屠妮妮,何光碧,衡志煒,吳蓬萍

(中國(guó)氣象局成都高原氣象研究所/高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室， 成都 610072)

引言

ECMWF、GRAPES和WRF模式預(yù)報(bào)產(chǎn)品被廣泛的應(yīng)用在我國(guó)天氣預(yù)報(bào)業(yè)務(wù)中[1-7]。張宏芳等[8]利用不同檢驗(yàn)方法對(duì)比分析了ECMWF模式和日本高分辨率模式對(duì)降水的預(yù)報(bào)能力，通過(guò)對(duì)檢驗(yàn)結(jié)果進(jìn)行分析，發(fā)現(xiàn)調(diào)整閾值改變預(yù)報(bào)偏差能夠在一定程度上提高降水的預(yù)報(bào)技巧。熊秋芬[9]利用經(jīng)典的TS、預(yù)報(bào)偏差、去除隨機(jī)事件后的公平T評(píng)分(ETS)及真實(shí)技巧評(píng)分TSS等統(tǒng)計(jì)檢驗(yàn)方法，分析了GRAPES模式在中國(guó)不同地區(qū)降水的預(yù)報(bào)能力，GRAPES模式預(yù)報(bào)5mm以上降水在長(zhǎng)江以南多于觀測(cè)，尤其是在西南地區(qū)東部預(yù)報(bào)次數(shù)明顯偏多。SWCWARMS模式在成都區(qū)域中心業(yè)務(wù)運(yùn)行多年，其多時(shí)段的降水預(yù)報(bào)產(chǎn)品是業(yè)務(wù)預(yù)報(bào)的重要參考依據(jù)，與ECMWF模式相比，SWCWARMS高能暖區(qū)型暴雨和大暴雨ETS評(píng)分高于ECMWF模式，斜壓鋒生型大暴雨優(yōu)于ECMWF模式[10]。張琪等[11]分析SWCWARMS模式對(duì)四川盆地兩次強(qiáng)降水開(kāi)展天氣學(xué)檢驗(yàn)，指出SWCWARMS模式在強(qiáng)降水預(yù)報(bào)中有3大優(yōu)勢(shì)。屠妮妮等[12]每年對(duì)比分析SWCWARMS模式和GRAPES_MESO模式在西南地區(qū)的預(yù)報(bào)能力，SWCWARMS模式在多個(gè)量級(jí)降水預(yù)報(bào)上優(yōu)于GRAPES模式。

本文選取SWCWARMS模式、歐洲中心高分辨率模式和GRAPES_MESO模式，對(duì)2017～2019年四川省5～10月降水預(yù)報(bào)進(jìn)行檢驗(yàn)，有助于科研人員和業(yè)務(wù)工作者了解三個(gè)模式預(yù)報(bào)性能的差異。

1 資料與方法

數(shù)值模式資料來(lái)源2017、2018和2019年5～10月每日00時(shí)起報(bào)的降水場(chǎng)預(yù)報(bào)結(jié)果， SWCWARMS模式分辨率為9km，ECMWF模式分辨率為0.125°×0.125°，GRAPES_MESO(簡(jiǎn)稱(chēng)為GRAPES)模式分辨率為0.1°×0.1°，三個(gè)模式為每日00時(shí)起報(bào)的0～24h、12～36h、24～48h、36～60h、48～72h的24h累積雨量。實(shí)況降水選取2017年、2018年和2019年連續(xù)三年5～10月每日00～00時(shí)、12～12時(shí)(文中時(shí)間均為世界時(shí))四川省內(nèi)國(guó)家站24h累積降水。

統(tǒng)計(jì)檢驗(yàn)基于MET檢驗(yàn)系統(tǒng)的站點(diǎn)檢驗(yàn)方法，插值方法為Unweighted mean方法，該插值方法與DW_MEAN近似，但忽略距離權(quán)重。24h累積降水評(píng)分等級(jí)分別為≥0.1mm(小雨)、≥10mm(中雨)、≥25mm(大雨)、≥50mm(暴雨)、≥100mm(大暴雨)，統(tǒng)計(jì)量包括TS評(píng)分、BS偏差、ETS、FAR和TSS，TS評(píng)分對(duì)小概率事件的評(píng)分趨向于氣候概率，忽略了ND的影響；BS評(píng)分用來(lái)測(cè)量事件的頻率而不考慮預(yù)報(bào)的準(zhǔn)確率，當(dāng)偏差>1說(shuō)明該量級(jí)降水預(yù)報(bào)面積大于實(shí)況即出現(xiàn)空?qǐng)?bào)，反之則為漏報(bào)，偏差=1時(shí)與實(shí)況一致；ETS評(píng)分表示除去隨機(jī)偶然事件后，事件發(fā)生且正確的樣本數(shù)與事件發(fā)生總樣本數(shù)的比率；TSS評(píng)分能反映成功預(yù)報(bào)與空?qǐng)?bào)的差異，可用來(lái)全面評(píng)價(jià)某級(jí)降水的總效果，即它不但包括降水事件的預(yù)報(bào)效果，還包括對(duì)非降水事件的預(yù)報(bào)效果，但對(duì)小概率事件趨向于POD(命中率)，當(dāng)TSS=0時(shí)表示無(wú)預(yù)報(bào)能力，計(jì)算公式分別如下：

