汪瑛，胡勝，涂靜，曾沁，張紅艷，黃曉瑩，龔月婷，張華龍

（1．廣東省氣象臺，廣東 廣州510641；2.中國氣象局廣州熱帶海洋氣象研究所，廣東 廣州510641；3.國家氣象信息中心，北京100081）

1 引 言

定量降水預(yù)報（Quantitative Precipitation Forecast，QPF）由于影響其時間和空間分布的變量太多，被認(rèn)為是天氣預(yù)報領(lǐng)域最困難的挑戰(zhàn)之一，其預(yù)報技巧提升也相對緩慢。因此，2015年之前的幾十年內(nèi)我國降水業(yè)務(wù)預(yù)報以文字預(yù)報為主。近年來隨著數(shù)值模式空間分辨率的提升、數(shù)據(jù)同化能力改善、數(shù)值計算方法和次網(wǎng)格物理過程參數(shù)化的完善，模式對于降水的預(yù)報技巧不斷提高，如Forbes等[1]對ECMWF全球模式在2000—2015年的降水性能進(jìn)行評估表明：模式降水的預(yù)報可用時效相當(dāng)于提高了1天左右。2006年中國氣象局自主研發(fā)了全球/區(qū)域業(yè)務(wù)模式GRAPES，基于此框架，廣東省氣象局結(jié)合區(qū)域特點建立了更高分辨率的華南區(qū)域數(shù)值天氣預(yù)報業(yè)務(wù)模式（GZ_GRAPES）。模式時空分辨率和預(yù)報能力提升，為高分辨率QPF業(yè)務(wù)提供了核心支撐，很多國家都建立了人機交互的格點天氣預(yù)報業(yè)務(wù)，如美國2003年率先建立數(shù)字化天氣預(yù)報業(yè)務(wù)，2008年澳大利亞和韓國開始了格點預(yù)報業(yè)務(wù)[2]。廣東省氣象局2014年起在國內(nèi)率先建立了人機交互的網(wǎng)格天氣預(yù)報業(yè)務(wù)，要素預(yù)報空間分辨率為5 km，時間分辨率為3天內(nèi)逐小時，4～7天逐6小時。

網(wǎng)格預(yù)報產(chǎn)品檢驗評估是監(jiān)控預(yù)報性能、理解模式誤差以及改進(jìn)預(yù)報的基礎(chǔ)[3]，WWRP/WGNE的檢驗工作組[4]形成了一套用于QPF的檢驗標(biāo)準(zhǔn)，為不同空間區(qū)域、不同強度的模式定量降水預(yù)報提供了對比的可能。Ian等[5]在2012年第二版預(yù)報檢驗書中，詳細(xì)介紹模式定量降水預(yù)報技術(shù)檢驗方法?；谶@些檢驗方法，國內(nèi)外對模式定量降水預(yù)報開展的檢驗較多，如：Atger[6]比較了確定性模式和集合預(yù)報系統(tǒng)的降水檢驗；鐘有亮等[7]對GRAPES區(qū)域集合預(yù)報系統(tǒng)的登陸臺風(fēng)降水進(jìn)行了AROC檢驗，評定模式在不同降水量級的預(yù)報能力。Novak等[8]對美國國家環(huán)境預(yù)報中心（National Centers for Environmental Precipitation,NCEP）下屬的天氣預(yù)報中心（Weather Prediction Center,WPC）過去60年的預(yù)報員、模式預(yù)報、數(shù)值預(yù)報解釋應(yīng)用的定量降水預(yù)報進(jìn)行了TS檢驗，發(fā)現(xiàn)QPF預(yù)報技巧總體提升，預(yù)報員對模式仍有正訂正能力。王雨等[9]對2004年汛期的主客觀預(yù)報進(jìn)行了TS評分，對比多個業(yè)務(wù)模式和預(yù)報員的表現(xiàn)，評估不同模式在暴雨過程中的表現(xiàn)。畢寶貴等[3]、金榮花等[10]認(rèn)為檢驗是精細(xì)化網(wǎng)格定量預(yù)報中的重要環(huán)節(jié)，國家氣象中心也建立國家級業(yè)務(wù)化的檢驗系統(tǒng)對預(yù)報開展實時檢驗[11]。由于檢驗數(shù)據(jù)完整性不夠、檢驗方法統(tǒng)一性等方面原因，國內(nèi)開展長時間、全面的QPF檢驗評估較少，對預(yù)報質(zhì)量的對比分析不夠完整，對分類致災(zāi)性暴雨在時間和空間方面的預(yù)報能力的分析還比較欠缺。

