MODE-TD檢驗方法在上?？焖俑峦瘶I(yè)務(wù)預(yù)報系統(tǒng)中的初步應(yīng)用

徐 同 ，張 蕾 ，李 佳 ，陳葆德 *

（1.中國氣象局上海臺風(fēng)研究所，上海200030；2.上海區(qū)域高分辨率數(shù)值預(yù)報創(chuàng)新中心，上海200030）

中尺度數(shù)值天氣預(yù)報模式具備模擬中尺度天氣系統(tǒng)和局地環(huán)流的能力，伴隨著高性能計算能力的不斷增強(qiáng)，模式分辨率也日益提高。高分辨率數(shù)值模式不但能更好地模擬出大氣真實狀態(tài)，而且能較好地模擬出觀測事件的強(qiáng)度（例如強(qiáng)降水、強(qiáng)風(fēng)等）[1]。然而，用常規(guī)檢驗技術(shù)[2-6]體現(xiàn)高分辨率模式的價值絕非易事。甚至即使已經(jīng)對大尺度天氣系統(tǒng)有較為精準(zhǔn)預(yù)報時，小尺度的預(yù)報誤差卻支配著總的誤差[7]。傳統(tǒng)檢驗方法例如TS、ETS等檢驗指標(biāo)是基于列聯(lián)表建立的檢驗公式，由于檢驗要求將模式格點與觀測站點進(jìn)行精確插值匹配以及二重誤差特征（空報和漏報），會出現(xiàn)高分辨率數(shù)值模式評分等于或低于低分辨率數(shù)值模式的情況[8]，這顯然是不合理的。為了更好地體現(xiàn)高分辨率模式的預(yù)報技巧和優(yōu)勢，需要開展非常規(guī)檢驗技術(shù)的研究。近年來，一些新的空間檢驗技術(shù)得到了開發(fā)和應(yīng)用，這些方法的共同特征是無需預(yù)報和觀測的精確匹配。其中，基于目標(biāo)的診斷評估方法MODE（Method for Objectbased Diagnostic Evaluation）是高分辨率模式空間檢驗技術(shù)中最具代表性的方法[9-11]。該方法通過一定的目標(biāo)降水識別算法在預(yù)報和觀測降水場中識別出配對目標(biāo)，進(jìn)行目標(biāo)降水空間屬性對比檢驗，模擬了預(yù)報員或研究人員的視覺分析能力，在高分辨率格點預(yù)報檢驗方面具有一定的優(yōu)勢。國內(nèi)氣象專家們也在近10 a開展了MODE方法在中尺度模式和全球模式中的應(yīng)用研究[12-16]。在傳統(tǒng)的檢驗方法中，時間信息是通過時間序列或者不同的預(yù)報時效檢驗（例如24 h或者48 h）來引入。但是這些方法中涉及的時間概念僅僅是反映了對某個預(yù)報要素不同預(yù)報時效的誤差情況，無法客觀檢驗預(yù)報對天氣系統(tǒng)演變的能力（例如中尺度天氣系統(tǒng)發(fā)生和消亡過程），目前較為流行和成熟的MODE檢驗方法僅考慮了二維的空間對象。對于短臨高分辨率數(shù)值預(yù)報系統(tǒng)而言，有意義的檢驗結(jié)果將不再基于預(yù)報場和觀測場的點對點匹配，而是希望得到降水系統(tǒng)演變預(yù)報的評估，例如降水系統(tǒng)生命期，生消時間和轉(zhuǎn)變等。Bullock等2011年發(fā)展了一種包含時間維的時域目標(biāo)空間診斷檢驗技術(shù)MODE-TD[17]（Objected-Based Time-Domain Diagnostics），該方法在二維MODE方法的基礎(chǔ)上定義了時域?qū)ο?，可以檢驗?zāi)Ｊ较到y(tǒng)對天氣系統(tǒng)整個生命史的預(yù)報能力，包括生命長短、生消時間等這些信息均不是僅通過二維空間就能診斷的。Clark等采用MODE-TD方法對4 km分辨率的美國2010年風(fēng)暴尺度集合預(yù)報系統(tǒng)成員30 h降水預(yù)報進(jìn)行檢驗[18]，并給出了降水系統(tǒng)演變（如生命史、發(fā)生和消亡以及移動）的檢驗診斷信息。

