引言

淮河干流发源于河南桐柏山，流经豫、皖、苏三省，全长1000km，其河道上游落差大，中下游落差很小，部分河段还有倒比降，另外中游的许多河段河道弯曲狭窄，泄水不畅。淮河流域地处我国南北气候过渡带，降水时空分布很不均匀，复杂的气候条件和特殊的地理位置，决定了淮河流域是一个洪涝灾害频繁发生的地区，因此淮河流域面雨量的预报是一项十分重要的气象业务工作，是各级政府组织防汛抗洪和水库调度等决策的重要依据，也是气象部门拓展服务领域的新举措。

面雨量预报是当今气象部门努力研究的课题，气象工作者对此做了大量的工作，如姚学祥、徐晶^[1]等针对2003年梅雨期淮河流域大水提出了体积降水量的概念及其计算方法, 并进行了流域体积降水量预报试验和预报结果的检验分析；徐晶和毕宝贵^[2-3]、周筱兰^[4]、董官臣^[5]和苗爱梅^[6]对面雨量的不同计算方案中均有分析和阐述；李才媛^[7]、熊秋芬^[8]等分别利用T213、MAPS模式产品进行面雨量预报，并对结果进行检验；方慈安等^[9]提出影响面雨量估测的主要差异来源于应用的雨量资料的多少，增加气象站之外的水文站资料的使用可大大提高估测水平。而目前安徽省的面雨量分析与预报方法尚存在不足，在日常的业务工作中没有可供直接参考的预报产品。随着数值天气预报技术的发展，研究数值预报产品的释用技术并将其应用到面雨量预报上成为必然，因此本文利用我国新一代数值预报模式GRAPES中输出的降水预报场，对2005年7—9月淮河流域面雨量进行了计算，并与实况及预报员主观制作的面雨量预报进行了对比分析。同时进一步利用安徽省高密度自动雨量站资料对2005年7月4—11日、7月27日—8月4日淮河流域这两段集中强降水时间的流域面雨量估测和预报进行了初步研究。从而为流域内的防灾减灾、水资源开发利用和社会经济发展提供更优质的气象服务。

1 天气背景

2005年7—9月淮河干流王家坝站共4次超警戒水位，其中7月4—11日、7月27日—8月4日淮河域流出现了两段集中强降水时间，出现了严重的暴雨洪涝。7月1日—8月23日的实时水位变化见图 1，其中淮河王家坝水位7月11日06时超过警戒水位(王家坝警戒水位27.5m, 保证水位29.0m)，此后继续上涨, 于7月13日07时达到2005年最高水位29.14m，超保证水位0.14m。随后王家坝水位缓慢回落，7月16日下降到警戒水位以下。

2005年7月初受西太平洋副热带高压控制，安徽省为晴热高温天气，4日开始华北有弱冷空气南下，副热带高压减弱，华北雨带随低层切变线进入淮河流域中南部。淮河流域中南部6—10日连续5天出现大范围暴雨，其中安徽省6日30个市县出现暴雨，暴雨范围为2000年汛期以来最大的一次，24小时最大降雨量颍上为201.8mm。11日起雨带继续南压，淮河流域过程降水结束。7月4—11日累计雨量：流域北部0~100mm，流域中南部100~550mm，其中河南的东部到安徽的沿淮淮北地区300~550mm，涡阳最大为545.2mm(见图 2)。由于安徽省淮北和沿淮地区持续暴雨，大部分县市出现了严重内涝。

7月下旬至8月初淮河流域再次出现两次强降水过程，导致安徽省北部地区重复受灾，内涝严重，再次造成损失。

2 GRAPES模式简介

GRAPES全球/区域同化预报模式是我国新一代数值预报模式，是由中国科学家自主研制的、1 949年以来最完整的气象数值预报模式。GRAPES模式2005年初在安徽省气象台高性能计算机上移植成功，于2005年5月投入实际业务运行阶段。

