CMA-GEPS對(duì)中國(guó)超強(qiáng)梅雨天氣過(guò)程的預(yù)報(bào)能力分析

摘要 基于中國(guó)氣象局自主研發(fā)的全球集合預(yù)報(bào)系統(tǒng)CMA-GEPS，針對(duì)2020年6—7月的長(zhǎng)江中下游地區(qū)超強(qiáng)梅雨天氣過(guò)程，開(kāi)展了中國(guó)梅汛期強(qiáng)降水的預(yù)報(bào)能力分析。結(jié)果表明，西太副高的穩(wěn)定維持及夏季風(fēng)的持續(xù)增強(qiáng)為梅汛期強(qiáng)降水的發(fā)生提供了有利的動(dòng)力和水汽條件。CMA-GEPS對(duì)西太副高各指數(shù)的快速調(diào)整趨勢(shì)預(yù)報(bào)，可提前7～10 d在預(yù)報(bào)中呈現(xiàn);對(duì)西太副高強(qiáng)度和面積預(yù)報(bào)技巧與NCEP集合預(yù)報(bào)相當(dāng)，表現(xiàn)為偏弱的估計(jì)，脊線和西伸脊點(diǎn)預(yù)報(bào)技巧與ECMWF集合預(yù)報(bào)相當(dāng)，表現(xiàn)為脊線位置偏南、西伸脊點(diǎn)偏東的偏差。CMA-GEPS對(duì)東亞夏季風(fēng)指數(shù)預(yù)報(bào)技巧在9 d以上，較控制預(yù)報(bào)提前2 d。CMA-GEPS的控制預(yù)報(bào)存在強(qiáng)度偏弱、雨帶位置偏南的系統(tǒng)性偏差和漏報(bào)現(xiàn)象;基于空間和時(shí)間權(quán)重修正的鄰域方案TSWNP，明顯提高了大雨預(yù)報(bào)的技巧，減少了漏報(bào)的發(fā)生，優(yōu)于控制預(yù)報(bào)和傳統(tǒng)的單點(diǎn)概率預(yù)報(bào)，從而表明，TSWNP方案對(duì)梅汛期大雨過(guò)程的預(yù)報(bào)是有效且合理的。

關(guān)鍵詞超強(qiáng)梅雨過(guò)程;西太副高;東亞季風(fēng);CMA-GEPS;TSWNP方案

暴雨是我國(guó)多發(fā)性重大災(zāi)害天氣之一。統(tǒng)計(jì)結(jié)果表明，我國(guó)每年因暴雨災(zāi)害造成的直接經(jīng)濟(jì)損失和死亡人數(shù)遠(yuǎn)超過(guò)其他氣象災(zāi)害（鄭國(guó)光等，2019）。因此，對(duì)暴雨洪澇災(zāi)害的預(yù)報(bào)和防治始終是我國(guó)防災(zāi)減災(zāi)的重點(diǎn)任務(wù)。每年6、7月的梅雨天氣，常造成我國(guó)長(zhǎng)江中下游地區(qū)頻繁的強(qiáng)降水過(guò)程（陶詩(shī)言等，2008）。尤其是，2020年6—7月發(fā)生了歷史上一次超強(qiáng)的梅雨季，該時(shí)期長(zhǎng)江流域降水強(qiáng)度之強(qiáng)、持續(xù)時(shí)間之長(zhǎng)均為歷史同期罕見(jiàn)。持續(xù)的強(qiáng)降雨導(dǎo)致長(zhǎng)江中下游地區(qū)發(fā)生了極為嚴(yán)重的洪澇災(zāi)害（劉蕓蕓和丁一匯，2020;張芳華等，2020）。

大量研究表明，梅雨期的強(qiáng)降水是多尺度天氣系統(tǒng)相互作用的結(jié)果，而連續(xù)性強(qiáng)降水過(guò)程是在有利的大尺度環(huán)流背景下產(chǎn)生的（徐海明等，2001;智協(xié)飛等，2020）。在該大尺度環(huán)流形勢(shì)背景下，高、低空急流運(yùn)動(dòng)為強(qiáng)降水的發(fā)生提供必需的動(dòng)力和水汽條件。西太平洋副熱帶高壓以及來(lái)自洋面的季風(fēng)活動(dòng)是影響梅雨汛期的兩個(gè)主要系統(tǒng)。對(duì)我國(guó)影響巨大的西北太平洋副熱帶高壓（簡(jiǎn)稱副高，下同），是一個(gè)穩(wěn)定而少動(dòng)的暖性深厚天氣系統(tǒng)。其外圍西北側(cè)的西南氣流，是向暴雨區(qū)輸送水汽的重要通道。副高的位置和強(qiáng)度變化是長(zhǎng)江流域旱澇的最主要特征，在中國(guó)梅汛期，副高持續(xù)偏強(qiáng)，西北太平洋對(duì)流層低層盛行異常風(fēng)場(chǎng)，從而副高西側(cè)來(lái)自印度洋和孟加拉灣的水汽輸送明顯增強(qiáng)，可為長(zhǎng)江中下游地區(qū)持續(xù)性降水提供充沛的水汽條件。我國(guó)東部地區(qū)處于亞澳季風(fēng)區(qū)，梅汛期降水具有典型的夏季風(fēng)降水特征。東亞夏季風(fēng)以階段性的方式進(jìn)行季節(jié)推進(jìn)和撤退，其異常活動(dòng)會(huì)影響到江淮流域的入梅時(shí)間及梅雨持續(xù)天數(shù)，進(jìn)而對(duì)我國(guó)梅汛期降水產(chǎn)生重要影響（丁一匯和張建云，2009;丁治英等，2017;田瑩等，2022）。

