基于CMA-MESO的分級短時強(qiáng)降水概率預(yù)報方法研究

鐘 敏，肖 安，許冠宇

（1.武漢中心氣象臺，湖北 武漢 430074；2.江西省氣象臺，江西 南昌 330096）

引言

短時強(qiáng)降水是指在短時間內(nèi)出現(xiàn)的強(qiáng)降水事件，我國天氣預(yù)報業(yè)務(wù)中一般指1 h降水量大于等于20 mm的降水事件，1 h降水量大于等于50 mm屬于極端短時強(qiáng)降水事件［1］。短時強(qiáng)降水可在短時間內(nèi)迅速積累形成暴洪，而暴洪是所有相關(guān)氣象災(zāi)害中發(fā)生頻次最高且導(dǎo)致傷亡人數(shù)最多的災(zāi)害［2］。短時強(qiáng)降水的強(qiáng)度主要取決于對流層低層的水汽通量輻合、水汽垂直遞減率和低層大氣對流有效位能（convective available potential energy，CAPE）［3］。純粹的短時強(qiáng)降水天氣與強(qiáng)冰雹、雷暴大風(fēng)相比有較小的850 hPa與500 hPa溫差、弱垂直風(fēng)切變、較高的0℃層高度及較高的邊界層露點(diǎn)溫度等［4］。不同天氣形勢下不同區(qū)域短時強(qiáng)降水發(fā)生時，環(huán)境場物理量特征有所不同：如水汽層結(jié)大多分為整層高濕和上干下濕兩類［5-7］，北方地區(qū)抬升凝結(jié)高度（lifting condensation level，LCL）普遍高于南方地區(qū)，0℃層高度普遍低于南方地區(qū)［7-10］。另外，與水汽相關(guān)的物理量對不同等級短時強(qiáng)降水有一定的指示作用［11-12］。

目前，利用數(shù)值模式輸出參數(shù)進(jìn)行強(qiáng)對流天氣預(yù)報，可以有效提高預(yù)報水平和預(yù)報時效［13-15］，因此強(qiáng)對流落區(qū)預(yù)報逐步由天氣型預(yù)報方法向數(shù)值模式釋用和物理參數(shù)診斷方向轉(zhuǎn)變［16］。在強(qiáng)對流天氣的客觀預(yù)報方法研究方面，基于常規(guī)探空數(shù)據(jù)［17］及各類數(shù)值預(yù)報模式［18-22］，統(tǒng)計(jì)熱力、動力、不穩(wěn)定等物理量數(shù)值分布特征，并通過相關(guān)性分析選取敏感因子，利用閾值法、連續(xù)概率預(yù)報等方法進(jìn)行包含短時強(qiáng)降水在內(nèi)的強(qiáng)對流概率預(yù)報或確定性預(yù)報。另外，利用機(jī)器學(xué)習(xí)方法對短時強(qiáng)降水的預(yù)報［23-25］也取得較好效果。

近年來，隨著數(shù)值預(yù)報技術(shù)發(fā)展，高分辨率數(shù)值預(yù)報模式的準(zhǔn)確率不斷提高，由中國自主研發(fā)的中尺度天氣數(shù)值預(yù)報模式CMA-MESO（China Meteorological Administration mesoscale model，原GRAPES區(qū)域中尺度數(shù)值預(yù)報模式），能提供0～84 h預(yù)報時效的逐小時精細(xì)化高空及地面預(yù)報產(chǎn)品，其風(fēng)場、溫度場、水汽場較全球模式在時空分辨率上有明顯優(yōu)勢，且隨著動力框架和物理過程描述的改進(jìn)，該模式輸出的預(yù)報場資料也有更高的準(zhǔn)確性［26-27］。隨著預(yù)報服務(wù)需求不斷增長和預(yù)報內(nèi)容日趨精細(xì)化，僅針對20 mm·h-1以上短時強(qiáng)降水的預(yù)報已不能完全滿足業(yè)務(wù)需要［11］，開展不同降水等級的短時強(qiáng)降水預(yù)報方法研究顯得十分必要，而CMA-MESO模式為該項(xiàng)研究提供了豐富的預(yù)報信息。因此，本文基于CMA-MESO模式，統(tǒng)計(jì)不同等級短時強(qiáng)降水樣本的物理量數(shù)值分布特征，基于升、降半嶺隸屬函數(shù)建立短時強(qiáng)降水概率預(yù)報模型，并在2020年汛期中進(jìn)行業(yè)務(wù)應(yīng)用，為分級短時強(qiáng)降水預(yù)報提供技術(shù)支撐和參考依據(jù)。

