《Hydrology》：Evaluating Rainfall Forecast Skill in Numerical Weather Prediction Models and the Effects of Bias Correction on the PCJ (Piracicaba-Capivari-Jundiaí) River Basins in Brazil
编辑推荐：
来自数值天气预报（Numerical Weather Prediction, NWP）系统的降水预报可能在发生和量级上均存在系统性误差，限制了其在水文应用中的效用。本研究使用两个观测参考数据集，在巴西圣保罗州三个流域评估了两个业务降水预报系统，并评估了针对干/
来自数值天气预报（Numerical Weather Prediction, NWP）系统的降水预报可能在发生和量级上均存在系统性误差，限制了其在水文应用中的效用。本研究使用两个观测参考数据集，在巴西圣保罗州三个流域评估了两个业务降水预报系统，并评估了针对干/湿发生和降水量的统计后处理方法。针对发生校正，研究人员评估了四种基于逻辑回归的方法，同时将分位数增量映射（Quantile Delta Mapping, QDM）应用于降水量校正。发生校正使用命中率（Probability of Detection, POD）、虚警率（False Alarm Ratio, FAR）、关键成功指数（Critical Success Index, CSI）和准确率（Accuracy, ACC）进行评估，以干日定义为目标事件。个体分类变化使用精确McNemar检验评估，而七个预报时效（lead time）上的分类指标变化则使用精确配对排列检验（exact paired permutation test）和bootstrap 95%置信区间评估。采用描述性多指标排名法比较校正方法。QDM使用均方根误差（Root Mean Square Error, RMSE）技能评分和Kling-Gupta效率系数（Kling-Gupta Efficiency, KGE）进行评估。发生校正改变了分类表现，效果取决于预报-观测配对、流域和预报时效。经Holm校正后，McNemar检验在某些配置中识别出显著的分类变化，而排列检验未提供系统性指标改善的证据。层次贝叶斯逻辑回归自回归模型（HBLR-AR1）显示出最均衡的整体表现，而季节性逻辑回归（LR-Seasonal）是最不一致的方法。QDM改善了RMSE技能，尤其在较长预报时效，但未持续改善KGE。总体而言，校正有效性取决于预报与观测之间的差异。
# 数值天气预报降水预报偏差校正的综合评估：巴西PCJ流域的案例研究
## 一、研究背景与问题
水文气象预报将气象预测与水文模拟相结合以估计流域动态变化，支撑从实时洪水预警到长期水资源管理的关键应用。然而，径流模拟的可靠性高度受限于大气强迫输入——尤其是降水数据——的质量，这些数据在数值天气预报（Numerical Weather Prediction, NWP）系统中经常存在系统性偏差和误表征。无论是基于过程的水文模型还是数据驱动方法，都会将这些输入误差在系统内非线性传播。因此，缓解原始NWP输出的系统性误差仍然是改善业务水文预报的关键挑战。
针对系统性偏差，统计后处理技术被广泛用于将预报分布与观测对齐。基于分布的方法如分位数映射（Quantile Mapping, QM）在纠正降水量偏差方面取得了显著成功，但其有效性并非普适，可能在高度可变或对流性降水条件下表现有限甚至降低预报性能。分位数增量映射（Quantile Delta Mapping, QDM）作为QM的扩展，通过保留分位数相对变化而非仅校正绝对值，已被广泛用于全球气候模型（Global Climate Model, GCM）输出的偏差校正。然而，QDM在业务NWP预报中的应用仍十分有限，已有文献主要涉及其在ERA5-Land再分析数据集和长期粗分辨率气候模拟中的应用。针对NWP模型日分辨率降水预报的QDM系统偏差校正，仍存在明显的研究空白。
在降水高度间歇性且水文响应快速的流域，准确识别干湿转换与估算降水量同等重要。基于逻辑回归的方法已被用于校正NWP集合预报的降水发生概率，贝叶斯方法也被应用于概率降水预报和后处理。然而，使用基于马尔可夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）的层次贝叶斯逻辑回归专门校正短中期NWP降水预报的干/湿发生，并与对应的频率学派（frequentist）方法直接比较的研究仍然有限。
