梁 綿，張煦庭，劉嘉慧敏，高星星，劉菊菊

(1.陜西省氣象臺，西安 710014；2.陜西省氣象局秦嶺和黃土高原生態(tài)環(huán)境氣象重點(diǎn)實(shí)驗(yàn)室，西安 710016)

陜西秦嶺和黃土高原地形復(fù)雜，夏季暴雨頻發(fā)，易產(chǎn)生洪澇與地質(zhì)災(zāi)害。研究暴雨發(fā)生發(fā)展的機(jī)制，建立適用于本地的暴雨預(yù)報方法和客觀產(chǎn)品尤為重要。而數(shù)值模式是降水預(yù)報的基礎(chǔ)與重要參考依據(jù)，增強(qiáng)對數(shù)值模式預(yù)報的性能認(rèn)知，特別是在夏季暴雨過程中的預(yù)報表現(xiàn)，對于提高暴雨預(yù)報能力至關(guān)重要。目前，針對降水預(yù)報，業(yè)務(wù)上主要采用經(jīng)典檢驗(yàn)方法，經(jīng)典檢驗(yàn)方法也稱之為傳統(tǒng)檢驗(yàn)方法[1]。降水作為離散型變量，可看作簡單二元事件預(yù)報，歸納為對降水的肯定或否定預(yù)報，也可作為多分類預(yù)報進(jìn)行檢驗(yàn)[2]。1965年，Brounlee等設(shè)計了兩變量的預(yù)報檢驗(yàn)列聯(lián)表，并通過列聯(lián)表將事件進(jìn)行分類，然后計算一系列評分指數(shù)，如命中率，虛警率，誤警率等[3]。1990年Doswell等發(fā)現(xiàn)計算小概率事件預(yù)報評分時，真實(shí)技巧評分TSS(true skill statistic)常趨于命中率(POD)，為此他們修訂后提出了HSS評分[4]。此后發(fā)展了一系列評分指數(shù)，對于二元事件的確定性預(yù)報主要包括: 預(yù)報偏差(Bias)[5]、勝算比(OR)[6]、準(zhǔn)確率(ACC)等。而對多分類事件的確定性預(yù)報，可采用2×K列聯(lián)表將不同等級事件發(fā)生的頻率分別歸類來計算評分指數(shù)。陜西氣象學(xué)者圍繞降水預(yù)報檢驗(yàn)開展了大量工作，潘留杰等[7]基于鄰域法FSS、ETS評分指數(shù)，分析了多模式的降水預(yù)報性能。薛春芳等[8]基于面向?qū)ο竽Ｊ皆\斷分析MODE方法，研究了降水對象的客觀表現(xiàn)以及日本細(xì)網(wǎng)格模式對降水個例的預(yù)報能力。采用的方法均為國內(nèi)外較先進(jìn)的空間檢驗(yàn)法，反映了降水預(yù)報的空間結(jié)構(gòu)與尺度變化，在網(wǎng)格預(yù)報檢驗(yàn)行業(yè)內(nèi)具有引領(lǐng)作用。但從實(shí)際業(yè)務(wù)出發(fā)，其實(shí)經(jīng)典檢驗(yàn)方法能更直觀反映模式預(yù)報的準(zhǔn)確率，更利于預(yù)報員主觀應(yīng)用與訂正。

