乌鲁木齐区域数值预报业务系统降水预报检验与评估分析

杜娟，于晓晶，辛渝，李曼，马玉芬

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆乌鲁木齐 830002；2.中亚大气科学研究中心，新疆乌鲁木齐 830002）

乌鲁木齐区域数值预报业务系统降水预报检验与评估分析

杜娟1，2，于晓晶1，2，辛渝1，2，李曼1，2，马玉芬1，2

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆乌鲁木齐 830002；2.中亚大气科学研究中心，新疆乌鲁木齐 830002）

基于乌鲁木齐区域数值预报业务系统，运用Ts和Bias评分方法，对2012年9月1日—2015年8月31日逐日2个起报时次的逐6 h累积降水量的年与季节预报性能进行检验，并从空间上分析了2015年全疆站点逐6 h累积降水量在4个预报时段的评分特征。结果表明：（1）2个起报时次的降水评分相差较小，00 UTC起报略优于12 UTC起报，2015年系统改进了白天大量级降水的空报现象。（2）系统对晴雨预报较为准确，Bias接近1，空报、漏报率很小；随着降水阈值的升高，Ts评分减小，Bias变幅增大，空、漏报率也随之增加。系统对强降水过程以漏报为主。（3）系统的降水预报能力存在季节差异，夏季Ts评分最高，秋季次之，冬季最小；随时间模式对四季降水预报能力均有提高，降低了冬季大量级降水的漏报率和夏季大量级降水的空报率。（4）在新疆地区，08—14 BT（Beijing Time）、14—20 BT、20—次日02 BT空报站点数多于漏报，14—20 BT空报率最高；在02—08 BT整体呈漏报。（5）各站点整体来看，白天Ts评分高于夜间，山区及邻近地区评分高于平原地区；西天山评分略优于东天山，夜间晴雨预报有天山北坡漏报、南坡空报的趋势。

区域数值预报系统；6 h降水预报；Ts评分；Bias评分；空间检验

随着高性能计算机、观测系统和气象科学的发展，数值天气预报技术日益成熟，数值预报产品在天气预报业务中的指导作用也越来越重要。快速更新循环同化预报系统（Rapid Update Cycle，简称RUC系统）是针对短时临近天气预报发展的技术，可以为预报员提供有力的技术支持。RUC系统分为同化和预报两个部分，通过高频次同化吸收最新的观测资料，不断更新背景场，提供更准确的初始场来进行短期预报。美国NCEP（NationalCentersof Environmental Prediction）从1994年开始业务运行RUC系统，为中尺度预报提供指导产品[1，2]。之后，RUC系统经过多次改进与升级[3-5]，新一代快速更新同化预报系统（Repaid Refresh，简称RR）于2012年业务化，替换原来的RUC系统。我国气候复杂多变，天气气候灾害频发，对发展短时临近数值预报的需求十分迫切。为此，中国气象局八大区域中心相继研发了各自的区域模式，目前所有区域模式都已实现业务准入。北京快速更新循环预报系统（BJ-RUC）由中国气象局北京城市气象研究所基于WRF和WRF-3DA搭建[6，7]，于2008年4月投入业务运行，顺利为2008年奥运会气象保障服务，预报产品也作为业务预报的重要参考资料之一[8，9]。中国气象局广州热带气象研究所基于GRAPES_meso及三维变分同化发展了快速更新同化预报系统（GRAPESCHAF）[10]。国家气象中心在GRAPES-CHAF基础上，采用新版的GRAPES_meso和GRAPES-3DVAR，构建了优化之后的RUC同化系统GRAPES_RAFS，于2010年5月准业务运行[11]。中国气象局上海台风研究所在2009年1月基于WRF和ADAS资料同化系统建立了快速更新同化系统SMB-WARR，并于2009年7月实现业务运行。