1 資料

所用資料為2016—2019年6—8月中國南方9省1市（湖北、湖南、江西、安徽、江蘇、福建、廣西、廣東、貴州和上海市）802個國家氣象站、22 896個區(qū)域氣象站逐時降水?dāng)?shù)據(jù)及同期CMA-MESO模式初始場數(shù)據(jù)（空間分辨率為0.1°×0.1°）。2017年7月18日以前CMA-MESO模式一天更新2次，初始場為08：00和20：00（北京時，下同）；2017年7月18日以后CMA-MESO模式升級為一天更新8次，初始場為02：00—23：00，間隔3 h。

選取雨強(qiáng)R≥20 mm·h-1的短時強(qiáng)降水，按照雨強(qiáng)大小分為4個等級，即20≤R＜30 mm·h-1、30≤R＜50 mm·h-1、50≤R＜80 mm·h-1及R≥80 mm·h-1，分別對應(yīng)I、Ⅱ、Ⅲ、IV級。選取所有初始場時刻對應(yīng)的0～1 h強(qiáng)降水樣本及其對應(yīng)的初始場物理量，按照鄰近點(diǎn)原則進(jìn)行時空匹配，建立分級短時強(qiáng)降水?dāng)?shù)據(jù)集。共搜集51 355站次短時強(qiáng)降水樣本，其中I、Ⅱ、Ⅲ、IV級樣本數(shù)分別為33 120、15 531、2 488、216個，不同等級雨強(qiáng)樣本數(shù)占總樣本數(shù)的百分比分別為64.49%、30.25%、4.84%、0.42%，其中III級及以上短時強(qiáng)降水樣本占比僅為5.26%，但其屬于極端短時強(qiáng)降水，且預(yù)報難度很大，值得做嘗試性研究。

在實(shí)時預(yù)報中，所用數(shù)據(jù)為CMA-MESO模式預(yù)報場，時間分辨率為1 h，計(jì)算2020年湖北省6—8月15次短時強(qiáng)降水過程的不同級別短時強(qiáng)降水概率，并用實(shí)況降水?dāng)?shù)據(jù)進(jìn)行定量檢驗(yàn)，參與檢驗(yàn)的站點(diǎn)為湖北省1662個氣象觀測站及其40 km范圍內(nèi)周邊省份793個氣象觀測站。

文中附圖涉及的地圖均基于國家測繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號為GS（2017）3320號的標(biāo)準(zhǔn)地圖制作，底圖無修改。

2 物理量重要性分析

從短時強(qiáng)降水發(fā)生的環(huán)境條件出發(fā)，參考前人研究總結(jié)的關(guān)鍵物理量［28-30］，共挑選22個物理量，利用雨量數(shù)據(jù)和相應(yīng)物理量形成數(shù)據(jù)集，并利用XGBoost（extreme gradient boosting）機(jī)器學(xué)習(xí)方法［31］做重要性分析。分別研究51 355個樣本中17個物理量和44 093個樣本中5個物理量［2017年7月18日以后CMA-MESO模式才有最有利抬升指數(shù)（best lifting index，BLI）、0℃層高度（H0）及700、850、925 hPa垂直速度（w700、w850、w925）］的重要性（圖1）?？梢钥闯?，17個物理量重要性排序從高到低依次為：抬升凝結(jié)高度（LCL）、500 hPa相對濕度（RH500）、700 hPa V風(fēng)分量（V700）、對流有效位能（CAPE）、850 hPa V風(fēng)分量（V850）、925 hPa相對濕度（RH925）、850 hPa與500 hPa溫差（ΔT850-500）、925 hPa露點(diǎn)溫度（Td925）、850 hPa水 汽 通 量 散 度（Divq850）、850 hPa散 度（Div850）、850 hPa相對濕度（RH850）、850 hPa露點(diǎn)溫度（Td850）、925 hPa水汽通量散度（Divq925）、925 hPa散度（Div925）、700 hPa露點(diǎn)溫度（Td700）、K指數(shù)、700 hPa相對濕度（RH700）；5個物理量重要性排序?yàn)锽LI、H0、w700、w925、w850。

