《表1 ECMWF模式的48～54 h累积降水预报和观测的对象数和匹配情况(均为世界时)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于对象诊断的超强台风“利奇马”(1909)模式强降水预报检验》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于对象的检验评分在意于模式对目标降水对象能不能报得出（识别出对象）、报得像不像（对象匹配成功），而不像传统TS评分那样重点关心预报和观测对象点对点的重叠程度，可能存在匹配成功（基于对象的评分较高）但完全没有交集（传统TS评分很低）的情况。图6给出了两模式基于对象的检验评分随预报时效的变化情况。对比逐24 h和逐6 h强降水评分发现，两者之间的差异并不像传统评分那样前者明显优于后者，说明在对象的识别方面，降水累积的时间越长优势并不一定明显。从逐6 h降水评分上看，在42 h预报时效之前，ECMWF与GRAPES-MESO基于对象的评分交集较多，说明在对象的识别方面差异不大，都能够报得出、报得像。值得注意的是，在48 h、54 h、60 h、66 h预报时效中，GRAPES-MESO的评分骤然变差，尤其是54 h预报时效是评分的低谷，而这个现象并没有从传统评分中凸显出来。为了分析产生这种突变的原因，表1、2列出了ECMWF和GRAPES-MESO的48～54 h累积降水的全部6个样本的预报和观测的对象数和匹配情况。可以看出ECMWF成功匹配了4个观测对象（表1），而GRAPES-MESO由于存在较多的空报和落区错误只成功匹配了1个观测对象（表2）。为了进一步直观地分析GRAPES-MESO匹配失败的原因，图7—9分别给出了由于空报和落区错误导致匹配失败的3个样本的降水分布和对象识别匹配图，其中相同的颜色的对象代表匹配成功。从图7可以看出，ECMWF比较准确地报出了山东和江苏一带的强降水，与观测的强降水雨带形状吻合较好。虽然ECMWF对于江苏北部地区的降水预报偏弱导致南北雨带分离，但由于分离的两个对象与观测的匹配度较高，通过MODE中的对象合并机制自动合并为对象簇。相比之下，GRAPES-MESO仅在江苏中部报出了一部分强降水，却完全没有报出山东地区的强降水。除此之外，GRAPES-MESO还在浙江和东北地区空报了两个强降水对象。从图8来看，ECMWF成功报出了辽东半岛的强降水雨带，虽然强度偏强，但雨带的形状和位置与观测一致，匹配成功。GRAPES-MESO漏报了辽东半岛的强降水。此外，观测场在山东西部和北部各识别出一个强降水对象，但ECMWF报得偏北，GRAPES-MESO报得偏东，都没有匹配成功。再从图9分析，观测场在吉林和辽宁交界处识别出一个强降水对象，ECMWF报得略偏北，但匹配成功。GRAPES-MESO在吉林东部报出了强降水，但由于该对象形心超出限定范围（图1），视为匹配失败。此外，GRAPES-MESO在华北东部地区有一片空报的强降水。