多模式融合的廣東網(wǎng)格定量降水預報方法的研發(fā)與評估*

羅 聰 張華龍 曾 沁 胡 勝，3 吳乃庚，3 陳炳洪，4 時 洋 黃曉瑩 唐思瑜

1 廣東省氣象臺，廣州 510080 2 國家氣象信息中心，北京 100081 3 中國氣象局廣州熱帶海洋氣象研究所，廣州 510080 4 廣州市氣象臺，廣州 511430

提 要：基于ECMWF全球集合預報、華南區(qū)域GRAPES中尺度模式及短時臨近預報模式，對不同模式降水預報在廣東氣候背景下的應用效果進行分析，發(fā)展耦合多種方法的客觀釋用產(chǎn)品，實現(xiàn)多尺度模式的融合應用。通過個例和批量檢驗，結果表明：多尺度模式融合是一個有發(fā)展前景的模式客觀釋用技術，利用頻率匹配和最優(yōu)百分位方法發(fā)揮集合預報解釋在天氣尺度的應用優(yōu)勢，并基于本地化分型檢驗建立了強降水空間訂正和晴雨消空訂正方法，進一步優(yōu)化了特定天氣場景下降水空間分布和強度的預報，利用中尺度模式對日變化特征描述的優(yōu)勢，進行時間降尺度，一定程度上提高了逐時降水預報能力；考慮不同訂正方法的相互依賴和影響，確立了“頻率匹配-最優(yōu)百分位-強降水空間訂正-晴雨消空訂正-時間協(xié)調(diào)一致”的廣東網(wǎng)格定量降水釋用流程，實現(xiàn)了多種不同技術的耦合集成，形成優(yōu)勢互補，提升了廣東降水客觀預報的準確性。

引 言

華南地處我國最南端，每年汛期開始早、結束晚，暴雨頻發(fā)、持續(xù)時間長，且暴雨類型多：如鋒面暴雨、暖區(qū)暴雨、臺風暴雨等，成因復雜，是氣象學者的研究熱點。我國先后開展了華南前汛期暴雨試驗、華南暴雨科學試驗(HUAMEX)、中國南方暴雨野外科學試驗(SCHeREX)，南海季風降水試驗(SCRMEX)等外場加密觀測科學試驗，對產(chǎn)生華南暴雨的多尺度作用機理進行了深入研究，并形成一系列的暴雨監(jiān)測和預報理論(倪允琪等，2006；Luo et al, 2017；2020)。

過去幾十年，隨著天氣理論研究的不斷深入，數(shù)值天氣預報模式也得到了迅速的發(fā)展，基于數(shù)值模式開展降水的客觀釋用也取得了明顯的效果。由于大氣的內(nèi)在可預報性和數(shù)值天氣預報的初始場誤差以及模式動力框架、物理過程、數(shù)值方法等的不完美，單一的確定性數(shù)值預報對降水的預報通常存在較大的不確定性。20世紀末，集合預報得到發(fā)展，集合預報產(chǎn)品開始逐步在業(yè)務預報中發(fā)揮重要的作用。前人研究結果表明，利用集合預報能一定程度上反映數(shù)值模式預報的不確定性，開展集合預報的釋用可以提升數(shù)值模式對極端天氣的預報能力(劉琳等，2013；陳靜等，2005；董全等，2017)。代刊等(2016；2018)總結了最優(yōu)百分位、概率匹配平均等一系列集合預報定量釋用方法在業(yè)務中的應用，張華龍等(2017)針對廣東開展了ECMWF集合預報的百分位統(tǒng)計訂正，取得了優(yōu)于確定性預報的效果，江崟等(2019)發(fā)展了基于頻率匹配的對流尺度集合預報降水訂正技術，智協(xié)飛和呂游(2019)、智協(xié)飛和趙忱(2020)利用頻率匹配方法開展降水多模式預報訂正，有效減小了降水量預報的誤差，且訂正后各量級降水的雨區(qū)面積與實況更加接近。集合預報已經(jīng)成為預報員在中短期天氣預報中的重要支撐，在業(yè)務上得到了廣泛的應用(楊學勝，2001；杜鈞和康志明，2014；羅玲等，2019；陳圣劼等，2019)。

