GRAPES_GZ 3 km模式對2019年海南島暖季非臺風(fēng)降水預(yù)報的時空檢驗

吳俞 ，馮簫 ，李勛 ，李玉梅 ，姜小云

(1.海南省氣象局南海重點(diǎn)實(shí)驗室，海南海口570203；2.海南省氣象臺，海南海口570203；3.海南省氣象探測中心，海南?？?70203)

1 引 言

海南島地處熱帶，屬于熱帶海洋季風(fēng)氣候，其降水具有時空尺度小、局地性強(qiáng)等特點(diǎn)，預(yù)報難度較大。國內(nèi)對海南島的降水研究多側(cè)重于臺風(fēng)降水[1-2]、秋冬季東風(fēng)急流下的強(qiáng)降水[3-4]，業(yè)務(wù)中對上述兩類天氣系統(tǒng)降水具有一定的預(yù)報和訂正能力。但是，對于海南島暖季（4—9 月），南支槽、南海季風(fēng)槽和海陸風(fēng)日變化等天氣背景下造成的非臺風(fēng)降水預(yù)報難度較大。據(jù)統(tǒng)計，2019 年4—9 月海南島非臺風(fēng)降水的24 h 降水預(yù)報的TS 評分為50.9%，暴雨以上的TS 僅為1.8%。目前，華南3 km 高分辨率區(qū)域數(shù)值模式（GRAPES_GZ 3 km）已初步應(yīng)用于海南省氣象臺預(yù)報產(chǎn)品精細(xì)化預(yù)報服務(wù)工作，亟需開展該模式的預(yù)報性能、尤其是面向中小尺度天氣事件的空間分布特征檢驗評估工作，幫助預(yù)報員全面了解該模式的預(yù)報性能。

使用傳統(tǒng)評分方法檢驗中小尺度天氣存在著“雙重懲罰”問題，因此，空間檢驗方法[5-13]逐步應(yīng)用于中小尺度模式預(yù)報性能評估，典型的方法之一是基于目標(biāo)診斷的空間檢驗方法（MODE，Method for Object - Based Diagnostic Evaluation）[9-12]。該方法能充分考慮檢驗?zāi)繕?biāo)的空間位置、形狀、面積等中小尺度天氣空間分布因素,并通過符合主觀判斷的模糊邏輯算法計算相似度。國內(nèi)外學(xué)者基于MODE方法進(jìn)行了諸多模式評估，例如王國榮等[14]應(yīng)用MODE 方法對2013 年8 月11 日北京地區(qū)的一次局地強(qiáng)降水過程進(jìn)行了空間檢驗與傳統(tǒng)檢驗方案評估，不僅能統(tǒng)計模式的傳統(tǒng)技巧評分以及預(yù)報性能的尺度變化，還可以表現(xiàn)降水對象的質(zhì)心距離、軸角、面積、強(qiáng)度、綜合收益、位移距離等多種屬性，這些屬性從側(cè)面定量描述了模式對天氣系統(tǒng)發(fā)展快慢、槽脊強(qiáng)弱等預(yù)報誤差，具有獨(dú)特的優(yōu)勢；姜曉曼[16]對2014年夏季長江中下游地區(qū)降水預(yù)報檢驗發(fā)現(xiàn)對于高分辨率模式MODE 檢驗方法不僅提供大量屬性特征，在天氣系統(tǒng)檢驗方面也提供了參考，更具有物理學(xué)解釋應(yīng)用的價值；陳笑等[17]基于MODE 檢驗方法檢驗了格點(diǎn)化多模式集成預(yù)報系統(tǒng)對強(qiáng)風(fēng)風(fēng)場的預(yù)報性能，得到MODE 檢驗可較好地量化強(qiáng)風(fēng)落區(qū)的范圍大小和位置偏差、強(qiáng)風(fēng)過程的時間相位差等，從而可量化判別出模式在各個時刻的空報和漏報區(qū)域以及對強(qiáng)風(fēng)過程移動速度和生命周期長度的預(yù)報性能；Davis 等[18]基于MODE 方法比較了4 km 分辨率中尺度天氣預(yù)報模式WRF(Weather Research and Forecasting model)與4.5 km 分辨率非靜力中尺度模式 NMM(Nonhydrostatic Mesoscale Model)對 2005 年 6 月美國境內(nèi)強(qiáng)對流風(fēng)暴的預(yù)警能力，認(rèn)為WRF 模式虛警率低，優(yōu)于 NMM 模式；Johnson 等[19]利用MODE 方法比較了1 km 和4 km 格點(diǎn)分辨率的WRF 中尺度模式對美國區(qū)域風(fēng)暴的預(yù)報差異；Duda 等[20]運(yùn)用 MODE 診斷了 3 km 分辨率的 WRF模式對于對流觸發(fā)和尺度增長發(fā)展為中尺度對流系統(tǒng)的模擬性能；Skok 等[21]用MODE 方法檢驗了WRF模式對熱帶低緯度地區(qū)降水的預(yù)報能力；Cai等[22]將MODE 應(yīng)用于美國高分辨率快速更新模式的檢驗，探究空間檢驗方法相對于傳統(tǒng)檢驗方法提供的更多信息。

