漢江流域多模式面雨量預(yù)報效果評估及集成應(yīng)用

邱 輝,范 維,王 樂,3

(1.長江水利委員會 水文局,湖北 武漢 430010; 2.漢江水利水電(集團)有限責(zé)任公司,湖北 武漢 430048;3.武漢大學(xué) 水資源工程與調(diào)度全國重點實驗室,湖北 武漢 430072)

0 引 言

漢江發(fā)源于陜西省寧強縣,由湖北省武漢市匯入長江,流域面積15.9萬km2,是長江第一大支流,流域?qū)儆趤啛釒Ъ撅L(fēng)氣候,其內(nèi)水系發(fā)達(dá)、水資源量豐富[1]。漢江流域水利工程眾多,具有防洪、供水、發(fā)電、航運等綜合效益,多年來防洪與興利效益顯著[2]。精準(zhǔn)的水文氣象預(yù)報是支撐水利工程運行的首要前提,為充分發(fā)揮水利工程群對漢江流域水資源綜合利用的重要作用,有必要對漢江流域多模式降水的預(yù)報產(chǎn)品進(jìn)行評估,從而提升漢江流域的水文氣象預(yù)報水平。

漢江流域地形復(fù)雜,各支流降水時空分布極不均勻,對于預(yù)報精度有較高要求[3-4]。隨著大氣科學(xué)專業(yè)和氣象業(yè)務(wù)的迅速發(fā)展,數(shù)值天氣預(yù)報技術(shù)得到極大提升,模式的預(yù)見期和預(yù)報精度顯著提高,在實際業(yè)務(wù)中有效延長了水文預(yù)報預(yù)見期[5-7]。賀皓等[8]發(fā)現(xiàn)中尺度數(shù)值模式能夠準(zhǔn)確刻畫漢江流域單次的降水過程。邢雯慧等[9]利用RegCM4模式發(fā)現(xiàn)CLM陸面方案對漢江流域降水預(yù)報效果較好。但值得注意的是,受初值、物理過程及不同區(qū)域氣候特性差異等多因素的影響,數(shù)值模式預(yù)報產(chǎn)品仍存在一定的預(yù)報誤差[10-13]。與此同時,不同模式對不同時期或地區(qū)的預(yù)報效果存在一定差異,如T639、ECMWF及日本模式中期預(yù)報性能檢驗表明,ECMWF模式的預(yù)報效果最好[14],ECMWF模式對強降水過程預(yù)報的準(zhǔn)確率在蓄水期最高,其次為消落期和汛期[15],華東區(qū)域數(shù)值預(yù)報模式對華東地區(qū)和西南地區(qū)的暴雨及以上降水預(yù)報技巧較高[16-17],華中區(qū)域區(qū)域模式對強降水存在較明顯的空報[18],GRAPES＿M(jìn)ESO區(qū)域模式對暴雨及以上降水預(yù)報能力較弱[19-20]。因此,加強對不同數(shù)值模式產(chǎn)品預(yù)報效果的客觀分析檢驗以及對多種數(shù)值模式產(chǎn)品綜合集成應(yīng)用具有重要的實際應(yīng)用價值[21-22]。綜合集成預(yù)報是一種采用數(shù)學(xué)模型將多種相互獨立的單模式預(yù)報產(chǎn)品進(jìn)行整合與分析,最終得到更為理想、統(tǒng)一的預(yù)報結(jié)論的技術(shù),由于各種數(shù)值模式在定量降水預(yù)報方面各有特點,綜合多模式集成預(yù)報方法已經(jīng)成為數(shù)值預(yù)報產(chǎn)品使用中的一個重要手段[23-25]。例如,趙忱[26]發(fā)現(xiàn)集成預(yù)報能夠有效提高中國4～9月降水預(yù)報的TS評分。王海燕等[27]發(fā)現(xiàn)對于長江流域降水而言,通過集成歐洲中心、美國、德國及中國等多家數(shù)值模式降水預(yù)報產(chǎn)品集成預(yù)報效果明顯好于單獨使用歐洲中心預(yù)報產(chǎn)品。但以往的研究多關(guān)注于中國或整個長江流域的預(yù)報效果[28-29],針對漢江流域降水的預(yù)報評估還比較少,且缺乏多模式預(yù)報產(chǎn)品的集成研究。因此,本文利用全球多種數(shù)值模式對漢江流域面雨量預(yù)報效果進(jìn)行檢驗,在此基礎(chǔ)上建立多模式降水預(yù)報產(chǎn)品動態(tài)集成應(yīng)用方案,為水文預(yù)報提供綜合的降水預(yù)報產(chǎn)品,以期提高預(yù)報精度。

