引言

台风所带来的强降水可能引发山洪、泥石流以及城市内涝等次生灾害，对沿海城市的人民生命财产安全构成严重威胁。福建位于中国东南沿海，拥有漫长的海岸线，使得西北太平洋台风有较高的登陆概率或对该区域产生显著影响^[1-2]。因此，迫切需要提高登陆热带气旋(landfalling tropical cyclone，LTC)降水，尤其是极端降水的准确预报能力，以加强对此类复合灾害事件的预测和应对。

数值天气预报模式能够提供台风登陆期间的降水预报产品。此外，还有专门针对台风预报的数值模式，如国家气象中心基于中尺度数值模式(China Meteorological Administration Mesoscale Model，以下简记为“CMA-MESO”)开发的区域台风数值预报系统(China Meteorological Administration_Regional Mesoscale Typhoon Numerical Prediction System，以下简记为“CMA-TYM”)^[3]。相关的检验表明，CMA-TYM在120 h内的路径和强度预报方面接近国际水平，在实际业务中具有重要的参考价值^[4]。广州热带海洋气象研究所开发并业务运行的南海台风模式(Tropical Regional Assimilation Model for the South China Sea，简记为“TRAMS”)主要用于为华南沿海地区提供南海区域的台风业务数值预报产品^[5]。此外，经过订正的数值模式降水预报产品和人工智能降水量预报产品也在登陆台风降水中得到广泛应用。例如，姜丽黎等^[6]采用动力与统计相结合的方法，对25个登陆中国的台风引起的极端降水事件进行概率预报研究，结果显示该方法具有一定的预报技巧，能准确预报多数站点的极端降水，但预报范围略偏大，空报率较高。Ren等^[7-8]、Jia等^[9]提出动力统计相似集合预报(Dynamical-Statistical-Analog Ensemble Forecast，DSAEF) 理论，初步建立登陆台风降水(landfalling typhoon precipitation，LTP)预报的DSAEF_LTP模型，通过在华东、华南及全国范围的试验和检验，表明该模型在台风极端降水应用方面相对于国内外数值模式有明显优势^[10-13]。Su等^[14]在模型中引入台风强度筛选因子，增加区域相似因子，并改进了集合预报方案，利用改进后的DSAEF_LTP模型进行登陆福建台风降水预报对比试验，从而建立了影响福建的台风降水预报模型。

2305号台风“杜苏芮”于2023年7月28日登陆福建泉州，影响中国东部14省(区、市)，造成严重灾害损失。在台风降水影响前，数值模式预报显示该次台风对福建地区有造成强降水的可能性，Su等^[14]改进后的DSAEF_LTP模型也在此次强降水过程中实现业务化运行，提供“杜苏芮”台风过程的降水量预报产品。此文对改进后的DSAEF_LTP模型预报产品进行检验，与数值模式产品、客观订正产品进行对比，以评估模型产品的性能，并为模型的进一步改进提供方向，目的是提高台风过程降水量客观预报水平。

1 台风概况

2305号台风“杜苏芮”于2023年7月21日08时(北京时，下同)生成，其路径和强度见图 1。“杜苏芮”生成后稳定向西偏北方向移动，并于28日09：55在泉州晋江沿海登陆，登陆时为强台风级，中心最大风力为15级(50 m ·s^-1)。“杜苏芮”登陆后强度逐渐减弱，并继续向北偏西方向移动横穿福建，于28日22时前后进入江西境内^[15-16]。“杜苏芮”对福建的影响严重，台风移动路径绕过菲律宾吕宋岛和中国台湾岛，内核结构保持较为完整，最终正面登陆闽南沿海，风雨的破坏力给福建带来巨大损失。

受台风“杜苏芮”直接登陆影响，7月26—29日福建沿海普降暴雨到大暴雨，局地特大暴雨。福州市区、闽侯、莆田市区、仙游、泉州南安日降雨量超过1961年以来历史极值纪录，莆田市区日降雨量破全省国家级气象观测站最大日降雨量历史纪录。台风“杜苏芮”共造成福建266.69万人受灾，农作物受灾面积达37 396.27 hm²，倒塌和严重损坏房屋3 357间，直接经济损失达147.55亿元。

