的可用性评估
柳晶 李菁 林棽 刘汉博 于金 赵薪童
（华风气象传媒集团有限责任公司，北京 100081）
摘要：社会各行业对精细气象服务能力的要求越来越高，亟需更多的观测数据用以提升精细化气象预报服务产品的准确性和时效性。基于2020年7月至2021年6月的水文和气象观测站降水资料，从降水资料稳定性、两种降水资料的相关度和重要天气过程个例等多个角度进行了分析评估。水文降水资料的全年稳定上报站点数量为1.4万，可达气象降水资料站数的1/3以上；水文与气象的降水资料之间具有较高的时空一致性，总体相关度超过0.8；另外，从降水过程个例分析可看出，引入水文站降水数据可有效增加雨量站网密度，进而显著提升强降水的探测能力。基于以上结论，引入水文观测数据进行融合应用可为短临降水预报实时订正、降水独立检验评估以及实时灾害性天气服务等多个气象预报服务业务提供支撑。 关键词：水文，气象，降水，服务，评估
DOI：10.3969/j.issn.2095-1973.2023.01.006
Usability Evaluation of Hydrological Precipitation Data Used in Refined Meteorological Services
Liu Jing, Li Jing, Lin Shen, Liu Hanbo, Yu Jin, Zhao Xintong
(Huafeng Meteorological Media Group Co., Ltd, Beijing 100081)
Abstract: As various sectors of the society are increasing their requirements for refined meteorological services, it is imperative to offer larger amount of observation data to improve the accuracy and efficiency of refined meteorological service products. Based on the precipitation data from hydrological and meteorological stations from July 2020 to June 2021, data stability, the correlation of the two types of data and key synoptic process cases are analyzed. It is found that the number of stable stations for hydrological precipitation data is 14000, equivalent to 1/3 of meteorological stations. The hydrological and meteorological precipitation data exhibit high spatial-temporal consistency, their correlation higher than 0.8. In addition, the case studies show that the integration of hydrological and meteorological precipitation data can effectively increase the density of rainfall stations, which can significantly improve the detection capability of heavy precipitation. The analysis reveals that the integration of two kinds of precipitation data sets can promote the development of meteorological services such as real-time revision of nowcasting, independent precipitation testing and severe weather services.
Keywords: hydrology, meteorology, precipitation, services, evaluation
0 引言
