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。     

GRAPES区域集合预报系统应用研究

为发展GRAPES(Global and Regional Assimilation and Prediction System)区域集合预报系统(GRAPES Regional Ensemble Prediction System,GRAPES-REPS),采用集合变换卡尔曼滤波(ETKF)初值扰动方法以及多物理过程组合的模式扰动方法,基于业务区域模式GRAPES_MesoV3.3.2.4构建了区域集合预报系统,进行了连续40 d的批量试验,重点分析了ETKF初值扰动的结构及其演变特征,并通过概率预报检验方法对GRAPES-REPS进行了集合预报系统性能检验和降水预报检验,分析了该系统对强降水个例的预报效果。试验结果表明,GRAPES-REPS能产生较合理的集合预报初值扰动,扰动结构随流型依赖并对观测有较好的响应,且扰动成员相互正交。扰动总能量分析表明集合扰动能够随预报时效保持合理增长状态。集合预报检验表明集合预报结果优于控制预报,集合成员间在72 h预报时效内能保持合理的集合离散度。将该区域集合预报系统与业务上基于WRF模式的区域集合预报系统WRF-REPS进行了降水预报对比,表明GRAPES-REPS的降水预报能力表现要优于业务WRF-REPS。强降水个例分析表明集合预报能较好预报出强降水中心,预报效果明显优于控制预报。     

GRAPES-REPS西南低涡预报检验评估

利用2015年6—8月GR APES-REPS(Global/RegionalAssimilation and Prediction System-Regional Ensemble·Prediction System)区域集合预报资料,并设计西南低涡格点资料客观识别方法对西南低涡中心位置进行定位,首先评估GRAPES控制预报对西南低涡的预报准确性,之后挑选出四次生命史较长的西南低涡过程,分析评估GRAPES-REPS对西南低涡发生、发展、移动及降水过程集合预报性能。结果表明:(1)GRAPES模式对西南低涡预报的命中率较高,空报率略大于漏报率。(2)GRAPES-REPS对西南低涡发生和发展的预报效果较好,绝大部分集合预报成员能预报西南低涡发生和发展过程,但对西南低涡发生时间预报总体偏早。(3)GRAPES-REPS对西南低涡移动路径在24 h预报时效内比较合理,且集合预报平均明显优于控制预报,24 h之后东移型西南低涡移动路径明显偏北。(4)GRAPES-REPS对西南低涡强度预报总体偏强,表现为中心正涡度值偏大,位势高度值偏低。(5)24 h预报时效内,西南低涡触发的小雨到大雨量级的降水概率评分均有较好表现,且落区与实况接近,而暴雨落区个别略有偏北,但基本吻合。24 h之后,由于东移型西南低涡移动路径偏北导致模式预报降水落区偏北。可见,模式对西南低涡强降水有一定预报能力,因此,提高GRAPES-REPS中尺度集合预报能力,将有助于改进西南低涡强降水预报。     

两个集合预报系统对秦岭及周边降水预报性能对比

利用欧洲中期天气预报中心 (ECMWF)、美国大气环境预报中心 (NCEP) 集合预报系统 (EPS) 降水量预报资料,CMORPH (NOAA Climate Prediction Center Morphing Method) 卫星与全国3万个自动气象站降水量融合资料,基于技巧评分、ROC (relative operating characteristic) 分析等方法,对比两个集合预报系统对秦岭及周边地区的降水预报性能。结果表明:两个系统均能较好表现降水量的空间形态,对于不同量级降水,ECMWF集合预报系统0~240 h控制及扰动预报优于NCEP集合预报系统,但NCEP集合预报系统264~360 h预报时效整体表现更好; ECMWF集合预报系统0~120 h大雨集合平均优于NCEP集合预报系统,两个系统集合平均的预报技巧整体低于其控制及扰动成员预报,这种现象ECMWF集合预报系统表现更为显著; ECMWF集合预报系统降水预报概率优于NCEP集合预报系统。ROC分析显示,随着预报概率的增大,ECMWF集合预报系统在命中率略微下降的情况下,显著减小了空报率,NCEP集合预报系统则表现出高空报、高命中率。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