隨著數(shù)值模式預(yù)報(bào)技術(shù)的發(fā)展，強(qiáng)降水預(yù)報(bào)水平已得到明顯提高（李澤椿等，2004;矯梅燕，2010）。但受降水系統(tǒng)本身及模式誤差影響，強(qiáng)降水預(yù)報(bào)仍存在較大誤差。考慮到定量降水預(yù)報(bào)在時(shí)間和空間上均存在較大不確定性，因此，大量的研究以集合數(shù)值預(yù)報(bào)為依托，通過(guò)應(yīng)用不同概率預(yù)報(bào)方法，以期提高暴雨等小概率極端性天氣事件的概率預(yù)報(bào)水平（陳靜等，2005;劉家峻等，2010;黃紅艷等，2016;高守亭等，2018;智協(xié)飛和黃聞，2019;周海等，2022）。鄰域概率法是處理高分辨率降水集合預(yù)報(bào)不確定性的一種新方法，該方法利用某格點(diǎn)（x，y）及其鄰域空間若干點(diǎn)的降水概率值代替格點(diǎn)（x，y）的降水值，通過(guò)鄰域格點(diǎn)的確定性預(yù)報(bào)獲得中心格點(diǎn)的概率預(yù)報(bào)（Theis et al.，2005）。Azadi and Zakeri（2010）基于鄰域概率法，對(duì)伊朗地區(qū)進(jìn)行降水預(yù)報(bào)試驗(yàn)，認(rèn)為該方法在預(yù)報(bào)一致性、預(yù)報(bào)質(zhì)量等方面都優(yōu)于確定性模式預(yù)報(bào)結(jié)果。劉雪晴等（2020）將權(quán)重系數(shù)引入到鄰域概率法中，設(shè)計(jì)了權(quán)重修正鄰域方案及二分類(lèi)權(quán)重修正鄰域方案，并應(yīng)用在CMA-REPS中，提高了概率預(yù)報(bào)的可靠性。在已有的鄰域概率法計(jì)算中，前人的研究大都僅考慮了空間不確定性，沒(méi)有考慮時(shí)間不確定性是否會(huì)產(chǎn)生預(yù)報(bào)效果更好的概率預(yù)報(bào)問(wèn)題，另外，也沒(méi)有專門(mén)應(yīng)用在強(qiáng)降水概率預(yù)報(bào)中。因此，在本研究中，我們將權(quán)重系數(shù)引入到鄰域空間和預(yù)報(bào)時(shí)間中，設(shè)計(jì)一種基于空間和時(shí)間權(quán)重修正的鄰域方案，并將其應(yīng)用在CMA-全球集合預(yù)報(bào)系統(tǒng)（CMA-GEPS）中，探討對(duì)梅汛期大雨的預(yù)報(bào)能力。

鑒于以上的研究背景，本研究采用中國(guó)氣象局自主研發(fā)的CMA-GEPS數(shù)值預(yù)報(bào)業(yè)務(wù)產(chǎn)品，開(kāi)展2020年中國(guó)超強(qiáng)梅雨天氣過(guò)程的預(yù)報(bào)能力分析。首先，結(jié)合實(shí)況，分析2020年中國(guó)超強(qiáng)梅雨期的天氣過(guò)程，包括2020年6—7月長(zhǎng)江中下游降水的階段性變化和500 hPa位勢(shì)高度的環(huán)流形勢(shì)場(chǎng)特征，并分析副熱帶高壓活動(dòng)、南海夏季風(fēng)和水汽輸送與梅雨的關(guān)系。其次，評(píng)估CMA-GEPS對(duì)梅汛期兩個(gè)主要影響系統(tǒng)副高和東亞季風(fēng)的預(yù)報(bào)能力。進(jìn)一步地，從概率預(yù)報(bào)的角度，設(shè)計(jì)一種基于空間和時(shí)間權(quán)重修正的鄰域方案，針對(duì)長(zhǎng)江中下游地區(qū)8次典型大雨過(guò)程，評(píng)估CMA-GEPS對(duì)梅雨期典型大雨的概率預(yù)報(bào)能力。

1 資料和方法

1.1 數(shù)據(jù)資料

本文分析梅汛期降水特征所用的觀測(cè)資料包括：24 h累積降水、500 hPa位勢(shì)高度、850 hPa矢量風(fēng)及水汽通量散度，分析時(shí)間段為2020年6月1日—7月31日。降水觀測(cè)資料為同期中國(guó)區(qū)域地面-衛(wèi)星-雷達(dá)三源融合降水分析產(chǎn)品（潘旸等，2015）。其他要素觀測(cè)資料來(lái)源于NCEP／NCAR再分析數(shù)據(jù)。

本研究主要評(píng)估CMA-GEPS對(duì)梅雨期天氣過(guò)程的預(yù)報(bào)能力分析。CMA-GEPS是在CMA-全球數(shù)值預(yù)報(bào)模式的基礎(chǔ)上，由中國(guó)氣象局?jǐn)?shù)值預(yù)報(bào)中心獨(dú)立自主研發(fā)的集合預(yù)報(bào)系統(tǒng)。該系統(tǒng)采用奇異向量法產(chǎn)生初值擾動(dòng)（劉永柱等，2013;李曉莉和劉永柱，2019），使用SPPT方法和SKEB擾動(dòng)方案產(chǎn)生模式隨機(jī)擾動(dòng)（袁月等，2016;彭飛等，2019;史永強(qiáng)等，2022），共生成31個(gè)集合預(yù)報(bào)成員，包括30個(gè)擾動(dòng)預(yù)報(bào)和1個(gè)控制預(yù)報(bào)。集合成員水平分辨率為50 km，即0.5°×0.5°，垂直60層，輸出范圍為全球。該業(yè)務(wù)系統(tǒng)每天00時(shí)（世界時(shí)，下同）和12時(shí)起報(bào)，預(yù)報(bào)時(shí)效為360 h，其中，84 h以內(nèi)預(yù)報(bào)模式輸出的時(shí)間間隔為3 h，84～192 h模式輸出間隔為6 h，192～360 h模式輸出間隔為24 h。

作為對(duì)照分析，本研究也采用了ECMWF集合預(yù)報(bào)和NCEP集合預(yù)報(bào)資料。ECMWF集合預(yù)報(bào)是在IFS（Integrated Forecasting System）模式系統(tǒng)基礎(chǔ)上，采用奇異向量法擾動(dòng)方案和集合卡爾曼濾波生成50個(gè)成員初值，和1個(gè)未擾動(dòng)成員，并采用隨機(jī)物理擾動(dòng)方案（SPPT）對(duì)參數(shù)化過(guò)程中預(yù)報(bào)傾向進(jìn)行擾動(dòng)，每天兩次預(yù)報(bào)，時(shí)效0～15 d，空間分辨率為18 km。NCEP發(fā)展的GEFS（Global Ensemble Forecast System）則采用卡爾曼濾波方案生成20個(gè)成員初值和隨機(jī)全傾向擾動(dòng)法 （STTP）生成21個(gè)成員，每天四次預(yù)報(bào)，時(shí)效0～16 d，模式水平分辨率為33 km。為了便于對(duì)比分析，本文將三套模式預(yù)報(bào)數(shù)據(jù)統(tǒng)一插值到相同的標(biāo)準(zhǔn)經(jīng)緯度格點(diǎn)上。

1.2 方法介紹

本研究從概率預(yù)報(bào)的角度，設(shè)計(jì)一種基于空間和時(shí)間權(quán)重修正的鄰域方案，并與傳統(tǒng)的概率預(yù)報(bào)結(jié)果做對(duì)比，針對(duì)8次大雨過(guò)程，評(píng)估CMA-GEPS對(duì)梅雨期典型暴雨的預(yù)報(bào)能力。空間和時(shí)間權(quán)重修正的鄰域方案設(shè)計(jì)如下。

首先，對(duì)降水場(chǎng)做二進(jìn)制處理。對(duì)累積降水閾值q，單個(gè)格點(diǎn)（i，j）的二進(jìn)制降水概率BP（Binary Probability）為：

