ECMWF 的QPF 短期預(yù)報(bào)性能在新疆的評估

曾曉青 ，湯 浩 ，張俊蘭 ，代 刊

（1.新疆氣象臺，新疆 烏魯木齊830002；2.國家氣象中心，北京100081）

新疆位于我國西北部，是我國“一帶一路”核心區(qū)之一，同時(shí)也是中歐班列重要的西部通道。隨著全球氣候變化，近些年來新疆地區(qū)暴雨、特大暴雨頻繁出現(xiàn)，如2016 年“7·6”葉城山區(qū)暴雨引發(fā)特大泥石流，2017 年6 月6 日呼圖壁縣創(chuàng)新疆日降水極值，2018 年“7·31”哈密特大暴雨[1]造成大量人員傷亡，突破單站日降水極值，2019 年南疆暴雨和大暴雨增多等。這些極端降水造成的次生災(zāi)害給人民財(cái)產(chǎn)造成巨大損失。已有學(xué)者對新疆降水的空間分布[2-3]和水汽來源情況[4]進(jìn)行了詳細(xì)研究，這些研究對氣候指導(dǎo)有很好的參考意義，但無法直接用于模式短期預(yù)報(bào)結(jié)果訂正中，如果能有效地掌握短期模式的降水預(yù)報(bào)產(chǎn)品規(guī)律，提高短期預(yù)報(bào)準(zhǔn)確率將會大大降低災(zāi)害風(fēng)險(xiǎn)。

2014 年我國開展無縫隙精細(xì)化網(wǎng)格天氣預(yù)報(bào)業(yè)務(wù)以來，客觀定量降水預(yù)報(bào)（Quantitative Precipitation Forecasts，QPF）技術(shù)是其中最重要的發(fā)展方向之一[5-6]，QPF 業(yè)務(wù)流程是以數(shù)值模式預(yù)報(bào)產(chǎn)品為基礎(chǔ)，客觀訂正基礎(chǔ)優(yōu)化和提升QPF 結(jié)果，預(yù)報(bào)員在模式和客觀預(yù)報(bào)基礎(chǔ)上發(fā)揮人的作用[7]?？梢钥闯?，數(shù)值模式的降水預(yù)報(bào)結(jié)果是一切后處理發(fā)展的基礎(chǔ)。目前，國家氣象中心會定期對數(shù)值模式的預(yù)報(bào)性能進(jìn)行檢驗(yàn)，根據(jù)最近的檢驗(yàn)結(jié)果表明[8-10]，歐洲中期天氣預(yù)報(bào)中心（簡稱EC）發(fā)布的細(xì)網(wǎng)格模式預(yù)報(bào)效果最好。但上述研究中的檢驗(yàn)時(shí)段都較短，沒有直接針對QPF 要素的單獨(dú)檢驗(yàn)，所以需要一次針對新疆地區(qū)QPF 檢驗(yàn)的全面分析。同時(shí)，EC-QPF預(yù)報(bào)產(chǎn)品是目前新疆各地預(yù)報(bào)員主要參考的預(yù)報(bào)產(chǎn)品，較好地把握EC 短期QPF 預(yù)報(bào)產(chǎn)品的性能將對新疆地區(qū)降水預(yù)報(bào)起到關(guān)鍵作用。

另外，EC-QPF 是各種客觀訂正技術(shù)和天氣過程機(jī)理分析[11]主要依賴的模式產(chǎn)品之一，即使在多模式主客觀融合中，EC-QPF 所占的權(quán)重也很高[12]。一些研究者使用人工智能中的機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)技術(shù)[13]進(jìn)行降水訂正研究，而要進(jìn)行深度學(xué)習(xí)必須要有大數(shù)據(jù)樣本作為支撐[14]。如果樣本不足，使用深度神經(jīng)網(wǎng)絡(luò)可能失去必要性，另一方面，使用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練出來的模型很容易產(chǎn)生過擬合現(xiàn)象，在實(shí)際預(yù)報(bào)中效果大減，甚至出現(xiàn)負(fù)技巧訂正效果[15]。鑒于很多問題都依賴EC-QPF 的預(yù)報(bào)性能，本次研究將對EC 的QPF 在新疆地區(qū)的短期預(yù)報(bào)性能進(jìn)行多角度檢驗(yàn)，這不僅能讓新疆地區(qū)預(yù)報(bào)員更好地了解EC 的QPF 產(chǎn)品性能，還能為后期新疆QPF 的客觀訂正和融合技術(shù)提供有力的數(shù)據(jù)支撐。