1 研究數(shù)據(jù)、方法與區(qū)域概況

1.1 研究數(shù)據(jù)

(1) 實況面雨量資料。2020～2021年的實況逐日面雨量資料通過漢江流域63個氣象站采用算術(shù)平均計算所得,氣象站資料由湖北省氣象局提供,所有站點都通過系統(tǒng)的質(zhì)量控制和均一性檢驗,保證了資料的連續(xù)性和完整性。

(2) 模式資料。本研究所用的數(shù)值模式預(yù)報資料由湖北省氣象局通過數(shù)據(jù)專線每日實時推送至長江水利委員會水文局。本文對當(dāng)前全球較為流行的5種業(yè)務(wù)運行的數(shù)值模式降水預(yù)報產(chǎn)品進(jìn)行評估,包括歐洲中期天氣預(yù)報中心(ECMWF,以下簡稱EC)、德國氣象局(GERMAN)、美國國家環(huán)境預(yù)報中心(NCEP)、日本氣象廳(JMA)與中國國家氣象局的GRAPES數(shù)值模式。根據(jù)業(yè)務(wù)預(yù)報需求,各模式的起報時間均采用前日20 h,時間長度為2020～2021年。各模式采用的分辨率和實際業(yè)務(wù)中使用的預(yù)見期見表1。

表1 常用的業(yè)務(wù)數(shù)值天氣模式信息Tab.1 Information of commonly used global numerical weather models

1.2 研究方法

1.2.1降水評分方法

本文主要對漢江流域的分區(qū)面雨量進(jìn)行檢驗評定,面雨量等級劃分依據(jù)GB/T 20486-2017《江河流域面雨量等級》,參見表2。

表2 面雨量等級劃分Tab.2 Surface rainfall level classification mm

對面雨量的檢驗采用TS評分方法,TS評分是目前氣象部門應(yīng)用比較廣泛的一種降水分級檢驗方法,用于衡量降水預(yù)報準(zhǔn)確率的指數(shù),如果評分較高,說明對降水的預(yù)報效果較好。其公式表達(dá)如下:

(1) TS評分:

(1)

(2) 漏報率:

(2)

(3) 空報率:

(3)

式中:NA為預(yù)報正確站(次)數(shù);NB為空報站(次)數(shù);NC為漏報站(次)數(shù);k為降水等級,這里的k等級與表2對應(yīng),分為小雨、中雨、大雨、暴雨、大暴雨、特大暴雨。

1.2.2多模式集成方法

采用多等級降水動態(tài)加權(quán)的方法對多種模式預(yù)報效果進(jìn)行集成。由于降水的空間分異性明顯,采用相對誤差和相關(guān)系數(shù)等評價方法會平滑降雨的空間差異,而TS評分能夠綜合評價對降水空間分布和等級的預(yù)報效果,因此本研究利用前期不同數(shù)值模式對不同等級降水預(yù)報的TS評分,來對不同數(shù)值模式進(jìn)行動態(tài)賦權(quán),從而進(jìn)行集成?？紤]各數(shù)值模式對不同場次降雨的預(yù)報效果可能出現(xiàn)差異,但對于同一場降雨過程通常預(yù)報效果較為穩(wěn)定,而漢江流域的場次降雨過程持續(xù)時間一般在5 d以內(nèi),因此本文研究采用過去5 d的預(yù)報作為滾動時長。其表達(dá)式如下:

