2024年長(zhǎng)江流域洪水期間多模式面雨量預(yù)報(bào)檢驗(yàn)

摘要：為了優(yōu)化和提高洪水預(yù)報(bào)的準(zhǔn)確性，需要通過評(píng)估2024年長(zhǎng)江流域洪水期間不同數(shù)值模式預(yù)報(bào)產(chǎn)品對(duì)面雨量的預(yù)報(bào)效果，理解目前業(yè)務(wù)模式的預(yù)報(bào)能力，通過對(duì)多種數(shù)值模式（EC、GRAPES-GFS、NCEP、GERMAN及日本模式）進(jìn)行降水預(yù)報(bào)的TS評(píng)分及平均絕對(duì)誤差檢驗(yàn)，分析不同模式在長(zhǎng)江2024年第1號(hào)、2號(hào)洪水期間面雨量預(yù)報(bào)中的表現(xiàn)。結(jié)果表明：① 在長(zhǎng)江2024年第1號(hào)洪水期間，EC模式在降水預(yù)報(bào)中表現(xiàn)最為穩(wěn)定，整體預(yù)報(bào)效果最佳，尤其在大雨和暴雨預(yù)報(bào)中具有較高的參考價(jià)值；GRAPES-GFS模式次之，其在暴雨預(yù)報(bào)中展現(xiàn)出較強(qiáng)的參考性；相比之下，日本模式在各預(yù)報(bào)時(shí)效中的表現(xiàn)較差，尤其是在48～96 h的預(yù)報(bào)中，TS評(píng)分顯著低于其他模式。② 長(zhǎng)江2024年第2號(hào)洪水期間的預(yù)報(bào)結(jié)果顯示，GERMAN模式在小雨和中雨預(yù)報(bào)中表現(xiàn)較好，但在大雨和暴雨預(yù)報(bào)中不及EC和GRAPES-GFS模式?？傮w而言，各模式在不同量級(jí)和區(qū)域的降水預(yù)報(bào)能力存在顯著差異，深入理解這些模式間的差異可為未來的降水預(yù)報(bào)工作提供參考。

關(guān) 鍵 詞：面雨量預(yù)報(bào)；TS評(píng)分；數(shù)值模式產(chǎn)品；2024年長(zhǎng)江洪水

中圖法分類號(hào)：P338

文獻(xiàn)標(biāo)志碼：ADOI：10.16232/j.cnki.1001-4179.2024.12.004

0 引 言

2024年，長(zhǎng)江流域經(jīng)歷了復(fù)雜的洪水過程^［1］，尤其是1號(hào)和2號(hào)洪水，給流域的防洪工作帶來了巨大挑戰(zhàn)。這些洪水事件伴隨大范圍的強(qiáng)降水，對(duì)流域內(nèi)的防洪體系建設(shè)和水資源管理提出了更高的要求。在此背景下，準(zhǔn)確的降水預(yù)報(bào)尤為關(guān)鍵，特別是面雨量的預(yù)測(cè)，直接影響防洪決策的有效性。

面雨量指的是單位面積上的降雨量，相較于點(diǎn)雨量，面雨量能更準(zhǔn)確反映某一特定區(qū)域或流域的平均降水情況，是水文模型的重要輸入?yún)?shù)，同時(shí)也是流域水文氣象的重要預(yù)報(bào)要素^［2-4］。在長(zhǎng)江流域的洪水預(yù)報(bào)與防控中，精確的面雨量預(yù)報(bào)為合理配置防洪資源、及時(shí)采取應(yīng)對(duì)措施、降低洪災(zāi)風(fēng)險(xiǎn)提供了強(qiáng)有力的決策依據(jù)。目前，長(zhǎng)江流域的定量降水預(yù)報(bào)主要依賴數(shù)值模式產(chǎn)品^［5］。因此，認(rèn)識(shí)數(shù)值模式產(chǎn)品的預(yù)報(bào)效果至關(guān)重要。許多學(xué)者對(duì)不同地區(qū)的降水預(yù)報(bào)進(jìn)行了評(píng)估^［6-11］。王曉峰等^［12］對(duì)雅礱江流域汛期的降水預(yù)報(bào)進(jìn)行了精度評(píng)估，發(fā)現(xiàn)ECMWF模式在中雨及以上降水量級(jí)中的表現(xiàn)最佳。邱輝等^［13］指出GERMAN模式在漢江流域的面雨量預(yù)報(bào)效果最佳，其次是ECMWF模式。程中陽(yáng)等^［14］指出ECMWF模式在嘉陵江流域的降水預(yù)報(bào)效果較好。王海燕等^［15］指出，在長(zhǎng)江流域降水預(yù)報(bào)中，數(shù)值模式的固有缺陷會(huì)導(dǎo)致預(yù)報(bào)偏差。

