臺風“杜蘇芮”2305影響福建期間DSAEF_LTP模型降水預報檢驗

摘要 為了評估改進的動力統(tǒng)計相似集合預報登陸臺風降水模型（Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation，DSAEF_LTP）在2023年第5號超強臺風“杜蘇芮”影響福建地區(qū)的表現(xiàn)，對其預報的臺風過程降水量進行常規(guī)檢驗和空間檢驗，并與歐洲中期天氣預報中心（European Centre for MediumRange Weather Forecasts，ECMWF）數(shù)值預報降水產(chǎn)品（以下簡記為“ECMWF”）、福建省氣象局最優(yōu)TS（threat score）評分訂正法（optimal TS，OTS）訂正降水產(chǎn)品（以下簡記為“FZECMOS”）結(jié)果進行對比。分析表明：（1）DSAEF_LTP模型對福建沿海強降水落區(qū)和東北部強降水中心的預報接近實況，100 mm及以上和250 mm及以上等極端降水量TS評分比ECMWF和FZECMOS提升明顯，但DSAEF_LTP模型存在特大暴雨預報范圍顯著偏小等缺點。（2）在100 mm及以上和250 mm及以上量級，MODE（Method for Objectbased Diagnostic Evaluation）空間檢驗顯示，DSAEF_LTP模型在整體相似度上明顯優(yōu)于ECMWF和FZECMOS，尤其在對孤立小區(qū)域強降水的預報性能方面表現(xiàn)出色。（3）隨著降水檢驗量級的增加，DSAEF_LTP模型預報產(chǎn)品與實況重疊面積之比也增大，表明DSAEF_LTP模型在極端降水方面的預報效果更加突出。（4）DSAEF_LTP模型還能夠根據(jù)最新的相似路徑實況和預報，調(diào)整篩選歷史相似臺風，合理保留相似臺風及其降水分布，使得集合預報效果得以改善。

關鍵詞 DSAEF_LTP模型；臺風“杜蘇芮”；臺風過程降水量；預報檢驗

中圖分類號： P732.7;P457.6文獻標志碼： A文章編號： 20963599（2025）01004514

DOI：10.19513/j.cnki.hyqxxb.20240426001

Abstract To assess the performance of the improved Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation （DSAEF_LTP model） during the impact of Super Typhoon Doksuri （2305） on the Fujian region， the forecast typhoon precipitation by the DSAEF_LTP model is evaluated by using conventional and spatial verification methods. The results are compared with the ECMWF （European Centre for MediumRange Weather Forecasts） numerical prediction products （hereafter referred to as ECMWF） and the revised precipitation products of Fujian Meteorological Service based on OTS （optimal threat score） （hereafter referred to as FZECMOS）. The main findings are summarized as follows. （1） The DSAEF_LTP model forecast of intense precipitation distribution in the coastal areas of Fujian and the intense precipitation center in the northeastern part of Fujian closely align with actual observations. The TS values of the DSAEF_LTP model show significant improvement compared to ECMWF and FZECMOS at the precipitation equal to or greater than 100/250 mm. However， the DSAEF_LTP model has shortcomings such as a significantly smaller forecast area for very heavy rainstorm. （2） At the precipitation equal to or greater than 100/250 mm， the spatial verification results of MODE （Method for Objectbased Diagnostic Evaluation） reveal that the DSAEF_LTP model outperforms ECMWF and FZECMOS in overall similarity， particularly in forecasting intense precipitation in isolated small areas. （3） As the magnitude of precipitation increases， the overlap area between the DSAEF_LTP model forecast products and the observations also increases， indicating the model’s effectiveness in forecasting extreme precipitation. （4） The DSAEF_LTP model demonstrates its ability to flexibly adjust and screen historically similar TCs （tropical cyclones） according to the latest observations and forecast of tracks， allowing for the reasonable retention of similar TCs and their associated precipitation distributions， which enhances the effect of ensemble forecast.

Keywords DSAEF_LTP model （Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation）; Typhoon Doksuri; typhoon precipitation; verification of forecast

引言

臺風所帶來的強降水可能引發(fā)山洪、泥石流以及城市內(nèi)澇等次生災害，對沿海城市的人民生命財產(chǎn)安全構(gòu)成嚴重威脅。福建位于中國東南沿海，擁有漫長的海岸線，使得西北太平洋臺風有較高的登陸概率或?qū)υ搮^(qū)域產(chǎn)生顯著影響［1-2］。因此，迫切需要提高登陸熱帶氣旋（landfalling tropical cyclone，LTC）降水，尤其是極端降水的準確預報能力，以加強對此類復合災害事件的預測和應對。

