王彬雁，陳朝平，黃楚惠

(1.四川省氣象臺(tái)，四川 成都 610072；2.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室，四川 成都 610072)

引 言

四川省位于我國(guó)西南腹地，地處青藏高原東部，地形復(fù)雜，氣象條件變化快，且受高原季風(fēng)影響顯著，為我國(guó)夏季洪澇災(zāi)害發(fā)生頻率較多的省份，因此對(duì)其降水預(yù)報(bào)的研究具有典型意義[1-2]。隨著計(jì)算能力不斷提升，數(shù)值模式預(yù)報(bào)在時(shí)間和空間分辨精度上不斷提高，暴雨預(yù)報(bào)逐漸向精細(xì)化發(fā)展，因此如何更科學(xué)、準(zhǔn)確地評(píng)估模式性能對(duì)了解和改進(jìn)預(yù)報(bào)模式具有重要意義[3-4]。

目前國(guó)內(nèi)外常用的預(yù)報(bào)效果檢驗(yàn)方法有TS評(píng)分、ETS評(píng)分等，但這一類方法均是從統(tǒng)計(jì)學(xué)角度對(duì)空?qǐng)?bào)率、準(zhǔn)確率、漏報(bào)率等方面進(jìn)行綜合評(píng)價(jià)，無(wú)法給出實(shí)際預(yù)報(bào)中預(yù)報(bào)員關(guān)注的雨帶位置、結(jié)構(gòu)、強(qiáng)度等定量檢驗(yàn)結(jié)果[5]。此外，常用的檢驗(yàn)方法多是點(diǎn)對(duì)點(diǎn)檢驗(yàn)，主要關(guān)注預(yù)報(bào)與實(shí)況的強(qiáng)度差異，對(duì)位置差異等關(guān)注較少，該類檢驗(yàn)結(jié)果容易使一個(gè)具有正確結(jié)構(gòu)和面積的預(yù)報(bào)，由于僅在預(yù)報(bào)雨帶位置上有細(xì)小偏差而給出漏報(bào)率、空?qǐng)?bào)率較高的結(jié)果，導(dǎo)致預(yù)報(bào)缺陷放大，產(chǎn)生所謂的“雙懲罰效應(yīng)”[6]。隨著數(shù)值模式分辨率的不斷提高，雙懲罰效應(yīng)亦隨之加重，常用的檢驗(yàn)方法已經(jīng)不能更全面充分地評(píng)價(jià)模式預(yù)報(bào)效果[7]。

鑒于以上原因，需要研究既能避免雙懲罰效應(yīng)又可以提供預(yù)報(bào)多角度信息的空間檢驗(yàn)方法[8-9]。大致可分為四類：鄰閾法(neighborhood)、尺度降解法(scale separate)、特征檢驗(yàn)法(features based)、變形場(chǎng)檢驗(yàn)法(field deformation)[10-11]。鄰閾法通過(guò)對(duì)掃描半徑內(nèi)預(yù)報(bào)值和觀測(cè)值進(jìn)行平滑后檢驗(yàn)，在不同掃描半徑下評(píng)估模式在何種分辨率下表現(xiàn)最優(yōu)，但該方法平滑后容易丟失小尺度信息；尺度降解法需要利用空間濾波器如小波分析等對(duì)模式在不同尺度上的預(yù)報(bào)性能進(jìn)行檢驗(yàn)評(píng)估；特征檢驗(yàn)法分別對(duì)預(yù)報(bào)和觀測(cè)進(jìn)行不同分類，從降水強(qiáng)度、結(jié)構(gòu)、位置等方面進(jìn)行評(píng)估，具有天氣學(xué)意義；變形場(chǎng)檢驗(yàn)法則通過(guò)平移、擴(kuò)展等變形后估計(jì)預(yù)報(bào)和觀測(cè)的相似程度。四類檢驗(yàn)方法中變形場(chǎng)檢驗(yàn)法由于對(duì)預(yù)報(bào)偏差敏感度最高，能識(shí)別出較多的預(yù)報(bào)誤差類型，其次是特征檢驗(yàn)法，而鄰閾法和尺度降解法識(shí)別出的預(yù)報(bào)誤差最少[12]。在實(shí)際計(jì)算過(guò)程中，由于變形場(chǎng)檢驗(yàn)法計(jì)算過(guò)程復(fù)雜，并且與特征檢驗(yàn)法相比也只多識(shí)別出一種特殊情況，即預(yù)報(bào)與實(shí)況嚴(yán)重不同的降水，因此特征檢驗(yàn)法成為最受歡迎的空間檢驗(yàn)方法[7-8,13-14]。

