宋雯雯，郭 潔，淡 嘉，徐 誠，龍柯吉

(1.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室，四川 成都 610072；2.四川省氣象服務(wù)中心，四川 成都 610072；3.四川省氣象臺(tái)，四川 成都 610072)

引 言

大渡河為岷江最大支流，位于青藏高原東南邊緣向四川盆地西部的過渡地帶。大渡河流域內(nèi)高山聳峙，河流深切，溝谷深邃，地表起伏巨大，相對(duì)高差懸殊，整個(gè)地勢(shì)由西北向東南逐漸降低。大渡河干流河道全長1062 km，流域面積77 400 km2，由北向南流至雅安市石棉折向東。大渡河徑流主要由降雨形成，流域內(nèi)水量豐沛，徑流年際變化較小。其獨(dú)特的自然地理?xiàng)l件，決定了其水能資源豐富、質(zhì)量?jī)?yōu)，開發(fā)條件優(yōu)越，大渡河水電基地在國家規(guī)劃的十三大水電基地中排名第五位。在水文氣象服務(wù)中，面雨量作為洪水與水庫調(diào)度中非常重要的參數(shù)，是各級(jí)政府組織防汛抗洪和水庫調(diào)度等決策的重要依據(jù)，也是氣象部門服務(wù)領(lǐng)域拓展的方向之一[1-3]。在面雨量預(yù)報(bào)中，由于不同數(shù)值模式的初始場(chǎng)、初始擾動(dòng)生成、參數(shù)化方案、模式框架等不同，其預(yù)報(bào)效果也具有明顯的時(shí)空差異[4-5]，因此需要利用合理的方法對(duì)不同模式在流域面雨量預(yù)報(bào)中的適用性進(jìn)行分析。目前，很多研究對(duì)各數(shù)值模式的面雨量預(yù)報(bào)效果開展了評(píng)估[6-15]。研究表明，歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts, ECMWF)在淮河流域的預(yù)報(bào)效果整體上優(yōu)于其他模式，尤其是在小雨到大雨等級(jí)優(yōu)勢(shì)明顯[16]；WRF(weather research and forecast model)模式在烏江流域的晴雨預(yù)報(bào)中具有一定的可靠性[17]；ECMWF對(duì)浙江省6個(gè)水庫流域客觀面雨量的預(yù)報(bào)效果優(yōu)于其他模式[18]，智能網(wǎng)格預(yù)報(bào)在西江流域汛期面雨量預(yù)報(bào)中的TS評(píng)分隨著面雨量等級(jí)增大呈現(xiàn)下降趨勢(shì)，72 h預(yù)報(bào)時(shí)效內(nèi)，預(yù)報(bào)效果較為穩(wěn)定[19]；ECMWF和日本氣象廳(Japanese Meteorological Agency, JMA)對(duì)湖南水庫流域面雨量的預(yù)報(bào)效果相對(duì)較好且穩(wěn)定，而T639最差[20]。

目前還沒有專門針對(duì)大渡河流域面雨量預(yù)報(bào)準(zhǔn)確性的評(píng)估。本文基于站點(diǎn)觀測(cè)資料、格點(diǎn)實(shí)況資料、智能網(wǎng)格預(yù)報(bào)、西南區(qū)域數(shù)值預(yù)報(bào)、ECMWF模式降水預(yù)報(bào)產(chǎn)品，以面雨量為研究對(duì)象，采用平均絕對(duì)誤差、模糊評(píng)分、正確率、TS評(píng)分、偏差分析等，對(duì)2019年6—10月以及2020年6—7月大渡河流域面雨量預(yù)報(bào)效果進(jìn)行評(píng)估檢驗(yàn)。

1 資料與方法

1.1 資 料

根據(jù)大渡河流域氣候和水文特征，將大渡河流域分為上游(瀘定以上)、中游(瀘定至銅街子)和下游(銅街子以下)(圖1)。圖1中行政邊界基于國家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2016)1609的地圖繪制，底圖無修改。