數(shù)值天氣預報模式能夠提供臺風登陸期間的降水預報產(chǎn)品。此外，還有專門針對臺風預報的數(shù)值模式，如國家氣象中心基于中尺度數(shù)值模式（China Meteorological Administration Mesoscale Model，以下簡記為“CMAMESO”）開發(fā)的區(qū)域臺風數(shù)值預報系統(tǒng)（China Meteorological Administration_Regional Mesoscale Typhoon Numerical Prediction System，以下簡記為“CMATYM”）［3］。相關的檢驗表明，CMATYM在120 h內(nèi)的路徑和強度預報方面接近國際水平，在實際業(yè)務中具有重要的參考價值［4］。廣州熱帶海洋氣象研究所開發(fā)并業(yè)務運行的南海臺風模式（Tropical Regional Assimilation Model for the South China Sea，簡記為“TRAMS”）主要用于為華南沿海地區(qū)提供南海區(qū)域的臺風業(yè)務數(shù)值預報產(chǎn)品［5］。此外，經(jīng)過訂正的數(shù)值模式降水預報產(chǎn)品和人工智能降水量預報產(chǎn)品也在登陸臺風降水中得到廣泛應用。例如，姜麗黎等［6］采用動力與統(tǒng)計相結(jié)合的方法，對25個登陸中國的臺風引起的極端降水事件進行概率預報研究，結(jié)果顯示該方法具有一定的預報技巧，能準確預報多數(shù)站點的極端降水，但預報范圍略偏大，空報率較高。Ren等［7-8］、Jia等［9］提出動力統(tǒng)計相似集合預報（Dynamical-Statistical-Analog Ensemble Forecast，DSAEF）理論，初步建立登陸臺風降水（landfalling typhoon precipitation，LTP）預報的DSAEF_LTP模型，通過在華東、華南及全國范圍的試驗和檢驗，表明該模型在臺風極端降水應用方面相對于國內(nèi)外數(shù)值模式有明顯優(yōu)勢［10-13］。Su等［14］在模型中引入臺風強度篩選因子，增加區(qū)域相似因子，并改進了集合預報方案，利用改進后的DSAEF_LTP模型進行登陸福建臺風降水預報對比試驗，從而建立了影響福建的臺風降水預報模型。

2305號臺風“杜蘇芮”于2023年7月28日登陸福建泉州，影響中國東部14省（區(qū)、市），造成嚴重災害損失。在臺風降水影響前，數(shù)值模式預報顯示該次臺風對福建地區(qū)有造成強降水的可能性，Su等［14］改進后的DSAEF_LTP模型也在此次強降水過程中實現(xiàn)業(yè)務化運行，提供“杜蘇芮”臺風過程的降水量預報產(chǎn)品。此文對改進后的DSAEF_LTP模型預報產(chǎn)品進行檢驗，與數(shù)值模式產(chǎn)品、客觀訂正產(chǎn)品進行對比，以評估模型產(chǎn)品的性能，并為模型的進一步改進提供方向，目的是提高臺風過程降水量客觀預報水平。

1臺風概況

2305號臺風“杜蘇芮”于2023年7月21日08時（北京時，下同）生成，其路徑和強度見圖1?！岸盘K芮”生成后穩(wěn)定向西偏北方向移動，并于28日09：55在泉州晉江沿海登陸，登陸時為強臺風級，中心最大風力為15級（50 m·s-1）?！岸盘K芮”登陸后強度逐漸減弱，并繼續(xù)向北偏西方向移動橫穿福建，于28日22時前后進入江西境內(nèi)［15-16］。“杜蘇芮”對福建的影響嚴重，臺風移動路徑繞過菲律賓呂宋島和中國臺灣島，內(nèi)核結(jié)構(gòu)保持較為完整，最終正面登陸閩南沿海，風雨的破壞力給福建帶來巨大損失。

受臺風“杜蘇芮”直接登陸影響，7月26—29日福建沿海普降暴雨到大暴雨，局地特大暴雨。福州市區(qū)、閩侯、莆田市區(qū)、仙游、泉州南安日降雨量超過1961年以來歷史極值紀錄，莆田市區(qū)日降雨量破全省國家級氣象觀測站最大日降雨量歷史紀錄。臺風“杜蘇芮”共造成福建266.69萬人受災，農(nóng)作物受災面積達37 396.27 hm2，倒塌和嚴重損壞房屋3 357間，直接經(jīng)濟損失達147.55億元。

2數(shù)據(jù)和方法

2.1資料

鑒于主要降水時段為“杜蘇芮”臺風登陸前的外圍螺旋雨帶降水和臺風登陸后的本體降水及尾流降水，此研究中實況和用于對比分析的數(shù)值模式降水總量的統(tǒng)計時段為2023年7月26日08時—29日08時。所用資料包括：

（1）1960—2018年中國2 027個國家級氣象觀測站逐日（20時—次日20時）降水資料，該資料包括福建地區(qū)的66個地面站點數(shù)據(jù)。

（2）2023年7月26日08時—29日08時臺風“杜蘇芮”影響期間福建地區(qū)66個地面站點降水數(shù)據(jù)，該地面站點與（1）中站點位置一致。

（3）1979年以來歐洲中期天氣預報中心（European Centre for MediumRange Weather Forecasts，ECMWF）ERA5資料（https：//cds.climate.copernicus.eu/）中的風場、位勢高度場和水汽等數(shù)據(jù)。

