摘要：為了更加直觀和深入地理解對流尺度集合預(yù)報中的降水集合預(yù)報產(chǎn)品，以便進一步向預(yù)報員推廣應(yīng)用，本文開展了基于對流尺度集合預(yù)報方法對2021年8月28—29日的一次暴雨過程的預(yù)報性能分析，對集合預(yù)報的暴雨和大暴雨量級降水預(yù)報技巧進行了綜合分析。結(jié)果表明：（1）不同集合成員降水預(yù)報結(jié)果的差異隨著降水量級的增大越發(fā)明顯，預(yù)報最優(yōu)和最差的成員的TS評分相差0.3以上。（2）概率匹配平均預(yù)報對于暴雨和大暴雨量級降水的預(yù)報技巧優(yōu)于控制預(yù)報，也優(yōu)于集合平均。集合平均由于集合成員預(yù)報的平滑作用導(dǎo)致其對極端降水不敏感，因此，簡單的集合平均不適合于大暴雨以上量級的極端降水預(yù)報。（3）從最小值預(yù)報到最大值預(yù)報，隨著集合百分位的增大，命中率、空報率和頻率偏差均逐漸增大，70%或者80%集合百分位預(yù)報的預(yù)報技巧最優(yōu)，且優(yōu)于集合平均和概率匹配平均預(yù)報。（4）對于重慶東北部偏西地區(qū)出現(xiàn)的大暴雨量級降水，較長預(yù)報時效集合概率預(yù)報均預(yù)報出了一定的降水概率，最長提前60h，相應(yīng)的最優(yōu)的集合成員的降水預(yù)報與實況也較為接近。

關(guān)鍵詞：集合預(yù)報；概率匹配平均；概率預(yù)報；集合百分位

中圖分類號：P456.7"" 文獻標志碼：A""" DOI：10.12406/byzh.2022-053

Analysis of the forecast performance of a rainstorm process based on aconvective scale ensemble prediction system

CHEN Lianglü，GAO Song

（Chongqing Institute of Meteorological Sciences， Chongqing 401147）

Abstract： In order to understand more comprehensively the ensemble forecast results of rainfall with the convective scale ensemble predic- tion system and thus to further recommend them to the weather forecasters， this study carried out the analysis of the forecast performance of a rainstorm process with a convective scale ensemble prediction system. The results show that：（1） The forecast difference of each ensemble member increases with precipitation magnitude， and the threat score difference between the best and worst performed ensemble member is more than 0.3.（2） Probability-matched mean forecast performs better than control forecast and ensemble mean forecast for both rainstorm and heavy rainstorm precipitation. Ensemble mean is insensitive to extreme precipitation due to the smoothing effect of ensemble member forecast. Therefore， ensemble mean is not suitable for extreme precipitation forecast.（3） From the minimum forecast to the maximum fore- cast， with the increase of ensemble percentile， the probability of detection， 1 alarm rate， and frequency bias gradually increase. The fore- cast at 70% or 80% ensemble percentile performs the best， and it is better than the ensemble mean and probability-matched mean forecast.（4） For the heavy rainstorm precipitation in the west part of northeastern Chongqing， the long-time ensemble probability forecasts with lead- ing-times up to 60 h all successfully predict certain precipitation probability of rainstorm， and the forecasted precipitation from the corre- sponding best performed ensemble member is close to the observation.

Key words： ensemble forecast；probability matched mean；probability forecast；ensemble percentile

引言

數(shù)值天氣預(yù)報的實質(zhì)是大氣的初值問題，初值的精度很大程度上決定了預(yù)報結(jié)果的準確度，然而，即使資料同化技術(shù)不斷發(fā)展，數(shù)值預(yù)報所需要的的大氣初始狀態(tài)仍然不可避免地存在各種各樣的誤差。由于大氣的混沌特性（Lorenz，1997；丑紀范，2002），初始場中的任何微小誤差都會使得積分一段時間后的數(shù)值預(yù)報結(jié)果出現(xiàn)較大的差異，有時甚至?xí)霈F(xiàn)完全相反的結(jié)果并導(dǎo)致預(yù)報結(jié)果完全錯誤。鑒于此，Leith （1974）在上世紀70年代首次提出了集合預(yù)報的思想：通過一定的數(shù)學(xué)方法，獲得在一定初值誤差范圍內(nèi)具有某種概率密度函數(shù)分布特征的初值集合，其中每個初值都有可能代表大氣的真實狀況，然后對每個初值進行數(shù)值集合得到一組預(yù)報結(jié)果的集合，由此推斷大氣狀態(tài)的概率密度函數(shù)隨時間的演變。自集合預(yù)報思想首次提出的近幾十年來，集合預(yù)報技術(shù)不斷發(fā)展，研究和應(yīng)用也越來越成熟，為解決單一的確定性預(yù)報存在的不確定性問題提供了可靠的科學(xué)途徑（杜鈞，2002；杜鈞和陳靜，2010；彭濤等，2010；杜鈞和鄧國，2010；林春澤等，2013；杜鈞和李俊，2014；周迪等，2015；楊瑞雯等，2017；張涵斌等，2017；陳良呂等，2019；龐玥等，2019；李俊等，2020；王德立等，2020）。

