河南省分類強對流天氣概率預報方法研究與應用

牛淑貞， 張一平， 王 迪， 曾明劍， 袁小超， 郝曉珍

(1．中國氣象局·河南省農業氣象保障與應用技術重點開放實驗室，鄭州 450003； 2．河南省氣象臺，鄭州 450003；3．江蘇省氣象科學研究所，南京 210009)

引 言

強對流天氣發生、發展機制及其預報預警在現代天氣業務和科研工作中一直占有重要地位[1-2]。2000年前后，隨著新一代天氣雷達、高分辨衛星云圖和加密自動站等探測資料的業務應用，風雹、短時強降水等強對流天氣監測和臨近預報預警能力有了很大提高[3-4]，但由于強對流天氣往往具有突發性、局地性和生消演變速度快等特征，基于實況監測和外推的短臨預警時效非常有限。因此，對強對流天氣的短期潛勢預報仍發揮著不可替代的作用。目前強對流天氣短期預報往往以天氣形勢、物理量要素分析為主。2009年國家強天氣中心[5-9]和各省先后開展了中尺度天氣分析業務，建立了強對流天氣分析概念模型及中尺度天氣分析物理量指標[10-12]。參考概念模型和物理量指標，對常規高空、地面及預報模式產品進行中尺度天氣分析已成為延長預報時效的主要手段，有效提高了強對流天氣潛勢預報能力。在強對流天氣客觀預報方法方面，由于早期的研究如θse特型法、權重系數法、配料法等[13-16]，多是基于常規探空資料，時空分辨率較低，因此預報產品難以滿足現代化業務對分類強對流天氣預報準確率的需求。隨著全球模式分辨率的提高和非靜力區域中尺度模式的發展，數值模式對于近風暴環境的刻畫預報能力極大提升，在強對流天氣預報預警中發揮著越來越重要的作用[17-18]。近年來，一些學者開展了基于高分辨率模式的分類強對流天氣預報方法研究[19]。曾明劍[20-21]等基于中尺度數值模式采用模糊矩陣評價技術開展了江蘇省分類強對流概率預報試驗。郭翰陽等[22]開展了基于深度學習的高分辨率臨近預報試驗。龐古乾等[23]采用二值Logistic回歸分析方法，構建強對流潛勢預報方程，制作珠三角地區未來12 h強對流天氣潛勢預報。李文娟等[24]基于數值預報和隨機森林算法，開展了浙江省強對流天氣分類預報方法研究。上述研究在分類強對流天氣短期潛勢預報方面取得了重要進展。

河南省強對流天氣頻繁發生，近年來極端短時強降水也造成了嚴重災害[25-27]。在分類強對流天氣潛勢預報方法方面河南也進行了一些探索。如2010年利用GRAPES和WRF中尺度數值模式，開展了分類強對流天氣概率預報，不過由于模式、方法等方面的缺陷，預報效果不盡如人意，業務參考價值非常有限。隨著社會經濟的發展，人們對延長分類強對流天氣預報時效和準確率的需求不斷提高，非常有必要運用高分辨率資料和新的研究方法開展更精細的分類強對流天氣預報。考慮到相對模糊矩陣評價方法在客觀綜合評價各類環境物理參數指標方面的優勢，本文基于此方法，利用河南省2006-2015年間暖季(4-9月)國家自動站強對流天氣資料和ECMWF ERA-Interim再分析資料，構建河南省暖季雷暴大風、冰雹和短時強降水3類強對流天氣的概率預報模型，并依托業務高分辨率模式生成分類強對流客觀預報產品，為預報員進行分類強對流天氣潛勢預報提供更多參考。

1 資料來源與技術方法

1.1 資料來源

本文雷暴大風、冰雹和短時強降水3類強對流天氣實況資料來源于A文件、重要報、逐小時降水等。普查了2006-2015年河南省暖季(4-9月)117個國家站雷暴大風、冰雹和短時強降水資料，為排除高山站特殊地理環境的影響，各類強對流實況資料均不包含嵩山和雞公山2個高山站。對強對流天氣的分類標準為：(1)只要地面觀測到冰雹便認定為一次冰雹過程，且不論其他天氣出現與否；(2)雷暴大風需滿足出現雷暴和≥17.2 m/s陣風兩個條件，且無冰雹出現；(3)將僅出現雨強≥20 mm·h-1降水的強對流定義為短時強降水。

