三种数值模式对四川省汛期降水预报性能的检验

屠妮妮,何光碧,衡志炜,吴蓬萍

(中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室， 成都 610072)

引言

ECMWF、GRAPES和WRF模式预报产品被广泛的应用在我国天气预报业务中[1-7]。张宏芳等[8]利用不同检验方法对比分析了ECMWF模式和日本高分辨率模式对降水的预报能力，通过对检验结果进行分析，发现调整阈值改变预报偏差能够在一定程度上提高降水的预报技巧。熊秋芬[9]利用经典的TS、预报偏差、去除随机事件后的公平T评分(ETS)及真实技巧评分TSS等统计检验方法，分析了GRAPES模式在中国不同地区降水的预报能力，GRAPES模式预报5mm以上降水在长江以南多于观测，尤其是在西南地区东部预报次数明显偏多。SWCWARMS模式在成都区域中心业务运行多年，其多时段的降水预报产品是业务预报的重要参考依据，与ECMWF模式相比，SWCWARMS高能暖区型暴雨和大暴雨ETS评分高于ECMWF模式，斜压锋生型大暴雨优于ECMWF模式[10]。张琪等[11]分析SWCWARMS模式对四川盆地两次强降水开展天气学检验，指出SWCWARMS模式在强降水预报中有3大优势。屠妮妮等[12]每年对比分析SWCWARMS模式和GRAPES_MESO模式在西南地区的预报能力，SWCWARMS模式在多个量级降水预报上优于GRAPES模式。

本文选取SWCWARMS模式、欧洲中心高分辨率模式和GRAPES_MESO模式，对2017～2019年四川省5～10月降水预报进行检验，有助于科研人员和业务工作者了解三个模式预报性能的差异。

1 资料与方法

数值模式资料来源2017、2018和2019年5～10月每日00时起报的降水场预报结果， SWCWARMS模式分辨率为9km，ECMWF模式分辨率为0.125°×0.125°，GRAPES_MESO(简称为GRAPES)模式分辨率为0.1°×0.1°，三个模式为每日00时起报的0～24h、12～36h、24～48h、36～60h、48～72h的24h累积雨量。实况降水选取2017年、2018年和2019年连续三年5～10月每日00～00时、12～12时(文中时间均为世界时)四川省内国家站24h累积降水。

统计检验基于MET检验系统的站点检验方法，插值方法为Unweighted mean方法，该插值方法与DW_MEAN近似，但忽略距离权重。24h累积降水评分等级分别为≥0.1mm(小雨)、≥10mm(中雨)、≥25mm(大雨)、≥50mm(暴雨)、≥100mm(大暴雨)，统计量包括TS评分、BS偏差、ETS、FAR和TSS，TS评分对小概率事件的评分趋向于气候概率，忽略了ND的影响；BS评分用来测量事件的频率而不考虑预报的准确率，当偏差>1说明该量级降水预报面积大于实况即出现空报，反之则为漏报，偏差=1时与实况一致；ETS评分表示除去随机偶然事件后，事件发生且正确的样本数与事件发生总样本数的比率；TSS评分能反映成功预报与空报的差异，可用来全面评价某级降水的总效果，即它不但包括降水事件的预报效果，还包括对非降水事件的预报效果，但对小概率事件趋向于POD(命中率)，当TSS=0时表示无预报能力，计算公式分别如下：

TS评分：

(1)

BS偏差：

(2)

空报率：

(3)

ETS评分：

(4)

其中

(5)

(6)

(7)

公式(1)～(7)中，NA、NB、NC和ND分别为预报正确，空报，漏报和预报及观测都未出现降水，NA可表示为预报时段内预报和实况降雨量都出现的站点数，即预报命中的站数；NB表示预报出现降水而实况未出现的站点数，即空报站数；NC表示未预报而实况出现降水的站点数，即漏报站数；ND表示观测和预报都未出现降水的站点数。