其中：F（i，j）為預(yù)報(bào)格點(diǎn)的24 h累積降水量;累積降水閾值q可根據(jù)實(shí)際降水量及研究對(duì)象確定，由于本文針對(duì)的是大雨天氣過(guò)程的概率預(yù)報(bào)研究，因此q取25 mm。

其次，對(duì)二進(jìn)制降水概率BP做空間鄰域格點(diǎn)權(quán)重修正。修正原則基于模式特點(diǎn)及經(jīng)驗(yàn)得出，本文選取5點(diǎn)鄰域概率方案（中心格點(diǎn)加上周?chē)R近四個(gè)點(diǎn)，一共5個(gè)格點(diǎn)，鄰域窗為正方形）。中心格點(diǎn)的權(quán)重應(yīng)為最大，為0.5，周?chē)膫€(gè)臨近格點(diǎn)等權(quán)，為0.125。即，權(quán)重系數(shù)

2 CMA-GEPS對(duì)超強(qiáng)梅雨天氣過(guò)程的預(yù)報(bào)能力分析

2.1 梅汛期降水天氣背景

2020年6月1日—7月31日總累積降水量空間分布（圖1a）的結(jié)果可看出，累積降水量超過(guò)500 mm的降水中心主要集中在華南中北部和長(zhǎng)江中下游沿江地區(qū)，尤其在長(zhǎng)江中下游沿江區(qū)域普遍達(dá)500 mm上，局地甚至超過(guò)1 000 mm。另外，從降水的時(shí)間-緯度剖面圖（圖1b）可看出，6月上旬強(qiáng)降水中心主要位于江南至華南北部，中旬降水北抬，并長(zhǎng)時(shí)間穩(wěn)定維持在長(zhǎng)江中下游區(qū)域，期間有小幅的南北擺動(dòng)，造成降水的南北跨度范圍變寬。7月下旬降水強(qiáng)度明顯減弱，梅雨趨于結(jié)束。

500 hPa位勢(shì)高度環(huán)流形勢(shì)場(chǎng)配置的變化是導(dǎo)致2020年超強(qiáng)梅雨的一個(gè)關(guān)鍵環(huán)流因子。與梅雨汛期前（5月20—31日）500 hPa位勢(shì)高度場(chǎng)相比，歐亞中高緯環(huán)流表現(xiàn)為“兩脊一槽”型，烏拉爾山以西和鄂霍次克海為較強(qiáng)的高壓脊，且向脊區(qū)伸展，巴爾喀什湖附近為低壓槽，經(jīng)向度較大（圖2）。該環(huán)流形勢(shì)場(chǎng)的配置有利于來(lái)自中高緯地區(qū)的冷空氣自西北向東南影響我國(guó)，而冷空氣活動(dòng)是持續(xù)性強(qiáng)降水形成的重要因素之一。另外，西太副高南北位置的異常變化是導(dǎo)致2020年出現(xiàn)超強(qiáng)梅雨的一個(gè)關(guān)鍵環(huán)流因子，在此期間，西太副高共經(jīng)歷六次北抬和南退的階段性變化（圖3），其周期性變化與梅雨的開(kāi)始和結(jié)束、主雨帶的北抬和停滯、強(qiáng)降水過(guò)程的發(fā)生和維持都有很好的對(duì)應(yīng)關(guān)系。

另外，低緯度地區(qū)暖濕氣流的向北輸送是梅雨發(fā)生和維持的重要水汽條件（劉蕓蕓等，2006;He et al.，2007）。從圖4可看出，低空西南急流是強(qiáng)水汽輸送帶，它不僅將來(lái)自阿拉伯海、孟加拉灣和南海的暖濕氣流輸送到我國(guó)南方，為梅雨的形成提供必要的水汽條件，從而導(dǎo)致梅雨不僅持續(xù)時(shí)間長(zhǎng)，并且期間暴雨過(guò)程也頻頻發(fā)生。

2.2 CMA-GEPS對(duì)梅雨相關(guān)因素的預(yù)報(bào)能力評(píng)估

2.2.1 CMA-GEPS對(duì)梅雨期西太平洋副熱帶高壓的預(yù)報(bào)能力評(píng)估

西太副高的強(qiáng)度、面積、脊線位置和西伸脊點(diǎn)4個(gè)特征指數(shù)綜合刻畫(huà)了西太平洋副熱帶高壓的位置和強(qiáng)度特征。4個(gè)特征指數(shù)的計(jì)算采用劉蕓蕓等（2012）的定義，方法如下：1）西太副高面積指數(shù)：10°N以北、110°～180°E范圍內(nèi)的500 hPa 位勢(shì)高度場(chǎng)上所有數(shù)值不小于5 880 gpm的格點(diǎn)所覆蓋形成的面積;2）西太副高強(qiáng)度指數(shù)：西太副高面積內(nèi)每個(gè)格點(diǎn)的500 hPa 高度值減去參考值5 870 gpm 的差進(jìn)行累計(jì);3）西太副高脊線指數(shù)：10°N以北、110°～150°E范圍內(nèi)的5 880 gpm等值線所包圍的副熱帶高壓體內(nèi)緯向風(fēng)場(chǎng)上滿足（u=0，且u／ygt;0）要求的特征線所在緯度的平均值;4）西太副高西伸脊點(diǎn)指數(shù)：90°～180°E范圍內(nèi)西太副高面積的最西格點(diǎn)所在的經(jīng)度。

首先評(píng)估CMA-GEPS對(duì)梅汛期東亞500 hPa位勢(shì)高度場(chǎng)的空間預(yù)報(bào)能力。分別以2020年6月10日、6月15日、7月10日、7月13日為例，圖5給出了CMA-GEPS提前9 d、12 d和14 d預(yù)報(bào)的500 hPa位勢(shì)高度場(chǎng)的均方根誤差的空間分布。結(jié)果表明，相對(duì)于高緯度而言，低緯度是誤差低值區(qū)，反映出該預(yù)報(bào)系統(tǒng)對(duì)低緯高度場(chǎng)的預(yù)報(bào)偏差相對(duì)較小。隨著預(yù)報(bào)時(shí)間增長(zhǎng)，中高緯度地區(qū)均方根誤差逐漸增大。當(dāng)預(yù)報(bào)時(shí)間增加至12 d及以上時(shí)，均方根誤差迅速增大，預(yù)報(bào)能力明顯降低。對(duì)于描述副高的588 dagpm線（圖6），提前9 d預(yù)報(bào)時(shí)，雖然成員離散度變大，但集合平均場(chǎng)（藍(lán)實(shí)線）仍可清晰地體現(xiàn)副高形勢(shì)，只是副高強(qiáng)度較分析場(chǎng)偏弱，集合離散度偏小;11 d及以上預(yù)報(bào)，各成員間離散度增加，平均場(chǎng)趨于平滑，圖6中有少數(shù)部分成員依然可以預(yù)報(bào)出當(dāng)前的副高形勢(shì)。6月10—15日副高脊線有明顯北跳，7月10—13日副高西伸脊點(diǎn)明顯西移，集合平均預(yù)報(bào)在提前11 d預(yù)報(bào)上仍可以呈現(xiàn)出來(lái)這種趨勢(shì)。

