趙淵明 漆梁波

上海中心氣象臺，上海 200030

提 要：利用2018年4—8月格點降水分析資料和4個業(yè)務高分辨率區(qū)域模式降水預報資料，應用分位數(shù)頻率匹配法對模式1 h降水預報分別訂正；基于上游關鍵區(qū)域的檢驗結果，采用動態(tài)權重多模式集成技術，探討了多模式集成技術在短時強降水概率預報中的應用前景。結果表明：分位數(shù)頻率匹配法對強降水預報改進具有正效果，可以減少模式的系統(tǒng)性偏差，提高模式降水預報的準確率。在短時臨近時效內(nèi)，上游關鍵區(qū)域降水信息對下游地區(qū)降水預報具有指示意義，基于上游關鍵區(qū)實況檢驗的動態(tài)權重多模式降水概率預報較簡單集成概率具有更高的預報準確率，預報效果也更為穩(wěn)定。個例分析也表明該技術對短時臨近時效內(nèi)的短時強降水預報預警有較好的指導作用。

引 言

短時強降水是一種生消迅速、局地性強、致災程度高的災害性天氣，對其的預報、預警一直是氣象業(yè)務工作中的重點和難點。短時強降水的短時臨近預報方法主要包括實況外推、統(tǒng)計預報、數(shù)值模式等?；诶走_回波與衛(wèi)星圖像的實況外推在0～1 h的臨近預報中相當有效，如交叉相關法和單體質(zhì)心法等，通過提取風暴移動特征來實現(xiàn)路徑預報，然而由于缺乏對強對流系統(tǒng)發(fā)生、發(fā)展和消亡的物理機制描述，隨著時效增加，實況外推的預報能力迅速降低(Wilson et al,2010;鄭永光等，2013)。統(tǒng)計預報方法基于歷史資料獲得統(tǒng)計關系或經(jīng)驗閾值，利用探空資料等對強對流天氣的發(fā)生潛勢進行預報，如配料法、指數(shù)法、消空法、套疊法等，然而受限于高空觀測的時空分辨率，統(tǒng)計預報結果的時空分辨率較低且以定性為主(張小玲等，2018)。數(shù)值模式在動力與物理過程描述上雖仍存在一些不足，但其對強對流系統(tǒng)活動的刻畫在原理上優(yōu)于實況外推方法，在時空分辨率上優(yōu)于統(tǒng)計預報方法(陳葆德等，2013)。利用基于數(shù)據(jù)同化技術，包含詳細熱動力和微物理過程的中小尺度數(shù)值模式，可提高對強對流天氣發(fā)生、發(fā)展的預報能力(Wilson and Mueller,1993；陳明軒等，2004)。

隨著高性能計算的迅速發(fā)展，數(shù)值預報模式的分辨率逐漸提高，高分辨率數(shù)值模式本身存在的諸多“不完美”可以藉由合適的后處理技術得以“完善”。英國的NIMROD系統(tǒng)(Nowcasting and Initialisation for Modelling Using Regional Observation Data System)、美國的NIWOT系統(tǒng)、香港天文臺的SWIRLS(Short-Range Warnings of Intense Rainstorm of Localized System)系統(tǒng)以及中國自主研發(fā)的GRAPES-SWIFT(Global-Regional Assimilation Prediction System:Severe Weather Integrated Forecast Tools)系統(tǒng)通過賦予外推與模式預報在不同時效上以不同權重來進行短時臨近降水預報(王秀明等，2015)；上海中心氣象臺通過尺度分解，利用雷達外推和區(qū)域高分辨率數(shù)值模式預報，實現(xiàn)目標訂正及權重融合，建立了0～6 h短時臨近精細化客觀預報定量降水融合產(chǎn)品(儲海等，2017)?；趯崨r檢驗的統(tǒng)計預報融合也是業(yè)務預報常用的訂正方法，用以對模式預報的系統(tǒng)性偏差進行訂正，在短時臨近時效內(nèi)效果尤為顯著。Qi et al(2014)基于ECMWF的熱帶氣旋路徑集合預報，通過評估集合成員在短時效內(nèi)的預報誤差，優(yōu)選出誤差較小的若干成員進行算術平均，其在短時臨近時效內(nèi)(12 h)的預報效果優(yōu)于加權平均。此外，一些學者還提出了基于實況的模式降水預報訂正技術。如Johnson and Wang(2012)利用鄰域法和目標向檢驗對高分辨率模式降水概率預報進行訂正，僅用鄰域法的概率預測在午后對流高發(fā)時段預報技巧差，而目標向訂正通常能提高技巧。Zhu et al(2002)、Zhu and Luo(2015)和代刊等(2018)則應用頻率匹配方法，通過假設降水預報頻率與觀測頻率分布一致，對定量降水預報進行訂正，雖然在極端事件和干偏差消除方面具有局限性，但對降水強度誤差控制方面具有明顯的積極作用。吳啟樹等(2017)的評分最優(yōu)化訂正算法，在不改變雨帶預報位置和形態(tài)的前提下，對各級降水預報進行訂正，在業(yè)務應用中取得良好表現(xiàn)。

