陳靜 龐波 吳政秋 陳法敬 陳雨瀟 劉昕 馬雅楠

摘要 為深入認識GRAPES_Meso（Global/Regional Assimilation and Prediction System）3 km對流尺度區(qū)域模式對華南前汛期精細化降水的預報性能，為模式改進及業(yè)務應用提供參考依據(jù)，利用廣東省86個站點逐小時觀測降水資料和國家氣象信息中心多源融合降水資料，針對廣東省復雜地形特點，結(jié)合距海岸線的遠近及站點地形特點，將86個站劃分為沿海東部、沿海西部和內(nèi)陸地區(qū)三個子區(qū)域，采用二分類降水預報檢驗方法，定量評估了2020年5月18日—6月18日華南前汛期降水預報效果。結(jié)果顯示，GRAPES_Meso 3 km模式精細化降水預報技巧受廣東復雜地形影響較大，廣東沿海東部和內(nèi)陸地區(qū)24 h時累積降水的小雨、中雨、大雨量級預報成功指數(shù)（Threat Score，TS）、公平成功指數(shù)（Equitable Threat Score，ETS）評分高于沿海西部地區(qū)，盡管暴雨預報評分具有此相同特征，但三個子區(qū)域的暴雨預報評分總體較低;從 3 h累積降水預報評分看，沿海東部、沿海西部及內(nèi)陸地區(qū)等三個子區(qū)域存在明顯的日變化特征，但是沿海東部及西部與內(nèi)陸地區(qū)表現(xiàn)有所不同，沿海東部和西部降水預報評分夜間較低（預報偏差偏高），白天相對較高（預報偏差偏低），而內(nèi)陸地區(qū)則是夜間較高（預報偏差偏低），白天相對較低（預報偏差偏高）。沿海西部預報評分相對較低的原因是由于檢驗時段內(nèi)廣東地區(qū)存在一個弱的風切變，而沿海西部大部分地區(qū)正好處于切變線南側(cè)的溫度高值區(qū)控制，但模式模擬該區(qū)域的日平均溫度較實況偏低，導致沿海西部模式預報降水空報較多，降低其降水預報技巧。

關鍵詞華南前汛期;GRAPES對流尺度模式;精細化降水預報;檢驗評估

眾所周知，隨著5月中下旬南海夏季風爆發(fā)，印度洋低層西南季風為華南輸送大量水汽，華南地區(qū)進入暴雨頻發(fā)時段（吳志偉等，2006;陳靜等，2019），俗稱華南前汛期。受華南復雜地形和天氣系統(tǒng)影響，華南前汛期暴雨發(fā)生頻數(shù)多，降水強度大，持續(xù)時間長，研究顯示，華南前汛期平均暴雨日數(shù)和暴雨量占全年的一半（胡婭敏等，2014），因此，準確預報華南前汛期降水對保護人們生命和財產(chǎn)安全具有重要意義。

隨著數(shù)值預報模式和資料同化技術(shù)進步、模式云微物理等物理參數(shù)化方案逐漸完善（Bauer et al.，2015），2～4 km水平網(wǎng)格距的對流尺度模式可較好地模擬出復雜地形下的氣流及對流組織發(fā)展過程（Meng et al.，2012），成為對流降水預報的重要手段（畢寶貴等，2016）。國內(nèi)外學者利用美國WRF（Weather Research and Forecast Model）對流尺度模式開展了華南區(qū)域預報試驗和評估。 Zhu et al.（2018）發(fā)現(xiàn)WRF對流尺度較中尺度模式能更好地刻畫出精細的強降水強度和位置。Li et al.（2020）指出WRF對流尺度模式可以更準確地描述降水日變化過程，特別是午后降水與觀測更匹配。進一步，Yu et al.（2020）對比分析了4、12 km水平分辨率WRF模式在華南沿海和內(nèi)陸區(qū)域的降水預報效果，發(fā)現(xiàn)沿海地區(qū)降水預報能力優(yōu)于內(nèi)陸地區(qū)，且4 km模式降水預報均優(yōu)于12 km模式。