西太副高的4個(gè)標(biāo)準(zhǔn)指數(shù)，可較好地刻畫(huà)西太副高的強(qiáng)弱和位置變化。圖7給出了西太副高各指數(shù)集合平均在不同預(yù)報(bào)時(shí)效下的時(shí)間序列。對(duì)于強(qiáng)度和面積指數(shù)（圖7 a、b），基本上所有預(yù)報(bào)時(shí)效下，CMA-GEPS集合平均預(yù)報(bào)的西太副高強(qiáng)度偏弱，面積偏小，但在提前9.5 d預(yù)報(bào)上，仍能抓住副高演變的發(fā)展趨勢(shì)，尤其是強(qiáng)度和面積發(fā)展的轉(zhuǎn)折點(diǎn)上，可較好地描述。對(duì)于脊線指數(shù)預(yù)報(bào)（圖7c），大部分預(yù)報(bào)時(shí)效下，模式預(yù)報(bào)的西太副高脊線位置偏南。但在提前9.5 d預(yù)報(bào)上，脊線北跳和南撤的趨勢(shì)依然可以抓住。對(duì)于西伸脊點(diǎn)指數(shù)預(yù)報(bào)（圖7d），6月上旬大部分預(yù)報(bào)時(shí)效西伸脊點(diǎn)位置與分析場(chǎng)相比更偏西，其余大部分時(shí)間西伸脊點(diǎn)與分析場(chǎng)相比更偏東，尤其是西伸脊點(diǎn)的峰值預(yù)報(bào)，基本是偏東，這與模式預(yù)報(bào)的西太副高強(qiáng)度偏弱有關(guān)。

圖8給出了CMA、ECMWF和NCEP三套業(yè)務(wù)集合預(yù)報(bào)系統(tǒng)的西太副高強(qiáng)度、面積、脊線位置和西伸脊點(diǎn)的不同預(yù)報(bào)時(shí)長(zhǎng)下的相關(guān)系數(shù)。結(jié)果表明，隨著預(yù)報(bào)時(shí)長(zhǎng)的增加，三套集合預(yù)報(bào)系統(tǒng)的西太副高指數(shù)相關(guān)系數(shù)評(píng)分逐漸下降。以0.5作為有效預(yù)報(bào)技巧的閾值，對(duì)于CMA-GEPS，西太副高強(qiáng)度和面積的有效預(yù)報(bào)技巧均為9.5 d，脊線位置預(yù)報(bào)技巧約為8.5 d，西伸脊點(diǎn)預(yù)報(bào)技巧約為6.5 d。對(duì)于ECMWF集合預(yù)報(bào)系統(tǒng)，西太副高強(qiáng)度和面積的有效預(yù)報(bào)技巧可達(dá)到12.5 d，脊線位置預(yù)報(bào)技巧約為9.5 d，西伸脊點(diǎn)預(yù)報(bào)技巧約為7.5 d。對(duì)于NCEP集合預(yù)報(bào)系統(tǒng)，西太副高強(qiáng)度和面積的有效預(yù)報(bào)技巧達(dá)到11.5 d，脊線位置預(yù)報(bào)技巧約為12.5 d，西伸脊點(diǎn)預(yù)報(bào)技巧約為9.5 d。綜上，ECMWF集合預(yù)報(bào)系統(tǒng)在西太副高強(qiáng)度和面積的預(yù)報(bào)技巧最高，NCEP集合預(yù)報(bào)系統(tǒng)在西太副高脊線位置和西伸脊點(diǎn)的預(yù)報(bào)技巧最高;CMA集合平均預(yù)報(bào)技巧在西太副高強(qiáng)度和面積預(yù)報(bào)上與NCEP相當(dāng)，在西太副高脊線和西伸脊點(diǎn)預(yù)報(bào)上與ECMWF相當(dāng)。

2.2.2 CMA-GEPS對(duì)梅雨期夏季風(fēng)指數(shù)的預(yù)報(bào)能力評(píng)估

梅雨是夏季季風(fēng)涌來(lái)的充沛水汽和中高緯度的冷空氣交匯產(chǎn)生，暴雨往往發(fā)生在季風(fēng)增強(qiáng)期。本研究中，東亞副熱帶夏季風(fēng)指數(shù)采用張慶云等（2003）定義的指數(shù)，即將東亞熱帶季風(fēng)槽區(qū)（100°～150°E，10°～20°N）與東亞副熱帶地區(qū)（100°～150°E，25°～35°N）平均的850 hPa緯向風(fēng)之差作為季風(fēng)指數(shù)。該指數(shù)為正，代表夏季偏南風(fēng)從副熱帶海洋吹向陸地，指數(shù)越大，表示東亞夏季風(fēng)風(fēng)力越強(qiáng)。圖9給出了不同預(yù)報(bào)時(shí)效下東亞夏季風(fēng)指數(shù)的逐日演變。梅汛期間，夏季風(fēng)指數(shù)均為正，并呈現(xiàn)周期性發(fā)展。從CMA-GEPS各預(yù)報(bào)時(shí)效的結(jié)果可看出，在1～7 d預(yù)報(bào)時(shí)，其指數(shù)發(fā)展趨勢(shì)均能夠與分析場(chǎng)吻合，尤其對(duì)季風(fēng)指數(shù)分析場(chǎng)中的快速調(diào)整預(yù)報(bào)上，可以提前7 d左右在預(yù)報(bào)中進(jìn)行提示，很好地描述夏季風(fēng)持續(xù)增強(qiáng)和衰退的周期性變化趨勢(shì)。在夏季風(fēng)指數(shù)達(dá)到最強(qiáng)時(shí)，各預(yù)報(bào)時(shí)效下其指數(shù)都偏弱。分別計(jì)算提前1～10 d集合平均預(yù)報(bào)和控制預(yù)報(bào)的夏季風(fēng)指數(shù)和再分析資料夏季風(fēng)指數(shù)的相關(guān)系數(shù)（圖10），可看到隨著預(yù)報(bào)時(shí)效增加，相關(guān)系數(shù)逐漸減小，表明預(yù)報(bào)的偏差逐漸增大。以0.5作為有效預(yù)報(bào)技巧的閾值，CMA-GEPS對(duì)季風(fēng)指數(shù)的預(yù)報(bào)天數(shù)可達(dá)約9 d左右，比控制預(yù)報(bào)提前2 d。

