结合SAL方法的四川盆地暴雨过程检验及订正方法

该文利用预报员最常用的数值预报模式产品（ECMWF、SWC-WARM 、GRAPES-MESO、GRAPES-GFS）结合常规观测资料对比分析了2019年四川盆地6次区域性暴雨过程,同时引入SAL方法,通过主观、客观检验方法得出不同类型下各家模式对强降水的预报误差及订正方法。结果表明：ECMWF、SWC-WARM 较GRAPES-MESO、GRAPES-GFS有明显优势,同时:①西部Ⅰ型,ECMWF、SWC-WARM 两家模式预报偏差较小,SWC-WARM 在雨带范围和量级强度上优于ECMWF。②西部Ⅱ型,ECMWF、SWC-WARM两家模式都存在系统偏西导致降水落区偏西、量级偏弱的情况,ECMWF在雨带形态范围上略优于SWC-WARM ,但SWC-WARM能较好的预报出分散的强降水中心,具有一定的指示意义。③东部型,ECMWF、SWC-WARM两家模式预报偏差都较大,除了对系统东西向偏差外还受低涡移动影响存在南北向偏差,ECMWF在雨带形态范围上优于SWC-WARM。     

基于目标对象检验法的四川省两种数值模式暴雨预报对比分析

根据2021年四川省31次暴雨过程预报偏差检验,选取ECMWF预报雨带明显偏西、CMA-MESO预报较好的3次个例,基于目标对象检验法对强降水落区(≥25 mm)从位置偏差、面积偏差、雨带走向和降水强度4个方面对两模式的预报偏差特征和主要原因进行对比分析。结果表明：ECMWF模式降水落区预报较实况偏西偏北,且偏西偏差距离(59.06～123.67 km)显著大于偏北偏差距离(8.23～53.59 km),而CMA-MESO模式雨带走向和位置预报与实况更为接近。两模式降水面积预报均大于实况,ECMWF模式较实况偏大7.0%～34.3%,CMA-MESO模式偏大25.2%～45.9%。两模式降水量平均值预报与实况偏差幅度为-3.5%～20.0%,但降水量极值预报较实况偏差较大,偏差幅度为50.1%～196.9%。检验分析表明,出现在副热带高压边缘,受高原涡或西南涡影响的四川暴雨过程,在ECMWF模式预报强降水落区(≥25 mm)偏西的情况下,CMA-MESO模式可以提供订正参考。     

2020年夏季辽宁省多模式降水预报检验

选用2020年夏季辽宁省区域自动站资料和7种模式预报资料,根据降水强度将站点分为5种降水类型,分析各数值模式36 h和48 h预报检验降水场的分布误差、相关性及雨带位置。结果表明：36 h预报结果好于48 h, 48 h降水量预报结果普遍比观测值偏大。初夏、夏末及秋初,各模式降水量预报偏差相对较小,盛夏的预报值偏差较大,尤其强降水站点的降水量预报值显著偏小。36 h预报值与观测值的相关系数和散点分布表明,弱降水站点和较弱降水站点的ECMWF预报结果最好,NCEP和WRF＿3KM次之。中量降水站点、较强降水站点和强降水站点的NCEP预报结果最好,ECMWF和WRF＿3KM次之。各模式雨带位置预报存在不同程度偏差,其中ECMWF的结果较好。     

台风“巴威”不同类型降水多模式预报与空间检验对比评估

以传统的检验方法和基于对象诊断评估方法(MODE), 对首次以台风级别影响辽宁的“巴威”台风(2008)的台风暴雨过程不同性质降水的多模式(ECMWF、CMA_MESO 10KM、CMA_MESO 3km和睿图东北模式)预报结果进行了检验评估。结果表明: 受“巴威”远距离和本体影响, 辽宁省先后出现对流型降水和稳定型降水, 传统检验和MODE检验结果均表明, 多模式的对流型降水预报效果要优于稳定型降水, 这很可能是多模式对于台风北上减弱产生稳定型降水的影响系统的预报强度偏差大导致, 在今后预报中务必注意台风强度预报偏差对本体稳定型为主的降水的影响。传统检验结果中, CMA_MESO 3km和ECMWF模式的评分较高, 并且对于对流型降水雨带的形状、范围和质心距离、交集面积预报效果最好, ECMWF模式对稳定型降水也有着较高的目标相似度评分。尽管睿图东北模式由于对10.0 mm以上量级降水较高的空报和漏报率, 而导致TS评分偏低; 但在MODE检验结果中, 东北模式预报的强降水雨带的中心位置、降水强度和范围均接近实况, 目标相似度更高, 尤其在对流型降水阶段目标相似度达到了1.00, 模式对于对流型降水预报有着较好的可参考性。     