GRAPES（Global Regional Assimilation and Prediction System）模式系統(tǒng)是我國科學家自主研發(fā)的全球/區(qū)域預報系統(tǒng)，包括了全球確定性預報模式和集合預報模式（李曉莉等，2019;陳靜和李曉莉，2020;Shen et al.，2020）、區(qū)域確定性和集合預報模式（張涵斌等，2014;陳浩等，2017;馬旭林等，2018;夏宇等，2018），在降水相態(tài)等強對流天氣中表現(xiàn)出了較好的潛力（佟華和張玉濤，2019）。覆蓋中國區(qū)域的GRAPES_Meso 3 km是GRAPES模式體系中的對流尺度模式，于2018年實現(xiàn)了業(yè)務化運行，預報產(chǎn)品下發(fā)全國，已為預報業(yè)務部門提供較好地應用支撐。吳亞麗等（2018）選取2015年6月15日發(fā)生在粵西沿海地區(qū)的一次暖區(qū)暴雨個例進行數(shù)值試驗，表明GRAPES_Meso 3 km對流尺度模式初始水汽和云中水物質(zhì)條件的改進很大程度上能提高華南暖區(qū)暴雨的預報能力。

眾所周知，模式降水預報檢驗評估不僅有助于改進模式，還有助于認識暴雨預報能力，促進預報水平提升。許晨璐等（2017）從降水累積量、降水頻率、強度等多個角度評估了GRAPES_Meso 3km模式在中國東部降水預報性能，發(fā)現(xiàn)該模式可以較好地捕捉到中國東南部降水量、降水頻率及地域分布特征，對短時強降水預報有一定優(yōu)勢，但對一般性降水強度預報則偏弱。張小雯等（2020）利用成功指數(shù)評分（Threat Score，TS）和分數(shù)技巧評分（Fraction Skill Score，F(xiàn)SS）評估了GRAPES_Meso 3 km強對流天氣預報性能，發(fā)現(xiàn)該模式對風暴等強對流天氣的預報明顯優(yōu)于其他模式，起報時間越新預報效果越好。鐘水新（2020）指出GRAPES_Meso 3 km模式對粵北和廣西東北部地區(qū)降水模擬比實況偏高，對粵北山區(qū)的強降水中心、以及南嶺山脈背風波降水低值中心有一定模擬能力。也有不少學者利用集合預報開展了復雜地形下強降水預報效果的評估。陳良呂等（2020）采用重慶市氣象局業(yè)務運行的WRF 3km對流尺度模式集合預報系統(tǒng)，通過改變不同成員的地形插值方案和地形平滑方案研究了西南地區(qū)集合降水預報效果，發(fā)現(xiàn)對流尺度集合預報模式在一定程度上能改進復雜地形下降水預報效果。王婧卓等（2021）對比不同版本的GRAPES中尺度集合降水預報效果，發(fā)現(xiàn)水平分辨率10 km的GRAPES區(qū)域集合預報降水預報效果總體上優(yōu)于15 km分辨率的，且在小雨和暴雨預報方面優(yōu)于ECWMF全球集合降水預報效果。劉雪晴（2020）采用FSS評分、AROC評分和BS評分等多種檢驗方法評估集合降水預報效果，均表現(xiàn)出較高的預報技巧。

上述研究表明，GRAPES_Meso 3 km對流尺度模式對中國區(qū)域強對流天氣精細化預報具有明顯優(yōu)勢，但是針對華南前汛期降水定量統(tǒng)計檢驗較少，因此有必要對GRAPES_Meso 3 km對流尺度模式對華南前汛期降水預報進行深入的評估檢驗。本研究針對廣東省復雜地形特點，將廣東省站點根據(jù)距離海岸線的遠近分為沿海東西部、沿海東部和內(nèi)陸地區(qū)三個子區(qū)域，利用廣東省站點逐小時觀測降水資料和國家氣象信息中心多源融合降水資料，采用二分類檢驗方法，通過TS評分、公平成功指數(shù)評分（Equitable Threat Score，ETS;Schaefer，1990）、預報偏差Bias（Donaldson et al.，1975）等檢驗指標，檢驗評估GRAPES_Meso 3 km對流尺度模式在華南前汛期降水預報性能，分析華南復雜地形對GRAPES_Meso 3 km對流尺度模式降水預報的影響，探究影響GRAPES_Meso 3 km模式降水預報能力的可能原因，以期為改進GRAPES_Meso 3 km對流尺度模式、集合預報和預報應用提供參考依據(jù)。

1 模式、資料及研究方法

1.1 GRAPES_Meso 3 km對流尺度模式簡介

GRAPES_Meso 3 km對流尺度模式由中國氣象局數(shù)值預報中心自主研發(fā)（Shen et al.，2020），模式參數(shù)設置如表1所示。模式動力框架采用了地形追隨坐標、半隱式半拉格朗日差分方案、全可壓非靜力平衡動力框架。云物理過程采用WSM6云微物理方案（Hong et al.，2006）;輻射方案采用RRTM長波輻射方案（Mlawer et al.，1997）和Dudhia短波輻射方案（Dudhia，1989）;近地面層方案采用Monin-Obukhov方案（Beljaars and Holtslag，1991）;陸面過程采用Noah（Ek et al.，2003）;邊界層方案采用MRF邊界層方案（Hong and Pan，1996），無積云參數(shù)化方案。模式積分步長為30 s，背景場和邊界條件采用NCEP全球模式當前時刻分析和預報資料，利用云分析方案（Xue et al.，2000）同化了中國區(qū)域衛(wèi)星和雷達資料。模式預報資料區(qū)域為70°～145°E、10°～60.1°N，水平分辨率為0.03°×0.03°，垂直層數(shù)為50層，預報時效為36 h。

