Page 37 - 2025年第56卷第10期
P. 37
图 2 不同预见期下北江“2022. 6”和“2024. 4”逐 6 h 降水量预报检验
性 能 与 预 见 期 和 降 水 强 度 均 呈 负 相 关 关 系 。 相 比 HRES， 气 象 大 模 型 呈 现 更 稳 定 的 预 报 性 能 。 以
“2022.6”暴雨事件中的大雨预报为例，随着预见期从 1 d 延长至 3 d，HRES 的 ROCSS 中位数从 0.40 下
降到 0.18（减少 55%），GraphCast 从 0.46 下降到 0.37（减少 20%），FuXi 从 0.55 下降到 0.38（减少 31%），
AIFS 从 0.56 下降到 0.42（减少 25%）。与此同时，随着降水量从小雨增加到大雨，各模型的预报性能也
表现出一定下降趋势，“2024.4”暴雨事件 3 d 预见期的预报结果显示，HRES 的 ROCSS 中位数从 0.37
下 降 到 0.19（减 少 49%）， GraphCast 从 0.62 下 降 到 0.50（减 少 19%）， FuXi 从 0.65 下 降 到 0.42（减 少
35%），AIFS 从 0.67 下降到 0.40（减少 40%）。
4.2 累积降水量预报检验 针对北江“2022.6”过程累积降水量，各模型 1 ~ 3 d 前起报的预报结果如
图 4 所示。HRES、GraphCast、FuXi 和 AIFS 均预报到降水落区的大致范围，对强降水过程有预报提
示。HRES 基本预报到累积降水量超过 240 mm 的核心落区，但高估了累积降水量，对核心落区绝大部
分区域的预报累积降水量超过 300 mm。相比之下，GraphCast、FuXi 和 AIFS 在核心落区的绝大部分区
域低估累积降水量，这与不同量级的降水样本不均衡有关，由于强降水事件较少，气象大模型更擅长
捕捉小量级降水事件的特征，因此倾向于低估强降水事件 ［12，29］ 。相比 FuXi，GraphCast 和 AIFS 对累积
降水量的预报表现更好，低估累积降水量和漏报极端降水落区面积更少，对超过 100 mm 的降水落区
形 态 和 位 置 更 接 近 实 况 ， 这 对 实 际 预 报 已 有 较 强 指 示 意 义 。 随 着 起 报 时 间 从 1 d 前 提 前 到 3 d 前 ，
GraphCast、FuXi 和 AIFS 对累积降水量的低估程度变大。
— 1284 —
