混合集合预报法在华南暴雨短期预报中的试验

唐圣钧 王东海 杜 钧 周镜石

1)(成都信息工程大学大气科学学院，成都 610225)2)(雅砻江流域水电开发有限公司，成都 610051)3)(中国气象科学研究院灾害天气国家重点实验室，北京 100081)4)(美国国家海洋大气局国家环境预报中心，马里兰 20740)



混合集合预报法在华南暴雨短期预报中的试验

唐圣钧1)2)王东海3)*杜 钧4)周镜石1)

1)(成都信息工程大学大气科学学院，成都 610225)2)(雅砻江流域水电开发有限公司，成都 610051)3)(中国气象科学研究院灾害天气国家重点实验室，北京 100081)4)(美国国家海洋大气局国家环境预报中心，马里兰 20740)

基于ARPS和WRF模式的多初值、多物理方案的集合预报系统，检验由高、低空间分辨率模式集成的结果。针对2013年5月8日华南地区强降水过程，设计ARPS模式集合、WRF模式集合和ARPS-WRF多模式集合3组试验，对比分析混合集合预报法与传统方法的降水预报效果。结果表明：ARPS模式集合改善了广东省南部局地强降水预报，该方法在中雨、大雨、暴雨量级改进效果显著。WRF模式集合对广东省北部强降水预报优于ARPS模式集合，但空报、漏报率较大，该方法有一定局限性。ARPS-WRF多模式集合在降水落区和量级预报上均优于传统方法。混合集合预报法利用低分辨率(36 km)集合预报和高分辨率(12 km)控制预报实现了高分辨率(12 km)集合预报，改善了降水预报效果，该方法可为业务高分辨率集合预报提供参考。

混合集合预报法； 高分辨率； 华南暴雨

引 言

由于大气运动高度非线性，因而模式初始场的微小误差很可能导致预报结果较大的不确定性[1]。为了减小模式预报的不确定性，集合预报技术已成为用于克服单一预报不确定性的有效方法[2-3]，在暴雨[4-5]、气旋[6]、水文[7]预报及短期气候预测等方面广泛应用，其通过概率预报提高了灾害性天气事件预报的可信度，大幅增强了对强对流天气的预警能力，减少经济损失，具有很高的应用价值。

近年来，区域集合预报发展迅速，已在各国气象部门实现业务化。美国国家环境预报中心(NCEP)于2001年率先建立了全球第1个短期集合预报系统(SREF)[8]。随后，英国和法国也相继建立了全球区域集合预报系统(MOGREPS, PEARP)[9-10]。中国区域集合预报系统[11](WRF-REPS，2014年改为GRAPES-REPS)于2011年正式投入业务运行。然而，由于集合预报成员较多，计算量大，在有限计算资源条件下，集合预报通常是以低分辨率模式预报，很难捕捉到中尺度信息。一些研究表明，提高集合预报系统模式分辨率能更好描述中尺度系统特征。Ma等[12]研究指出，提高模式分辨率可改善多数变量(500 hPa位势高度场、10 m经向风和纬向风场等)在短期集合预报中的效果。因此，如何利用有限计算资源实现高分辨率集合预报，改善暴雨的预报，具有重要的研究价值。

在有限的计算资源情况下，Du[13]提出了混合集合预报法(hybrid ensembling)，即将低精度的集合预报同高精度的单一预报结合，构成新集成的高精度混合集合预报。Du[13]证明了混合集合预报优于原来的低精度集合预报。为对比混合集合预报法与传统方法的优劣，建立了基于ARPS,WRF模式的36 km和12 km混合集合预报系统。通过个例模拟，研究了混合集合预报法对暴雨的预报效果并与传统12 km集合预报对比，结果显示，混合集合预报法仍可在一定程度上改进降水预报。为增加结果的可靠性，分别对3组集合预报进行试验，总之，混合集合预报法利用有限的计算资源，实现了高分辨率集合预报，可为业务应用提供参考。

