SMS-WARMS V2.0模式对中国西南地区降水预报能力的客观检验

本文采用标准降水检验方法、EDI方法和MODE方法对新一代上海区域中尺度模式SMS-WARMS V2.0模式2015年12月至2016年11月的西南地区降水预报效果进行评估。结果表明:(1)模式对西南地区四季的降水TS评分均较高,夏季和秋季相对更高,且在48 h内预报性能比较稳定。(2)预报偏差和TSS评分显示,模式对西南地区春、夏两季的各个量级降水预报均较实况偏多,而对秋季的大暴雨和冬季的大雨以上量级预报则相对偏少。总体而言,对西南地区的降水技巧呈现出预报成功率高于空报率的特征。(3)模式对西南地区的小雨、暴雨和大暴雨预报评分优于EC模式。(4)EDI检验显示模式对西南地区的极端降水有较高的预报技巧,对四川中部和东北部以及贵州西南部的极端降水预报技巧相对更高。(5)模式对2015年8月一次西南涡诱发的暴雨过程的空间落区预报较好,强度较实况偏强。(6)MODE方法统计结果表明,模式对西南地区暴雨预报的目标质心偏差较小,降水中心强度偏强。     

多数值模式对台风暴雨过程预报的空间检验评估

采用FSS评分(fractional skill score)和CRA方法(contiguous rain area)结合国家气象信息中心地面、卫星、雷达三源降水融合产品(CMPA_Hourly V2.1),对SHANGHAI_HR(SH)、GRAPES_MESO(MESO)、ECMWF_HR(EC)、GRAPES_GFS(GFS)四个模式2018年8月三次登陆台风暴雨过程的的降水预报进行了检验评估,对比分析了各模式的预报性能,得到结论如下:FSS评分相较于传统TS评分能够更好地通过量化的方式反映出不同模式的预报能力差别,而CRA方法能更全面详细地评估模式的误差来源;区域模式对于局地性强降水或大尺度降水的强中心预报相对于全球模式有一定优势,但全球模式对于较小量级降水的范围预报可参考性更好;对于"摩羯"、"温比亚"台风影响的两次过程,EC模式的预报位移误差明显偏西,同样的特征也表现在MESO和GFS对于"温比亚"台风影响的降水的预报;GFS模式对于降水范围、降水强度预报偏小、偏弱,EC模式预报略好于GFS模式但对于降水极值估计仍存在不足。相对而言,区域模式对于极值估计优于全球模式,SH模式对于极值的估计要优于MESO模式,但其预报降水存在范围、强度偏大的特征;大部分模式预报降水个体的误差主要来源于位移误差,强度误差和形态误差大致相当。     

数值模式对强台风“菲特”登陆期间预报能力评述

基于自动站观测和ECMWF再分析资料,针对中国气象局上海台风研究所区域高分辨率台风模式(Shanghai Tropical Cyclone High Resolution Analysis and Prediction System,STI-THRAPS)和业务常用的4个数值模式,即欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,EC)全球模式,美国全球预报系统(The Global Forecast System,GFS),日本气象厅(Japan Meteorological Agency,JMA)全球模式和我国T639(T639L60)全球模式,对1323号台风"菲特"登陆过程的预报性能进行了综合检验评估。结果显示:对暴雨以上的强降水预报STI-THRAPS有明显优势。仅有该模式对超过500 mm的极端降水做出预报,且各项评分均好于全球模式,漏报率也明显优于其他模式。对暴雨以下的降水预报各个模式差距不大。美国GFS和STI-THRAPS较好地预报了大风区,STI-THRAPS预报的风场与实况的空间相关程度最高。从漏报率上来看,STI-THRAPS模式的风场预报具有明显优势。虽然预报最大风速偏大,但是STI-THRAPS在24 h后的路径预报有较大优势。     

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。     

GRAPES-GFS模式暴雨预报天气学检验特征

本文采用天气学检验方法,对2016年度国家气象中心GRAPES全球数值预报系统(GRAPES-GFS)业务预报暴雨过程及2013-2015年部分回算个例进行了检验,并结合对比欧洲中期天气预报中心确定性预报模式(EC模式)和国家气象中心全球谱模式T639L60(T639模式)降水预报,梳理总结业务GRAPES-GFS模式预报性能优势和系统性偏差特征。被检验暴雨过程共38次,其中南方暴雨过程20次,北方暴雨过程6次,热带扰动或台风降水过程12次。依靠预报员主观天气学检验分析,从降水预报效果检验出发,结合主要影响天气系统和示踪物理量检验,梳理总结模式预报系统性偏差,以期全面发掘该业务预报模式性能。结果表明对短期时效内的降水预报,GRAPES-GFS模式预报稳定性较好,整体明显优于T639模式。但还存在诸如对对流性降水预报较实况偏北或对主雨带南侧暖区降水预报不足的偏差特征;另对弱高空波动背景下的对流性降水预报偏弱;而在降水预报强度大致正确的情况下,对降水系统南侧偏南气流控制区域预报湿度偏大,对副热带地区的低涡系统预报偏强。     

