基于CRA技术的华南前汛期强降水EC模式预报误差分析

李晓兰，符娇兰

（1.国家气象中心，北京100081；2.中国气象局-河海大学水文气象研究联合实验室，北京100081）

1 引 言

华南是我国暴雨频发的地区之一，其汛期降水可分为前汛期（4—6月）降水和后汛期（7—9月）降水，其中，前汛期总降水量占华南全年降水量的50%左右。华南前汛期暴雨根据降水性质不同，可分为锋面暴雨和暖区暴雨，前者出现在4月到5月中旬前后，暴雨主要出现在华南北部；后者主要出现在夏季风爆发后，大约为5月中旬到6月，暴雨主要出现在华南沿海[1]。与锋面暴雨不同，暖区暴雨常常发生在离锋面200～300 km的暖区内，多对流性降水，降水时间短，强度大。为了研究华南前汛期暴雨，从1970年代末开始，我国先后开展了4次较大规模的外场观测试验[1-5]，得到大量的高时空分辨率的观测资料，并对暖区暴雨产生的环境条件及中尺度对流系统进行了较深入的分析[5-9]。华南前汛期暴雨中暖区暴雨占了很大比重，而暖区内低层常为一致的西南风或偏南风，水汽含量丰富，再加上华南地区复杂的地形和海陆热力差异，导致暖区暴雨预报难度非常大[6,10-11]。陈茂钦等[12]利用模式试验研究江淮地区和华南地区不同类型暴雨的模式可预报性的差异，结果表明，从误差增长和集合预报的角度，华南暴雨的模式可预报性比江淮暴雨的模式可预报性差。孔期等[13]对2015年5月19—20日华南区域性暴雨研究表明：模式对广东中南部暖区降水预报能力十分有限，强降雨落区较实况明显偏北。中央气象台多年预报实践表明，对于华南前汛期区域性暴雨过程，业务数值模式能较准确地预报出暴雨过程，但暴雨的强度与位置往往会出现一定的预报误差，严重影响强降水预报服务效果以及防灾减灾的科学指导。因此有必要对业务模式预报误差进行系统性检验和分析，这将有利于帮助预报员了解数值模式对华南前汛期暴雨的预报能力及订正模式预报偏差，也能给模式研发者提供模式预报性能改进的科学依据。

基于前期预报评分、天气学检验等手段可对模式预报性能进行定性诊断，但要订正模式强降水落区和强度，必须对模式不同环流背景下的降水强度、范围以及位置等系统性预报误差进行定量分析。近些年，随着数值模式分辨率的提高，用于检验降水空间结构预报能力的空间检验方法逐渐在定量降水预报中应用起来，该类方法可以提供强降雨形态、位置和强度等误差信息。Gilleland等[14]对现有的空间检验方法进行了综述，将其分为滤波和位移两大类方法，其中前者可分为邻域和尺度分离法，后者分为场变形和基于对象的空间检验方法。CRA（Contiguous Rain Area）[15-16]方法是基于对象的空间检验方法，通过降水阈值来确定连续的降水雨区或目标，对降水目标进行识别和分离，从而确定位移误差、形态误差和强度误差。目前，已有不少研究将CRA技术用于检验模式降水预报误差。姜晓曼等[17]利用CRA方法对北京“7.21”特大暴雨的模式误差进行分解，结果表明强度误差为此次暴雨的主要误差。针对2013年6月17—18日的印度北阿坎德邦地区一次降水过程，Dube等[18]利用CRA方法计算了2个模式预报的总误差、位移误差、强度误差和形态误差，从而对模式预报能力进行了评估。除将CRA技术用于检验某次降水过程外，还有研究对多次降水过程进行模式误差检验。符娇兰等[19]利用CRA技术对2011—2014年5—9月西南地区东部ECMWF全球确定性模式预报的强降水预报误差进行了分析，结果表明西南地区东部降水以形态误差为主，其次是落区误差，落区平均偏西约0.7°，经向偏差不明显，不同天气尺度系统影响下的强降雨落区误差特征不同。Ashrit等[20]、Sharma等[21-22]用CRA方法对印度夏季风降水预报进行误差检验，并通过设置不同的降水阈值，得到不同地区降水误差的主要来源及预报偏离实况的方向和大小。另外，Moise等[23]将CRA技术进行了改进，并用于检验气候模式模拟的平均降水场，指出相对于点对点的评估方法，CRA方法能对模拟的大尺度降水（比如SPCZ、ITCZ、季风）的形态和落区进行误差评估，从而避免降水形态模拟合理但落区偏差较大而导致模拟误差，为气候模式评估提供了新思路。Chen等[24]将改进后的CRA方法用于检验2012—2013年西北太平洋热带气旋的降水预报，结果表明形态误差为主要误差，但提高CRA阈值和降低模式空间分辨率后，形态误差占比有所减少、强度误差占比增加；相对于24 h时效预报，落区误差在72 h时效预报明显增加。通过以上研究发现，CRA方法可对模式预报误差进行检验，从而对模式预报性能进行总体评估，那么，针对华南前汛期强降水，CRA检验技术对预报的强降水误差检验结果如何？是否能对业务预报误差订正有帮助？这是本文需要讨论的问题。