盡管MODE檢驗方法能夠客觀反映模式的要素二維空間分布偏差，但存在著缺少要素預(yù)報時間維度偏差上評估的不足，即需要拓展預(yù)報要素檢驗時間維度方面的誤差，更好地檢驗?zāi)Ｊ教鞖庀到y(tǒng)預(yù)報的發(fā)生和消亡過程。因此，Clark 等[23]在MODE 中加入時間維度的信息，發(fā)展了時空檢驗方法（MTD，Method for Object-Based Diagnostic Evaluation-Time Domain），該評估方法可以進(jìn)一步提供包括天氣系統(tǒng)的觸發(fā)、消亡時間，生命史長度、傳播速度和發(fā)展演變等目標(biāo)變化信息。目前，國內(nèi)應(yīng)用MTD 檢驗方法進(jìn)行模式評估的工作相對較少。最近徐同等[24]將MTD 檢驗方法初步應(yīng)用于上海快速同化更新預(yù)報系統(tǒng)（SMSWARRV2.0）性能檢驗，結(jié)果表明SMSWARRV2.0 能較好模擬出降水目標(biāo)生成和消散個數(shù)變化趨勢，但預(yù)報目標(biāo)個數(shù)偏多且生命周期偏長。以上工作為高分辨率數(shù)值模式開展時空檢驗奠定了基礎(chǔ)。本文將對GRAPES_ GZ3 km高分辨率區(qū)域模式2019 年4—9 月海南島暖季的非臺風(fēng)降水預(yù)報開展評估檢驗，重點(diǎn)面向24 h 預(yù)報時效內(nèi)的短時臨近預(yù)報效果進(jìn)行評估，試圖了解模式預(yù)報偏差在時空分布上的特征，以及預(yù)報偏差的可能來源，為該模式產(chǎn)品在海南進(jìn)行深度應(yīng)用做好鋪墊。

2 資料與方法

2.1 模式及預(yù)報產(chǎn)品簡介

GRAPES_GZ 3 km[25]提供每天起報2 次（08：00 和20:00，北京時間，下同）的要素預(yù)報，其覆蓋范圍為：96.00～123.36 °E，16.00～31.36 °N，水平格距為3 km，垂直方向分65 層，輸出逐小時的地面要素和等壓面氣象要素預(yù)報產(chǎn)品。

2.2 實(shí)況資料

實(shí)況資料選用中國氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS[26（]CMA Land Data Assimilation System）產(chǎn)品，該產(chǎn)品融合了大量實(shí)際觀測、接近真實(shí)大氣狀態(tài)的大氣驅(qū)動數(shù)據(jù)以及陸面模式產(chǎn)品，具有較高的精度。CLDAS 實(shí)況數(shù)據(jù)的水平分辨率為5 km。

2.3 檢驗的降水樣本

主要檢驗的對象是2019 年暖季（4—9 月）的非臺風(fēng)降水，其中剔除了1904 號（7 月1—4 日）、1907號（7月30日—8月3日）、1911號（8月24—25日）、1912 號（8 月 28—30 日）和 1914 號（8 月 31 日—9月7日）熱帶氣旋影響期間的降水樣本。

2.4 MODE和MTD檢驗方法簡介

圖1 給出了MODE 和MTD 檢驗方法的流程，可見兩種方法的實(shí)現(xiàn)步驟均包括了降水對象的確定、對象的屬性計算、對象的合并和匹配、以及配對目標(biāo)對象的誤差屬性，區(qū)別是MTD 增加了時間維度。其中，MODE實(shí)現(xiàn)步驟如下。

圖1 MODE和MTD方法流程圖與主要區(qū)別

①降水對象的確定，通過給定的卷積半徑R和降水閾值對需要評估的要素場進(jìn)行卷積，進(jìn)行要素場空間平滑。

②對象的屬性計算，定量給出系統(tǒng)識別出的單個目標(biāo)物的面積、質(zhì)心、軸角、復(fù)雜度、經(jīng)緯度、強(qiáng)度百分位數(shù)、長短軸長度等屬性。

③對象的合并和匹配，利用模糊邏輯和聚類分析方法識別空間中連續(xù)的分布區(qū)域，并根據(jù)質(zhì)心位置、總面積、重疊面積、軸角等屬性來匹配預(yù)報場與觀測場中的對象。

④配對目標(biāo)對象的誤差屬性計算，設(shè)定屬性權(quán)重系數(shù)，利用模糊邏輯算法計算預(yù)報性能的總收益函數(shù)從而判斷預(yù)報的整體表現(xiàn)。

與MODE 相似，MTD 包含了上述4 個步驟，但增加了時間維度，為此，MTD 算法有別于MODE，區(qū)別如下。

①在降水對象卷積方面，MTD使用方形卷積濾波器，而非MODE使用的圓形卷積濾波器，原因是方形卷積濾波函數(shù)比圓形濾波函數(shù)更能快速提高數(shù)據(jù)的處理速度，濾波器的總體“大小”仍由一個參數(shù)（在MODE中表示為R）確定，如圖2a所示，正方形的大小為（2R+ 1）×（2R+ 1）。

② 在對象屬性計算方面，MTD 比MODE 增加了時間維度，因此MTD 主要側(cè)重對象目標(biāo)開始、結(jié)束時間，目標(biāo)軸角、質(zhì)心行駛距離，目標(biāo)體積和百分位強(qiáng)度。

