浙江區域臺風暴雨多模式QPF融合技術應用試驗

姚夢穎，吳夢雯，劉建勇，婁小芬，鄭林曄

摘要：基于歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）臺風路徑集合預報以及中國氣象局中尺度天氣數值預報系統（CMA-MESO 3 km、CMA-MESO 10 km）、中國氣象局上海數值預報模式系統（CMA-SH9）和浙江省中尺度數值預報業務系統（ZJWARMS）模式逐6 h預報資料，以2021年臺風“煙花”“燦都”影響下浙江區域6 h暴雨（R≥25 mm）為研究對象，對臺風降水多模式定量降水預報（quantitative precipitation forecast，QPF）融合技術在浙江臺風暴雨預報中的應用效果進行評估。分析結果表明：（1）針對兩次臺風降水過程，4家區域模式對浙江暴雨預報過高估計，而臺風降水多模式QPF融合技術能夠有效提高浙江暴雨預報的公平技巧評分（equitable threat score，ETS）、降低暴雨空報率。（2）與臺風“煙花”暴雨預報效果最佳的CMA-MESO 3 km相比，臺風降水多模式QPF融合技術對暴雨和大暴雨的預報命中率（probability of detection，POD）分別提高18.80%和23.41%，ETS分別提高24.37%和25.76%；與臺風“燦都”暴雨預報效果最佳的ZJWARMS相比，臺風降水多模式QPF融合技術對暴雨和大暴雨的預報ETS分別提高23.08%和3.23%；且兩次過程中該方法的暴雨預報POD和ETS均高于同期浙江業務應用的客觀預報。（3）在各家區域模式的臺風路徑預報差異較大的情況下，采用臺風降水多模式QPF融合技術能顯著提高臺風暴雨預報準確率。

關鍵詞：臺風暴雨；概率匹配；集合預報；區域模式

中圖分類號：P445.1；P458.3? ? 文獻標志碼：A? 文章編號：2096-3599（2023）02-0001-00

DOI：10.19513/j.cnki.issn2096-3599.2023.02.006

Application experiment of multi-model QPF fusion method for Zhejiang typhoon rainstorm

YAO Mengying1， WU Mengwen2，1， LIU Jianyong1， LOU Xiaofen3， ZHENG Linye4

（1. Zhejiang Institute of Meteorological Sciences （Chinese Academy of Meteorological Sciences， Zhejiang Branch）， Hangzhou 310008， China; 2. State Key Laboratory of Severe Weather， Chinese Academy of Meteorological Sciences， Beijing 100081， China; 3. Zhejiang Meteorological Observatory， Hangzhou 310007， China; 4. Fujian Meteorological Observatory， Fuzhou 350001， China）

Abstract： Taking Typhoon Infa （2106） and Chanthu （2114） as examples， this study investigates whether the multi-model QPF （quantitative precipitation forecast） fusion method is found to add values to the predicted 6-h heavy precipitation （R≥25 mm） of typhoon rainstorm in Zhejiang compared to other model forecasts. The model forecasts include precipitation and typhoon track from ECMWF （European Centre for Medium-Range Weather Forecasts） typhoon track ensemble， CMA-MESO 3 km， CMA-MESO 10 km， CMA-SH9， and ZJWARMS （Zhejiang WRF ADAS Real_time Modeling System）. The analysis results are listed as follows. （1） For the two typhoon precipitation processes， all of the 4 regional models overestimate the rainstorm in Zhejiang. In contrast， the multi-model QPF fusion method can effectively improve the ETS （equitable threat score） and reduce the false alarm ratio of rainstorm forecast. （2） Compared with the best regional model for forecasting Typhoon Infa （2106）， i.e.， CMA-MESO 3 km， the multi-model QPF fusion method can increase the POD （probability of detection） of rainstorm and heavy rainstorm by 18.80% and 23.41%， and increase the ETS of rainstorm and heavy rainstorm by 24.37% and 25.76%， respectively. Similarly， compared with the best regional model for forecasting Typhoon Chanthu （2114）， i.e.， ZJWARMS， the new method also improves the ETS of rainstorm and heavy rainstorm by 23.08% and 3.23%， respectively. And both of the methods ETS and the POD are higher than the operational objective forecast of Zhejiang in the two case studies. （3） Furthermore， when there are large differences in the typhoon track forecasts between several regional models， the multi-model QPF fusion method can significantly increase the accuracy of typhoon rainstorm forecast.

