基于次季節(jié)—季節(jié)(S2S)模式的中國東部夏季日降水預報評估

王晨，李建平,5

(1.中國海洋大學深海圈層與地球系統前沿科學中心，山東 青島 266100；2.中國海洋大學物理海洋教育部重點實驗室，山東 青島 266100；3.中國海洋大學海洋與大氣學院，山東 青島 266100；4.中國海洋大學未來海洋學院，山東 青島 266100；5.青島海洋科學與技術試點國家實驗室海洋動力過程與氣候功能實驗室，山東 青島 266237)

引言

極端天氣氣候事件會給人類社會帶來重大影響[1]。近年來在全球變暖的背景條件下，大氣中的水汽含量逐漸增加，區(qū)域水循環(huán)的速度逐漸增快，極端降水事件頻發(fā)，會威脅人民生命財產安全、制約社會可持續(xù)發(fā)展[2-6]。對中國而言，雖然全國整體總降水量沒有明顯的變化趨勢，但極端降水強度有所增強，受極端降水影響的地區(qū)也有所增多，且未來極端降水的頻率和強度均趨于增加[7-11]。城市化進程會增加極端降水事件的發(fā)生，同時增大城市受極端降水的影響[12-14]。中國東部城市化進程迅速，國民經濟發(fā)展速度快，人口稠密，自然環(huán)境和社會經濟具有很大的暴露度和脆弱性[15]。中國降水季節(jié)分布不均勻，季節(jié)最大降水百分率出現在夏季，占全年降水的56.5%[16]。

次季節(jié)—季節(jié)(subseasonal to seasonal，S2S)尺度的時間范圍為2周～3個月，它銜接了較為成熟的中期天氣預報和長期或季節(jié)預測，正處于發(fā)展的相對早期階段。由于這一時間尺度受初始條件和邊界條件影響均較大，被認為是“可預報性沙漠”[17-18]，但其預報預測對更早預警極端事件、降低風險災害、保障人民生命健康和農業(yè)糧食安全等方面都具有重要意義。世界天氣研究計劃和世界氣候研究計劃于2013年11月聯合啟動S2S預測計劃，以促進S2S預報預測發(fā)展，并建立了包括12個業(yè)務中心最長可達65 d的S2S近實時集合預報和回報數據集，用于科學研究。

極端降水臨界閾值的界定會直接影響對極端降水事件的判斷，從而影響其時空分布、變化特征等多方面研究。各種閾值界定方法各有其優(yōu)劣，適用于不同的空間尺度和研究目的[19]。國際上大多取空間點自身降水量序列的95%或99%分位數作為該點的極端降水閾值[20-25]，這考慮了空間尺度較大的區(qū)域內降水分布不均勻的特點。在中國，根據24 h降雨量可對所有降雨事件進行等級劃分并制定國家標準[26]。當日降水量達到或超過50 mm時，該降水事件可稱為暴雨，并可將其細分為暴雨、大暴雨和特大暴雨3個等級[27]。暴雨及以上等級的降雨事件均可稱為極端降水[10,22,28-29]。此種利用絕對臨界值的閾值界定方法雖然對于某些降水較少的地區(qū)而言有些嚴苛，但可以在同一標準下進行不同區(qū)域的極端降水特征研究。

前人已針對多個區(qū)域的S2S模式逐日降水、多日累計或滑動平均降水和極端降水預報展開評估[30-33]，但較少利用絕對臨界值法界定極端閾值，且在中國東部夏季逐日降水及極端降水S2S模式預報評估方面尚有欠缺。本文針對中國大陸108°E以東1999—2010年夏季期間至少發(fā)生一次暴雨事件的454個臺站展開S2S模式日降水預報評估，采用兩種極端降水臨界閾值界定方法從不同角度研究S2S模式的極端降水預報，并比較其對評估結果的影響，以探究S2S模式在中國東部夏季日降水的預報技巧，從而促進預報水平的提高。