TS評(píng)分：

(1)

BS偏差：

(2)

空?qǐng)?bào)率：

(3)

ETS評(píng)分：

(4)

其中

(5)

(6)

(7)

公式(1)～(7)中，NA、NB、NC和ND分別為預(yù)報(bào)正確，空?qǐng)?bào)，漏報(bào)和預(yù)報(bào)及觀測(cè)都未出現(xiàn)降水，NA可表示為預(yù)報(bào)時(shí)段內(nèi)預(yù)報(bào)和實(shí)況降雨量都出現(xiàn)的站點(diǎn)數(shù)，即預(yù)報(bào)命中的站數(shù)；NB表示預(yù)報(bào)出現(xiàn)降水而實(shí)況未出現(xiàn)的站點(diǎn)數(shù)，即空?qǐng)?bào)站數(shù)；NC表示未預(yù)報(bào)而實(shí)況出現(xiàn)降水的站點(diǎn)數(shù)，即漏報(bào)站數(shù)；ND表示觀測(cè)和預(yù)報(bào)都未出現(xiàn)降水的站點(diǎn)數(shù)。

2 結(jié)果分析

2.1 總檢驗(yàn)

按照<0.1mm、0.1～9.99mm、10～24.99mm、25～49.99mm、50～99.99mm、≥100mm上述6個(gè)標(biāo)準(zhǔn)將三個(gè)模式預(yù)報(bào)測(cè)站雨量及各模式對(duì)應(yīng)實(shí)況雨量分別進(jìn)行統(tǒng)計(jì)，連續(xù)552天統(tǒng)計(jì)結(jié)果顯示，SWCWARMS模式5個(gè)預(yù)報(bào)時(shí)效上累計(jì)樣本數(shù)分別為79439個(gè)(0～24h預(yù)報(bào)時(shí)效上)、79018個(gè)(12～36h)、79440個(gè)(24～48h)、79018個(gè)(36～60h)、79437個(gè)(48～72h)，GRAPES模式分別為79968個(gè)、79092個(gè)、79517個(gè)、78870個(gè)、79271個(gè)，ECMWF模式分別為79595個(gè)、78521個(gè)、79486個(gè)、78428個(gè)、79288個(gè)，樣本總數(shù)均在7萬(wàn)以上，SWCWARMS模式24h和48h樣本數(shù)略少于GRAPES及ECMWF模式，ECMWF模式36h和60h樣本數(shù)略偏少；格點(diǎn)數(shù)據(jù)插值至站點(diǎn)后出現(xiàn)3個(gè)模式在同一預(yù)報(bào)時(shí)效上樣本數(shù)不一致情況，可能與3個(gè)模式分辨率有關(guān)。由三個(gè)模式5個(gè)預(yù)報(bào)時(shí)效上分級(jí)降水樣本數(shù)占總樣本數(shù)比重可見(jiàn)(表1)，小雨比重最大，其次為無(wú)降水或微量降水，SWCWARMS、GRAPES和ECMWF模式預(yù)報(bào)小雨和中雨都多于實(shí)況，SWCWARMS、GRAPES和ECMWF模式小雨比重較實(shí)況分別偏多3%～8%、1%～4%和18%～20%，中雨較實(shí)況偏多3%～5%、2%～7%和4%～6%；SWCWARMS和GRAPES模式預(yù)報(bào)大雨和暴雨多于實(shí)況、ECMWF模式與實(shí)況相當(dāng)、偏差在-0.1%～0.21%，SWCWARMS模式預(yù)報(bào)大暴雨多于實(shí)況、GRAPES模式和ECMWF模式較實(shí)況偏少。綜上可見(jiàn)，SWCWARMS模式小到大暴雨降水范圍大于實(shí)況，GRAPES模式小到暴雨降水范圍大于實(shí)況、大暴雨多漏報(bào)，ECMWF模式小雨和大雨降水范圍大于實(shí)況、大到大暴雨多漏報(bào)，三個(gè)模式無(wú)降水或微量降水均少于實(shí)況，即模式預(yù)報(bào)降水較實(shí)況偏多。