為了提高對暴雨等災(zāi)害性天氣的預(yù)報能力，自2017年7月起，重慶市氣象局基于WRF模式構(gòu)建了一套對流尺度（3 km）集合預(yù)報系統(tǒng)（陳良呂等，2017）并投入業(yè)務(wù)運行，該系統(tǒng)采用27-9-3 km三重嵌套網(wǎng)格，每天運行兩次（08∶00和20∶00，北京時，以下同），提供11個成員的96 h集合預(yù)報產(chǎn)品，針對預(yù)報員重點關(guān)注的降水預(yù)報，提供了集合成員降水預(yù)報郵票圖以及集合平均預(yù)報、集合概率匹配平均、集合百分位預(yù)報以及集合概率預(yù)報等預(yù)報產(chǎn)品。該系統(tǒng)自業(yè)務(wù)運行以來，相對于單一的確定性預(yù)報而言，為重慶地區(qū)的預(yù)報員在降水預(yù)報方面提供了更多有用的參考，特別是對流尺度強降水預(yù)報。陳良呂等（2017）對該系統(tǒng)的降水預(yù)報性能進行了檢驗評估及綜合分析，結(jié)果表明集合平均預(yù)報和概率匹配平均預(yù)報的檢驗評分優(yōu)于單一的確定性預(yù)報，系統(tǒng)提供的降水概率預(yù)報總體而言具備一定的預(yù)報技巧。然而，上述工作僅從批量試驗統(tǒng)計評分的角度探討了該系統(tǒng)集合預(yù)報產(chǎn)品的降水預(yù)報技巧，對對流尺度集合預(yù)報中降水集合預(yù)報產(chǎn)品預(yù)報性能的理解和認識不夠直觀和深入，有待進一步的研究和探討。

鑒于此，本文將開展重慶市氣象局業(yè)務(wù)運行的對流尺度集合預(yù)報系統(tǒng)對2021年8月28—29日的暴雨過程的預(yù)報性能分析，通過統(tǒng)計檢驗與主觀分析相結(jié)合的方式，對集合成員的降水預(yù)報以及集合平均預(yù)報、集合概率匹配平均預(yù)報、集合百分位預(yù)報以及集合概率預(yù)報等預(yù)報產(chǎn)品的預(yù)報技巧及預(yù)報誤差分布特征進行綜合分析并探討上述集合預(yù)報產(chǎn)品的優(yōu)勢和劣勢，重點關(guān)注暴雨和大暴雨量級的降水預(yù)報結(jié)果，以期更加直觀和深入地理解對流尺度集合預(yù)報中的降水集合預(yù)報產(chǎn)品以便進一步向預(yù)報員推廣應(yīng)用。

1對流尺度集合預(yù)報系統(tǒng)簡介

重慶市氣象局業(yè)務(wù)運行的對流尺度集合預(yù)報系統(tǒng)（陳良呂等，2017）基于WRF V3.3.1模式系統(tǒng)建立，模式區(qū)域為27-9-3 km三重嵌套網(wǎng)格，垂直方向為51層，最外層27 km區(qū)域（12.2°—49.2°N，68.1°—140.4°E）覆蓋了中國及周邊地區(qū)，最內(nèi)層3 km區(qū)域（24.5°—34.5°N，99°—113°E）以重慶為中心，覆蓋了重慶及周邊省份的部分地區(qū)。該系統(tǒng)每天運行兩次（08∶00和20∶00），提供11個成員的96 h集合預(yù)報產(chǎn)品。控制預(yù)報的初值和側(cè)邊界條件通過美國國家大氣海洋大氣局國家環(huán)境預(yù)報中心（NOAA/NCEP）的全球預(yù)報系統(tǒng)（Global Forecast System，GFS）分析初值和預(yù)報資料動力降尺度獲得，其余10個集合成員的初值和側(cè)邊界條件則通過 NCEP 的全球集合預(yù)報系統(tǒng)（Global Ensemble Forecast System，GEFS）分析初值和預(yù)報資料動力降尺度獲得。不同集合預(yù)報成員采用不同的微物理過程、邊界層方案和積云對流參數(shù)化方案，實現(xiàn)對不同集合成員模式物理過程的擾動。

2降水個例及檢驗方法簡介

2.1降水個例簡介

2021年8月28—29日，在高空槽和地面冷空氣的共同影響下，重慶長江沿線以北地區(qū)自西向東出現(xiàn)了一次持續(xù)性強降水過程。如圖1所示，28日08∶00，500 hPa中高緯度為呈“兩槽一脊”型，烏拉爾山脈以東和我國東北部以北各有一冷渦，蒙古國中部為蒙古高壓，冷渦內(nèi)部有源源不斷的冷空氣南下，經(jīng)東北冷渦后部逐漸移向華北、華中和川東北地區(qū)；中低緯地區(qū)短波槽位于四川盆地中部，副熱帶高壓呈扁平帶狀分布，穩(wěn)定少動，脊線大致位于28°N，700 hPa有一明顯的切變線，急流位于重慶西南部到湖北西部一線，且風(fēng)速極大值達20 m ·s-1。

