基于CMA－REPS 小時(shí)降水的鄰域集合預(yù)報(bào)應(yīng)用試驗(yàn)

劉 瑩，陳朝平*，陳 瑩，龍柯吉，周秋雪

（1.四川省氣象臺(tái)，成都 610072；2.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

為滿足人們對(duì)氣象預(yù)報(bào)時(shí)間和空間的精細(xì)化要求，隨著計(jì)算機(jī)技術(shù)的發(fā)展，全球出現(xiàn)了各種高分辨率模式的開發(fā)和應(yīng)用，美國(guó)、法國(guó)、英國(guó)、日本等氣象局目前使用的區(qū)域中尺度模式空間分辨率達(dá)到了1～4km［1］，我國(guó)自主研發(fā)的高分辨率模式GRAPES＿3km 模式也被證明能反映降水過(guò)程的日變化特征［2］，張小雯等使用傳統(tǒng)點(diǎn)對(duì)點(diǎn)TS 評(píng)分方法和新型空間檢驗(yàn)方法對(duì)GRAPES＿3km 模式進(jìn)行檢驗(yàn)，認(rèn)為模式對(duì)對(duì)流風(fēng)暴的預(yù)報(bào)具有一定的參考價(jià)值［1］。成都高原氣象研究所開發(fā)的水平分辨率為9km 的SWCWARMS 模式于2014 年投入業(yè)務(wù)化應(yīng)用，曹萍萍等［3］指出在高能暖區(qū)暴雨及斜壓鋒生型暴雨預(yù)報(bào)中，SWCWARMS模式對(duì)大暴雨及以上量級(jí)的降水預(yù)報(bào)性能優(yōu)于ECMWF 模式，張琪等［4］也指出盡管SWCWARMS 模式存在一定的偏差，但無(wú)論在降水量級(jí)還是其他物理量方面，尤其是對(duì)大雨以上量級(jí)的強(qiáng)降水過(guò)程預(yù)報(bào)，都體現(xiàn)出了較好的預(yù)報(bào)性能。中國(guó)氣象局廣州熱帶海洋氣象研究所的熱帶區(qū)域數(shù)值天氣預(yù)報(bào)模式（TRAMS－V3.0），預(yù)報(bào)系統(tǒng)包括區(qū)域9km、區(qū)域3km、區(qū)域1km 投入業(yè)務(wù)使用后，在臺(tái)風(fēng)、降水、地面要素的預(yù)報(bào)等方面都提供了很好的參考作用［5］。

同時(shí)，為了捕捉更多的模式預(yù)報(bào)不確定性，我國(guó)自主研發(fā)的分辨率為15km 的CMA 區(qū)域集合預(yù)報(bào)系統(tǒng)于2014 年進(jìn)入業(yè)務(wù)化運(yùn)行，王靜等［6］通過(guò)實(shí)驗(yàn)認(rèn)為模式對(duì)西南渦降水有一定的預(yù)報(bào)能力。隨著預(yù)報(bào)模式分辨率的不斷提高，無(wú)論是高分辨率模式的確定性預(yù)報(bào)還是集合預(yù)報(bào)對(duì)小尺度天氣現(xiàn)象的捕捉均已表現(xiàn)出明顯的預(yù)報(bào)能力，對(duì)高分辨率輸出產(chǎn)品進(jìn)行檢驗(yàn)訂正用以指導(dǎo)預(yù)報(bào)業(yè)務(wù)，有其現(xiàn)實(shí)意義。