隨著模式時空分辨率提高和預(yù)報能力的提升，預(yù)報員對模式訂正的附加值在下降[3]，傳統(tǒng)預(yù)報的落區(qū)和過程預(yù)報思維與現(xiàn)在格點、定量、逐時預(yù)報的技術(shù)要求已經(jīng)無法匹配。為了支撐定時、定點和定量的要求，基于模式的解釋應(yīng)用技術(shù)快速發(fā)展，國家氣象中心開展了多種基于模式的定量降水預(yù)報的解釋應(yīng)用技術(shù)[12-13]，其中基于集合預(yù)報的降水解釋應(yīng)用技術(shù)產(chǎn)品TS評分略超過預(yù)報員。吳啟樹等[14]設(shè)計的基于評分最優(yōu)化的模式降水預(yù)報訂正算法在2015年全國暴雨TS評分平均達(dá)到0.194。美國天氣局將業(yè)務(wù)中可獲取到的不同集合預(yù)報、確定性預(yù)報進(jìn)行超級集合，兩年檢驗表明預(yù)報能力與預(yù)報員相當(dāng)或略優(yōu)[8]。廣東省氣象局對模式的解釋應(yīng)用技術(shù)進(jìn)行了單模式釋用、多模式集成、集合預(yù)報釋用，但解釋應(yīng)用技術(shù)對QPF業(yè)務(wù)的支撐缺乏系統(tǒng)檢驗和評價。

本文對2016—2020年全球模式ECMWF、區(qū)域模式GZ_GRAPES、基于ECMWF集合預(yù)報的解釋應(yīng)用、預(yù)報員制作的業(yè)務(wù)QPF開展檢驗分析，評估現(xiàn)代化格點預(yù)報業(yè)務(wù)中定量降水預(yù)報的價值和進(jìn)展，分析目前網(wǎng)格化定量降水預(yù)報精細(xì)預(yù)報能力，研究主客觀預(yù)報對臺風(fēng)暴雨、季風(fēng)暴雨、鋒面暴雨的預(yù)報誤差原因，并對數(shù)值預(yù)報解釋應(yīng)用的能力進(jìn)行檢驗評估。通過主客觀預(yù)報檢驗，分析預(yù)報員基于現(xiàn)有定量降水預(yù)報指導(dǎo)場的訂正作用，討論在現(xiàn)代天氣預(yù)報業(yè)務(wù)流程中，預(yù)報員的作用和未來發(fā)展方向。

2 資料和檢驗方法

2.1 資料說明

參與檢驗的預(yù)報產(chǎn)品包括廣東省氣象局（GRMC）業(yè)務(wù)化的智能網(wǎng)格定量降水預(yù)報、全球模式ECWMF和區(qū)域模式GZ_GRAPES、基于確定性模式和ECWMF集合預(yù)報模式的解釋應(yīng)用，檢驗的預(yù)報時效為1～3天（DAY1,DAY2,DAY3），表1列出了檢驗對象及其時空分辨率。本文評定每日20時起報的預(yù)報，業(yè)務(wù)預(yù)報時間節(jié)點為當(dāng)日15時前后，預(yù)報員獲取的模式參考場大部分是前一日20時起報的24～48 h預(yù)報。因此，本文DAY1的預(yù)報員主觀預(yù)報為20時起報的24 h預(yù)報，模式客觀預(yù)報為前一天20時起報的24～48 h預(yù)報。DAY2和DAY3依此類推。定量降水預(yù)報產(chǎn)品時間為2016—2020年，數(shù)值模式解釋應(yīng)用產(chǎn)品檢驗時間為2019和2020年。參與檢驗的實況資料為2016—2020年廣東省內(nèi)2 500～3 000個自動站，利用格點預(yù)報和最近自動站的單點匹配方式開展檢驗。

表1 參與檢驗的預(yù)報產(chǎn)品說明表

2.2 檢驗方法

本文評定晴雨準(zhǔn)確率（PC）、暴雨TS[5]，這些方法由于開展時間較長、應(yīng)用廣泛，有利于評估預(yù)報能力的時間變化、不同預(yù)報場之間的對比。

其中Ai代表預(yù)報正確站（次）數(shù)，Bi為空報站（次）數(shù)、Ci為漏報站（次）數(shù)，Di為無降水預(yù)報正確的站（次）數(shù)。

3 全球模式和區(qū)域模式的QPF檢驗評估

通過2016—2020年全球模式ECMWF和區(qū)域模式GZ_GRAPRES兩個業(yè)務(wù)參考模式的DAY1—DAY3的晴雨預(yù)報準(zhǔn)確率和QPF的分級TS檢驗，分析預(yù)報能力進(jìn)展、區(qū)域模式和全球模式的應(yīng)用價值。從圖1的晴雨檢驗來看，兩個模式的晴雨預(yù)報評分都在穩(wěn)定提升，2016—2020年GZ_GRAPES均優(yōu)于ECMWF，2016年區(qū)域模式GZ_GRAPES準(zhǔn)確率為69%，2020年提升到77.4%。DAY2和DAY3的晴雨預(yù)報準(zhǔn)確率逐年變化與DAY1一致，均為穩(wěn)定提升，GZ_GRAPES技巧優(yōu)于ECMWF。隨著預(yù)報時效的延長，準(zhǔn)確率略有下降，2020年GZ_GRAPES的DAY3晴雨準(zhǔn)確率為73.4%，已經(jīng)達(dá)到2019年DAY1（73.8%）的水平，模式在晴雨預(yù)報技巧上提升較快。