3 分級短時強(qiáng)降水物理量統(tǒng)計(jì)

圖1 17個物理量（a）和5個物理量（b）對雨強(qiáng)的重要性得分Fig.1 The importance score of each physical quantity to rainfall intensity for 17（a）and 5（b）physical quantities

表1 不同等級短時強(qiáng)降水樣本水汽及層結(jié)特征物理量百分位統(tǒng)計(jì)Tab.1 Percentile statistics of physical quantities about water vapor and stratification characteristic during short-term heavy precipitation samples with different grades

表2 不同等級短時強(qiáng)降水樣本不穩(wěn)定條件物理量百分位統(tǒng)計(jì)Tab.2 Percentile statistics of physical quantities about unstable condition during short-term heavy precipitation samples with different grades

統(tǒng)計(jì)不同等級短時強(qiáng)降水的物理量百分位值（75%、50%、25%分位數(shù)）分布特征（表1、表2、表3、表4），可以看到，各物理量的百分位值分布存在一定差異。由水汽及層結(jié)特征物理量統(tǒng)計(jì)（表1）看出，低層露點(diǎn)溫度Td850、Td925隨著雨強(qiáng)等級增加其百分位值略有增加，表明低層絕對水汽含量對雨強(qiáng)有正貢獻(xiàn)。中層露點(diǎn)溫度Td700卻呈現(xiàn)出相反趨勢，隨著雨強(qiáng)等級增加其百分位值有降低趨勢，這與孫繼松［3］發(fā)現(xiàn)的對流降水過程中瞬時降水強(qiáng)度主要取決于水汽垂直遞減率（而非整層大氣可降水量）相似。即并非整層大氣可降水量越大雨強(qiáng)就越強(qiáng)，雨強(qiáng)強(qiáng)的樣本在水汽垂直層結(jié)上往往存在中層水汽減小特征，如IV級強(qiáng)降水Td700的50%、25%分位數(shù)比I級強(qiáng)降水分別低0.48、1.39℃。不同等級強(qiáng)降水的925～500 hPa相對濕度百分位值有相對一致的規(guī)律，即隨著雨強(qiáng)等級增加，其相對濕度略有降低。從不穩(wěn)定類物理量百分位值統(tǒng)計(jì)（表2）看出，BLI隨著雨強(qiáng)等級增加，其百分位值呈減小趨勢，即不穩(wěn)定性增強(qiáng)；CAPE、ΔT850-500、K指數(shù)隨著雨強(qiáng)等級增加，其百分位值基本呈增加趨勢，總體上，層結(jié)越不穩(wěn)定，雨強(qiáng)越強(qiáng)。從動力條件物理量百分位值統(tǒng)計(jì)（表3）看出，低層（850、925 hPa）散度和水汽通量散度隨著雨強(qiáng)等級增加，其百分位值呈減小趨勢，即具有更強(qiáng)的風(fēng)場輻合和水汽輻合，這與孫繼松［3］研究結(jié)論一致。V700和V850隨著雨強(qiáng)等級增加，其百分位值基本呈減小趨勢，這可能是因?yàn)橐龑?dǎo)氣流不強(qiáng)，低空氣流較弱的環(huán)境下對流單體移動緩慢，因此更易出現(xiàn)極端短時強(qiáng)降水［32］。w700隨著雨強(qiáng)等級增加，75%、50%分位基本呈減小趨勢，對應(yīng)上升運(yùn)動減弱；而25%分位則呈增加趨勢，對應(yīng)下沉運(yùn)動減弱。從強(qiáng)降水樣本總體統(tǒng)計(jì)結(jié)果看，上升運(yùn)動強(qiáng)降水樣本多于下沉運(yùn)動強(qiáng)降水樣本，說明CMA-MESO對大部分強(qiáng)降水樣本能預(yù)報出上升運(yùn)動，但上升速度與雨強(qiáng)大小對應(yīng)并不好，也可能與樣本數(shù)量和數(shù)值模式預(yù)報性能有關(guān)。不同等級強(qiáng)降水的w850和w925百分位值變化趨勢不明顯（表略）。暖云厚度為抬升凝結(jié)高度到融化層（大致為0℃高度）之間的厚度，是反映降水效率的重要因素［33］，降水系統(tǒng)的暖云層越厚，越有利于高降水效率的產(chǎn)生，從統(tǒng)計(jì)結(jié)果（表4）看，不同等級短時強(qiáng)降水的LCL和0℃層高度在25%、50%分位數(shù)的差異較75%分位數(shù)更明顯，如各等級LCL 25%分位數(shù)為940.18～952.82 hPa，50%分位數(shù)為963.51～970.37 hPa，75%分位數(shù)為982.24～983.86 hPa。