巴西东南部的皮拉西卡巴-卡皮瓦里-容迪亚伊（Piracicaba-Capivari-Jundiaí, PCJ）流域集水区具有动态的土地利用转变特征，是坎塔雷拉水系（Cantareira System）的水源地，供应超过1400万人口。该区域局地对流系统和锋面相互作用导致NWP降水预报存在较大不确定性，干湿季转换期的降水发生误差可能对防洪决策和水库补给产生重要操作后果。因此，改善分类预报技能对该区域水资源管理具有重要意义。
本研究旨在填补上述业务和方法学空白，具体目标包括：（i）评估SIMEPAR业务预报系统（FCST-SIM）和欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts, ECMWF）集合预报框架（FCST-ENS）在PCJ流域的原始验证表现；（ii）评估QDM在缓解不同预报时效强度相关预报偏差方面的有效性；（iii）研究使用频率学派逻辑回归和层次贝叶斯逻辑回归的显式发生校正是否能系统性地改善跨预报时效和预报-观测配置的分类降水事件识别。
## 二、关键技术方法概述
本研究在PCJ流域三个增量子流域（Atibaia河Atibaia站、Atibaia河Valinhos取水口站、Jaguari河Buenópolis站）开展。分析使用了四个数据集：两个观测参考——SPHM-PCJ雨量站观测（OBS-STN）和巴西日网格气象数据（Brazilian Daily Weather Gridded Data, OBS-GRD, 0.1°×0.1°分辨率）；两个预报产品——SIMEPAR基于WRF 4.1.2模型5km网格的业务预报（FCST-SIM）和ECMWF IFS 51成员集合预报（FCST-ENS）。所有数据统一处理至日分辨率（UTC-3），仅使用2019年9月7日至2024年3月20日的重叠时段，其中1318天为训练集，330天为测试集。降水量偏差校正采用QDM方法，通过R包MBC的QDM()函数实现，使用非参数经验分布，乘法校正，比值上限设为2倍。干/湿发生校正采用四种递增复杂度的logistic回归模型：LR-Seasonal（含月湿日概率预测因子）、LR-AR1（额外含一阶自回归预测因子）、HBLR-Seasonal（层次贝叶斯框架，月份截距分层先验）和HBLR-AR1（含AR(1)项）。贝叶斯模型通过JAGS的MCMC采样实现，5000次burn-in后20000次采样。分类阈值通过受试者工作特征曲线（Receiver Operating Characteristic, ROC）优化确定。预报验证采用分类指标（POD、FAR、CSI、ACC）和连续指标（KGE、RMSE、RMSE技能评分），统计推断采用精确McNemar检验、精确配对排列检验、bootstrap 95%置信区间和描述性多指标排名法。
## 三、主要研究结果
### 3.1 原始预报分类表现
两种预报系统在干湿事件可预测性方面呈现明显差异，且三个流域表现一致。FCST-ENS展现出更优的分类表现，在两种观测数据集下均具有持续更高的ACC和CSI值及更低的FAR值，且随时间稳定性更好，随预报时效增加技能逐渐降低。而FCST-SIM一般在较短预报时效产生更高的POD值，但在较长预报时效表现退化更快。分类验证对观测参考数据集敏感，FCST-ENS在OBS-GRD下评估的ACC和CSI高于OBS-STN。总体而言，预报系统特征对分类表现的影响强于流域特定因素。
### 3.2 干湿发生校正
McNemar精确检验结果的比值比（Odds Ratio, OR）热图显示，校正方法对FCST-SIM配对（尤其是FCST-SIM/OBS-GRD）的改善更为显著，三个流域约五个预报时效观察到改善，最后三个预报时效统计显著差异更为频繁。FCST-ENS配对的改善较为温和且不一致。LR-Seasonal方法出现10例b=0且c=0（校正未改变分类），以及4例OR无穷大（c=0但b>0），集中在较晚预报时效。分类指标差异图揭示了POD与FAR之间的系统性权衡：FCST-ENS配对在校正后POD提升但FAR恶化，而FCST-SIM配对呈相反模式。精确配对排列检验经Holm多重比较校正后未发现任何配置下校正方法产生统计显著的系统性改善。描述性多指标排名分析显示，HBLR-AR1平均总体排名最低（1.88），其次为HBLR-Seasonal（2.50）、LR-AR1（2.79）和LR-Seasonal（2.83），贝叶斯方法总体优于频率学派方法。
