三種數(shù)值模式對四川省汛期降水預(yù)報性能的檢驗(yàn)

屠妮妮,何光碧,衡志煒,吳蓬萍

(中國氣象局成都高原氣象研究所/高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室， 成都 610072)

引言

ECMWF、GRAPES和WRF模式預(yù)報產(chǎn)品被廣泛的應(yīng)用在我國天氣預(yù)報業(yè)務(wù)中[1-7]。張宏芳等[8]利用不同檢驗(yàn)方法對比分析了ECMWF模式和日本高分辨率模式對降水的預(yù)報能力，通過對檢驗(yàn)結(jié)果進(jìn)行分析，發(fā)現(xiàn)調(diào)整閾值改變預(yù)報偏差能夠在一定程度上提高降水的預(yù)報技巧。熊秋芬[9]利用經(jīng)典的TS、預(yù)報偏差、去除隨機(jī)事件后的公平T評分(ETS)及真實(shí)技巧評分TSS等統(tǒng)計檢驗(yàn)方法，分析了GRAPES模式在中國不同地區(qū)降水的預(yù)報能力，GRAPES模式預(yù)報5mm以上降水在長江以南多于觀測，尤其是在西南地區(qū)東部預(yù)報次數(shù)明顯偏多。SWCWARMS模式在成都區(qū)域中心業(yè)務(wù)運(yùn)行多年，其多時段的降水預(yù)報產(chǎn)品是業(yè)務(wù)預(yù)報的重要參考依據(jù)，與ECMWF模式相比，SWCWARMS高能暖區(qū)型暴雨和大暴雨ETS評分高于ECMWF模式，斜壓鋒生型大暴雨優(yōu)于ECMWF模式[10]。張琪等[11]分析SWCWARMS模式對四川盆地兩次強(qiáng)降水開展天氣學(xué)檢驗(yàn)，指出SWCWARMS模式在強(qiáng)降水預(yù)報中有3大優(yōu)勢。屠妮妮等[12]每年對比分析SWCWARMS模式和GRAPES_MESO模式在西南地區(qū)的預(yù)報能力，SWCWARMS模式在多個量級降水預(yù)報上優(yōu)于GRAPES模式。

本文選取SWCWARMS模式、歐洲中心高分辨率模式和GRAPES_MESO模式，對2017～2019年四川省5～10月降水預(yù)報進(jìn)行檢驗(yàn)，有助于科研人員和業(yè)務(wù)工作者了解三個模式預(yù)報性能的差異。

1 資料與方法

數(shù)值模式資料來源2017、2018和2019年5～10月每日00時起報的降水場預(yù)報結(jié)果， SWCWARMS模式分辨率為9km，ECMWF模式分辨率為0.125°×0.125°，GRAPES_MESO(簡稱為GRAPES)模式分辨率為0.1°×0.1°，三個模式為每日00時起報的0～24h、12～36h、24～48h、36～60h、48～72h的24h累積雨量。實(shí)況降水選取2017年、2018年和2019年連續(xù)三年5～10月每日00～00時、12～12時(文中時間均為世界時)四川省內(nèi)國家站24h累積降水。

統(tǒng)計檢驗(yàn)基于MET檢驗(yàn)系統(tǒng)的站點(diǎn)檢驗(yàn)方法，插值方法為Unweighted mean方法，該插值方法與DW_MEAN近似，但忽略距離權(quán)重。24h累積降水評分等級分別為≥0.1mm(小雨)、≥10mm(中雨)、≥25mm(大雨)、≥50mm(暴雨)、≥100mm(大暴雨)，統(tǒng)計量包括TS評分、BS偏差、ETS、FAR和TSS，TS評分對小概率事件的評分趨向于氣候概率，忽略了ND的影響；BS評分用來測量事件的頻率而不考慮預(yù)報的準(zhǔn)確率，當(dāng)偏差>1說明該量級降水預(yù)報面積大于實(shí)況即出現(xiàn)空報，反之則為漏報，偏差=1時與實(shí)況一致；ETS評分表示除去隨機(jī)偶然事件后，事件發(fā)生且正確的樣本數(shù)與事件發(fā)生總樣本數(shù)的比率；TSS評分能反映成功預(yù)報與空報的差異，可用來全面評價某級降水的總效果，即它不但包括降水事件的預(yù)報效果，還包括對非降水事件的預(yù)報效果，但對小概率事件趨向于POD(命中率)，當(dāng)TSS=0時表示無預(yù)報能力，計算公式分別如下：

