引言

日本细网格模式降水预报以其较为准确而在日常的短期天气预报中发挥了很好的指导作用。但还存在一些问题，如降水量级以及降水落区等均有一定偏差^[1-2]，同时对于一般性降水空报较多，而对于小概率事件的强降水预报，误差更为明显。从日常的预报工作中体会到，大气能量对于局地强对流天气的分析和预报具有很好的实用意义^[3-5]。据位于长江三峡坝区的三峡气象站建站以来的资料分析，每年第一场强降水基本上都出现在初夏(5—6月)。初夏强降水出现频率较低，预报难度相对较大，对市内正在建设的长江三峡工程施工影响极大。因此，有针对性地研制三峡坝区初夏强降水预报工具也就显得十分重要。

数值预报将取代经验预报，这是气象事业发展的必然趋势。而目前对数值预报产品的释用研究表明其效果要好于模式直接输出预报^[6]。因此，我国气象工作者在对数值预报产品的释用方面做了大量的工作^{[2, 7-10]}。本文主要是将日本数值预报产品与宜昌单站大气能量资料相结合，应用数理统计方法，建立三峡坝区初夏(5—6月)强降水预报模型，从而对数值预报产品进行释用。实践证明，该方法克服了初夏强降水预报单独使用一种预报工具之不足，起到了互补的作用，从而提高了三峡坝区初夏强降水预报的准确率，具有较好的实用性。

我们将三峡气象站20时至20时24小时降水量≥25mm定为一次强降水过程。三峡气象站自1992年建站到2001年，5—6月共出现34次日降水量≥25mm的强降水过程，其分布情况为：5月18次，6月16次。其中一日最大降水量为95.1mm(2001年6月28日)。

1 基本资料及思路

基本资料由日本数值预报产品(FSFE02、FSFE03)、宜昌市气象台08时探空资料和基于宜昌探空资料计算的能量资料、三峡气象站降水资料等三部分组成，时间为5—6月，资料年代为1992—2001年。

在预报模型的研制过程中，我们既考虑到数值预报产品的指导意义，也考虑到大气能量在局地强对流天气的分析和预报中的实用意义及其二者的互补性。在统计方法上，基于强降水的出现与否可将资料简化为“0、1”即二分类预报这样一个思路，因而在整个预报因子筛选工作之后，将预报因子和预报对象进行“0、1”处理，使得统计工作更加简化，从而可引用基于费歇(Fisher)准则^[11]的判别分析方法制作出长江三峡坝区初夏强降水预报模型。

2 因子的选取

根据长江三峡坝区的地理位置选取关键区，即29°~32°N、108°~113°E，然后读取该区域日本细网格模式降水预报(FSFE02、FSFE03)值，与其他多个局地大气能量因子一起组成待选因子。将待选因子与三峡坝区强降水资料一一对应，并对降水资料进行“0、1”处理，通过筛选，最终得出预报因子，用X表示。下面用X₍₅₎表示5月预报因子，X₍₅₎₁表示5月第1个预报因子，X₍₅₎₂表示5月第2个预报因子，X₍₅₎₃……。6月类同。5月和6月预报因子分别为:

5月份: X₍₅₎₁，K指数[K=(T₈₅₀-T₅₀₀)+T_d850-(T-T_d)₇₀₀]；X₍₅₎₂，500hPa与850hPa假相当位温之差(θ_se500-850); X₍₅₎₃，对流层云底以下气层平均总温度T_c；X₍₅₎₄，500hPa、700hPa、800hPa三层平均比湿Q_3P；X_{(5) 5}，关键区日本细网格模式08时24小时降水预报值(FSFE02、FSFE03降水预报值之和)。

6月份：X₍₆₎₁，K指数；X₍₆₎₂，500hPa与850hPa假相当位温之差(θ_se500-850); X₍₆₎₃，对流层云底以下气层平均总温度Tc；X₍₆₎₄，关键区日本细网格模式08时12小时降水预报值(FSFE02)；X (6)5，关键区日本细网格模式08时24小时降水预报值(FSFE02、FSFE03降水预报值之和)。

3 判别函数式的建立

按照计算方法^[12]，首先计算所有预报因子的分组(日降水量≥25mm为A组，日降水量＜25mm为B组)均值$ \overline{{{X}_{i}}} $(A)和$ \overline{{{X}_{i}}} $(B)及组间距$ {{d}_{i}} $，再计算各组相关矩和总的相关矩，组成方差矩阵S且求出S的逆矩阵C，然后求解线性方程组。