表3 不同等級短時強(qiáng)降水樣本動力條件物理量百分位統(tǒng)計(jì)Tab.3 Percentile statistics of physical quantities about dynamic condition during short-term heavy precipitation samples with different grades

表4 不同等級短時強(qiáng)降水樣本LCL和H0百分位統(tǒng)計(jì)Tab.4 Percentile statistics of physical quantities of LCL and H0 during short-term heavy precipitation samples with different grades

4 概率預(yù)報方法

從以上統(tǒng)計(jì)分析結(jié)果可以看出，不同等級短時強(qiáng)降水的環(huán)境場物理量在數(shù)值分布上并沒有獨(dú)立的完全區(qū)分，只是在百分位值上存在一些差異。因此建立概率預(yù)報模型時，不適宜采用傳統(tǒng)的閾值法進(jìn)行單一判斷。本文采用連續(xù)概率預(yù)報方法［18］建立不同等級短時強(qiáng)降水概率預(yù)報模型，具體公式如下：

式中：Q為概率值；f（x）為隸屬函數(shù)；W為權(quán)重系數(shù)；j＝1，2，3，…，n，其中n為概率預(yù)報因子數(shù)量。根據(jù)物理量重要性對22個物理量進(jìn)行權(quán)重分配，其中LCL、RH500、V700、CAPE、V850、RH925、ΔT850-500、Td925、Divq850、Div850權(quán)重取1.5，其他物理量權(quán)重取1。

隸屬函數(shù)f（x）的選取在預(yù)報模型中比較關(guān)鍵，選取方法有模糊統(tǒng)計(jì)法、專家經(jīng)驗(yàn)法以及例證法等［34］，本文采用模糊統(tǒng)計(jì)法，通過物理量概率分布特征進(jìn)行隸屬函數(shù)選取。該方法優(yōu)于傳統(tǒng)的閾值法，其特征函數(shù)的取值范圍從0或1擴(kuò)大到［0，1］區(qū)間連續(xù)取值［35］。根據(jù)不同等級短時強(qiáng)降水樣本相關(guān)物理量的概率密度分布特征選用不同的隸屬函數(shù)，以925 hPa露點(diǎn)溫度（Td925）和最有利抬升指數(shù)（BLI）為例（圖2），其物理量值均表現(xiàn)為正態(tài)分布，即概率密度均呈“單峰型”，由峰值開始向兩端，隨著物理量值增加或減小，概率密度呈減小趨勢。根據(jù)這種概率密度分布特征，分別選用升半嶺和降半嶺函數(shù)作為隸屬函數(shù)。在建立預(yù)報模型中，BLI、散度、水汽通量散度這3類物理量選用降半嶺函數(shù)，其余物理量選用升半嶺函數(shù)。具體公式如下：

升半嶺函數(shù):f(x)=

圖2 不同等級短時強(qiáng)降水樣本925 hPa露點(diǎn)溫度（a）及BLI（b）概率密度分布Fig.2 The probability density distribution of 925 hPa dew point temperature（a）and benefit lifting index（b）during short-term heavy precipitation samples with different grades

式中：a、b為參數(shù)，分別取各物理量25%和75%分位數(shù)。

5 概率預(yù)報產(chǎn)品檢驗(yàn)