表1 5個(gè)預(yù)報(bào)時(shí)效上分級(jí)降水樣本占比最小值和最大值分布

Q-Q圖用于檢驗(yàn)數(shù)據(jù)分布的相似性，橫坐標(biāo)與縱坐標(biāo)組成的散點(diǎn)圖代表同一個(gè)累計(jì)概率所對(duì)應(yīng)的分位數(shù)，如果兩組數(shù)據(jù)分布相似，則該Q-Q圖散度趨近于落在y=x線對(duì)角線上。比較三個(gè)模式0～250mm降水的Q-Q圖分布可見(jiàn)(圖1)，在0～24h預(yù)報(bào)時(shí)效上降水分布顯示，SWCWARMS模式0～250mm降水大于實(shí)況，0～200mm降水偏差逐漸增大，該模式預(yù)報(bào)雨強(qiáng)大于實(shí)況；GRAPES模式50mm以下降水強(qiáng)度大于實(shí)況，暴雨及以上量級(jí)降水強(qiáng)度以小于實(shí)況為主；ECMWF模式小雨和中雨與實(shí)況接近，大雨及以上量級(jí)降水以小于實(shí)況為主，150～200mm降水相比前兩模式與實(shí)況最接近。12～36h預(yù)報(bào)時(shí)效上降水分布顯示，SWCWARMS模式0～250mm降水強(qiáng)度大于實(shí)況，暴雨和大暴雨偏大較多；GRAPES模式小到大雨大于實(shí)況、暴雨及以上量級(jí)降水強(qiáng)度小于實(shí)況，尤其是150mm以上量級(jí)降水；ECMWF模式小雨和中雨降水強(qiáng)度與實(shí)況接近，大雨及以上量級(jí)降水較實(shí)況偏小，200mm以上降水大于實(shí)況。在24～72h預(yù)報(bào)時(shí)效上(圖略)，SWCWARMS模式預(yù)報(bào)雨強(qiáng)偏強(qiáng)，GRAPES模式暴雨及以上量級(jí)降水偏弱，ECMWF模式大雨及以上量級(jí)降水偏弱，且強(qiáng)度弱于GRAPES模式。

2.2 分級(jí)降水檢驗(yàn)

由四川省2017～2019年5～10月降水TS評(píng)分可見(jiàn)(圖2a)，3個(gè)模式隨降水量級(jí)增加TS評(píng)分逐漸降低，SWCWARMS模式小雨評(píng)分分布在0.605～0.656，ECMWF模式小雨評(píng)分分布在0.628～0.658，GRAPES模式小雨評(píng)分在0.57～0.663。小雨到暴雨TS評(píng)分上，ECMWF模式評(píng)分最高(除0～24h小雨和12～36h暴雨外)，SWCWARMS模式次之，GRAPES模式評(píng)分最低，0～24h預(yù)報(bào)時(shí)效上GRAPES模式小雨評(píng)分最高，12～36h預(yù)報(bào)時(shí)效上SWCWARMS模式暴雨評(píng)分最高；對(duì)于大暴雨預(yù)報(bào)，24h、48h和60h預(yù)報(bào)時(shí)效上SWCWARMS模式評(píng)分最高，其它預(yù)報(bào)時(shí)效上ECMWF模式評(píng)分最高，GRAPES模式評(píng)分以低于其它兩個(gè)模式為主，其中36～60h大暴雨預(yù)報(bào)上，GRAPES模式評(píng)分低于SWCWARMS模式但略高于ECMWF模式。

由3個(gè)模式降水偏差分布可見(jiàn)(圖2b)， SWCWARMS模式預(yù)報(bào)五個(gè)量級(jí)降水范圍均大于實(shí)況，GRAPES模式預(yù)報(bào)小到暴雨預(yù)報(bào)降水范圍大于實(shí)況，大暴雨以漏報(bào)為主，ECMWF模式預(yù)報(bào)小雨、中雨和48～72h大雨降水范圍大于實(shí)況，大雨(0～60h)、暴雨和大暴雨預(yù)報(bào)降水范圍小于實(shí)況。在小雨預(yù)報(bào)上，ECMWF模式預(yù)報(bào)降水落區(qū)范圍偏大最多，SWCWARMS模式次之，GEAPES相對(duì)偏差略小。對(duì)于中雨而言，12～36h時(shí)效上GRAPES模式偏差最大，其它預(yù)報(bào)時(shí)段SWCWARMS模式偏差最大，ECMWF模式中雨空?qǐng)?bào)少于區(qū)域模式。對(duì)大雨和暴雨而言，SWCWARMS模式預(yù)報(bào)降水落區(qū)偏大最多，GRAPES模式次之，ECMWF模式預(yù)報(bào)落區(qū)偏??；對(duì)于大暴雨預(yù)報(bào)，SWCWARMS模式空?qǐng)?bào)最多，ECMWF模式在36h和48h漏報(bào)最多，GRAPES模式在24h、60h和72h漏報(bào)最多。SWCWARMS模式各級(jí)降水多空?qǐng)?bào)，5個(gè)預(yù)報(bào)時(shí)效上分別有中雨(60h)、大雨(36h、48h、72h)和暴雨(24h)空?qǐng)?bào)最多，GRAPES模式對(duì)小到暴雨多空?qǐng)?bào)而大暴雨多漏報(bào)，中雨(60h)和大雨(24h、36h、48h、72h)空?qǐng)?bào)最多，ECMWF模式對(duì)小雨和中雨表現(xiàn)為空?qǐng)?bào)多而其它量級(jí)降水多漏報(bào)，小雨空?qǐng)?bào)最多。

