基于多模式和網(wǎng)格預(yù)報產(chǎn)品融合的降水預(yù)報釋用方法*

潘留杰 薛春芳 張宏芳 高星星 梁 綿 王建鵬 劉嘉慧敏

1 陜西省氣象臺，西安 710014 2 陜西省氣象局·秦嶺和黃土高原生態(tài)環(huán)境氣象重點實驗室，西安 710014 3 陜西省氣象局，西安 710014 4 陜西省氣象服務(wù)中心，西安 710014

提 要：網(wǎng)格降水的預(yù)報準(zhǔn)確率是精細(xì)化天氣預(yù)報業(yè)務(wù)的核心問題。利用多家數(shù)值模式和國家氣象中心逐3 h網(wǎng)格降水預(yù)報指導(dǎo)產(chǎn)品，以格點降水實況分析資料為參照，在客觀評估模式表現(xiàn)的基礎(chǔ)上，提出多模式和網(wǎng)格降水預(yù)報產(chǎn)品融合的降水預(yù)報釋用方法。研究表明：給定降水閾值，不同降水產(chǎn)品的預(yù)報性能有顯著差異，存在預(yù)報表現(xiàn)好的降水產(chǎn)品漏報，而其他降水產(chǎn)品命中的情況；對確定性單模式來說，在降水檢驗閾值給定的條件下，預(yù)報降水量超出閾值越大，其空報的可能性越低。檢驗三種降水產(chǎn)品72 h時效內(nèi)逐3 h降水量，晴雨預(yù)報的降水漏報次數(shù)明顯低于空報次數(shù)，基于該特性，可以利用不同模式未預(yù)報降水的格點來消除空報。以檢驗為基礎(chǔ)，選用前期表現(xiàn)好的降水預(yù)報為背景場，使用高閾值融合滿足條件的其他強(qiáng)降水預(yù)報產(chǎn)品，使用低閾值消除弱降水空報?；厮惚砻鳎鄬Ρ尘皥?，該方法可以同時提高強(qiáng)降水的TS評分和晴雨預(yù)報準(zhǔn)確率。

引 言

數(shù)值預(yù)報是現(xiàn)代天氣預(yù)報業(yè)務(wù)的基礎(chǔ)，然而由于模式動力框架、物理過程還不能完全描述大氣的真實狀態(tài)，觀測和計算等誤差往往導(dǎo)致模式預(yù)報與理想值發(fā)生偏離，模式結(jié)果特別是降水還不能直接為預(yù)報業(yè)務(wù)所使用。

針對模式降水預(yù)報釋用，宏觀上來說，包括預(yù)報員主觀分析和模式輸出統(tǒng)計后處理(MOS)兩種方法。已有的模式輸出統(tǒng)計后處理研究工作中，根據(jù)采用模式預(yù)報產(chǎn)品的數(shù)量可以分為單模式降水釋用和集合預(yù)報或多模式降水集成(陳圣劼等，2019；羅玲等，2019)。集成方式可以是基于一個集合預(yù)報系統(tǒng)采用不同擾動方法獲得的成員預(yù)報，也可以是不同模式的確定性預(yù)報產(chǎn)品。以往的單模式釋用研究工作中，張宏芳等(2014；2017)通過調(diào)整閾值研究了能夠提高ECMWF、日本模式降水預(yù)報評分的訂正方法；李俊等(2014)針對AREM模式降水預(yù)報，開展了基于面積匹配的降水偏差訂正試驗；李莉和朱躍建(2006)采用頻率匹配方法對T213模式進(jìn)行降水預(yù)報訂正；其他方面還包括分等級降水偏差訂正(孫靖等，2015)和最優(yōu)降水評分(吳啟樹等，2017)等研究。在集合或多模式降水集成方面，發(fā)展了超級集合變權(quán)集成方法(嚴(yán)明良等，2008)、滑動訓(xùn)練期消除偏差集合平均(智協(xié)飛等，2013)、集合動力因子暴雨實驗(高守亭等，2013)、預(yù)報分量多個模式誤差訂正后再集合(鄭志海等，2012)、貝葉斯集合降水概率預(yù)報(韓焱紅等，2013)、時間滯后集合訂正技術(shù)(唐文苑和鄭永光，2019)等一系列客觀方法。這些方法在消除模式系統(tǒng)性偏差、提高降水預(yù)報表現(xiàn)方面貢獻(xiàn)顯著。

