GRAPES_GZ 3 km模式对2019年海南岛暖季非台风降水预报的时空检验

吴俞 ，冯箫 ，李勋 ，李玉梅 ，姜小云

(1.海南省气象局南海重点实验室，海南海口570203；2.海南省气象台，海南海口570203；3.海南省气象探测中心，海南海口570203)

1 引 言

海南岛地处热带，属于热带海洋季风气候，其降水具有时空尺度小、局地性强等特点，预报难度较大。国内对海南岛的降水研究多侧重于台风降水[1-2]、秋冬季东风急流下的强降水[3-4]，业务中对上述两类天气系统降水具有一定的预报和订正能力。但是，对于海南岛暖季（4—9 月），南支槽、南海季风槽和海陆风日变化等天气背景下造成的非台风降水预报难度较大。据统计，2019 年4—9 月海南岛非台风降水的24 h 降水预报的TS 评分为50.9%，暴雨以上的TS 仅为1.8%。目前，华南3 km 高分辨率区域数值模式（GRAPES_GZ 3 km）已初步应用于海南省气象台预报产品精细化预报服务工作，亟需开展该模式的预报性能、尤其是面向中小尺度天气事件的空间分布特征检验评估工作，帮助预报员全面了解该模式的预报性能。

使用传统评分方法检验中小尺度天气存在着“双重惩罚”问题，因此，空间检验方法[5-13]逐步应用于中小尺度模式预报性能评估，典型的方法之一是基于目标诊断的空间检验方法（MODE，Method for Object - Based Diagnostic Evaluation）[9-12]。该方法能充分考虑检验目标的空间位置、形状、面积等中小尺度天气空间分布因素,并通过符合主观判断的模糊逻辑算法计算相似度。国内外学者基于MODE方法进行了诸多模式评估，例如王国荣等[14]应用MODE 方法对2013 年8 月11 日北京地区的一次局地强降水过程进行了空间检验与传统检验方案评估，不仅能统计模式的传统技巧评分以及预报性能的尺度变化，还可以表现降水对象的质心距离、轴角、面积、强度、综合收益、位移距离等多种属性，这些属性从侧面定量描述了模式对天气系统发展快慢、槽脊强弱等预报误差，具有独特的优势；姜晓曼[16]对2014年夏季长江中下游地区降水预报检验发现对于高分辨率模式MODE 检验方法不仅提供大量属性特征，在天气系统检验方面也提供了参考，更具有物理学解释应用的价值；陈笑等[17]基于MODE 检验方法检验了格点化多模式集成预报系统对强风风场的预报性能，得到MODE 检验可较好地量化强风落区的范围大小和位置偏差、强风过程的时间相位差等，从而可量化判别出模式在各个时刻的空报和漏报区域以及对强风过程移动速度和生命周期长度的预报性能；Davis 等[18]基于MODE 方法比较了4 km 分辨率中尺度天气预报模式WRF(Weather Research and Forecasting model)与4.5 km 分辨率非静力中尺度模式 NMM(Nonhydrostatic Mesoscale Model)对 2005 年 6 月美国境内强对流风暴的预警能力，认为WRF 模式虚警率低，优于 NMM 模式；Johnson 等[19]利用MODE 方法比较了1 km 和4 km 格点分辨率的WRF 中尺度模式对美国区域风暴的预报差异；Duda 等[20]运用 MODE 诊断了 3 km 分辨率的 WRF模式对于对流触发和尺度增长发展为中尺度对流系统的模拟性能；Skok 等[21]用MODE 方法检验了WRF模式对热带低纬度地区降水的预报能力；Cai等[22]将MODE 应用于美国高分辨率快速更新模式的检验，探究空间检验方法相对于传统检验方法提供的更多信息。