(4)

(5)

式中:pm,t表示預(yù)報時效t時段的多模式集成預(yù)報;pi,t表示預(yù)報時效t時段的第i種模式預(yù)報;ai,t表示預(yù)報時效t時段第i種模式預(yù)報對應(yīng)的權(quán)重系數(shù);n表示集成的模式總個數(shù);j表示降水等級,TSi,t,j表示過去5 d內(nèi)pi,t對第j種等級降水的平均TS評分;bj為不同等級降水的權(quán)重。

由于本文的集成降水預(yù)報主要用于水文預(yù)報輸入,而水文預(yù)報中中雨以上的降水對產(chǎn)流影響較大,小雨對產(chǎn)流影響很弱,因此本文中對降水的等級設(shè)置為中雨、大雨、暴雨、大暴雨及以上4個等級,權(quán)重初步按照均分設(shè)置。

1.3 研究區(qū)域概況

漢江流域地勢西北高、東南低,北部以秦嶺、外方山和伏牛山與黃河流域為界,東北部以伏牛山和桐柏山與淮河流域為界,西南部以大巴山和荊山與嘉陵江、沮漳河流域為界,東南部為江漢平原。漢江流域是南水北調(diào)中線水源地和鄂北水資源配置工程的重要區(qū)域,本文按照水庫和水文站節(jié)點分布將漢江流域劃分為5個子流域,分別為石泉以上、石泉-白河、白河-丹江口、丹皇(丹江口-皇莊)區(qū)間和皇莊以下,其中石泉以上、石泉-白河、白河-丹江口三個區(qū)間屬于漢江上游,丹皇區(qū)間即漢江中游,皇莊以下為漢江下游,具體的子流域劃分見圖1。

圖1 漢江流域子流域劃分Fig.1 Subbasin of the Hanjiang River Basin

本文對不同季節(jié)的模式降水預(yù)報效果進(jìn)行了評估,季節(jié)劃分如下:主汛期為6～8月,秋汛期為9～10月,枯季為11月至次年4月。

2 漢江流域分區(qū)面雨量特征統(tǒng)計分析

圖2給出了1960～2021年漢江流域各分區(qū)不同等級日面雨量的累計頻數(shù)分布特征。由圖可知,1960～2021年,對于漢江上中游而言,中雨及以上的降水主要出現(xiàn)在汛期4～10月,其中位于漢江上游的石泉以上、石泉-白河、白河-丹江口這3個區(qū)間,大雨及以上的降水呈現(xiàn)出以7月和9月為峰值的雙峰結(jié)構(gòu),說明漢江上游有明顯的夏汛和秋汛共存的特征;位于漢江中游的丹皇區(qū)間,大雨及以上級別的降水呈現(xiàn)出以7月為峰值的單峰特征,表明漢江中游降水以夏汛特征為主;對于漢江下游的皇莊以下區(qū)間,汛期4～10月中雨及以上降水的頻數(shù)整體較為均勻,其中大雨及以上級別的降水呈現(xiàn)出以6月為峰值的單峰特征,表明皇莊以下區(qū)域夏汛較上中游偏早的特征。

圖2 1960～2021年漢江流域各分區(qū)不同等級日面雨量累計頻數(shù)分布Fig.2 Cumulative frequency distribution of different levels of daily surface rainfall in the sub-area of Hanjiang River Basin from 1960 to 2021

從具體的降水頻數(shù)來看(見表3),1960～2021年期間,對于中雨及以上級別的日面雨量,漢江上游3個區(qū)間每年出現(xiàn)的雨量日數(shù)較為接近,平均每年在43.6～45.7次之間,漢江中游次數(shù)略少,平均每年42.0次,漢江下游的降水日數(shù)明顯偏多,平均每年達(dá)52.2次。從不同級別降水來看,漢江流域各區(qū)間中,白河-丹江口區(qū)間的年中雨日數(shù)相對最高,達(dá)30.2次,