1.2 資料

預報資料時段為華南前汛期（2020年5月18日—6月18日）GRAPES_Meso 3 km模式00時（世界時，下同）起報的逐小時降水預報資料。觀測資料采用中國氣象局數(shù)值預報中心檢驗資料庫站點逐小時降水、2 m溫度、氣壓，10 m風等資料，觀測站點選擇是從國家級地面自動氣象觀測站（2 402個）中選取的廣東省86個站（站點分布如圖1所示）。此外，還采用了同期水平分辨率0.05°×0.05°的地面-衛(wèi)星-雷達三源融合降水分析產(chǎn)品（CMA Multi-source merged Precipitation Analysis Systen，CMPAS;潘旸等，2015），在模式降水預報偏差成因分析中，選取了水平分辨率為0.25°×0.25°的歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的ERA5再分析資料。

1.3 研究方法

1.3.1 廣東省三個子區(qū)域分類

針對華南復雜地形特點，以廣東省（109°～118°E，20°～26°N）為代表進行研究。首先分析了廣東省近30年（1983—2013年）5月和6月95%百分位的日降水量的空間分布，這2個月的空間分布類似，圖1a給出了6月分布。從圖1a可見，華南近汛期強降水存在三個大值區(qū)，位于沿海東部、西部和內(nèi)陸。結(jié)合Chen et al.（2018）研究方法，將廣東省86個站點分為沿海西部、沿海東部和內(nèi)陸地區(qū)三個子區(qū)域，用于檢驗評估GRAPES_Meso 3 km模式在華南前汛期降水預報性能，表2是三個子區(qū)域站點分類詳情。從圖1b中可見，第一個子區(qū)域是距海岸線距離小于130 km的沿海西部站點，編號為1～23號，簡稱沿海西部，該子區(qū)域有三條主要山脈，從北向南依次為云開山、云霧山和天露山;第二個子區(qū)域是距海岸線距離小于130 km的沿海東部的35個站點（編號24～58號），簡稱沿海東部，該子區(qū)域中有羅浮山、蓮花山等主要山脈，蓮花山脈是廣東省最主要的山脈，呈東北西南走向，主峰蓮花山海拔高度達1 336 m;第三個子區(qū)域是距海岸線距離大于130 km的28個站點（編號59～86號），簡稱內(nèi)陸地區(qū)，該子區(qū)域中包含了九蓮山、青云山和南嶺等諸多山脈，海拔高度平均大于500 m。

1.3.2 檢驗指標

檢驗指標采用世界氣象組織（World Meteorological Organization，WMO;WMO，2009）推薦的二分類降水預報檢驗方法。對某一單站，統(tǒng)計檢驗時段內(nèi)（2020年5月18日—6月18日）不同降水量級預報樣本命中數(shù)（a）、空報數(shù)（b）、漏報數(shù)（c）、正確否定數(shù)（d）（表3），并利用式（1）—（6）計算命中率（hit rate）、空報率（false alarm rate）、漏報率（miss rate）、成功指數(shù)（Threat Score，TS）、公平成功指數(shù)（Equitable Threat Score，ETS）和預報偏差（Bias Score，BS）等多種檢驗評分，其中觀測與預報的匹配方法采取臨近點匹配方法（WMO，2009），即以距離觀測站點最近的模式格點預報值作為該站點預報值。根據(jù)每個站點檢驗結(jié)果繪制預報評分的空間分布和時間變化圖，重點分析24 h累積降水和3 h累積降水預報評分（其中24 h累積降水小雨、中雨、大雨、暴雨檢驗閾值分別定義為0.1、10、25、50 mm;3 h小雨、中雨、大雨、暴雨檢驗閾值分別定義0.1、3、10、20 mm），評估GRAPES_Meso 3 km對流尺度模式華南降水預報效果。

從評分定義可見，成功指數(shù)TS評分取值范圍為0～1，當TS為1時，為理想評分;當TS為0時，表示無預報技巧。預報偏差Bias評分值越接近1越好，當Bias為1，表示漏報率和空報率相當;當Bias 小于 1時，漏報次數(shù)大于空報次數(shù);否則相反，表示空報次數(shù)大于漏報次數(shù)。ETS取值范圍為-1/3～1，其理想評分為1，評分值為零或者為負時表示無預報技巧。

