8月12日，京津冀暴雨预报背后的海量信息挖掘更精彩，请点击上方蓝字关注我们！8月12日至13日，京津冀迎来入汛以来最强降水。惊动全国人民的降水过程是如何进行的？据统计，截至2020年8月13日06时，北京、天津北部和西部、河北大部等地有大到暴雨，北京中部、天津静海、保定、沧州等地有大到暴雨、邢台、邯郸、衡水等（100-190毫米），雄安新区局部地区达到241毫米；上述地区最大小时降雨量为50～126毫米。河北北部、北京东南、西北等地出现7～9级雷暴大风。（来源：中央气象台天气公报）从预报的角度来说，可以说预报不过分，恰到好处。京津冀地区8月12日04:00至8月13日07:00降水情况（来源：北京市气象局）其中，北京的强降雨主要集中在夜间（21:00）12日至13日01时）62.0%的气象观测站出现大雨，20.3%的气象观测站出现大雨。对于盼了一天的京儿来说，这场暴雨不仅没有如期而至，还超过了《依萍向父亲要钱》（102.9mm）、《白素贞给许仙的那天》伞”（100毫米），但远小于“杉菜离开道明寺”当天（400+毫米），也小于“721暴雨”的163毫米和台风“温比亚”的432毫米。小于“638暴雨”的最大464毫米，与758暴雨的1600+毫米相去甚远。...如果你还知道这一点，说明你已经是这场暴雨中的资深“天气玩家”了。中央气象台24小时预报与实际情况基本吻合。那么你知道今天的预报员是如何进行降水预报的吗？下面我们从大数据信息挖掘的角度来看一下。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。为了缓解或解决这一问题，基于集合预报的思想，我们设计了“QPF权重评估与推荐平台”，帮助预报员在海量数据的基础上实现自身价值。为什么我们需要整合海量信息？不同预报中心的模式系统吸收不同的观测资料，采用不同的动力框架和物理参数过程，因此针对不同的地区、季节、时效和天气类型各有优缺点。不同类型的数据源可以提供互补的降水预报（QPF，QuantitativePrecipitationForecast）信息，例如：全球数值模式系统可以提供大尺度系统的降水信息；集合模式系统可以提供预报不确定性和低概率的极端天气信息；高分辨率中尺度模型可以提供对流降水系统的形状和演变等特征。国内外研究表明，综合多模式预报信息的QPF比单一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远高于任何单一模式模型。世界气象组织（WMO）发起的THORPEX科学计划的TIGGE项目建立了全球超集合预报，并利用这种超积分方法改进了1-14天的天气预报。QPF权重评估推荐平台是什么？由国家气象中心设计建设的定量降水预报（QPF）权重评价与推荐平台V1.0（以下简称平台）已于今年7月投入运行。学报,宗志平,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/...),支持预报员实时评估多模型性能,推荐近期性能突出的模型或客观方法给预报员，并定量给出最优组合和权重，有效支持预报员完成主客观结合的定量降水预报过程。该平台包括四个模块：实时和近实时评估、未来评估和历史案例检索。下面以京津冀暴雨过程为例，介绍各模块的应用。QPF权重评估推荐平台设计示意图1.QPF实时/准实时评估模块通过实时评估和准实时评估模块，将每个模型在过去两周的每日最优权重组合自动在平台首页展示给预报员。右边展示的是直方图，用不同的颜色区分全球模型、区域高分辨率模型，以及预测最佳日权重组合的客观方法。平台中间部分显示对应模型的实时评价（类似图形可以通过meteva实现，详见前文，https://www.showdoc.com.cn/me...?page_id=3975618837938759)在平台右侧，预报员可以通过仪表板实现实时监控模式的性能，五个饼图分别显示是根据第1、7、14、30、最优选定时间段内多种模式的权重比。后台算法会根据选择的时间段自动推荐前5个模式或客观方法，并计算出最优的权重比例。有了最优的权重组合，预报员就可以一目了然地获得当前模型的性能对比，并通过权重对多模型降水预报进行量化整合。在平台首页，可以通过近期的权重推荐结果找到QPF权重实时评估模块。