TS評分：

(1)

BS偏差：

(2)

空報率：

(3)

ETS評分：

(4)

其中

(5)

(6)

(7)

公式(1)～(7)中，NA、NB、NC和ND分別為預(yù)報正確，空報，漏報和預(yù)報及觀測都未出現(xiàn)降水，NA可表示為預(yù)報時段內(nèi)預(yù)報和實(shí)況降雨量都出現(xiàn)的站點(diǎn)數(shù)，即預(yù)報命中的站數(shù)；NB表示預(yù)報出現(xiàn)降水而實(shí)況未出現(xiàn)的站點(diǎn)數(shù)，即空報站數(shù)；NC表示未預(yù)報而實(shí)況出現(xiàn)降水的站點(diǎn)數(shù)，即漏報站數(shù)；ND表示觀測和預(yù)報都未出現(xiàn)降水的站點(diǎn)數(shù)。

2 結(jié)果分析

2.1 總檢驗(yàn)

按照<0.1mm、0.1～9.99mm、10～24.99mm、25～49.99mm、50～99.99mm、≥100mm上述6個標(biāo)準(zhǔn)將三個模式預(yù)報測站雨量及各模式對應(yīng)實(shí)況雨量分別進(jìn)行統(tǒng)計，連續(xù)552天統(tǒng)計結(jié)果顯示，SWCWARMS模式5個預(yù)報時效上累計樣本數(shù)分別為79439個(0～24h預(yù)報時效上)、79018個(12～36h)、79440個(24～48h)、79018個(36～60h)、79437個(48～72h)，GRAPES模式分別為79968個、79092個、79517個、78870個、79271個，ECMWF模式分別為79595個、78521個、79486個、78428個、79288個，樣本總數(shù)均在7萬以上，SWCWARMS模式24h和48h樣本數(shù)略少于GRAPES及ECMWF模式，ECMWF模式36h和60h樣本數(shù)略偏少；格點(diǎn)數(shù)據(jù)插值至站點(diǎn)后出現(xiàn)3個模式在同一預(yù)報時效上樣本數(shù)不一致情況，可能與3個模式分辨率有關(guān)。由三個模式5個預(yù)報時效上分級降水樣本數(shù)占總樣本數(shù)比重可見(表1)，小雨比重最大，其次為無降水或微量降水，SWCWARMS、GRAPES和ECMWF模式預(yù)報小雨和中雨都多于實(shí)況，SWCWARMS、GRAPES和ECMWF模式小雨比重較實(shí)況分別偏多3%～8%、1%～4%和18%～20%，中雨較實(shí)況偏多3%～5%、2%～7%和4%～6%；SWCWARMS和GRAPES模式預(yù)報大雨和暴雨多于實(shí)況、ECMWF模式與實(shí)況相當(dāng)、偏差在-0.1%～0.21%，SWCWARMS模式預(yù)報大暴雨多于實(shí)況、GRAPES模式和ECMWF模式較實(shí)況偏少。綜上可見，SWCWARMS模式小到大暴雨降水范圍大于實(shí)況，GRAPES模式小到暴雨降水范圍大于實(shí)況、大暴雨多漏報，ECMWF模式小雨和大雨降水范圍大于實(shí)況、大到大暴雨多漏報，三個模式無降水或微量降水均少于實(shí)況，即模式預(yù)報降水較實(shí)況偏多。

