短时强降水是指1 h降水量大于等于20 mm的降水事件，是引发暴洪和城市内涝的主要原因，具有极强的致灾性。近年来，随着气候变化的加剧和人类活动的影响，湖北省短时强降水事件呈现高发和重发趋势，给生命财产安全和社会经济发展构成重大威胁（邹磊等，2021；江洁等，2022）。因此，精准预报和预警短时强降水天气，对于提前采取防御措施、减少灾害损失具有重要意义。

短时强降水天气的短临预报是当前及未来天气预报业务的难点，其主要方法是在分析天气雷达回波特征的基础上综合考虑环境背景条件（俞小鼎，2013）。高水汽含量、深厚暖云层、强不稳定能量和低抬升凝结高度等环境条件均有利于短时强降水的发生。通过对抬升条件、水汽条件和不稳定条件等物理量特征的定量分析进行“配料”预报，这一方法已广泛应用于国内短时强降水的潜势预报中（郝莹等，2012；俞小鼎等，2020；曹彦超等，2023）。为综合考虑环境物理量的相对稳定性和气候态差异性，牛淑贞等（2021）采用模糊矩阵评价技术，构建了短时强降水的天气概率预报方法。钟敏等（2022）利用机器学习方法对相关物理量的重要性进行排序，并结合连续概率预报技术，建立了不同等级短时强降水的概率预报模型。肖云等（2020）分析了江西省强降水的时空分布及物理量特征，并通过回归分析方法构建了强降水的潜势概率预报模型。然而，仅依赖潜势产品的主观预报，难以满足强对流天气在精细化和提前量方面的需求。因此，发展基于观测数据和高分辨率数值模式的客观预报技术，已成为适应新业务服务需求的重要方向。

湖北省位于长江中游，属于典型的东亚季风气候，地形地貌复杂多样，是我国强降水的高发地区。湖北省强降水的空间分布复杂、发生机制多样，且时间变化特征明显，以夏季为主要发生时段。其中，初夏期多是移动性低槽引起的过程性暴雨；梅雨期多为阻塞天气形势下冷暖气流持久交汇形成的稳定性和区域性强降水，影响范围广、持续时间长（徐双柱等，2012）；出梅后的盛夏期，多发生受高温高湿不稳定层结影响的局地短时强降水，影响范围小、突发性强、持续时间短（吴翠红等，2013；谌伟等，2022），此类降水的动力条件一般偏弱，预报难度大，模式易出现漏报，同时仅依靠数值模式的预报产品难以满足业务需求，其准确性与预报精细化要求仍存在较大差距（Chakraborty，2010；曾明剑等，2015；罗聪等，2021）。尽管如此，高分辨率数值模式能较好地描述中尺度对流系统的结构、类型和强度，配合适当的后处理产品，可为短时强降水的预警提供有效支持（漆梁波，2015；王俊超等，2022）。其中，CMA-MESO模式及其释用产品在各省短时强降水预报中表现出较好的应用效果（钟敏等，2022；刘松涛等，2023；蔡怡等，2023）。多采用邻域法订正数值模式预报在空间上的误差，罗聪等（2021）针对华南地区GRAPES快速更新循环同化预报系统，提出了基于邻域最优概率的降水分级订正方法；潘留杰等（2015）利用邻域法评估了不同高分辨率数值模式降水产品的预报能力，发现不同模式的最优邻域半径各有不同；林晓霞等（2021）研究了华南区域高分辨率数值模式降水预报的邻域空间尺度评分差异；刘雪晴等（2020）针对GRAPES降水预报设计了基于邻域集合概率的四组敏感性试验，结果表明，邻域方法在降水概率预报评分上优于传统概率方法，且其预报技巧对邻域尺度较为敏感，具有良好的应用前景。因此，综合应用高分辨率数值模式，将强对流天气环境条件分析与多模式客观预报产品的后处理技术相结合，是提升强对流短时预报能力的有效途径。

