本文围绕登陆热带气旋(LTC)降水的动力-统计相似集合预报(DSAEF＿LTP)模型,以2018年中国的十个LTC为样本进行热带气旋(TC)过程降水的预报试验(本文所有基于DSAEF＿LTP模型的“预报”均为“针对特定样本TC的模拟预报”),随后发展了基于DSAEF＿LTP模型的LTC日降水预报技术(DSAEF＿LTP＿D模型),并模拟预报同年华东五个LTC登陆前一天和登陆当天的降水以评估其性能,最后测试TC移速、TC强度和TC日期(TC日降水起报日期)三个相似因子的引入对DSAEF＿LTP＿D模型的改进影响。主要结论有:1)2018年十个LTC过程降水的模拟预报试验方面:(a)DSAEF＿LTP模型在预报LTC的强过程降水上与三家全球动力模式(ECMWF、GFS和GRAPES)相比水平相当:对≥250mm量级的过程降水,DSAEF＿LTP模型的TS得分为0.042,优于动力模式的最高分(0.0375);在≥100 mm量级上DSAEF＿LTP模型得分在所有预报模型中排第二。(b)在动力模式对某些TC的强降水均无预报能力时,DSAEF＿LTP模型仍能提供有价值的预报;其可较多捕捉到较为局地的≥250 mm的过程降水分布,或者南部沿海地区≥100 mm的分布,但与实况相比其预报的强降水范围常偏大。2)DSAEF＿LTP面向日降水预报的技术探索、以及其对2018年华东的五个LTC日降水的模拟预报方面:(a)初步形成了DSAEF＿LTP＿D模型,其中含“日尺度相似区域构建”和“最近点识别和最短距离筛选”两项关键技术。(b)DSAEF＿LTP＿D模型对LTC暴雨及其以上量级的预报与上海的区域模式相当,与三家全球模式相比略有优势,其中对登陆前一天的降水预报该模型表现最优,对登陆当天处于中等水平,表现较差的LTC多出现在偏北地区。(c)与动力模式相比DSAEF＿LTP＿D模型能更好地预报出LTC暴雨中心,并且预报的强降水的分布形态与实况较为相似,但也存在不同程度的空报和漏报现象。3)TC移速、TC强度和TC日期三个相似因子的引入试验方面:(a)三个因子引入后,DSAEF＿LTP＿D模型对五个样本TC的日降水预报表现显著提高,其中登陆前一天的预报结果提升了32.7%,登陆当天提高了13.3%.(b)TC移速和TC日期对模型预报水平改进明显,而TC强度作用较小。