Keywords： typhoon rainstorm; probability matching; ensemble forecast; regional model

引言

浙江省地處東南沿海，受亞熱帶季風氣候帶和東風帶天氣系統的雙重影響，再疊加“七山二水一分田”的特殊地貌作用，各種氣象災害頻繁發生。臺風作為夏秋兩季影響浙江的主要天氣系統之一，一直是氣象部門與民生部門工作的關注重點。由臺風系統引發的災害中，臺風暴雨以其雨量大和強度強的特點，常引發中小河流洪水和特大山洪，是防臺工作的關注重點之一[1]。而臺風暴雨是多尺度環流相互作用并在下墊面影響下形成的災害性天氣，其機理復雜，預報難度較大，因此提高臺風暴雨預報能力一直是氣象業務、科研部門的關注重點與研究難點。

近年來隨著數值預報技術的快速發展，臺風路徑預報能力已得到大幅度提升，然而相比于路徑預報，登陸臺風的強降水落區和量級預報的準確率還具有很大的提升空間[2-4]。為了推進臺風暴雨預報業務的發展，國內外學者和業務工作者主要從數值模式、統計方法以及數值模式預報后處理技術等方面開展研究工作[5]。有研究表明，臺風降水預報的準確率會受臺風中心位置、移動方向、降水持續時間以及降水效率等諸多因素的影響[6-7]。從業務預報的角度來看，要準確預報臺風暴雨就要準確預報臺風暴雨的落區和強度，而臺風中心位置和移動路徑對臺風暴雨的落區分布有重要影響[5]。隨著集合預報的不斷發展，集合預報的路徑預報準確率從某種程度上已經超過模式確定性預報，因此，在臺風預報業務中，發展基于集合預報路徑的臺風暴雨釋用方法已成為當前提高臺風降水業務預報準確率和防災減災效果的可行手段。杜鈞等[8]、李俊等[9]研究發現，將高分辨率模式和集合預報技術結合起來，可以提高定量降水預報準確率。集合平均是一種常用的集合預報統計后處理方法，但會傾向于低估強降水預報而高估弱降水預報[10-13]，Ebert[11]用概率匹配方法替代集合平均方法對集合預報結果進行訂正，從而有效減少了降水空報率，提高了大量級降水預報命中率。周迪等[14]研究發現，概率匹配方法可以有效訂正暴雨集合預報系統性誤差，對暴雨預報的漏報率和空報率都能有所改善。Liu等[15]基于傳統等權概率匹配方法，提出一種改進的加權滑動平均概率匹配方法，并利用3個高時空分辨率（3 km，每小時）數值模式（CMA-MESO 3km、CMA-GD、CMA-SH3）預報，對臺風“莫拉克”（2020）暴雨預報進行訂正試驗，研究結果表明，改進后的概率匹配方法能顯著提高臺風暴雨預報能力。Fang等[16]利用低分辨率的全球集合平均路徑作為參考路徑，選取與該路徑相近的高分辨率集合預報成員來預測臺風暴雨分布的空間結構和降水量，取得了較好的改進效果。由于全球集合預報系統的臺風路徑預報集合平均產品有較高的可靠性，而區域模式對局地-區域暴雨及以上量級降水分布的精細化特征有較好的預報能力[17-18]，陳博宇等[5]延續Fang等[16]的研究思路，利用歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）和美國國家環境預報中心（National Centers for Environmental Prediction，NCEP）臺風路徑集合預報，結合國內主要業務區域模式，對已投入業務應用的基于觀測的集合成員優選技術進行改進，研究表明，改進得到的臺風降水多模式定量降水預報（quantitative precipitation forecast，QPF）融合技術能在一定程度上提高臺風暴雨預報準確性。

本文充分考慮浙江區域臺風影響的多發性以及防臺工作對民生工作的重要性，借鑒陳博宇等[5]的研究思路，對2021年浙江區域臺風“煙花”“燦都”影響過程中臺風降水多模式QPF融合技術的暴雨預報能力進行評估，以檢驗該方法在浙江區域臺風降水業務應用的可行性，以期為預報員提供更具有參考價值的臺風暴雨預報釋用產品。