随机参数扰动方法对中国冬季降水集合预报的影响

降水数值预报有很大的不确定性,与降水预报密切相关的物理过程参数化方案中关键参数的不确定性是降水数值预报误差来源之一,对这些参数引入随机扰动的随机参数扰动方法（Stochastically Perturbed Parameterization,简称SPP方法）可以代表模式降水预报的不确定性,是国际集合预报前沿研究领域。为了认识该方法能否代表中国冬季降水数值预报的不确定性,为业务应用提供科学依据,基于中国气象局中尺度区域集合预报模式（Global/Regional Assimilation and Prediction System-Regional Ensemble Prediciton System,简称GRAPES-REPS）,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等四个参数化方案中选取了16个与降水密切相关的关键参数,引入了随机参数扰动方法,并通过2018年12月12日至2019年1月12日总计31天的冬季集合预报试验,对比分析了SPP方法对等压面要素及降水的集合预报效果。结果显示:在冬季应用SPP方法时,等压面要素的概率预报技巧总体来说优于无SPP方法扰动的对比试验,且对于低层、近地面要素的改进效果优于对中高层等压面要素的改进;但对降水概率预报而言,尽管检验评分数值略优于对比预报试验,但并未通过显著性检验,这表明,在东亚冬季风影响下,随机参数扰动方法对中国冬季降水概率预报技巧没有明显的改进。究其原因,可能是由于SPP方法主要代表对流性降水预报的不确定性,而中国冬季降水过程主要与斜压不稳定发生发展有关,模式降水以大尺度格点降水为主,对流性降水较少,故对冬季降水预报改进不明显,这为业务集合预报模式中应用随机参数扰动方法提供了科学依据。     

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。      

四川冕宁“6.26”大暴雨模式预报检验

运用气象观测资料和GRAPES、ECMWF、SWCWARMS_9KM(简称SWC)模式预报资料,对冕宁“6.26”大暴雨天气过程模式预报性能进行检验。结果表明:（1）对于24 h累计降水预报,中尺度区域模式优势明显,量级与落区预报效果均为最好,其中GRAPES_3KM模式预报落区分布与实况重合度较高,暴雨及以上量级降水TS评分最高。（2）GRAPES_3KM模式最大小时雨强10 mm以上降水落区与实况大雨及以上量级降水落区匹配度最高,ECMWF模式24 h累计降水多物理量订正产品及短时强降水概率产品次之。（3）SWC及GRAPES_3KM模式24 h累计降水极值点相比实况略偏北,量级偏小。对于小时降水峰值出现时间,SWC模式偏早4 h,GRAPES_3KM模式偏早3 h。（4）GRAPES_GFS模式环流背景预报更接近实况,SWC模式能较好地预报出冕宁上空中尺度辐合系统的存在。      

中尺度降水集合预报随机参数扰动方法敏感性试验

中尺度降水模式预报具有很大的不确定性,为更好地描述与模式降水预报密切相关的物理过程关键参数的不确定性,基于中国气象局GRAPES（Global/Regional Assimilation and Prediction System）中尺度区域集合预报模式,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等4个参数化方案中选取了18个关键参数,设计了一种随机参数扰动方案（Stochastically Perturbed Parameterization,SPP）,并通过2015年6—7月总计10 d的随机扰动集合预报试验,对比分析了SPP方案对不同物理过程参数扰动敏感性、随机场时、空尺度敏感性、能量变化特征及其集合预报效果。结果显示,对所选择的任一物理过程参数化方案增加SPP扰动后,降水及等压面要素的概率预报技巧优于无SPP扰动的预报,而扰动积云对流和边界层过程中的参数较扰动云微物理过程中的参数影响更显著,且同时扰动积云对流、云微物理、边界层及近地面层参数化方案中的18个参数的集合预报效果优于扰动任何单一物理过程中的部分参数,表明SPP方案能够有效地提高中尺度降水概率预报技巧;从能量变化特征可知,不同物理过程的参数扰动对动能、内能和总能量的影响层次和特征有所不同,但总体而言,扰动前后各项能量基本相同;随机场时、空尺度敏感性试验发现,SPP扰动随机场时间、空间相关尺度对集合预报效果有明显影响,当扰动随机场选用12 h抗相关时间及截断波数20时,集合预报结果最优。上述结果表明,SPP随机参数扰动方案不仅能够有效提高集合概率预报效果,还能够提高集合降水概率预报技巧,具有良好的业务应用与发展前景。      