目前，面向?qū)ο蟮奶卣鳈z驗(yàn)法中常用的有MODE(method for object-based diagnostic evaluation)、SAL(structure，amplitude and location)、CRA(contiguous rain area)等，即在有限的識(shí)別區(qū)域內(nèi)關(guān)注預(yù)報(bào)場(chǎng)與實(shí)況場(chǎng)的結(jié)構(gòu)、位置等要素差異，或在構(gòu)造變形矢量的過(guò)程中分析模式的預(yù)報(bào)性能[7]。研究發(fā)現(xiàn)[8,15-18]，CRA計(jì)算復(fù)雜性大、MODE方法參數(shù)確定的主觀性強(qiáng)，而SAL方法科學(xué)、結(jié)果直觀、判斷簡(jiǎn)單且能夠很好地對(duì)物理量(如降水、濕度等)的結(jié)構(gòu)、強(qiáng)度、位置進(jìn)行檢驗(yàn)，成為特征檢驗(yàn)法中使用頻率最高的一種方法。SAL方法最關(guān)鍵的是對(duì)物理量主、個(gè)體的識(shí)別，本文以四川省2018年9月5日降水過(guò)程為例，以Grapes-Meso模式每日08:00(北京時(shí)，下同)起報(bào)的12～36 h定量降水為預(yù)報(bào)場(chǎng)，自動(dòng)站24 h降水資料為實(shí)況場(chǎng)，選取3種閾值確定方法識(shí)別降水主體，得到最佳閾值確定方法，在此基礎(chǔ)上利用SAL方法對(duì)2018年四川省3次大范圍降水過(guò)程進(jìn)行降水預(yù)報(bào)檢驗(yàn)，并結(jié)合TS評(píng)分進(jìn)行對(duì)比，了解SAL檢驗(yàn)在極端降水中的特點(diǎn)。此外，對(duì)Grapes-Meso模式2018年7—9月降水過(guò)程進(jìn)行SAL檢驗(yàn)，評(píng)價(jià)Grapes-Meso模式在本地汛期的預(yù)報(bào)效果，以期從多個(gè)角度(如強(qiáng)度、面積、位置等)為預(yù)報(bào)員提供該模式預(yù)報(bào)的降水情況，更好地為日常的預(yù)報(bào)服務(wù)。

1 資料與方法

1.1 資料及處理

模式預(yù)報(bào)場(chǎng)為Grapes-Meso模式2018年7—9月每日08:00起報(bào)的12～36 h定量降水(分辨率為0.1°×0.1°)，觀測(cè)實(shí)況場(chǎng)為同期四川省內(nèi)共4487個(gè)自動(dòng)站(包括加密站及國(guó)家站)24 h降水資料。在進(jìn)行SAL方法計(jì)算前，首先將對(duì)應(yīng)時(shí)刻四川范圍內(nèi)自動(dòng)站24 h降水資料以及模式降水資料均插值到0.25°×0.25°的網(wǎng)格上，保證實(shí)況場(chǎng)與預(yù)報(bào)場(chǎng)的格點(diǎn)數(shù)相同；其次進(jìn)行均一化處理，即統(tǒng)一實(shí)況和預(yù)報(bào)的有效降水值長(zhǎng)度，參考公穎[15]對(duì)缺測(cè)值的處理方法，對(duì)無(wú)實(shí)測(cè)降水資料的格點(diǎn)，模式預(yù)報(bào)值設(shè)為缺測(cè)。為避免引入周邊過(guò)多的零星降水，將研究區(qū)域選定為四川省內(nèi)，即以四川邊界經(jīng)緯度作為處理標(biāo)準(zhǔn)，進(jìn)行邊界化處理，將邊界經(jīng)緯度以外的預(yù)報(bào)場(chǎng)和實(shí)況場(chǎng)降水均設(shè)為缺測(cè)，保證兩者資料具有相同的檢驗(yàn)范圍。