尽管MODE检验方法能够客观反映模式的要素二维空间分布偏差，但存在着缺少要素预报时间维度偏差上评估的不足，即需要拓展预报要素检验时间维度方面的误差，更好地检验模式天气系统预报的发生和消亡过程。因此，Clark 等[23]在MODE 中加入时间维度的信息，发展了时空检验方法（MTD，Method for Object-Based Diagnostic Evaluation-Time Domain），该评估方法可以进一步提供包括天气系统的触发、消亡时间，生命史长度、传播速度和发展演变等目标变化信息。目前，国内应用MTD 检验方法进行模式评估的工作相对较少。最近徐同等[24]将MTD 检验方法初步应用于上海快速同化更新预报系统（SMSWARRV2.0）性能检验，结果表明SMSWARRV2.0 能较好模拟出降水目标生成和消散个数变化趋势，但预报目标个数偏多且生命周期偏长。以上工作为高分辨率数值模式开展时空检验奠定了基础。本文将对GRAPES_ GZ3 km高分辨率区域模式2019 年4—9 月海南岛暖季的非台风降水预报开展评估检验，重点面向24 h 预报时效内的短时临近预报效果进行评估，试图了解模式预报偏差在时空分布上的特征，以及预报偏差的可能来源，为该模式产品在海南进行深度应用做好铺垫。

2 资料与方法

2.1 模式及预报产品简介

GRAPES_GZ 3 km[25]提供每天起报2 次（08：00 和20:00，北京时间，下同）的要素预报，其覆盖范围为：96.00～123.36 °E，16.00～31.36 °N，水平格距为3 km，垂直方向分65 层，输出逐小时的地面要素和等压面气象要素预报产品。

2.2 实况资料

实况资料选用中国气象局陆面数据同化系统CLDAS[26（]CMA Land Data Assimilation System）产品，该产品融合了大量实际观测、接近真实大气状态的大气驱动数据以及陆面模式产品，具有较高的精度。CLDAS 实况数据的水平分辨率为5 km。

2.3 检验的降水样本

主要检验的对象是2019 年暖季（4—9 月）的非台风降水，其中剔除了1904 号（7 月1—4 日）、1907号（7月30日—8月3日）、1911号（8月24—25日）、1912 号（8 月 28—30 日）和 1914 号（8 月 31 日—9月7日）热带气旋影响期间的降水样本。

2.4 MODE和MTD检验方法简介

图1 给出了MODE 和MTD 检验方法的流程，可见两种方法的实现步骤均包括了降水对象的确定、对象的属性计算、对象的合并和匹配、以及配对目标对象的误差属性，区别是MTD 增加了时间维度。其中，MODE实现步骤如下。

图1 MODE和MTD方法流程图与主要区别

①降水对象的确定，通过给定的卷积半径R和降水阈值对需要评估的要素场进行卷积，进行要素场空间平滑。

②对象的属性计算，定量给出系统识别出的单个目标物的面积、质心、轴角、复杂度、经纬度、强度百分位数、长短轴长度等属性。

③对象的合并和匹配，利用模糊逻辑和聚类分析方法识别空间中连续的分布区域，并根据质心位置、总面积、重叠面积、轴角等属性来匹配预报场与观测场中的对象。

④配对目标对象的误差属性计算，设定属性权重系数，利用模糊逻辑算法计算预报性能的总收益函数从而判断预报的整体表现。

与MODE 相似，MTD 包含了上述4 个步骤，但增加了时间维度，为此，MTD 算法有别于MODE，区别如下。

①在降水对象卷积方面，MTD使用方形卷积滤波器，而非MODE使用的圆形卷积滤波器，原因是方形卷积滤波函数比圆形滤波函数更能快速提高数据的处理速度，滤波器的总体“大小”仍由一个参数（在MODE中表示为R）确定，如图2a所示，正方形的大小为（2R+ 1）×（2R+ 1）。