一种定量降水预报误差检验技术及其应用

面向对象检验技术是定量降水预报误差分析方法之一,通过对某一降水过程进行分离,实现对其落区、量级等预报误差的定量化分析。基于面向对象的检验方法和天气系统识别技术,本文利用实况观测资料、ECMWF全球数值模式产品,以2012年汛期西南地区5个典型强降水天气过程作为检验对象,对其降水及天气尺度影响系统1～10 d模式预报误差进行了定量化分析。分析表明:在中短期时效内,模式均对西南地区雨带位置预报偏北、偏西,中期时效内偏差更显著,雨带主轴上70%以上的点预报较实况偏北在2°以内,偏西约3°以内;预报的大雨及以上量级降水量较实况偏弱;模式1～2 d预报的极值分布与实况较为接近,随着预报时效延长,预报的极值较实况明显偏小;模式预报的小雨及以下量级的降水范围较实况偏大,对大雨以上量级的降水范围较实况明显偏小。对于四川盆地而言,预报的切变线较零场偏西0.5°～3°。低空急流预报偏西0.5°～1.5°;低空急流强度预报偏差具有季节差异。     

超强台风“利奇马”登陆前后多模式降水预报评估对比分析

利用欧洲中期天气预报中心全球模式(ECMWF)、美国全球预报系统(GFS)、中国气象局全球区域一体化同化预报系统—全球数值预报系统(GRAPES_GFS)、上海区域中尺度数值预报业务系统(SMSWARMS)、以及浙江省中尺度数值预报业务系统(ZJWARMS)和浙江省快速更新同化预报系统(ZJWARRS)降水预报资料,开展了各模式对超强台风"利奇马"登陆前后浙江省强降水的预报性能检验评估。结果表明:(1)过程降水预报方面,ECMWF对降水落区预报表现最佳,但对降水极值中心强度的预报技巧较低; 3个区域模式各有优势,其中ZJWARRS和ZJWARMS对登陆点附近及浙西北强降水落区、强度的预报均与实况一致,SMSWARMS对几个强降水落区的预报也表现较好,但雨强偏弱。(2)对逐日降水预报技巧上,登陆前全球模式ECMWF、GFS评分较高,而临近登陆及登陆后区域模式表现较好;其中SMSWARMS、ZJWARRS和ZJWARMS在预报时效12 h内的大暴雨及特大暴雨的预报上有较大优势,尤其ZJWARRS对0～3 h大暴雨的预报技巧表现最为突出。(3)对强降水致灾地区(永嘉、临海、临安)的短时降水预报方面,ZJWARMS无论在落区还是强度预报方面均表现较好,ZJWARRS与之接近,对多个降水中心的预报方面可互为补充;SMSWARMS对降水中心的预报往往存在位置偏差且雨强显著偏弱;全球模式对致灾强降水的短临预报参考价值较低。(4)各模式对850 hPa水汽通量及辐合区的预报差异较大是导致"利奇马"预报降水差异显著的重要原因。对于浙江省级区域来说,ZJWARRS及ZJWARMS在强降水落区及强度的短临预报方面有显著优势。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