最近2周权重表现较好的模型是Grapes3KM和GrapesMeso（权重分别为18%和16%），表现较好的客观方法分别是Logisticcorrectionofprecipitation（30%），GrapesMesofrequencycorrection（15%）)和ECMWF的频率校正(20%)。最后一天权重推荐：频率校正EC（30%）、自适应综合降水（10%）、Logistic校正降水（30%）、ECMWF（20%）、频率校正GRAPESmeso（10%）。但由于近期降水分散，暴雨站数量较少，权重推荐结果仍需预报员进一步分析判断。2.多模式比对模块预报员还可以通过多模式比对和稳定性比对模块对模式进行提前评价。模块提供实时缩放定位功能，方便预报员进行多模式比对。同时，后台的图片压缩技术也保证了浏览的便捷性。如下图，预报员可以快速切换预报模型、预报时效、预报区域，浏览感兴趣的降水区域，对比模型差异和模型演化。就本次暴雨过程而言，从多模式预报对比和稳定性对比发现，通过对比ECMWF全球、集合最优百分位降水、自适应综合降水和Logistic校正降水，发现各模型或客观方法均对京津冀暴雨过程进行了预报，但存在一些差异：从预报稳定性来看，集合最优百分位数降水预报的预报最稳定，说明随着时间的临近，集合成员之间的相似度增加，预报确定性程度更高。稳定性对比模块可以方便的浏览多机型对比和稳定性对比。3.历史案例检索模块预报员还可以使用平台中的历史案例检索模块查询历史相似案例。首先，预报员可选择感兴趣区域：全国或6个预设区域（华北、华东、华南、华中、西北、西南），或通过自定义纬度设置目标区域和经度；设置后，会以热力图的形式返回目标区域相似的暴雨过程时间。热图中的颜色越深，相似度可能越高。当你点击一个热力图模块时，你会得到当日焦点模式的实时预报比分图和24小时预报中间时刻对应的态势场预报图。HistoricalCaseRetrievalModuleHistoricalCaseRetrievalModule-AprecipitationprocessonAugust7,2020通过对历史案例检索模块的搜索分析，可以发现近期与本次预测较为相似的案例是华北地区August7,2020对于一个降水过程（如上图所示），我们利用平台第一模块追踪当天最优推荐权重模式，对应的权重为：frequencycorrectionEC:frequencycorrectionGRAPEmeso:ECMWF=6:2:2。预报员还可以使用我们附加的历史天气图分析模块进一步检索和分析历史天气（将在另一篇文章中介绍）。本次降水过程试验综合考虑了模式近期性能、多模式对比、稳定性对比以及8月7日历史案例的检索：1）经过上次大雨过程后，全国降水总体较为分散，而实时权重评估的结果可能比较孤立；2）虽然8月7??日的降水过程与本次过程略有不同，但总体天气情况相似，模型的权重配置和误差表现特征可能相似；3）GRAPES-3KM和Logistic校正由于近期表现较好，且该过程前期为暖区过程，因此需要参考中尺度模式带来的对流降水特征。我们最终选择频率校正EC、频率校正GRAPEmeso、ECMWF、GRAPES-3KM、Logistic校正降水进入最后的融合过程，分别赋予30%、10%、10%、30%、20%的权重，分别。我们的权重推荐在京津冀暴雨预报中表现如何？根据选择的模型、客观方法和相应的权重，将其放入MICAPS主客观融合降水预报平台完成降水融合操作，并选择GRAPES-3KM作为概率匹配的量级场。下图中，采用MICAPS中的主客观融合降水模块进行模拟预报，综合雨区结果也更接近实际情况。从降水统计得分测试来看，最终融合预报暴雨（24小时降水量超过50mm）的TS得分可以达到0.31，BIAS得分为1.01（EC模型对应TS得分为0.25）BIAS分数为0.90）；津冀地区融合预报暴雨TS得分可达0.4，对应EC得分为0.35，暴雨（24小时100毫米以上）TS得分可达0.115，对应EC得分为0.03，改善率接近三倍。（注：TS分数表示预测的准确性，值越高越好；BIAS分数表示预测与实际范围的比值，值越接近1越好）MICAPS主观-客观FusionPlatformV3.5界面：多模式选择对比，模式权重结合以上是本次沉淀过程中平台使用的一些分析结果。希望该平台能够帮助预报员进行日常定量降水预报。我也期待听到您的意见和建议。如有意见，请后台留言或联系文章作者：cooperation@cma.gov.cn往期精选·完·中央气象台科技创新·服务创新·绿色·分享微信号：kjcx_nmc我知道你是“观看”