② 在对象属性计算方面，MTD 比MODE 增加了时间维度，因此MTD 主要侧重对象目标开始、结束时间，目标轴角、质心行驶距离，目标体积和百分位强度。

③ 在对象匹配和合并方面，MTD 比MODE中的匹配和合并方式更简单，图2b给出了MTD目标匹配和合并的简单概念模型，为了区分每个字段中的对象，预测对象用数字标记，观测对象用字母标记，如图2b 中Ⅱ所示。每个预测和每个观察到的对象都成为图中的节点, 出于示例的目的，假设MTD 模糊识别到观测对象B 和C 同预报对象4的匹配度最高，同样，观测对象A 和预报对象2、3的匹配度高，只有预报对象1 没有匹配对象，因此配对的结果得到如图2b 中Ⅳ所示的三组，即由MTD 确定的群集对象，也就是将属于相同对等类的所有预测对象和观测对象进行合并匹配。

图2 MTD半径示意图(a)、MTD示例图(b)

本文检验对象是GRAPES_GZ 3 km 模式的2019 年海南岛暖季（4—9 月）非台风降水预报，在MODE 和MTD 检验方法中设定检验的范围为：108.5～111.2 °E，18.0～20.2 °N，所选取的半径为2 km，在降水阈值设定方面，MODE 中降水目标是24 h 累积降水，因此降水阈值分别设定为0.1 mm、10 mm、25 mm、50 mm，而MTD 中降水目标是1 h 累积降水，降水阈值主要设定为0.1 mm 和20 mm，分别代表晴雨和短时强降水的目标特征。所选的平滑半径2 km 代表了数值模式分辨率附近的尺度范围，当与所选的降水阈值结合使用时，可有效捕获海南岛降水持续时间较短或降水持续时间较长的对流风暴。

3 GRAPES_GZ 3 km 模式降水预报的检验评估

目前业务中对高分辨率数值模式降水预报的检验评估依然主要关注24 h 的累积降水预报，时空检验方法可以满足逐时降水预报检验等精细化预报评估的发展需求。因此，本节分别对GRAPES_GZ 3 km 模式24 h 累积降水预报和逐时降水预报进行检验，其中24 h 累积降水预报对比了传统检验和MODE 空间检验，说明MODE 的主要优势，最后利用MTD 时空检验方法对逐时降水预报进行详细的时空检验。

3.1 传统检验

图3 展示了GRAPES_GZ 3 km 08:00 起报24 h 降水预报的传统检验综合评分图（2019 年4 月1日—9 月30 日非台风降水日）。综合评分图涵盖了包括度量预报技巧的TS 评分，以及用于检验预报误差的命中率、成功率和Bias偏差，但都是基于预报和实况点对点的检验结果。图3 中可见随着降水阈值的增加，TS 评分明显下降，对于≥0.1 mm以上的降水，Bias 接近1，表明预报降水发生的频率与实况降水发生频率基本一致，且空报率和漏报率相当；对于≥10 mm、≥25 mm 和≥50 mm 以上的降水，模式预报都呈现出Bias 偏差值＞1 的趋势，即降水空报，尤其是暴雨以上量级，空报的趋势尤为明显。

图3 GRAPES_GZ 3 km的24 h降水预报的传统检验综合评分图

传统的检验方法虽然能表征模式预报的偏差，但存在着不足：首先，不能反映模式预报场的空间结构变化特征；其次，由于是基于点对点的对比分析，当用观测资料检验高分辨率模式时，易受小尺度系统的影响，从而无法准确反映模式的预报能力。而MODE 空间检验方法能弥补以上不足。

3.2 空间（MODE）检验

利用MODE方法，检验模式在2019年4—9月非台风降水的24 h 预报性能，图4 给出了预报和实况在MODE 检验中几个重要属性的对比结果，其中对于表征降水形状的特征属性，包括降水目标的长度、宽度和轴角，从图 4a、4b 和 4c 可以看出，对于≥0.1 mm 以上的降水，实况降水目标的长度、宽度和轴角的中位数均比预报降水目标偏长、偏宽和轴角略偏大一些，而随着降水阈值的增大，其结果相反，说明随着降水强度的增大，GRAPES_GZ 3 km 模式空报的范围要略大一些，这从图4d 的降水面积的对比也可以得到印证；对于表征降水强度的属性，分别选取了降水强度的50 百分位数和90 百分位数进行对比，从图4e和4f可以看出，GRAPES_GZ 3 km 模式在不同降水阈值的降水强度预报中位数均比实况偏强。