1 集合预报系统构建

1.1 初值扰动方法

该系统采用ARPS和WRF_ARW模式，同时考虑计算代价和动力学意义，本系统采用增长模繁殖法(breeding growing mode)[14-15]，间隔12 h动态调整方式(breeding cycle)。Ma等[12]研究认为对全球集合预报，成员数小于40时，提高成员数对集合预报技巧改进明显；Du等[16]研究认为对短期集合预报，8～10个成员能较好改进预报技巧并获得集合平均90%效果；高峰等[17]研究认为，风暴尺度集合预报技巧随成员数增加而增加，成员数为5～13个，预报技巧趋于饱和。鉴于以上研究，本系统采用ARPS和WRF中尺度模式，经过资料同化系统(ADAS)同化分析场上，利用12 h对偶BGM扰动方法分别对动力场-水平速度(纬向风u、经向风v)和热力场-位温进行初始扰动，形成6个初始扰动场，再将6个初始扰动场分别在两个模式中积分形成12个集合扰动成员，同ARPS和WRF模式的控制预报，最后形成14个集合成员。

1.2 物理过程参数化选取

许多研究[18-20]指出，物理过程参数化扰动对集合预报结果影响很大。为了使成员尽可能包含大气真实状态，对微物理参数化、积云对流参数化、边界层参数化方案进行组合集合。微物理参数化采用LIN，WARMRA，NEMICE，Thompson，WSM6，WSM5和Ferrier方案，积云对流参数化采用KF，Kuo+Kessler，New KF和BMJ方案，边界层参数化采用MYJ，YSU，PBL specified和PBL diagnosed方案，具体方案组合见表1。

表1 系统集合成员的构成Table 1 The formation of ensemble members of the system

注：n代表负扰动成员，p代表正扰动成员，ctl代表控制预报。

2 混合集合预报法

该方法为后处理方法对模式预报场的相关处理。在集合预报中，集合成员分解为

(1)

虽然微胖，但周岱翰的身体极好，因为他精通食疗之法，其著作《中医肿瘤食疗学》中介绍的食材和烹调方法多是他实践的成果。

3 个例试验

3.1 天气概况

选取2013年5月8日华南暴雨过程，8日08:00—20:00(北京时，下同)在广东地区出现短时局地强降水，尤其南部和北部局部地区遭遇持续性大暴雨甚至特大暴雨，强度和持续时间历史罕见。由12 h 实况降水量(图1)可见，大暴雨区位于广东、江西、湖南三省交界处和广东江门附近，南部局地降水量超过150 mm，达到特大暴雨量级。一些研究[21]指出，该过程降水为暖区降水，较难预报。因此，选取8日08:00—20:00作为个例研究时段，同时检验混合集合预报法对短时强降水预报能力。

图1 2013年5月8日08:00—20:00降水量Fig.1 Observed precipitation from 0800 BT to 2000 BT on 8 May 2013

3.2 资料选取

采用NCEP全球预报场GFS资料作为模式背景场和侧边界条件，水平分辨率为1°×1°，侧边界每6 h更新1次。同化分析观测资料源自华南季风暴雨试验13部风廓线雷达(南雄、清远连州、从化、龙门、增城、潮州、罗定、新会、深圳、珠海、南沙、萝岗、湛江)资料和7部多普勒天气雷达(潮州、阳江、韶关、梅州、汕头、深圳、河源)资料径向风和反射率因子以及风云二号E星的黑体亮温资料(TBB)。降水资料采用国家气象信息中心提供的我国逐小时自动气象站降水数据集，该数据集包含全国40589个自动气象站降水资料。