本文主要利用CRA空间检验技术对2016—2018年4—6月华南前汛期欧洲中期天气预报中心ECMWF（简称EC）全球确定性模式预报的区域性暴雨个例进行检验，第二节介绍资料和方法，第三节给出华南前汛期模式降水总体误差分布特征，随后第四节给出模式降水不同预报偏差的环流特征及天气尺度影响系统分析，再通过预报落区偏差较大和预报落区较为准确的个例进一步分析对流发展对模式预报误差的影响，最后给出结论和讨论。

2 资料与方法

2.1 资 料

本文主要对2016—2018年4—6月模式预报的华南前汛期区域性暴雨进行检验，所用到的资料包括两类：一类是被检验的模式降水预报数据，由于业务上并未存储本文分析时段的全球区域同化预报系统 GRAPES（Global/Regional Assimilation and Prediction System）模式历史资料，且从模式预报性能来讲，EC模式表现得更为稳定，故本文使用的是EC模式24 h累计降水量，起报时间为20 h（北京时，下同），预报时效为36 h，分辨率为0.25°×0.25°；第二类是用于检验模式预报性能的观测和再分析数据，包括全国2 400多个国家站点08—08时24 h累计降水量实况观测数据和ERA5逐小时再分析数据，其中ERA5数据的分辨率为0.25°×0.25°，所用变量包括高度场、风场、垂直速度、比湿、对流有效位能（CAPE）和整层可降水量（PWAT）。

2.2 CRA空间检验方法

CRA方法最早由Ebert等[15]提出，是一种基于目标的模式降水检验方法，可用于检验模式的系统误差。下面介绍一下CRA方法。

首先，根据降水阈值识别CRA。由于CRA方法的检验对象是连续的降水目标或雨带，因此为了确定降水目标或雨带，需要选取一个降水阈值，比如本文阈值选取25 mm/(24 h)。大于或等于这个阈值的观测和（或）预报的闭合连续雨区定义为一个CRA，要求单个CRA的覆盖范围大于2°×2°网格，并计算每个CRA的观测和模式降水的质心（降水量加权平均经纬度网格）、大于选定降水阈值的格点数、平均降水量、最大降水量以及区域总降水量。

其次，平移CRA内的模式预报，使得平移后的模式预报与观测的方差最小，最大平移范围是向各个方向平移5°。平移后的网格值表示模式相对实况的偏离的网格数，有方向性（即偏东或偏西，偏北或偏南多少个网格）。