③ 在對象匹配和合并方面，MTD 比MODE中的匹配和合并方式更簡單，圖2b給出了MTD目標(biāo)匹配和合并的簡單概念模型，為了區(qū)分每個字段中的對象，預(yù)測對象用數(shù)字標(biāo)記，觀測對象用字母標(biāo)記，如圖2b 中Ⅱ所示。每個預(yù)測和每個觀察到的對象都成為圖中的節(jié)點(diǎn), 出于示例的目的，假設(shè)MTD 模糊識別到觀測對象B 和C 同預(yù)報對象4的匹配度最高，同樣，觀測對象A 和預(yù)報對象2、3的匹配度高，只有預(yù)報對象1 沒有匹配對象，因此配對的結(jié)果得到如圖2b 中Ⅳ所示的三組，即由MTD 確定的群集對象，也就是將屬于相同對等類的所有預(yù)測對象和觀測對象進(jìn)行合并匹配。

圖2 MTD半徑示意圖(a)、MTD示例圖(b)

本文檢驗對象是GRAPES_GZ 3 km 模式的2019 年海南島暖季（4—9 月）非臺風(fēng)降水預(yù)報，在MODE 和MTD 檢驗方法中設(shè)定檢驗的范圍為：108.5～111.2 °E，18.0～20.2 °N，所選取的半徑為2 km，在降水閾值設(shè)定方面，MODE 中降水目標(biāo)是24 h 累積降水，因此降水閾值分別設(shè)定為0.1 mm、10 mm、25 mm、50 mm，而MTD 中降水目標(biāo)是1 h 累積降水，降水閾值主要設(shè)定為0.1 mm 和20 mm，分別代表晴雨和短時強(qiáng)降水的目標(biāo)特征。所選的平滑半徑2 km 代表了數(shù)值模式分辨率附近的尺度范圍，當(dāng)與所選的降水閾值結(jié)合使用時，可有效捕獲海南島降水持續(xù)時間較短或降水持續(xù)時間較長的對流風(fēng)暴。

3 GRAPES_GZ 3 km 模式降水預(yù)報的檢驗評估

目前業(yè)務(wù)中對高分辨率數(shù)值模式降水預(yù)報的檢驗評估依然主要關(guān)注24 h 的累積降水預(yù)報，時空檢驗方法可以滿足逐時降水預(yù)報檢驗等精細(xì)化預(yù)報評估的發(fā)展需求。因此，本節(jié)分別對GRAPES_GZ 3 km 模式24 h 累積降水預(yù)報和逐時降水預(yù)報進(jìn)行檢驗，其中24 h 累積降水預(yù)報對比了傳統(tǒng)檢驗和MODE 空間檢驗，說明MODE 的主要優(yōu)勢，最后利用MTD 時空檢驗方法對逐時降水預(yù)報進(jìn)行詳細(xì)的時空檢驗。

3.1 傳統(tǒng)檢驗

圖3 展示了GRAPES_GZ 3 km 08:00 起報24 h 降水預(yù)報的傳統(tǒng)檢驗綜合評分圖（2019 年4 月1日—9 月30 日非臺風(fēng)降水日）。綜合評分圖涵蓋了包括度量預(yù)報技巧的TS 評分，以及用于檢驗預(yù)報誤差的命中率、成功率和Bias偏差，但都是基于預(yù)報和實(shí)況點(diǎn)對點(diǎn)的檢驗結(jié)果。圖3 中可見隨著降水閾值的增加，TS 評分明顯下降，對于≥0.1 mm以上的降水，Bias 接近1，表明預(yù)報降水發(fā)生的頻率與實(shí)況降水發(fā)生頻率基本一致，且空報率和漏報率相當(dāng)；對于≥10 mm、≥25 mm 和≥50 mm 以上的降水，模式預(yù)報都呈現(xiàn)出Bias 偏差值＞1 的趨勢，即降水空報，尤其是暴雨以上量級，空報的趨勢尤為明顯。

圖3 GRAPES_GZ 3 km的24 h降水預(yù)報的傳統(tǒng)檢驗綜合評分圖

傳統(tǒng)的檢驗方法雖然能表征模式預(yù)報的偏差，但存在著不足：首先，不能反映模式預(yù)報場的空間結(jié)構(gòu)變化特征；其次，由于是基于點(diǎn)對點(diǎn)的對比分析，當(dāng)用觀測資料檢驗高分辨率模式時，易受小尺度系統(tǒng)的影響，從而無法準(zhǔn)確反映模式的預(yù)報能力。而MODE 空間檢驗方法能彌補(bǔ)以上不足。

3.2 空間（MODE）檢驗

利用MODE方法，檢驗?zāi)Ｊ皆?019年4—9月非臺風(fēng)降水的24 h 預(yù)報性能，圖4 給出了預(yù)報和實(shí)況在MODE 檢驗中幾個重要屬性的對比結(jié)果，其中對于表征降水形狀的特征屬性，包括降水目標(biāo)的長度、寬度和軸角，從圖 4a、4b 和 4c 可以看出，對于≥0.1 mm 以上的降水，實(shí)況降水目標(biāo)的長度、寬度和軸角的中位數(shù)均比預(yù)報降水目標(biāo)偏長、偏寬和軸角略偏大一些，而隨著降水閾值的增大，其結(jié)果相反，說明隨著降水強(qiáng)度的增大，GRAPES_GZ 3 km 模式空報的范圍要略大一些，這從圖4d 的降水面積的對比也可以得到印證；對于表征降水強(qiáng)度的屬性，分別選取了降水強(qiáng)度的50 百分位數(shù)和90 百分位數(shù)進(jìn)行對比，從圖4e和4f可以看出，GRAPES_GZ 3 km 模式在不同降水閾值的降水強(qiáng)度預(yù)報中位數(shù)均比實(shí)況偏強(qiáng)。