表1 5個預(yù)報時效上分級降水樣本占比最小值和最大值分布

Q-Q圖用于檢驗(yàn)數(shù)據(jù)分布的相似性，橫坐標(biāo)與縱坐標(biāo)組成的散點(diǎn)圖代表同一個累計概率所對應(yīng)的分位數(shù)，如果兩組數(shù)據(jù)分布相似，則該Q-Q圖散度趨近于落在y=x線對角線上。比較三個模式0～250mm降水的Q-Q圖分布可見(圖1)，在0～24h預(yù)報時效上降水分布顯示，SWCWARMS模式0～250mm降水大于實(shí)況，0～200mm降水偏差逐漸增大，該模式預(yù)報雨強(qiáng)大于實(shí)況；GRAPES模式50mm以下降水強(qiáng)度大于實(shí)況，暴雨及以上量級降水強(qiáng)度以小于實(shí)況為主；ECMWF模式小雨和中雨與實(shí)況接近，大雨及以上量級降水以小于實(shí)況為主，150～200mm降水相比前兩模式與實(shí)況最接近。12～36h預(yù)報時效上降水分布顯示，SWCWARMS模式0～250mm降水強(qiáng)度大于實(shí)況，暴雨和大暴雨偏大較多；GRAPES模式小到大雨大于實(shí)況、暴雨及以上量級降水強(qiáng)度小于實(shí)況，尤其是150mm以上量級降水；ECMWF模式小雨和中雨降水強(qiáng)度與實(shí)況接近，大雨及以上量級降水較實(shí)況偏小，200mm以上降水大于實(shí)況。在24～72h預(yù)報時效上(圖略)，SWCWARMS模式預(yù)報雨強(qiáng)偏強(qiáng)，GRAPES模式暴雨及以上量級降水偏弱，ECMWF模式大雨及以上量級降水偏弱，且強(qiáng)度弱于GRAPES模式。

2.2 分級降水檢驗(yàn)

由四川省2017～2019年5～10月降水TS評分可見(圖2a)，3個模式隨降水量級增加TS評分逐漸降低，SWCWARMS模式小雨評分分布在0.605～0.656，ECMWF模式小雨評分分布在0.628～0.658，GRAPES模式小雨評分在0.57～0.663。小雨到暴雨TS評分上，ECMWF模式評分最高(除0～24h小雨和12～36h暴雨外)，SWCWARMS模式次之，GRAPES模式評分最低，0～24h預(yù)報時效上GRAPES模式小雨評分最高，12～36h預(yù)報時效上SWCWARMS模式暴雨評分最高；對于大暴雨預(yù)報，24h、48h和60h預(yù)報時效上SWCWARMS模式評分最高，其它預(yù)報時效上ECMWF模式評分最高，GRAPES模式評分以低于其它兩個模式為主，其中36～60h大暴雨預(yù)報上，GRAPES模式評分低于SWCWARMS模式但略高于ECMWF模式。

由3個模式降水偏差分布可見(圖2b)， SWCWARMS模式預(yù)報五個量級降水范圍均大于實(shí)況，GRAPES模式預(yù)報小到暴雨預(yù)報降水范圍大于實(shí)況，大暴雨以漏報為主，ECMWF模式預(yù)報小雨、中雨和48～72h大雨降水范圍大于實(shí)況，大雨(0～60h)、暴雨和大暴雨預(yù)報降水范圍小于實(shí)況。在小雨預(yù)報上，ECMWF模式預(yù)報降水落區(qū)范圍偏大最多，SWCWARMS模式次之，GEAPES相對偏差略小。對于中雨而言，12～36h時效上GRAPES模式偏差最大，其它預(yù)報時段SWCWARMS模式偏差最大，ECMWF模式中雨空報少于區(qū)域模式。對大雨和暴雨而言，SWCWARMS模式預(yù)報降水落區(qū)偏大最多，GRAPES模式次之，ECMWF模式預(yù)報落區(qū)偏小；對于大暴雨預(yù)報，SWCWARMS模式空報最多，ECMWF模式在36h和48h漏報最多，GRAPES模式在24h、60h和72h漏報最多。SWCWARMS模式各級降水多空報，5個預(yù)報時效上分別有中雨(60h)、大雨(36h、48h、72h)和暴雨(24h)空報最多，GRAPES模式對小到暴雨多空報而大暴雨多漏報，中雨(60h)和大雨(24h、36h、48h、72h)空報最多，ECMWF模式對小雨和中雨表現(xiàn)為空報多而其它量級降水多漏報，小雨空報最多。