該方法構建所用歷史強對流的環境物理參數均采用ECMWF ERA-Interim每日4次間隔6 h 0.75°×0.75°再分析資料中的位勢高度、溫度、露點、地面氣壓、u/v風、相對濕度等基本要素計算得來。

由于ECMWF是業務應用廣泛且具有較高預報水平的全球預報模式，華東區域高分辨率數值模式是近年來在天氣預報業務特別是在強對流天氣預報中應用效果良好，因此業務實時運行所需參數均采用ECMWF細網格模式資料(0.25°×0.25°，下文簡稱“EC模式”)和華東區域中尺度模式資料(0.1°×0.1°，下文簡稱“華東模式”)的預報場計算。

1.2 研究方法

本方法格點計算空間區域為108.0-118.5°E、30.00-38.25°N，采用的技術方法如下。

1.2.1 鄰(臨)近原則

本文根據“鄰(臨)近原則”，對歷史分類的強對流天氣站點實況資料與格點再分析資料進行匹配，構建河南分類強對流天氣歷史個例庫。鄰(臨)近原則如下。

(1)“空間鄰近”原則：將離站點空間距離最近的格點物理量值近似認為站點的物理特征值；

(2)“時間臨近”原則：以天氣發生之前最近時次的物理量作為天氣發生時刻的物理特征值。

1.2.2 滑動平均

災害性天氣的發生往往是大氣出現偏離平均狀態的異常信號反映，為避免采用自然月份計算氣候均值造成月末或月初氣候態突變和過長時間序平均對氣候態弱化，故采用當日前后7 d內的15 d滑動平均值表示當日的氣候平均態。

1.2.3 模糊偏差矩陣評價方法

模糊綜合評價方法就是應用模糊關系合成原理，將一些不易定量的因素，從多個因素對評價事物隸屬度的等級狀況進行綜合性評價的一種方法。該方法首先要確定被評價對象的因素指標集合和評價等級集合，然后再分別確定各個因素的權重及其隸屬度向量，獲得綜合評判矩陣，最后把模糊評判矩陣與因素的權重向量進行模糊運算并做歸一化處理，得到模糊綜合評價指標值，并根據指標值進行評價對象的排序擇優。常用的模糊綜合評價方法有主客觀綜合評價法、相對偏差模糊矩陣評價方法、基于熵權夾角的TOPSIS方法、組合評價方法等。本文選擇相對偏差模糊矩陣評價方法對環境物理參數進行權重分配[21]。

(1)構建相對偏差模糊矩陣

假設X={x1,x2,…,xn}為待評價的n個方案的集合，Y={y1,y2,…,ym}為評價因素的集合，將X中的方案用Y中的每個評價因素進行衡量，得到評價指標方案矩陣：

(1)

式中，aij表示第i個方案中的第j項評價因素的指標值。這里選擇參數穩定性(方差)和差異性(偏離氣候態的特征值)兩個評價因素對各環境參數進行評價，即m=2。

理想的環境參數(評價方案)要求參數穩定性好(方差小)并且差異性大(偏差大)，建立理想方案:

v=(v1,v2， …vj, …,vm)(j=1…m)

(2)

其中，

因此，可構建相對偏差模糊矩陣：

(3)

其中，

(2)采用變異系數法，確定各評價指標的權重

各評價指標的權重：

(4)

其中，

進而，構建綜合評價公式：

(5)

式中,Fi表示各類方案的優先度，值越小表示排序越靠前，方案更優。

(3)確定環境參數在方案中的權重

環境參數在方案中的權重：

(6)

1.2.4 檢驗方法

盡管理論上預報產品對強對流應有0-6 h的指示意義，但是考慮到精細化預報的需要，這里假定預報時次僅能指示此后3 h內發生的強對流天氣，如某日08時概率預報產品顯示某站點可能出現冰雹，則08-11時該站點出現冰雹，即認為預報正確。由于模式資料傳輸固有的延遲問題，0-12 h時效內的預報產品失去了業務實時參考價值，同時模式預報性能會隨著預報時效延長不斷下降，預報時效過長的產品對強對流的指示意義也不大。因此，僅選擇12-60 h預報時效內的概率預報產品針對全省117個國家站(不含高山站)進行站點評分檢驗，計算點對點的TS評分(TS)、空報率(FAR)、漏報率(MAR)、命中率(POD)和預報偏差(BIAS)。為全面客觀反映概率預報方法的預報性能，檢驗中將站點實況未出現強對流、同時預報不可能出現的情況也歸為預報正確，而在命中率計算中僅將實況出現且預報有可能出現的樣本定義為預報正確樣本。