短時強降水事件不確定性大，概率預報而非確定性預報能夠更好地面向不同用戶提供決策基礎(杜鈞和鄧國，2010)。陳朝平等(2010)和祁海霞等(2020)先后利用貝葉斯概率理論，采用歷史觀測資料對集合概率預報進行訂正，提高了原始集合預報的技巧。唐文苑和鄭永光(2019)利用滯后集合預報方法構建多個成員，利用最優(yōu)評分得到逐小時降水訂正預報，顯著提高了模式對強降水位置、形態(tài)和量級的預報水平。黃威和牛若蕓(2017)利用SVM多模式集成預報提高了中期暴雨預報準確率，其優(yōu)勢主要體現(xiàn)在對強降水中心分布的范圍和強度的預報更接近實況。他們的結果都表明，基于單一模式集合預報或多模式集成預報，通過實況檢驗和頻率訂正，可以得到更為可靠的概率預報。Liguori and Rico-Ramirez(2012)評估了雷達與模式融合預報，隨著降水強度和模式分辨率的增加，概率融合預報相對于確定性預報的優(yōu)勢更為明顯，定量降水概率預報是預報業(yè)務發(fā)展的大趨勢。本文分“兩步走”，利用四個業(yè)務高分辨率區(qū)域模式降水預報構建集成預報，先應用分位數(shù)頻率匹配法，對多模式小時降水預報進行訂正；同時基于上游關鍵區(qū)域的實時檢驗評分結果，調(diào)整各模式動態(tài)權重，從而得到訂正的逐小時降水概率預報，以探討多模式動態(tài)集成技術在短時強降水概率預報中的應用前景。

1 數(shù)據(jù)與方法

1.1 數(shù) 據(jù)

經(jīng)過多年引進吸收與自主研發(fā)，國家氣象中心和多個區(qū)域氣象中心均建立了區(qū)域高分辨率數(shù)值預報業(yè)務系統(tǒng)。選取2018年4—8月每日08時起報的歐洲中期天氣預報中心高分辨全球模式(ECMWF-IFS)的500、700和850 hPa風場作為背景流場(用于確認與動態(tài)權重相關的上游關鍵區(qū)，詳見下文)，同期各時次起報的四個業(yè)務高分辨率區(qū)域模式作為多模式成員，即GRAPES-Meso、RMAPS、SMS-WARMS(以下簡稱WARMS)、GRAPES-MARS(以下簡稱MARS),各模式性能詳見表1。

降水實況格點數(shù)據(jù)采用國家氣象信息中心下發(fā)的智能網(wǎng)格實況融合降水分析數(shù)據(jù)(CMPA-FRT)，時間分辨率為1 h，空間分辨率為0.05°×0.05°，空間范圍為0°～60°N、70°～145°E，采用空間模糊檢驗時，以0.2°(約20 km)半徑為模糊窗區(qū)取實況最大值，計在0.1°×0.1°網(wǎng)格上；頻率匹配時，則采用跳點取值取到0.1°×0.1°網(wǎng)格。王在文等(2016)指出，雖然降水評分與模式或?qū)崨r水平分辨率有關，但對于中雨以上量級的降水，模式水平分辨率的改變對評分的影響趨勢不明顯。故預報數(shù)據(jù)采用線性插值方法統(tǒng)一插值到0.1°×0.1°網(wǎng)格上，研究范圍為20°～40°N、100°～125°E。