2009年，上海針對短時臨近預(yù)報建立了快速同化更新預(yù)報系統(tǒng)SMS-WARR，預(yù)報時效為12 h，是上海精細(xì)化氣象短臨預(yù)報與服務(wù)業(yè)務(wù)最重要的技術(shù)支撐之一。目前國內(nèi)對MODE-TD檢驗技術(shù)的研究和應(yīng)用還較少，本文首次將該檢驗技術(shù)初步應(yīng)用于SMS-WARRV2.0預(yù)報系統(tǒng)的檢驗評估，著重分析該系統(tǒng)對我國東部地區(qū)強(qiáng)對流天氣的預(yù)報能力為廣大預(yù)報員提供區(qū)別于傳統(tǒng)點對點和二維空間檢驗的診斷檢驗信息和參考信息，進(jìn)行檢驗技術(shù)探討。

1 資料與模式

以模式02時冷啟動預(yù)報結(jié)果為檢驗對象，評估12 h內(nèi)的逐小時預(yù)報性能。降水觀測資料采用地面自動站1 h降水資料，與模式預(yù)報降水資料進(jìn)行逐小時匹配。高影響天氣典型個例檢驗時間為2017年5月7日，統(tǒng)計檢驗時段為2018年5—8月。

2014年，模式研發(fā)人員對SMS-WARRV2.0系統(tǒng)進(jìn)行了全面升級，預(yù)報范圍覆蓋我國東部地區(qū)，并于2018年實現(xiàn)SMS-WARRV2.0的業(yè)務(wù)化運行。SMS-WARRV2.0模式主要參數(shù)如表1所示。SMSWARRV2.0系統(tǒng)水平分辨率為3 km，垂直層次為51層，預(yù)報區(qū)域如圖1所示。系統(tǒng)每小時啟動一次預(yù)報，預(yù)報時效為12 h；冷啟動在02時進(jìn)行，背景場由華東區(qū)域中尺度模式SMS-WARMSV2.0（Shanghai Meteorological Service-WRF ADAS Model System，Version 2.0，水平分辨率為9 km）20時的6 h預(yù)報場提供；熱啟動的背景場取自循環(huán)系統(tǒng)上一時次的1 h預(yù)報；整個循環(huán)時段的側(cè)邊界來自SMSWARMSV2.0模式預(yù)報。系統(tǒng)逐小時進(jìn)行資料同化，觀測資料包括常規(guī)地面天氣觀測、機(jī)場地面報、船舶、自動站、飛機(jī)報、探空、S波段雷達(dá)反射率、FY-2G靜止氣象衛(wèi)星紅外和可見光輻射率資料。

2 檢驗方法

MODE-TD方法在對預(yù)報和觀測數(shù)據(jù)進(jìn)行初步圖像處理的方法與二維MODE方法思路是類似的，包含了平滑過程和閾值。

表1 SMS-WARRV2.0模式參數(shù)

圖1 上海快速更新循環(huán)同化系統(tǒng)預(yù)報區(qū)域

MODE-TD中用于分解原始數(shù)據(jù)場降水對象的過程稱作卷積閾值（圖2），圖2引自文獻(xiàn)[6]。原始數(shù)據(jù)場先由濾波函數(shù)進(jìn)行卷積：

式（1）中，f代表原始數(shù)據(jù)場，φ代表濾波函數(shù)，C代表處理后得到的卷積場。變量（x，y）和（u，v）代表格點坐標(biāo)。與二維MODE不同的是由于引入時間維后，處理的數(shù)據(jù)量較二維MODE方法大量增加，為了提高數(shù)據(jù)的處理速度，選擇方形卷積濾波函數(shù)替代圓形濾波函數(shù)。

式（2）中，參數(shù)R和H并不是相互獨立的，滿足如下關(guān)系式：

影響半徑R是卷積過程中的唯一可調(diào)參數(shù)。R值確定后，H值由公式（3）確定。對處理后的卷積場C設(shè)定閾值得到屏蔽場M：

對象是M=1的連續(xù)區(qū)域。最后，原始數(shù)據(jù)被重新恢復(fù)到初始對象中獲得對象場F：

影響半徑R和閾值T兩個參數(shù)控制著原始場分解對象的整個過程。

圖3為MODE-TD統(tǒng)計分析流程圖，依次經(jīng)過識別、測量屬性、合并、配對、對比和概要統(tǒng)計最后輸出統(tǒng)計量。

圖2 MODE-TD方法目標(biāo)識別圖示

預(yù)報和觀測場單個目標(biāo)對象識別之后，接著進(jìn)行單個場中的目標(biāo)合并和兩個場之間的目標(biāo)配對算法，MODE-TD與二維MODE方法類似，均采用模糊邏輯算法。模糊邏輯算法的主要作用是在單個目標(biāo)對象各個屬性計算出后，執(zhí)行目標(biāo)的配對和合并步驟。計算公式為：