1.2 SAL方法

SAL方法是典型的面向?qū)ο髾z驗(yàn)方法，能避免雙懲罰效應(yīng)，且能從天氣學(xué)角度評(píng)價(jià)模式預(yù)報(bào)效果。該方法以有限研究范圍內(nèi)的降水為對(duì)象，根據(jù)分布情況將降水主體劃分為不同的降水個(gè)體，對(duì)雨帶的結(jié)構(gòu)、強(qiáng)度、位置進(jìn)行闡述。

結(jié)構(gòu)參數(shù)具體公式[17]如下：

(1)

強(qiáng)度參數(shù)計(jì)算公式[17]：

(2)

式中：D(R)(mm)表示區(qū)域內(nèi)所有非缺測(cè)格點(diǎn)降水量的平均值，D(Rmod)為模式預(yù)報(bào)場(chǎng)的平均值，D(Robs)為觀測(cè)實(shí)況場(chǎng)的平均值；A為強(qiáng)度參數(shù)，取值范圍為[-2，2]，A>0表示模式預(yù)報(bào)較實(shí)況偏強(qiáng)，A<0表示模式預(yù)報(bào)較實(shí)況偏弱，A=0表示預(yù)報(bào)與實(shí)況強(qiáng)度一致。A的絕對(duì)值越接近0，表明預(yù)報(bào)強(qiáng)度與實(shí)況越接近[16]。

位置參數(shù)計(jì)算公式[17]：

(3)

式中：x(Rmod)表示模式預(yù)報(bào)場(chǎng)降水主體的重心位置；x(Robs)表示觀測(cè)實(shí)況場(chǎng)降水主體的重心位置；d為區(qū)域內(nèi)非缺測(cè)格點(diǎn)間的最大距離；x為降水主體重心；xn為第n個(gè)降水個(gè)體的重心；r為m個(gè)降水個(gè)體以體內(nèi)總降水量值為權(quán)重的|x-xn|加權(quán)平均，其中r(Rmod)為模式預(yù)報(bào)場(chǎng)的加權(quán)平均，r(Robs)為觀測(cè)預(yù)報(bào)場(chǎng)的加權(quán)平均，r值越大，表示降水體的降水量越大、離降水主體重心越遠(yuǎn)；L為位置參數(shù)，在L計(jì)算過(guò)程中，考慮到不同的降水場(chǎng)也可以具有同一個(gè)重心，如在某一區(qū)域內(nèi)預(yù)報(bào)場(chǎng)兩端分別存在一個(gè)降水區(qū)，但實(shí)況場(chǎng)僅有一個(gè)降水區(qū)，如果預(yù)報(bào)場(chǎng)兩個(gè)降水區(qū)的幾何中心連線的中心恰好與實(shí)況降水區(qū)的幾何中心相重合，那么此時(shí)預(yù)報(bào)場(chǎng)與實(shí)況場(chǎng)的重心也重合，但該情況下不能認(rèn)為觀測(cè)場(chǎng)與預(yù)報(bào)場(chǎng)位置一致，無(wú)法反映真實(shí)的降水分布情況，還需考慮降水主體重心與每個(gè)降水個(gè)體重心之間的平均距離。因此，L由L1、L2兩部分組成，其中L1為區(qū)域內(nèi)預(yù)報(bào)與實(shí)況降水主體兩重心間的距離，L2為降水主體重心與每個(gè)降水個(gè)體重心之間的平均距離，L1、L2的取值范圍均為[0，1]，L取值范圍為[0，2]。