### 3.3 偏差校正表现——完整时间序列
QDM偏差校正效果依赖于验证指标、预报时效、流域和预报-观测配对。三个流域中RMSE的改善常伴随KGE的降低，表明预报误差幅度减小并不必然转化为总体预报效率的改善，这一差异源于RMSE仅评估误差幅度而KGE综合了相关性、均值偏差和相对变异性。RMSE改善在较长预报时效（L5和L6）最为显著，技能评分约0.10至0.18。FCST-SIM配对（尤其是FCST-SIM/OBS-GRD）改善更为明显，而FCST-ENS配对变化中等至可忽略。KGE组分分解显示，KGE降低主要与变异性比值（α）和偏差比值（β）组分恶化相关。所有配置中α平均变化范围为?0.007至?0.158，β平均变化范围为?0.015至?0.263，FCST-ENS配对（尤其是ENS/STN和ENS/GRD）降幅最大。相关性（r）组分变化较小（?0.021至0.008），其改善不足以抵消α和β组分的恶化。Jaguari流域SIM/GRD配置是唯一KGE边际正变化（+0.001）的案例。
## 四、讨论与结论
综合分类验证指标、统计检验和多指标排名的结果表明，基于逻辑回归的发生校正对干事件检测的改善效果部分取决于原始预报的初始分类特征。FCST-SIM配对由于原始ACC和CSI较低，校正后的分类技能改善证据更强。干事件检测与虚警之间存在系统性权衡——POD的改善通常以FAR的恶化为代价，反之亦然。Jaguari流域FCST-ENS/OBS-STN配对是例外，可能因为该配置原始FAR更高，为校正提供了更大改善空间。在方法比较中，HBLR-AR1在84种组合中产生30例分类改善（HBLR-Seasonal 23例、LR-AR1 22例、LR-Seasonal 16例），其优越性在多项互补分析中保持一致。LR-Seasonal因多次未改变分类且CSI和POD无改善而表现最不稳定。计算成本方面，频率学派模型完整校准需时不到1分钟，而贝叶斯模型需超过3小时，但定期校准策略可缓解此差异，且随着校准数据集增长参数估计会更加稳定。
QDM的ratio.max=2上限设置可能限制了其对极端分位数预报-观测差异的调整能力，但缺乏敏感性分析无法量化此效应。无论是发生校正还是量值校正，预报-观测配对均对结果影响显著，校正有效性取决于预报与观测差异的幅度和特征——差异越大，统计方法学习和校正的潜力越大。雨量站空间代表性的不确定性也可能贡献于预报-观测差异。较长预报时效观察到的更强改善进一步支持了这一模式。
### 研究结论部分（原文翻译）
本研究评估了两种降水预报系统在圣保罗州三个流域的表现，使用两个观测参考数据集，并评估了两种偏差校正方法的有效性：用于降水量的分位数增量映射（QDM）和用于干/湿发生校正的基于逻辑回归的方法。总体而言，结果表明统计后处理的有效性在很大程度上取决于预报-观测配对的特性。对于发生校正，基于逻辑回归的方法改变了原始预报的分类识别，在多种配置下改善了干事件预测的特定方面。然而，这些变化的幅度和方向因预报来源、观测数据集、流域和预报时效而异。结果还揭示了干事件检测与虚警之间的权衡，突显某一分类指标的改善不一定意味着预报分类所有方面的同时改善。在评估的方法中，HBLR-AR1提供了最一致的整体表现，而LR-Seasonal表现出最不利和最不一致的行为。尽管如此，校正方法之间相对较小的差异表明，方法选择不仅应考虑预测性能，还应考虑支持改善的统计证据以及模型校准的计算成本。
对于降水量，QDM显示出强烈的指标依赖性表现。虽然在RMSE技能评分方面观察到改善——特别是在较长预报时效——但在ΔKGE方面未取得一致增益。因此，KGE结果表明误差幅度的减少不一定转化为预报质量其他维度（如时间相关性和变异性）的同时改善。在发生校正和量值校正中，较长预报时效观察到的更强改善进一步表明，预报-观测差异的幅度和特征在决定统计校正的潜在效益方面起着重要作用。从实际角度看，虽然贝叶斯发生校正方法在校准方面需要比频率学派方法显著更多的计算时间，但这种差异不一定代表业务实施的限制。模型校准可按预定义时间间隔进行，而非每个预报周期执行。随着校准数据集通过纳入新观测而逐渐增加，估计的模型参数也可能随时间变得更加稳定。未来研究可能受益于结合发生和量值校正的混合后处理方法，并应进一步调查在降水预报层面识别的改善是否传播至水文预测——特别是径流预报和水资源管理。
