基于DERF2.0的華南前汛期降水訂正

王娟懷 李清泉 汪 方 楊守懋 胡婭敏

1)(廣東省氣候中心，廣州 510641) 2)(國家氣候中心，中國氣象局氣候研究開放實(shí)驗(yàn)室，北京 100081) 3)(南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評估協(xié)同創(chuàng)新中心，南京 210044) 4)(廣東省廣州市白云區(qū)氣象局，廣州 510080)

引 言

中國華南地區(qū)包括廣東省、廣西壯族自治區(qū)和海南省，屬熱帶和亞熱帶季風(fēng)氣候，前汛期(4—6月)是華南地區(qū)一年中降水量最集中的時段，為主汛期，伍紅雨等[1]發(fā)現(xiàn)廣東全年區(qū)域性暴雨過程有45%出現(xiàn)在前汛期，前汛期降水具有雨量大、降水的空間和時間集中、洪澇災(zāi)害重的特點(diǎn)[2-3]。同時，華南前汛期也是東亞季風(fēng)雨帶向北推的第1個標(biāo)志性階段[4]。因此前汛期降水量預(yù)報(bào)是華南地區(qū)預(yù)報(bào)業(yè)務(wù)的重點(diǎn)。

隨著計(jì)算機(jī)運(yùn)算速度與存儲能力的提高以及數(shù)值天氣預(yù)報(bào)技術(shù)不斷成熟，人類對氣候系統(tǒng)的認(rèn)識不斷加深，在天氣預(yù)報(bào)模式的基礎(chǔ)上氣候模式得以發(fā)展并投入應(yīng)用，短期氣候預(yù)測從早期傳統(tǒng)的統(tǒng)計(jì)方法逐漸向數(shù)值預(yù)測方向轉(zhuǎn)變。近年隨著觀測資料的豐富和模式性能的改善，數(shù)值預(yù)報(bào)技術(shù)發(fā)展迅速，預(yù)報(bào)水平得到提高，但模式預(yù)報(bào)仍然存在一定誤差[5]。針對模式預(yù)報(bào)與觀測之間的偏差，通過挖掘模式預(yù)報(bào)信息，利用有效的訂正方法對模式結(jié)果進(jìn)行訂正，減小模式誤差的影響，提高模式預(yù)報(bào)準(zhǔn)確率，是亟待解決的科研及業(yè)務(wù)問題。研究發(fā)現(xiàn)，模式預(yù)報(bào)經(jīng)過訂正后準(zhǔn)確率明顯提升[6-8]。

國內(nèi)外學(xué)者提出一系列針對模式結(jié)果誤差的訂正方法，包括由簡單的線性變換[9-10]到復(fù)雜的基于統(tǒng)計(jì)學(xué)模型的誤差訂正[11-12]。目前較常用的是基于頻率匹配法的誤差訂正方法，通過分別統(tǒng)計(jì)觀測與模式要素不同量級對應(yīng)的頻率，將有偏差的模式模擬頻率調(diào)整到更準(zhǔn)確的實(shí)際參考頻率[13-16]，提高預(yù)報(bào)準(zhǔn)確率。但傳統(tǒng)的誤差訂正方法大多僅針對模式預(yù)報(bào)的量值進(jìn)行訂正，而較完備的概率誤差訂正應(yīng)考慮模式與觀測之間概率密度分布的偏差并對其進(jìn)行訂正。

本文采用的百分位映射法(quantile-mapping，QM)由Panofsky等[17]提出，將模式確定性預(yù)報(bào)轉(zhuǎn)化為基于預(yù)報(bào)結(jié)果分布的百分位值，包含模式距平和概率兩方面信息。訂正結(jié)果包含模式預(yù)報(bào)的概率分布信息，可有效避免模式系統(tǒng)性偏差。章大全等[18]利用該方法對國家氣候中心第2代月動力延伸模式(DERF2.0)月平均氣溫進(jìn)行訂正，結(jié)果顯示：該訂正方法既可降低模式的均方根誤差，又可改善溫度距平預(yù)報(bào)技巧。童堯等[19]利用該方法對RegCM4模式的逐日降水進(jìn)行訂正，發(fā)現(xiàn)該方法可明顯改善平均降水、降水年際變率和極端事件的模擬結(jié)果。Raisanen等[20]利用交叉檢驗(yàn)方法對比模式溫度誤差的多種訂正方案，發(fā)現(xiàn)百分位映射法的訂正效果最顯著。董曉云等[21]將廣義帕累托分布(GPD)引入該方法，提出專門針對極端降水的累積概率變換偏差訂正法，訂正后華南、華中和華北地區(qū)20年一遇的極端降水更接近觀測。