圖4 a. GRAPES_GZ3 km模式預(yù)報和clads實(shí)況在不同降水閾值中對降水目標(biāo)長度(a)、目標(biāo)寬度(b)、目標(biāo)軸角(c)、目標(biāo)面積(d)、強(qiáng)度（50百分位）(e)、強(qiáng)度（90百分位）(f)的箱線圖對比

綜合而言，MODE 檢驗方法比傳統(tǒng)的點(diǎn)對點(diǎn)檢驗方法更加客觀反映了模式對降水形態(tài)、落區(qū)和強(qiáng)度預(yù)報偏差，下面通過個例進(jìn)一步說明MODE檢驗方法的具體應(yīng)用。

3.2.1 2019 年海南島暖季非臺風(fēng)降水個例的MODE檢驗

以2019年5月21—23日海南島受南壓低空切變線過程影響為例，圖5a 和圖5b 分別是GRAPES_GZ 3 km 模式 5 月 21 日 20:00 起報的 24 h降水預(yù)報和對應(yīng)的實(shí)況降水分布，可見海南島西北部出現(xiàn)了較強(qiáng)強(qiáng)水，但空間分布不均勻，而預(yù)報強(qiáng)降水落區(qū)在海南島的北部到中部內(nèi)陸呈帶狀分布，用MODE檢驗方法分別對≥10 mm、≥25 mm和≥50 mm 的降水進(jìn)行空間匹配對比。其中對≥10mm 的降水，圖5c、5d 分別是預(yù)報和實(shí)況空間匹配的降水目標(biāo)，即識別出降水目標(biāo)1（表1 是基于MODE 檢驗對此個例得到的預(yù)報和實(shí)況的降水目標(biāo)屬性對比值），可見兩者的形態(tài)、范圍和位置十分相似，盡管預(yù)報降水落區(qū)略偏西一些，但是降水屬性的綜合總收益為1，總收益的取值范圍為0～1，值越高，預(yù)報和實(shí)況的匹配度越高；對于≥25 mm 的降水，預(yù)報和實(shí)況匹配的降水目標(biāo)有1 個，即目標(biāo)1(圖5e和5f)，可見除了降水強(qiáng)度在90百分位預(yù)報比實(shí)況偏強(qiáng)近16 mm 外，其余屬性兩者差異不大，因此總收益仍為1，兩者的匹配度極高；對于≥50 mm 的降水，預(yù)報和實(shí)況匹配的降水目標(biāo)有3個，即目標(biāo)1、2和3(圖5g和5h)，可以看出強(qiáng)降水中心分布較分散，主要在海南島的西北部和西部地區(qū)的局部，其中降水目標(biāo)1 中，預(yù)報和實(shí)況的強(qiáng)降水落區(qū)比較一致，但是范圍預(yù)報明顯偏大，降水強(qiáng)度偏強(qiáng)(表1)，同樣降水目標(biāo)2 和降水目標(biāo)3中預(yù)報均在降水落區(qū)、形態(tài)和強(qiáng)度上與實(shí)況有一定差異，總的收益只有0.66 和0.73。隨著切變線的南壓，從圖 5j 的 5 月 22 日 08:00—23 日 08:00 的24 h 實(shí)況累積降水分布來看，降水較前一天也有所東移南壓，模式降水預(yù)報（圖5i）也基本能反映切變系統(tǒng)的東移南壓，其中對于≥10 mm 的降水預(yù)報的降水形態(tài)和落區(qū)（圖5k）和實(shí)況（圖5l）非常相似和一致，評估的總收益為1（表1）；對于≥25 mm的降水，預(yù)報和實(shí)況匹配出降水目標(biāo)1 和2，從圖5m 和圖5n 的預(yù)報和實(shí)況對比可以看出對于降水目標(biāo)1 兩者落區(qū)基本一致，但在降水范圍、軸角和強(qiáng)度都存在一定差異，而降水目標(biāo)2中預(yù)報和實(shí)況相比，其位置偏差較大，預(yù)報主體位于海南島東南部，而實(shí)況位于海南島的中部偏西內(nèi)陸，除此之外，降水形態(tài)包括長度、寬度、軸角、面積以及降水強(qiáng)度兩者比較接近，總收益也有0.91（表1）；對于≥50 mm 的降水，（圖5o）和實(shí)況（圖5p）的位置偏差大，且預(yù)報降水范圍比實(shí)況偏小，降水強(qiáng)度無論是50百分位還是90百分位均比實(shí)況偏強(qiáng)明顯。

表1 降水個例的MODE檢驗結(jié)果屬性表

圖5 GRAPES_GZ 3 km模式2019年5月21日08:00起報的24 h降水分布（a）及該時次預(yù)報≥10 mm（c）、≥25 mm（e）、≥50 mm（g）降水空間匹配的降水目標(biāo)；實(shí)況2019年5月21日08:00—22日08:00的24 h累積降水分布（b）及該時次實(shí)況≥10 mm（d）、≥25 mm（f）、≥50 mm（h）降水空間匹配的降水目標(biāo)；GRAPES_GZ 3 km模式2019年5月22日08:00起報的24 h降水分布（i）及該時次預(yù)報≥10 mm（k）、≥25 mm（m）、≥50 mm（o）降水空間匹配的降水目標(biāo)；實(shí)況2019年5月22日08:00—23日08:00的24 h累積降水分布（j）及該時次實(shí)況≥10 mm（l）、≥25 mm（n）、≥50 mm（p）降水空間匹配的降水目標(biāo)

