基于短時(shí)強(qiáng)降水概率預(yù)報(bào)的模糊檢驗(yàn)試驗(yàn)

劉 瑩，肖遞祥，陳 瑩

(1.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室，成都 610072；2.四川省氣象臺(tái)，成都 610072)

引言

強(qiáng)對(duì)流天氣空間分布具有分散性、不連續(xù)性等特點(diǎn)[1-4]。傳統(tǒng)的強(qiáng)對(duì)流天氣確定性預(yù)報(bào)檢驗(yàn)方法是基于站點(diǎn)觀測(cè)、通過(guò)二維列聯(lián)表計(jì)算得到的檢驗(yàn)指標(biāo)TS評(píng)分、命中率、虛警率等，這類指標(biāo)需要預(yù)報(bào)與實(shí)況在格點(diǎn)或站點(diǎn)上嚴(yán)格對(duì)應(yīng)，傳統(tǒng)的“點(diǎn)對(duì)點(diǎn)”檢驗(yàn)方法易于導(dǎo)致雙重懲罰，尤其對(duì)于高時(shí)空分辨率的數(shù)值預(yù)報(bào)或者臨近預(yù)警，當(dāng)事件發(fā)生概率偏低時(shí)，TS評(píng)分、命中率等指標(biāo)趨近于零，而忽略了目標(biāo)的固有屬性，尤其是空間特征屬性[5-7]，這對(duì)于強(qiáng)對(duì)流天氣預(yù)報(bào)來(lái)說(shuō)有明顯的缺陷。因此將不同的時(shí)間尺度、空間尺度、強(qiáng)度尺度或其他重要屬性進(jìn)行模糊化處理的模糊檢驗(yàn)方法被提出，模糊檢驗(yàn)方法不需要預(yù)報(bào)和實(shí)況的嚴(yán)格對(duì)應(yīng)[8]。

空間模糊檢驗(yàn)方法是對(duì)逐個(gè)格點(diǎn)進(jìn)行空間尺度的放大，降低預(yù)報(bào)和實(shí)況匹配的要求，得到不同尺度上的信息，從而確定哪種空間尺度上的預(yù)報(bào)是最有用的。強(qiáng)對(duì)流天氣預(yù)報(bào)引入模糊檢驗(yàn)方法可以提供更客觀和準(zhǔn)確的評(píng)價(jià)，幫助提高強(qiáng)對(duì)流天氣預(yù)報(bào)技術(shù)和相關(guān)產(chǎn)品應(yīng)用水平。目前空間模糊檢驗(yàn)方法在強(qiáng)對(duì)流天氣預(yù)報(bào)檢驗(yàn)中得到了廣泛應(yīng)用，李伯平等[9]對(duì)三種類型強(qiáng)對(duì)流天氣系統(tǒng)經(jīng)過(guò)空間尺度模糊進(jìn)行了模糊檢驗(yàn)試驗(yàn)后認(rèn)為，模糊檢驗(yàn)?zāi)軌蚧诓煌脑u(píng)價(jià)策略給出預(yù)報(bào)在不同尺度上的更多信息，給予預(yù)報(bào)更加全面和客觀的評(píng)價(jià)。美國(guó)SPC[10-11]和中國(guó)氣象局國(guó)家氣象中心強(qiáng)天氣預(yù)報(bào)中心[12]均采用“點(diǎn)對(duì)面”的TS評(píng)分、空?qǐng)?bào)率、漏報(bào)率等方法對(duì)強(qiáng)天氣預(yù)報(bào)結(jié)果進(jìn)行評(píng)價(jià)。在綜合多源資料的強(qiáng)對(duì)流天氣實(shí)況站點(diǎn)和格點(diǎn)監(jiān)測(cè)產(chǎn)品數(shù)據(jù)的基礎(chǔ)上，完善現(xiàn)有領(lǐng)域(一定半徑范圍)的強(qiáng)對(duì)流天氣檢驗(yàn)技術(shù)，評(píng)估定義適用于現(xiàn)有評(píng)分站點(diǎn)的最優(yōu)的半徑大小，需要進(jìn)行進(jìn)一步的研究[13]。