新疆气候中心在2011年完成了新疆快速更新循环数值预报同化系统（XJ-RUC）的框架搭建和试运行[12]，2013年11月，该系统移植到中国气象局乌鲁木齐沙漠气象研究所并实时运行，更名为沙漠绿洲戈壁区域同化预报系统（Desert Oasis Gobi Regional Assimilation and Forecast System，简称DOGRAFS），并于2015年12月业务准入。对降水的定量预报是天气预报的重点和难点，以往对DOGRAFS系统的检验多针对风场[13]、辐射[14]、温度[15]的预报性能评估，也有对降水的评估[16]，但没有针对站点进行空间检验。基于此，本文从检验时段、检验量、站点空间检验更为全面对乌鲁木齐区域数值预报业务系统降水性能进行评估分析。文章对业务系统逐日两个起报时次（00UTC、12UTC）的6 h累积降水量进行检验评估，分别就近3 a年与季节的降水预报性能进行纵向对比，并分析了2015年区域模式站点降水的空间检验分布。通过对业务系统的降水预报性能进行评估分析，预报员可以更加准确应用模式产品，也为研发人员进一步改进系统奠定一定的工作基础。

1 资料和方法

1.1 DOGRAFS系统

乌鲁木齐区域模式基于WRFv3.5和WRFDAv3.4.1搭建，并于2015年6月增加雷达径向风（VAD）同化模块[17]。该系统每日运行4次，区域设置为27、9、3 km三重嵌套网格，垂直方向为40层，模式层顶为50 hPa。系统中主要物理过程参数设置为：WSM6云微物理方案，K-F对流参数化方案，ACM2边界层方案，Noah陆面方案，RTMM长波辐射和Dudia短波辐射方案。模式以美国环境预报中心NCEP下发的GFS资料为初始场，每隔6 h同化一次全球电讯交换系统获取的GTS全球观测资料，主要包括地面观测报（SYNOP）、探空报（SOUND）、航空例行天气报告（METAR）、卫星测厚资料（SATEM）、风廓仪探测资料（PILOT）、卫星测大气运动矢量资料（SATOB）、飞机报（AIREP）、雷达径向风资料（RADAR），图1为2015年6月27日06 UTC模式吸收的观测资料种类及分布。

图1 2015年6月27日06 UTC模式同化的观测资料种类及分布

1.2 降水检验方法

本文基于乌鲁木齐区域数值预报业务系统模拟的9 km区域降水预报结果，运用本地MET（Model Evaluation Tools）检验平台，对6 h累积降水量进行评估。被检验资料为2012年9月1日—2015年8 月31日检验区域的逐6 h降水预报结果，实况观测资料为检验区域内地面天气报观测的逐6 h累积降水。通过反距离权重法，将模式网格点降水预报结果插值到站点位置，生成模式的测站预报值，与对应站点实况降水比较计算评分。检验结果给出48 h预报时效的逐6 h累积降水量，在0—06时、06—12时、12—18时、18—24时、24—30时、30—36时、36—42时、42—48时的Ts评分（Threat Score）和Bias评分（Bias Score）两个指标，分别对6个阈值（≥0.1、≥3.1 mm、≥6.1 mm、≥12.1 mm、≥24.1 mm、≥48.1 mm）的降水预报性能进行对比评估。

公式（1）、（2）为降水评估指标的计算公式[18]。

式中NA为预报正确站（次）数、NB为空报站（次）数、NC为漏报站（次）数。

2 降水性能检验

运用本地MET检验平台，分别就近3 a年与季节的降水预报性能进行纵向对比，评估模式预报性能的变化，进而对比了站点降水检验的空间分布。本文降水检验以00 UTC、12 UTC起报，对6 h累积降水进行评估。