圖1 大渡河流域示意圖

站點(diǎn)觀測(cè)資料來自2019年6—10月及2020年6—7月大渡河流域內(nèi)15個(gè)國家基本氣象站及367個(gè)區(qū)域自動(dòng)氣象站逐日(08:00—08:00，北京時(shí)，下同)降雨資料。格點(diǎn)實(shí)況資料為中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS-V2.0)2019年6—10月及2020年6—7月的逐日降水量，該產(chǎn)品融合了2400余個(gè)國家級(jí)自動(dòng)氣象站及近4萬個(gè)區(qū)域自動(dòng)氣象站實(shí)測(cè)降水?dāng)?shù)據(jù)、多種衛(wèi)星降水資料等，其空間分辨率為5 km×5 km。

數(shù)值模式資料為對(duì)應(yīng)時(shí)段的智能網(wǎng)格、西南區(qū)域中心業(yè)務(wù)運(yùn)行的中尺度模式系統(tǒng)(southwest center WRF ADAS real-time modeling system, SWCWARMS)以及ECMWF每日08:00起報(bào)的24 h降水量預(yù)報(bào)產(chǎn)品。SWCWARMS模式基于WRF和ARPS(advanced regional prediction system)建立，使用GFS(global forecast system)預(yù)報(bào)場(chǎng)作為模式初猜場(chǎng)和邊界條件，模式分辨率為9 km，垂直層次為51層，模式中心位于100°E、32°N，格點(diǎn)數(shù)為629×399，該系統(tǒng)每日定時(shí)啟動(dòng)預(yù)報(bào)，提供72 h時(shí)效的多要素預(yù)報(bào)結(jié)果。ECMWF模式基于歐洲細(xì)網(wǎng)格預(yù)報(bào)資料，其分辨率為0.125°×0.125°。智能網(wǎng)格預(yù)報(bào)集合各種數(shù)值預(yù)報(bào)和預(yù)報(bào)技術(shù)，形成全國統(tǒng)一數(shù)據(jù)源的格點(diǎn)預(yù)報(bào)數(shù)據(jù)，即“一張網(wǎng)”網(wǎng)格預(yù)報(bào)業(yè)務(wù)，其空間分辨率達(dá) 5 km×5 km，可發(fā)布未來10 d逐3 h的天氣預(yù)報(bào)。

1.2 面雨量計(jì)算方法

面雨量是指某一特定區(qū)域或流域的平均降水量，最常用的計(jì)算方法有網(wǎng)格插值法、格點(diǎn)法、等雨量線法、算術(shù)平均法、泰森多邊形法等，若站點(diǎn)密度較低且分布不均時(shí)，泰森多邊形方法計(jì)算簡(jiǎn)單，且效果優(yōu)于其他方法。

大渡河流域氣象臺(tái)站稀疏，在利用站點(diǎn)觀測(cè)資料計(jì)算流域?qū)崨r面雨量時(shí)采用泰森多邊形法。流域面雨量為流域內(nèi)各格點(diǎn)同期雨量相加后除以總格點(diǎn)數(shù)。

1.3 面雨量預(yù)報(bào)檢驗(yàn)方法

參考我國江河面雨量等級(jí)劃分標(biāo)準(zhǔn)[21]，將24 h面雨量劃分為小雨(0.1～5.9 mm)、中雨(6.0～14.9 mm)、 大雨(15.0～29.9 mm)和暴雨(≥30.0 mm)4個(gè)等級(jí)。采用平均絕對(duì)誤差、模糊評(píng)分、正確率、TS評(píng)分等統(tǒng)計(jì)評(píng)價(jià)指標(biāo)，對(duì)大渡河流域面雨量預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)。

(1)平均絕對(duì)誤差

指預(yù)報(bào)值和實(shí)況值的平均絕對(duì)誤差Ea，其計(jì)算公式如下：

(1)

式中:n為有雨且預(yù)報(bào)正確的天數(shù)；Rf和Ro分別為有雨且預(yù)報(bào)正確時(shí)的面雨量預(yù)報(bào)值和實(shí)況值。本文僅統(tǒng)計(jì)實(shí)況有雨且預(yù)報(bào)也有雨時(shí)的誤差。

(2)正確率

檢驗(yàn)“有”、“無”面雨量的預(yù)報(bào)正確率，其計(jì)算式如下：

(2)

式中:NA、NB和NC分別為降水預(yù)報(bào)正確、空?qǐng)?bào)和漏報(bào)的流域子單元數(shù)；ND為無降水預(yù)報(bào)正確的流域子單元數(shù)。此項(xiàng)評(píng)分不考慮降水量級(jí)，只要預(yù)報(bào)和實(shí)況均有降水或均無降水即視為正確。

