基于前馈神经网络的多模式集成降水预报研究

为提高山东定量降水预报准确率,采用深度前馈神经网络（Deep Forword Neural Networks,DFNN）和降水分级最优TS(Threat Score)权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasting, ECMWF）全球数值预报系统、中国气象局上海数值预报模式系统（China Meteorological Administration Shanghai9 km, CMA-SH9）和中国气象局中尺度天气数值预报系统（China Meteorological Administration Mesoscale, CMA-MESO）逐24 h累积降水量预报进行有监督训练,得到4组DFNN(ES、EM、SM、ESM)深度学习模型,并利用多模式降水分级最优TS权重集成方法建立Mul-OTS(Multi-mode Optimal Threat Score)集成模型。用2020年4—9月各模式逐24 h累积降水量进行降尺度格点预报,对5种集成方案对比...     

精细数值预报在60周年国庆天气服务中的应用

在60周年国庆天气服务中,使用ARPS实时分析预报系统,将地面观测、探空、自动站、雷达基数据和风云2卫星TBB等多种观测资料同化,使用较多的观测数据调整模式初始场,对天安门地区未来3天的天气逐日进行精细化数值预报。对ARPS系统的降水落区和量级预报能力及单点降水预报准确率检验结果表明:对于秋季低槽东移造成的华北地区的大范围降水,ARPS系统有较好的预报能力,12-36 h预报的1 mm降水落区与实况十分吻合,降水量预报通常略大于实况;对单点的1 h的累积降水预报,预报降水的开始时间较实际降水时间提前1-3 h,1h累积降水随时间增大或减小的变化趋势预报比较准确。综合看来,使用ARPS实时分析预报系统进行精细化天气预报是可行的,数值预报的结果对于精细化天气预报决策具有较好的参考价值。     

辽宁区域性大暴雨成因分析及多模式数值预报空间检验

利用三源融合格点降水实况、加密自动站观测资料、雷达基本反射率因子、高分辨率数值预报产品及FNL再分析资料, 对2020年汛期辽宁地区12次区域性暴雨过程进行天气系统分型检验表明, 气旋型暴雨模式的可预报性较低。选取2021年7月12—14日辽宁地区典型气旋型暴雨过程进一步分析, 采用面向对象目标的空间检验方法SAL, 结合传统检验方法, 从结构、强度和位置三个方面定量分析不同模式预报偏差的原因。结果表明: 暴雨落区集中且呈双雨带分布, 局地雨强大, 辽宁东、西部降水成因不同。CMA区域模式较全球模式暴雨TS评分高; SAL空间检验表明, CMA区域模式对于雨带内部结构把握较好, 全球模式结构误差主要来源于降水极值预报不足; 强度检验表明, CMA-MESO3km强度接近实况, EC_THIN次之, CMA_GFS的降水强度预报较差; 各模式暴雨落区基本可信, CMA-MESO3km最优, 暴雨落区的误差主要由于模式预报降水过程主体重心与实况的偏差较大所致。     

广东省ECMWF降水集合预报统计量的检验与分析

利用欧洲中期天气预报中心(ECMWF)的降水集合预报历史资料,对广东省86个地面气象站进行分级统计检验,分析集合统计量产品的预报效果。评分结果表明,降水量级越大,确定性预报与集合产品TS越低,对应最优分位数越高;对于冬季暴雨与前汛期晴雨,集合预报产品效果较好,TS分别达到0.50和0.66,对于前汛期暴雨效果则较差,TS在0.10左右。随着预报时效增加,集合预报TS逐渐减小,预报时效72 h,前汛期集合TS下降幅度较大;预报时效72 h,后汛期集合TS下降幅度较大。对于冬季和后汛期暴雨,集合预报相对于确定性预报有明显优势,并且预报时效越长,集合TS增幅越大。对于站点降水,在广东省东部和西南部沿海地区,确定性预报对暴雨的预报能力比较欠缺,而集合预报能显著改善这些地区的暴雨预报,部分站点的TS增幅能够达到0.20以上。     