以往研究多圍繞單一集合預報開展，大多集中在提升日累積雨量預報準確率，發(fā)展了多種行之有效的訂正技術。廣東降水頻繁且影響系統(tǒng)復雜，很難有一種客觀方法適用于所有降水過程。如何實現(xiàn)不同釋用技術的關聯(lián)集成，形成優(yōu)勢互補，值得探討。隨行定位的精細服務不斷發(fā)展，如何響應降水日變化特征，給出逐時預報，值得研究。因此，綜合使用多尺度模式(全球與區(qū)域、集合預報與確定性預報模式)、發(fā)展有針對性的客觀訂正方法、建立一個耦合多種方法的釋用流程，實現(xiàn)多尺度模式集成和集合預報應用技術會是天氣預報業(yè)務技術發(fā)展的一個重點方向。

本文基于ECMWF集合預報與華南GRAPES模式(包括華南區(qū)域中尺度模式GRAPES_GZ 3 km與華南區(qū)域短時臨近預報系統(tǒng)GRAPES_GZ_R 3 km)定量降水預報數(shù)據(jù)，利用頻率匹配、最優(yōu)百分位融合、強降水空間訂正、晴雨消空訂正等技術，實現(xiàn)基于多數(shù)值模式預報的優(yōu)選融合預報，并利用要素時間降尺度實現(xiàn)不同時效(24 h、3 h、1 h)降水量預報的協(xié)調(diào)一致。

1 數(shù)據(jù)來源和方法

1.1 數(shù)據(jù)來源

(1)ECMWF集合預報：2013—2019年，歐洲中心集合預報產(chǎn)品，包含51個預報成員，水平網(wǎng)格距為0.5°，提供240 h預報，時間分辨率為6 h。

(2)華南GRAPES區(qū)域模式：包括華南中尺度模式GRAPES_GZ 3 km和短時臨近模式GRAPES_GZ_R 3 km，其中GRAPES_GZ 3 km每天運行兩次，提供96 h預報，水平網(wǎng)格距為0.03°，時間分辨率為1 h，資料時長為2018—2019年；GRAPES_GZ_R 3 km 逐時循環(huán)更新，提供24 h預報，水平網(wǎng)格距為0.03°，時間分辨率為1 h，資料時長為2018—2019年，每年4月1日至9月30日。

(3)實況資料：2013—2019年，廣東省86個國家級自動氣象站和經(jīng)中國氣象局認定的371個區(qū)域自動站逐時和日降水數(shù)據(jù)。

(4)網(wǎng)格指導預報(SCMOC)：2019年6—9月，國家氣象中心網(wǎng)格定量降水預報產(chǎn)品，水平網(wǎng)格距為0.05°，時間分辨率為1 h，本文所用的指導預報為每日20時(北京時，下同)起報的24 h預報。

上述2013—2018年的資料用于建模，2019年6—9月的資料用于檢驗。為實現(xiàn)技術成果在廣東的業(yè)務應用，采用雙線性插值方法將不同來源的數(shù)據(jù)統(tǒng)一到0.025°的網(wǎng)格再進行計算，最終的釋用產(chǎn)品預報范圍為20°～25.7°N、109.4°～118°E(與廣東業(yè)務化的網(wǎng)格預報區(qū)域范圍完全一致)，時間分辨率為1 h。

基于以上資料，利用頻率匹配和最優(yōu)百分位方法發(fā)揮集合預報解釋應用在天氣尺度的優(yōu)勢，同時針對晴雨和強降水等具體場景進行空間和強度做進一步訂正，然后利用中尺度模式在日變化等方面的特征進行時間降尺度應用，形成耦合多種方法的釋用產(chǎn)品(GQPF)。總體的技術框架如圖1。

圖1 技術框架

1.2 頻率匹配

頻率匹配法是實現(xiàn)對集合成員降水頻率訂正至與實況降水頻率一致的方法，主要思路是統(tǒng)計一系列降水閾值以上的預報頻率與實況頻率的累積概率密度，并把有偏差的預報頻率調(diào)整至與實況頻率一致，從而訂正降水偏差(Ebert，2001；Zhu and Luo，2015；李俊等，2015)。降水頻率的計算方法如下：