1 資料和方法

1.1 資料

選取的EC-QPF 預(yù)報(bào)產(chǎn)品的起報(bào)時(shí)間是20 時(shí)（北京時(shí)，下同），資料范圍是 70°～100°E，31°～52°N，時(shí)間分辨率為3 h，預(yù)報(bào)時(shí)效為12～36 h（根據(jù)實(shí)際業(yè)務(wù)中的使用需求，在獲得EC 資料后需要制作的是12 h 后的預(yù)報(bào)產(chǎn)品），空間分辨率為0.125°×0.125°。本次研究只針對液態(tài)降水量觀測站，3 h 的站點(diǎn)降水觀測（Site precipitation observation SPO）資料來自新疆地區(qū)國家級151 個(gè)地面氣象觀測站，所有站點(diǎn)分布在“三山夾兩盆”的地理地貌中（圖1），研究中采用雙線性插值法將EC-QPF 格點(diǎn)預(yù)報(bào)產(chǎn)品插值到相應(yīng)的觀測站點(diǎn)上。所有資料樣本時(shí)間均從 2016 年 9 月 1 日—2019 年 12 月 31 日中截取。

圖1 研究區(qū)域和氣象站點(diǎn)分布

1.2 降水等級與評分方法

新疆地區(qū)屬于干旱地區(qū)，西部天山地區(qū)屬于半干旱地區(qū)，一些研究者曾經(jīng)提出了新疆地區(qū)的部分降水強(qiáng)度標(biāo)準(zhǔn)[16]，但是這些標(biāo)準(zhǔn)還不完善，沒有短時(shí)（3 h）的降水強(qiáng)度等級指標(biāo)，所以，本次研究還是依據(jù)中國氣象局頒布的《降水強(qiáng)度等級劃分標(biāo)準(zhǔn)（內(nèi)陸部分）》的 3、24 h 進(jìn)行降水等級劃分（表 1）。

表1 降水強(qiáng)度等級劃分標(biāo)準(zhǔn)

研究中使用公正預(yù)兆得分 （Equitable Threat Score，ETS）評分[17]（公式1）作為其中一個(gè)檢驗(yàn)指標(biāo)，該評分范圍為-1/3~1，評分≤0 表示無技巧或負(fù)技巧，評分等于1 表示完美預(yù)報(bào)。

式中，h 是正確預(yù)報(bào)降水次數(shù)，n 是正確預(yù)報(bào)未出現(xiàn)降水次數(shù)，m 是漏報(bào)次數(shù)，f 是空報(bào)次數(shù)。表2 為降水列聯(lián)表。

