8月12日京津冀暴雨预报背后的海量信息挖掘

更多精彩，请点击上方蓝字关注我们！

8月12-13日，京津冀迎来了入汛以来最强降水。这次惊动了全国人民的降水过程表现如何？

据统计，截至2020年8月13日06时，北京、天津北部和西部、河北大部等地出现大到暴雨，北京中部、天津静海及河北保定、沧州、邢台、邯郸、衡水等地大暴雨（100～190毫米），雄安新区局地达241毫米；上述地区最大小时降雨量50～126毫米。河北北部、北京东南部和西北部出现7～9级雷暴大风。（来源：中央气象台天气公报）

从预报角度，可以说下得不多不少，刚刚好。

京津冀地区8月12日04时-8月13日07时24小时降水(来源：北京市气象局)其中，北京强降雨主要集中在夜间时段****（12日21时至13日01时）

62.0%的气象观测站出现暴雨，

20.3%的气象观测站出现大暴雨，

对于翘首盼了一天的北京er来说，

这次暴雨不但没有爽约，而且

超过了“依萍找他爸要钱那天”（102.9毫米）、“白素贞给许仙送伞那天”（100毫米），但远不及“杉菜离开道明寺”那天（400+毫米），也小于“721大暴雨”的163毫米，小于台风温比亚的432毫米，小于“638大暴雨”的最大464毫米，距离758大暴雨的1600+毫米还差的远。。。。如果还知道这些，说明你已经是资深“天气玩家”了

这次暴雨过程，中央气象台24小时时段预报与实况基本一致。

那么你知道如今预报员是如何制作降水预报的吗？

我们从大数据信息挖掘的角度来一窥究竟。

众所周知，数值模式预报已成为现代天气预报业务的基石。然而，随着数值模式的快速发展，预报员或用户不得不面对信息过载的问题。为了缓解或解决该问题，我们基于集合预报的思想，设计“QPF权重评估推荐平台”，帮助预报员在海量数据的基础上实现自身价值。

为什么要进行海量信息的集成？

来自不同预报中心的模式系统同化了不同的观测资料、采用不同的动力框架、物理参数过程，因此对不同区域、季节、时效和类型的天气表现各有优缺点。不同类型的数据源可提供相互补充的降水预报（QPF，Quantitative Precipitation Forecast）信息，例如：

全球数值模式系统能够提供大尺度系统的降水信息;
集合模式系统能够提供预报的不确定性和低概率的极端天气信息;
高分辨率的中尺度模式可以提供对流性降水系统的形态、演变等特征

已有国内外研究均表明，集成多模式预报信息的QPF比单个模式表现出更好的预报技巧，如Ebert(2001)指出简单集合平均的预报技巧和精度要远高于任何单一模式。世界气象组织(WMO)发起的THORPEX科学计划中的TIGGE计划建立了全球超级集合预报,用这种超级集成方法来改进1-14天的天气预报。
什么是QPF权重评估推荐平台？
国家气象中心设计建设的定量降水预报（QPF）权重评估推荐平台V1.0（以下简称平台）已于今年7月投入运行，是在现有主客观融合定量降水平台的基础上（唐健,代刊,宗志平等,2018.主客观融合定量降水预报方法及平台实现.气象, 44(8),http://qxqk.nmc.cn/html/2018/8/20180804.html），支撑预报员实时评估多模式性能，向预报员推荐近期表现性能突出的模式或者客观方法，并定量给出最优组合及权重，有效支撑预报员完成主客观融合的定量降水预报流程。该平台包括实时与近实时评估、未来评估、历史个例检索等四个模块。下面我们以本次京津冀暴雨过程为例，介绍各个模块的应用。QPF权重评估推荐平台设计示意图

1.QPF实时/近实时评估模块

通过实时评估和近实时评估模块，在平台首页会自动为预报员展示过去两周内各家模式逐日最优权重组合的情况，通过柱状图在右侧进行显示，用不同的色系区分了全球模式、区域高分辨率模式以及客观方法预报逐日最佳权重组合的情况，平台中部显示对应模式实时评估（类似图形可以通过meteva来实现详见前文，https://www.showdoc.com.cn/meteva?page_id=3975618837938759）

在平台右侧，预报员可以通过仪表盘方式实现实时监控模式性能，5个饼图分别显示的是逐1日、7日、14日、30日以及选定时间段内多模式最优权重配比情况，后台算法会根据选取时间段自动推荐排名前5的模式或者客观方法，并计算其最优权重组合，预报员可以一目了然获取当前模式性能的对比，通过权重定量集成多模式降水预报。平台首页，QPF权重实时评估模块