多模式降水资料在贵州的检验分析

本文检验了2020年3月至2021年2月ECMWF和GRAPES以及中央台格点产品（以下简称SCMOC）和省台格点产品（以下简称SPCC）4家降水预报产品逐24h未来5天在贵州的预报质量,结论如下：（1）ECMWF和SCMOC与实况的相关系数最高,SCMOC和SPCC预报降水的变化幅度较观测偏大,而GRAPES预报降水的变化幅度较观测则是明显偏小。（2）SCMOC的晴雨准确率最高,除在72h预报时效SPCC的准确率略高于SCMOC外,其余预报时效SPCC准确率均低于SCMOC,表明SPCC的订正能力需要进一步提升。（3）在小雨量级,4种降水预报产品的TS评分相差不大,ECMWF和GRAPES的ETS评分明显低于SCMOC和SPCC,其中GRAPES的TS评分在5个预报时效内均高于ECMWF。在中雨量级,前3个预报时效内ECMWF的TS和ETS评分均高于其他三家,ECMWF在5个预报时效内预报有降水的次数大于实况出现的降水次数,但空报次数并不是最多的,在后2个预报时效内,SCMOC的TS和ETS评分均是最高的,但与其他家相差不大。在大雨量级,24h和96h预报时效ECMWF的TS和ETS评分均是最高的,而在48h、72h、120h预报时效SCMOC的TS和ETS评分是最高的。在暴雨及以上量级,前3个时效内SPCC 的TS和ETS评分均是最高,且48h的TS评分空间分布也是最优的,表明SPCC对暴雨及以上量级在前3个预报时效内订正能力较好。     

ECMWF集合预报系统对秦岭周边地区降水确定性预报的性能分析

尽管确定性预报不是集合预报系统(EPS)的主要目的和应用方向,但其每一个成员的预报表现决定了集合预报系统的预报性能,集合平均也是实际预报业务的一个重要参考指标。为此,利用2013~2015年5~10月的欧洲中期天气预报中心(ECMWF)集合预报系统的降水预报资料,CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与全国3×10~4余个自动气象观测站的逐小时降水量融合资料,研究ECMWF集合预报系统对秦岭周边地区逐日降水的控制预报、成员预报、集合平均的预报能力,并探索提高降水集合平均预报性能的有效方法。主要结论如下:(1)无论是集合平均还是控制预报,整体上都较好的刻画了秦岭周边地区降水的空间形态,比较而言,控制预报能够更好的表现了降水的方差变化。(2)泰勒分析表明,集合平均的降水方差随预报时效增加单调减小,控制预报的方差变化随预报时效的增长振荡较小,其相关系数略优于集合平均。(3)技巧评分表明,集合平均使小雨(降水发生频次)的预报偏差显著增加,增大了空报率;使大雨以上的降水预报偏差减小,增大了漏报率,从而使得大多数情况下,集合平均TS(Threat Score)、ETS(Equitable Threat Score)评分低于控制及扰动成员预报。分析认为这主要是由于降水这一要素的偏态分布特性引起的。(4)集合平均的显著贡献在于能够较好的指示可能发生降水的空间位置。通过阈值限定,调整预报偏差,减少(增大)其对小雨(暴雨)的预报频率,能够使集合平均的TS、ETS评分大幅度提升,预报技巧显著优于成员预报和控制预报。目前,预报偏差Bias订正方法已成功应用于陕西省精细化格点预报系统中。     

ECMWF集合预报产品在广西暴雨预报中的释用

基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。     

GRAPES-MESO模式不同空间分辨率对中国夏季降水预报的影响分析

国家气象中心业务运行的中尺度数值预报系统GRAPES-MESO（Global/Regional Assimilation and Prediction System mesoscale model）在升级到4.0版本后采用了与以往版本不同的三维空间分辨率设置,本文通过计算精度分析、个例分析及统计分析的方法详细阐述了两者水平分辨率和不等距垂直分层的差异,并由此深入分析了不同模式三维空间分辨率对中国夏季汛期降水预报的影响。主要结论表明,GRAPES-MESO预报系统4.0版本在水平分辨率提高到10 km并同时使用更为合理的加密垂直分层设置后,不仅提高了计算精度和计算稳定性,同时仍能满足业务预报的时效要求。对个例降水特征的分析结果表明,提高模式空间分辨率可以在一定程度上改善对降水中心的预报,但对降水落区的预报改进较为有限。对2012年7月整月批量试验的统计检验结果表明,月平均技巧评分总体变化不大,但对逐日大到暴雨评分提高较大,通过各气象要素统计检验分析可以认为,模式空间分辨率提高的主要作用是通过降低了中低层高度场、温度场和水平风场的误差,改进了对流层中层环流背景场以及对流层低层降水直接触发系统的强度预报,从而能够提高大到暴雨的降水评分。     

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。      

多源降水预报集成技术应用研究

基于欧洲中期天气预报中心全球高分辨率预报模式ECMWF、中国自主研发的新一代业务化区域数值模式GRAPES_Meso和WRF中国全国区域预报模式的降水预报结果进行未来3 d降水集成预报。以中国地面-卫星-雷达三源融合逐时降水格点产品(CMPA-Hourly,V2.0)作为"观测值"进行建模,采用消除偏差多模式平均法和基于无偏平均绝对误差集成法对中国大陆地区进行降水集成预报,同时采用2800个国家自动气象站降水观测数据对降水集成预报效果进行检验。结果表明：基于无偏平均绝对误差的降水集成方法能够综合每个模式成员降水预报场的优势,提供一种更为稳定可靠且具有更高分辨率的优质精细化降水预报产品;其在试验期间对中国大陆地区汛期的降水预报ETS评分,优于消除偏差多模式平均降水集成预报和最优单模式降水预报,BIAS评分更接近于1,与"实况"的距平相关系数也明显提高,是对降水大值捕捉能力较优的一种集成方法,尤其对中雨到暴雨量级预报的改进较好。     