對2020年6—8月15次大暴雨過程的強(qiáng)降水進(jìn)行定量檢驗(yàn)分析，檢驗(yàn)對象為每日08：00和20：00起報的0～36 h預(yù)報時效的逐小時不同等級短時強(qiáng)降水概率預(yù)報產(chǎn)品，檢驗(yàn)方法為鄰域法，以40 km半徑為鄰域范圍（標(biāo)準(zhǔn)參照全國智能預(yù)報技術(shù)方法競賽檢驗(yàn)方案①中國氣象局預(yù)報與網(wǎng)絡(luò)司.智能預(yù)報技術(shù)方法競賽檢驗(yàn)方案，2020.）。當(dāng)某一級強(qiáng)降水概率預(yù)報產(chǎn)品達(dá)到或超過某概率閾值則代表該格點(diǎn)預(yù)報出該級別強(qiáng)降水。利用20 mm·h-1及以上、30 mm·h-1及 以 上、50 mm·h-1及以上、80 mm·h-1及以上強(qiáng)降水實(shí)況分別對I、Ⅱ、Ⅲ、IV級短時強(qiáng)降水概率預(yù)報產(chǎn)品進(jìn)行檢驗(yàn)，計(jì)算命中率（hit rate，HR）、空報率（false rate，F(xiàn)R）和TS評分（threat score，TS）。表5列出具體檢驗(yàn)結(jié)果，可以看出，不同等級短時強(qiáng)降水的命中率隨著概率閾值增加而降低，空報率隨著概率閾值增加而減小。從TS評分來看，I級概率預(yù)報產(chǎn)品概率閾值為60%時TS評分（0.145）最好，對應(yīng)命中率為55.7%；Ⅱ級概率預(yù)報產(chǎn)品概率閾值為65%、70%時TS評分（0.083）均最好，對應(yīng)命中率分別為39.1%、24.7%，綜合考慮命中率，取65%閾值最佳；Ⅲ級概率預(yù)報產(chǎn)品概率閾值為70%時TS評分（0.03）最好，對應(yīng)命中率為21.7%；IV級概率預(yù)報產(chǎn)品概率閾值為80%時TS評分（0.005）最好，對應(yīng)命中率為5.8%。

表5 不同等級短時強(qiáng)降水概率預(yù)報產(chǎn)品的不同概率閾值預(yù)報檢驗(yàn)Tab.5 The forecast test of different probability thresholds of probability prediction products about short-term heavy precipitation with different grades

圖3 2020年7月5日（a、b）、7日（c、d）及6月27日（e、f）、8月8日（g、h）08：00起報的16 h時效I級（a）、20 h時效II級（c）、10 h時效III級（e）、14 h時效IV級（g）短時強(qiáng)降水概率預(yù)報產(chǎn)品（彩色填色區(qū)，單位：%）與CMA-MESO模式預(yù)報的對應(yīng)時次1 h降水量（b，d，f，h，彩色填色區(qū)，單位：mm）（左圖從上到下黑色圓點(diǎn)分別為20 mm·h-1及以上、30 mm·h-1及以上、50 mm·h-1及以上、80 mm·h-1及以上短時強(qiáng)降水實(shí)況）Fig.3 The probability prediction products（color shaded areas，Unit：%）about short-term heavy precipitation with grade I for 16 h prediction time（a），with grade II for 20 h prediction time（c），with grade III for 10 h prediction time（e），with grade IV for 14 h prediction time（g）forecasted from 08：00 BST on July 5（a，b）and 7（c，d），June 27（e，f）and August 8（g，h）in 2020 and 1 h precipitation forecasted by the CMA-MESO model at corresponding time（b，d，f，h，color shaded areas，Unit：mm）（The black dots in the left figures from top to bottom are observed precipitation with rainfall intensity of 20 mm·h-1 and above，30 mm·h-1 and above，50 mm·h-1 and above，80 mm·h-1 and above，respectively）