最后，计算模式降水预报的总误差、位移误差、强度误差和形态误差，总误差为其余三个误差之和，即：

其中，MSEshift为平移后的误差，fi为模式预报降水，oi为实况降水，fi'为平移后的模式预报降水为平移后的平均的模式降水，而为平均的实况降水。

2.3 方 法

在进行检验之前，首先需要挑选2016—2018年4—6月的华南前汛期区域性暴雨的个例，挑选标准为华南地区（104～120°E，17～27°N范围内的陆地区域）5个及以上的站点（全国2 400多个国家站点）24 h(前日08时—当日08时)累计降水量大于等于50 mm、且降水主体出现在华南大陆地区（海南岛除外）的降水为一个暴雨个例，并剔除台风引起的暴雨，最终共挑选了58个暴雨个例（个例信息表略）。然后，对实况数据和模式数据进行预处理，利用基于变分的方法[25]将实况站点降水数据插值到模式格点场上，再将实况和模式数据大陆以外的格点值赋值为-1。陆地上，实况检验区域为华南地区（104～120°E，17～27°N），为了实现CRA平移计算，模式有效数据范围为实况检验区域向外扩充5°（即99～125°E，12～32°N），并将上述区域范围之外的实况和模式数据全部赋值为-1。注意到模式有效数据范围向外扩充5°后包含海洋上的数值，因此需要将扩充后的海洋上的格点值赋值为-1。

其次，确定降水阈值并识别CRA，计算模式的偏差和相关统计量。本文阈值选取25 mm/(24 h)，通过降水阈值对58个降水个例进行降水目标的识别和分离，一共识别出了75个降水目标。对这75个降水目标分别计算模式预报与实况的降水质心位置及二者偏差，大雨及以上量级的模式和实况的降水格点数、平均降水量、最大降水量和区域总降水量，并对上述偏差进行统计分析。由于有6个降水目标为空报或漏报目标，而质心位置偏差为模式减去实况，这6个降水目标不符合要求，故最终用于本文分析的降水目标数为69个。

最后，为了进一步分析模式降水预报偏差对应的天气尺度影响系统，将质心偏差大于等于0.75°的个例按照质心偏差方向分为西北、东北、西南和东南四种类型，并对不同偏差类型下的环流形势及天气尺度影响系统进行了分析。值得注意的是，少数强降水个例中能识别出2～3个降水目标，通过天气形势分析确定该个例主雨带，最终基于主雨带误差特征进行个例挑选和分析。

3 模式降水预报误差特征

图1为华南前汛期强降水个例的预报误差总体分布。从图1a可以看出，大部分个例都存在落区误差，偏差大于0.25°的个例占总个例数的87%左右，最大偏差为2.75°。从偏差分布上看，经向偏差更明显，其分布特征与西南地区东部不同[19]。其中预报偏北（经向偏差大于0）的个例（45个）多于偏南的个例，占总个例数的65%左右，平均偏北0.6°，标准差为0.45°；预报偏西（纬向偏差小于0）的个例42个，平均偏西0.86°，标准差为0.67°。而对于强度误差，模式预报的大雨及以上量级的强降水面积较实况偏大的个例多（60%），且实况降水面积越大，模式预报的强降水面积偏大的概率越大（图1b）。对于大雨及以上量级的平均降水，模式预报的降水平均值较实况偏小的概率大（图1c）。对于最大降水量，模式预报较实况偏小的个例多，尤其是实况日降水最大值在200 mm以上时，模式预报均偏小（图1d）。区域总降水量与降水面积预报误差特征类似，模式预报的区域总降水量较实况偏大的可能性更大些（57%）（图1e）。从以上分析可以看出，模式预报的华南前汛期强降水较实况偏北的概率大，且强降水面积易偏大，但平均雨强、最大降水量偏小的概率大。

图1 模式降水落区质心位置较实况的偏差频次空间分布（a，单位：°）和69个降水目标实况和预报的强度分布散点图（b～e） b.大雨及以上量级的降水格点数；c.大雨及以上量级的平均降水量（单位：mm）；d.最大降水量（单位：mm）；e.区域总降水量（单位：103 mm·m2）。图a数字为预报偏差位于每个0.25°×0.25°网格内的CRA个数。

表1给出了华南前汛期强降水三种误差占总误差的比重，可以看出，形态误差占比最大，达63%左右，其次是落区误差，约为30%左右，强度误差占比最小，仅7%左右，这个误差分布结果与符娇兰等[19]的结果类似，可能是由于全球模式分辨率较低导致其不能较好体现降水的中尺度特征，从而造成降水形态分布差异较大。