1 資料與方法

1.1 數據資料

降水觀測資料來自國家氣象信息中心發(fā)布的中國地面氣候資料日值數據集(V3.0)，包含中國大陸699個國家基準氣候站和國家基本氣象站1951—2020年的前一日20時—當日08時、當日08—20時及前一日20時—當日20時累計降水量，將其日界由北京時20時訂正為世界時00時，下載地址為http://data.cma.cn/。S2S模式降水預報資料來自S2S數據集[18]中國氣象局(China Meteorological Administration，CMA)、歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasts，ECMWF)和美國國家環(huán)境預報中心(National Centers for Environmental Prediction，NCEP)回報數據的控制預報。回報是使用與實時預報相同的模式版本對過去若干時間進行的預報，可用于計算模式偏差，以對實時集合預報進行校正，故對其進行預報質量評估具有十分重要的意義。本文所用3個S2S模式的回報頻率相比于數據集中的其他模式較高，在相同回報時間段內的回報數據多，可在一定程度上保證研究的樣本數量。各模式具體信息如表1所示，雖然各模式原始輸出的空間分辨率各不相同，但都以1.5° × 1.5°的規(guī)則經緯度網格分辨率存儲。評估的時間段為3個模式的公共回報期1999—2010年，回報頻率以ECMWF為基準，各模式回報數據下載地址為https://apps.ecmwf.int/datasets/data/s2s/levtype=sfc/type=cf/。

表1 采用模式的基本信息

1.2 研究方法

分別使用50 mm的絕對閾值和各臺站1981—2010年夏季非零逐日降水量序列95%分位數的相對閾值判別日極端降水，并使用雙線性插值將S2S模式降水預報值插值到站點上。主要利用均方根誤差(root mean square error，RMSE)、相關系數、均方技巧評分(mean square skill score，MSSS)等基本指標和空報率(false alarm rate，FAR)、漏報率(missing alarm rate，MAR)、TS評分(threat score，TS)等降水預報檢驗指標對S2S模式的中國東部夏季日降水預報技巧展開評估。其中：RMSE可用于衡量模式預報誤差的大?。幌嚓P系數可表示模式預報與觀測之間的關系密切程度；MSSS以觀測的持久性為參照來衡量模式預報的表現，當其大于0時可認為模式具有預報技巧；空報率為當模式預報降水事件發(fā)生時，該事件實際沒有發(fā)生的比率；漏報率為當降水事件實際發(fā)生時，模式預報該事件不發(fā)生的比率；TS評分為模式正確預報事件發(fā)生占預報或觀測中事件發(fā)生的比值，可用于表示降水預報的準確率。

m個臺站中第i個站點的基本指標計算公式如下：

(1)

(2)

(3)

(4)

(5)

(6)

區(qū)域平均降水預報檢驗指標的計算公式如下：

(7)

(8)

(9)

圖1 中國大陸東部1981—2010年夏季平均日降水(a，色階，單位：mm·d-1)和極端降水相對閾值(b，色階，單位：mm)、絕對極端(c)和相對極端(d)降水事件累計降水量占總降水量的比例(色階，單位：%)以及1999—2010年夏季絕對極端(e)和相對極端(f)降水事件的頻數(色階，單位：次)空間分布Fig.1 Spatial distribution of daily mean precipitation (a, color scale, units: mm·d-1), relative thresholds of extreme precipitation (b, color scale, units: mm), the proportion (color scale, units: %) of accumulated precipitation from absolute extreme (c) and relative extreme (d) precipitation events to total precipitation during the summer of 1981-2010, and the frequency (color scale, units: times) of absolute extreme (e) and relative extreme (f) precipitation events during the summer of 1999-2010 in the eastern part of Chinese mainland

其中，NA為研究區(qū)域內所有臺站模式預報和觀測中降水事件均發(fā)生的總次數，NB為模式預報降水事件發(fā)生但實際未發(fā)生的空報總次數，NC為模式預報降水事件不發(fā)生但實際發(fā)生的漏報總次數。當進行降水分級檢驗時，若預報和觀測的降水等級不一致，選擇較大的降水等級作為檢驗的級別。