綜上，以 2019 年 5 月 21—23 日的切變線降水過程為例，可見GRAPES_GZ 3 km 模式對于25 mm以下的降水預(yù)報在降水形態(tài)、落區(qū)等方面與實(shí)況接近，降水強(qiáng)度略偏強(qiáng)，對于50 mm 以上的強(qiáng)降水，模式預(yù)報的降水落區(qū)偏東偏南，降水范圍、形態(tài)較實(shí)況偏差大，降水強(qiáng)度偏強(qiáng)。

由于MODE檢驗方法能客觀反映模式某個預(yù)報時效的二維空間場偏差，但不能反映模式時間維度上的偏差特征，比如降水系統(tǒng)的生命期、生消時間、降水期間逐小時的位置和強(qiáng)度偏差，因此，下文將應(yīng)用MTD 方法對GRAPES_GZ 3 km 模式從以上幾方面開展預(yù)報檢驗。

3.3 時空（MTD）檢驗

3.3.1 GRAPES_GZ 3 km 模式逐時降水預(yù)報空間偏差特征

本節(jié)通過MTD 方法評估模式小時降水預(yù)報的空間分布特征。首先判別匹配2019 年4—9 月預(yù)報和實(shí)況非臺風(fēng)降水的對比樣本（本文只分析模式在08:00 起報的預(yù)報時間間隔為1 h，預(yù)報時長為24 h 的樣本），在這些時空匹配的降水樣本中，依據(jù)實(shí)況發(fā)生降水當(dāng)日中的降水目標(biāo)持續(xù)時長分為5類，即1～4 h、5～8 h、9～12 h、13～16 h、17～24 h。圖6 展示了不同降水時長下模式預(yù)報和實(shí)況降水平均質(zhì)心的分布差異。對于第1 類（1～4 h）對比樣本，GRAPES_GZ 3 km 模式降水預(yù)報平均質(zhì)心主要分布在海南島的西北部、西部和南部地區(qū)（圖6a），實(shí)況降水平均質(zhì)心主要分布在海南島的西北部、西部內(nèi)陸、中部山區(qū)和南部地區(qū)（圖6b），可見降水預(yù)報平均質(zhì)心比實(shí)況偏西，其原因可能是海南島的西部內(nèi)陸和中部山區(qū)的地形較為復(fù)雜，西部內(nèi)陸山丘較多，中部山區(qū)以五指山為代表，模式對該地形刻畫不夠精細(xì)；對于第2 類（5～8 h）樣本，實(shí)況降水平均質(zhì)心大部分分布在海南島的北半部和南部（圖6d），模式預(yù)報的降水平均質(zhì)心也大致分布在以上兩個地區(qū)（圖6c），但北半部地區(qū)的平均降水質(zhì)心較實(shí)況略偏東一些，南部地區(qū)的則較實(shí)況略偏西偏北；對于第3 類（9～12 h）樣本，實(shí)況平均降水主要分布在海南島的中、西部地區(qū)（圖6f），相比之下，模式預(yù)報的降水平均質(zhì)心略偏西偏北（圖6e）；對于第4 類（13～16 h）樣本，實(shí)況平均降水主要分布在海南島的中部、東部地區(qū)（圖6h），預(yù)報的降水平均質(zhì)心略偏西（圖6g）；因?qū)崨r降水持續(xù)時間＞20 h 的樣本較少，因此將降水持續(xù)時間為17～24 h 的樣本歸為一類（第5類），對比實(shí)況（圖6j）和預(yù)報（圖6i）的降水平均質(zhì)心分布來看，實(shí)況主要分布在海南島的東南部地區(qū)，預(yù)報則主要分布在中部偏北的地區(qū)，較實(shí)況偏北較明顯；總體而言，對于所有的樣本，模式預(yù)報的降水平均質(zhì)心比實(shí)況偏西偏北（圖6k 和6l）。

圖6 第一類降水（實(shí)況降水的持續(xù)時間為1～4 h）（a、b）、第二類降水（實(shí)況降水的持續(xù)時間為5～8 h）（c、d）、第三類降水（實(shí)況降水的持續(xù)時間為9～12 h）（e、f）、第四類降水（實(shí)況降水的持續(xù)時間為13～16 h）（g、h）、第五類降水（實(shí)況降水的持續(xù)時間為17～24 h）（i、j）對應(yīng)的預(yù)報（a、c、e、g、i）和實(shí)況（b、d、f、h、j）逐時平均降水質(zhì)心的空間分布和預(yù)報（k）、實(shí)況（l）對所有降水目標(biāo)平均降水質(zhì)心的分布