表1 华南前汛期强降水落区、强度、形态误差平均占比

4 不同类型模式降水落区预报偏差分析

按照落区预报误差分布，将具有落区误差的降水个例分为西北、东北、西南、东南四种类型。考虑到偏差较大的个例更具有代表性，主要分析落区偏差大于等于0.75°的个例。图2给出了质心偏差大于等于0.75°的个例频次分布，可以看出，质心偏差大于等于0.75°的个例（31个）占总个例数的45%，其中西北型（13个）和东北型（11个）个例共有24个，占质心偏差大于等于0.75°个例数的77%（图2a）。另外，东南型个例只有一个。从各类型分布的月份来看，质心偏差大于等于0.75°的个例主要出现在5—6月（24个），且以西北型和东北型个例为主，其中4月份三种落区偏差类型个例出现的频次相当；5月以西北型的个例（7个）为主，约占5月总个例数（11个）的64%；6月东北型的个例（7个）最多，占6月总个例数（13个）的54%，其次是西北型的个例，有4个（图2b）。

图2 不同降水落区预报偏差类型个例频次分布（单位：个） a.总体分布；b.4—6月逐月分布。

图3给出了不同落区偏差（偏差大于等于0.75°）个例降水质心位置的空间分布。对于西北型个例，实况降水质心主要位于华南中北部，预报的质心位于华南西北部；对于东北型个例，实况降水质心主要位于华南中南部，模式预报的降水质心主要位于华南北部；而对于西南型个例，实况降水质心主要位于湖南南部和广东中北部，模式预报的降水质心主要位于广西东部及周边地区。

图3 不同降水落区预报偏差个例质心位置分布图 a.观测；b.EC模式36 h预报。黑点代表西北型个例，蓝色三角形代表东北型个例，红色六边形代表西南型个例。

为了进一步分析上述三种降水落区预报偏差的特征，分别对其大雨及以上量级降水的格点数、平均值及最大降水量进行分析。图4是不同偏差类型大雨及以上量级降水面积，可以看出，东北型个例模式降水面积大于实况的概率大，而西北型个例没有明显倾向，但其降水面积大的个例模式降水预报大于实况的概率大，降水面积小的个例模式降水预报偏小的概率大。另外，东北型个例的绝大部分个例降水面积都在200个格点以下（图4b）。对于平均降水，西北型和东北型个例模式预报平均雨强较实况偏小，而西南型个例模式预报和实况较为接近（图5）。模式预报的最大降水量，仅西北型个例低估了最大降水量，东北型和西南型个例则没有明显偏差倾向（图6）。可见，西北型个例强度系统性偏差表现在平均降水和最大降水的低估，东北型个例则表现为降雨面积偏大、平均降水偏小的强度系统性偏差，西南型个例在强度预报上没有明显的系统性误差。

图4 不同偏差类型观测与预报的大雨及以上量级降水格点数散点图 a.西北型；b.东北型；c.西南型。

图5 同图4，但为大雨及以上量级的平均降水量 单位：mm。

图6 同图4，但为最大降水量 单位：mm。

Rodwell等[26]对流依赖的模式预报误差及改进流依赖的模式可预报性问题进行了探讨，指出高空槽型对流性天气不确定性非常大。中央气象台多年模式应用经验也表明：在相似的环流型和环境条件下，模式降水预报误差特征具有共性，符娇兰等[19]对西南地区东部强降水分析结果证实了这一点。那么，华南地区是否具有类似的偏差特性?为了了解模式不同预报误差对应的环流特征以及天气尺度影响系统，将具有降水落区预报偏差（偏差大于等于0.75°）相似个例的环流形势和影响系统进行逐一分析。根据广东省气象局《广东省天气预报技术手册》[27]的总结，按照其主要环流形势及天气尺度影响系统进行分类。表2显示，西南型个例，中高纬度环流主要以多波动型为主，低纬度受南支槽或波动及副高影响，其中5个个例天气尺度系统高层为南支波动与中纬度短波槽，低层为低涡（2例）、冷式切变线（2例）、暖式切变线（1例）及低空急流（4例），有1例天气尺度系统为长波槽、冷式切变线与低空急流。