(1)TS評分

(7)

其中，NA表示報對的點數，NB表示空報的點數，NC表示漏報的點數。當預報正確的點數與實況點數完全一致時，TS=1；TS值越接近0，表示預報技巧越低。

(2)空報率FAR

(8)

其中，FAR代表空報在預報強對流事件中的比率，范圍為[0,1]，空報率越低，表示預報技巧越好。

(3)漏報率MAR

(9)

其中，MAR代表漏報在預報強對流事件中的比率,范圍為[0，1]，漏報率越低，表示預報技巧越好。

(4)命中率POD

(10)

其中，NA+表示觀測到樣本且預報概率超過優勢閾值的站次;POD代表正確預報強對流事件發生的比率，范圍為[0,1]，當預報完全正確時，值為1。

(5)預報偏差BIAS

(11)

BIAS表示預報事件發生總數與觀測事件發生總數的比率，比值越接近1，說明預報效果越好；比值越大于1，表示事件預報頻率越高，相反值越接近0，則表示事件預報概率越低。

2 研究結果

2.1 分類強對流天氣概率預報方法構建

強對流天氣發生時，鄰(臨)近大氣的水汽、熱力不穩定層結和動力抬升等特征量可以反映強對流天氣發生的環境條件。在大量歷史個例環境物理參數統計的基礎上，預報的大氣環境條件越接近歷史個例的環境條件，發生強對流天氣的可能性越大。基于“接近度”預報算法和思路，參照曾明劍[20-21]等的研究方法，建立河南省雷暴大風、冰雹和短時強降水3類強對流天氣的分類概率預報方法。具體技術路線如圖1。

首先采用2006-2015年4-9月間隔6 h的再分析資料基本物理要素，計算104種表征動力、熱力和水汽條件的環境物理參數。根據鄰“(臨)近原則”，將3類強對流天氣個例與空間上最靠近、時間上最臨近的前一時次格點參數相匹配，得到3類強對流天氣發生臨近時刻的環境物理參數特征并建立數據庫。

圖1 河南省分類強對流天氣研究技術路線框圖

此前的王迪等[28]研究發現，河南省各類強對流天氣環境物理參數存在明顯的月際差異。在利用環境物理參數構建強對流預報方法時，有必要考慮氣候背景的差異，分月討論分析。文中采用環境物理參數偏離氣候態的差異性和自身穩定性兩種評價指標來構建相對偏差模糊矩陣，計算各月各類環境物理參數相對各類強對流天氣的評價權重。考慮到業務應用的便利性，僅遴選最具代表性的20種對流參數用于構建概率預報算子。結合本地業務應用習慣，特別指定遴選的參數必須包含常用的大氣整層可降水量PW、K指數、沙氏指數SI、對流有效位能CAPE、0 ℃和-20 ℃層高度及0-1 km、0-3 km、0-6 km垂直風切變等9種常用參數。具體步驟為：第一步，構造104種環境物理參數的評價矩陣，并按計算的權重排序，自動挑選出各月權重較大的前20種參數；第二步，若初選出的20種參數包中包含9種常用參數，則不作處理，若不包含，則要把常用的9種參數從初選的20種參數中按照權重最小者開始依次向上替換，然后構建各月最終選擇的20種特征參數的評價矩陣，計算各參數權重系數。可見，不同強對流類型、不同月份遴選的環境物理參數均存在差異，而且還考慮了這些物理參數與平均氣候態的偏離情況。

隨后，統計得到各物理量指標在不同月份各類強對流天氣發生時的頻率分布特征(間隔10%)，并按照公式(12)計算當環境物理參數值為c時某類強對流天氣發生的概率f:

(12)

其中，x表示環境物理參數百分位特征值，y表示百分位數，c表示具體環境物理參數值，f表示環境物理參數在強對流天氣發生時的出現概率。

圖2和表1為各月短時強降水發生時對流有效位能CAPE的頻譜分布。如5月份CAPE歷史統計第70百分位的特征值為110.75 J·kg-1,第60百分位的特征值為185.68 J·kg-1，當出現150 J·kg-1時，由公式(12)可知此時短時強降水發生的概率為30%。