“23·7”华北特大暴雨数值预报检验评估

针对“23·7”华北特大暴雨过程,采用天气学检验及TS(thrcat scorc)评分和MODE(mcthod for objcct-bascd diagnostic cvaluation)方法对中国气象局高分辨率全球同化预报系统(CMA-GFS)、较低分辨率全球集合预报系统(CMA-EPS)、欧洲中期数值预报中心集合预报系统(EC-EPS)和业务预报模式(EC-HR)、美国环境预报中心全球预报系统(NCEP-GFS)等全球模式和中国气象局区域台风数值预报系统(CMA-TYM)、中尺度天气数值预报系统(CMA-MESO)和区域数值预报系统(CMA-BJ)等进行中短期预报效果检验评估。结果表明:EC-EPS提前14 d预报京津冀一带有过程累积降水量超过100 mm强降水的发生概率,CMA-EPS可提前12 d报出,但预报欠稳定且落区偏东偏南。EC-HR对100 mm以上过程累积降水量及2 d以上暴雨日的位置预报提前时效均达8 d左右,CMA-GFS的过程累积降水量预报显著偏小、强降水落区明显偏东,可用预报时效短;NCEP-GFS预报性能介于二者之间。各模式均可提前36 h预报强降水落区和...     

四川两次副高边缘型暴雨的预报偏差分析及模式检验对比

该文利用常规观测资料（实况探空资料、自动站雨量数据）以及ECMWF、SWC-WARMS（西南区域模式）、GRAPES-MESO、GRAPES-GFS对比分析了2019年在副高边缘环流形势下的2次四川盆地区域性暴雨天气过程。结果表明：①初始场相似的2次过程,导致强降水落区不同的主要原因在于副高的动态变化不同,其次西风带槽脊的细微差异以及低层水汽条件的差异也与降水落区息息相关。②ECMWF在这2次过程中对副高位置动态变化的预报,西进较东退更为准确,且数值模式对此类大范围强降水的预报,ECMWF较其它模式更具有优势,但局限性在于范围偏小、量级偏弱,可结合SWC-WARMS进行订正,而GRAPES-GFS、GRAPES-MESO在模式稳定性和预报准确率方面都不及上述两者。     

多数值模式对2021年7月两次大暴雨过程预报能力检验评估

传统点对点的二分类检验方法能够客观反映模式预报的整体表现,但该方法存在双重惩罚现象。本文在传统检验基础上结合FSS（Fraction Skill Score）评分和MODE（Method of Object-based Diagnostic Evaluation）方法,对2021年7月影响四川的两次区域性大暴雨过程开展检验评估,对比分析了华东区域BCSH模式、ECMWF模式、西南区域SW3KM和SW9KM模式的预报性能。结果表明:（1）BCSH和ECMWF模式在小到中雨评分上略优于西南区域2个模式,SW3KM模式优势体现在暴雨预报上;BCSH和SW9KM模式预报偏差无显著规律,ECMWF模式小到大雨多空报,SW3KM模式中到暴雨多空报。（2）邻域半径为7个格点时,SW3KM模式在72 h预报时效上小雨、36~72 h大雨、24~66 h暴雨评分高于其它模式;区域模式分辨率提高,其FSS和TS评分相应增加,随着预报时间延长,区域模式FSS评分以大于ECMWF模式为主,SW9KM模式各级降水评分整体低于SW3KM模式。（3）4个模式降水落区质心位置预报的经向偏差略大于纬向,BCSH和SW9KM模式降水质心较实况偏西北,ECMWF模式暴雨质心偏西北、大暴雨质心偏西南,SW3KM模式暴雨质心多偏西南、大暴雨质心较实况多偏西北。ECMWF模式对雨带走向和面积的把控好于区域模式;SW3KM模式在72 h预报时效上多个属性值优于BCSH模式,SW3KM模式匹配目标属性值以优于SW9KM模式为主;BCSH、ECMWF和SW3KM模式均存在降水强度预报偏大的特征。      

