臺風(fēng)“杜蘇芮”2305影響福建期間DSAEF_LTP模型降水預(yù)報(bào)檢驗(yàn)

摘要 為了評估改進(jìn)的動(dòng)力統(tǒng)計(jì)相似集合預(yù)報(bào)登陸臺風(fēng)降水模型（Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation，DSAEF_LTP）在2023年第5號超強(qiáng)臺風(fēng)“杜蘇芮”影響福建地區(qū)的表現(xiàn)，對其預(yù)報(bào)的臺風(fēng)過程降水量進(jìn)行常規(guī)檢驗(yàn)和空間檢驗(yàn)，并與歐洲中期天氣預(yù)報(bào)中心（European Centre for MediumRange Weather Forecasts，ECMWF）數(shù)值預(yù)報(bào)降水產(chǎn)品（以下簡記為“ECMWF”）、福建省氣象局最優(yōu)TS（threat score）評分訂正法（optimal TS，OTS）訂正降水產(chǎn)品（以下簡記為“FZECMOS”）結(jié)果進(jìn)行對比。分析表明：（1）DSAEF_LTP模型對福建沿海強(qiáng)降水落區(qū)和東北部強(qiáng)降水中心的預(yù)報(bào)接近實(shí)況，100 mm及以上和250 mm及以上等極端降水量TS評分比ECMWF和FZECMOS提升明顯，但DSAEF_LTP模型存在特大暴雨預(yù)報(bào)范圍顯著偏小等缺點(diǎn)。（2）在100 mm及以上和250 mm及以上量級，MODE（Method for Objectbased Diagnostic Evaluation）空間檢驗(yàn)顯示，DSAEF_LTP模型在整體相似度上明顯優(yōu)于ECMWF和FZECMOS，尤其在對孤立小區(qū)域強(qiáng)降水的預(yù)報(bào)性能方面表現(xiàn)出色。（3）隨著降水檢驗(yàn)量級的增加，DSAEF_LTP模型預(yù)報(bào)產(chǎn)品與實(shí)況重疊面積之比也增大，表明DSAEF_LTP模型在極端降水方面的預(yù)報(bào)效果更加突出。（4）DSAEF_LTP模型還能夠根據(jù)最新的相似路徑實(shí)況和預(yù)報(bào)，調(diào)整篩選歷史相似臺風(fēng)，合理保留相似臺風(fēng)及其降水分布，使得集合預(yù)報(bào)效果得以改善。

關(guān)鍵詞 DSAEF_LTP模型；臺風(fēng)“杜蘇芮”；臺風(fēng)過程降水量；預(yù)報(bào)檢驗(yàn)

中圖分類號： P732.7;P457.6文獻(xiàn)標(biāo)志碼： A文章編號： 20963599（2025）01004514

DOI：10.19513/j.cnki.hyqxxb.20240426001

Abstract To assess the performance of the improved Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation （DSAEF_LTP model） during the impact of Super Typhoon Doksuri （2305） on the Fujian region， the forecast typhoon precipitation by the DSAEF_LTP model is evaluated by using conventional and spatial verification methods. The results are compared with the ECMWF （European Centre for MediumRange Weather Forecasts） numerical prediction products （hereafter referred to as ECMWF） and the revised precipitation products of Fujian Meteorological Service based on OTS （optimal threat score） （hereafter referred to as FZECMOS）. The main findings are summarized as follows. （1） The DSAEF_LTP model forecast of intense precipitation distribution in the coastal areas of Fujian and the intense precipitation center in the northeastern part of Fujian closely align with actual observations. The TS values of the DSAEF_LTP model show significant improvement compared to ECMWF and FZECMOS at the precipitation equal to or greater than 100/250 mm. However， the DSAEF_LTP model has shortcomings such as a significantly smaller forecast area for very heavy rainstorm. （2） At the precipitation equal to or greater than 100/250 mm， the spatial verification results of MODE （Method for Objectbased Diagnostic Evaluation） reveal that the DSAEF_LTP model outperforms ECMWF and FZECMOS in overall similarity， particularly in forecasting intense precipitation in isolated small areas. （3） As the magnitude of precipitation increases， the overlap area between the DSAEF_LTP model forecast products and the observations also increases， indicating the model’s effectiveness in forecasting extreme precipitation. （4） The DSAEF_LTP model demonstrates its ability to flexibly adjust and screen historically similar TCs （tropical cyclones） according to the latest observations and forecast of tracks， allowing for the reasonable retention of similar TCs and their associated precipitation distributions， which enhances the effect of ensemble forecast.

Keywords DSAEF_LTP model （Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation）; Typhoon Doksuri; typhoon precipitation; verification of forecast

引言

臺風(fēng)所帶來的強(qiáng)降水可能引發(fā)山洪、泥石流以及城市內(nèi)澇等次生災(zāi)害，對沿海城市的人民生命財(cái)產(chǎn)安全構(gòu)成嚴(yán)重威脅。福建位于中國東南沿海，擁有漫長的海岸線，使得西北太平洋臺風(fēng)有較高的登陸概率或?qū)υ搮^(qū)域產(chǎn)生顯著影響［1-2］。因此，迫切需要提高登陸熱帶氣旋（landfalling tropical cyclone，LTC）降水，尤其是極端降水的準(zhǔn)確預(yù)報(bào)能力，以加強(qiáng)對此類復(fù)合災(zāi)害事件的預(yù)測和應(yīng)對。