對(duì)于模式降水而言，高分辨率數(shù)值預(yù)報(bào)系統(tǒng)雖然能預(yù)報(bào)出較好的對(duì)流特征和較強(qiáng)的降水量級(jí)，然而在具體落區(qū)上經(jīng)常會(huì)出現(xiàn)一定的偏移，特別對(duì)于一些出現(xiàn)概率較低的短時(shí)強(qiáng)降水事件，即使有很好的落區(qū)形態(tài)和強(qiáng)度的預(yù)報(bào)，但仍會(huì)受到漏報(bào)加空?qǐng)?bào)的“雙重懲罰”。針對(duì)這個(gè)問(wèn)題，Schwartz 等［7］用“相鄰格點(diǎn)法”（neighborhood approach）進(jìn)行了集合預(yù)報(bào)試驗(yàn)，通過(guò)增加尺度來(lái)估計(jì)預(yù)報(bào)的不確定性，進(jìn)而產(chǎn)生概率預(yù)報(bào)。杜俊等［8］也指出此方法可通過(guò)增尺度來(lái)增加預(yù)報(bào)的可靠性，但關(guān)鍵在于如何根據(jù)實(shí)際的模式預(yù)報(bào)能力來(lái)確定一個(gè)合理的增尺度半徑。降水的鄰域概率方法近年來(lái)獲得了越來(lái)越多人的關(guān)注，很多研究證明降水鄰域概率可以改進(jìn)確定性預(yù)報(bào)和集合預(yù)報(bào)直接輸出的概率預(yù)報(bào)技巧，Theis 等［9］的研究結(jié)果表明，降水鄰域概率預(yù)報(bào)在一致性、預(yù)報(bào)質(zhì)量等方面優(yōu)于確定性預(yù)報(bào)，國(guó)外還有一系列針對(duì)鄰域法概率預(yù)報(bào)的檢驗(yàn)和訂正的研究［10-13］。吳志鵬等［14］對(duì)風(fēng)暴尺度模式12h 降水預(yù)報(bào)結(jié)果進(jìn)行升尺度預(yù)報(bào)方法研究，認(rèn)為鄰域概率預(yù)報(bào)能給出更好的概率分級(jí)信息，36km 升尺度窗區(qū)既能消除一定程度的強(qiáng)降水預(yù)報(bào)不確定性，同時(shí)也可以保留適當(dāng)?shù)膶?duì)流尺度特征。劉雪晴等［15］通過(guò)降水鄰域集合概率方法試驗(yàn)，指出采用了鄰域計(jì)算方案的降水概率預(yù)報(bào)評(píng)分均優(yōu)于傳統(tǒng)的集合概率方法，該方法具有較好的應(yīng)用前景。

自2019 年12 月CMA 區(qū)域集合預(yù)報(bào)正式通過(guò)業(yè)務(wù)準(zhǔn)入后，四川省氣象臺(tái)利用該模式預(yù)報(bào)的逐小時(shí)降水資料開展了集合預(yù)報(bào)短時(shí)強(qiáng)降水的檢驗(yàn)，通過(guò)2020 年汛期的天氣學(xué)檢驗(yàn)發(fā)現(xiàn)，該模式產(chǎn)品在一定程度上對(duì)小時(shí)雨強(qiáng)有一定的預(yù)報(bào)能力。但利用鄰域法來(lái)增加CMA 區(qū)域集合預(yù)報(bào)小時(shí)降水預(yù)報(bào)可靠性的研究較少。本文將利用該模式資料針對(duì)2020 年8 月開展小時(shí)降水的集合預(yù)報(bào)鄰域法試驗(yàn)，試圖通過(guò)試驗(yàn)選取和評(píng)估四川區(qū)域CMA 區(qū)域集合預(yù)報(bào)合理的鄰域半徑，以及更優(yōu)的捕捉對(duì)流尺度信息的集合預(yù)報(bào)鄰域預(yù)報(bào)方法，探索CMA 區(qū)域集合預(yù)報(bào)在小時(shí)雨量預(yù)報(bào)中的應(yīng)用方法。