1.2 訂正方法

分位數(shù)頻率匹配法是一種基于實況的模式預報訂正方法，假設區(qū)域內(nèi)模式預報降水相對大小具有參考意義，只在具體降水量上存在偏差；則僅將降水預報頻率分布訂正為觀測頻率，便可以消除模式預報降水各量級頻率分布的系統(tǒng)性偏差(圖1a)。實際計算方法如下：以一段時間內(nèi)模式預報逐小時降水分布(大小)的各百分位數(shù)與實況降水分布(大小)的對應百分位數(shù)進行匹配，模式預報降水與實況降水的各百分位數(shù)均采用降序排列，在上述對應的兩組百分位數(shù)之間建立分段線性關系：

R=aRm+b

(1)

式中：R為訂正結果，Rm為訂正前模式輸出結果,a、b分別表示斜率與截距，由模式預報與實況計算得到a、b，并逐日隨滑動步長更新。在本文中，滑動步長選取起算時間過去20 d，在保證樣本量的同時，也避免了不同季節(jié)降水性質(zhì)差異以及數(shù)值模式版本變化引入的新誤差，后續(xù)進行預報集成時采用經(jīng)過匹配訂正的預報結果。

根據(jù)業(yè)務實踐，當雷暴自身的傳播效應對雷暴整體移動影響不大時，雷暴移動大致受大氣各層平均風場的引導，受此啟發(fā)，由平均引導流確定上游關鍵區(qū)域。以ECMWF-IFS當日08時起報的未來0～30 h的850、700和500 hPa 3個特征層平均風矢，插值得到逐小時的平均風場，采用溯源方法反推各點3 h前的上游位置，考慮模式預報偏差、移動速度與引導氣流的關系，以上游位置為中心，3 h移動路程為半邊長確定的上游敏感區(qū)域的大小，該區(qū)域最大程度涵蓋了待研究格點3 h前的上游區(qū)域信息(圖1b)。檢驗該敏感區(qū)內(nèi)模式預報與實況降水，檢驗方法為TS(threat score)評分，檢驗閾值為5 mm·(3 h)-1，以評分作為賦權依據(jù)。

圖1 頻率匹配法(a)和上游敏感區(qū)確定方法(b)示意圖

確定初始預報時刻不同模式的權重

(2)

在降水預報集成概率的計算中，由于短時強降水時空尺度較小，為了減少模式由落區(qū)偏差和時間偏差造成的雙重懲罰，利用時空鄰域法對概率進行平滑。首先設定不同的閾值(V)，對時空鄰域內(nèi)模式預報降水超過閾值的格點進行計數(shù)，預報降水率(R)超過V(例如5 mm·h-1)則該格點I記為1，其余則記為0，那么第i個模式待預報點超過設定閾值的概率為Pi。

(3)

(4)

式中：l為空間鄰域緯向方向的格點，m為空間鄰域經(jīng)向方向的格點，t為時間鄰域，N為時空鄰域格點總數(shù)。

從而，由模式定量降水概率(Pi)與對應模式權重系數(shù)(Qi)乘積之和確定動態(tài)權重調(diào)整后格點短時強降水的概率(P)：

(5)

1.3 檢驗方法

對訂正結果進行檢驗以驗證該方法的預報效果，由于訂正是基于高分辨率模式展開的，在某個格點上依然存在預報發(fā)生而實況未發(fā)生或預報未發(fā)生而實況發(fā)生的雙重懲罰，故采取空間上的模糊檢驗(李佰平等，2016)。本文采用的模糊半徑為0.2°，對每日08時起報的預報時效為6～30 h逐小時降水預報進行訂正和檢驗，除TS評分、探測效率(probability of detection,POD)、空報率(false alarm ratio,FAR)等常規(guī)評分以外，還采用Bias比較預報與觀測的頻率偏差，ETS(equitable threat score)、HK(Hanssen and Kuipers discriminant)評分排除氣候頻率的干擾，對預報進行綜合評估，采用BS(Brier score)評分和可靠性圖解驗證概率預報的準確度。