由3個(gè)模式ETS評(píng)分分布可見(jiàn)(圖2c)，隨降水強(qiáng)度增強(qiáng)評(píng)分逐漸降低，SWCWARMS模式小雨ETS評(píng)分分布在0.135～0.215，小雨評(píng)分高于其它降水量級(jí)，ECMWF模式小雨評(píng)分分布在0.105～0.142，中雨評(píng)分高于其它降水量級(jí)，GRAPES模式小雨評(píng)分在0.139～0.207，小雨評(píng)分高于其它降水量級(jí)。在小雨預(yù)報(bào)上，SWCWARMS模式24h評(píng)分最高，GRAPES模式次之，ECMWF模式評(píng)分最低，在36～72h預(yù)報(bào)時(shí)效上，GRAPES模式評(píng)分最高，SWCWARMS模式次之，ECMWF模式評(píng)分最低；GRAPES模式小雨優(yōu)于SWCWARMS和ECMWF模式，SWCWARMS模式優(yōu)于ECMWF模式。在中雨、大雨和暴雨預(yù)報(bào)上，ECMWF模式評(píng)分最高，SWCWARMS模式次之，GRAPES模式評(píng)分最低，但在60h暴雨預(yù)報(bào)上，SWCWARMS模式EST評(píng)分最低；ECMWF模式中到暴雨預(yù)報(bào)優(yōu)于其它兩個(gè)模式，SWCWARMS模式略?xún)?yōu)于GRAPES模式。在大暴雨預(yù)報(bào)上，SWCWARMS模式在24h、48h、60h評(píng)分最高，ECMWF在36h和72h評(píng)分最高，GRAPES模式在24h、36h、72h評(píng)分最低，ECMWF在48h和60h評(píng)分最低；SWCWARMS模式大暴雨預(yù)報(bào)在部分時(shí)次上略?xún)?yōu)于其它兩個(gè)模式。GRAPES模式小雨評(píng)分較高，ECMWF模式中到暴雨評(píng)分較高，SWCWARMS模式大暴雨部分時(shí)次上優(yōu)于其它兩模式，SWCWARMS模式中到大暴雨ETS評(píng)分以高于GRAPES模式為主。

由3個(gè)模式TSS評(píng)分分布可見(jiàn)(圖2d)，對(duì)小雨而言，SWCWARMS模式在24h和36h預(yù)報(bào)時(shí)效上評(píng)分最高，小雨評(píng)分分布在0.23～0.344，小雨評(píng)分高于其它量級(jí)降水；GRAPES模式在48h、60h和72h預(yù)報(bào)時(shí)效上小雨評(píng)分最高，介于0.234～0.311，小雨評(píng)分高于其它量級(jí)降水；ECMWF模式小雨評(píng)分最低，分布在0.181～0.234。對(duì)中雨而言，ECMWF模式評(píng)分最高，該模式中雨評(píng)分高于其它量級(jí)降水，SWCWARMS模式次之，GRAPES模式評(píng)分最低。對(duì)大雨而言，SWCWARMS模式在24h、36h和48h評(píng)分最高，ECMWF模式在60h和72h評(píng)分最高，GRAPES模式評(píng)分最低。對(duì)暴雨而言，在24h、36h、48h和60h預(yù)報(bào)時(shí)效上SWCWARMS模式評(píng)分最高，ECMWF模式在72h評(píng)分最高，除24h時(shí)效上ECMWF模式評(píng)分最低，其它時(shí)效上GRAPES模式評(píng)分最低。對(duì)大暴雨而言，SWCWARMS模式在24h、36h、48h、60h評(píng)分最高，GRAPES模式72h預(yù)報(bào)時(shí)效上評(píng)分最高，ECMWF模式在48h、60h、72h評(píng)分最低，GRAPES模式24h和36h預(yù)報(bào)時(shí)效上評(píng)分最低。SWCWARMS模式在多個(gè)預(yù)報(bào)時(shí)效上大到大暴雨TSS評(píng)分高于ECMWF模式，中到大暴雨評(píng)分高于GRAPES模式。

綜上可見(jiàn)，ECMWF模式對(duì)小到大雨具有較好的預(yù)報(bào)能力，SWCWARMS模式對(duì)暴雨和大暴雨在部分量級(jí)降水預(yù)報(bào)上優(yōu)于ECMWF模式，GRAPES模式相對(duì)上述兩模式偏差。SWCWARMS模式預(yù)報(bào)降水范圍大于實(shí)況，該模式中到暴雨空?qǐng)?bào)多于ECMWF和GRAPES模式，ECMWF模式小雨和中雨表現(xiàn)為空?qǐng)?bào)多而其它量級(jí)降水多漏報(bào)，GRAPES模式對(duì)小到暴雨多空?qǐng)?bào)而大暴雨表現(xiàn)為漏報(bào)，GRAPES模式中到暴雨空?qǐng)?bào)多于ECMWF模式，大暴雨在24h、60h和72h預(yù)報(bào)時(shí)效上漏報(bào)多于ECMWF模式。

