(jié)果除陜西北部的內(nèi)蒙地區(qū)降水頻次低于觀測(cè)外，其余地方降水頻次均高于觀測(cè)，從數(shù)值上來(lái)看，雙線性插值和反距離權(quán)重法最為接近，分別為1.23和1.25，主要差異在于雙線性插值(圖4a)的Bias高值中心范圍偏小，低值中心的范圍偏大，有空間Bias趨于一致的特征，而反距離權(quán)重法則更顯著的體現(xiàn)了地區(qū)性差異。4種方法中，最小二乘法降水預(yù)報(bào)頻次高于觀測(cè)最為明顯，平均為1.28;最鄰近點(diǎn)法最接近理想值，平均為1.20。分析每個(gè)格點(diǎn)上的Bias數(shù)值差異，發(fā)現(xiàn)最鄰近點(diǎn)法的Bias振幅最大，大值中心高于觀測(cè)2.75倍，而低值中心僅為觀測(cè)的0.36倍；而最小二乘法的Bias振幅最小，最大值和最小值分別為2.66和0.42。不同解析法方法的降水TS、ETS評(píng)分如圖5所示，可以看出，4種方法的TS評(píng)分不存在本質(zhì)上的差異，總體表現(xiàn)了降水多發(fā)區(qū)TS評(píng)分高，降水頻次低值區(qū)TS評(píng)分偏低的特征。從數(shù)值上來(lái)看，反距離權(quán)重法和最小二乘法空間平均TS評(píng)分最高，分別為0.561和0.560,雙線性插值TS評(píng)分略低，為0.558，最鄰近點(diǎn)法TS評(píng)分最差為0.556。但值得注意的是，雖然最鄰近點(diǎn)法TS評(píng)分的空間平均值最低，但其在格點(diǎn)上的TS最大值和最小值卻最高，分別為0.857和0.126。出現(xiàn)這種現(xiàn)象的原因可能與最鄰近點(diǎn)法本身的特點(diǎn)有關(guān)，最鄰近點(diǎn)法本質(zhì)上使得格點(diǎn)分辨率變粗，相鄰的多個(gè)格點(diǎn)可能使用了一個(gè)預(yù)報(bào)最鄰近點(diǎn)，這使得在相鄰格點(diǎn)的細(xì)網(wǎng)格觀測(cè)降水有變化的情況下，模式預(yù)報(bào)的降水量不變，從而拉低了空間平均TS評(píng)分。就本文研究使用的0.125°ECMWF細(xì)網(wǎng)格模式來(lái)看，將其向細(xì)網(wǎng)格變換時(shí)使用反距離權(quán)重方法更好。圖54種不同方法將ECMWF預(yù)報(bào)(0.125。)降水解析到0.05°分辨率的TS和ETS評(píng)分(等值線為ETS評(píng)分，色標(biāo)為TS評(píng)分)：(a)雙線性插值,(b)距離權(quán)重法,(c)最小二乘法,(d)最鄰近點(diǎn)法Fig.5TheTSscore(shaded)andETSscore(contour)resultedfromtheECMWFprecipitationforecastin0.125°resolutionparsingto0.05°byfourdifferentmethods:(a)bilinearinterpolationmethod;(b)inversedistanceweightingmethod;(c)leastsquaremethod;(d)nearestneighbormethod從4種解析方法的ETS評(píng)分來(lái)看，雙線性插值和反距離權(quán)重空間分布也最為相像。數(shù)值上，雙線性插值空間平均為0.284，略低于反距離權(quán)重法0.285。最小二乘法不僅空間分布和其他方法有較大差異，而且平均ETS最低，為0.280。相比之下最鄰近點(diǎn)法ETS評(píng)分表現(xiàn)最好為0.287，而且格點(diǎn)最大值、最小值也優(yōu)于其他3種方法。個(gè)例分析為了進(jìn)一步比較，下面給出一個(gè)降水解析個(gè)例。圖6為2015年6月28日20時(shí)的過(guò)去24h三源融合降水場(chǎng)和ECMWF模式前一天20時(shí)的預(yù)報(bào)場(chǎng)?？