3.3 试验设计

试验以高、低分辨率混合集合预报和传统高分辨率集合预报进行模拟分析，试验水平区域为两重单向嵌套，水平分辨率分别为36 km和12 km，中心经纬度分别为32°N，108°E和24.2°N，111.8°E，水平格点数分别为225×177和289×217，两层区域垂直方向均为53层，模式层顶气压50 hPa，控制预报和集合成员物理过程参数化方案设置见表1。考虑模式调整适应(spin-up)需要3～6 h，将模式起报时间定为5月8日02:00，积分18 h，并对初始场进行ADAS综合云分析，36 km外层区域只考虑同化TBB资料，12 km内层区域同化风廓线、雷达、TBB资料。考虑模式差异性，设计了ARPS模式集合、WRF模式集合和ARPS-WRF多模式集合3组预报试验，对比分析混合集合预报与传统集合预报的降水预报效果，进一步探究混合集合预报法在暴雨预报中的效果和作用。

3.4 ARPS模式集合

ARPS模式集合设置了3种对比试验方案：区域分辨率为12 km×12 km，成员数为7，包含6个ARPS集合扰动成员和ARPS控制预报；方案1即传统内层区域集合预报，该方案集合扰动成员通过GFS提前6，12，18 h对初始时刻的预报场差异构造扰动量，进行初值和物理过程扰动并预报生成；方案2即传统两层区域嵌套集合预报，该方案内层区域集合扰动成员通过外层区域提前6，12，18 h对初始时刻的预报场差异构造扰动量，进行初值和物理过程扰动并预报生成；方案3即混合两层区域嵌套集合预报，该方案内层区域集合扰动成员是通过混合集合预报法生成，基本量为内层区域ARPS控制预报，扰动量来自外层区域集合扰动成员与外层区域控制预报的差异值。其中，方案2和方案3的外层区域集合扰动成员生成方式与方案1类似。

图2 ARPS 3种方案12 h累积降水预报集合平均和离散度Fig.2 12 h accumulative precipitation ensemble mean and spread of 3 schemes in ARPS

概率预报是集合预报最大优势，概率分布包含集合成员所有信息，因此，通过概率预报能全面描述集合预报对物理量分布特征。图3为ARPS 3种试验方案分别对大雨(不小于15 mm)、暴雨(不小于30 mm)和大暴雨(不小于70 mm)5月8日08:00—20:00的12 h降水概率预报。由大雨量级的概率预报(图3)可知，3种方案概率分布覆盖范围大致相同，实际降水基本涵盖其中，表明3种方案均包含大气真实情况，但降水高概率区存在差异，方案3对南部降水中心预报效果最优。从暴雨、大暴雨量级的概率预报(图3)看出，对南部降水中心，方案3大概率区与实况更为接近；对北部降水中心，方案2大概率区与实况对应较好；方案1无法预报出南部降水大概率区。可见，不同方案对降水中心预报差异明显。

为检验3种方案集合平均对降水预报准确率，采用TS评分衡量某一量级降水预报。12 h降水量级分为中雨以上(不小于5 mm)、大雨以上(不小于15 mm)、暴雨以上(不小于30 mm)、大暴雨以上(不小于70 mm)和特大暴雨(不小于140 mm)，检验区域范围为21.5°～26.5°N，109.0°～115.5°E。由3种方案的降水集合平均TS评分(图4)可知，方案3在大雨、暴雨、大暴雨、特大暴雨量级优势明显，降水预报准确度从高到低依次为方案3、方案2、方案1，即混合集合预报法对降水预报改善显著。

图3 ARPS 3种方案12 h降水概率预报大雨Fig.3 12 h precipitation probabilistic forecast of 3 schemes in ARPS

为进一步检验3种方案构建的集合预报系统性能，采用BS(Brier Score)评分检验降水概率预报效果。12 h降水BS评分设定降水量级阈值为5，15，30，70，140 mm。由3种方案BS评分(图4)可知，对中雨、大雨、暴雨量级，方案3优势明显，但对大暴雨、特大暴雨量级，其效果不及传统集合预报方法，这是因为概率预报范围较大导致空报较多对大暴雨、特大暴雨改进效果有限。