表2 降水列聯(lián)表

2 檢驗(yàn)與分析

2.1 總體檢驗(yàn)分析

新疆年平均總降水量在300～500 mm[18-19]。通過對全疆151 個(gè)站點(diǎn)40 個(gè)月的3 h 模式資料和站點(diǎn)實(shí)況整理（包括：除缺、排錯(cuò)），總的降水樣本量達(dá)到140×104個(gè)，24 h 的累計(jì)降水樣本有 17.6×104個(gè)，這為后期深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)提供了很好的樣本支撐。從3 h-QPF 對站點(diǎn)降水觀測量的散點(diǎn)圖可知（圖2a），一元回歸擬合方程的斜率為0.32，遠(yuǎn)低于1，近2/3 的樣本分布在y=x 直線的下方，一些大量級（大雨以上量級）的降水位于x 軸附近，僅有部分理想散點(diǎn)分布在y=x 直線附近。因?yàn)閿?shù)據(jù)偏離正態(tài)分布，研究使用 Fligner-Killeen 和Mann-Whitney（U檢驗(yàn)）非參數(shù)檢驗(yàn)法對SPO 和QPF 的方差與均值進(jìn)行同質(zhì)性檢驗(yàn)，結(jié)果p=0，遠(yuǎn)小于0.05 的可信度標(biāo)準(zhǔn)，表明兩組數(shù)據(jù)不具有方差和均值齊性，兩組數(shù)據(jù)在統(tǒng)計(jì)學(xué)上存在顯著性差異。

累積分布函數(shù)（Cumulative Distribution Function，CDF）常被用來評估未知分布與觀測數(shù)據(jù)的擬合程度，圖2c 顯示了3 h-SPO 和3 h-QPF 的CDF 曲線在降水量為2.4 mm 和累積概率為0.994 之前的變化基本一致，降水量＞2.4 mm 時(shí)，3 h-SPO 曲線與3 h-QPF 曲線出現(xiàn)明顯分化（該分叉點(diǎn)在頻率匹配訂正技術(shù)中扮演關(guān)鍵的角色）。2017、2018、2019年的分叉點(diǎn)分別為2.1、2.6、2.8 mm，與總樣本曲線中出現(xiàn)位置基本一致。而3 h-SPO 的CDF 曲線在過去3 a 大量級降水方面變化很大，3 h-QPF 隨降水量增加而累積概率增長速度要遠(yuǎn)高于3 h-SPO，3 h-QPF 總樣本和 3 a 的 CDF 曲線在 16.5 mm 附近累積概率很快達(dá)到最大值1，表明3 h-QPF 在16.5 mm以上的大量級降水無法擬合。從24 h 結(jié)果來看（圖2b，2d），一元回歸擬合方程的斜率達(dá)到0.58，明顯高于3 h 的斜率，更多的點(diǎn)靠近對角曲線y=x 附近。但是通過Fligner-Killeen 檢驗(yàn)和Mann-Whitney 檢驗(yàn)，結(jié)果p=0，遠(yuǎn)超過0.05 的顯著性水平，表明兩組數(shù)據(jù)依然不具有方差和均值齊性，在統(tǒng)計(jì)學(xué)上仍存在顯著性差異。CDF曲線圖中總樣本分叉點(diǎn)為11.0 mm，與2017、2018、2019 年的分叉點(diǎn)基本一致。24 h-QPF 的CDF 曲線在52.5 mm 附近累積概率達(dá)到最大值1，相比3 h 的結(jié)果，24 h-QPF 的不確定性明顯減小，與SPO 曲線的擬合程度更高，但分叉點(diǎn)之后的擬合程度依然不足。

圖2 QPF 對 SPO 散點(diǎn)（a、b）及降水 CDF 曲線（c、d）

將整個(gè)樣本按照表1 進(jìn)一步細(xì)化（圖3a，3b），3 h-SPO 樣本中無雨占96.07%、小雨占3.44%、中雨占0.45%、大雨543 次占0.04%、暴雨65 次、大暴雨3 次。3 h-QPF 樣本中無雨占90.60%、小雨占8.98%、中雨占0.42%、大雨88 次占0.01%。3 h-QPF有12.6×104次的小雨預(yù)報(bào)，而對應(yīng)的3 h-SPO 只有4.8×104次，僅 1/3。3 h-SPO 和 3 h-QPF 的中雨級別樣本量都在6 000 次附近，基本一致，3 h-QPF 的大雨次數(shù)僅為3 h-SPO 的16%，暴雨和大暴雨全未預(yù)報(bào)出。24 h-SPO 樣本中無雨占85.80%，小雨占13.25%，中雨占0.86%，大雨155 次占0.09%，暴雨14 次占0.01%。24 h-QPF 樣本中，無雨占69.48%，小雨占 29.52%，是 24 h-SPO 的 2 倍；中雨占0.95%，與24 h-SPO 基本一致；大雨85 次占0.05%，是 24 h-SPO 的 1/2；暴雨 1 次?？梢?，3 h-QPF 與24 h-QPF 的中雨與實(shí)況在頻次上都非常接近，而小雨明顯偏多，大雨以上頻次嚴(yán)重偏少，24 h-QPF 在頻次上要比3 h-QPF 更加接近實(shí)況，表明3 h-QPF要比24 h-QPF 的預(yù)報(bào)不確定性高，預(yù)報(bào)員通過訂正EC 模式的24 h-QPF 再重新估算3 h-QPF 的量級是更加合理的。