陜西對數(shù)值模式產(chǎn)品的應(yīng)用，以日常預(yù)報業(yè)務(wù)參考和后處理釋用訂正為主，所用模式包括全球尺度和中尺度數(shù)值產(chǎn)品，主要有歐洲中期天氣預(yù)報中心(European Centre for Medium-Range Weather Forecasts，ECMWF)高分辨數(shù)值預(yù)報、美國國家環(huán)境預(yù)報中心(National Centers for Environmental Prediction，NCEP)數(shù)值產(chǎn)品、中國氣象局全球同化預(yù)報系統(tǒng)(China Meteorological Administration-global forecast system，CMA-GFS)數(shù)值產(chǎn)品，以及基于高分辨數(shù)值模式發(fā)展的客觀釋用產(chǎn)品，有中央氣象臺預(yù)報訂正系統(tǒng)(system of Central Meteorological Observatory correction forecast，SCMOC)產(chǎn)品和陜西動態(tài)交叉最優(yōu)要素預(yù)報(dynamic cross optimal element forecast，DCOEF)產(chǎn)品，而預(yù)報員基于DCOEF主觀訂正后產(chǎn)品簡稱為Release。客觀合理的評估結(jié)果可為預(yù)報員數(shù)值模式產(chǎn)品應(yīng)用提供科學(xué)參考，有利于預(yù)報準(zhǔn)確率的提升，因此選取業(yè)務(wù)最常用的這六種高分辨數(shù)值產(chǎn)品進(jìn)行檢驗(yàn)。以往多基于要素預(yù)報進(jìn)行長時段批量化檢驗(yàn)，對重大災(zāi)害性天氣個例的精細(xì)化檢驗(yàn)較少。本研究將基于國家氣象中心全流程檢驗(yàn)程序庫Meteva，以經(jīng)典檢驗(yàn)方法為主對2020年汛期4次致災(zāi)性暴雨過程開展檢驗(yàn)，重點(diǎn)評估多模式產(chǎn)品在時間演變、空間區(qū)域和關(guān)鍵點(diǎn)等方面的預(yù)報表現(xiàn)，以期得出有利于提高暴雨預(yù)報能力的科學(xué)客觀依據(jù)。

1 資料與方法

1.1 資料來源

觀測資料選取陜西省1 500多個站點(diǎn)(國家氣象站和區(qū)域氣象站)08、20時統(tǒng)計的過去24 h累計降水量產(chǎn)品，模式資料包括數(shù)值模式ECMWF、CMA-GFS、NCEP和陜西智能網(wǎng)格預(yù)報產(chǎn)品DCOEF、預(yù)報員主觀訂正產(chǎn)品Release以及中央臺格點(diǎn)指導(dǎo)預(yù)報產(chǎn)品SCMOC，選取08、20時起報的24、48、72 h降水預(yù)報產(chǎn)品。

1.2 研究方法

為客觀評估多模式在2020年汛期4次重大災(zāi)害性暴雨過程中的預(yù)報表現(xiàn)，首先采用經(jīng)典評分檢驗(yàn)方法對模式預(yù)報性能進(jìn)行綜合診斷，包括TS評分、晴雨預(yù)報準(zhǔn)確率(H)、預(yù)報偏差(Bias)、命中率(POD)和成功率(SR)等，具體計算步驟如下：

TS=A/(A+B+C),

(1)

H=(A+D)/(A+B+C+D),

(2)

Bias=(B+C)/(A+C),

(3)

POD=A/(A+C),

(4)

SR=1-C/(A+C)。

(5)

式中，A為有降水預(yù)報正確的站(次)數(shù)，B為空報的站(次)數(shù)，C為漏報的站(次)數(shù)，D為無降水預(yù)報正確的站(次)數(shù)。當(dāng)Bias>1時表示預(yù)報事件高于觀測事件的發(fā)生頻率，Bias<1則相反；當(dāng)降水預(yù)報的格點(diǎn)數(shù)與實(shí)況格點(diǎn)數(shù)完全一致時，則TS=1，TS越接近于0，表明預(yù)報技巧越差。

再通過平均誤差(EM)、平均絕對誤差(EMA)、均方根誤差(ERMS)等統(tǒng)計指標(biāo)分析模式預(yù)報與實(shí)況的偏差特征。

最后選取4次過程中降水強(qiáng)度較大的關(guān)鍵站點(diǎn)，從降水的日變化演變角度進(jìn)行精細(xì)化評估，以期得到較為有用的信息。

1.3 Meteva檢驗(yàn)程序庫

Meteva程序庫是國家氣象中心研發(fā)的全流程檢驗(yàn)算法程序庫，是提供各類常用氣象預(yù)報檢驗(yàn)評估方法的Python算法函數(shù)，可批量生成供氣象檢驗(yàn)分析的數(shù)值型、表格型和圖片型檢驗(yàn)產(chǎn)品。本文檢驗(yàn)方法的所有計算均來自此程序庫。

