预报集合的一种数值预报方法［1-5］.一个集合预报系统，往往有数10个不同成员，各成员间预报结果不同，预报差异较大.金荣花［6］等采用Ward聚类法开发了中国集合预报的聚类产品系统；李泽椿［7］等研发了国家气象中心集合数值预报业务系统；严明良等［8-11］提出了几种基于超级集合预报思想的多模式数值预报动态变权集成处理方法，将之应用于降水及气温等要素的预报业务中；陈法敬［12］等利用贝叶斯统计处理技术研究了集合预报产品在温度预报中的释用技术；李小泉［13］等将集合预报释用于中期预报业务中.

对于集合预报在暴雨预报方面的释用，也有一些研究成果［14-18］：周迪等［19］提出将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配，对降水量为50 mm的集合预报平均值进行订正，获得暴雨预报订正值，应用于四川盆地暴雨预报；刘琳等［20］建立了基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数，提前3～7 d发出极端强降水预警信号；包红军等［21］采用多模式和多分析集合预报技术，建立了基于集合预报的淮河蓄洪区流域洪水预报及早期预警模型.

电子邮件 1978年，兰德的科学家创造出了早期互联网上最受欢迎和最具影响力的电子邮件程序，他们将其称作邮件处理程序（MH）。这个程序走在了时代的前列，即使到了今天电子化无处不在的时代，一些用户仍然对它青睐有加。

欧洲中期天气预报中心（ECMWF）从1992年开始建立的集合预报系统，目前已经发展成为采用奇异向量初值扰动技术、具有51个集合成员的全球集合预报系统，其产品广泛应用于我国各级气象部门的预报业务中.本研究利用2014—2015年ECMWF集合预报产品，对其在暴雨中的预报效果进行TS评分和过程预报效果评估，依据评估结果，选取对暴雨预报效果较好的5个集合预报产品，采用百分比权重集成技术建立暴雨客观预报方法，2016年业务应用效果显示，该客观产品的暴雨评分高于单个集合预报产品和ECMWF细网格确定性模式.

受到病菌侵袭丝黑穗病就会发生。丝黑穗病的发病表征为果穗短小、植株变矮并且黑色粉末突然增多，无法辨别作物的花丝。农作物如果感染了此类疾病，整片农田很可能就会呈现绝收状态。

1 资料说明

1.1 所用资料

1.1.1 集合预报资料 2014年和2015年5—8月每日20：00起报的ECMWF集合预报产品（包括集合预报的基本产品和采用相关算法对集合预报基本产品进行再处理，得到的统计量产品），产品为6 h间隔、24～240 h预报时效.

1.1.2 实况雨量资料 河南省119站自动雨量站2014—2015年与集合预报产品相对应的逐日20：00-20：00（北京时间，下文同）24 h降水量观测资料.

1.1.3 暴雨日资料 暴雨日选取标准以前一日20：00至当日20：00的24 h降水量为统计单位，若有连片10站日雨量≥25 mm，其中有5站日雨量≥50 mm，则计为一个区域暴雨日.依据上述标准，选出2015年汛期5—8月8个区域暴雨日，分别为5月2日、6月16日、6月24日、6月25日、6月27日、7月15日、7月16日、8月5日.

重力载荷作为常力直接加载在模型中，采用低温装药和高温装药的内弹道参数，如图6所示。按弹底压力—时间曲线施加在弹丸尾端的作用面上，以模拟火药气体对弹丸的作用，不考虑拔弹力和摇架前后衬套对身管圆柱部的影响，约束炮尾3的方向自由度。

银色的砂床完全被薄薄的水幕遮住。他趟水来到北坝，北坝依山分段隐在在山谷壑口间，上次同来的专家就特别提醒过他。库区冷寂，只有雨与流水响声，巡库员的手电光束在黑夜里游动。迟恒想这库要是没修，这会儿必定灯火通明，成百上千的人在堤上拚死拚活扛沙袋塞洞堵口，大小领导守在坝上，求神保佑人定胜天。

1.2 本文集合预报产品简介

1）集合平均：指所有集合成员预报值的算术平均.

2.2.1 集合预报产品对暴雨落区和强降水中心位置的预报效果评估

3）最大值：最大值是指集合所有成员中对降水的最大预报值，统计表明，最大值在大暴雨量级接近观测［23］.4）控制预报：指不加扰动的预报结果，作为集合预报的一个成员.

5）融合产品：若集合最大值≥100 mm，则融合值为集合最大值；若集合%90分位值≥50 mm，则融合值为%90分位值；若集合%75分位值≥25 mm，则融合值为%75分位值；若集合中位值≥10 mm，则融合值为中位值；上述条件都不满足的情况下，融合值取集合%10分位值.