表2 各类预报偏差类型个例的环流形势及天气尺度影响系统“√”符号表示出现某类型环流形势和天气尺度系统，日期160410表示2016年4月9日08时—10日08时。

西北型个例，中高纬度环流多波型、一槽一脊型均有出现，各占50%左右，低纬度受副高影响，40%个例中低纬度有南支槽或波动活动，其中高空受长波槽或东北冷涡影响个例居多，有7个个例，南支波动及中纬度短波槽个例有5个，低层以冷式切变线影响为主，共有9例，暖式切变线3例，低涡1例，6个个例有低空急流发展。东北型个例，中高纬度主要以一槽一脊型居多，占比60%以上，多波动型占比低于40%，大部分个例低纬度受南支槽或波动及副高影响，天气尺度系统主要以南支波动及中纬度短波槽为主，共有8例，占比70%以上，长波槽型仅有1个个例，低层系统并未出现明显偏好，低涡（2例）、冷式切变线（4例）、暖式切变线（5例）均有出现，有50%以上个例伴有低空急流发展。

综上所述，西南型个例中高纬度多波动型，主要以南支波动与中纬度短波槽影响为主，低层受低涡或切变线以及低空急流影响；西北型个例中高纬度环流分为两类，高层天气尺度影响系统以长波槽或东北冷涡居多，低层以冷式切变线为主；东北型以一槽一脊型居多，但高层天气尺度系统与西南型类似，主要以南支波动及中纬度短波为主，低层系统主要受冷、暖式切变线与低空急流影响。通过上述不同偏差类型个例分析发现，尽管各类偏差类型的环流特征具有一定的差异，但是仅依靠环流形势和天气尺度影响系统判别华南地区前汛期模式强降水落区偏差类型是不够的，例如：2016年5月5日与2016年4月16日环流特征及天气尺度影响系统相似度非常高，但落区偏差却不同，可见，强降水落区偏差不仅与环流形势和天气尺度影响系统有关，可能还与中尺度系统的预报偏差有关，值得进一步进行深入探讨。

5 不同降水落区预报性能的个例对比分析

图1a显示尽管大部分个例降水落区预报存在一定偏差，但仍有部分（约13%）个例落区预报偏差非常小，基本与实况一致。表明有些降水个例模式的可预报性较高。那么华南前汛期什么类型的个例模式预报效果好，预报较差的个例又有哪些特征？搞清楚上述问题将能为预报员合理使用模式指导预报，订正调整模式预报结果提供科学依据。为此，本文选取了一个降水落区偏差较大的个例（2017年5月8日08时—9日08时）和一个落区预报相对准确的个例（2018年5月26日08时—27日08时），试图从环流形势、环境条件、对流发展和降水演变情况以及模式预报情况等方面进行对比分析，初步对不同类型降水落区模式可预报性问题进行探讨（图7）。

2017年5月8日08时—9日08时，受高空槽东移影响，广西东部、广东和江西中部出现了大雨及以上量级降水，而模式预报强降水雨带偏北明显，主要出现在江西南部、福建西部、浙江西部和广东北部（图7a）。从500 hPa环流形势上看，5月8日08时华北南部到华南有一低槽；低层有切变线从江南中北部延伸至广西北部（图7c）。5月8日20时，副高东退到海上，其西侧西南风向华南和江南地区输送水汽。随着高空槽快速东移，9日02时低层切变线迅速移至江南东部沿海至华南沿海一带，此时强降水基本趋于结束（图略）。不稳定能量大于500 J/kg的地区主要位于华南中南部，整层可降水量大于50 mm的地区也主要位于江西中部和华南中南部地区（图7e）。图8a给出了最强降水时刻（18时）比湿、垂直速度及假相当位温剖面图，可以看出，在高空槽前，从800 hPa到200 hPa有较强的上升运动，低层比湿达14 g/kg，切变线以南区域对流层中下层存在一定的对流不稳定，且0～6 km风切变较强，有利于对流组织化发展；降水出现在850 hPa切变线及其以南地区（图8c）。强对流实况监测显示，8日广西、广东以及江西等地出现了短时强降水和雷暴大风天气（图略）。雷达组合反射率显示（图9），线状对流或飑线中尺度系统自广西西北部向东南方向快速移动，进入华南中南部以后再度发展，01时前后东移入海，造成了广东等地强降水。实况降水主要出现在切变线南段对流发展条件较好的区域，而模式强降水出现在切变线东段天气尺度抬升更强的江西和广东北部，对流进入广东造成的降水预报明显偏弱，从而导致降水落区较实况落区明显偏北。

