结论
MODE
检验是一种基于属性特征的检验方法，用于评估天气预报的性能。它提取并对比预报和观测对象的属性特征，提供类似于预报员主观判断的检验结果。
相似度T(a)作为MODE检验的评价指标，用来比较预报和观测场中降水对象的预报表现，然而，经典MODE检验忽略了降水的时间偏差，也不考虑未匹配对象的影响。新发展的综合评分MCS和引入时间维度的MODE-TD，有助于全面评价预报和观测场中降水对象的整体性能。
MODE
检验在天气预报中有广泛的应用，包括降水检验、以天气雷达为参照的降水性质及雨带检验、云场预报能力评估以及
EPS
系统成员预报能力诊断。尽管
MODE
检验具有诸多优点，但仍然存在一些局限性，如解释结果的主观性和对象识别与匹配的方案依赖。为了克服这些局限性，需要深入了解数值模式和天气过程的动力和热力学过程，并研究和探索适合具体预报要素、用户需求和地理位置的参数设置。本文总结了
MODE
检验的技术框架、更新发展和典型应用，并指出了其局限性及检验结论的合理化应用问题，旨在为更好地应用
MODE
检验提供参考。然而，由于文献量庞大，总结分析中可能有所遗漏，需要进一步深入研究以完善
MODE
检验的应用。
图
1
不同的预报和观测降水场情景示例（据DAVIS等修改）
（
a
）、（
b
）和（
c
）分别表示预报和观测降水面积和形态一致，但是降水空间位置和走向出现偏差；（
d
）、（
e
）和（
f
）分别表示预报和观测降水面积不一致，同时空间位置、走向出现偏差；“
F
”表示预报，“
O
”表示观测
图
2
MODE
检验降水数据处理示意图
（
a
）原始降水场；（
b
）降水场卷积；（
c
）给定阈值降水场提取的目标对象；（
d
）提取降水对象内部的降水空间分布；
A~E
表示提取的降水对象或目标
图3 MODE定义的特征对象不同属性的收益函数表（引自DAVIS等，2006）
图
4
MODE
检验个例（引自潘留杰等）
（
a
）
24
小时的实况观测降水；（
b
）
ECMWF
模式预报；（
c
）
CMA-Meso
模式预报；（
d
）、（
e
）、（
f
）分别为
CMPA
、
ECMWF
、
CMA-Meso
的暴雨目标对象，（
e
）和（
f
）中的数字为预报和观测中降水对象（
d
）的匹配情况，蓝色填充对象表示预报和观测场中的降水对象未匹配
图
5
MODE
检验对不同环流形势下不同数值模式降水预报产品的检验（引自潘留杰等，2022）
DWQB
、
XFC
、
FG_XFC
和
XNW
代表
4
种环流分型，
SCMOC
、
ECMWF
和
CMA-Meso
代表
3
种降水预报产品；（
a
）识别降水对象数量的对比；（
b
）降水对象强度的对比；（
c
）降水对象面积的对比
图
6
MODE
检验方法美国卫星云图典型应用个例（引自GRIFFIN等，2017）
（
a
）
GOES-13
卫星观测；（
b
）
HRRRx
模拟红外亮温；（
c
）
GOES-13
观测场对象识别结果；（
d
）模拟场对象识别结果；（
c
）和（
d
）中不同的颜色代表不同的目标对象
图
7
EPS
转换为概率预报目标对象的示意图（引自FLORA等，2019）
色标中分子表示
EPS
成员预报的个数，分母表示
EPS
集合成员总数；（
a
）
EPS
成员预报的中尺度气旋对象个数；（
b
）基于（
a
）计算的中尺度气旋概率；（
c
）基于（
b
）提取的中尺度气旋概率预报对象；（
a
）中不同的颜色代表
EPS
成员预报个数，与色标中的分子对应；（
b
）和（
c
）中填色代表概率，与色标中分数的比值对应
图
8
时域时间三维追踪检验概念示意图（引自SKOK等，2009）
（
a
） 时间生命周期
15
小时的降水对象演变；（
b
）卷积对象椭球体