梢钥闯觯舜谓邓^(guò)程屬系統(tǒng)性降水，研究范圍內(nèi)大部分區(qū)域降水量大于0.1mm。強(qiáng)降水中心有兩個(gè)，分別位于陜西、四川交界處和陜北北部地區(qū)（圖6a），最大降水量超過(guò)110mm。模式整體較好地預(yù)報(bào)了降水的空間分布和雨帶的位置（圖6b），不足在于強(qiáng)降水中心位置偏差較大，觀測(cè)與預(yù)報(bào)降水第一高值中心距離偏差1個(gè)緯距左右；同樣，預(yù)報(bào)第二高值中心整體在內(nèi)蒙境內(nèi)，與三源融合降水場(chǎng)有較大距離偏移。圖6降水解析個(gè)例：（a）2015年6月28日20時(shí)的過(guò)去24h三源融合降水觀測(cè)場(chǎng)，（b）ECMWF模式2015年6月27日20時(shí)對(duì)未來(lái)24h的降水預(yù)報(bào)Fig.6Casesanalyses:（a）thepast24hoursprecipitationfieldofthreesourcefusiondataat20:00BTonJune28,2015;（b）TheECMWFprecipitationforecastforthenext24hoursatinitialtime20:00BTonJune27,2015表12015年6月28日20時(shí)過(guò)去24h降水量（單位：mm）Table1Thepast24hoursprecipitationat20BTJune28,2015（unit：mm）采用不同方法，從三源融合降水場(chǎng)解析到站點(diǎn)的實(shí)際降水量值（表1）?？梢钥闯觯瑹o(wú)論是哪種方法，解析出的降水量和觀測(cè)值都存在差異。分析11個(gè)站的平均降水量，最鄰近點(diǎn)法為13.4mm，最小二乘法為12.4mm，雙線性插值和反距離權(quán)重法分別為12.4和12.8mm，而觀測(cè)平均降水量為11.6mm。就此次過(guò)程來(lái)看，三源融合場(chǎng)解析到站點(diǎn)的降水較實(shí)際偏大。計(jì)算11個(gè)站的降水標(biāo)準(zhǔn)差，最鄰近點(diǎn)為16.5mm，最小二乘法和雙線性插值分別為14.1和14.2mm，反距離權(quán)重為14.9mm，而觀測(cè)降水標(biāo)準(zhǔn)差為14.1mm，和最小二乘法一致。個(gè)例分析總體結(jié)果表明，無(wú)論是降水量值或是標(biāo)準(zhǔn)差變化，4種方法將三源融合資料解析到站點(diǎn)降水量級(jí)和標(biāo)準(zhǔn)差變化都整體偏大，其中最小二乘法降水量值及振幅和觀測(cè)最為吻合。圖7給出了將圖6中降水個(gè)例的ECMWF預(yù)報(bào)場(chǎng)解析到觀測(cè)場(chǎng)同樣分辨率網(wǎng)格（0.05°分辨率）的空間表現(xiàn)?？梢钥闯觯煌馕龇椒ǐ@得的降水場(chǎng)和原預(yù)報(bào)場(chǎng)（圖7b）均存在一定的差異。與原預(yù)報(bào)場(chǎng)相比，最鄰近點(diǎn)法（圖7a）表現(xiàn)出0.1mm以下的小量級(jí)和65.0mm以上降水區(qū)域變大，中間量級(jí)降水區(qū)域減小。最小二乘法（圖7b）則有將降水范圍很小的局地性降水特征平滑掉的特征，有大量級(jí)和小量級(jí)降水區(qū)域減小、中間量級(jí)降水范圍增多的趨勢(shì)。個(gè)例顯示，最小二乘法解析降水在陜北北部延安附近（圖7黑色方框）的無(wú)降水區(qū)域顯著減小，同時(shí)平滑掉了無(wú)降水區(qū)中間小范圍的孤立降水；在陜南南部的大降水中心未出現(xiàn)65.0mm以上量級(jí)的降水。這種將原有預(yù)報(bào)場(chǎng)中小于0.1mm以下量級(jí)降水范圍減小的特征在反距離權(quán)重法（圖7c）、雙線性插值（圖7d）中都有不同程度的體現(xiàn)。