對(duì)L值的分析可知，如果L1對(duì)L誤差貢獻(xiàn)大，表明降水主體整體位置預(yù)報(bào)與實(shí)況有一定差異；如果L2對(duì)L誤差貢獻(xiàn)大，表明模式預(yù)報(bào)場(chǎng)與觀測(cè)實(shí)況場(chǎng)識(shí)別的降水個(gè)體與主體重心位置存在一定偏差，未能很好地捕捉到個(gè)體與主體重心的分布情況。因此，預(yù)報(bào)降水主體重心與實(shí)況降水主體重心重合度越高，且預(yù)報(bào)與實(shí)況降水個(gè)體重心加權(quán)平均值越接近時(shí)，L值越趨近0，預(yù)報(bào)降水位置與實(shí)況降水位置越逼近[15]。

1.3 降水主個(gè)體識(shí)別

SAL方法的關(guān)鍵是進(jìn)行降水主體以及降水個(gè)體的識(shí)別，因此對(duì)降水閾值的確定尤為重要。WERNLI等[8]最初使用SAL方法時(shí)將檢驗(yàn)范圍內(nèi)最大降水量的1/15作為降水閾值；公穎[15]在應(yīng)用該方法對(duì)長(zhǎng)江中下游降水進(jìn)行檢驗(yàn)時(shí)，將檢驗(yàn)范圍內(nèi)的降水量從小到大排列，將最大降水量序號(hào)乘以0.95，把最接近該整數(shù)序號(hào)對(duì)應(yīng)降水量的1/15作為降水閾值，此方法本文記為公穎法。公穎法計(jì)算的閾值偏小[14]，介于1～3 mm之間，容易引入零星降水，因此，在公穎法基礎(chǔ)上提出一種新的閾值確定方法，首先對(duì)檢驗(yàn)范圍內(nèi)的降水量進(jìn)行去重處理，將≥0.1 mm的降水量從小到大排列得到新的序列，再將最大降水量序號(hào)乘以0.95后，將最接近該整數(shù)序號(hào)對(duì)應(yīng)降水量的1/15作為降水閾值，將大于此閾值的格點(diǎn)作為降水主體成員。

由于識(shí)別降水主體后，降水主體內(nèi)會(huì)存在不連續(xù)的小降水區(qū)域，因此引入圖像識(shí)別上常用的“連通鄰域法”對(duì)降水個(gè)體進(jìn)行自動(dòng)判別，具體步驟為[19]：首先確定標(biāo)記連通域進(jìn)行從上至下、從左至右依次計(jì)算；第二步逐行進(jìn)行標(biāo)記，不過(guò)不計(jì)算，只比較；再比較當(dāng)前和鄰域值，若相連則標(biāo)記原符號(hào)，若不相連則標(biāo)記號(hào)+1，并且把這個(gè)標(biāo)記號(hào)賦值給另一個(gè)標(biāo)記空間中相同位置的值，遍歷完所有格點(diǎn)后，得到帶有標(biāo)記符號(hào)的格點(diǎn)組合；最后按標(biāo)記符號(hào)值依次進(jìn)行索引，若一個(gè)格點(diǎn)同時(shí)有幾個(gè)標(biāo)記符號(hào)，找到標(biāo)記集合中代表當(dāng)前集合最小的值賦值給該格點(diǎn)，得到新的標(biāo)記分布。

1.4 TS評(píng)分

根據(jù)中國(guó)氣象局制訂的“重要天氣預(yù)報(bào)質(zhì)量評(píng)定辦法”，TS評(píng)分方法為:

(4)

式中：TS為預(yù)報(bào)準(zhǔn)確率；Na、Nb、Nc分別為報(bào)對(duì)、漏報(bào)、空?qǐng)?bào)的站(次)數(shù)。TS評(píng)分在0～1之間，用于反映降水預(yù)報(bào)的準(zhǔn)確程度[7]。