3.5 WRF模式集合

类似ARPS模式集合，WRF模式集合设置了3种对比试验方案。WRF模式集合中WRF控制预报成员使用ARPS资料同化系统(ADAS)初始分析场，而其他集合成员初始扰动场来自BGM初值扰动。

由12 h累积降水预报集合平均(图5)可知，3种方案对北部降水中心模拟差异较大，方案3能模拟出3个强降水中心，落区与实况靠近，强度偏强；方案2在强度上与实况接近；方案1无法模拟出北部降水中心；对比ARPS模式集合(图2)，方案2和方案3优势明显，但3种方案均无法模拟出南部降水中心。由降水离散度(图5)可知，方案2中北部离散度大值区与暴雨位置对应较好；方案3北部离散度小，说明混合集合成员较为一致。即不同模式的降水预报差异明显(南部降水中心)，单一模式集合(WRF)很难捕捉中尺度天气系统。

图4 ARPS 3种方案12 h 累积降水预报TS评分和BS评分Fig.4 Threat Score and Brier Score of 12 h accumulative precipitation for 3 schemes in ARPS

图5 WRF 3种方案12 h累积降水预报集合平均和离散度Fig.5 12 h accumulative precipition ensemble mean and spread of 3 schemes in WRF

由大雨、暴雨量级的降水概率预报(图略)可知，3种方案对北部降水中心模拟较好，方案1和方案2存在高概率区空报现象(广东中部)；大暴雨量级上概率预报表明：3种方案均无法模拟出南部降水中心，但方案3对北部降水中心概率达到50%，更接近实况。即混合集合预报法在不同量级的降水概率预报有一定优势。

类似ARPS模式集合检验，3种方案TS评分(图6)表明：方案2在大雨、暴雨量级预报优势明显，方案3在大暴雨量级预报有一定优势。BS评分(图6)显示在暴雨量级上，方案3预报效果较差，这是由方案3对南部强降水区漏报造成的；在大暴雨量级上，方案1预报效果最优，这与方案2和方案3北部大范围区域空报而改进效果有限有关。可见，对WRF模式集合，混合集合预报法较传统方法优势不明显，有一定局限性。

图6 WRF 3种方案12 h累积降水TS评分和BS评分Fig.6 Threat Score and Brier Score of 12 h accumulative precipitation for 3 schemes in WRF

3.6 ARPS-WRF多模式集合

由以上分析可知，ARPS模式混合集合能模拟出南部强降水中心，而WRF模式混合集合能较好地捕捉北部降水中心，因此，ARPS-WRF多模式集合可将两者优势融为一体，并弥补WRF模式对南部降水预报的缺陷，具有一定参考价值。类似ARPS模式集合，ARPS-WRF多模式集合设置了3种对比试验方案。

由3种方案12 h累积降水预报集合平均(图7)可知，3种方案均能大致模拟出雨带整体走向，但强度上存在差异，主要体现在广东南部强降水预报，方案3中南部降水中心达到70 mm，较实况偏弱(实况降水中心为150 mm)，这是WRF成员预报强度偏弱造成的，优于方案1和方案2；对北部雨带模拟，方案2与实况很相似，能模拟出北部雨带3个强降水中心；方案2和方案3对北部雨带模拟位置略偏北，优于方案1。由于不同成员对强降水中心位置预报偏移，集合平均会过滤极端信息从而导致降水偏少，因此，集合平均对极端强降水并非一个好指标[15,23]，概率预报更为适合。由降水离散度(图7)可知，离散度分布与集合平均相似，方案2和方案3南北部离散度大值区与实况降水带对应，与ARPS模式集合分布相似。

