Page 181 - 《高原气象》2025年第3期

3 期 潘留杰等：一个基于潜在影响的降水预报评分方法 739
产品精准度高， 可以用来评估模式的降水预报性 的漏报率普遍在 10% 以下。同时， 新疆和内蒙古等

能。ECMWF数据为每日12:00（世界时， 下同）下发 地的降水发生次数较低， 但模式漏报率却相对明
的降水预报产品。需要说明的是， ECMWF 降水预 显。小雨量级降水预报频次偏多是ECMWF模式的
报分辨率为 0. 125°×0. 125°， 时间分辨率为 3 h。考 显著特点（张宏芳等， 2014）。由于在 ITS 评分中，
0
虑到实际预报业务中模式资料的可用性， 将 EC‐ 漏报次数C及漏报与观测降水数值的差异程度是最
MWF降水预报资料统一截断12 h， 处理成与观测资 主要的因素， 对 R≥0. 1 mm 的降水来说， 发生次数
料时效对应的 24 h 累计降水。此处重点分析预报 高的华南地区漏报率低， 而漏报率较高的中国北
评分在前 24 h降水预报中的特性， 即分析时段为模 方， 降水发生次数较少， 导致绝对漏报次数较低，
式起报后 12~36 h 的降水量。CMPAS 资料时间分 因此 ITS（图略）整体和 TS 评分［图 6（c）］ 基本一
0
辨率为逐小时， 空间分辨率为 0. 05°×0. 05°（以下简 致。相对 TS， ITS 评分在全国大部分地区都是增加
称 CMPAS05）。为了方便对比， 将 ECMWF 模式资 的［图 6（d）］， 平均增加 0. 048， 特别是在西北地区
料插值成与CMPAS05一致的空间分辨率。 东部、 华中地区增加明显。从公式（8）来看， 因为 C
针对 ITS 和 ITS 的实际降水应用， 重点分析 较小， 导致 C 不是主要影响因子， ITS 增大主要受
0
I
R≥0. 1 mm 和 R≥50. 0 mm 的两种代表性类型， 即晴 A 的影响， 降水量大的地区， A 较大， 从而空报次
I
I
雨和暴雨及以上量级降水预报的特征表现。以≥ 数 B 在 ITS 评分分母中权重减小。而在华北、 内蒙
0. 1 mm 的降水预报为阈值， 主要目的是分析 ITS 0 古一些地区， ITS 减小， 主要原因是在北方地区的
和 ITS 在所有降水量级中的适用性， 而超过 50. 0 降水量较小， 一些情况降水量小于1. 0 mm， 增大了
mm的降水， 可能会对工农业生产带来较大的影响。 B和C 在ITS中权重。
I
图 6 给出了 2022 年中国区域 R≥0. 1 mm 降水统计结 图 7 给出了超过 50. 0 mm 降水的发生次数、
果的空间分布。从 R≥0. 1 mm的发生次数［图 6（a）］ MAR、 POD 和 TS 评分的空间分布。从图 7 中可以
来看， 西南、 华南和东北地区降水的发生次数高， 看出， 暴雨发生次数具有典型的地域特征， 东南部
在四川盆地、 云南西部最大超过 220 次， 这些地区 次数高， 西北部显著偏低， 广东、 海南单点次数最

图6 2022年中国区域降水量R≥0. 1 mm的预报检验
（a）发生次数， （b）漏报率MAR， （c）TS评分， （d） ITS评分
Fig. 6 Verification of ECMWF model forecast for precipitation R≥0. 1 mm in China for the year 2022.
（a） the number of occurrences， （b） MAR， （c） TS score， （d） ITS score