图4 a. GRAPES_GZ3 km模式预报和clads实况在不同降水阈值中对降水目标长度(a)、目标宽度(b)、目标轴角(c)、目标面积(d)、强度（50百分位）(e)、强度（90百分位）(f)的箱线图对比

综合而言，MODE 检验方法比传统的点对点检验方法更加客观反映了模式对降水形态、落区和强度预报偏差，下面通过个例进一步说明MODE检验方法的具体应用。

3.2.1 2019 年海南岛暖季非台风降水个例的MODE检验

以2019年5月21—23日海南岛受南压低空切变线过程影响为例，图5a 和图5b 分别是GRAPES_GZ 3 km 模式 5 月 21 日 20:00 起报的 24 h降水预报和对应的实况降水分布，可见海南岛西北部出现了较强强水，但空间分布不均匀，而预报强降水落区在海南岛的北部到中部内陆呈带状分布，用MODE检验方法分别对≥10 mm、≥25 mm和≥50 mm 的降水进行空间匹配对比。其中对≥10mm 的降水，图5c、5d 分别是预报和实况空间匹配的降水目标，即识别出降水目标1（表1 是基于MODE 检验对此个例得到的预报和实况的降水目标属性对比值），可见两者的形态、范围和位置十分相似，尽管预报降水落区略偏西一些，但是降水属性的综合总收益为1，总收益的取值范围为0～1，值越高，预报和实况的匹配度越高；对于≥25 mm 的降水，预报和实况匹配的降水目标有1 个，即目标1(图5e和5f)，可见除了降水强度在90百分位预报比实况偏强近16 mm 外，其余属性两者差异不大，因此总收益仍为1，两者的匹配度极高；对于≥50 mm 的降水，预报和实况匹配的降水目标有3个，即目标1、2和3(图5g和5h)，可以看出强降水中心分布较分散，主要在海南岛的西北部和西部地区的局部，其中降水目标1 中，预报和实况的强降水落区比较一致，但是范围预报明显偏大，降水强度偏强(表1)，同样降水目标2 和降水目标3中预报均在降水落区、形态和强度上与实况有一定差异，总的收益只有0.66 和0.73。随着切变线的南压，从图 5j 的 5 月 22 日 08:00—23 日 08:00 的24 h 实况累积降水分布来看，降水较前一天也有所东移南压，模式降水预报（图5i）也基本能反映切变系统的东移南压，其中对于≥10 mm 的降水预报的降水形态和落区（图5k）和实况（图5l）非常相似和一致，评估的总收益为1（表1）；对于≥25 mm的降水，预报和实况匹配出降水目标1 和2，从图5m 和图5n 的预报和实况对比可以看出对于降水目标1 两者落区基本一致，但在降水范围、轴角和强度都存在一定差异，而降水目标2中预报和实况相比，其位置偏差较大，预报主体位于海南岛东南部，而实况位于海南岛的中部偏西内陆，除此之外，降水形态包括长度、宽度、轴角、面积以及降水强度两者比较接近，总收益也有0.91（表1）；对于≥50 mm 的降水，（图5o）和实况（图5p）的位置偏差大，且预报降水范围比实况偏小，降水强度无论是50百分位还是90百分位均比实况偏强明显。

表1 降水个例的MODE检验结果属性表

图5 GRAPES_GZ 3 km模式2019年5月21日08:00起报的24 h降水分布（a）及该时次预报≥10 mm（c）、≥25 mm（e）、≥50 mm（g）降水空间匹配的降水目标；实况2019年5月21日08:00—22日08:00的24 h累积降水分布（b）及该时次实况≥10 mm（d）、≥25 mm（f）、≥50 mm（h）降水空间匹配的降水目标；GRAPES_GZ 3 km模式2019年5月22日08:00起报的24 h降水分布（i）及该时次预报≥10 mm（k）、≥25 mm（m）、≥50 mm（o）降水空间匹配的降水目标；实况2019年5月22日08:00—23日08:00的24 h累积降水分布（j）及该时次实况≥10 mm（l）、≥25 mm（n）、≥50 mm（p）降水空间匹配的降水目标