2 結(jié)果分析

2.1 預報與實況日平均降水量空間分布對比特征

圖2是2020年5月18日—6月18日CMPAS三源融合日平均降水與GRAPES 3 km模式24 h預報降水對比。從圖2a可見，廣東省沿海東部和內(nèi)陸區(qū)域?qū)崨r降水量明顯大于沿海西部。沿海東部和內(nèi)陸地區(qū)日平均降水普遍大于10 mm，有5個日平均最大降水量大于35 mm的強降水中心，主要位于東部海岸線、蓮花山脈附近及內(nèi)陸區(qū)域，沿海東部的佛崗站（58號）日平均降水量達50 mm;而沿海西部的降水總體偏少，大部分站點日平均降水量不足4 mm，最大降水中心位于天露山，日平均降水達20 mm。從圖2b可以，模式預報最大降水中心區(qū)主要發(fā)生在沿海東部和內(nèi)陸地區(qū)，但強降水中心位置和強度與實況有顯著差異，日平均降水大于10 mm降水預報區(qū)域明顯小于實況區(qū)域，總體而言，GRAPES_Meso 3 km模式對華南前汛期降水預報較實況偏弱，落區(qū)精細化分布不足;而沿海西部降水量預報明顯小于沿海東部和內(nèi)陸地區(qū)，最大降水中心位置位于沿海西部海岸線附近，與實況強降水中心位置差異較大。

華南前汛期正處于南海季風爆發(fā)后的特殊階段，水汽輸送的預報誤差可影響降水預報技巧。圖3是檢驗時段內(nèi)廣東省1 000 hPa水汽通量、水汽通量散度、散度場、和渦度場空間分布，可以看到，水汽主要來自南海西南水汽輸送，到達海岸線附近后，分為兩支，一支折向西北內(nèi)陸，一支兩北方輸送。平均水汽通量大值區(qū)位于廣東省沿海東部和沿海西部的沿海岸，西南氣流先將南海水汽輸送到沿海沿岸然后分成兩股，一股繼續(xù)西南而上，另一股轉(zhuǎn)向東南風向西北方向輸送，從水汽通量散度（圖3b）可以看到，受海岸地形影響，廣東省沿海地區(qū)的水汽通量散度為負值，在廣東省整個沿海沿岸都為水汽的輻合區(qū)，導致沿海岸形成了相對明顯的降水帶（圖3b）。

2.2 24 h累積降水檢驗評估

圖4是三個子區(qū)域24 h累積降水預報TS評分分布，可見，各量級降水預報TS評分總體呈現(xiàn)出沿海東部和內(nèi)陸地區(qū)高于沿海西部的特征，從小雨TS評分看，86個站點小雨TS評分均大于0.5，TS平均值達0.75，評分最大值是沿海東部的第64號站，高達0.964，最小值是沿海西部的第1號站點，僅為0.33;從中雨TS評分看，86個站點TS評分平均值為0.41，沿海東部和內(nèi)陸區(qū)域TS評分值大于沿海西部，沿海西部部分站點TS評分值小于0.1;從大雨評分看，沿海東部大雨TS評分值為0.2～0.6，沿海西部TS評分值普遍小于0.2，內(nèi)陸地區(qū)TS值為0.3～0.5;從暴雨評分看，沿海東部和內(nèi)陸區(qū)域預報評分普遍為0.1～0.3，沿海西部評分值普遍小于0.1。

圖5是檢驗時段內(nèi)三個子區(qū)域24 h預報小雨、中雨、大雨和暴雨量級TS評分、ETS評分、Bias評分、命中率、空報率、漏報率。由圖5a和圖5b可見，沿海西部地區(qū)小雨、中雨、大雨和暴雨預報的TS和ETS評分是最低的，而沿海東部和內(nèi)陸地區(qū)評分略高;Bias評分（圖5c）顯示預報偏差均大于1，表明模式對小雨、中雨、大雨和暴雨量級均存在空報情況，降水量級越大，偏差越大;三個子區(qū)域的命中率和漏報率隨著降水量級的增大而逐漸減小，空報率則逐漸增大，相對而言，沿海東部命中率最高，其次是內(nèi)陸地區(qū)，沿海西部的命中率最低。

