国家级多源融合降水产品在云南的适用性评估

李 超 ,李华宏 ,杨素雨 ,许迎杰 ,米瑞芝

（1.云南省气象台，昆明 650034；2.中国气象局横断山区（低纬高原）灾害性天气研究中心，昆明 650034）

引言

云南地处我国西南地区，地形复杂多样，高山河谷众多，干湿季明显。汛期突发性局地短时暴雨常导致泥石流、山体滑坡等自然灾害。山区降水受众多因素的影响，具有大量的不确定现象和强烈的时空异质性[1−2]。目前云南虽已建成3100多个自动站点，但是由于山区人口、城镇、农田分布分散，地形错综复杂且气候类型多样，使得山区雨量站的设立受到一定的限制，其观测范围也受到较大的影响，站点分布总体上呈河谷多、山坡少的特点，观测数据的空间连续性较差，难以全面真实地反映山区降水的时空变化特征[3−4]。

高时空分辨率和高精度的多源融合实况产品利用多源数据融合技术，将观测场（多源地面站点观测资料）与背景场（卫星、雷达）数据相融合[5]，可准确合理地反映降水的时空分布，实现山区网格数据连续性覆盖。CMPAS是国家气象信息中心研发的一套降水融合实况分析产品，在2018年正式准入全国范围业务运行[6−9]。近年来，针对此套产品在不同地区的适用性研究已陆续开展。沈艳等[10]利用全国自动站观测降水、卫星反演降水和融合降水资料进行对比分析，发现小时降水融合产品质量与站网密度有关，站点越多融合效果越好，越能准确抓住强降水过程，定量监测降水过程更具优势。许冠宇等[11]研究表明多源融合降水在嘉陵江、岷沱江和长江中游干流区域估测降水效果较好，多源融合降水比二源融合降水误差绝对值偏小2～3mm，误差率偏小约10%。李显风等[12]研究发现融合降水产品在江西地区的误差变化幅度明显小于卫星降水产品，5km融合降水产品对强降水监测优势明显。于浩慧等[13]、龙柯吉等[14]研究表明各种融合产品在西南地区均能较好地反映强降水落区的时空变化趋势，但对降水极大值有一定的低估。吴薇等[15]研究发现四川盆地汛期大部分时段实况融合降水的空间评分较稳定，盆地西北侧及南部边缘地区时间评分优于其他地区。

综上所述，融合降水产品在强降水过程的定量检测中有明显优势，但以往研究多着眼于全国范围、平原地区及四川盆地，而云南地区的相关研究较为欠缺。针对这一薄弱环节，本文拟将云南省126个国家站降水资料作为观测场，CMPAS的二源融合和三源融合降水作为评估场，分析融合降水产品在云南地区的时空误差分布特征，评估其对强降水过程的监测能力，为准确掌握该产品在云南的适用情况和进一步改进多源融合技术提供科学依据。

1 资料与方法

1.1 数据资料

实况融合降水资料：采用2018年1月1日00时～2020年12月31日23时（北京时）国家气象信息中心研发的二源融合和三源融合逐小时网格降水产品（以下简称实况融合降水产品），空间分辨率为0.05°×0.05°，评估区域为云南省，数据来源于国省统一数据环境CIMISS系统。

站点观测降水资料：采用与实况融合降水产品同时段的云南省126个国家站逐小时降水观测数据。

1.2 评估方法

首先进行数据质量控制，因小时降水量为0的降水事件约占总样本数的90%，为了更严格地评估产品质量，统计时去除站点观测降水和实况融合降水同时为0的情况。当站点观测值或实况融合产品任意一方缺测时，将这一组观测值和网格分析产品剔除；此后，采用双线性插值方法将实况融合降水资料插值到站点上；最后参考中国气象局《实况分析产品质量评估规范（2019版）》，分别计算实况融合降水与站点观测值的偏差（BIAS）、平均误差（ME）、均方根误差（RMSE）和相关系数（COR），通过各项统计指标定量评估实况融合降水。具体公式如下：

其中，Oi为站点观测值，Gi为实况网格分析产品插值到检验站点得到的数值，N为参与检验的总样本数。

2 小时降水检验

2.1 两种融合降水误差的时间分布

图1是融合降水与实测降水间误差及相关系数的逐月变化。如图1a所示，两种融合降水的平均误差随着时间大幅波动，总体表现为负，其中二源融合降水的最大平均误差超过了−0.24mm/h。如图1b所示，两种融合降水均方根误差呈正态分布，4～9月误差较大，1～3月和11～12月误差较小。如图1c所示，三源融合降水的偏差更接近于1，且相关系数大多在0.8以上（图1d），比二源融合降水质量高。如图1d所示，两种融合降水与实测降水的相关系数在1～9月逐渐降低，汛期之后的10～12月逐渐升高。这是因为6～9月是云南的主汛期，多发生全省性强降水过程，降雨量约占全年的55%～65%，随着降水量的增加，融合降水的误差增大，相关性降低。