2.3 年際變化

比較2017～2019年5～10月三個(gè)模式對(duì)四川省降水預(yù)報(bào)≥0.1mm檢驗(yàn)結(jié)果的年變化(圖3)，由TS評(píng)分可見(jiàn)(圖3a)，SWCWARMS模式24h預(yù)報(bào)時(shí)效上2018年評(píng)分最低，2019年評(píng)分最高，36～60h預(yù)報(bào)時(shí)效上2017年評(píng)分最低，2019年評(píng)分最高，72h預(yù)報(bào)時(shí)效上2017年評(píng)分最低，2018年評(píng)分最高；ECMWF模式5個(gè)預(yù)報(bào)時(shí)效上2017年評(píng)分最低，2019年評(píng)分最高；GRAPES模式36～72h預(yù)報(bào)時(shí)效上2017年評(píng)分最低，2019年評(píng)分最高，24h預(yù)報(bào)時(shí)效上2018年評(píng)分最低，2019年評(píng)分最高。2017年，SWCWARMS模式評(píng)分在24～60h評(píng)分高于其它兩模式，ECMWF模式72h評(píng)分高于其它兩模式，GRAPES模式在36～72h評(píng)分偏低，ECMWF模式在24h評(píng)分偏低，在2017年SWCWARMS模式評(píng)分以高于其它兩模式為主；在2018年24h、36h、48h預(yù)報(bào)時(shí)效上，SWCWARMS模式評(píng)分最高、GRAPES模式評(píng)分最低，60h和72h預(yù)報(bào)時(shí)效上ECMWF模式評(píng)分高于SWCWARMS和GRAPES模式，GRAPES模式評(píng)分最低，2018年SWCWARMS模式優(yōu)勢(shì)在前48h降水預(yù)報(bào)上，GRAPES模式預(yù)報(bào)始終差于ECMWF和SWCWARMS模式；在2019年24h和36h時(shí)效上GRAPES模式評(píng)分最高、SWCWARMS模式評(píng)分最低，48～72h時(shí)效上ECMWF模式評(píng)分最高、SWCWARMS模式評(píng)分最低，2019年ECMWF模式較2017年TS評(píng)分提高7%左右，GRAPES模式TS評(píng)分提高8%～11%，而SWCWARMS模式TS評(píng)分僅提高1%～2%。

由BS預(yù)報(bào)偏差分布可見(jiàn)(圖3b)，3個(gè)模式預(yù)報(bào)降水范圍均大于實(shí)況，誤差分布在1.1～2.2。SWCWARMS模式在24h預(yù)報(bào)時(shí)效上，2017年空?qǐng)?bào)多于2018年和2019年而2019年空?qǐng)?bào)較前兩年略有減少，36～72h預(yù)報(bào)時(shí)效上，2018年空?qǐng)?bào)最多而2019年空?qǐng)?bào)最少；ECMWF及GRAPES模式在24h、48h、60h和72h預(yù)報(bào)時(shí)效上，2019年空?qǐng)?bào)多于前兩年而2017年空?qǐng)?bào)少于后兩年，ECMWF及GRAPES模式在36h預(yù)報(bào)時(shí)效上，2018年空?qǐng)?bào)最多而2017年空?qǐng)?bào)最少。2017～2019年這3年期間SWCWARMS模式降水空?qǐng)?bào)先增大后減小，ECMWF和GRAPES模式降水空?qǐng)?bào)逐年增大的趨勢(shì)。ECMWF模式BS值始終大于SWCWARMS和GRAPES模式，2017年和2018年GRAPES模式偏差最小，2018年24h預(yù)報(bào)時(shí)效上及2019年SWCWARMS模式BS值小于其它兩模式；這3年間SWCWARMS模式誤差先增大后減小而ECMWF和GRAPES模式空?qǐng)?bào)逐年增大。

由ETS評(píng)分分布可見(jiàn)(圖3c)，3個(gè)模式ETS評(píng)分隨預(yù)報(bào)時(shí)效延長(zhǎng)評(píng)分降低，僅ECMWF模式在2018年72h時(shí)效上ETS評(píng)分略高于60h，3個(gè)模式ETS評(píng)分均表現(xiàn)為2018年評(píng)分低于2017年和2019年,其中2018年72h時(shí)效上ETS評(píng)分大于2017年，2019年評(píng)分高于2017年。對(duì)于2017年而言，SWCWARMS模式在60h和72h評(píng)分最高，GRAPES模式在24h、36h、48h評(píng)分最高，ECMWF模式評(píng)分最低；對(duì)于2018年和2019年，SWCWARMS模式在24h評(píng)分最高，GRAPES模式在36h、48h、60h、72h評(píng)分最高，ECMWF模式評(píng)分最低。3個(gè)模式2019年ETS評(píng)分均高于前兩年，GRAPES模式評(píng)分以高于SWCWARMS模式為主，ECMWF模式ETS評(píng)分始終低于GRAPES和SWCWARMS模式。

由TSS評(píng)分分布可見(jiàn)(圖3d)，3個(gè)模式TSS評(píng)分隨預(yù)報(bào)時(shí)效延長(zhǎng)評(píng)分整體呈降低趨勢(shì)，SWCWARMS模式24～72h、ECMWF模式24～60h、GRAPES模式24～60h預(yù)報(bào)時(shí)效上2019年評(píng)分高于前兩年、2018年評(píng)分低于2017年和2019年，ECMWF和GRAPES模式72h時(shí)效上2019年評(píng)分最高而2017年評(píng)分最低。ECMWF模式TSS評(píng)分低于其它兩個(gè)模式，SWCWARMS模式在2017年60h預(yù)報(bào)時(shí)效上、2018年24h預(yù)報(bào)時(shí)效上、2019年5個(gè)預(yù)報(bào)時(shí)效上TSS評(píng)分高于GRAPES模式。3個(gè)模式TSS評(píng)分整體呈2019年評(píng)分最高、2018年評(píng)分最低分布，GRAPES模式在2017年和2018年以?xún)?yōu)于SWCWARMS和ECMWF模式為主，SWCWARMS模式2019年評(píng)分最高，ECMWF模式評(píng)分始終低于其它兩模式。

