多种空间检验方法在不同分辨率模式降水预报评估中的应用

俞碧玉 朱科锋

(1 民航华东空管局气象中心，上海 200335;2 南京大学，中尺度灾害性天气教育部重点实验室/大气科学学院，南京 210023；3 南京气象科技创新研究院 中国气象局交通气象重点开放实验室，南京 210041)

引 言

数值预报模式是降水预报的主要工具[1]。随着计算能力提升、物理过程不断完善[2]，以及高分辨遥感观测资料的应用[3]，降水预报的准确率和预报时效不断提高[4]。然而，模式系统复杂，对于降水预报偏差的认识，尤其是高分辨模式降水预报误差的认识还非常有限。

造成高分辨模式降水预报误差主要来自两方面：初始、侧边界条件，以及不确定的物理过程。闫敬华等[5]个例试验表明，初值显著影响中尺度模式大约前10 h的预报，而后的预报趋势主要取决于边界值信息。Dierer，et al[6]研究了13个典型案例，初始大气的湿度对区域平均降水量的预报结果好坏至关重要。ZHU，et al[7]在2012年北京“7.21”暖区暴雨预报过程中，通过好坏成员的分析发现暖区暴雨能否成功预报与低层急流的风向密切相关。Squitieri，et al[8]研究发现低空急流风向预报和降水预报能力相关。同时，不少研究表明云内物理过程偏差也是造成降水预报误差的一个重要因子。Leinonen，et al[9]的研究表明低层粒子偏大与模式融化层物理过程描述不准确有关，例如，冰粒子融化成雨滴的过程。实际大气中冰粒子融化后会产生多个雨滴，但是目前多数微物理方案，融化前后数浓度没有变化，会造成粒子半径大，从而造成过强降水[10]。

降水客观检验是定量评估模式降水预报偏差一个重要手段。Hader，et al[11]在1965年设计了关于预报和观测变量的列联表，计算命中率等技巧评分。基于列表，发展出了一系列的技巧评分，有TS(Threat Score)评分、CSI(Critical Success Index)[12]、ETS(Equitable Threat Score)[13]等。然而，此类传统评分只能反映出模式降水预报在时间上、区域上和强度上的整体预报差异，并不能客观给出降水预报的位置、结构以及范围[14]等误差。

考虑到传统评分的缺陷，近年来，不少研究发展了新的空间检验评估方法，大致分为5种类型：(1)邻域法(neighborhood or fuzzy)[15-17]、(2)尺度分离法(scale separation or scale decomposition)[18-22]、(3)面向对象法(features based or object based)[23-24]、(4)变形场检验(field deformation)[14，25-26]、(5)多种方法的融合[7，27]。与传统评估方法不同，新的客观检验方法都能一定程度上反映定量降水预报误差特性。邻域法通过不同影响半径，可在一定程度上反映降水预报位置的误差；尺度分离法通过尺度分解，可以得到每个分离尺度上的预报偏差信息[19]；面向对象的评估方法可以评估对流单体的几何特征预报误差，包括位置、强度、面积等。这些客观评分方法和评分指数，在国外一些案例以及长时间的客观评估工作中展示出很好的适用性[28-31]。国内也有不少使用这些客观评分方法去分析不同模式在国内的预报性能[32-35]。

然而，综合利用多种客观评分，从不同角度分析模式误差，配合主观评估来深入理解客观评分高低原因的很少。本研究针对这一问题，综合利用上述3种客观检验方法，包括邻域法、尺度分离方法以及面向对象的评分，评估了12 km和4 km WRF两种业务模式常用分辨率的预报，深入比较了不同评估方法的优缺点，最终综合、定量分析不同分辨率模式降水预报误差及差异原因。为如何全面客观认识模式预报偏差及后续改进模式提供参考。

