蘇 翔 劉 梅 康志明 李 昕

1 中國氣象局交通氣象重點(diǎn)開放實驗室，南京 210041 2 江蘇省氣象臺，南京 210041 3 南京氣象科技創(chuàng)新研究院，南京 210041

提 要： 基于江蘇預(yù)報業(yè)務(wù)常用的三個全球模式(ECMWF、NCEP-GFS、CMA-GFS)、三個區(qū)域模式(CMA-MESO、CMA-SH9、PWAFS)、本地客觀預(yù)報和預(yù)報員主觀預(yù)報，對2020年江蘇主汛期(6—9月)中的短期暴雨預(yù)報總體性能進(jìn)行檢驗，并按降水性質(zhì)分穩(wěn)定性暴雨和對流性暴雨分別進(jìn)行了檢驗和個例展示。結(jié)果表明：從總體檢驗來看，預(yù)報員的暴雨主觀預(yù)報僅在24 h時效內(nèi)相比于ECMWF有TS評分正技巧，本地客觀和預(yù)報員暴雨預(yù)報的TS評分>區(qū)域模式>除ECMWF以外的全球模式，且無論是全球模式還是區(qū)域模式，并非分辨率越高預(yù)報性能越好；區(qū)域模式的暴雨預(yù)報大多面積偏大，空報率較高；全球模式除ECMWF以外的暴雨預(yù)報大多面積偏小，漏報率較高；20時起報的CMA-MESO的預(yù)報性能明顯好于08時起報的預(yù)報；對于穩(wěn)定性暴雨預(yù)報，應(yīng)重點(diǎn)參考ECMWF、48 h時效內(nèi)的本地客觀預(yù)報和20時起報的CMA-MESO；對于對流性暴雨預(yù)報，應(yīng)重點(diǎn)參考區(qū)域模式CMA-SH9、PWAFS和24 h時效內(nèi)的本地客觀預(yù)報。

引 言

2020年6月9日江蘇淮河以南地區(qū)自南向北先后入梅，江蘇正式進(jìn)入主汛期(6—9月)。期間經(jīng)歷了長達(dá)51 d的超長梅雨期(6月9日至7月29日)，暴雨頻發(fā)，全省平均梅雨量達(dá)615.4 mm，是常年同期(236 mm)的2.61倍，為有氣象記錄以來第二多(僅次于1991年的738.8 mm)。不少氣象工作者通過診斷分析(杜小玲等，2016；蔣駿等，2016；金瓊等，2020；毛程燕等，2019)和數(shù)值試驗(劉建勇等，2011；閔錦忠等，2018；梅疏影和閔錦忠，2018；張舒陽和閔錦忠，2018)研究了梅雨鋒暴雨的環(huán)流特征和發(fā)展機(jī)制，而且在實際暴雨預(yù)報業(yè)務(wù)中，數(shù)值模式提供的降水預(yù)報是預(yù)報員最重要的參考依據(jù)。

一些學(xué)者對部分業(yè)務(wù)模式的暴雨預(yù)報性能進(jìn)行了檢驗評估。孫素琴等(2017)基于歐洲中期天氣預(yù)報中心(ECMWF)、日本氣象廳(JMA)和T639模式降水預(yù)報產(chǎn)品，對2015年江西省汛期區(qū)域性暴雨預(yù)報進(jìn)行了檢驗，發(fā)現(xiàn)ECMWF模式的降水預(yù)報分布總體偏北，三個模式都存在暴雨漏報的問題。黨英娜(2018)基于ECMWF和華東區(qū)域氣象中心模式(CMA-SH9)，對山東半島2016—2017年汛期暴雨預(yù)報能力進(jìn)行了檢驗，發(fā)現(xiàn)ECMWF暴雨預(yù)報偏弱，CMA-SH9空報率高。宮宇等(2018)對比了中國氣象局全球同化預(yù)報系統(tǒng)(CMA-GFS)、ECMWF和T639在2013—2015年的20次南方暴雨、6次北方暴雨以及12次臺風(fēng)暴雨預(yù)報中的性能，發(fā)現(xiàn)CMA-GFS模式明顯優(yōu)于T639，預(yù)報穩(wěn)定性較好。然而上述研究與江蘇預(yù)報業(yè)務(wù)的實際情況存在一定差距，一方面是區(qū)域氣候特征上的差異，另一方面是所用的業(yè)務(wù)模式有所不同，例如JMA和T639模式在江蘇已被其他的數(shù)值模式所取代。目前江蘇預(yù)報業(yè)務(wù)上常用的三個全球模式為ECMWF、美國國家環(huán)境預(yù)報中心全球預(yù)報系統(tǒng)(NCEP-GFS)、CMA-GFS，常用的三個區(qū)域模式為中國氣象局中尺度天氣數(shù)值預(yù)報系統(tǒng)(CMA-MESO)、CMA-SH9和江蘇本地研發(fā)的精確化天氣分析與預(yù)報系統(tǒng)(PWAFS)(Li et al，2016；2020)，與之相關(guān)的本地化檢驗評估研究仍相對缺乏。