從前人研究結(jié)果不難看出，模式產(chǎn)品對(duì)面雨量預(yù)報(bào)具有較大的參考價(jià)值，但不同數(shù)值模式在不同降水量級(jí)和區(qū)域下的表現(xiàn)存在差異，預(yù)報(bào)精度一般隨降水量級(jí)的增大而下降^［16-21］。因此，研究不同數(shù)值模式預(yù)報(bào)產(chǎn)品在長(zhǎng)江流域洪水期間的預(yù)報(bào)效果，對(duì)于優(yōu)化和提高洪水預(yù)報(bào)的準(zhǔn)確性具有重要意義，鑒于2024年長(zhǎng)江洪水的復(fù)雜性和重要性，對(duì)當(dāng)前數(shù)值模式產(chǎn)品在此次洪水期間的預(yù)報(bào)精度進(jìn)行評(píng)估顯得尤為重要。本文選取目前水文預(yù)報(bào)業(yè)務(wù)中主流的5個(gè)數(shù)值模式預(yù)報(bào)產(chǎn)品，對(duì)2024年長(zhǎng)江流域洪水期間的面雨量預(yù)報(bào)精度進(jìn)行評(píng)估，以期了解各產(chǎn)品在長(zhǎng)江流域的預(yù)報(bào)效果，識(shí)別和理解不同模式在實(shí)際預(yù)報(bào)中的優(yōu)劣勢(shì)，為未來的水文氣象預(yù)報(bào)工作提供參考。

1 資料與方法

1.1 資 料

（1）實(shí)況面雨量資料。2024年6～7月實(shí)況逐日面雨量利用長(zhǎng)江流域氣象站資料采用算術(shù)平均計(jì)算所得，氣象站資料由湖北省氣象局提供，所有站點(diǎn)都通過系統(tǒng)的質(zhì)量控制和均一性檢驗(yàn)，保證了資料的連續(xù)性和完整性。本文按照水庫(kù)和水文站節(jié)點(diǎn)分布將長(zhǎng)江流域劃分為39個(gè)分區(qū)（圖1），長(zhǎng)江上游的分區(qū)包括金沙江流域、雅礱江流域、岷江、沱江、涪江、嘉陵江、渠江、向家壩—寸灘區(qū)間（向寸區(qū)間）、寸灘—萬(wàn)州區(qū)間（寸萬(wàn)區(qū)間）、萬(wàn)州—宜昌區(qū)間（萬(wàn)宜區(qū)間）以及烏江。其余分區(qū)為長(zhǎng)江中下游分區(qū)。洞庭湖水系包括的分區(qū)有澧水、沅江、資水以及洞庭湖區(qū)。鄱陽(yáng)湖水系包括的分區(qū)有修河、贛江、撫河、信江、饒河以及鄱陽(yáng)湖區(qū)。

（2）模式資料。本研究所用的數(shù)值模式預(yù)報(bào)資料由湖北省氣象局通過數(shù)據(jù)專線每日實(shí)時(shí)推送至長(zhǎng)江水利委員會(huì)水文局。本文對(duì)當(dāng)前全球較為流行的5種業(yè)務(wù)運(yùn)行的數(shù)值模式降水預(yù)報(bào)產(chǎn)品進(jìn)行評(píng)估，包括歐洲中期天氣預(yù)報(bào)中心（ECMWF，以下簡(jiǎn)稱EC）、德國(guó)氣象局（GERMAN）、美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（NCEP）、日本氣象廳（以下簡(jiǎn)稱日本模式）與中國(guó)國(guó)家氣象局的GRAPES-GFS數(shù)值模式。根據(jù)業(yè)務(wù)預(yù)報(bào)需求，各模式的起報(bào)時(shí)間均采用前日20 h，各模式采用的預(yù)見期均為7 d。

1.2 降水評(píng)分方法

（1）TS評(píng)分。面雨量等級(jí)劃分依據(jù)GB/T 20486—2017《江河流域面雨量等級(jí)》，參見表1。對(duì)面雨量的檢驗(yàn)采用TS評(píng)分方法，TS評(píng)分是目前氣象部門應(yīng)用比較廣泛的一種降水分級(jí)檢驗(yàn)方法，用于衡量降水預(yù)報(bào)準(zhǔn)確率，如果評(píng)分較高，說明對(duì)降水的預(yù)報(bào)效果較好。其公式如下：

T_si=N_Ai/N_Ai+N_Bi+N_Ci

式中：i代表不同的降水量級(jí)，i=1，2，3，4分別對(duì)應(yīng)小雨、中雨、大雨和暴雨4個(gè)量級(jí)；N_Ai、N_Bi、N_Ci分別表示第i個(gè)降雨量級(jí)預(yù)報(bào)正確、空?qǐng)?bào)以及漏報(bào)的次數(shù)。