1 研究區(qū)域和資料

本研究使用資料包括2014～2016年5～9月四川省逐小時(shí)觀測(cè)降水資料、SWC-WARMS模式小時(shí)降水預(yù)報(bào)產(chǎn)品和基于SWC-WARMS模式建立的短時(shí)強(qiáng)降水(≥20mm/h，下同)概率預(yù)報(bào)產(chǎn)品。觀測(cè)資料為四川省4997個(gè)觀測(cè)站(其中國(guó)家站156站、區(qū)域站4841站)逐小時(shí)降水資料。利用四川省4997個(gè)觀測(cè)站2014～2015年5～9月的逐小時(shí)降水資料和SWC_WARMS模式逐小時(shí)預(yù)報(bào)資料，對(duì)發(fā)生短時(shí)強(qiáng)降水時(shí)物理量特征進(jìn)行統(tǒng)計(jì)分析后，針對(duì)不同地形高度挑選短時(shí)強(qiáng)降水的敏感因子，運(yùn)用配料法建立基于SWC_WARMS模式的概率預(yù)報(bào)模型，本文使用的短時(shí)強(qiáng)降水概率預(yù)報(bào)產(chǎn)品是用該模式得到的20時(shí)起報(bào)的模式預(yù)報(bào)產(chǎn)品。

2 檢驗(yàn)評(píng)分結(jié)果分析

2.1 檢驗(yàn)評(píng)分方法

使用5種評(píng)分方法對(duì)預(yù)報(bào)進(jìn)行評(píng)分，TS評(píng)分，預(yù)報(bào)偏差，虛警率，命中率，漏報(bào)率，其中A,B,C,D 分別為預(yù)報(bào)出且實(shí)況出，預(yù)報(bào)出實(shí)況無(wú)，預(yù)報(bào)無(wú)實(shí)況出，預(yù)報(bào)無(wú)實(shí)況無(wú)的次數(shù)，根據(jù)以下公式計(jì)算相應(yīng)評(píng)分。

TS=A/(A+B+C)

(1)

Bias=(A+B)/(A+C)

(2)

Far=B/(A+B)

(3)

Fail=C/(A+C)

(4)

Hit=A/(A+C)

(5)

其中TS評(píng)分(TS)，評(píng)分范圍0～1，越高表示預(yù)報(bào)效果越好，1為完美預(yù)報(bào)。預(yù)報(bào)偏差(Bias)，評(píng)分范圍0～∞，1為完美預(yù)報(bào)，Bias在0～1表示與實(shí)況相比，預(yù)報(bào)范圍偏小或站點(diǎn)數(shù)偏少，Bias>1表示預(yù)報(bào)范圍偏大或站點(diǎn)數(shù)偏多。對(duì)于強(qiáng)對(duì)流天氣，從預(yù)報(bào)服務(wù)和降低損失的角度考慮，往往希望預(yù)報(bào)有適當(dāng)?shù)钠?，以減少漏報(bào)率，推薦的預(yù)報(bào)偏差Bias一般在0～2.0?？?qǐng)?bào)率(Far)，評(píng)分范圍0～1，0為完美預(yù)報(bào)，F(xiàn)ar越小表示預(yù)報(bào)結(jié)果越好。漏報(bào)率(Fail)，評(píng)分范圍0～1，0為完美預(yù)報(bào)。命中率(Hit)，評(píng)分范圍0～1，1為完美預(yù)報(bào)。