2 结果分析

2.1 总检验

按照<0.1mm、0.1～9.99mm、10～24.99mm、25～49.99mm、50～99.99mm、≥100mm上述6个标准将三个模式预报测站雨量及各模式对应实况雨量分别进行统计，连续552天统计结果显示，SWCWARMS模式5个预报时效上累计样本数分别为79439个(0～24h预报时效上)、79018个(12～36h)、79440个(24～48h)、79018个(36～60h)、79437个(48～72h)，GRAPES模式分别为79968个、79092个、79517个、78870个、79271个，ECMWF模式分别为79595个、78521个、79486个、78428个、79288个，样本总数均在7万以上，SWCWARMS模式24h和48h样本数略少于GRAPES及ECMWF模式，ECMWF模式36h和60h样本数略偏少；格点数据插值至站点后出现3个模式在同一预报时效上样本数不一致情况，可能与3个模式分辨率有关。由三个模式5个预报时效上分级降水样本数占总样本数比重可见(表1)，小雨比重最大，其次为无降水或微量降水，SWCWARMS、GRAPES和ECMWF模式预报小雨和中雨都多于实况，SWCWARMS、GRAPES和ECMWF模式小雨比重较实况分别偏多3%～8%、1%～4%和18%～20%，中雨较实况偏多3%～5%、2%～7%和4%～6%；SWCWARMS和GRAPES模式预报大雨和暴雨多于实况、ECMWF模式与实况相当、偏差在-0.1%～0.21%，SWCWARMS模式预报大暴雨多于实况、GRAPES模式和ECMWF模式较实况偏少。综上可见，SWCWARMS模式小到大暴雨降水范围大于实况，GRAPES模式小到暴雨降水范围大于实况、大暴雨多漏报，ECMWF模式小雨和大雨降水范围大于实况、大到大暴雨多漏报，三个模式无降水或微量降水均少于实况，即模式预报降水较实况偏多。

表1 5个预报时效上分级降水样本占比最小值和最大值分布

Q-Q图用于检验数据分布的相似性，横坐标与纵坐标组成的散点图代表同一个累计概率所对应的分位数，如果两组数据分布相似，则该Q-Q图散度趋近于落在y=x线对角线上。比较三个模式0～250mm降水的Q-Q图分布可见(图1)，在0～24h预报时效上降水分布显示，SWCWARMS模式0～250mm降水大于实况，0～200mm降水偏差逐渐增大，该模式预报雨强大于实况；GRAPES模式50mm以下降水强度大于实况，暴雨及以上量级降水强度以小于实况为主；ECMWF模式小雨和中雨与实况接近，大雨及以上量级降水以小于实况为主，150～200mm降水相比前两模式与实况最接近。12～36h预报时效上降水分布显示，SWCWARMS模式0～250mm降水强度大于实况，暴雨和大暴雨偏大较多；GRAPES模式小到大雨大于实况、暴雨及以上量级降水强度小于实况，尤其是150mm以上量级降水；ECMWF模式小雨和中雨降水强度与实况接近，大雨及以上量级降水较实况偏小，200mm以上降水大于实况。在24～72h预报时效上(图略)，SWCWARMS模式预报雨强偏强，GRAPES模式暴雨及以上量级降水偏弱，ECMWF模式大雨及以上量级降水偏弱，且强度弱于GRAPES模式。

2.2 分级降水检验

由四川省2017～2019年5～10月降水TS评分可见(图2a)，3个模式随降水量级增加TS评分逐渐降低，SWCWARMS模式小雨评分分布在0.605～0.656，ECMWF模式小雨评分分布在0.628～0.658，GRAPES模式小雨评分在0.57～0.663。小雨到暴雨TS评分上，ECMWF模式评分最高(除0～24h小雨和12～36h暴雨外)，SWCWARMS模式次之，GRAPES模式评分最低，0～24h预报时效上GRAPES模式小雨评分最高，12～36h预报时效上SWCWARMS模式暴雨评分最高；对于大暴雨预报，24h、48h和60h预报时效上SWCWARMS模式评分最高，其它预报时效上ECMWF模式评分最高，GRAPES模式评分以低于其它两个模式为主，其中36～60h大暴雨预报上，GRAPES模式评分低于SWCWARMS模式但略高于ECMWF模式。