(3)模糊評(píng)分法

按照中國氣象局在《全國七大江河流域面雨量監(jiān)測(cè)和預(yù)報(bào)業(yè)務(wù)規(guī)定》中提供的模糊評(píng)分檢驗(yàn)方法進(jìn)行檢驗(yàn)。第i個(gè)預(yù)報(bào)子流域(i取1,2,3分別表示大渡河流域上游、中游和下游)第j級(jí)降雨預(yù)報(bào)的模糊評(píng)分如下：

(3)

式中:第一項(xiàng)為預(yù)報(bào)基礎(chǔ)分，規(guī)定為60分；第二項(xiàng)為強(qiáng)度(等級(jí))預(yù)報(bào)的加權(quán)分，|Fi-Oi|為等級(jí)誤差，F(xiàn)i為預(yù)報(bào)等級(jí)，Oi為實(shí)況等級(jí)；MAX(i,j)為最大等級(jí)誤差。當(dāng)預(yù)報(bào)等級(jí)和實(shí)況等級(jí)一致時(shí)(即等級(jí)誤差為0)，該等級(jí)預(yù)報(bào)評(píng)分為100。根據(jù)誤差大小計(jì)算的模糊評(píng)分，能夠很好地表征預(yù)報(bào)貼近實(shí)況的程度，從而較好地檢驗(yàn)流域面雨量預(yù)報(bào)水平。第i個(gè)預(yù)報(bào)子流域模糊評(píng)分計(jì)算如下：

(4)

式中：N為降水等級(jí)數(shù)。

(4)TS評(píng)分、空?qǐng)?bào)率和漏報(bào)率

根據(jù)2005年中國氣象局《中短期天氣預(yù)報(bào)質(zhì)量檢驗(yàn)辦法(試行)》中的方法對(duì)面雨量預(yù)報(bào)效果進(jìn)行檢驗(yàn)。各指標(biāo)計(jì)算公式如下：

(5)

(6)

(7)

式中：NAK為K等級(jí)面雨量預(yù)報(bào)正確的天數(shù)，即觀測(cè)與預(yù)報(bào)均出現(xiàn)K等級(jí)面雨量；NBK為K等級(jí)面雨量空?qǐng)?bào)天數(shù)，即觀測(cè)無K等級(jí)面雨量而預(yù)報(bào)有；NCK為K等級(jí)面雨量漏報(bào)天數(shù)，即觀測(cè)有K等級(jí)面雨量而預(yù)報(bào)無。

2 面雨量檢驗(yàn)評(píng)估

2.1 站點(diǎn)與格點(diǎn)實(shí)況面雨量對(duì)比

圖2為2019年6—10月大渡河流域上游、中游和下游站點(diǎn)和格點(diǎn)實(shí)況面雨量?？梢钥闯?，流域內(nèi)兩種實(shí)況面雨量基本一致。整個(gè)流域格點(diǎn)與實(shí)況面雨量的相關(guān)系數(shù)均大于0.7，下游達(dá)0.9，且均通過α=0.05的顯著性檢驗(yàn)。格點(diǎn)與站點(diǎn)實(shí)況面雨量差值的絕對(duì)值最大為3.14 mm，下游僅為2.06 mm(表1)，說明格點(diǎn)實(shí)況雨量資料具有較高的參考性。由于模式資料都為格點(diǎn)資料，為了濾除面雨量計(jì)算方法對(duì)檢驗(yàn)結(jié)果的影響，下文均以格點(diǎn)實(shí)況面雨量作為實(shí)況資料，對(duì)大渡河流域面雨量模式預(yù)報(bào)進(jìn)行檢驗(yàn)。

圖2 2019年6—10月大渡河流域上游(a)、中游(b)和下游(c)站點(diǎn)和格點(diǎn)實(shí)況面雨量

表1 大渡河流域格點(diǎn)與站點(diǎn)實(shí)況面雨量相關(guān)系數(shù)及兩者差值的絕對(duì)值

2.2 平均絕對(duì)誤差檢驗(yàn)