1 資料與方法

1.1 資料說明

受2021年第6號臺風“煙花”影響，浙江區域主要降水時段為7月22日00時—27日12時（世界時，下同）（圖1a）。在副熱帶高壓、臺風“煙花”以及南海熱帶低壓“查帕卡”外圍西南季風氣流的共同影響下，浙江多個國家級氣象觀測站降水量突破1951年以來登陸浙江的臺風記錄，單站最大降水量達1 034 mm，出現在余姚大嵐鎮丁家畈，接近1323號臺風“菲特”單站降雨量極值（1 056 mm，出現在安吉天荒坪）[19]。受2021年第14號臺風“燦都”影響，浙江區域主要降水時段為9月12日00時—14日00時（圖1b），臺風“燦都”路徑較“煙花”偏東，在“燦都”的影響下暴雨及以上量級降水主要出現在寧波、舟山、臺州、紹興等地，寧波局地出現特大暴雨[20]。

考慮到實際業務預報中，由于模式運行、后處理及資料傳輸等原因，集合預報資料的獲取存在12 h的滯后（例如：在00時中作為06時的預報，為前一天12時起報的18 h預報時效的預報）[21]，因此，模式預報資料皆考慮延時時效。本文采用的臺風路徑集合預報資料為ECMWF集合預報系統在2021年7月21日12時—26日12時、2021年9月11日12時—13日00時逐12 h起報的臺風路徑集合預報資料，共51個集合成員，包含1個控制預報和50個擾動預報，水平分辨率為0.5°×0.5°。區域模式包括與集合預報同時次起報的CMA-MESO 3 km（水平分辨率為0.03°×0.03°），CMA-MESO 10 km（水平分辨率為0.1°×0.1°），CMA-SH9（水平分辨率為0.09°×0.09°）以及浙江省中尺度數值預報業務系統（Zhejiang WRF ADAS real_time modeling system，ZJWARMS；水平分辨率為0.125°×0.125°），使用這些區域模式中的海平面氣壓場和降水資料。采用的臺風路徑觀測資料為國家氣象中心臺風與海洋氣象預報中心提供的臺風實時定位資料，降水觀測資料為研究區域（26?～32?N，117?～123?E）內自動氣象觀測站逐小時累計降水觀測資料。業務客觀預報資料包括浙江省氣象臺提供的ZJ-OCF（Zhejiang Objective Consensus Forecasting）和歐洲中期天氣預報中心全球業務模式ECHR（ECMWF High-Resolution forecasting）降水資料。

1.2 研究方法

1.2.1 臺風降水多模式QPF融合技術

臺風降水多模式QPF融合技術包括兩部分：集合成員優選與對優選成員預報進行概率匹配訂正。首先，基于ECMWF臺風路徑集合預報和臺風中心實時定位資料，選取模式起報后6 h臺風中心位置預報偏差最小的前n個成員為優選成員，并認為這n個優選成員同為預報時效為12 h時的優選成員（陳博宇等[5]中認為這n個優選成員同為24 h預報時效內的優選成員），隨后將這n個優選成員的預報路徑進行集合平均，從而得到參與降水集合的區域模式的優選參考路徑。依據優選參考路徑，選取沿路徑逐6 h與臺風中心位置偏差在最優偏差閾值內的區域模式的降水預報形成一組新的逐6 h降水集合（區域模式與參考路徑的臺風中心位置最優偏差閾值由區域模式優選偏差范圍試驗決定）。基于新的降水集合，利用概率匹配方法進行降水集合預報后處理，并對得到的逐6 h降水預報進行對比評估。在降水等級分類上，參考業務標準，定義暴雨為6 h累計降水量達25～60 mm，大暴雨為6 h累計降水量達60 mm及以上。為了便于敘述，后文將該研究方法簡記為QPF融合技術。

區域模式優選偏差范圍試驗：首先計算逐6 h各區域模式與參考路徑的臺風中心位置偏差，確定偏差閾值的整體范圍，其次以偏差評分和公平技巧評分（equitable threat score，ETS）為檢驗指標，進行不同偏差閾值的敏感性試驗，從而確定區域模式優選的最佳偏差閾值。