6）概率匹配平均：选定某一区域，将区域内n个成员所有预报从大到小排列，保留每n/2间隔的预报值；将集合平均场按从大到小排列；将第一步保留下来序列与集合平均序列匹配，即得到概率匹配平均产品.

本文以中国知网（CNKI）为数据统计源，以篇名“校园足球”，时间从“不限”到“2017”，来源类别“核心期刊”为检索项，进行检索．将检索到的132篇文献进行整理，剔除简讯、会议报道等文献，得到124篇学术论文．对校园足球研究论文的文献量和被引频次、研究内容、期刊分布和作者情况等进行逐篇分析，用Excel软件进行数据统计．

5）概率匹配平均：集合预报概率匹配平均产品的检验显示：6月27日（图略）和7月15日两个暴雨日无论从大雨以上降水落区还是强降水中心位置都与实况吻合较好；6月16日、7月16日两个暴雨日随着预报时效的临近，大雨以上降水落区预报更接近实况，24 h预报效果明显好于48 h和72 h；6月24日、25日两个暴雨日落区预报偏大，而5月2日和8月5日两个暴雨日强降水漏报较多.

 

2 集合预报产品对暴雨预报能力评估检验

2.1 TS评分检验

2.1.1 检验方案 对实况或集合预报产品预报值出现≥50 mm的情况进行TS检验评定，分别采用TS准确率、空报率和漏报率来界定暴雨预报效果.暴雨检验分类见表1.表中NA为有暴雨预报正确站/次数，NB为空报站/次数，NC为漏报站/次数，ND为无暴雨且预报正确站/次数，具体计算方法见公式（2）～（4）.

 

表1 暴雨检验分类表Tab.1 Classification of heavy rain verification

  

预报暴雨/mm≥50.0＜50.0实况暴雨/mm≥50.0 ＜50.0 NaNC NB ND

 

将集合预报产品的格点降水预报值采用双线性插值方案插值到河南省119个站点上，以站点实况为依据进行质量评估，最终将各站评定时段内的评分结果进行算术平均得全省结果.

参与检验的集合预报产品包括中位数、%75分位数、%90分位数、最大值、Mode值、控制预报、集合平均、融合产品和概率匹配平均9个产品，检验时段为2014年—2015年5月1日—8月31日.

职业技术师范院校从专业理念与师德、教育知识、教育能力、教学实践能力四个方面对师范生进行培养。教师教育课程模块见下表。

切变线影响造成的暴雨，%90分位数、概率匹配、控制预报3种产品对于降水中心极值预报较实况偏弱，最大值和融合产品对极值的预报较实况偏强（如6月23-24日、24-25日两个暴雨日），切变线影响下的暴雨过程，集合预报产品对过程降水量的预报效果整体较好.

  

图1 2014年—2015年5—8月各集合预报产品对河南省暴雨不同预报时效的TS评分Fig.1 TS scores at different leading times of ensemble forecast products for heavy rain in Henan from May to August in 2014 and 2015

分析几个集合预报产品的暴雨空报率（图略），控制预报、%90分位数、融合产品和最大值1～10 d的空报率为41%～92%，尤以最大值产品的空报率为最高，对于大多数降水过程或多数站点而言，该4个产品的降水预报量级偏大，这4个集合预报产品虽然有较大空报率，但对于暴雨过程而言，仍具有较好可参考性.Mode值、中位数、集合平均、%75分位数和概率匹配平均的空报率较低（2%～15%）.

暴雨预报、大尺度模式的预报结果较实况往往偏小，因此选预报参考产品时，首先要剔除掉漏报率特别高的产品，从暴雨的漏报率（图略）来看，集合平均、中位数和Mode值1～10 d的漏报率均在80%以上，且4～10 d漏报率接近100%，对暴雨基本无预报能力，在暴雨预报中无参考价值.而其他6个产品中，最大值漏报率1～10 d平均低于5%，对暴雨几乎无漏报，%90分位数、融合产品的漏报率相对较小，平均值分别为40.7%和20.9%；75%分位数、概率匹配平均和控制预报等3个产品的平均漏报率为52%～80%，值得关注的是控制预报产品，1～10 d的平均漏报率为52.5%，而在中期时段的6～10 d，漏报率降至45%，该产品对中期时段的暴雨预报有参考价值.

基于以上分析，综合考虑9个集合预报产品的TS评分、空报率和漏报率及其在短中期预报中的综合能力，选出5个对河南省暴雨预报有参考意义的产品（%90分位数、最大值、控制预报、融合产品、概率匹配平均）做过程检验，以评估其对河南省暴雨落区和强度的预报能力.

