当前，暴雨的天气预报主要依赖数值预报。集合预报作为能够定量评估预报误差、提供未来天气多种可能情景的先进数值预报技术（Houtekamer et al.，1996；王秋萍等，2023），显著增强了对极端天气事件的预报能力（杜钧等，2014；彭飞等，2024），在暴雨预报中得到广泛应用。欧洲中期天气预报中心（European Center for Medium range Weather Forecasts，ECMWF）建立的全球集合预报业务系统在实际业务中取得良好应用效果（范苏丹等，2015；陈圣劼等，2019；武英娇等，2019），但在部分暴雨事件，尤其是极端暴雨的预报中仍存在不足（肖柳斯等，2021；钱卓蕾等，2022）。为进一步提升我国强天气预报能力，中国气象局自主研发了区域集合预报系统（China Meteorological Administration Regional Ensemble Prediction System，CMA-REPS）。2019年汛期降水检验结果显示，其集合平均降水BIAS及小雨、暴雨ETS评分均优于ECMWF，对中国汛期降水具备较强预报能力（王婧卓等，2021），在暴雨和大雨预报中表现出一定优势（王叶红和赵玉春，2023）。针对河南郑州“21·7”极端暴雨事件，CMA-REPS相较于美国国家环境预报中心全球集合预报（National Centers for Environmental Prediction Global Ensemble Forecast System，NCEP-GEFS）表现出更高的预报能力（廉丹华等，2024）。

随着高性能计算机的发展，对流尺度集合预报（Convection-Allowing Ensemble Prediction，CAEP）快速发展，并在暴雨预报中的应用日益增多（马雅楠等，2023）。CAEP部分集合成员能够成功预报北京“21·7”暖区暴雨（Zhu and Xue，2016）；针对我国西部山区特大暴雨事件，CAEP相较于NCEP-GEFS显示出更高的预报能力（李俊等，2020）；针对河南郑州“21·7”极端暴雨的CAEP试验表明，其在一定程度上提升了暴雨预报能力，更好地刻画了极端降水预报的不确定性及极端性（朱科锋等，2022；谭赛，2023；吴卓亨等，2024）。总体来看，CAEP在暴雨预报中展现出明显优势。

近年来，内蒙古暴雨事件频发，特别是东南部极端暴雨呈增多趋势（李瑞青等，2023）。目前，内蒙古暴雨集合预报主要依赖ECMWF、NCEP-GEFS等全球集合预报产品（斯琴等，2016；安莉娟等，2019），缺乏更高分辨率的区域和对流尺度集合预报研究与应用评估，这在一定程度上限制了内蒙古集合预报特别是CAEP的发展及其在暴雨预报中的应用。基于此，本文针对内蒙古一次典型的大暴雨过程开展CAEP试验，并与ECMWF、NCEP-GEFS、CMA-REPS三种国际主流集合预报进行对比，探讨不同集合预报产品的暴雨预报能力，为内蒙古地区暴雨预报提供科学参考。

在高空槽东移和低空切变线共同影响下[图1（a）]，2021年7月17日08：00—18日08：00（北京时，下同），内蒙古呼伦贝尔市东部发生一次大暴雨过程[图1（b）]，共有28个国家级气象观测站出现大暴雨，其中呼伦贝尔市阿荣旗第十二生产队、兴安站、新发乡24 h累计降水量分别为167.2、135.0、134.4 mm。降水主要集中在17日20：00—18日08：00（图2），过程期间多次出现短时强降水（图3），降水强度大、局地性强，导致严重洪涝灾害。此次降水造成两座水库垮坝，受灾人数达16 660人，2 171 hm²农田被淹，22座桥梁损毁，影响极为严重。本文按照中央气象台气象业务一体化平台数值模式6 h累计降水产品显示将6 h 累计降水等级分为0.1 mm、4 mm、13 mm、25 mm、60 mm。