由降水準(zhǔn)確率分布可見(jiàn)(圖3e)，3個(gè)模式降水預(yù)報(bào)準(zhǔn)確率隨預(yù)報(bào)時(shí)效延長(zhǎng)評(píng)分以降低為主，SWCWARMS模式降水準(zhǔn)確率在70%以上，ECMWF模式降水準(zhǔn)確率在68%以上，GRAPES模式降水準(zhǔn)確率在67%以上。SWCWARMS模式在24h和72h預(yù)報(bào)時(shí)效上、ECMWF模式5個(gè)預(yù)報(bào)時(shí)效上、GRAPES模式24h、48h、60h和72h預(yù)報(bào)時(shí)效上，2019年較前兩年準(zhǔn)確率最高而2017年最低；SWCWARMS模式在36h、48h和60h時(shí)效上及GRAPES模式36h預(yù)報(bào)時(shí)效上2019年準(zhǔn)確率最高而2018年最低。SWCWARMS模式在2017年48h、60h和72h及2018年24h、48h和72h準(zhǔn)確率高于其它兩模式，2019年48h和72h準(zhǔn)確率低于其它兩模式；ECMWF模式在2019年72h準(zhǔn)確率最高，2017年5個(gè)預(yù)報(bào)時(shí)效、2018年24～60h、2019年24h、36h和60h準(zhǔn)確率低于其它兩模式；GRAPES模式在2017年24h和36h、2018年36h和60h、2018年24～60h準(zhǔn)確率最高，2018年72h準(zhǔn)確率低于其它兩模式。SWCWARMS模式在2017年和2018年與GRAPES模式相當(dāng)，2019年降水準(zhǔn)確率低于GRAPES模式，ECMWF模式準(zhǔn)確率以低于上述兩模式為主。

由降水空?qǐng)?bào)率分布可見(jiàn)(圖3f)，3個(gè)模式空?qǐng)?bào)率隨預(yù)報(bào)時(shí)效延長(zhǎng)整體呈先增大再減小再增大再減小的趨勢(shì)，SWCWARMS模式24h、36h和72h、ECMWF模式24～72h及GRAPES模式60h和72h預(yù)報(bào)時(shí)效上2019年空?qǐng)?bào)率最低而2017年最高，SWCWARMS模式48h和60h及GRAPES模式24h、36h和48h預(yù)報(bào)時(shí)效上2019年空?qǐng)?bào)率最低而2018年空?qǐng)?bào)最多。ECMWF模式空?qǐng)?bào)多于其它兩模式，2017年24～72h、2018年36～72h預(yù)報(bào)時(shí)效上GRAPES模式空?qǐng)?bào)為三個(gè)模式最少，2018年24h、2019年5個(gè)預(yù)報(bào)時(shí)效上SWCWARMS模式空?qǐng)?bào)最少。3個(gè)模式2019年降水空?qǐng)?bào)都少于前兩年，SWCWARMS模式在2019年相對(duì)2017年空?qǐng)?bào)減少最多。

對(duì)于小雨及以上量級(jí)降水統(tǒng)計(jì)檢驗(yàn)顯示，三個(gè)模式2019年預(yù)報(bào)效果在多個(gè)預(yù)報(bào)時(shí)效上好于2017年及2018年，準(zhǔn)確率提高而空?qǐng)?bào)減小。ECMWF模式預(yù)報(bào)偏差、空?qǐng)?bào)率大于SWCWARMS和GRAPES模式，ETS評(píng)分、TSS評(píng)分和預(yù)報(bào)準(zhǔn)確率低于SWCWARMS和GRAPES模式；在2017年及2018年SWCWARMS模式在多個(gè)預(yù)報(bào)時(shí)效上TS評(píng)分、ETS評(píng)分、TSS評(píng)分和預(yù)報(bào)準(zhǔn)確率高于GRAPES模式，但降水空?qǐng)?bào)率也大于GRAPES模式，2019年GRAPES模式TS評(píng)分、ETS評(píng)分、預(yù)報(bào)準(zhǔn)確率、預(yù)報(bào)偏差及空?qǐng)?bào)率大于SWCWARMS模式。