其中，I為相似度因子，在0～1；C為可信度因子，在0～1；w為權(quán)重系數(shù)；T為總相似度，在 0～1。給T設(shè)定閾值，同一物理量場中對高于閾值的目標(biāo)進(jìn)行合并，對不同物理量場之間高于閾值的目標(biāo)進(jìn)行匹配。

最后進(jìn)行單個目標(biāo)三維屬性、配對目標(biāo)三維屬性和二維連續(xù)屬性的計算。

圖3 MODE-TD方法流程

2.1 時間維的引入

圖4為時間維引入示意圖，假設(shè)有一個連續(xù)等時間間隔的二維降水場，時間維在垂直方向，在每一個時刻t=（0，1，2，3）， 在對應(yīng)的二維場中均能識別出降水目標(biāo)（紅色圓點），隨著時間的推移，則能顯示出降水目標(biāo)的移動軌跡。

2.2 目標(biāo)配對與合并

為了更好地理解預(yù)報場和觀測場中單個目標(biāo)的配對和合并過程，圖5給出較為直觀的解釋，圖5a中用數(shù)字表示預(yù)報場中識別的單個目標(biāo)，圖5b中用字母表示觀測單個目標(biāo)，圖5c表示目標(biāo)之間的合并和配對關(guān)系，圖5d為最終的目標(biāo)分類。在該例中，假定MTD模糊邏輯算法報告單個預(yù)報目標(biāo)2、單個預(yù)報目標(biāo)3與單個觀測目標(biāo)A之間的總關(guān)聯(lián)值都高于配置文件中的設(shè)定值，即均能匹配成功。那么預(yù)報目標(biāo)2和預(yù)報目標(biāo)3可以合并為合成目標(biāo)1與觀測合成目標(biāo)1（由單個觀測目標(biāo)A組成），預(yù)報目標(biāo)2和預(yù)報目標(biāo)3之間的合并關(guān)系在圖5c中用虛線表示。而單個預(yù)報目標(biāo)1與單個觀測目標(biāo)A之間的總關(guān)聯(lián)值低于配置文件中的設(shè)定值，因此，不能與觀測場的單個目標(biāo)進(jìn)行匹配，也不能與預(yù)報場中的其它單個目標(biāo)進(jìn)行合并。

圖4 MODE-TD檢驗方法引入時間維示意圖

圖5 目標(biāo)配對與合并個例示意圖

2.3 MTD檢驗指標(biāo)

MTD的檢驗指標(biāo)包括二維檢驗指標(biāo)和三維檢驗指標(biāo)。二維檢驗指標(biāo)與MODE方法類似，主要包括目標(biāo)質(zhì)心位置、目標(biāo)質(zhì)心經(jīng)緯度、目標(biāo)面積和軸角差等。三維檢驗指標(biāo)又可分為三維單目標(biāo)檢驗指標(biāo)和三維配對目標(biāo)檢驗指標(biāo)。

2.3.1 三維單檢驗指標(biāo)

三維單檢驗指標(biāo)主要包括目標(biāo)開始和結(jié)束時間、目標(biāo)軸角、目標(biāo)質(zhì)心行駛距離、目標(biāo)體積和百分位強(qiáng)度。

2.3.2 三維配對檢驗指標(biāo)

三維配對檢驗指標(biāo)主要包括目標(biāo)初始時間偏差、目標(biāo)結(jié)束時間偏差、軸角差、速度差、方向差、體積比、交差體積和總體關(guān)聯(lián)度。

3 檢驗結(jié)果分析

3.1 高影響天氣個例分析

2017年5月7 日，強(qiáng)對流云團(tuán)在廣州花都局地生成加強(qiáng)并向周邊發(fā)展，緩慢向東南偏東方向移動，嚴(yán)重影響廣州、東莞、清遠(yuǎn)、河源、佛山等地（圖6），廣東多地出現(xiàn)大暴雨，主要影響時段為02—14時。