2.1 近3 a降水量评分逐年对比

图2为2013—2015年乌鲁木齐区域数值预报业务系统两个起报时次不同预报时效的6 h累积降水Ts评分及Bias预报偏差，从当年9月1日至次年8月31日为一整年，即2013年为2013年9月1日—2014年8月31日。从近3 a Ts评分来看，随着降水阈值的增加评分逐渐减小，两个起报时次的预报结果相差较小。模式对0.1 mm阈值的降水评分最高，Ts在0.30左右，且不同预报时效差别较小，降水预报性能较稳定。对于3.1 mm阈值的降水，Ts评分在0.20附近，不同预报时效相差较大，2015年对前36 h的降水预报较前两年有改进。对于6.1 mm阈值的降水，Ts评分多在0.10～0.15之间，2015年对前24 h的降水预报较前两年有改进。对于12.1 mm 和24.1 mm大阈值降水，Ts评分均在0.10以下，且2015年对大阈值降水预报性能提高较为明显。对于48.1 mm阈值降水，Ts评分全为0，这是由于新疆地处干旱区，48.1 mm（6 h）以上强降水过程比较罕见。综合来看，多数情况下2015年在各量级降水不同预报时效得到的Ts评分最高，对降水预报能力有提高，尤以对大量级降水改进较大。

从Bias预报偏差来看，不同起报时次差别不大，随着降水量级的增大，Bias变幅增大，空报、漏报率增加。对于0.1 mm阈值的降水，Bias评分在1.0附近，空报、漏报最少，小雨（以上）量级降水Ts评分也是对雨带位置及范围预报的衡量指标，所以区域模式对降水落区预报较为准确。对于3.1 mm阈值降水，Bias分布在0.6～1.4之间，00 UTC起报对24 h 和48 h逐6 h降水量漏报，其他预报时效空报，12 UTC起报对12 h和36 h逐6 h降水量漏报，其他预报时效略有空报。对于6.1 mm阈值降水，Bias分布区间扩大到0.5～1.6，空报、漏报率增大。对于12.1 mm阈值降水，Bias在0.3～1.8之间，空报漏报现象更严重，2015年较前两年对白天降水预报的空报率降低。对于24.1 mm和48.1 mm阈值降水，Bias多数在1.0以下，对强降水过程以漏报为主。综合来看，2015年改进了对白天大量级降水预报的空报现象。

2.2 近3 a降水量评分逐季节对比

按照新疆的气候特点，四季划分为：冬季（前一年11月—当年2月）、春季（3—5月）、夏季（6—8月）、秋季（9—10月）。

冬季：图3是2013—2015年冬季降水检验结果，降水发生频次少且降水量小，6 h累积降水量通常在12.1 mm以下。从图中可以看出，在0.1 mm小阈值降水Ts评分较高，多在0.25～0.34之间，且2015年冬季较2014年预报能力有提高，12 UTC改进更为显著。对于3.1 mm阈值降水，Ts评分明显下降，维持在0.06～0.20，2015年预报效果改进明显。对于6.1 mm阈值降水，Ts评分在0.02～0.18之间，夜间Ts评分较低，对夜晚降水预报能力有待提高。在新疆地区，冬季6 h累积降水量能达到12.1 mm以上的降水过程较少，图中可以看出2015年Ts评分更高。从Bias评分来看，对于冬季6.1 mm以上的降水，整体呈漏报，2015年的漏报率低于前两年。综上，2015年对冬季降水预报能力有提高，其中对大量级降水预报提高明显，降低了漏报率。