全球和区域数值模式在甘肃2020年汛期降水预报中的检验评估

2020年汛期6—8月甘肃降水日数多、持续时间长、范围广、强度大,对该时间段内3种全球模式(ECMWF、GRAPES_GFS和NCEP_GFS模式)和4种区域模式[GRAPES区域数值预报业务系统(GRAPES_3 km)、西北区域区域模式(GRAPES_LZ10 km)、西北区域快速更新循环预报系统(GRAPES_LZ3 km)和华东区域模式(SMS-WARMS)]24 h累计降水预报性能进行检验评估。结果表明:(1)全球模式中ECMWF模式的预报性能优于其余2个模式,而区域模式中GRAPES_3 km和SMS-WARMS模式预报性能相对较好,且SMS-WARMS模式预报性能更稳定。(2)区域模式晴雨准确率及小雨和中雨的TS评分、ETS评分、命中率低于全球模式,暴雨优于全球模式;大雨和暴雨的空报率和预报偏差均高于全球模式。(3)根据500 hPa环流形势可将甘肃汛期降水划分为副高边缘型和低槽型2种类型,针对2020年4次副高边缘型和3次低槽型降水进行分类检验评估。全球模式和区域模式均对前者的各个量级降水预报性能优于后者;ECMWF模式和区域模式对2种类型大雨和暴雨预报效果优于NCEP_GFS和GRAPES_GFS模式;全球模式中ECMWF模式、区域模式中SMS-WARMS模式对2种类型降水预报效果最好。(4)7种模式对2种类型中雨和大雨雨带走向预报较好,对副高边缘型降水过程降水落区的预报能力优于低槽型降水过程,但预报降水强度较观测偏强,尤其是降水中心区域。     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

不同数值模式对江淮地区梅汛期暴雨模拟的对比分析

从降水偏差特征、预报技巧和对象诊断分析3个角度评估了欧洲中期天气预报中心模式(EC)、华东区域中心区域数值模式(WARMS)和江苏区域模式(PWAFS)对2020年江淮地区梅汛期11次典型暴雨过程的预报性能,并分析了各模式的优点及不足。结果表明:(1)24 h观测日平均累计降水主要分布在大别山—江苏淮北以及大别山—皖南山区,相应的模式降水偏差大值区与主要雨带位置有较好的对应关系,其中,EC在大别山和皖南山区存在明显干偏差,在江苏淮北地区则出现系统性北偏。WARMS和PWAFS两种区域模式均在大别山和皖南山区上游地区和下游浙江地区出现大范围湿偏差,而在江苏淮北地区出现干偏差;(2)24 h预报技巧评分结果表明,EC对暴雨及以下量级的TS评分最高,但大暴雨量级PWAFS最优,原因是EC对大暴雨量级出现较高漏报。对比WARMS和PWAFS两家区域模式可见,PWAFS在几乎各量级的空报和漏报率都低于WARMS,因此TS评分也高于WARMS;(3)通过MODE对象诊断分析发现,EC对降水位置预报最稳定,PWAFS对降水强度和范围的预报效果最优,但对雨带位置的预报不够稳定。总得来说,PWAFS的预报性能略优于WARMS,与EC相比在对降水强度和雨带范围的刻画上也具有优势,但预报稳定性尚有待提高。     

基于ECMWF和华东区域中尺度模式的暴雨预报特征研究北大核心

为探讨ECMWF、华东区域中尺度模式(简称为CMA-SH9模式)多个时效对夏季(2019年6—8月)暴雨预报特征,采用目标对象检验方法对不同类型影响系统下模式预报的强降水落区面积、位置、形状等进行评价,并对预报难度较大的受西风槽和西太平洋副热带高压(以下简称副高)边缘切变线影响的高空要素场及环流形势场进行了研究。结果表明:ECMWF和CMA-SH9模式对夏季暴雨预报偏小3个量级次数最多,CMA-SH9模式各时效对暴雨及以上降水预报的准确率大多高于ECMWF;ECMWF和CMA-SH9模式对热带气旋与中纬度系统相互作用的暴雨预报最好,其次是冷涡影响,预报较差的是受西风槽及副高边缘切变线影响的暴雨过程;西风槽及副高边缘切变线影响时ECMWF的位势高度场预报略好于CMA-SH9模式,温度的预报500 hPa以上CMA-SH9模式略好于ECMWF,500 hPa以下二者相差不大,相对湿度的预报CMA-SH9模式误差小于ECMWF,且CMA-SH9模式850 hPa的36 h和60 h时效预报误差最小;受西风槽及副高边缘切变线影响的一次暴雨过程中,相对湿度90%及以上落区的预报ECMWF与实况10 mm·h^(-1)降水落区几乎无交集,CMA-SH9模式的预报包含了10 mm降水落区。     

基于CRA技术的华南前汛期强降水EC模式预报误差分析

利用CRA空间检验技术对ECMWF模式36 h时效预报的2016-2018年华南前汛期(4-6月)69个降水目标进行了检验及误差统计分析,并将预报落区偏差相似个例的环流形势及天气尺度影响系统进行了分析.(1)87％的强降水目标存在明显落区预报偏差,最大偏差为2.75 °.偏差以经向偏差为主,其中偏北的目标多于偏南的目标...     