10～30 d延伸期預(yù)報(bào)對開展防災(zāi)、救災(zāi)工作具有重要意義。該時間段的預(yù)報(bào)介于中期天氣預(yù)報(bào)和短期氣候預(yù)測之間，是無縫隙預(yù)報(bào)的難點(diǎn)，也是大氣科學(xué)研究的熱點(diǎn)，受到國內(nèi)外學(xué)者的廣泛關(guān)注[22-27]。由于存在初始誤差、尚不完善的理論研究、模式自身不足等原因，延伸期預(yù)報(bào)準(zhǔn)確性的提高還存在較多困難，雖然對延伸期可預(yù)報(bào)性的認(rèn)識已有提高，但目前氣候模式的延伸期預(yù)測能力還不能滿足業(yè)務(wù)需求[28-29]。因此，充分發(fā)揮延伸期模式在業(yè)務(wù)預(yù)報(bào)中的指導(dǎo)作用，通過采用有效的訂正方法對模式輸出結(jié)果進(jìn)行處理，可提高模式整體預(yù)報(bào)水平。此前，Li等[30]利用DERF2.0輸出結(jié)果開展一系列檢驗(yàn)評估，發(fā)現(xiàn)該模式對4—6月華南地區(qū)降水預(yù)測存在較大偏差。在此基礎(chǔ)上，本文基于DERF2.0的延伸期輸出結(jié)果，利用百分位映射法開展對華南前汛期降水的概率訂正研究。通過與觀測資料對比，首先檢驗(yàn)建立的傳遞函數(shù)對回報(bào)時段(2001—2014年)4—6月平均降水和極端情況的訂正效果，隨后對預(yù)測時段(2015—2019年)4—6月平均降水的訂正效果進(jìn)行檢驗(yàn)分析。

1 資料與方法

1.1 模式與觀測資料

選用國家氣候中心第2代月動力延伸預(yù)測模式業(yè)務(wù)系統(tǒng)DERF2.0(Dynamic Extended Range Forecast Operational System version 2.0)，其采用滯后平均方案進(jìn)行逐日滾動預(yù)報(bào)，每日運(yùn)行4次，初始場時次分別為00:00，06:00，12:00和18:00(世界時，下同)，因此每日預(yù)報(bào)包括4個樣本成員的預(yù)報(bào)場，預(yù)報(bào)時長為56 d或57 d。本文采用1983—2019年的模式輸出結(jié)果，其中1983—2014年為回報(bào)結(jié)果，2015—2019年為預(yù)測結(jié)果。另外，針對不同起報(bào)時間的模式輸出結(jié)果分別進(jìn)行驗(yàn)證，對于每個月，分別用LD5，LD10，LD15和LD20表示超前5，10，15 d和20 d的模式輸出結(jié)果。以4月為例，LD5表示3月27日起報(bào)的4月1—30日的輸出結(jié)果，LD10表示3月22日起報(bào)的4月1—30日的輸出結(jié)果，LD15和LD20分別表示3月17日和3月12日起報(bào)的4月1—30日的輸出結(jié)果。

觀測資料是1983—2019年華南地區(qū)(廣東、廣西和海南)261個國家氣象觀測站的逐日降水資料，采用Cressman客觀分析法插值到分辨率0.1°×0.1°的經(jīng)緯網(wǎng)格上。