（2）平均絕對(duì)誤差。平均絕對(duì)誤差（MAE）反映預(yù)報(bào)值可能的誤差范圍，公式為

MAE=∑N/t=1|F_t-O_t|/N

式中：F_t和O_t分別為第t個(gè)時(shí)段的預(yù)報(bào)降雨和實(shí)測(cè)降雨值；N為總預(yù)報(bào)個(gè)數(shù)。

2 長(zhǎng)江2024年第1號(hào)洪水期間面雨量預(yù)報(bào)效果評(píng)估

2.1 降水實(shí)況

圖2給出了2024年6月9日至7月2日長(zhǎng)江流域累計(jì)降水分布圖，可以發(fā)現(xiàn)降水主要集中于長(zhǎng)江中下游干流及兩湖水系。具體而言，1號(hào)洪水的降雨發(fā)展過程主要分為以下3個(gè)階段：① 6月9～17日，長(zhǎng)江中下游干流以南出現(xiàn)中—大雨、局地暴雨，兩湖水系開始進(jìn)入強(qiáng)降雨集中期，此階段中下游干流及兩湖由低水位逐步抬升。② 6月18～27日，隨著副高北抬，長(zhǎng)江中下游進(jìn)入梅雨期，主雨區(qū)位于長(zhǎng)江中下游干流附近及其兩湖水系中北部，強(qiáng)度以大—暴雨為主，兩湖洪水并發(fā)，長(zhǎng)江中下游水位漲勢(shì)迅猛并逼近警戒水位。③ 6月28日至7月6日，降雨過程連續(xù)、無間歇，強(qiáng)度以大—暴雨為主，降雨過程均發(fā)生在長(zhǎng)江中下游干流附近及其南部，雨帶呈現(xiàn)西南—東北向分布，降水落區(qū)重疊度高。此階段兩湖及長(zhǎng)江干流附近支流來水持續(xù)增加，長(zhǎng)江2024年第1號(hào)洪水形成，城陵磯以下河段全線超警。

2.2 長(zhǎng)江中下游面雨量預(yù)報(bào)結(jié)果分析

由圖2可以發(fā)現(xiàn)1號(hào)洪水期間，降水主要集中于長(zhǎng)江中下游，因此將采用TS評(píng)分對(duì)不同數(shù)值模式長(zhǎng)江中下游面雨量預(yù)報(bào)進(jìn)行檢驗(yàn)，評(píng)估其預(yù)報(bào)效果。圖3給出了2024年6月9日至7月2日長(zhǎng)江中下游1～7 d 多模式降水預(yù)報(bào)TS評(píng)分檢驗(yàn)結(jié)果。由于大暴雨及以上（面雨量≥60 mm）的樣本較少，故本文主要分析模式對(duì)小雨、中雨、大雨及暴雨預(yù)報(bào)的檢驗(yàn)結(jié)果。由圖3可知，就平均值而言，EC模式的預(yù)報(bào)表現(xiàn)最為穩(wěn)定，并且預(yù)報(bào)效果整體是最好的。EC模式TS評(píng)分除了在72 h預(yù)報(bào)時(shí)效中略低于NCEP模式以及在96 h預(yù)報(bào)時(shí)效中略低于GRAPES-GFS模式外，在其他預(yù)報(bào)時(shí)效中均領(lǐng)先于其他模式；GRAPES-GFS模式的TS評(píng)分整體低于EC模式但好于其他模式；NCEP模式TS評(píng)分整體略高于GERMAN模式，二者評(píng)分基本相當(dāng)；日本模式TS評(píng)分整體最低，尤其在48，72，96 h的評(píng)分遠(yuǎn)低于其他模式。對(duì)于不同降水量級(jí)而言，在小雨檢驗(yàn)方面，NCEP和EC模式表現(xiàn)最好，在24 h預(yù)報(bào)時(shí)效中TS評(píng)分能達(dá)到70%，其余預(yù)報(bào)時(shí)效評(píng)分在50%～60%；GERMAN及GRAPES-GFS模式次之，二者評(píng)分基本相當(dāng)。在中雨檢驗(yàn)方面，NCEP模式整體表現(xiàn)最好，尤其是在48～144 h的預(yù)報(bào)時(shí)效內(nèi)，TS評(píng)分大幅高于其他模式預(yù)報(bào)結(jié)果；而EC模式僅在24 h評(píng)分最高，其他預(yù)報(bào)時(shí)效中表現(xiàn)較差。在大雨和暴雨檢驗(yàn)方面，EC模式表現(xiàn)最為穩(wěn)定并且整體最好，GRAPES-GFS模式次之，在96 h及120 h預(yù)報(bào)時(shí)效下暴雨預(yù)報(bào)評(píng)分較高?？傮w而言，EC模式預(yù)報(bào)表現(xiàn)最好，GRAPES-GFS模式次之，NCEP與GERMAN模式表現(xiàn)基本相當(dāng)，日本模式相較其他模式評(píng)分最低。