28日20時，冷空氣進一步南下（圖略），在西南暖濕氣流與冷空氣共同作用下，降水加強。28日20∶00—29日08∶00是降水最為強盛的階段，如圖2所示，降水雨帶呈東北—西南向的帶狀分布，重慶東北部多地發(fā)生暴雨和大暴雨，其中巫溪縣（紅池壩）降水最強，24 h 降水量達到222.4 mm （28日08∶00—29日08∶00），最大小時雨強達到40.4 m·h-1（開州區(qū)譚家，28日22∶00）。

2.2 檢驗方法簡介

本文主要針對重慶市氣象局業(yè)務(wù)運行的對流尺度集合預(yù)報系統(tǒng)最內(nèi)層分辨率為3 km的區(qū)域（格點數(shù)為4811361）2021年8月28日08時起報的12—24 h 累計降水預(yù)報進行主觀分析和統(tǒng)計檢驗。將中國氣象局信息中心發(fā)布的0.05°×0.05°降水融合資料（潘旸等，2012）通過雙線性插值方法插值到模式網(wǎng)格上作為實況，根據(jù) Clark 等（2010）鄰域空間檢驗方法（即如果某個格點上出現(xiàn)了某個量級的降水預(yù)報，如果以該格點為中心半徑為9 km的區(qū)域內(nèi)有一個格點上出現(xiàn)了同一量級的降水觀測，則視為預(yù)報正確，否則視為漏報）對降水預(yù)報進行檢驗，鄰域半徑為9 km，主要計算了不同降水量級的TS評分（TS），空報率FAR（RFA），命中率POD（POD）以及頻率偏差 BIAS（Bias），各檢驗評分的具體計算公式如下：

其中，NA 、NB 、NC 和 ND 由表1定義，分別表示預(yù)報有觀測也有（即預(yù)報正確）、預(yù)報有實況無（即空報）、預(yù)報無實況有（即漏報）以及預(yù)報及實況均沒有（即正確否定）。

3集合預(yù)報檢驗結(jié)果分析

3.1集合成員預(yù)報技巧分析

圖3給出了控制預(yù)報（m00）及第1—10個集合成員（m01—m10）2021年8月28日08∶00起報的12—24 h累計降水預(yù)報郵票圖及相應(yīng)的實況，郵票圖是最常見的降水集合預(yù)報產(chǎn)品，直接將各個成員的預(yù)報繪制在一張圖片上，便于預(yù)報員快速了解所有集合成員的預(yù)報結(jié)果。

從圖3中可以看出，各個集合成員預(yù)報的強降水雨帶均呈東北—西南向，與實況一致；對于小雨和中雨量級降水，各個集合成員的預(yù)報總體而言差別不大，與實況相比，范圍和強度略微偏大和偏強；對于大雨、暴雨和大暴雨量級降水，各個集合成員的預(yù)報結(jié)果差別較大，且這種差異隨著降水量級的增大越發(fā)明顯，大暴雨量級降水預(yù)報的差異最顯著；所有集合成員均預(yù)報出了重慶東北部偏西地區(qū)的大暴雨量級降水；總體而言，對于暴雨以上量級降水落區(qū)的預(yù)報，第六個成員（m06）與實況最為接近，m02表現(xiàn)最差。

為了直觀和全面地了解各個集合成員對于暴雨和大暴雨量級降水的預(yù)報技巧，本文繪制了各個集合成員暴雨和大暴雨量級降水的預(yù)報技巧綜合表現(xiàn)圖（Roebber，2009），如圖4所示，圖中橫坐標表示1減去空報率 FAR，縱坐標表示命中率 POD，左下角到右上側(cè)的直線表示頻率偏差BIAS，曲線則表示TS評分，右上角的點表示完美預(yù)報（即POD=1，TS=1，BIAS=1，RFA=0），表征預(yù)報技巧的點越靠右（表示空報率越低）或者越靠上（表示命中率越高）則預(yù)報技巧越高。從圖4可見，總體而言，各個集合成員對這次暴雨過程預(yù)報較好，暴雨量級降水預(yù)報最好（最差）的成員m05（m08）的TS評分超過了0.8（0.5），大暴雨量級降水預(yù)報最好（最差）的成員m06（m02）的TS評分接近0.6（0.3）；表征各個集合成員大暴雨量級降水預(yù)報技巧的點相對于暴雨量級降水而言明顯更加分散，說明各個集合成員大暴雨量級降水預(yù)報的差異相對于暴雨量級降水而言更加明顯，這與圖4的分析結(jié)論是一致的；對于暴雨量級降水的預(yù)報技巧，除了m02和m08外，其余成員的 BIAS評分均大于1，說明集合成員預(yù)報的降水的范圍大于實況；對于大暴雨量級降水的預(yù)報技巧，有5個成員的BIAS 評分大于1，其余6個成員的 BIAS評分小于1，m02的 BIAS評分最小為0.5。