1 資料與方法

1.1 資料來(lái)源與處理

預(yù)報(bào)資料選取中國(guó)氣象局?jǐn)?shù)值預(yù)報(bào)中心開發(fā)的CMA 區(qū)域集合模式（簡(jiǎn)稱CMA-REPS）降水產(chǎn)品，共15 個(gè)成員，模式的空間分辨率為20km×20km，時(shí)間分辨率為1h。觀測(cè)資料選取國(guó)家氣象中心開發(fā)的格點(diǎn)化降水三源融合產(chǎn)品，觀測(cè)資料的空間分辨率為5km×5km，時(shí)間分辨率為1h。試驗(yàn)時(shí)間長(zhǎng)度為2020年5 月1 日至9 月30 日。為使預(yù)報(bào)和實(shí)況能在相同分辨率條件下進(jìn)行檢驗(yàn)，分析前將觀測(cè)資料使用雙線性插值方法插值到20km，與CMA-REPS 的空間分辨率保持一致。

1.2 研究方法和試驗(yàn)設(shè)計(jì)

鄰域法是在確定尺度半徑內(nèi)，考慮相鄰格點(diǎn)的預(yù)報(bào)情況來(lái)估計(jì)預(yù)報(bào)的空間不確定性，從而得到集合平均預(yù)報(bào)或者降水概率預(yù)報(bào)，其本質(zhì)是一種升尺度方法。試驗(yàn)分別針對(duì)確定性預(yù)報(bào)和概率預(yù)報(bào)，使用傳統(tǒng)的等權(quán)重鄰域方法，設(shè)計(jì)四個(gè)預(yù)報(bào)方案。

針對(duì)確定性預(yù)報(bào)，將半徑范圍內(nèi)的格點(diǎn)值作為一個(gè)集合預(yù)報(bào)，對(duì)集合預(yù)報(bào)做等權(quán)重平均，在選定R半徑大小的基礎(chǔ)上，定義單個(gè)集合成員的鄰域平均：

其中，i 表示第i 個(gè)格點(diǎn)，j 表示第j 個(gè)集合成員，m 表示R 鄰域范圍內(nèi)的第m 個(gè)格點(diǎn)，Nb為R 鄰域范圍內(nèi)的格點(diǎn)總數(shù)，F(xiàn)ijm第i 個(gè)格點(diǎn)第j 個(gè)集合成員在R 為鄰域內(nèi)的第m 個(gè)格點(diǎn)的預(yù)報(bào)降水量，R 為鄰域半徑。R 的理論范圍是0 到無(wú)窮大，主要受到模式本身誤差的影響，Schwartz 等［7］通過(guò)北美集合預(yù)報(bào)試驗(yàn)，對(duì)0～200km 的范圍進(jìn)行了試驗(yàn)，北美集合預(yù)報(bào)業(yè)務(wù)系統(tǒng)采用45km 為最佳半徑，吳志鵬等［9］對(duì)重慶SSRAFS 系統(tǒng)進(jìn)行試驗(yàn)后，確定36km 為最佳半徑。

得到單個(gè)集合成員的等鄰域平均預(yù)報(bào)（NM）后，計(jì)算鄰域平均后的集合平均預(yù)報(bào)（ENM）和集合成員最大預(yù)報(bào)（MNM），定義為：

Nm為總的集合成員數(shù)，NMij為第i 個(gè)格點(diǎn)第j個(gè)集合成員的鄰域平均值。

針對(duì)概率預(yù)報(bào)，首先將單個(gè)集合成員的確定性預(yù)報(bào)轉(zhuǎn)為概率預(yù)報(bào)，使用降水的二分類事件概率，即單個(gè)格點(diǎn)上事件發(fā)生為1，事件不發(fā)生為0。二分類概率預(yù)報(bào)即：

其中，F(xiàn)ij表示第i 個(gè)格點(diǎn)第j 個(gè)集合成員預(yù)報(bào)的累計(jì)降水量，r 為某個(gè)累計(jì)降水閾值。

得到事件概率預(yù)報(bào)后，計(jì)算單個(gè)集合成員的等權(quán)重鄰域概率預(yù)報(bào)，定義為：

其中，m 表示R 鄰域范圍內(nèi)的第m 個(gè)格點(diǎn)，Nb為R 鄰域范圍內(nèi)的格點(diǎn)總數(shù)，BPijm第i 個(gè)格點(diǎn)第j個(gè)集合成員在R 鄰域范圍內(nèi)第m 個(gè)格點(diǎn)的二分類概率預(yù)報(bào)。得到單個(gè)集合成員的鄰域概率預(yù)報(bào)（NP）后，計(jì)算鄰域概率的集合平均概率預(yù)報(bào)（ENP）和集合最大概率預(yù)報(bào)（MNP）。