（4）DSAEF_LTP模型降水預報結(jié)果和數(shù)值模式產(chǎn)品及訂正預報產(chǎn)品。利用改進后的DSAEF_LTP模型生成臺風“杜蘇芮”影響福建的過程降水預報產(chǎn)品，預報起報時間為7月25日08時，預報時效為96 h。使用的對比預報產(chǎn)品是ECMWF數(shù)值預報降水量預報產(chǎn)品（以下簡記為“ECMWF”）和福建省氣象局利用最優(yōu)TS（threat score）評分訂正法（optimal TS，OTS；即“福建OTS算法”）生成的訂正降水產(chǎn)品［17］，該降水產(chǎn)品為訂正后的ECMWF降水預報產(chǎn)品（以下簡記為“FZECMOS”）。ECMWF和FZECMOS的水平分辨率分別為9 km×9 km和3 km×3 km。在對比檢驗中，將上述兩類數(shù)據(jù)插值到本節(jié)（1）中所述福建地區(qū)站點上。ECMWF的起報時間為7月24日20時，過程降水預報時效為108 h；FZECMOS的起報時間為7月25日08時，過程降水預報時效為96 h。

（5）所使用的臺風最佳路徑資料集來自中國氣象局上海臺風研究所，數(shù)據(jù)包括每6 h的臺風位置和強度［18］，時間為1960—2018年。臺風“杜蘇芮”的實時路徑采用中央氣象臺實時下發(fā)的報文信息（http：//www.nmc.cn/publish/typhoon/message.html），路徑預報信息采用中央氣象臺主觀路徑預報。[HJ2.35mm]

2.2方法

2.2.1DSAEF_LTP模型

文中所使用的DSAEF_LTP模型運行過程主要有以下4個步驟（圖2）：獲取目標熱帶氣旋（tropical cyclone，TC；對其進行過程降水預報的TC）路徑、構(gòu)建廣義初值、初值相似性判別、LTC降水集合預報。第一是將起報時刻之前的目標TC觀測路徑和之后的目標TC預報路徑相結(jié)合，構(gòu)成目標TC的完整路徑，其中預報路徑采用基于中央氣象臺主觀預報的TC路徑預報結(jié)果。第二是構(gòu)建廣義初值，即構(gòu)建對目標TC過程降水有影響的若干變量的初值。除了路徑這一重要特征外，還有許多其他特征，如TC登陸季節(jié)、TC其他自身特征（如強度、移速、結(jié)構(gòu)等）和環(huán)境場特征（如季風、副熱帶高壓、急流等）對于TC降水的形成十分重要，故需要逐步將這些特征的相似性（季節(jié)相似、TC強度相似、TC移速相似、TC結(jié)構(gòu)相似、季風相似、副熱帶高壓相似等）考慮進來。第三是初值相似性判別。在既定的相似性區(qū)域內(nèi)，計算目標TC與所有歷史TC（1960年以來，目標TC之前）路徑之間的TC路徑相似面積指數(shù)（track similarity area index，TSAI）并升序排列，TSAI越小說明兩條路徑間相似程度越高；在路徑相似的基礎上，依次判別目標TC與歷史TC登陸季節(jié)、強度和移速等的相似性，以剔除與目標TC登陸季節(jié)、強度和移速等差異較大的歷史TC。第四是LTC降水集合預報，采用優(yōu)化改進后的集合方案將篩選后的若干個最佳相似TC所對應的歷史TC風場進行集合，從而得到目標TC的過程降水預報結(jié)果。

對于單個TC而言，每個參數(shù)都有多種取值方式，不同取值將產(chǎn)生大量組合，一種組合即一種預報方案，理想狀態(tài)下參數(shù)間的隨機組合可生成數(shù)百萬套預報方案［14］。文中所使用的DSAEF_LTP模型與Ren等［7-8］建立的原模型相比，主要在相似區(qū)域和集合預報方案方面做了改進。

圖3中黑色框所示范圍（ABCD）為原先模型相似區(qū)域，參數(shù)主要含義為：由C點的起報位置與對角點A最大預報時刻TC預報位置所圍成的矩形范圍為相似臺風的搜尋區(qū)域，共15種取值方式。原先參數(shù)主要基于實況加預報路徑所組成的矩形范圍，存在相似區(qū)域偏小且偏東偏南，因此在預報臺風路徑的基礎上采用擴大固定搜索范圍的方式調(diào)整相似區(qū)域取值，考慮到西北太平洋臺風最大直徑在2 000 km左右，故選取2 000 km的正方形。新的相似區(qū)域應主要向西、向北擴大，對相似區(qū)域增加5種新的取值方式，A1B1為2 000 km，B和B1的中點為B2、D和D1的中點為D2，其他線段長度由計算獲得。圖3為相似區(qū)域的示意圖，新取值方式分別為：（1）A1B1C1D1（紅色框）是邊長為2 000 km的正方形，將此作為相似區(qū)域的第16種取值方式；（2）A2B2C2D2（綠色框）為第17種取值方式；（3）A3B3C3D3[KG-2mm]為第18種取值方式；（4）A4B4C4D4為第19種取值方式；（5）A5B5C5D5為第20種取值方式。

在DSAEF_LTP模型的LTC降水集合預報步驟上，原來只有平均值和最大值2種集合預報方法，此研究考慮了基于站點集合和場集合2類集合方式，新增4種集合方法，包括最優(yōu)百分位方法、概率匹配平均、等差權重集合平均、基于TSAI的非等差權重集合平均，方法具體說明見表1［10］。