由3個模式ETS評分分布可見(圖2c)，隨降水強(qiáng)度增強(qiáng)評分逐漸降低，SWCWARMS模式小雨ETS評分分布在0.135～0.215，小雨評分高于其它降水量級，ECMWF模式小雨評分分布在0.105～0.142，中雨評分高于其它降水量級，GRAPES模式小雨評分在0.139～0.207，小雨評分高于其它降水量級。在小雨預(yù)報上，SWCWARMS模式24h評分最高，GRAPES模式次之，ECMWF模式評分最低，在36～72h預(yù)報時效上，GRAPES模式評分最高，SWCWARMS模式次之，ECMWF模式評分最低；GRAPES模式小雨優(yōu)于SWCWARMS和ECMWF模式，SWCWARMS模式優(yōu)于ECMWF模式。在中雨、大雨和暴雨預(yù)報上，ECMWF模式評分最高，SWCWARMS模式次之，GRAPES模式評分最低，但在60h暴雨預(yù)報上，SWCWARMS模式EST評分最低；ECMWF模式中到暴雨預(yù)報優(yōu)于其它兩個模式，SWCWARMS模式略優(yōu)于GRAPES模式。在大暴雨預(yù)報上，SWCWARMS模式在24h、48h、60h評分最高，ECMWF在36h和72h評分最高，GRAPES模式在24h、36h、72h評分最低，ECMWF在48h和60h評分最低；SWCWARMS模式大暴雨預(yù)報在部分時次上略優(yōu)于其它兩個模式。GRAPES模式小雨評分較高，ECMWF模式中到暴雨評分較高，SWCWARMS模式大暴雨部分時次上優(yōu)于其它兩模式，SWCWARMS模式中到大暴雨ETS評分以高于GRAPES模式為主。

由3個模式TSS評分分布可見(圖2d)，對小雨而言，SWCWARMS模式在24h和36h預(yù)報時效上評分最高，小雨評分分布在0.23～0.344，小雨評分高于其它量級降水；GRAPES模式在48h、60h和72h預(yù)報時效上小雨評分最高，介于0.234～0.311，小雨評分高于其它量級降水；ECMWF模式小雨評分最低，分布在0.181～0.234。對中雨而言，ECMWF模式評分最高，該模式中雨評分高于其它量級降水，SWCWARMS模式次之，GRAPES模式評分最低。對大雨而言，SWCWARMS模式在24h、36h和48h評分最高，ECMWF模式在60h和72h評分最高，GRAPES模式評分最低。對暴雨而言，在24h、36h、48h和60h預(yù)報時效上SWCWARMS模式評分最高，ECMWF模式在72h評分最高，除24h時效上ECMWF模式評分最低，其它時效上GRAPES模式評分最低。對大暴雨而言，SWCWARMS模式在24h、36h、48h、60h評分最高，GRAPES模式72h預(yù)報時效上評分最高，ECMWF模式在48h、60h、72h評分最低，GRAPES模式24h和36h預(yù)報時效上評分最低。SWCWARMS模式在多個預(yù)報時效上大到大暴雨TSS評分高于ECMWF模式，中到大暴雨評分高于GRAPES模式。

綜上可見，ECMWF模式對小到大雨具有較好的預(yù)報能力，SWCWARMS模式對暴雨和大暴雨在部分量級降水預(yù)報上優(yōu)于ECMWF模式，GRAPES模式相對上述兩模式偏差。SWCWARMS模式預(yù)報降水范圍大于實(shí)況，該模式中到暴雨空報多于ECMWF和GRAPES模式，ECMWF模式小雨和中雨表現(xiàn)為空報多而其它量級降水多漏報，GRAPES模式對小到暴雨多空報而大暴雨表現(xiàn)為漏報，GRAPES模式中到暴雨空報多于ECMWF模式，大暴雨在24h、60h和72h預(yù)報時效上漏報多于ECMWF模式。