圖3 分量級降水頻次統(tǒng)計(jì)（a、b）和降水排序（c、d）

從 2017—2019 年的 SPO 變化情況看，2019 年降水次數(shù)明顯減少，特別是24 h 大雨以上量級，2017—2019 年的 24 h 大雨頻次分別為 49、41、31次。而24 h-QPF 的大雨頻次是逐年增加的，2017—2019 年的大雨頻次分別為16、19、27 次，小雨和中雨的變化不大。SPO 與QPF 在大雨頻次上的年度變化趨勢相反，可以推測2019 年EC 模式在大雨以上量級預(yù)報(bào)能力有所提高，但與SPO 相比，大雨以上的預(yù)報(bào)頻次依然偏少。

2.2 大降水檢驗(yàn)分析

研究進(jìn)一步通過排序選取前200 個(gè)SPO 降水量和與之對應(yīng)的QPF 分析發(fā)現(xiàn)（圖3c、3d），在3 h-QPF 的前200 個(gè)大降水（大雨以上的降水）樣本中（14.5～59.3 mm），有 1/4 個(gè)是無降水預(yù)報(bào)，1/2 是小雨預(yù)報(bào)。對于前 200 個(gè) 24 h-QPF（23.7～81.0 mm），僅有7 個(gè)無降水預(yù)報(bào)，近1/3 是小雨預(yù)報(bào)?？梢娫诖蠼邓A(yù)報(bào)上，EC 的QPF 在大量級降水預(yù)報(bào)上并非簡單的由于預(yù)報(bào)量級偏差產(chǎn)生的預(yù)報(bào)誤差，而是由于整個(gè)模式對大降水預(yù)報(bào)能力非常弱。另一方面，200 個(gè)排序后的SPO 與時(shí)間一一對應(yīng)的QPF 之間的量級關(guān)系是一個(gè)不規(guī)律的、非線性的關(guān)系，也就是SPO 發(fā)生大量級降水的同時(shí)，QPF 可能出現(xiàn)無雨、小雨、中雨、大雨等情況，這就為后期預(yù)報(bào)訂正增加了很大難度，特別是使用頻率匹配大量級降水訂正方法?？臻g分布上（圖 4），3 h-SPO 和 24 h-SPO 的大量級降水主要分布在新疆西部的昆侖山和天山、中東部的天山山脈周圍、伊犁河谷和西北部塔城山區(qū)。3 h 中天池大降水頻率最高為12 次，其中最小降水為15.0 mm，而QPF 的最大預(yù)報(bào)降水為13.6 mm，預(yù)報(bào)很弱，大降水頻率在6～7 次的7 個(gè)站點(diǎn)都分布在天山中脈（烏魯木齊區(qū)域附近）。24 h 天池大降水頻率依然最高為20 次，SPO 降水量為24.5～53.4 mm，QPF 降水量為 5.9～52.5 mm（52.5 mm 僅 1 次，其余都是38.6 mm 以下），24 h-QPF 在天山中脈和伊犁河谷地區(qū)的吻合度要遠(yuǎn)高于3 h 預(yù)報(bào)，但是西部昆侖山周圍的降水依然預(yù)報(bào)效果較差?？梢钥闯觯陆蠼邓饕l(fā)生在山脈附近，EC 模式3 h-QPF 產(chǎn)品對新疆地區(qū)地形造成的大降水預(yù)報(bào)效果并不好，24 h-QPF 產(chǎn)品在天山中脈（烏魯木齊區(qū)域附近）和伊犁河谷地區(qū)的大降水預(yù)報(bào)具有一定的參考意義，但預(yù)報(bào)強(qiáng)度偏弱和漏報(bào)現(xiàn)象依然嚴(yán)重。