由于強(qiáng)對(duì)流天氣具有時(shí)空尺度小，局地性強(qiáng)的特點(diǎn)，常規(guī)的地面氣象站很難完全觀測(cè)得到。因此，觀測(cè)與預(yù)報(bào)“點(diǎn)對(duì)點(diǎn)”檢驗(yàn)方法很難準(zhǔn)確地反映預(yù)報(bào)質(zhì)量。通過(guò)空間模糊檢驗(yàn)，用戶可以得到預(yù)報(bào)產(chǎn)品在不同尺度上的信息，從而確定在何種空間尺度上預(yù)報(bào)是有用的，并根據(jù)自己的需求和應(yīng)用傾向?qū)Σ煌念A(yù)報(bào)提供者進(jìn)行取舍。目前基于鄰域(“點(diǎn)對(duì)面”)的檢驗(yàn)方法在強(qiáng)對(duì)流天氣預(yù)報(bào)中得到較為廣泛的應(yīng)用，該方法是空間檢驗(yàn)方法中的一種[12-13]。這里使用基于鄰域(“點(diǎn)對(duì)面”)的空間模糊檢驗(yàn)方法(見(jiàn)圖1)，以格點(diǎn)為中心，以不同長(zhǎng)度為半徑的圓面上是否出現(xiàn)了對(duì)應(yīng)小時(shí)雨量的天氣來(lái)判別，當(dāng)格點(diǎn)預(yù)報(bào)有時(shí)，若圓面有一個(gè)站點(diǎn)出現(xiàn)對(duì)應(yīng)小時(shí)雨量，則認(rèn)為預(yù)報(bào)正確(預(yù)報(bào)出且實(shí)況出，A)?！包c(diǎn)對(duì)面”檢驗(yàn)相當(dāng)于擴(kuò)大了A和C的數(shù)量，同時(shí)減少了B和D的數(shù)量，使得這一檢驗(yàn)方法更適合強(qiáng)對(duì)流天氣相關(guān)的極端或小概率事件的檢驗(yàn)，如短時(shí)強(qiáng)降水、冰雹和雷暴大風(fēng)等天氣。

對(duì)短時(shí)強(qiáng)降水概率預(yù)報(bào)產(chǎn)品每隔10%的預(yù)報(bào)作為確定性預(yù)報(bào)，即分別以10%、20%、30%、40%、50%、60%、70%、80%、90%的預(yù)報(bào)范圍作為確定性預(yù)報(bào)，使用“點(diǎn)對(duì)點(diǎn)”和“點(diǎn)對(duì)面”的檢驗(yàn)方法計(jì)算短時(shí)強(qiáng)降水(≥20mm/h)評(píng)分。

對(duì)SWC-WARMS模式小時(shí)降水預(yù)報(bào)產(chǎn)品，選擇預(yù)報(bào)時(shí)間間隔內(nèi)的各個(gè)格點(diǎn)的最大小時(shí)雨量，以最大小時(shí)降水≥20mm/h的范圍作為確定性預(yù)報(bào)(下稱SWC_WARMS最大小時(shí)雨量(≥20mm/h)預(yù)報(bào))，使用“點(diǎn)對(duì)點(diǎn)”和“點(diǎn)對(duì)面”的檢驗(yàn)方法分別計(jì)算短時(shí)強(qiáng)降水(≥20mm/h)評(píng)分。

2.2 TS評(píng)分對(duì)比分析

預(yù)報(bào)偏差Bias一般在0～2.0，考慮適當(dāng)空?qǐng)?bào)(預(yù)報(bào)范圍偏大或站點(diǎn)數(shù)偏多)，因此選擇Bias在1～2.0的預(yù)報(bào)結(jié)果更具有意義，表1中列出不同半徑下不同預(yù)報(bào)時(shí)效Bias位于1～2.0的概率值。在滿足Bias位于1～2.0的基礎(chǔ)上，表1列出不同半徑下不同時(shí)效TS評(píng)分的最高分值及其對(duì)應(yīng)概率值，加粗值為不同時(shí)效TS評(píng)分最高分值及其對(duì)應(yīng)概率值。

由表1可見(jiàn)，24h時(shí)效短時(shí)強(qiáng)降水(≥20mm/h)的TS評(píng)分隨著評(píng)分半徑的增加評(píng)分逐漸升高，30km左右評(píng)分達(dá)到最高，之后評(píng)分趨于穩(wěn)定隨后逐漸降低，48h、72h時(shí)效有類似結(jié)果，在40km評(píng)分達(dá)到最高。隨著評(píng)分半徑的增大，24h預(yù)報(bào)的TS評(píng)分比48h和72h預(yù)報(bào)的TS評(píng)分更快達(dá)到最大值，24h預(yù)報(bào)在空間分布上與實(shí)況更為接近，48h和72h預(yù)報(bào)的空間偏差更大一些，說(shuō)明隨著預(yù)報(bào)時(shí)效的接近，預(yù)報(bào)的空間分布更接近實(shí)況，更具參考價(jià)值。