根據(jù)表2中預報和觀測的關系，可以得到如下各檢驗評分的具體計算公式：

表2 天氣事件檢驗分類表

(6)

(7)

(8)

(9)

(10)

(11)

(12)

式中：pi為預報概率，oi為觀測概率(事件發(fā)生記1，未發(fā)生記0)，N為格點總數(shù)，i為格點序號。

2 結果與分析

根據(jù)第一節(jié)介紹的降水概率預報集成思路，設計了動態(tài)權重多模式短時強降水概率預報流程：利用起算時間過去20 d歷史數(shù)據(jù)進行分位數(shù)頻率匹配訂正，輸出處理完畢的模式預報數(shù)據(jù)；基于上游關鍵區(qū)的檢驗結果，采用動態(tài)權重訂正得到定量降水概率預報。利用2018年4—8月研究區(qū)域逐小時降水預報與實況進行訓練和檢驗，檢驗分位數(shù)頻率匹配訂正和動態(tài)權重集成的效果。

2.1 分位數(shù)頻率匹配訂正效果分析

由于初始場誤差的存在以及物理框架和參數(shù)化方案的不完善，模式輸出結果存在隨機性和系統(tǒng)性誤差，需要通過一些方法進行訂正，頻率訂正技術是其中一種被廣泛使用的技術(李俊等，2015)。利用觀測降水的頻率分布校正預報降水，既改進降水預報的落區(qū)，也能改進降水預報的量級。利用第一節(jié)介紹的分位數(shù)頻率匹配法對2018年7月各模式預報結果進行訂正，結果如下。圖2a～2e顯示了實況降水分析數(shù)據(jù)與模式預報各量級降水率的頻率分布。可以看出，實況降水率大致呈現(xiàn)γ分布，弱降水事件的頻率要比強降水事件大得多，隨著降水率的增大，事件發(fā)生頻率迅速降低；模式預報降水率的頻率分布雖也呈γ分布，但各模式之間以及模式與實況分析之間頻率分布并不一致，如MARS與RMAPS的降水頻率直方圖顯得“瘦長”，表現(xiàn)出低估降水的傾向，二者頻率峰值較實況更高，且頻率隨降水率增大更快地下降；與之相比，GRAPES-Meso和WARMS在小量級降水預報的頻率偏低，隨降水率增大頻率降低較緩，其中WARMS對10 mm·h-1以上降水預報頻率較實況偏高，存在整體上對降水的高估。

圖2f～2i顯示了模式訂正前后降水率的對應關系，斜率接近1則表明該模式預報降水率的頻率分布與實況接近，訂正前后區(qū)別不大，斜率大(小)于1則表明模式預報降水偏大(小)。研究發(fā)現(xiàn)，GRAPES-Meso的斜率接近1，表明其預報降水與實況降水的頻率分布較為接近，但對中等以上降水(3～30 mm·h-1)的預報存在低估；RMAPS斜率更小，表明其低估程度更大，10 mm·h-1預報降水對應的實況達到20 mm·h-1,在日常預報實踐中可將模式預報量級適當提高以減少漏報；WARMS斜率接近1.5，表明該模式對各量級降水預報均存在高估，即系統(tǒng)性的濕偏差，偏高幅度約為50%，在業(yè)務應用中要適度調(diào)低WARMS的預報量級以減少假警(空報)；MARS預報降水較實況呈現(xiàn)明顯低估，存在明顯的干偏差，10 mm·h-1的預報降水與實況30 mm·h-1相匹配，表明其對大量級降水的預報不足，參考價值低。一般地，全球模式在小量級降水上存在濕偏差，而在大量級降水中存在干偏差。為了預報災害性天氣，高分辨率模式通常會選用適應本地天氣背景的參數(shù)化方案，也就不可避免地帶來新的系統(tǒng)性偏差，在應用時必須考慮最大程度消除這些系統(tǒng)性偏差，頻率匹配就是消除系統(tǒng)性偏差的一種直接手段。