湖北省气象台基于大数据检验评估，融合CMA-MESO中尺度数值模式，对短时强降水潜势概率预报产品进行了时间降尺度和消空处理，研发出短时强降水的确定性格点预报产品。然而，现有方法仅使用单一数值模式，且未对消空阈值进行多方案检验筛选，导致预报稳定性较差，孤立回波邻域扩展现象引发空报率偏高等问题仍然存在。针对上述不足，本文通过TS（Threat Score）检验评估了CMA-MESO、CMA-SH9和WH-RUC三个数值模式的最优邻域方案，并融合多模式最优结果对潜势产品进行消空处理，旨在提高短时强降水格点预报的准确性，进一步提升预报的精细化水平和服务能力。

1）湖北省2023、2024年4—9月逐时降水观测数据来自国家气象信息中心“天擎”数据库，使用湖北省1 662个区域自动站观测数据进行检验评估。

2）湖北省短时强降水潜势概率预报产品基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts）ECMWF模式预报场输出，该产品自2018年投入业务应用，空间分辨率为25 km×25 km。为与中尺度模式融合产品匹配，同时满足业务应用对预报产品的精细化需求，将该产品线性插值为5 km×5 km的网格分辨率。起报时间为08：00和20：00（北京时，下同），时间分辨率为3 h。潜势概率预报产品与三个连续整点时刻的数值模式产品进行匹配，如11：00的潜势概率产品与10：00、11：00、12：00的中尺度模式反射率因子预报产品进行匹配，以此类推。

3）2023、2024年4—9月的组合反射率因子预报数据来自三种高分辨率数值模式（表1）。其中，CMA-MESO是中国气象局自主研发的区域中尺度天气数值预报模式，该模式每天更新8次，起报时间为02：00—23：00，时间间隔为3 h，空间分辨率为3.0 km×3.0 km；CMA-SH9是华东区域中尺度天气数值模式，每天更新2次，起报时间为08：00和20：00，空间分辨率为9.0 km×9.0 km；WH-RUC是武汉暴雨研究所开发的华中区域快速更新循环同化数值预报模式，可快速融入最新实况资料，空间分辨率达1.5 km×1.5 km，对湖北省天气预报具有较好的应用效果。为融合多种数值模式的预报结果，以上数据均通过线性插值统一到5.0 km×5.0 km的空间分辨率。

短时强降水具有时空不确定性，高分辨率数值模式的预报易出现落区分散和位移偏差等问题，导致格点预报与实况降水位置偏离，降低预报性能（马申佳等，2018）。为此，本文使用邻域法对数值模式数据进行后处理，以判断是否需要对短时强降水潜势概率预报进行消空处理。

将数值模式预报的组合反射率（Composite Reflectivity，CR）按照40 dBZ（许冠宇等，2022）进行二分类处理，CR大于等于40 dBZ的格点记为1，反之记为0。面积邻域法使用邻域半径为n个格点的方形网格窗，计算窗内CR为1的格点占总格点的百分比。若该百分比值大于等于面积概率阈值p，则认为中心格点无需消空处理（R=1），反之则需进行消空处理（R=0），计算公式如下：

式中：i为经向格点数，j为纬向格点数，n为邻域范围内格点数。

如邻域半径为2个格点，网格窗内总格点数为25。CR为1的格点有4个[图1（a）]，占比16%（大于10%），则中心格点记为1，无需消空处理；CR为1的格点有2个[图1（b）]，占比8%（小于10%），则中心格点记为0，需要消空处理。目前，湖北省业务运行采用单点邻域法，即只要邻域窗内任一格点CR大于等于40 dBZ，便认为中心格点无需消空处理。

对2023、2024年4—9月的短时强降水预报结果进行检验评估，每天共4次预报，预报起报时间为02：00、08：00、14：00和20：00，预报时效为12 h。由于模式资料存在固定的传输延迟，预报时无法获得实时起报数据，CMA-MESO、CMA-SH9和WH-RUC模式可获得的最新起报数据的提前量分别为前6 h、前12 h和前2 h。例如08：00的短时强降水预报中，三种数值模式的最新雷达回波预报数据起报时次分别为当日02：00、前日20：00和当日06：00（表1）。传统点对点评估方法对预报与站点观测的空间分布一致性要求较高，但其评分结果可能不够合理。因此本文采用点对面检验方法，设置扫描半径为40 km（不限于湖北省辖区），计算命中率（Probability of Detection，POD）、空报率（False Alarm Rate，FAR）和TS评分，计算公式（牛淑珍等，2021）如下：