怀孕后准妈妈要做很多种检查，这些检查分为常规检查和特殊检查，各种预防出生缺陷的高危筛查就属于特殊检查。出生缺陷是指婴儿出生前在母体子宫里发生的发育异常以及身体某些部位存在的畸形，例如无脑儿、脑脊膜膨出、呆小症、兔唇、先天性心脏病、先天愚型等，其中最主要的是预防先天性疾病和遗传性疾病，唐氏综合征就是其中最重要的一种。

2.2 集合预报产品的暴雨预报效果分析

选取2015年河南省的8个区域暴雨日，对选出的5个集合预报产品1～3 d的暴雨预报能力做进一步检验，重点评估各集合预报产品对强降水落区、降水中心位置及中心极值的预报能力.以2015年6月27日的区域暴雨日为例，给出集合预报产品的1～3 d（24～72 h）预报产品与实况对比示例（图2～图4）.

2）集合分位数：集合分位数是集合所有成员组成的概率分布的某个分位值的预报值.通常所用的分位值包括集合成员的最大值、最小值、第25百分位、第50百分位（即中位数）和第75百分位.另外，经常用第10百分位、第90百分位表示集合概率预报极端特征.统计表明，%90分位值在暴雨量级接近观测.

9）自带目的性体验（autotelic experience）：体验不为别的外在目的，体验本身就是目的，因其是让人愉悦的。

1）%90分位数：ECMWF集合预报的%90分位数产品对河南省区域暴雨落区有较好的预报效果（图2），暴雨落区范围较实况整体偏大.检验的8个暴雨日中，有7个暴雨日%90分位数预报的暴雨区域与实况大雨区域有较好的对应关系（暴雨区预报较实况范围偏大），强降水中心位置与实况较接近；仅5月2日的暴雨，模式出现漏报；对暴雨落区的预报随着预报时效临近空报减少而逐渐接近实况.因此，对于大雨以上降水落区及降水中心位置的预报，%90分位数产品有较好参考价值.

3）控制预报：从所选8个区域暴雨日的检验来看（图略），6月16日、6月27日和7月15日这3个暴雨日无论从大雨以上量级的落区还是强中心的位置及强度都与实况较吻合，有很好的参考价值；7月16日的暴雨过程随着预报时效临近，控制预报对强降水落区预报调整得越来越接近实况，24 h的预报效果明显好于48 h和72 h；6月24日暴雨日反而是72 h时效的预报最接近实况；5月2日、8月5日两个暴雨日，强降水存在一定范围的漏报，而6月25日暴雨日强降水预报范围明显偏大，空报较多.

  

图2 2015年6月27日暴雨过程实况及%90分位数不同时效预报产品Fig.2 Precipitation on June 27，2015 and 90%quantile forecast products at different leading times

2）最大值：ECMWF集合预报的最大值产品对河南省区域暴雨量级及范围预报整体偏大明显（图3）.在检验的8个暴雨日中，暴雨区的预报范围较实况均偏大，随着预报时效临近，暴雨区范围和强度的预报逐渐调整接近实况.该产品对24～72 h暴雨中心位置的预报较其他4个集合产品更接近实况，因此，该产品对于暴雨中心位置的预报有一定参考意义，而对于暴雨范围预报参考价值不大，易导致大范围空报.

从选诗数量上来看，沈德潜大选唐诗一千九百四十首②，分为二十卷共二百七十家，其中五言古诗以四卷为首，接着七言古诗、五言律诗、七言律诗各四卷，五言长律二卷，最后五言绝句、七言绝句共二卷。各体具体数量详见表1。

  

图3 2015年6月27日暴雨过程实况及最大值不同时效预报产品Fig.3 Precipitation on June 27，2015 and maximum forecast products at different leading times

  

图4 2015年6月27日暴雨过程实况及不同时效融合产品Fig.4 Precipitation on June 27，2015 and statistic of fusing forecast products at different leading times

内部控制工作是否合理、是否全面，离不开有效的制度作为基础保障。任何工作想要合理开展都离不开制度作为前提保障，脱离了制度的规范和保障，任何工作都如无水的鱼。随着社会环境的不断变化，高校内部控制传统机制已经越来越不适应新时代高校的发展需要，必须对其进行创新和完善。

上述检验结果反映：控制预报产品对于暴雨范围的预报效果不及%90分位数产品，对于暴雨中心位置的预报效果不及最大值产品，且随预报时效的临近预报，效果改善并不明显，因此在暴雨预报中控制预报产品的独立参考性有限.