（2）空間檢驗方法。采用基于目標的診斷檢驗方法。MODE（Method for Objectbased Diagnostic Evaluation）方法是Davis等［22］發(fā)展的一種基于目標的診斷評估方法。MODE空間檢驗通過降水量閾值設定，從預報和實況氣象要素場中篩選出滿足閾值的降水場目標，進而對預報和實況場篩選出的降水場目標進行目標對匹配和分析，再對降水場目標的特征參數(shù)（如質(zhì)心距離、軸角差、面積比、長短軸差等）進行合理配置，計算每組目標對的匹配度參數(shù)、獨立屬性及匹配目標對的診斷量，從而診斷出預報場和實況場的空間特性差異及模式預報誤差屬性［23］。國家氣象中心已將MODE方法集成到天氣預報全流程檢驗評估程序庫（Meteorological Evaluation Program Library，以下簡記為“MetEva”）中，此研究主要基于MetEva 1.7.5版本的MODE檢驗工具開展相關研究［24］。

3結(jié)果分析

改進的DSAEF_LTP模型在臺風“杜蘇芮”生成后和影響福建期間實時業(yè)務運行；每日上午定時運行，每次根據(jù)當日08時的臺風實時路徑和預報路徑及模型的參數(shù)方案按照流程篩選相似臺風，并生成臺風“杜蘇芮”過程降水預報產(chǎn)品。以下從常規(guī)檢驗、降水落區(qū)空間檢驗和相似臺風路徑降水分布等方面檢驗模型的實時降水預報性能。

3.1常規(guī)檢驗對比

對比分析DSAEF_LTP模型的降水預報結(jié)果和ECMWF數(shù)值模式及客觀訂正產(chǎn)品FZECMOS的VTS（圖4a）。（1）在25 mm及以上量級，F(xiàn)ZECMOS的VTS最高，達0.79；DSAEF_LTP模型的VTS次之，為0.78； ECMWF的VTS緊隨其后，為0.76。三者的差距微小。（2）在50 mm及以上量級，F(xiàn)ZECMOS和DSAEF_LTP模型的結(jié)果相近，VTS均為0.65～0.66，但ECMWF的VTS只有0.52，明顯小于前二者。（3）在100 mm及以上量級，DSAEF_LTP模型排名第一，其VTS為0.54，而第二名的FZECMOS評分只有0.45，ECMWF的評分更是下降到0.26，DSAEF_LTP模型的預報能力分別比FZECMOS和ECMWF提高20%和108%。（4）在250 mm及以上量級，ECMWF的VTS為0，顯示該數(shù)值模式對于臺風“杜蘇芮”的極端降水沒有預報能力；而DSAEF_LTP模型的VTS達到0.25，遠遠超過FZECMOS的0.095，是FZECMOS評分的2.6倍。

在漏報率方面（圖4b），DSAEF_LTP模型的表現(xiàn)也十分穩(wěn)定，所有量級的漏報率數(shù)值都是最低的。在100 mm及以上量級，VMR為44%；在250 mm及以上量級，VMR也只有33%。

在空報率方面（圖4c），在100 mm及以上量級，DSAEF_LTP模型和FZECMOS的VFAR是相同的，為3%；在250 mm及以上量級，DSAEF_LTP模型的VFAR最小，為71%；而ECMWF的VFAR為100%，F(xiàn)ZECMOS的VFAR也達到75%。DSAEF_LTP模型較2個對比產(chǎn)品取得了極佳的預報效果。可以看出，在100 mm及以上和250 mm及以上的量級表現(xiàn)方面，DSAEF_LTP模型的預報結(jié)果比動力數(shù)值模式和其他客觀訂正產(chǎn)品展現(xiàn)出更高的預報準確率和更小的空報率、漏報率，驗證了該模型與所用參數(shù)在實際業(yè)務中能夠取得與建模試驗一致的預報效果。

3.2降水落區(qū)空間檢驗對比

由2023年7月26日08時—28日08時福建地區(qū)臺風“杜蘇芮”過程累計降水量分布（圖5a）來看，主要降水出現(xiàn)在福建中北部沿海地區(qū)，呈帶狀分布，降水中心出現(xiàn)在福建中部的莆田和泉州東北部，過程降水量超過500 mm，達到特大暴雨量級；大暴雨量級的降水則覆蓋廈門以北的福建沿海地區(qū)，寧德市區(qū)、柘榮、福州市區(qū)、閩侯、莆田市區(qū)、仙游、泉州南安等地的過程降水量為250～400 mm。DSAEF_LTP模型預報（圖5b）的主要降水中心出現(xiàn)在福建沿海和三明龍巖交界，達到大暴雨以上量級；寧德市區(qū)、柘榮、福州北部等地預報的降水中心降水量超過250 mm，為大暴雨量級?？梢钥闯?，DSAEF_LTP模型預報的過程累計降水量雖然在福建西南部的龍巖和三明交界地區(qū)預報值偏大，但基本預測出沿海強降水雨帶的特征，在福建北部沿海降水中心也有較好的對應，但泉州、莆田等福建中部降水中心區(qū)域預報量偏小，特大暴雨預報范圍顯著偏小，500 mm以上極端降水更是出現(xiàn)漏報。由ECMWF 25日20時起報的累計降水量（圖5c）來看，其預報的大暴雨落區(qū)主要位于福建中南部，降水中心位于福建南部的漳州和廈門，但在福建中北部沿海，ECMWF預報的降水量為25～100 mm，與實況偏差較大。FZECMOS（圖5d）預報的大暴雨落區(qū)偏大，基本覆蓋福建全省，其降水預報中心為廈門附近，為250～500 mm，福建北部的沿海降水中心沒有體現(xiàn)，仍僅有大暴雨量級。