3.2集合釋用產(chǎn)品預(yù)報技巧分析

圖5給出了集合成員m00及集合平均和概率匹配平均于8月28日08∶00起報的12—24 h累計降水預(yù)報及相應(yīng)的實況，集合平均和概率匹配平均是最常用的降水集合預(yù)報釋用產(chǎn)品，它們是通過對集合成員預(yù)報進行統(tǒng)計后處理得到確定性預(yù)報產(chǎn)品，近年來在集合預(yù)報業(yè)務(wù)系統(tǒng)中得到了廣泛的推廣和應(yīng)用（蘇翔和袁慧玲，2020）。集合平均（Du et al.，1997；Clark et al.，2017）就是集合成員簡單的算術(shù)平均，概率匹配平均（Clark et al.，2009；Huang et al.，2017；Qiao et al.，2020；蘇翔和袁慧玲，2020）則是假設(shè)集合平均預(yù)報具有較好的空間分布，而集合成員的預(yù)報在量級上更加準確，在此基礎(chǔ)上將整個模式區(qū)域內(nèi)所有N個格點的集合平均預(yù)報與N×M個集合成員預(yù)報（M表示集合成員個數(shù)）分別排序后進行概率密度函數(shù)匹配（即用所有集合成員的降水頻率去訂正集合平均的降水頻率），并將每個格點上集合平均預(yù)報值替換為的排序?qū)?yīng)的M個集合成員預(yù)報值的平均，最終得到概率匹配平均預(yù)報。

從圖5可見，控制預(yù)報（即m00預(yù)報）雖然對強降水雨帶整體把握較好，但對強降水具體的范圍和落區(qū)與實況相比仍然有明顯的偏差，且大暴雨量級降水比暴雨量級降水更加明顯；集合平均預(yù)報相對于控制預(yù)報而言，降水預(yù)報場明顯更加平滑，重慶東北部及附近地區(qū)的大暴雨量級降水改進不明顯，對于模式區(qū)域東北角河南西南部偏西地區(qū)的大暴雨量級降水則完全漏報；概率匹配平均對于暴雨和大暴雨量級降水的范圍和落區(qū)的預(yù)報都明顯優(yōu)于控制預(yù)報和集合平均。

圖6給出了控制預(yù)報、集合平均和概率匹配平均的暴雨和大暴雨量級降水的預(yù)報技巧綜合表現(xiàn)圖。從圖中可見，對于暴雨量級降水，概率匹配平均預(yù)報的TS 評分最高，集合平均次之，控制預(yù)報最差；對于大暴雨量級降水，概率匹配平均預(yù)報的TS評分最高，控制預(yù)報次之且明顯優(yōu)于集合平均。集合平均相對于控制預(yù)報而言，BIAS評分明顯減小，說明其預(yù)報的大暴雨降水的范圍明顯減小，這與圖5的分析結(jié)論是一致的。綜合圖6和圖7的分析結(jié)果，總體而言，概率匹配平均預(yù)報對于暴雨和大暴雨量級降水的預(yù)報技巧優(yōu)于控制預(yù)報，也優(yōu)于集合平均；集合平均對于暴雨量級降水的預(yù)報技巧優(yōu)于控制預(yù)報，但是對于大暴雨量級的降水的預(yù)報技巧明顯降低，主要原因考慮是集合成員預(yù)報的平滑作用導(dǎo)致集合平均對極端降水不敏感，因此，簡單的集合平均不適合于大暴雨以上量級的極端降水預(yù)報，這與Du等（1997）的研究結(jié)論是一致的。

3.3集合百分位預(yù)報技巧分析

圖8給出了不同集合百分位的8月28日08時起報的12—24 h累計降水預(yù)報及相應(yīng)的實況，集合百分位預(yù)報（胡婧婷等，2022）是常用的降水集合預(yù)報產(chǎn)品，本文對于每個格點上的10個成員的降水預(yù)報從小到大進行排序，排名第一的即是這個格點上的最小值預(yù)報（Min），排名第十的即是最大值預(yù)報（Max）， 排名第四的即是40%集合百分位預(yù)報，以此類推。

目前，在集合預(yù)報業(yè)務(wù)系統(tǒng)中，比較常見的做法是直接繪制出不同的降水的集合百分位預(yù)報產(chǎn)品并展示給用戶，然而這樣的方式會使得用戶難以從大量的集合百分位預(yù)報產(chǎn)品中提取出最可靠的確定性降水預(yù)報信息，因此本文將基于降水個例，對比降水的不同集合百分位預(yù)報產(chǎn)品預(yù)報技巧的差異和預(yù)報誤差的分布特征，并在此基礎(chǔ)上根據(jù)檢驗評分結(jié)果探討不同量級降水最優(yōu)的集合百分位預(yù)報。