由于鄰域窗口形狀的選擇對(duì)結(jié)果幾乎無(wú)影響［16］，因此本文采用圓形鄰域窗口，試驗(yàn)鄰域半徑R 選擇1 至5 倍格距。試驗(yàn)1 和試驗(yàn)2 分別為使用等權(quán)重鄰域平均后計(jì)算鄰域平均的集合平均預(yù)報(bào)（簡(jiǎn)稱ENM）和集合成員最大預(yù)報(bào)（簡(jiǎn)稱MNM），試驗(yàn)3 和試驗(yàn)4 分別為得到單個(gè)集合成員的領(lǐng)域概率后計(jì)算鄰域概率的集合平均概率預(yù)報(bào)（簡(jiǎn)稱ENP）和集合最大概率預(yù)報(bào)（簡(jiǎn)稱MNP）。

1.3 預(yù)報(bào)檢驗(yàn)方法

傳統(tǒng)檢驗(yàn)將降水事件分為如表1 所示的四種結(jié)果。

A、B、C、D 分別為預(yù)報(bào)有且實(shí)況有（命中），預(yù)報(bào)有實(shí)況無(wú)（空?qǐng)?bào)），預(yù)報(bào)無(wú)實(shí)況有（漏報(bào)），預(yù)報(bào)無(wú)實(shí)況無(wú)（正確拒絕）的次數(shù)，TS 評(píng)分公式如下：

其中TS 評(píng)分取值范圍0～1，取值越高表示預(yù)報(bào)效果越好，TS 等于1 為完美預(yù)報(bào)。

2 試驗(yàn)結(jié)果

2.1 典型過(guò)程

2020 年8 月10 日20 時(shí)至11 日20 時(shí)四川省出現(xiàn)了一次區(qū)域性暴雨過(guò)程，盆地西部降了暴雨到大暴雨，局部地方降了特大暴雨，過(guò)程中小時(shí)雨強(qiáng)強(qiáng)，短時(shí)強(qiáng)降水持續(xù)時(shí)間長(zhǎng)（見圖1b），選擇此次過(guò)程中短時(shí)強(qiáng)降水時(shí)次作為典型過(guò)程進(jìn)行檢驗(yàn)。2020年8 月11 日11 時(shí)，四川盆地西部沿山一帶出現(xiàn)了短時(shí)強(qiáng)降水，小時(shí)強(qiáng)降水的分布較為集中，總體雨帶呈現(xiàn)西南-東北向，小時(shí)降水強(qiáng)度大，降水中心位于綿陽(yáng)、德陽(yáng)西部，最大小時(shí)雨量出現(xiàn)在綿陽(yáng)北川擂鼓鎮(zhèn)131.5mm（圖1a）。

圖2 為2020 年8 月11 日11 時(shí)的原集合平均預(yù)報(bào)（圖2a）、原集合最大預(yù)報(bào)（圖2g）以及不同鄰域半徑對(duì)應(yīng)的ENM（圖2b、c、d、e、f）和MNM（圖2h、i、j、k、l）?？梢钥闯?，鄰域半徑為20km 的ENM 雨帶（圖2b）與原集合平均預(yù)報(bào)較一致，但中心位置都較實(shí)況（圖1a）偏南，強(qiáng)度較實(shí)況顯著偏弱，隨著鄰域半徑的增大，0.1～3mm 降水范圍逐漸增大，5mm 以上降水范圍開始減小，強(qiáng)降水中心逐漸消失，降水區(qū)邊緣逐漸平滑，較零散的降水趨于減弱消失，表明ENM 對(duì)短時(shí)強(qiáng)降水的預(yù)報(bào)能力隨著半徑的變大而變差。鄰域半徑為20km 的MNM 與原集合最大預(yù)報(bào)較一致，但中心位置也都較實(shí)況（圖1a）偏南，量值上對(duì)成都西部小時(shí)降水量預(yù)報(bào)可達(dá)到20～40mm，與實(shí)況更為接近，同時(shí)在德陽(yáng)和綿陽(yáng)2 市西部個(gè)別地方報(bào)出了15～30mm 以上的降水，這對(duì)當(dāng)?shù)匦r(shí)強(qiáng)降水預(yù)報(bào)有一定的指示意義。隨著鄰域半徑的增大，MNM 降水量級(jí)的變化和ENM 類似，同樣出現(xiàn)中小尺度降水特征減弱的特征。