综上，以 2019 年 5 月 21—23 日的切变线降水过程为例，可见GRAPES_GZ 3 km 模式对于25 mm以下的降水预报在降水形态、落区等方面与实况接近，降水强度略偏强，对于50 mm 以上的强降水，模式预报的降水落区偏东偏南，降水范围、形态较实况偏差大，降水强度偏强。

由于MODE检验方法能客观反映模式某个预报时效的二维空间场偏差，但不能反映模式时间维度上的偏差特征，比如降水系统的生命期、生消时间、降水期间逐小时的位置和强度偏差，因此，下文将应用MTD 方法对GRAPES_GZ 3 km 模式从以上几方面开展预报检验。

3.3 时空（MTD）检验

3.3.1 GRAPES_GZ 3 km 模式逐时降水预报空间偏差特征

本节通过MTD 方法评估模式小时降水预报的空间分布特征。首先判别匹配2019 年4—9 月预报和实况非台风降水的对比样本（本文只分析模式在08:00 起报的预报时间间隔为1 h，预报时长为24 h 的样本），在这些时空匹配的降水样本中，依据实况发生降水当日中的降水目标持续时长分为5类，即1～4 h、5～8 h、9～12 h、13～16 h、17～24 h。图6 展示了不同降水时长下模式预报和实况降水平均质心的分布差异。对于第1 类（1～4 h）对比样本，GRAPES_GZ 3 km 模式降水预报平均质心主要分布在海南岛的西北部、西部和南部地区（图6a），实况降水平均质心主要分布在海南岛的西北部、西部内陆、中部山区和南部地区（图6b），可见降水预报平均质心比实况偏西，其原因可能是海南岛的西部内陆和中部山区的地形较为复杂，西部内陆山丘较多，中部山区以五指山为代表，模式对该地形刻画不够精细；对于第2 类（5～8 h）样本，实况降水平均质心大部分分布在海南岛的北半部和南部（图6d），模式预报的降水平均质心也大致分布在以上两个地区（图6c），但北半部地区的平均降水质心较实况略偏东一些，南部地区的则较实况略偏西偏北；对于第3 类（9～12 h）样本，实况平均降水主要分布在海南岛的中、西部地区（图6f），相比之下，模式预报的降水平均质心略偏西偏北（图6e）；对于第4 类（13～16 h）样本，实况平均降水主要分布在海南岛的中部、东部地区（图6h），预报的降水平均质心略偏西（图6g）；因实况降水持续时间＞20 h 的样本较少，因此将降水持续时间为17～24 h 的样本归为一类（第5类），对比实况（图6j）和预报（图6i）的降水平均质心分布来看，实况主要分布在海南岛的东南部地区，预报则主要分布在中部偏北的地区，较实况偏北较明显；总体而言，对于所有的样本，模式预报的降水平均质心比实况偏西偏北（图6k 和6l）。

图6 第一类降水（实况降水的持续时间为1～4 h）（a、b）、第二类降水（实况降水的持续时间为5～8 h）（c、d）、第三类降水（实况降水的持续时间为9～12 h）（e、f）、第四类降水（实况降水的持续时间为13～16 h）（g、h）、第五类降水（实况降水的持续时间为17～24 h）（i、j）对应的预报（a、c、e、g、i）和实况（b、d、f、h、j）逐时平均降水质心的空间分布和预报（k）、实况（l）对所有降水目标平均降水质心的分布