2 数据和方法 2.1 资料

鉴于主要降水时段为“杜苏芮”台风登陆前的外围螺旋雨带降水和台风登陆后的本体降水及尾流降水，此研究中实况和用于对比分析的数值模式降水总量的统计时段为2023年7月26日08时—29日08时。所用资料包括：

(1) 1960—2018年中国2 027个国家级气象观测站逐日(20时—次日20时)降水资料，该资料包括福建地区的66个地面站点数据。

(2) 2023年7月26日08时—29日08时台风“杜苏芮”影响期间福建地区66个地面站点降水数据，该地面站点与(1)中站点位置一致。

(3) 1979年以来欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts，ECMWF)ERA5资料(https://cds.climate.copernicus.eu/)中的风场、位势高度场和水汽等数据。

(4) DSAEF_LTP模型降水预报结果和数值模式产品及订正预报产品。利用改进后的DSAEF_LTP模型生成台风“杜苏芮”影响福建的过程降水预报产品，预报起报时间为7月25日08时，预报时效为96 h。使用的对比预报产品是ECMWF数值预报降水量预报产品(以下简记为“ECMWF”)和福建省气象局利用最优TS(threat score)评分订正法(optimal TS，OTS；即“福建OTS算法”)生成的订正降水产品^[17]，该降水产品为订正后的ECMWF降水预报产品(以下简记为“FZECMOS”)。ECMWF和FZECMOS的水平分辨率分别为9 km×9 km和3 km×3 km。在对比检验中，将上述两类数据插值到本节(1)中所述福建地区站点上。ECMWF的起报时间为7月24日20时，过程降水预报时效为108 h；FZECMOS的起报时间为7月25日08时，过程降水预报时效为96 h。

(5) 所使用的台风最佳路径资料集来自中国气象局上海台风研究所，数据包括每6 h的台风位置和强度^[18]，时间为1960—2018年。台风“杜苏芮”的实时路径采用中央气象台实时下发的报文信息(http://www.nmc.cn/publish/typhoon/message.html)，路径预报信息采用中央气象台主观路径预报。

2.2 方法 2.2.1 DSAEF_LTP模型

文中所使用的DSAEF_LTP模型运行过程主要有以下4个步骤(图 2)：获取目标热带气旋(tropical cyclone，TC；对其进行过程降水预报的TC)路径、构建广义初值、初值相似性判别、LTC降水集合预报。第一是将起报时刻之前的目标TC观测路径和之后的目标TC预报路径相结合，构成目标TC的完整路径，其中预报路径采用基于中央气象台主观预报的TC路径预报结果。第二是构建广义初值，即构建对目标TC过程降水有影响的若干变量的初值。除了路径这一重要特征外，还有许多其他特征，如TC登陆季节、TC其他自身特征(如强度、移速、结构等)和环境场特征(如季风、副热带高压、急流等)对于TC降水的形成十分重要，故需要逐步将这些特征的相似性(季节相似、TC强度相似、TC移速相似、TC结构相似、季风相似、副热带高压相似等)考虑进来。第三是初值相似性判别。在既定的相似性区域内，计算目标TC与所有历史TC(1960年以来，目标TC之前)路径之间的TC路径相似面积指数(track similarity area index，TSAI)并升序排列，TSAI越小说明两条路径间相似程度越高；在路径相似的基础上，依次判别目标TC与历史TC登陆季节、强度和移速等的相似性，以剔除与目标TC登陆季节、强度和移速等差异较大的历史TC。第四是LTC降水集合预报，采用优化改进后的集合方案将筛选后的若干个最佳相似TC所对应的历史TC风场进行集合，从而得到目标TC的过程降水预报结果。

对于单个TC而言，每个参数都有多种取值方式，不同取值将产生大量组合，一种组合即一种预报方案，理想状态下参数间的随机组合可生成数百万套预报方案^[14]。文中所使用的DSAEF_LTP模型与Ren等^[7-8]建立的原模型相比，主要在相似区域和集合预报方案方面做了改进。