此外，基于統(tǒng)計學(xué)的客觀訂正和基于預(yù)報員經(jīng)驗的主觀訂正相比于數(shù)值模式是否有預(yù)報技巧也是預(yù)報業(yè)務(wù)亟需了解的問題。為了改進(jìn)預(yù)報水平，除了大力發(fā)展更加先進(jìn)的數(shù)值模式以外，模式統(tǒng)計后處理技術(shù)也在暴雨預(yù)報中得到了廣泛應(yīng)用(代刊等，2018；蘇翔和袁慧玲，2020)。例如，江蘇采用改進(jìn)的頻率匹配法(Zhu and Luo，2015；蘇翔等，2021)，對ECMWF確定性預(yù)報進(jìn)行訂正，生成本地客觀降水預(yù)報業(yè)務(wù)產(chǎn)品。2020年主汛期，江蘇還引進(jìn)中央氣象臺主客觀融合算法(唐健等，2018)，并在本地化部署時開發(fā)了集合融合和物理量融合等多種落區(qū)與格點(diǎn)預(yù)報融合技術(shù)，讓預(yù)報員在網(wǎng)格預(yù)報的基礎(chǔ)上制作編輯落區(qū)預(yù)報，實現(xiàn)落區(qū)反演格點(diǎn)預(yù)報產(chǎn)品入庫，形成統(tǒng)一的主客觀融合產(chǎn)品，解決了傳統(tǒng)預(yù)報“兩張皮”的問題，即預(yù)報員的降水落區(qū)預(yù)報與上傳的站點(diǎn)考核預(yù)報不一致的問題。

除了需要考察江蘇2020年主汛期暴雨預(yù)報的整體性能以外，由于不同天氣系統(tǒng)引發(fā)的暴雨存在物理機(jī)制上的差異(傅云飛等，2020)，可進(jìn)一步將暴雨樣本按降水性質(zhì)分為穩(wěn)定性降水和對流性降水分別進(jìn)行檢驗。例如梅雨鋒中不同尺度天氣系統(tǒng)的相互作用使得梅雨鋒暴雨的形成機(jī)制較為復(fù)雜(陸漢城，2019)，既有層狀云降水，也可產(chǎn)生較強(qiáng)的積云對流(壽紹文，2019)。按降水性質(zhì)分類統(tǒng)計不同預(yù)報產(chǎn)品的暴雨預(yù)報性能對于業(yè)務(wù)具有更加實際的指導(dǎo)意義。

本文基于江蘇預(yù)報業(yè)務(wù)常用的數(shù)值模式、本地客觀、預(yù)報員主觀的短期降水預(yù)報產(chǎn)品和站點(diǎn)觀測資料，首先對比不同預(yù)報產(chǎn)品在2020年江蘇主汛期短期暴雨預(yù)報中的整體性能，其次檢驗不同預(yù)報產(chǎn)品在穩(wěn)定性暴雨和對流性暴雨預(yù)報中的不同表現(xiàn)，最后選取典型暴雨個例進(jìn)行展示說明。這些分析有助于預(yù)報員了解不同預(yù)報產(chǎn)品在江蘇主汛期暴雨預(yù)報中的性能，總結(jié)預(yù)報經(jīng)驗，以期提升江蘇主汛期暴雨預(yù)報水平。

1 資 料

1.1 觀測資料

所用的觀測資料來源于中國氣象局考核的259個江蘇基本站和優(yōu)質(zhì)加密站的08時至次日08時和20時至次日20時(北京時，下同)累積降水。相比于僅使用基本站和使用所有加密站，可在保證較高數(shù)據(jù)質(zhì)量的同時提供更加豐富的降水細(xì)節(jié)信息。需要注意的是，使用不同的觀測資料進(jìn)行檢驗所得的預(yù)報評分會有差異。

1.2 模式資料

江蘇預(yù)報業(yè)務(wù)常用的三個全球模式分別為：(1)歐洲中期天氣預(yù)報中心ECMWF模式，水平分辨率為0.125°，每日進(jìn)行2次0～15 d預(yù)報；(2)美國國家環(huán)境預(yù)報中心NCEP-GFS模式，水平分辨率為0.5°，每日進(jìn)行4次0～16 d預(yù)報；(3)我國自主研發(fā)的CMA-GFS模式，水平分辨率為0.25°，每日進(jìn)行2次0～10 d預(yù)報。

江蘇預(yù)報業(yè)務(wù)常用的三個區(qū)域模式分別為：(1)我國自主研發(fā)的中尺度模式CMA-MESO，水平分辨率為3 km，對流可解析(無積云對流參數(shù)化)，每日進(jìn)行2次0～36 h預(yù)報，采用NCEP同時刻分析場和云分析生成模式初值(許晨璐等，2017；張小雯等，2020)；(2)華東區(qū)域氣象中心模式CMA-SH9，水平分辨率為9 km，每日進(jìn)行4次0～72 h預(yù)報，同化了中國高低空常規(guī)觀測資料、雷達(dá)基數(shù)據(jù)以及風(fēng)云衛(wèi)星等多源資料，采用復(fù)雜云分析技術(shù)改善了模式初始場，并對模式的對流參數(shù)化方案和微物理過程進(jìn)行了優(yōu)化(呂林宜等，2019)；(3)江蘇本地PWAFS模式，由江蘇省氣象局與美國俄克拉何馬大學(xué)CAPS實驗室合作搭建，內(nèi)核使用ARW-WRF V3.5.1，采用單向嵌套雙重網(wǎng)格，外層區(qū)域水平分辨率為15 km，采用Kain-Fritsch積云對流方案，內(nèi)層區(qū)域水平分辨率為3 km(本文使用3 km分辨率)，對流可解析，每日進(jìn)行8次預(yù)報，其中08時和20時起報的預(yù)報時效均為0～72 h(Li et al，2016)。