图9 2017年5月8日08时（a）、8日11时（b）、8日13时（c）、8日17时（d）、8日20时（e）和9日01时（f）雷达组合反射率

2018年5月26日08时—27日08时湖南西部、贵州南部和东部、广西西南部和云南东部出现大到暴雨（图7b），模式预报的大雨落区与实况基本一致。此次降水过程，贝加尔湖地区500 hPa有一低涡，低涡后部冷空气从西路南下影响江南、华南地区，副高及大陆高压控制江南、华南大部地区，26日08时切变线位于广西和贵州南部一带（图7d）。由于副高势力较强，高层无明显的波动活动，切变线移动非常缓慢，27日08时切变线西段才移至广西中部（图略）。切变线南侧西南风较弱，西南风内辐合区域位于广西东部至广东西部一带，此外，江南大部、贵州、华南等地不稳定能量和整层可降水量都很大（图7f）。从最强降水时刻（23时）的比湿、垂直速度及假相当位温剖面图（图8b）可以看出，25°N以南切变线附近有较强的上升运动，此外在广西东部也有弱的上升运动区，对应西南风内的辐合区，低层比湿达16～18 g/kg，并伴有明显的对流不稳定区，但整层风速及风切变都小，不利于中尺度对流系统的组织化发展；强降水主要位于850 hPa切变线附近，此外，在西南风辐合区内也有一些弱的降水（图8d）。强对流监测显示，此次降水主要以短时强降水为主（图略）。雷达组合反射率显示（图10），26日09时，湖南西部至贵州南部有线状对流发展，但尺度较小，向东向南缓慢移动，13时，进入广西西北部后对流有所发展，但移动非常缓慢，23时对流系统依然维持在广西西北部，且其组织化程度20时之后明显减弱，27日08时，该对流系统才东移至华南中部，由于对流系统在东移过程中并未组织化发展，因此并未在暖区内造成大范围的强降水。实况强降水也主要出现在切变线附近，与模式预报较为一致。

图7 a.2017年5月8日08时—9日08时（北京时，下同）24 h累计降水量（等值线为EC预报，填色为实况，单位：mm）；b.同a，但为2018年5月26日08时—27日08时；c.2017年5月8日08时的500 hPa高度场（等值线，单位：dagpm）和925 hPa风场（风向杆），填色为实况降水（单位：mm）；d.同c，但为2018年5月26日；e.2017年5月8日08时的CAPE（等值线，单位：J/kg）和PWAT（填色，单位：mm）；f.同e，但为2018年5月26日08时。

图8 a.2017年5月8日18时沿113°E的垂直速度（黑色虚线，单位：pa/s）、比湿（蓝色实线，单位：g/kg）、假相当位温（填色，单位：K）和风场（风向杆）经向-高度剖面图；b.2018年5月26日23时沿106.0°E，25.2°N至107.7°E，22.2°N的垂直速度（黑色虚线，单位：pa/s）、比湿（蓝色实线，单位：g/kg）、假相当位温（填色，单位：K）和风场（风向杆）剖面图；c.2017年5月8日18时沿113°E的小时降水量（单位：mm）；d.2018年5月26日23时沿106.0°E，25.2°N至107.7°E，22.2°N的小时降水量（单位：mm）。