數(shù)值天氣預(yù)報(bào)模式能夠提供臺風(fēng)登陸期間的降水預(yù)報(bào)產(chǎn)品。此外，還有專門針對臺風(fēng)預(yù)報(bào)的數(shù)值模式，如國家氣象中心基于中尺度數(shù)值模式（China Meteorological Administration Mesoscale Model，以下簡記為“CMAMESO”）開發(fā)的區(qū)域臺風(fēng)數(shù)值預(yù)報(bào)系統(tǒng)（China Meteorological Administration_Regional Mesoscale Typhoon Numerical Prediction System，以下簡記為“CMATYM”）［3］。相關(guān)的檢驗(yàn)表明，CMATYM在120 h內(nèi)的路徑和強(qiáng)度預(yù)報(bào)方面接近國際水平，在實(shí)際業(yè)務(wù)中具有重要的參考價(jià)值［4］。廣州熱帶海洋氣象研究所開發(fā)并業(yè)務(wù)運(yùn)行的南海臺風(fēng)模式（Tropical Regional Assimilation Model for the South China Sea，簡記為“TRAMS”）主要用于為華南沿海地區(qū)提供南海區(qū)域的臺風(fēng)業(yè)務(wù)數(shù)值預(yù)報(bào)產(chǎn)品［5］。此外，經(jīng)過訂正的數(shù)值模式降水預(yù)報(bào)產(chǎn)品和人工智能降水量預(yù)報(bào)產(chǎn)品也在登陸臺風(fēng)降水中得到廣泛應(yīng)用。例如，姜麗黎等［6］采用動(dòng)力與統(tǒng)計(jì)相結(jié)合的方法，對25個(gè)登陸中國的臺風(fēng)引起的極端降水事件進(jìn)行概率預(yù)報(bào)研究，結(jié)果顯示該方法具有一定的預(yù)報(bào)技巧，能準(zhǔn)確預(yù)報(bào)多數(shù)站點(diǎn)的極端降水，但預(yù)報(bào)范圍略偏大，空報(bào)率較高。Ren等［7-8］、Jia等［9］提出動(dòng)力統(tǒng)計(jì)相似集合預(yù)報(bào)（Dynamical-Statistical-Analog Ensemble Forecast，DSAEF）理論，初步建立登陸臺風(fēng)降水（landfalling typhoon precipitation，LTP）預(yù)報(bào)的DSAEF_LTP模型，通過在華東、華南及全國范圍的試驗(yàn)和檢驗(yàn)，表明該模型在臺風(fēng)極端降水應(yīng)用方面相對于國內(nèi)外數(shù)值模式有明顯優(yōu)勢［10-13］。Su等［14］在模型中引入臺風(fēng)強(qiáng)度篩選因子，增加區(qū)域相似因子，并改進(jìn)了集合預(yù)報(bào)方案，利用改進(jìn)后的DSAEF_LTP模型進(jìn)行登陸福建臺風(fēng)降水預(yù)報(bào)對比試驗(yàn)，從而建立了影響福建的臺風(fēng)降水預(yù)報(bào)模型。

2305號臺風(fēng)“杜蘇芮”于2023年7月28日登陸福建泉州，影響中國東部14省（區(qū)、市），造成嚴(yán)重災(zāi)害損失。在臺風(fēng)降水影響前，數(shù)值模式預(yù)報(bào)顯示該次臺風(fēng)對福建地區(qū)有造成強(qiáng)降水的可能性，Su等［14］改進(jìn)后的DSAEF_LTP模型也在此次強(qiáng)降水過程中實(shí)現(xiàn)業(yè)務(wù)化運(yùn)行，提供“杜蘇芮”臺風(fēng)過程的降水量預(yù)報(bào)產(chǎn)品。此文對改進(jìn)后的DSAEF_LTP模型預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)，與數(shù)值模式產(chǎn)品、客觀訂正產(chǎn)品進(jìn)行對比，以評估模型產(chǎn)品的性能，并為模型的進(jìn)一步改進(jìn)提供方向，目的是提高臺風(fēng)過程降水量客觀預(yù)報(bào)水平。

1臺風(fēng)概況

2305號臺風(fēng)“杜蘇芮”于2023年7月21日08時(shí)（北京時(shí)，下同）生成，其路徑和強(qiáng)度見圖1。“杜蘇芮”生成后穩(wěn)定向西偏北方向移動(dòng)，并于28日09：55在泉州晉江沿海登陸，登陸時(shí)為強(qiáng)臺風(fēng)級，中心最大風(fēng)力為15級（50 m·s-1）。“杜蘇芮”登陸后強(qiáng)度逐漸減弱，并繼續(xù)向北偏西方向移動(dòng)橫穿福建，于28日22時(shí)前后進(jìn)入江西境內(nèi)［15-16］。“杜蘇芮”對福建的影響嚴(yán)重，臺風(fēng)移動(dòng)路徑繞過菲律賓呂宋島和中國臺灣島，內(nèi)核結(jié)構(gòu)保持較為完整，最終正面登陸閩南沿海，風(fēng)雨的破壞力給福建帶來巨大損失。

受臺風(fēng)“杜蘇芮”直接登陸影響，7月26—29日福建沿海普降暴雨到大暴雨，局地特大暴雨。福州市區(qū)、閩侯、莆田市區(qū)、仙游、泉州南安日降雨量超過1961年以來歷史極值紀(jì)錄，莆田市區(qū)日降雨量破全省國家級氣象觀測站最大日降雨量歷史紀(jì)錄。臺風(fēng)“杜蘇芮”共造成福建266.69萬人受災(zāi)，農(nóng)作物受災(zāi)面積達(dá)37 396.27 hm2，倒塌和嚴(yán)重?fù)p壞房屋3 357間，直接經(jīng)濟(jì)損失達(dá)147.55億元。

2數(shù)據(jù)和方法

2.1資料

鑒于主要降水時(shí)段為“杜蘇芮”臺風(fēng)登陸前的外圍螺旋雨帶降水和臺風(fēng)登陸后的本體降水及尾流降水，此研究中實(shí)況和用于對比分析的數(shù)值模式降水總量的統(tǒng)計(jì)時(shí)段為2023年7月26日08時(shí)—29日08時(shí)。所用資料包括：

（1）1960—2018年中國2 027個(gè)國家級氣象觀測站逐日（20時(shí)—次日20時(shí)）降水資料，該資料包括福建地區(qū)的66個(gè)地面站點(diǎn)數(shù)據(jù)。

（2）2023年7月26日08時(shí)—29日08時(shí)臺風(fēng)“杜蘇芮”影響期間福建地區(qū)66個(gè)地面站點(diǎn)降水?dāng)?shù)據(jù)，該地面站點(diǎn)與（1）中站點(diǎn)位置一致。

（3）1979年以來歐洲中期天氣預(yù)報(bào)中心（European Centre for MediumRange Weather Forecasts，ECMWF）ERA5資料（https：//cds.climate.copernicus.eu/）中的風(fēng)場、位勢高度場和水汽等數(shù)據(jù)。