比較三個(gè)模式對(duì)暴雨及以上量級(jí)降水TS評(píng)分可見(jiàn)(圖4)，2017年和2018年GRAPES模式對(duì)暴雨預(yù)報(bào)能力差于SWCWARMS和ECMWF模式，2019年ECMWF模式對(duì)暴雨預(yù)報(bào)能力優(yōu)于SWCWARMS和GRAPES模式，SWCWARMS模式在2017年24h和72h、2018年24h、36h、48h和60h評(píng)分高于其它兩模式，SWCWARMS模式在2019年36h、60h和72h時(shí)效上評(píng)分低于其它兩模式；ECMWF模式在2017年36h、48h和60h、2018年72h及2019年5個(gè)預(yù)報(bào)時(shí)效上評(píng)分最高；GRAPES模式在2017年、2018年和2019年24h和48h預(yù)報(bào)時(shí)效上評(píng)分較其它模式偏低。對(duì)應(yīng)BS偏差值顯示，SWCWARMS模式BS值均大于1，即該模式預(yù)報(bào)暴雨范圍均大于實(shí)況，除2019年60h及72h時(shí)效外ECMWF模式預(yù)報(bào)暴雨范圍小于實(shí)況即該模式對(duì)暴雨及以上量級(jí)降水以漏報(bào)為主，除2018年72h時(shí)效外GRAPES模式預(yù)報(bào)暴雨范圍大于實(shí)況，SWCWARMS模式空?qǐng)?bào)大于GRAPES和ECMWF模式。由此可見(jiàn)，GRAPES及ECMWF模式2019年暴雨及以上量級(jí)降水預(yù)報(bào)改善大于SWCWARMS模式，SWCWARMS模式在這3年期間TS評(píng)分波動(dòng)較小，但2019年降水空?qǐng)?bào)較2017年和2018年顯著降低。

2.4 逐月降水檢驗(yàn)

為了進(jìn)一步了解3個(gè)模式在汛期不同月份的預(yù)報(bào)效果，以月為單位對(duì)3個(gè)模式的降水預(yù)報(bào)進(jìn)行檢驗(yàn)對(duì)比分析(圖5)，3個(gè)模式TS評(píng)分峰值出現(xiàn)月份不同，SWCWARMS模式小雨、中雨、大雨和暴雨TS評(píng)分最大值分別出現(xiàn)在201809(年月，下同)、201807、201807、201710，TS評(píng)分最小值分別出現(xiàn)在201808、201810、201810、201905；ECMWF模式評(píng)分最大值分別出現(xiàn)在201907、201907、201909、201807，評(píng)分最小值分別出現(xiàn)在201710、201706、201908、201906；GRAPES模式評(píng)分最大值分別出現(xiàn)在201806、201809、201809、201908，評(píng)分最小值分別出現(xiàn)在201705、201710、201709、201710和201805；SWCWARMS模式2018年10月及GRAPES模式2017年9月暴雨評(píng)分缺失，SWCWARMS模式2019年5月暴雨評(píng)分為0，GRAPES模式2017年9月大雨,201710、201805、201910暴雨評(píng)分為0。對(duì)小雨而言，SWCWARMS模式在2017年5～6月、9～10月、2018年9月、2019年5～6月、9月評(píng)分都高于GRAPES和ECMWF模式，ECMWF模式在2017年5～6月和9月、2018年5～8月和10月、2019年8月和10月評(píng)分大于SWCWARMS模式，GRAPES模式在2017年7～8月、2018年5～8月和10月、2019年8月和10月評(píng)分大于SWCWARMS和ECMWF模式。對(duì)中雨而言，SWCWARMS模式優(yōu)勢(shì)在2017年6月、8月、2018年6～7月、2019年8月，ECMWF模式優(yōu)勢(shì)在2017年5月、7月、9月和10月、2018年5月、2019年7月、9～10月，GRAPES模式優(yōu)勢(shì)在2018年8～10月、2019年5月和6月。對(duì)大雨而言，SWCWARMS模式在2017年6月、8～9月、2018年8月評(píng)分高于其它兩模式，ECMWF模式在2017年7月、10月、2018年5～7月、2019年9～10月評(píng)分高于其它兩模式，GRAPES模式在2017年5月、2018年9～10月、2019年5～8月評(píng)分高于其它兩模式。對(duì)暴雨而言，SWCWARMS模式優(yōu)勢(shì)在2017年7～10月、2018年6月、8月、2019年9～10月，ECMWF模式優(yōu)勢(shì)在2017年5～6月、2018年5月、7月、9月，GRAPES模式優(yōu)勢(shì)在2018年10月、2019年5～8月。SWCWARMS模式在2018年8月和2019年8月小雨評(píng)分較低，2018年10月中到暴雨評(píng)分較低，其它月份降水評(píng)分較為穩(wěn)定；ECMWF模式2017年和2018年評(píng)分穩(wěn)定，2019年各級(jí)降水評(píng)分振幅較大；GRAPES模式中到暴雨在2017年秋季和2018年第二季度評(píng)分偏低，2018年下半年開(kāi)始中雨及以上量級(jí)降水評(píng)分顯著提高。在小雨和中雨預(yù)報(bào)上，三個(gè)模式各有所長(zhǎng)；在大雨預(yù)報(bào)上，GRAPES模式評(píng)分逐漸增大并高于其它兩模式，SWCWARMS模式評(píng)分介于GRAPES和ECMWF模式之間；對(duì)于暴雨，ECMWF模式介于GRAPES和SWCWARMS模式之間，2017年SWCWARMS模式優(yōu)于GRAPES模式，2019年反之。

