Page 42 - 2025年第56卷第10期
P. 42

值分别为 111.5 和 525.8 mm，而气象大模型对降水量的低估进一步增大。对“2024.4”暴雨，各模型
              的表现特征与“2022.6”暴雨的相似，显示出气象大模型在落点位置和发生时间预报上的优势以及在
              降 水 量 预 报 上 的 不 足 ， 尤 其 在 起 报 时 间 提 前 时 ， 这 种 差 异 增 大 。 当 起 报 时 间 为 3 d 前 时 ， HRES、
              GraphCast、FuXi 和 AIFS 预报最大 6 h 降水发生时间的误差分别为 96、24、-6 和 72 h。

              5 讨论与结论


              5.1 讨论 气象大模型在极端暴雨预报的准确性、时效性和计算速度上表现优异，大幅降低了气象预
              报数据的获取成本         ［12，15］ 。在准确性上，气象大模型对降水过程、落区形态、中心位置和发生时间的预
              报相比数值气象预报更准确；在时效性上，气象大模型提高了对暴雨中心位置和发生时间的有效预报
              时效，能为灾害防御赢得宝贵时间；在计算速度上，最快可在 90 s 内完成获取和处理初始场数据、运
              行气象大模型生成 10 d 业务预报的全过程，能帮助逐渐摆脱传统数值气象模型计算时间较长的限制，实
              现对气象数据的实时更新和预报；在获取成本上，一台具有 48 GB 显卡的小型工作站即可满足气象大模
              型的运行需求，快速生成覆盖全球的预报数据，极大降低了业务气象预报的硬件需求和能源消耗。
                  尽管在北江流域两场极端暴雨中展现较强预报能力，气象大模型仍存在可解释性低、过平滑、分
              辨率低和区域适用性的问题             ［17，30］ 。在可解释性问题上，气象大模型难以对预报结果提供水文气象领域
              所需的可解释依据，这会降低预报结果的可信度                       ［12］ 。在过平滑问题上，受限于有限的极端事件训练样
              本，气象大模型可能难以准确学习复杂突变过程，导致对极端暴雨强度和落区范围预报存在较大不
              足 ［12，29］ ；在分辨率上，当前气象大模型主要生成水平分辨率为 0.25°×0.25°、时间分辨率为 6 h 的预报，
              难以满足小尺度、突发极端气象事件对分辨率的需求，存在较大改进空间；在区域适用性上，气象大
              模型在其他地区的业务预报能力尚不明确，未来将采用气象站观测数据针对更多流域、更长时期进一
              步测试暴雨预报性能。
              5.2 结论 本文聚焦于北江流域 2022 年 6 月和 2024 年 4 月的两场极端暴雨洪水，开展气象大模型降水
              预报适用性评估，评估了 GraphCast、FuXi 和 AIFS 在不同预见期下的暴雨预报性能，并与 ECMWF 的
              业务预报 HRES 进行对比。相比数值气象预报，气象大模型低估了极端降水的强度和落区范围，但对
              降水过程、落区形态、中心位置和发生时间的预报更准确，对极端暴雨事件有较强的预报提示和业务
              参考价值。主要结论如下：
                  （1）GraphCast、FuXi、AIFS 和 HRES 的预报性能与降水强度呈负相关关系，气象大模型比 HRES
              更稳定。“2024.4”暴雨事件 3 d 预见期的预报结果显示，随着降水量从小雨增加到大雨，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%）；
                  （2）GraphCast、FuXi 和 AIFS 对降水落区形态和位置的预报较 HRES 更准确，但低估了强降水落区
              范围和极端降水量。对“2022.6”暴雨，起报时间为 1 d 前时，GraphCast 的最大 6 h 降水量和最大累积
              降水量预报分别为 20.1 和 271.7 mm，FuXi 的分别为 21.8 和 222.5 mm，AIFS 的分别为 24.8 和 303.0 mm，
              均低估了实况降水的 110.9 和 416.3 mm；
                  （3）GraphCast、FuXi 和 AIFS 预报性能随着预见期延长而明显下降，对极端降水量的低估程度增
              大，但在对极端降水空间位置和发生时间上的预报仍相比 HRES 更准确。对于“2024.4”暴雨，起报
              时间为 3 d 前时，HRES、GraphCast、FuXi 和 AIFS 对最大 6 h 降水发生时间的预报误差分别为 96、24、
              -6 和 72 h。


              参  考  文  献：


                                                                           .
               ［ 1 ］ 王浩，赵铜铁钢，田雨，等 .  考虑时间变化的洪涝灾害损失评估［J］  水利学报，2024，55（2）：127-136.
               ［ 2 ］ 张建云，舒章康，王鸿杰，等 .  郑州“7·20”暴雨洪涝几个水文问题的讨论［J］  地理学报，2023，78（7）：
                                                                                      .
                                                                                               — 1289  —
   37   38   39   40   41   42   43   44   45   46   47