（4）DSAEF_LTP模型降水預(yù)報(bào)結(jié)果和數(shù)值模式產(chǎn)品及訂正預(yù)報(bào)產(chǎn)品。利用改進(jìn)后的DSAEF_LTP模型生成臺風(fēng)“杜蘇芮”影響福建的過程降水預(yù)報(bào)產(chǎn)品，預(yù)報(bào)起報(bào)時(shí)間為7月25日08時(shí)，預(yù)報(bào)時(shí)效為96 h。使用的對比預(yù)報(bào)產(chǎn)品是ECMWF數(shù)值預(yù)報(bào)降水量預(yù)報(bào)產(chǎn)品（以下簡記為“ECMWF”）和福建省氣象局利用最優(yōu)TS（threat score）評分訂正法（optimal TS，OTS；即“福建OTS算法”）生成的訂正降水產(chǎn)品［17］，該降水產(chǎn)品為訂正后的ECMWF降水預(yù)報(bào)產(chǎn)品（以下簡記為“FZECMOS”）。ECMWF和FZECMOS的水平分辨率分別為9 km×9 km和3 km×3 km。在對比檢驗(yàn)中，將上述兩類數(shù)據(jù)插值到本節(jié)（1）中所述福建地區(qū)站點(diǎn)上。ECMWF的起報(bào)時(shí)間為7月24日20時(shí)，過程降水預(yù)報(bào)時(shí)效為108 h；FZECMOS的起報(bào)時(shí)間為7月25日08時(shí)，過程降水預(yù)報(bào)時(shí)效為96 h。

（5）所使用的臺風(fēng)最佳路徑資料集來自中國氣象局上海臺風(fēng)研究所，數(shù)據(jù)包括每6 h的臺風(fēng)位置和強(qiáng)度［18］，時(shí)間為1960—2018年。臺風(fēng)“杜蘇芮”的實(shí)時(shí)路徑采用中央氣象臺實(shí)時(shí)下發(fā)的報(bào)文信息（http：//www.nmc.cn/publish/typhoon/message.html），路徑預(yù)報(bào)信息采用中央氣象臺主觀路徑預(yù)報(bào)。[HJ2.35mm]

2.2方法

2.2.1DSAEF_LTP模型

文中所使用的DSAEF_LTP模型運(yùn)行過程主要有以下4個(gè)步驟（圖2）：獲取目標(biāo)熱帶氣旋（tropical cyclone，TC；對其進(jìn)行過程降水預(yù)報(bào)的TC）路徑、構(gòu)建廣義初值、初值相似性判別、LTC降水集合預(yù)報(bào)。第一是將起報(bào)時(shí)刻之前的目標(biāo)TC觀測路徑和之后的目標(biāo)TC預(yù)報(bào)路徑相結(jié)合，構(gòu)成目標(biāo)TC的完整路徑，其中預(yù)報(bào)路徑采用基于中央氣象臺主觀預(yù)報(bào)的TC路徑預(yù)報(bào)結(jié)果。第二是構(gòu)建廣義初值，即構(gòu)建對目標(biāo)TC過程降水有影響的若干變量的初值。除了路徑這一重要特征外，還有許多其他特征，如TC登陸季節(jié)、TC其他自身特征（如強(qiáng)度、移速、結(jié)構(gòu)等）和環(huán)境場特征（如季風(fēng)、副熱帶高壓、急流等）對于TC降水的形成十分重要，故需要逐步將這些特征的相似性（季節(jié)相似、TC強(qiáng)度相似、TC移速相似、TC結(jié)構(gòu)相似、季風(fēng)相似、副熱帶高壓相似等）考慮進(jìn)來。第三是初值相似性判別。在既定的相似性區(qū)域內(nèi)，計(jì)算目標(biāo)TC與所有歷史TC（1960年以來，目標(biāo)TC之前）路徑之間的TC路徑相似面積指數(shù)（track similarity area index，TSAI）并升序排列，TSAI越小說明兩條路徑間相似程度越高；在路徑相似的基礎(chǔ)上，依次判別目標(biāo)TC與歷史TC登陸季節(jié)、強(qiáng)度和移速等的相似性，以剔除與目標(biāo)TC登陸季節(jié)、強(qiáng)度和移速等差異較大的歷史TC。第四是LTC降水集合預(yù)報(bào)，采用優(yōu)化改進(jìn)后的集合方案將篩選后的若干個(gè)最佳相似TC所對應(yīng)的歷史TC風(fēng)場進(jìn)行集合，從而得到目標(biāo)TC的過程降水預(yù)報(bào)結(jié)果。

對于單個(gè)TC而言，每個(gè)參數(shù)都有多種取值方式，不同取值將產(chǎn)生大量組合，一種組合即一種預(yù)報(bào)方案，理想狀態(tài)下參數(shù)間的隨機(jī)組合可生成數(shù)百萬套預(yù)報(bào)方案［14］。文中所使用的DSAEF_LTP模型與Ren等［7-8］建立的原模型相比，主要在相似區(qū)域和集合預(yù)報(bào)方案方面做了改進(jìn)。

圖3中黑色框所示范圍（ABCD）為原先模型相似區(qū)域，參數(shù)主要含義為：由C點(diǎn)的起報(bào)位置與對角點(diǎn)A最大預(yù)報(bào)時(shí)刻TC預(yù)報(bào)位置所圍成的矩形范圍為相似臺風(fēng)的搜尋區(qū)域，共15種取值方式。原先參數(shù)主要基于實(shí)況加預(yù)報(bào)路徑所組成的矩形范圍，存在相似區(qū)域偏小且偏東偏南，因此在預(yù)報(bào)臺風(fēng)路徑的基礎(chǔ)上采用擴(kuò)大固定搜索范圍的方式調(diào)整相似區(qū)域取值，考慮到西北太平洋臺風(fēng)最大直徑在2 000 km左右，故選取2 000 km的正方形。新的相似區(qū)域應(yīng)主要向西、向北擴(kuò)大，對相似區(qū)域增加5種新的取值方式，A1B1為2 000 km，B和B1的中點(diǎn)為B2、D和D1的中點(diǎn)為D2，其他線段長度由計(jì)算獲得。圖3為相似區(qū)域的示意圖，新取值方式分別為：（1）A1B1C1D1（紅色框）是邊長為2 000 km的正方形，將此作為相似區(qū)域的第16種取值方式；（2）A2B2C2D2（綠色框）為第17種取值方式；（3）A3B3C3D3[KG-2mm]為第18種取值方式；（4）A4B4C4D4為第19種取值方式；（5）A5B5C5D5為第20種取值方式。

在DSAEF_LTP模型的LTC降水集合預(yù)報(bào)步驟上，原來只有平均值和最大值2種集合預(yù)報(bào)方法，此研究考慮了基于站點(diǎn)集合和場集合2類集合方式，新增4種集合方法，包括最優(yōu)百分位方法、概率匹配平均、等差權(quán)重集合平均、基于TSAI的非等差權(quán)重集合平均，方法具體說明見表1［10］。