2014—2016年数值降水预报在天津的检验评估

对2014—2016年中国国家气象中心T639数值预报、日本细网格数值预报、欧洲中心细网格(EC thin)数值预报以及天津市乡镇指导预报产品中在天津地区降水预报分别进行检验。结果表明:所有模式降水的晴雨预报准确率均随预报时效的延长而下降。降水预报准确率在秋冬春季的预报效果明显好于夏季。EC thin产品在冬季降水的预报中优势更为明显,而指导预报及T639对5月、6月及9月天津地区局地降水多发期的降水更有指示意义。针对2014—2016年天津地区的23个暴雨日按影响系统分型并统计检验结果,暴雨日降水预报晴雨成绩较好有参考价值,而降水分级检验偏差较大。相对于局地性暴雨过程,区域性的暴雨过程数值预报有更为可靠的参考性。     

2016-2020年广东省定量降水预报检验评估

对2016-2020年全球模式ECMWF和区域模式GZ_GRAPES、基于模式的解释应用和广东省气象局发布的定量降水预报（QPF）进行检验和评估。结果表明:ECMWF和GZ_GRAPES模式对一般性降水预报技巧在逐年提升,对大雨或以上的降水预报技巧的提升缓慢。GZ_GRAPES对大雨以上降水的预报技巧和定量降水预报的精细时空分布均优于ECMWF,区域模式更易预报出中小尺度降水信息。分类暴雨评定表明,模式对台风暴雨预报最好、锋面暴雨次之、季风暴雨预报最差。模式的暴雨预报落区偏小、低估明显,预报员通过经验订正明显提升了暴雨预报评分,其中季风暴雨的订正量最大,但存在预报范围偏大、空报较高的问题。基于ECMWF集合预报的解释应用与预报员的定量降水预报能力相当,降水越强,解释应用技术的优势越明显,但对季风暴雨也存在严重低估或漏报。目前降水精细时空分布、季风暴雨、极端性暴雨等依然靠预报员的经验订正为主,随着集合预报模式和区域高分辨率模式能力的提升,将预报经验客观化并与数值预报解释应用技术结合是提升QPF的一个方向。      

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。     

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。     

集合动力因子暴雨预报方法研究

介绍了广义位温、湿热力平流参数、热力螺旋度、热力散度垂直通量、广义湿位涡、力管涡度、热力力管涡度、二级位涡、对流涡度矢量和波作用密度等宏观物理量的定义及其物理意义。个例分析表明,这些动力因子与降水系统发展演变密切相关,对地面观测降水有一定的指示作用。这主要是因为：（1）这些因子能够描述降水系统的动、热力垂直结构等共性特征;f2）这些因子大部分包含广义位温,而广义位温又与凝结潜热和相对湿度有关,因而这些因子也能描述降水系统的水汽场结构特点。以这些动力因子为基础建立了集合动力因子预报方法,该方法首先建立以GFS预报场资料为基础的单动力因子降水预报方程,然后根据其与观测降水的相关性,定义权重函数,对多个动力因子的降水预报进行权重平均,最后得到集合动力因子的降水预报。该预报方法可以充分发挥多个动力因子的优势,比较全面地反映暴雨过程的共性特征。长时间序列的统计检验表明,集合动力因子的降水预报评分略高于全球预报系统（GFS）模式自身的降水预报评分,表现在降水落区预报方面,集合动力因子的预报效果略优于GFS模式的自身预报,然而,在降水强度预报方面,集合动力因子和GFS模式都略有过度预报。集合动力因子预报方法计算量小,容易移植,可以提供降水预报产品,为预报员做暴雨预报提供支持。     

GFS预报产品在阿勒泰地区汛期降水预报中的应用检验

采用GFS（全球预报系统）产品预告图形资料,对阿勒泰地区2007-2008年汛期降水过程的预报能力进行统计检验,结果表明：GFS预报产品对汛期降水预报有一定的指导意义。     