2.3 3 h累積降水檢驗

Chen et al.（2018）研究表明，華南沿海降水日變化特征明顯，早晨降水主要發(fā)生在海岸線或者海上，而午后降水通常發(fā)生在陸地。為了檢驗GRAPES_Meso 3 km模式精細化降水預報能力，重點對3 h累積降水預報進行分析評估。圖6是廣東省三個子區(qū)域0～36 h預報的3 h累積小雨、中雨、大雨和暴雨量級TS評分。從圖6可見，沿海東部和內(nèi)陸地區(qū)各時次各量級降水TS評分普遍高于沿海西部，特別是小雨、中雨、大雨量級更為明顯;同時，沿海東部和沿海西部的小雨、中雨、大雨TS評分具有相同日變化特征，即自6 h預報時效后 TS評分值逐漸上升，約在18 h預報時效TS評分達到最大值，隨后評分值逐漸下降，至27 h預報時效達到最低值后又逐漸增加，呈現(xiàn)出夜晚評分值相對較高，白天評分值相對較低的特點。而內(nèi)陸地區(qū)TS評分日變化特征與沿海東部和西部不同，呈現(xiàn)出夜晚評分值相對較低，白天評分相對較高的特點，具體不再細述。但值得注意的是，三個子區(qū)域的暴雨量級TS評分值隨預報時效增加而逐漸下降，降水評分值的日變化特征均不明顯。沿海東部和沿海西部的ETS評分（圖7）日變化特征與TS評分較為一致。總體而言，內(nèi)陸地區(qū)和沿海東部地區(qū)ETS評分大于沿海西部。三個子區(qū)域Bias評分也存在一定的日變化（圖8），除沿海西部Bias評分值在0900 UTC至1200 UTC小于1，其余時次各子區(qū)域的Bias評分值均大于1。值得注意的是，沿海東部和沿海西部Bias值在夜間偏高，沿海西部凌晨暴雨Bias值甚至超過了5，而內(nèi)陸地區(qū)Bias則是白天偏高。

上述研究表明，GRAPES 3 km對流尺度模式對華南沿海東部、沿海西部、內(nèi)陸地區(qū)三個子區(qū)域降水預報評分存在明顯差異。為了分析不同子區(qū)域降水預報評分差異的可能原因，對比分析了GRAPES_Meso 3 km模式預報場與ERA5再分析場異同。圖9是在檢驗時段內(nèi)廣東省2 m溫度和1 000 hPa風場平均（圖9）。從圖9a可見，ERA5再分析資料給出檢驗時段內(nèi)廣東省日平均溫度為24～30 ℃，主要受西南暖濕氣流區(qū)控制，沿海西部北側(cè)存在一個弱的風切變，切變線以南溫度較高，最高溫度達29 ℃，切變線北側(cè)地區(qū)為溫度低值區(qū)。而GRAPES_Meso 3 km模式預報沿海西部（沿海東部）日平均溫度較ERA5分析略偏低（偏高），沿海西部的云霧山脈阻擋了冷空氣南下，而沿海西部大部分地區(qū)正好處于切變線南側(cè)的溫度高值區(qū)控制，盡管GRAPES_Meso 3 km模式預報該地區(qū)日平均溫度較ERA5偏低，但與沿海東部和內(nèi)陸地區(qū)相比偏高，暖區(qū)降水特征更為顯著，模式預報降水空報較多，預報能力相對較弱。

3 總結(jié)與展望

基于GRAPES_Meso 3 km對流尺度模式，選取2020年5月18日—6月18日廣東省86個站點逐小時觀測降水資料和國家氣象信息中心多源融合降水資料，并根據(jù)這些氣象觀測站距海岸線距離和地形特征，將其劃分為沿海東部、沿海西部和內(nèi)陸地區(qū)三個子區(qū)域，采用傳統(tǒng)的二分類降水預報檢驗方法，定量評估了沿海東部、沿海西部和內(nèi)陸地區(qū)降水預報效果。檢驗評估指標主要包括降水TS評分、ETS評分和預報Bias評分，并初步探究了模式對不同區(qū)域降水預報能力存在差異的可能原因。獲得如下主要結(jié)果和結(jié)論：

1）GRAPES_Meso 3 km精細化降水預報評分與廣東復雜地形密切相關，沿海東部和內(nèi)陸地區(qū)24 h累積降水小雨、中雨、大雨及暴雨預報成功指數(shù)TS評分、公平成功指數(shù)ETS評分高于沿海西部地區(qū)，但三個子區(qū)域暴雨預報技巧均較低。

2）從 3 h累積降水預報評分看，三個子區(qū)域預報評分具有明顯的日變化特征，但是沿海地區(qū)與內(nèi)陸地區(qū)表現(xiàn)有所不同。沿海東部和沿海西部預報技巧夜間較低，白天相對較高，而預報偏差則表現(xiàn)為夜間偏高，白天偏低的特征。內(nèi)陸地區(qū)預報技巧則是夜間較高，白天相對較低，預報偏差則是夜間偏低，白天相對偏高。