雷达反射率三维拼图观测资料在北方区域数值模式预报系统中的同化应用研究

以业务应用为目标,开展雷达反射率三维拼图观测资料在北方区域数值预报系统中的同化应用研究。采用雷达反射率间接同化方法同化北方雷达反射率拼图观测资料,重点关注其对降水、湿度、温度及风的预报能力影响。首先,基于2017年8月雷达拼图观测资料批量同化和对比试验,对雷达拼图资料同化应用效果进行定量评估,结果表明雷达拼图资料同化虽然加大了地面风场预报误差,但在降水预报和湿度、温度预报等方面有明显的改善作用。其次,选择在业务中预报难度较大的强降水个例开展分析研究,分析表明:（1）同化雷达拼图观测资料有效提高了模式降水预报性能,临近降水发生的循环起报时次预报效果更好;（2）对于短时间多次强降水过程发生的预报,循环同化雷达拼图资料可及时弥补模式中由于前次降水导致的水汽、能量等消耗及热/动力条件削弱,持续支持降水系统发展。最后,通过考察雷达反射率的不同同化方案,发现同化反演水凝物或者估计水汽均能改善模式降水预报性能,但是同化估计水汽对降水预报性能的改善更为明显,联合使用两方案能同时对水凝物分布、热力场等进行调整,可提高模式降水预报性能。      

降水资料同化在GRAPES-MESO模式中应用试验研究

利用国家气象中心中尺度业务数值预报模式GRAPES-MESO v3.0,以2010年6月1～30日为例,开展地面降水率1DVAR(one-dimensional variational assimilation)同化方案在GRAPES-3DVAR(three-dimensional variational assimilation)同化系统中的应用试验研究(ASSI试验),并以未加降水资料同化的试验为对照试验(CNTL试验),以评估全国1h加密雨量资料在模式中同化应用的效果。结果表明:1)在相对湿度背景误差和降水率观测误差范围内,1DVAR同化方案能够对湿度廓线进行有意义的调整,使分析降水向观测降水靠近;ASSI试验对初始温、压、湿、风场的修正主要为正效果;2)对2010年6月17～21日江南、华南连续性降水过程进行了分析,整体而言ASSI试验对逐日及逐时降水强度的预报普遍强于CNTL试验,与实况更加接近;3)ASSI试验对2010年6月1～30日08时起报的0～24 h模式预报的小雨、中雨、大雨、暴雨、大暴雨各个降水量级TS评分及ETS评分相比CNTL试验均有较明显提高,预报偏差也更接近于1;4)ASSI试验较CNTL试验能更好地模拟雨带的分布、雨带演变特征和降水强度的变化;5)对降水所做的典型个例和统计检验分析从不同角度说明了地面降水资料1DVAR同化方案在GRAPES-3DVAR系统中的应用改善了GRAPES-MESO v3.0的降水模拟效果。     

2023年河南麦区连阴雨过程的数值模式精细化检验评估

基于河南省2706个自动气象站降水观测资料及欧洲中期天气预报中心(ECMWF)、中国气象局的中尺度模式预报产品(CMA-MESO)和华东区域气象中心的中尺度模式预报产品(CMA-SH9),从不同量级降水的TS评分和BIAS评分、误差空间分布特征及典型区域预报偏差日变化特征等方面,检验评估了2023年5月25日至6月5日河南省麦收关键期连阴雨过程的数值模式小时降水预报效果。结果表明：ECMWF对R_h(小时降水量)≥0.1 mm/h的预报表现好,CMA-SH9对R_h≥2 mm/h和R_h≥5 mm/h的预报效果较优,CMA-MESO预报性能较差。对于R_h≥2 mm/h, CMA-SH9对上午和夜间的降水预报效果较优,ECMWF对中午到夜里的预报表现好。各模式都表现出在降水量大值区预报偏差大的特点。CMA-SH9对第一阶段的平均有效降水频次预报与实况最为接近,尤其在西部山区;ECMWF则对第二阶段的预报更贴合实况。尽管此次连阴雨过程中各模式小时降水量和小时降水强度的平均值偏差较大,但并没有表现出显著偏强或偏...     