圖4 排序前200 的SPO 和對應(yīng)的QPF 站點(diǎn)空間分布

2.3 逐時(shí)檢驗(yàn)分析

精細(xì)化格點(diǎn)預(yù)報(bào)經(jīng)常需要在降水訂正或者融合后進(jìn)行時(shí)間拆分，時(shí)間拆分需要一組權(quán)重信息，特別是逐時(shí)滾動訂正中，不同時(shí)效的選擇需要考慮不同的訂正權(quán)重信息，每個(gè)時(shí)間的發(fā)生頻率很重要。對3 h-QPF 在 1 d 中 8 個(gè)時(shí)間（02—23 時(shí)）小雨以上量級的頻次進(jìn)行統(tǒng)計(jì)（圖5a、5d），QPF 的頻次平均是SPO 的 2.5 倍，趨勢上，SPO 的頻次 08 時(shí)最高，之后開始減小，17 時(shí)最低，之后再增加，而QPF 是17 時(shí)頻次最高，23 時(shí)頻次最低，趨勢與SPO 相反。中雨以上量級（圖5b，5e）的SPO 頻次總體上略高于QPF，20 和 23 時(shí)的SPO 頻次是QPF 的 1.5 倍，SPO 最大頻次發(fā)生在20 時(shí)，而此時(shí)刻QPF 是最小值。大雨以上量級（圖5c、5f），新疆地區(qū)的大量級降水主要發(fā)生在17—02 時(shí)，而 QPF 在 17—23 時(shí)的頻次比其他時(shí)刻低。SPO 頻次平均是 QPF 的 10 倍，SPO 在 11 時(shí)頻次最小，20 時(shí)頻次最高，而QPF 在11 時(shí)頻次最高，QPF 的頻次趨勢和量級上都與SPO 差距很大。從每年定時(shí)頻次誤差（SPO 減 QPF）可知（圖 5d、5e、5f），趨勢并不隨年度變化，僅僅是量級上有區(qū)別，這就說明總的頻次趨勢可以代表SPO 與QPF 的變化情況?？梢?，QPF 在8 個(gè)時(shí)間的小雨上過度預(yù)報(bào)，大雨上預(yù)報(bào)不足，中雨從頻次量級上比較接近SPO，小雨、中雨、大雨的QPF 頻率在時(shí)間趨勢上都與SPO 存在相反情況。