由3个模式降水偏差分布可见(图2b)， SWCWARMS模式预报五个量级降水范围均大于实况，GRAPES模式预报小到暴雨预报降水范围大于实况，大暴雨以漏报为主，ECMWF模式预报小雨、中雨和48～72h大雨降水范围大于实况，大雨(0～60h)、暴雨和大暴雨预报降水范围小于实况。在小雨预报上，ECMWF模式预报降水落区范围偏大最多，SWCWARMS模式次之，GEAPES相对偏差略小。对于中雨而言，12～36h时效上GRAPES模式偏差最大，其它预报时段SWCWARMS模式偏差最大，ECMWF模式中雨空报少于区域模式。对大雨和暴雨而言，SWCWARMS模式预报降水落区偏大最多，GRAPES模式次之，ECMWF模式预报落区偏小；对于大暴雨预报，SWCWARMS模式空报最多，ECMWF模式在36h和48h漏报最多，GRAPES模式在24h、60h和72h漏报最多。SWCWARMS模式各级降水多空报，5个预报时效上分别有中雨(60h)、大雨(36h、48h、72h)和暴雨(24h)空报最多，GRAPES模式对小到暴雨多空报而大暴雨多漏报，中雨(60h)和大雨(24h、36h、48h、72h)空报最多，ECMWF模式对小雨和中雨表现为空报多而其它量级降水多漏报，小雨空报最多。

由3个模式ETS评分分布可见(图2c)，随降水强度增强评分逐渐降低，SWCWARMS模式小雨ETS评分分布在0.135～0.215，小雨评分高于其它降水量级，ECMWF模式小雨评分分布在0.105～0.142，中雨评分高于其它降水量级，GRAPES模式小雨评分在0.139～0.207，小雨评分高于其它降水量级。在小雨预报上，SWCWARMS模式24h评分最高，GRAPES模式次之，ECMWF模式评分最低，在36～72h预报时效上，GRAPES模式评分最高，SWCWARMS模式次之，ECMWF模式评分最低；GRAPES模式小雨优于SWCWARMS和ECMWF模式，SWCWARMS模式优于ECMWF模式。在中雨、大雨和暴雨预报上，ECMWF模式评分最高，SWCWARMS模式次之，GRAPES模式评分最低，但在60h暴雨预报上，SWCWARMS模式EST评分最低；ECMWF模式中到暴雨预报优于其它两个模式，SWCWARMS模式略优于GRAPES模式。在大暴雨预报上，SWCWARMS模式在24h、48h、60h评分最高，ECMWF在36h和72h评分最高，GRAPES模式在24h、36h、72h评分最低，ECMWF在48h和60h评分最低；SWCWARMS模式大暴雨预报在部分时次上略优于其它两个模式。GRAPES模式小雨评分较高，ECMWF模式中到暴雨评分较高，SWCWARMS模式大暴雨部分时次上优于其它两模式，SWCWARMS模式中到大暴雨ETS评分以高于GRAPES模式为主。

由3个模式TSS评分分布可见(图2d)，对小雨而言，SWCWARMS模式在24h和36h预报时效上评分最高，小雨评分分布在0.23～0.344，小雨评分高于其它量级降水；GRAPES模式在48h、60h和72h预报时效上小雨评分最高，介于0.234～0.311，小雨评分高于其它量级降水；ECMWF模式小雨评分最低，分布在0.181～0.234。对中雨而言，ECMWF模式评分最高，该模式中雨评分高于其它量级降水，SWCWARMS模式次之，GRAPES模式评分最低。对大雨而言，SWCWARMS模式在24h、36h和48h评分最高，ECMWF模式在60h和72h评分最高，GRAPES模式评分最低。对暴雨而言，在24h、36h、48h和60h预报时效上SWCWARMS模式评分最高，ECMWF模式在72h评分最高，除24h时效上ECMWF模式评分最低，其它时效上GRAPES模式评分最低。对大暴雨而言，SWCWARMS模式在24h、36h、48h、60h评分最高，GRAPES模式72h预报时效上评分最高，ECMWF模式在48h、60h、72h评分最低，GRAPES模式24h和36h预报时效上评分最低。SWCWARMS模式在多个预报时效上大到大暴雨TSS评分高于ECMWF模式，中到大暴雨评分高于GRAPES模式。