作为受众面最广、社会普及度最高的公共服务之一，气象服务早已融入人们的日常生活。目前基于用户位置的精细气象需求越来越旺盛，亟需更多的相关气象观测数据用以支撑按需气象产品的研发应用。水利行业因自身对气象资料的特殊需求，天气观测站点在全国范围内布设较多。2015年，依托山洪地质灾害防治气象保障工程等项目支持，江西省气象部门与水利部门开展了所属自动气象站、自动水位雨量站每小时雨量观测数据共享工作，实现2545个气象自动站和3683个水文站信息共享，使全省雨量站网密度由9km2提升到5km2。2017年，中国气象局与水利部长江水利委员会建立信息共享机制，共享包括长江流域气象、水文观测资料以及预测预报产品。近几年，国家建立了气象和水利部门共享资料机制，由国家气象信息中心统一通过卫星广播系统提供水利部交换的降水、河道水情和土壤墒情等数据的下发和共享服务。特别是2021年，国家明确提出建立健全国家公共数据资源体
收稿日期：2021年9月14日；修回日期：2021年12月8日
第一作者：柳晶（1978—），
通信作者：李菁（1988—），
资助信息：中国气象局软科学研究项目（2021ZZXM35）；
国家重点研发计划（2018YFC1507803）
系，确保公共数据安全，推进数据跨部门、跨层级、跨地区汇聚融合和深度利用。气象和水利部门的监测站网均具有大规模建站、高频率更新以及运行维护稳定的特点，不同的是气象和水文的监测组网建设各有侧重，气象观测站点在空间分布上更为均匀，布设主要考虑站点的区域代表性，通过探测温压湿风等多要素建立对大气环境的整
体监测；而水文观测站点则基于江河流域进行布设，重点观测与水文相关的水雨情信息。降水作为双方重点关注的要素，受到了许多国内外学者的关注，开展了两类降水观测资料的比较和验证分析工作，取得了不少成果。对海河流域50年的气象降水资料和10年的水文站雨量资料进行分析发现，两套资料相关程度较高，年降水量基本都符合正态分布，其均值和方差在统计意义上相等[1]
。对江西地区气象站、水文站和雷达估测降水产品的对比显示，3种来源的观测降水具有相似的空间分布特征，且强降水落区、降水分布形
态高度一致[2]
。利用73个水文站和30个气象站的日降水资料计算长江三峡区间1960—1990年60次降水过程的面雨量，分析发现同一种方法计算面雨量时气象站的面雨量高于水文站的机率略大，认为强降水分布的极不均匀性是造成气象站和水文站面雨量之差较大的主要原因[3]
。来自水文和气象行业的雨量自动站观测数据都需要以质量控制为基础[4]
，雷达通常被认为是有效的辅助质控手段[
5-7]
。两类观测站点的融合对区域雨量站网密度提升明显[8]，其融合数据在多个领域都有广泛的应用前景，如站点网络最佳空间分布[9]
、预报降水精度及时空分辨率的进一步提高[
10]
、干旱传播[11]
、生态水文过程的变化[12]
等。
目前中国天气移动端数据访问次数每天约为400亿，用户反馈每天约为4万条，这说明社会公众对天气的关注度比较高，同时也对气象服务能力的要求越来越高，亟需更多的观测数据用以提升精细化气象预报服务产品的准确性和时效性。为此，本文基于2020年7月1日—2021年6月30日的水文降水资料和气象降水资料进行研究，探讨跨行业观测数据在气象预报服务中融合应用的可行性，为实时灾害性天气监测、降水独立检验评估和短时临近降水预报实时订正等气象服务业务提供参考。
1 资料和方法
1.1 资料说明
本文选用2020年7月1日—2021年6月30日的水文降水资料和气象降水资料进行研究，两种资料均包含
过去1 h 降水量和日降水量数据。其中，水文降水资
料来自中国气象局下发的水利部共享资料，过去1 h 降水量资料的更新频次为一天4次，分别是每天02时、
08时、14时、20时更新，日降水量资料每天08时更新一次。气象降水资料来自中国气象局的自动气象站观测数据，选用资料的更新频率和水文降水资料保持一致。
本文在个例分析中选用中国气象局大气探测中心
的雷达降水估测产品对水文降水量观测站和气象降水量观测站及其引入水文数据后降水场的观测效果进行评估。为了表述简明，文中将水文资料称为P H ，其中水文资料中的过去1 h 降水量简写为P H_h ，水文资料中的日降水量简写为P H_d 。将气象资料称为P M ，其中气象资料中的过去1 h 降水量简写为P M_h ，将气象资料中的日降水量简写为P M_d 。
1.2 方法说明
基于2020年7月1日—2021年6月30日的P H 上报情况统计，评估可稳定上报的站点数量和分布情况。站点稳定上报的统计分析，主要从业务应用的角度出发，将稳定上报的概念定义为在一个月的单位时间内上报非缺测值的日数大于20 d 。全年稳定站点指连续12个月都达到稳定上报标准的站点。