從圖7可見，最小值預(yù)報的降水范圍明顯最小，漏報現(xiàn)象最為明顯；最大值預(yù)報降水范圍明顯最大，空報現(xiàn)象最為明顯；其余集合百分位預(yù)報結(jié)果總體而言介于最小值預(yù)報和最大值預(yù)報之間，且隨著集合百分位的增大，降水預(yù)報的范圍逐漸增大，漏報現(xiàn)象逐漸減少，空報現(xiàn)象逐漸增多；總體而言80%集合百分位的預(yù)報結(jié)果與實況最為接近。

為了直觀和全面地了解不同集合百分位預(yù)報產(chǎn)品對于暴雨和大暴雨量級降水的預(yù)報技巧，圖8給出了不同集合百分位預(yù)報的暴雨和大暴雨量級降水的預(yù)報技巧綜合表現(xiàn)圖，從圖8可見，對于暴雨量級降水，從最小值預(yù)報到最大值預(yù)報，隨著集合百分位的增大，命中率、空報率和頻率偏差均逐漸增大。從最小值預(yù)報到70%集合百分位預(yù)報，TS評分隨著集合百分位的增大逐漸增大，70%集合百分位預(yù)報的TS評分最高，此后TS評分隨著集合百分位的增大逐漸減??；對于大暴雨量級降水，類似的，從最小值預(yù)報到最大值預(yù)報，隨著集合百分位的增大，命中率、空報率和頻率偏差均逐漸增大。從最小值預(yù)報到80%集合百分位預(yù)報，TS評分隨著集合百分位的增大逐漸增大，80%集合百分位預(yù)報的TS評分最高，此后TS評分隨著集合百分位的增大逐漸減小。對比圖8和圖6可以發(fā)現(xiàn)，暴雨和大暴雨量級降水對應(yīng)的最優(yōu)的集合百分位預(yù)報均優(yōu)于控制預(yù)報、集合平均預(yù)報及概率匹配平均預(yù)報。

3.4集合概率預(yù)報預(yù)報技巧分析

圖9給出了不同起報時效對應(yīng)的8月28日20∶00到29日08∶00的12 h累計降水概率預(yù)報，集合概率預(yù)報（Hamill，1997）是常用的降水集合預(yù)報產(chǎn)品，可以直觀的向預(yù)報員展示發(fā)生某種降水時間的概率（即可能性）。本文中對于每個格點上的10個成員的降水預(yù)報， 如果有4個成員預(yù)報出了某個量級的降水，則這個格點上該量級降水的概率預(yù)報為40%，以此類推。需要注意的是，這里定義的概率并不是準確的統(tǒng)計學(xué)家貝葉斯定義的概率，它只是為了實際應(yīng)用而設(shè)計的一種有用的估計，它的前提是假定數(shù)值模式能夠準確無誤地反映出某種天氣事件發(fā)生的氣候分布，因此以這種方式產(chǎn)生的概率預(yù)報需要通過大量的試驗來證明是合理可用的。陳良呂等（2017）曾對本文的對流尺度集合預(yù)報系統(tǒng)批量試驗的概率預(yù)報結(jié)果進行了檢驗評估，結(jié)果表明該系統(tǒng)的各個預(yù)報時效的概率預(yù)報的相對作用特征面積評分均大于無技巧值0.5，因此總體而言該系統(tǒng)的降水集合概率預(yù)報具備一定的預(yù)報技巧，是合理可用的。

從圖9可以看出，對于重慶東北部偏西地區(qū)出現(xiàn)的強降水，從8月26日08∶00—28日08∶00的5個不同起報時次對應(yīng)的降水概率預(yù)報均預(yù)報出了一定的暴雨量級降水概率，說明有部分成員預(yù)報出了強降水過程，隨著預(yù)報時效的延長，預(yù)報的降水概率逐漸減小。8月26日08∶00起報的暴雨量級降水概率為20%到30%，說明提前60 h就有部分集合成員預(yù)報出了這一區(qū)域的強降水天氣過程。

圖10給出了從不同起報時效對應(yīng)的集合預(yù)報郵票圖中根據(jù)暴雨以上量級降水的TS評分選出來的預(yù)報最優(yōu)的集合成員對應(yīng)的8月28日20∶00—29日08∶00的12 h累計降水預(yù)報，從圖中可見，雖然強降水的范圍和落區(qū)與實況有一定的偏差，不同起報時效（最長提前了3 d）預(yù)報最優(yōu)的集合成員仍然較為準確的預(yù)報出了重慶東北部偏西地區(qū)出現(xiàn)的強降水。由此說明，若集合預(yù)報中有個別或者部分成員預(yù)報出了極端降水，預(yù)報員應(yīng)給予關(guān)注，并結(jié)合滾動預(yù)報中的各種信息不斷訂正預(yù)報結(jié)論，避免決策失誤。