3）GRAPES_Meso 3 km對流尺度模式對廣東省三個子區(qū)域降水預報存在差異，可能與檢驗時段內(nèi)廣東地區(qū)存在的一個弱風切變有關，沿海西部大部分地區(qū)正好處于切變線南側(cè)的溫度高值區(qū)控制，但模式預報該地區(qū)溫度較再分析資料偏低，導致沿海西部模式預報降水空報較多，降低了降水預報評分。

需要指出的是，上述結(jié)果和結(jié)論僅是對GRAPES_Meso 3 km模式2020年華南前汛期降水預報進行了檢驗評估，未來需要開展更多時段和更多個例的應用評估。此外，采用傳統(tǒng)的二分類方法評估高分辨率模式降水預報效果有一定的局限性，本研究后期可以采用Roberts and Lean（2008）提出的FSS（Fractional Skill Score）評分和Casati et al.（2004）提出的強度尺度分離法（ISV，Intensity-skill verification）進一步檢驗評估GRAPES_Meso 3 km對流尺度模式對華南降水預報效果，更深入認識GRAPES_Meso 3 km模式對華南降水預報效果。最后需要強調(diào)的是，由于GRAPES_Meso 3 km業(yè)務系統(tǒng)中應用了云分析方案同化雷達資料，改進了降水預報效果，但廣東新建的雙偏振雷達資料還未在GRAPES_Meso 3 km系統(tǒng)中獲得應用，需要加強雙偏振雷達資料的同化應用，改進短時預報降水偏差較大的問題。

參考文獻（References）

Bauer P，Thorpe A，Brunet G，2015.The quiet revolution of numerical weather prediction[J].Nature，525（7567）：47-55.doi：10.1038/nature14956.

Beljaars A C M，Holtslag A A M，1991.Flux parameterization over land surfaces for atmospheric models[J].J Appl Meteor，30（3）：327-341.doi：10.1175/1520-0450（1991）030<0327：fpolsf>2.0.co;2.

畢寶貴，代刊，王毅，等，2016.定量降水預報技術(shù)進展[J].應用氣象學報，27（5）：534-549. Bi B G，Dai K，Wang Y，et al.，2016.Advances in techniques of quantitative precipitation forecast[J].J Appl Meteorol Sci，27（5）：534-549.doi：10.11898/1001-7313.20160503.（in Chinese）.

Casati B，Ross G，Stephenson D B，2004.A new intensity-scale approach for the verification of spatial precipitation forecasts[J].Meteorol Appl，11（2）：141-154.doi：10.1017/S1350482704001239.

Chen G X，Lan R Y，Zeng W X，et al.，2018.Diurnal variations of rainfall in surface and satellite observations at the monsoon Coast （South China）[J].J Climate，31（5）：1703-1724.doi：10.1175/jcli-d-17-0373.1.

陳浩，陳靜，汪矯陽，等，2017.觀測誤差對GRAPES區(qū)域集合預報影響的敏感性試驗[J].大氣科學學報，40（2）：193-201. Chen H，Chen J，Wang J Y，et al.，2017.Sensitivity tests of the influence of observation mean square error on GRAPES regional ensemble prediction[J].Trans Atmos Sci，40（2）：193-201.doi：10.13878/j.cnki.dqkxxb.20151102001.（in Chinese）.

陳靜，李曉莉，2020.GRAPES全球/區(qū)域集合預報系統(tǒng)10年發(fā)展回顧及展望[J].氣象科技進展，10（2）：9-18，29. Chen J，Li X L，2020.The review of 10 years development of the GRAPES global/regional ensemble prediction[J].Adv Meteor Sci Technol，10（2）：9-18，29.doi：10.3969/j.issn.2095-1973.2020.02.003.（in Chinese）.

陳靜，劉湊華，陳法敬，等，2019.一種基于可預報性的暴雨預報評分新方法Ⅰ：中國暴雨可預報性綜合指數(shù)[J].氣象學報，77（1）：15-27. Chen J，Liu C H，Chen F J，et al.，2019.A new verification method for heavy rainfall forecast based on predictability Ⅰ：synthetic predictability index of heavy rainfall in China[J].Acta Meteorological Sinica，77（1）：15-27.doi：10.11676/qxxb2019.002.（in Chinese）.