圖6 2017年5月7日02—14時實況累計降水

圖7顯示了SMS-WARRV2.0系統(tǒng)2017年5月7日02時預(yù)報經(jīng)由MTD方法檢驗識別出的逐小時降水預(yù)報目標(biāo)，圖8為對應(yīng)的觀測目標(biāo)，檢驗降水閾值為4 mm/h，影響半徑為60 km。由圖7可知，系統(tǒng)從第一個時次即預(yù)報出降水目標(biāo)，第一個時次的降水目標(biāo)面積為647，之后降水目標(biāo)的面積逐漸增大，到第三個時次達(dá)到峰值915，從第4個預(yù)報時次起，降水目標(biāo)面積逐漸減小，至第9個時次達(dá)到最小值83。圖8中的觀測降水目標(biāo)也是從第一個時次就開始出現(xiàn)，初始面積為2476，第三個時次達(dá)到面積峰值2707，至第10個時次減小到最小值290。因此，從逐小時降水目標(biāo)面積的預(yù)報來看，模式較好地模擬出了降水目標(biāo)發(fā)生、發(fā)展和消亡的過程。

圖9顯示了SMS-WARRV2.0系統(tǒng)2017年5月7日02時預(yù)報經(jīng)由MTD方法檢驗識別出的逐小時降水預(yù)報目標(biāo)和觀測目標(biāo)質(zhì)心位置（由質(zhì)心經(jīng)緯度確定），檢驗降水閾值為4 mm/h，影響半徑為60 km。預(yù)報降水目標(biāo)從03時開始識別出（圖9b），質(zhì)心位于111.15°E，24.98°N，對應(yīng)的觀測降水目標(biāo)也是從03時開始識別出（圖9a），質(zhì)心位于112.64°E，24.90°N，因此，預(yù)報目標(biāo)的初始質(zhì)心位置相對于觀測目標(biāo)偏西，并在此后的預(yù)報時次中一直相對于觀測保持偏西的位置。分析降水目標(biāo)的生命史可見，預(yù)報降水目標(biāo)從03時開始識別出，并一直持續(xù)至11時，主要生命史約9 h。對應(yīng)的觀測降水目標(biāo)同樣從第一個時次起就開始出現(xiàn)，一直延續(xù)至12時，主要生命史約10 h。因此SMS-WARRV2.0系統(tǒng)對本例降水目標(biāo)的生成時間預(yù)報準(zhǔn)確，對降水目標(biāo)生命史的預(yù)報少一個小時，總體而言預(yù)報是比較準(zhǔn)確的。

圖7 SMS-WARRV2.0系統(tǒng)2017年5月7日02時起報經(jīng)由MODE-TD方法檢驗識別出的逐小時預(yù)報降水目標(biāo)

圖8 SMS-WARRV2.0系統(tǒng)2017年5月7日02時起報經(jīng)由MODE-TD方法檢驗識別出的逐小時觀測降水目標(biāo)

表2顯示了MODE-TD檢驗的三維單檢驗指標(biāo)，預(yù)報與觀測目標(biāo)的開始時間一致，但結(jié)束時間預(yù)報目標(biāo)較觀測目標(biāo)早1 h。預(yù)報目標(biāo)體積為5305，觀測目標(biāo)體積為13 247，因此預(yù)報目標(biāo)的體積要小于觀測目標(biāo)。從降水目標(biāo)分位強(qiáng)度指標(biāo)分析來看，預(yù)報目標(biāo)在10%分位強(qiáng)度和25%分位強(qiáng)度低于觀測目標(biāo)，50%分位強(qiáng)度與觀測目標(biāo)相當(dāng)，75%和90%分位強(qiáng)度要強(qiáng)于觀測目標(biāo)，說明系統(tǒng)對降水目標(biāo)中強(qiáng)降水的預(yù)報要強(qiáng)于觀測。

圖9 模式2017年5月7日02時起報逐小時降水經(jīng)由MTD方法識別的降水對象質(zhì)心位置（a）和對應(yīng)的觀測對象質(zhì)心位置（b）

表2 三維單檢驗指標(biāo)

表3為MODE-TD檢驗的三維配對目標(biāo)檢驗指標(biāo)，軸角差和速度差分別為3.99和1.27，方向差為50.28，體積比為0.40，初始時間差為0，結(jié)束時間差為-1，交差體積為619，總體相似度為0.785，說明SMS-WARRV 2.0系統(tǒng)對本次強(qiáng)降水的預(yù)報較為準(zhǔn)確。