圖5 3 h-QPF 在 1 d 中不同時(shí)間的頻次分布（a，b，c）和分年度頻次誤差（d，e，f）

2.4 空間檢驗(yàn)分析

為了了解QPF 整個(gè)樣本在地理空間上的預(yù)報(bào)能力分布情況，使用ETS 評分作為檢驗(yàn)指標(biāo)進(jìn)行分析，ETS 評分與業(yè)務(wù)中用的TS 評分相比，優(yōu)勢在于對于空報(bào)的懲罰力度更大。從24 h-QPF 小雨以上量級的ETS 評分可知（圖6a、6d），最高評分出現(xiàn)在裕民站為0.49，3 h 最高ETS 在塔城為0.42。24 h-ETS 在 0.35 以上的站點(diǎn)都分布在43°N 以北的地區(qū)，ETS≥0.4 以上的站點(diǎn)集中在4 個(gè)地區(qū)：塔城、伊犁河谷、阿勒泰山西南山腳沿線以及天山博格達(dá)峰北側(cè)沿線。3 h-ETS 和24 h-ETS 較低的站點(diǎn)主要分布在南疆的和田、喀什、克州、阿克蘇地區(qū)（昆侖山北側(cè)、天山南支南側(cè)）。從樣本頻次可知，24 h-QPF 小雨以上的預(yù)報(bào)樣本平均是SPO 的2.6 倍，3 h-QPF的是SPO 的2.9 倍。評分最低的霍什拉甫鄉(xiāng)空報(bào)次數(shù)是觀測的20 倍。小雨以上量級的ETS 評分不高的主要原因是受空報(bào)的影響。中雨以上量級的ETS評分結(jié)果相對來說是最好的（圖6b、6e），從樣本頻次看，24 h-QPF 中雨以上的預(yù)報(bào)樣本平均是SPO的 1.3 倍，3 h-QPF 的是 0.96 倍，與 SPO 非常接近。24 h-ETS 最高在鞏留為0.56，還有3 個(gè)站評分達(dá)到0.5 以上，包括精河、且末、彩南油田氣站。3 h-ETS最高是烏魯木齊為0.35。3 h-ETS 和24 h-ETS 評分較高的站點(diǎn)也主要分布在43°N 以北地區(qū)。中雨以上量級的24 h-ETS 在南疆的喀什地區(qū)也出現(xiàn)了評分相對較好的站點(diǎn)。大雨以上量級的ETS 評分絕大部分站點(diǎn)都非常低，但在24 h-ETS 中，阿爾泰山西南部山麓2 個(gè)站點(diǎn)（沖乎爾鄉(xiāng)、查干郭勒鄉(xiāng)）、巴州策達(dá)雅鄉(xiāng)和田地區(qū)塔瓦庫勒鄉(xiāng)出現(xiàn)了ETS 為1.0 的高分。通過分析，主要是SPO 僅有1 次大雨以上量級發(fā)生，QPF 產(chǎn)品正好預(yù)報(bào)出現(xiàn)。而4 次降水過程中大尺度降水量占總降水量的87%、56%、76%、76%。可見，大量級降水主要貢獻(xiàn)來自于系統(tǒng)性大尺度降水量、非對流性降水量。有13 個(gè)站的大雨以上ETS評分＞0.2，并主要分布在伊犁河谷和烏魯木齊地區(qū)。24 h-QPF 出現(xiàn)大雨以上量級的樣本頻次是SPO 的0.43 倍，3 h-QPF 的樣本頻次是 SPO 的 0.14 倍。說明造成大雨以上ETS 評分較低的根本原因是ECQPF 對大量級降水在整個(gè)新疆地區(qū)的預(yù)報(bào)不足?？梢钥闯?，整個(gè)EC-QPF 預(yù)報(bào)結(jié)果偏向均值預(yù)報(bào)。

圖6 QPF 的站點(diǎn)ETS 評分

3 結(jié)論與討論

新疆地區(qū)的降水預(yù)報(bào)一直是一個(gè)難點(diǎn)，目前新疆氣象臺和各地州的預(yù)報(bào)員在日常的主觀訂正業(yè)務(wù)工作中以及模式釋用人員研發(fā)的客觀訂正算法中都強(qiáng)烈依賴EC 細(xì)網(wǎng)格QPF 產(chǎn)品，本次研究從實(shí)際業(yè)務(wù)需求出發(fā)，利用頻次統(tǒng)計(jì)、非參數(shù)檢驗(yàn)法、累積分布函數(shù)、ETS 評分等多種技術(shù)，通過雙線性插值方法將3 h-QPF 的12～36 h 預(yù)報(bào)面雨量插值到151 個(gè)國家地面氣象觀測站位置，并與站點(diǎn)降水觀測量進(jìn)行對比，從多角度分析了2016 年9 月—2019 年12 月僅3 a 的QPF 產(chǎn)品在新疆地區(qū)的預(yù)報(bào)性能，并得出以下結(jié)論：