陳良呂，夏宇，莊瀟然，2020.WRF模式不同地形平滑方案對降水預報的影響[J].氣象科技，48（5）：664-674. Chen L L，Xia Y，Zhuang X R，2020，Influence of different terrain smoothing schemes in WRF model on precipitation forecast[J].Meteorological Science and Technology，48（5）：664-674.doi：10.19517/j.1671-6345.20190451.（in Chinese）.

Donaldson R J，Dyer R M，Kraus M J，1975.An objective evaluator of techniques for predicting severe weather events[C]//Ninth conference on severe local storms.Amer Meteor Soc：321-326.

Dudhia J，1989.Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J].J Atmos Sci，46（20）：3077-3107.doi：10.1175/1520-0469（1989）046<3077：nsocod>2.0.co;2.

Ek M B，Mitchell K E，Lin Y，et al.，2003.Implementation of Noah land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta model[J].J Geophys Res：Atmos，108（D22）：8851.doi：10.1029/2002JD003296.

Hong S Y，Pan H L，1996.Nonlocal boundary layer vertical diffusion in a medium-range forecast model[J].Mon Wea Rev，124（10）：2322-2339.doi：10.1175/1520-0493（1996）124<2322：nblvdi>2.0.co;2.

Hong S Y，Lim K S，Kim J H，2006.The WRF single-moment 6-class microphysics scheme （WSM6）[J].J Korea Meteo，42（2）：129-151.

胡婭敏，翟盤茂，羅曉玲，等，2014.2013年華南前汛期持續(xù)性強降水的大尺度環(huán)流與低頻信號特征[J].氣象學報，72（3）：465-477. Hu Y M，Zhai P M，Luo X L，et al.，2014.Large scale circulation and low frequency signal characteristics for the persistent extreme precipitation in the first rainy season over South China in 2013[J].Acta Meteorol Sin，72（3）：465-477.（in Chinese）.

Li P X，F(xiàn)urtado K，Zhou T J，et al.，2020.The diurnal cycle of East Asian summer monsoon precipitation simulated by the Met Office Unified Model at convection-permitting scales[J].Climate Dyn，55（1/2）：131-151.doi：10.1007/s00382-018-4368-z.

李曉莉，陳靜，劉永柱，等，2019.GRAPES全球集合預報初始條件及模式物理過程不確定性方法研究[J].大氣科學學報，42（3）：348-359. Li X L，Chen J，Liu Y Z，et al.，2019.Representations of initial uncertainty and model uncertainty of GRAPES global ensemble forecasting[J].Trans Atmos Sci，42（3）：348-359.doi：10.13878/j.cnki.dqkxxb.20190318001.（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[J].大氣科學，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）.

馬旭林，計燕霞，周勃旸，等，2018.GRAPES區(qū)域集合預報尺度混合初始擾動構(gòu)造的新方案[J].大氣科學學報，41（2）：248-257. Ma X L，Ji Y X，Zhou B Y，et al.，2018.A new scheme of blending initial perturbation of the GRAPES regional ensemble prediction system[J].Trans Atmos Sci，41（2）：248-257.doi：10.13878/j.cnki.dqkxxb.20160104001.（in Chinese）.

Meng Z Y，Zhang F Q，Markowski P，et al.，2012.A modeling study on the development of a bowing structure and associated rear inflow within a squall line over South China[J].J Atmos Sci，69（4）：1182-1207.doi：10.1175/jas-d-11-0121.1.

Mlawer E J，Taubman S J，Brown P D，et al.，1997.Radiative transfer for inhomogeneous atmospheres：RRTM，a validated correlated-k model for the longwave[J].J Geophys Res：Atmos，102（D14）：16663-16682.doi：10.1029/97JD00237.

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-雷達三源降水融合試驗[J].氣象學報，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.（in Chinese）.

Roberts N M，Lean H W，2008.Scale-selective verification of rainfall accumulations from high-resolution forecasts of convective events[J].Mon Wea Rev，136（1）：78-97.doi：10.1175/2007mwr2123.1.

Schaefer J T，1990.The critical success index as an indicator of warning skill[J].Wea Forecasting，5（4）：570-575.doi：10.1175/1520-0434（1990）005<0570：tcsiaa>2.0.co;2.

Shen X S，Wang J J，Li Z C，et al.，2020.Research and operational development of numerical weather prediction in China[J].J Meteor Res，34（4）：675-698.doi：10.1007/s13351-020-9847-6.

佟華，張玉濤，2019.GRAPES-MESO模式預報降水相態(tài)診斷及應用研究[J].大氣科學學報，42（4）：502-512. Tong H，Zhang Y T，2019.Diagnosis of precipitation types and its application in the GRAPES-MESO forecasts[J].Trans Atmos Sci，42（4）：502-512.doi：10.13878/j.cnki.dqkxxb.20190416001.（in Chinese）.