2 主要結(jié)果

2.1 閾值確定

利用公穎法(簡(jiǎn)稱“方案一”)及改進(jìn)后方法(簡(jiǎn)稱“方案二”)對(duì)2018年四川省逐月降水主體閾值進(jìn)行計(jì)算，結(jié)果如圖1所示。可以看出方案一確定的全年閾值偏小，處于0～3之間，容易加入小量級(jí)零星降水個(gè)體，與黃泓等[14]研究發(fā)現(xiàn)的公穎法確定識(shí)別降水主體閾值全年偏小的結(jié)果一致。而方案二確定的閾值較方案一有一定增大。

為比較閾值增大是否具有特殊性，且在極端降水情況下是否能避免引入周圍過(guò)多的零星降水，選取2018年9月4日20:00至5日20:00的降水過(guò)程為檢驗(yàn)對(duì)象，選擇Grapes-Meso模式2018年9月4日08:00起報(bào)的12～36 h定量降水為預(yù)報(bào)場(chǎng)，自動(dòng)站24h降水資料為實(shí)況場(chǎng)，采用方案一、方案二進(jìn)行閾值計(jì)算，以觀測(cè)場(chǎng)為例，得出降水主體的閾值分別為2.6979、3.4556 mm。為進(jìn)一步比較降水個(gè)體數(shù)，加入連通鄰域法進(jìn)行識(shí)別，得出方案一、方案二、方案三(固定閾值法，由于研究時(shí)段處于汛期，固定值取10 mm)識(shí)別的降水個(gè)體數(shù)分別為8、7、12。圖2為2018年9月4日20:00至5日20:00 3種方案識(shí)別的實(shí)況降水的降水個(gè)體劃分?？梢钥闯?，方案一、方案二識(shí)別的降水主體類似，均能很好地體現(xiàn)降水區(qū)域的主體，方案三沒(méi)有考慮分布在降水主體周邊中雨以下量級(jí)的降水，因此識(shí)別的降水個(gè)體存在明顯的弱降水零星孤立點(diǎn)，以甘孜州表現(xiàn)最明顯。結(jié)合S、A、L參數(shù)計(jì)算結(jié)果(圖3)可知，3種方案計(jì)算得到的A值相同，方案三計(jì)算的S、L值在3種方案中相對(duì)較大，而方案一、方案二計(jì)算的S值、L值均相差較小，表明方案一、方案二預(yù)報(bào)效果接近，方案三預(yù)報(bào)效果較差?？紤]到方案二識(shí)別的降水個(gè)體數(shù)相對(duì)較少且降水個(gè)體分布更集中，S、L值在3種方案中最小，因此選取方案二進(jìn)行降水主體識(shí)別的閾值計(jì)算。

圖1 2018年四川省兩種閾值方案確定的逐月降水閾值Fig.1 The precipitation thresholds in each month determined by the two schemes in 2018 in Sichuan Province

圖2 2018年9月4日20:00至5日20:00四川省實(shí)況降水的降水個(gè)體劃分(紅色圓點(diǎn)為降水主體重心，下同)(a)方案一，(b)方案二，(c)方案三Fig.2 Precipitation individual division in the observation field from 20:00 BST on 4 to 20:00 BST on 5 September 2018 in Sichuan Province(the red dot for the center of gravity of the precipitation, the same as below)(a) the scheme I, (b) the scheme II, (c) the scheme III

圖3 三種方案的SAL檢驗(yàn)結(jié)果Fig.3 The SAL verification results of three schemes

2.2 降水個(gè)例檢驗(yàn)

2018年7月11日(簡(jiǎn)稱“個(gè)例1”)、8月22日(簡(jiǎn)稱“個(gè)例2”)、9月5日(簡(jiǎn)稱“個(gè)例3”)為四川省3次大范圍的強(qiáng)降水日，并且有大于50 mm以上降水出現(xiàn)，其中盆地西部沿山為暴雨至大暴雨，盆地南部及中西部為暴雨。