式中：NA为命中的站数；NB为空报的站数；NC为漏报的站数。命中率和TS评分越高、空报率越低表示预报效果越好。

钟敏等（2022）基于CMA-MESO高分辨率数值预报模式提取了短时强降水相关物理量，构建数据集并进行统计分析，利用连续概率预报方法建立了分级短时强降水概率预报模型，对2020年湖北省强降水进行了定量检验。结果表明，潜势概率为60%时，对20 mm·h^-1以上短时强降水的预报TS评分最高，较CMA-MESO模式降水预报产品具有正向订正作用。为验证潜势概率为60%时预报产品的稳定性，计算2023年4—9月潜势概率预报产品的命中率、空报率和TS评分。结果表明，命中率为0.545，能够较准确地预报出短时强降水的大致落区，具有一定指示意义；空报率高达0.914，受短时强降水尺度特征及数值模式时空分辨率的限制，存在大范围空报现象，明显降低了产品的预报性能，导致TS评分较低（0.080），表明潜势预报产品需进一步后处理以满足实际业务需求。后处理可通过引入高分辨率中尺度数值模式降低空间和时间尺度，以对潜势产品进行消空优化。

国内外研究普遍采用35或40 dBZ作为识别强对流风暴的雷达回波阈值（Bai et al.，2020；许冠宇等，2022）。湖北省2021年短时强降水客观预报产品业务应用中发现，使用40 dBZ回波阈值进行消空处理时，TS评分最高。因此，本文使用40 dBZ作为中尺度模式雷达回波产品的阈值。使用两种设计方案对2023年4—9月的短时强降水预报进行检验（表2）。方案一为点对点方案，将雷达回波大于等于40 dBZ的格点区域判定为短时强降水的预报落区，其命中率、空报率和TS评分分别为0.081、0.823和0.059，命中率较低且命中格点分散，难以形成完整的预报落区，无法为业务应用提供有效指导。方案二为单点邻域方案，将格点雷达回波值大于等于40 dBZ时的周围40 km方形区域均认定为预报落区。经邻域处理后，命中率提升至0.573，空报率略有增加，但由于命中样本显著增多，TS评分大幅提升至0.105，具有一定参考价值。

单点邻域方案的预报效果虽较点对点方案有大幅提升，但未充分考虑邻域范围内强回波格点（≥40 dBZ）的数量和阈值问题，易因孤立单点强回波过度放大而导致空报率偏高。此外，不同邻域半径对TS评分的影响差异明显。因此，通过检验评估确定合适的邻域半径和面积概率阈值，是进一步提升预报效果的有效途径。本文的检验方法是计算每个格点在邻域半径范围内超过40 dBZ的格点面积占比，利用邻域半径和面积概率阈值两个因子判断短时强降水的发生情况。方案设计中，邻域半径以10 km为间隔，面积概率阈值以5%为间隔，通过最终TS评分选择最优的邻域半径和面积概率阈值。CMA-MESO、CMA-SH9和WH-RUC三种中尺度数值模式对湖北省2023年4—9月短时强降水预报的检验结果如图2所示。当邻域半径固定不变、面积概率阈值由5%逐步提高至15%时，预报命中率下降约50%，相应TS评分也逐渐降低。例如，CMA-MESO模式在邻域半径为40 km时，面积概率阈值为5%对应的命中率和TS评分分别为0.322和0.115，当面积概率阈值提升至15%时，其命中率和TS评分分别下降至0.162和0.093，各降低0.16、0.022；当邻域半径由40 km增加至60 km，命中率和TS评分均表现出小幅提升或持平的趋势。CMA-SH9和WH-RUC模式的检验结果与CMA-MESO模式呈现类似变化规律。其中，CMA-MESO模式的最优邻域半径和面积概率阈值分别为50 km和5%，对应的TS评分最高为0.117；CMA-SH9模式的最优邻域半径和面积概率阈值分别为60 km和5%，TS评分为0.101；WH-RUC模式的最优邻域半径和面积概率阈值同样为60 km和5%，TS评分为0.108。从3个中尺度模式的检验结果对比来看，CMA-MESO模式的预报效果最佳，命中率为0.335，显著高于CMA-SH9模式的0.255和WH-RUC模式的0.280。