4）融合产品：分析8个区域暴雨日的集合预报融合产品检验结果发现（图略），有5个暴雨日（占总个例的62.5%）的强降水落区与实况接近，可参考性好.6月16日、6月24日两个暴雨日无论从大雨以上量级的落区还是强中心的位置及强度都与实况较接近，对暴雨预报有较好的参考价值，48 h和72 h预报效果反而好于24 h；6月27日（图4）、7月15日和16日3个暴雨日落区预报指示性也较好，而且随着预报时效的临近，大雨以上量级的落区预报调整的更加接近实况，即24 h预报效果明显好于48 h和72 h；6月25日降水落区预报偏差较大，5月2日、8月5日两个暴雨日强降水漏报较多.

7）集合众位数（Mode）：是集合成员中最常出现的值，表示集合所有成员组成的概率分布上具有明显集中趋势点的数值.计算公式：

2.2.2 不同影响系统下集合预报产品的暴雨预报能力 集合预报产品对不同影响系统造成的强降水中心极值预报能力有明显不同.高空槽影响下的暴雨，集合预报产品对强降水中心极值的预报较实况偏弱（如5月1-2日、8月4-5日、6月26-27日暴雨日），但若高空槽影响的同时伴有低空急流，则集合预报产品对于强降水中心极值的预报则偏强，至降水临近时向减弱调整（如6月15-16日暴雨日）.

2.1.2 检验结果分析 图1给出了检验时段9个集合预报产品的暴雨评分结果：%90分位数、融合产品、最大值、%75分位数、概率匹配平均和控制预报6个产品的TS评分相对较高，1～3 d平均TS评分均在10%以上（我国暴雨的TS平均评分一般低于20%），对暴雨有一定的预报能力，而集合平均、中位数和Mode产品的暴雨TS评分均较低，1～3 d TS分别为6%、5%和4%，4～10 d基本为0.大部分集合产品的TS评分在第4 d起有明显下降，4～10 d的平均TS多低于5%，值得关注的是第6 d，%90分位数、%75分位数和概率匹配平均产品的TS评分高于4～5 d，接近或超过了10%，该3个产品对于暴雨的中期预报具有较好参考价值.9个产品中TS评分最好的是%90分位数产品，该产品在1～10 d内平均TS达8.4%，尤其是对于6～10 d的中期预报时效，TS平均仍达7.1%.

西南涡影响下的暴雨过程，5种集合预报产品对于中心极值的预报均以偏强为主（如：7月14-15日、7月15-16日两个暴雨日）.

3 基于集合预报产品的暴雨预报方法

依据质量评估及过程检验结果，选取%90分位数、融合产品、概率匹配平均、控制预报和最大值5个集合预报产品，采用百分比权重法设定权重系数（对于不同预报时效，依据质量评估结果采用不同的权重系数），建立暴雨的加权集成预报.权重系数计算如下式（5）.

设TSi为某集合产品某时效的TS评分值，则该产品的权重系数xi为：

 

选定的5个因子总权重为1.

基于集合预报产品的暴雨预报集成方法建立后，每日可自动输出河南省暴雨客观预报产品，该方法于2016年汛期进行业务试应用，效果显示：集成后的暴雨预报产品能更准确预报暴雨落区，并对暴雨中心强度有较好预报能力，空报较最大值产品明显降低.

案例4：学生在观察完植物园的植物后，交流各自看到了哪些生命特征。有的说生物能繁殖后代，有的说生物有复杂的细胞，有的说生物能放出氧气……这表明学生的基础不错，但通过深层次思考不难发现，我们的学生还不会观察，对雨后挂着水珠、吐着清香的生命现象视而不见，却说他看到了本来用肉眼看不见的东西，这违背了科学观察必须实事求是的基本准则。

对2016年的暴雨预报产品采用TS评分办法进行质量评估，24～72 h暴雨的TS评分为17.38%、13.78%和8.86%，明显高于同期欧洲细网格确定性模式，预报效果较单个集合预报产品更好，可为河南省暴雨预报业务提供定量参考.

4 小结

1）TS评分检验显示，对暴雨预报能力较好的集合预报产品有%90分位数、融合产品、概率匹配平均、控制预报和最大值.其中，概率匹配平均、控制预报产品的空报率小于漏报率，预报较实况偏小，而融合产品、%90分位数和最大值产品预报较实况偏大.

2）分析集合预报产品在8次区域暴雨过程中预报效果发现，%90分位数、概率匹配平均、融合产品和控制预报4个预报产品对于暴雨落区预报有较好参考价值，对于强降水中心位置预报与实况接近，但强降水中心极值预报通常较实况偏小；最大值产品对于暴雨落区的预报范围较实况偏大，强降水中心位置的预报与实况相接近，对暴雨中心极值的预报也较其他产品更接近实况.