以上定性分析了降水預報的空間分布特征，為了定量對比降水預報空間分布的優(yōu)劣，采用MODE方法進行空間檢驗，檢驗DSAEF_LTP模型預報和對比模型的降水空間分布特征和預報性能。文中MODE方法采用檢驗閾值累計降水量不小于100 mm和不小于250 mm。圖6為累計降水量不小于100 mm的實況和預報目標匹配分布情況。可以看出，3個預報場的目標物均找到了匹配對象，且沒有出現(xiàn)空報和未配對的情況。3個預報場的目標物大小不一，由表3可以看出，DSAEF_LTP模型的降水目標物在目標質(zhì)心距離（觀測與預報之差的絕對值）上為0.609，目標角度差（觀測與預報之差的絕對值）為5.043，目標面積比（觀測與預報之比）為63.8%，重疊面積比（觀測與預報之比）為73.6%，誤差遠小于其他2個對比產(chǎn)品；DSAEF_LTP模型的降水目標物匹配相似度達到91.5%，遠高于ECMWF和FZECMOS的75.4%和76.2%。這說明DSAEF_LTP模型的累計降水預報在空間分布形狀、走向和落區(qū)等方面與實況的相關性較好，該目標物的預報好于其他預報。

圖7為累計降水量250 mm及以上的實況和預報目標匹配分布情況，其中圖7a、b、c均為相同的實況場，但在不同預報場的匹配中對應不同的目標編號（用圖中數(shù)字表示），不同顏色表示配對情況。可以看出，實況觀測場（圖7a）識別出了3個目標物，DSAEF_LTP模型預報了目標1和目標2（圖7d），但出現(xiàn)1個漏報目標物，在福建中部沿海莆田地區(qū)；ECMWF（圖7e）和FZECMOS（圖7f）均漏報2個目標物，只匹配到最南側(cè)的漳州附近目標；因此，DSAEF_LTP模型有更優(yōu)的匹配目標結(jié)果。在配對的目標物屬性或比值上（表4），DSAEF_LTP模型的目標2整體相似度達92.5%，質(zhì)心距離為0.027，目標面積比為100%，重疊面積比為84.6%。目標2為寧德柘榮站，在遠離大范圍強降水區(qū)域的獨立小區(qū)域內(nèi)，DSAEF_LTP模型準確預報，顯示出了DSAEF_LTP模型的優(yōu)越性。對于目標1，DSAEF_LTP模型整體相似度為63.6%，目標面積比為4.1%，重疊面積比為7.8%，與實況觀測場（圖7a）相似程度較差，這主要是由DSAEF_LTP模型在該區(qū)域預報250 mm及以上降水落區(qū)偏小造成的。對于目標3，DSAEF_LTP模型則出現(xiàn)了漏報。相較于DSAEF_LTP模型，ECMWF（圖7e）和FZECMOS（圖7f）均只有1個匹配對象，ECMWF的目標1整體相似度只有28.2%，目標質(zhì)心距離比DSAEF_LTP模型的2個目標都大；由目標降水分布（圖7e）可以看出，ECMWF目標1位于實況觀測場（圖7b）目標1的西南方向，重疊面積比甚至為0，這意味著該目標完全脫離了實況場。因此，雖然ECMWF報出了250 mm及以上的強降水落區(qū)，但落區(qū)的完全偏離將導致防范效果的偏差。FZECMOS（圖7f）的目標1整體相似度為72.2%，相較于實況場（圖7c），其預報面積過大，與觀測重疊面積比只有19.4%，這將導致空報率和漏報率均較大。

由100 mm及以上（表3）和250 mm及以上（表4）量級的比較來看，隨著降水量級的增大，DSAEF_LTP模型的整體相似度（最佳目標）維持在92%左右，重疊面積比也從73.6%增長到84.6%；但ECMWF和FZECMOS的整體相似度卻出現(xiàn)下降，重疊面積比例下降嚴重，甚至降為0。因此可以看出，DSAEF_LTP模型在極端降水方面有更加優(yōu)異的表現(xiàn)。

由以上空間分布檢驗分析可以看出，在臺風“杜蘇芮”過程的降水預報中，DSAEF_LTP模型均有突出的表現(xiàn)，不僅在整體相似度上優(yōu)于ECMWF和FZECMOS，而且對于孤立小區(qū)域的強降水也有優(yōu)異的預報性能。通過100 mm及以上和250 mm及以上量級的比較可以看出，對于更極端降水（降水量不小于250 mm），DSAEF_LTP模型預報能力有更大的提升。這體現(xiàn)出DSAEF_LTP模型預報降水在強度、落區(qū)、結(jié)構(gòu)等方面具有優(yōu)勢。