由于不同数值模式在初始资料场、资料同化方案和物理过程参数化方案上存在差异，其预报结果可能存在明显偏差。此外，数值模式在某些特定环流形势和地形条件下的预报效果可能较差，因此，过度依赖单一数值模式进行预报存在较大的不确定性和不稳定性。为改进短时强降水的预报技术，本文对CMA-MESO、WH-RUC和CMA-SH9三种数值模式的预报结果进行融合处理，对潜势概率预报产品进行消空判断。融合方法为先通过最优邻域方案分别处理三种中尺度模式产品，得到“0、1”二分类格点产品；随后将多个模式的二分类格点产品相加，若结果大于等于1，则判定为1，即不需要对潜势概率产品进行消空；若结果小于1，则判定值为0，即需要进行消空处理。

图3为基于多模式融合消空方案计算的2023年4—9月湖北省短时强降水检验评分随潜势概率阈值的变化。当潜势概率从40%升至70%时，命中率和空报率均呈逐渐下降趋势，其中，命中率从0.497下降至0.153，空报率从0.853下降至0.759；而TS评分先升后降，在潜势概率为55%时达到最高值（0.137），对应的命中率和空报率分别为0.409和0.829。与单模式最优邻域方案（图2）相比，多模式融合消空方案的命中率和TS评分较CMA-MESO模式分别提高0.074、0.020，较CMA-SH9模式分别提高0.154、0.036，较WH-RUC模式分别提高0.129、0.029；而空报率则分别下降0.019、0.027、0.021。湖北省短时强降水预报的原业务运行方案使用60%潜势概率，基于CMA-MESO模式单点邻域法进行消空判断，其命中率和TS评分分别为0.278、0.123。相比之下，多模式融合消空方案的命中率和TS评分分别提高0.131和0.014。为进一步验证多模式融合方案的改进效果及稳定性，对2024年4—9月的预报进行检验评估。结果显示，其命中率和TS评分分别为0.406、0.129，较原业务运行方案分别提高了0.186和0.020，尤其在命中率上表现出明显改进，能够更好地预报短时强降水的落区，帮助识别重点区域，提前发布预警信号，有效减少因漏报引发的灾害损失。

图4为2023、2024年4—9月不同预报时效短时强降水的检验结果。原业务运行方案与多模式融合消空方案的TS评分并未呈现简单的线性关系，而是表现出不同振幅的波动起伏。改进后的多模式融合消空方案在2023年和2024年的预报效果均明显优于原业务运行方案，1~12 h的TS评分均为正技巧，其中2023年小时TS评分最高为0.149、最大提升技巧为0.022、平均提升技巧为0.014；2024年小时TS评分最高为0.141、最大提升技巧为0.027、平均提升技巧为0.020。此外，2023、2024年多模式融合消空方案命中率平均提升技巧分别为0.130和0.190。这些结果表明，多模式融合消空方案可以有效提升湖北短时强降水的命中率和预报技巧，克服单模式预报的不稳定和命中率偏低的缺点，为业务应用提供可靠支持。

2023年梅雨期结束后，湖北省经历了多次由不同天气系统引发的短时强降水过程。对盛夏期（7月11日—8月31日）多模式融合消空短时强降水预报进行检验评估，结果表明该方案对盛夏期强降水预报效果有明显改进，命中率和TS评分分别由0.257、0.111升高至0.357、0.134，分别提升了38.9%和20.7%，空报率下降了1.4%（表3）。从逐小时预报时效来看，除4 h预报时效评分偏低外，其余预报时效均表现为持平或提升，尤其在6~11 h的预报时段具有明显提升效果，总体平均提升技巧为0.012（图5）。TS评分的变化与命中样本和空报样本数量直接相关。4 h预报时效时，CMA-SH9和WH-RUC模式预报效果较差，导致多模式融合消空方案与原业务运行方案相比，命中样本数量差异较小，但空报样本数量明显偏高，从而导致4 h时效的TS评分偏低。