概率匹配方法[5，11]：首先，將降水產品區域內n個集合成員的所有格點（m個格點）的降水預報值（含m×n）從大到小排列，將該序列平分成m等份，保留每一份的中位數。其次，對每個格點上n個成員的預報計算平均，得到集合平均場，并將集合平均場中所有格點按數值從大到小的方式排列，保留各數值在平均場中的位置。最后，將保留下來的m份中位數序列與集合平均場序列從大到小一一對應，用中位數序列中的數值替換對應集合平均場中的平均值數值，即可得到概率匹配產品（圖2）。

1.2.2 預報檢驗方法

為消除模式分辨率不一致對評估結果的影響，首先采用雙線性插值方法將模式水平分辨率統一為0.1°×0.1°。采用的預報檢驗指標包括偏差（Bias）評分、公平技巧評分（ETS）、空報率（false alarm rate，FAR）、漏報率（missing alarm rate，MAR）、命中率（probability of detection，POD）（表1）。檢驗指標中，Bias評分越接近數值1，表示預報發生的格點數接近觀測出現的格點數；ETS越接近1，表示對應的預報結果越準確；其余皆為負向檢驗指標，數值越小，對應預報效果越好。

2 結果與分析

2.1最優區域模式選擇

按照1.2.1節研究方法的介紹，用于區域模式優選的最優參考路徑在整個QPF融合技術方法中至關重要。本文針對最優參考路徑的選擇，設計了路徑優選試驗。在試驗中，計算研究時段內包含不同優選成員個數的集合平均路徑與觀測路徑的偏差。以臺風“煙花”為例（圖3），在7月22日00時—27日12時時段內，當優選成員個數為3，得到的參考路徑臺風中心偏差均值最小。之后，根據最優參考路徑設計區域模式優選偏差范圍試驗，選擇QPF融合技術6 h暴雨預報能力最強時對應的偏差閾值為區域模式優選最佳偏差閾值（區域模式優選的最佳偏差閾值定為1?）（圖4），并根據最佳偏差閾值選擇與參考路徑臺風中心位置偏差小于1?的區域模式作為當前時刻的最優區域模式，從而得到各個時刻參與集合的最優區域模式。類似可得，臺風“燦都”暴雨過程中優選成員個數為3，區域模式優選的最佳偏差閾值為0.8?（圖略）。

2.2 區域模式降水預報性能評估

針對4家區域模式的臺風“煙花”“燦都”暴雨預報性能，表2給出了臺風影響浙江區域時段內6 h暴雨、大暴雨預報檢驗。由ETS來看，臺風“煙花”暴雨過程中CMA-MESO 3 km降水預報顯示出較高的預報技巧，對暴雨及大暴雨降水預報ETS最高；CMA-MESO 10 km在暴雨預報中的ETS僅次于CMA-MESO 3 km，暴雨預報能力較高；而在大暴雨預報中ZJWARMS的ETS僅次于CMA-MESO 3 km，預報質量優于CMA-MESO 10 km和CMA-SH9。臺風“燦都”暴雨過程中，ZJAWRMS、CMA-MESO 3 km在暴雨、大暴雨預報中ETS得分較高，顯示出較高的暴雨預報技巧，其中ZJWARMS略優于CMA-MESO 3 km。

由命中率（POD）、空報率（FAR）以及漏報率（MAR）來看，兩次臺風暴雨過程中CMA-MESO 3 km、ZJWARMS的暴雨和大暴雨預報命中率相對較高，但4家區域模式都存在較高的空報率和漏報率，并隨著降水量級的增加，空報率和漏報率增大，預報能力下降。結合Bias評分可以注意到，暴雨、大暴雨預報命中率表現較好的模式，預報范圍較觀測偏大，空報率普遍大于漏報率。這說明兩次臺風暴雨過程中，區域模式暴雨預報存在明顯濕偏差，臺風暴雨過高估計是區域模式臺風暴雨預報中主要存在的問題。總體而言，在臺風“煙花” “燦都”影響下，CMA-MESO 3 km、ZJWARMS對浙江區域暴雨、大暴雨量級降水預報效果較佳，但與其他兩家區域模式一樣，隨著降水量級的增加，模式預報能力降低。