1 资料和方法

1.1 资料

模式数据来自南京大学2016年夏季汛期试验的12 km和4 km WRF模式[10]的预报。模式网格涵盖整个中国大陆。12 km WRF模式物理方案包括Morrison双参数方案、ACM2边界层方案以及Grell-3D积云对流方案。12 km WRF模式基本设置和4 km WRF一致，预报范围较之更大(图1)，此外4 km WRF模式关闭了积云对流方案。参考表1。

表1 4 km和12 km WRF模式基本信息

观测降水数据采用国家气象信息中心提供的地面站点卫星二源融合的格点融合降水产品[36]。该产品的空间分辨率为5 km，时间分辨率为逐小时，覆盖(15°～60°N，70°～140°E)区域，其时间段为每年5—9月。评估结果表明，在中国区域，该融合降水产品要比其他降水产品如CMORPH精度高[37]。

评估中使用的两种分辨率的模式预报和格点降水融合数据的分辨率和区域不相对应。因此，将所有的数据按照Neighbor Budget Interpolation插值方法[38]，插值到网格分辨率为12 km的模式投影网格上。评估范围选在图1所示的区域。

图1 所使用的模式范围：最外围的黑色框为12 km WRF模式的预报范围；内圈红色框为4 km WRF模式的预报范围；中间的灰色区域为评估区域，数字1为评估区域1(江淮区域)，数字2为评估区域2(华南区域)

1.2 评估方法简介

传统检验方法主要基于点对点计算降水评分。对于符合给定强度阈值的降水事件赋值为1，而不符合的赋值为0，计算传统评分，如ETS (Equitable Threat Score)评分、FBIAS (Frequency Bias)评分，以及预报降水率和观测降水率。下文主要介绍所使用的3种空间检验方法。

1.2.1 邻域法

采用邻域法中较为常用的FSS(Fractional Skill Score)评分[16]。该评分比较预报和观测在邻域半径内的降水概率FBS(Fractional Brier Score)，计算公式如下：

,

(1)

其中：Pfcst和Pobs分别是每个邻域半径内预报和观测降水发生的概率；N是格点数。

借鉴MSE技巧评分思想，得到判定有无预报能力的评分FSS。FSS评分的取值在0～1之间，其中0为完全没有预报能力，1为完美匹配观测。计算公式如下：

，

(2)

当评估对流可分辨模式的降水能力时，Roberts，et al[16]定义了具有预报技巧的临界评分值FSSuseful，计算公式如下：

FSSuseful=0.5+f0/2

。

(3)

其中：f0为整个检验区域的观测降水发生概率。

对于小尺度低概率事件，f0趋于0，预报命中概率也低，FSSuseful接近于0.5；对于大尺度高概率事件，f0趋于1，预报命中概率也高，FSSuseful接近1。当FSS大于FSSuseful时，对应的邻域空间尺度即定义为具有预报技巧的最小尺度，该尺度范围内的预报被认为是具有预报技巧的，简称预报技巧尺度。

1.2.2 尺度分离方法

研究采用的是Casati，et al[19]提出的强度尺度分离法ISV(Intensity-skill Verification)。ISV方法是在不同的强度阈值和尺度下对预报进行评估，其要求的检验区域必须是2L×2L的正方形。本文评估的江淮和华南区域大小均为64×64，所以L的取值为6。

ISV方法的步骤具体如下。第一步是根据不同的降水强度阈值将预报(Y)和观测场(X)转换为二进制场。当格点的降水大于给定阈值u，就赋值为1，否则就赋值为0，具体如下：

(4)

第三步，计算不同降水强度阈值下的各个空间尺度成员的均方误差MSEu,l，公式如下：

Zu,l=(IY)u,l-(IX)u,l

，

(5)

。

(6)

以及随机二进制误差场的均方误差计算如下：

,

(7)

其中：FBIAS是预报发生事件数与观测发生事件数的比值；BR是观测发生事件数。将均分到L+1个尺度上，得到ISS评分：

(8)

正的ISS评分说明有预报能力，而负的ISS评分说明没有预报能力[20]。从计算公式可以看到，尺度分离的方法在各个尺度上计算的评分还是基于点对点的思想，这是该方法的一个主要缺陷[27]。