圖3 為雨量為5mm·h-1的原概率預(yù)報(bào)（圖3a）、原集合成員預(yù)報(bào)出大于5mm·h-1的范圍（圖3g）以及不同鄰域半徑對(duì)應(yīng)的ENP（圖3b、c、d、e、f）和MNP（圖3h、i、j、k、l）。ENP 和MNP 隨著鄰域半徑的增大，低概率值范圍則逐步增大，而高概率值范圍開始減小，高概率中心逐漸消失。原集合成員預(yù)報(bào)出大于5mm·h-1的范圍較實(shí)況明顯偏大，MNP 的預(yù)報(bào)概率普遍高于ENP 預(yù)報(bào)概率。不同半徑ENP 預(yù)報(bào)概率的高概率中心均較實(shí)況降水的大值中心位置明顯偏南。鄰域半徑80km 以下的MNP 預(yù)報(bào)，50%預(yù)報(bào)概率的降水范圍均較實(shí)況明顯偏大，但80km 的MNP預(yù)報(bào)出綿陽(yáng)西部的高概率中心與實(shí)況降水的大值中心有很好的對(duì)應(yīng)，表明雖然原CMA-REPS 集合成員在綿陽(yáng)西部預(yù)報(bào)出5mm·h-1降水的成員個(gè)數(shù)較少，但相應(yīng)集合成員預(yù)報(bào)的降水范圍較大，這也可以為預(yù)報(bào)員預(yù)報(bào)提供一定的提示。

10mm·h-1的ENP 和MNP 隨著鄰域半徑的變化規(guī)律跟5mm·h-1相似（圖4），鄰域半徑為20km 時(shí)MNP 預(yù)報(bào)概率40%以上的范圍與實(shí)況較一致，對(duì)預(yù)報(bào)有一定的參考價(jià)值，說(shuō)明選擇合適的鄰域半徑以平衡精細(xì)化帶來(lái)的誤差和預(yù)報(bào)允許的誤差，以此來(lái)量化不確定性，可以為預(yù)報(bào)挖掘更多的參考信息。

2.2 鄰域平均預(yù)報(bào)檢驗(yàn)

對(duì)四川地區(qū)2020 年汛期5 月至9 月的CMAREPS 模式20 時(shí)起報(bào)的小時(shí)降水產(chǎn)品進(jìn)行鄰域法ENM、ENM 試驗(yàn)，ENM、ENM 以及原集合平均預(yù)報(bào)、原集合最大預(yù)報(bào)對(duì)0.1mm·h-1、3mm·h-1、5mm·h-1、10mm·h-1和20mm·h-1預(yù)報(bào)的TS 評(píng)分顯示：ENM、MNM 的TS 評(píng)分有明顯的晝夜變化，夜間評(píng)分要高于白天，這與四川夜雨多的氣候特點(diǎn)相關(guān)。隨著鄰域半徑的增大TS 減小。小時(shí)降水超過(guò)0.1mm·h-1的ENM 在部分預(yù)報(bào)時(shí)效內(nèi)TS 評(píng)分略優(yōu)于原集合平均預(yù)報(bào)，其余情況均與原集合平預(yù)報(bào)TS 評(píng)分相當(dāng)或低于原集合平均預(yù)報(bào)。不同鄰域半徑MNM 的TS 評(píng)分隨著鄰域半徑的增加逐漸減小，但幾乎均與原集合最大預(yù)報(bào)相當(dāng)。對(duì)于強(qiáng)小時(shí)降水的格點(diǎn)，平均預(yù)報(bào)使得降水值被平滑，是導(dǎo)致ENM、MNM 的TS 評(píng)分在強(qiáng)小時(shí)雨強(qiáng)預(yù)報(bào)中無(wú)法優(yōu)于原模式預(yù)報(bào)、難以反應(yīng)出極端小時(shí)降水的主要原因。