圖4進(jìn)一步給出了多模式預(yù)報(bào)TS評(píng)分隨預(yù)報(bào)時(shí)效的演變?？梢园l(fā)現(xiàn)，隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，各模式的TS評(píng)分整體呈下降趨勢(shì)，但對(duì)于不同量級(jí)降水各模式表現(xiàn)差異較大。在小雨量級(jí)（圖4（a）），EC和NCEP模式表現(xiàn)最好，且在120 h預(yù)報(bào)時(shí)效后整體評(píng)分呈上升趨勢(shì)。日本模式在24 h后TS評(píng)分大幅下降，整體遠(yuǎn)低于其他模式。在中雨量級(jí)（圖4（b）），NCEP評(píng)分整體最高，其他模式從TS評(píng)分24 h開始存在較大程度的下滑，NCEP模式則表現(xiàn)較為穩(wěn)定。在大雨量級(jí)（圖4（c）），EC模式和GRAPES-GFS模式整體表現(xiàn)較好，NCEP模式僅在72 h TS評(píng)分較高，其他預(yù)報(bào)時(shí)效表現(xiàn)較差，日本模式在48 h及72 h評(píng)分較低，尤其是72 h評(píng)分遠(yuǎn)低于其他模式。在暴雨量級(jí)（圖4（d）），各模式表現(xiàn)都較為穩(wěn)定，整體隨預(yù)報(bào)時(shí)效呈下降趨勢(shì)，EC模式和GRAPES-GFS模式整體表現(xiàn)較好。綜合來看，EC模式和GRAPES-GFS模式在各個(gè)量級(jí)降水表現(xiàn)都較為穩(wěn)定且評(píng)分較高，具有較高的參考價(jià)值;NCEP模式在預(yù)報(bào)中雨等級(jí)中評(píng)分較高；日本模式在72 h TS評(píng)分遠(yuǎn)低于其他模式。

表2顯示了各模式下長(zhǎng)江中下游降水預(yù)報(bào)平均絕對(duì)誤差?？梢园l(fā)現(xiàn)，由于NCEP模式在中雨量級(jí)的表現(xiàn)較好，且中雨樣本量較大，使其在72～144 h的平均絕對(duì)誤差最低；EC模式和GRAPES-GFS模式表現(xiàn)基本相當(dāng)，且好于GERMAN模式及日本模式，這也與TS評(píng)分的結(jié)果一致；日本模式表現(xiàn)較差，且在48～96 h平均絕對(duì)誤差遠(yuǎn)高于其他模式，這也與TS評(píng)分結(jié)果一致?？傊瑢?duì)于長(zhǎng)江2024年第1號(hào)洪水期間長(zhǎng)江中下游的強(qiáng)降水過程，EC模式和GRAPES-GFS模式表現(xiàn)相對(duì)較好，NCEP模式在中雨預(yù)報(bào)中表現(xiàn)較好，具有較強(qiáng)的可參考性。

2.3 兩湖水系面雨量預(yù)報(bào)結(jié)果分析

由前文分析可知，長(zhǎng)江2024年第1號(hào)洪水期間強(qiáng)降水落區(qū)主要位于兩湖水系。因此，表3及表4進(jìn)一步給出了各模式下洞庭湖水系及鄱陽(yáng)湖水系降水預(yù)報(bào)的平均絕對(duì)誤差?？梢园l(fā)現(xiàn)，在洞庭湖水系，就平均值而言表現(xiàn)最好的為NCEP模式，GERMAN模式與GRAPES-GFS模式次之，表現(xiàn)基本相當(dāng)；EC模式的表現(xiàn)稍差，但遠(yuǎn)好于日本模式；日本模式在24 h、120～168 h表現(xiàn)較好，但在48～96 h的平均絕對(duì)誤差較大。在鄱陽(yáng)湖水系，EC模式表現(xiàn)最好，GERMAN模式與NCEP模式次之?？傊?，從平均絕對(duì)誤差來看，除日本模式外，各模式在不同預(yù)報(bào)時(shí)效均存在較強(qiáng)的參考價(jià)值。