1.3 本地客觀預(yù)報

目前江蘇預(yù)報業(yè)務(wù)上采用改進(jìn)的頻率匹配法(Zhu and Luo，2015；蘇翔等，2021)，對ECMWF確定性降水預(yù)報進(jìn)行實時訂正，生成與原始預(yù)報具有相同水平分辨率的本地客觀預(yù)報業(yè)務(wù)產(chǎn)品。對不同起報時間和預(yù)報時效單獨(dú)進(jìn)行滑動建模，所用的訓(xùn)練樣本為去年同期前后各一個月(共61 d)的歷史預(yù)報和觀測資料。本地客觀預(yù)報算法的目的是通過消除ECMWF模式的頻率偏差對降水強(qiáng)度進(jìn)行訂正，其降水分布形態(tài)通常與ECMWF模式預(yù)報具有較高的相似性。考慮到ECMWF模式數(shù)據(jù)計算和傳輸?shù)臅r間滯后性，本地客觀預(yù)報的起報時間與其所訂正的ECMWF模式降水預(yù)報產(chǎn)品相比落后12 h。例如本地客觀08時起報的24、48、72 h時效產(chǎn)品所訂正的對象為ECMWF模式前一日20時起報的36、60、84 h時效產(chǎn)品。

1.4 預(yù)報員主觀預(yù)報

江蘇2020年主汛期開始實行基于主客觀融合的預(yù)報業(yè)務(wù)流程。預(yù)報員自由選取不同的數(shù)值模式和客觀預(yù)報算法作為網(wǎng)格預(yù)報背景場，并在此基礎(chǔ)上制作編輯降水落區(qū)預(yù)報。系統(tǒng)平臺會通過主客觀融合算法將預(yù)報員繪制的降水落區(qū)預(yù)報轉(zhuǎn)換為連續(xù)變化的格點(diǎn)預(yù)報，形成統(tǒng)一的主客觀融合產(chǎn)品庫。每日06時之前由值班預(yù)報員制作完成08時起報的24、48和72 h逐日降水預(yù)報產(chǎn)品，每日17時之前由首席預(yù)報員制作完成20時起報的24、48和72 h逐日降水預(yù)報產(chǎn)品。

2 檢驗方法

2.1 主汛期暴雨樣本的選取

從2020年江蘇主汛期(6—9月)08時至次日08時和20時至次日20時觀測出現(xiàn)暴雨的日期中剔除暴雨站點(diǎn)數(shù)小于總站點(diǎn)數(shù)2%的局地暴雨日期，分別得到35個和39個暴雨觀測樣本用于江蘇主汛期暴雨預(yù)報的總體性能檢驗。需要注意的是，多樣本總體檢驗可能存在部分降水較多日樣本評分覆蓋降水較少日樣本評分的情況，檢驗結(jié)果僅代表統(tǒng)計時段內(nèi)的總體性能，不代表單日樣本性能。

2.2 預(yù)報時效的對應(yīng)

模式資料由于計算和傳輸?shù)仍颍瑢嶋H的產(chǎn)品可用時間滯后于模式起報時間。例如預(yù)報員早上制作08時起報的24 h預(yù)報時，實際可參考的資料為同一起報時間和預(yù)報時效的本地客觀產(chǎn)品以及各個模式前一日20時起報的36 h時效產(chǎn)品。為了考察預(yù)報員的主觀訂正相比于模式和客觀預(yù)報產(chǎn)品是否有預(yù)報技巧，將預(yù)報員和本地客觀08時起報的24、48、72 h時效產(chǎn)品與各個模式前一日20時起報的36、60、84 h時效產(chǎn)品進(jìn)行對比檢驗，并將預(yù)報員和本地客觀20時起報的24、48、72 h時效產(chǎn)品與各個模式當(dāng)日08時起報的36、60、84 h時效產(chǎn)品進(jìn)行對比檢驗。根據(jù)不同模式預(yù)報時效的長度，CMA-MESO模式僅檢驗36 h時效，CMA-SH9和PWAFS模式僅檢驗36 h和60 h時效。

2.3 穩(wěn)定性暴雨和對流性暴雨的劃分

對于24 h累積降水，目前并沒有一個明確的方法可以劃分穩(wěn)定性降水和對流性降水。層云穩(wěn)定性降水和積云對流性降水既可能存在水平和垂直空間上的疊加，也可能存在時間上更替，可根據(jù)兩者出現(xiàn)的比例，按一定客觀標(biāo)準(zhǔn)劃分為以穩(wěn)定性降水為主的暴雨樣本和以對流性降水為主的暴雨樣本?？紤]到穩(wěn)定性降水具有持續(xù)時間長的特點(diǎn)，對流性降水具有強(qiáng)度大的特點(diǎn)，可采用逐小時站點(diǎn)降水觀測數(shù)據(jù)進(jìn)行客觀劃分。根據(jù)經(jīng)驗和測試，設(shè)計了如下劃分標(biāo)準(zhǔn)：計算將暴雨(≥50 mm·d-1)站點(diǎn)上的24 h累積降水拆分為逐小時降水，計算其中短時強(qiáng)降水(20 mm·h-1)小時數(shù)與降水(>0 mm·h-1)小時數(shù)的比值r；若r≥5%，則判斷為對流性降水(為主)；若r<5%，則判斷為穩(wěn)定性降水(為主)。按此標(biāo)準(zhǔn)，08時至次日08時和20時至次日20時暴雨觀測樣本可分別劃分為9個和12個穩(wěn)定性暴雨樣本，26個和27個對流性暴雨樣本。

2.4 主汛期暴雨的總體檢驗評分

先將所有模式、本地客觀和預(yù)報員主觀網(wǎng)格預(yù)報產(chǎn)品統(tǒng)一雙線性插值到觀測站點(diǎn)上，再分別計算暴雨(≥50 mm·d-1)的頻率偏差(FB)、TS評分、漏報率(PO)、空報率(FAR)(Jolliffe and Stephenson，2003)：

(1)

(2)

(3)

(4)