2.3 鄰域概率預(yù)報(bào)檢驗(yàn)

對(duì)四川地區(qū)2020 年汛期5 月至9 月的CMAREPS 模式20 時(shí)起報(bào)的小時(shí)降水產(chǎn)品進(jìn)行鄰域法試驗(yàn)得到0.1mm·h-1、3mm·h-1、5mm·h-1、10mm·h-1和20mm·h-1的ENP 和MNP，檢驗(yàn)不同鄰域半徑、不同概率閾值條件下最優(yōu)TS 評(píng)分結(jié)果。以概率預(yù)報(bào)產(chǎn)品每隔10%的預(yù)報(bào)范圍作為確定性預(yù)報(bào)（即分別以≥0%，≥10%、≥20%、≥30%、≥40%、≥50%、≥60%、≥70%、≥80%、≥90%的預(yù)報(bào)范圍作為確定性預(yù)報(bào)）進(jìn)行TS 評(píng)分，評(píng)分結(jié)果如表2 所示：0.1mm·h-1、3mm·h-1、5mm·h-1、10mm·h-1和20mm·h-1的ENP、MNP 最優(yōu)TS 評(píng)分均優(yōu)于原概率預(yù)報(bào)的最優(yōu)TS 評(píng)分，0.1mm·h-1以100km 鄰域半徑、預(yù)報(bào)概率為40%的ENP 方案TS 評(píng)分最優(yōu)，3mm·h-1、5mm·h-1的TS評(píng)分則是取鄰域半徑80km 時(shí)分別以20%和10%的ENP 為最優(yōu)。10mm·h-1以80km 鄰域半徑、預(yù)報(bào)概率10%時(shí)的MNP 最優(yōu)，20mm·h-1以80km 鄰域半徑，預(yù)報(bào)概率0%的MNP（MNP 和ENP 預(yù)報(bào)0%以上范圍一致，評(píng)分相等）最優(yōu)。小時(shí)雨強(qiáng)分級(jí)檢驗(yàn)的結(jié)果均顯示出鄰域概率預(yù)報(bào)的TS 評(píng)分優(yōu)于原概率預(yù)報(bào)，而隨小時(shí)降水閾值的增大，最優(yōu)TS 評(píng)分越趨于更高鄰域半徑和更低的概率，說(shuō)明小時(shí)雨強(qiáng)更大，漏報(bào)可能性更高，同時(shí)MNP 的預(yù)報(bào)評(píng)分逐漸優(yōu)于ENP，10mm·h-1以上量級(jí)MNP 的預(yù)報(bào)結(jié)果更具參考性。

表2 原概率預(yù)報(bào)、ENP 和MNP 最優(yōu)TS 評(píng)分

為進(jìn)一步了解較強(qiáng)小時(shí)降水預(yù)報(bào)效果隨預(yù)報(bào)時(shí)效的變化情況，針對(duì)10mm·h-1分析ENP≥0%、MNP≥10%時(shí)，TS 評(píng)分隨鄰域半徑和預(yù)報(bào)時(shí)效的變化。從TS 的評(píng)分上看，ENP 和MNP 均能實(shí)現(xiàn)TS 評(píng)分優(yōu)于原概率預(yù)報(bào)的最優(yōu)TS，同時(shí)TS 評(píng)分有一定的日變化，下午評(píng)分低于其他時(shí)段，ENP≥0%的預(yù)報(bào)隨著鄰域半徑越大TS 評(píng)分越低，空?qǐng)?bào)的增大使得TS 評(píng)分降低，且在前18h 左右最為明顯，提高半徑無(wú)法繼續(xù)提高預(yù)報(bào)效果，而MNP≥10%時(shí)，隨著鄰域半徑的增大，TS 評(píng)分略有提高，但評(píng)分差距不大，降低漏報(bào)仍能提高TS 評(píng)分，且在28h 以后更為明顯。