图2 近3 a 9月1日—次年8月31日全年降水评分对比

图3 2013—2015年冬季降水检验结果

春季：从2013—2015年春季降水检验结果（图4）可知，春季降水较冬季明显增多，Ts评分也有所提高，6 h累积降水量最大在24.1 mm以上。图中所示，对于0.1 mm小阈值降水Ts评分在0.25～0.36之间，且2015年春季较前两年评分有明显提高，00 UTC改进效果显著。对于3.1 mm阈值降水，Ts评分降低到0.12～0.24，部分预报时次有改进。对于6.1 mm阈值降水，Ts评分在0.04～0.16之间。对于12.1 mm阈值降水，Ts评分较低，为0.02～0.08，纵观3 a 12 UTC起报预报性能有提升。对于24.1 mm以上量级，仅在前24 h降水预报有评分。从Bias评分来看，0.1 mm阈值降水偏差变化较小，Bias评分均在1.0附近，其他降水量级Bias评分变幅较大，最小值在0.2以下，最大值达2.8。在大量级降水，2015年漏报率、空报率均有所降低。综上，2015年春季降水综合得分高于前两年，春季降水预报能力整体有提高。

夏季：从2013—2015年夏季降水检验结果（图5）可见，夏季降水量最大，Ts评分在4个季节中最高，6 h最大累积降水量超过48.1 mm。从图中可以看出，对于0.1 mm小阈值降水，Ts评分基本在0.30附近。对于3.1 mm阈值降水，Ts评分降低到0.14～0.32，部分预报时次评分高于前两年。对于6.1 mm阈值降水，Ts评分在0.08～0.22之间，00 UTC起报相比前两年有改进。对于12.1 mm阈值降水，Ts评分较低，为0.02～0.10，且2015年预报性能有明显提升。对于24.1 mm以上量级，Ts评分大于0的值较少，多数出现在2015年。从Bias评分来看，对于0.1 mm阈值降水，Bias评分均在1.0附近，空报漏报率较小，对晴雨预报精度较高。对于3.1 mm和6.1 mm阈值降水。对于12.1 mm以上大量级的降水，2013年、2014年空报率较高，2015年明显改善了空报情况，并对漏报也有一些改进。综上，2015年对夏季降水预报能力整体有提高，降低了大量级降水的空报率。

图4 2013—2015年春季降水检验结果

图5 2013—2015年夏季降水检验结果

秋季：从2012—2014年秋季降水检验结果（图6）可见，6 h最大累积降水量也在48.1 mm以上。从图中可以看出，对于0.1 mm小阈值降水，Ts评分在0.25～0.40之间，且2014年秋季评分最高，对该阈值降水预报改进非常大。对于3.1 mm阈值降水，Ts评分降低到0.08～0.24，12 UTC起报优于00 UTC起报，2014年得分不及前两年。对于6.1 mm阈值降水，Ts评分在0.04～0.16之间，部分时次有改进。对于12.1mm阈值降水，Ts评分较低，最高为0.08，且多个预报时次Ts评分为0，总体2014年预报性能有提升。对于24.1 mm以上量级，因评分时次较少，且都为2014年。从Bias评分来看，对于0.1 mm阈值降水，秋季较其他3个季节变幅大，Bias评分在0.6～1.6之间，系统对秋季降水落区预报较差。其他降水量级Bias评分变化也较大，其中2014年部分预报时次空报率较高。在大量级降水，漏报率有所减小。综上，秋季降水落区预报较差，降水预报能力整体有所提高。

图6 2012—2014年秋季降水检验结果

2.32015年站点降水量评分空间分布

以新疆地区为代表，从2015年08—14 BT降水预报评分（图7）可以看出（主要分析新疆地区，下同），对于0.1 mm阈值，在阿勒泰北部沿阿尔泰山、塔城北部地区、伊犁河谷、西天山北部、南疆昆仑山北坡沿线站点Ts评分较高，可以达到0.4，其余地区评分低于上述地区；对比Bias评分，模式空报站点数多于漏报，12 UTC起报空报率高于00 UTC起报，模式在阿勒泰北部、塔城北部、天山峡谷（00时起报）、南疆西部山区（12时起报）空报率较高，在博州部分站点漏报率较高。对于3.1 mm阈值，00 UTC起报Ts评分高于12 UTC起报，多数评分在0.45以上，有评分站点主要分布在阿尔泰山、天山沿线；对比Bias评分，仍然是空报站点居多。对于6.1 mm阈值，00 UTC起报Ts评分优于12 UTC起报，多数站点为空报。综合以上分析，对于2015年08—14 BT降水预报，多数站点模式呈空报，青海省除了西北地区整体空报；对0.1 mm阈值降水，00 UTC空报率低于12 UTC，对3.1 mm和6.1 mm阈值，00 UTC起报Ts评分优于12 UTC。