王婧卓，陳法敬，陳靜，等，2021.GRAPES區(qū)域集合預報對2019年中國汛期降水預報評估[J].大氣科學，45（3）：664-682. Wang J Z，Chen F J，Chen J，et al.，2021.Verification of GRAPES-REPS model precipitation forecasts over China during 2019 flood season[J].Chin J Atmos Sci，45（3）：664-682.doi：10.3878/j.issn.1006-9895.2008.20146.（in Chinese）.

WMO，2009.Recommendations for the Verification and Intercomparison of QPFs and PQPFs from Operational NWP Models[R].

吳亞麗，蒙偉光，陳德輝，等，2018.一次華南暖區(qū)暴雨過程可預報性的初值影響研究[J].氣象學報，76（3）：323-342. Wu Y L，Meng W G，Chen D H，et al.，2018.A study of the impact of initial conditions on the predict-ability of awarm-sector torrential rain over South China[J].Acta Meteorol Sin，76（3）：323-342.doi：10.11676/qxxb2018.001.（in Chinese）.

吳志偉，江志紅，何金海，2006.近50年華南前汛期降水、江淮梅雨和華北雨季旱澇特征對比分析[J].大氣科學，30（3）：391-401. Wu Z W，Jiang Z H，He J H，2006.The comparison analysis of flood and drought features among the first flood period in South China，Meiyu period in the Yangtze River and the Huaihe river valleys and rainy season in North China in the last 50 years[J].Chin J Atmos Sci，30（3）：391-401.（in Chinese）.

夏宇，陳靜，劉艷，等，2018.GRAPES混合同化方法在青藏高原區(qū)域的初步試驗[J].大氣科學學報，41（2）：239-247. Xia Y，Chen J，Liu Y，et al.，2018.A tentative experiment of GRAPES En-3DVAR hybrid data assimilation method over the Tibet Plateau[J].Trans Atmos Sci，41（2）：239-247.doi：10.13878/j.cnki.dqkxxb.20160119001.（in Chinese）.

許晨璐，王建捷，黃麗萍，2017.千米尺度分辨率下GRAPES-Meso4.0模式定量降水預報性能評估[J].氣象學報，75（6）：851-876. Xu C L，Wang J J，Huang L P，2017.Evaluation on QPF of GRAPES-Meso4.0 model at convection-permitting resolution[J].Acta Meteorol Sin，75（6）：851-876.doi：10.11676/qxxb2017.068.（in Chinese）.

Xue M，Droegemeier K K，Wong V，2000.The Advanced Regional Prediction System （ARPS）-a multi-scale nonhydrostatic atmospheric simulation and prediction model.Part Ⅰ：model dynamics and verification[J].Meteor Atmos Phys，75（3/4）：161-193.doi：10.1007/s007030070003.

Yu B Y，Zhu K F，Xue M，et al.，2020.Using new neighborhood-based intensity-scale verification metrics to evaluate WRF precipitation forecasts at 4 and 12 km grid spacings[J].Atmos Res，246.doi：10.1016/j.atmosres.2020.105117.

張涵斌，陳靜，智協(xié)飛，等，2014.GRAPES區(qū)域集合預報系統(tǒng)應用研究[J].氣象，40（9）：1076-1087. Zhang H B，Chen J，Zhi X F，et al.，2014.Study on the application of GRAPES regional ensemble prediction system[J].Meteor Mon，40（9）：1076-1087.（in Chinese）.

張小雯，唐文苑，鄭永光，等，2020.GRAPES_3 km數(shù)值模式對流風暴預報能力的多方法綜合評估[J].氣象，46（3）：367-380. Zhang X W，Tang W Y，Zheng Y G，et al.，2020.Comprehensive evaluations of GRAPES 3 km numerical model in forecasting convective storms using various verification methods[J].Meteor Mon，46（3）：367-380.doi：10.7519/j.issn.1000-0526.2020.03.008.（in Chinese）.

鐘水新，2020.地形對降水的影響機理及預報方法研究進展[J].高原氣象，39（5）：1122-1132. Zhong S X，2020.Advances in the study of the influencing mechanism and forecast methods for orographic precipitation[J].Plateau Meteor，39（5）：1122-1132.doi：10.7522/j.issn.1000-0534.2019.00083.（in Chinese）.

Zhu K F，Xue M，Zhou B W，et al.，2018.Evaluation of real-time convection-permitting precipitation forecasts in China during the 2013—2014 summer season[J].J Geophys Res：Atmos，123（2）：1037-1064.doi：10.1002/2017JD027445.

（責任編輯：劉菲）