精細(xì)化網(wǎng)格預(yù)報是目前天氣預(yù)報的主推業(yè)務(wù)和發(fā)展方向，而降水在精細(xì)化網(wǎng)格預(yù)報產(chǎn)品中最為重要。與傳統(tǒng)站點預(yù)報不同，精細(xì)化網(wǎng)格預(yù)報時空分辨率高、計算量巨大，以往的單模式客觀降水釋用方法無法獲得其他模式的優(yōu)點，釋用技巧受模式本身預(yù)報性能的瓶頸限制。傳統(tǒng)多模式集成或集合有可能平滑掉天氣過程中的異常信號，特別是在成員過多的情況下，確定每個格點上成員的權(quán)重系數(shù)變得十分復(fù)雜。正是由于這些原因，本文提出多模式和網(wǎng)格降水預(yù)報產(chǎn)品(以下簡稱多種降水預(yù)報產(chǎn)品)的網(wǎng)格降水預(yù)報融合釋用方法(以下簡稱融合方法)。從原理上來說，凡是使用了多個模式或集合成員得到的確定性降水預(yù)報都可以稱之為集成預(yù)報。本文將其稱之為多種降水產(chǎn)品融合的網(wǎng)格降水預(yù)報釋用方法，一方面是因為與傳統(tǒng)集成不同，這種方法不涉及復(fù)雜的權(quán)重計算，另一方面，該方法從海量模式產(chǎn)品中獲取可能正確的預(yù)報結(jié)果，所用的降水產(chǎn)品的個數(shù)越多越有利于提高降水預(yù)報質(zhì)量。

1 數(shù)據(jù)資料

實況采用國家氣象信息中心降水格點分析場，有研究表明該資料能夠很好地表現(xiàn)觀測降水的實際分布(沈艷等，2013)。資料時段為2018年5月1日00 UTC至2019年10月31日00 UTC，時間分辨率為逐小時，空間分辨率為0.05°×0.05°。模式數(shù)據(jù)為同時期每日00 UTC下發(fā)的歐洲中期天氣預(yù)報中心(ECMWF)高分辨率降水預(yù)報、中國氣象局自主研發(fā)的GRAPES-Meso和美國國家環(huán)境預(yù)報中心(NCEP)降水預(yù)報。同時使用了國家氣象中心精細(xì)化網(wǎng)格降水預(yù)報指導(dǎo)產(chǎn)品(SCMOCG)。預(yù)報資料選取的時效為前72 h，為了計算方便，空間分辨率統(tǒng)一插值成與格點分析場一致。研究范圍選定為秦嶺及周邊區(qū)域，經(jīng)緯度為31°～40°N、103°～113°E。文中所有時間均采用世界時。

2 方法的導(dǎo)出

2.1 模式檢驗事實

數(shù)值模式是天氣預(yù)報業(yè)務(wù)的支撐產(chǎn)品，對大多數(shù)業(yè)務(wù)用戶來說，了解模式的物理過程或參數(shù)化方案，進(jìn)而對模式本身提出改進(jìn)，往往難以企及，特別是針對國外的一些數(shù)值模式時更是如此。但通過應(yīng)用或者檢驗，用戶可以把握模式的預(yù)報性能或者系統(tǒng)性規(guī)律(潘留杰等，2017)。事實上，檢驗是認(rèn)知模式最直接也最有效的方法。因此，本文首先給出模式檢驗的一些基本事實，使用慣常的檢驗評分，包括預(yù)報準(zhǔn)確率ACC(accuracy)、TS(Threat Score)評分，公式如下：