2.3 QPF融合技術降水預報性能評估

為評估QPF融合技術的預報技巧，對比表2中各家區域模式和QPF融合技術的6 h降水預報檢驗指標可知，QPF融合技術在暴雨、大暴雨預報的ETS以及預報命中率上，相較于4家區域模式預報均有不同程度的提高。相較“煙花”過程臺風暴雨預報能力最強的CMA-MESO 3 km，QPF融合技術的暴雨和大暴雨預報命中率分別提高18.80%、23.41%，ETS分別提高24.37%、25.76%；相較“燦都”過程臺風暴雨預報能力最強的ZJWARMS，QPF融合技術的暴雨和大暴雨預報ETS分別提高了23.08%、3.23%。此外，采用QPF融合技術方法后，暴雨、大暴雨預報的空報率均低于其中3家模式；和大多數數值模式統計后處理方法一樣，QPF融合技術的降水預報能力會受限于各家區域模式原始預報質量的約束，因此，認為QPF融合技術方法具有一定的臺風暴雨預報消空作用。暴雨和大暴雨的漏報率也均有明顯下降，尤其是大暴雨預報，在臺風“煙花”暴雨過程中QPF融合技術的大暴雨漏報率相較于區域模式下降6.8%～23.7%，在臺風“燦都”暴雨過程中QPF融合技術的大暴雨漏報率相較于區域模式下降2.32%～15.9%。由Bias評分來看，采用QPF融合技術后能在一定程度上有效降低暴雨預報與觀測之間的范圍偏差，有效降低大暴雨的Bias評分，使得預報范圍與觀測更為接近。結合以上分析發現，多模式QPF融合技術方法能夠有效提高浙江區域臺風“煙花”“燦都”暴雨和大暴雨量級的降水預報準確率，降低其空報率和漏報率，從而提高臺風暴雨預報能力。

為更進一步說明QPF融合技術方法在臺風暴雨業務應用的優勢，表2中還給出了浙江業務應用的客觀預報ZJ-OCF和ECHR相應的6 h降水預報檢驗。從表2中可知，在臺風“煙花”暴雨過程中，ZJ-OCF和ECHR的暴雨預報范圍較觀測偏小，對暴雨低估是主要存在的問題；在臺風“燦都”暴雨過程中，ZJ-OCF和ECHR的暴雨預報范圍較觀測偏小為主，且暴雨空報率較高，大暴雨空報率、漏報率均為1，ZJ-OCF和ECHR在該過程中對浙江區域的暴雨、大暴雨預報能力較差。QPF融合技術在兩次臺風暴雨過程中，無論是對暴雨還是大暴雨預報相較于ZJ-OCF和ECHR而言，ETS更高，命中率更高，漏報率更低。從防臺業務服務的角度來說，相較于ZJ-OCF和ECHR，QPF融合技術預報更能為預報員提供具有參考價值的臺風暴雨預報產品。

2.4 QPF融合技術暴雨預報效果分析

為更加直觀且詳細地說明QPF融合技術對臺風暴雨和大暴雨的預報效果，圖5給出了兩次臺風暴雨過程中，即臺風“煙花”（7月25日06—12時）和臺風“燦都”（9月12日18時—13日00時）兩時段的4家區域模式和采用QPF融合技術得到的6 h累計降水預報與觀測的空間分布對比。

臺風“煙花”影響浙江期間（7月25日06—12時），觀測到的浙江省內主要暴雨區落在寧波至紹興域內，呈東北—西南帶狀分布（圖5a1）。4家區域模式雖都對該暴雨區有所反映，但均存在一定的問題：CMA-MESO 3 km（圖5a3）在兩市交界處，大暴雨預報范圍較觀測偏大，紹興市存在暴雨漏報；CMA-MESO 10 km（圖5a4）未能報出兩市交界處的大暴雨，紹興市存在暴雨漏報；CMA-SH9（圖5a5）在寧波市內存在明顯暴雨漏報，并且寧波、紹興兩市交界處的大暴雨也未能報出；ZJWARMS（圖5a6）則存在大量暴雨空報，大暴雨落區較觀測偏西且范圍偏大。此外，除CMA-MESO 3 km外，其余3家模式在嘉興市內存在大量暴雨空報。QPF融合技術預報（圖5a2）在本時段內，通過區域模式優選，首先將存在大量暴雨空報的ZJWARMS預報排除，將其他3家與觀測更為相近的區域模式的降水落區和降水量級預報進行集合。從圖5a2中可以看出，QPF融合技術可以有效減少嘉興市內的暴雨空報，訂正紹興境內的暴雨落區，保留CMA-MESO 3 km預報中的大暴雨預報，使得本時段的暴雨、大暴雨落區以及雨帶走向與觀測更為相近。