對分級累積降水進(jìn)行檢驗，考察模式在不同降水量級的預(yù)報能力。過去五年，小雨（0.1～9.9 mm/d）、中雨以上(≥10 mm/d)的TS整體表現(xiàn)出上升的趨勢，大雨以上(≥25 mm/d)、暴雨以上(≥50 mm/d)、大暴雨以上（≥100 mm/d）TS在年度間有高低變化。以暴雨（≥50 mm/d）為例（圖1，見下頁），年和年之間的TS雖有波動但都較低，ECMWF的值 在0.085～0.147之 間，GZ_GRAPES的 值 在0.098～0.144之間，總體來說兩者對DAY1—DAY3的24 h累積降水預(yù)報能力相當(dāng)。以上檢驗表明，過去5年模式對強降水的預(yù)報能力沒有反映出整體提升，但Ebert等[1]指出，在短時間內(nèi)（4～5年）模式的升級并不能促使模式QPF能力的快速提高，模式的暴雨預(yù)報技巧提升是一個長期的過程，需要更長時間的檢驗評估才能追蹤模式對QPF預(yù)報能力的進(jìn)展。

圖1 2016—2020年晴雨預(yù)報準(zhǔn)確率和暴雨TS（20時起報）

對比兩個模式的12小時、3小時的QPF檢驗，評估更高分辨率模式對中小尺度降水的預(yù)報能力。檢驗發(fā)現(xiàn)，GZ_GRAPES和ECMWF在降水量＜25 mm/(12 h)的QPF預(yù)報上，技巧相當(dāng)，但是降水量≥25 mm/(12 h)以上的QPF，GZ_GRAPES明顯高于ECMWF（表2，見下頁），降水越強，優(yōu)勢越明顯。3 h的QPF檢驗也反映出降水越強，區(qū)域模式更優(yōu)的特點，說明模式分辨率更高模式更易預(yù)報出中小尺度降水的信息，但是降水量達(dá)到50 mm/(3 h)或以上的TS得分已非常低，區(qū)域模式對QPF的精細(xì)時空預(yù)報能力還較低。

表2 模式12小時QPF和3小時QPF的分級TS

4 預(yù)報員的QPF檢驗和評估

4.1 定量降水預(yù)報技術(shù)簡介

目前廣東省氣象局業(yè)務(wù)化的定量降水預(yù)報技術(shù)流程包括5個環(huán)節(jié)（圖2）。第一步是全球模式、區(qū)域模式等業(yè)務(wù)模式提供的客觀QPF，這是定量降水預(yù)報最核心和最重要的數(shù)據(jù)支撐。第二步是基于實時檢驗數(shù)值模式QPF場，利用統(tǒng)計方法對業(yè)務(wù)模式進(jìn)行后處理和訂正，消除模式的系統(tǒng)性誤差，得出準(zhǔn)確率更高的客觀QPF。第三步是基于預(yù)報員的天氣學(xué)概念模型、預(yù)報經(jīng)驗、檢驗結(jié)果，對客觀QPF進(jìn)行主觀訂正。第四步是通過智能工具箱，實現(xiàn)高時空分辨率的降尺度、地形訂正等精細(xì)訂正功能，得到業(yè)務(wù)應(yīng)用的主客觀融合QPF。第五步開展全流程預(yù)報檢驗評估，既得到客觀檢驗結(jié)果，也實現(xiàn)了對客觀方法和預(yù)報員主觀訂正的信息反饋。

圖2 廣東省網(wǎng)格定量降水預(yù)報業(yè)務(wù)流程

廣東氣象局開展的降水釋用技術(shù)主要包括多模式集成、基于EC集合預(yù)報定量降水釋用技術(shù)。多模式集成釋用算法集成了EC細(xì)網(wǎng)格確定性模式、GZ_GRAPES區(qū)域模式、國家氣象中心GRAPES-MESO、NCEP確定性模式，通過實時檢驗優(yōu)選形成降水格點預(yù)報融合場。集合預(yù)報降水釋用方法是基于ECMWF集合預(yù)報模式系統(tǒng)，實現(xiàn)了一系列集合預(yù)報技術(shù)的串聯(lián)，包括頻率匹配法、最優(yōu)百分位融合法、晴雨降水消空技術(shù)、一致性消空技術(shù)和分類型降水落區(qū)訂正技術(shù)。與單一集合釋用產(chǎn)品相比，經(jīng)過融合串聯(lián)的釋用方法能較充分利用集合預(yù)報的各種不確定和極端信息，并對不同天氣類型采取不同的融合方案，以提高QPF精準(zhǔn)度和適用性。