综上可见，ECMWF模式对小到大雨具有较好的预报能力，SWCWARMS模式对暴雨和大暴雨在部分量级降水预报上优于ECMWF模式，GRAPES模式相对上述两模式偏差。SWCWARMS模式预报降水范围大于实况，该模式中到暴雨空报多于ECMWF和GRAPES模式，ECMWF模式小雨和中雨表现为空报多而其它量级降水多漏报，GRAPES模式对小到暴雨多空报而大暴雨表现为漏报，GRAPES模式中到暴雨空报多于ECMWF模式，大暴雨在24h、60h和72h预报时效上漏报多于ECMWF模式。

2.3 年际变化

比较2017～2019年5～10月三个模式对四川省降水预报≥0.1mm检验结果的年变化(图3)，由TS评分可见(图3a)，SWCWARMS模式24h预报时效上2018年评分最低，2019年评分最高，36～60h预报时效上2017年评分最低，2019年评分最高，72h预报时效上2017年评分最低，2018年评分最高；ECMWF模式5个预报时效上2017年评分最低，2019年评分最高；GRAPES模式36～72h预报时效上2017年评分最低，2019年评分最高，24h预报时效上2018年评分最低，2019年评分最高。2017年，SWCWARMS模式评分在24～60h评分高于其它两模式，ECMWF模式72h评分高于其它两模式，GRAPES模式在36～72h评分偏低，ECMWF模式在24h评分偏低，在2017年SWCWARMS模式评分以高于其它两模式为主；在2018年24h、36h、48h预报时效上，SWCWARMS模式评分最高、GRAPES模式评分最低，60h和72h预报时效上ECMWF模式评分高于SWCWARMS和GRAPES模式，GRAPES模式评分最低，2018年SWCWARMS模式优势在前48h降水预报上，GRAPES模式预报始终差于ECMWF和SWCWARMS模式；在2019年24h和36h时效上GRAPES模式评分最高、SWCWARMS模式评分最低，48～72h时效上ECMWF模式评分最高、SWCWARMS模式评分最低，2019年ECMWF模式较2017年TS评分提高7%左右，GRAPES模式TS评分提高8%～11%，而SWCWARMS模式TS评分仅提高1%～2%。

由BS预报偏差分布可见(图3b)，3个模式预报降水范围均大于实况，误差分布在1.1～2.2。SWCWARMS模式在24h预报时效上，2017年空报多于2018年和2019年而2019年空报较前两年略有减少，36～72h预报时效上，2018年空报最多而2019年空报最少；ECMWF及GRAPES模式在24h、48h、60h和72h预报时效上，2019年空报多于前两年而2017年空报少于后两年，ECMWF及GRAPES模式在36h预报时效上，2018年空报最多而2017年空报最少。2017～2019年这3年期间SWCWARMS模式降水空报先增大后减小，ECMWF和GRAPES模式降水空报逐年增大的趋势。ECMWF模式BS值始终大于SWCWARMS和GRAPES模式，2017年和2018年GRAPES模式偏差最小，2018年24h预报时效上及2019年SWCWARMS模式BS值小于其它两模式；这3年间SWCWARMS模式误差先增大后减小而ECMWF和GRAPES模式空报逐年增大。