通过近期权重推荐结果可以发现，近2周内表现权重较好的模式分别为Grapes3KM、GrapesMeso（权重分别为18%、16%），表现较好的客观方法分别为Logistic订正降水（30%）、GrapesMeso频率订正（15%）以及频率订正ECMWF（20%）。而近1天的权重则推荐：频率订正EC（30%）、自适应集成降水（10%）、Logistic订正降水（30%）、ECMWF（20%）、频率订正GRAPESmeso（10%）。但是由于近期降水较为分散，暴雨站数较少，权重推荐的结果还需要预报员再进一步进行分析、研判。

2.多模式对比模块

预报员还可以通过多模式对比以及稳定性对比模块，对模式进行事前评估。模块中提供了实时缩放和定位功能，方便预报员进行多模式对比，同时后台的图片压缩技术也确保浏览的便捷性。如下图所示，预报员可以十分便捷的在预报模式、预报时效、预报区域中进行快速切换，浏览关心的降水区域，对比模式差异和模式演变。就这次暴雨过程而言，从多模式预报对比和稳定性对比发现，通过选取ECMWF全球、集合最优百分位降水、自适应集成降水及Logistic订正降水进行对比，发现各家模式或者客观方法都预报了这次京津冀暴雨过程，但是也存在一定分歧：从不同预报时效看，随着时效的临近，各家模式和客观方法的一致性均在不断提高；从预报稳定性来看，集合最优百分位降水预报的预报最为稳定，说明集合成员之间的相似性随着时效临近而增加，预报确定性程度更高。

稳定性对比模块，可以便捷地浏览多模式对比和稳定性对比情况

3.历史个例检索模块

预报员还可以使用平台中的历史检索模块，查询历史相似个例。首先，预报员可以通过选定关注区域：全国或者6个预设区域（分别是华北、华东、华南、华中、西北以及西南地区），或者可以通过自定义经纬度的方式进行设定目标区域；设定后，会以热力图的方式返回目标区域内的相似过程暴雨过程时间，热力图中颜色越深表示相似程度可能越高。当点击某个热力图模块，就会得到当天关注模式的实况预报对比评分图以及对应24小时预报中间时刻的形势场预报图。

历史个例检索模块
历史个例检索模块-2020年8月7日一次降水过程通过历史个例检索模块检索分析可以发现近期与本次预报较为相似的个例是2020年8月7日华北地区的一次降水过程（如上图所示），我们通过平台第一模块，追溯其当日最优推荐权重模式和相应权重为：频率订正EC：频率订正GRAPEmeso：ECMWF=6：2：2。预报员也可以进而使用我们的另外建设的历史天气图分析模块，进一步对历史天气进行检索和分析（将另文介绍）。

本次降水过程检验

综合考虑模式近期表现、多模式对比、稳定性对比、及8月7日历史个例检索的情况：1）在上一次暴雨过程之后，全国整体降水较为分散，实时权重评估的结果可能较为孤立；2）8月7日降水过程虽然较本次过程略有不同，但整体天气形势接近，模式的权重配置、误差表现特征可能是类似的；3)GRAPES-3KM和Logistic订正因为近期表现佳，且这次过程前期为暖区过程，需要参考中尺度模式带来对流性降水的特征。我们最终选取频率订正EC、频率订正GRAPEmeso、ECMWF、GRAPES-3KM、Logistic订正降水进入最后的融合过程，并给定权重分别为30%、10%、10%、30%、20%。
这次京津冀暴雨预报我们权重推荐的表现如何呢****？依据所选择的模式、客观方法及相应权重放入MICAPS主客观融合降水预报平台中，完成降水融合的操作，并选取GRAPES-3KM作为概率匹配的量级场。通过下图中采用MICAPS中主客观融合降水模块进行模拟预报，融合的雨区结果也与实况较为接近。从降水统计评分检验情况来看，最终融合预报暴雨（24小时降水量50mm以上）的TS评分可达0.31，BIAS评分为1.01（EC模式对应TS评分在0.25，BIAS在0.90）;如果仅考虑京津冀区域，融合预报暴雨TS评分可达0.4，对应EC评分为0.35，大暴雨（24小时100mm以上）TS评分可达0.115，对应EC评分为0.03,提升率接近3倍。（注：TS评分指示预报准确率，数值越高越好；BIAS评分指示预报与实况范围比率，数值越接近于1越好）MICAPS主客观融合平台V3.5界面：