(1)

(2)

此外，將空報的次數(shù)與觀測超過閾值次數(shù)的比值定義為失敗率FR(Fail Ratio)：

(3)

式中：A為正確預(yù)報超過閾值的降水次數(shù)；B為漏報的次數(shù)；C為空報的次數(shù)；D為正確預(yù)報降水未超過閾值的次數(shù)。

文中統(tǒng)一用“F”代表預(yù)報，“O”代表觀測，F(xiàn)e、Fn、Fg、Fs、Ff分別表示ECMWF、NCEP、GRAPES-Meso、指導(dǎo)預(yù)報SCMOCG和融合方法的降水預(yù)報，無特別交代，均表示3 h降水。為了便于說明模式檢驗中的問題，假定漏報F≥2.0 mm的降水會對公眾產(chǎn)生較大影響，將強(qiáng)降水閾值設(shè)定為F≥2.0 mm，晴雨檢驗中降雨的標(biāo)準(zhǔn)設(shè)定為F≥0.1 mm。實際業(yè)務(wù)計算時采用的閾值可以根據(jù)需求和檢驗結(jié)果設(shè)定。需要說明的是，檢驗結(jié)果為研究時段內(nèi)每日00 UTC起報的未來72 h內(nèi)的逐3 h預(yù)報評分。圖1給出了ECMWF和NCEP預(yù)報F≥2.0 mm的命中和漏報次數(shù)，其定義分別為，命中：F≥2.0 mm，O≥2.0 mm的次數(shù)；漏報：F<2.0 mm，O≥2.0 mm的次數(shù)。從命中次數(shù)來看，ECMWF(圖1a)和NCEP(圖1b)命中大值區(qū)的空間分布基本一致，但ECMWF的命中次數(shù)遠(yuǎn)高于NCEP，在整個研究區(qū)域內(nèi)，ECMWF和NCEP的平均命中次數(shù)分別為23.8次和13.1次，網(wǎng)格點上的命中次數(shù)差值最大達(dá)52次。分析一家模式命中另一家模式漏報的情況，發(fā)現(xiàn)當(dāng)ECMWF命中時，NCEP存在大量的漏報(圖1c)，特別是在研究區(qū)域的西南角——陜西與四川交界處，網(wǎng)格點上漏報次數(shù)最大達(dá)87次；相反，盡管NCEP模式的命中次數(shù)表現(xiàn)相對較差(圖1b)，但當(dāng)NCEP命中時，ECMWF也存在漏報(圖1d)，最大漏報次數(shù)超過35次，且漏報次數(shù)大值區(qū)相對分散，分布規(guī)律性差。

檢驗預(yù)報和觀測降水量閾值不一致的情況，可以發(fā)現(xiàn)當(dāng)Fe≥3.0 mm，O≥2.0 mm時(圖1e)，空間平均失敗率為0.841。改變閾值，當(dāng)Fe≥5.0 mm，O≥2.0 mm時(圖1f)，失敗率大幅度降低，平均值為0.371，較Fe≥3.0 mm時減少55.9%。分析發(fā)現(xiàn)降水量超出檢驗閾值越大，降水空報降低越明顯，失敗率越低，這種情況不僅在ECMWF模式中存在，而且在本文所涉及到的NCEP、GRAPES-Meso模式和SCMOCG指導(dǎo)產(chǎn)品都有這種現(xiàn)象。

圖1 2018年5月1日至2019年10月31日ECMWF和NCEP模式的3 h降水量的預(yù)報表現(xiàn)