3.3DSAEF_LTP模型相似臺風路徑和降水分布

為了了解DSAEF_LTP模型對此次臺風過程降水預報能力較好的原因，從模型篩選出的相似臺風入手，分析相似臺風的路徑以及降水分布對最終模型集合預報的影響。

首先，分析DSAEF_LTP模型篩選出的與“杜蘇芮”臺風最相似的前10個歷史臺風。在24日的預報（圖8a）中，臺風“杜蘇芮”起報時刻實況位置位于呂宋島東部海域，模型篩選出的相似個例大部分經(jīng)過巴士海峽并北上臺灣海峽登陸福建沿海，登陸點較為分散，全省南北沿海均有相似臺風登陸。25日（圖8b），臺風“杜蘇芮”起報時刻實況位置靠近呂宋島北部沿海，模型篩選的相似臺風路徑在巴士海峽附近較24日更為集中，且2次預報在福建地區(qū)登陸位置基本相似。24日08時，中央氣象臺主觀路徑預測27日20時之前臺風路徑平均偏差為136.8 km，而25日08時的預報值為77.5 km，較之前偏差減小43%。路徑偏差的減小為DSAEF_LTP模型選取更相似臺風打下重要基礎。

在25日的預報（圖8b）中，根據(jù)臺風“杜蘇芮”實況和最新路徑強度預報模型篩選出的相似臺風有7個與24日相同，其余3個相似臺風則被替換。經(jīng)過1 d的發(fā)展，實況和預報的25日臺風“杜蘇芮”強度達到超強臺風級，因此在模型25日篩選的相似臺風中，可以看到增加了臺風以上級別的1614號“莫蘭蒂”、7412號“Lucy”和1209號“蘇拉”等對福建沿海降水影響重大的臺風，同時排除了1709號“納沙”和6904號“Winnie”等強度較弱的相似臺風，這使得模型降水集合預報中福建中東部沿海出現(xiàn)強降水的概率加大。從模型2次預報的特大暴雨以上量級VTS上看，25日的VTS為0.42，24日的VTS甚至為0，25日的預報效果明顯好于24日。可以看出，更新臺風實況和路徑強度預報之后，篩選出更多與當前實況相似的臺風，在此基礎上更新臺風路徑、強度預測構(gòu)成的目標TC完整路徑能夠提高DSAEF_LTP模型的預測能力。

其次，對DSAEF_LTP模型篩選出的相似臺風降水量分布（圖9）進行分析?？梢钥闯觯Ｐ退x出的相似臺風降水極值中心均出現(xiàn)在福建沿海地區(qū)，與臺風“杜蘇芮”的實況一致，除了7704號“Thelma”、1717號“古超”和7315號“Nora”臺風之外，其他7個臺風的降水中心極值均超過250 mm，1111號“南瑪都”、9006號“Percy”和9914號“Dan”臺風降水甚至超過400 mm，這為DSAEF_LTP模型集合預報出250 mm及以上的強降水提供了支持。其中1308號“西馬侖”、9006號“Percy”臺風的降水中心位于臺風登陸點附近，共有4個臺風（7315號“Nora”、1111號“南瑪都”、1614號“莫蘭蒂”、9914號“Dan”）的降水中心位于臺風前進方向的右側(cè)，1210號“達維”和7417號“Helen”則在臺風路徑的左右方向均出現(xiàn)降水中心。DSAEF_LTP模型在篩選相似臺風時已經(jīng)考慮了熱帶氣旋路徑、強度、移速、登陸季節(jié)和環(huán)境場（含下墊面）因子等，因此DSAEF_LTP模型篩選出的相似臺風降水中心和路徑的相對位置關系多樣，不只是出現(xiàn)在臺風本體經(jīng)過的附近地區(qū)，更為合理保留相似臺風及其降水分布，在集合預報運算中有更好的結(jié)果。同時可以看到，有6個相似臺風（7704號“Thelma”、7315號“Nora”、1111號“南瑪都”、1209號“蘇拉”、1614號“莫蘭蒂”和9914號“Dan”）在寧德柘榮有較為孤立的降水中心，占總相似臺風個數(shù)的60%，這為DSAEF_LTP模型在該地區(qū)預報出孤立的降水中心提供了集合樣本?？梢钥闯?，DSAEF_LTP模型充分利用了較為準確的路徑預報和豐富的歷史數(shù)據(jù)，利用準確模式來做預報，并采用集合預報的方式實現(xiàn)預報，這是DSAEF_LTP模型預報較為成功的關鍵。