1.2.3 MODE方法

面向对象评分主要参考Davis，et al[23，39]。首先按照卷积半径对预报和观测场进行卷积，根据设定的强度阈值确定预报和观测对象。然后计算每个对象的质心距离，面积，轴角等属性。利用模糊逻辑算法综合各个属性，可计算出预报和观测对象的相似度：

。

(9)

其中：ai表示对象的第i个属性；Ii(ai)为第i个属性的相似度，值在0～1之间；Ci(ai)为第i个属性的置信水平，除轴角属性外，其他属性都取1；wi为第i个属性的权重系数。给定一个相似度阈值，本检验取0.7，当两个对象相似度大于0.7时，才可以匹配，而小于0.7时，则认为它们无关。

2 降水分布与日变化特征评估

图2为观测和预报的累积24 h降水空间分布，可清楚地看见两条强降水雨带：华南沿岸和江淮流域降水雨带。雨带分布和ZHENG，et al[40]长时间降水研究结果一致。华南沿岸强的降水雨带主要和夏季风影响下的热带系统、暖区暴雨以及夏季午后热对流等有关。而江淮流域的降水中心主要是季风向北推进，与6月中旬到7月初梅雨降水有关。12 km和4 km WRF模式预报(图2b、c)都基本能够模拟出这两个强的降水中心。整体上，4 km WRF预报的江淮梅雨降水带更接近观测，可以预报出复杂地形区域(湖南与湖北交界的西面)强降水中心，但华南沿岸降水带明显高估。从观测和预报的差(图2d、e)可以看到，4 km和12 km WRF预报的海岸线附近降水都比观测偏强，4 km WRF强度偏强特征更明显。两者都一定程度低估了珠江三角洲区域的强降水中心[41]，这个可能和预报的降水更偏向华南沿岸东侧有关。

图2 2016年夏季24 h累积降水的空间分布(单位：mm·(24 h)-1)：(a)格点融合降水产品；(b)12 km WRF模式预报；(c)4 km WRF模式预报，和降水预报偏差(单位：mm·(24 h)-1)：(d)12 km WRF；(e)4 km WRF

图3给出预报和观测累积6 h降水。不同区域气候降水日变化特征不完全一致[42-43]。YU，et al[44]总结中国大陆夏季降水日变化特征。中国中东部和华南地区降水日变化呈现双峰型，即清晨和午后。可以看到，清晨(08—14时)和午后时段(14—20时)(北京时，下同)，华南、江淮都存在较强的降水带。华南地区午后降水更明显，江淮地区则清晨降水更为显著。4 km和12 km WRF模式都能较好呈现不同区域降水日变化特征，但4 km WRF模式对于雨带的整个形态、范围、强度的模拟都比12 km WRF模式好。比如，对于14—20时的午后降水(图3d—f)，12 km WRF模式对午后降水的范围和强度预报在华南区域都存在明显的低估，4 km WRF降水强度预报和观测更接近。又如，对于02—08时夜间降水，相比12 km WRF预报，4 km WRF预报的江淮主雨带范围和结构更接近观测，尤其是在复杂地形区域(湖南与湖北交界处)优势更为明显。

图3 2016年夏季格点融合降水(a、d、g、j)、12 km WRF(b、e、h、k)和4 km WRF(c、f、i、l)平均累积6 h降水空间分布(单位：mm·(6 h)-1)：(a—c)08—14时；(d—f)14—20时；(g—i)20—02时；(j—l)02—08时