从2015年14—20 BT降水预报评分（图8）可以看出，对于0.1 mm阈值，与08—14 BT时次相似，在靠近山区站点Ts评分较高，这也是由于山区降水多造成的；对比Bias评分，模式空报率非常高，仅在塔城北部、伊犁河谷靠近天山山区、东天山靠近天山大峡谷北部地区漏报。对于3.1 mm阈值，有评分站点主要分布在天山沿线，西天山地区评分略高于东天山，仍以空报为主。对于6.1 mm阈值，00 UTC起报Ts评分优于12 UTC起报，多数站点为空报。综合以上分析，对于2015年14—20 BT降水预报，空报率非常高，高于08—14 BT；整体来说，对于新疆地区，00 UTC起报优于12 UTC。

从2015年20—次日02 BT降水预报评分（图9）可以看出，对于0.1 mm阈值，Ts评分较日间降水有所降低，在阿勒泰北部、天山峡谷附近地区Ts评分相对较高；对比Bias评分，有天山北坡漏报、南坡空报的趋势。对于3.1 mm和6.1 mm阈值，00 UTC起报评分主要集中在天山山区，12 UTC起报评分较为分散；对于3.1 mm，两个起报时次以空报为主，对于6.1 mm，12 UTC起报空报率较00 UTC降低。综合以上分析，模式对于2015年14—20 BT降水评分低于日间降水评分，且对0.1 mm阈值晴雨预报有天山北坡漏报、南坡空报的趋势。

图7 08—14BT降水预报评分

图8 14—20 BT降水预报评分

图9 20—次日02 BT降水预报评分

图10 02—08 BT降水预报评分

从2015年02—08 BT降水预报评分（图10）可以看出，对于0.1 mm阈值，Ts评分是四个时段里最低的，基本都在0.25以下；对比Bias评分，在中国区域整体呈漏报，仅在南疆西部山区部分站点略有空报。对于3.1 mm和6.1 mm阈值，也是呈漏报，在阿勒泰北部、伊犁河谷部分地区略有空报。综合以上分析，模式对于2015年02—08 BT降水评分在四个时段里最低，漏报率最高。这种漏报现象部分归因于在中国气象局地面气象观测业务中，02 BT有些气候站无观测业务，从而02—08 BT 6 h累积降水量观测的站数（即待评估站数）与其它时次不一致。而Ts与Bias评分具有时空差异，特别是Ts与气候背景有关，降水多的地方，评分也就会高。因此选择的站点不同，最后得到的评分也就不一样。

3 结论

本文基于2012年11月1日—2015年8月31日期间乌鲁木齐区域数值预报业务系统的逐6 h降水结果和实况资料，利用Ts和Bias评分方法，就年与季节的降水预报性能进行评估。之后分析了2015年站点逐6 h降水评分在4个时段的空间分布。

（1）从年降水不同等级的Ts评分与Bias可见，两个起报时次的预报结果相差较小。随着降水阈值的提高，Ts评分下降，同时Bias变幅增大，空、漏报率也在随之增加。整体来看，乌鲁木齐区域模式对降水预报能力有提高，特别是对大量级降水预报的改进较大，降低了日间大量级降水的空报率。

（2）对四季降水预报能力的评估得出，夏季Ts评分最高，秋季次之，冬季最小。这是由于预报区域位于我国干旱区，降水量普遍偏小，且降水主要集中在夏季，冬季以固态降水为主，含水量较低。对不同季节降水预报的改进分析可知，区域模式对四季降水预报能力均有提高，降低了冬季大量级降水的漏报率和夏季大量级降水的空报率。模式对秋季降水落区预报较差，预报精度有待提高。