已有研究［23-24］表明，臺風“杜蘇芮”在登陸福建前后存在持續(xù)而充沛的水汽輸送，這是造成福建極端降水的主要原因之一，因此除了檢驗上述臺風路徑的相似性之外，文中還比較了相似臺風在水汽輸送方面的異同。圖10為DSAEF_LTP模型篩選出的歷史相似臺風的水汽通量散度分布，受資料長度限制，只分析1979年后的歷史相似臺風。由圖10a可以看出，臺風“杜蘇芮”在登陸福建時，其中心附近的北側(cè)和外圍環(huán)流的東北象限存在明顯的水汽通量輻合大值區(qū)，中心強度超過-20×10-5 g·s-1·m-2·Pa-1，水汽通量輻合的大值區(qū)同樣是強降水的落區(qū)，造成福建中部沿海和東北部沿海出現(xiàn)極端降水。由9006號“Percy”（圖10b）、9914號“Dan”（ 圖10c）、1614號“莫蘭蒂”（圖10g）來看，臺風中心附近和外圍環(huán)流的東北象限同樣存在水汽通量輻合大值區(qū)，9914號臺風水汽通量輻合強度甚至與臺風“杜蘇芮”類似，這樣的水汽輸送強度和位置相似性也造成相似的臺風強降水落區(qū)。1111號“南瑪都”（圖10d）、1209號“蘇拉”（圖10e）臺風中心附近的水汽通量輻合大值區(qū)位于福建北部，其中心強度甚至超過-25×10-5 g·s-1·m-2·Pa-1，造成該地區(qū)出現(xiàn)強降水，對于福建中部沿海的強降水落區(qū)存在一定的偏差。1717號“古超”（圖10h）則是由于水汽通量散度較小，未能造成大范圍的強降水。總體上看，DSAEF_LTP模型篩選出的歷史相似臺風的水汽通量散度中心值大部分強度接近甚至超過臺風“杜蘇芮”，其分布也與臺風“杜蘇芮”存在類似的區(qū)域，表現(xiàn)出良好的篩選能力。

由以上結(jié)果分析可看出，在100 mm及以上和250 mm及以上量級，DSAEF_LTP模型的預報能力明顯超出其他模式，體現(xiàn)出其優(yōu)勢；對于空間檢驗方面，DSAEF_LTP模型更能抓住臺風降水分布的空間特點，但在極端降水（250 mm及以上量級）的分布上仍存在預報落區(qū)偏小和漏報的問題。由DSAEF_LTP模型相似臺風路徑和降水分布分析可以看出，DSAEF_LTP模型可以按照更加可靠的臺風路徑預測結(jié)論進一步調(diào)整相似臺風的篩選和降水預報更新，從而提高預報能力。從整體上看，DSAEF_LTP模型對臺風“杜蘇芮”過程降水預報能力超過了對比的ECMWF和FZECMOS產(chǎn)品，可進一步支持臺風降水業(yè)務預報能力的提升。

4結(jié)論與討論

改進后的DSAEF_LTP模型已在福建地區(qū)業(yè)務應用，該模型通過判斷歷史臺風與目標臺風廣義初值的相似性，找到與目標臺風最相似的多個歷史臺風，通過將這些歷史相似臺風的觀測降水進行集合，進而得到目標臺風的降水預報。針對2023年第5號超強臺風“杜蘇芮”在福建地區(qū)的過程降水量，對比檢驗了改進后的DSAEF_LTP模型產(chǎn)品、ECMWF數(shù)值預報降水產(chǎn)品、福建省氣象局OTS訂正降水產(chǎn)品（FZECMOS），主要結(jié)論如下：

（1）改進的DSAEF_LTP模型臺風過程降水預報系統(tǒng)對此次福建地區(qū)臺風過程降水有較好的預報能力。隨著降水量級提高，DSAEF_LTP模型的降水預報VTS較數(shù)值模式和訂正預報產(chǎn)品的提升水平越高。在100 mm量級，DSAEF_LTP模型產(chǎn)品的VTS為0.54，分別比FZECMOS和ECMWF提高20%和107%。在250 mm及以上量級，DSAEF_LTP模型產(chǎn)品的VTS達0.25，是FZECMOS評分的2.6倍，展現(xiàn)出較好的預報能力。但DSAEF_LTP模型存在特大暴雨預報范圍顯著偏小的問題，這可能與篩選的歷史相似臺風個例中缺少足夠的極端降水相似樣本有關，需要進一步解決極端降水相似臺風樣本量的問題。

（2）MODE空間檢驗表明，DSAEF_LTP模型不僅在整體相似度上優(yōu)于ECMWF和FZECMOS，而且對于孤立小區(qū)域的強降水也有優(yōu)異的預報性能。由100 mm及以上和250 mm及以上量級的比較可以看出，隨著降水量級的增大，DSAEF_LTP模型的整體相似度（最佳目標）維持在92%左右，重疊面積比也從73.6%增長到84.6%。對于極端降水（降水量不小于250 mm），DSAEF_LTP模型預報能力更加顯著，體現(xiàn)出DSAEF_LTP模型預報降水在強度、落區(qū)、結(jié)構(gòu)等多方面具有優(yōu)勢。

（3）通過分析DSAEF_LTP模型相似臺風路徑和降水分布發(fā)現(xiàn)，隨著臺風“杜蘇芮”的實況位置和預報位置強度的變化，DSAEF_LTP模型篩選歷史相似臺風也產(chǎn)生調(diào)整，相似臺風降水中心和路徑的相對位置關系多樣，不只是出現(xiàn)在臺風本體經(jīng)過的附近地區(qū)，因此更為合理保留相似臺風及其降水分布，集合預報效果也隨之改善。由相似臺風的水汽通量散度分析也能看出DSAEF_LTP模型具有良好的篩選能力。

DSAEF_LTP模型業(yè)務運行不久，目前只收集和檢驗個別臺風，對于其長期的表現(xiàn)仍有待檢驗，后續(xù)將研究多選評估樣本以便更加客觀評價算法的有效性。同時可以看出，DSAEF_LTP模型在福建地區(qū)的產(chǎn)品分辨率仍然較低，因此如何提高DSAEF_LTP模型產(chǎn)品空間分辨率仍值得研究。

參考文獻：

［1］官曉軍，潘寧，黃待靜，等.基于降水極端預報指數(shù)的福建臺風極端降水預報研究［J］.氣象學報，2021，79（3）：414427."