2 經(jīng)典檢驗(yàn)

選取的檢驗(yàn)個例為2020年汛期7—8月的4次暴雨過程，分別是7月10—12日、20—26日過程和8月4—7日、14—19日過程，應(yīng)用Meteva程序庫的檢驗(yàn)算法和產(chǎn)品，從時間演變、空間分布、降水落區(qū)對比等方面分類評估不同模式產(chǎn)品在4次過程中的預(yù)報表現(xiàn)。

2.1 評分時間演變

應(yīng)用Meteva程序庫檢驗(yàn)基礎(chǔ)算法模塊的數(shù)值檢驗(yàn)指標(biāo)，計算4次暴雨過程各家模式降水預(yù)報的晴雨預(yù)報準(zhǔn)確率和暴雨及以上TS評分。按預(yù)報時效對4次過程綜合計算評分可得，晴雨預(yù)報準(zhǔn)確率08時起報的(圖1a)均是SCMOC評分最高，24、48、72 h分別為0.81、0.85、0.83，Release、DCOEF、ECMWF次之；20時起報(圖1b)的24、48 h是CMA-GFS評分較高，為0.8和0.84，72 h則是ECMWF更優(yōu)(0.85)。暴雨及以上TS評分08時起報(圖1c)24 h是Release預(yù)報較優(yōu)(0.19)，48、72 h DCOEF相對較高；20時起報(圖1d)24 h是SCMOC最優(yōu)(0.19)，48和72 h仍是DCOEF預(yù)報效果更好。而分過程計算24 h暴雨及以上TS評分發(fā)現(xiàn)，7月10—12日過程評分表現(xiàn)最好的是DCOEF，7月20—26日是SCMOC，而8月4—7日和11—19日較優(yōu)的分別是Release和SCMOC。綜合不同預(yù)報時效和各過程計算暴雨及以上TS評分，由高到低依次是SCMOC、DCOEF、Release、ECMWF，分別為0.114、0.112、0.111、0.099。另外，在時間序列上，隨著預(yù)報時效的增加，各模式晴雨預(yù)報準(zhǔn)確率均呈穩(wěn)定態(tài)勢，評分較優(yōu)，僅NCEP呈遞減趨勢。暴雨及以上TS評分，各模式在24 h后評分遞減明顯，DCOEF相對而言較為穩(wěn)定。無論是晴雨預(yù)報準(zhǔn)確率還是暴雨及以上TS評分，NCEP較其他模式預(yù)報能力明顯不足。

圖1 4次暴雨過程中各模式晴雨預(yù)報準(zhǔn)確率(a 08時；b 20時)和暴雨及以上TS評分(c 08時；d 20時)

根據(jù)已有數(shù)據(jù)樣本，應(yīng)用Meteva程序庫檢驗(yàn)產(chǎn)品模塊的誤差序列分析產(chǎn)品，以箱線圖方式，可直觀分析不同數(shù)值模式產(chǎn)品在時間序列上的偏差特征。樣本量顯示，除7月25日、8月7日和8月18—19日樣本較少外，其余時間樣本數(shù)均接近5 000，誤差分析具有一定客觀性。對比分析各模式產(chǎn)品在4次降水過程中平均誤差EM、平均絕對誤差EMA和均方根誤差ERMS的時間序列演變可得，DCOEF、ECMWF、SCMOC和Release產(chǎn)品的平均誤差、平均絕對誤差和均方根誤差變化趨勢基本一致。平均誤差結(jié)果顯示，ECMWF(圖2a，見第5頁)誤差范圍最小為-1.9～10.3 mm，降水量預(yù)報相對更準(zhǔn)確；而NCEP逐日誤差均為負(fù)值，說明預(yù)報值較觀測值明顯偏小，呈現(xiàn)弱報；DCOEF誤差較其他模式略偏大且均為正值，可見降水量級預(yù)報整體略偏強(qiáng)。均方根誤差代表了預(yù)測值與真值的偏離程度，各模式以ECMWF和SCMOC(圖2b，見第5頁)表現(xiàn)偏差最小。平均絕對誤差能更好地反映預(yù)測值誤差的實(shí)際情況，從逐日分布情況來看，數(shù)值模式整體對8月12日08時起報和8月17日20時起報降水表現(xiàn)為較大誤差，各模式誤差均值分別為16.9 mm和16.2 mm，而對8月3日20時和8月10日20時起報降水誤差值均較小，均值僅為8.1 mm和7.9 mm。結(jié)合降水量實(shí)況與天氣形勢發(fā)現(xiàn)，預(yù)報效果表現(xiàn)較優(yōu)的為系統(tǒng)性降水，各量級降水分布呈帶狀，表現(xiàn)較差的為以局地為主的分散性暴雨。