2.3 CMA-GEPS對(duì)梅雨期典型大雨過(guò)程的預(yù)報(bào)能力評(píng)估

2020年6—7月，長(zhǎng)江中下游地區(qū)多次出現(xiàn)大范圍的連續(xù)強(qiáng)降水，多地降水量達(dá)到100 mm以上。本研究從概率預(yù)報(bào)的角度，設(shè)計(jì)一種基于空間和時(shí)間權(quán)重修正的集合概率方案（TSWNP），選用8次大雨天氣過(guò)程，分別提前24 h、48 h預(yù)報(bào)，評(píng)估CMA-GEPS對(duì)梅雨期典型暴雨的預(yù)報(bào)能力，并與傳統(tǒng)的概率預(yù)報(bào)結(jié)果做對(duì)比。試驗(yàn)以控制預(yù)報(bào)和單點(diǎn)概率預(yù)報(bào)大于25 mm的大雨過(guò)程作為參考，采用Brier 評(píng)分對(duì)預(yù)報(bào)結(jié)果進(jìn)行評(píng)估對(duì)比，以分析TSWNP方案結(jié)果的可靠性。

Brier評(píng)分是集合預(yù)報(bào)常用的評(píng)分方法，表示的是均方概率誤差，即集合概率與真實(shí)觀測(cè)概率的偏差，表達(dá)式如下：

其中：N為格點(diǎn)數(shù);Pn是第n個(gè)格點(diǎn)被檢驗(yàn)事件（如24 h累積降水）的集合預(yù)報(bào)概率，其值為0～1。On是第n個(gè)格點(diǎn)的觀測(cè)頻率，如果觀測(cè)大于設(shè)定的閾值，則該事件發(fā)生，其值為1，否則為0。BS范圍為0～1，值越小越好。

6月27—28日經(jīng)歷了副高北抬和東亞季風(fēng)增強(qiáng)過(guò)程，6月29—30日經(jīng)歷了副高南退和東亞季風(fēng)減弱過(guò)程。7月7—8日經(jīng)歷了副高南退和東亞季風(fēng)減弱過(guò)程，7月9—10日經(jīng)歷了副高北抬和東亞季風(fēng)增強(qiáng)過(guò)程。受副高和東亞季風(fēng)過(guò)程的影響，6月27—28日及7月9—10日，降水雨帶位置逐漸向東北移動(dòng)（從29°N逐漸移動(dòng)到34°N），6月29—30日及7月7—8日，降水雨帶逐漸向南移動(dòng)，且降水強(qiáng)度逐漸減弱（圖11a1、b1、c1、d1及圖12a1、b1、c1、d1）。這8次長(zhǎng)江中下游及以南地區(qū)發(fā)生的大雨過(guò)程，受副高和東亞季風(fēng)過(guò)程影響較大，為此，選取6月27—30日及7月7—10日這8次典型大雨過(guò)程作為分析。

對(duì)于24 h預(yù)報(bào)結(jié)果，圖11和圖12結(jié)果表明，控制預(yù)報(bào)能大致預(yù)報(bào)出這8次強(qiáng)降水雨帶的位置，但存在系統(tǒng)性預(yù)報(bào)偏差。結(jié)合2.2.1及2.2.2節(jié)的分析，這可能是因?yàn)镃MA-GEPS預(yù)報(bào)的夏季風(fēng)偏弱，副高位置偏南，使得季風(fēng)無(wú)法推進(jìn)更北的區(qū)域，從而使得預(yù)報(bào)的24 h累積降水強(qiáng)度偏弱，雨帶偏南。傳統(tǒng)的單點(diǎn)概率預(yù)報(bào)相比于控制預(yù)報(bào)，預(yù)報(bào)結(jié)果有明顯改善，但概率值偏低，存在一定程度的漏報(bào)。基于TSWNP方案的結(jié)果表明，該方法明顯提高了概率預(yù)報(bào)值，并且對(duì)于部分強(qiáng)降水過(guò)程，可預(yù)報(bào)出單點(diǎn)概率預(yù)報(bào)和控制預(yù)報(bào)漏報(bào)的區(qū)域，譬如，6月28日，TSWNP方案預(yù)報(bào)出了湖南西北部的大雨過(guò)程;6月30日，TSWNP方案預(yù)報(bào)出了江西和浙江交界處、湖南東部的大雨過(guò)程;7月9日，TSWNP方案預(yù)報(bào)出了廣西壯族自治區(qū)三江市附件的大雨過(guò)程;7月10日，TSWNP方案預(yù)報(bào)出了湖南，湖北，江西境內(nèi)部分地區(qū)及三省交界處的大雨過(guò)程。而這些區(qū)域，控制預(yù)報(bào)及單點(diǎn)概率預(yù)報(bào)都沒(méi)有預(yù)報(bào)出來(lái)。

對(duì)于48 h預(yù)報(bào)結(jié)果，圖13和圖14結(jié)果表明，控制預(yù)報(bào)仍能預(yù)報(bào)出大雨雨帶位置，但強(qiáng)度偏弱，漏報(bào)嚴(yán)重。傳統(tǒng)的單點(diǎn)概率預(yù)報(bào)相比于控制預(yù)報(bào)，預(yù)報(bào)結(jié)果有明顯改善，但存在漏報(bào)。基于TSWNP方案的概率預(yù)報(bào)能夠最大限度地覆蓋發(fā)生大雨天氣過(guò)程的地區(qū)，多個(gè)個(gè)例預(yù)報(bào)出了單點(diǎn)概率預(yù)報(bào)和控制預(yù)報(bào)漏報(bào)的區(qū)域，與實(shí)況更為吻合。譬如，6月28日，TSWNP方案預(yù)報(bào)出了湖北東部的大雨過(guò)程;7月8日，TSWNP方案預(yù)報(bào)出了東北部的大雨過(guò)程;7月10日，TSWNP方案預(yù)報(bào)出了廣西東部、湖南西部大部分地區(qū)的大雨過(guò)程。而這些區(qū)域，控制預(yù)報(bào)及單點(diǎn)概率預(yù)報(bào)都沒(méi)有預(yù)報(bào)出來(lái)。這表明，TSWNP方案無(wú)論在24 h和48 h預(yù)報(bào)上，都存在明顯的優(yōu)勢(shì)，要優(yōu)于控制預(yù)報(bào)和單點(diǎn)概率預(yù)報(bào)。

Brier評(píng)分結(jié)果表明，無(wú)論是24 h預(yù)報(bào)，還是48 h預(yù)報(bào)，單點(diǎn)概率預(yù)報(bào)和基于TSWNP方案的概率預(yù)報(bào)均明顯優(yōu)于控制預(yù)報(bào)。對(duì)于24 h預(yù)報(bào)，基于TSWNP方案的概率預(yù)報(bào)結(jié)果略優(yōu)于單點(diǎn)概率預(yù)報(bào)（圖15a），對(duì)于48 h預(yù)報(bào)，基于TSWNP方案的概率預(yù)報(bào)結(jié)果與單點(diǎn)概率預(yù)報(bào)結(jié)果相當(dāng)（圖15b），這是因?yàn)榛赥SWNP方案的概率預(yù)報(bào)增大了預(yù)報(bào)空?qǐng)?bào)率。結(jié)合實(shí)際預(yù)報(bào)結(jié)果及Brier評(píng)分結(jié)果，表明盡管TSWNP方案在一定程度上增加了空?qǐng)?bào)率，但該方案可預(yù)報(bào)出控制預(yù)報(bào)及傳統(tǒng)單點(diǎn)概率預(yù)報(bào)漏報(bào)的區(qū)域，因此，該方案對(duì)大雨過(guò)程的預(yù)報(bào)是有效且合理的。