圖2 2006-2015年4-9月河南省短時強降水個例發生時對流有效位能CAPE頻率分布

表1 2006-2015年4-9月河南省短時強降水個例發生時對流有效位能CAPE出現頻率分布 J·kg-1

在此基礎上，按照公式(13)，結合環境物理參數在此類強對流天氣中特定月份的權重，構建表征某月某類強對流發生概率的算子：

(13)

其中,p表示各月不同類型強對流天氣的概率預報算子，值為[0,1]；ω表示環境物理參數權重；f表示環境物理參數在強對流天氣發生時的出現概率；i表示遴選的特征環境物理參數，i=1,2,3,…,20。

2.2 分類強對流天氣概率預報產品研發

業務應用時，利用數值模式預報的基本物理量，計算未來時刻各類強對流天氣的環境物理參數，代入概率預報算子，得到未來時刻各類強對流天氣的發生概率。由于在實際業務中往往需要給出確定性的預報結論，所以挑選2010-2016年間53次強對流天氣過程進行歷史個例反算，給出確定性預報的參考概率閾值，即優勢概率。在均衡考慮空報和漏報情況后，最終確定冰雹、雷暴大風、短時強降水的優勢概率依次為55%、50%、52%。

考慮到業務應用中EC細網格和華東區域中尺度數值模式效果較好，所以基于EC細網格模式和華東模式，研發了兩套河南分類強對流天氣概率預報產品，每日08和20時兩次起報，預報時效96 h，間隔3 h，其中基于EC細網格模式的預報產品空間分辨率為0.25°×0.25°，基于華東模式的預報產品空間分辨率為0.1°×0.1°。

目前，河南分類強對流天氣概率預報可以自動客觀輸出主要特征物理量預報、網格探空預報、分類概率預報產品等，其中冰雹、雷暴大風、短時強降水概率預報產品及優勢概率預報產品見圖3。優勢概率預報產品顯示未來時刻某地“致災性最嚴重”且“發生概率超過優勢概率閾值”的強對流天氣出現可能性的大小程度。在優勢概率預報產品中對于同一類強對流天氣，又根據概率大小劃分為相對有可能、一般有可能、略有可能、很有可能、極有可能5個等級，用同一色系不同深淺來表示。上述預報產品在2018年4月投入業務，得到了較好的業務應用效果，為預報員提供了強有力的技術支撐。

圖3 2019年6月10日08時基于EC模式起報的14-17時河南省強對流天氣分類概率預報產品

3 業務應用效果檢驗

3.1 2018年業務應用效果檢驗

以下分別對2018年暖季EC細網格全球模式(簡稱“ec”)和基于華東區域中尺度模式(簡稱“hd”)構建的河南分類概率預報產品進行系統性檢驗評估。

3.1.1 分類強對流概率預報產品檢驗

將格點強對流概率預報產品通過反距離加權插值得到站點的強對流概率，篩選滿足優勢概率閾值的強對流類型作為站點發生某類強對流天氣的確定性預報。其檢驗結果見表2、表3、表4。

由表2和表3可知：對于12-60 h預報時效內強對流過程的預報效果來看，起報時次對于預報效果的影響并不大，20時的略優于08時的。預報產品的MAR均較低，但是預報頻率過高，BIAS明顯偏大，FAR基本為40%～50%；預報產品的POD均可達70%以上。基于華東模式08時起報的冰雹預報產品POD高達84%，短時強降水的預報評分均最高，冰雹的預報評分略高于雷暴大風的。基于EC細網格的產品預報效果略優于華東中尺度模式產品的，在冰雹的預報上反映尤其明顯，這可能與模式垂直分辨率有關，因為得到的EC細網格資料相比華東區域模式的垂直層數要多。

表2 08時起報的2018年暖季河南省強對流天氣過程概率預報產品檢驗結果

由表4可知：對于12-60 h預報時效內整個暖季逐日的預報效果來看，冰雹的預報效果最佳，雷暴大風預報評分略大于短時強降水的，這與短時強降水空報較多有關。起報時效同樣對整個暖季預報效果影響不大。EC模式的預報效果明顯優于華東模式的預報效果。

表3 20時起報2018年暖季河南省強對流天氣過程概率預報產品檢驗結果

表4 不同起報時次2018年暖季河南省逐日分類強對流概率預報產品TS評分

3.1.2 優勢概率預報產品檢驗

將此前根據加權平均得到的站點各類強對流發生概率，按照構建優勢概率預報產品的方法，獲得站點的優勢強對流類型作為確定性預報，最終與根據分類原則確定的站點強對流實況進行對比檢驗，得到不同預報時段內針對整個暖季逐日(下文簡稱“暖季”)和所有強對流個例過程(簡稱“個例”)的優勢概率TS評分。檢驗結果見表5、表6。