2 中國東部夏季降水基本情況

受地理緯度及海陸位置影響，1981—2010年夏季中國東部平均日降水空間分布(圖1a)整體上從東南向西北遞減，高值區(qū)主要位于華南地區(qū)，各臺站最高為13.88 mm·d-1，最低為1.46 mm·d-1。由于極端降水相對閾值的界定來源于各臺站自身的降水序列，故其空間分布(圖1b)整體與平均日降水類似，高值區(qū)主要集中在華南沿海、長江中下游地區(qū)及淮河流域，最高可達91.92 mm。南方大部分臺站的相對閾值可以超過以50 mm為標準的絕對閾值，但長江流域和珠江流域交界地區(qū)以及浙江東部相對較低。北方除黃淮地區(qū)、環(huán)渤海地區(qū)和遼東半島部分臺站外，大部分臺站的相對閾值要低于暴雨等級。

各臺站夏季絕對極端和相對極端降水事件累計降水量占總降水量比例的空間分布(圖1c、d)因極端閾值界定方法的不同而有所區(qū)別，前者存在較大的空間差異。陜西、山西、內蒙古、黑龍江、吉林等省份夏季暴雨累計降水量占總降水量的比例較低，最低的臺站僅為1.83%，這些地區(qū)雖然單次暴雨過程的降水量要遠大于夏季平均日降水量，但暴雨頻數低。華南沿海地區(qū)暴雨頻數較其他地區(qū)高，其1981—2010年夏季的暴雨日數占總日數仍不足8%，而其暴雨累計降水量最高可占58.43%，由此可見極端降水研究的重要性。相對極端降水事件的空間差異顯著減小，各臺站中占比最低為24.71%、最高為39.65%，高值區(qū)主要位于長江以南沿海地區(qū)、河北南部、河南及環(huán)渤海地區(qū)。

圖2 中國東部臺站1999—2010年夏季逐日降水量觀測值與模式在不同預報時間(a、f、k. 1 d， b、g、l. 4 d， c、h、m. 8 d， d、i、n. 11 d, e、j、o. 15 d)對應的預報值的散點圖(a—e. ECMWF， f—j. NCEP， k—o. CMA；紫/黃色點表示預報值高/低于觀測值50 mm及以上，灰色點和藍色虛線之間區(qū)域表示預報誤差小于50 mm，灰色實線表示預報誤差為0，灰色虛線表示50、100、250 mm降水量)Fig.2 Scatter plot between daily precipitation observed at eastern China stations during the summer of 1999-2010 and corresponding forecast values of different models (a-e. ECMWF, f-j. NCEP, k-o. CMA) at different forecast times (a/f/k. 1 d, b/g/l. 4 d, c/h/m. 8 d, d/i/n. 11 d, e/j/o. 15 d; the purple/yellow dots indicate that the forecast value is at least 50 mm higher/lower than the observed value, the grey dots, namely the dots between the blue dashed lines, indicate that the forecast error is less than 50 mm, the grey solid line indicates that the forecast error is equal to 0, and the grey dashed lines indicate the precipitation of 50, 100, and 250 mm, respectively)

在研究時間段的1999—2010年夏季，各臺站在絕對和相對閾值標準下極端降水事件的頻數分別如圖1e和圖1f所示。華南沿海地區(qū)暴雨最頻繁，最高可達88次；其次為浙閩交界沿海地區(qū)、長江中下游部分地區(qū)及淮河流域。華北、內蒙古、東北地區(qū)發(fā)生暴雨較少，但其中沿海地區(qū)尤其是鴨綠江口附近地區(qū)暴雨較多。在相對閾值標準下，東北及內蒙古地區(qū)各臺站可用于研究的極端降水事件數目明顯增加，最少為8次，降低了評估的偶然性，增加了研究的可信度；頻數高值區(qū)依然位于華南地區(qū)，最多為44次。

3 基本指標評估

不同預報時間下1999—2010年夏季臺站逐日降水量觀測值及其對應的模式預報值散點分布如圖2所示。在理想狀況下，各模式降水預報誤差為0，降水事件應位于灰色實線上，但與實際情況存在較大出入。隨著預報時間的增長，各模式中降水事件的整體分布由較為松散轉為相對集中，逐漸向坐標軸方向發(fā)生偏離，預報誤差增大，呈現當觀測偏濕時預報傾向偏干、當觀測偏干時預報傾向偏濕的特點。在同一預報時間下，ECMWF的降水事件分布更為松散，更接近偏差較小的藍色虛線之間區(qū)域；CMA的分布更為集中，更遠離偏差較小區(qū)域；NCEP處于二者之間。此外，預報偏低的降水事件要多于預報偏高的事件，且無論觀測降水的多少，各模式預報值基本達不到特大暴雨等級。而對于觀測實際發(fā)生的特大暴雨事件，ECMWF在提前1 d時對個別事件預報較好，但CMA對其的預報基本達不到暴雨等級，誤差極大。綜上所述，各S2S模式的降水預報值與觀測值之間存在較大偏差，其誤差大小和相關性強弱將在下文進行展開說明。