图 3中黑色框所示范围(ABCD)为原先模型相似区域，参数主要含义为：由C点的起报位置与对角点A最大预报时刻TC预报位置所围成的矩形范围为相似台风的搜寻区域，共15种取值方式。原先参数主要基于实况加预报路径所组成的矩形范围，存在相似区域偏小且偏东偏南，因此在预报台风路径的基础上采用扩大固定搜索范围的方式调整相似区域取值，考虑到西北太平洋台风最大直径在2 000 km左右，故选取2 000 km的正方形。新的相似区域应主要向西、向北扩大，对相似区域增加5种新的取值方式，A₁B₁为2 000 km，B和B₁的中点为B₂、D和D₁的中点为D₂，其他线段长度由计算获得。图 3为相似区域的示意图，新取值方式分别为：(1)A₁B₁C₁D₁(红色框)是边长为2 000 km的正方形，将此作为相似区域的第16种取值方式；(2)A₂B₂C₂D₂(绿色框)为第17种取值方式；(3)A₃B₃C₃D₃为第18种取值方式；(4)A₄B₄C₄D₄为第19种取值方式；(5)A₅B₅C₅D₅为第20种取值方式。

在DSAEF_LTP模型的LTC降水集合预报步骤上，原来只有平均值和最大值2种集合预报方法，此研究考虑了基于站点集合和场集合2类集合方式，新增4种集合方法，包括最优百分位方法、概率匹配平均、等差权重集合平均、基于TSAI的非等差权重集合平均，方法具体说明见表 1^[10]。

针对以上改进DSAEF_LTP模型在福建地区的可用性和参数选取问题，Su等^[14]已通过42个降水量超过100 mm的台风个例研究证明该模型在福建地区的台风过程降水预报能力超过最优数值预报，并给出了模型最优参数。在此次台风“杜苏芮”的业务实时预报中，模型的各个参数采用Su等^[14]的研究方案，具体参数方案见表 2。

2.2.2 检验方法

(1) 常规检验方法。采用3种常用的预报评分方法^[19]，即TS评分、空报率(false alarm ratio，FAR)和漏报率(missing ratio，MR)，评估DSAEF_LTP模型的台风过程降水预报能力。三者的计算公式^[20-21]如下。

$ V_{\mathrm{TS}}=\frac{N_{\mathrm{A}}}{N_{\mathrm{A}}+N_{\mathrm{B}}+N_{\mathrm{C}}} $

(1)

$ V_{\mathrm{FAR}}=\frac{N_{\mathrm{B}}}{N_{\mathrm{A}}+N_{\mathrm{B}}} $

(2)

$ V_{\mathrm{MR}}=\frac{N_{\mathrm{C}}}{N_{\mathrm{A}}+N_{\mathrm{C}}} $

(3)

式中：V_TS为TS评分值，V_FAR为空报率值，V_MR为漏报率值，N_A为预报正确的站点数(实况和预报都出现某量级降水的站点数)，N_B为空报站点数(预报出现某量级的降水而实况降水未达到此量级的站点数)，N_C为漏报站点数(实况降水出现某量级而预报未达到此量级的站点数)。以上3种评分的取值范围为0~1。V_TS越接近1，表明报中率越高、预报效果越好；V_FAR越接近1，表明空报现象越严重；V_MR越接近1，表明漏报现象越严重。

(2) 空间检验方法。采用基于目标的诊断检验方法。MODE(Method for Object-based Diagnostic Evaluation)方法是Davis等^[22]发展的一种基于目标的诊断评估方法。MODE空间检验通过降水量阈值设定，从预报和实况气象要素场中筛选出满足阈值的降水场目标，进而对预报和实况场筛选出的降水场目标进行目标对匹配和分析，再对降水场目标的特征参数(如质心距离、轴角差、面积比、长短轴差等)进行合理配置，计算每组目标对的匹配度参数、独立属性及匹配目标对的诊断量，从而诊断出预报场和实况场的空间特性差异及模式预报误差属性^[23]。国家气象中心已将MODE方法集成到天气预报全流程检验评估程序库(Meteorological Evaluation Program Library，以下简记为“MetEva”)中，此研究主要基于MetEva 1.7.5版本的MODE检验工具开展相关研究^[24]。

3 结果分析

改进的DSAEF_LTP模型在台风“杜苏芮”生成后和影响福建期间实时业务运行；每日上午定时运行，每次根据当日08时的台风实时路径和预报路径及模型的参数方案按照流程筛选相似台风，并生成台风“杜苏芮”过程降水预报产品。以下从常规检验、降水落区空间检验和相似台风路径降水分布等方面检验模型的实时降水预报性能。