表3 三維配對目標(biāo)檢驗指標(biāo)

3.2 時域降水目標(biāo)空間分布統(tǒng)計

為了從統(tǒng)計數(shù)據(jù)上分析模式預(yù)報性能，設(shè)計了4組實驗對SMS-WARRV2.0預(yù)報進(jìn)行MODE-TD檢驗，降水閾值分別選擇3 mm/h和7 mm/h，卷積半徑分別選擇3 km和12 km，檢驗時間段為2018年5—8月，檢驗時次為模式02時起報，預(yù)報時效為12 h，預(yù)報間隔為逐小時降水。圖10和圖11顯示了2018年5—8月模式預(yù)報降水場和觀測降水場經(jīng)由MTD方法識別出的降水目標(biāo)軌跡數(shù)和位置，連接初始和最終時刻降水目標(biāo)質(zhì)心便獲得相應(yīng)的降水目標(biāo)軌跡。對于3 mm/h閾值，當(dāng)卷積半徑為3 km時，預(yù)報場和觀測場識別出的降水目標(biāo)軌跡數(shù)分別為829和424（圖10）。當(dāng)卷積半徑增加至12 km時，識別出的預(yù)報目標(biāo)軌跡數(shù)和觀測目標(biāo)軌跡數(shù)分別為629和415。圖11為降水閾值選擇7 mm/h的情況。綜上所述，對應(yīng)不同的降水閾值和卷積半徑組合實驗，模式預(yù)報的降水目標(biāo)軌跡數(shù)均多于觀測目標(biāo)軌跡數(shù)，說明SMS-WARRV2.0模式預(yù)報降水較觀測偏多。降水閾值和卷積半徑參數(shù)的選擇會對檢驗識別出的降水目標(biāo)軌跡數(shù)有所影響，具體表現(xiàn)為增加降水閾值和增大卷積半徑會減少識別出的降水目標(biāo)數(shù)量。

圖12為取不同的降水閾值和卷積半徑經(jīng)由MTD方法識別出的不同生命周期降水目標(biāo)數(shù)。對于3 mm降水閾值和3 km卷積半徑，觀測降水目標(biāo)生命周期峰值出現(xiàn)在3 h，模式較好的模擬出了這一分布特征（圖12a），但模式預(yù)報降水目標(biāo)數(shù)要多于觀測目標(biāo)數(shù)。當(dāng)卷積半徑從3 km增大至12 km時（圖12b），觀測和預(yù)報降水目標(biāo)生命周期峰值與3 km類似，也為3 h。當(dāng)降水閾值為7 mm，卷積半徑選擇3 km和12 km時，觀測降水目標(biāo)生命周期峰值依然為3 h，與觀測不同的是，預(yù)報降水目標(biāo)生命周期峰值分別出現(xiàn)在5 h和6 h。表4為預(yù)報和觀測時域降水目標(biāo)平均周期統(tǒng)計情況，總體而言，預(yù)報降水目標(biāo)周期要長于觀測降水目標(biāo)，例如卷積半徑為3 km，閾值為3 mm時，預(yù)報降水目標(biāo)平均周期為5 h，而觀測為 4 h。

圖10 預(yù)報降水目標(biāo)（a，c）和觀測降水目標(biāo)（b，d）軌跡分布

表4 預(yù)報和觀測時域降水目標(biāo)平均周期

圖13為預(yù)報不同時次的降水目標(biāo)生成和消散個數(shù)。關(guān)注目標(biāo)生成和消散個數(shù)是十分有必要的，因為這與某特定預(yù)報時次目標(biāo)數(shù)的個數(shù)有關(guān)，若生成目標(biāo)數(shù)多于消散目標(biāo)數(shù)則會導(dǎo)致總降水目標(biāo)數(shù)的增加。觀測的降水目標(biāo)（紅色線條）生成個數(shù)在前6 h是逐步增加的，在6 h達(dá)到峰值，此后逐漸減?。▓D13a）。與觀測相比，模式較好的模擬出了這一變化趨勢，降水目標(biāo)生成峰值的時次也與觀測一致，但模式的降水目標(biāo)生成數(shù)要高于觀測。模式和觀測降水目標(biāo)消散個數(shù)隨預(yù)報時次變化圖形總體跟隨著生成圖形，不同的是消散目標(biāo)數(shù)峰值與生成目標(biāo)峰值有約4 h的滯后時間，出現(xiàn)在10 h。