表5 08時起報的不同預報時效內基于各模式的河南省強對流天氣優勢概率預報產品TS評分

表6 20時起報的不同預報時效內基于各模式的河南省強對流天氣優勢概率預報產品TS評分

檢驗結果表明，起報時次對預報效果影響并不顯著，預報時效越短，預報效果越好，隨著預報時效的延長，評分略有下降。不同預報時段內樣本數雖有差異，但評分差異不大，以華東模式最為明顯。由于優勢概率預報產品構造方法對強對流類型的誤判，優勢概率產品的TS評分明顯低于分類強對流的評分。

為了定量探究類型誤判的影響，采用分類誤判率指標進行檢驗。假定在12-60 h內分類錯誤的樣本數為cfsum，分類預報正確的樣本數為crsum，則分類誤判率CFAR可表示為

(14)

預報情況檢驗見表7。由表7可知，整體來看，不同起報時次對分類誤判率影響并不大，基于EC模式構建的河南分類概率預報對強對流類型的誤判率明顯低于基于華東區域中尺度模式的。

表7 不同起報時次各模式的河南省強對流天氣分類誤判率統計

3.2 2018年典型個例檢驗

3.2.1 2018年8月18日“溫比亞”臺風過程中短時強降水

受2018年18號臺風“溫比亞”影響，8月17日20時至20日08時，河南東部、北部出現大范圍強降水，其中信陽、平頂山、漯河、鄭州、鶴壁5地區出現大暴雨，安陽、濮陽、周口、新鄉、商丘、開封、駐馬店、許昌8地區出現特大暴雨，共有1293個雨量站降水量超過50 mm，其中大于100 mm的有544個，大于250 mm的有142個，有兩個區域站24 h降水量超過500 mm(分別是柘城縣遠襄集553.5 mm和睢縣長崗543.4 mm)。降水過程中短時強降水頻發，強降水主要時段出現在18日08-14時，最大雨強出現在虞城沙集(112 mm·h-1)。對該主要強降水時段進行檢驗如下。

圖4(a)為8月18日08-14時強降水實況。由圖4(a)可看出，位于開封、商丘、周口、漯河、駐馬店的強降水區域中≥50 mm·h-1的強降水集中在商丘地區。EC模式17日20時起報的18日08-14時的6 h降水量預報見圖4(b)。由圖4(a)(b)可見，模式預報的降水相比實況量級明顯偏小，大降水落區主要位于河南中部地區，比實況更偏西，特別是對商丘東部強降水的漏報非常顯著(見紅色虛圓圈)，整體來看模式預報效果較差。但是，基于EC模式建立的優勢概率預報產品08時起報的產品則指示出河南東部出現與實況落區較為一致的大范圍短時強降水可能性最大(圖4c、d)，不過對周口南部和駐馬店北部的短時強降水也存在少量漏報。綜合08時和11時的概率預報產品來看，本概率預報產品基本上把握了此次短時強降水的落區，特別是對商丘地區的強降水區，08和11時預報產品均有明顯指示，這對預報員預報預警來說非常有價值。

圖4 2018年8月18日08-14時河南省強降水實況、EC模式預報產品和基于該模式建立的河南省分類強對流天氣概率預報產品對比

華東區域中尺度模式對這一時段的短時強降水落區預報主體位置偏差不大，但在周口、商丘東部和駐馬店北部漏報較多，尤其是對商丘東部的較大量級強降水漏報明顯(圖5a、b中紅色虛圓圈)。基于華東模式的優勢概率預報產品同樣顯示08-14時全省出現短時強降水可能性最大(圖5c、d)。綜合08和11時的預報落區基本和實況強降水落區一致，特別是商丘東部的強降水區(見紅色虛圓圈)，但在周口中部也出現漏報，這與模式本身預報偏差有關。整體來看，概率預報產品相比實況有0-6 h的預報指示意義，對短時強降水落區和強度把握更好，可以對模式預報產品進行有效補充與訂正。