1.2 非參數(shù)百分位映射法

在氣候模式模擬的降水中，一般日降水量小于0.1 mm的日數(shù)較多，因此本研究將原始模式結(jié)果中的日降水量從大到小進(jìn)行排序，選取與觀測相同的降水日數(shù)后，將模式結(jié)果中剩余降水日的日降水量(通常約0.1 mm)賦值為0[31]，按日期重新排列，得到新的逐日降水序列。

非參數(shù)百分位映射法(quantile-mapping of non-parameter，QM)是基于模式集合平均的確定性預(yù)報(bào)，在選定的參照時段內(nèi)，結(jié)合模式預(yù)測數(shù)據(jù)集合成員，分別計(jì)算觀測和模式預(yù)測值的經(jīng)驗(yàn)累積概率分布函數(shù)(cumulative distribution function，CDF)，給出模式確定性預(yù)報(bào)結(jié)果在概率密度分布中的百分位值，將模式百分位值與觀測資料的概率密度分布對應(yīng)，即構(gòu)建兩者之間的傳遞函數(shù)(transfer function，TF)。利用TF，訂正其他時段模式預(yù)測的經(jīng)驗(yàn)CDF，得到模式確定性預(yù)報(bào)的概率訂正值，最終達(dá)到降低模式預(yù)測誤差的目的。文中首先在參照時段4月1日—6月30日建立觀測與模式降水間的TF，將建立好的TF應(yīng)用于驗(yàn)證時段4月1日—6月30日模式降水?dāng)?shù)據(jù)中，得到訂正的華南地區(qū)日降水序列。在參照時段中需盡可能使原始模式輸出結(jié)果的經(jīng)驗(yàn)CDF與觀測相近。擬合傳遞值之間的插值類型是單調(diào)三次樣條插值方法。

選取廣州站附近格點(diǎn)(23.12°N，113.28°E)4—6月的降水為代表，模式選1983—2000年LD10的回報(bào)結(jié)果對TF進(jìn)行檢驗(yàn)(如圖1所示)。圖1中逐日降水量與觀測值的對應(yīng)關(guān)系可以看到，模式結(jié)果顯著偏小。訂正時，首先將LD10模式回報(bào)的日降水量和觀測值從小到大進(jìn)行排序，均勻分為100個區(qū)間，分別建立各自的經(jīng)驗(yàn)CDF；對每一區(qū)間的經(jīng)驗(yàn)CDF利用單調(diào)三次樣條方法進(jìn)行插值擬合，建立TF；最后將所建立的TF應(yīng)用到驗(yàn)證時段中，得到訂正結(jié)果。從訂正結(jié)果與觀測的擬合看到，訂正后更接近觀測，表明該方法訂正效果較好。

圖1 1983—2000年4—6月廣州站附近格點(diǎn)(23.12°N，113.28°E)觀測與模式預(yù)測建立的TF和訂正結(jié)果Fig.1 Transfer function and bias corrected precipitation at grid point near Guangzhou(23.12°N,113.28°E) in Apr-Jun during 1983-2000

1.3 檢驗(yàn)評估方法

本文采用兩種建模方法：①交叉建模方法，該方法可避免統(tǒng)計(jì)預(yù)測模型的過度擬合，排除噪音及隨機(jī)性干擾，本文將1983—2000年每年作為目標(biāo)預(yù)測年，利用其余年份建立模型(傳遞函數(shù)TF)，分別建立18個預(yù)測模型；②獨(dú)立樣本檢驗(yàn)，即選用1983—2000年建立模型，依次預(yù)測2001—2019年華南地區(qū)4—6月降水率，并分2001—2014年(回報(bào))和2015—2019年(預(yù)測)兩個時段分別進(jìn)行訂正。文中將模式輸出結(jié)果和利用兩種建模方法得到的訂正結(jié)果分別與觀測進(jìn)行對比，以檢驗(yàn)在參照時段建立的TF是否可有效應(yīng)用到其他時段，檢驗(yàn)評估所用方法的公式如下：

(1)

(2)

(3)

(4)

(5)

(6)