由ETS评分分布可见(图3c)，3个模式ETS评分随预报时效延长评分降低，仅ECMWF模式在2018年72h时效上ETS评分略高于60h，3个模式ETS评分均表现为2018年评分低于2017年和2019年,其中2018年72h时效上ETS评分大于2017年，2019年评分高于2017年。对于2017年而言，SWCWARMS模式在60h和72h评分最高，GRAPES模式在24h、36h、48h评分最高，ECMWF模式评分最低；对于2018年和2019年，SWCWARMS模式在24h评分最高，GRAPES模式在36h、48h、60h、72h评分最高，ECMWF模式评分最低。3个模式2019年ETS评分均高于前两年，GRAPES模式评分以高于SWCWARMS模式为主，ECMWF模式ETS评分始终低于GRAPES和SWCWARMS模式。

由TSS评分分布可见(图3d)，3个模式TSS评分随预报时效延长评分整体呈降低趋势，SWCWARMS模式24～72h、ECMWF模式24～60h、GRAPES模式24～60h预报时效上2019年评分高于前两年、2018年评分低于2017年和2019年，ECMWF和GRAPES模式72h时效上2019年评分最高而2017年评分最低。ECMWF模式TSS评分低于其它两个模式，SWCWARMS模式在2017年60h预报时效上、2018年24h预报时效上、2019年5个预报时效上TSS评分高于GRAPES模式。3个模式TSS评分整体呈2019年评分最高、2018年评分最低分布，GRAPES模式在2017年和2018年以优于SWCWARMS和ECMWF模式为主，SWCWARMS模式2019年评分最高，ECMWF模式评分始终低于其它两模式。

由降水准确率分布可见(图3e)，3个模式降水预报准确率随预报时效延长评分以降低为主，SWCWARMS模式降水准确率在70%以上，ECMWF模式降水准确率在68%以上，GRAPES模式降水准确率在67%以上。SWCWARMS模式在24h和72h预报时效上、ECMWF模式5个预报时效上、GRAPES模式24h、48h、60h和72h预报时效上，2019年较前两年准确率最高而2017年最低；SWCWARMS模式在36h、48h和60h时效上及GRAPES模式36h预报时效上2019年准确率最高而2018年最低。SWCWARMS模式在2017年48h、60h和72h及2018年24h、48h和72h准确率高于其它两模式，2019年48h和72h准确率低于其它两模式；ECMWF模式在2019年72h准确率最高，2017年5个预报时效、2018年24～60h、2019年24h、36h和60h准确率低于其它两模式；GRAPES模式在2017年24h和36h、2018年36h和60h、2018年24～60h准确率最高，2018年72h准确率低于其它两模式。SWCWARMS模式在2017年和2018年与GRAPES模式相当，2019年降水准确率低于GRAPES模式，ECMWF模式准确率以低于上述两模式为主。

由降水空报率分布可见(图3f)，3个模式空报率随预报时效延长整体呈先增大再减小再增大再减小的趋势，SWCWARMS模式24h、36h和72h、ECMWF模式24～72h及GRAPES模式60h和72h预报时效上2019年空报率最低而2017年最高，SWCWARMS模式48h和60h及GRAPES模式24h、36h和48h预报时效上2019年空报率最低而2018年空报最多。ECMWF模式空报多于其它两模式，2017年24～72h、2018年36～72h预报时效上GRAPES模式空报为三个模式最少，2018年24h、2019年5个预报时效上SWCWARMS模式空报最少。3个模式2019年降水空报都少于前两年，SWCWARMS模式在2019年相对2017年空报减少最多。

对于小雨及以上量级降水统计检验显示，三个模式2019年预报效果在多个预报时效上好于2017年及2018年，准确率提高而空报减小。ECMWF模式预报偏差、空报率大于SWCWARMS和GRAPES模式，ETS评分、TSS评分和预报准确率低于SWCWARMS和GRAPES模式；在2017年及2018年SWCWARMS模式在多个预报时效上TS评分、ETS评分、TSS评分和预报准确率高于GRAPES模式，但降水空报率也大于GRAPES模式，2019年GRAPES模式TS评分、ETS评分、预报准确率、预报偏差及空报率大于SWCWARMS模式。