3.3.2 GRAPES_GZ 3 km 模式逐時降水預(yù)報時間偏差特征

針對5類樣本，通過散點(diǎn)圖分布和散點(diǎn)的趨勢線對比了預(yù)報和實(shí)況降水目標(biāo)開始、結(jié)束時間的差異（圖7）?？梢姷? 類樣本中（圖7a），多數(shù)樣本降水的開始時間位于對角線之下，而降水的結(jié)束時間在對角線之上，意味著預(yù)報降水的開始時間比實(shí)況偏早，結(jié)束時間比實(shí)況偏晚，降水持續(xù)時間偏長；對第2 類樣本（圖7b），不難發(fā)現(xiàn)對于白天出現(xiàn)的降水，預(yù)報降水開始的時間比實(shí)況略偏早，但對于在夜間出現(xiàn)的降水，預(yù)報降水開始的時間比實(shí)況略偏晚，而預(yù)報和實(shí)況降水結(jié)束的時間散點(diǎn)線性趨勢和對角線接近重合，說明有一半的樣本預(yù)報降水結(jié)束的時間比實(shí)況偏晚，另外一半反之；對于第3類（圖7c）和第4類（圖7d）樣本，降水開始的時間大部分集中在白天，夜間的樣本較少，白天降水目標(biāo)開始出現(xiàn)的時間是預(yù)報比實(shí)況平均偏早1～4 小時，夜間則平均偏晚3 小時左右，而降水結(jié)束的時間預(yù)報比實(shí)況偏晚2～4 小時；對于第5 類樣本（圖7e）由于樣本數(shù)較少，預(yù)報的系統(tǒng)性偏差表現(xiàn)不明顯。所有類別的樣本疊加時（圖7f），預(yù)報的系統(tǒng)性偏差體現(xiàn)為：預(yù)報降水的開始時間比實(shí)況偏早，結(jié)束時間比實(shí)況偏晚，降水持續(xù)時間偏長。

圖7 第一類降水（實(shí)況降水的持續(xù)時間為1～4 h，a）、第二類降水（實(shí)況降水的持續(xù)時間為5～8 h，b）、第三類降水（實(shí)況降水的持續(xù)時間為9～12 h，c）、第四類降水（實(shí)況降水的持續(xù)時間為13～16 h，d）、第五類降水（實(shí)況降水的持續(xù)時間為17～24 h，e）、所有類型降水（f）對應(yīng)的預(yù)報和實(shí)況中降水開始和結(jié)束時間的散點(diǎn)分布 對角線代表無偏差（黑色實(shí)線），降水開始時間的趨勢線（紅色點(diǎn)線）在對角線以上（以下）表示預(yù)報降水的開始時間較實(shí)況偏晚（早），降水結(jié)束時間的趨勢線（黑色點(diǎn)線）在對角線以上（以下）表示預(yù)報降水的結(jié)束時間較實(shí)況偏晚（早）

圖8a 對比了GRAPES_GZ 3 km 模式預(yù)報和實(shí)況降水基于MTD 時空匹配的樣本在不同持續(xù)時間上出現(xiàn)頻次的差異，可以看出實(shí)況在時長為3 h 樣本出現(xiàn)的頻次達(dá)到峰值，其次是4 h，而預(yù)報在6 h 降水時長樣本最多，其次是3 h。盡管兩者在不同持續(xù)時長的頻次變化趨勢較為一致，但峰值的差異較大，說明模式預(yù)報降水持續(xù)時間比實(shí)況偏長的樣本較多，這與前面的分析結(jié)論相同。圖8b 和8c 分別是預(yù)報和實(shí)況降水起始、結(jié)束時間在一天當(dāng)中不同時間出現(xiàn)頻次的對比，首先從降水的起始時間可以看出，實(shí)況和預(yù)報均分別在白天和夜間出現(xiàn)降水頻次的主峰和次峰，但兩者的時間有差異，即實(shí)況在白天13:00 樣本最多，其次是凌晨的05:00，預(yù)報則分別出現(xiàn)在11:00 和03:00，比實(shí)況均偏早2 h 左右；同樣對于降水結(jié)束時間，實(shí)況和預(yù)報也存在頻次的主峰和次峰，即實(shí)況的主峰為20:00，次峰為11:00，結(jié)合降水起始時間不難理解在白天午后發(fā)生的降水多數(shù)能持續(xù)到傍晚20:00 前后，凌晨降水多數(shù)持續(xù)到上午11:00 前后，相比之下，預(yù)報降水結(jié)束的時間比實(shí)況偏晚2~3 h，也可以反映GRAPES_GZ 3 km模式降水空報的時間段較多。圖8d 和8e 分別是預(yù)報和實(shí)況降水起始時間的平均質(zhì)心空間分布對比，可見實(shí)況中在白天11:00—14:00 時段出現(xiàn)的降水平均質(zhì)心多分布在海南島中、西部和西北部內(nèi)陸，原因是在4—9 月的暖季中，海南島由海陸風(fēng)觸發(fā)造成的降水樣本數(shù)最多，張振州等[27]指出海南島海陸風(fēng)多在上午10:00—11:00 在海南島的北部或西部形成并隨盛行風(fēng)向內(nèi)陸推進(jìn)，在中部、西部內(nèi)陸山區(qū)的山谷風(fēng)同相疊加下配合有利的水汽條件有利于降水的發(fā)生，而實(shí)況中在凌晨03:00—07:00 時段出現(xiàn)的降水平均質(zhì)心多分布在海南島南部，其中一部分降水是夜間在較大的南風(fēng)背景下，海風(fēng)鋒往南部沿海陸地推進(jìn)造成，還有一部分降水是南海季風(fēng)爆發(fā)后，邊界層風(fēng)速較大的暖濕西南氣流（經(jīng)常達(dá)到急流級別）在南部山區(qū)地形迎風(fēng)坡的抬升作用下造成[28]，對比圖8d的預(yù)報，降水起始時間的平均質(zhì)心比實(shí)況偏西（部分位于海上，圖中未顯示）。圖8f 和8g 分別是預(yù)報和實(shí)況降水結(jié)束時間的平均質(zhì)心空間分布對比，同樣預(yù)報降水結(jié)束時間的平均質(zhì)心比實(shí)況偏西。