（3）降水评分空间分布得出，在新疆地区，00 UTC起报优于12 UTC起报，4个时段中08—14 BT、14—20 BT、20—次日02 BT空报站点数多于漏报，14—20 BT空报率最高，02—08 BT整体呈漏报；白天Ts评分高于夜间，山区及邻近地区评分高于平原地区；西天山评分略优于东天山，夜间晴雨预报有天山北坡漏报、南坡空报的趋势。

乌鲁木齐区域数值预报业务系统对降水预报的周期性偏差，即对日间空报、夜间漏报的现象应在日后的工作中进一步探索和研究。当前业务系统实现了CMACAST下发产品和雷达径向风资料的同化，但要建立更加高效精准的RUC系统，仍然需要吸收更多有效的观测资料，如风云二号E星云导风资料、雷达反射率资料等，应开展多源资料融合的研究，进一步提高预报水平。

[1]Benjamin S G,Dévényi D,Weygandt S S,et al.An Hourly Assimilation Forecast Cycle:The RUC[J].Monthly Weather Review，2004，132（2）：495.

[2]Benjamin S G,Jamison B D,Moninger W R,et al. Relative Short-Range Forecast Impact from Aircraft, Profiler,Radiosonde,VAD,GPS-PW,METAR,and Mesonet Observations via the RUC Hourly Assimilation Cycle[J].Monthly Weather Review，2010，138（4）：1319-1343.

[3]Benjamin S G,Devenyi D,Smimova T,et al.From the 13-KMRUCtotheRapidRefresh[C].American Meteorological Soc.Boston，2006.

[4]Benjamin S,Weygandt S S,Brown J M,et al.From the radar-enhanced RUC to the WRF-based Rapid Refresh [C].2007.

[5]Benjamin S G.NOAA’s hourly-updated 3km HRRR and RUC/Rapid Refresh-recent（2010）and upcoming changes toward improving weather guidance for air-traffic management[C].2011.

[6]郑祚芳.RUC产品在一次强降水预报中的应用分析[J].气象，2008（S1）：85-88.

[7]陈敏，范水勇，郑祚芳，等.基于BJ-RUC系统的临近探空及其对强对流发生潜势预报的指示性能初探[J].气象学报，2011，69（1）：181-194.

[8]魏东，尤凤春，范水勇，等.北京快速更新循环预报系统（BJ-RUC）模式探空质量评估分析[J].气象，2010，36（8）：72-80.

[9]魏东，尤凤春，杨波，等.北京快速更新循环预报系统（BJRUC）要素预报质量评估[J].气象，2011（12）：1489-1497.

[10]陈子通，黄燕燕，万齐林，等.快速更新循环同化预报系统的汛期试验与分析[J].热带气象学报，2010，26（1）：49-54.

[11]郝民，徐枝芳，陶士伟，等.GRAPES RUC系统模拟研究及应用试验[J].高原气象，2011，30（6）：1573-1583.

[12]辛渝，陈洪武.XJRUC/CALMET及CALMET不同参数调整对达坂城—小草湖区风场预报影响[J].高原气象，2014，33（6）：1674-1686.

[13]辛渝，汤剑平，赵逸舟，等.模式不同分辨率对新疆达坂城—小草湖风区地面风场模拟结果的分析[J].高原气象，2010，29（4）：884-893.

[14]辛渝，王澄海，沈元芳，等.WRF模式对新疆中部地面总辐射预报性能的检验[J].高原气象，2013，32（5）：1368-1381.

[15]李淑娟，于晓晶，琚陈相，等.DOGRAFS温度和风场的预报检验[J].沙漠与绿洲气象，2014（6）：1-9.