為了進(jìn)一步分析各模式的預(yù)報(bào)精度，圖5分別給出了兩湖水系大雨及暴雨的各模式預(yù)報(bào)TS評(píng)分結(jié)果?？梢园l(fā)現(xiàn)，在洞庭湖水系EC模式和GRAPES-GFS模式表現(xiàn)相對(duì)較好，GERMAN模式及NCEP模式在各預(yù)報(bào)時(shí)效下TS評(píng)分普遍較低；日本模式在48～96 h預(yù)報(bào)時(shí)效下大雨預(yù)報(bào)TS評(píng)分遠(yuǎn)低于其他模式，預(yù)報(bào)評(píng)分出現(xiàn)先迅速下降后又回升的情況，存在一定的不穩(wěn)定性。類似的情況同樣出現(xiàn)在鄱陽(yáng)湖水系的大雨預(yù)報(bào)中，日本模式在72 h的預(yù)報(bào)評(píng)分不到10%；其他模式依舊為EC模式和GRAPES-GFS模式表現(xiàn)相對(duì)較好；對(duì)于鄱陽(yáng)湖水系的暴雨預(yù)報(bào)，GRAPES-GFS模式TS評(píng)分在72～120 h遠(yuǎn)超其他模式，持續(xù)穩(wěn)定在70%以上，具有較好的參考價(jià)值。

3 長(zhǎng)江2024年第2號(hào)洪水期間面雨量預(yù)報(bào)效果評(píng)估

3.1 降水實(shí)況

2024年7月2日長(zhǎng)江中下游降雨集中期結(jié)束，主雨區(qū)移至長(zhǎng)江上游，受高空槽、西太副高、低層切變等多種天氣系統(tǒng)共同影響，長(zhǎng)江上游連續(xù)發(fā)生強(qiáng)降雨過程，“長(zhǎng)江2024年第2號(hào)洪水”于7月11日在長(zhǎng)江上游形成。圖6給出了7月2～24日長(zhǎng)江流域累計(jì)降水分布圖?？梢园l(fā)現(xiàn)，強(qiáng)降雨主要集中于嘉陵江岷江流域及漢江流域北部，而造成2號(hào)洪水的降水主要與長(zhǎng)江上游降水有關(guān)。因此接下來將主要針對(duì)長(zhǎng)江上游降水開展預(yù)報(bào)精度評(píng)估檢驗(yàn)。

3.2 長(zhǎng)江上游面雨量預(yù)報(bào)結(jié)果分析

在長(zhǎng)江2號(hào)洪水期間，降水主要集中于長(zhǎng)江上游，因此將主要分析各模式對(duì)長(zhǎng)江上游降水的預(yù)報(bào)。圖7給出了2024年7月2～24日長(zhǎng)江上游1～7 d多模式降水預(yù)報(bào)TS評(píng)分檢驗(yàn)結(jié)果。由圖7可知，就平均值而言，24～48 h預(yù)報(bào)時(shí)效下，EC模式表現(xiàn)最好，評(píng)分在50%～60%；72～168 h預(yù)報(bào)時(shí)效下，除日本模式外，各模式整體表現(xiàn)差別不大；日本模式在72 h及144 h預(yù)報(bào)時(shí)效下評(píng)分較低。對(duì)于不同降水量級(jí)而言，在小雨檢驗(yàn)方面，GERMAN模式整體表現(xiàn)最好，其他模式整體表現(xiàn)差別不大，但日本模式在72 h出現(xiàn)遠(yuǎn)低于其他模式的情況，評(píng)分不到30%;在中雨檢驗(yàn)方面，除日本模式評(píng)分較低外，其他模式評(píng)分基本相當(dāng);在大雨檢驗(yàn)方面，GRAPES-GFS模式表現(xiàn)最好，EC模式及NCEP模式次之，GERMAN模式評(píng)分最低；在暴雨檢驗(yàn)方面，EC模式表現(xiàn)最為穩(wěn)定并且整體最好。