本章節(jié)通過晴雨、暴雨、分類暴雨的檢驗，評估目前QPF的預(yù)報水平。

4.2 晴雨預(yù)報準(zhǔn)確率

由2016—2020年預(yù)報員（GRMC）的晴雨預(yù)報準(zhǔn)確率評分（圖1）變化可見，過去5年間預(yù)報員晴雨準(zhǔn)確率隨模式逐年提升而提升，都優(yōu)于模式預(yù)報。DAY2和DAY3的準(zhǔn)確率數(shù)值比DAY1稍低，例如2020年DAY1的晴雨預(yù)報準(zhǔn)確率達(dá)到83.2%，DAY3也達(dá)到了79.6%，三天內(nèi)晴雨預(yù)報準(zhǔn)確率技巧都較高；DAY2和DAY3的晴雨準(zhǔn)確率也呈現(xiàn)出逐年上升的趨勢。對ECMWF、GZ_GRAPES以及預(yù)報員的晴雨命中、空報、漏報數(shù)量進(jìn)行分析，發(fā)現(xiàn)晴雨準(zhǔn)確率得分較高的主要技巧是減少空報數(shù)量，比如2020年，ECMWF和GZ_GRAPES的命中次數(shù)分別是324 386和257 571站次，但是ECMWF的晴雨準(zhǔn)確率低于GZ_GRAPES，ECMWF的晴雨準(zhǔn)確率是70.2%、GZ_GRAPES的準(zhǔn)確率是77.4%，GZ_GRAPES的空報數(shù)量少，僅為112 053站次，ECMWF的空報數(shù)量高達(dá)276 115站次。預(yù)報員基于模式空報較多的檢驗結(jié)果，進(jìn)行消空訂正，空報數(shù)量減少到72 310站次，2020年預(yù)報員的晴雨準(zhǔn)確率達(dá)到83.2%。

4.3 暴雨精細(xì)時空預(yù)報能力

4.3.1 暴雨的三天預(yù)報能力評估

對未來三天暴雨和大暴雨的TS進(jìn)行分析（圖3），考察業(yè)務(wù)暴雨能力隨時間的進(jìn)展、在未來三天內(nèi)的預(yù)報能力。2016—2020年，DAY1的暴雨和大暴雨TS在年度間波動較大，沒有表現(xiàn)出一致上升的趨勢，與模式的分析結(jié)果一致；DAY2和DAY3的暴雨和大暴雨TS在年度間也有高低變化，但波動較小，DAY3的TS總體來說穩(wěn)中有升，與DAY2的水平越來越接近，但距離DAY1的差距依然較大，說明預(yù)報員對暴雨預(yù)報技巧的提升主要反映在預(yù)報提前量增加上，這是模式對形勢場預(yù)報能力的提升和預(yù)報員對QPF訂正的雙重結(jié)果；目前大暴雨的DAY1水平還達(dá)不到暴雨DAY3的水平，降水越強，預(yù)報難度越大、預(yù)報提前量越少，大暴雨預(yù)報能力依然較低。

圖3 2016—2020年主觀預(yù)報未來3天暴雨（實線）和大暴雨TS（虛線）

4.3.2暴雨精細(xì)時空預(yù)報能力檢驗和評估

圖4給出了2015—2019年基于廣東86個國家站和基于廣東2 500個左右稠密自動站的QPF_d(日定量降水)的檢驗結(jié)果（DAY1），QPF在基于廣東86個國家站和稠密自動站的檢驗差距越來越小，例如，格點預(yù)報剛剛業(yè)務(wù)化的前3年（2015—2017年），國家站暴雨TS評分高于區(qū)域自動站，隨著高分辨率模式的提升和應(yīng)用，2018—2019年基于區(qū)域自動站的暴雨TS評分與基于國家站的TS評分縮小差距并略有反超，說明在日降水的精細(xì)空間預(yù)報能力提升。

圖4 2015—2019年國家站和區(qū)域站暴雨TS評分

通過對2015—2020年期間未來24小時內(nèi)逐24小時、12小時、6小時、3小時和1小時的50 mm以上降水進(jìn)行TS評分，對暴雨的空間和時間精細(xì)預(yù)報能力進(jìn)行評估，分析目前預(yù)報難點，開展格點暴雨的定量降水預(yù)報應(yīng)用價值評估。圖5給出了未來24小時預(yù)報時效中的各累積時段的TS評分，累計時間越短，TS越低，1小時的TS接近于零。2015—2020年的平均來看，對于50 mm以上降水，3小時TS約為0.004 3，6小時和12小時約為0.025和0.07，說明對于時間精細(xì)度3小時或者以內(nèi)的50 mm強降水幾乎沒有預(yù)報能力。

圖5 2015—2020年各預(yù)報時效的50 mm以上TS評分

對比強降水的預(yù)報頻次和實況觀測頻次，分析暴雨精細(xì)時間預(yù)報能力低的原因。2018年和2019年，自動站數(shù)量約為3 000個，觀測到50 mm/h以上的站次分別有2 433站次、1 891站次；兩年中格點預(yù)報命中次數(shù)僅為3次，空報共1 792次，漏報共4 321次，預(yù)報未來24小時中50 mm/h以上的降水概率較低，預(yù)報頻次達(dá)不到觀測站次的一半，因為空間或者時間的微小錯位，造成接近0的命中率。