图10 同图9，但为2018年5月26日09时（a）、26日13时（b）、26日17时（c）、26日20时（d）、26日23时（e）和27日08时（f）

从这两个个例可以看出，EC全球模式对于因飑线等线状对流系统造成的对流性强降水落区偏差较大；而对于切变线附近对流组织化发展不好的中尺度系统造成的强降水落区偏差相对较小。这可能是与飑线等线状系统本身的可预报性较低有关系[28]。基于环流形势、对流发展环境条件以及业务中尺度模式预报产品的分析，可对中尺度对流系统组织化发展趋势以及EC模式对强降水的可预报性进行预判，从而帮助预报员科学甄别模式指导产品的可靠性。

6 结论和讨论

本文利用CRA空间检验技术对EC模式36 h时效预报的2016—2018年4—6月华南前汛期69个降水目标进行了检验评估，统计分析了强降水雨带落区和强度偏差特征，并对不同预报偏差类型个例的环流特征及天气尺度影响系统进行分析，最后通过典型个例对比分析初步探讨了华南前汛期强降雨落区模式可预报性问题，主要得到以下结论。

（1）华南前汛期强降水个例大部分雨带存在偏差（约占87%），以经向偏差为主，其中偏北的个例多于偏南的个例，偏西的个例多于偏东的个例，最大偏差为2.75°。模式预报的大雨及以上量级的降雨面积比实况要大，而预报的平均降水量较实况偏小的个例多；模式预报的最大降水量偏小的概率大。

（2）4月不同降水落区预报偏差类型个例出现频次相当，5月西北型个例为主、6月东北型个例最多。不同降水落区预报偏差类型对应的环流特征与天气尺度影响系统具有一定的差异性。西北型个例天气尺度影响系统以长波槽或东北冷涡、冷式切变线为主，这与西南型、东北型影响系统不同。西南型、东北型主要以南支波动与中纬度短波槽影响为主，低层受低涡或切变线以及低空急流影响，二者主要区别体现在中高纬度环流特征上，前者以多波动型为主，后者为一槽一脊型为主。

（3）模式对冷式切变线附近组织化好的线状对流系统造成的强降雨落区可预报性较低，模式落区误差较大，而对于切变线及暖区附近对流组织化条件差的强降雨个例落区可预报性较高，模式预报落区与实况较为一致。

目前模式对大部分华南前汛期区域性暴雨有一定的预报能力，但其强度和位置还存在较大偏差。本文通过基于目标的空间检验方法（CRA）对2016—2018年华南前汛期强降水雨带的位置和强度进行了检验，并对不同偏差类型个例的环流特征及天气尺度影响系统进行了分析，初步探讨了模式对不同类型对流系统造成强降水的可预报性问题，可为预报员订正模式提供一定的思路。然而，实际上每次暴雨的对流触发机制、与环境场的相互作用等方面的机制尚不十分清楚，还需要针对更多强降水个例模式中尺度系统可预报性问题进行深入的分析。另外，钱维宏等[29]通过扰动法将模式预报的风场分解为气候风场、行星尺度瞬时扰动风场和天气尺度瞬时扰动风场，发现中国大陆暴雨带多位于扰动风的辐合线上，且扰动系统指示区域暴雨的平均提前时间为6.7天；Jiang等[30]综合使用两种扰动场，发现可以通过EC模式提高极端降水预测时间。这为订正模式暴雨预报提供了预报思路，将来有必要结合扰动法以及模式预报误差探讨雨带订正方法。

值得指出的是，本文仅对华南前汛期出现区域性强降雨时EC模式落区和强度预报偏差进行了分析，实际上尽管模式分辨率不断提高，降水预报性能逐步提升，EC模式仍存在一定的漏报和空报情况。业务预报发现，EC模式容易漏报华南前汛期暖区局地暴雨，而在4月份前后EC模式对贵州至广西一带强降雨的预报会明显空报的情况，因此未来还需要对EC模式上述空报、漏报的情况进行深入的分析，从而为预报员提供更全面的模式性能评估的参考信息。