3）不同的影响系统造成的暴雨，集合预报产品对强降水中心极值预报能力有明显不同.高空槽影响下的暴雨，集合预报产品对强降水中心极值的预报较实况偏弱，但若高空槽影响同时伴有低空急流，则集合预报产品对于强降水中心极值的预报较实况偏强；切变线暴雨，%90分位数产品、概率匹配平均和控制预报3个产品对于中心极值预报较实况偏弱，最大值和融合产品预报较实况偏强；西南涡暴雨过程，5种集合产品对于中心极值的预报均以偏强为主.集合预报产品对于切变线影响下的暴雨预报效果更优.

4）基于检验结果，选取5个集合预报产品，采用百分比权重法所建立的暴雨预报方法能够自动输出暴雨客观预报产品.2016年业务应用表明，该产品对暴雨预报效果优于单个集合预报产品和欧洲细网格确定模式，对河南省的暴雨预报业务有较好参考价值.

参考文献：

［1］杜钧，陈静.单一值预报向概率预报转变的基础：谈谈集合预报及其带来的变革［J］.气象，2010，36（11）：1-11.

［2］杜钧，邓国.单一值预报向概率预报转变的价值：谈谈概率预报的检验和应用［J］.气象，2010，36（12）：10-18.

［3］陈静，陈德辉，颜宏.集合数值预报发展与研究进展［J］.应用气象学报，2002，13（4）：497-507.

［4］杜钧.集合预报的现状和前景［J］.应用气象学报，2002，13（1）：16-28.

［5］毛恒青，王建捷.集合预报业务使用现状和趋势［J］.气象，2000，26（6）：24-29.

［6］金荣花，田伟红，矫梅燕.基于Ward聚类法的中国业务集合预报系统的产品开发［J］.气象，2007，33（12）：9-15.

［7］李泽椿，陈德辉.国家气象中心集合数值预报业务系统的发展及应用［J］.应用气象学报，2002，13（1）：1-15.

［8］严明良，缪启龙，沈树勤.基于超级集合思想的数值预报产品变权集成方法探讨［J］.气象，2009，35（6）：19-25.

［9］陈丽娟，许力，王永光.超级集合思想在汛期降水预测集成中的应用［J］.气象，2005，31（5）：52-54.

［10］智协飞，林春泽，白永清，等.北半球中纬度地区地面气温的超级集合预报［J］.气象科学，2009，29（5）：569-574.

［11］林春泽，智协飞，韩艳，等.基于TIGGE资料的地面气温多模式超级集合预报［J］.应用气象学报，2009，20（6）：706-712.

［12］陈法敬，矫梅燕，陈静.一种温度集合预报产品释用方法的初步研究［J］.气象，2011，37（1）：14-20.

［13］李小泉，刘金达，汪迎辉.集合预报及其在中期天气预报中的应用［J］.气象，1997，23（8）：3-9.

［14］吴志鹏，陈静，张涵斌，等.基于集合预报的持续性强降水可预报性评估方法研究［J］.暴雨灾害，2014，33（2）：97-105.

［15］朱鹏飞，邱学兴，王东勇，等.ECMWF降水极端天气指数在安徽省的应用评估［J］.暴雨灾害，2015，34（4）：316-323.

［16］陈朝平，冯汉中，陈静.基于贝叶斯方法的四川暴雨集合概率预报产品释用［J］.气象，2010，36（5）：22-39.

［17］李俊，廖移山，张兵，等.集合数值预报方法在山洪预报中的初步应用［J］.高原气象，2007，26（4）：854-861.

［18］陈静，薛纪善，颜宏.华南中尺度暴雨数值预报的不确定性与集合预报试验［J］.气象学报，2003，61（4）：432-446.

［19］周迪，陈静，陈朝平，等.暴雨集合预报～观测概率匹配订正法在四川盆地的应用研究［J］.暴雨灾害，2015，34（2）：97-104.

［20］刘琳，陈静，程龙，等.基于集合预报的中国极端强降水预报方法研究［J］.气象学报，2013，71（5）：853-866.

［21］包红军，赵琳娜.基于集合预报的淮河流域洪水预报研究［J］.水利学报，2012，43（2）：216-224.

［22］杜钧，GRUMM R H，邓国.预报异常极端高影响天气的“集合异常预报法”：以北京2012年7月21日特大暴雨为例［J］.大气科学，2014，38（4）：685-699.