即使強降水精細(xì)時間預(yù)報能力水平還較低，但是逐小時晴雨預(yù)報準(zhǔn)確率較高，平均約為80%；小于20 mm/h的降水預(yù)報TS達(dá)到了0.24，高于24小時暴雨TS的評分；氣溫的逐小時預(yù)報誤差僅為1.46℃?？梢姼顸c預(yù)報對于一般天氣、晴雨變化的逐時預(yù)報能夠提供較好的預(yù)報效果，對于50 mm/h以上的極端強降水預(yù)報能力很低。

從上述分析可以看出，格點化定量降水預(yù)報在以小時為時間單位的預(yù)報難度最大，逐小時格點預(yù)報的TS評分，同時涉及到時間、空間、強度三個維度的檢驗，也就是業(yè)務(wù)中定時、定點、定量的要求，任何一方面稍有偏差就造成TS評分極低，反應(yīng)不出預(yù)報價值。未來一段時間內(nèi)，一方面需要研發(fā)更合適的檢驗方法，評估精細(xì)時空QPF的預(yù)報價值和誤差來源；另一方面需要研發(fā)精細(xì)時空的QPF支撐技術(shù)，提升強降水的定時、定點、定量預(yù)報能力。

4.4 分類暴雨的檢驗評估

廣東省的區(qū)域暴雨按照主要影響系統(tǒng)分為鋒面暴雨、臺風(fēng)暴雨、季風(fēng)暴雨。鋒面暴雨定義為地面有鋒面活動或地面較難分析出鋒面但低層切變線存在明顯的冷暖系統(tǒng)對峙，此時強降水出現(xiàn)在鋒面或切變線附近；臺風(fēng)暴雨定義為受熱帶氣旋影響的降水；季風(fēng)暴雨定義為季風(fēng)爆發(fā)后（季風(fēng)爆發(fā)后到10月），排除熱帶系統(tǒng)影響，暴雨發(fā)生在距地面鋒前200～300 km的暖區(qū)一側(cè)，或者發(fā)生在偏南風(fēng)匯合氣流中。

4.4.1 分類暴雨的空漏報分析

不同天氣類型暴雨，主客觀的預(yù)報能力不同。依據(jù)天氣類型的定義和經(jīng)驗預(yù)報員的主觀判定，本文對廣東的臺風(fēng)暴雨、鋒面暴雨和季風(fēng)暴雨過程進(jìn)行分類評定，進(jìn)一步分析主客觀模式的對分類暴雨的預(yù)報能力。2017—2019年三年間共97天系統(tǒng)降水，實況監(jiān)測到34 185站次的暴雨，其中臺風(fēng)暴雨日數(shù)34天、鋒面暴雨日數(shù)35天、季風(fēng)暴雨日數(shù)17天，其他暴雨日數(shù)11天。

表3給出的是分類暴雨的空漏報率和TS評分。無論是全球模式（ECMWF）還是區(qū)域模式（GZ_GRAPES），臺風(fēng)暴雨預(yù)報TS最高，TS值在0.17～0.20之間；季風(fēng)暴雨TS最低，TS值僅為0.05～0.08；模式對鋒面暴雨的預(yù)報能力優(yōu)于季風(fēng)暴雨；其中GZ_GRAPES的臺風(fēng)和鋒面暴雨預(yù)報優(yōu)于ECMWF,季風(fēng)暴雨則是ECMWF略優(yōu)于GZ_GRAPES。

預(yù)報員對臺風(fēng)暴雨的預(yù)報能力最強，三年平均TS達(dá)到0.32（表3），高于所有暴雨的三年平均值（0.18），也高于全球和區(qū)域模式預(yù)報；其次是季風(fēng)暴雨，TS達(dá)到0.2；鋒面暴雨的預(yù)報TS（0.16）最低。預(yù)報員基于兩個模式指導(dǎo)場訂正的預(yù)報，基本都是正改進(jìn)，但在季風(fēng)暴雨的改進(jìn)量上最大、對鋒面暴雨的改進(jìn)量最小。

用預(yù)報的空報、漏報來分析誤差來源。ECMWF模式和GZ_GRAPES區(qū)域模式對三類暴雨的漏報率明顯高于空報率，說明模式對24小時暴雨落區(qū)預(yù)報具有偏小的特點。預(yù)報員發(fā)布的暴雨預(yù)報空報率高于漏報率，主觀預(yù)報具有暴雨落區(qū)偏大的特點。從表3可見，命中率最高的是臺風(fēng)暴雨，但空報率也接近了命中率，漏報率則較低，空報明顯。鋒面暴雨和季風(fēng)暴雨命中率較低，還不到空報率和漏報率的一半，容易又空又漏。主客觀的空漏報分析表明，預(yù)報員捕捉到模式漏報較多的特點，對模式預(yù)報暴雨具有正的訂正能力，降低了漏報率，尤其是季風(fēng)降水，預(yù)報員與模式相比大幅減少了漏報，使得TS評分提升了將近4倍。然而，預(yù)報員對模式補漏的能力還停留在天氣尺度系統(tǒng)造成的落區(qū)預(yù)報水平，因此也造成了暴雨主觀預(yù)報落區(qū)大、空報明顯的特點。