3.3.2 GRAPES_GZ 3 km 模式逐时降水预报时间偏差特征

针对5类样本，通过散点图分布和散点的趋势线对比了预报和实况降水目标开始、结束时间的差异（图7）。可见第1 类样本中（图7a），多数样本降水的开始时间位于对角线之下，而降水的结束时间在对角线之上，意味着预报降水的开始时间比实况偏早，结束时间比实况偏晚，降水持续时间偏长；对第2 类样本（图7b），不难发现对于白天出现的降水，预报降水开始的时间比实况略偏早，但对于在夜间出现的降水，预报降水开始的时间比实况略偏晚，而预报和实况降水结束的时间散点线性趋势和对角线接近重合，说明有一半的样本预报降水结束的时间比实况偏晚，另外一半反之；对于第3类（图7c）和第4类（图7d）样本，降水开始的时间大部分集中在白天，夜间的样本较少，白天降水目标开始出现的时间是预报比实况平均偏早1～4 小时，夜间则平均偏晚3 小时左右，而降水结束的时间预报比实况偏晚2～4 小时；对于第5 类样本（图7e）由于样本数较少，预报的系统性偏差表现不明显。所有类别的样本叠加时（图7f），预报的系统性偏差体现为：预报降水的开始时间比实况偏早，结束时间比实况偏晚，降水持续时间偏长。

图7 第一类降水（实况降水的持续时间为1～4 h，a）、第二类降水（实况降水的持续时间为5～8 h，b）、第三类降水（实况降水的持续时间为9～12 h，c）、第四类降水（实况降水的持续时间为13～16 h，d）、第五类降水（实况降水的持续时间为17～24 h，e）、所有类型降水（f）对应的预报和实况中降水开始和结束时间的散点分布 对角线代表无偏差（黑色实线），降水开始时间的趋势线（红色点线）在对角线以上（以下）表示预报降水的开始时间较实况偏晚（早），降水结束时间的趋势线（黑色点线）在对角线以上（以下）表示预报降水的结束时间较实况偏晚（早）

图8a 对比了GRAPES_GZ 3 km 模式预报和实况降水基于MTD 时空匹配的样本在不同持续时间上出现频次的差异，可以看出实况在时长为3 h 样本出现的频次达到峰值，其次是4 h，而预报在6 h 降水时长样本最多，其次是3 h。尽管两者在不同持续时长的频次变化趋势较为一致，但峰值的差异较大，说明模式预报降水持续时间比实况偏长的样本较多，这与前面的分析结论相同。图8b 和8c 分别是预报和实况降水起始、结束时间在一天当中不同时间出现频次的对比，首先从降水的起始时间可以看出，实况和预报均分别在白天和夜间出现降水频次的主峰和次峰，但两者的时间有差异，即实况在白天13:00 样本最多，其次是凌晨的05:00，预报则分别出现在11:00 和03:00，比实况均偏早2 h 左右；同样对于降水结束时间，实况和预报也存在频次的主峰和次峰，即实况的主峰为20:00，次峰为11:00，结合降水起始时间不难理解在白天午后发生的降水多数能持续到傍晚20:00 前后，凌晨降水多数持续到上午11:00 前后，相比之下，预报降水结束的时间比实况偏晚2~3 h，也可以反映GRAPES_GZ 3 km模式降水空报的时间段较多。图8d 和8e 分别是预报和实况降水起始时间的平均质心空间分布对比，可见实况中在白天11:00—14:00 时段出现的降水平均质心多分布在海南岛中、西部和西北部内陆，原因是在4—9 月的暖季中，海南岛由海陆风触发造成的降水样本数最多，张振州等[27]指出海南岛海陆风多在上午10:00—11:00 在海南岛的北部或西部形成并随盛行风向内陆推进，在中部、西部内陆山区的山谷风同相叠加下配合有利的水汽条件有利于降水的发生，而实况中在凌晨03:00—07:00 时段出现的降水平均质心多分布在海南岛南部，其中一部分降水是夜间在较大的南风背景下，海风锋往南部沿海陆地推进造成，还有一部分降水是南海季风爆发后，边界层风速较大的暖湿西南气流（经常达到急流级别）在南部山区地形迎风坡的抬升作用下造成[28]，对比图8d的预报，降水起始时间的平均质心比实况偏西（部分位于海上，图中未显示）。图8f 和8g 分别是预报和实况降水结束时间的平均质心空间分布对比，同样预报降水结束时间的平均质心比实况偏西。