表3 1960～2021年漢江流域各分區(qū)不同等級降水多年平均頻次統(tǒng)計Tab.3 Multi-year average frequency of rainfall at different levels in various subbasins of the Hanjiang River from 1960 to 2021

大雨及以上級別的降水日數(shù)在各分區(qū)中均為最低,表明白河-丹江口區(qū)間降水在漢江流域各分區(qū)中相對偏弱;皇莊以下區(qū)間的大雨及以上級別降水的日數(shù)在各分區(qū)中均最高,說明皇莊以下區(qū)間出現(xiàn)強降水的概率更大;其余3個區(qū)間的降水強度較為接近,介于二者之間。各分區(qū)的歷史最大日面雨量也表明了這一特征。

3 漢江流域面雨量預(yù)報效果評估

3.1 整體預(yù)報效果分析

為檢驗不同數(shù)值模式對漢江流域面雨量的預(yù)報效果,采用TS評分對模式預(yù)報結(jié)果進(jìn)行評估。圖3給出了2020～2021年漢江流域1～7 d多模式降水預(yù)報TS評分檢驗結(jié)果,由于大暴雨及以上量級(日面雨量>60 mm)樣本太少,這里只分析小雨、中雨、大雨、暴雨4個量級的TS評分,下同。由圖3可知,對于不同等級的降水而言,隨著降水等級的增加,各模式TS評分顯著下降,其中各模式對于小雨均有較好的預(yù)報效果,對于中雨及以上等級降水的TS評分差別相對較小。從不同的預(yù)見期來看,隨著預(yù)見期的延長,各模式對降水的預(yù)報效果均有所下降,但這種對預(yù)見期的下降敏感性要弱于對降水等級的下降敏感性。總體而言,各模式對漢江流域面雨量評分的結(jié)果表明:GERMAN、EC、NCEP這3種模式在漢江流域降水TS評分較為接近,其中GERMAN模式預(yù)報效果整體最好,其次為EC模式,再次為NCEP模式,而JMA和GRAPES模式的預(yù)報效果明顯弱于以上3種模式,特別是對于小雨和中雨級別降水的預(yù)報效果偏差顯著。通過對比EC模式和GERMAN模式的預(yù)報效果可以發(fā)現(xiàn),EC模式對漢江流域24 h,48 h和168 h的小雨及168 h的中雨預(yù)報效果優(yōu)于GERMAN模式,但在其余各預(yù)報時效和降水級別方面,GERMAN模式均略優(yōu)于EC模式。

圖3 2020～2021年漢江流域多模式降水預(yù)報TS評分Fig.3 TS scores of multi-model rainfall forecasts in the Hanjiang River Basin from 2020 to 2021

圖4為2020～2021年漢江全流域1～7 d多模式降水預(yù)報空報率評分結(jié)果。由圖4可知,從預(yù)見期來看,各模式空報率隨著預(yù)見期的延長整體呈現(xiàn)增加趨勢,但這種增加的趨勢相對較弱;從降水等級來看,各模式對小雨的空報率明顯偏小,對其他等級降水的空報率顯著偏大,且其他等級降水的空報率之間較為接近,表明各模式均能較好捕捉到有雨和無雨的天氣過程,但對具體的降水量級預(yù)報偏差較大;整體而言,EC、NCEP、GERMAN模式在漢江流域空報率較低,GRAPES模式和JMA模式在中雨以上量級空報率較高。其中,EC模式和NCEP模式在24～144 h的空報率均略高于GERMAN模式,而對于168 h各級降水的空報率來說,JMA模式相對較高。

圖4 2020～2021年漢江流域多模式降水預(yù)報空報率評分Fig.4 Evaluation on false alarm ratio of multi-model rainfall forecasts in the Hanjiang River Basin from 2020 to 2021