圖2 4次暴雨過程中各模式誤差綜合分析圖(a ECMWF；b SCMOC)(文見第3頁)

綜上所述， SCMOC在晴雨預(yù)報準(zhǔn)確率和暴雨及以上TS評分中相對較優(yōu)，DCOEF和ECMWF次之，ECMWF在整體時間序列上表現(xiàn)為較小的預(yù)報誤差，而預(yù)報員主觀訂正產(chǎn)品Release對暴雨及以上強(qiáng)降水表現(xiàn)出較好的預(yù)報訂正能力。

2.2 降水落區(qū)對比

應(yīng)用Meteva檢驗(yàn)產(chǎn)品模塊的空間分布對比產(chǎn)品， 可直觀對比模式預(yù)報與實(shí)況觀測站點(diǎn)的空間分布情況。將4次暴雨過程各模式逐日降水分別繪制空間分布圖進(jìn)行落區(qū)對比。在7月10—12日過程的強(qiáng)降水時段(10日08—11日08時)，除NCEP預(yù)報產(chǎn)品外，各模式對區(qū)域較大的暴雨落區(qū)把握均較好。其中DCOEF落區(qū)預(yù)報更準(zhǔn)確，陜南西部實(shí)況降水量級為50～100 mm的站點(diǎn)均位于預(yù)報落區(qū)內(nèi)，但ECMWF存在站點(diǎn)漏報。對關(guān)中西部局地暴雨，各模式均無反映。7月20—26日暴雨過程強(qiáng)降水時段為21日08—22日08時和23日08—24日08時，DCOEF表現(xiàn)為暴雨命中率較高，但預(yù)報范圍略偏大，局地大暴雨點(diǎn)位置存在偏差。ECMWF對暴雨和局地大暴雨均存在明顯漏報，21日陜南暴雨漏報站點(diǎn)占到三分之一，23日關(guān)中西部暴雨漏報站點(diǎn)達(dá)二分之一。相比之下，CMA-GFS的落區(qū)預(yù)報更準(zhǔn)確。8月4—7日過程中，4日陜北出現(xiàn)區(qū)域暴雨，DCOEF對暴雨及以上量級落區(qū)把握較準(zhǔn)確，4日08時起報的暴雨及以上TS評分為0.625。ECMWF對大暴雨區(qū)域存在漏報，CMA-GFS對暴雨落區(qū)預(yù)報范圍和強(qiáng)度均偏小。6日關(guān)中西部和陜南西部的局地分散性暴雨，各模式預(yù)報效果均較差。8月14—19日重點(diǎn)對比了15—16日強(qiáng)降水時段(圖3，見第5頁)，對雨帶的位置和走向，各模式均有很好反映。暴雨落區(qū)是DCOEF、CMA-GFS與實(shí)況較為接近，但都存在空報；ECMWF部分站點(diǎn)仍有漏報現(xiàn)象。

圖3 2020-08-15T08起報24 h各模式降水預(yù)報和觀測空間分布對比(a DCOEF；b CMA-GFS；c ECMWF；d NCEP)(文見第4頁)