各模式預(yù)報(bào)有雨且實(shí)況也有雨時(shí)的樣本數(shù)為120～130。圖3為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預(yù)報(bào)平均絕對(duì)誤差?？梢钥闯?，整個(gè)流域SWCWARMS的預(yù)報(bào)平均絕對(duì)誤差最大，上游和中游智能網(wǎng)格和ECMWF的預(yù)報(bào)平均絕對(duì)誤差相當(dāng)，下游智能網(wǎng)格預(yù)報(bào)平均絕對(duì)誤差略大于ECMWF。從平均絕對(duì)誤差檢驗(yàn)結(jié)果看，智能網(wǎng)格和ECMWF在大渡河流域面雨量預(yù)報(bào)中具有一定的參考性。

圖3 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預(yù)報(bào)平均絕對(duì)誤差

2.3 預(yù)報(bào)正確率檢驗(yàn)

圖4為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預(yù)報(bào)正確率?？梢钥闯?，流域上游智能網(wǎng)格面雨量預(yù)報(bào)正確率最高，接近91%，ECMWF次之(90%)，SWCWARMS最低，僅為88%；流域中游也是智能網(wǎng)格面雨量預(yù)報(bào)正確率最高，超過93%，SWCWARMS和ECMWF相當(dāng)(91.5%)；流域下游智能網(wǎng)格面雨量預(yù)報(bào)正確率達(dá)91%，SWCWARMS和ECMWF為89%。

圖4 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預(yù)報(bào)正確率

2.4 模糊評(píng)分檢驗(yàn)

圖5為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量模糊評(píng)分?？梢钥闯觯嫌沃悄芫W(wǎng)格面雨量模糊評(píng)分最高(83分)，其次為ECMWF(78分)，SWCWARMS為76分；中游智能網(wǎng)格、SWCWARMS及ECMWF面雨量模糊評(píng)分分別為90分、84分和85分；下游智能網(wǎng)格面雨量模糊評(píng)分達(dá)86分，SWCWARMS次之(85分)，ECMWF為84分。綜上所述，智能網(wǎng)格預(yù)報(bào)面雨量在整個(gè)流域最具有參考意義，除此之外，中上游ECMWF預(yù)報(bào)產(chǎn)品具有較好的參考性，下游SWCWARMS預(yù)報(bào)產(chǎn)品具有較好的參考性。

圖5 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量模糊評(píng)分

2.5 TS評(píng)分、空?qǐng)?bào)率和漏報(bào)率檢驗(yàn)

為更深入分析智能網(wǎng)格、SWCWARMS和ECMWF對(duì)大渡河流域面雨量的預(yù)報(bào)效果，引入TS評(píng)分、空?qǐng)?bào)率和漏報(bào)率，分別對(duì)小雨、中雨、大雨、暴雨4個(gè)等級(jí)面雨量進(jìn)行預(yù)報(bào)效果檢驗(yàn)。

圖6為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF不同等級(jí)面雨量TS評(píng)分?？梢钥闯觯谛∮甑燃?jí)面雨量預(yù)報(bào)中，上游TS評(píng)分為50%～80%，其中ECMWF的TS評(píng)分略高于智能網(wǎng)格；中游TS評(píng)分為30%～60%，其中智能網(wǎng)格的TS評(píng)分最高，其次是ECMWF；下游TS評(píng)分為25%～60%，其中ECMWF的評(píng)分最高。整個(gè)流域小雨等級(jí)面雨量預(yù)報(bào)中，智能網(wǎng)格和ECMWF的TS評(píng)分均高于SWCWARMS。

圖6 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF的不同等級(jí)面雨量TS評(píng)分

在中雨等級(jí)面雨量預(yù)報(bào)中，智能網(wǎng)格和ECMWF在上游的TS評(píng)分為72%，SWCWARMS的TS評(píng)分(27%)比小雨等級(jí)面雨量TS評(píng)分值偏低30%左右；中游ECMWF的TS評(píng)分最高(75%)，其次為智能網(wǎng)格(55%)，SWCWARMS為25%；下游TS評(píng)分為30%～50%，其中ECMWF略高于智能網(wǎng)格，SWCWARMS評(píng)分最低。