图1 融合降水与实测降水间误差及相关系数的逐月变化（a.平均误差，b.均方根误差，c.偏差，d.相关系数）

图2是融合降水与实测降水间误差及相关系数的日内逐时变化。如图2a所示，两种融合降水的平均误差从夜间到中午的逐时变化幅度不大，总体表现为负，三源融合降水的平均误差最大值为−0.02mm/h，二源融合降水的为−0.04mm/h，三源融合降水产品更接近实况。在云南午后对流降水明显的15～20时，两种融合降水的平均误差呈正值，均方根误差大幅上升，说明此时段内融合降水大于实测降水，但三源融合降水的均方根误差明显小于二源融合降水，最大偏小值达0.52mm/h（图2b）。两种融合降水与实测降水的偏差呈正态分布，偏差值均<1，检验样本降水量总体小于实况值，但三源融合降水的偏差值更接近于1，效果更优（图2c）。两种融合降水与实测降水皆有较强的相关性，相关系数均在0.9以上（图2d）。

图2 融合降水与实测降水间误差及相关系数的日内逐时变化（a.平均误差，b.均方根误差，c.偏差，d.相关系数）

2.2 两种融合降水误差的空间分布

两种融合降水的平均误差呈现明显的空间异质性（图3），其分布特征差异显著。二源融合降水平均误差的显著正值在滇东南的文山地区，数值达到0.24mm/h以上；其余地区除个别零星点外，均为负误差，平均数值达到−0.22mm/h及以上；统计表明，约75%样本的平均误差在[−0.1，0.1]区间内。三源融合降水平均误差的显著正值区为楚雄北部往南至临沧、普洱等地，数值在0.2mm/h以上，其他区域呈现零散的正负相间分布；平均误差在[−0.1，0.1]区间内的样本占97%，仅有3%的样本平均误差在此区间之外，明显优于二源融合降水。

图3 融合降水平均误差的空间分布（a.二源融合，b.三源融合）

两种融合降水的均方根误差空间分布大体一致，均呈由南向北递减的特征（图4）。二源融合降水约88%的样本均方根误差<0.2mm/h；三源融合后，约有92%样本的均方根误差<0.2mm/h，融合效果得到提升。在降水量较大的云南东南边缘，如西双版纳、红河及文山一带均方根误差相对较大，两种融合降水的均方根误差达3.0mm/h以上，而在滇西北和滇东北均方根误差较小。在滇西北、滇西横断山脉等复杂地形区，三源降水的均方根误差平均值<1，与实况降水更为接近。

图4 融合降水均方根误差的空间分布（a.二源融合，b.三源融合）

综合来看，三源融合降水平均误差的区域特征更明显，可根据这一系统性误差在实际应用中做订正；二源融合降水的局地性特征太强，特别是滇东南边缘的文山一带，平均误差和均方根误差的空间局地异质性较高，很难对局地性误差进行订正。

2.3 三源融合降水不同量级的误差特征分析

通过2.1和2.2节的分析可知，三源融合降水在云南地区明显优于二源融合降水。为了进一步了解三源融合降水在云南的适用性，本节分析了三源融合降水在不同降水等级下逐小时误差的变化特征。根据《全国智能网格气象预报业务规定（试行）》，将小时降水量分为5个等级，即0.1～1.9mm、2～4.9mm、5～9.9mm、10～19.9mm和20mm及以上。由表1可知，随着降水量的增加，三源融合降水的平均误差由正变负，说明该融合降水产品总体偏小于实况，既高估了雨强<2mm/h的低值降水，也低估了雨强≥2mm/h的高值降水。从日变化来看，在0.1～1.9mm量级中，14～20时的均方根误差达0.92mm/h以上，说明低量级的融合降水在此时段内被明显高估，由此也造成了三源融合降水平均误差在14～20时表现为正值（图2a），这可能与云南午后多对流性降水，导致在雷达和云图上反映出的对流性特征不均一有关。另外，随着降水量级的增大，三源融合降水的均方根误差也增大，20mm以上量级的误差在午后至夜间较大，而上午误差波动明显。究其原因，主要是云南20mm以上短时强降水多发生在午后到夜间，且空间分布较不均匀，致使实况观测和雷达、卫星监测之间出现偏差。

