文摘对一种降水预报跨量级通用综合评价方法(precipitation accuracy score,PAS)进行了邻域法改进。改进方案通过预报与观测资料匹配技术,采用距离权重评分统计方法,旨在减轻双重惩罚问题,同时确保评分系统能合理表征位置预报的准确性。研究应用邻域PAS方法,基于2021年汛期中国气象局智能网格实况产品,对江苏本地精细化天气分析预报系统进行整体和典型个例检验,同时引入均方根误差(root mean square error,RMSE)、结构相似性(structural similarity,SSIM)、峰值信噪比(peak signal-to-noise ratio,PSNR)、概率空间中的稳定公平误差(stable equitable error in probability space,SEEPS)等跨量级检验指标进行了对比。结果表明,邻域PAS方法显著回避了原方法在位置预报上的双重惩罚问题,更符合预报人员的主观预期和预报应用服务的要求,具有明显优势。邻域PAS评分、PAS评分与现有多个跨量级指标均表现出良好的相关性,多方验证了方法的有效性。同时,相较于RMSE,该方法更有效地平衡了对不同量级降水的敏感性;而与SSIM和PSNR相比,则展现了更强的可解释性,多个个例显示评分结果更符合预报员的认知。邻域PAS方法相比于SEEPS技巧评分保留了对大量级降水的检验分辨能力,同时减轻了PAS方法检验大量级降水产生的严重双重惩罚,一定程度平衡了大量级降水检验的两难问题。