GRAPES区域集合预报尺度混合初始扰动构造的新方案

集合预报初始扰动能否准确反映预报误差的结构特征是决定区域集合预报质量的关键因素之一。本文针对GRAPES区域数值预报模式,发展设计了一种基于资料同化思想的混合尺度初始扰动构造新方案。该方案以全球大尺度信息为背景场,区域模式预报作为观测资料,借助GRAPES三维变分同化系统,将高质量的全球大尺度信息与区域模式预报中质量较高的中小尺度信息有效融合,构造混合尺度区域集合预报初始扰动,并通过个例试验和批量试验,比较分析了新方案和原区域集合预报的性能。试验结果表明,基于资料同化构造的初始扰动能够有效融合全球大尺度信息和中小尺度天气系统的信息,其降水概率预报更具参考价值。总体上看,区域集合预报混合初始扰动新方案能够较好地改进区域集合预报质量,尤其是对高度场和温度场效果更为显著,但对风场的集合预报性能影响略小。     

新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验

利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果。通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育法。2)分数技巧评分比公平技巧评分更好地反映对流尺度集合预报能力,特别是在大暴雨量级降水评估上。3)降水评分结果显示,集合平均对于小雨、中雨和大雨级别降水的预报技巧高于概率匹配平均,概率匹配平均对于暴雨和大暴雨级别降水更有优势。     

GRAPES区域集合预报两种侧边界扰动方法对比试验

中国气象局数值预报中心自2014年建立了区域集合预报业务系统,其使用的侧边界扰动由全球集合预报系统动力降尺度得到。为深入了解侧边界扰动对区域集合预报的影响,基于15 km水平分辨率的区域集合预报模式,使用动力降尺度方法和尺度化滞后平均法(scaled lagged average forecasting,SLAF)设计构造了两种侧边界扰动方案,并开展了2015年7月共6天的集合预报试验,利用集合均方根误差、集合离散度、连续分级概率评分、离群值、Brier Score及相对作用特征曲线面积等概率预报检验方法进行了多方面检验,分析了两种侧边界扰动方案对区域集合预报质量的影响。结果表明:动力降尺度侧边界扰动方案(DOWN)的扰动总能量在各垂直层次均大于SLAF方案,使得边界上前者的离散度大于后者,集合扰动增长更为合理;对于等压面要素和地面要素,DOWN方案的离散度、Outlier、CRPS等评分优于SLAF方案,反映了DOWN方案构造的侧边界扰动更加合理;在降水概率预报技巧方面,SLAF方案在评分上具有一定优势,但评分的提高没有通过显著性水平检验,因此认为两种方案对降水预报的改进基本相当。     

GRAPES区域集合预报系统对登陆台风预报的检验评估

针对2015年7—9月登陆中国大陆沿海的台风,利用GRAPES-REPS区域集合预报资料和集合统计诊断分析方法,对登陆台风的移动路径、时间、地点、强度和降水等进行检验评估,以期为预报员应用GRAPES登陆台风概率预报提供依据。检验结果表明,(1)集合平均移动路径要优于控制预报,集合预报各成员登陆地点存在20~340 km差异,但实况登陆地点均能落在集合成员登陆地点中。(2)对24 h和48 h登陆地点误差而言,集合平均较控制预报更接近实况。(3)随着预报时间的趋近,集合平均、控制预报和集合成员登陆地点距离误差逐渐缩小,登陆地点空间位置预报也没有明显的系统性误差。(4)集合成员对台风登陆时间预报偏早,平均提前2.3 h。(5)在强度预报中,尽管最低气压和近中心最大风速存在登陆前偏弱而登陆后偏强的趋势,但登陆点预报值区间包含了实况观测值,表明GRAPES-REPS集合预报能够较好展示多种可能信息。(6)不同量级降水AROC评分为0.56~0.76,具有预报参考价值;另外AROC评分的高低及台风暴雨落区的准确性与台风登陆点和登陆时间误差密切相关。可见,GRAPES-REPS区域集合预报可以在台风登陆地点、时间、强度和降水预报等方面提供更多的预报不确定性信息,有助于做出正确的预报决策。