2.5 四川省東部和西部

沿103°E將四川省分為東部和西部，比較模式對(duì)川東和川西降水的預(yù)報(bào)能力。由表2可見(jiàn)，對(duì)于SWCWARMS模式及GRAPES模式川西TS、ETS評(píng)分高于川東，預(yù)報(bào)偏差小于川東；ECMWF模式川西TS評(píng)分高于川東，川西ETS和BS低于川東。三個(gè)模式均存在預(yù)報(bào)過(guò)度現(xiàn)象，川東空?qǐng)?bào)大于川西。初步分析川西評(píng)分高于川東的原因如下：(1)東部測(cè)站多，西部測(cè)站數(shù)量少；(2)東部降水預(yù)報(bào)偏差大的測(cè)站數(shù)多(NB樣本數(shù)多)，使得在計(jì)算TS和ETS時(shí)分母偏大，使得TS和ETS數(shù)值降低。3個(gè)模式0～24h降水TS和ETS評(píng)分高于其它時(shí)段，SWCWARMS模式在川西36h、48h和60h時(shí)效TS評(píng)分高于其它兩模式，ECMWF模式在川西72h時(shí)效、川東24～72h時(shí)效上TS評(píng)分高于其它兩模式，GRAPES模式在川西24h時(shí)效上TS評(píng)分高于其它兩模式，SWCWARMS模式在川東24h、36h時(shí)效評(píng)分低于ECMWF和GRAPES模式，ECMWF模式在川西24h時(shí)效上評(píng)分偏低，GRAPES模式在川西36h、48h、60h和72h時(shí)效、川東48h、60h和72h時(shí)效上評(píng)分偏低。SWCWARMS模式在川西24h時(shí)效、川東5個(gè)預(yù)報(bào)時(shí)效上ETS評(píng)分高于其它兩模式，ECMWF模式ETS評(píng)分始終低于其它兩模式。3個(gè)模式在預(yù)報(bào)偏差分布上川東與川西一致，ECMWF模式預(yù)報(bào)偏差最大，24h時(shí)效上SWCWARMS模式偏差最小，36h、48h、60h和72h時(shí)效GRAPES模式偏差最小。

表2 2017～2019年四川東部和西部24～72h時(shí)效三個(gè)模式(≥0.1mm)TS、ETS和BS檢驗(yàn)結(jié)果

3 結(jié)論與討論

通過(guò)SWCWARMS、ECMWF和GRAPES三個(gè)模式對(duì)2017～2019年四川汛期(5～10月)24h累積降水進(jìn)行檢驗(yàn)分析，得出以下幾點(diǎn)結(jié)論：

(1)3年平均TS評(píng)分顯示ECMWF模式對(duì)小到大雨預(yù)報(bào)能力優(yōu)于SWCWARMS和GRAPES模式，SWCWARMS模式部分時(shí)次上暴雨和大暴雨預(yù)報(bào)優(yōu)于ECMWF模式，GRAPES模式TS評(píng)分以低于上述兩模式為主。SWCWARMS模式預(yù)報(bào)降水范圍大于實(shí)況，ECMWF模式小雨和中雨降水范圍大于實(shí)況而其它量級(jí)降水偏少，GRAPES模式對(duì)小到暴雨多預(yù)報(bào)偏多而大暴雨預(yù)報(bào)偏少。

(2)GRAPES模式在2019年中雨及以上量級(jí)降水預(yù)報(bào)上改善大于SWCWARMS和ECMWF模式，ECMWF和SWCWARMS模式在這3年期間TS評(píng)分波動(dòng)較小，SWCWARMS模式2019年空?qǐng)?bào)較2017年和2018年顯著降低。逐月降水檢驗(yàn)顯示，3個(gè)模式在小雨和中雨預(yù)報(bào)上不相上下，GRAPES模式優(yōu)勢(shì)在2019年大雨和暴雨預(yù)報(bào)上，ECMWF模式優(yōu)勢(shì)在2017年秋季和2018年初夏大雨預(yù)報(bào)上，SWCWARMS模式大雨和暴雨預(yù)報(bào)能力介于二者之間；SWCWARMS模式2018年第三季度評(píng)分整體偏低，ECMWF模式2019年中到暴雨評(píng)分振幅相對(duì)較大，GRAPES模式從2018年第三季度開(kāi)始中到暴雨降水評(píng)分顯著提高。

(3)在川東地區(qū)，ECMWF模式TS評(píng)分高于SWCWARMS和GRAPES模式，SWCWARMS模式TS評(píng)分24h和36h低于GRAPES模式而其它時(shí)次高于GRAPES模式，SWCWARMS模式ETS評(píng)分高于其它兩模式，ECMWF模式ETS評(píng)分低于區(qū)域模式；在川西地區(qū)，ECMWF模式ETS評(píng)分低于其它兩模式，SWCWARMS模式部分時(shí)次TS評(píng)分高于GRAPES模式而ETS評(píng)分低于GRAPES模式；三個(gè)模式存在不同程度空?qǐng)?bào)，川東空?qǐng)?bào)略多于川西，其中ECMWF模式空?qǐng)?bào)最多，GRAPES模式空?qǐng)?bào)略少于SWCWARMS和ECMWF模式。