圖2 實況與模式預報降水率頻率分布(a～e)，及模式訂正前、后降水率對應關系(f～i)

頻率匹配法利用集合成員或?qū)崨r降水，針對模式降水頻率分布存在的系統(tǒng)性偏差進行訂正，常用的頻率匹配方法一般在各雨量量級上對預報進行訂正，本文采用的分位數(shù)頻率匹配法在各百分位將模式預報降水率的頻率分布訂正至實況頻率，較一般按量級訂正結果更加連續(xù)，也為之后的進一步處理提供便利。對匹配訂正前后各家模式預報進行檢驗(圖3)，在進行匹配訂正之前，若以0.1 mm·h-1作為晴雨預報分界的閾值，則RMAPS、WARMS、MARS的TS評分均達到0.44左右，GRAPES-Meso稍遜，也有0.37，高分辨率數(shù)值模式對晴雨的預報能力整體相差不大；WARMS在大量級降水預報效果更好，其中≥5 mm·h-1和≥10 mm·h-1的TS分別為0.11和0.058，比第二名GRAPES-Meso分別高出8%和30%，對≥20 mm·h-1(業(yè)務規(guī)定的短時強降水標準)降水預報也具有一定的預報能力，與此同時，GRAPES-Meso、RMAPS和MARS等三家模式對≥20 mm·h-1降水的預報能力則略顯不足。經(jīng)過匹配訂正后，多數(shù)模式的TS評分有所改善或持平，具體表現(xiàn)為：5 mm·h-1以下降水的TS評分在訂正前后變化不大，表明分位數(shù)頻率匹配法對中等降水(1～5 mm·h-1)預報準確率的提高并不明顯；而在強降水(≥5 mm·h-1)的訂正上則有明顯正效果，如MARS模式，由于該模式的降水預報具有明顯的干偏差，其對10 mm·h-1以上的降水幾乎無預報能力，通過分位數(shù)頻率匹配，其對10 mm·h-1以上降水的預報能力顯著提高，表明該方法對強降水具有明顯訂正作用，除WARMS以外，分位數(shù)頻率匹配對其他三家模式均表現(xiàn)為正效果，降水越強改善效果越明顯，將“降水低估”模式的預報降水量向上訂正，能夠有效提高其命中率，進而提高降水的TS評分；匹配前后WARMS的TS評分略有下降，表明匹配在消除假警的同時也使漏報率提高，但整體上分位數(shù)頻率匹配對高分辨率模式降水訂正具有正效果。

圖3 頻率匹配前后模式各量級降水的TS評分

2.2 動態(tài)權重定量降水概率預報

高分辨率模式能夠模擬與風暴發(fā)展、維持相關的中尺度特征，但降水預報落區(qū)往往與實際存在較大偏差(Ebert，2008)。怎樣在保證信息有效性的同時保存高分辨率模式中對流發(fā)生發(fā)展的描述？將實況信息與模式信息相融合，利用上游關鍵區(qū)的檢驗結果來進行多模式集成，賦予“好”的模式成員以更大的權重；采用概率預報而非平均，突出小概率事件，可望達到更合理的集成結果。利用第一節(jié)介紹的敏感區(qū)域確定方法，對上游降水落區(qū)預報與實況分析匹配程度較高的成員，賦予較大的權重，反之則賦予較小的權重，起到銳化和消空的效果。該方法能做到及時滾動，不斷把新的實況信息與模式預報信息進行融合，目標針對性強、計算量小。計算動態(tài)權重定量降水概率預報，并對未經(jīng)訂正的原始概率(未經(jīng)匹配和動態(tài)權重調(diào)整等權重集成)、匹配后計算的概率預報(匹配訂正后進行等權重集成)以及匹配與動態(tài)權重相結合得到的概率預報進行檢驗和比較。表3的結果表明，與原始概率(未經(jīng)頻率匹配采用等權集成)相比，頻率匹配方法能夠提高預報的POD，POD從36.65%提高到37.64%，但由于其預報事件發(fā)生的頻數(shù)增加，F(xiàn)AR不降反升，Bias達到255.67%，表示預報頻率顯著高于觀測頻率，預報發(fā)生較多空報的情況。而采用頻率匹配和動態(tài)權重相結合的方法，雖然損失了一些POD，但是經(jīng)過上游檢驗消空作用，F(xiàn)AR得到有效控制，Bias降低至166%，空報偏多的情況得到明顯緩解。TS評分由11.77%提高至12.88%，相當于獲得9.4%的正技巧，BS評分從7.67%降低至5.74%，與實況的偏差明顯降低，顯示出動態(tài)權重匹配方法較原始概率具有更好的預報效果。