图8 a. 预报和实况中降水目标在不同持续时间出现频次的对比；b.预报和实况中降水目标开始时间在不同预报时效出现频次的对比；c.预报和实况中降水目标结束时间在不同预报时效出现频次的对比；d、e分别是预报和实况降水平均质心的起始时间空间分布对比；f、g分别是预报和实况降水平均质心的结束时间空间分布对比。

由于MTD 提供了降水对象的开始和结束时间，因此还可以根据降水目标启动的时间来区分每个预测小时出现的对象。图9 中的堆叠图中每个直方图条的各个段表示在特定的预测时间启动的降水目标数，分段的颜色表示降水目标开始出现的时间。以第11 个预报时效的堆叠柱状图为例，深红色的顶部表示当前预报时效实况开始出现降水目标的个数，下方的白色部分表示开始前一个预报时效（第10个预报时效）并在当前预报时效仍存在的降水目标数，白色部分下方的浅粉红色部分表示在第9 个预报时效前开始并仍在当前预报时效出现的降水目标，……，依次类推，因此最近的预测小时总是在顶部，而预测时效1总是在底部。通过堆叠图可以及时跟踪具有特定颜色的片段，以了解降水目标从开始到消散的时间。图8中还可以看出预报和实况在不同预报时效的降水目标数目的分布形态基本一致，在昼夜均有峰值，但是峰值在白天对应的时间两者有一定的差异，实况是在第11 个预报时效（即19:00 时）降水目标数目达到峰值，而预报在第9个预报时效（即17:00时）的降水目标数目最多，在夜间两者峰值对应的时间基本一致，但总体而言，预报降水目标样本数多于实况样本。

图9 堆叠的直方条形图的高度代表每个预报小时的时域降水目标总数 其中实况用渐变的红色表示，预报用渐变的黑色表示，对于沿x轴的每个预报小时，组成每个“堆栈”的各个分段的高度表示≤当前预报时效内（渐变色）的降水目标数量，其中最顶部的分段始终指示在当前预报小时启动的降水目标数，底部的始终是预报时效为1的降水目标数。

3.3.3 GRAPES_GZ 3 km 模式逐时降水强度预报偏差特征

最后基于MTD方法对5类不同时长的降水分别对比预报和实况小时降水强度≥0.1 mm 和≥20 mm 的样本出现频次的空间分布差异，图10 可以看出，对于第1 类降水，实况小时降水≥0.1 mm 以上的在海南岛中部和南部出现频次多（图10b），与降水的平均质心分布较一致，但是实况小时降水≥20 mm以上的在第1类降水中出现的频次较少（图10n），仅出现在海南岛西北部沿海和南部沿海，说明第1类短时长的降水强度较弱，发生短时强降水的概率小，相比之下，模式降水预报出现的频次要明显偏多一些（图10a)，且空间分布范围大，≥20 mm 以上的降水主要分布在东部沿海（图10m，间接反映了模式空报率高，降水强度偏强。对于第2类降水，实况小时降水≥0.1 mm以上频次较大的区域在海南岛的北部（图10d)，预报的大值区主要在海南岛东北部和西南部（图10c)；而≥20 mm以上的小时强降水实况主要分布在海南岛东北部（图10o)，预报则在海南岛中部和南部呈分散分布（图10p)。对于第3 类和第4 类降水，分别对比实况和预报在小时降水≥0.1 mm 以上（图10f、图10e，（图10h、图 10g））和≥20 mm 以上（图 10r、图 10q，（图10t、图10s））频次的分布，可见预报在海南岛中部出现的≥0.1 mm以上的降水频次明显少于实况，对于≥20 mm 以上的降水频次分布，两者较为相似，但是预报的范围更大，频次更多，同样也反映了预报降水强度偏强的样本居多。对于第5类降水，实况和预报在小时降水≥0.1 mm 以上（图10i、图10j）和≥20 mm 以上（图10u、图10v）的频次分布差别较大，预报出现降水频次较高的区域均比实况明显偏西。最后对比预报和实况对所有类别的降水在小时降水≥0.1 mm 以上（图 10k、图 10l）和≥20 mm 以上（图10w、图10x）的频次分布，可以看出对于≥0.1 mm以上的降水，实况在中部出现的频次最多，预报分布不均匀，高频区位于西部内陆，对于≥20 mm以上的小时强降水，实况多分布在东北部，相比之下，预报强降水频次较高的区域明显偏大。