圖8進(jìn)一步給出了多模式預(yù)報(bào)TS評(píng)分隨預(yù)報(bào)時(shí)效的演變?？梢园l(fā)現(xiàn)，除小雨預(yù)報(bào)外，隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，各模式的TS評(píng)分整體呈下降趨勢(shì)。在小雨量級(jí)（圖8（a）），各模式的TS評(píng)分隨預(yù)報(bào)時(shí)效延長(zhǎng)并沒有表現(xiàn)出明顯的下降趨勢(shì)，其中GERMAN模式TS評(píng)分最高，在24 h TS評(píng)分超過60%，其他預(yù)報(bào)時(shí)效下均超過50%。在中雨量級(jí)（圖8（b）），各模式評(píng)分隨預(yù)報(bào)時(shí)效呈緩慢下降趨勢(shì)，GERMAN模式表現(xiàn)最明顯，GRAPES-GFS模式次之，日本模式在48～96 h的評(píng)分遠(yuǎn)低于其他模式。在大雨量級(jí)（圖8（c）），各模式預(yù)報(bào)評(píng)分隨預(yù)報(bào)時(shí)效呈迅速下降趨勢(shì)，GRAPES-GFS模式整體的預(yù)報(bào)評(píng)分最高。在暴雨量級(jí)（圖8（d）），各模式預(yù)報(bào)評(píng)分差異較大，整體而言EC與日本模式表現(xiàn)較好?？傮w而言，GERMAN模式在小雨及中雨的預(yù)報(bào)表現(xiàn)較好，但中雨和大雨預(yù)報(bào)表現(xiàn)較差;EC模式及GRAPES-GFS模式在各降水量級(jí)和預(yù)報(bào)時(shí)效下整體表現(xiàn)較好，具有較高的參考價(jià)值;NCEP模式在預(yù)報(bào)中雨時(shí)評(píng)分較高;與1號(hào)洪水出現(xiàn)的情況類似，日本模式在48～96 h的預(yù)報(bào)會(huì)出現(xiàn)突然下降，導(dǎo)致評(píng)分遠(yuǎn)低于其他模式。

表5顯示了各模式下長(zhǎng)江上游降水預(yù)報(bào)的平均絕對(duì)誤差?？梢园l(fā)現(xiàn)，由于GERMAN模式在小雨和中雨量級(jí)的表現(xiàn)較好，且小雨和中雨樣本量較大，其在各預(yù)報(bào)時(shí)效的平均絕對(duì)誤差最低;EC模式次之；NCEP模式在中雨預(yù)報(bào)的表現(xiàn)較好，其誤差低于GRAPES-GFS模式，表現(xiàn)基本相當(dāng)；日本模式表現(xiàn)較差，且在48～96 h 平均絕對(duì)誤差遠(yuǎn)高于其他模式，這也與TS評(píng)分結(jié)果一致。綜合TS評(píng)分及絕對(duì)誤差分析，對(duì)于長(zhǎng)江2024年第2號(hào)洪水期間長(zhǎng)江上游的強(qiáng)降水過程，EC模式和GRAPES-GFS模式在大雨和暴雨預(yù)報(bào)中表現(xiàn)相對(duì)較好，GERMAN模式在小雨和中雨預(yù)報(bào)中表現(xiàn)較好，具有較強(qiáng)的可參考性。

3.3 嘉陵江流域面雨量預(yù)報(bào)結(jié)果分析

由3.1節(jié)分析可知，長(zhǎng)江2024年第2號(hào)洪水期間強(qiáng)降水落區(qū)主要位于嘉陵江流域。因此，表6進(jìn)一步給出了各模式嘉陵江流域降水預(yù)報(bào)的平均絕對(duì)誤差?？梢园l(fā)現(xiàn)，與前文分析結(jié)果基本一致，在嘉陵江流域整體表現(xiàn)最好的是GERMAN模式，NCEP模式次之，GRAPES-GFS模式與EC模式平均絕對(duì)誤差基本相當(dāng)，日本模式表現(xiàn)較差。由于長(zhǎng)江2024年第2號(hào)洪水期間嘉陵江流域暴雨樣本較少，故圖9只給出了嘉陵江流域各模式在大雨量級(jí)的TS評(píng)分結(jié)果?？梢园l(fā)現(xiàn)，大多數(shù)模式TS評(píng)分隨預(yù)報(bào)時(shí)效延長(zhǎng)逐漸下降，總體表現(xiàn)最好的為GRAPES-GFS模式，EC模式與NCEP模式次之，GERMAN模式及日本模式表現(xiàn)相對(duì)較差，總體結(jié)論與前文基本一致。

4 結(jié) 論

本研究利用TS評(píng)分以及平均絕對(duì)誤差對(duì)2024年長(zhǎng)江流域2次洪水期間的面雨量預(yù)報(bào)效果進(jìn)行了詳細(xì)評(píng)估，結(jié)果顯示不同數(shù)值模式在預(yù)報(bào)強(qiáng)降水過程中的表現(xiàn)存在顯著差異。主要結(jié)論如下：