对内蒙古地区2021年7月17—18日的强降水过程开展CAEP试验，预报区域如图4所示。数值预报模式采用WRFV3.1.7，单层无嵌套，水平分辨率为3 km，格点数为959×826，垂直方向设置50层，共生成21个集合成员。模式同化的背景场和边界条件来自NCEP-GEFS前21个集合成员的12 h预报场。模式集合初值扰动采用观测扰动初值法（张涵斌等，2022；计燕霞等，2024），即对地面气象站、飞机报、探空等常规观测资料中的温度、相对湿度、气压、风向、风速施加随机扰动，生成20个扰动观测，与原始观测共同构成21个观测成员，进而形成各集合成员的初值场。物理过程不确定性通过随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies，SPPT）（Buizza et al.，1999；Palmer et al.，2009）表示，设定扰动空间尺度为150 km、时间尺度为1 h，格点标准差为0.5。所有集合成员的模式参数化方案均一致，具体为云微物理方案为Morrison方案，积云参数化方案为Kain-Fritsch方案，长波辐射方案和短波辐射方案都为RRTMG方案，边界层方案为YSU方案。试验于2021年7月17日08：00启动，积分时长36 h，对与降水时段相对应的12~24 h的预报结果进行检验，并与NCEP-GEFS，CMA-REPS和ECMWF三套集合预报进行对比，对比资料选取2021年7月16日20：00起报的24~36 h预报产品，其中ECMWF集合预报水平分辨率为0.5°×0.5°，成员数51；CMA-REPS水平分辨率为0.1°×0.1°，成员数15；NCEP-GEFS水平分辨率为0.5°×0.5°，成员数31。

集合预报检验采用国家气象信息中心提供的实况降水数据，研究区内共有1 895个国家站和区域站。

采用TS、BIAS评分评估集合平均和概率匹配集合平均降水，计算公式如下：

式中：a为预报命中（预报有降水且实际有降水）样本数，b为空报（预报有降水但实际无降水）样本数，c为漏报（预报无降水但实际有降水）样本数。TS取值范围为0~1，当预报和观测降水完全重合时，TS=1，TS越接近0，预报效果越差。BIAS范围为0~∞，当BIAS>1，表示预报降水站数多于观测降水站数，有空报；BIAS<1，表示预报降水站数少于观测降水站数，有漏报；BIAS=1，预报与观测的降水站数相等，偏差评分最优。

降水概率预报性能通过Brier评分、ROC曲线下面积（Area of Relative Operation Curve，AROC）进行评估。Brier评分衡量集合预报概率与观测的均方偏差，取值范围为0~1，值越小表示概率预报与观测越接近，准确性越高，其计算公式如下：

式中：N为样本总数；P_n是第n个样本的集合预报概率，其值为0~1；O_n为对应的观测事件的指示量（发生取1，未发生取0）。

AROC反映集合预报对天气事件的判别能力，其计算基于命中率（Hit Rate，HR）和空报率（False Alarm Rate，FAR）：

式中：d为预报和实际均未出现降水的样本数。以HR为纵轴、FAR为横轴绘制ROC曲线，其与横轴围成的面积即为AROC，AROC取值范围为0~1，值越大表示判别能力越强；当AROC≤0.5时，说明预报缺乏正技巧（王婧卓等，2021）。

2021年7月17日20：00—18日08：00的逐6 h降水实况显示，降水主体位于内蒙古东部呼伦贝尔地区，实况中出现两个25 mm以上强降水中心：该市东南部大值中心6 h降水量超过60 mm；另一中心位于呼伦贝尔市西部（图2）。

集合平均预报结果（图5）显示，17日20：00—18日02：00的降水，ECMWF能够准确预报出呼伦贝尔东部和西部的两个降水中心位置，但降水量明显偏低（不足25 mm）；NCEP-GEFS未能预报出两个降水中心，且预报量级更小（不足13 mm）；CMA-REPS预报出了两个降水中心，但整体位置较实况偏西，降水量也不足25 mm；CAEP能预报出位于呼伦贝尔市东南部的偏南降水中心，降水量为25~60 mm，但未能有效预报呼伦贝尔西部和东部的降水。18日02：00—08：00的降水，ECMWF对呼伦贝尔东部降水中心的落区预报准确，但降水量偏少（不足25 mm）；NCEP-GEFS降水大值中心预报位置偏西，且预报量更小；CMA-REPS对呼伦贝尔东部降水中心有较好提示，但落区偏北；CAEP对呼伦贝尔东部降水大值区的预报范围更广，但对中西部降水存在漏报。

总体而言，ECMWF对强降水中心落区预报表现最好，但降水强度系统性偏低；CMA-REPS普遍存在落区偏西的问题；CAEP在降水强度预报上表现最好；NCEP-GEFS在降水量级和落区上均表现最差。