由于20mm·h-1原集合預(yù)報(bào)的漏報(bào)較多，以≥0%的概率最優(yōu)，因此ENP、MNP 概率預(yù)報(bào)≥0%時(shí)的TS 評(píng)分隨鄰域半徑和預(yù)報(bào)時(shí)效的變化一致，大部分時(shí)間段鄰域半徑增大TS 略有提升，但不同鄰域半徑TS 評(píng)分差距不大，特別是40～100km，隨預(yù)報(bào)時(shí)效的延長(zhǎng)，27 小時(shí)之后，鄰域半徑從20km 增大到40km 的TS 提升較為明顯。

總體看來(lái)，10mm·h-1以上MNP 概率預(yù)報(bào)更有參考價(jià)值，且隨著鄰域半徑提高，在一定程度上可以提升TS 評(píng)分，20mm·h-1以上漏報(bào)明顯，ENP、MNP概率預(yù)報(bào)≥0%的預(yù)報(bào)結(jié)果在鄰域半徑大于80km時(shí)，空?qǐng)?bào)增大，無(wú)法再通過(guò)提高鄰域半徑降低漏報(bào)來(lái)提升TS 評(píng)分。

3 結(jié)論與討論

利用CMA－REPS 區(qū)域集合預(yù)報(bào)資料對(duì)2020 年8 月的鄰域法預(yù)報(bào)試驗(yàn)，設(shè)計(jì)四種試驗(yàn)方案，即鄰域平均的集合平均預(yù)報(bào)（ENM）、鄰域平均的集合成員最大預(yù)報(bào)（MNM）、鄰域概率的集合平均概率預(yù)報(bào)（ENP）、鄰域概率的集合最大概率預(yù)報(bào)（MNP），并選取了四個(gè)鄰域窗口進(jìn)行試驗(yàn)。選取短時(shí)強(qiáng)降水典型個(gè)例進(jìn)行分析，并使用傳統(tǒng)TS 檢驗(yàn)方法，對(duì)預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)分析。主要結(jié)論和討論如下：

（1）小時(shí)降水超過(guò)0.1mm·h-1的ENM 在部分預(yù)報(bào)時(shí)效內(nèi)TS 評(píng)分略優(yōu)于原集合平均預(yù)報(bào)，但ENM、MNM 難以反應(yīng)出極端小時(shí)降水。

（2）對(duì)四川地區(qū)2020 年汛期的CMA－REPS 預(yù)報(bào)進(jìn)行鄰域法試驗(yàn)，概率預(yù)報(bào)最優(yōu)TS 評(píng)分結(jié)果表明小時(shí)雨強(qiáng)分級(jí)檢驗(yàn)的結(jié)果均顯示出鄰域概率預(yù)報(bào)優(yōu)于原概率預(yù)報(bào)，而隨小時(shí)降水閾值的增大，最優(yōu)TS評(píng)分越趨于更高鄰域半徑和更低的概率。10mm·h-1以上量級(jí)MNP 的預(yù)報(bào)結(jié)果更具參考性。

（3）MNP 預(yù)報(bào)能顯示集合預(yù)報(bào)的大范圍降水中心，可以從另一個(gè)角度給預(yù)報(bào)員預(yù)報(bào)提供一定的參考。

由于資料的限制，本文僅針對(duì)2020 年汛期（5—9 月）20 時(shí)起報(bào)的預(yù)報(bào)結(jié)果進(jìn)行了討論，得出了初步的結(jié)論，下一步需要利用更多的樣本對(duì)降水季節(jié)、起報(bào)時(shí)間、不同天氣形勢(shì)和天氣系統(tǒng)等方面的差異進(jìn)行深入討論分析。