表5為預(yù)報和觀測降水配對目標(biāo)三維檢驗指標(biāo)統(tǒng)計結(jié)果，包括體積比、速度差和方向差。MTD檢驗方法中配對目標(biāo)降水體積定義源自于MODE方法，是MODE方法中降水目標(biāo)面積在時間上的累積，速度差為預(yù)報和觀測降水目標(biāo)速度矢量長度差，方向差為預(yù)報和觀測降水目標(biāo)速度矢量形成的夾角?？傮w而言模式預(yù)報的體積比檢驗指標(biāo)誤差較?。ū?），比較接近于1，說明配對成功的預(yù)報和觀測降水目標(biāo)面積在時間維上的連續(xù)累加值是接近的。當(dāng)降水閾值增加時，幾種檢驗指標(biāo)的誤差都有增加的趨勢。例如卷積半徑為3 km時，當(dāng)降水閾值從3 mm增加至7 mm時，速度差從3.52增大至5.25，方向差也從31.71增加至35.58，說明當(dāng)檢驗閾值增加時，預(yù)報和觀測降水目標(biāo)的移動誤差會增加，類似于傳統(tǒng)檢驗方法TS評分會隨著降水閾值的增加而評分逐漸降低。

圖11 預(yù)報降水目標(biāo)（a，c）和觀測降水目標(biāo)（b，d）軌跡分布

圖12 降水閾值分別取3 mm和7 mm，卷積半徑取3 km和12 km經(jīng)由MTD方法識別的不同生命周期降水目標(biāo)數(shù)

圖13 經(jīng)由3 mm/h降水閾值和3 km卷積半徑識別出的逐個預(yù)報時次的生成（a）和消散（b）降水目標(biāo)數(shù)

表5 MTD檢驗方法三維配對檢驗指標(biāo)統(tǒng)計

4 結(jié)論

本文介紹了一種引入時間維的空間目標(biāo)檢驗方法，并將該方法應(yīng)用于SMS-WARRV2.0預(yù)報系統(tǒng)檢驗，通過對高影響天氣典型個例和2018年5—8月的統(tǒng)計檢驗應(yīng)用和分析，得到如下結(jié)論：

（1）通過引入時間維，MODE-TD方法可視為一種適用于高分辨率數(shù)值模式降水預(yù)報的空間檢驗技術(shù)，該方法可從降水目標(biāo)的角度評估模式對降水目標(biāo)預(yù)報數(shù)量、生命周期、生成和消散頻數(shù)、體積比、速度差和方向差等指標(biāo)的預(yù)報誤差。

（2）從2017年5月7日廣州特大暴雨典型個例的檢驗結(jié)果可以看出，SMS-WARRV2.0模式較好地模擬出了此次降水目標(biāo)發(fā)生、發(fā)展、成熟和消亡的過程。

（3）統(tǒng)計檢驗結(jié)果表明，SMS-WARRV2.0模式預(yù)報降水目標(biāo)軌跡數(shù)多于觀測降水目標(biāo)軌跡數(shù)，說明降水量較觀測偏多，預(yù)報降水目標(biāo)生命周期總體長于觀測目標(biāo)生命周期，模式能較好地模擬出預(yù)報不同時次降水目標(biāo)生成和消散個數(shù)變化趨勢。

（4）模式降水預(yù)報目標(biāo)和觀測目標(biāo)體積比誤差較小，當(dāng)MODE-TD檢驗閾值增加時，預(yù)報目標(biāo)和觀測目標(biāo)速度差和方向差都有增加的趨勢，這與傳統(tǒng)點對點檢驗方法相似，當(dāng)降水閾值增加時評分會降低，誤差會增加。

由于MODE-TD方法是一種較新的檢驗技術(shù)，在具體應(yīng)用該方法時，卷積半徑和閾值的選擇具有一定的人為性，因此兩種參數(shù)的選取應(yīng)根據(jù)實際業(yè)務(wù)數(shù)值模式進(jìn)行試驗和調(diào)試，以期找到最合適的參數(shù)配置為模式提供最客觀的預(yù)報性能評估。該方法為氣象科研和業(yè)務(wù)人員提供了一種新的檢驗評估視角，在氣象業(yè)務(wù)上具有較好的應(yīng)用前景。