（2）空間檢驗(yàn)方法。采用基于目標(biāo)的診斷檢驗(yàn)方法。MODE（Method for Objectbased Diagnostic Evaluation）方法是Davis等［22］發(fā)展的一種基于目標(biāo)的診斷評估方法。MODE空間檢驗(yàn)通過降水量閾值設(shè)定，從預(yù)報(bào)和實(shí)況氣象要素場中篩選出滿足閾值的降水場目標(biāo)，進(jìn)而對預(yù)報(bào)和實(shí)況場篩選出的降水場目標(biāo)進(jìn)行目標(biāo)對匹配和分析，再對降水場目標(biāo)的特征參數(shù)（如質(zhì)心距離、軸角差、面積比、長短軸差等）進(jìn)行合理配置，計(jì)算每組目標(biāo)對的匹配度參數(shù)、獨(dú)立屬性及匹配目標(biāo)對的診斷量，從而診斷出預(yù)報(bào)場和實(shí)況場的空間特性差異及模式預(yù)報(bào)誤差屬性［23］。國家氣象中心已將MODE方法集成到天氣預(yù)報(bào)全流程檢驗(yàn)評估程序庫（Meteorological Evaluation Program Library，以下簡記為“MetEva”）中，此研究主要基于MetEva 1.7.5版本的MODE檢驗(yàn)工具開展相關(guān)研究［24］。

3結(jié)果分析

改進(jìn)的DSAEF_LTP模型在臺風(fēng)“杜蘇芮”生成后和影響福建期間實(shí)時(shí)業(yè)務(wù)運(yùn)行；每日上午定時(shí)運(yùn)行，每次根據(jù)當(dāng)日08時(shí)的臺風(fēng)實(shí)時(shí)路徑和預(yù)報(bào)路徑及模型的參數(shù)方案按照流程篩選相似臺風(fēng)，并生成臺風(fēng)“杜蘇芮”過程降水預(yù)報(bào)產(chǎn)品。以下從常規(guī)檢驗(yàn)、降水落區(qū)空間檢驗(yàn)和相似臺風(fēng)路徑降水分布等方面檢驗(yàn)?zāi)Ｐ偷膶?shí)時(shí)降水預(yù)報(bào)性能。

3.1常規(guī)檢驗(yàn)對比

對比分析DSAEF_LTP模型的降水預(yù)報(bào)結(jié)果和ECMWF數(shù)值模式及客觀訂正產(chǎn)品FZECMOS的VTS（圖4a）。（1）在25 mm及以上量級，F(xiàn)ZECMOS的VTS最高，達(dá)0.79；DSAEF_LTP模型的VTS次之，為0.78； ECMWF的VTS緊隨其后，為0.76。三者的差距微小。（2）在50 mm及以上量級，F(xiàn)ZECMOS和DSAEF_LTP模型的結(jié)果相近，VTS均為0.65～0.66，但ECMWF的VTS只有0.52，明顯小于前二者。（3）在100 mm及以上量級，DSAEF_LTP模型排名第一，其VTS為0.54，而第二名的FZECMOS評分只有0.45，ECMWF的評分更是下降到0.26，DSAEF_LTP模型的預(yù)報(bào)能力分別比FZECMOS和ECMWF提高20%和108%。（4）在250 mm及以上量級，ECMWF的VTS為0，顯示該數(shù)值模式對于臺風(fēng)“杜蘇芮”的極端降水沒有預(yù)報(bào)能力；而DSAEF_LTP模型的VTS達(dá)到0.25，遠(yuǎn)遠(yuǎn)超過FZECMOS的0.095，是FZECMOS評分的2.6倍。

在漏報(bào)率方面（圖4b），DSAEF_LTP模型的表現(xiàn)也十分穩(wěn)定，所有量級的漏報(bào)率數(shù)值都是最低的。在100 mm及以上量級，VMR為44%；在250 mm及以上量級，VMR也只有33%。

在空報(bào)率方面（圖4c），在100 mm及以上量級，DSAEF_LTP模型和FZECMOS的VFAR是相同的，為3%；在250 mm及以上量級，DSAEF_LTP模型的VFAR最小，為71%；而ECMWF的VFAR為100%，F(xiàn)ZECMOS的VFAR也達(dá)到75%。DSAEF_LTP模型較2個(gè)對比產(chǎn)品取得了極佳的預(yù)報(bào)效果。可以看出，在100 mm及以上和250 mm及以上的量級表現(xiàn)方面，DSAEF_LTP模型的預(yù)報(bào)結(jié)果比動(dòng)力數(shù)值模式和其他客觀訂正產(chǎn)品展現(xiàn)出更高的預(yù)報(bào)準(zhǔn)確率和更小的空報(bào)率、漏報(bào)率，驗(yàn)證了該模型與所用參數(shù)在實(shí)際業(yè)務(wù)中能夠取得與建模試驗(yàn)一致的預(yù)報(bào)效果。

3.2降水落區(qū)空間檢驗(yàn)對比

由2023年7月26日08時(shí)—28日08時(shí)福建地區(qū)臺風(fēng)“杜蘇芮”過程累計(jì)降水量分布（圖5a）來看，主要降水出現(xiàn)在福建中北部沿海地區(qū)，呈帶狀分布，降水中心出現(xiàn)在福建中部的莆田和泉州東北部，過程降水量超過500 mm，達(dá)到特大暴雨量級；大暴雨量級的降水則覆蓋廈門以北的福建沿海地區(qū)，寧德市區(qū)、柘榮、福州市區(qū)、閩侯、莆田市區(qū)、仙游、泉州南安等地的過程降水量為250～400 mm。DSAEF_LTP模型預(yù)報(bào)（圖5b）的主要降水中心出現(xiàn)在福建沿海和三明龍巖交界，達(dá)到大暴雨以上量級；寧德市區(qū)、柘榮、福州北部等地預(yù)報(bào)的降水中心降水量超過250 mm，為大暴雨量級。可以看出，DSAEF_LTP模型預(yù)報(bào)的過程累計(jì)降水量雖然在福建西南部的龍巖和三明交界地區(qū)預(yù)報(bào)值偏大，但基本預(yù)測出沿海強(qiáng)降水雨帶的特征，在福建北部沿海降水中心也有較好的對應(yīng)，但泉州、莆田等福建中部降水中心區(qū)域預(yù)報(bào)量偏小，特大暴雨預(yù)報(bào)范圍顯著偏小，500 mm以上極端降水更是出現(xiàn)漏報(bào)。由ECMWF 25日20時(shí)起報(bào)的累計(jì)降水量（圖5c）來看，其預(yù)報(bào)的大暴雨落區(qū)主要位于福建中南部，降水中心位于福建南部的漳州和廈門，但在福建中北部沿海，ECMWF預(yù)報(bào)的降水量為25～100 mm，與實(shí)況偏差較大。FZECMOS（圖5d）預(yù)報(bào)的大暴雨落區(qū)偏大，基本覆蓋福建全省，其降水預(yù)報(bào)中心為廈門附近，為250～500 mm，福建北部的沿海降水中心沒有體現(xiàn)，仍僅有大暴雨量級。