2.3 年際變化

比較2017～2019年5～10月三個模式對四川省降水預(yù)報≥0.1mm檢驗(yàn)結(jié)果的年變化(圖3)，由TS評分可見(圖3a)，SWCWARMS模式24h預(yù)報時效上2018年評分最低，2019年評分最高，36～60h預(yù)報時效上2017年評分最低，2019年評分最高，72h預(yù)報時效上2017年評分最低，2018年評分最高；ECMWF模式5個預(yù)報時效上2017年評分最低，2019年評分最高；GRAPES模式36～72h預(yù)報時效上2017年評分最低，2019年評分最高，24h預(yù)報時效上2018年評分最低，2019年評分最高。2017年，SWCWARMS模式評分在24～60h評分高于其它兩模式，ECMWF模式72h評分高于其它兩模式，GRAPES模式在36～72h評分偏低，ECMWF模式在24h評分偏低，在2017年SWCWARMS模式評分以高于其它兩模式為主；在2018年24h、36h、48h預(yù)報時效上，SWCWARMS模式評分最高、GRAPES模式評分最低，60h和72h預(yù)報時效上ECMWF模式評分高于SWCWARMS和GRAPES模式，GRAPES模式評分最低，2018年SWCWARMS模式優(yōu)勢在前48h降水預(yù)報上，GRAPES模式預(yù)報始終差于ECMWF和SWCWARMS模式；在2019年24h和36h時效上GRAPES模式評分最高、SWCWARMS模式評分最低，48～72h時效上ECMWF模式評分最高、SWCWARMS模式評分最低，2019年ECMWF模式較2017年TS評分提高7%左右，GRAPES模式TS評分提高8%～11%，而SWCWARMS模式TS評分僅提高1%～2%。

由BS預(yù)報偏差分布可見(圖3b)，3個模式預(yù)報降水范圍均大于實(shí)況，誤差分布在1.1～2.2。SWCWARMS模式在24h預(yù)報時效上，2017年空報多于2018年和2019年而2019年空報較前兩年略有減少，36～72h預(yù)報時效上，2018年空報最多而2019年空報最少；ECMWF及GRAPES模式在24h、48h、60h和72h預(yù)報時效上，2019年空報多于前兩年而2017年空報少于后兩年，ECMWF及GRAPES模式在36h預(yù)報時效上，2018年空報最多而2017年空報最少。2017～2019年這3年期間SWCWARMS模式降水空報先增大后減小，ECMWF和GRAPES模式降水空報逐年增大的趨勢。ECMWF模式BS值始終大于SWCWARMS和GRAPES模式，2017年和2018年GRAPES模式偏差最小，2018年24h預(yù)報時效上及2019年SWCWARMS模式BS值小于其它兩模式；這3年間SWCWARMS模式誤差先增大后減小而ECMWF和GRAPES模式空報逐年增大。

由ETS評分分布可見(圖3c)，3個模式ETS評分隨預(yù)報時效延長評分降低，僅ECMWF模式在2018年72h時效上ETS評分略高于60h，3個模式ETS評分均表現(xiàn)為2018年評分低于2017年和2019年,其中2018年72h時效上ETS評分大于2017年，2019年評分高于2017年。對于2017年而言，SWCWARMS模式在60h和72h評分最高，GRAPES模式在24h、36h、48h評分最高，ECMWF模式評分最低；對于2018年和2019年，SWCWARMS模式在24h評分最高，GRAPES模式在36h、48h、60h、72h評分最高，ECMWF模式評分最低。3個模式2019年ETS評分均高于前兩年，GRAPES模式評分以高于SWCWARMS模式為主，ECMWF模式ETS評分始終低于GRAPES和SWCWARMS模式。

由TSS評分分布可見(圖3d)，3個模式TSS評分隨預(yù)報時效延長評分整體呈降低趨勢，SWCWARMS模式24～72h、ECMWF模式24～60h、GRAPES模式24～60h預(yù)報時效上2019年評分高于前兩年、2018年評分低于2017年和2019年，ECMWF和GRAPES模式72h時效上2019年評分最高而2017年評分最低。ECMWF模式TSS評分低于其它兩個模式，SWCWARMS模式在2017年60h預(yù)報時效上、2018年24h預(yù)報時效上、2019年5個預(yù)報時效上TSS評分高于GRAPES模式。3個模式TSS評分整體呈2019年評分最高、2018年評分最低分布，GRAPES模式在2017年和2018年以優(yōu)于SWCWARMS和ECMWF模式為主，SWCWARMS模式2019年評分最高，ECMWF模式評分始終低于其它兩模式。