3.1 均方根誤差

為評估S2S模式在中國東部降水預報值的整體偏差大小，計算其在不同降水事件下的RMSE(圖3a—c)。各模式的RMSE隨預報時間的增長均有所增加，并在14 d左右趨于飽和。RMSE在后期波動變化的原因主要在于各模式的回報頻率被統一為一周兩次，不同預報時間對應的降水事件不完全相同。在所有降水事件中，預報前期ECMWF表現最佳、NCEP次之、CMA相對較弱，模式間差異較小，但其RMSE已超過絕大部分臺站的夏季平均日降水。ECMWF的RMSE增長速度最快，在預報后期的飽和值最高。在絕對極端降水事件中，三者的RMSE在提前1 d預報時即可達到暴雨等級，其中CMA超過70 mm，已接近其飽和RMSE。相對極端降水事件中各模式表現與暴雨事件類似，但數值有所減小。由此可見，S2S模式對中國東部夏季日降水預報存在較大誤差，具有很大的改進空間。

圖3 1999—2010年夏季所有降水(a、d、g)、絕對極端降水(b、e、h)、相對極端降水(c、f、i)事件中各模式降水預報值與觀測值的RMSE(a—c)、相關系數(d—f)和MSSS(g—i)隨預報時間的變化(圖d中圓點表示通過置信水平為90%的顯著性檢驗)Fig.3 Variations of RMSE (a-c), correlation coefficient (d-f), and MSSS (g-i) of forecast and observed precipitation with forecast time in all (a/d/g), absolute extreme (b/e/h), and relative extreme (c/f/i) precipitation events during the summer of 1999-2010 (in Fig.3d, dots denote passing the significance test at 90% confidence level)

由于區(qū)域平均會中和各臺站的具體信息，為探究S2S模式預報RMSE在各臺站的具體情況，繪制其空間分布圖(圖4)，發(fā)現各臺站的RMSE基本隨著預報時間的增長而增加。

在所有降水事件(圖4a)中，提前1 d預報時CMA在長江中下游地區(qū)的RMSE要高于其余兩個模式，提前15 d預報時ECMWF在海河流域及其以南地區(qū)的RMSE明顯更高，這與空間整體情況(圖3a)相吻合。此外，RMSE的空間分布與夏季平均日降水類似，降水量越多的臺站其RMSE相對越大。

在絕對極端降水事件(圖4b)中，提前1 d預報時CMA的RMSE極高且隨預報時間的增長變化相對不明顯，這也與區(qū)域平均情況(圖3b)相吻合。相對極端降水事件(圖4c)與絕對事件相比，RMSE的空間分布更具有規(guī)律性。相對閾值低于絕對閾值的地區(qū)RMSE減小，相對閾值高于絕對閾值的華南沿海及長江中下游地區(qū)RMSE增加，這進一步驗證了模式預報RMSE在觀測降水量越多時通常越大。

3.2 相關系數

為評估S2S模式在中國東部夏季日降水預報值與觀測值之間的相關性，計算了不同降水事件下二者之間的相關系數。在所有降水事件(圖3d)中，ECMWF、NCEP和CMA可以通過顯著性檢驗的具有預報技巧的天數分別為11 d、9 d和5 d；各模式的相關系數逐漸降低并在14 d左右變化波動趨于平緩，甚至在個別預報時間下呈負相關。在極端降水事件(圖3e、f)中，相關系數始終較小，無法通過顯著性檢驗，缺乏預報技巧，但前期仍存在隨預報時間的增長而降低的趨勢，且各模式出現負相關系數的情況增加。