（1）通過 Fligner-Killeen 和 Mann-Whitney 非參數(shù)檢驗(yàn)表明，SPO 和QPF 兩組數(shù)據(jù)在統(tǒng)計(jì)學(xué)上存在顯著性差異，不具有方差和均值齊性，表明預(yù)報(bào)與實(shí)況還是有很大差距。3 h-QPF 的預(yù)報(bào)不確定性要高于 24 h-QPF，3 h-QPF 在 2.4 mm 附近和 24 h-QPF在11.0 mm 附近是空報(bào)和漏報(bào)的分界點(diǎn)，3 h-QPF對16.5 mm 以上和24 h-QPF 對52.5 mm 以上的大量級降水完全無預(yù)報(bào)能力。

（2）新疆大量級降水主要發(fā)生在山脈附近，24 h-QPF 產(chǎn)品在天山中脈和伊犁河谷地區(qū)的大降水預(yù)報(bào)具有一定的參考意義，但預(yù)報(bào)強(qiáng)度偏弱和漏報(bào)現(xiàn)象依然嚴(yán)重。3 h-QPF 的大降水預(yù)報(bào)效果不好。

（3）3 h-QPF 在 1 d 中 8 個(gè)時(shí)間的小雨、中雨、大雨的QPF 頻率在時(shí)間趨勢上都與SPO 存在相反情況。從統(tǒng)計(jì)頻次和ETS 評分上看，小雨過度預(yù)報(bào)，空報(bào)較多，所以ETS 評分低，大雨預(yù)報(bào)不足，漏報(bào)較多，同樣總體ETS 評分低，中雨從頻次量級上比較接近SPO，ETS 評分相對最好，整個(gè)EC 模式的QPF偏平均態(tài)預(yù)報(bào)。

數(shù)值模式QPF 產(chǎn)品后期的統(tǒng)計(jì)訂正業(yè)務(wù)是未來智能網(wǎng)格預(yù)報(bào)中的一個(gè)重要研究方向，現(xiàn)在全國很多氣象業(yè)務(wù)中都使用頻率匹配法，一些研究[20、21]也表明頻率匹配法對QPF 有一定改進(jìn)效果，但從本次研究的圖3 中，可以看出這樣一個(gè)問題，在新疆地區(qū)，SPO 與QPF 在大量級降水的量級對應(yīng)關(guān)系是一個(gè)不確定的、非規(guī)律性的、非線性的關(guān)系。而使用常規(guī)的頻率匹配技術(shù)在EC 產(chǎn)品上很難解決大量級降水預(yù)報(bào)問題，僅僅使用短時(shí)間的資料樣本將更難確定降水發(fā)生情況。根據(jù)CDF 結(jié)果可知，如果對新疆3 h 降水訂正建模，應(yīng)該在 [0，2.4]mm 建立消空模型，在（2.4，16.5]mm 建立訂正漏報(bào)模型，如果對24 h降水訂正建模，應(yīng)該在[0，11.0]mm 建立消空模型，在（11.0，52.5]mm 建立訂正漏報(bào)模型，3 h 的 16.5 mm以上以及24 h 的52.5 mm 以上需要通過其他相關(guān)物理量建立預(yù)報(bào)模型。在本次研究過程中，通過對模式衍生物理量觀察，當(dāng)SPO 的大量級降水出現(xiàn)時(shí)都與EC 模式中的大氣可降水量有相對不錯(cuò)的對應(yīng)關(guān)系，以QPF 為主，其他相關(guān)物理量為輔，建立大樣本下深度學(xué)習(xí)模型，先進(jìn)行降水量級劃分，再進(jìn)行相關(guān)的多模式頻率匹配等方法將是一種更有效的預(yù)報(bào)方案。

致謝：感謝新疆氣象臺楊霞同志在論文修改過程中給予的指導(dǎo)！