本文中所描述的站网密度是假定站点在区域范围内均匀分布，在一定区域范围内单个站点的平均覆盖
范围。本研究以省为单位，使用省域面积除以省内总站数，进而反应站点分布的密度情况，站网密度越大则表示站点分布越稀疏，站网密度越小则表示站点分布越密集，站网密度单位为km 2/个。
本文对时间段的描述中，夏半年指2020年7—9月和2021年4—6月，冬半年指2020年10月—2021年3月。本文在全国范围内筛选1 km 间距内同时有P H 和P M 上报的雨量站作为邻近站，对邻近站上报的降水样本进行相关度分析，相关系数R 计算方法见公式（1）。
（1）
式中，和分别代表水文站和气象站的单次雨量值。n 代表观测的总次数。i 代表单次观测取值范围在1～n 。R 代表P H 和P M 的相关系数，变化范围在[−1, 1]，当R 越接近于1，则两者的正相关性越强，即P H 随着P M 的增大而增大；当R 越接近于−1，则两者的负相关性强，即P H 随着P M 的增大而减小；当R 越接近于0，则两者的相关性越低，若R 为0则两个变量之间没有
Progress 研究进展
线性关系。本文使用相关系数R 分析水文站与气象站的降水量相关性，进一步讨论P H 和P M 的降水量一致性，从而探讨在气象服务中引入水文站降水数据的可行性。
2 气象和水文资料对比分析
2.1 上报站数对比分析
2.1.1 日降水资料分析
2020年7月—2021年6月，P H_d （每天08时更新）共上报站数为4.1万，其中全年稳定站点数为1.4万。从图1可看出，P H_d 上报站数呈现夏半年多冬半年少的变化规律，夏半年站点数稳定在2.5万左右，冬半年站点数据稳定在1.7万左右。P H_d 夏半年稳定上报站数比冬半年约多0.8万个，主要是由于东北地区仅在夏半年进行数据上报，其他地区稳定上报的站数变化不大。
50000 40000 30000 20000 10000
2020年07月
2020年08月
2020年09月
2020年10月
2020年11月
2020年12月
索道安装2021年01月
2021年02月
2021年03月
2021年04月
2021年05月
2021年06月
站点数量/个时间
图1 2020年7月—2021年6月P H _d 上报站数的月变化 Fig . 1 Monthly variation of the station number of P H _d from
July 2020 to June 2021
P H_d 全年稳定站点数量为1.4万，较集中地分布在天津、山西、湖北、重庆、江苏、浙江、广东和云南这8个地区。P M_d 全年稳定站点数量为3.5万，全国乡镇级基本都有观测点。从量级上看，全国范围内全年稳定上报的P H_d 已经占到P M_d 站数的40%，部分省份P H_d 数量追平甚至超过P M_d 数量。从表1可看出，广东省的P H_d 站数约为P M_d 的4倍，引入P H_d 后站网密度相比P M_d 的独立观测可提升5倍；云南省、湖北省、重庆市和天津市的P H_d 和P M_d 站数相近，引入P H_d 后站网密度相比P M_d 的独立观测可提升约1倍；江苏省和浙江省的P H_d 站数占P M_d 的1/2。从数据上报的稳定性和站点数来看，以上地区的P H_d 有条件为气象服务业务提供支撑。
2.1.2 小时降水资料分析
2020年7月—2021年6月，P H_h 共上报站数为3.5万
（小时降水量每天更新4次，分别是08时、
14时、20时、02时）。从图2可看出，各更新时次上报站数均呈现夏半年多、冬半年少的变化规律。
P H_h 在每天08时上报的站点数相比其他上报时次的站点数多1万个站左右，其中夏半年站点数稳定在3万个左右，冬半年站点数据稳定在2.5万个左右。P H_h 夏半年稳定上报站数比冬半年多约0.5万个，主要是由于东北地区仅在夏半年进
行数据上报。14时、
20 时、02时上报P H_h 的月变化规律与08时相同，其中夏半年站点数稳定在2万个左右，冬半年站点数据稳定在1.6万个左右。
35000 30000
25000 20000 15000 10000 5000
2020年07月
2020年08月
2020年09月
2020年10月
2020年11月
2020年12月
精炼剂2021年01月
2021年02月
2021年03月
2021年04月
2021年05月
2021年06月
站点数量/个
时间
08 h
14 h
20 h
02 h