以上定性分析了降水預(yù)報(bào)的空間分布特征，為了定量對比降水預(yù)報(bào)空間分布的優(yōu)劣，采用MODE方法進(jìn)行空間檢驗(yàn)，檢驗(yàn)DSAEF_LTP模型預(yù)報(bào)和對比模型的降水空間分布特征和預(yù)報(bào)性能。文中MODE方法采用檢驗(yàn)閾值累計(jì)降水量不小于100 mm和不小于250 mm。圖6為累計(jì)降水量不小于100 mm的實(shí)況和預(yù)報(bào)目標(biāo)匹配分布情況。可以看出，3個(gè)預(yù)報(bào)場的目標(biāo)物均找到了匹配對象，且沒有出現(xiàn)空報(bào)和未配對的情況。3個(gè)預(yù)報(bào)場的目標(biāo)物大小不一，由表3可以看出，DSAEF_LTP模型的降水目標(biāo)物在目標(biāo)質(zhì)心距離（觀測與預(yù)報(bào)之差的絕對值）上為0.609，目標(biāo)角度差（觀測與預(yù)報(bào)之差的絕對值）為5.043，目標(biāo)面積比（觀測與預(yù)報(bào)之比）為63.8%，重疊面積比（觀測與預(yù)報(bào)之比）為73.6%，誤差遠(yuǎn)小于其他2個(gè)對比產(chǎn)品；DSAEF_LTP模型的降水目標(biāo)物匹配相似度達(dá)到91.5%，遠(yuǎn)高于ECMWF和FZECMOS的75.4%和76.2%。這說明DSAEF_LTP模型的累計(jì)降水預(yù)報(bào)在空間分布形狀、走向和落區(qū)等方面與實(shí)況的相關(guān)性較好，該目標(biāo)物的預(yù)報(bào)好于其他預(yù)報(bào)。

圖7為累計(jì)降水量250 mm及以上的實(shí)況和預(yù)報(bào)目標(biāo)匹配分布情況，其中圖7a、b、c均為相同的實(shí)況場，但在不同預(yù)報(bào)場的匹配中對應(yīng)不同的目標(biāo)編號（用圖中數(shù)字表示），不同顏色表示配對情況。可以看出，實(shí)況觀測場（圖7a）識別出了3個(gè)目標(biāo)物，DSAEF_LTP模型預(yù)報(bào)了目標(biāo)1和目標(biāo)2（圖7d），但出現(xiàn)1個(gè)漏報(bào)目標(biāo)物，在福建中部沿海莆田地區(qū)；ECMWF（圖7e）和FZECMOS（圖7f）均漏報(bào)2個(gè)目標(biāo)物，只匹配到最南側(cè)的漳州附近目標(biāo)；因此，DSAEF_LTP模型有更優(yōu)的匹配目標(biāo)結(jié)果。在配對的目標(biāo)物屬性或比值上（表4），DSAEF_LTP模型的目標(biāo)2整體相似度達(dá)92.5%，質(zhì)心距離為0.027，目標(biāo)面積比為100%，重疊面積比為84.6%。目標(biāo)2為寧德柘榮站，在遠(yuǎn)離大范圍強(qiáng)降水區(qū)域的獨(dú)立小區(qū)域內(nèi)，DSAEF_LTP模型準(zhǔn)確預(yù)報(bào)，顯示出了DSAEF_LTP模型的優(yōu)越性。對于目標(biāo)1，DSAEF_LTP模型整體相似度為63.6%，目標(biāo)面積比為4.1%，重疊面積比為7.8%，與實(shí)況觀測場（圖7a）相似程度較差，這主要是由DSAEF_LTP模型在該區(qū)域預(yù)報(bào)250 mm及以上降水落區(qū)偏小造成的。對于目標(biāo)3，DSAEF_LTP模型則出現(xiàn)了漏報(bào)。相較于DSAEF_LTP模型，ECMWF（圖7e）和FZECMOS（圖7f）均只有1個(gè)匹配對象，ECMWF的目標(biāo)1整體相似度只有28.2%，目標(biāo)質(zhì)心距離比DSAEF_LTP模型的2個(gè)目標(biāo)都大；由目標(biāo)降水分布（圖7e）可以看出，ECMWF目標(biāo)1位于實(shí)況觀測場（圖7b）目標(biāo)1的西南方向，重疊面積比甚至為0，這意味著該目標(biāo)完全脫離了實(shí)況場。因此，雖然ECMWF報(bào)出了250 mm及以上的強(qiáng)降水落區(qū)，但落區(qū)的完全偏離將導(dǎo)致防范效果的偏差。FZECMOS（圖7f）的目標(biāo)1整體相似度為72.2%，相較于實(shí)況場（圖7c），其預(yù)報(bào)面積過大，與觀測重疊面積比只有19.4%，這將導(dǎo)致空報(bào)率和漏報(bào)率均較大。

由100 mm及以上（表3）和250 mm及以上（表4）量級的比較來看，隨著降水量級的增大，DSAEF_LTP模型的整體相似度（最佳目標(biāo)）維持在92%左右，重疊面積比也從73.6%增長到84.6%；但ECMWF和FZECMOS的整體相似度卻出現(xiàn)下降，重疊面積比例下降嚴(yán)重，甚至降為0。因此可以看出，DSAEF_LTP模型在極端降水方面有更加優(yōu)異的表現(xiàn)。

由以上空間分布檢驗(yàn)分析可以看出，在臺風(fēng)“杜蘇芮”過程的降水預(yù)報(bào)中，DSAEF_LTP模型均有突出的表現(xiàn)，不僅在整體相似度上優(yōu)于ECMWF和FZECMOS，而且對于孤立小區(qū)域的強(qiáng)降水也有優(yōu)異的預(yù)報(bào)性能。通過100 mm及以上和250 mm及以上量級的比較可以看出，對于更極端降水（降水量不小于250 mm），DSAEF_LTP模型預(yù)報(bào)能力有更大的提升。這體現(xiàn)出DSAEF_LTP模型預(yù)報(bào)降水在強(qiáng)度、落區(qū)、結(jié)構(gòu)等方面具有優(yōu)勢。