表1 短時(shí)強(qiáng)降水概率預(yù)報(bào)評(píng)分半徑的最大TS評(píng)分及Bias評(píng)分

2.3 短時(shí)強(qiáng)降水概率預(yù)報(bào)評(píng)分

對(duì)2014～2015年24h間隔的短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)和SWC_WARMS最大小時(shí)雨量(≥20mm/h)預(yù)報(bào)進(jìn)行基于鄰域(“點(diǎn)對(duì)面”)的空間模糊檢驗(yàn)和“點(diǎn)對(duì)點(diǎn)”檢驗(yàn)，“點(diǎn)對(duì)面”檢驗(yàn)的影響半徑定為30km。這里的SWC_WARMS最大小時(shí)雨量預(yù)報(bào)(≥20mm/h)是指預(yù)報(bào)時(shí)間間隔內(nèi)(如0～24h、24～48h、48～72h)SWC-WARMS小時(shí)降水預(yù)報(bào)在該時(shí)間段內(nèi)各個(gè)格點(diǎn)最大小時(shí)雨量≥20mm/h的預(yù)報(bào)結(jié)果。從不同時(shí)效短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)和SWC_WARMS最大小時(shí)雨量(≥20mm/h)的TS評(píng)分(圖2)中可以看到，SWC_WARMS最大小時(shí)雨量(≥20mm/h)“點(diǎn)對(duì)面”TS評(píng)分均明顯大于其“點(diǎn)對(duì)點(diǎn)”的評(píng)分，同時(shí)可以看到隨著預(yù)報(bào)時(shí)效的臨近，“點(diǎn)對(duì)面”TS評(píng)分和“點(diǎn)對(duì)點(diǎn)”TS評(píng)分之間差值越小，說(shuō)明隨著預(yù)報(bào)時(shí)效的臨近，空間分布的預(yù)報(bào)偏差會(huì)更小，強(qiáng)降水落區(qū)跟實(shí)況更為接近。從概率預(yù)報(bào)的評(píng)分結(jié)果來(lái)看，隨著預(yù)報(bào)概率的增大，概率預(yù)報(bào)“點(diǎn)對(duì)點(diǎn)”的TS評(píng)分呈現(xiàn)增大的趨勢(shì)，說(shuō)明隨著預(yù)報(bào)概率的增大預(yù)報(bào)的準(zhǔn)確率越高，24h時(shí)效短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)達(dá)到30%以上時(shí)，預(yù)報(bào)“點(diǎn)對(duì)點(diǎn)”的TS評(píng)分均明顯高于SWC_WARMS最大小時(shí)雨量(≥20mm/h)“點(diǎn)對(duì)點(diǎn)”和“點(diǎn)對(duì)面”的評(píng)分，而48h和72h在各個(gè)概率上TS評(píng)分雖大于SWC_WARMS最大小時(shí)雨量(≥20mm/h)“點(diǎn)對(duì)點(diǎn)”評(píng)分，但均小于SWC_WARMS最大小時(shí)雨量(≥20mm/h)“點(diǎn)對(duì)面”評(píng)分，說(shuō)明基于SWC_WARMS的概率預(yù)報(bào)模型對(duì)原模式預(yù)報(bào)結(jié)果的訂正能在一定程度上抵消空間預(yù)報(bào)偏差，而48h、72h時(shí)效中的這種空間偏差訂正的效果優(yōu)勢(shì)明顯小于24h時(shí)效，48h、72h時(shí)效SWC_WARMS的概率預(yù)報(bào)在各個(gè)概率上的落區(qū)預(yù)報(bào)均無(wú)法優(yōu)于原模式預(yù)報(bào)在30km內(nèi)進(jìn)行調(diào)整的結(jié)果，48h、72h時(shí)效落區(qū)的偏差更為明顯。短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)中以30km為影響半徑的“點(diǎn)對(duì)面”TS評(píng)分明顯高于“點(diǎn)對(duì)點(diǎn)”的評(píng)分，說(shuō)明預(yù)報(bào)時(shí)考慮影響半徑30km范圍內(nèi)的預(yù)報(bào)偏差，更有利于提高預(yù)報(bào)的準(zhǔn)確性；從概率預(yù)報(bào)“點(diǎn)對(duì)面”的TS評(píng)分隨預(yù)報(bào)概率變化上看，短時(shí)強(qiáng)降水(≥20mm/h)的TS評(píng)分均出現(xiàn)先隨預(yù)報(bào)概率增大而升高，在30%時(shí)TS評(píng)分達(dá)到最大，隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，概率預(yù)報(bào)的TS評(píng)分均呈現(xiàn)下降的趨勢(shì)。