式中：H、M、F分別為暴雨命中樣本數(shù)、漏報樣本數(shù)和空報樣本數(shù)。這里的樣本數(shù)是時間樣本數(shù)和空間樣本(站點(diǎn))數(shù)的乘積。式(1)中的頻率偏差為統(tǒng)計時段內(nèi)預(yù)報暴雨總樣本數(shù)與觀測暴雨總樣本數(shù)的比值，越接近1代表預(yù)報的系統(tǒng)偏差越小，大于1代表暴雨預(yù)報面積偏大，小于1代表暴雨預(yù)報面積偏小。此外，頻率偏差和TS評分還可以分別寫成漏報率和空報率的函數(shù)：

(5)

(6)

由式(5)可知，當(dāng)漏報率高于空報率時，暴雨預(yù)報面積偏小；當(dāng)空報率高于漏報率時，暴雨預(yù)報面積偏大。由式(6)可知，TS評分的數(shù)值由漏報率和空報率共同決定。選取ECMWF模式為參考模式，將不同預(yù)報產(chǎn)品的TS評分與之進(jìn)行比較，若TS評分高于ECMWF，則為TS評分正技巧，反之則為TS評分負(fù)技巧。

2.5 小樣本檢驗的注意事項

小樣本檢驗可能存在評分不穩(wěn)定的情況。在大樣本總體檢驗時，通常默認(rèn)式(1)～式(4)的分母較大，不會出現(xiàn)評分不穩(wěn)定的情況；但在小樣本檢驗時，例如個例檢驗或按降水性質(zhì)分類檢驗時，式(1)～式(4)的分母可能會變得很小，導(dǎo)致評分?jǐn)?shù)值不穩(wěn)定，引起錯誤理解。例如，NCEP-GFS和CMA-GFS模式2020年6月17日08時起報的12～36 h累積降水相比于2020年6月17日20時至18日20時的降水觀測都沒有報出沿淮分布的暴雨雨帶，兩個模式預(yù)報的暴雨雨帶幾乎都在江蘇區(qū)域以外(3.3節(jié)中將對此進(jìn)行詳細(xì)討論)。兩個模式預(yù)報的暴雨雨帶僅存在細(xì)微的差異，暴雨命中站點(diǎn)數(shù)H分別為1和0，暴雨空報站點(diǎn)數(shù)F分別為0和2，都遠(yuǎn)低于暴雨漏報站點(diǎn)數(shù)37和38，但卻導(dǎo)致兩者的空報率FAR的數(shù)值出現(xiàn)了0和1的巨大差別，與預(yù)報員的主觀感受偏差較大，這是由于暴雨預(yù)報樣本數(shù)(H+F的值)太小導(dǎo)致的評分?jǐn)?shù)值不穩(wěn)定?？紤]到文中的個例檢驗或按降水性質(zhì)分類檢驗所用的暴雨樣本都是基于觀測選取的，即H+M的值不會太小，因此在上述小樣本檢驗時改用空報面積比(FAAR)代替空報率(FAR)以獲得更加符合預(yù)報員主觀感受的檢驗評分結(jié)果：

(7)

即：空報面積比是暴雨空報樣本數(shù)F與暴雨觀測樣本數(shù)H+M的比值，與漏報率PO具有相同的分母，是空報率FAR與頻率偏差FB的乘積。上述例子中兩個模式的空報面積比FAAR分別為0和0.05，代表模式空報的站點(diǎn)數(shù)相對于暴雨觀測站點(diǎn)數(shù)都很低，更加符合預(yù)報員的主觀認(rèn)知。在本文的穩(wěn)定性暴雨和對流性暴雨檢驗中將使用空報面積比代替空報率。

3 檢驗結(jié)果

3.1 總體性能檢驗

3.1.1 24 h時效暴雨預(yù)報檢驗

圖1為2020年江蘇主汛期預(yù)報員和本地客觀08時起報的24 h(對應(yīng)模式20時起報的36 h)暴雨預(yù)報檢驗評分，并已按評分?jǐn)?shù)值大小對預(yù)報產(chǎn)品進(jìn)行排序。全球模式NCEP-GFS和CMA-GFS的暴雨預(yù)報面積最小且暴雨漏報率最高，區(qū)域模式CMA-MESO和CMA-SH9的暴雨預(yù)報面積最大且暴雨空報率較高。從暴雨預(yù)報的TS評分上看，本地客觀、預(yù)報員和CMA-MESO相比于ECMWF都具有一定正技巧。本地客觀和預(yù)報員較好地訂正了ECMWF模式暴雨預(yù)報面積偏小的系統(tǒng)偏差，訂正以后的頻率偏差值更接近1，兩者暴雨預(yù)報的TS評分也最高。CMA-MESO暴雨預(yù)報的TS評分正技巧主要得益于較低的暴雨漏報率。區(qū)域模式PWAFS由于暴雨漏報率和空報率均高于ECMWF，因此暴雨TS評分相比于ECMWF為負(fù)技巧。

圖2為2020年江蘇主汛期預(yù)報員和本地客觀20時起報的24 h(對應(yīng)模式08時起報的36 h)暴雨預(yù)報檢驗評分。部分結(jié)論與圖1一致，即全球模式CMA-GFS和NCEP-GFS的暴雨預(yù)報面積最小且具有最大的暴雨漏報率，區(qū)域模式CMA-SH9和CMA-MESO的暴雨預(yù)報面積最大且具有最大的暴雨空報率。而在暴雨TS評分方面，預(yù)報員和本地客觀預(yù)報相比于ECMWF具有正技巧，這主要得益于較低的暴雨漏報率。區(qū)域模式PWAFS的暴雨漏報率略低于ECMWF，但空報率顯著高于ECMWF，因此其相比于ECMWF模式的暴雨TS評分為負(fù)技巧。值得注意的是，20時和08時起報的CMA-MESO的暴雨TS評分差異較大。雖然兩個時次起報的CMA-MESO的暴雨空報率均較高，但前者的暴雨漏報率低，因此暴雨TS評分較高(圖1)，后者的暴雨漏報率與ECMWF相當(dāng)，暴雨TS評分較低(圖2)。