其中，F(xiàn)為模式輸出結(jié)果，O為觀測資料，N表示序列長度，M為評分總格點(diǎn)數(shù)或站點(diǎn)數(shù)，D為偏差百分率(percentage difference)，R為均方根誤差(root mean square error)，T為時間相關(guān)系數(shù)(temporal correlation coefficient)，P為模態(tài)相關(guān)系數(shù)(pattern correlation coefficient)。均方根誤差越小，表示預(yù)報(bào)效果越好，當(dāng)預(yù)報(bào)與觀測完全一致時，均方根誤差為0。時間相關(guān)系數(shù)和模態(tài)相關(guān)系數(shù)在-1.0～1.0范圍內(nèi)，值越大，預(yù)報(bào)效果越好。

文中除平均場外，還將4—6月華南地區(qū)逐日降水按照降水量百分位，分為10個等級，分別為[0,10%)、[10%,20%)、[20%,30%)、[30%,40%)、[40%,50%)、[50%,60%)、[60%,70%)、[70%,80%)、[80%,90%)、[90%,100%]，對不同強(qiáng)度降水的訂正效果進(jìn)行檢驗(yàn)。

2 結(jié)果分析

2.1 4—6月華南地區(qū)歷史回報(bào)降水訂正交叉檢驗(yàn)

圖2為1983—2000年華南地區(qū)4—6月觀測、不同起報(bào)時間模式回報(bào)結(jié)果和交叉建模訂正結(jié)果的降水率空間分布。由圖2可知，不同起報(bào)時間模式回報(bào)預(yù)測效果相差較小，對初值的敏感性較弱，與觀測降水率的空間分布相比，回報(bào)結(jié)果較差(如LD10模式回報(bào)與觀測的模態(tài)相關(guān)最高僅為0.13)，表現(xiàn)為整個華南地區(qū)回報(bào)降水偏少。利用QM方法訂正后，不同起報(bào)時間的模式回報(bào)效果均有明顯改善。盡管廣東和廣西部分地區(qū)降水率偏大，但整體上與觀測的空間分布和量值較為接近，訂正后模式預(yù)報(bào)誤差顯著降低。對LD5模式回報(bào)的訂正效果最明顯，與觀測的模態(tài)相關(guān)系數(shù)由訂正前的0.01提高到訂正后的0.41。整體而言，QM訂正效果與預(yù)報(bào)誤差無直接對應(yīng)關(guān)系，表明該方法誤差穩(wěn)定。

圖2 1983—2000年4—6月華南地區(qū)平均降水率的交叉檢驗(yàn)Fig.2 Cross validation of mean precipitation rate over South China in Apr-Jun during 1983-2000

續(xù)圖2

圖2顯示QM訂正方案對不同超前時間模式回報(bào)結(jié)果均有改善，且預(yù)報(bào)技巧的改善與起報(bào)時間無顯著相關(guān)，因此以下僅對L10模式回報(bào)結(jié)果進(jìn)行交叉訂正檢驗(yàn)。圖3展示1983—2000年訂正前后模式回報(bào)與觀測的相關(guān)，結(jié)果顯示訂正方案對模式預(yù)測趨勢性偏差改進(jìn)較明顯。模式回報(bào)結(jié)果與觀測除了在廣東東北部、廣西東部及海南部分地區(qū)呈正相關(guān)，其余大部地區(qū)為負(fù)相關(guān)，訂正結(jié)果較明顯地改善了模式與觀測之間的趨勢性偏差，大大縮小了負(fù)相關(guān)的范圍，在廣東中部、廣西東部以及海南出現(xiàn)大范圍的正相關(guān)區(qū)域，且達(dá)到0.05顯著性水平的區(qū)域也相應(yīng)增加。

圖3 1983—2000年4—6月華南地區(qū)LD10訂正前后模式回報(bào)平均降水率的交叉檢驗(yàn)(打點(diǎn)區(qū)域均達(dá)到0.05顯著性水平)Fig.3 Cross validation of mean precipitation rate over South China in Apr-Jun during 1983-2000(the dotted regions denote passing the test of 0.05 level)

