山西省极端降水研究学术报告
作者及机构
本研究由山西省气象台的郝婧宇、闫慧（通信作者）、马严枝、马丽、苗青、孙颖姝共同完成，发表于《气象科技》（Meteorological Science and Technology）第53卷第6期（2025年12月）。研究得到山西省气象局重点项目（SXKZDTQ20246743）、灾害天气国家重点实验室开放课题（2024LASW-A09）等多项资助支持。
学术背景
极端降水事件具有小概率、高致灾性及预报难度大等特点，对山西省这类地貌复杂、生态脆弱的区域尤为关键。2023年7月山西曾发生极端降水，导致重大经济损失。目前，数值模式（如ECMWF高分辨率模式）虽为降水预报核心工具，但对极端降水的预报能力有限，尤其是强度和落区的不确定性较高。集合预报系统衍生的极端天气指数（EFI, Extreme Forecast Index）能有效识别极端事件，但两者结合的预报方法在山西尚未系统研究。本研究旨在填补这一空白，通过分析历史极端降水特征，评估EFI与ECMWF模式的预报性能，并提出改进方法。
研究流程与方法
-
数据来源
-
历史数据：1990—2022年山西省109个国家气象站7—8月日降水观测数据。
-
预报数据：2022年7—8月ECMWF高分辨率模式降水预报（0.125°×0.125°）及EFI极端降水指数产品（0.25°×0.25°）。
-
-
极端降水统计
-
采用百分位法计算历史极端降水的三个分位值：最大值、99%分位值（P99）、95%分位值（P95）。
-
通过箱线图分析各月极端降水的集中趋势（如中位数、四分位距）及空间分布特征。
-
-
预报性能评估
-
评估指标：TS评分（Threat Score）和偏差（Bias），分别衡量预报准确性和系统性误差。
-
阈值设定：EFI的P95、P99和最大值阈值分别设为0.45、0.7和0.9，参考国内外研究经验。
-
构建改进方法：提出公式 ( p = (1 + EFI) \times p_{EC} )，将EFI的极端性识别能力与ECMWF的空间分辨率优势结合。
-
-
验证与对比
- 对比2022年7—8月EFI、ECMWF原始预报及改进后预报的TS和Bias评分，分析改进效果的空间分布。
主要结果
-
历史极端降水特征
-
时间差异：7月极端降水强度普遍高于8月，如P99分位值中位数分别为51 mm和45 mm。
-
空间分布：中南部降水强度大于北部，大值中心与地形（如太行山、吕梁山）密切相关。例如，7月最大极端降水值在垣曲喇叭口地形达244 mm。
-
-
2022年极端降水实况
- 7月极端降水主要出现在中南部，8月扩展至全省，北部频次更高。超过历史最大值的站点集中于中部（如太原娄烦站）。
-
预报性能
-
EFI优势：对极端性更强的降水（如P99和最大值）预报能力优于ECMWF，如7月最大极端降水的TS评分为1（完美预报）。
-
改进效果：新方法显著提升对强极端降水的预报能力。例如：
-
7月最大极端降水的TS评分从0.25提升至1（24小时时效）；
-
8月P99分位值预报的TS评分平均提高0.04，改进区域集中在西北部。
-
-
结论与价值
本研究首次系统分析了山西省极端降水的时空特征，并创新性地结合EFI指数与ECMWF模式，提出改进预报方法。结果显示：
-
科学价值：揭示了地形对极端降水的调制作用，验证了EFI在极端事件识别中的优势。
-
应用价值：改进后的预报方法可为业务预报提供技术支撑，尤其对高影响天气的预警能力提升显著。
研究亮点
-
方法创新：首次在山西应用EFI指数与ECMWF模式耦合的极端降水预报方法。
-
发现新颖：明确了7月极端降水对主汛期的主导贡献，以及地形与降水大值中心的关联机制。
-
业务转化潜力：改进后的预报模型可直接应用于省级气象业务，提升防灾减灾效能。
其他价值
研究还指出，未来需扩大样本量以验证结论的普适性，并探索人工智能技术在模式误差修正中的应用。