對(duì)24h間隔的短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)進(jìn)行“點(diǎn)對(duì)面”(30km)評(píng)分的進(jìn)一步分析。命中率(Hit)分析(圖3a)結(jié)果表明，短時(shí)強(qiáng)降水(≥20mm/h)的概率預(yù)報(bào)中，隨著概率的增大命中率逐漸降低，48h預(yù)報(bào)的命中率略高于24h和72h。對(duì)預(yù)報(bào)偏差評(píng)分(Bias)的分析(圖3b)表明隨著短時(shí)強(qiáng)降水(≥20mm/h)預(yù)報(bào)概率的增大，預(yù)報(bào)偏差逐漸變小，概率預(yù)報(bào)<30%時(shí)Bias>1，預(yù)報(bào)范圍偏大或站點(diǎn)數(shù)偏多，概率預(yù)報(bào)>30%時(shí)Bias在0～1，說(shuō)明預(yù)報(bào)范圍偏小或站點(diǎn)數(shù)偏少，概率預(yù)報(bào)為30%時(shí)Bias差不多圍繞在1附近，24h的Bias評(píng)分略低于1，預(yù)報(bào)偏差最小；從24h、48h、72h三個(gè)時(shí)效上看，隨著預(yù)報(bào)時(shí)效的臨近，24h時(shí)效的Bias評(píng)分最低。從漏報(bào)率(Fail)評(píng)分(圖3c)上看，隨著概率的增大Fail逐漸增大，且漏報(bào)率除24h和48h時(shí)效在10%的預(yù)報(bào)下略<0.5，其他各概率在各個(gè)時(shí)效上均是>0.5的，即差不多有一半的漏報(bào)，也說(shuō)明預(yù)報(bào)與實(shí)況仍有不小的差異，這種差異既有可能是量級(jí)上的原因，也有可能是降水落區(qū)分布上的原因；預(yù)報(bào)概率<50%時(shí)24h和48h的漏報(bào)率比較接近，72h漏報(bào)率最高，預(yù)報(bào)概率>50%時(shí)，隨著概率的增大三個(gè)預(yù)報(bào)時(shí)效的評(píng)分結(jié)果逐漸趨于一致，48h漏報(bào)率略低?？?qǐng)?bào)率(Far)的評(píng)分(圖3d)結(jié)果表明，三個(gè)預(yù)報(bào)時(shí)效概率預(yù)報(bào)均隨著預(yù)報(bào)概率的增大，空?qǐng)?bào)率逐漸減??；隨著預(yù)報(bào)時(shí)效的延長(zhǎng)Far呈上升趨勢(shì)，24h的空?qǐng)?bào)率最低。