2.2 4—6月華南地區(qū)歷史回報(bào)降水訂正獨(dú)立樣本檢驗(yàn)

圖4為2001—2014年4—6月華南地區(qū)不同起報(bào)時間訂正前后模式和觀測的降水率空間分布。與圖2類似，獨(dú)立樣本檢驗(yàn)顯示模式不同起報(bào)時間的回報(bào)效果相差較小，對初值的敏感性較弱；對觀測降水率的空間分布模擬較差(二者模態(tài)相關(guān)系數(shù)最高僅為0.22)，表現(xiàn)為整個華南地區(qū)模式回報(bào)降水偏少。利用QM方法訂正后，模式不同起報(bào)時間的回報(bào)效果均明顯改善，盡管廣東大部和廣西西北部的訂正結(jié)果偏大，廣西西南部的訂正結(jié)果偏小，但整體上與觀測的空間分布和量值接近，即QM訂正方法可減小模式預(yù)報(bào)誤差。類似地，LD5模式回報(bào)結(jié)果的訂正效果最明顯，與觀測的模態(tài)相關(guān)系數(shù)由訂正前的0.17提高到訂正后的0.48。

圖4 同圖2，但為2001—2014年獨(dú)立樣本檢驗(yàn)Fig.4 The same as in Fig.2,but for independent samples validation during 2001-2014

續(xù)圖4

圖5是2001—2014年訂正前后模式回報(bào)結(jié)果與觀測降水率的偏差百分率和時間相關(guān)系數(shù)，結(jié)果顯示：訂正方案對模式回報(bào)結(jié)果與觀測之間的趨勢性偏差有較大改善。由訂正前的偏差可以看到，模式對華南地區(qū)降水的預(yù)測總體偏少，訂正后大部分地區(qū)的降水增加，珠江口以東、廣東西北，廣西西北以及廣東西部和海南的降水量級顯著增大，大部地區(qū)的降水偏差百分率介于-25%～25%之間，訂正結(jié)果更接近觀測，改善效果最明顯的是海南。時間相關(guān)系數(shù)顯示：訂正前在兩廣交界處以及廣西中部地區(qū)為負(fù)相關(guān)，其余大部地區(qū)為正相關(guān)，訂正后負(fù)相關(guān)范圍縮?。粡V東中部以東、廣西西部和海南的正相關(guān)范圍擴(kuò)大，且達(dá)到0.05顯著性水平的區(qū)域相應(yīng)增加。

圖5 2001—2014年4—6月華南地區(qū)訂正前后模式回報(bào)平均降水率的偏差百分比和時間相關(guān)系數(shù)(打點(diǎn)區(qū)域均達(dá)到0.05顯著性水平)Fig.5 Verification of mean precipitation rate before and after correction over South China in Apr-Jun during 2001-2014(the dotted regions denote passing the test of 0.05 level)

圖6是2001—2014年4—6月華南地區(qū)平均的不同降水百分位區(qū)間訂正前后模式回報(bào)結(jié)果與觀測偏差情況。總體而言，QM訂正方法對不同百分位段模式回報(bào)降水率的偏差均有良好訂正效果，訂正后的均方根誤差及偏差值均下降。對比訂正前后不同百分位區(qū)段模式回報(bào)與觀測的均方根誤差顯示：訂正方法對低中段降水(0～80%)訂正效果較穩(wěn)定，訂正效果受降水強(qiáng)度和模式預(yù)報(bào)誤差影響較?。淮笥?0%區(qū)間上，雖然訂正誤差隨著降水強(qiáng)度增加而增大，但是與訂正前相比，訂正結(jié)果對高段降水(90%～100%)訂正效果最為明顯。從不同百分位段訂正前后模式回報(bào)降水與觀測的偏差和偏差絕對值可以看到，所有百分位段降水均由訂正前的正偏差轉(zhuǎn)為訂正后的負(fù)偏差，但訂正后的偏差絕對值(0～1 mm·d-1)比訂正前(1～7 mm·d-1)明顯減小。由偏差絕對值可知，訂正前除了小于10%的低段位偏差小于2 mm·d-1，10%～20%偏差小于4 mm·d-1外，其余百分段位的偏差均大于4 mm·d-1；訂正后的偏差絕對值均在0～1 mm·d-1范圍內(nèi)，說明訂正后的降水率更接近觀測。由表1也可以看到，與訂正前相比，訂正后4—6月華南地區(qū)平均降水率明顯增加，更接近觀測；偏差絕對值由訂正前的3.48 mm·d-1減少為訂正后的1.32 mm·d-1，誤差縮小62%。