3.1.2 48 h時效暴雨預(yù)報檢驗

圖3為2020年江蘇主汛期預(yù)報員和本地客觀08時起報的48 h(對應(yīng)模式20時起報的60 h)暴雨預(yù)報檢驗評分。全球模式NCEP-GFS和CMA-GFS的暴雨預(yù)報面積最小且暴雨漏報率最高。僅有區(qū)域模式PWAFS和CMA-SH9的暴雨預(yù)報面積輕微偏大，其他產(chǎn)品的暴雨預(yù)報面積均偏小。從暴雨TS評分上看，所有預(yù)報產(chǎn)品相比于ECMWF均為負(fù)技巧。雖然區(qū)域模式PWAFS和CMA-SH9的暴雨漏報率略低于ECMWF，但暴雨空報率較高，因此暴雨TS評分相比于ECMWF為負(fù)技巧。本地客觀預(yù)報和NCEP-GFS雖然空報率低于ECMWF，但暴雨漏報率較高，因此其暴雨TS評分也為負(fù)技巧。

圖4為2020年江蘇主汛期預(yù)報員和本地客觀20時起報的48 h(對應(yīng)模式08時起報的60 h)暴雨預(yù)報檢驗評分。部分結(jié)論與圖3一致，即全球模式CMA-GFS和NCEP-GFS的暴雨預(yù)報面積最小且具有最大的暴雨漏報率，區(qū)域模式PWAFS和CMA-SH9的暴雨預(yù)報面積最大且具有最大的暴雨空報率。所有預(yù)報產(chǎn)品相比于ECMWF的暴雨預(yù)報TS評分均為負(fù)技巧，其中區(qū)域模式CMA-SH9和PWAFS的暴雨預(yù)報TS評分負(fù)技巧主要源于較高的空報率，全球模式NCEP-GFS和CMA-GFS的暴雨預(yù)報TS評分負(fù)技巧主要來源于較高的漏報率。

3.1.3 72 h時效暴雨預(yù)報檢驗

圖5為2020年江蘇主汛期預(yù)報員和本地客觀08時起報的72 h(對應(yīng)模式20時起報的84 h)暴雨預(yù)報檢驗評分。全球模式CMA-GFS的暴雨TS評分最差，原因是其暴雨漏報率和暴雨空報率都是最高的。NCEP-GFS暴雨預(yù)報面積最小，暴雨漏報率很高，但暴雨空報率最低，因此暴雨TS評分略高于CMA-GFS。預(yù)報員和本地客觀的暴雨漏報率和暴雨空報率均略高于ECMWF，因此暴雨TS評分均略低于ECMWF。

圖1 2020年江蘇主汛期預(yù)報員和本地客觀08時起報的24 h(對應(yīng)模式20時起報的36 h)暴雨預(yù)報的 (a)TS評分，(b)頻率偏差，(c)漏報率和(d)空報率Fig.1 The 24 h forecasts of forecasters and local objective method initialized at 08:00 BT (corresponding to the 36 h forecast of models initialized at 20:00 BT) in terms of torrential rain during the 2020 Jiangsu main flood season (a) TS, (b) frequency bias, (c) miss rate, (d) false alarm ratio

圖2 同圖1，但為預(yù)報員和本地客觀20時起報 (對應(yīng)模式08時起報)Fig.2 Same as Fig.1, but for forecast of forecasters and local objective method initialized at 20:00 BT (corresponding to the forecast of models initialized at 08：00 BT)

圖3 2020年江蘇主汛期預(yù)報員和本地客觀08時起報的48 h(對應(yīng)模式20時起報的60 h)暴雨預(yù)報的 (a)TS評分，(b)頻率偏差，(c)漏報率和(d)空報率Fig.3 The 48 h forecast of forecasters and local objective method initialized at 08:00 BT (corresponding to the 60 h forecast of models initialized at 20:00 BT) in terms of torrential rain during the 2020 Jiangsu main flood season (a) TS, (b) frequency bias, (c) miss rate, (d) false alarm ratio

圖4 同圖3，但為預(yù)報員和本地客觀20時起報 (對應(yīng)模式08時起報)Fig.4 Same as Fig.3, but for forecast of forecasters and local objective method initialized at 20:00 BT (corresponding to the forecast of models initialized at 08:00 BT)

圖5 2020年江蘇主汛期預(yù)報員和本地客觀08時起報的72 h(對應(yīng)模式20時起報的84 h)暴雨預(yù)報的 (a)TS評分，(b)頻率偏差，(c)漏報率和(d)空報率Fig.5 The 72 h forecast of forecasters and local objective method initialized at 08:00 BT (corresponding to the 84 h forecast of models initialized at 20：00 BT) in terms of torrential rain during the 2020 Jiangsu main flood season (a) TS, (b) frequency bias, (c) miss rate, (d) false alarm ratio

圖6為2020年江蘇主汛期預(yù)報員和本地客觀20時起報的72 h(對應(yīng)模式08時起報的84 h)暴雨預(yù)報檢驗評分。結(jié)論與圖5基本一致，主要區(qū)別在于08時起報的CMA-GFS暴雨預(yù)報面積偏小的程度相比于20時起報的更大，其暴雨空報率也明顯下降。