3 總結(jié)和討論

2020年6—7月，長(zhǎng)江中下游地區(qū)發(fā)生了歷史上極為罕見(jiàn)的超強(qiáng)梅雨天氣過(guò)程。本文采用中國(guó)氣象局自主研發(fā)的CMA-GEPS，開(kāi)展了中國(guó)超強(qiáng)梅雨天氣過(guò)程的預(yù)報(bào)能力分析。首先分析了超強(qiáng)梅雨爆發(fā)的相關(guān)影響系統(tǒng)，然后診斷評(píng)估了CMA-GEPS對(duì)梅汛期兩個(gè)主要影響系統(tǒng)西太平洋副高和東亞季風(fēng)的預(yù)報(bào)能力，并設(shè)計(jì)了一種基于空間和時(shí)間權(quán)重修正的鄰域方案TSWNP，針對(duì)8次典型大雨過(guò)程，對(duì)比分析了該方案對(duì)超強(qiáng)梅汛期大雨的概率預(yù)報(bào)能力。主要結(jié)論如下：

1）西北太平洋副高穩(wěn)定維持，夏季風(fēng)持續(xù)增強(qiáng)，低緯度地區(qū)形成強(qiáng)的水汽輸送帶，為超強(qiáng)梅汛期降水的發(fā)生提供了有力的動(dòng)力和水汽條件。

2）CMA-GEPS對(duì)中低緯度大尺度環(huán)流形勢(shì)配置有較好的預(yù)報(bào)能力，可提前12 d在預(yù)報(bào)中有所呈現(xiàn);對(duì)西太副高各指數(shù)的快速調(diào)整預(yù)報(bào)，可提前7～10 d在預(yù)報(bào)中有所呈現(xiàn);CMA-集合平均預(yù)報(bào)的西太副高強(qiáng)度偏弱，面積偏小，脊線位置偏南，西伸脊點(diǎn)偏東;CMA-集合平均預(yù)報(bào)技巧在西太副高強(qiáng)度和面積上與NCEP-集合預(yù)報(bào)技巧相當(dāng)，在脊線和西伸脊點(diǎn)預(yù)報(bào)上與ECMWF-集合預(yù)報(bào)技巧相當(dāng)。

3）CMA-GEPS對(duì)東亞夏季風(fēng)指數(shù)增強(qiáng)和衰退的周期性變化趨勢(shì)預(yù)報(bào)可提前7 d呈現(xiàn);預(yù)報(bào)的夏季風(fēng)指數(shù)強(qiáng)度偏弱;對(duì)東亞季風(fēng)指數(shù)的有效預(yù)報(bào)可提前9 d以上，較控制預(yù)報(bào)提前2 d。

4）針對(duì)梅汛期長(zhǎng)江中下游地區(qū)8次典型大雨天氣過(guò)程，CMA-GEPS在提前24 h及48 h預(yù)報(bào)上，控制預(yù)報(bào)能基本預(yù)報(bào)出8次大雨過(guò)程的強(qiáng)降水雨帶及雨帶位置南北移動(dòng)的趨勢(shì)，但存在強(qiáng)度偏弱，雨帶位置偏南的系統(tǒng)性偏差;單點(diǎn)概率預(yù)報(bào)較控制預(yù)報(bào)相比，結(jié)果明顯改善，但概率值偏低，仍存在一定程度的漏報(bào);TSWNP方案明顯提高了概率預(yù)報(bào)值，可預(yù)報(bào)出單點(diǎn)概率和控制預(yù)報(bào)漏報(bào)的區(qū)域，且Brier評(píng)分略優(yōu)于單點(diǎn)概率預(yù)報(bào)結(jié)果。綜合分析表明，TSWNP方案對(duì)大雨天氣過(guò)程的預(yù)報(bào)是有效且合理的。

本文是基于超強(qiáng)梅雨天氣背景下，給出了CMA-GEPS的預(yù)報(bào)性能和偏差。對(duì)于其他天氣氣候背景下，梅汛期降水的可預(yù)報(bào)性能力如何，還需要進(jìn)一步深入分析和討論;另外，TSWNP方案提高了CMA-GEPS對(duì)梅汛期典型大雨天氣過(guò)程的預(yù)報(bào)能力，減少了漏報(bào)的發(fā)生，但不可避免地增大了空?qǐng)?bào)率，如何設(shè)計(jì)最優(yōu)的鄰域半徑和修正權(quán)重系數(shù)，以得到更合理的概率預(yù)報(bào)結(jié)果，值得進(jìn)一步討論。

參考文獻(xiàn)（References）

Azadi M，Zakeri Z，2010.Probabilistic precipitation forecasting using a deterministic model output over Iran［J］.Res J Environ Sci，4（2）：138-148.doi：10.3923／rjes.2010.138.148.

陳靜，薛紀(jì)善，顏宏，2005.一種新型的中尺度暴雨集合預(yù)報(bào)初值擾動(dòng)方法研究［J］.大氣科學(xué)，29（5）：717-726. Chen J，Xue J S，Yan H，2005.A new initial perturbation method of ensemble mesoscale heavy rain prediction［J］.Chin J Atmos Sci，29（5）：717-726.（in Chinese）.

丁一匯，張建云，2009.暴雨洪澇［M］.北京：氣象出版社. Ding Y H，Zhang J Y，2009.Heavy rain fall and flood ［M］.Beijing：China Meteorological Press.（in Chinese）.

丁治英，王爽，高松，2017.一次華南雙雨帶暴雨中的位渦演變與雨帶間的相互作用［J］.大氣科學(xué)學(xué)報(bào)，40（5）：653-662. Ding Z Y，Wang S，Gao S，2017.Potential vorticity evolution of a double rainbands storm in South China and interactions between the rainbands［J］.Trans Atmos Sci，40（5）：653-662.doi：10.13878／j.cnki.dqkxxb.20151226002.（in Chinese）.

高守亭，周玉淑，冉令坤，2018.我國(guó)暴雨形成機(jī)理及預(yù)報(bào)方法研究進(jìn)展［J］.大氣科學(xué)，42（4）：833-846. Gao S T，Zhou Y S，Ran L K，2018.A review on the formation mechanisms and forecast methods for torrential rain in China［J］.Chin J Atmos Sci，42（4）：833-846.doi：10.3878／j.issn.1006-9895.1802.17277.（in Chinese）.

He J H，Sun C H，Liu Y Y，et al.，2007.Seasonal transition features of large-scale moisture transport in the Asian-Australian monsoon region［J］.Adv Atmos Sci，24（1）：1-14.doi：10.1007／s00376-007-0001-5.