4結(jié)論和討論

為了更加直觀和深入地理解對流尺度集合預(yù)報中的降水集合預(yù)報產(chǎn)品以便進一步向預(yù)報員推廣應(yīng)用，本文開展了重慶市氣象局業(yè)務(wù)運行的對流尺度集合預(yù)報系統(tǒng)對發(fā)生在2021年8月28—29日的一次暴雨過程的預(yù)報性能分析，通過統(tǒng)計檢驗與主觀分析相結(jié)合的方式，對集合成員的降水預(yù)報以及集合平均預(yù)報、集合概率匹配平均預(yù)報、集合百分位預(yù)報以及集合概率預(yù)報等預(yù)報產(chǎn)品的預(yù)報技巧及預(yù)報誤差分布特征進行了綜合分析，重點關(guān)注了暴雨和大暴雨量級的降水預(yù)報結(jié)果。得出主要結(jié)論如下：

（1）不同集合成員降水預(yù)報結(jié)果的差異隨著降水量級的增大越發(fā)明顯，大暴雨量級降水預(yù)報的差異最為顯著。不同集合成員對于暴雨和大暴雨量級降水的預(yù)報技巧差異較大，預(yù)報最優(yōu)和最差的成員的TS評分相差0.3以上。

（2）概率匹配平均預(yù)報對于暴雨和大暴雨量級降水的預(yù)報技巧優(yōu)于控制預(yù)報，也優(yōu)于集合平均；集合平均對于暴雨量級降水的預(yù)報技巧優(yōu)于控制預(yù)報，但是對于大暴雨量級的降水的預(yù)報技巧明顯降低，主要原因考慮是集合成員預(yù)報的平滑作用導(dǎo)致集合平均對極端降水不敏感，因此，簡單的集合平均不適合于大暴雨以上量級的極端降水預(yù)報。

（3）對于暴雨和大暴雨量級降水的集合百分位預(yù)報，從最小值預(yù)報到最大值預(yù)報，隨著集合百分位的增大，命中率、空報率和頻率偏差均逐漸增大，就本個例而言，70%或者80%集合百分位預(yù)報的預(yù)報技巧最優(yōu)，且優(yōu)于集合平均預(yù)報和概率匹配平均預(yù)報。

（4）對于重慶東北部偏西地區(qū)出現(xiàn)的大暴雨量級降水，較長預(yù)報時效集合概率預(yù)報均預(yù)報出了一定的降水概率，最長提前60 h，相應(yīng)的最優(yōu)的集合成員的降水預(yù)報與實況也較為接近，說明提前60 h就有部分集合成員較為準確的預(yù)報出了這一區(qū)域的強降水天氣過程。

根據(jù)上述研究結(jié)論，預(yù)報員在使用對流尺度集合預(yù)報系統(tǒng)開展暴雨預(yù)報的過程中可以結(jié)合實際情況適當?shù)貐⒖几怕势ヅ淦骄约?0%和80%集合百分位預(yù)報產(chǎn)品，它們的預(yù)報效果總體而言明顯優(yōu)于單一的控制預(yù)報。值得注意的是，簡單的集合平均不適合于大暴雨以上量級的極端降水預(yù)報。另外，建議預(yù)報員在發(fā)現(xiàn)集合預(yù)報中有個別或者部分成員預(yù)報出了極端降水時應(yīng)給予關(guān)注，并結(jié)合滾動預(yù)報中的各種信息不斷訂正預(yù)報結(jié)論，避免決策失誤。

本文的主要目的是為了更加直觀和深入地了解各種降水集合預(yù)報產(chǎn)品并進一步向預(yù)報員推廣應(yīng)用，但文中僅對一次暴雨個例的預(yù)報結(jié)果進行了檢驗評估和綜合分析，因此文中的一些結(jié)論還需要通過對大量個例的檢驗分析來加以驗證。今后擬基于本文的對流尺度集合預(yù)報系統(tǒng)連續(xù)一年的降水預(yù)報資料進行檢驗評估及綜合分析，進一步明確不同集合成員以及各種集合預(yù)報釋用產(chǎn)品預(yù)報結(jié)果的差異與及其與降水量級和預(yù)報時效的關(guān)系、不同量級降水以及同一量級降水在不同預(yù)報時效各個集合百分位預(yù)報的誤差分布特征以及統(tǒng)計意義上的最優(yōu)集合百分位預(yù)報等，為預(yù)報員合理使用降水集合預(yù)報產(chǎn)品提供更多有益的科學(xué)參考。

參考文獻（References）：

陳良呂，吳鉦，高松.2017.重慶中尺度集合預(yù)報系統(tǒng)預(yù)報性能分析[J].高原山地氣象研究，37（4）：21-27. Chen L L， Wu Z， Gao S.2017. Predic- tion performance analysis of Chongqing Mesoscale Ensemble Predic- tion System [J]. Plateau and Mountain Meteorology Research，37（4）：21-27（in Chinese）. doi：10.3969/j.issn.1674-2184.2017.04.004

陳良呂，吳鉦，高松.2019.對流尺度集合預(yù)報中模式地形擾動對其預(yù)報技巧的影響研究[J].暴雨災(zāi)害，38（6）：649-657. Chen L L， Wu Z， Gao S.2019. Study on the influence of model topography perturbation on pre- diction skill in a convection-allowing scale ensemble prediction sys- tem [J]. Torrential Rain and Disasters，38（6）：649-657（in Chinese）. doi：10.3969/j.issn.1004-9045.2019.06.010