圖8 a. 預(yù)報和實(shí)況中降水目標(biāo)在不同持續(xù)時間出現(xiàn)頻次的對比；b.預(yù)報和實(shí)況中降水目標(biāo)開始時間在不同預(yù)報時效出現(xiàn)頻次的對比；c.預(yù)報和實(shí)況中降水目標(biāo)結(jié)束時間在不同預(yù)報時效出現(xiàn)頻次的對比；d、e分別是預(yù)報和實(shí)況降水平均質(zhì)心的起始時間空間分布對比；f、g分別是預(yù)報和實(shí)況降水平均質(zhì)心的結(jié)束時間空間分布對比。

由于MTD 提供了降水對象的開始和結(jié)束時間，因此還可以根據(jù)降水目標(biāo)啟動的時間來區(qū)分每個預(yù)測小時出現(xiàn)的對象。圖9 中的堆疊圖中每個直方圖條的各個段表示在特定的預(yù)測時間啟動的降水目標(biāo)數(shù)，分段的顏色表示降水目標(biāo)開始出現(xiàn)的時間。以第11 個預(yù)報時效的堆疊柱狀圖為例，深紅色的頂部表示當(dāng)前預(yù)報時效實(shí)況開始出現(xiàn)降水目標(biāo)的個數(shù)，下方的白色部分表示開始前一個預(yù)報時效（第10個預(yù)報時效）并在當(dāng)前預(yù)報時效仍存在的降水目標(biāo)數(shù)，白色部分下方的淺粉紅色部分表示在第9 個預(yù)報時效前開始并仍在當(dāng)前預(yù)報時效出現(xiàn)的降水目標(biāo)，……，依次類推，因此最近的預(yù)測小時總是在頂部，而預(yù)測時效1總是在底部。通過堆疊圖可以及時跟蹤具有特定顏色的片段，以了解降水目標(biāo)從開始到消散的時間。圖8中還可以看出預(yù)報和實(shí)況在不同預(yù)報時效的降水目標(biāo)數(shù)目的分布形態(tài)基本一致，在晝夜均有峰值，但是峰值在白天對應(yīng)的時間兩者有一定的差異，實(shí)況是在第11 個預(yù)報時效（即19:00 時）降水目標(biāo)數(shù)目達(dá)到峰值，而預(yù)報在第9個預(yù)報時效（即17:00時）的降水目標(biāo)數(shù)目最多，在夜間兩者峰值對應(yīng)的時間基本一致，但總體而言，預(yù)報降水目標(biāo)樣本數(shù)多于實(shí)況樣本。

圖9 堆疊的直方條形圖的高度代表每個預(yù)報小時的時域降水目標(biāo)總數(shù) 其中實(shí)況用漸變的紅色表示，預(yù)報用漸變的黑色表示，對于沿x軸的每個預(yù)報小時，組成每個“堆棧”的各個分段的高度表示≤當(dāng)前預(yù)報時效內(nèi)（漸變色）的降水目標(biāo)數(shù)量，其中最頂部的分段始終指示在當(dāng)前預(yù)報小時啟動的降水目標(biāo)數(shù)，底部的始終是預(yù)報時效為1的降水目標(biāo)數(shù)。

3.3.3 GRAPES_GZ 3 km 模式逐時降水強(qiáng)度預(yù)報偏差特征

最后基于MTD方法對5類不同時長的降水分別對比預(yù)報和實(shí)況小時降水強(qiáng)度≥0.1 mm 和≥20 mm 的樣本出現(xiàn)頻次的空間分布差異，圖10 可以看出，對于第1 類降水，實(shí)況小時降水≥0.1 mm 以上的在海南島中部和南部出現(xiàn)頻次多（圖10b），與降水的平均質(zhì)心分布較一致，但是實(shí)況小時降水≥20 mm以上的在第1類降水中出現(xiàn)的頻次較少（圖10n），僅出現(xiàn)在海南島西北部沿海和南部沿海，說明第1類短時長的降水強(qiáng)度較弱，發(fā)生短時強(qiáng)降水的概率小，相比之下，模式降水預(yù)報出現(xiàn)的頻次要明顯偏多一些（圖10a)，且空間分布范圍大，≥20 mm 以上的降水主要分布在東部沿海（圖10m，間接反映了模式空報率高，降水強(qiáng)度偏強(qiáng)。對于第2類降水，實(shí)況小時降水≥0.1 mm以上頻次較大的區(qū)域在海南島的北部（圖10d)，預(yù)報的大值區(qū)主要在海南島東北部和西南部（圖10c)；而≥20 mm以上的小時強(qiáng)降水實(shí)況主要分布在海南島東北部（圖10o)，預(yù)報則在海南島中部和南部呈分散分布（圖10p)。對于第3 類和第4 類降水，分別對比實(shí)況和預(yù)報在小時降水≥0.1 mm 以上（圖10f、圖10e，（圖10h、圖 10g））和≥20 mm 以上（圖 10r、圖 10q，（圖10t、圖10s））頻次的分布，可見預(yù)報在海南島中部出現(xiàn)的≥0.1 mm以上的降水頻次明顯少于實(shí)況，對于≥20 mm 以上的降水頻次分布，兩者較為相似，但是預(yù)報的范圍更大，頻次更多，同樣也反映了預(yù)報降水強(qiáng)度偏強(qiáng)的樣本居多。對于第5類降水，實(shí)況和預(yù)報在小時降水≥0.1 mm 以上（圖10i、圖10j）和≥20 mm 以上（圖10u、圖10v）的頻次分布差別較大，預(yù)報出現(xiàn)降水頻次較高的區(qū)域均比實(shí)況明顯偏西。最后對比預(yù)報和實(shí)況對所有類別的降水在小時降水≥0.1 mm 以上（圖 10k、圖 10l）和≥20 mm 以上（圖10w、圖10x）的頻次分布，可以看出對于≥0.1 mm以上的降水，實(shí)況在中部出現(xiàn)的頻次最多，預(yù)報分布不均勻，高頻區(qū)位于西部內(nèi)陸，對于≥20 mm以上的小時強(qiáng)降水，實(shí)況多分布在東北部，相比之下，預(yù)報強(qiáng)降水頻次較高的區(qū)域明顯偏大。