华中区域LRUC系统的构建与试验

如何将区域观测资料在中尺度模式中快速有效同化是提高区域精细化数值预报准确率和时效性的关键所在。本文简单介绍了基于LAPS和WRF建立的快速循环同化预报系统LRUC,以一次影响长江中游的典型梅雨锋暴雨过程为例,设计几种试验方案,结合实况降水分布,对比分析华中区域多普勒雷达资料循环同化对改善暴雨预报的作用;根据个例试验结果,设计批量后报试验方案,对比分析雷达资料同化对华中区域2007年主汛期(6—8月)多个时效降水预报评分。暴雨个例试验结果表明,华中区域多普勒雷达资料在LAPS中的同化,能为WRF提供更优初值场;同化华中区域地面资料和雷达资料后,比仅同化地面资料更能改进模式初值,改善模式降水预报,且降雨量级越大,24 h降水预报TS评分越高。批量后报试验结果表明,建立的快速循环同化预报系统LRUC,能对区域多源观测资料进行多时次循环同化分析,为模式初值增加观测资料的时间演变信息,提高模式对暴雨量级降水的预报水平;系统具有稳定性和一定的评分水平。     

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。     

AMDAR资料在北京数值预报系统中的同化应用

该文针对北京市气象局业务快速更新循环同化预报系统(BJ-RUC),通过对有无飞机观测资料参加同化的预报试验客观要素预报均方根误差和降水量TS评分的对比分析,探讨了飞机观测资料对短期数值天气预报的影响。结果表明:飞机观测资料的同化对于前9 h预报时效内的高空风和温度预报有明显的正面影响。其中,对风预报的正面影响集中在925~250 hPa高度上;而对温度预报的正面影响主要体现在850~400 hPa之间的各层内。在快速更新循环的暖启动模式下,飞机观测资料同化比冷启动模式下带给预报结果更明显的正面贡献。飞机观测资料参加同化对于降水预报技巧的提高也有正面效应,对24 h和12 h累积降水量TS评分以及12~18 h和18~24 h时段内的6 h累积降水TS评分有明显提高,提高的最大幅度达50%,并对相应阈值和时段内无飞机观测资料参加同化的试验中雨区偏大现象有改善。分析增量分布特征与同化带来的风温要素3 h预报改进的垂直特征基本对应,表明飞机观测资料参加同化对初始场中风场和温度场质量的改进。     

WRF模式物理参数化方案对一次局地大暴雨预报的影响研究

基于WRF(Weather Research and Forecasting)模式及其3Dvar(3-Dimentional Variational)资料同化系统,采用36、12、4 km嵌套网格进行快速更新循环同化和不同的微物理及积云对流参数化方案对比试验,对2011年5月8日鲁中一次局地大暴雨过程进行了研究。结果表明,快速更新循环同化地面观测资料是影响模式降水落区预报准确性的关键因素,不同的微物理和积云对流参数化方案主要影响降水强度预报。采用不同的微物理参数化方案和积云对流参数化方案进行降水预报对比试验表明,LIN方案和WSM6(WRF Single-Moment 6-class)微物理参数化方案对降水预报均较好,LIN方案降水预报较WSM6方案略强。4 km网格预报使用K-F (Kain-Fritsch)积云对流参数化方案或不使用积云对流参数化方案,预报的降水均较好。4 km网格使用旧的K-F积云对流参数化方案,预报的近地层大气风场偏弱,导致大气动力抬升作用偏弱,从而造成模式降水预报偏弱。     

多普勒雷达资料同化对北京“7.21”大暴雨过程模拟的影响

利用新一代中尺度预报模式WRFV3.6及其三维变分同化系统(WRF-3DVAR),对2012年7月21日北京地区的一次暴雨过程进行多普勒天气雷达径向风和反射率的同化试验研究,检验和探讨高时空分辨率多普勒天气雷达资料在改进模式初始场及提高对暴雨过程预报的准确率等方面的应用效果及意义。结果发现雷达资料同化能在初始场中加入反映产生降水的低层风场辐合的动力和锋前暖区充足的水汽条件的物理信息,可以在模式积分开始后改善初始场中水汽和风的分布,较快地模拟出局地对流系统的发生、发展,改善由于中尺度观测资料不足而造成的模式初始场里中尺度信息缺乏的问题。径向速度的同化增加了中尺度信息,对初始流场的调整较为显著,侧重于改进风场。而雷达反射率资料的同化对初始温、湿度场和强回波位置的调整更明显,侧重于改进湿度场。累计降水的预报结果显示,同化径向风资料对雨带的位置、范围有较好的改进,同化雷达反射率资料对暴雨强度的预报有明显的改善。通过降水ETS评分发现,同化常规观测试验相对于控制实验,对于5、15 mm和25 mm降水评分能增加0.1左右,径向风同化试验能增加0.2左右,反射率同化试验能增加0.3左右,而径向风加反射率试验增加的评分介于0.2～0.3。雷达资料对于提高定量降水预报的精确度有着重要作用。     