2.4 2016年主要天氣過(guò)程的TS評(píng)分

為進(jìn)一步驗(yàn)證基于SWC_WARMS模式的短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)模型的可預(yù)報(bào)性，將模型應(yīng)用于2016年主要天氣過(guò)程，21場(chǎng)天氣過(guò)程分別為：5月6～7日、5月13～14日、5月22～23日、6月5～7日、6月9～10日、6月14～15日、6月18～19日、6月21～25日、6月29～30日、7月5～9日、7月12～15日、7月18～19日、 7月22～23日、7月25～27日、7月31日、8月2～4日、8月23～26日、9月4～7日、9月9日、9月14～15日、9月18～19日。選擇短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)中TS評(píng)分最優(yōu)的預(yù)報(bào)概率(30%)進(jìn)行“點(diǎn)對(duì)面”TS評(píng)分。圖4為不同時(shí)間間隔概率預(yù)報(bào)和SWC_WARMS最大小時(shí)雨量(≥20mm/h)“點(diǎn)對(duì)面”TS評(píng)分，從TS評(píng)分對(duì)比上看，各個(gè)時(shí)間間隔的最優(yōu)預(yù)報(bào)概率“點(diǎn)對(duì)面”TS評(píng)分均明顯優(yōu)于SWC_WARMS最大小時(shí)雨量(≥20mm/h)“點(diǎn)對(duì)面”TS評(píng)分；從預(yù)報(bào)時(shí)效上看，TS評(píng)分呈現(xiàn)明顯的日變化特征，夜間優(yōu)于白天，這可能跟四川夜雨有一定的關(guān)系，同時(shí)隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，TS評(píng)分有降低的趨勢(shì)，從24h間隔的最優(yōu)預(yù)報(bào)概率“點(diǎn)對(duì)面”TS評(píng)分可以看到TS評(píng)分從0.236(24h)降為0.182(72h)；而隨著時(shí)間間隔的增大，TS評(píng)分也出現(xiàn)增大的趨勢(shì)，3h間隔TS評(píng)分最大值為0.145，24h間隔TS評(píng)分最大值增加為0.236。由此可見(jiàn)，短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)模型預(yù)報(bào)比SWC_WARMS最大小時(shí)雨量(≥20mm/h)預(yù)報(bào)更優(yōu)，可應(yīng)用于短時(shí)強(qiáng)降水(≥20mm/h)的預(yù)報(bào)。

3 短時(shí)強(qiáng)降水(≥20mm/h)過(guò)程檢驗(yàn)

2016年7月18日20時(shí)～19日08時(shí)盆地北部、中部、南部和攀西地區(qū)出現(xiàn)了短時(shí)強(qiáng)降水，25mm以上的強(qiáng)降雨落區(qū)主要出現(xiàn)在廣元、南充、遂寧、瀘州、宜賓5市和自貢、內(nèi)江、資陽(yáng)3市東部及攀西地區(qū)中部、南部。實(shí)況最大小時(shí)雨量為各個(gè)觀測(cè)站在預(yù)報(bào)時(shí)間段內(nèi)出現(xiàn)的最大雨量值；SWC_WARMS最大小時(shí)雨量(≥20mm/h)落區(qū)為SWC_WARMS各個(gè)格點(diǎn)在預(yù)報(bào)時(shí)間段內(nèi)出現(xiàn)的最大雨量預(yù)報(bào)值>20mm的落區(qū)。從預(yù)報(bào)情況上看，SWCWARMS最大小時(shí)雨量>20mm的小時(shí)雨量落區(qū)預(yù)報(bào)與實(shí)況較為接近，但對(duì)盆地中部的預(yù)報(bào)略微偏東。短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)30%以上的落區(qū)和SWCWARMS的預(yù)報(bào)小時(shí)雨量20mm以上落區(qū)比較一致，且在攀西地區(qū)報(bào)出了一定的概率，相對(duì)而言，短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)30%以上的預(yù)報(bào)落區(qū)比SWCWARMS的小時(shí)雨量預(yù)報(bào)更有價(jià)值。

2016年7月21日20時(shí)～22日08時(shí)盆地西部大部地方出現(xiàn)了短時(shí)強(qiáng)降水，雨強(qiáng)大，25mm以上的強(qiáng)降雨落區(qū)主要出現(xiàn)在成都、眉山2市和樂(lè)山北部以及廣元、綿陽(yáng)、德陽(yáng)3市西部，最大小時(shí)雨量出現(xiàn)在綿陽(yáng)平武南壩鎮(zhèn)，為112.5mm。從預(yù)報(bào)情況上看，SWCWARMS的小時(shí)雨量預(yù)報(bào)出在盆地西部沿山一帶有>20mm的小時(shí)雨量，但預(yù)報(bào)范圍明顯偏小。短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)30%以上的落區(qū)和SWC_WARMS最大小時(shí)雨量在20mm以上落區(qū)有一定的重疊，但預(yù)報(bào)范圍更廣，特別對(duì)于廣元、綿陽(yáng)2市西部的降水有向擴(kuò)大范圍的方向調(diào)整，與實(shí)況更為一致，同時(shí)對(duì)高原上大的降水也有一定的指示意義。