3.1 常规检验对比

对比分析DSAEF_LTP模型的降水预报结果和ECMWF数值模式及客观订正产品FZECMOS的V_TS(图 4a)。(1)在25 mm及以上量级，FZECMOS的V_TS最高，达0.79；DSAEF_LTP模型的V_TS次之，为0.78；ECMWF的V_TS紧随其后，为0.76。三者的差距微小。(2)在50 mm及以上量级，FZECMOS和DSAEF_LTP模型的结果相近，V_TS均为0.65~0.66，但ECMWF的V_TS只有0.52，明显小于前二者。(3)在100 mm及以上量级，DSAEF_LTP模型排名第一，其V_TS为0.54，而第二名的FZECMOS评分只有0.45，ECMWF的评分更是下降到0.26，DSAEF_LTP模型的预报能力分别比FZECMOS和ECMWF提高20%和108%。(4)在250 mm及以上量级，ECMWF的V_TS为0，显示该数值模式对于台风“杜苏芮”的极端降水没有预报能力；而DSAEF_LTP模型的V_TS达到0.25，远远超过FZECMOS的0.095，是FZECMOS评分的2.6倍。

在漏报率方面(图 4b)，DSAEF_LTP模型的表现也十分稳定，所有量级的漏报率数值都是最低的。在100 mm及以上量级，V_MR为44%；在250 mm及以上量级，V_MR也只有33%。

在空报率方面(图 4c)，在100 mm及以上量级，DSAEF_LTP模型和FZECMOS的V_FAR是相同的，为3%；在250 mm及以上量级，DSAEF_LTP模型的V_FAR最小，为71%；而ECMWF的V_FAR为100%，FZECMOS的V_FAR也达到75%。DSAEF_LTP模型较2个对比产品取得了极佳的预报效果。可以看出，在100 mm及以上和250 mm及以上的量级表现方面，DSAEF_LTP模型的预报结果比动力数值模式和其他客观订正产品展现出更高的预报准确率和更小的空报率、漏报率，验证了该模型与所用参数在实际业务中能够取得与建模试验一致的预报效果。

3.2 降水落区空间检验对比

由2023年7月26日08时—28日08时福建地区台风“杜苏芮”过程累计降水量分布(图 5a)来看，主要降水出现在福建中北部沿海地区，呈带状分布，降水中心出现在福建中部的莆田和泉州东北部，过程降水量超过500 mm，达到特大暴雨量级；大暴雨量级的降水则覆盖厦门以北的福建沿海地区，宁德市区、柘荣、福州市区、闽侯、莆田市区、仙游、泉州南安等地的过程降水量为250~400 mm。DSAEF_LTP模型预报(图 5b)的主要降水中心出现在福建沿海和三明龙岩交界，达到大暴雨以上量级；宁德市区、柘荣、福州北部等地预报的降水中心降水量超过250 mm，为大暴雨量级。可以看出，DSAEF_LTP模型预报的过程累计降水量虽然在福建西南部的龙岩和三明交界地区预报值偏大，但基本预测出沿海强降水雨带的特征，在福建北部沿海降水中心也有较好的对应，但泉州、莆田等福建中部降水中心区域预报量偏小，特大暴雨预报范围显著偏小，500 mm以上极端降水更是出现漏报。由ECMWF 25日20时起报的累计降水量(图 5c)来看，其预报的大暴雨落区主要位于福建中南部，降水中心位于福建南部的漳州和厦门，但在福建中北部沿海，ECMWF预报的降水量为25~100 mm，与实况偏差较大。FZECMOS(图 5d)预报的大暴雨落区偏大，基本覆盖福建全省，其降水预报中心为厦门附近，为250~500 mm，福建北部的沿海降水中心没有体现，仍仅有大暴雨量级。

以上定性分析了降水预报的空间分布特征，为了定量对比降水预报空间分布的优劣，采用MODE方法进行空间检验，检验DSAEF_LTP模型预报和对比模型的降水空间分布特征和预报性能。文中MODE方法采用检验阈值累计降水量不小于100 mm和不小于250 mm。图 6为累计降水量不小于100 mm的实况和预报目标匹配分布情况。可以看出，3个预报场的目标物均找到了匹配对象，且没有出现空报和未配对的情况。3个预报场的目标物大小不一，由表 3可以看出，DSAEF_LTP模型的降水目标物在目标质心距离(观测与预报之差的绝对值)上为0.609，目标角度差(观测与预报之差的绝对值)为5.043，目标面积比(观测与预报之比)为63.8%，重叠面积比(观测与预报之比)为73.6%，误差远小于其他2个对比产品；DSAEF_LTP模型的降水目标物匹配相似度达到91.5%，远高于ECMWF和FZECMOS的75.4%和76.2%。这说明DSAEF_LTP模型的累计降水预报在空间分布形状、走向和落区等方面与实况的相关性较好，该目标物的预报好于其他预报。