圖2給出了限定條件下ECMWF模式的降水預(yù)報表現(xiàn)。以ECMWF模式為比較對象，是由于普遍認(rèn)為其預(yù)報較好(孫靖等，2015)。圖中顯示，ECMWF對弱降水存在顯著的空報，而NCEP和SCMOCG對空報有顯著的抑制作用，當(dāng)0.1 mm≤Fe<2.0 mm時，NCEP消除ECMWF空報的次數(shù)區(qū)域平均為156.2次，網(wǎng)格點上的最大次數(shù)為621次(圖2a)；SCMOCG消除ECMWF空報次數(shù)網(wǎng)格點上最大為431次，平均為133.7次(圖2b)，與NCEP模式相比，兩者消除空報(以下簡稱為消空)次數(shù)大值區(qū)的整體形態(tài)一致，但在具體的某次降水過程中，消空的情況存在較大差異，在NCEP或SCMOCG降水量F<0.1 mm的條件下(圖2c)，消空的次數(shù)并不是圖2a和2b中網(wǎng)格點上最大值，而是更高。事實上，NCEP和SCMOCG兩者同時消空的次數(shù)空間平均上只有93.7次(圖2d)，遠(yuǎn)小于NCEP或SCMOCGF<0.1 mm情況下的196.2次，可能的原因是兩種產(chǎn)品同時預(yù)報無降水的重疊網(wǎng)格點較少，其他格點上預(yù)報結(jié)論不一致，這也是通過檢驗再次判別，開展多種降水產(chǎn)品融合訂正的一個出發(fā)點。

NCEP或SCMOCG在消除ECMWF模式空報的同時，也可能減少ECMWF模式原本正確預(yù)報的次數(shù)，而使ECMWF出現(xiàn)漏報。從漏報的次數(shù)來看，當(dāng)NCEP或SCMOCG降水量F<0.1 mm時(圖2e)，0.1 mm≤Fe<2.0 mm漏報次數(shù)空間平均為61次，遠(yuǎn)小于其消空的次數(shù)(圖2c)，而且利用NCEP和SCMOCG降水量同時小于0.1mm限定時(圖2f)，出現(xiàn)漏報的次數(shù)就會更少。整體表明，ECMWF模式預(yù)報降水量在0.1～2.0 mm時，如果其他降水產(chǎn)品未預(yù)報降水，則認(rèn)定為無降水，可以提高晴雨預(yù)報準(zhǔn)確率。

圖2 不同限定條件下ECMWF的弱降水(0.1 mm≤Fe<2.0 mm)預(yù)報次數(shù)

2.2 方法原理

從上節(jié)檢驗結(jié)果中，可以發(fā)現(xiàn)三個基本的事實：(1)不同降水產(chǎn)品的預(yù)報性能存在差異，即使是檢驗評分較好的預(yù)報，相對其他產(chǎn)品，也可能在某些情況下出現(xiàn)空報或者漏報，一般來說，弱降水以空報為主，而強(qiáng)降水的空報和漏報同時存在。(2)同一個降水產(chǎn)品，給定檢驗閾值，當(dāng)預(yù)報的降水量超過閾值越大，則空報的可能性越小，失敗率越低。(3)利用其他產(chǎn)品對前期檢驗評分較好的降水產(chǎn)品中的弱降水進(jìn)行消空，可以在犧牲較小漏報的情況下，大大減少空報，提高晴雨預(yù)報準(zhǔn)確率。