表1為3次強(qiáng)降水過(guò)程預(yù)報(bào)的TS評(píng)分情況。圖4為3次強(qiáng)降水個(gè)例24 h實(shí)況和模式預(yù)報(bào)的降水量及降水個(gè)體劃分。可以看出，個(gè)例2、個(gè)例3暴雨預(yù)報(bào)得分均低于個(gè)例1。個(gè)例2、個(gè)例3實(shí)況出現(xiàn)暴雨以上的降水格點(diǎn)數(shù)遠(yuǎn)少于個(gè)例1，且個(gè)例2模式預(yù)報(bào)場(chǎng)降水重心附近的降水多為中到大雨，而實(shí)況多出現(xiàn)暴雨及以上量級(jí)降水，導(dǎo)致個(gè)例2在實(shí)況暴雨區(qū)評(píng)分多判定為漏報(bào)。針對(duì)暴雨評(píng)分，Grapes-Meso模式對(duì)個(gè)例1的預(yù)報(bào)優(yōu)于個(gè)例3，個(gè)例2最差。模式預(yù)報(bào)暴雨的情況與預(yù)報(bào)員主觀判斷結(jié)果(即個(gè)例1雨帶量級(jí)和位置預(yù)報(bào)均優(yōu)于個(gè)例3、個(gè)例2)一致。

TS評(píng)分能夠評(píng)估模式對(duì)降水過(guò)程不同量級(jí)的預(yù)報(bào)情況，但TS評(píng)分是一個(gè)綜合結(jié)果，對(duì)模式在雨帶結(jié)構(gòu)、位置等方面的預(yù)報(bào)表現(xiàn)不足。因此，為多角度地對(duì)模式進(jìn)行評(píng)估，減少預(yù)報(bào)員主觀對(duì)雨帶位置、結(jié)構(gòu)等方面的判斷時(shí)間，引入SAL方法對(duì)降水過(guò)程進(jìn)行檢驗(yàn)，定量給出雨帶位置、結(jié)構(gòu)等方面的檢驗(yàn)結(jié)果。表2為3次強(qiáng)降水過(guò)程的SAL檢驗(yàn)結(jié)果?？梢钥闯?，個(gè)例1中A<0，表明模式降水強(qiáng)度預(yù)報(bào)整體較實(shí)況偏弱；S>0，表明模式預(yù)報(bào)范圍較實(shí)況偏大，或者模式預(yù)報(bào)降水中心值較實(shí)況偏小，或者前述兩種情況同時(shí)存在，結(jié)合圖4(a)、圖4(b)可以發(fā)現(xiàn)這主要是模式預(yù)報(bào)降水中心值較實(shí)況偏小所造成；L值接近0，且L1、L2對(duì)位置L的偏差貢獻(xiàn)相近，說(shuō)明模式對(duì)此次強(qiáng)降水過(guò)程的位置預(yù)報(bào)基本一致。總體上，此次降水過(guò)程模式對(duì)西部沿山強(qiáng)降水位置預(yù)報(bào)把握較好，但降水強(qiáng)度比實(shí)況偏弱。個(gè)例2降水分布差異較大，模式預(yù)報(bào)場(chǎng)存在兩個(gè)強(qiáng)降水中心，但實(shí)況僅有一個(gè)強(qiáng)降水中心，從表2中可知S<0，表明模式預(yù)報(bào)降水范圍相對(duì)實(shí)況較小、預(yù)報(bào)降水中心雨量值相對(duì)實(shí)況偏大；L值誤差主要來(lái)自L2，表明模式識(shí)別的降水個(gè)體與降水主體重心位置存在一定偏差，未能很好地捕捉到個(gè)體與主體重心的分布情況，結(jié)合圖4(c)、圖4(d)可知，這主要是模式對(duì)川西高原北部的降水有所漏報(bào)造成；A>0，表明模式在強(qiáng)度預(yù)報(bào)方面較實(shí)況偏強(qiáng)。個(gè)例3實(shí)況和模式均出現(xiàn)了強(qiáng)降水，其中S>0，且其絕對(duì)值均大于個(gè)例1和個(gè)例2，表明模式預(yù)報(bào)大雨以上的降水中心周邊基本被大片小雨區(qū)所圍繞；A>0，即模式在強(qiáng)度預(yù)報(bào)方面較實(shí)況偏強(qiáng)；L值主要誤差來(lái)自L1，L2的誤差貢獻(xiàn)可忽略不計(jì)，說(shuō)明位置誤差主要是模式對(duì)降水主體整體位置預(yù)報(bào)較實(shí)況有一定差異所造成，結(jié)合圖4(e)、圖4(f)可知模式預(yù)報(bào)降水雨帶的位置較實(shí)況偏東。