全球模式对华北区域性强降水中期预报能力检验

选取2010—2016年夏季华北70个典型强降水个例,根据环流形势场,将其分为低涡型、西来槽型和切变线型。然后,利用降水空间检验法(MODE方法),通过对比质心距离、轴角以及纵横比等要素,讨论了几种常规业务模式对华北地区夏季强降水的中期预报能力。结果表明:ECMWF模式和T639模式对低涡型强降水预报能力较差;当实况强降水落区范围较大时,ECMWF模式和T639模式中期预报的雨带为狭长型并呈东北—西南向,预报与实况较为一致,但两种模式预报的降水落区均较实况偏西、偏南;这两种模式对较小面积降水,其预报的降水范围较实况偏大,而对较大面积降水,预报较实况明显偏小。     

基于时域对象的网格降水预报的追踪诊断分析

检验和评估模式降水预报的时间和位置偏差对提高降水预报准确率有重要意义,而传统点对点的检验方法对此无能为力。基于2018年和2019年6-8月欧洲中期预报中心(ECMWF)降水预报资料,利用面向对象时域诊断分析工具(MTD),追踪模式降水预报对象的生命周期、初生、消散等预报表现。研究表明:(1)个例分析显示,时域诊断分析工具MTD能够很好的从三维降水场中提取降水对象,进而刻画降水对象的生命周期及开始结束时间,对客观描述降水对象的时间偏差具有独特的优势;(2)低阈值条件下模式预报能很好地描述降水对象的空间分布,不足在于观测降水对象较模式预报明显偏多;随着降水阈值增大,预报与观测降水对象的空间频次呈现出显著差异,表明模式对强降水的位置预报仍然需要改进;(3)采用最小卷积半径和降水阈值定义降水对象,观测和预报场中80%的降水对象生命周期小于15 h,且生命周期随着降水阈值和卷积半径的增大而减小;(4)三维对象追踪显示,预报对象的持续时间较观测偏短,移动速度较观测整体偏慢。     

全球海气耦合模式（BCC_CM1.0）对江淮梅雨降水预报的检验

以国家气候中心全球大气-海洋耦合模式(BCC-CM1.0)20年的预报产品为基础,重点分析了该模式对中国江淮梅雨的预报能力以及梅雨预报中存在误差的可能原因.试验表明:BCC-CM1.0对江淮梅雨降水有一定的预报能力,模式基本上能够预报出气候态下梅雨降水的空间分布特征.尽管其方差贡献率和时间系数与观测相比有偏差,但模式还是能够预报出梅雨降水的主要模态.气候平均下,BCC-CM1.0模式预报的梅雨雨带位置偏北,因而预报的江淮流域长江以北降水偏多,而长江以南预报的降水偏少.同时发现模式对江淮流域梅雨期中等强度降水预报较好,雨强概率分布与观测结果基本一致,而对大雨强降水和小雨强降水预报相对较差.合成分析发现,江淮流域雨带偏北、降水偏少时,模式的预报能力较好;而江淮流域雨带偏南、降水偏多时,模式预报能力相对较差.BCC-CM1.0对高度场的预报普遍偏低,尤其是在青藏高原上空有一个虚假的低值中心,对副热带高压的预报也偏弱,这样使得东亚季风区气压梯度增加,从而导致预报的东亚夏季风偏强、向北推进的幅度加大,最终致使预报的梅雨雨带偏北.此外,比湿场预报的偏差也可能是造成梅雨雨带偏北的原因之一.     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:(1)GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。(2)GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。(3)个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。(4)与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。