表3 集成預報結果評分一覽(降水率≥5 mm·h-1，概率預報閾值≥0.1)(單位：%)

集成概率計算每6 h進行一次，各模式在定量降水概率預報中的權重會在6 h后變?yōu)榈葯啵嫌涡畔㈦S預報時效是逐漸衰減的，通過比較不同預報時效的預報，可以研究上游敏感區(qū)檢驗在訂正中的作用。圖4的結果表明，1 h預報時效評分總是高于3 h和5 h預報時效，預報效果隨著預報時效的增加而降低。這是因為在臨近時效內(nèi)，上游實況信息在動態(tài)權重分配上占有很大的比重，上游信息的加入有效改善了降水預報，隨著時效的增加，上游信息對權重的影響逐漸下降，相當于等權平均，預報的效果也逐漸變差。比較動態(tài)權重(粗線)與等權重(細線)評分變化可以發(fā)現(xiàn)，在1 h和3 h時效上，動態(tài)權重較等權集成好，而在5 h時效上，訂正前后的準確率變化不大，甚至動態(tài)權重TS評分還略有降低；這都表明在較短時效內(nèi)，上游敏感區(qū)的實況信息在訂正中起到正效果，隨著時效變長，實況信息的作用逐漸減弱，模式預報信息作用加大。利用可靠性圖解來檢驗訂正的效果(圖5)，一個理想的概率預報結果，落在某預報概率區(qū)間上的相對觀測頻率應該等于預報概率，亦即落在圖5b中灰色虛線所示對角線上，高于對角線表示預報概率偏低，低于對角線則表示過度預報，圖5a則顯示了概率預報在各個區(qū)間上的樣本數(shù)，樣本數(shù)分布應為期望與氣候頻率一致的偏態(tài)分布;由于5 mm·h-1以上降水頻率僅為2.8%，為小概率事件；樣本數(shù)主要集中在0～5%的預報概率區(qū)間內(nèi)，隨著預報概率的增大，樣本個數(shù)顯著下降。從圖解曲線上可知，無論原始預報還是訂正后的預報，僅在0.2以下預報概率閾值區(qū)間內(nèi)高于對角線，而在大值區(qū)間內(nèi)位于對角線以下，表明總體上都存在對事件的預報過度，原始概率尤甚；同時兩線的斜率均接近于1，表明都具有一定的預報意義，其中動態(tài)權重概率預報的可靠性曲線更接近對角線，表示其可靠性趨于理想，反映了訂正的正效果。

圖4 兩種集成方法在降水率≥5 mm·h-1時TS評分隨預報時效和概率閾值的變化

圖5 ≥5 mm·h-1降水率在各閾值區(qū)間的頻率分布(a)，≥5 mm·h-1降水率與相對觀測頻率關系(b)