3.3DSAEF_LTP模型相似臺風(fēng)路徑和降水分布

為了了解DSAEF_LTP模型對此次臺風(fēng)過程降水預(yù)報(bào)能力較好的原因，從模型篩選出的相似臺風(fēng)入手，分析相似臺風(fēng)的路徑以及降水分布對最終模型集合預(yù)報(bào)的影響。

首先，分析DSAEF_LTP模型篩選出的與“杜蘇芮”臺風(fēng)最相似的前10個(gè)歷史臺風(fēng)。在24日的預(yù)報(bào)（圖8a）中，臺風(fēng)“杜蘇芮”起報(bào)時(shí)刻實(shí)況位置位于呂宋島東部海域，模型篩選出的相似個(gè)例大部分經(jīng)過巴士海峽并北上臺灣海峽登陸福建沿海，登陸點(diǎn)較為分散，全省南北沿海均有相似臺風(fēng)登陸。25日（圖8b），臺風(fēng)“杜蘇芮”起報(bào)時(shí)刻實(shí)況位置靠近呂宋島北部沿海，模型篩選的相似臺風(fēng)路徑在巴士海峽附近較24日更為集中，且2次預(yù)報(bào)在福建地區(qū)登陸位置基本相似。24日08時(shí)，中央氣象臺主觀路徑預(yù)測27日20時(shí)之前臺風(fēng)路徑平均偏差為136.8 km，而25日08時(shí)的預(yù)報(bào)值為77.5 km，較之前偏差減小43%。路徑偏差的減小為DSAEF_LTP模型選取更相似臺風(fēng)打下重要基礎(chǔ)。

在25日的預(yù)報(bào)（圖8b）中，根據(jù)臺風(fēng)“杜蘇芮”實(shí)況和最新路徑強(qiáng)度預(yù)報(bào)模型篩選出的相似臺風(fēng)有7個(gè)與24日相同，其余3個(gè)相似臺風(fēng)則被替換。經(jīng)過1 d的發(fā)展，實(shí)況和預(yù)報(bào)的25日臺風(fēng)“杜蘇芮”強(qiáng)度達(dá)到超強(qiáng)臺風(fēng)級，因此在模型25日篩選的相似臺風(fēng)中，可以看到增加了臺風(fēng)以上級別的1614號“莫蘭蒂”、7412號“Lucy”和1209號“蘇拉”等對福建沿海降水影響重大的臺風(fēng)，同時(shí)排除了1709號“納沙”和6904號“Winnie”等強(qiáng)度較弱的相似臺風(fēng)，這使得模型降水集合預(yù)報(bào)中福建中東部沿海出現(xiàn)強(qiáng)降水的概率加大。從模型2次預(yù)報(bào)的特大暴雨以上量級VTS上看，25日的VTS為0.42，24日的VTS甚至為0，25日的預(yù)報(bào)效果明顯好于24日。可以看出，更新臺風(fēng)實(shí)況和路徑強(qiáng)度預(yù)報(bào)之后，篩選出更多與當(dāng)前實(shí)況相似的臺風(fēng)，在此基礎(chǔ)上更新臺風(fēng)路徑、強(qiáng)度預(yù)測構(gòu)成的目標(biāo)TC完整路徑能夠提高DSAEF_LTP模型的預(yù)測能力。

其次，對DSAEF_LTP模型篩選出的相似臺風(fēng)降水量分布（圖9）進(jìn)行分析。可以看出，模型所選出的相似臺風(fēng)降水極值中心均出現(xiàn)在福建沿海地區(qū)，與臺風(fēng)“杜蘇芮”的實(shí)況一致，除了7704號“Thelma”、1717號“古超”和7315號“Nora”臺風(fēng)之外，其他7個(gè)臺風(fēng)的降水中心極值均超過250 mm，1111號“南瑪都”、9006號“Percy”和9914號“Dan”臺風(fēng)降水甚至超過400 mm，這為DSAEF_LTP模型集合預(yù)報(bào)出250 mm及以上的強(qiáng)降水提供了支持。其中1308號“西馬侖”、9006號“Percy”臺風(fēng)的降水中心位于臺風(fēng)登陸點(diǎn)附近，共有4個(gè)臺風(fēng)（7315號“Nora”、1111號“南瑪都”、1614號“莫蘭蒂”、9914號“Dan”）的降水中心位于臺風(fēng)前進(jìn)方向的右側(cè)，1210號“達(dá)維”和7417號“Helen”則在臺風(fēng)路徑的左右方向均出現(xiàn)降水中心。DSAEF_LTP模型在篩選相似臺風(fēng)時(shí)已經(jīng)考慮了熱帶氣旋路徑、強(qiáng)度、移速、登陸季節(jié)和環(huán)境場（含下墊面）因子等，因此DSAEF_LTP模型篩選出的相似臺風(fēng)降水中心和路徑的相對位置關(guān)系多樣，不只是出現(xiàn)在臺風(fēng)本體經(jīng)過的附近地區(qū)，更為合理保留相似臺風(fēng)及其降水分布，在集合預(yù)報(bào)運(yùn)算中有更好的結(jié)果。同時(shí)可以看到，有6個(gè)相似臺風(fēng)（7704號“Thelma”、7315號“Nora”、1111號“南瑪都”、1209號“蘇拉”、1614號“莫蘭蒂”和9914號“Dan”）在寧德柘榮有較為孤立的降水中心，占總相似臺風(fēng)個(gè)數(shù)的60%，這為DSAEF_LTP模型在該地區(qū)預(yù)報(bào)出孤立的降水中心提供了集合樣本。可以看出，DSAEF_LTP模型充分利用了較為準(zhǔn)確的路徑預(yù)報(bào)和豐富的歷史數(shù)據(jù)，利用準(zhǔn)確模式來做預(yù)報(bào)，并采用集合預(yù)報(bào)的方式實(shí)現(xiàn)預(yù)報(bào)，這是DSAEF_LTP模型預(yù)報(bào)較為成功的關(guān)鍵。