图 7为累计降水量250 mm及以上的实况和预报目标匹配分布情况，其中图 7a、b、c均为相同的实况场，但在不同预报场的匹配中对应不同的目标编号(用图中数字表示)，不同颜色表示配对情况。可以看出，实况观测场(图 7a)识别出了3个目标物，DSAEF_LTP模型预报了目标1和目标2(图 7d)，但出现1个漏报目标物，在福建中部沿海莆田地区；ECMWF(图 7e)和FZECMOS(图 7f)均漏报2个目标物，只匹配到最南侧的漳州附近目标；因此，DSAEF_LTP模型有更优的匹配目标结果。在配对的目标物属性或比值上(表 4)，DSAEF_LTP模型的目标2整体相似度达92.5%，质心距离为0.027，目标面积比为100%，重叠面积比为84.6%。目标2为宁德柘荣站，在远离大范围强降水区域的独立小区域内，DSAEF_LTP模型准确预报，显示出了DSAEF_LTP模型的优越性。对于目标1，DSAEF_LTP模型整体相似度为63.6%，目标面积比为4.1%，重叠面积比为7.8%，与实况观测场(图 7a)相似程度较差，这主要是由DSAEF_LTP模型在该区域预报250 mm及以上降水落区偏小造成的。对于目标3，DSAEF_LTP模型则出现了漏报。相较于DSAEF_LTP模型，ECMWF(图 7e)和FZECMOS(图 7f)均只有1个匹配对象，ECMWF的目标1整体相似度只有28.2%，目标质心距离比DSAEF_LTP模型的2个目标都大；由目标降水分布(图 7e)可以看出，ECMWF目标1位于实况观测场(图 7b)目标1的西南方向，重叠面积比甚至为0，这意味着该目标完全脱离了实况场。因此，虽然ECMWF报出了250 mm及以上的强降水落区，但落区的完全偏离将导致防范效果的偏差。FZECMOS(图 7f)的目标1整体相似度为72.2%，相较于实况场(图 7c)，其预报面积过大，与观测重叠面积比只有19.4%，这将导致空报率和漏报率均较大。

由100 mm及以上(表 3)和250 mm及以上(表 4) 量级的比较来看，随着降水量级的增大，DSAEF_LTP模型的整体相似度(最佳目标)维持在92%左右，重叠面积比也从73.6%增长到84.6%；但ECMWF和FZECMOS的整体相似度却出现下降，重叠面积比例下降严重，甚至降为0。因此可以看出，DSAEF_LTP模型在极端降水方面有更加优异的表现。

由以上空间分布检验分析可以看出，在台风“杜苏芮”过程的降水预报中，DSAEF_LTP模型均有突出的表现，不仅在整体相似度上优于ECMWF和FZECMOS，而且对于孤立小区域的强降水也有优异的预报性能。通过100 mm及以上和250 mm及以上量级的比较可以看出，对于更极端降水(降水量不小于250 mm)，DSAEF_LTP模型预报能力有更大的提升。这体现出DSAEF_LTP模型预报降水在强度、落区、结构等方面具有优势。

3.3 DSAEF_LTP模型相似台风路径和降水分布

为了了解DSAEF_LTP模型对此次台风过程降水预报能力较好的原因，从模型筛选出的相似台风入手，分析相似台风的路径以及降水分布对最终模型集合预报的影响。

首先，分析DSAEF_LTP模型筛选出的与“杜苏芮”台风最相似的前10个历史台风。在24日的预报(图 8a)中，台风“杜苏芮”起报时刻实况位置位于吕宋岛东部海域，模型筛选出的相似个例大部分经过巴士海峡并北上台湾海峡登陆福建沿海，登陆点较为分散，全省南北沿海均有相似台风登陆。25日(图 8b)，台风“杜苏芮”起报时刻实况位置靠近吕宋岛北部沿海，模型筛选的相似台风路径在巴士海峡附近较24日更为集中，且2次预报在福建地区登陆位置基本相似。24日08时，中央气象台主观路径预测27日20时之前台风路径平均偏差为136.8 km，而25日08时的预报值为77.5 km，较之前偏差减小43%。路径偏差的减小为DSAEF_LTP模型选取更相似台风打下重要基础。