（1）在長(zhǎng)江2024年第1號(hào)洪水期間，EC模式在長(zhǎng)江中下游區(qū)域的面雨量預(yù)報(bào)中表現(xiàn)最為穩(wěn)定和準(zhǔn)確，特別是在大雨和暴雨的預(yù)報(bào)中，TS評(píng)分最高，預(yù)報(bào)效果最佳，具有較高的參考價(jià)值。GRAPES-GFS模式在長(zhǎng)江中下游的大雨和暴雨預(yù)報(bào)中表現(xiàn)較好，次于EC模式，尤其是在96 h及120 h的預(yù)報(bào)時(shí)效中表現(xiàn)出較高的穩(wěn)定性和精度。NCEP模式在中雨預(yù)報(bào)中表現(xiàn)較好，特別是在48～144 h的預(yù)報(bào)時(shí)效內(nèi)，TS評(píng)分高于其他模式。日本模式在48～96 h的預(yù)報(bào)時(shí)效中表現(xiàn)較差，TS評(píng)分遠(yuǎn)低于其他模式，預(yù)報(bào)準(zhǔn)確性較低，特別是在中下游區(qū)域的大雨和暴雨預(yù)報(bào)中誤差較大。

（2）在長(zhǎng)江2024年第2號(hào)洪水期間，GERMAN模式在上游區(qū)域的小雨和中雨預(yù)報(bào)中表現(xiàn)最佳，平均絕對(duì)誤差最低，展現(xiàn)了較好的預(yù)報(bào)能力。在長(zhǎng)江上游區(qū)域的大雨和暴雨預(yù)報(bào)中，EC模式和GRAPES-GFS模式表現(xiàn)較好，特別是GRAPES-GFS模式在72～120 h 的暴雨預(yù)報(bào)中TS評(píng)分明顯高于其他模式，具有較高的參考價(jià)值。日本模式在2號(hào)洪水期間的上游區(qū)域預(yù)報(bào)中表現(xiàn)較差，特別是在48～96 h的預(yù)報(bào)時(shí)效中，TS評(píng)分顯著低于其他模式，預(yù)報(bào)誤差較大。

綜合對(duì)長(zhǎng)江2024年第1號(hào)洪水期間中下游區(qū)域和第2號(hào)洪水期間上游區(qū)域的預(yù)報(bào)效果分析可知，EC模式和GRAPES-GFS模式在強(qiáng)降水預(yù)報(bào)中表現(xiàn)出較高的穩(wěn)定性和精度，是最具參考價(jià)值的模式；NCEP模式在中雨預(yù)報(bào)中表現(xiàn)突出，尤其適用于中下游區(qū)域的中雨預(yù)報(bào)；GERMAN模式在上游區(qū)域的小雨和中雨預(yù)報(bào)中具有較大優(yōu)勢(shì)，但在大雨和暴雨預(yù)報(bào)中不如EC和GRAPES-GFS模式；日本模式在2次洪水期間的預(yù)報(bào)中均表現(xiàn)不佳，尤其是在48～96 h的預(yù)報(bào)中，需謹(jǐn)慎使用。未來的洪水預(yù)報(bào)工作應(yīng)結(jié)合多模式的優(yōu)勢(shì)，針對(duì)上游和中下游不同區(qū)域的特點(diǎn)，優(yōu)化預(yù)報(bào)策略，以提高預(yù)報(bào)的準(zhǔn)確性和可靠性。

參考文獻(xiàn)：

［1］ 官學(xué)文，張瀟.2024年長(zhǎng)江暴雨洪水特點(diǎn)與啟示［J］.人民長(zhǎng)江，2024，55（10）：1-6，47.

［2］ 徐晶，姚學(xué)祥.流域面雨量估算技術(shù)綜述［J］.氣象，2007，33（7）：15-21.

［3］ 畢寶貴，徐晶，林建.面雨量計(jì)算方法及其在海河流域的應(yīng)用［J］.氣象，2003，29（8）：39-42.

［4］ 沈滸英，孫嘉翔，王樂.長(zhǎng)江流域分區(qū)面雨量特征分析［J］.人民長(zhǎng)江，2021，52（9）：79-85.

［5］ 畢寶貴，代刊，王毅，等.定量降水預(yù)報(bào)技術(shù)進(jìn)展［J］.應(yīng)用氣象學(xué)報(bào)，2016，27（5）：534-549.

［6］ 曹越，趙琳娜，鞏遠(yuǎn)發(fā)，等.ECMWF髙分辨率模式降水預(yù)報(bào)能力評(píng)估與誤差分析［J］.暴雨災(zāi)害，2019，38（3）：249-258.

［7］ 董全，金榮花，代刊，等.ECMWF集合預(yù)報(bào)和確定性預(yù)報(bào)對(duì)淮河流域暴雨預(yù)報(bào)的對(duì)比分析［J］.氣象，2016，42（9）：1146-1153.

［8］ 邱輝，李春龍，張方偉.長(zhǎng)江流域多模式降雨預(yù)報(bào)效果檢驗(yàn)［J］.水利水電快報(bào)，2017，38（6）：39-42，46.

［9］ 張宏芳，潘留杰，楊新.ECMWF、日本高分辨率模式降水預(yù)報(bào)能力的對(duì)比分析［J］.氣象，2014，40（4）：424-432.