相似地，臺風“燦都”影響浙江期間（9月12日18時—13日00時），觀測到的浙江省內暴雨區主要落于寧波、紹興、臺州3市境內，4家區域模式對該暴雨區均有一定的預報能力。其中，CMA-MESO 3 km（圖5b3）和ZJWARMS（圖5b6）的暴雨預報落區于觀測更為相似，而CMA-MESO 10 km（圖5b4）暴雨雨帶較觀測偏西北且量級偏大，CMA-SH9（圖5b5）暴雨落區較觀測明顯偏大且暴雨、大暴雨量級降水存在大量空報。QPF融合預報技術在本時段內，通過區域模式優選，將本時段內暴雨預報能力相對較差的CMA-MESO 10 km和CMA-SH9預報排除，通過概率匹配方法將暴雨預報能力相對較強的CMA-MESO 3 km和ZJWARMS預報進行集合。對比觀測（圖5b1）、QPF融合預報（圖5b2）、CMA-MESO 3 km（圖5b3）和ZJWARMS（圖5b6）的降水空間分布可知，QPF融合技術有效集合了CMA-MESO 3 km、ZJWARMS的暴雨預報信息，保留了CMA-MESO 3 km寧波區域內的大暴雨預報，訂正了本時段內浙江區域內的暴雨空報，使QPF融合技術的暴雨預報較CMA-MESO 3 km、ZJWARMS而言，在暴雨、大暴雨落區及降水量級上與觀測更為相近。因此，QPF融合技術有效提高了本時段的臺風暴雨預報能力。

臺風降水預報除了會受到臺風中心位置預報的影響，還會受到臺風移動路徑預報的影響，而區域模式的臺風路徑預報可大致分為預報相似和預報不同兩種情況。為檢驗這兩種不同的臺風路徑預報條件下QPF融合技術對臺風暴雨的預報能力，進一步設計了不同路徑預報相似條件的QPF融合技術對臺風暴雨預報能力的評估試驗。試驗中，以臺風“煙花”影響的7月25日00—06時代表區域模式路徑預報相似個例，以臺風“煙花”影響的7月25日12—18時和臺風“燦都”影響的9月13日00—06時代表區域模式路徑預報相異個例，對這兩類路徑預報條件的QPF融合技術臺風暴雨的預報能力進行分析。

圖6給出的是7月25日00—06時區域模式路徑預報相似案例。由圖6a1可知，4家區域模式預報的路徑位置相近，形態相似。由圖6a3—a7可以看到，QPF融合技術可以有效提取4家區域模式浙北臺風暴雨預報，訂正浙中的暴雨空報，使得本時段內的暴雨預報無論從落區形態，還是從降水量級上都能與觀測更為接近。然而，QPF融合技術雖然能在一定程度上減少湖州市內暴雨空報，但依舊會受到CMA-MESO 10 km和CMA-SH9模式預報的影響，在湖州區域內存在暴雨空報。此外，也會因為CMA-MESO 10 km、CMA-SH9和ZJWARMS在嘉興的大量暴雨空報，導致QPF融合技術在嘉興市內存在大量暴雨空報，但QPF融合技術能對暴雨落區有一定的訂正。表3給出了同時段各模式暴雨、大暴雨量級ETS和空報率（FAR）對比，結果表明：本時段在4個區域模式中，CMA-MESO 3 km暴雨、大暴雨預報ETS最高，FAR相對較低，預報能力最強；而QPF融合技術暴雨、大暴雨ETS均高于CMA-MESO 3 km，暴雨空報率明顯低于CMA-MESO 3 km。