在25日的预报(图 8b)中，根据台风“杜苏芮”实况和最新路径强度预报模型筛选出的相似台风有7个与24日相同，其余3个相似台风则被替换。经过1 d的发展，实况和预报的25日台风“杜苏芮”强度达到超强台风级，因此在模型25日筛选的相似台风中，可以看到增加了台风以上级别的1614号“莫兰蒂”、7412号“Lucy”和1209号“苏拉”等对福建沿海降水影响重大的台风，同时排除了1709号“纳沙”和6904号“Winnie”等强度较弱的相似台风，这使得模型降水集合预报中福建中东部沿海出现强降水的概率加大。从模型2次预报的特大暴雨以上量级V_TS上看，25日的V_TS为0.42，24日的V_TS甚至为0，25日的预报效果明显好于24日。可以看出，更新台风实况和路径强度预报之后，筛选出更多与当前实况相似的台风，在此基础上更新台风路径、强度预测构成的目标TC完整路径能够提高DSAEF_LTP模型的预测能力。

其次，对DSAEF_LTP模型筛选出的相似台风降水量分布(图 9)进行分析。可以看出，模型所选出的相似台风降水极值中心均出现在福建沿海地区，与台风“杜苏芮”的实况一致，除了7704号“Thelma”、1717号“古超”和7315号“Nora”台风之外，其他7个台风的降水中心极值均超过250 mm，1111号“南玛都”、9006号“Percy”和9914号“Dan”台风降水甚至超过400 mm，这为DSAEF_LTP模型集合预报出250 mm及以上的强降水提供了支持。其中1308号“西马仑”、9006号“Percy”台风的降水中心位于台风登陆点附近，共有4个台风(7315号“Nora”、1111号“南玛都”、1614号“莫兰蒂”、9914号“Dan”)的降水中心位于台风前进方向的右侧，1210号“达维”和7417号“Helen”则在台风路径的左右方向均出现降水中心。DSAEF_LTP模型在筛选相似台风时已经考虑了热带气旋路径、强度、移速、登陆季节和环境场(含下垫面)因子等，因此DSAEF_LTP模型筛选出的相似台风降水中心和路径的相对位置关系多样，不只是出现在台风本体经过的附近地区，更为合理保留相似台风及其降水分布，在集合预报运算中有更好的结果。同时可以看到，有6个相似台风(7704号“Thelma”、7315号“Nora”、1111号“南玛都”、1209号“苏拉”、1614号“莫兰蒂”和9914号“Dan”)在宁德柘荣有较为孤立的降水中心，占总相似台风个数的60%，这为DSAEF_LTP模型在该地区预报出孤立的降水中心提供了集合样本。可以看出，DSAEF_LTP模型充分利用了较为准确的路径预报和丰富的历史数据，利用准确模式来做预报，并采用集合预报的方式实现预报，这是DSAEF_LTP模型预报较为成功的关键。

已有研究^[23-24]表明，台风“杜苏芮”在登陆福建前后存在持续而充沛的水汽输送，这是造成福建极端降水的主要原因之一，因此除了检验上述台风路径的相似性之外，文中还比较了相似台风在水汽输送方面的异同。图 10为DSAEF_LTP模型筛选出的历史相似台风的水汽通量散度分布，受资料长度限制，只分析1979年后的历史相似台风。由图 10a可以看出，台风“杜苏芮”在登陆福建时，其中心附近的北侧和外围环流的东北象限存在明显的水汽通量辐合大值区，中心强度超过-20×10^-5 g ·s^-1 ·m^-2 ·Pa^-1，水汽通量辐合的大值区同样是强降水的落区，造成福建中部沿海和东北部沿海出现极端降水。由9006号“Percy”(图 10b)、9914号“Dan”(图 10c)、1614号“莫兰蒂”(图 10g)来看，台风中心附近和外围环流的东北象限同样存在水汽通量辐合大值区，9914号台风水汽通量辐合强度甚至与台风“杜苏芮”类似，这样的水汽输送强度和位置相似性也造成相似的台风强降水落区。1111号“南玛都”(图 10d)、1209号“苏拉”(图 10e)台风中心附近的水汽通量辐合大值区位于福建北部，其中心强度甚至超过-25×10^-5 g ·s^-1 ·m^-2 ·Pa^-1，造成该地区出现强降水，对于福建中部沿海的强降水落区存在一定的偏差。1717号“古超”(图 10h)则是由于水汽通量散度较小，未能造成大范围的强降水。总体上看，DSAEF_LTP模型筛选出的历史相似台风的水汽通量散度中心值大部分强度接近甚至超过台风“杜苏芮”，其分布也与台风“杜苏芮”存在类似的区域，表现出良好的筛选能力。