已有研究［23-24］表明，臺風(fēng)“杜蘇芮”在登陸福建前后存在持續(xù)而充沛的水汽輸送，這是造成福建極端降水的主要原因之一，因此除了檢驗(yàn)上述臺風(fēng)路徑的相似性之外，文中還比較了相似臺風(fēng)在水汽輸送方面的異同。圖10為DSAEF_LTP模型篩選出的歷史相似臺風(fēng)的水汽通量散度分布，受資料長度限制，只分析1979年后的歷史相似臺風(fēng)。由圖10a可以看出，臺風(fēng)“杜蘇芮”在登陸福建時(shí)，其中心附近的北側(cè)和外圍環(huán)流的東北象限存在明顯的水汽通量輻合大值區(qū)，中心強(qiáng)度超過-20×10-5 g·s-1·m-2·Pa-1，水汽通量輻合的大值區(qū)同樣是強(qiáng)降水的落區(qū)，造成福建中部沿海和東北部沿海出現(xiàn)極端降水。由9006號“Percy”（圖10b）、9914號“Dan”（ 圖10c）、1614號“莫蘭蒂”（圖10g）來看，臺風(fēng)中心附近和外圍環(huán)流的東北象限同樣存在水汽通量輻合大值區(qū)，9914號臺風(fēng)水汽通量輻合強(qiáng)度甚至與臺風(fēng)“杜蘇芮”類似，這樣的水汽輸送強(qiáng)度和位置相似性也造成相似的臺風(fēng)強(qiáng)降水落區(qū)。1111號“南瑪都”（圖10d）、1209號“蘇拉”（圖10e）臺風(fēng)中心附近的水汽通量輻合大值區(qū)位于福建北部，其中心強(qiáng)度甚至超過-25×10-5 g·s-1·m-2·Pa-1，造成該地區(qū)出現(xiàn)強(qiáng)降水，對于福建中部沿海的強(qiáng)降水落區(qū)存在一定的偏差。1717號“古超”（圖10h）則是由于水汽通量散度較小，未能造成大范圍的強(qiáng)降水。總體上看，DSAEF_LTP模型篩選出的歷史相似臺風(fēng)的水汽通量散度中心值大部分強(qiáng)度接近甚至超過臺風(fēng)“杜蘇芮”，其分布也與臺風(fēng)“杜蘇芮”存在類似的區(qū)域，表現(xiàn)出良好的篩選能力。

由以上結(jié)果分析可看出，在100 mm及以上和250 mm及以上量級，DSAEF_LTP模型的預(yù)報(bào)能力明顯超出其他模式，體現(xiàn)出其優(yōu)勢；對于空間檢驗(yàn)方面，DSAEF_LTP模型更能抓住臺風(fēng)降水分布的空間特點(diǎn)，但在極端降水（250 mm及以上量級）的分布上仍存在預(yù)報(bào)落區(qū)偏小和漏報(bào)的問題。由DSAEF_LTP模型相似臺風(fēng)路徑和降水分布分析可以看出，DSAEF_LTP模型可以按照更加可靠的臺風(fēng)路徑預(yù)測結(jié)論進(jìn)一步調(diào)整相似臺風(fēng)的篩選和降水預(yù)報(bào)更新，從而提高預(yù)報(bào)能力。從整體上看，DSAEF_LTP模型對臺風(fēng)“杜蘇芮”過程降水預(yù)報(bào)能力超過了對比的ECMWF和FZECMOS產(chǎn)品，可進(jìn)一步支持臺風(fēng)降水業(yè)務(wù)預(yù)報(bào)能力的提升。

4結(jié)論與討論

改進(jìn)后的DSAEF_LTP模型已在福建地區(qū)業(yè)務(wù)應(yīng)用，該模型通過判斷歷史臺風(fēng)與目標(biāo)臺風(fēng)廣義初值的相似性，找到與目標(biāo)臺風(fēng)最相似的多個(gè)歷史臺風(fēng)，通過將這些歷史相似臺風(fēng)的觀測降水進(jìn)行集合，進(jìn)而得到目標(biāo)臺風(fēng)的降水預(yù)報(bào)。針對2023年第5號超強(qiáng)臺風(fēng)“杜蘇芮”在福建地區(qū)的過程降水量，對比檢驗(yàn)了改進(jìn)后的DSAEF_LTP模型產(chǎn)品、ECMWF數(shù)值預(yù)報(bào)降水產(chǎn)品、福建省氣象局OTS訂正降水產(chǎn)品（FZECMOS），主要結(jié)論如下：

（1）改進(jìn)的DSAEF_LTP模型臺風(fēng)過程降水預(yù)報(bào)系統(tǒng)對此次福建地區(qū)臺風(fēng)過程降水有較好的預(yù)報(bào)能力。隨著降水量級提高，DSAEF_LTP模型的降水預(yù)報(bào)VTS較數(shù)值模式和訂正預(yù)報(bào)產(chǎn)品的提升水平越高。在100 mm量級，DSAEF_LTP模型產(chǎn)品的VTS為0.54，分別比FZECMOS和ECMWF提高20%和107%。在250 mm及以上量級，DSAEF_LTP模型產(chǎn)品的VTS達(dá)0.25，是FZECMOS評分的2.6倍，展現(xiàn)出較好的預(yù)報(bào)能力。但DSAEF_LTP模型存在特大暴雨預(yù)報(bào)范圍顯著偏小的問題，這可能與篩選的歷史相似臺風(fēng)個(gè)例中缺少足夠的極端降水相似樣本有關(guān)，需要進(jìn)一步解決極端降水相似臺風(fēng)樣本量的問題。

（2）MODE空間檢驗(yàn)表明，DSAEF_LTP模型不僅在整體相似度上優(yōu)于ECMWF和FZECMOS，而且對于孤立小區(qū)域的強(qiáng)降水也有優(yōu)異的預(yù)報(bào)性能。由100 mm及以上和250 mm及以上量級的比較可以看出，隨著降水量級的增大，DSAEF_LTP模型的整體相似度（最佳目標(biāo)）維持在92%左右，重疊面積比也從73.6%增長到84.6%。對于極端降水（降水量不小于250 mm），DSAEF_LTP模型預(yù)報(bào)能力更加顯著，體現(xiàn)出DSAEF_LTP模型預(yù)報(bào)降水在強(qiáng)度、落區(qū)、結(jié)構(gòu)等多方面具有優(yōu)勢。