安徽省气象局使用的高性能计算机是IBMP690，配备了32个CPU(1.7GHz Power4+)，64G内存。目前安徽省气象台使用的是GRAPES模式2.1版本，模式试验采用非静力方案，微物理过程采用NCEP 3-class简单冰相方案，积云参数化采用Kain-Fritsch (new Eta)方案。模式的背景场和侧边界使用的是国家气象中心9210下发的T213 L31预报场，其水平分辨率为1°×1 °，时间间隔为6小时，垂直方向共13层，还加入常规地面、高空观测资料对初始场做一次三维变分。模式取安徽省及其邻近地区为计算区域，计算范围为: 25~43°N、108~126° E，水平分辨率为0.1125°×0.1125°，共164×164个格点，每天输出每3小时间隔的温、压、湿、风和雨量的72小时预报。

3 淮河流域分区和面雨量的计算方法

淮河流域分为淮河水系和沂沭泗水系，预报面雨量分为15个预报子单元，其中淮河水系分为10个子单元，沂沭泗水系分为5个子单元。表 1是各片的划分和代码以及包含的主要气象站点数。

面雨量实况资料是利用全国08—08时雨量按中国气象局《全国七大江河流域面雨量预报业务暂行规定》进行计算得到的。面雨量预报资料的计算方案，是首先取出GRAPES模式的降水场预报，再对各片流域内所包含的网格点预报值作算术平均取得所在片的面雨量。各片包含的格点数见图 3。

4 对比分析 4.1 三种统计指标的对比分析

对淮河流域境内的15个区域2005年7—9月的面雨量24小时预报资料和实况资料做误差分析，本文使用了3种统计评价指标。

(1) 平均绝对误差：，式中n为统计样本总数(即总天数)，R_yb表示逐日面雨量预报值，R_shk为逐日面雨量实况值。

(2) 相关系数：

，其中x₁，x₂…x_n和y₁，y₂…y_n分别为各区1，2，…n天的逐日面雨量预报值和实况值，x, y是样本平均值。相关系数|r_xy|越大，表示预报场x与实况场y的关系越密切，其预报水平越高。

(3) 模糊评分检验：为了较客观地评定面雨量预报，引入了中国气象局提供的模糊综合评分方法(中国气象局2002年96号文件《关于下发全国七大江河流域面雨量预报业务暂行规定的通知》)。根据所给的条件，给每个对象赋予一个评判指标，称之为模糊评分。当空报和漏报时，模糊评分为0，对某区域某等级的降雨预报的模糊评分公式如下：，式中i表示第i个流域，j表示预报等级，|F_i-O_i|为等级误差，MAX (j)为最大等级误差。其中第一项是有雨预报正确的基础分，规定为60分；第二项是强度(等级)预报的加权分。根据误差大小计算的模糊评分，表征预报贴近实况的程度，分值越高，预报越接近于实况。

为第i个流域面雨量在所有量级的平均模糊评分，N为降水等级总数，这里将降水分为0.0~3.0、3.0~10.0、10.0~20.0、20.0~30.0、30.0~60.0、60. 0~120.0mm和120.0mm以上共计7个等级。

使用这3种统计评价指标，本文用淮河流域境内的15个区域2005年7—9月GRAPES与预报员的24小时面雨量预报资料和实况资料做了误差分析，结果见图 4。由图 4可见，2005年7—9月淮河流域的实际面雨量预报中，用GRAPES模式制作的面雨量预报产品对大部分区域的24小时预报绝对误差要低于预报员的预报，且相关系数、模糊评分MP也优于预报员的预报，部分区域的模糊评分MP远高于预报人员的预报，因而具有较高的预报参考价值。

表 2为7月3—11日、7月27日—8月4日淮河流域两段集中强降水时间内各区的平均绝对误差和模糊评分MP。由表 2也可得出与上述类似的结论：GRAPES模式产品加工的面雨量预报对大部分区域24小时预报绝对误差要低于预报员的预报，且模糊评分MP优于预报员的预报。因此在2005年淮河大洪水的实际面雨量预报中GRAPES模式制作的面雨量预报产品具有较高的预报准确率。