由大雨量级的概率预报(图8)可知，方案2和方案3中实况大雨区(图1)概率超过50%，但方案2在广东西部大雨有空报现象；方案1南北部降水中心大雨概率较低，且广东中部有大范围空报现象；可见，方案3对大雨概率预报最优。由暴雨量级的概率预报(图8)可知，方案2和方案3的北部暴雨概率预报区基本一致，随概率增加，区域范围也有一定差异，方案2的暴雨概率预报位置较方案3更为准确，但方案3对南部暴雨概率预报明显好于方案2，达到40%；方案1南北部暴雨概率均较低，说明方案3对暴雨概率预报较方案1和方案2有一定改善。从大暴雨量级的概率预报(图8)可知，方案1和方案2无法预报南部大暴雨概率区，但方案3有明显改善，其概率达到40%；方案2较方案1和方案3对北部大暴雨概率区描述更为准确，但概率只有20%～30%。由此可见，虽然3种方案对大雨、暴雨和大暴雨的概率预报均有所反映，但总体来说，方案3的预报效果最好，尤其对南部降水中心的预报，即混合集合预报法对暴雨预报有明显改善作用。 3种方案TS评分(图9)表明：方案3在各降水量级上明显优于其他两种方案，在大雨、暴雨、大暴雨量级优势明显，而特大暴雨TS评分为0，这是集合平均过滤极端信息造成的；降水预报准确度从高到低依次为方案3、方案2、方案1，所以混合集合预报法对暴雨预报具有明显优势。BS评分(图9)显示：方案3在中雨、大雨、暴雨量级效果显著；随着降水量级增加，方案1在大暴雨量级上较其他两种方案略有优势，在特大暴雨量级上，3种方案效果趋于一致；在大暴雨、特大暴雨量级上，ARPS-WRF多模式混合集合的预报效果明显优于ARPS模式混合集合，其中ARPS-WRF多模式混合集合在大暴雨、特大暴雨量级上的BS评分分别为0.093和0.019，而对应的ARPS模式混合集合的BS评分为0.117和0.038。以上结果说明，混合集合预报法能够改进集合预报系统效果，提高集合预报系统对中雨、大雨、暴雨量级的预报准确度，但对大暴雨、特大暴雨量级因概率预报范围较大，导致空报较多而改进效果有限。

图7 ARPS-WRF 3种方案12 h累积降水预报集合平均和离散度Fig.7 12 h accumulative precipitation ensemble mean and spread of 3 schemes in ARPS-WRF

图8 ARPS-WRF 3种方案12 h降水概率预报Fig.8 12 h precipitation probabilistic forecast of 3 schemes in ARPS-WRF

续图8

图9 ARPS-WRF3种方案12 h累积降水预报TS评分和BS评分Fig.9 Threat Score and Brier Score of 12 h accumulative precipitation for 3 schemes in ARPS-WRF

4 结论与讨论

本文采用混合集合预报法，建立了一套基于ARPS，WRF模式的混合集合预报系统。利用该系统设计了3组集合预报试验，通过降水分析及集合预报检验等手段，综合对比分析了混合集合预报与传统集合预报在华南暴雨短期预报中的效果，得到以下主要结论：

1) ARPS模式集合显示混合集合预报相对传统集合预报对南部局地强降水模拟较好。降水TS评分显示混合集合预报法在各量级降水预报都优于传统方法，降水BS评分显示混合集合预报法提高了中雨、大雨、暴雨量级降水预报，但因概率覆盖范围较大导致空报较多对大暴雨、特大暴雨量级改进效果有限。

2) WRF模式集合显示混合集合预报能模拟出北部3个强降水中心，强度偏强，北部降水中心概率达到50%，优于ARPS模式集合；从降水TS评分和BS评分看，由于大范围空报、漏报现象，混合集合预报较传统方法优势不明显，有一定局限性。

3) ARPS-WRF多模式集合显示混合集合预报相对传统集合预报对暴雨预报有明显改善，尤其对南部局地强降水预报；降水TS评分表明混合集合预报法在各量级降水(除特大暴雨)预报上均优于传统方法；降水BS评分显示混合集合预报法提高了中雨、大雨、暴雨量级降水预报准确度，但对大暴雨、特大暴雨量级因概率覆盖范围较大导致空报较多而改进效果有限，但仍优于单一模式集合。