在大雨等級(jí)面雨量預(yù)報(bào)中，上游智能網(wǎng)格TS評(píng)分為30%左右，比中雨等級(jí)面雨量TS評(píng)分偏低40%，SWCWARMS的TS評(píng)分在45%左右，比中雨等級(jí)面雨量TS評(píng)分偏高15%，而ECMWF的TS評(píng)分接近0，遠(yuǎn)遠(yuǎn)低于中雨和小雨等級(jí)面雨量的TS評(píng)分；在中游，各模式TS評(píng)分為20～40%，其中與中雨等級(jí)面雨量TS評(píng)分相比，ECMWF的TS評(píng)分偏低45%左右；在下游，智能網(wǎng)格TS評(píng)分在40%左右，與中雨等級(jí)面雨量TS評(píng)分相差不大，ECMWF的TS評(píng)分在25%左右，比中雨等級(jí)面雨量TS評(píng)分偏低20%，SWCWARMS的TS評(píng)分接近0，說明SWCWARMS對(duì)下游大雨等級(jí)面雨量的預(yù)報(bào)能力較差。

由于大渡河上游和中游沒有暴雨等級(jí)的面雨量出現(xiàn)，因此僅對(duì)大渡河下游進(jìn)行暴雨等級(jí)面雨量預(yù)報(bào)檢驗(yàn)。在暴雨等級(jí)面雨量預(yù)報(bào)中，智能網(wǎng)格在下游的TS評(píng)分為60%，SWCWARMS和ECMWF均為40%?？梢?，智能網(wǎng)格對(duì)流域暴雨等級(jí)面雨量預(yù)報(bào)效果較好。

圖7為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF不同等級(jí)面雨量的空?qǐng)?bào)率和漏報(bào)率?？梢钥闯?，小雨等級(jí)面雨量預(yù)報(bào)中，在上游，3個(gè)模式的空?qǐng)?bào)率為25%～40%，中游和下游3個(gè)模式的空?qǐng)?bào)率比上游偏高，其中中游的空?qǐng)?bào)率為35%～70%，下游為40%～70%，3個(gè)模式相比，SWCWARMS空?qǐng)?bào)率最高。在上游和下游，3個(gè)模式的漏報(bào)率均小于10%，其中下游ECMWF的漏報(bào)率為0，在中游3個(gè)模式的漏報(bào)率均為0。3個(gè)模式的空?qǐng)?bào)率均高于漏報(bào)率。

圖7 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF不同等級(jí)面雨量空?qǐng)?bào)率和漏報(bào)率

在中雨等級(jí)的面雨量預(yù)報(bào)中，智能網(wǎng)格和ECMWF在上、中、下游的空?qǐng)?bào)率差異較大，上游空?qǐng)?bào)率小于6%，中游為15%～30%，下游在45%左右，比小雨等級(jí)面雨量空?qǐng)?bào)率偏低；SWCWARMS的空?qǐng)?bào)率為60%～70%，和小雨等級(jí)面雨量空?qǐng)?bào)率相差不大；中雨等級(jí)的面雨量漏報(bào)率較小雨等級(jí)面雨量上升較快，其中智能網(wǎng)格漏報(bào)率為18%～30%，SWCWARMS 為28%～55%，ECMWF為6%～30%，整體比小雨等級(jí)面雨量漏報(bào)率偏高20%～40%。總體來看，中雨等級(jí)面雨量預(yù)報(bào)中，智能網(wǎng)格和ECMWF在上游的空?qǐng)?bào)率低于漏報(bào)率，在中下游空?qǐng)?bào)率高于漏報(bào)率，SWCWARMS在整個(gè)流域空?qǐng)?bào)率均高于漏報(bào)率。

在大雨等級(jí)的面雨量預(yù)報(bào)中，3個(gè)模式在上游的空?qǐng)?bào)率均為0，在中下游，智能網(wǎng)格的空?qǐng)?bào)率為20%～40%，SWCWARMS為60%～100%，ECMWF為30%～60%；大雨等級(jí)的面雨量漏報(bào)率較中雨也上升較快，其中智能網(wǎng)格的漏報(bào)率為40%～70%，SWCWARMS為40%～100%，ECMWF為50%～100%。綜上所述，在大雨等級(jí)面雨量預(yù)報(bào)中，中上游的空?qǐng)?bào)率小于漏報(bào)率，下游空?qǐng)?bào)率和漏報(bào)率相當(dāng)。

在暴雨等級(jí)面雨量預(yù)報(bào)中(圖略)，3個(gè)模式的空?qǐng)?bào)率都為0，智能網(wǎng)格漏報(bào)率為40%，SWCWARMS和ECMWF的漏報(bào)率均為60%。