基于檢驗基本事實，圖3給出了多種降水產(chǎn)品融合的網(wǎng)格降水預(yù)報釋用方法概念示意圖。格點降水量以Fi,j來表示，i表示橫坐標(biāo)，j表示縱坐標(biāo)。假定ECMWF模式的降水預(yù)報為通過前期檢驗的最優(yōu)預(yù)報(圖3a)，則選擇其為背景場，當(dāng)NCEP(圖3b)和SCMOCG(圖3c)與背景場出現(xiàn)分歧，背景場某個網(wǎng)格點上F<5.0 mm，而Fn或Fs≥5.0 mm，進(jìn)行高閾值融合。具體做法為：根據(jù)前期檢驗結(jié)果對NCEP和SCMOCG設(shè)定一個降水量高閾值(假定其分別為Fn≥11.0 mm，F(xiàn)s≥9.0 mm)，在高閾值條件下，NCEP或SCMOCG的預(yù)報失敗率低于0.2或更低，則以5.0 mm將其融合到背景場中。示意圖中NCEP在高閾值融合條件下沒有符合條件的格點(圖3d)，SCMOCG預(yù)報F3,2達(dá)到標(biāo)準(zhǔn)，F(xiàn)3,3未達(dá)到標(biāo)準(zhǔn)(圖3e)，則只需融合F3,2格點。完成高閾值融合之后，針對背景場預(yù)報的弱降水，進(jìn)行低閾值消空。假定消空的標(biāo)準(zhǔn)為0.5 mm，當(dāng)背景場降水量小于0.5 mm，其他產(chǎn)品未預(yù)報降水，且該產(chǎn)品在給定格點上的晴雨預(yù)報準(zhǔn)確率高于80%，將其消空，不預(yù)報降水。圖3a中F2,2格點降水量為0.5 mm，NCEP在F2,2格點未預(yù)報降水，滿足消空條件，根據(jù)算法去掉背景場中網(wǎng)格點F2,2的降水，最終結(jié)果為圖3f。

圖3 多種降水產(chǎn)品融合的網(wǎng)格降水預(yù)報釋用方法概念示意圖(填色代表降水量)

通過高閾值融合和低閾值消空形成預(yù)報產(chǎn)品，納入逐日檢驗，如果評分降低，則根據(jù)檢驗結(jié)果重新調(diào)整高、低閾值。

3 效果檢驗

3.1 3 h統(tǒng)計回算

回算2018年5月1日至2019年10月31日整個研究時段融合方法的預(yù)報表現(xiàn)，結(jié)果如圖4所示。需要說明的是，就融合方法來說，加入的降水產(chǎn)品越多，越有利提高預(yù)報性能，但為了表述方便，仍選取ECMWF、NCEP和SCMOCG三種降水產(chǎn)品。高閾值融合、低閾值消空分別設(shè)為F≥2.0 mm和F≤0.5 mm。事實上，不同的模式其閾值可能會有一些差異，實際業(yè)務(wù)中通過動態(tài)檢驗不同模式的預(yù)報表現(xiàn)，得出不同模式的融合閾值，會更有利于提高方法的釋用效果。

圖中顯示，ECMWF(圖4a)在陜西南部、甘肅中南部、四川北部、內(nèi)蒙古中部有較好的表現(xiàn)，F(xiàn)≥2.0 mm 單個格點最大TS評分為0.358，區(qū)域內(nèi)平均TS評分為0.169；NCEP(圖4b)在寧夏北部與內(nèi)蒙古交界處的TS評分達(dá)到0.44，單個格點上的TS評分表現(xiàn)最高，但在其他區(qū)域表現(xiàn)較差，特別是在陜西西南部ECMWF評分較好的情況下，NCEP的TS評分接近0，區(qū)域平均TS評分僅為0.117。而SCMOCG降水的TS評分(圖4c)大值區(qū)的空間分布整體和ECMWF一致，在陜西中南部、甘肅南部和四川西北部的TS評分略高于ECMWF，但區(qū)域平均和單個格點最大值分別為0.161和0.357，整體低于ECMWF。