图4显示了两个区域的降水日变化。区域1江淮地区(图4a)，降水峰值出现在16时和08时，两个降水峰值的强度相当。区域2华南地区(图4b)同样呈现双峰结构但午后峰值强度更大。4 km WRF模式预报能够较精确地复现出这两个区域观测的降水日变化特征，而且与观测降水日变化曲线的相关系数分别达到0.77和0.98。12 km WRF明显低估了降水强度。对于江淮流域，12 km WRF并不能再现午后峰值。华南区域虽然预报出了双峰结构，但午后降水强度明显偏低。将12 km WRF模式中的降水分成显式分辨的部分和积云参数化方案产生的部分(图4c、d)。对于夏季午后对流，由于尺度相对较小，12 km WRF不能分辨，主要依赖积云参数化方案。从图4c可以看到，积云参数化降水虽然能够一定程度上预报出午后峰值特征，但降水强度明显比显式分辨降水弱，并不能主导江淮的降水日变化，最终导致12 km WRF模式不能呈现午后峰值特征。这可能与所采用的Grell-3D方案有关，该方案比较适合积云和大尺度环流间的相互作用产生的降水[45]。对于午后这样短时的局地热强迫造成的降水，使用Grell-3D积云参数化方案不能很好地再现。总的来说，4 km WRF预报的降水分布以及降水日变化特征要优于12 km WRF，尤其是午后时段的降水分布和峰值特征。

图4 2016年夏季平均降水日变化曲线(单位：mm·h-1；R1和R2分别为4 km和12 km WRF与观测的相关系数)：(a)江淮区域；(b)华南区域和12 km WRF显式分辨(RAINNC)及积云参数化方案分辨的降水(RAINC)日变化曲线(单位：mm·h-1；R1和R2分别为12 km WRF与RAINNC和RAINC之间的相关系数)：(c)江淮区域；(d)华南区域

3 降水客观评估与检验

3.1 传统评分方法

选取了清晨(08—14时)和午后(14—20时)两个时段，计算了传统的FBIAS和ETS评分。降水强度阈值的划分是按照中央气象台的6 h降水的划分标准，分别为4、13、25和60 mm。图5a、b为江淮流域分辨率为4 km和12 km WRF模式降水预报的FBIAS评分。整体上，4 km WRF预报的FBIAS更接近于1，即和观测强度分布比较一致。12 km WRF预报明显小于1，尤其是午后降水预报上，FBIAS明显小于1。这和之前主观分析结果是一致的，也即12 km WRF并没有再现午后的峰值特征。ETS评分上(图5c、d)，4 km WRF多数阈值下评分要高于12 km WRF，但优势并不明显。这主要是两个分辨率对降水平均强度都存在低估，加上位置误差，造成ETS评分差异并不明显。

图5 2016年夏季江淮流域模式6 h累积降水预报的FBIAS和ETS评分：(a、c)08—14时；(b、d)14—20时(蓝色代表12 km WRF模式预报结果；红色代表4 km WRF模式预报结果；垂直短棒代表α=0.05的置信区间；数字是样本数)

由图6可见，4 km WRF华南地区降水预报偏强。降水阈值大于13 mm，FBIAS都大于1，这和上述主观评估结果比较一致。12 km WRF降水预报也存在类似情况，尤其是对于强降水。对于08—14时的降水预报，12 km和4 km WRF预报技巧相近。午后14—20时时段，4 km WRF预报技巧要明显优于12 km WRF模式，这也说明4 km WRF能够更好地预报午后对流，与主观评估的结果基本一致。对于60 mm以上阈值，ETS评分很低，这主要是因为过度预报导致的，可以看到，此时FBIAS均值都达到了7，强降水范围明显大于观测。总的来说，传统客观检验评分和主观评估基本一致，也即4 km WRF预报要优于12 km WRF预报，尤其对于午后降水预报。

图6 同图5，但为华南区域

3.2 空间检验方法

传统客观评分虽然给出了和主观检验较为一致的结论，但并不能定量说明降水误差的来源以及解释两者之间预报特征的差异。空间检验方法可以一定程度上说明预报误差的特性，下文将展示不同空间检验方法的结果。