圖5為2020～2021年漢江全流域1～7 d多模式降水預(yù)報漏報率評分結(jié)果。由圖5可知,從預(yù)見期來看,隨著預(yù)見期的延長,各模式漏報率整體呈現(xiàn)增加趨勢;從降水等級來看,隨著降水等級的增加,各模式的漏報率同樣上升。整體而言,EC模式在漢江流域漏報率最低,尤其是對小雨量級的降水漏報率基本低于20%,其次為GERMAN模式,NCEP、JMA、GRAPES模式的漏報率相對較高。

圖5 2020～2021年漢江流域多模式降水預(yù)報漏報率評分Fig.5 Evaluation on miss ratio of multi-model rainfall forecasts in the Hanjiang River Basin from 2020 to 2021

3.2 不同分區(qū)預(yù)報效果分析

為檢驗各數(shù)值模式在漢江流域不同分區(qū)的預(yù)報效果,本節(jié)對漢江流域5個子區(qū)域的模式降水預(yù)報效果分別進(jìn)行評估。圖6為2020～2021年漢江流域5個分區(qū)24 h預(yù)報時效多模式降水預(yù)報TS評分。由圖6可知,對于小雨,各模式在皇莊以下區(qū)域預(yù)報效果最差,在丹皇區(qū)間預(yù)報效果最好,各模式中EC、NCEP、GERMAN模式預(yù)報效果相對較好;對于中雨,各模式在石泉以上、石泉-白河兩個分區(qū)預(yù)報效果相對較差,各模式中EC和GERMAN模式預(yù)報效果相對較好,GRAPES模式預(yù)報效果最差;對于大雨,各模式對丹皇區(qū)間的預(yù)報效果明顯優(yōu)于其他分區(qū),各模式中整體以EC、GERMAN模式穩(wěn)定性最好;對于暴雨,由于樣本數(shù)較少、預(yù)報難度大,模式TS評分均不高,EC、GERMAN、GRAPES模式預(yù)報效果相對較好。總體而言,各分區(qū)中模式對丹皇區(qū)間降水的預(yù)報效果最好,其中EC和GERMAN模式的預(yù)報效果優(yōu)于其他模式。通過對比EC和GERMAN模式的TS評分可以發(fā)現(xiàn),對于各分區(qū)小雨、大雨及暴雨預(yù)報,EC模式的評分雖然略低于GERMAN模式,但整體非常接近。對于中雨的預(yù)報而言,GERMAN模式的評分則明顯高于EC模式。

圖6 2020～2021年漢江流域不同分區(qū)24 h預(yù)報時效多模式降水預(yù)報TS評分Fig.6 TS scores of multi-model 24 h rainfall forecasts for different subbasins in the Hanjiang River Basin from 2020 to 2021

圖7為漢江流域5個分區(qū)48 h預(yù)報時效多模式降水預(yù)報TS評分結(jié)果,其分析結(jié)論與24 h預(yù)報時效基本一致,但整體評分較24 h預(yù)報時效更低,這里不再詳述。72～168 h預(yù)報時效的降水TS評分結(jié)論與24 h同樣較為類似(圖略)。

圖7 2020～2021年漢江流域不同分區(qū)48 h預(yù)報時效多模式降水預(yù)報TS評分Fig.7 TS scores of multi-model 48 h rainfall forecasts for different subbasins in the Hanjiang River Basin from 2020 to 2021

綜合以上分析可知,在不同的預(yù)報時效下,對于小雨量級,各模式在漢江下游預(yù)報效果相對最差,對于中雨量級,各模式在白河以上分區(qū)預(yù)報效果相對較差,對于大雨量級,各模式在丹皇區(qū)間的預(yù)報效果明顯優(yōu)于其他分區(qū)。在1～6 d預(yù)報時效中,對于小-中雨量級,EC、GERMAN模式預(yù)報效果相對較好,對于大雨以上量級,整體以GERMAN模式穩(wěn)定性最好。第7天預(yù)報時效中,3種模式中以EC模式預(yù)報效果最好。