图10 第一类降水（实况降水的持续时间为1～4 h）（a、b、m、n）、第二类降水（实况降水的持续时间为5～8 h）（c、d、o、p）、第三类降水（实况降水的持续时间为9～12 h）（e、f、q、r）、第四类降水（实况降水的持续时间为13～16 h）（g、h、s、t）、第五类降水（实况降水的持续时间为17～24 h）（i、j、u、v）对应的预报（a、c、e、g、i：小时雨强≥0.1 mm；m、o、q、s、u：小时雨强≥20 mm）和实况（b、d、f、h、j：小时雨强≥0.1 mm；n、p、r、t、v：小时雨强≥20 mm）降水频次空间分布对比，以及预报（k：小时雨强≥0.1 mm；w：小时雨强≥20 mm）、实况（l：小时雨强≥0.1mm；x：小时雨强≥20 mm）对所有降水的降水频次空间分布对比

4 结论与讨论

本文通过MODE 和MTD 的时空检验方法检验了GRAPES_GZ 3 km 模式对海南岛2019 年暖季非台风降水预报的性能。

（1）对于GRAPES_GZ 3 km模式的24 h降水预报，MODE 空间检验方法比传统的基于点对点的检验方法更能反映模式误差的空间分布特征，通过空间检验发现：随着降水阈值的增大，GRAPES_GZ 3 km模式空报的范围较实况要略大一些，另外GRAPES_GZ 3 km 模式在不同降水阈值的降水强度预报整体比实况偏强，以2019年5月21—23 日的切变线降水过程为例，GRAPES_GZ 3 km 模式对于25 mm 以下的降水预报在降水形态、落区跟实况接近，降水强度略偏强一些，对于50 mm 以上的强降水，模式预报的降水落区偏东偏南，降水范围、形态较实况偏差大，降水强度偏强。

（2）基于MTD 时空检验方法分析了GRAPES_GZ 3 km模式逐时降水预报的时空偏差特征，发现：对于不同类别的降水，预报较实况的平均降水质心分布偏差各不相同，但总体而言预报降水的平均质心比实况偏西偏北一些；实况在时长为3～4 h 的降水样本最多，而预报在6 h 时长的降水样本最多；在降水起始和结束时间方面，预报比实况降水起始时间总体偏早，结束时间总体偏晚，且降水持续时间偏长；对于不同预报时效发生降水目标数量方面，白天实况在19:00降水目标数目达到峰值，而预报在17:00降水目标数目最多，夜间两者降水数目均在07:00达到峰值，但总体而言，预报降水目标数量多于实况；不同类别时长的降水其预报和实况在小时雨量≥0.1 mm和≥20 mm出现的频次空间分布均有差异，差异最大的是第1 类（降水时长为1～4 h）和第5类（17～24 h）的降水样本，总体上对于≥0.1 mm以上的降水，实况在中部出现的频次最多，而预报分布不均匀，大值区位于西部内陆，对于≥20 mm 以上的小时强降水，实况多分布在东北部，相比之下，预报强降水频次较高的区域明显偏大，降水偏强的样本多。

MODE 和MTD 的时空检验方法能捕捉到模式降水预报时空偏差特征，在实际业务中可以根据时空偏差订正模式24 h 和1 h 累积降水预报的落区，以及1 h 降水预报的起始时间，下一步将继续探讨不同天气形势下模式降水预报的时空偏差，并深入挖掘模式偏差背后的物理过程及其偏差来源。