综上所述，对比传统集合预报，混合集合预报可在一定程度上改进降水预报效果。然而，本文只通过1次个例对混合集合预报法进行初步探究，由于个例的特殊性，ARPS，WRF模式模拟结果差异较大，其结论有一定局限性，下一步工作需要对其他暴雨过程进行批量试验，详细分析混合集合预报法在暴雨短期集合预报中的效果。

[1] Lorenz E N.A study of the predictability of a 28-variable atmospheric model.Tellus,1956,17:321-333.

[2] 杜钧.集合预报的现状和前景.应用气象学报,2002,13(1):16-28.

[3] 杜钧,陈静.单一值预报向概率预报转变的基础:谈谈集合预报及其带来的变革.气象,2010,36(11):1-11.

[4] 王晨稀.短期集合降水概率预报试验.应用气象学报,2005,16(1):78-88.

[5] 吴政谦,徐海明,王东海,等.中尺度多模式超级集合预报对2010年6月19—20日中国南方大暴雨过程的分析.热带气象学报,2012,28(5):653-663.

[6] 王晨稀,梁旭东.热带气旋路径集合预报试验.应用气象学报,2007,18(5):586-593.

[7] 赵琳娜,刘莹,党皓飞,等.集合数值预报在洪水预报中的应用进展.应用气象学报,2014,25(6):641-653.

[8] Du J,Tracton M S.Implementation of a Real-time Short-range Ensemble Forecasting System at NCEP,an Update∥Preprints,9th Conferenceon Mesoscale Processes.Amer Meteor Soc,2001:355-356.

[9] Bowler N E,Arribas A,Mylne K R,et al.The MOGREPS short-range ensemble prediction system.QJRMeteorSoc,2008,134:703-722.

[10] Descamps L,Labadie C,Joly A,et al.PEARP,the Météo-France short-range ensemble prediction system.QJRMeteorSoc,2014,doi:10.1002/qj.2469.

[11] 邓国,龚建东,邓莲堂,等.国家级区域集合预报系统研发和性能检验.应用气象学报,2010,21(5):513-523.

[12] Ma J,Zhu Y,Wobus R,et al.Aneffective configuration of ensemble size and horizontal resolution for the NCEP GEFS.AdvAtmosSci,2012,29:782-794.

[13] Du J.Hybrid Ensemble Prediction System:A New Ensembling Approach∥Preprints, Symposium on the 50th Anniversary of Operational Numerical Weather Prediction.Amer Meteor Soc,2004:14-17.

[14] Toth Z,Kalnay E.Ensemble forecasting at NMC,the generation of perturbation.BullAmerMeteorSoc,1993,74:2317-2330.

[15] Toth Z,Kalnay E.Ensemble forecasting at NCEP and the breeding method.MonWeaRev,1997,125:3297-3319.

[16] Du J,Mullen S L,Sander F.Short-range ensemble forecasting of quantitative precipitation.MonWeaRev,1997,125(10):2427-2459.

[17] 高峰,闵锦忠,孔凡铀,等.风暴尺度集合成员数对预报技巧的影响.南京气象学院学报,2009,32(2):215-221.

[18] 王晨稀,端义宏.短期集合预报技术在梅雨降水预报中的试验研究.应用气象学报,2003,14(1):69-78.

[19] 谭燕,陈德辉.基于非静力模式物理扰动的中尺度集合预报试验.应用气象学报,2007,18(3):396-406.

[20] 李俊,杜钧,刘羽.北京“7.21”特大暴雨不同集合预报方案的对比试验.气象学报,2015,73(1):50-71.