從不同預(yù)報時效的總體檢驗來看：本地客觀預(yù)報和預(yù)報員的暴雨預(yù)報TS評分 > 區(qū)域模式 > 除ECMWF以外的全球模式，僅有24 h時效的本地客觀預(yù)報、預(yù)報員以及20時起報的CMA-MESO相比于ECMWF模式具有暴雨TS評分正技巧，而08時起報的CMA-MESO則性能較差；區(qū)域模式大多暴雨預(yù)報面積偏大，空報率較高；全球模式除ECMWF以外大多暴雨預(yù)報面積偏小，暴雨漏報率較高。

3.2 按降水性質(zhì)檢驗

3.2.1 穩(wěn)定性暴雨預(yù)報檢驗

表1和表2展示了不同起報時間和預(yù)報時效下，不同預(yù)報產(chǎn)品的穩(wěn)定性暴雨TS評分。6個模式里面ECMWF的總體表現(xiàn)最好，僅有20時起報的36 h時效的CMA-MESO和CMA-SH9以及08時起報的84 h時效的NCEP-GFS相比于ECMWF具有暴雨TS評分正技巧。預(yù)報員不同起報時間和預(yù)報時效的暴雨預(yù)報TS評分與ECMWF都相差不大，說明預(yù)報員的主觀預(yù)報參考ECMWF模式較多。然而預(yù)報員僅有08時起報的24 h預(yù)報和20時起報的48 h預(yù)報相比于ECMWF具有暴雨TS評分正技巧，且訂正技巧不如本地客觀預(yù)報。值得注意的是20時起報的36 h時效的CMA-MESO和CMA-SH9相比于ECMWF也具有暴雨TS評分正技巧，這主要得益于兩者具有較小的暴雨漏報率(表略)，但也伴隨著較大的暴雨空報面積比(表略)。此外，08時起報的84 h時效的NCEP-GFS暴雨預(yù)報的TS評分也高于ECMWF，這是由于其暴雨空報面積比很低(表略)?？傮w來看，對于穩(wěn)定性暴雨，ECMWF模式的整體表現(xiàn)較好，48 h時效內(nèi)的本地客觀預(yù)報對ECMWF的訂正大多具有暴雨TS評分正技巧，可供預(yù)報員參考。

圖6 同圖5，但為預(yù)報員和本地客觀20時起報 (對應(yīng)模式08時起報)Fig.6 Same as Fig.5, but for forecast of forecasters and local objective method initialized at 20:00 BT (corresponding to the forecast of models initialized at 08：00 BT)

表1 2020年江蘇主汛期預(yù)報員和本地客觀08時起報的24, 48, 72 h (對應(yīng)模式20時起報的36, 60, 84 h) 暴雨預(yù)報中穩(wěn)定性降水樣本的TS評分Table 1 TSs of stable precipitation samples of the 24, 48, 72 h torrential rain forecast of forecasters and local objective method initialized at 08:00 BT during the 2020 Jiangsu main flood season (corresponding to the 36, 60, 84 h torrential rain forecast of models initialized at 20:00 BT)

表2 同表1，但為預(yù)報員和本地客觀20時起報(對應(yīng)模式08時起報)Table 2 Same as Table 1, but for forecast of forecasters and local objective method initialized at 20:00 BT (corresponding to the forecast of models initialized at 08:00 BT)

3.2.2 對流性暴雨預(yù)報檢驗

表3和表4展示了不同起報時間和預(yù)報時效下，不同預(yù)報產(chǎn)品的對流性暴雨TS評分。本地客觀預(yù)報和預(yù)報員僅在24 h時效下表現(xiàn)較好，區(qū)域模式CMA-SH9和PWAFS相比于ECMWF大多具有暴雨TS評分正技巧，主要得益于較低的暴雨漏報率(表略)，但也存在暴雨預(yù)報面積明顯偏大的問題。值得注意的是，20時起報的48 h和72 h時效的NCEP-GFS相比于ECMWF具有暴雨TS評分正技巧，這是由于其空報面積比很低(表略)，暴雨預(yù)報面積明顯偏小。此外，08時起報的CMA-MESO表現(xiàn)較差的原因在于其空報面積比超過ECMWF的2倍，但暴雨漏報率相比于ECMWF卻沒有降低，虛假暴雨落區(qū)較多?？傮w來看，對于對流性暴雨，區(qū)域模式CMA-SH9、PWAFS以及24 h時效的本地客觀預(yù)報總體表現(xiàn)較好，具有參考價值。