為檢驗(yàn)不同等級短時強(qiáng)降水概率預(yù)報產(chǎn)品的預(yù)報效果，圖3為2020年4次不同等級短時強(qiáng)降水個例概率預(yù)報產(chǎn)品及CMA-MESO模式預(yù)報的對應(yīng)時次1 h降水量?？梢钥闯?，7月6日00：00—01：00，湖北南部和湖南西北部出現(xiàn)20 mm·h-1及以上短時強(qiáng)降水，I級強(qiáng)降水概率預(yù)報產(chǎn)品該區(qū)域預(yù)報概率大于60%［圖3（a）］，這一時次以60%為閾值，I級短時強(qiáng)降水的命中率為76%，空報率為47.6%，TS評分為0.45；但CMA-MESO模式預(yù)報的20 mm·h-1及以上短時強(qiáng)降水范圍很小，出現(xiàn)較大范圍漏報［圖3（b）］。7月8日04：00—05：00，湖北東南部、湖南東北部和西北部出現(xiàn)30 mm·h-1及以上短時強(qiáng)降水，Ⅱ級強(qiáng)降水概率預(yù)報產(chǎn)品該區(qū)域預(yù)報概率大于70%［圖3（c）］，這一時次以70%為閾值，Ⅱ級短時強(qiáng)降水的命中率為80.9%，空報率為64.9%，TS評分為0.32；但CMA-MESO模式對30 mm·h-1及以上降水全部漏報［圖3（d）］。6月27日18：00—19：00，湖北西北部出現(xiàn)50 mm·h-1及以上短時強(qiáng)降水，Ⅲ級強(qiáng)降水概率預(yù)報產(chǎn)品該區(qū)域預(yù)報概率大于80%［圖3（e）］，這一時次以80%為閾值，Ⅲ級短時強(qiáng)降水的命中率為42.1%，空報率為45.8%，TS評分為0.31；但CMA-MESO模式只預(yù)報出很小范圍的20 mm·h-1及以上降水，50 mm·h-1及以上強(qiáng)降水全部漏報，且強(qiáng)降水中心與實(shí)況偏差較大［圖3（f）］。8月8日22：00—23：00，湖北東北部出現(xiàn)80 mm·h-1以上短時強(qiáng)降水，IV級強(qiáng)降水概率預(yù)報產(chǎn)品該區(qū)域預(yù)報概率大于80%［圖3（g）］，這一時次以80%為閾值，IV級短時強(qiáng)降水的命中率為36%，空報率為45.8%，TS評分為0.19；而CMA-MESO僅預(yù)報出5 mm降水量，但降水落區(qū)與強(qiáng)降水中心對應(yīng)較好［圖3（h）］。

圖4 I級概率預(yù)報產(chǎn)品20 mm·h-1及以上短時強(qiáng)降水與CMA-MESO模式預(yù)報的對應(yīng)時次10 mm·h-1及以上短時強(qiáng)降水的命中率（a）、空報率（b）及TS評分（c）Fig.4 The hit rate（a），false alarm rate（b）and TS score（c）of the grade I probability product about short-term heavy precipitation with rainfall intensity of 20 mm·h-1 and above and corresponding time short-term heavy precipitation with rainfall intensity of 10 mm·h-1 and above predicted by the CMA-MESO model

為分析短時強(qiáng)降水天氣過程不同時效的預(yù)報效果，對I級短時強(qiáng)降水概率預(yù)報產(chǎn)品與CMAMESO模式預(yù)報的3次短時強(qiáng)降水過程（2020年6月27—28日、7月5—6日、7月7—8日，分別簡稱“個例1”、“個例2”、“個例3”）做逐小時對比檢驗(yàn)，其中I級概率預(yù)報產(chǎn)品以60%為20 mm·h-1及以上短時強(qiáng)降水的概率閾值，CMA-MESO模式由于預(yù)報雨量整體偏弱，因此以10 mm·h-1作為模式預(yù)報20 mm·h-1及以上短時強(qiáng)降水的閾值。從檢驗(yàn)結(jié)果（圖4）可以看到，I級概率預(yù)報產(chǎn)品3次個例絕大多數(shù)時次的命中率和TS評分明顯高于CMA-MESO模式，且空報率明顯偏低。由圖4（a）看出，CMA-MESO模式3個個例的命中率均普遍較低，且超過24 h后命中率全部為0。其中個例1，I級概率預(yù)報產(chǎn)品各時次命中率多在80%以上，而CMA-MESO模式命中率不足40%；個例2，CMA-MESO模式的命中率僅有4個時次超過0，且最大不超過5%，而I級概率預(yù)報產(chǎn)品各時次命中率普遍在40%以上，最高達(dá)到100%，且第36 h預(yù)報的命中率仍然達(dá)40%；個例3，CMA-MESO模式5～16 h預(yù)報時效內(nèi)命中率全部為0，而I級概率預(yù)報產(chǎn)品命中率為60%～80%，彌補(bǔ)了該時段內(nèi)CMA-MESO模式的漏報情況。對空報率［圖4（b）］而言，CMA-MESO模式3個個例均存在大量空報，基本以100%為主；而I級概率預(yù)報產(chǎn)品相對來說空報率較低，普遍為50%～90%。TS評分［圖4（c）］與命中率類似，I級概率預(yù)報產(chǎn)品各時效TS評分普遍高于CMA-MESO模式。