Evaluation of radar and automatic weather station data assimilation for a heavy rainfall event in southern China

To improve the accuracy of short-term(0–12 h) forecasts of severe weather in southern China, a real-time storm-scale forecasting system, the Hourly Assimilation and Prediction System(HAPS), has been implemented in Shenzhen, China. The forecasting system is characterized by combining the Advanced Research Weather Research and Forecasting(WRF-ARW)model and the Advanced Regional Prediction System(ARPS) three-dimensional variational data assimilation(3DVAR) package. It is capable of assimilating radar reflectivity and radial velocity data from multiple Doppler radars as well as surface automatic weather station(AWS) data. Experiments are designed to evaluate the impacts of data assimilation on quantitative precipitation forecasting(QPF) by studying a heavy rainfall event in southern China. The forecasts from these experiments are verified against radar, surface, and precipitation observations. Comparison of echo structure and accumulated precipitation suggests that radar data assimilation is useful in improving the short-term forecast by capturing the location and orientation of the band of accumulated rainfall. The assimilation of radar data improves the short-term precipitation forecast skill by up to9 hours by producing more convection. The slight but generally positive impact that surface AWS data has on the forecast of near-surface variables can last up to 6–9 hours. The assimilation of AWS observations alone has some benefit for improving the Fractions Skill Score(FSS) and bias scores; when radar data are assimilated, the additional AWS data may increase the degree of rainfall overprediction.     

High-resolution summer rainfall prediction in the JHWC real-time WRF system

The WRF-based real-time forecast system (http://jhwc.snu.ac.kr/weather) of the Joint Center for High-impact Weather and Climate Research (JHWC) has been in operation since November 2006; this system has three nested model domains using GFS (Global Forecast System) data for its initial and boundary conditions. In this study, we evaluate the improvement in daily and hourly weather prediction, particularly the prediction of summer rainfall over the Korean Peninsula, in the JHWC WRF (Weather Research and Forecasting) model system by 3DVAR (three-Dimensional Variational) data assimilation using the data obtained from KEOP (Korea Enhanced Observation Program). KEOP was conducted during the period June 15 to July 15, 2007, and the data obtained included GTS (Global Telecommunication System) upper-air sounding, AWS (Automatic Weather System), wind profiler, and radar observation data. Rainfall prediction and its characteristics should be verified by using the precipitation observation and the difference field of each experiment. High-resolution (3 km in domain 3) summer rainfall prediction over the Korean peninsula is substantially influenced by improved synoptic-scale prediction in domains 1 (27 km) and 2 (9 km), in particular by data assimilation using the sounding and wind profiler data. The rainfall prediction in domain 3 was further improved by radar and AWS data assimilation in domain 3. The equitable threat score and bias score of the rainfall predicted in domain 3 indicated improvement for the threshold values of 0.1, 1, and 2.5 mm with data assimilation. For cases of occurrence of heavy rainfall (7 days), the equitable threat score and bias score improved considerably at all threshold values as compared to the entire period of KEOP. Radar and AWS data assimilation improved the temporal and spatial distributions of diurnal rainfall over southern Korea, and AWS data assimilation increased the predicted rainfall amount by approximately 0.3 mm 3hr^?1.     