图2 2020年7月到2021年6月期间P H _h 上报站数的月变化 Fig . 2 Monthly variation of the station number of P H _h from
July 2020 to June 2021
以08时为例，P H_h 全年稳定上报的站点数量为2万个，集中分布在山西、湖北、重庆、江苏、浙江、江西、广东、广西和云南这9个地区。P M_h 全年稳定站点数量为5.3万，全国乡镇级基本都有观测点。从量级上看，全国范围内全年稳定上报的P H_h 占到P M_h 的1/3，部分省份P H_h 数量追平甚至超过P M_h 数量。从表2可看出，广东省P H_h 站数约为P M_h 的3倍，重庆市P H_h 站数约为P M_h 的2倍；云南省、广西壮族自治区、江西省的
表1 2020年7月—2021年6月部分省份P H _d 和P M _d 全年稳定站
数、站网密度和引入P H _d 后站网密度对比
Table 1 Comparison of the number of stable stations , station density and post -integration station density of P H _d
热熔胶网膜P H_h和P M_h站数相近，山西省、江苏省、湖北省的P H_h
站数占P M_h的约1/2；浙江省的P H_h站数占P M_h的约1/3。
从上报稳定性和站数量级角度看，以上地区的P H_h有
条件为气象服务业务提供支撑。
2.2 一致性对比分析
2.2.1 日降水资料分析
P H_d和P M_d对降水量的观测存在较强相关性，
2020年7月—2021年6月，P H_d和P M_d邻近站的降水总
样本量80万个，总体相关系数达到0.82，且邻近站相
关系数与站点所在地区的平均降水强度有关。如表3
所示，当站点所在位置降水日的P M_d均值雨量大于
10mm时，有76%的邻近站相关系数超过0.8；当站点
所在位置降水日的P M_d均值雨量小于5mm时，降水
时空分布的均匀性降低，日降水量相关系数分布较复
背胶橡皮布
哺乳服装杂，仅有34%的邻近站相关系数大于0.8，另有22%的
邻近站相关系数小于0.4。说明平均降水强度越小的地
区，邻近站降水量的相关性越不稳定。
表32020年7月—2021年6月有降雨日的水文气象邻近站日雨
量相关系数和降水日的P
M_d
均值雨量对应关系
Table3The relationship between the correlation coefficients
of daily precipitation observed by meteorological and
hydrological stations and the average P
M_d
during the
为了验证P H_d的可信度，将P H_d对强降水的观测结
果和邻近站上的P M_d互相验证。如表4所示，2020年7
月—2021年6月，P H_d出现大于50mm的强降水（暴雨
量级）共计6143站次，邻近站的观测样本中有84.3%的
P M_d同步观测到50mm以上的强降水，9.3%的P M_d同步
观测到25～50mm区间的强降水，说明大部分情况下
P H_d对强降水的观测是可以被P M_d验证的。值得注意的
是，邻近站的观测样本中仍有2.6%的P M_d未观测到降
水（降水量为0mm），说明有必要在业务中引入其他
降水相关的数据源对P H_d和P M_d的观测可信度进行进一
步评估。
表42020年7月—2021年6月P
H_d
大于50mm时P
M_d
量级分布
情况
Table4Distribution of P
M_d
magnitude when P
H_d
is
2.2.2 小时资料分析
P H_h和P M_h对降水量的观测存在较强相关性，
2020年7月—2021年6月，P H_h和P M_h邻近站的降水总样
本量为88万个，总体相关系数达到0.84，且邻近站相
关系数与站点所在地区的平均降水强度有关。如表5
所示，当站点所在位置有降水时次的P M_h均值雨量大
于1mm时，有84%的邻近站相关系数超过0.8。当站
点所在位置有降水时次的P M_h均值雨量小于0.5mm时，
小时降水量相关系数分布较复杂，仅有11%的邻近站
相关系数大于0.8，大部分邻近站的相关系数小于0.4。
这说明雨量越小的地区，降水的时空分布均匀性越
差，邻近站的相关系数越不稳定。
表52020年7月—2021年6月有降雨时次的水文气象邻近站
小时雨量相关系数和P
M_h
均值雨量对应关系
Table5The relationship between the correlation coefficients