表1 不同降水量级下各时次三源融合降水的误差统计

3 三源融合降水个例检验

3.1 降水个例

分别挑选云南省强降水过程与局地性降水过程，计算实测降水和融合降水的单站逐时平均值，对比分析其日变化特征。图5a是2019年1月7日18时～9日08时发生在滇中以北的一次局地性降水过程。如图所示，三源融合降水在7日18时～8日03时与实况相差不大；8日11～19时实测降水偏大时融合降水低估更明显，最大低估量出现在8日15时（0.62mm/h），且部分时段的降水峰值略有滞后；融合降水与实测降水分布趋势一致，低估了局地性实际降水量。图5b是2020年8月16日20时～20日08时发生的全省性强降水过程。如图所示，三源融合产品在很大程度上准确地抓住了这次降水过程，与地面实测降水的平均误差为−0.2mm/h；但对降水极值的低估非常明显，相对偏差在19日12～20时，即午后至傍晚最为显著。综合两次过程来看，不论全省性还是局地性降水，三源融合产品均低估了实际降水量，实测降水量越大，低估越明显。实测降水与融合降水的相对偏差大值出现在午后至傍晚，说明三源融合产品对云南午后短时强降水的低估非常明显。

图5 站点实测降水与三源融合降水的时间序列（a.2019年1月7日18时～9日08时滇中以北局地性降水过程，b.2020年8月16日20时～20日08时全省性强降水过程）

3.2 地质灾害个例

2019年云南省气象及其衍生灾害共造成直接经济损失105亿元，其中以春夏季强对流天气、汛期局地洪涝和地质灾害最为突出。2019年7月24日，红河和临沧发生了滑坡泥石流灾害，受灾人数累计达17人，死亡3人（表2）。图6给出了2019年7月24日00时～25日00时三源融合降水及灾情点的空间分布。结合图表可知，红河州金平县金河镇旧寨村的此次滑坡由前期累计降水及短时强降水诱发，受灾点邻近区域站23日08时～24日08时24h累计降水量为145.5mm，最大雨强出现在24日02时（27.7mm/h）；融合降水最邻近网格点累计降水为76.4mm，最大雨强出现在24日02时（18mm/h）；融合降水对累计降水和极大值有一定程度的低估，但极大值出现时间与实况降水一致，对灾害点的落区及强降水监测作用明显。临沧两处崩塌点精准位于中雨落区，灾害发生前12h，最邻近区域站累计降水量仅为36.7mm，融合降水最邻近网格点累计降水量为29.3mm；从融合降水来看，崩塌前12d均有降水，其中仅有3d出现累计降水量在20m以上的降水，说明此次崩塌主要由前期持续性降水引起，融合降水较好地揭示了这次受灾过程[16]。

图6 2019年7月24日00时～25日00时三源融合降水（填色，单位：mm）及灾情点（红色三角形）的空间分布

表2 2019年7月24日地质灾害个例

4 结论与讨论

本文以云南省126个国家站降水资料作为观测场，分析评估了CMPAS的二源融合和三源融合降水产品在云南地区的适用性。结论如下：

（1）从两种融合降水误差的逐月变化看，其平均误差随着时间大幅波动，总体表现为负；其均方根误差呈正态分布，4～9月误差较大，1～3月和11～12月误差较小；三源融合降水的偏差较二源融合更接近于1；融合降水与实测降水的相关系数在1～9月逐渐降低，汛期之后的10～12月逐渐升高。

（2）从两种融合降水误差的逐时变化看，其平均误差从夜间到中午的变化幅度不大，总体表现为负；15～20时，其平均误差呈正值，均方根误差大幅上升，但三源融合降水的均方根误差明显偏小；两种融合降水的偏差呈正态分布，偏差值均<1，三源融合降水的偏差值更接近于1；融合降水与实测降水皆有较强的相关性，相关系数均在0.9以上。

（3）两种融合降水平均误差的空间分布特征差异显著。二源融合降水的平均误差在滇东南文山地区为正，其余地区总体表现为负。三源融合降水的平均误差在楚雄北部往南至临沧、普洱大部分区域均为正值，其他区域呈现零散的正负相间分布。两种融合降水的均方根误差空间分布特征类似，均呈现由南向北递减的特征。

（4）从误差的时空变化和相关系数来看，两种融合降水产品均对实况有一定程度的低估，三源融合降水产品优于二源融合降水产品。

（5）三源融合降水高估了雨强<2mm/h的低值降水，低估了雨强≥2mm/h的高值降水。在0.1～1.9mm小量级降水中，受云南午后对流性降水和雷达、云图的不均一性影响，平均误差为正，降水预估偏大，且均方根误差较高。

（6）三源融合降水能较准确地反映降水过程，在局地短时强降水及其诱发的滑坡泥石流监测上具有一定优势。但云南地形复杂，各地的承载能力参差不齐，强降水尤其是局地强降水是主要诱因，前期持续性降水也是诱因之一。因此，利用三源融合降水构建滑坡泥石流灾害模型，将是后续工作的研究重点。