由以上结果分析可看出，在100 mm及以上和250 mm及以上量级，DSAEF_LTP模型的预报能力明显超出其他模式，体现出其优势；对于空间检验方面，DSAEF_LTP模型更能抓住台风降水分布的空间特点，但在极端降水(250 mm及以上量级)的分布上仍存在预报落区偏小和漏报的问题。由DSAEF_LTP模型相似台风路径和降水分布分析可以看出，DSAEF_LTP模型可以按照更加可靠的台风路径预测结论进一步调整相似台风的筛选和降水预报更新，从而提高预报能力。从整体上看，DSAEF_LTP模型对台风“杜苏芮”过程降水预报能力超过了对比的ECMWF和FZECMOS产品，可进一步支持台风降水业务预报能力的提升。

4 结论与讨论

改进后的DSAEF_LTP模型已在福建地区业务应用，该模型通过判断历史台风与目标台风广义初值的相似性，找到与目标台风最相似的多个历史台风，通过将这些历史相似台风的观测降水进行集合，进而得到目标台风的降水预报。针对2023年第5号超强台风“杜苏芮”在福建地区的过程降水量，对比检验了改进后的DSAEF_LTP模型产品、ECMWF数值预报降水产品、福建省气象局OTS订正降水产品(FZECMOS)，主要结论如下：

(1) 改进的DSAEF_LTP模型台风过程降水预报系统对此次福建地区台风过程降水有较好的预报能力。随着降水量级提高，DSAEF_LTP模型的降水预报V_TS较数值模式和订正预报产品的提升水平越高。在100 mm量级，DSAEF_LTP模型产品的V_TS为0.54，分别比FZECMOS和ECMWF提高20%和107%。在250 mm及以上量级，DSAEF_LTP模型产品的V_TS达0.25，是FZECMOS评分的2.6倍，展现出较好的预报能力。但DSAEF_LTP模型存在特大暴雨预报范围显著偏小的问题，这可能与筛选的历史相似台风个例中缺少足够的极端降水相似样本有关，需要进一步解决极端降水相似台风样本量的问题。

(2) MODE空间检验表明，DSAEF_LTP模型不仅在整体相似度上优于ECMWF和FZECMOS，而且对于孤立小区域的强降水也有优异的预报性能。由100 mm及以上和250 mm及以上量级的比较可以看出，随着降水量级的增大，DSAEF_LTP模型的整体相似度(最佳目标)维持在92%左右，重叠面积比也从73.6%增长到84.6%。对于极端降水(降水量不小于250 mm)，DSAEF_LTP模型预报能力更加显著，体现出DSAEF_LTP模型预报降水在强度、落区、结构等多方面具有优势。

(3) 通过分析DSAEF_LTP模型相似台风路径和降水分布发现，随着台风“杜苏芮”的实况位置和预报位置强度的变化，DSAEF_LTP模型筛选历史相似台风也产生调整，相似台风降水中心和路径的相对位置关系多样，不只是出现在台风本体经过的附近地区，因此更为合理保留相似台风及其降水分布，集合预报效果也随之改善。由相似台风的水汽通量散度分析也能看出DSAEF_LTP模型具有良好的筛选能力。

DSAEF_LTP模型业务运行不久，目前只收集和检验个别台风，对于其长期的表现仍有待检验，后续将研究多选评估样本以便更加客观评价算法的有效性。同时可以看出，DSAEF_LTP模型在福建地区的产品分辨率仍然较低，因此如何提高DSAEF_LTP模型产品空间分辨率仍值得研究。

致谢: 感谢福建省气象局海洋气象灾害机理及预报技术重点创新团队在技术和经费上的支持。