圖4 2018年5月1日至2019年10月31日不同降水產(chǎn)品和融合方法的強(qiáng)降水(F≥2.0 mm)預(yù)報檢驗

為了方便比較，圖4d給出了Ff≥2.0 mm的TS評分與ECMWF評分的差值，可以看到，融合方法在大部分地方的TS評分相對于模式和指導(dǎo)預(yù)報產(chǎn)品都有提高，在整個區(qū)域的TS評分為0.173，相對于ECMWF、SCMOCG和NCEP分別提高0.01、0.012和0.056，正效果明顯?？疾霧f≥2.0 mm的命中次數(shù)(圖4e)和空報次數(shù)(圖4f)與ECMWF模式的差值，可以看到融合方法在整個研究區(qū)域內(nèi)的命中次數(shù)都是增加的，特別是在四川西北部，增加非常顯著，但在四川境內(nèi)也同時增大了空報的次數(shù)(圖4f)。分析發(fā)現(xiàn)，陜西中部、甘肅中南部、寧夏中部等的TS評分增加明顯，與命中次數(shù)明顯增加、空報次數(shù)增加相對較小的區(qū)域有很好的對應(yīng)關(guān)系，而對諸如四川等地空報次數(shù)增加較多的區(qū)域，可以提高高閾值，從而減少空報。

晴雨預(yù)報準(zhǔn)確率對比檢驗結(jié)果如圖5所示。ECMWF(圖5a)、NCEP(圖5b)和SCMOCG(圖5c)均表現(xiàn)出研究區(qū)域西南部預(yù)報準(zhǔn)確率低，中北部準(zhǔn)確率高，西南部部分地方準(zhǔn)確率小于68%。從區(qū)域平均來看，SCMOCG表現(xiàn)最好，預(yù)報準(zhǔn)確率達(dá)到81.2%，NCEP次之(80.4%)，ECMWF最差(77.4%)，表明ECMWF有大量的空報。但SCMOCG沒有完全吸收ECMWF和NCEP的優(yōu)點，ECMWF和NCEP在陜西中部與山西、河南交界處均為一致的晴雨預(yù)報準(zhǔn)確率高值區(qū)，最大超過88%，而SCMOCG在該區(qū)域的準(zhǔn)確率相對較低。融合方法的晴雨預(yù)報準(zhǔn)確率(圖5d)不僅在西南部有明顯改善，而且在西北部晴雨預(yù)報準(zhǔn)確率也有提高，區(qū)域平均為86.8%，單點最大達(dá)到97.9%，增幅十分明顯。從空報和漏報的次數(shù)來看，融合方法相對于晴雨表現(xiàn)最好的SC-MOCG出現(xiàn)了漏報(圖5e)，特別是在四川北部、陜西西南部漏報次數(shù)明顯，最大超過90次，但就整個區(qū)域來說，顯著地減少了空報，最大減少240次，提高了晴雨預(yù)報準(zhǔn)確率。而且由于采用的是低閾值消空，當(dāng)F≤0.5 mm時才進(jìn)行處理，不會因消空而漏報大量級降水，總體來說收益非常明顯。

圖5 2018年5月1日至2019年10月31日不同降水預(yù)報產(chǎn)品和融合方法的晴雨預(yù)報檢驗

3.2 24 h預(yù)報效果檢驗

回算表明在3 h時段上顯著提高了大降水的TS評分和晴雨預(yù)報準(zhǔn)確率。2019年5—9月不同分段預(yù)報時效上的檢驗結(jié)果如表1所示，可以看到，融合方法的晴雨預(yù)報準(zhǔn)確率較不同模式的降水都有明顯提高，相對指導(dǎo)預(yù)報SCMOCG也有明顯的正效果。