(1)

式中：k表示不同的降水閾值，F(xiàn)k為降水閾值k所對應的頻率；A為樣本總量，Bk為超過降水閾值k的樣本出現(xiàn)頻次。根據(jù)式(1)計算2013—2018年6—9月廣東省區(qū)域自動站觀測24 h累積降水量實況的累積概率分布曲線，以及集合預報在廣東區(qū)域內(nèi)所有格點與所有成員預報24 h累積降水量的累積概率分布曲線(圖2)，可見實況與預報在降水量級譜兩端存在著明顯的概率分布差異：對于日降水量15 mm 以下，預報樣本頻率顯著高于觀測，而對于日降水量15 mm以上則預報樣本頻率低于實況出現(xiàn)頻率，表明集合預報系統(tǒng)存在小雨預報頻率偏高，大雨預報頻率偏低的偏差特征。

圖2 ECMWF集合預報24～48 h累積降水量預報、實況與頻率匹配訂正的概率密度分布曲線

根據(jù)上述頻率統(tǒng)計特征，以訂正24 h累積降水量預報使其概率分布曲線與觀測一致為目標，構建訂正方程：對于每一累積概率密度，由于其對應的預報降水量和觀測降水量具有一定的偏差，而訂正量即是上述二者的差，因此可通過擬合不同的預報降水量與對應訂正量之間的關系，構建訂正函數(shù)：

D(x)=F[N(x)]-x

(2)

式中：x為模式預報降水量，D(x)為與預報降水量有關的降水訂正函數(shù)，N(x)為預報樣本頻率的擬合函數(shù)；F(y)為觀測樣本頻率擬合函數(shù)的反函數(shù)，即與預報降水量x所對應的樣本頻率y相同頻率的觀測降水量。

構建D(x)的方法為：計算各頻率對應不同的預報降水量與預報降水偏差量之間的散點圖(圖3)，并對兩組數(shù)據(jù)進行擬合。從圖3可見，在不同的降水閾值區(qū)間，兩者并不是嚴格一致的線性關系，為使構建的訂正函數(shù)D(x)與建模數(shù)據(jù)樣本盡可能一致，選取4個閾值區(qū)間，分別構建不同的擬合函數(shù)：在0.1～3.9 mm，將預報量直接訂正為0.1 mm；在 4.0～10 mm和10～100 mm閾值內(nèi)分別擬合構建二次函數(shù)，對于大于100 mm的降水量，則擬合構建線性函數(shù)(圖3)。將集合預報每個成員的降水量預報代入訂正方程，即可得到對應的訂正量以及訂正后累積降水量，頻率匹配訂正后的頻率分布與實況頻率更為一致(圖2)。

圖3 ECMWF集合預報24～48 h累積雨量分段訂正函數(shù)

1.3 最優(yōu)百分位

最優(yōu)百分位是集合預報釋用的重要方法。主要思路為：針對不同的降水量分級(根據(jù)業(yè)務規(guī)定劃分為小雨、中雨、大雨、暴雨、大暴雨和特大暴雨)，檢驗集合預報不同百分位成員預報對相應降水量的TS評分，確定不同等級降水量Tk的集合成員最優(yōu)百分位Pxk，然后按照Tk的從大到小排列順序，依次判別對應等級的最優(yōu)百分位上的集合成員預報Pxk(Mi)是否超過Tk，若滿足條件則停止判別，取該位置的預報值Fi為Pxk(Mi)，若都不滿足則Fi為0,從而得到基于集合預報的最優(yōu)百分位融合產(chǎn)品(代刊等，2016)。公式為:

若Pxk(Mi)≥Tk,則Fxk=Pxk(Mi)

k∈(1，2，3，4，5，6)

(3)

式中：Fi為位置i的最優(yōu)百分位預報值，Mi為位置i的所有成員預報，Pxi(Mi)表示百分位xk的計算函數(shù)，Tk為預先設定的降水閾值，xk則為Tk對應的最優(yōu)百分位。