綜上所述，個(gè)例1存在模式預(yù)報(bào)較實(shí)況范圍偏小且降水量級(jí)偏弱的情況，但對(duì)強(qiáng)雨帶位置的預(yù)報(bào)把握較好，對(duì)預(yù)報(bào)員了解雨帶的落區(qū)有一定的指導(dǎo)意義；個(gè)例2模式預(yù)報(bào)范圍對(duì)盆地南部降水有一定指示，但對(duì)盆地東北部降水有所空?qǐng)?bào)，強(qiáng)度預(yù)報(bào)較實(shí)況偏強(qiáng)，降水落區(qū)存在明顯偏差；個(gè)例3模式預(yù)報(bào)雨區(qū)位置較實(shí)況有所東移，且強(qiáng)度較實(shí)況偏強(qiáng)。從模式與實(shí)況差異來(lái)看，Grapes-Meso模式對(duì)個(gè)例1的預(yù)報(bào)最優(yōu)，個(gè)例2次之，個(gè)例3最差，結(jié)合S、A、L參數(shù)來(lái)看，個(gè)例1的L值最小，個(gè)例3的L值最大，表明L值的大小在一定程度上可以反映模式對(duì)降水過(guò)程的預(yù)報(bào)效果，如果L值較小，且A的絕對(duì)值也較小，則模式對(duì)降水過(guò)程預(yù)報(bào)偏好的可能性越大，若L值較大，則模式對(duì)降水過(guò)程預(yù)報(bào)偏好的可能性則越小。與TS評(píng)分對(duì)比可知，SAL結(jié)果同樣對(duì)模式的降水預(yù)報(bào)效果有一定反映，且綜合評(píng)價(jià)結(jié)果與TS評(píng)分結(jié)果一致，但SAL方法可以更好地從多角度對(duì)模式預(yù)報(bào)效果進(jìn)行評(píng)價(jià)，對(duì)預(yù)報(bào)員了解雨帶位置等方面的差異有很好的幫助。

表1 2018年四川省3次強(qiáng)降水過(guò)程預(yù)報(bào)檢驗(yàn)TS得分情況Tab.1 The prediction test scores of three heavy precipitation processes in 2018 in Sichuan Province 單位：%

圖4 2018年7月10日20:00至11日20:00(a、b)、8月21日20:00至22日20:00(c、d)、9月4日20:00至9月5日20:00(e、f)四川省降水實(shí)況(a、c、e)及模式預(yù)報(bào)(b、d、f)的降水量(彩色陰影，單位:mm)、降水個(gè)體劃分(藍(lán)色圓點(diǎn))Fig.4 The precipitation (color shading, Unit: mm) and precipitation individuals division (the blue dot) of observation (a, c, e) and the model prediction (b, d, f) from 20:00 BST on 10 to 20:00 BST on 11 July (a, b), from 20:00 BST on 21 to 20:00 BST on 22 August (c, d), from 20:00 BST on 4 to 20:00 BST on 5 September (e, f) 2018 in Sichuan Province

表2 2018年四川省3次強(qiáng)降水過(guò)程的SAL檢驗(yàn)結(jié)果Tab.2 The SAL values of three heavy precipitation processes in 2018 in Sichuan Province