可看出，4次暴雨過程中，當(dāng)過程為大范圍系統(tǒng)性降水時，各模式對暴雨及以上落區(qū)預(yù)報較準(zhǔn)確，以DCOEF表現(xiàn)最佳，CMA-GFS次之。DCOEF暴雨預(yù)報命中率較高，但落區(qū)范圍稍偏大，ECMWF存在部分站點(diǎn)漏報情況，而NCEP預(yù)報的落區(qū)范圍和強(qiáng)度顯著偏小。當(dāng)強(qiáng)降水以局地分散性為主時，各家數(shù)值產(chǎn)品的預(yù)報能力均有限，降水的位置和強(qiáng)度存在較大偏差。

2.3 評分空間分布

應(yīng)用Meteva程序庫計算經(jīng)典預(yù)報評分在空間區(qū)域上的分布情況，可直觀診斷模式在不同區(qū)域的預(yù)報表現(xiàn)。圖4(見第6頁)為各模式產(chǎn)品對暴雨及以上降水的預(yù)報偏差Bias、TS評分和命中率POD的空間分布?？煽闯?次過程暴雨及以上落區(qū)主要位于榆林南部、延安北部、關(guān)中中西部和陜南西部。在陜北區(qū)域，SCMOC、ECMWF、DCOEF和Release對暴雨及以上量級降水的命中率均較高，多數(shù)站點(diǎn)可達(dá)0.9以上，其中ECMWF的TS評分相對優(yōu)于其他模式，大部站點(diǎn)評分為0.5以上，個別可達(dá)0.7，故而預(yù)報最準(zhǔn)確。DCOEF的Bias評分(圖4a)較高，大多在4以上，部分可達(dá)8，說明其對暴雨及以上量級的預(yù)報頻率高于實(shí)況，漏報情況較少，因而預(yù)報員主觀訂正后的Rlease產(chǎn)品命中率達(dá)0.9的站數(shù)，為各模式中最多。在關(guān)中中西部和陜南西部，DCOEF預(yù)報表現(xiàn)較好，命中率(圖4b)和命中范圍明顯大于其他模式，大部站點(diǎn)命中率達(dá)0.9以上，其他模式除命中率不高外，對關(guān)中中部強(qiáng)降水存在大范圍漏報。TS評分也是DCOEF(圖4c)相對更高，多數(shù)站點(diǎn)為0.4以上，Release和CMA-GFS次之。而對關(guān)中東部局地和陜南南部部分地區(qū)的暴雨及以上降水，SCMOC和ECMWF的命中率和TS(圖4d、4e、4f)評分均較高。

圖4 DCOEF(a Bias；b POD；c TS)、SCMOC(d POD；e TS)和ECMWF(f TS)對4次暴雨過程中暴雨及以上量級預(yù)報評分的空間分布(文見第4頁)

可見， 4次過程中各模式對暴雨及以上的預(yù)報在各區(qū)域表現(xiàn)存在差異，陜北是ECMWF預(yù)報準(zhǔn)確率更高，關(guān)中西部和陜南西部則是DCOEF表現(xiàn)最優(yōu)，而對關(guān)中東部和陜南南部局地的暴雨及以上量級，SCMOC和ECMWF相對更好。DCOEF對暴雨及以上量級預(yù)報頻次偏多，避免了漏報，命中率較高，具有一定參考性，但需注意空報。而NCEP和CMA-GFS對暴雨及以上漏報現(xiàn)象嚴(yán)重，預(yù)報表現(xiàn)整體較差。

2.4 分級綜合檢驗(yàn)

分級降水評分綜合圖為Meteva檢驗(yàn)產(chǎn)品模塊的降水類圖片型檢驗(yàn)產(chǎn)品，也稱為預(yù)報性能評分綜合圖，可在一張圖上綜合對比分析不同模式、不同量級降水的命中率、成功率、TS評分和預(yù)報偏差Bias，有利于預(yù)報員快速判斷不同模式對不同量級降水的預(yù)報能力。綜合圖中的黑色斜線為Bias評分，以對角線Bias=1分為上下兩限，上限表示Bias>1，下限反之，而與之交叉的黃色曲線則表示TS評分，由坐標(biāo)圓點(diǎn)TS=0處向45°方向逐級遞增。