表3也給出了2019年基于EC集合預(yù)報的解釋應(yīng)用算法的暴雨TS，臺風(fēng)和鋒面暴雨都略高于預(yù)報員，季風(fēng)暴雨TS值僅為0.043，略低于模式、遠(yuǎn)低于預(yù)報員。對于系統(tǒng)性降水，客觀釋用方法優(yōu)于確定性模式，接近預(yù)報員水平，但在季風(fēng)降水方面，還是預(yù)報員訂正作用更顯著，說明對于模式本身無法預(yù)報的季風(fēng)暴雨，模式后處理技術(shù)也無法捕捉到，目前只能靠預(yù)報員的經(jīng)驗訂正為主。

表3 2017—2019年分類暴雨的空漏報率（DAY1）

4.4.2分類暴雨預(yù)報誤差的天氣學(xué)原因分析

通過分類暴雨的天氣形勢分析預(yù)報偏差的天氣學(xué)原因。模式對于鋒面暴雨預(yù)報有空報和漏報，除了對量級預(yù)報不夠準(zhǔn)確外，低層切變線移動速度偏慢，導(dǎo)致降水落區(qū)預(yù)報較實況偏北，造成暴雨大面積空漏報。相對而言，GZ_GRAPES較ECMWF對雨帶南壓節(jié)奏的預(yù)報更為準(zhǔn)確?？章﹫蠼y(tǒng)計發(fā)現(xiàn)，模式均表現(xiàn)為漏報多于空報，預(yù)報員則相反，空報站點遠(yuǎn)多于漏報站點，也體現(xiàn)了預(yù)報員在對降水落區(qū)預(yù)報把握不足時容易造成一定范圍的空報。

臺風(fēng)暴雨準(zhǔn)確率跟臺風(fēng)路徑、臺風(fēng)本體降水、周邊系統(tǒng)相關(guān)。對臺風(fēng)暴雨的檢驗開展空間對比發(fā)現(xiàn)，臺風(fēng)本體降水預(yù)報技巧較高，預(yù)報誤差主要來源于臺風(fēng)邊緣或者外圍環(huán)流降水。例如，受2020年第7號臺風(fēng)“海高斯”影響，8月19—20日廣東省肇慶、云浮、江門等市及珠江口兩側(cè)出現(xiàn)暴雨到大暴雨降水，兩家模式對于臺風(fēng)本體影響的降水落區(qū)預(yù)報均較為準(zhǔn)確，但對于臺風(fēng)外圍環(huán)流影響的珠江口以東地區(qū)強降水預(yù)報能力偏弱，相對而言，GZ_GRAPES能預(yù)報出此次珠江口以東的大暴雨中心，而ECMWF則完全漏報，這也許和ECMWF模式分辨率相對較低，無法細(xì)致分析南風(fēng)輻合程度有一定關(guān)系。預(yù)報員在模式基礎(chǔ)上仍然減少了大量漏報，同樣的，也造成了相對多的空報。

模式對季風(fēng)暴雨的總體預(yù)報能力較弱。2020年6月6—9日季風(fēng)暴雨過程，6—8日連續(xù)三天每天清晨。3時(除標(biāo)明外為北京時，下同)前后，在廣東中部沿海一帶有對流開始發(fā)展并向內(nèi)陸推進(jìn)，小時雨量為30～60 mm，部分站點小時雨量超過80 mm，午后季風(fēng)降水減弱，粵北的西風(fēng)槽降水發(fā)展。從ECMWF和GZ_GRAPES在6月5日、6日、7日的20時起報的QPF分析，模式一次也沒有預(yù)報出沿海一帶的季風(fēng)降水。對2016—2019年39個季風(fēng)暴雨日回顧，發(fā)現(xiàn)模式幾乎漏報或者嚴(yán)重低估了廣東沿海的季風(fēng)暴雨，而模式對形勢場的預(yù)報和實況大體比較一致，主要輻合區(qū)偏北，例如2020年6月6日20時起報的8日08時的850 hPa形勢場和觀測對比ECMWF（圖6a）和GZ_GRAPES（圖6b）都比較準(zhǔn)確地預(yù)報出了風(fēng)向、風(fēng)速和輻合區(qū)，其輻合區(qū)主要在粵北到江南一帶，但從8日03—08時的雨量和實況的對比來看（圖6c和6d），模式預(yù)報珠江三角洲地區(qū)降水為小雨，雨量為10 mm，但觀測到了100 mm以上降水，兩個模式都是嚴(yán)重低估。2020年6月5—9日的暴雨TS評分顯示，ECMWF和GZ_GRAPES的暴雨TS分別為0.10和0.13，模式在粵北的暴雨命中率高，在沿海的季風(fēng)暴雨區(qū)漏報，但預(yù)報員通過經(jīng)驗訂正，暴雨TS達(dá)到了0.28。吳亞麗等[15]、蒙偉光等[16]分析發(fā)現(xiàn)在季風(fēng)暴雨中，暖區(qū)暴雨大多形成于弱的大尺度強迫環(huán)境中，中小尺度擾動信息（如中小尺度地形、外流邊界等）是暴雨中尺度對流系統(tǒng)發(fā)生更重要的強迫源[17-18]，預(yù)報員也認(rèn)為模式無法預(yù)報出低空急流在廣東海陸一帶地形抬升觸發(fā)季風(fēng)暴雨發(fā)生。降水觸發(fā)后，降水降落地面過程中，由于蒸發(fā)冷卻而引起的地面弱冷池的發(fā)展及其出流氣流對新對流的觸發(fā)有很大影響，這一過程可直接影響到降水的持續(xù)和暴雨的形成[15]，雖然模式分辨率提升能讓模式模擬出更合理的降水，但是結(jié)果仍然有不確定性[16]，目前季風(fēng)暴雨還依賴預(yù)報員的經(jīng)驗訂正為主。