2.3 性能評(píng)估

從統(tǒng)計(jì)角度對(duì)模式誤差進(jìn)行評(píng)估，對(duì)2018年7—9月降水過(guò)程進(jìn)行SAL檢驗(yàn)，由于Grapes-Meso模式缺少2018年9月2日08:00起報(bào)的12～36 h定量降水資料及加密自動(dòng)站2018年8月17日、9月14日的降水資料異常，檢驗(yàn)降水過(guò)程共89次。圖5為2018年7—9月四川省89次降水過(guò)程SAL散點(diǎn)圖?？梢钥闯觯蟛糠诸A(yù)報(bào)均處于第一象限，表明強(qiáng)度方面模式預(yù)報(bào)降水比實(shí)況偏強(qiáng)；結(jié)構(gòu)方面模式預(yù)報(bào)范圍較實(shí)況偏大，或者降水中心值較實(shí)況偏小，或著前述兩種情況同時(shí)存在。L值分布結(jié)果不像另外兩參數(shù)明顯，不同大小的L值在每個(gè)象限均存在，表明模式對(duì)位置預(yù)報(bào)有一定波動(dòng)。進(jìn)一步分析可知，S、A的平均值都大于0，且大部分預(yù)報(bào)分布在平均值附近。此外，S、A都小于平均值以下的區(qū)域L值也較小，表明處于該區(qū)間的預(yù)報(bào)效果偏好。由于模式自身預(yù)報(bào)性能等條件，Grapes-Meso模式S取值范圍為-0.5～1.5，當(dāng)S值未在其波動(dòng)范圍時(shí)，表明預(yù)報(bào)效果較差。綜上所述，Grapes-Meso模式在強(qiáng)度方面預(yù)報(bào)較實(shí)況偏強(qiáng)，結(jié)構(gòu)方面模式預(yù)報(bào)范圍較實(shí)況偏大，或者降水中心值較實(shí)況偏小，或著前述兩種情況同時(shí)存在。

圖5 2018年7—9月四川省89次降水過(guò)程SAL散點(diǎn)圖(陰影表示L)Fig.5 The scatter plot of SAL of 89 precipitation processes from July to September 2018(The shadow represents L)

3 結(jié)論與討論

(1)SAL方法中最關(guān)鍵的部分是降水主體及降水個(gè)體識(shí)別，通過(guò)3種降水閾值方案的對(duì)比，改進(jìn)的閾值確定方法可以更好地對(duì)降水主體進(jìn)行識(shí)別，并且“連通鄰域法”對(duì)降水個(gè)體的自動(dòng)判別提供了很好的支撐。

(2)L值的大小在一定程度上可以反映模式對(duì)降水過(guò)程的預(yù)報(bào)效果，如果L值較小且A的絕對(duì)值也較小，則模式對(duì)降水過(guò)程預(yù)報(bào)偏好的可能性越大，若L值較大，則模式對(duì)降水過(guò)程預(yù)報(bào)偏好的可能性則越小。

(3)從模式性能評(píng)估可知，Grapes-Meso模式對(duì)四川省降水預(yù)報(bào)效果為強(qiáng)度預(yù)報(bào)較實(shí)況偏強(qiáng)，預(yù)報(bào)范圍較實(shí)況偏大，或降水中心值較實(shí)況偏小，或者前述兩種情況同時(shí)存在。

SAL檢驗(yàn)計(jì)算簡(jiǎn)單、使用方便、結(jié)果直觀，其對(duì)降水過(guò)程的評(píng)估比TS評(píng)分更能全方位體現(xiàn)模式預(yù)報(bào)能力。本文僅利用SAL方法對(duì)一個(gè)模式、一個(gè)預(yù)報(bào)時(shí)效的24 h定量降水與實(shí)況的差異進(jìn)行分析，后續(xù)研究將計(jì)算比較多個(gè)模式的SAL值，對(duì)比同一降水實(shí)況下不同模式的預(yù)報(bào)效果，且增加不同的預(yù)報(bào)時(shí)效檢驗(yàn)結(jié)果，從而讓預(yù)報(bào)員更好地了解模式預(yù)報(bào)效果，并且能在較短時(shí)間內(nèi)從多家模式預(yù)報(bào)結(jié)果中獲取最優(yōu)預(yù)報(bào)。