表1 不同分段上的平均預(yù)報評分

實際業(yè)務(wù)中3 h和24 h降水檢驗評估閾值有差異，為了清楚了解分段訂正結(jié)果的累計降水預(yù)報表現(xiàn)，給出2019年5—9月基于多產(chǎn)品融合方法的24 h累計降水檢驗評分的空間表現(xiàn)(圖6)以及暴雨預(yù)報個例(圖7)。需要說明的是，考慮到模式數(shù)據(jù)在實際業(yè)務(wù)中的可用性，檢驗的是ECMWF、NCEP模式00 UTC起報的12～36 h分段降水預(yù)報結(jié)果。SCMOCG產(chǎn)品可用時效與實際一致，為00 UTC起報的未來24 h降水預(yù)報?？梢钥闯?，ECMWF模式24 h晴雨預(yù)報準(zhǔn)確率(圖6a)與3 h(圖5a)整體空間分布一致，西南部偏低，東北部偏高，北部單點上最大為0.904，空間平均ACC為0.738，顯著低于其3 h 晴雨預(yù)報準(zhǔn)確率。NCEP模式的空間平均晴雨預(yù)報準(zhǔn)確率為0.713(圖6b)，表現(xiàn)最差。對比來看，SCMOCG的晴雨預(yù)報準(zhǔn)確率(圖6c)高于ECMWF和NCEP模式，整個研究區(qū)域空間平均為0.785，東部的河南境內(nèi)單點最大準(zhǔn)確率為0.925，晴雨預(yù)報表現(xiàn)較好。融合方法(圖6d)晴雨預(yù)報準(zhǔn)確率空間平均為0.801，高于SCMOCG 1.6%以上，從空間分布上來看，研究區(qū)域東部和西南部的四川境內(nèi)以及西北部寧夏、內(nèi)蒙古交界處，預(yù)報準(zhǔn)確率都有明顯的提高，但是在陜西北部的延安、榆林境內(nèi)，晴雨預(yù)報準(zhǔn)確率有所下降，這可能與整個區(qū)域采用同一個閾值有關(guān)。

圖6 2019年5—9月(a,e)ECMWF、(b,f)NCEP、(c,g)SCMOCG和(d,h)融合方法的(a～d)晴雨預(yù)報準(zhǔn)確率和(e～h)暴雨預(yù)報TS評分

圖7 2019年9月13日12時至14日12時降水預(yù)報個例的(a)觀測值，(b)ECMWF、(c)NCEP、(d)GRAPES-Meso與觀測時段對應(yīng)的預(yù)報(13日00 UTC起報)，(e)SCMOCG指導(dǎo)降水預(yù)報，(f)融合方法預(yù)報

圖6還給出了暴雨的TS評分，為了表述方便，圖中TS評分低于0.01時統(tǒng)一用白色填充，這里面包括兩種情況：(1)該點上實際TS評分低于0.01；(2)該點上無空報、漏報和命中，TS評分無計算值。對比來看ECMWF、NCEP、SCMOCG和融合方法的TS分別為0.134、0.080、0.137和0.147，融合方法相對SCMOCG整體提高1%，但空間分布上和晴雨預(yù)報準(zhǔn)確率存在同樣的問題，整體TS評分提高的同時，局地還有所下降，在陜西北部榆林地區(qū)的暴雨評分低于ECMWF或NCEP。針對不同區(qū)域采用不同的閾值來進(jìn)行融合訂正可能會有更好的效果，這也是未來改進(jìn)的一個方向。

圖7為2019年9月陜西一次強(qiáng)秋雨的模式降水預(yù)報和融合方法訂正結(jié)果，可以看到9月13日12時至14日12時，觀測降水的暴雨區(qū)主要在關(guān)中和陜南的中西部(圖7a)，站點統(tǒng)計有695個站24 h降水量超過50 mm，12個站超過100 mm，最大為漢中市南鄭縣法鎮(zhèn)(147.8 mm)。ECMWF前24 h的降水預(yù)報基本沒有預(yù)報出暴雨區(qū)，前12 h起報的降水大雨區(qū)和觀測整體一致(圖7b)，但暴雨范圍明顯偏小，面積不足觀測的1/5。NCEP預(yù)報(圖7c)降水不僅范圍明顯偏小，而且量級偏弱，區(qū)域內(nèi)僅預(yù)報出了中雨，對暴雨的預(yù)報指示意義較小。GRA-PES-Meso模式(圖7d)在臨近時刻預(yù)報效果最好，暴雨區(qū)的范圍和量級與觀測基本一致，但在長期業(yè)務(wù)檢驗中，GRAPES-Meso模式降水預(yù)報評分整體低于ECMWF，因此如果從業(yè)務(wù)角度選擇，選中GRAPES-Meso 模式產(chǎn)品作為實際業(yè)務(wù)降水預(yù)報的可能性較小。指導(dǎo)產(chǎn)品SCMOCG預(yù)報在陜西南部略優(yōu)于ECMWF，但在陜西中部預(yù)報較ECMWF差，而融合方法預(yù)報(圖7f)無論暴雨區(qū)形態(tài)，還是面積都與觀測更加吻合。從暴雨預(yù)報TS評分來看，ECMWF前12 h為0.13，NCEP、GRAPES、SCMOCG的降水預(yù)報的TS評分分別為0.000、0.534、0.426，融合方法的預(yù)報評分為0.691，訂正效果非常好。