張華龍等(2017)統(tǒng)計分析了廣東地區(qū)基于原始的ECMWF集合預報的最優(yōu)百分位，本文在沿用該方法的基礎上，先對集合預報各成員進行頻率匹配訂正，再重新統(tǒng)計分析訂正后集合成員的最優(yōu)百分位，重點對降水量大的預報采用不同的分位數(shù)進行融合。

與原始的集合預報最優(yōu)百分位相比，頻率匹配后強降水的最優(yōu)百分位明顯下降(圖4)，對大雨、暴雨和大暴雨的原始集合預報最優(yōu)百分位分別為85%、90%、95%，頻率匹配訂正后最優(yōu)百分位分別為70%、70%、85%。由于頻率匹配有效訂正了集合預報系統(tǒng)對降水量大的預報偏弱的特征，因此大雨以上閾值所有百分位產(chǎn)品的降水量預報均增大，從而最優(yōu)百分位也相應下移。

圖4 不同分位數(shù)的集合降水24～48 h累積雨量預報TS評分

1.4 強降水空間訂正

暖區(qū)暴雨是華南暴雨預報的難點之一，而模式對此類暴雨的預報能力較弱。為進一步提升對廣東暖區(qū)強降水(因暴雨樣本的次數(shù)較少，以下針對大雨以上降水進行分析)的預報能力，利用2013—2018年的6—9月降水數(shù)據(jù)，選取西南氣流影響下的典型暖區(qū)降水日(共145 d)進行分析(圖5)，標準為：剔除臺風影響過程，925 hPa廣東的珠江口西側(cè)(20°～23°N、110°～113.5°E)有超過12 m·s-1的西南急流，同時東側(cè)(21°～24°N、113.5°～117°E)無西南急流存在，為便于定量分析，上述標準近似為風場的v分量達到8 m·s-1。分類型降水檢驗表明：暖區(qū)背景條件下，粵東、河源、梅州、珠江口西側(cè)市縣、湛江一帶存在大雨以上降水嚴重漏報的站點，模式在該區(qū)域?qū)υ擃悘娊邓A報能力欠缺。

圖5 暖區(qū)背景下ECMWF集合預報大雨以上降水漏報率(a)及最優(yōu)百分位(b)

基于以上原因，嘗試發(fā)展針對華南暖區(qū)暴雨的強降水空間訂正技術：1)針對暖區(qū)降水過程進行集合百分位TS分析，得到具有差異性的統(tǒng)計特征，對于大雨以上降水漏報率較高的站點，最優(yōu)TS對應的百分位已經(jīng)達到90%以上，遠高于平均狀態(tài)下的70%最優(yōu)百分位，因此對上述站點計算新的頻率匹配訂正系數(shù)和百分位。2)實際業(yè)務中，根據(jù)前文的標準利用模式預報時段內(nèi)的08時和20時的925 hPa風場客觀判斷，如果是為暖區(qū)降水背景則對上述站點采用新的百分位融合方案。3)采用最近距離法，將上述站點對應的融合方案應用于周邊網(wǎng)格點，實現(xiàn)網(wǎng)格化的強降水空間訂正。

1.5 晴雨訂正

晴雨預報是公眾對日常天氣預報的關注重點，其預報準確率也是反映氣象部門業(yè)務預報能力的關鍵指標之一。根據(jù)業(yè)務現(xiàn)行的晴雨檢驗標準(表1)，對2018年ECMWF數(shù)值模式的晴雨準確率進行分析，發(fā)現(xiàn)晴雨預報誤差主要來源于對較弱降水的空報，空報的站(次)數(shù)占總預報站(次)數(shù)的比例在汛期和非汛期分別為36.4%和25.3%，而漏報僅為1.3%和4.8%，空報站(次)數(shù)遠遠高于漏報，在汛期空報情況更為明顯，這是造成晴雨預報準確率失分的重要原因(圖6)。