其向量形式为：SC=D

其中C=(c₁, c₂, …，c_p)′ D=(d₁, d₂, …，d_p)′ 从而可求出系数C=S^-1D，组成判别函数式

$ {{I}_{d}}=\sum\limits_{i=1}^{p}{{{C}_{i}}{{X}_{i}}} $

(1)

经计算，5—6月的判别函数式分别为：

$ \begin{align} &{{I}_{d\left( 5 \right)}}=0.051{{X}_{\left( 5 \right)1}}+0.0285{{X}_{\left( 5 \right)2}}+0.0286\times \\ &\ \ \ \ \ \ \ \ \ {{X}_{\left( 5 \right)3}}+0.0264{{X}_{\left( 5 \right)4}}+0.0372{{X}_{\left( 5 \right)5}} \\ \end{align} $

(2)

$ \begin{align} &{{I}_{d\left( 6 \right)}}=0.0199{{X}_{\left( 6 \right)1}}+0.0277{{X}_{\left( 6 \right)2}}+0.015\times \\ &\ \ \ \ \ \ \ \ \ {{X}_{\left( 6 \right)3}}+0.0254{{X}_{\left( 6 \right)4}}+0.009{{X}_{\left( 6 \right)5}} \\ \end{align} $

(3)

4 判别临界值的确定

将Y∈A和Y∈B两类各月逐日各因子资料分别代入上述各月判别函数式，可求出Y∈A和Y∈B两类各月判别函数值$ {{I}_{dt}} $(A)和$ {{I}_{dt}} $(B)，然后分组求平均$ {{{\bar{I}}}_{d}} $(A)和$ {{{\bar{I}}}_{d}} $(B)，最后根据公式：

$ {{I}_{0}}=1/n\left[ {{n}_{1}}{{{\bar{I}}}_{d}}\left( A \right)+{{n}_{2}}{{{\bar{I}}}_{d}}\left( B \right) \right] $

(4)

求出判别函数的临界值I₀，式(4)中n₁和n₂分别为n个样本中预报对象Y∈A和Y∈B的样本数，显然I₀在$ {{{\bar{I}}}_{d}} $((A)和$ {{{\bar{I}}}_{d}} $(B)之间。

将5—6月逐日预报因子分别代入各月判别函数式，即可得到各月逐日判别函数值I_dt，当I_dt≥I₀则判别Y∈A，即预报未来24小时有≥25mm的强降水，反之则Y∈B，即预报未来24小时无≥25mm的强降水。

预报工作的实践证明，采用判错最少的原则去确定I₀，要比理论中的确定方法更合理一些。根据上述原则，各月判别临界值分别为：I₀₍₅₎=0.0922，消空条件：(1)预报日当天已出现≥25mm的强降水，(2)2.3＜A指数＜12.2{A=(T₈₅₀-T 500)-[(T-T_d)₈₅₀+(T-T_d)₇₀₀+(T-T_d)₅₀₀]}。I_{0 (6)}=0.0681，消空条件：(1)潜在不稳定能量0.1≤S₂≤35.1[S₂即单站总能量垂直廓线图上，饱和总温度(T_s)和过程曲线(根据总温度T_t的准守恒性质，令气块从行星边界层900hPa附近上升，则气块的过程曲线就是由T_t900决定的铅直线)所围面积，也即正超能区面积，它表示了潜在不稳定能量的大小]，(2)34. 5≤K指数≤35.7。

5 模型效果检验及应用

三峡坝区1992—2001年5—6月共出现≥25mm的强降水34次，报对29次，漏报5次，空报1次。将5月和6月的预报因子分别回代到式(2)和式(3)中，其结果见表 1。

由表 1可见，该模型回代准确率各月均在80%以上。其总体历史回代准确率达到了83%，较为理想，历史概括率为85%。

将该预报模型应用于2002—2007年三峡坝区预报，经检验，三峡坝区2002—2007年初夏共出现≥25mm的强降水19次，报对17次，漏报2次，空报3次。预报准确率和概括率分别为77 %和89%(表 2)。

6 结语

初夏强降水属小概率事件，预报难度相对较大。由于三峡气象站建站时间不长，资料年代较短，个例较少，因而在预报的准确率和概括率上，都还带有一定的不稳定性，尤其是在对于临界值的确定上，在应用中还需根据预报情况不断进行修正。这些都表明该预报模型还有待于在应用中逐步改进、完善。