圖6 2020年6月8日08時ECMWF（a）和GZ_GRAPES(b)風(fēng)場預(yù)報和實況對比以及8日03—08時ECMWF（c）和GZ_GRAPES(d)雨量預(yù)報和觀測對比 a、b中紅色風(fēng)為觀測，黑色風(fēng)為模式；藍(lán)色等值線為500 hPa位勢高度；c、d中填色為觀測；等值線為模式預(yù)報。

5 預(yù)報員基于指導(dǎo)場的訂正能力分析

預(yù)報員的作用在國內(nèi)外各時期都有熱烈的討論。Olson等[19]認(rèn)為，人工預(yù)測精度緩慢而穩(wěn)定的上升歸因于數(shù)值模型精度緩慢而穩(wěn)定的上升，Novak等[8]評估了50年間美國WPC、數(shù)值預(yù)報和數(shù)值預(yù)報解釋應(yīng)用的預(yù)報結(jié)果，表明預(yù)報員對降水預(yù)報的改進(jìn)是基于模式預(yù)報能力的提升；畢寶貴等[3]指出，隨著數(shù)值模式的發(fā)展和統(tǒng)計處理方法的深入應(yīng)用，預(yù)報員在最優(yōu)預(yù)報基礎(chǔ)上添加附加值的空間越來越小。

對2016—2020年的DAY1—DAY3的主客觀預(yù)報QPF的檢驗對比分析，討論數(shù)值預(yù)報模式和預(yù)報員預(yù)報的能力。前面主客觀的晴雨和暴雨檢驗的分析可以知道，預(yù)報員預(yù)報技巧隨著模式預(yù)報能力的變化而變化，模式晴雨預(yù)報穩(wěn)定提高，預(yù)報員的晴雨預(yù)報也穩(wěn)定提高，而暴雨則是隨著模式逐年波動也呈現(xiàn)逐年波動，但預(yù)報員的技巧都優(yōu)于模式。DAY2和DAY3的暴雨，預(yù)報員基于模式改進(jìn)更明顯，從而延長了暴雨預(yù)報的可用時效。

利用2019年預(yù)報員相對指導(dǎo)場（模式及其解釋應(yīng)用產(chǎn)品）的訂正量來進(jìn)一步分析預(yù)報員在現(xiàn)代預(yù)報流程中的作用。預(yù)報員的預(yù)報檢驗評分值減去參考場評分值，再除以參考場得到改進(jìn)量的百分比，改進(jìn)量數(shù)值越大，預(yù)報員對于參考場的正訂正作用越顯著，負(fù)訂正量說明預(yù)報員得分比參考場得分低，是負(fù)技巧。參考場包括基于確定性業(yè)務(wù)模式ECMWF和GZ_GRAPES，基于多業(yè)務(wù)模式的多模式集成算法、基于ECMWF集合預(yù)報的解釋應(yīng)用算法產(chǎn)品。圖7給出了2019年預(yù)報員基于參考場的訂正量，表明預(yù)報員對于單一模式和多模式集成都有正訂正，但基于集合預(yù)報的解釋應(yīng)用訂正技巧較小。對DAY1的大暴雨和暴雨，改進(jìn)量是負(fù)值，且降水越大，集合預(yù)報釋用技術(shù)的優(yōu)勢更加明顯[20]；對DAY2和DAY3的暴雨，預(yù)報員基于EC集合預(yù)報解釋應(yīng)用的改進(jìn)量為-4.2%和0.8%，對大暴雨改進(jìn)量為-54.4%、-49.9%，從TS評分來說，基于集合預(yù)報釋用的暴雨以上預(yù)報優(yōu)于預(yù)報員預(yù)報，這與解釋應(yīng)用算法的設(shè)計是以提高TS評分來研發(fā)的也有關(guān)系?？傮w來說，在極端降水上，預(yù)報員在模式后處理方法上能夠提供的附加值越來越有限，基于集合預(yù)報釋用的客觀QPF技術(shù)在可預(yù)期的時間內(nèi)是提高QPF技巧方向。