圖4 各模式在不同預報時間(1、4、8、11、15 d)的降水預報RMSE(色階，單位：mm)空間分布(a.所有降水，b.絕對極端降水，c.相對極端降水)Fig.4 Spatial distribution of RMSE (color scale, units: mm)of precipitation forecast by different models at different forecast times (1, 4, 8, 11, and 15 d) (a. all precipitation, b. absolute extreme precipitation, c. relative extreme precipitation)

為探究各臺站相關系數的具體情況，繪制其空間分布圖(圖5)。在所有降水事件中(圖5a)，3個模式提前1 d預報時的所有臺站均可通過顯著性檢驗，但CMA的相關性相對較低。此后各臺站相關系數迅速降低，能夠通過顯著性檢驗的臺站數目大幅減少，其中ECMWF的衰減速度最慢、NCEP次之、CMA相對最快，呈負相關的臺站逐漸增多。當提前15 d預報時，雖然各模式在中國東部的平均相關系數均不顯著，部分臺站自身仍可通過顯著性檢驗且分布較為集中，但此時其RMSE已趨近飽和，故模式預報結果的可信度仍較低。此外，個別臺站出現預報時間較短時不顯著、預報時間更長時反而顯著的情況，這一方面可能與模式的回報頻率有關，另一方面可能與模式在較長時間下的預報結果不穩(wěn)定有關，這也與區(qū)域平均相關系數的波動變化相吻合(圖3d)。

圖5 同圖4，但為相關系數(色階，黑色圓圈表示正相關系數通過置信水平為90%的顯著性檢驗)Fig.5 The same as Fig.4, but for correlation coefficient (color scale, the black circle indicates that the positive correlation coefficient passes the significance test at 90% confidence level)

在極端降水事件(圖5b、c)中，整體而言呈負相關的臺站逐漸增多。針對單個臺站進行分析，與所有降水事件中相關系數連續(xù)衰減至0附近不同，大部分臺站的正負相關系數均較大，呈振蕩衰減。其一方面與極端降水事件樣本數量相對較少有關，計算結果具有一定的偶然性；另一方面與極端降水預報的困難性有關。當預報時間較長時，在所有降水事件中，各臺站的相關系數均較小致使區(qū)域平均相關系數??；而在極端降水事件中，各臺站的相關系數較大且臺站間差異大，經平均后各臺站的具體信號被中和致使區(qū)域平均相關系數在0附近波動。此外，由于當極端降水事件達到3次及以上時才進行相關系數的計算，受樣本數量的影響，絕對極端降水事件與相對事件相比，北方部分臺站出現缺省情況。但通過區(qū)域平均(圖3e、f)可以發(fā)現，極端降水臨界閾值的界定方法對模式預報的區(qū)域整體表現影響較小。

3.3 均方技巧評分

為探究S2S模式預報與直接采用降水觀測平均值為預報值的“氣候態(tài)”預報之間的技巧差異，對不同降水事件下各模式中國東部夏季日降水預報的MSSS(圖3g—i)進行計算，其隨預報時間的增加而逐漸降低且ECMWF的衰減速度最快，各模式在14 d左右變化波動趨于平緩。在所有降水事件中，ECMWF、NCEP和CMA預報結果優(yōu)于氣候態(tài)預報、具有預報技巧的天數分別為4 d、3 d和2 d。在極端降水預報中，各模式在MSSS方面均無預報技巧。提前1 d預報時ECMWF和NCEP預報的均方誤差可達氣候態(tài)預報均方誤差的2倍以上，CMA的MSSS要遠小于前兩者且已接近誤差飽和狀態(tài)。當預報時間在14 d之內時，各模式表現為ECMWF最好，NCEP次之，CMA稍差；當預報時間超過14 d時，三者之間的差異很小。

圖6 同圖4，但為MSSS(色階)Fig.6 The same as Fig.4, but for MSSS (color scale)