3.2.1 邻域法

邻域法比较当前计算格点邻域范围内预报和观测的降水发生概率差异。邻近窗口以奇数个格点为半径，当为1时，为传统点对点计算评分。选取了邻域边长1、3、5、9、17、33和65倍的网格距。FSS增大到FSSuseful时，对应的邻域空间尺度为具有预报技巧的最小尺度，简称为预报技巧尺度。图7给出了午后14—20时两个评估区域的邻域法FSS评分在不同邻域空间尺度以及降水阈值下的结果。可以看到，邻域空间尺度越大，阈值越小，FSS值越大，这是因为当邻域边长越大时，计算邻域窗口范围内就更有可能表征为“1”，而阈值越小，概率越大。对于阈值为4 mm的降水，12 km WRF模式预报直到204 km邻域空间尺度上才体现出正的预报技巧。4 km WRF模式表现略好，江淮流域60 km、华南地区108 km显示正的预报技巧。对于阈值大于4 mm的降水，12 km WRF模式在江淮流域上的预报技巧尺度和4 km WRF一样，但技巧得分更低。在108 km以下的邻域空间尺度，都为负值，说明模式预报落区位置或范围偏差较大[16]。华南地区结果类似，对于较大阈值，108 km以下都无评分技巧。总的来说，4 km WRF降水预报的准确性要高于12 km WRF。对于弱降水(4 mm·(6 h)-1)，4 km WRF预报技巧尺度可以到60 km，而12 km WRF则只有204 km。但对于强降水(≥13 mm·(6 h)-1)预报，4 km和12 km WRF在108 km以下的邻域空间尺度，预报落区位置或范围偏差较大，无评分技巧，这也说明强降水依旧是预报的难点。邻域法一定程度上说明了对于小阈值4 km WRF预报评分技巧尺度更精确，但对于强降水阈值，因为都是负值，并不能说明优劣，也不能说明两者负值及预报差异的原因，下面将借助其它评估方法进一步说明两者预报的差异。

图7 2016年夏季12 km和4 km WRF模式午后14—20时累积降水预报的FSS评分：(a、b)江淮区域；(c、d)华南区域

3.2.2 尺度分离法

邻域法反映了多大的邻域空间尺度上预报和观测发生概率的差异，但并不能计算不同空间尺度降水预报偏差。相比12 km WRF，4 km WRF对降水云分辨更好，小尺度预报理论上会更优。实际上，4 km WRF午后对流预报优于12 km WRF(图3d—f)。尺度分离方法可以将降水预报分解为不同尺度，计算不同强度和空间尺度上的预报偏差。采用了Casati，et al[20]改进的强度尺度分离方法计算的ISS评分。华南和江淮评估区域大小都为64×64，所以L的取值为6。图8给出了14—20时各个降水强度阈值不同空间尺度上的ISS评分的情况。相同阈值，空间尺度越大，预报偏差越小，预报的ISS评分也越高。对于分离后空间尺度大于48 km的降水事件，模式预报的ISS评分基本都是正值，4 km WRF评分高于12 km WRF，也即预报的偏差更小。

图8 同图7，但为ISS评分的结果

对于分离后空间尺度小于48 km的降水事件，4 km和12 km WRF模式预报ISS基本都是负值，4 km WRF模式预报负值甚至比12 km WRF的更大。图9解释了其中原因。选取了2016年6月24日午后降水个例，给出了分离尺度l=12 km的分布，具体计算过程参考Devore，et al[46]。尺度分解后，小尺度主要表征的是主降水雨带边界地区以及局地的对流，可以看到，4 km WRF模式虽然能够预报出更多的小尺度降水事件，如广东以北的降水带，但因为存在位置偏差，计算的ISS评分为负值。ISS评分计算依旧采用点对点计算，并没有考虑位置偏差的影响，导致4 km WRF模式的ISS评分比12 km WRF更低[27]。总的来说，在分离尺度大于48 km情况下，尺度分离计算的ISS评分4 km WRF要高于12 km WRF，也即主雨带位置4 km WRF更精确，但分离尺度较小时，4 km WRF预报偏差反而更大，这主要是因为小尺度预报存在较大的位置误差，也即4 km WRF 虽然能预报出小尺度降水，但其位置还存在较大偏差。