綜合計算4次降水過程不同起報時次各模式分量級降水預(yù)報的性能評分(圖5，見第6頁)，發(fā)現(xiàn)08和20時起報的預(yù)報各模式評分較為接近。對不同量級的降水，小雨、中雨各模式預(yù)報表現(xiàn)均較好，除NCEP外，TS評分基本在0.7和0.4左右，命中率平均為0.9和0.7，其中以ECMWF和SCMOC表現(xiàn)最優(yōu)，DCOEF次之。對于大雨和暴雨，命中率各模式大多在0.4和0.3附近，DCOEF相對最高，為0.7和0.5，成功率各模式平均為0.3和0.2，TS評分為0.2和0.1。對比可得SCMOC和Release產(chǎn)品降水量級預(yù)報更準(zhǔn)確，DCOEF次之，但各模式對大暴雨預(yù)報均表現(xiàn)不足。

圖5 4次暴雨過程中各模式分級降水預(yù)報性能評分綜合圖(a 08時；b 20時)(文見第4頁)

從量級分布來看，各模式均呈現(xiàn)出從小雨到暴雨隨著量級的增加預(yù)報評分逐級遞減的特征，在綜合評分圖上表現(xiàn)為明顯的階梯分布，說明數(shù)值模式對小量級降水的預(yù)報能力較強(qiáng)，而對大量級降水預(yù)報仍存在較大提升空間。再分析不同預(yù)報評分發(fā)現(xiàn)，預(yù)報偏差Bias大多位于區(qū)域上限，說明各模式整體預(yù)報事件的頻率大于觀測事件，其中DCOEF對暴雨及以上的預(yù)報偏差08時和20時分別為3.4和4.3，較其他模式略偏大，而Bias小于1的均是NCEP。可見DCOEF預(yù)報頻次略偏多，需注意空報，而NCEP漏報較嚴(yán)重。命中率各模式存在差異，DCOEF評分最高，為0.5～0.6，之后依次是Release、SCMOC、ECMWF，DCOEF和Release命中率高但成功率不是最優(yōu)，這可能與網(wǎng)格產(chǎn)品對暴雨預(yù)報范圍略偏大有關(guān)，而SCMOC和ECMWF產(chǎn)品成功率接近，但SCMOC的命中率更高，說明存在空報。

綜上，通過對比各模式降水在時間演變、空間分布等多方面的預(yù)報表現(xiàn)，可得出較為一致的評估結(jié)果。對降水落區(qū)的預(yù)報以DCOEF表現(xiàn)最優(yōu)，避免了站點(diǎn)的漏報，而晴雨預(yù)報準(zhǔn)確率和暴雨及以上TS評分SCMOC相對較高，且不同產(chǎn)品在不同地理區(qū)域預(yù)報效果存在一定差異，各有優(yōu)勢。綜合而言，預(yù)報更準(zhǔn)確的是SCMOC和DCOEF，ECMWF次之。

3 單站精細(xì)化檢驗(yàn)

以業(yè)務(wù)應(yīng)用最廣泛的DCOEF為對象，選取4次暴雨過程中24 h累計降水量最大站點(diǎn)和小時雨強(qiáng)最大站點(diǎn)分析降水日變化演變，通過對比實(shí)況、DCOEF和Release產(chǎn)品的降水日變化特征，進(jìn)而評估網(wǎng)格預(yù)報產(chǎn)品對站點(diǎn)強(qiáng)降水的預(yù)報能力。24 h累計降水量最大站點(diǎn)選取的是廣坪站(漢中寧強(qiáng))、王盤山六要素站(榆林定邊)、青木川站(漢中寧強(qiáng))、太要站(渭南潼關(guān))(圖6)，其24 h累計降水量分別為162.7、106.3、117.4、74.7 mm，小時雨強(qiáng)最大站點(diǎn)為閻良區(qū)政府站(西安)和下梁鎮(zhèn)老安寺村站(商洛柞水)(圖7)，其最大小時雨強(qiáng)分別為97.8 mm/h和29.3 mm/h。