3.3 暴雨個例檢驗

3.3.1 穩(wěn)定性暴雨個例檢驗

圖7為不同模式2020年6月17日08時起報的36 h降水預(yù)報、預(yù)報員和本地客觀2020年6月17日20時起報的24 h降水預(yù)報以及對應(yīng)的2020年6月17日20時至18日20時降水觀測，表5為該穩(wěn)定性降水個例中不同預(yù)報產(chǎn)品暴雨等級的不同評分。下面以此個例為例探討不同類型模式在穩(wěn)定性暴雨預(yù)報中的偏差原因。此次暴雨過程中，觀測的暴雨呈帶狀分布在沿淮一帶。而NCEP-GFS和CMA-GFS漏報了這次暴雨過程，與其存在較大的暴雨漏報率且暴雨預(yù)報面積明顯偏小的統(tǒng)計結(jié)論相一致，這可能是由于這兩個全球模式的分辨率較粗，與降水相關(guān)的物理參數(shù)化方案不夠準(zhǔn)確。全球模式ECMWF的分辨率相對較高，對于穩(wěn)定性暴雨雨帶的強(qiáng)度和位置都把握較好，暴雨TS評分最高。本地客觀預(yù)報在該個例中對于ECMWF模式的訂正效果不理想，暴雨落區(qū)有所減小，暴雨TS評分相比于ECMWF為負(fù)技巧。區(qū)域模式由于分辨率較高，均報出了沿淮一帶的暴雨雨帶，但在強(qiáng)度和位置上仍存在一定的差異。PWAFS預(yù)報的暴雨雨帶偏窄且略偏北，CMA-MESO模式預(yù)報的暴雨雨帶偏寬偏南，因此兩者暴雨預(yù)報的TS評分均較低。CMA-SH9模式預(yù)報的暴雨雨帶的位置預(yù)報較好，暴雨TS評分相對較高。這可能是由于PWAFS和CMA-MESO在3 km分辨率上對于對流過程的解析不夠準(zhǔn)確，而分辨率為9 km的CMA-SH9采用優(yōu)化的對流參數(shù)化方案和微物理過程，獲得了較好的預(yù)報效果。預(yù)報員對ECMWF的暴雨進(jìn)行了增強(qiáng)和落區(qū)擴(kuò)展，出現(xiàn)了較多的空報，因此暴雨TS評分略低于ECMWF。

表3 同表1，但為對流性降水Table 3 Same as Table 1, but for convective precipitation samples

表4 同表2，但為對流性降水Table 4 Same as Table 2, but for convective precipitation samples

圖7 2020年6月17日08時起報的12～36 h降水預(yù)報：(a)ECMWF、(b)NCEP-GFS、(c)CMA-GFS、 (d)CMA-MESO、(e)CMA-SH9、(f)PWAFS， 17日20時起報的0～24 h降水預(yù)報： (g)本地客觀、(h)預(yù)報員，以及(i)對應(yīng)的17日20時至18日20時降水觀測Fig.7 (a-f) the 12-36 h precipitation forecast initialized at 08:00 BT 17, (g, h) the 0-24 h precipitation forecast initialized at 20:00 BT 17 and (i) the corresponding precipitation observation from 20:00 BT 17 to 20:00 BT 18 June 2020 (a) ECMWF, (b) NCEP-GFS, (c) CMA-GFS, (d) CMA-MESO, (e) CMA-SH9, (f) PWAFS, (g) local objective method, (h) forecaster

表5 預(yù)報員和本地客觀2020年6月17日20時起報的24 h(對應(yīng)模式2020年6月 17日08時起報的36 h)暴雨預(yù)報的TS評分、頻率偏差、漏報率和空報面積比Table 5 TS, frequency bias, miss rate and false alarm area rate for the 24 h torrential rain forecast of forecasters and local objective method initialized at 20:00 BT 17 June 2020 (corresponding to the 36 h torrential rain forecast initialized at 08:00 BT June 17 2020)

圖8 同圖7，但為2020年7月18日08時對流性暴雨個例 (a-f)08時起報，(g,h)20時起報，(i)18日20時至19日20時觀測Fig.8 Same as Fig.7, but for the case on 18 July 2020 (a-f) 12-36 h precipitation forecast initialized at 08:00 BT 18, (g, h) 0-24 h precipitation forecast initialized at 20:00 BT 18, (i) observation from 20:00 BT 18 to 20:00 BT 19

3.3.2 對流性暴雨個例檢驗

圖8為不同模式2020年7月18日08時起報的36 h降水預(yù)報、預(yù)報員和本地客觀預(yù)報18日20時起報的24 h降水預(yù)報以及對應(yīng)的18日20時至19日20時降水觀測，表6為該對流性降水個例中不同預(yù)報產(chǎn)品暴雨等級的不同評分。以該個例為例探討不同類型模式在對流性暴雨預(yù)報中的偏差原因。此次暴雨過程的雨帶主體分為兩塊，分別位于江淮之間東南部和沿江東部地區(qū)。三個全球模式都沒能報出這次對流性暴雨過程的雨帶主體部分，其中ECMWF的暴雨雨帶位于沿淮和淮北地區(qū)，而NCEP-GFS和CMA-GFS暴雨預(yù)報面積明顯偏小，沒有明顯的暴雨雨帶，這可能是由于全球模式分辨率較粗，對于中小尺度天氣系統(tǒng)的預(yù)報能力有限所致。區(qū)域模式均在不同程度上報出了觀測的暴雨雨帶，其中CMA-SH9模式的暴雨落區(qū)與實況最為接近，PWAFS也在一定程度上報出了兩塊暴雨主體，但雨帶較為分散，CMA-MESO模式僅報出了江淮之間東部的暴雨主體。CMA-SH9模式預(yù)報好于PWAFS和CMA-MESO的原因可能也是前者采用了積云對流參數(shù)化方案，雖然預(yù)報的雨帶相對平滑但位置較為準(zhǔn)確，后兩者采用了3 km高分辨率的對流解析取代了積云對流參數(shù)化方案，雖然預(yù)報的雨帶結(jié)構(gòu)較為精細(xì)，但暴雨落區(qū)的準(zhǔn)確度不如CMA-SH9模式。本地客觀預(yù)報和預(yù)報員均參考了ECMWF模式預(yù)報的雨帶，落區(qū)偏差較大，暴雨TS評分較低。

表6 預(yù)報員和本地客觀預(yù)報2020年7月18日20時起報的24 h(對應(yīng)模式2020年7月 18日08時起報的36 h)暴雨預(yù)報的TS評分、頻率偏差、漏報率和空報面積比Table 6 TS, frequency bias, miss rate and false alarm area rate for the 24 h torrential rain forecast of forecasters and local objective method initialized at 20:00 BT 18 July 2020 (corresponding to the 36 h torrential rain forecast initialized at 08:00 BT 18 July 2020)