圖7給出的是7月25日12—18時區域模式路徑預報具有顯著差異時，各模式及QPF融合技術對浙江區域臺風“煙花”暴雨預報的對比。從圖7a1中可知，4家區域模式預報的臺風路徑位置相近但形態各異，其中CMA-MESO 10 km與ZJWARMS的預報路徑形態差異最大，ZJWARMS、CMA-MESO 3 km和CMA-SH9的預報路徑形態更為相似。由圖7可以看出，區域模式臺風路徑預報不同時，暴雨預報也不同。在路徑預報不同的情況下，QPF融合技術可從保留各模式臺風暴雨預報的共同特征并對預報差異之處進行訂正，圖7a3中具體表現為保留舟山群島及寧波至紹興的暴雨預報，并從ZJWAMRS、CMA-MESO 3 km和CMA-SH9暴雨預報中提取嘉興、紹興市內暴雨量級和落區預報，用以訂正CMA-MESO 10 km的暴雨空報。但是，QPF融合技術會將ZJWAMRS、CMA-MESO 3 km以及CMA-SH9在寧波市的暴雨漏報當作虛假有效信息，用以訂正CMA-MESO 10 km寧波市內的有效暴雨預報，從而導致QPF融合技術在寧波市內的暴雨漏報。結合表4可以發現，雖受限于多個模式的原始預報質量限制，但整體上QPF融合技術能有效提高暴雨和大暴雨ETS，降低暴雨和大暴雨空報率。

在圖8給出的9月13日00—06時臺風“燦都”路徑預報相異個例中，觀測到的浙江區域的主要暴雨落區位于寧波、紹興、臺州3市（圖8a2），4家區域模式雖對該暴雨區有一定的預報能力，但都存在漏報、空報的問題。在本時段的4家區域模式中，CMA-MESO 3 km（圖8a4）和ZJWARMS（圖8a7）的暴雨落區與觀測最為相近。QPF融合技術在區域模式優選過程中，將本時段內路徑預報呈偏西北走向的CMA-MESO 3 km和CMA-MESO 10 km暴雨預報判定為無效預報，將路徑預報呈偏東北走向的CMA-SH9、ZJWARMS暴雨預報判定為有效預報，并對二者的暴雨預報進行集合（圖8a1）。通過此種方式，先將本時段內暴雨、大暴雨空報率偏高的CMA-MESO 10 km（圖8a5）預報剔除，而后基于概率匹配方法提取CMA-SH9（圖8a6）和ZJWARMS（圖8a7）相同的暴雨預報，訂正暴雨預報的相異之處。對比本時段的預報檢驗指標（表5）可知，在該臺風路徑預報相異的個例中，QPF融合技術通過優選集合，可有效提高暴雨、大暴雨的預報能力，并在一定程度上降低空報率。

總體而言，無論是在區域模式臺風路徑預報相似還是在臺風路徑預報不同的情況下，QPF融合技術方法都能有效集合多模式浙江區域臺風暴雨預報，在一定程度上彌補區域模式暴雨空報率較高的缺點，訂正暴雨落區，提高暴雨ETS，為預報員判斷臺風暴雨落區、降水量級和雨帶走向提供有效信息。

3 結論與討論

基于ECMWF集合預報系統的臺風路徑預報以及CMA-MESO 3 km、CMA-MESO 10 km、CMA-SH9、ZJWARMS等4家區域模式對2021年浙江區域臺風“煙花”“燦都”路徑和降水進行預報，利用QPF融合技術對6 h累計降水進行了區域模式集合試驗，并評估分析了QPF融合技術在兩次臺風影響浙江區域時段內對暴雨、大暴雨量級降水的預報效果。得到的主要結論如下：

（1）對于浙江區域受臺風“煙花”“燦都”影響過程的暴雨、大暴雨量級降水，各家業務區域模式的暴雨預報存在明顯濕偏差，暴雨空報是兩次臺風暴雨過程中區域模式預報的主要問題。總體而言，CMA-MESO 3 km、ZJWARMS在兩次臺風過程中暴雨預報能力較佳。

（2）QPF融合技術可以有效提高浙江區域臺風暴雨、大暴雨量級降水預報的ETS得分以及命中率，并在一定程度上降低暴雨預報的空報率，減小模式預報與觀測之間的誤差，提高浙江區域臺風暴雨、大暴雨的預報能力。但是，QPF融合技術對臺風暴雨預報能力會受限于區域模式原始預報質量。

（3）具體個例評估分析表明，QPF融合技術可以有效集合區域模式暴雨預報，減少暴雨空報，訂正暴雨量級、落區及雨帶走向預報。并且，可在區域模式臺風路徑預報不同的情況下，有效進行暴雨預報消空。

需要指出的是，本研究還存在一定的不足。一方面，僅針對2021年浙江區域兩個臺風QPF融合技術6 h暴雨預報個例進行了評估分析，分析結果具有一定的特殊性，若要證明QPF融合技術方法在浙江區域臺風暴雨預報的普遍優勢，還需要用更多的個例和更長的預報時效進行檢驗。另一方面，QPF融合技術的臺風大量級降水預報能力會受到區域模式原始預報質量的限制，而模式的降水預報能力又會受到模式水平分辨率的影響，文中所采用的區域模式例如CMA-MESO 10 km水平分辨率偏低，今后可采用模式分辨率更高的區域模式進行優選集合，以更好地提高浙江區域臺風大量級降水預報能力。

參考文獻：

[1] 伍遠康，劉德輔.浙江省登陸臺風暴雨落區研究[J].水文，2009，29（2）：81-83.