圖6 4次暴雨過程中實(shí)況與模式24 h累計降水量最大站點(diǎn)降水日變化(a 廣坪站；b 王盤山六要素站；c 青木川站；d 太要站)

圖7 4次暴雨過程中實(shí)況與模式小時雨強(qiáng)最大站點(diǎn)降水日變化(a 閻良區(qū)政府站；b 下梁鎮(zhèn)老安寺村站)

對比發(fā)現(xiàn)，當(dāng)暴雨過程為連續(xù)性降水時，DCOEF對降水趨勢變化把握較準(zhǔn)確，累計降水量與實(shí)況較為接近，可達(dá)到暴雨級別。如青木川站在14日20時—15日20時過程中，DCOEF和實(shí)況降水趨勢除20時外，其余時刻均一致，且累計降水量分別為124.4 mm和117.4 mm，僅差7 mm。不足的是，在日變化時間尺度內(nèi)，峰值時段和峰值量級存在偏差。如對王盤山六要素站3日20時—4日20時降水過程，逐3 h降水量不同時次存在強(qiáng)度偏小或偏大情況，實(shí)況出現(xiàn)2個峰值分別為21 mm和58.6 mm，DCOEF與實(shí)況偏差約10 mm；對太要站18日20時—19日20時降水過程，峰值時間存在偏移，實(shí)況為08時，預(yù)報為11時，導(dǎo)致在更為精細(xì)的時段內(nèi)預(yù)報能力下降。而當(dāng)暴雨過程為短時突發(fā)性降水時，DCOEF預(yù)報能力較差。比如5—6日閻良區(qū)政府站，短短1 h內(nèi)產(chǎn)生97.8 mm降水，但前后幾個小時內(nèi)無降水。這種短時強(qiáng)降水，DCOEF很難預(yù)報。

4 結(jié)論

應(yīng)用國家氣象中心全流程檢驗(yàn)程序庫Meteva，從經(jīng)典檢驗(yàn)和單站精細(xì)化檢驗(yàn)兩方面，對2020年陜西汛期4次重大暴雨過程多模式的預(yù)報表現(xiàn)進(jìn)行綜合評估，得出以下結(jié)論。

(1)各家模式對汛期4次暴雨過程的預(yù)報，以中央氣象臺指導(dǎo)產(chǎn)品SCMOC和陜西智能網(wǎng)格預(yù)報產(chǎn)品DCOEF表現(xiàn)較優(yōu)，其次是歐洲中心ECMWF，預(yù)報員基于DCOEF主觀訂正后產(chǎn)品Release對暴雨及以上強(qiáng)降水有較好的訂正能力。

(2)當(dāng)暴雨過程以系統(tǒng)性降水為主時，各模式對暴雨及以上降水落區(qū)預(yù)報較準(zhǔn)確，以DCOEF表現(xiàn)最佳，避免了站點(diǎn)的漏報，不足是暴雨落區(qū)預(yù)報范圍略偏大，ECMWF存在部分站點(diǎn)漏報情況，而NCEP無論是范圍還是強(qiáng)度預(yù)報均偏弱。當(dāng)強(qiáng)降水過程以局地分散性為主時，各家數(shù)值產(chǎn)品的預(yù)報能力均表現(xiàn)不足。

(3)對于不同地理區(qū)域的暴雨及以上強(qiáng)降水，各模式預(yù)報表現(xiàn)存在差異，ECMWF對陜北的暴雨預(yù)報較為準(zhǔn)確，在關(guān)中西部和漢中西部DCOEF表現(xiàn)更優(yōu)，而對關(guān)中東部的局地暴雨，則是SCMOC的TS評分較高。

(4)當(dāng)暴雨過程為連續(xù)性降水時，在日變化時間尺度內(nèi)，DCOEF對于單站降水趨勢變化把握較準(zhǔn)確，累計降水量與實(shí)況較為接近，不足的是峰值時間和強(qiáng)度存在偏差。