圖6 2001—2014年4—6月華南地區(qū)平均的不同降水百分位數(shù)區(qū)段訂正前后模式回報(bào)與觀測的差異Fig.6 Differences between the model prediction and observation before and after correction for precipitation percentiles over South China in Apr-Jun during 2001-2014

表1 2001—2014年4—6月華南地區(qū)平均降水率訂正前后與觀測對比Table 1 Comparison of mean precipitation rate over South China in Apr-Jun during 2001-2014

2.3 4—6月華南地區(qū)降水預(yù)測訂正效果檢驗(yàn)

2.2節(jié)利用獨(dú)立樣本建模對模式回報(bào)時段2001—2014年進(jìn)行訂正并檢驗(yàn)其效果，顯示訂正方法整體上能夠減小模式降水與觀測的偏差，主要表現(xiàn)在降水空間分布和降水量級的改善。本節(jié)將該方法用于模式預(yù)測時段2015—2019年，并檢驗(yàn)訂正效果。

圖7和圖8分別給出2015—2019年4—6月華南地區(qū)LD10和LD20訂正前后模式預(yù)測和觀測的平均降水率和降水距平百分率，圖9為LD10和LD20訂正前后模式預(yù)測降水與觀測偏差百分率的空間分布。綜合對比可以看到，預(yù)測時段的訂正效果與2.1節(jié)中回報(bào)時段的訂正效果較一致，不同超前時間的模式預(yù)測結(jié)果之間表現(xiàn)類似。由圖7可以看到，訂正前不同超前時間的模式預(yù)測降水偏差體現(xiàn)為偏少，該特征也可見于圖9中，在廣東沿海及珠三角地區(qū)包括三大暴雨中心點(diǎn)，偏差百分率的絕對值達(dá)到50%以上。經(jīng)過QM訂正后，大體再現(xiàn)了主要雨帶中心，包括廣東三大暴雨中心和廣西北部的多雨區(qū)，雨區(qū)形態(tài)與觀測基本一致，LD10和LD20訂正結(jié)果與觀測的模態(tài)相關(guān)系數(shù)分別達(dá)0.41和0.36(表2)。圖9顯示訂正后的模式預(yù)測降水有較大改善，表現(xiàn)為減小訂正前降水偏少區(qū)域的范圍和強(qiáng)度，擴(kuò)大較小誤差(-25%～25%)的范圍，使模式預(yù)測降水更接近觀測。QM方法對降水距平百分率也有一定改進(jìn)效果(圖8)，訂正后的LD20模式預(yù)測縮小了廣西東北部降水過多的區(qū)域和廣西西北部降水偏少的區(qū)域，結(jié)果更接近觀測，空間相關(guān)系數(shù)也相應(yīng)提高。相比之下，對LD10模式預(yù)測降水距平的訂正效果不太明顯，訂正前后與觀測的空間相關(guān)系數(shù)接近。

圖7 2015—2019年4—6月華南地區(qū)平均降水率Fig.7 Mean precipitation rate over South China in Apr-Jun during 2015-2019

圖8 同圖7，但為降水距平百分率(氣候態(tài)為2001—2014年平均值)Fig.8 The same as in Fig.7,but for precipitation anomalous percentage(the climate is average from 2001 to 2014)

圖9 2015—2019年4—6月華南地區(qū)LD10和LD20訂正前后模式預(yù)測與觀測的降水偏差百分率Fig.9 The percentage difference of mean precipitation rate before and after correction at LD10 and LD20 compared to observation over South China in Apr-Jun during 2015-2019