圖10 第一類降水（實(shí)況降水的持續(xù)時間為1～4 h）（a、b、m、n）、第二類降水（實(shí)況降水的持續(xù)時間為5～8 h）（c、d、o、p）、第三類降水（實(shí)況降水的持續(xù)時間為9～12 h）（e、f、q、r）、第四類降水（實(shí)況降水的持續(xù)時間為13～16 h）（g、h、s、t）、第五類降水（實(shí)況降水的持續(xù)時間為17～24 h）（i、j、u、v）對應(yīng)的預(yù)報（a、c、e、g、i：小時雨強(qiáng)≥0.1 mm；m、o、q、s、u：小時雨強(qiáng)≥20 mm）和實(shí)況（b、d、f、h、j：小時雨強(qiáng)≥0.1 mm；n、p、r、t、v：小時雨強(qiáng)≥20 mm）降水頻次空間分布對比，以及預(yù)報（k：小時雨強(qiáng)≥0.1 mm；w：小時雨強(qiáng)≥20 mm）、實(shí)況（l：小時雨強(qiáng)≥0.1mm；x：小時雨強(qiáng)≥20 mm）對所有降水的降水頻次空間分布對比

4 結(jié)論與討論

本文通過MODE 和MTD 的時空檢驗方法檢驗了GRAPES_GZ 3 km 模式對海南島2019 年暖季非臺風(fēng)降水預(yù)報的性能。

（1）對于GRAPES_GZ 3 km模式的24 h降水預(yù)報，MODE 空間檢驗方法比傳統(tǒng)的基于點(diǎn)對點(diǎn)的檢驗方法更能反映模式誤差的空間分布特征，通過空間檢驗發(fā)現(xiàn)：隨著降水閾值的增大，GRAPES_GZ 3 km模式空報的范圍較實(shí)況要略大一些，另外GRAPES_GZ 3 km 模式在不同降水閾值的降水強(qiáng)度預(yù)報整體比實(shí)況偏強(qiáng)，以2019年5月21—23 日的切變線降水過程為例，GRAPES_GZ 3 km 模式對于25 mm 以下的降水預(yù)報在降水形態(tài)、落區(qū)跟實(shí)況接近，降水強(qiáng)度略偏強(qiáng)一些，對于50 mm 以上的強(qiáng)降水，模式預(yù)報的降水落區(qū)偏東偏南，降水范圍、形態(tài)較實(shí)況偏差大，降水強(qiáng)度偏強(qiáng)。

（2）基于MTD 時空檢驗方法分析了GRAPES_GZ 3 km模式逐時降水預(yù)報的時空偏差特征，發(fā)現(xiàn)：對于不同類別的降水，預(yù)報較實(shí)況的平均降水質(zhì)心分布偏差各不相同，但總體而言預(yù)報降水的平均質(zhì)心比實(shí)況偏西偏北一些；實(shí)況在時長為3～4 h 的降水樣本最多，而預(yù)報在6 h 時長的降水樣本最多；在降水起始和結(jié)束時間方面，預(yù)報比實(shí)況降水起始時間總體偏早，結(jié)束時間總體偏晚，且降水持續(xù)時間偏長；對于不同預(yù)報時效發(fā)生降水目標(biāo)數(shù)量方面，白天實(shí)況在19:00降水目標(biāo)數(shù)目達(dá)到峰值，而預(yù)報在17:00降水目標(biāo)數(shù)目最多，夜間兩者降水?dāng)?shù)目均在07:00達(dá)到峰值，但總體而言，預(yù)報降水目標(biāo)數(shù)量多于實(shí)況；不同類別時長的降水其預(yù)報和實(shí)況在小時雨量≥0.1 mm和≥20 mm出現(xiàn)的頻次空間分布均有差異，差異最大的是第1 類（降水時長為1～4 h）和第5類（17～24 h）的降水樣本，總體上對于≥0.1 mm以上的降水，實(shí)況在中部出現(xiàn)的頻次最多，而預(yù)報分布不均勻，大值區(qū)位于西部內(nèi)陸，對于≥20 mm 以上的小時強(qiáng)降水，實(shí)況多分布在東北部，相比之下，預(yù)報強(qiáng)降水頻次較高的區(qū)域明顯偏大，降水偏強(qiáng)的樣本多。

MODE 和MTD 的時空檢驗方法能捕捉到模式降水預(yù)報時空偏差特征，在實(shí)際業(yè)務(wù)中可以根據(jù)時空偏差訂正模式24 h 和1 h 累積降水預(yù)報的落區(qū)，以及1 h 降水預(yù)報的起始時間，下一步將繼續(xù)探討不同天氣形勢下模式降水預(yù)報的時空偏差，并深入挖掘模式偏差背后的物理過程及其偏差來源。