为做好ECMWF（European Centre for Medium-Range Weather Forecasting）模式本地化释用，提高四川省降水预报准确率，对四川省2020—2021年7—9月模式各量级降水预报系统性偏差规律分析发现，该模式预报的雨日较实况偏多，尤其是攀西地区和川西高原；预报的大雨日数盆地西南部及攀西地区多于实况，而盆地南部少于实况。然后，基于分位数映射法对模式预报的24 h累积降水开展大量级降水订正试验与检验。基于分位数映射法订正后，暴雨及以上量级TS（Threat Score）提高7%~15%，且各量级降水TS均高于多模式集成客观预报产品2%~4%，大雨及以上、暴雨及以上量级命中率提高10%~20%，订正后雨带位置特别是暴雨落区与实况更接近。

基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据，对气温转折天气过程进行统计和分析，在此基础上，应用LightGBM（Light Gradient Boosting Machine）算法及NCEP/NCAR（National Center for Environmental Prediction/National Center for Atmospheric Research）逐日再分析资料，构建气温转折天气过程变温订正模型。结果表明：（1）出现气温转折过程最多的区域是高原与盆地的边坡过渡区，最少的是盆地；（2）各区域的气温转折过程具有明显的季节差异，均表现为春季最多、冬季最少，且春季的气温转折过程明显多于其他3季；（3）在1990—2019年验证集中，LightGBM订正模型表现较好，准确率为78.64%，平均绝对误差为1.35 ℃。（4）在2020年的独立样本测试中，LightGBM订正模型的准确率为53.60%，平均绝对误差为2.19 ℃，整体订正效果优于ECMWF模式（European Centre for Medium-Range Weather Forecasting）、中央台城镇预报指导报（SCMOC）及四川省气象台数值预报客观释用城镇预报指导报（SPCO）的预报。