圖6 ECMWF數(shù)值模式的晴雨預報檢驗

表1 晴雨檢驗標準

經(jīng)過前面的頻率匹配訂正和最優(yōu)百分位統(tǒng)計，較大程度上改進了ECMWF集合預報對較弱降水預報偏大，尤其是較強降水預報偏小的缺點，但是對于純粹的晴雨預報，仍然存在微弱降水空報多的問題，如何通過消減閾值，減少空報、增加無降水預報的正確站次，是提高預報準確率的關鍵?；谝陨显?，本文利用集合成員的降水預報進行晴雨優(yōu)化訂正，主要思路為：1)對集合預報成員的站點降水預報減去某一閾值p進行消空；2)定義消空后仍預報有雨(大于0.1 mm)的不同成員數(shù)占總集合成員比例為r，計算不同比例r對應的晴雨TS；3)計算歷史訓練期晴雨TS最高時對應的消空閾值p和成員比例r的最優(yōu)組合；4)業(yè)務應用中，當達到閾值p的成員比例超過r時，認為該點有雨，保留強降水空間訂正結果，否則為晴，從而得到最終的24 h累積降水預報。計算公式如下：

(4)

(5)

式中：fn為原始集合成員預報，p為消空閾值，r為成員比例，m為集合成員總數(shù)，F(xiàn)sc為強降水空間訂正結果，F(xiàn)cr為晴雨訂正后的24 h降水量預報。

利用2013—2018年的汛期降水資料，得到廣東的弱降水預報最優(yōu)消空閾值為2.4 mm，最優(yōu)成員比例數(shù)為75%(圖7)。在此閾值條件下，模型訓練期的晴雨預報準確率達到最優(yōu)，為77.08%。

圖7 ECMWF集合預報24～48 h累積降水量的晴雨消空閾值與成員比例

1.6 時間降尺度

前面的方法重點是對集合預報的24 h累積降水量進行釋用，然而為了提高降水預報的時間分辨率至逐小時，需要對其進行時間降尺度，將24 h累積降水量訂正結果合理分配至逐小時的預報時段內(nèi)。主要思路是：選取某一確定性模式，假定其能較好地模擬出降水的時間演變過程，但是降水量預報的準確度不高。因此需將集合釋用的24 h累積降水量按照參考模式的降水演變趨勢，合理分配到各時段。主要包括三個步驟：1)利用參考模式降水信息，計算逐個網(wǎng)格的小時降水序列曲線；2)利用逐1 h降水和總降水量，獲取逐1 h降水比例；3)根據(jù)逐1 h 降水比例關系，將集合釋用的累積降水量拆分成逐1 h定量降水，若某網(wǎng)格的集合釋用累積降水量不為零，而參考模式的降水量預報為零，則搜尋周邊最近不為零的網(wǎng)格點比例關系，應用于該網(wǎng)格點。

該方法的關鍵在于所采用的模式需對降雨演變趨勢有較好預報能力。華南中尺度模式GRAPES_GZ 3 km采用模式動力框架和物理過程耦合,減少了預報場不連續(xù)現(xiàn)象，通過改進云分析系統(tǒng)，改善短時臨近預報效果，改進陸面模式及其分析方案，提高地面要素預報能力；而華南短時臨近模式GRAPES_GZ_R 3 km進一步通過快速同化雷達資料、地面自動站資料，改進了初生對流的預報能力?；谏鲜鲈?，本研究聯(lián)合應用集合預報多種方法釋用結果和GRAPES_GZ 3 km、GRAPES_GZ_R 3 km模式的逐時預報，進行降水要素時間降尺度融合處理(當兩套華南區(qū)域模式的預報時段重疊時，取GRAPES_GZ_R的權重系數(shù)為1，GRAPES_GZ的權重為0)，實現(xiàn)不同時效(24 h、3 h、1 h)降水量預報的一致和高精度的逐時預報。主要業(yè)務及技術流程如圖8。