（3）通過分析DSAEF_LTP模型相似臺風(fēng)路徑和降水分布發(fā)現(xiàn)，隨著臺風(fēng)“杜蘇芮”的實(shí)況位置和預(yù)報(bào)位置強(qiáng)度的變化，DSAEF_LTP模型篩選歷史相似臺風(fēng)也產(chǎn)生調(diào)整，相似臺風(fēng)降水中心和路徑的相對位置關(guān)系多樣，不只是出現(xiàn)在臺風(fēng)本體經(jīng)過的附近地區(qū)，因此更為合理保留相似臺風(fēng)及其降水分布，集合預(yù)報(bào)效果也隨之改善。由相似臺風(fēng)的水汽通量散度分析也能看出DSAEF_LTP模型具有良好的篩選能力。

DSAEF_LTP模型業(yè)務(wù)運(yùn)行不久，目前只收集和檢驗(yàn)個(gè)別臺風(fēng)，對于其長期的表現(xiàn)仍有待檢驗(yàn)，后續(xù)將研究多選評估樣本以便更加客觀評價(jià)算法的有效性。同時(shí)可以看出，DSAEF_LTP模型在福建地區(qū)的產(chǎn)品分辨率仍然較低，因此如何提高DSAEF_LTP模型產(chǎn)品空間分辨率仍值得研究。

參考文獻(xiàn)：

［1］官曉軍，潘寧，黃待靜，等.基于降水極端預(yù)報(bào)指數(shù)的福建臺風(fēng)極端降水預(yù)報(bào)研究［J］.氣象學(xué)報(bào)，2021，79（3）：414427."

［2］蘇志重，石順吉，張偉，等.1960—2010年福建省極端降水事件變化趨勢分析［J］.暴雨災(zāi)害，2016，35（2）：166172.

［3］ZHANG Z， WANG W G， DOYLE J D， et al. A review of recent advances （2018-2021） on tropical cyclone intensity change from operational perspectives， part 1： dynamical model guidance［J］. Trop Cyclone Res Rev，2023，12（1）：3049.

［4］瞿安祥，麻素紅，張進(jìn).CMATYM混合En3DVar方案的設(shè)計(jì)和初步試驗(yàn)［J］.氣象，2022，48（3）：299310."

［5］薛紀(jì)善，陳德輝.數(shù)值預(yù)報(bào)系統(tǒng)GRAPES的科學(xué)設(shè)計(jì)與應(yīng)用［M］.北京：科學(xué)出版社，2008.

［6］姜麗黎，余暉.基于動(dòng)力相似方法的臺風(fēng)極端降水概率預(yù)報(bào)研究［J］.熱帶氣象學(xué)報(bào)，2019，35（3）：353364.

［7］REN F M， QIU W Y， DING C C， et al. An objective track similarity index and its preliminary application to predicting precipitation of landfalling tropical cyclones［J］. Wea Forecasting，2018，33（6）：17251742.

［8］REN F M， DING C C， ZHANG D L， et al. A dynamicalstatisticalanalog ensemble forecast model： theory and an application to heavy rainfall forecasts of landfalling tropical cyclones［J］. Mon Wea Rev，2020，148（4）：15031517.

［9］JIA Z， REN F M， DING C C， et al. An application of the LTP_DSEF model to heavy precipitation forecasts of landfalling tropical cyclones over China in 2018［J］. Sci China Earth Sci，2020，63（1）：2736.

［10］JIA L， JIA Z， REN F M， et al. Introducing TC intensity into the DSAEF_LTP model and simulating precipitation of supertyphoon Lekima （2019）［J］. Quart J Roy Meteor Soc，2020，146（733）：39653979.

［11］DING C C， REN F M， LIU Y N， et al. Improvement in the forecasting of heavy rainfall over South China in the DSAEF_LTP model by introducing the intensity of the tropical cyclone［J］. Wea Forecasting，2020，35（5）：19671980.

［12］MA Y Q， REN F M， JIA L， et al. Experiments with the improved Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation over South China［J］. J Trop Meteor，2022，28（2）：139153.

［13］任福民，賈莉，吳彩銘，等.相似預(yù)報(bào)原理之再認(rèn)識：動(dòng)力統(tǒng)計(jì)相似集合預(yù)報(bào)理論及其對登陸臺風(fēng)降水預(yù)報(bào)的應(yīng)用研究進(jìn)展［J］.氣象學(xué)報(bào)，2023，81（2）：193204.

［14］SU Z Z， MA Y Q， JIA L， et al. Application of the improved Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation in Fujian province［J］. Front Earth Sci，2022，10：1018851.

［15］劉達(dá)，向純怡，張玲，等.臺風(fēng)“杜蘇芮”（2305）的主要特點(diǎn)及路徑和強(qiáng)度預(yù)報(bào)難點(diǎn)分析［J］.海洋氣象學(xué)報(bào)，2023，43（4）：110.

［16］崔夢雪，向純怡，張晗昀，等.臺風(fēng)“杜蘇芮”（2305）引發(fā)福建極端強(qiáng)降水的特征分析［J］.海洋氣象學(xué)報(bào)，2023，43（4）：1120.

［17］吳啟樹，韓美，劉銘，等.基于評分最優(yōu)化的模式降水預(yù)報(bào)訂正算法對比［J］.應(yīng)用氣象學(xué)報(bào)，2017，28（3）： 306317.

［18］YING M， ZHANG W， YU H， et al. An overview of the China Meteorological Administration tropical cyclone database［J］. J Atmos Oceanic Technol，2014，31（2）：287301.

［19］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）：11931205.

［20］姚夢穎，吳夢雯，劉建勇，等.浙江區(qū)域臺風(fēng)暴雨多模式QPF融合技術(shù)應(yīng)用試驗(yàn)［J］.海洋氣象學(xué)報(bào)，2023，43（2）：7687.

［21］劉升源，潘裕山，徐建軍，等.不同驅(qū)動(dòng)場對東亞區(qū)域再分析系統(tǒng)中華南臺風(fēng)降水影響的對比研究［J］.海洋氣象學(xué)報(bào)，2023，43（1）：2738.

［22］DAVIS C， BROWN B， BULLOCK R. Objectbased verification of precipitation forecasts. Part II： application to convective rain systems［J］. Mon Wea Rev，2006，134（7）：17851795.

［23］王彬雁，陳朝平，叢芳，等.MODE方法在西南區(qū)域模式降水預(yù)報(bào)檢驗(yàn)中的應(yīng)用［J］.高原山地氣象研究，2020，40（2）：2630.

［24］劉湊華，代刊，林建，等.天氣預(yù)報(bào)全流程檢驗(yàn)評估程序庫的設(shè)計(jì)與實(shí)現(xiàn)［J］.氣象，2023，49（3）：351364.