4 結(jié)論與討論

本文對2020年主汛期暴雨預(yù)報中江蘇預(yù)報業(yè)務(wù)常用的三個全球模式(ECMWF、NCEP-GFS、CMA-GFS)、三個區(qū)域模式(CMA-MESO、CMA-SH9、PWAFS)、本地客觀預(yù)報、預(yù)報員主觀預(yù)報進(jìn)行了總體檢驗評估，并按降水性質(zhì)分穩(wěn)定性暴雨和對流性暴雨樣本分別進(jìn)行了預(yù)報性能檢驗，最后展示了典型的穩(wěn)定性暴雨和對流性暴雨個例的檢驗分析結(jié)果，得出以下結(jié)論：

(1)從總體檢驗來看，預(yù)報員的暴雨主觀預(yù)報僅在24 h時效內(nèi)相比于ECMWF有TS評分正技巧，本地客觀預(yù)報和預(yù)報員暴雨預(yù)報的TS評分 > 區(qū)域模式 > 除ECMWF以外的全球模式，且無論是全球模式還是區(qū)域模式，并非分辨率越高預(yù)報性能越好。

(2)區(qū)域模式的暴雨預(yù)報大多面積偏大，空報率較高；全球模式除ECMWF以外的暴雨預(yù)報大多面積偏小，漏報率較高。

(3)20時起報的CMA-MESO的預(yù)報性能明顯好于08時起報的預(yù)報。

(4)對穩(wěn)定性暴雨預(yù)報，應(yīng)重點(diǎn)參考ECMWF、48 h時效內(nèi)的本地客觀預(yù)報和20時起報的區(qū)域模式CMA-MESO。

(5)對于對流性暴雨預(yù)報，應(yīng)重點(diǎn)參考區(qū)域模式CMA-SH9、PWAFS和24 h時效內(nèi)的本地客觀預(yù)報。

以上結(jié)論對于江蘇主汛期的實際業(yè)務(wù)預(yù)報具有一定的指示意義。下面就暴雨預(yù)報檢驗中需要注意的幾點(diǎn)問題進(jìn)行討論：

(1)本文的研究結(jié)論來源于江蘇區(qū)域2020年主汛期(6—9月)的統(tǒng)計結(jié)果，暴雨樣本數(shù)量有限，尤其是穩(wěn)定性暴雨的數(shù)量相對不足，在未來的工作中還需加入更多年份的暴雨樣本進(jìn)行檢驗分析?？紤]到數(shù)值模式發(fā)展過程中存在不定期的系統(tǒng)升級，模式的預(yù)報偏差性能亦可能發(fā)生變化，還需要跟蹤檢驗其預(yù)報性能的變化。此外，未來還可以考慮將檢驗區(qū)域由江蘇拓展到更大的華東區(qū)域，有助于揭示江蘇范圍模式預(yù)報性能相對于周邊地區(qū)的異同之處，亦可為華東區(qū)域的暴雨預(yù)報業(yè)務(wù)提供參考。

(2)雖然三個全球模式里面，分辨率較高的ECMWF性能明顯優(yōu)于分辨率相對較低的NCEP-GFS和CMA-GFS，但在三個區(qū)域模式中，分辨率高達(dá)3 km 的CMA-MESO和PWAFS總體上不如分辨率9 km的CMA-SH9模式。雖然CMA-MESO和PWAFS采用對流解析取代了積云對流參數(shù)化方案，但并未取得更準(zhǔn)確的預(yù)報效果。此外，20時和08時起報的CMA-MESO模式在預(yù)報性能上存在的較大差異，還需要模式研發(fā)人員根據(jù)模式的設(shè)計研究其中的具體原因。

(3)基于頻率匹配的本地客觀訂正在江蘇區(qū)域內(nèi)效果有時并不理想。主要原因包括：首先，模型訓(xùn)練期與檢驗期的頻率偏差不可避免地存在一定的差異；其次，江蘇地區(qū)的空間訓(xùn)練樣本數(shù)較小導(dǎo)致模型并不穩(wěn)定；此外，當(dāng)原始模式的暴雨頻率偏差接近1時，頻率匹配的訂正效果也會受到影響。因此，未來還需要進(jìn)一步加強(qiáng)客觀預(yù)報技術(shù)的研發(fā)，增加多模式集成與人工智能等先進(jìn)的暴雨訂正技術(shù)方法的研究。

(4)在一些暴雨過程中，穩(wěn)定性降水和對流性降水同時存在，如何科學(xué)合理地對這兩類降水類型進(jìn)行劃分以及不同的劃分標(biāo)準(zhǔn)是否會對研究結(jié)論產(chǎn)生影響也是需要進(jìn)一步研究的問題。此外，本文基于觀測的逐小時降水對穩(wěn)定性暴雨和對流性暴雨進(jìn)行劃分，而在實際業(yè)務(wù)中預(yù)報員還需考慮如何根據(jù)模式預(yù)報資料對暴雨降水性質(zhì)進(jìn)行預(yù)判以選擇合適的預(yù)報策略。

(5)在暴雨誤差分類檢驗中，僅僅根據(jù)降水性質(zhì)對暴雨樣本進(jìn)行劃分還不夠細(xì)致。若對暴雨樣本分類太粗，可能無法準(zhǔn)確刻畫不同天氣背景引發(fā)的暴雨預(yù)報的偏差特征；若分類太細(xì)，又可能導(dǎo)致檢驗樣本量不足而失去了統(tǒng)計意義。未來可考慮增加更多年份的暴雨樣本，并根據(jù)不同環(huán)流背景對不同暴雨預(yù)報產(chǎn)品進(jìn)行分類檢驗。