一种降水预报跨量级通用综合评价方法的邻域法改进评估

摘要

对一种降水预报跨量级通用综合评价方法(precipitation accuracy score, PAS)进行了邻域法改进。改进方案通过预报与观测资料匹配技术，采用距离权重评分统计方法，旨在减轻双重惩罚问题，同时确保评分系统能合理表征位置预报的准确性。研究应用邻域PAS方法，基于2021年汛期中国气象局智能网格实况产品，对江苏本地精细化天气分析预报系统进行整体和典型个例检验，同时引入均方根误差(root mean square error, RMSE)、结构相似性(structural similarity, SSIM)、峰值信噪比(peak signal-to-noise ratio, PSNR)、概率空间中的稳定公平误差(stable equitable error in probability space, SEEPS)等跨量级检验指标进行了对比。结果表明，邻域PAS方法显著回避了原方法在位置预报上的双重惩罚问题，更符合预报人员的主观预期和预报应用服务的要求，具有明显优势。邻域PAS评分、PAS评分与现有多个跨量级指标均表现出良好的相关性，多方验证了方法的有效性。同时，相较于RMSE,该方法更有效地平衡了对不同量级降水的敏感性；而与SSIM和PSNR相比，则展现了更强的可解释性，多个个例显示评分结果更符合预报员的认知。邻域PAS方法相比于SEEPS技巧评分保留了对大量级降水的检验分辨能力，同时减轻了PAS方法检验大量级降水产生的严重双重惩罚，一定程度平衡了大量级降水检验的两难问题。

关键词

降水检验 / 跨量级评价 / 邻域法 / 结构相似性 / 峰值信号比