3.2.2 2018年6月13日河南北中部雷暴大風、冰雹強對流天氣

受華北冷渦擴散南下冷空氣和下滑槽影響，6月13日下午到夜里，河南北中部地區出現一次大范圍強對流天氣過程。13時左右，河南西北部及上游山西境內有弱回波發展，隨著低槽東移，回波逐漸發展加強并形成南北兩段，北段從安陽、新鄉一帶逐漸東移影響濮陽、開封、商丘一帶，南段從濟源、焦作經洛陽、鄭州逐漸向河南中部地區移動。14-20時黃河以北和沿黃地區多個縣市出現明顯風雹天氣，個別區域站出現短時強降水(圖6a)。從基于EC模式13日08時起報的14-17時分類強對流概率預報產品來看(圖6b、c、d，17-20時預報產品圖略)，13日下午河南強對流天氣主要以雷暴大風和冰雹為主，強對流天氣類型與實況較為一致，發生區域除了西南部空報和東部少量漏報外，預報與實況基本吻合。

圖5 2018年8月18日08-14時河南省強降水實況、華東模式預報產品和基于該模式建立的河南省分類強對流天氣優勢概率產品對比

基于EC模式不同起報時次的優勢概率預報產品，均指示了以冰雹和雷暴大風為主的強對流天氣類型(圖7)，13日08時起報的預報產品(圖7c、d)比12日20時起報的產品(圖7a、b)對落區和類型把握得更為準確。13日08時起報的17時優勢概率預報產品明確指示了17-20時河南東部地區出現的雷暴大風天氣，對14時的潛勢預報進行了有效補充訂正。因此，盡管預報產品相比實況有0-6 h的提前，但是對0-3 h內的強對流指示意義更明顯。華東模式的預報產品也呈現出類似的特征，由于模式本身預報性能的問題，特征反映比EC模式的略差，特別是冰雹空報率較大，但業務應用價值還是比較明顯的，對預報員進行分類強對流預報具有比較好的技術支撐。

4 結論與討論

(1)根據“鄰(臨)近原則”，選用強對流發生前最臨近時次且與站點距離最近格點的參數值來表征強對流天氣發生的環境物理特征，解決了常規探空資料與強對流天氣時空錯位明顯的問題。

(2)研究中選擇以某日前后7 d內的15 d滑動平均值來表示當日的氣候平均態，避免人為劃定自然月份計算氣候態帶來的氣候突變，可以很好地提取大氣出現偏離平均狀態的異常信號，將物理量偏離氣候平均態的異常程度作為一個重要參數指標進行了研究。

圖6 2018年6月13日14-20時河南省強對流實況和基于EC模式建立的河南省強對流天氣分類概率預報產品

(3)考慮物理量指數穩定性(物理量自身方差小)和強對流發生時物理量與氣候平均態的差異性(物理量與氣候平均態的差異大)兩個原則，采用模糊評價算法，從104個物理量中挑選出20種最優特征物理量；同時綜合河南省物理量氣候特征規律，選用物理意義明確且對不同類型強對流區分明顯的物理參數補充最優特征物理量，并客觀計算權重。該方法相比根據單一環境物理參數或主觀分配權重分析潛勢具有明顯優勢。

(4)采用預報效果較優的EC細網格和華東區域模式預報場資料，計算各預報時刻最優物理量值，考慮各物理量在評價體系中所占的權重，采用綜合評價方法得到不同時刻所有格點上出現各類強對流的概率。再根據歷史個例樣本反算，得到確定性預報的概率閾值和優勢概率閾值。最后經過經驗指標消空和預報因子消空等處理，得到河南省冰雹、雷暴大風、短時強降水的概率預報和優勢概率預報4種客觀產品、探空產品、物理量產品等。在2018年的業務應用中發揮了較好的作用，能夠對強對流天氣的類型和落區有很好的反映，特別是能對模式預報落區進行有效的訂正，預報業務檢驗TS為0.65～0.85，強對流天氣命中率為0.70～0.84，但有一定的空報，仍需完善。

該方法預報效果對模式性能依賴較大，受目前采用的再分析資料時空分辨率的限制，不能較準確地描述最接近強對流發生時刻的環境物理條件，導致統計的環境物理參數特征值閾值過低，造成了不少的空報。相信隨著模式性能的不斷提升，基于高分辨率數值模式的更精細的釋用方法研究具有重要的業務應用價值。

圖7 基于EC模式的2018年6月13日14-17時(a、c)和17-20時(b、d)河南省分類強對流天氣優勢概率預報產品

致謝：本文在建立預報方法的過程中，得到了江蘇省氣象局鄭媛媛正研的大力支持和幫助，在此深表謝意！