由降水準(zhǔn)確率分布可見(圖3e)，3個模式降水預(yù)報準(zhǔn)確率隨預(yù)報時效延長評分以降低為主，SWCWARMS模式降水準(zhǔn)確率在70%以上，ECMWF模式降水準(zhǔn)確率在68%以上，GRAPES模式降水準(zhǔn)確率在67%以上。SWCWARMS模式在24h和72h預(yù)報時效上、ECMWF模式5個預(yù)報時效上、GRAPES模式24h、48h、60h和72h預(yù)報時效上，2019年較前兩年準(zhǔn)確率最高而2017年最低；SWCWARMS模式在36h、48h和60h時效上及GRAPES模式36h預(yù)報時效上2019年準(zhǔn)確率最高而2018年最低。SWCWARMS模式在2017年48h、60h和72h及2018年24h、48h和72h準(zhǔn)確率高于其它兩模式，2019年48h和72h準(zhǔn)確率低于其它兩模式；ECMWF模式在2019年72h準(zhǔn)確率最高，2017年5個預(yù)報時效、2018年24～60h、2019年24h、36h和60h準(zhǔn)確率低于其它兩模式；GRAPES模式在2017年24h和36h、2018年36h和60h、2018年24～60h準(zhǔn)確率最高，2018年72h準(zhǔn)確率低于其它兩模式。SWCWARMS模式在2017年和2018年與GRAPES模式相當(dāng)，2019年降水準(zhǔn)確率低于GRAPES模式，ECMWF模式準(zhǔn)確率以低于上述兩模式為主。

由降水空報率分布可見(圖3f)，3個模式空報率隨預(yù)報時效延長整體呈先增大再減小再增大再減小的趨勢，SWCWARMS模式24h、36h和72h、ECMWF模式24～72h及GRAPES模式60h和72h預(yù)報時效上2019年空報率最低而2017年最高，SWCWARMS模式48h和60h及GRAPES模式24h、36h和48h預(yù)報時效上2019年空報率最低而2018年空報最多。ECMWF模式空報多于其它兩模式，2017年24～72h、2018年36～72h預(yù)報時效上GRAPES模式空報為三個模式最少，2018年24h、2019年5個預(yù)報時效上SWCWARMS模式空報最少。3個模式2019年降水空報都少于前兩年，SWCWARMS模式在2019年相對2017年空報減少最多。

對于小雨及以上量級降水統(tǒng)計檢驗(yàn)顯示，三個模式2019年預(yù)報效果在多個預(yù)報時效上好于2017年及2018年，準(zhǔn)確率提高而空報減小。ECMWF模式預(yù)報偏差、空報率大于SWCWARMS和GRAPES模式，ETS評分、TSS評分和預(yù)報準(zhǔn)確率低于SWCWARMS和GRAPES模式；在2017年及2018年SWCWARMS模式在多個預(yù)報時效上TS評分、ETS評分、TSS評分和預(yù)報準(zhǔn)確率高于GRAPES模式，但降水空報率也大于GRAPES模式，2019年GRAPES模式TS評分、ETS評分、預(yù)報準(zhǔn)確率、預(yù)報偏差及空報率大于SWCWARMS模式。