可見，隨著面雨量等級(jí)的增大，模式的預(yù)報(bào)能力逐漸降低。

2.6 預(yù)報(bào)偏差檢驗(yàn)

圖8為2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預(yù)報(bào)偏小和偏大次數(shù)與總預(yù)報(bào)次數(shù)的百分比?？梢钥闯?，3個(gè)模式上游面雨量預(yù)報(bào)偏大次數(shù)遠(yuǎn)小于偏小次數(shù)，而中下游面雨量預(yù)報(bào)偏大次數(shù)又明顯大于偏小次數(shù)。因此，綜合各模式的預(yù)報(bào)偏差分析，在考慮流域面雨量的預(yù)報(bào)量級(jí)時(shí)，上游面雨量可以相信預(yù)報(bào)量級(jí)最大的模式，中下游可以考慮預(yù)報(bào)量級(jí)較小的模式。

圖8 2019年6—10月大渡河流域智能網(wǎng)格、SWCWARMS和ECMWF面雨量預(yù)報(bào)偏小和偏大次數(shù)與總預(yù)報(bào)次數(shù)的百分比

2.7 典型降水過程面雨量預(yù)報(bào)檢驗(yàn)

為比較3個(gè)模式對(duì)不同降水強(qiáng)度過程的預(yù)報(bào)能力，選取2020年7月1日小雨過程、 7月10日中雨過程和 6月27日大雨過程，分析各模式產(chǎn)品的正確子單元數(shù)、空?qǐng)?bào)子單元數(shù)和漏報(bào)子單元數(shù)(表2)。對(duì)小雨和中雨過程，3個(gè)模式的空?qǐng)?bào)子單元數(shù)大于漏報(bào)子單元數(shù)，說明預(yù)報(bào)的等級(jí)偏大；對(duì)大雨過程，智能網(wǎng)格和ECMWF的空?qǐng)?bào)子單元數(shù)小于漏報(bào)子單元數(shù)，說明預(yù)報(bào)的等級(jí)偏小，而SWCWARMS的空?qǐng)?bào)子單元數(shù)大于漏報(bào)子單元數(shù)，說明預(yù)報(bào)的等級(jí)偏大。綜上所述，SWCWARMS對(duì)面雨量的預(yù)報(bào)等級(jí)均偏大，而智能網(wǎng)格和ECMWF對(duì)小雨和中雨的預(yù)報(bào)等級(jí)偏大，對(duì)大雨預(yù)報(bào)等級(jí)偏小。

表2 大渡河流域2020年3次降雨過程3個(gè)模式的面雨量預(yù)報(bào)檢驗(yàn)

3 結(jié) 論

(1)預(yù)報(bào)平均絕對(duì)誤差、正確率、模糊評(píng)分檢驗(yàn)顯示，智能網(wǎng)格的預(yù)報(bào)效果總體上優(yōu)于其他模式。

(2)隨著降水等級(jí)(小雨、中雨、大雨、暴雨)的增大，TS評(píng)分逐漸降低，空?qǐng)?bào)率逐漸減小，漏報(bào)率逐漸增大，模式的預(yù)報(bào)能力逐漸降低。ECMWF在小雨和中雨等級(jí)面雨量預(yù)報(bào)中優(yōu)勢(shì)明顯，智能網(wǎng)格在大雨和暴雨等級(jí)面雨量預(yù)報(bào)中表現(xiàn)較優(yōu)。對(duì)比各等級(jí)面雨量的空?qǐng)?bào)率和漏報(bào)率可知，3個(gè)模式在小雨和中雨等級(jí)面雨量預(yù)報(bào)中預(yù)報(bào)的等級(jí)偏大，在大雨和暴雨等級(jí)面雨量預(yù)報(bào)中預(yù)報(bào)的等級(jí)偏小。

(3)各模式對(duì)典型降水過程面雨量預(yù)報(bào)結(jié)果表明，SWCWARMS對(duì)面雨量的預(yù)報(bào)等級(jí)均偏大，而智能網(wǎng)格和ECMWF對(duì)小雨和中雨的預(yù)報(bào)等級(jí)偏大，對(duì)大雨預(yù)報(bào)等級(jí)偏小。