丑紀范.2002.大氣科學(xué)中的非線性和復(fù)雜性[M].北京：氣象出版社. Chou J F.2002. Nonlinearity and Complexity in Atmospheric Scienc- es [M]. Beijing： China Meteorological Press （in Chinese）

杜鈞，陳靜.2010.單一值預(yù)報向概率預(yù)報轉(zhuǎn)變的基礎(chǔ)：談?wù)劶项A(yù)報及其帶來的變革[J].氣象，36（11）：1-11. Du J， Chen J.2010. The Corner Stone in Facilitating the Transition from Deterministic to Probabilistic Forecasts-Ensemble Forecasting and Its Impact on Numerical Weath- er Prediction [J]. Meteorological Monthly，36（11）：1-11（in Chinese）. doi：10.7519/j.issn.1000-0526.2010.11.001

杜鈞，鄧國.2010.單一值預(yù)報向概率預(yù)報轉(zhuǎn)變的價值：談?wù)劯怕暑A(yù)報的檢驗和應(yīng)用[J].氣象，36（12）：10-18. Du J， Deng G.2010. The Utility ofthe Transition from Deterministic to Probabilistic Weather Fore-casts-Verification and Application of Probabilistic Forecasts [J]. Mete- or Mon，36（12）：10-18（in Chinese）. doi：10.7519/j.issn.1000-0526.2010.12.002

杜鈞，李俊.2014.集合預(yù)報方法在暴雨研究和預(yù)報中的應(yīng)用[J].氣象科技進展， 4（5）：6-20. Du J， Li J.2014. Application of Ensemble Methodolo- gy to Heavy-Rain Research and Prediction [J]. Advance in Meteorolog- ical Science and Technology，4（5）：6-20（in Chinese）. doi：10.3969/j.issn.2095-1973.2014.05.001

杜鈞.2002.集合預(yù)報的現(xiàn)狀和前景[J].應(yīng)用氣象學(xué)報，13（1）：16-28. Du J.2002. Present situation and prospects of ensemble numerical predic- tion. Journal of Applied Meteorological Science，13（1）：16-28（in Chi- nese）

胡婧婷，陳良呂，夏宇.2022.對流尺度集合預(yù)報系統(tǒng)中地面要素釋用產(chǎn)品的預(yù)報性能分析[J].暴雨災(zāi)害，41（2）：204-214. Hu J T， Chen L L， XiaY.2022. Research on the application of surface elements ensemble forecast products of a convective scale ensemble prediction system[J]. Torrential Rain and Disasters，41（2）：204-214（in Chinese）. doi：10.3969/j. issn.1004-9045.2022.02.011

林春澤，祁海霞，智協(xié)飛，等.2013.中國夏季降水多模式集成概率預(yù)報研究[J].暴雨災(zāi)害，32（4）：354-359. Lin C Z， Qi H X， Zhi X F， et al.2013. Study on multi-model ensemble probability forecast for summer pre- cipitation in China [J]. Torrential Rain and Disasters，32（4）：354-359（in Chinese）. doi：10.3969/j.issn.1004-9045.2013.04.008

李俊，杜鈞，許建玉，等.2020.一次特大暴雨過程高分辨率集合預(yù)報試驗的檢驗和評估[J].暴雨災(zāi)害， 39（2）：176-184.Li J， Du J， Xu J Y， et al.2020. The assessment and verification of high-resolution ensemble forecast for a heavy rainstorm [J]. Torrential Rain and Disasters，39（2）：176-184（in Chinese）. doi：10.3969/j.issn.1004-9045.2020.02.008

潘旸，沈艷，宇婧婧，等.2012.基于最優(yōu)插值方法分析的中國區(qū)域地面觀測與衛(wèi)星反演逐時降水融合試驗[J].氣象學(xué)報，70（6）：1381-1389. Pan Y， Shen Y， Yu J J， et al.2012. Analysis of the combined gauge-satellite hourly precipitation over China based on the OI tech- nique [J]. Acta Meteorologica Sinica，78（6）：1381-1389（in Chinese）. doi：10.11676/qxxb2012.116

龐玥，王歡，夏蘩，等.2019. ECMWF集合預(yù)報統(tǒng)計量產(chǎn)品在重慶降水預(yù)報中的檢驗與分析[J].沙漠與綠洲氣象，13（3）：1-7. Pang Y， Wang H， Xia F， et al.2019. Verification and Analysis of ECMWF Ensemble Sta- tistic Products in Chongqing Precipitation Forecast [J]. Desert and Oa- sis Meteorology，13（3）：1-7（in Chinese）

彭濤，李俊，殷志遠，等.2010.基于集合降水預(yù)報產(chǎn)品的汛期洪水預(yù)報試驗[J].暴雨災(zāi)害，29（03）：76-80. Peng T， Li J， Yin Z Y， et al.2010. Pre- liminary Experiment on Flood Forecast in Flood Season Based on En- semble Precipitation Prediction Products [J]. Torrential Rain and Di- sasters，29（3）：76-80（in Chinese）. doi：10.3969/j.issn.1004-9045.2010.03.005