比較三個模式對暴雨及以上量級降水TS評分可見(圖4)，2017年和2018年GRAPES模式對暴雨預(yù)報能力差于SWCWARMS和ECMWF模式，2019年ECMWF模式對暴雨預(yù)報能力優(yōu)于SWCWARMS和GRAPES模式，SWCWARMS模式在2017年24h和72h、2018年24h、36h、48h和60h評分高于其它兩模式，SWCWARMS模式在2019年36h、60h和72h時效上評分低于其它兩模式；ECMWF模式在2017年36h、48h和60h、2018年72h及2019年5個預(yù)報時效上評分最高；GRAPES模式在2017年、2018年和2019年24h和48h預(yù)報時效上評分較其它模式偏低。對應(yīng)BS偏差值顯示，SWCWARMS模式BS值均大于1，即該模式預(yù)報暴雨范圍均大于實(shí)況，除2019年60h及72h時效外ECMWF模式預(yù)報暴雨范圍小于實(shí)況即該模式對暴雨及以上量級降水以漏報為主，除2018年72h時效外GRAPES模式預(yù)報暴雨范圍大于實(shí)況，SWCWARMS模式空報大于GRAPES和ECMWF模式。由此可見，GRAPES及ECMWF模式2019年暴雨及以上量級降水預(yù)報改善大于SWCWARMS模式，SWCWARMS模式在這3年期間TS評分波動較小，但2019年降水空報較2017年和2018年顯著降低。

2.4 逐月降水檢驗(yàn)

為了進(jìn)一步了解3個模式在汛期不同月份的預(yù)報效果，以月為單位對3個模式的降水預(yù)報進(jìn)行檢驗(yàn)對比分析(圖5)，3個模式TS評分峰值出現(xiàn)月份不同，SWCWARMS模式小雨、中雨、大雨和暴雨TS評分最大值分別出現(xiàn)在201809(年月，下同)、201807、201807、201710，TS評分最小值分別出現(xiàn)在201808、201810、201810、201905；ECMWF模式評分最大值分別出現(xiàn)在201907、201907、201909、201807，評分最小值分別出現(xiàn)在201710、201706、201908、201906；GRAPES模式評分最大值分別出現(xiàn)在201806、201809、201809、201908，評分最小值分別出現(xiàn)在201705、201710、201709、201710和201805；SWCWARMS模式2018年10月及GRAPES模式2017年9月暴雨評分缺失，SWCWARMS模式2019年5月暴雨評分為0，GRAPES模式2017年9月大雨,201710、201805、201910暴雨評分為0。對小雨而言，SWCWARMS模式在2017年5～6月、9～10月、2018年9月、2019年5～6月、9月評分都高于GRAPES和ECMWF模式，ECMWF模式在2017年5～6月和9月、2018年5～8月和10月、2019年8月和10月評分大于SWCWARMS模式，GRAPES模式在2017年7～8月、2018年5～8月和10月、2019年8月和10月評分大于SWCWARMS和ECMWF模式。對中雨而言，SWCWARMS模式優(yōu)勢在2017年6月、8月、2018年6～7月、2019年8月，ECMWF模式優(yōu)勢在2017年5月、7月、9月和10月、2018年5月、2019年7月、9～10月，GRAPES模式優(yōu)勢在2018年8～10月、2019年5月和6月。對大雨而言，SWCWARMS模式在2017年6月、8～9月、2018年8月評分高于其它兩模式，ECMWF模式在2017年7月、10月、2018年5～7月、2019年9～10月評分高于其它兩模式，GRAPES模式在2017年5月、2018年9～10月、2019年5～8月評分高于其它兩模式。對暴雨而言，SWCWARMS模式優(yōu)勢在2017年7～10月、2018年6月、8月、2019年9～10月，ECMWF模式優(yōu)勢在2017年5～6月、2018年5月、7月、9月，GRAPES模式優(yōu)勢在2018年10月、2019年5～8月。SWCWARMS模式在2018年8月和2019年8月小雨評分較低，2018年10月中到暴雨評分較低，其它月份降水評分較為穩(wěn)定；ECMWF模式2017年和2018年評分穩(wěn)定，2019年各級降水評分振幅較大；GRAPES模式中到暴雨在2017年秋季和2018年第二季度評分偏低，2018年下半年開始中雨及以上量級降水評分顯著提高。在小雨和中雨預(yù)報上，三個模式各有所長；在大雨預(yù)報上，GRAPES模式評分逐漸增大并高于其它兩模式，SWCWARMS模式評分介于GRAPES和ECMWF模式之間；對于暴雨，ECMWF模式介于GRAPES和SWCWARMS模式之間，2017年SWCWARMS模式優(yōu)于GRAPES模式，2019年反之。