總的看來(lái)短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)對(duì)短時(shí)強(qiáng)降水(≥20mm/h)的預(yù)報(bào)效果略優(yōu)于原模式直接的預(yù)報(bào)結(jié)果，對(duì)強(qiáng)降水落區(qū)預(yù)報(bào)具有意義的指示作用。

4 結(jié)論

利用基于SWC_WARMS模式的短時(shí)強(qiáng)降水概率預(yù)報(bào)模型生成短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)產(chǎn)品，并對(duì)其進(jìn)行了“點(diǎn)對(duì)面”的模糊檢驗(yàn)試驗(yàn)，得出以下結(jié)論：

(1) 概率預(yù)報(bào)和SWC_WARMS最大小時(shí)雨量(≥20mm/h)的“點(diǎn)對(duì)面”TS評(píng)分均明顯高于“點(diǎn)對(duì)點(diǎn)”評(píng)分。通過(guò)空間模糊檢驗(yàn)，可以確定預(yù)報(bào)結(jié)果可在30～40km范圍內(nèi)進(jìn)行調(diào)整，以得到更優(yōu)的預(yù)報(bào)結(jié)果。

(2) 從概率預(yù)報(bào)“點(diǎn)對(duì)面”TS評(píng)分隨預(yù)報(bào)概率變化上看，短時(shí)強(qiáng)降水(≥20mm/h)的TS評(píng)分均出現(xiàn)先隨預(yù)報(bào)概率增大而升高，在30%時(shí)TS評(píng)分達(dá)到最大，隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，概率預(yù)報(bào)的TS評(píng)分均呈現(xiàn)下降的趨勢(shì)。從概率預(yù)報(bào)“點(diǎn)對(duì)面”Bias評(píng)分隨預(yù)報(bào)概率變化上看，概率預(yù)報(bào)為30%時(shí)Bias差不多圍繞在1附近，預(yù)報(bào)偏差最小，綜合考慮短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)“點(diǎn)對(duì)面”的TS評(píng)分和預(yù)報(bào)偏差的評(píng)分結(jié)果，確定性預(yù)報(bào)以概率為30%時(shí)最優(yōu)。

(3) 概率預(yù)報(bào)的TS評(píng)分明顯優(yōu)于SWC_WARMS最大小時(shí)雨量(≥20mm/h)的評(píng)分，短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)比SWC_WARMS最大小時(shí)雨量(≥20mm/h)預(yù)報(bào)更具有參考價(jià)值。

對(duì)基于SWC_WARMS模式的短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)模型預(yù)報(bào)的檢驗(yàn)評(píng)分表明，SWC_WARMS模式的短時(shí)強(qiáng)降水(≥20mm/h)概率預(yù)報(bào)模型較SWC_WARMS最大小時(shí)雨量(≥20mm/h)預(yù)報(bào)的預(yù)報(bào)效果有一定程度的提升，然而現(xiàn)階段進(jìn)入模型的物理量因子較少，對(duì)預(yù)報(bào)產(chǎn)品在不同尺度上的信息分析仍存在不足，同時(shí)由于不同降水的空間形狀分布對(duì)“點(diǎn)對(duì)面”的TS評(píng)分同樣有很重要的影響，可進(jìn)一步對(duì)不同空間分布狀態(tài)下的降水進(jìn)行空間偏差檢驗(yàn)，更進(jìn)一步使用空間模糊檢驗(yàn)方法來(lái)確定預(yù)報(bào)產(chǎn)品在何種空間尺度上預(yù)報(bào)是有用的，使得預(yù)報(bào)員可以根據(jù)自己的需求和應(yīng)用傾向?qū)Σ煌念A(yù)報(bào)進(jìn)行取舍。