黃紅艷，齊琳琳，劉健文，等，2016.多物理ETKF在暴雨集合預(yù)報(bào)中的初步應(yīng)用［J］.大氣科學(xué)，40（4）：657-668. Huang H Y，Qi L L，Liu J W，et al.，2016.Preliminary application of a multi-physical ensemble transform Kalman filter in precipitation ensemble prediction［J］.Chin J Atmos Sci，40（4）：657-668.doi：10.3878／j.issn.1006-9895.1508.14308.（in Chinese）.

矯梅燕，2010.天氣業(yè)務(wù)的現(xiàn)代化發(fā)展［J］.氣象，36（7）：1-4. Jiao M Y，2010.Modernization process of weather forecast［J］.Meteor Mon，36（7）：1-4.doi：10.7519／j.issn.1000-0526.2010.7.002.（in Chinese）.

李曉莉，劉永柱，2019.GRAPES全球奇異向量方法改進(jìn)及試驗(yàn)分析［J］.氣象學(xué)報(bào)，77（3）：552-562. Li X L，Liu Y Z，2019.The improvement of GRAPES global extratropical singular vectors and experimental study［J］.Acta Meteorol Sin，77（3）：552-562.doi：10.11676／qxxb2019.020.（in Chinese）.

李澤椿，畢寶貴，朱彤，等，2004.近30年中國(guó)天氣預(yù)報(bào)業(yè)務(wù)進(jìn)展［J］.氣象，30（12）：4-10. Li Z C，Bi B G，Zhu T，et al.，2004.Advances in operational weather forecast in China［J］.Meteor Mon，30（12）：4-10.doi：10.7519／j.issn.1000-0526.2004.12.002.（in Chinese）.

劉家峻，張立鳳，關(guān)吉平，等，2010.集合預(yù)報(bào)產(chǎn)品在臺(tái)風(fēng)麥莎預(yù)報(bào)中的應(yīng)用［J］.氣象，36（5）：21-31. Liu J J，Zhang L F，Guan J P，et al.，2010.Application of ensemble prediction products to the forecast of typhoon masta［J］.Meteor Mon，36（5）：21-31.（in Chinese）.

劉雪晴，陳靜，陳法敬，等，2020.降水鄰域集合概率方法尺度敏感性試驗(yàn)［J］.大氣科學(xué)，44（2）：282-296. Liu X Q，Chen J，Chen F J，et al.，2020.Scale sensitivity experiments of precipitation neighborhood ensemble probability method［J］.Chin J Atmos Sci，44（2）：282-296.doi：10.3878／j.issn.1006-9895.1903.18228.（in Chinese）.

劉蕓蕓，丁一匯，2020.2020年超強(qiáng)梅雨特征及其成因分析［J］.氣象，46（11）：1393-1404. Liu Y Y，Ding Y H，2020.Characteristics and possible causes for the extreme Meiyu in 2020［J］.Meteor Mon，46（11）：1393-1404.doi：10.7519／j.issn.1000-0526.2020.11.001.（in Chinese）.

劉蕓蕓，何金海，梁建茵，等，2006.亞澳季風(fēng)區(qū)水汽輸送季節(jié)轉(zhuǎn)換特征［J］.熱帶氣象學(xué)報(bào)，22（2）：138-146. Liu Y Y，He J H，Liang J Y，et al.，2006.Features of moisture transport in seasonal transition over Asian-Australian monsoon regions［J］.J Trop Meteorol，22（2）：138-146.doi：10.3969／j.issn.1004-4965.2006.02.005.（in Chinese）.

劉蕓蕓，李維京，艾婉秀，等，2012.月尺度西太平洋副熱帶高壓指數(shù)的重建與應(yīng)用 ［J］.應(yīng)用氣象學(xué)報(bào)，23 （4）：414-423. Liu Y Y，Li W J，Ai W X，et al.，2012.Reconstruction and application of the monthly western Pacific subtropical high indices ［J］.J Appl Meteor Sci，2012，23（4）：414-423.doi：10.11898／1001-7313.20120404.（in Chinese）.

劉永柱，沈?qū)W順，李曉莉，2013.基于總能量模的GRAPES全球模式奇異向量擾動(dòng)研究［J］.氣象學(xué)報(bào)，71（3）：517-526. Liu Y Z，Shen X S，Li X L，2013.Research on the singular vector perturbation of the GRAPES global model based on the total energy norm［J］.Acta Meteorol Sin，71（3）：517-526.doi：10.11676／qxxb2013.043.（in Chinese）.

潘旸，沈艷，宇婧婧，等，2015.基于貝葉斯融合方法的高分辨率地面-衛(wèi)星-雷達(dá)三源降水融合試驗(yàn)［J］.氣象學(xué)報(bào)，73（1）：177-186. Pan Y，Shen Y，Yu J J，et al.，2015.An experiment of high-resolution gauge-radar-satellite combined precipitation retrieval based on the Bayesian merging method［J］.Acta Meteorol Sin，73（1）：177-186.doi：10.11676／qxxb2015.010.（in Chinese）.

彭飛，李曉莉，陳靜，等，2019.GRAPES全球集合預(yù)報(bào)系統(tǒng)模式擾動(dòng)隨機(jī)動(dòng)能補(bǔ)償方案初步探究［J］.氣象學(xué)報(bào)，77（2）：180-195. Peng F，Li X L，Chen J，et al.，2019.A stochastic kinetic energy backscatter scheme for model perturbations in the GRAPES global ensemble prediction system［J］.Acta Meteorol Sin，77（2）：180-195.（in Chinese）.

史永強(qiáng)，張涵斌，劉郁玨，等，2022.隨機(jī)物理過(guò)程擾動(dòng)方案在克拉瑪依區(qū)域集合預(yù)報(bào)中的應(yīng)用研究［J］.大氣科學(xué)學(xué)報(bào)，45（6）：926-937. Shi Y Q，Zhang H B，Liu Y J，et al.，2022.Study on the application of stochastic perturbed physics tendency perturbation in the Regional Ensemble Prediction System of Kelamayi［J］.Trans Atmos Sci，45（6）：926-937.doi：10.13878／j.cnki.dqkxxb.20211121001.（in Chinese）.

陶詩(shī)言，衛(wèi)捷，張小玲，等，2008.2007年梅雨鋒降水的大尺度特征分析［J］.氣象，34（4）：3-15. Tao S Y，Wei J，Zhang X L，et al.，2008.Large-scale features of the Mei-yu front associated with heavy rainfall in 2007 ［J］.Meteor Mon，34（4）：3-15.（in Chinese）.

Theis S E，Hense A，Damrath U，2005.Probabilistic precipitation forecasts from a deterministic model：a pragmatic approach［J］.Meteor Appl，12（3）：257-268.doi：10.1017／S1350482705001763.