圖7不同方法下2015年6月27日20時(shí)模式的24h降水預(yù)報(bào)（0.125。）解析到0.05°分辨率的結(jié)果：（a）最鄰近點(diǎn)法,（b）最小二乘法,（c）反距離權(quán)重法，（d）雙線性插值法Fig.7GridanalyticresultsoftheECMWFPrecipitationforecastfor24hoursattheinitialtime20:00BTJune27,2015in0.125°resolutionparsingto0.05°bydifferentmethods:（a）nearestneighbormethod,（b）leastsquaremethod,（c）inversedistanceweightingmethod,（d）bilinearinterpolationmethod從解析出的平均降水量來(lái)看，最鄰近點(diǎn)法為6.639mm，最小二乘法和反距離權(quán)重分別為6.625和6.629mm，雙線性插值則為6.634mm，而原預(yù)報(bào)場(chǎng)平均降水量為6.672mm。最鄰近點(diǎn)法表現(xiàn)最好，雙線性插值次之。表2給出了不同解析方法下2015年6月27B20時(shí)模式的24h降水預(yù)報(bào)的評(píng)分，可以看出，不同的解析方法，模式降水預(yù)報(bào)的評(píng)分表現(xiàn)不盡相同。最鄰近點(diǎn)法的小雨預(yù)報(bào)偏差為1.109，最接近理想值1.0,ETS也顯著高于其他3種方法，但TS評(píng)分則是最小二乘法表現(xiàn)最好，最鄰近點(diǎn)法最差。從暴雨的預(yù)報(bào)評(píng)分來(lái)看，雙線性插值無(wú)論是在預(yù)報(bào)偏差、TS和ETS評(píng)分方面都有好的表現(xiàn)，其次為反距離權(quán)重法，最小二乘法則表現(xiàn)最差。表2不同解析方法下，2015年6月27日20時(shí)模式24h降水預(yù)報(bào)的評(píng)分Table2Thescoreof4differentmethodsfor24hoursprecipitationforecastsbyECMWFatinitialtime20:00BTJune27,2015?結(jié)論和討論以ECMWF精細(xì)化網(wǎng)格降水格點(diǎn)預(yù)報(bào)資料、CMORPH衛(wèi)星、全國(guó)4萬(wàn)個(gè)自動(dòng)觀測(cè)站、雷達(dá)定量估測(cè)降水的三源融合逐小時(shí)降水資料為基礎(chǔ)，研究最鄰近點(diǎn)法、雙線性插值、反距離權(quán)重法、最小二乘法在精細(xì)化網(wǎng)格降水預(yù)報(bào)向站點(diǎn)以及更細(xì)網(wǎng)格格點(diǎn)降水解析中的優(yōu)缺點(diǎn)及適用性，主要結(jié)論如下：1）采用4種方法，將ECMWF模式2015及2016年5—10月每日20時(shí)起報(bào)的降水，解析到選定的11個(gè)觀測(cè)站點(diǎn)上，并計(jì)算平均降水量差值、TS、ETS評(píng)分和預(yù)報(bào)偏差，結(jié)果表明最鄰近點(diǎn)法平均降水量差值最小，TS、ETS評(píng)分最優(yōu)，Bias也最接近于1，表現(xiàn)最好，反距離權(quán)重法次之，雙線性插值和最小二乘法表現(xiàn)最差。）對(duì)于更為普遍的情況，采用4種方法將模式預(yù)報(bào)解析到更細(xì)網(wǎng)格格點(diǎn)上，結(jié)果發(fā)現(xiàn)最鄰近點(diǎn)法整體增大了空間場(chǎng)上降水量最小和最大值的格點(diǎn)數(shù)，但不改變?cè)碱A(yù)報(bào)降水的空間形態(tài)，最小二乘法和反距離權(quán)重法都使得原始降水場(chǎng)有不同程度的改變。