由表2也可以看到，與訂正前相比，訂正后華南4—6月平均降水率明顯增加，更接近觀測；訂正后與觀測的偏差絕對值明顯減小，尤其是LD20由訂正前的3.29 mm·d-1減少為訂正后的0.26 mm·d-1，誤差減小92%。

表2 2015—2019年4—6月華南地區(qū)平均降水率訂正前后模式預(yù)測與觀測對比Table 2 Comparison of mean precipitation rate over South China in Apr-Jun during 2015-2019

3 結(jié)論與討論

華南前汛期(4—6月)降水前期主要為鋒面降水，后期主要為季風(fēng)降水，既與熱帶系統(tǒng)有關(guān)，也與中高緯度地區(qū)冷空氣活動有關(guān)。依賴于海氣相互作用和大氣內(nèi)部變化的前汛期降水在延伸期尺度的預(yù)報(bào)技巧仍然很低。為更好地將模式輸出結(jié)果應(yīng)用于延伸期預(yù)測中，本研究利用1983—2019年4—6月華南地區(qū)261個站點(diǎn)的觀測數(shù)據(jù)和同時段的DERF2.0的逐日降水預(yù)測數(shù)據(jù)，利用非參數(shù)百分位映射法通過將模式集合預(yù)報(bào)轉(zhuǎn)化為概率預(yù)報(bào)，并結(jié)合歷史觀測資料基于單調(diào)三次樣條插值法對DERF2.0模式進(jìn)行概率訂正，分別就交叉建模與獨(dú)立樣本建模兩種方法對相應(yīng)驗(yàn)證時段進(jìn)行訂正并檢驗(yàn)訂正前后模式對4—6月華南地區(qū)降水的預(yù)測能力。通過檢驗(yàn)對比發(fā)現(xiàn)：QM訂正方法能有效剔除模式的系統(tǒng)性偏差，從而改進(jìn)模式預(yù)報(bào)技巧。主要結(jié)論如下：

1) QM訂正方法對不同起報(bào)時間的模式輸出結(jié)果均有很大改善，且預(yù)報(bào)技巧的改善與起報(bào)時間無顯著相關(guān)，訂正效果受預(yù)報(bào)誤差的影響較小。

2) QM訂正方法對平均降水有較好訂正效果，利用QM方法訂正后，模式降水落區(qū)范圍和平均強(qiáng)度與觀測更接近，可有效降低模式與觀測的偏差，提高與觀測的相關(guān)系數(shù)；對不同百分位區(qū)間的降水也有較好訂正效果；該方法能明顯改善模式結(jié)果與觀測的趨勢性差異，有效改進(jìn)模式對降水年際變率的預(yù)測，但對極端事件的把握略差。

3) 對比交叉建模時段(1983—2000年)和獨(dú)立樣本建模的預(yù)測時段(2015—2019年)與回報(bào)時段(2001—2014年)的降水誤差訂正效果，QM訂正方法整體表現(xiàn)一致，這也體現(xiàn)出該方法對誤差訂正的穩(wěn)定性。

需要指出的是模式預(yù)報(bào)誤差訂正對所使用的資料具有高度依賴性。本研究使用的DERF2.0結(jié)果僅為1983—2019年共37年的數(shù)據(jù)，在計(jì)算模式概率密度分布時可能由于樣本量不足影響概率密度分布估計(jì)的準(zhǔn)確性以及模式預(yù)報(bào)訂正的效果。不同檢驗(yàn)方法體現(xiàn)的預(yù)報(bào)效果存在差異，因此選用合適的檢驗(yàn)方法對訂正效果的評估也很重要。今后將利用該方法對更多模式、不同變量(如氣溫等)進(jìn)行訂正，檢驗(yàn)其訂正效果，并將該方法應(yīng)用于短期氣候預(yù)測業(yè)務(wù)中，為延伸期預(yù)測提供更可靠的數(shù)據(jù)和科技支撐。