2 檢驗與分析

為了評估多模式融合的定量降水預報效果，本研究對2019年6月1日至9月30日的數(shù)據(jù)進行檢驗，主要檢驗對象為晴雨準確率和強降水準確率(其中格點預報時長為24 h和3 h，站點預報時長為1 h)。由于本方法的24 h累積降水主要來源于ECMWF的集合預報釋用，并基于GRAPES 3 km數(shù)值模式進行時間降尺度，考慮到數(shù)值模式產(chǎn)品的滯后性，基于實際業(yè)務應用的角度，以下檢驗采用本方法(GQPF)前一日20時起報的48 h預報時效與當日指導預報(SCMOC)20時起報的24 h預報時效、GRAPES_GZ_R模式14時起報的6～18 h預報時效和GRAPES_GZ模式08時起報的24～36 h預報時效進行對比。為便于業(yè)務應用，下文圖表均以指導預報時效所對應時次的各家預報作為參考時間，結果分析如圖8。

圖8 業(yè)務及技術流程

2.1 晴雨預報檢驗分析

本方法采用的晴雨預報TS和預報技巧STS計算公式如下：

(6)

(7)

式中：NA、NB、NC、ND的定義見表1；TSP為本方法的廣東范圍網(wǎng)格晴雨預報準確率，TSN為國家氣象中心網(wǎng)格指導預報在對應網(wǎng)格范圍的晴雨預報準確率。

在前面的方法介紹中已指出：晴雨預報最大的誤差來源于對較弱降水的空報。本方法經(jīng)過針對性的消空訂正后，晴雨預報表現(xiàn)最為突出：本方法24～48 h預報時效的晴雨預報TS為0.757 5，對應同期的24 h晴雨指導預報TS為0.708 8，本方法相對于指導預報的技巧為0.167，華南中尺度模式GRAPES_GZ的12～36 h晴雨預報TS為0.681 9，而華南短臨模式GRAPES_GZ_R因預報時效未能完全覆蓋指導預報對應時次，不進行24 h晴雨預報對比。選取部分弱降水的個例進行分析(圖9)：2019年7月27日，中層為受副熱帶高壓南側(cè)的偏東氣流影響，低層850 hPa和925 hPa受弱西南風控制，粵東偏東市縣出現(xiàn)了小雨局部中雨降水；2019年7月25日20時的ECMWF確定性模式48 h預報廣東大部市縣有小雨，其中粵東市縣局部有中雨，晴雨預報TS為0.194 8；本方法經(jīng)過晴雨消空訂正后的預報則僅保留了粵東偏東市縣的小雨局部中雨降水，與實況較為吻合,晴雨預報TS提升至0.872 6。

圖9 2019年7月一次弱降水個例的晴雨消空訂正效果對比

除了24 h累積量的晴雨預報，隨著定位氣象服務需求的增長，更高時間分辨率的降水預報準確率成為新的關注點。本方法融合了全球集合預報和區(qū)域數(shù)值模式，利用區(qū)域模式降水要素的時間曲線進行降尺度，得到逐3 h格點和逐1 h站點的降水預報。

本方法的逐3 h的晴雨預報均為正技巧(圖10)，24～48 h內(nèi)的逐3 h晴雨預報TS最高為0.8451，最低為0.7303，總體隨著預報時效增加呈一定的下降趨勢；站點(廣州)逐小時的晴雨預報亦全面表現(xiàn)為正技巧，同樣呈現(xiàn)類似的變化趨勢(圖11)。無論是逐1 h還是逐3 h預報，本方法總體上也略優(yōu)于華南區(qū)域數(shù)值模式。上述結果表明，多尺度模式的融合應用可以提升廣東更高時間分辨率的網(wǎng)格要素預報準確率。

圖10 2019年6月1日至9月30日，20時起報的格點逐3 h晴雨預報準確率和預報技巧

圖11 同圖10，但為廣州站逐1 h

2.2 強降水空間訂正分析

本方法定義的強降水標準為24 h累積降水量達到50 mm，或3 h累積降水量達到20 mm，采用的強降水預報TS的計算公式如下[預報技巧計算方法同式(7)]：

(8)