集合预报产品在江苏省暴雨预报中的应用评估

利用2011—2015年6—8月TIGGE(THORPEX Interactive Grand Global Ensemble)数据集中欧洲中期天气预报中心(ECMWF,以下简称EC)的集合降水预报数据和江苏省70个基本站逐日24 h(20时至次日20时)降水数据,通过大量暴雨样本系统检验和评估了EC集合预报及多种后处理释用产品对江苏暴雨的预报能力。结果表明:作为集合预报的初级产品,集合平均对暴雨的预报存在明显的漏报率,TS预报评分尚不及EC确定性预报;集合预报不同成员间对暴雨的预报技巧差异大,其最优成员组合的预报能力显著优于EC确定性预报,表明集合预报具有较大的应用潜力;在多种集合预报后处理释用技术中,最大值、最优百分位、降水偏差订正频率匹配法、概率预报、集合异常预报法和杜-周排序法(最大值法)的平均TS评分均较高,超过10%,其次90%分位数、融合、融合-概率匹配和杜-周排序法(集合平均或中位值法)的预报效果也均优于EC确定性预报。集合中位值、概率匹配方法对江苏暴雨的预报评分低于集合平均预报,在暴雨预报上的参考价值相对较低。该评估结果进一步加深了对各集合预报产品区域暴雨预报能力的认识,为预报员更直接快速地选取有效的集合预报产品提供参考。     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验.对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员.     

2005年西南区域集合预报系统试验与检验

在2004年利用MM5模式构造西南区域集合预报系统的基础上,2005年增加了多初值扰动,并在2005年汛期进行了准业务试验。对四川区域152个站的降水检验表明,集合预报对四川区域内小雨到暴雨量级的降水预报有明显的预报技巧,对大暴雨的预报技巧不显著;在四川盆地,预报暴雨发生位置比实际发生区域略偏西、偏北;对于小雨到暴雨量级的降水,集合预报优于T213和大部分集合预报成员。     

数值预报模式在新疆塔城地区降水预报中的检验

利用德国、日本、T639、EC细网格模式降水预报资料,采用客观分析和T_S评分检验方法对2012年1月至2016年3月塔城地区降水的预报效果进行检验和对比分析。结果表明:EC细网格模式对盆地强降水中心、最大降水量、降水开始及结束时间预报的T_S评分最高,T_S评分次高为南部地区,而和丰地区最差;德国模式对盆地降水落区预报的T_S评分最高,EC细网格模式对南部及和丰地区降水落区预报的T_S评分最高;除和丰外,4种模式对塔城地区冷季降水预报的T_S评分均高于暖季,对24 h各级别降雪预报的T_S评分高于降雨;随着预报时效延长、降水量级增大,4种模式对24—72 h降雨(雪)及24 h各级别降雨(雪)的预报准确率随之下降,其中24 h降雨(雪)、小雨(雪)的T_S评分最高。     

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。     

2023年广东龙舟水特征及模式降水预报检验

为进一步了解各家模式在龙舟水期间的预报效果，对全球模式ECMWF、NCEP以及区域模式CMA-GD、CMA-TRAMS在龙舟水期间的降水要素预报进行了检验，结果表明：(1)对于小雨以上量级降水，全球和区域模式TS评分接近，但全球模式的空报率偏高；对于中雨以上量级降水，全球模式TS评分高于区域模式(ECMWF最优);对于大雨以上和暴雨以上量级降水，区域模式TS评分明显高于全球模式(CMA-GD最优),而全球模式的漏报率明显偏高。(2)各家模式对于不同区域的降水(以大雨以上降水为例)预报表现不尽相同：NCEP对粤东(潮州除外)市县的预报明显优于其他模式；区域模式对西北部和粤西市县的预报整体优于全球模式；对珠江三角洲和东北部市县的预报，CMA-GD表现最优。     

基于多中心TIGGE资料的区域GRAPES集合预报初步试验

基于全球交互式大集合(TIGGE)预报资料,研究利用TIGGE全球集合预报大尺度不确定信息,构造区域GRAPES集合预报的初值扰动方法和试验方案,并对2008年7月22日发生在黄淮地区的一次暴雨过程进行了集合预报试验.试验结果表明:构造的初值扰动场能够表征TIGGE全球集合预报初值中的大尺度不确定信息,区域GRAPES集合预报系统可以捕获极端降水天气,对降水预报具有显著的改进作用,集合预报平均及降水概率预报能有效地反映暴雨降水特点,暴雨发生概率较高的区域与实况对应关系较好.积分初期,暴雨的预报一致性(集合离散度)和预报技巧(集合平均预报均方根误差)之间的关系显示了区域GRAPES集合预报系统是合理的,但积分后期,由于模式在积分过程中的动力调整作用,减小了初值扰动对预报结果的影响,限制了集合离散度的增长速度.     

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。