图9 2016年6月24日14—20时的6 h累积降水在强度阈值为4 mm时尺度分离后的12 km空间尺度：(a)格点融合降水产品；(b)12 km WRF 模式；(c)4 km WRF

3.2.3 MODE检验

上述客观检验方法指出午后降水预报存在位置、范围、强度等误差，但不能定量给出误差大小。面向对象方法通过分离降水对象，可以计算降水对象的特征，如面积、强度、角度、中心位置等，从而定量给出降水特征的预报误差值。首先计算了卷积半径为1个格点时预报与观测匹配对象的对称偏差，这里卷积半径取1主要是为了保留更多的小尺度信息，其他卷积半径的大小不会影响结论。对称偏差检验的是预测—观测降水对象对之间的不相交面积，值较大表示重叠较少，与观测对象匹配较差；值为零表示对象完全重叠，与观测对象匹配较好。图10a、b中江淮区域通过α=0.05置信区间检验的结果表明，4 km WRF模式的对称偏差明显小于12 km WRF模式。华南区域(图10c、d)结果类似，4 km WRF模式的对称偏差要明显小于12 km WRF模式，这和4 km WRF能更好预报华南午后降水的主观评估结论一致，也即4 km WRF预报和观测匹配程度比12 km WRF预报更好。

图10 08—14时(a、c)和14—20时(b、d)模式预报和观测匹配对象的对称偏差(单位：km2)：(a、b)江淮区域；(c、d)华南区域(红色线代表4 km WRF模式结果；蓝色线代表12 km WRF模式结果；黑色线代表4 km和12 km WRF模式结果差异；垂直短棒代表α=0.05置信区间；标注的是预报和观测的对象匹配数)

为了进一步探究午后降水预报偏差的来源，计算了预报和观测对象的总面积偏差和强度偏差。图11为预报和观测对象总面积。除了华南午后强降水(13和25 mm·(6 h)-1)预报面积过大外，4 km WRF预报的降水面积都和观测更为接近，而12 km WRF的弱和中等强度降水(4和13 mm·(6 h)-1)预报范围偏小。4 km WRF华南偏强主要是强降水预报的范围更大，12 km WRF偏弱，主要是弱降水范围明显偏小。图12展示的是卷积半径为1个格点卷积阈值为2.5 mm·h-1时，预报和观测午后降水对象第25、50和90百分位强度的平均值随时间的变化。可以看到，百分位强度随时间呈现出双峰型日变化特征，与图4一致。从第50百分位强度(图12c、d)上看，4 km WRF预报能更好地复刻出观测的降水强度的日变化特征，但在华南区域午后时段略有高估，而12 km则为明显低估。从弱降水预报上看(图12a、b)，4 km和12 km WRF预报的强度都小于观测，12 km WRF预报偏差更大且与50百分位强度预报偏差(图12c、d)大小相当。但对于强降水的预报(图12e、f)，4 km和12 km WRF强度预报偏差变大，都明显高于观测降水强度，而且午后时段的偏差要高于清晨。午后强降水强度预报偏强是4 km WRF午后预报偏强的主要原因，而12 km WRF预报偏弱则是弱和中等强度降水强度预报偏弱造成。

图11 08—14时(a、c)和14—20时(b、d)模式预报和观测对象总面积(单位：km2)：(a、b)江淮区域；(c、d)华南区域(红色线代表4 km WRF模式结果；蓝色线代表12 km WRF模式结果；黑色线代表格点融合降水产品结果)

图12 第25、50和90百分位数降水强度(单位：mm·h-1)：(a、c、e)江淮区域；(b、d、f)华南区域(蓝色线代表12 km WRF模式结果；红色线代表4 km WRF模式结果；黑色线代表格点融合降水产品结果；垂直短棒为α=0.05的置信区间)