蘇翔，袁慧玲.2020.集合預(yù)報統(tǒng)計學(xué)后處理技術(shù)研究進展[J].氣象科技進展，10（2）：30-41. Su X， Yuan H L.2020. The Research Progress of En- semble Statistical Postprocessing Methods [J]. Advance in Meteorologi- cal Science and Technology，10（2）：30-41（in Chinese）. doi：10.3969/j. issn.2095-1973.2020.02.005

王德立，黃輝軍，陳訓(xùn)來，等.2020.深圳對流尺度集合預(yù)報系統(tǒng)對臺風(fēng)降水預(yù)報的檢驗評估[J].熱帶氣象學(xué)報，36（6）：759-771. Wang D L， Huan H J， Chen X L.2020. Verification and Evaluation of Typhoon Precipitation Forecast by Shenzhen Storm-Scale Ensemble Forecast System [J]. Journal of Tropical Meteorology，36（6）：759-771（in Chi- nese）. doi：10.16032/j.issn.1004-4965.2020.068

楊瑞雯，趙琳娜，鞏遠發(fā)，等.2017.中國東南地區(qū)降水的兩種集合預(yù)報綜合偏差訂正對比分析[J].暴雨災(zāi)害，36（6）：507-517. Yang R W， Zhao L N， Gong Y F， et al.2017. Comparative analysis of integrated bias correction to ensemble forecast of precipitation in southeast China [J]TorrentialRainandDisasters，36（6）：507-517（inChinese）.doi：10.3969/j. issn.1004-9045.2017.06.003

張涵斌，智協(xié)飛，陳靜，等.2017.區(qū)域集合預(yù)報擾動方法研究進展綜述[J].大氣科學(xué)學(xué)報，40（2）：145-157. Zhang H B， Zhi X F， Chen J， et al.2017. Achievement of perturbation methods for regional ensemble fore- cast [J]. Transactions of Atmospheric Sciences，40（2）：145-157（in Chi- nese）. doi：10.13878/j.cnki.dqkxxb.20160405001

周迪，陳靜，陳朝平，等.2015.暴雨集合預(yù)報-觀測概率匹配訂正法在四川盆地的應(yīng)用研究[J].暴雨災(zāi)害，34（2）：97-104.Zhou D， Chen J， Chen C P， et al.2015. Application research on heavy rainfall calibration based on ensemble forecast vs. observed precipitation probability matching method in the Sichuan basin [J]. Torrential Rain and Disasters，34（2）：97-104（in Chinese）. doi：10.3969/j.issn.1004-9045.2015.02.001

Clark A J， Gallus Jr W A， Xue M， et al.2009. A comparison of precipitation forecast skill between small convection-allowing and large convec- tion-parameterizing ensembles [J]. Weather and Forecasting，24（4）：1121-1140. doi：10.1175/2009WAF2222222.1

Clark A J， Gallus Jr W A， Weisman M L.2010. Neighborhood-based verifi- cation of precipitation forecasts from convection-allowing NCAR WRF model simulations and the operational NAM [J]. Weather and Forecast- ing， 25（5）：1495-1509. doi：10.1175/2010WAF2222404.1

Clark A J.2017. Generation of Ensemble Mean Precipitation Forecasts from Convection-Allowing Ensembles [J]. Weather and Forecasting，32（4）：1569-1583. doi：10.1175/WAF-D-16-0199.1

Du J， Mullen S L， Sanders F.1997. Short-range ensemble forecasting of quantitative precipitation [J]. Monthly Weather Review，125（10）：2427-2459. doi：10.1175/1520-0493（1997）125lt;2427：SREFOQgt;2.0.CO;2

Huang L， Luo Y.2017. Evaluation of quantitative precipitation forecasts by TIGGE ensembles for south China during the presummer rainy sea- son [J]. Journal of Geophysical Research-atmospheres，122（16）：8494-8516. doi：10.1002/2017JD026512

Hamill T M.1997. Reliability Diagrams for Multicategory Probabilistic Forecasts [J]. Weather and Forecasting， 12（4）：736-741. doi：10.1175/1520-0434（1997）012lt;0736：RDFMPFgt;2.0.CO;2

Leith C E.1974. Theoretical skill of Monte Carlo forecasts [J]. Monthly Weather Review， 102（6）：409-418. doi：10.1175/1520-0493（1974）102lt;0409：TSOMCFgt;2.0.CO;2

Qiao X， Wang S， Schwartz C S， et al.2020. A Method for Probability Match- ing Based on the Ensemble Maximum for Quantitative Precipitation Forecasts [J]. MonthlyWeatherReview，148（8），3379-3396. doi：10.1175/MWR-D-20-0003.1

Roebber P J.2009. Visualizing multiple measures of forecast quality [J]. Weather and Forecasting， 24（2）：601-608. doi：10.1175/2008WAF2222159.1

（責(zé)任編輯閔愛榮）