[21] 张诚忠,陈子通,万齐林,等.雷达反演水汽在华南前汛期短时临近降水预报应用试验.热带气象学报,2014,30(5):801-810.

[22] 李俊,杜钧,王明欢,等.中尺度暴雨集合预报系统研发中的初值扰动试验.高原气象,2009,28(6):1365-1375.

[23] 李俊,杜钧,陈超君.“频率匹配法”在集合降水预报中的应用:集合平均、偏差订正及它们的结合.气象,2015,41(6):674-685.

The Experiment of Hybrid Ensemble Forecast Approach in Short-range Forecast for South China Rainstorm

Tang Shengjun1)2)Wang Donghai3)Du Jun4)Zhou Jingshi1)

1)(CollegeofAtmosphericSciences,ChengduUniversityofInformationTechnology,Chengdu610225)2)(YalongRiverHydropowerDevelopmentCompany,Ltd,Chengdu610051)3)(StateKeyLabofSevereWeather,ChineseAcademyofMeteorologicalSciences,Beijing100081)4)(NationalCentersforEnvironmentalPrediction/NationalOceanicandAtmosphericAdministration,USA,Maryland20740)

Hybrid ensemble forecast approach composed of high-resolution and low-resolution model is tested with multi-initial conditions and multi-physics ensemble prediction system (EPS) based on ARPS and WRF. Three kinds of ensemble prediction experiments (ARPS model ensemble, WRF model ensemble and ARPS-WRF multi-model ensemble) are designed to comparatively analyze the precipitation effect between the hybrid ensemble forecast approach and traditional ensemble forecast approach based on the heavy rainfall event occurred in Southern China on 8 May 2013. ARPS model ensemble improves local precipitation simulation over southern part of Guangdong Province. The center intensity of southern ensemble mean reaches 150 mm, close to the observation, but its location shifts northeast a little. The distribution of ensemble spread is similar to that of ensemble mean. The probabilistic forecast area of the approach is close to the observation in terms of the torrential rain and downpour forecast. The Threat Score (TS) show that the greatest improvements for order of magnitude precipitation are obtained by the hybrid ensemble approach. The Brier Score (BS) also shows that the improvement on moderate rain, heavy rain and torrential rain is obvious, but the improvement on downpour and excessive storm is limited for the approach. WRF model ensemble has a better performance on precipitation simulation over northern part of Guangdong Province, but the hybrid approach is limited because of the large frequency of false alarms and misses. ARPS-WRF multi-models obviously improve precipitation simulation which has a better performance than those of traditional ensemble forecast approach on precipitation area and intensity. The center intensity of southern precipitation reaches 70 mm, less than the observation and it is caused by the weaker WRF members forecast. The distribution of ensemble spread is similar to that of ensemble mean. The probabilistic forecast of torrential rain and downpour in southern area is best up to 40%. The TS shows that the greatest improvements for order of magnitude precipitation are obtained by the hybrid ensemble approach, especially for heavy rain, torrential rain and downpour. The BS also shows that the improvement on moderate rain, heavy rain and torrential rain is obvious. ARPS-WRF multi-models have better performance than ARPS model on the forecast of downpour and excessive storm. Therefore, the hybrid ensemble forecast approach achieves high-resolution ensemble forecast system and improves the precipitation simulation combining low-resolution ensemble run with single high-resolution control model run. Meanwhile, a reference to high-resolution ensemble forecast system is provided for operational weather prediction centers.

hybrid ensemble forecast approach; high resolution; South China rainstorm

10.11898/1001-7313.20150603

国家自然科学基金项目(91437221)，国家重点基础研究发展计划(2012CB417204)，公益性行业(气象)科研专项(GYHY201306005)

唐圣钧,王东海,杜钧,等. 混合集合预报法在华南暴雨短期预报中的试验. 应用气象学报，2015，26(6)：669-679.

2015-03-25收到， 2015-06-10收到再改稿。

* 通信作者， email: wangdh@cams.cma.gov.cn