6 結(jié)論與討論

利用2016—2019年6—8月51 355個短時強(qiáng)降水樣本，基于CMA-MESO數(shù)值預(yù)報模式建立數(shù)據(jù)集并進(jìn)行統(tǒng)計(jì)分析，利用連續(xù)概率預(yù)報方法建立強(qiáng)降水概率預(yù)報模型，并在2020年汛期中進(jìn)行實(shí)時業(yè)務(wù)預(yù)報及檢驗(yàn)，得出以下主要結(jié)論：

（1）不同等級短時強(qiáng)降水的物理量百分位值分布存在一定差異：隨著雨強(qiáng)增加，低層（925、850 hPa）露點(diǎn)溫度呈增加趨勢，但中層（700 hPa）露點(diǎn)溫度卻呈減小趨勢；BLI、CAPE、ΔT850-500等不穩(wěn)定條件物理量隨雨強(qiáng)等級增加呈增加趨勢；低層散度和水汽通量散度等動力條件物理量隨雨強(qiáng)等級增加，風(fēng)場輻合和水汽輻合越強(qiáng)。

（2）對2020年6—8月湖北省15次大暴雨過程0～36 h預(yù)報時效的逐小時不同等級短時強(qiáng)降水概率預(yù)報產(chǎn)品檢驗(yàn)結(jié)果表明，將60%、65%、70%、80%分別作為I、Ⅱ、Ⅲ、IV級是否出現(xiàn)強(qiáng)降水的概率閾值，各等級命中率隨概率閾值增加而降低，空報率隨概率閾值增加而減小。從TS評分來看，I級概率預(yù)報產(chǎn)品60%閾值的TS評分（0.145）最好，對應(yīng)命中率為55.7%；Ⅱ級概率預(yù)報產(chǎn)品65%閾值的TS評分（0.083）最好，對應(yīng)命中率為39.1%；Ⅲ級概率預(yù)報產(chǎn)品70%閾值的TS評分（0.03）最好，對應(yīng)命中率為21.7%；IV級概率預(yù)報產(chǎn)品80%閾值的TS評分（0.005）最好，對應(yīng)命中率為5.8%。從4次不同等級短時強(qiáng)降水個例對比檢驗(yàn)結(jié)果看，各級概率預(yù)報產(chǎn)品對CMA-MESO模式在同時次不同雨強(qiáng)等級強(qiáng)降水預(yù)報上均有較好的訂正作用。

（3）通過對3次短時強(qiáng)降水天氣過程的逐小時預(yù)報檢驗(yàn)發(fā)現(xiàn)，I級概率預(yù)報產(chǎn)品命中率從CMAMESO模式的0～40%提高到40%～80%，預(yù)報時效也從24 h提高到36 h；概率預(yù)報產(chǎn)品的TS評分普遍高于CMA-MESO模式；概率預(yù)報產(chǎn)品的空報率在50%～90%之間，較CMA-MESO模式的空報率（大部分為100%）明顯降低。

各級概率預(yù)報產(chǎn)品的空報率較高，尤其是50 mm·h-1及以上極端短時強(qiáng)降水空報率更高，這與強(qiáng)降水本身的中小尺度特征有極大關(guān)系，且隨著雨強(qiáng)等級增加，極端短時強(qiáng)降水的樣本數(shù)量急劇減小，也增加了空報的幾率；此外，從強(qiáng)降水空間分布看出，50 mm·h-1及以上短時強(qiáng)降水一般空間尺度非常小，而目前中尺度數(shù)值模式的空間分辨率還不足以準(zhǔn)確預(yù)報出這種環(huán)境場，這些都給分級短時強(qiáng)降水預(yù)報帶來很大難度，因此今后將從強(qiáng)降水發(fā)生、發(fā)展的物理機(jī)制，尤其是觸發(fā)機(jī)制出發(fā)，對強(qiáng)降水預(yù)報進(jìn)行消空改進(jìn)。

致謝：感謝國家氣象中心為本研究提供寶貴的CMA-MESO模式資料及鄧蓮堂正研級高級工程師在模式性能方面提供的技術(shù)指導(dǎo)。