[16]于晓晶，于志翔，辛渝，等.沙漠绿洲戈壁区域同化预报系统降水预报检验[J].暴雨灾害，2014，33（3）：281-289.

[17]马秀梅，欧登格力，辛渝，等.C波段雷达在新疆区域数值预报系统中的应用初探[J].沙漠与绿洲气象，2015，9 （6）：19-26.

[18]范水勇，陈敏，仲祚芹.北京地区高分辨率快速循环同化预报系统性能检验和评估[J].暴雨灾害，2009，28（2）：119-125.

[19]程锦霞.2013年5月河南一次大暴雨成因分析及数值预报检验[J].气象与环境科学，2014，37（2）：42-48.

[20]赵定池，陈俊，潘晓滨，等.一次暴雨过程的GPS掩星资料的同化应用[J].气象与环境科学，2015，38（3）：87-93.

Evaluation and Analysis of Precipitation Predictability of Desert Oasis Gobi Regional Assimilation and Forecast System

DU Juan1，2，YU Xiaojing1，2，XIN Yu1，2，LI Man1，2，MA Yufen1，2
（1.Institute of Desert Meteorology，China Meteorological Administration，Urumqi 830002，China；2.Center of Central Asia Atmospheric Science Research，Urumqi 830002，China）

Based on the Regional Numerical Forecasting System in Urumqi,the annual and seasonal precipitation predictability of this system is evaluated,using the Threat Score and Bias Score of 6 h accumulated rainfall at two initialized times in one day from 1 September 2012 to 31 August 2015.Additionally,the spatial distribution of site’s 6 h accumulated rainfall forecast skill is analyzed in four forecast periods.The results indicate that：（1）The prediction performance of two initialized times is quite similar,although the performance at 12 UTC is slightly better than 00 UTC.The false alarm ratio of heavy rainfall during daytime is improved in 2015.（2）The probability of rain forecast is very accurate.The Bias score is close to 1 with small false alarm ratio and missed event ratio.Threat Score decreases and variation amplitude of Bias Score increases with the threshold value of rainfall increases.And it means that the false alarm ratio and missed event ratio will increase.What’s more,most heavy rainfall events are missed.（3）There are seasonal variations in rainfall forecast,which is greatest in summer,secondary in autumn,and the least in winter.The performance of precipitation forecast in every season is increased with time.Meanwhile,the missed event ratio of heavy rainfall in winter and the false alarm ratio of heavy in summer are both reduced with time.（4）In Xinjiang,the false alarm sites are more than the missed event sites from 8:00 to 14:00 BT（Beijing Time）,14:00 to 20:00 BT and 20:00 to 2:00 BT.The false alarm ratio is the highest in period from 14:00 to 20:00 BT,and the rain is missed as a whole from 2:00 to 8:00 BT. （5）The threat score during the daytime is higher than that in nighttime.Additionally,the precipitation predictability in mountain and the surrounding areas is generally better than that in the plain area.The forecast performance of Western Tianshan Mountain is slightly better than that of Eastern Tianshan Mountain,and there is a false alarm on the south slope of Tianshan Mountains and an omission on the north of Tianshan Mountains for precipitation over 0.1 mm at night.

regional numerical forecasting system；6 h precipitation forecasts；Threat Score；Bias Score；spatial statistic test

P435

：B

1002-0799（2016）06-0031-10

10.3969/j.issn.1002-0799.2016.06.005

2016-04-25；

2016-05-31

新疆气象局面上基金“卫星资料同化对新疆土壤温湿度预报的影响研究”；中央级公益性科研院所基本科研业务费项目（IDM201301）共同资助。

杜娟（1989-），女，实习研究员，主要从事数值天气预报和陆气相互作用研究。E-mail：dujuan_1213@163.com

杜娟，于晓晶，辛渝，等.乌鲁木齐区域数值预报业务系统降水预报检验与评估分析[J].沙漠与绿洲气象，2016，10（6）：31-40.