董 全 张 峰 宗志平

1)(国家气象中心， 北京 100081)2)(大连市气象局， 大连 116001)

引 言

不同相态降水对生产生活影响截然不同，尤其在冬半年，发生雨雪转换或冻雨常造成较大损失[1]。同时降水相态与整层的大气温湿廓线相关，对其敏感且相互影响[2]，因此降水相态预报是天气预报业务的重点，也是难点。

降水相态预报主要有两种方法：一种是基于历史个例分析的阈值法[3]，另一种是基于数值模式的MOS(model output statistics)或非线性的机器学习等统计建模方法。阈值法通过个例分析，归纳出与雨雪相态转换相关的阈值因子，主要是中低层的气温、露点气温、湿球温度、厚度、0℃层高度等要素[4-6]。统计建模方法通过构建降水相态与数值模式中低层气象要素之间的统计模型对其进行预报[7]。Allen等[8-9]运用模式输出不同高度的气温、湿球温度、温度平流、风、厚度、冻结层高度等要素作为预报因子，建立雨、雪、冻雨和无降水4类事件的多元线性回归的MOS预报模型。董全等[10]运用人工神经网络方法，基于数值模式产品开发了中国区域雨雪相态的客观预报产品。Scheuerer等[11]基于美国GEFS集合预报系统，运用贝叶斯分类器以湿球温度廓线为预报因子，开发了降水相态概率预报方法。

近年随着数值模式的发展，降水相态模式预报产品准确率不断提高，成为降水相态预报中的重要参考。欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts，ECMWF)集合预报系统的降水相态预报产品(precipitation type，PTYPE)[12]在预报业务应用中表现出较好的预报效果[13-14]。

集合预报系统考虑数值模式物理过程和初始条件等不确定性因素，从概率角度提高数值模式预报性能[15-18]。……