总的来说，4 km WRF预报的对称偏差要小于12 km WRF模式，客观地说明了预报降水范围比12 km WRF更精确。但由于4 km WRF午后强降水强度预报偏强且范围偏大，导致华南地区午后降水预报偏强；降水范围预报偏小，造成江淮地区午后降水预报偏弱。而12 km WRF午后降水预报偏弱，结合降水日变化(图4)和尺度分离法结果(图9)可知，主要和12 km WRF模式漏报很多阈值在4和13 mm·(6 h)-1的小尺度午后对流，以及对中等及其以下降水强度预报偏弱有关。对于4 km WRF预报更应关注强度预报偏强分析，而对于12 km WRF预报更应关注午后对流的漏报问题。

4 结论

利用5 km逐小时格点融合降水产品，评估了2016年夏季南京大学4 km与12 km WRF模式的降水预报，讨论了各种空间检验客观评估方法的适用性。主要结论如下：

(1)4 km WRF模式能较好地模拟降水空间分布和日变化特征，预报强度略偏强，尤其是华南午后降水。相比之下，12 km WRF预报也能较好地预报降水分布，但午后降水强度预报偏弱，在江淮区域，12 km WRF甚至没有预报出午后降水峰值的特征，这可能和实验采用的Grell-3D积云对流参数化方案不能很好预报午后对流有关。此外，复杂地形区域，4 km WRF预报表现也要好于12 km WRF。

(2)传统点对点评分结果与上述主观评估结果基本一致，多数情形下，4 km WRF模式的预报技巧评分要高于12 km WRF。4 km WRF预报多数阈值计算的ETS评分，都要高于12 km WRF，FBIAS也更接近于1，说明降水发生频率与观测更接近。主要问题在于华南区域强降水预报明显偏强，降水阈值为60 mm·(6 h)-1时，FBIAS均值甚至达到了7，也即强降水预报明显过强。

(3)传统评分只能对模式预报在时间、区域和强度上的预报偏差整体做一个评估，新的空间检验法可反映预报偏差来源，所以使用空间检验方法进一步探究午后预报误差的来源。邻域法FSS评分表明，对于弱降水(4 mm·(6 h)-1)，4 km WRF预报技巧尺度更小，可以到60 km，降水预报更准确，而12 km WRF则只能到204 km，但对于强降水(≥13 mm·(6 h)-1)预报，4 km和12 km WRF在108 km以下预报落区位置或范围偏差较大，也即强降水带预报可信度较差。尺度分离方法则把降水分解为不同尺度，4 km WRF在较大分解尺度的ISS评分要高于12 km WRF，说明4 km WRF预报在雨带预报上要优于12 km WRF预报，这和上述评分结果也是一致的。主要问题在于分解的小尺度预报，4 km和12 km WRF计算的客观评分都为负值，4 km WRF负值原因主要是因为位置误差，12 km WRF主要是因为漏报了很多小尺度降水，尺度分离法更好地说明了不同分辨率降水偏差的来源。MODE方法计算了对称、强度、面积等预报偏差。相比12 km WRF，4 km WRF模式能够预报对象与观测对象面积重合度更高，且匹配个数更多，这与4 km WRF比12 km WRF更好地预报午后对流的主观评估是一致的。通过MODE检验，4 km WRF模式在强降水强度预报更接近观测，但强降水强度预报偏强，同时范围预报也偏大，导致华南地区午后降水平均预报偏强；降水范围预报偏小，导致江淮地区午后平均降水强度偏弱。而12 km WRF预报的平均降水偏弱主要是因为漏报了小尺度午后对流，强降水强度同4 km WRF都要强于观测。

(4)通过上述的综合评估，4 km WRF改进更应关注小尺度位置偏差以及强降水强度预报偏强的问题，而12 km WRF预报改进更应关注午后小尺度对流漏报问题，这可能和积云对流方案并不能很好地反映午后对流触发条件有关。综合评估能更好地明确误差来源，为模式改进提供参考。