在空間分布方面，所有降水事件(圖6a)中，1 d時除了位于華北、華南和福建的個別臺站外，各模式在絕大部分臺站具有預報技巧，ECMWF和NCEP在華東、黃河流域和遼東半島表現較好。同一模式中各臺站的MSSS相對接近且CMA的臺站間差異最小，但其MSSS相對也最低。黃河以北地區(qū)的MSSS降低迅速，南方下降速度相對較慢，南北差異逐漸呈現，且CMA最為顯著、界限分明。CMA在11 d時的杭州灣沿岸地區(qū)MSSS較低，此信號在15 d時又消失，這與模式的回報頻率有關。此外，15 d時NCEP在黃河以北的表現要明顯優(yōu)于其他兩個模式。以MSSS為標準進行衡量，與“氣候態(tài)”預報相比，各模式在4 d后基本失去預報技巧，在減緩北方MSSS衰減速度方面仍有很大的進步空間。

在極端降水事件(圖6b、c)中，絕大部分臺站無預報技巧，各模式1 d時在海河入?？诩皷|北地區(qū)的MSSS與其他臺站相比較低，存在一定的南北差異，但此差異隨預報時間的增長而逐漸減小。相對極端降水事件與絕對事件相比，長江中下游及華南沿海等相對閾值高于絕對閾值、極端降水量升高、事件數減少的地區(qū)MSSS降低，而陜西、山西、內蒙古、黑龍江、吉林等相對閾值低于絕對閾值、極端降水量降低、事件數增多的地區(qū)MSSS升高。由于所有降水和絕對極端降水事件中降水量高、事件數多的南方相比于降水量低、事件數少的北方MSSS表現更好，推斷MSSS可能與降水事件頻數有關。當觀測降水事件越多時，其“氣候態(tài)”預報值更為穩(wěn)健，更有利于該地的降水預報。

4 降水預報檢驗指標評估

4.1 所有降水和極端降水預報檢驗

根據各臺站24 h累計降水量是否大于0、是否大于等于50 mm和是否大于等于其相對閾值，可分別進行所有降水、絕對和相對極端降水的預報檢驗(圖7)，各項指標隨預報時間的增長逐漸變差至波動變化趨于平穩(wěn)。

對于空報率(圖7a—c)而言，NCEP在所有降水事件的整體表現最優(yōu)、ECMWF次之、CMA相對較差。在極端降水事件中，盡管ECMWF和NCEP差異不大，但ECMWF表現更優(yōu)，CMA在10 d時間內的空報率明顯較高。各模式的極端降水飽和空報率為97%左右，這表示當模式預報極端降水發(fā)生時，實際幾乎不發(fā)生極端降水。

各模式的漏報率(圖7d—f)在所有降水中要遠小于空報率，但在極端降水中恰好相反。在所有降水事件中，各模式提前1 d預報時差別不大，但隨預報時間的增長，NCEP的漏報率極速增加，最終上升近20百分點。CMA在5 d后整體表現最優(yōu)，漏報率基本低于5%。但在極端降水事件中，CMA提前1 d預報的漏報率已趨于飽和，飽和漏報率接近100%，說明CMA對中國東部夏季日降水事件發(fā)生的預報較為準確，但對極端降水的預報值普遍偏小，基本無法達到極端降水的等級。此外，盡管ECMWF和NCEP在較短預報時間內的表現要優(yōu)于CMA，其最低漏報率也接近80%，飽和漏報率與CMA相似，這與降水量觀測值及其對應的模式預報值分布(圖2)相吻合。各S2S模式對于極端降水的空報率和漏報率表現均不佳且漏報率更高，亟待改進。

TS評分(圖7g—i)方面，在所有降水事件中，CMA和ECMWF的表現相當，且CMA在較長預報時間下的表現最佳，基本處于0.5以上。NCEP在5 d內表現較好，但降低速度快，此特征也與其空報率和漏報率的表現一致。在極端降水事件中，ECMWF和NCEP提前1 d預報的TS評分可達0.1以上，但同時會迅速降低至0附近；CMA的TS評分始終不足0.03，對極端降水事件是否發(fā)生基本無預報能力。

圖7 1999—2010年夏季所有降水(a、d、g)、絕對極端降水(b、e、h)、相對極端降水(c、f、i)事件中各模式預報的空報率(a—c)、漏報率(d—f)和TS評分(g—i)隨預報時間的變化Fig.7 Variations of FAR (a-c), MAR (d-f), and TS (g-i) of different model forecasts with forecast time in all (a/d/g), absolute extreme (b/e/h), and relative extreme (c/f/i) precipitation events during the summer of 1999-2010