田瑩，葉成志，姚蓉，2022.2008—2018年江南暖區(qū)暴雨特征［J］.大氣科學(xué)學(xué)報(bào)，45（1）：51-64. Tian Y，Ye C Z，Yao R，2022.Statistical analysis of the characteristics of warm-sector rainstorms in the southern part of the Yangtze River during the period of 2008—2018 ［J］.Trans Atmos Sci，45（1）：51-64.doi：10.13878／j.cnki.dqkxxb.20210825001.（in Chinese）.

徐海明，何金海，周兵，2001.江淮入梅前后大氣環(huán)流的演變特征和西太平洋副高北跳西伸的可能機(jī)制［J］.應(yīng)用氣象學(xué)報(bào)，12（2）：150-158. Xu H M，He J H，Zhou B，2001.The features of atmospheric circulation during Meiyu onset and possible mehanisms for westward extension （northward shift） of Pacific subtropical high［J］.Quart J Appl Meteor，12（2）：150-158.doi：10.3969／j.issn.1001-7313.2001.02.003.（in Chinese）.

袁月，李曉莉，陳靜，等，2016.GRAPES區(qū)域集合預(yù)報(bào)系統(tǒng)模式不確定性的隨機(jī)擾動(dòng)技術(shù)研究［J］.氣象，42（10）：1161-1175. Yuan Y，Li X L，Chen J，et al.，2016.Stochastic parameterization toward model uncertainty for the GRAPES mesoscale ensemble prediction system［J］.Meteor Mon，42（10）：1161-1175.doi：10.7519／j.issn.1000-0526.2016.10.001.（in Chinese）.

張芳華，陳濤，張芳，等，2020.2020年6—7月長(zhǎng)江中下游地區(qū)梅汛期強(qiáng)降水的極端性特征［J］.氣象，46（11）：1405-1414. Zhang F H，Chen T，Zhang F，et al.，2020.Extreme features of severe precipitation in Meiyu period over the middle and lower reaches of Yangtze River Basin in June-July 2020［J］.Meteor Mon，46（11）：1405-1414.doi：10.7519／j.issn.1000-0526.2020.11.002.（in Chinese）.

張慶云，陶詩(shī)言，陳烈庭，2003.東亞夏季風(fēng)指數(shù)的年際變化與東亞大氣環(huán)流［J］.氣象學(xué)報(bào)，61（5）：559-568. Zhang Q Y，Tao S Y，Chen L T，2003.The inter-annual variability of east Asian summer monsoon indices and its association with the pattern of general circulation over east Asia［J］.Acta Meteorol Sin，61（5）：559-568.doi：10.3321／j.issn：0577-6619.2003.05.005.（in Chinese）.

鄭國(guó)光，矯梅燕，丁一匯，等，2019.中國(guó)氣候 ［M］.北京：氣象出版社. Zheng G G，Jiao M Y，Ding Y H，et al.，2019.Climate in China ［M］.Beijing：China Meteorological Press.（in Chinese）.

智協(xié)飛，黃聞，2019.基于卡爾曼濾波的中國(guó)區(qū)域氣溫和降水的多模式集成預(yù)報(bào)［J］.大氣科學(xué)學(xué)報(bào)，42（2）：197-206. Zhi X F，Huang W，2019.Multimodel ensemble forecasts of surface air temperature and precipitation over China by using Kalman filter［J］.Trans Atmos Sci，42（2）：197-206.doi：10.13878／j.cnki.dqkxxb.20181108001.（in Chinese）.

智協(xié)飛，董甫，張玲，等，2020.基于不同微物理過(guò)程的廣西沿海南風(fēng)型暖區(qū)暴雨的數(shù)值模擬研究［J］.大氣科學(xué)學(xué)報(bào)，43（5）：867-879. Zhi X F，Dong F，Zhang L，et al.，2020.Numerical simulation of southerly type warm-sector heavy rainfall in the coastal region of Guangxi using various cloud microphysics parameterization schemes in the WRF Model［J］.Trans Atmos Sci，43（5）：867-879.doi：10.13878／j.cnki.dqkxxb.20200106001.（in Chinese）.

周海，秦昊，吉璐瑩，等，2022.地面氣象要素多模式集成預(yù)報(bào)研究進(jìn)展［J］.大氣科學(xué)學(xué)報(bào)，45（6）：815-825. Zhou H，Qin H，Ji L Y，et al.，2022.Research progresses of multi-model ensemble forecast of surface meteorological elements［J］.Trans Atmos Sci，45（6）：815-825.doi：10.13878／j.cnki.dqkxxb.20211230001.（in Chinese）.

·ARTICLE·

Assessment of CMA-GEPS prediction capability for the extreme Meiyu process over China

QI Qianqian1，2，ZHU Yuejian3，CHEN Jing1，2，TONG Hua1，2，GUO Yunqian4

1CMA Earth System Modeling and Prediction Centre （CEMC），Beijing 100081，China;2State Key Laboratory of Severe Weather （LaSW），Beijing 100081，China;3National Oceanic and Atmospheric Administration （NOAA）／National Weather Service （NWS）／National Centers for Environ mental Prediction （NCEP）／Environmental Modeling Center（EMC），College Park，Maryland 20742，USA;4National Meteorological Center，Beijing 100081，China

Abstract This study evaluates the prediction capability of the Global Ensemble Prediction System in the China Meteorological Administration （CMA-GEPS） for the extreme Meiyu process over China in 2020.Results show that during the Meiyu season，the strong and stable western Pacific subtropical high （WPSH） and the gradually strengthened East Asian summer monsoon provide favorable dynamic and moisture conditions for strong rainfall.The CMA-GEPS can skillfully forecast the evolution trend of the WPSH index with 7—9 leading days.The prediction skills of the WPSH strength and area are about the same level as the results from the NCEP ensemble prediction system，and the WPSH strength presents a weaker bias compared with the observation.The CMA-GEPS prediction skills for the ridge line and the western ridge point index are comparable to the results from the ECMWF ensemble prediction system，and the forecasting bias is mainly attributed to the more southward location of the ridge line and the more eastward center position of the western boundary.For the East Asian summer monsoon，CMA-GEPS can skillfully predict the index with 9 leading days，which is two days earlier than the control forecast.The CMA-GEPS control forecasting bias is mainly attributed to the weaker precipitation intensity and more southward location of the strong rainfall belt;it also fails to predict heavy rain in some regions in the middle and lower reaches of the Yangtze River.The Time-Spatial Weight Ensemble Probability （TSWNP） scheme improves the prediction skills related to heavy rain with CMA-GEPS，and the scheme reduces the occurrence of missing precipitation predictions.The results of precipitation probability prediction are verified by observation and Brier scores，indicating that the TSWNP scheme is superior to the original single-point ensemble probability forecast method and the control forecast，and also has good application value for heavy storm prediction in the Meiyu period.

Keywords extreme Meiyu process;western Pacific subtropical high;East Asian summer monsoon;CMA-GEPS;TSWNP scheme

doi：10.13878／j.cnki.dqkxxb.20220306001

（責(zé)任編輯：劉菲）