TOPOGRAPHIC DEPENDENT HORIZONTAL LOCALIZATION SCALE SCHEME IN GRAPES-MESO HYBRID EN-3DVAR ASSIMILATION SYSTEM

Based on the GRAPES-MESO hybrid En-3DVAR (Ensemble three-dimension hybrid data assimilation for Global/Regional Assimilation and Prediction system) constructed by China Meteorological Administration, a 7-day simulation (from 10 July 2015 to 16 July 2015) is conducted for horizontal localization scales. 48h forecasts have been designed for each test, and seven different horizontal localization scales of 250, 500, 750, 1000, 1250, 1500 and 1750 km are set. The 7-day simulation results show that the optimal horizontal localization scales over the Tibetan Plateau and the plain area are 1500 km and 1000 km, respectively. As a result, based on the GRAPES-MESO hybrid En-3DVAR, a topography-dependent horizontal localization scale scheme (hereinafter referred to as GRAPES-MESO hybrid En-3DVAR-TD-HLS) has been constructed. The data assimilation and forecast experiments have been implemented by GRAPES-MESO hybrid En-3DVAR, 3DVAR and GRAPES-MESO hybrid En-3DVAR-TD-HLS, and then the analysis and forecast field of these three systems are compared. The results show that the analysis field and forecast field within 30h of GRAPES-MESO hybrid En-3DVAR-TD-HLS are better than those of the other two data assimilation systems. Particularly in the analysis field, the root mean square error (RMSE) of u_wind and v_wind in the entire vertical levels is significantly less than that of the other two systems. The time series of total RMSE indicate, in the 6-30h forecast range, that the forecast result of En-3DVAR-TD-HLS is better than that of the other two systems, but the En-3DVAR and 3DVAR are equivalent in terms of their forecast skills. The 36-48h forecasts of three data assimilation systems have similar forecast skill.     

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。     

TOPOGRAPHY-DEPENDENT HORIZONTAL LOCALIZATION SCALE SCHEME IN GRAPES-MESO HYBRID EN-3DVAR ASSIMILATION SYSTEM

Based on the GRAPES-MESO hybrid En-3 DVAR(Ensemble three-dimension hybrid data assimilation for Global/Regional Assimilation and Prediction system) constructed by China Meteorological Administration, a 7-day simulation(from 10 July 2015 to 16 July 2015) is conducted for horizontal localization scales. 48 h forecasts have been designed for each test, and seven different horizontal localization scales of 250, 500, 750, 1000, 1250, 1500 and 1750 km are set. The 7-day simulation results show that the optimal horizontal localization scales over the Tibetan Plateau and the plain area are 1500 km and 1000 km, respectively. As a result, based on the GRAPES-MESO hybrid En-3 DVAR, a topography-dependent horizontal localization scale scheme(hereinafter referred to as GRAPES-MESO hybrid En-3 DVAR-TD-HLS) has been constructed. The data assimilation and forecast experiments have been implemented by GRAPES-MESO hybrid En-3 DVAR, 3 DVAR and GRAPES-MESO hybrid En-3 DVAR-TD-HLS, and then the analysis and forecast field of these three systems are compared. The results show that the analysis field and forecast field within 30 h of GRAPES-MESO hybrid En-3 DVAR-TD-HLS are better than those of the other two data assimilation systems. Particularly in the analysis field, the root mean square error(RMSE) of u_wind and v_wind in the entire vertical levels is significantly less than that of the other two systems. The time series of total RMSE indicate, in the 6-30 h forecast range, that the forecast result of En-3 DVAR-TD-HLS is better than that of the other two systems, but the En-3 DVAR and 3 DVAR are equivalent in terms of their forecast skills. The 36-48 h forecasts of three data assimilation systems have similar forecast skill.     

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。     

CMA-BJ V2.0系统华北地区降水预报性能评估

利用CMA-BJ V2.0系统在2021年汛期(6—9月)华北地区预报的平均日降水量和24 h内逐时降水量,评估不同水平分辨率(3 km和9 km)在降水量、有效降水时次占比、降水强度、降水日变化等方面的预报性能。结果表明:9 km和3 km分辨率预报均可较好地反映降水量和落区,捕捉平均日降水量大于8 mm的降水区域分布特征,但降水量级的预报较观测偏大;对小时降水量和有效降水时次占比日变化的预报与观测基本一致,但对傍晚的峰值预报偏强,且多个时段空报,同时高估了小时降水量。与9 km分辨率预报相比,3 km分辨率预报对有效降水时次占比随累积降水量的变化趋势与观测更接近,对小时有效降水时次占比日变化、峰谷值出现时间的预报也与观测更接近。9 km分辨率预报对弱降水过程的预报能力更优,而3 km分辨率预报对强降水过程的预报能力更优。