集合平均预报易受平滑效应影响，导致强降水落区偏小。频率匹配集合平均（Probability Matching Ensemble Mean，PM）通过使用集合成员的原始降水频率对集合平均进行修正以提高集合预报能力（Ebert，2001），可有效矫正平滑作用造成的小量级降水落区偏大、强降水被削弱的负面影响（李俊等，2015；叶茂等，2023）。2021年7月17日20：00—18日02：00的降水预报表明PM降水量级更接近实况[图6（a）、（b）、（c）、（d）]。其中，ECMWF PM降水准确预报了呼伦贝尔市东部和西部的两个强降水中心，中心降水强度超过25 mm；NCEP-GEFS PM降水仅预报出东部降水中心，且落区偏南；CMA-REPS PM降水虽预报出位于呼和伦贝尔东部超过60 mm的降水中心，但落区偏北；CAEP PM降水预报出60 mm的强降水，但漏报西部的强降水，东部降水中心落区偏南。18日02：00—08：00的PM降水预报[图6（e）、（f）、（g）、（h）]，ECMWF PM降水依旧保持较好的落区预报，但降水量仍未达到60 mm；NCEP-GEFS、CMA-REPS和CAEP PM降水对呼伦贝尔东部降水中心的落区预报偏西，CMA-REPS和CAEP PM降水预报了60 mm以上的降水，其中CAEP PM降水对25 mm以上降水的落区预报更接近实况。

整体而言，PM方法明显提升降水强度预报能力，但对强降水落区预报改善有限。ECMWF落区预报更准确，但降水强度预报偏弱；CMA-REPS和CAEP对降水强度的预报更接近实况，但落区准确性欠佳。

单站降水预报反映模式对局地降水的预报能力。此次降水过程中，兴安、新发乡和第十二生产队24 h累计降水量均超过130 mm。18日02：00—18日08：00单站逐6 h降水量预报结果（图7）显示，ECMWF、NCEP-GEFS和CMA-REPS新发乡逐6 h累计降水量普遍明显偏低，最大偏差约40 mm；18日02：00，CAEP逐6 h累计降水量偏低，但18日08：00有3个集合成员降水量预报为65 mm左右，与实况接近，预报能力较好。对于兴安和第十二生产队，ECMWF、NCEP-GEFS和CMA-REPS 18日02：00的预报降水量远低于实况，集合离散度降低，可预报性相对较低。相比之下，CAEP 18日08：00的预报结果与实况相差仅约30 mm，且成功预报了降水量增加的趋势。

总体而言，全球集合预报和区域集合预报在单站局地降水的预报中均存在能力不足的问题，表现为集合成员降水量预报较为一致，普遍低于观测，因此集合离散度偏小，且随着预报时效的延长，局地降水的可预报性显著下降。相比之下，CAEP的集合成员间差异性较大，降水量预报集合离散度相对更大，对降水量级和发展趋势的预报更接近实况，对提升局地降水的预报能力具有明显优势。

降水概率预报是集合预报的重要产品之一，能有效评估模式对极端降水事件的预报能力。分析四种集合预报对25 mm降水概率预报，结果（图8）显示，7月17日20：00—18日02：00的强降水时段，ECMWF与NCEP-GEFS对25 mm以上降水完全漏报；CMA-REPS与CAEP则有一定程度的提示，概率最高达0.7，但存在一定的落区偏移。尤其是对于呼伦贝尔南部的分散性强降水，全球与区域集合预报几乎无概率提示，而CAEP有一定的概率指示，显示出其在局地强降水预报方面的优势。18日02：00—08：00的降水预报中，ECMWF准确预报出了呼伦贝尔东部的降水中心，降水预报概率达0.3，但对西部降水完全漏报；NCEP-GEFS同样漏报西部降水，且东部降水中心预报偏西；CMA-REPS西部降水有提示，但东部降水预报偏西；CAEP对呼伦贝尔市东部的25 mm以上降水预报较好，概率可达0.7。