4.2 絕對極端降水分級檢驗

為探究S2S模式對不同等級暴雨的預報技巧，開展絕對極端降水分級檢驗(圖8)，發(fā)現各項指標的表現隨著降水等級的升高而變差。

以空報率(圖8a—c)為指標進行衡量，各模式在暴雨和大暴雨預報中的表現較為接近，但對于特大暴雨出現大量缺省情況。這說明在所研究的時間段內其對應的預報時間下，模式日降水量預報值均低于250 mm，無法達到特大暴雨等級。相對而言，ECMWF預報特大暴雨發(fā)生的情況較多，但其空報率達到100%，NCEP和CMA幾乎不預報特大暴雨的發(fā)生。

各S2S模式對各暴雨等級的漏報率(圖8d—f)均極高，說明當實際發(fā)生暴雨事件時，模式預報的降水等級往往偏低，其中ECMWF表現較優(yōu)，CMA對任一暴雨等級的漏報率表現均較差。對于特大暴雨，3個S2S模式在所研究降水事件中的漏報率均為100%。

圖8 絕對極端降水事件中ECMWF(a、d、g)、NCEP(b、e、h)、CMA(c、f、i)模式針對不同降水量等級的空報率(a—c)、漏報率(d—f)和TS評分(g—i)隨預報時間的變化Fig.8 Variations of FAR (a-c), MAR (d-f), and TS (g-i) of ECMWF (a/d/g), NCEP (b/e/h), and CMA (c/f/i) models for different precipitation grades in absolute extreme precipitation events with forecast time

在TS評分(圖8g—i)方面，當預報時間較短時，ECMWF和NCEP對暴雨和大暴雨的發(fā)生預報具有一定的準確率；但對于特大暴雨，二者的TS評分基本為0，對其幾乎無預報能力。CMA對任一暴雨等級的TS評分均接近于0，說明CMA基本無法正確預報絕對極端降水事件的發(fā)生。

5 結語

利用中國地面氣候資料日值數據集(V3.0)的臺站降水觀測數據對中國大陸東部夏季日降水和極端降水基本情況展開了研究，并評估了CMA、ECMWF和NCEP的3個S2S模式在公共回報期1999—2010年對其的預報技巧，主要結論如下：

(1)中國東部夏季極端降水相對閾值高值區(qū)主要分布在華南沿海、長江中下游地區(qū)及淮河流域，各臺站夏季極端降水對總降水有較大的貢獻。

(2)各S2S模式對中國東部夏季日降水預報存在較大偏差。隨預報時間的增長，各模式均呈現出當觀測偏濕(干)時預報傾向偏干(濕)的特點，各項評估指標逐漸變差并在14 d左右變化波動趨于平緩。各模式整體表現為ECMWF最優(yōu)、NCEP次之、CMA相對較弱，在S2S時間尺度基本喪失預報技巧，具有很大的改進空間。極端降水臨界閾值的界定方法會直接影響單個臺站的評估結果，但對區(qū)域整體預報技巧影響不大。

(3)整體而言，S2S模式預報的RMSE在觀測降水量越多時往往越大；其相關系數在所有(極端)降水事件中呈連續(xù)(振蕩)衰減，甚至出現負相關；MSSS在所研究降水事件較多的情況下表現更好，因為其“氣候態(tài)”預報值更穩(wěn)健，更有利于降水預報。

(4)各S2S模式在所有降水的空報率要遠高于漏報率，但在極端降水中恰好相反。在絕對極端降水分級檢驗中，各項指標的表現逐級變差，NCEP和CMA模式的逐日降水量預報基本不出現特大暴雨，且CMA對極端降水事件發(fā)生的預報準確率較低。

對3個S2S模式降水回報數據的控制預報進行了預報技巧評估，計劃在未來針對實時預報數據展開相應研究以掌握各模式最新預報水平并考慮集合成員數量對預報技巧的影響。此外，今后會探究各模式預報技巧差異的產生原因和影響因子，剖析模式參數化方案等對降水預報的影響，以便為S2S模式降水預報技巧的提高提供新的見解。