2023年8月7日夜间，湖北省西部和东部大部地区出现雷阵雨天气，并伴有局地短时强降水等强对流天气，其中神农架林区局地出现大暴雨，导致洪涝灾害。7日20：00—8日08：00，神农架共有24站观测到暴雨，其中7日20：00—23：00，松柏镇八角庙村降水量高达136 mm，导致河水陡涨、山洪爆发、道路被冲毁、农田损毁等多种灾害。本文选取7日20：00—22：00的短时强降水预报结果，对不同方案进行对比分析。7日20：00湖北共有19站出现短时强降水，其中最大雨强为62.7 mm·h^-1，出现在十堰竹溪县；下午14：00起报的CMA-MESO模式仅对恩施局部站点有所命中，其余皆为漏报；CMA-SH9模式对十堰和神农架地区的大部站点命中，而WH-RUC模式对所有站点全部漏报；对三个模式进行融合后，预报落区范围扩大，命中站点数增多，TS评分由0.167提升至0.239。但也存在一定的缺陷，如荆州南部的空报会予以并集保留。21：00—22：00神农架及周边地区出现短时强降水，CMA-MESO模式两个时刻基本全部漏报，CMA-SH9模式对21：00十堰的部分站点有所命中，22：00全部漏报；但WH-RUC模式的预报落区与实况具有很好的对应关系（图6）；因此经过多模式融合改进后，21：00—22：00的大部短时强降水都被提前精准命中，相较于CMA-MESO模式，TS评分分别由0.008和0提升至0.224和0.342。

2024年湖北省梅雨期降水累计量大、极端性强，连续遭受7轮暴雨天气过程；8月后涝旱迅速转换，逐步出现气象干旱。改进后的多模式融合消空方案对入梅后的多次强对流天气过程均提前准确预报。6月28日，受强西南急流和暖式切变线影响，湖北东部和南部大部地区出现暴雨、大暴雨。28日09：00—11：00，全省共273站出现短时强降水，最大雨强44 mm·h^-1。02：00起报的多模式融合产品提前7 h精准预报了短时强降水落区，TS评分分别为0.606、0.545、0.488，而原业务运行方案出现大范围漏报；08：00起报的多模式融合消空产品持续准确预报了短时强降水落区（图7）。尽管南部地区存在部分空报，但落区位置与暴雨区域高度重合，具有较强指导意义。09：00—11：00的TS评分分别为0.575、0.538、0.612，较原业务运行方案分别提升了0.106、0.047、0.612。上述结果表明，多模式融合消空方案能够克服单模式预报的不稳定性和漏报问题，为短时强降水预报的改进提供了可靠的技术支持。

基于CMA-MESO、CMA-SH9和WH-RUC三个高分辨率数值模式的反射率因子数据集和短时强降水潜势概率预报产品，分别采用单模式邻域法与多模式融合消空方案对2023、2024年4—9月的短时强降水预报进行检验，得到以下主要结论。

湖北省短时强降水潜势概率预报产品虽然命中率较高，但空报范围过大，TS评分较低，难以直接应用于业务，需通过后处理优化。

以40 dBZ雷达回波强度为临界阈值，使用面积邻域法能提升数值模式对短时强降水的预报能力。CMA-MESO模式的最优邻域半径为50 km，面积概率阈值为5%，TS评分由单点邻域法的0.105提高至0.117；CMA-SH9、WH-RUC模式的最优邻域半径均为60 km，面积概率阈值均为5%，最高TS评分分别为0.101、0.108。

当短时强降水的潜势概率阈值为55%时，多模式融合消空方案的预报效果最佳。2023年的命中率和TS评分分别为0.409、0.137；2024年的命中率和TS评分分别为0.406、0.129。与原业务运行方案相比，2023、2024年4—9月的1~12 h的TS评分均为正技巧，整体命中率分别提高0.131、0.186，TS评分分别提高0.014、0.020。该方案对2023年8月7日神农架暴雨、2024年梅雨期暴雨等多次强对流过程均有较好的提前预报效果。

综上所述，基于多模式融合的消空预报方案能明显改进短时强降水的预报性能。然而，本文主要关注数值模式预报在空间位置上的偏差，并通过邻域法进行优化，但模式预报在时间上的超前或滞后问题仍未解决。同时，多模式融合产生的空报范围扩大问题也需进一步研究，以提高方案的稳定性和实用性。