圖7 2019年預(yù)報員對客觀指導(dǎo)場的改進(jìn)量（DAY1）

以上檢驗發(fā)現(xiàn)，基于集合預(yù)報的解釋應(yīng)用技術(shù)優(yōu)于多模式集成預(yù)報，多模式集成預(yù)報優(yōu)于確定性模式預(yù)報，預(yù)報員與集合預(yù)報解釋應(yīng)用水平相當(dāng)，對強降水甚至是負(fù)技巧，說明集合的預(yù)報成員反應(yīng)出更多不確定性信息，未來格點定量預(yù)報技術(shù)應(yīng)該朝著集合預(yù)報釋用或者所有業(yè)務(wù)模式的集合釋用發(fā)展。

6 小結(jié)與討論

本文通過降水的檢驗，對目前主客觀預(yù)報能力、模式解釋應(yīng)用技術(shù)發(fā)展、預(yù)報員對指導(dǎo)場的訂正能力和分類暴雨預(yù)報水平和原因進(jìn)行了分析，主要結(jié)論如下。

（1）對ECMWF和GZ_GRAPES降水評估發(fā)現(xiàn)，模式對中雨及其以下（≤25 mm/d）的降水預(yù)報技巧在逐年提升，大雨以上的降水預(yù)報在年度間有明顯波動，模式對暴雨預(yù)報的提升緩慢；從ECMWF和GZ_GRAPES對比發(fā)現(xiàn)，對于24小時累積QPF，區(qū)域模式預(yù)報技巧略高于全球模式，但是區(qū)域模式對12小時和3小時的強降水預(yù)報優(yōu)勢明顯，說明區(qū)域模式在中小尺度的降水預(yù)報，尤其是強降水預(yù)報明顯優(yōu)于全球模式，提供了更精細(xì)的QPF指導(dǎo)場。

（2）業(yè)務(wù)QPF質(zhì)量是隨著模式預(yù)報能力提升而提升的，預(yù)報員在各量級的降水預(yù)報都優(yōu)于業(yè)務(wù)確定性模式，5年間模式對DAY3的暴雨預(yù)報能力有所提升，暴雨預(yù)報可用時效延長，但是對于大暴雨的預(yù)報能力很低。因為模式對強降水精細(xì)時間預(yù)報能力很弱，目前業(yè)務(wù)中強降水時間分布產(chǎn)品應(yīng)用價值較低。

（3）分類暴雨評定表明，無論是模式還是預(yù)報員，臺風(fēng)暴雨預(yù)報評分最高、季風(fēng)暴雨的預(yù)報難度最大。臺風(fēng)本體降水預(yù)報技巧高，鋒面系統(tǒng)因鋒面雨區(qū)移動速度難以精確預(yù)報，造成暴雨有空報和漏報；模式及其解釋應(yīng)用技術(shù)都漏報或者嚴(yán)重低估季風(fēng)暴雨，預(yù)報員對模式季風(fēng)暴雨的補漏明顯提高了季風(fēng)暴雨能力。

（4）模式在預(yù)報業(yè)務(wù)環(huán)節(jié)中處于技術(shù)核心地位，預(yù)報員基于業(yè)務(wù)確定性模式和多模式集成算法都有明顯的正訂正量，尤其是在臺風(fēng)暴雨和季風(fēng)暴雨的預(yù)報中預(yù)報員正訂正技巧很高，預(yù)報員的作用依然無法被模式和客觀算法取代。

（5）集合預(yù)報給出了更多預(yù)報可能性，基于集合預(yù)報的解釋應(yīng)用技術(shù)通過統(tǒng)計和檢驗，給出了更多參考信息，檢驗顯示基于其QPF與預(yù)報員能力相當(dāng)，在不久的將來，集合預(yù)報釋用或者所有業(yè)務(wù)模式的超級集合釋用發(fā)展，是格點定量預(yù)報技術(shù)的發(fā)展方向。但是在季風(fēng)暴雨預(yù)報方面，由于目前數(shù)值模式往往難以預(yù)報其發(fā)生，集合預(yù)報及解釋應(yīng)用產(chǎn)品的預(yù)報評分也很低，依然需要預(yù)報員的經(jīng)驗訂正提升QPF的準(zhǔn)確率。

需要說明的是，降雨通常是在多種尺度的天氣系統(tǒng)相互作用下產(chǎn)生的，TS檢驗給出定點的檢驗結(jié)果，難以評價模式全面的價值，僅能提供一個方面的參考。另外，不同模式和主觀預(yù)報的格點分辨率不同，格點預(yù)報和實況站點的匹配距離不一致，不同QPF間的對比誤差信息來源不同，也難以確保檢驗結(jié)果的客觀性，需加強對模式檢驗方法的挖掘，更客觀評價模式的預(yù)報價值和探尋誤差信息來源。

致 謝：感謝廣東省生態(tài)氣象中心的吳乃庚研究員，廣東省氣象臺的羅聰、陳炳洪高級工程師等人在多模式集成算法、集合預(yù)報算法提供的預(yù)報結(jié)果。