由于GRAPES模式每天输出的是3小时间隔的预报产品，因而可以制作出0~6小时、6~12小时等较高时间分辨率的面雨量预报产品，在防汛关键时期为政府部门提供更及时、准确、精细的面雨量预报，满足社会需求。目前面雨量实况的估测以及预报员的面雨量预报仅有24小时时段的，因此文中未对GRAPES模式6小时的面雨量预报作具体的对比分析。

4.2 高密度自动雨量站资料与实况面雨量资料的比较

目前实际面雨量的估测是以现有的气象台站分布出发，全国七大江河流域面雨量计算统一采用泰森多边形法。在台站数不变化的情况下，泰森多边形法从实际运行情况看较方便，使用效果也较好。而2005年安徽省高时空密度的自动雨量监测站网已经形成，已布设自动雨量站、自动气象站911个。为探讨增加自动雨量站雨量资料后，对淮河流域雨量的估测和预报有无影响，本文选取第7区(完全位于安徽省内)，对7月3—11日、7月27日—8月4日这两段时间分别用高密度自动雨量站资料和常规气象站资料，均使用泰森多边形法计算得到的面雨量实况进行了对比分析。2005年7月3—11日用不同雨量资料计算得出的GRAPES、预报员24小时预报的平均绝对误差、相关系数、模糊评分MP见表 3、图 5。

由上表可见，由于常规气象站分布的不均匀以及区域内雨量站数的不同(见图 5)，使得在加入了高密度雨量站资料后，GRAPES模式24小时预报的平均绝对误差下降，相关系数、模糊评分MP均明显提高，并优于预报员的预报。为进一步进行分析，绘制出2005年7月3—11日逐日的GRAPES预报、预报员预报和面雨量实况曲线变化图，由图 6可见，与用高密度雨量站资料计算出的实况面雨量进行对比，则GRAPES模式面雨量预报对7月7—11日这次过程的开始、强降水出现的时间以及结束都与实况一致，但总体量级偏小。

分别使用2005年7月27日—8月4日常规气象站、高密度雨量站雨量资料，对计算得出的GRAPES、预报员24小时预报的平均绝对误差、相关系数、模糊评分MP进行分析(图、表略)，可知在加入了高密度雨量站资料后，GRAPES模式24小时预报的平均绝对误差减小，模糊评分MP明显提高。

分析原因可知，流域内的一部分区域所包括的常规气象测站非常稀少且分布不均匀，如1~4区、7区、12~14区只有2~7个测站。测站稀少就不能全面反映区域内面上的降水状况，同时降水又是一个不连续量，尤其是夏季强降水具有局地性，测站稀少则点雨量无法代表面雨量，这些都造成对面雨量实况的估测存在较大的计算误差。用这些不真实的面雨量实况估测值来检验各种预报产品，必然导致面雨量预报精度的误差较大。而如果流域内的高密度雨量站数量众多, 站网密度大，分布比较均匀，则对这些数量众多的实测雨量进行计算，就可以逼近实际面雨量，得到一个精度高的面雨量实况估测值，用它来检验我们的预报，其可信度会更高。

5 结论和讨论

(1) 利用GRAPES模式输出的格点雨量场来制作淮河流域面雨量预报，在淮河流域的实际面雨量预报中具有较好的参考价值。另外高密度雨量站资料的使用有利于提高对流域面雨量实况估测的精度，更客观的检验面雨量预报产品。

(2) GRAPES模式产品是每隔3小时输出，因此可以提供高精细时间分辨率的面雨量预报产品，在防洪关键时刻提供预报人员参考。

(3) 文中仅对2005年7—9月的GRAPES模式预报产品和一个子区域高密度雨量站资料进行了对比分析，得到了一些有价值的参考依据。但由于统计时间长度有限，因此仍需作进一步深入研究和检验。