总体来看，全球集合预报对大雨量级降水的预报能力较弱，而区域及对流尺度集合预报概率较高，尽管仍存在落区偏移问题。

为进一步定量评估不同集合预报对强降水的预报能力，采用TS（图9）、BIAS（图10）、Brier评分与AROC（图11）等指标进行检验。25 mm·（6 h）^-1以上降水，四类集合均具有一定的可预报性，ECMWF与NCEP-GEFS的成员间预报差异较大，部分成员TS评分较高，而另一些成员为0，预报一致性较差；而CMA-REPS与CAEP的绝大多数成员TS评分均大于0，表明整体具有较好的预报能力。值得说明的是，17日20：00—18日02：00 CAEP集合平均的TS评分为0.011，其他三种集合平均的TS评分均为0；18日02：00—08：00 CAEP的集合平均TS评分为0.082，CMA-REPS的集合平均TS评分为0.041，全球集合预报TS评分均为0，说明CAEP的集合平均具有一定的预报能力。PM降水TS评分相较于集合平均有显著提升，特别是ECMWF从0最大提升至0.536，CMA-REPS从0最大提升至0.320，CAEP从0.011最大提升至0.383，NCEP-GEFS的TS改进幅度相对最小。

60 mm·（6 h）^-1以上降水预报，17日20：00—18日02：00，ECMWF、NCEP-GEFS与CMA-REPS完全无预报能力，只有CAEP的个别成员表现出一定的预报能力；而18日02：00—08：00，NCEP-GEFS完全无预报能力，其他三种集合预报具有一定的预报能力，其中CAEP的预报能力最佳，多数成员TS评分超过0.100，最大可达0.440。ECMWF的PM降水预报效果最优TS评分为0.057，但也要低于CAEP部分集合成员。

BIAS评分（图10）显示，四类集合对强降水均存在不同程度的漏报，对于25 mm·（6 h）^-1以上量级降水，CAEP的集合平均降水和PM降水的BIAS评分接近1，而对于60 mm·（6 h）^-1以上强降水量级，NCEP-GEFS与ECMWF偏差较大，而高分辨率对流尺度集合预报的漏报率相对较低，概率匹配集合平均进一步减少了强降水的漏报。

Brier评分与AROC结果（图11）进一步表明，对于25 mm·（6 h）^-1以上量级降水，17日20：00—18日02：00，CMA-REPS与CAEP的概率预报质量最好，NCEP-GEFS最差；60 mm·（6 h）^-1以上强降水量级，CAEP的Brier评分整体低于其他集合预报，同时AROC可达0.651，显示出较高的辨识度，具有较强的强降水预报能力。

为进一步评估CAEP在内蒙古地区暴雨过程中的预报能力，本文针对一次典型大暴雨过程，基于观测扰动初值和SPPT物理扰动方法开展CAEP试验，并与ECMWF、NCEP-GEFS和CMA-REPS集合预报进行对比。通过集合平均、概率预报及多种评分指标的综合检验，得出以下主要结论。

1）全球集合预报的集合平均普遍存在降水量级偏低的问题。ECMWF对强降水中心的落区预报相对准确，但CMA-REPS与CAEP在降水强度上更接近实况，NCEP-GEFS对强降水落区与强度预报均欠佳。

2）PM能够有效改善降水强度预报，对强降水落区的修正作用有限。高分辨率集合预报的PM降水强度基本与观测吻合；四种集合预报的PM降水TS评分较集合平均明显提高，其中ECMWF的提升幅度最大，CMA-REPS与CAEP次之；NCEP-GEFS的PM降水改进幅度最小，这是由于其集合平均原本就存在较大的预报偏差。

3）在此次降水过程中，全球与区域集合预报普遍存在离散度不足，导致局地降水预报能力偏弱；相比之下，CAEP集合成员较为发散，降水预报具有更合理的离散度，能够提升对降水量级与发展趋势的预报准确性，具有较高的业务应用潜力。

4）在6 h降水预报中，CMA-REPS与CAEP的大多数成员对25 mm以上降水具备一定预报能力，其中CAEP集合平均的TS评分最高；而在60 mm以上强降水中，仅CAEP表现出明显优势，多数成员TS评分大于0.10，最优成员可达0.44。CAEP的Brier评分和AROC评分均优于其他集合，表现出更高的概率预报质量和强降水事件辨识度。

综上，ECMWF在强降水落区预报上具有一定参考价值，但在降水强度上偏弱；区域集合预报在降水强度上更具优势，尤其是对流尺度的CAEP，在局地强降水预报能力上表现更为突出，显示出在极端降水预报中的重要应用前景。