值得注意的是，反距離權(quán)重法和采用格點(diǎn)數(shù)有關(guān)，如果采用的格點(diǎn)數(shù)發(fā)生變化，結(jié)果可能有一定的差異。）利用4種方法，將ECMWF模式預(yù)報(bào)降水解析到0.05°分辨率的格點(diǎn)上，反距離權(quán)重法的技巧評(píng)分表現(xiàn)最優(yōu)。最鄰近點(diǎn)法的空間平均TS評(píng)分并沒有好的表現(xiàn)，但ETS評(píng)分最高。并且最鄰近點(diǎn)法的TS、ETS評(píng)分的最大、最小值一致高于其他3種方法。無(wú)論格點(diǎn)預(yù)報(bào)場(chǎng)的空間分辨率多么精細(xì)，用戶所關(guān)注的位置并不總落在某個(gè)固定的格點(diǎn)之上，因此，從精細(xì)化網(wǎng)格預(yù)報(bào)場(chǎng)中合理的解析出用戶所關(guān)注位置的要素預(yù)報(bào)，直接關(guān)系到目前中國(guó)氣象局主推的智能網(wǎng)格氣象預(yù)報(bào)業(yè)務(wù)。本文分析了4種方法的降水解析結(jié)果和預(yù)報(bào)表現(xiàn)，整體認(rèn)為，在模式預(yù)報(bào)相對(duì)準(zhǔn)確精細(xì)的情況下，由降水場(chǎng)解析到觀測(cè)站點(diǎn)來(lái)說(shuō)，最鄰近點(diǎn)法最好；從較粗網(wǎng)格解析到更細(xì)網(wǎng)格來(lái)說(shuō)，反距離權(quán)重法表現(xiàn)較優(yōu)。當(dāng)然，整體統(tǒng)計(jì)結(jié)果和具體個(gè)例結(jié)果可能有一定的差異，雖然研究時(shí)段內(nèi)最鄰近點(diǎn)法和反距離權(quán)重法分別在站點(diǎn)、格點(diǎn)的預(yù)報(bào)評(píng)分有好的表現(xiàn)，但事實(shí)上，對(duì)一些個(gè)例來(lái)說(shuō)也可能出現(xiàn)例外。本文討論的4種解析方法，均以現(xiàn)階段模式預(yù)報(bào)準(zhǔn)確率為基礎(chǔ)，目的是加強(qiáng)現(xiàn)有模式的釋用，盡可能的不要產(chǎn)生二次誤差。但對(duì)于模式本身的預(yù)報(bào)誤差，比如說(shuō)降水落區(qū)的偏差，一方面需要通過(guò)改進(jìn)模式參數(shù)來(lái)提高模式的預(yù)報(bào)準(zhǔn)確率，另一方面還需要結(jié)合大量的歷史觀測(cè)資料，利用各種統(tǒng)計(jì)、動(dòng)力等預(yù)報(bào)分析方法，建立預(yù)報(bào)模型，對(duì)模式結(jié)果進(jìn)行釋用研究。有關(guān)這些方面的研究還需要在今后工作中進(jìn)一步開展。參考文獻(xiàn)【相關(guān)文獻(xiàn)】張宏芳，潘留杰,楊新.ECMWF、日本高分辨率模式降水預(yù)報(bào)能力的對(duì)比分析?氣象,2014,40(4):424-432.潘留杰，張宏芳.數(shù)值模式評(píng)估系統(tǒng)MET及其初步應(yīng)用.氣象科技進(jìn)展,2016,6(3):47-54.趙聲蓉,趙翠光,趙瑞霞,等.我國(guó)精細(xì)化客觀氣象要素預(yù)報(bào)進(jìn)展.氣象科技進(jìn)展,2012,5(2):1221.劉志紅,LiL,TimR,等.專用氣候數(shù)據(jù)空間插值軟件ANUSPLIN及其應(yīng)用.氣象,2008,34(2):92-100.⑸陳峰峰,王光輝，沈?qū)W順,等.Cascade插值方法在GRAPES模式中的應(yīng)用.應(yīng)用氣象學(xué)報(bào),2009,20(2):164-170.陳超君,王欽.降尺度技術(shù)的應(yīng)用研究進(jìn)展.氣象科技進(jìn)展,2014,4(2):62-65.游性恬.幾種數(shù)值插值方法的試驗(yàn)比較.氣象,1996,22(4):1-7.高歌,龔樂冰,趙珊珊,等.