4 結(jié)論與討論

利用國家氣象信息中心的降水格點分析資料，檢驗多種降水預(yù)報產(chǎn)品的客觀表現(xiàn)，提出一個多種降水預(yù)報產(chǎn)品融合的網(wǎng)格降水預(yù)報釋用方法，主要結(jié)論如下：

(1)不同模式的降水預(yù)報性能有較大差異，存在整體預(yù)報表現(xiàn)好的降水產(chǎn)品漏報，而其他降水產(chǎn)品命中的情況；對晴雨預(yù)報來說，ECMWF、NCEP和SCMOCG三種產(chǎn)品降水的漏報次數(shù)明顯低于空報次數(shù)，基于該特性，可以利用不同模式對未預(yù)報降水的格點來進(jìn)行消空。對同一模式來說，預(yù)報降水超出于檢驗閾值越大，空報的可能性越小。

(2)根據(jù)檢驗結(jié)果，提出基于多種降水產(chǎn)品融合的網(wǎng)格降水釋用方法，即選用一個檢驗評分最好的模式降水做為背景場，針對有顯著影響的強(qiáng)降水和弱降水分別采用高閾值融合和低閾值消空，將其他模式的降水預(yù)報產(chǎn)品融合到背景場網(wǎng)格降水預(yù)報中。高閾值融合主要的做法是，設(shè)定一個高閾值，檢驗除背景場以外的模式，當(dāng)高閾值條件下降水預(yù)報失敗率低于20%或更低，則將這個模式的網(wǎng)格降水融合進(jìn)背景場。對晴雨預(yù)報來說，當(dāng)背景場網(wǎng)格點預(yù)報有弱降水，其他模式網(wǎng)格點未報降水的情況下，且其他模式的歷史晴雨預(yù)報準(zhǔn)確率高于80%，則將降水背景場中的弱降水剔除，不報降水。

(3)歷史回算表明，整個區(qū)域Ff≥2.0 mm的TS評分為0.173，相對于ECMWF、SCMOCG和NCEP的0.169、0.117和0.161分別提高了0.04、0.056 和0.012。晴雨預(yù)報準(zhǔn)確率86.8%，相對于SCMOCG的 81.2%、NCEP的80.4%、ECMWF的77.4%，分別提高了5.6%、6.4%和9.4%。

與常規(guī)集成方法不同，多種降水產(chǎn)品融合的網(wǎng)格降水預(yù)報釋用方法根據(jù)檢驗結(jié)果，從不同降水產(chǎn)品中直接選取可能正確的預(yù)報，回算和實際業(yè)務(wù)均表明，該方法能夠提高晴雨預(yù)報的準(zhǔn)確率和暴雨預(yù)報TS評分，但也存在強(qiáng)降水預(yù)報頻次偏多問題，因此在業(yè)務(wù)中對背景場以外的降水預(yù)報產(chǎn)品采用高閾值融合時，實時調(diào)整閾值，會有更好的預(yù)報效果。