2.5 四川省東部和西部

沿103°E將四川省分為東部和西部，比較模式對川東和川西降水的預(yù)報能力。由表2可見，對于SWCWARMS模式及GRAPES模式川西TS、ETS評分高于川東，預(yù)報偏差小于川東；ECMWF模式川西TS評分高于川東，川西ETS和BS低于川東。三個模式均存在預(yù)報過度現(xiàn)象，川東空報大于川西。初步分析川西評分高于川東的原因如下：(1)東部測站多，西部測站數(shù)量少；(2)東部降水預(yù)報偏差大的測站數(shù)多(NB樣本數(shù)多)，使得在計算TS和ETS時分母偏大，使得TS和ETS數(shù)值降低。3個模式0～24h降水TS和ETS評分高于其它時段，SWCWARMS模式在川西36h、48h和60h時效TS評分高于其它兩模式，ECMWF模式在川西72h時效、川東24～72h時效上TS評分高于其它兩模式，GRAPES模式在川西24h時效上TS評分高于其它兩模式，SWCWARMS模式在川東24h、36h時效評分低于ECMWF和GRAPES模式，ECMWF模式在川西24h時效上評分偏低，GRAPES模式在川西36h、48h、60h和72h時效、川東48h、60h和72h時效上評分偏低。SWCWARMS模式在川西24h時效、川東5個預(yù)報時效上ETS評分高于其它兩模式，ECMWF模式ETS評分始終低于其它兩模式。3個模式在預(yù)報偏差分布上川東與川西一致，ECMWF模式預(yù)報偏差最大，24h時效上SWCWARMS模式偏差最小，36h、48h、60h和72h時效GRAPES模式偏差最小。

表2 2017～2019年四川東部和西部24～72h時效三個模式(≥0.1mm)TS、ETS和BS檢驗(yàn)結(jié)果

3 結(jié)論與討論

通過SWCWARMS、ECMWF和GRAPES三個模式對2017～2019年四川汛期(5～10月)24h累積降水進(jìn)行檢驗(yàn)分析，得出以下幾點(diǎn)結(jié)論：

(1)3年平均TS評分顯示ECMWF模式對小到大雨預(yù)報能力優(yōu)于SWCWARMS和GRAPES模式，SWCWARMS模式部分時次上暴雨和大暴雨預(yù)報優(yōu)于ECMWF模式，GRAPES模式TS評分以低于上述兩模式為主。SWCWARMS模式預(yù)報降水范圍大于實(shí)況，ECMWF模式小雨和中雨降水范圍大于實(shí)況而其它量級降水偏少，GRAPES模式對小到暴雨多預(yù)報偏多而大暴雨預(yù)報偏少。

(2)GRAPES模式在2019年中雨及以上量級降水預(yù)報上改善大于SWCWARMS和ECMWF模式，ECMWF和SWCWARMS模式在這3年期間TS評分波動較小，SWCWARMS模式2019年空報較2017年和2018年顯著降低。逐月降水檢驗(yàn)顯示，3個模式在小雨和中雨預(yù)報上不相上下，GRAPES模式優(yōu)勢在2019年大雨和暴雨預(yù)報上，ECMWF模式優(yōu)勢在2017年秋季和2018年初夏大雨預(yù)報上，SWCWARMS模式大雨和暴雨預(yù)報能力介于二者之間；SWCWARMS模式2018年第三季度評分整體偏低，ECMWF模式2019年中到暴雨評分振幅相對較大，GRAPES模式從2018年第三季度開始中到暴雨降水評分顯著提高。

(3)在川東地區(qū)，ECMWF模式TS評分高于SWCWARMS和GRAPES模式，SWCWARMS模式TS評分24h和36h低于GRAPES模式而其它時次高于GRAPES模式，SWCWARMS模式ETS評分高于其它兩模式，ECMWF模式ETS評分低于區(qū)域模式；在川西地區(qū)，ECMWF模式ETS評分低于其它兩模式，SWCWARMS模式部分時次TS評分高于GRAPES模式而ETS評分低于GRAPES模式；三個模式存在不同程度空報，川東空報略多于川西，其中ECMWF模式空報最多，GRAPES模式空報略少于SWCWARMS和ECMWF模式。