3.3 不同季節(jié)預(yù)報效果分析

為分析不同季節(jié)各模式降水預(yù)報效果,圖8對比分析了2020～2021年夏季、秋季、枯季以及全年漢江流域1～7 d多模式降水預(yù)報TS評分。由圖8可知,各季節(jié)的模式評分與第3.1節(jié)中全年的評分基本一致。從整體上來看,不同預(yù)見期上各模式均體現(xiàn)出主汛期(6～8月)模式降水預(yù)報效果整體最好,其次為秋汛期,枯季預(yù)報效果最差。對于不同模式而言,GRAPES模式預(yù)報效果最差,GERMAN模式和EC模式預(yù)報效果最好,且水平相當(dāng),對于第7天的預(yù)報EC模式明顯好于其他模式。

圖8 2020～2021年漢江流域不同季節(jié)多模式降水預(yù)報TS評分Fig.8 TS scores of multi-model rainfall forecast for different seasons in the Hanjiang River Basin from 2020 to 2021

通過對比分析2020～2021年夏季、秋季、枯季以及全年漢江全流域1～7 d多模式降水預(yù)報空報率和漏報率的評分(圖略)。總體而言,秋汛期各模式空報率相對最低,其次是主汛期,枯季模式的空報率最高,各模式中GERMAN模式空報率最低,其次為EC模式。對于漏報率,整體上不同季節(jié)模式的漏報率較為接近,秋汛期模式漏報率相對最低,其次為枯季,主汛期漏報率相對較高,各模式中EC模式漏報率最低,其次為GERMAN模式。此外,模式空報率整體大于漏報率。總體而言,EC和GERMAN模式預(yù)報能力明顯強于其他模式,而對于不同區(qū)域、季節(jié)和預(yù)報時效,EC和GERMAN模式的預(yù)報能力雖有一些差別,但二者整體預(yù)報水平相當(dāng)。

4 漢江流域多模式集成降水預(yù)報應(yīng)用

基于前述章節(jié)對多模式降水預(yù)報的評分結(jié)果,考慮GRAPES模式預(yù)報誤差在各模式中相對最大且預(yù)見期最短(只有3 d),最終選定GERMAN、EC、NCEP、JMA這4種模式進(jìn)行集成。采用1.2節(jié)中的集成方法對2022年9月18～20日的漢江上游強降水過程進(jìn)行24 h預(yù)報時效的集成預(yù)報試驗(見圖9)。總體而言,多模式集成預(yù)報很好地預(yù)報了此次漢江流域強降水過程的雨區(qū)位置、形態(tài)和演變過程,但降水強度較實況有所偏低,特別是對于大暴雨以上的強降水有明顯的坦化作用。本研究同樣分析了48 h和72 h預(yù)報時效的多模式集成預(yù)報結(jié)果(圖略),分析結(jié)論與24 h時效預(yù)報類似,這里不再詳述。

圖9 2022年9月18～20日漢江流域強降水過程24 h時效多模式集成預(yù)報試驗Fig.9 Integrated multi-model 24 h forecast for heavy rainfall process in the Hanjiang River Basin from September 18 to 20,2022

表4給出了各數(shù)值模式對本次降水過程24～72 h預(yù)報時效的降水預(yù)報平均檢驗結(jié)果。由表可知,9月18日,漢江石泉以上區(qū)間發(fā)生了中雨、局部大雨,各模式的預(yù)報明顯偏小,未報出中雨等級以上的降水,通過多模式集成后預(yù)報效果僅次于JMA模式,優(yōu)于其他數(shù)值模式;9月19日為本次過程的主雨日,漢江上游、嘉陵江、向家壩-寸灘區(qū)間有大雨,其中渠江上游、漢江白河以上南部有暴雨、大暴雨。各模式中:集成預(yù)報對中雨的預(yù)報效果最好,GERMAN模式對大雨和暴雨及以上降水預(yù)報效果最好,其次為集成模式和EC模式;9月20日,漢江上游南部、渠江、三峽區(qū)間有中、大雨、局地暴雨,各模式中GERMAN預(yù)報效果最好,其次為集成模式和EC模式。表5給出了多模式集成系統(tǒng)與單個模式對漢江流域面雨量預(yù)報效果的檢驗,可以看出,多模式集成整體優(yōu)于單個模式預(yù)報。