式中：NA為強降水預報正確站(次)數(shù)、NB為空報站(次)數(shù)、NC為漏報站(次)數(shù)。

本方法24～48 h強降水預報TS為0.217，與同期的24 h指導預報持平，優(yōu)于GRAPES_GZ的12～36 h強降水預報(TS：0.167)；對于24～48 h內(nèi)的逐3 h強降水預報，本方法和指導預報同樣大致持平，大部分時次的TS相差在0.01以內(nèi)，其中本方法比指導預報高0.02的時次有2個，低于指導預報0.02的時次有1個，但普遍優(yōu)于GRAPES_GZ_R和GRAPES_GZ模式(圖12)。

圖12 同圖10，但為逐3 h強降水

對于強降水預報，業(yè)務常用方法是主客觀融合，可以保留主觀預報的落區(qū)等級優(yōu)勢和客觀預報的精細分布，而針對特定天氣類型(如本文的暖區(qū)降水)進行強降水空間客觀訂正則是一個新的嘗試。2019年8月17日，500 hPa的副熱帶高壓位于南海中東部海面，廣東位于副熱帶高壓的西北側(cè)，在925 hPa和850 hPa，廣東的西部受西南急流影響，受其影響，廣東西南部出現(xiàn)了大雨到暴雨，局部大暴雨的降水；8月15日20時的集合最優(yōu)百分位融合48 h預報粵西有大雨降水，對暴雨以上降水有明顯的漏報，而經(jīng)過分類強降水空間訂正的產(chǎn)品則預報粵西有大雨到暴雨的降水，暴雨TS評分達到0.25，盡管對于大暴雨仍然出現(xiàn)了漏報，總體較訂正前有了明顯的改進(圖13)。

圖13 2019年8月一次強降水個例的強降水空間訂正效果對比

3 結論與討論

本文在參考國內(nèi)眾多的基于確定性預報和集合預報的釋用方法的基礎上，對不同預報產(chǎn)品在廣東氣候特征背景下的應用效果進行分析，并針對預報業(yè)務流程無縫隙、精細化、準確性、滾動更新等方面的需要開展技術方法研究，實現(xiàn)多模式融合的廣東網(wǎng)格定量降水預報。主要結論如下：

(1)基于ECMWF集合預報、華南區(qū)域中尺度模式(GRAPES_RZ 3 km)與華南區(qū)域短時臨近模式(GRAPES_GZ_R 3 km)三種數(shù)值預報系統(tǒng)的定量降水預報產(chǎn)品，研發(fā)了釋用技術，該技術融合了集合預報在刻畫天氣尺度特征方面的優(yōu)勢，并針對晴雨和強降水等具體場景進行空間和強度做進一步訂正，然后利用中尺度模式對日變化等方面的精細預報進行時間降尺度，形成融合多種方法的釋用產(chǎn)品。

(2)在集合預報釋用方法上，利用頻率匹配訂正針對弱降水頻率預報偏高、強降水頻率預報偏低的偏差特征；將傳統(tǒng)的集合預報訂正與利用環(huán)境物理量因子訂正的不同方法相融合，利用地形動力因子進行集合百分位統(tǒng)計檢驗，優(yōu)化了集合預報融合產(chǎn)品，進一步訂正了廣東暖區(qū)強降水空間分布的預報；通過統(tǒng)計不同降水類型的消空閾值和多種百分位特征，并進行組合消空，進一步提升了晴雨預報準確率。

(3)對多個技術進行集成應用時，考慮了其相互的依賴性和影響，通過不同技術集成順序及檢驗效果的試驗與研究，最終確定頻率匹配-百分位融合-強降水空間訂正-晴雨消空訂正-時間協(xié)調(diào)一致的廣東網(wǎng)格定量降水釋用技術流程，實現(xiàn)了技術的優(yōu)選集成應用。

總體而言，多模式的融合應用有助于提升降水客觀預報能力，但在本方法中區(qū)域模式主要是作為降雨的時間演變趨勢參照，用于對集合預報釋用結果進行時間降尺度，未來還需對區(qū)域模式開展逐時釋用研究，從而進一步提高逐時預報的準確率；同時，還需針對強降水預報在不同天氣類型中的偏差特征，結合天氣分型，引入反映大氣動、熱力特征的環(huán)境因子和地形因子，開展多因子訂正方法研究，提升強降水預報能力。