為進一步比較動態(tài)權重集成與等權集成對短時強降水事件的預報效果，選取2018年5月6日發(fā)生在湖北中東部到湖南北部的一次降水天氣過程進行具體分析。5月6日18—20時(北京時)一次颮線過程在湖南西北部至湖北中部造成較大范圍的短時強降水天氣，中心最大小時降水量達到20 mm以上(圖6)，等權集成預報(圖6d～6f)顯示湖北中東部大部為強降水概率大值區(qū)，湖南北部強降水概率幾乎為0。表明多數(shù)模式能夠報出湖北中部的強降水過程，但預報落區(qū)較實況明顯偏西，湖南西北部的強降水明顯漏報(圖略)，個別模式即使報出了該強降水事件，但在等權重處理下，對于其量級估計不足。利用分位數(shù)頻率匹配法使GRAPES-Meso、RMAPS、WARMS對該區(qū)域降水量級預報向上訂正，通過6日14—17時已經(jīng)發(fā)生在湖北中部的強降水實況，挑選出WARMS、GRAPES-Meso等與上游實況相接近的“好”模式賦予較高的權重，故采用實況與模式融合的動態(tài)權重概率預報不僅預報出湖北中部的強降水，還預報出湖南北部出現(xiàn)短時強降水的可能性(圖6a～6c)，但由于模式對于系統(tǒng)傳播機制刻畫的缺陷，其預報主體位置依然偏西，對于模式一致預報的湖北中部強降水天氣過程，未能很好地消空，說明該方法對模式一致性誤差訂正能力還較為有限。頻率匹配和動態(tài)權重集成相結合的方法對疑難短時強降水天氣過程具有一定把握能力，預報員可以根據(jù)上述預報信息對短時臨近預報進行適當調(diào)整。

圖6 2018年5月6日08時模式數(shù)據(jù)起報的18時(a，d)、19時(b，e)和20時(c，f)的10 mm·h-1以上的降水概率

3 結論與討論

利用2018年4—8月格點降水分析資料和四個高分辨率區(qū)域模式降水預報資料，應用分位數(shù)頻率匹配法，對模式1 h降水預報分別訂正；并基于上游關鍵區(qū)域的檢驗評分結果，設計動態(tài)權重多模式短時臨近定量降水概率預報方法，研究了多模式集成技術在短時強降水概率預報中的應用。得到以下結論：

(1)不同模式預報的降水率頻率分布與實況之間存在差別，GRAPES-Meso與RMAPS預報在中等到強降水率區(qū)間上略有低估；MARS預報降水較實況明顯低估，WARMS對各量級降水預報均存在高估，在業(yè)務應用上可作適當調(diào)整。

(2)利用分位數(shù)頻率匹配法訂正模式預報降水，對降水落區(qū)和量級預報均有不同程度的訂正效果，除WARMS以外，“頻率匹配”對其他三家模式均表現(xiàn)為正效果，降水越強改善效果越明顯。

(3)基于上游敏感區(qū)域降水實況與模式預報的匹配程度，分配模式動態(tài)權重的方法，能夠有效提高定量降水概率預報的預報準確性。改進效果與預報時效有關，時效越短，上游實況信息在提高預報能力上的作用越大。各類評分顯示基于實況檢驗的動態(tài)權重多模式降水概率預報產(chǎn)品較等權集成具有更高的預報準確率，短時強降水個例也顯示，動態(tài)權重多模式短時強降水概率預報能較好地預報短時強降水事件的可能。

外推、統(tǒng)計與模式的融合是提高降水預報準確率的有效方式。需要說明的是，由于資料有限，本文僅對2018年暖季若干月的降水預報進行訂正和檢驗，其結果具有一定局限性；檢驗方法也較為單一，未來通過長時間的訓練和檢驗以及多種檢驗方法(目標檢驗等)的應用可以得到更好的評估。除了降水落區(qū)和量級，降水中心雨量極值也是業(yè)務預報中的關注重點，未來考慮其他方法將降水中心進一步突出。此外，上游敏感區(qū)的設定也是根據(jù)預報員經(jīng)驗選取的，僅考慮環(huán)境風場引導或在此基礎上的角度偏轉，其位置、大小的合理性還未經(jīng)過嚴格的考證，但將系統(tǒng)的發(fā)展與引導加以分解，高分辨率模式和全球模式分別提供對流生消發(fā)展信息和對流引導信息不失為一種將復雜問題簡單化的方法。總之，高分辨率區(qū)域模式訂正方法的研究方興未艾，高分辨率模式在業(yè)務預報中的實際應用價值還需要被進一步挖掘(Mass et al，2002；漆梁波，2015)，本文的訂正和檢驗方法不夠豐富，有待在預報實踐中進一步總結和提升。