of hourly precipitation observed by meteorological and
hydrological stations and the average P
M_h
during the
为了验证P H_h的可信度，将P H_h对强降水的观测
结果和邻近站上的P M_h互相验证。如表6所示，2020年
7月—2021年6月，P H_h出现大于10mm的强降水共计
5107站次，邻近站的观测样本中有84.4%的P M_h同步
观测到10mm以上的强降水，4.0%的P M_h同步观测到
5～10mm区间的强降水，说明大部分情况下P H_h对强
降水的观测是可以被P M_h验证的。值得注意的是，邻
近站的观测样本中仍有5.7%的P M_h未观测到降水（降表22020年7月—2021年6月部分省份P
H_h
和P
M_h
全年稳定站
数、站网密度和引入P
H_h
后站网密度对比
Table2Comparison of the number of stable stations,
station density and post-integration station density of P
H_h
in some provinces from July2020to June2021
浙江省9832687103.637.927.7
Progress 研究进展
水量0 mm ），说明有必要在业务中引入其他降水相关的数据源对P H_h 和P M_h 的观测可信度进行进一步评估。
3 效果分析
从服务角度来看，引入P H 可带来雨量站网密度和强降水区域捕捉能力的显著提升，对暴雨及其次生灾害的防御有重要作用。本章基于广东和重庆地区的2次强降水天气个例，引入雷达估测降水产品对引入P H 后的观测效果进行评估。
3.1 广东暴雨个例
2020年8月26日，受高空槽和南海季风的共同影响，珠三角到粤东北一线出现强降水。当日18—20时区间，珠三角地区的广州、东莞、惠州等城市相继发布暴雨红预警信号，粤东北的河源发布暴雨黄预警信号。
2020年8月26日20时，广东地区上报的P H_h （4459个站）比P M_h （3459个站）多1000个。P M_h （图3a ）和P H_h （图3b ）在珠三角地区的雨量站网密度近似，两者都观测到了局地强度超过25 mm /h 的降水区域（橘红和红站点）；但在珠三角以外的其他地区，P H_h 的雨量站网密度明显大于P M_h ，导致P H_h 对粤东北地区的强降水探测能力显著强于P M_h 。从对强降水落区的定位效果看，引入P H_h 后的雨量场（图3c ）和雷达降水估测产品（图3d ）最为近似。
表6 2020年7月—2021年6月P H _h 大于10 mm 时P M _h 量级分布
情况
Table 6 Distribution of P M _h magnitude when P H _h is greater
图3 2020年8月26日20时广东小时降水量落区图 （a ）P M _h ,（b ）P H _h ,（c ）引入P H _h 后,（d ）雷达估测降水
Fig. 3 Hourly precipitation observation of Guangdong at 20:00 BT 26 August 2020 (a)P M_h , (b)P H_h , (c) integration of P M_h and P H_h , (d) radar precipitation estimation
3.2 重庆暴雨个例
cmmb移动电视2020年6月26—27日，重庆市西部地区普降中到大雨，重庆市气象台先后发布暴雨黄和橙预警信号。受强降雨影响，截至27日08时位于重庆西南部江津区的的蔡家站超警戒水位1.29 m ，塘河站超警戒水
位1.35 m 。
2020年6月27日08时，重庆地区上报的P H_h （5452个站）比P M_h （4469个站）多983个。P M_h （图4a ）和P H_h （图4b ）在长江南侧的南川区都观测到了强度为10～25 mm /h （绿站点）的降水区域，局地强度达到
(a )
(c ) (b )
(d )
mm 80 60 50403530 25
20 100
[0,10) [10,25) [25,50) [50,80)降水量/mm
[0,10) [10,25) [25,50) [50,80)
降水量/mm
[0,10) [10,25) [25,50) [50,80)
降水量/mm
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议