表4 2022年9月18～20日24～72 h多模式集成預(yù)報TS評分效果檢驗Tab.4 TS scores of integrated multi-model 24～72 h forecast from September 18 to 20,2022

表5 2022年9～12月多模式集成24 h降水TS評分Tab.5 TS scores of integrated multi-model 24 h forecast from September to December,2022

總體而言,多模式集成預(yù)報結(jié)果可以較為有效地綜合各模式預(yù)報信息,其預(yù)報效果在各模式中通常位于前列。在當(dāng)前模式參考信息越來越多的背景下,預(yù)報員往往需要在很短的時間內(nèi)從諸多模式預(yù)報中提取需要的信息,多模式集成預(yù)報可以為預(yù)報員提供有效的信息參考。但需要指出的是,目前的多模式集成預(yù)報效果在各模式中通常難以達(dá)到最優(yōu),特別是對暴雨及以上等級降水的預(yù)報有明顯的坦化作用,因此需要進(jìn)一步優(yōu)化其集成算法并與降水集合概率預(yù)報共同使用,以便提升對極端降水的預(yù)報能力。

5 結(jié)論和展望

本文分析了漢江流域面雨量的分布特征,采用TS評分方法檢驗了歐洲中期天氣預(yù)報中心、德國氣象局、美國國家環(huán)境預(yù)報中心、日本氣象廳與中國國家氣象局的GRAPES數(shù)值模式對漢江流域不同分區(qū)、季節(jié)、量級的面雨量預(yù)報效果,在此基礎(chǔ)上提出多模式降水預(yù)報動態(tài)集成應(yīng)用方案并進(jìn)行試驗應(yīng)用,結(jié)果表明:

(1) 漢江上游降水存在明顯的夏汛和秋汛共存特征,漢江中游以夏汛降水為主,漢江下游具有夏汛偏早的特征;漢江流域各分區(qū)中,下游出現(xiàn)大雨及以上量級強降水次數(shù)最多且強度最大,白河-丹江口區(qū)間發(fā)生大雨及以上量級強降水的次數(shù)最少,且強度最弱。

(2) 隨著降水等級和預(yù)見期的延長,各模式對漢江流域的面雨量預(yù)報效果均呈下降趨勢,其中對降水等級的下降敏感性更強。從各模式對比來看,在漢江流域,GERMAN與EC模式預(yù)報效果最好,其中GERMAN模式略優(yōu)于EC模式,其次為NCEP模式,而JMA和GRAPES模式相對較差。

(3) 從分區(qū)來看,對于小雨,各模式在皇莊以下分區(qū)預(yù)報效果相對較差;對于中雨,在白河以上分區(qū)預(yù)報效果相對較差;對于大雨及以上等級降水,在丹皇區(qū)間的預(yù)報效果明顯優(yōu)于其他分區(qū)。從季節(jié)來看,主汛期模式降水預(yù)報評分整體最好,其次為秋汛期,枯季預(yù)報效果相對最差,但秋汛期模式的空報率和漏報率相對較低,主汛期漏報率相對較高,整體上模式的空報率大于漏報率。

(4) 多模式集成預(yù)報結(jié)果可以較為有效地綜合各模式預(yù)報信息,其預(yù)報效果在各模式中通常位于前列,在當(dāng)前模式參考信息越來越多的背景下,多模式集成預(yù)報可以為預(yù)報員提供有效的信息參考。但同時需要進(jìn)一步優(yōu)化多模式集成預(yù)報算法并與降水集合概率預(yù)報共同使用,以提升對極端降水的預(yù)報能力。