比较三个模式对暴雨及以上量级降水TS评分可见(图4)，2017年和2018年GRAPES模式对暴雨预报能力差于SWCWARMS和ECMWF模式，2019年ECMWF模式对暴雨预报能力优于SWCWARMS和GRAPES模式，SWCWARMS模式在2017年24h和72h、2018年24h、36h、48h和60h评分高于其它两模式，SWCWARMS模式在2019年36h、60h和72h时效上评分低于其它两模式；ECMWF模式在2017年36h、48h和60h、2018年72h及2019年5个预报时效上评分最高；GRAPES模式在2017年、2018年和2019年24h和48h预报时效上评分较其它模式偏低。对应BS偏差值显示，SWCWARMS模式BS值均大于1，即该模式预报暴雨范围均大于实况，除2019年60h及72h时效外ECMWF模式预报暴雨范围小于实况即该模式对暴雨及以上量级降水以漏报为主，除2018年72h时效外GRAPES模式预报暴雨范围大于实况，SWCWARMS模式空报大于GRAPES和ECMWF模式。由此可见，GRAPES及ECMWF模式2019年暴雨及以上量级降水预报改善大于SWCWARMS模式，SWCWARMS模式在这3年期间TS评分波动较小，但2019年降水空报较2017年和2018年显著降低。

2.4 逐月降水检验

为了进一步了解3个模式在汛期不同月份的预报效果，以月为单位对3个模式的降水预报进行检验对比分析(图5)，3个模式TS评分峰值出现月份不同，SWCWARMS模式小雨、中雨、大雨和暴雨TS评分最大值分别出现在201809(年月，下同)、201807、201807、201710，TS评分最小值分别出现在201808、201810、201810、201905；ECMWF模式评分最大值分别出现在201907、201907、201909、201807，评分最小值分别出现在201710、201706、201908、201906；GRAPES模式评分最大值分别出现在201806、201809、201809、201908，评分最小值分别出现在201705、201710、201709、201710和201805；SWCWARMS模式2018年10月及GRAPES模式2017年9月暴雨评分缺失，SWCWARMS模式2019年5月暴雨评分为0，GRAPES模式2017年9月大雨,201710、201805、201910暴雨评分为0。对小雨而言，SWCWARMS模式在2017年5～6月、9～10月、2018年9月、2019年5～6月、9月评分都高于GRAPES和ECMWF模式，ECMWF模式在2017年5～6月和9月、2018年5～8月和10月、2019年8月和10月评分大于SWCWARMS模式，GRAPES模式在2017年7～8月、2018年5～8月和10月、2019年8月和10月评分大于SWCWARMS和ECMWF模式。对中雨而言，SWCWARMS模式优势在2017年6月、8月、2018年6～7月、2019年8月，ECMWF模式优势在2017年5月、7月、9月和10月、2018年5月、2019年7月、9～10月，GRAPES模式优势在2018年8～10月、2019年5月和6月。对大雨而言，SWCWARMS模式在2017年6月、8～9月、2018年8月评分高于其它两模式，ECMWF模式在2017年7月、10月、2018年5～7月、2019年9～10月评分高于其它两模式，GRAPES模式在2017年5月、2018年9～10月、2019年5～8月评分高于其它两模式。对暴雨而言，SWCWARMS模式优势在2017年7～10月、2018年6月、8月、2019年9～10月，ECMWF模式优势在2017年5～6月、2018年5月、7月、9月，GRAPES模式优势在2018年10月、2019年5～8月。SWCWARMS模式在2018年8月和2019年8月小雨评分较低，2018年10月中到暴雨评分较低，其它月份降水评分较为稳定；ECMWF模式2017年和2018年评分稳定，2019年各级降水评分振幅较大；GRAPES模式中到暴雨在2017年秋季和2018年第二季度评分偏低，2018年下半年开始中雨及以上量级降水评分显著提高。在小雨和中雨预报上，三个模式各有所长；在大雨预报上，GRAPES模式评分逐渐增大并高于其它两模式，SWCWARMS模式评分介于GRAPES和ECMWF模式之间；对于暴雨，ECMWF模式介于GRAPES和SWCWARMS模式之间，2017年SWCWARMS模式优于GRAPES模式，2019年反之。