［2］蘇志重，石順吉，張偉，等.1960—2010年福建省極端降水事件變化趨勢分析［J］.暴雨災害，2016，35（2）：166172.

［3］ZHANG Z， WANG W G， DOYLE J D， et al. A review of recent advances （2018-2021） on tropical cyclone intensity change from operational perspectives， part 1： dynamical model guidance［J］. Trop Cyclone Res Rev，2023，12（1）：3049.

［4］瞿安祥，麻素紅，張進.CMATYM混合En3DVar方案的設計和初步試驗［J］.氣象，2022，48（3）：299310."

［5］薛紀善，陳德輝.數(shù)值預報系統(tǒng)GRAPES的科學設計與應用［M］.北京：科學出版社，2008.

［6］姜麗黎，余暉.基于動力相似方法的臺風極端降水概率預報研究［J］.熱帶氣象學報，2019，35（3）：353364.

［7］REN F M， QIU W Y， DING C C， et al. An objective track similarity index and its preliminary application to predicting precipitation of landfalling tropical cyclones［J］. Wea Forecasting，2018，33（6）：17251742.

［8］REN F M， DING C C， ZHANG D L， et al. A dynamicalstatisticalanalog ensemble forecast model： theory and an application to heavy rainfall forecasts of landfalling tropical cyclones［J］. Mon Wea Rev，2020，148（4）：15031517.

［9］JIA Z， REN F M， DING C C， et al. An application of the LTP_DSEF model to heavy precipitation forecasts of landfalling tropical cyclones over China in 2018［J］. Sci China Earth Sci，2020，63（1）：2736.

［10］JIA L， JIA Z， REN F M， et al. Introducing TC intensity into the DSAEF_LTP model and simulating precipitation of supertyphoon Lekima （2019）［J］. Quart J Roy Meteor Soc，2020，146（733）：39653979.

［11］DING C C， REN F M， LIU Y N， et al. Improvement in the forecasting of heavy rainfall over South China in the DSAEF_LTP model by introducing the intensity of the tropical cyclone［J］. Wea Forecasting，2020，35（5）：19671980.

［12］MA Y Q， REN F M， JIA L， et al. Experiments with the improved Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation over South China［J］. J Trop Meteor，2022，28（2）：139153.

［13］任福民，賈莉，吳彩銘，等.相似預報原理之再認識：動力統(tǒng)計相似集合預報理論及其對登陸臺風降水預報的應用研究進展［J］.氣象學報，2023，81（2）：193204.

［14］SU Z Z， MA Y Q， JIA L， et al. Application of the improved Dynamical-Statistical-Analog Ensemble Forecast model for Landfalling Typhoon Precipitation in Fujian province［J］. Front Earth Sci，2022，10：1018851.

［15］劉達，向純怡，張玲，等.臺風“杜蘇芮”（2305）的主要特點及路徑和強度預報難點分析［J］.海洋氣象學報，2023，43（4）：110.

［16］崔夢雪，向純怡，張晗昀，等.臺風“杜蘇芮”（2305）引發(fā)福建極端強降水的特征分析［J］.海洋氣象學報，2023，43（4）：1120.

［17］吳啟樹，韓美，劉銘，等.基于評分最優(yōu)化的模式降水預報訂正算法對比［J］.應用氣象學報，2017，28（3）： 306317.

［18］YING M， ZHANG W， YU H， et al. An overview of the China Meteorological Administration tropical cyclone database［J］. J Atmos Oceanic Technol，2014，31（2）：287301.

［19］王曉峰，周榮衛(wèi).全球模式降水預報在雅礱江流域汛期的效果檢驗［J］.氣象，2021，47（10）：11931205.

［20］姚夢穎，吳夢雯，劉建勇，等.浙江區(qū)域臺風暴雨多模式QPF融合技術應用試驗［J］.海洋氣象學報，2023，43（2）：7687.

［21］劉升源，潘裕山，徐建軍，等.不同驅(qū)動場對東亞區(qū)域再分析系統(tǒng)中華南臺風降水影響的對比研究［J］.海洋氣象學報，2023，43（1）：2738.

［22］DAVIS C， BROWN B， BULLOCK R. Objectbased verification of precipitation forecasts. Part II： application to convective rain systems［J］. Mon Wea Rev，2006，134（7）：17851795.

［23］王彬雁，陳朝平，叢芳，等.MODE方法在西南區(qū)域模式降水預報檢驗中的應用［J］.高原山地氣象研究，2020，40（2）：2630.

［24］劉湊華，代刊，林建，等.天氣預報全流程檢驗評估程序庫的設計與實現(xiàn)［J］.氣象，2023，49（3）：351364.