[2] 錢傳海，端義宏，麻素紅，等.我國臺風業務現狀及其關鍵技術[J].氣象科技進展，2012，2（5）：36-43.

[3] 任福民，楊慧.1949年以來我國臺風暴雨及其預報研究回顧與展望[J].暴雨災害，2019，38（5）：526-540.

[4] 許映龍，張玲，高拴柱.我國臺風預報業務的現狀及思考[J].氣象，2010，36（7）： 43-49.

[5] 陳博宇，代刊，唐健，等.基于多模式QPF融合的臺風暴雨預報后處理技術研究及應用試驗[J].氣象，2020，46（10）：1261-1271.

[6] 陳聯壽，孟智勇，叢春華.臺風暴雨落區研究綜述[J].海洋氣象學報，2017，37（4）： 1-7.

[7] 江漫，漆梁波.1959—2012年我國極端降水臺風的氣候特征分析[J].氣象，2016，42（10）：1230-1236.

[8] 杜鈞，李俊.集合預報方法在暴雨研究和預報中的應用[J].氣象科技進展，2014，4（5）：6-20.

[9] 李俊，杜鈞，陳超君.“頻率匹配法”在集合降水預報中的應用研究[J].氣象，2015，41（6）：674-684.

[10] CLARK A J， GALLUS W A Jr， CHEN T C. Contributions of mixed physics versus perturbed initial/lateral boundary conditions to ensemble-based precipitation forecast skill[J]. Mon Wea Rev， 2008，136（6）：2140-2156.

[11] EBERT E E. Ability of a poor mans ensemble to predict the probability and distribution of precipitation[J]. Mon Wea Rev，2001，129（10）：2461-2480.

[12] HAMILL T M， ENGLE E， MYRICK D， et al. The U.S. national blend of models for statistical postprocessing of probability of precipitation and deterministic precipitation amount[J]. Mon Wea Rev，2017，145（9）：3441-3463.

[13] Schwartz C S， Romine G S， Smith K R， et al. Characterizing and optimizing precipitation forecasts from a convection-permitting ensemble initialized by a mesoscale ensemble Kalman filter[J]. Wea Forecasting，2014，29（6）：1295-1318.

[14] 周迪，陳靜，陳朝平，等.暴雨集合預報-觀測概率匹配訂正法在四川盆地的應用研究[J].暴雨災害，2015，34（2）：97-104.

[15] Liu J Q， Li Z L， Wang Q Q. Quantitative precipitation forecasting using an improved probability-matching method and its application to a typhoon event[J]. Atmosphere，2021，12（10）：1346.

[16] Fang X Q， Kuo Y H. Improving ensemble-based quantitative precipitation forecasts for topography-enhanced typhoon heavy rainfall over Taiwan with a modified probability-matching technique[J]. Mon Wea Rev，2013，141（11）：3908-3932.

[17] 陳博宇，郭云謙，代刊，等.面向臺風暴雨的集合預報成員優選訂正技術研究及應用試驗[J].氣象，2016，42（12）：1465-1475.

[18] 羅玲，婁小芬，傅良，等.ECMWF極端降水預報指數在華東臺風暴雨中的應用研究[J].氣象，2019，45（10）：1382-1391.

[19] 王海平， 董林， 許映龍， 等. 臺風“煙花”的主要特點和路徑預報難點分析[J].海洋氣象學報， 2022， 42（1）： 83-91.

[20] 向純怡，高拴柱，劉達.2021年西北太平洋和南海臺風活動概述[J].海洋氣象學報，2022，42（1）：39-49.

[21] 錢奇峰，張長安，高拴柱，等.臺風路徑集合預報的實時訂正技術研究[J].熱帶氣象學報，2014，30（5）：905-910.