2.5 四川省东部和西部

沿103°E将四川省分为东部和西部，比较模式对川东和川西降水的预报能力。由表2可见，对于SWCWARMS模式及GRAPES模式川西TS、ETS评分高于川东，预报偏差小于川东；ECMWF模式川西TS评分高于川东，川西ETS和BS低于川东。三个模式均存在预报过度现象，川东空报大于川西。初步分析川西评分高于川东的原因如下：(1)东部测站多，西部测站数量少；(2)东部降水预报偏差大的测站数多(NB样本数多)，使得在计算TS和ETS时分母偏大，使得TS和ETS数值降低。3个模式0～24h降水TS和ETS评分高于其它时段，SWCWARMS模式在川西36h、48h和60h时效TS评分高于其它两模式，ECMWF模式在川西72h时效、川东24～72h时效上TS评分高于其它两模式，GRAPES模式在川西24h时效上TS评分高于其它两模式，SWCWARMS模式在川东24h、36h时效评分低于ECMWF和GRAPES模式，ECMWF模式在川西24h时效上评分偏低，GRAPES模式在川西36h、48h、60h和72h时效、川东48h、60h和72h时效上评分偏低。SWCWARMS模式在川西24h时效、川东5个预报时效上ETS评分高于其它两模式，ECMWF模式ETS评分始终低于其它两模式。3个模式在预报偏差分布上川东与川西一致，ECMWF模式预报偏差最大，24h时效上SWCWARMS模式偏差最小，36h、48h、60h和72h时效GRAPES模式偏差最小。

表2 2017～2019年四川东部和西部24～72h时效三个模式(≥0.1mm)TS、ETS和BS检验结果

3 结论与讨论

通过SWCWARMS、ECMWF和GRAPES三个模式对2017～2019年四川汛期(5～10月)24h累积降水进行检验分析，得出以下几点结论：

(1)3年平均TS评分显示ECMWF模式对小到大雨预报能力优于SWCWARMS和GRAPES模式，SWCWARMS模式部分时次上暴雨和大暴雨预报优于ECMWF模式，GRAPES模式TS评分以低于上述两模式为主。SWCWARMS模式预报降水范围大于实况，ECMWF模式小雨和中雨降水范围大于实况而其它量级降水偏少，GRAPES模式对小到暴雨多预报偏多而大暴雨预报偏少。

(2)GRAPES模式在2019年中雨及以上量级降水预报上改善大于SWCWARMS和ECMWF模式，ECMWF和SWCWARMS模式在这3年期间TS评分波动较小，SWCWARMS模式2019年空报较2017年和2018年显著降低。逐月降水检验显示，3个模式在小雨和中雨预报上不相上下，GRAPES模式优势在2019年大雨和暴雨预报上，ECMWF模式优势在2017年秋季和2018年初夏大雨预报上，SWCWARMS模式大雨和暴雨预报能力介于二者之间；SWCWARMS模式2018年第三季度评分整体偏低，ECMWF模式2019年中到暴雨评分振幅相对较大，GRAPES模式从2018年第三季度开始中到暴雨降水评分显著提高。

(3)在川东地区，ECMWF模式TS评分高于SWCWARMS和GRAPES模式，SWCWARMS模式TS评分24h和36h低于GRAPES模式而其它时次高于GRAPES模式，SWCWARMS模式ETS评分高于其它两模式，ECMWF模式ETS评分低于区域模式；在川西地区，ECMWF模式ETS评分低于其它两模式，SWCWARMS模式部分时次TS评分高于GRAPES模式而ETS评分低于GRAPES模式；三个模式存在不同程度空报，川东空报略多于川西，其中ECMWF模式空报最多，GRAPES模式空报略少于SWCWARMS和ECMWF模式。