［10］辛辰，漆梁波.ECMWF模式對(duì)南方春雨期降水預(yù)報(bào)的檢驗(yàn)和分析［J］.暴雨災(zāi)害，2018，37（4）：383-391.

［11］邱輝，郭云謙，李帥，等.ECMWF集合降水預(yù)報(bào)在長(zhǎng)江流域應(yīng)用性能評(píng)估［J］.人民長(zhǎng)江，2020，51（2）：71-76.

［12］王曉峰，周榮衛(wèi).全球模式降水預(yù)報(bào)在雅礱江流域汛期的效果檢驗(yàn)［J］.氣象，2021，47（10）：1193-1205.

［13］邱輝，范維，王樂.漢江流域多模式面雨量預(yù)報(bào)效果評(píng)估及集成應(yīng)用［J］.人民長(zhǎng)江，2023，54（11）：51-59.

［14］程中陽(yáng)，張行南，夏達(dá)忠.基于ECMWF和WRF的嘉陵江流域面雨量預(yù)報(bào)精度評(píng)估［J］.長(zhǎng)江科學(xué)院院報(bào)，2018，35（11）：20-25.

［15］王海燕，孟英杰，程昌玉，等.長(zhǎng)江流域多模式動(dòng)態(tài)集成降水預(yù)報(bào)方法及應(yīng)用評(píng)估［J］.氣象，2022，48（8）：1043-1052.

［16］朱占云，潘婭英，駱月珍，等.浙江省水庫(kù)流域面雨量的多模式預(yù)報(bào)效果分析與檢驗(yàn)［J］.氣象與環(huán)境科學(xué)，2017，40（3）：93-100.

［17］RAN Q H，F(xiàn)U W，LIU Y，et al.Evaluation of quantitative precipitation predictions by ECMWF，CMA，and UKMO for flood forecasting：application to two basins in China［J］.Natural Hazards Review，2018，19（2）：05018003.

［18］LIU Y，DUAN Q，ZHAO L，et al.Evaluating the predictive skill of postprocessed NCEP GFS ensemble precipitation forecasts in China’s Huai River Basin［J］.Hydrological Processes，2013，27（1）：57-74.

［19］陳超君，李俊，王明歡.2013年汛期華中區(qū)域業(yè)務(wù)數(shù)值模式降水預(yù)報(bào)檢驗(yàn)［J］.氣象與環(huán)境學(xué)報(bào)，2015，31（2）：1-8.

［20］龔偉偉，師春香，張濤，等.中國(guó)區(qū)域多種數(shù)值模式資料的地面氣象要素評(píng)估［J］.氣候與環(huán)境研究，2015，20（1）：53-62.

［21］呂勁文，申華羽，涂小萍，等.ECMWF細(xì)網(wǎng)格模式降水在浙江省行政區(qū)域面雨量預(yù)報(bào)中的釋用［J］.氣象與環(huán)境科學(xué)，2023，46（5）：75-85.

（編輯：謝玲嫻）

Verification of multi-model area precipitation forecasts during

2024 flood in Changjinag River Basin

DONG Xuan¹，XU Weili²，QIU Hui¹

（1.Bureau of Hydrology，Changjiang Water Resources Commission，Wuhan 430010，China； 2.China Yangtze Power Co.，Ltd.，Yichang 443002，China）

Abstract： This study aims to evaluate the area precipitation forecasting performance of various numerical models during the 2024 flood in the Changjinag River Basin，and understand the forecasting capabilities of current operational models.Through TS score and mean absolute error （MAE），we analyze the precipitation forecasting performances of different numerical models （EC，GRAPES-GFS，NCEP，GERMAN，and the Japanese model） during the 2024 Changjinag River No.1 flood and No.2 flood.The results indicated that：① during the 2024 Changjinag River No.1 flood，the EC model demonstrated the most stable performance in precipitation forecasting，exhibiting the best results，particularly in forecasting heavy rain and rainstorms.The GRAPES-GFS model ranked second，showing good performance，especially in rainstorm forecasts.In contrast，the Japanese model performed poorly across all forecast periods，with TS scores lower than other models，particularly in the 48 to 96-hour forecasts.② Additionally，analysis during the 2024 Changjinag River No.2 flood revealed that the GERMAN model performed well in forecasting light and middle rain，but was less effective than the EC and GRAPES-GFS models in forecasting heavy rain and rainstorm.Overall，there were large differences in the precipitation forecasting capabilities of various models facing different magnitudes of rain and regions.A deeper understanding of these inter-model differences can provide important references for future precipitation forecasting efforts.

Key words： area precipitation forecast；TS score；numerical model products；2024 flood in the Changjinag River Basin