本文利用TIGGE资料中欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)三个中心的延伸期10-15 d预报产品,对地面2m气温和24 h累积降水进行贝叶斯模式平均(Bayesian Model Averaging,简称BMA)试验,并对预报结果进行评估。鉴于目前延伸期逐日预报误差较大,为得到可靠预报,本文对预报资料和观测资料分别进行滑动平均处理,以滤掉短波扰动,研究延伸期内气温及降水某几天平均的变化趋势。结果表明,对地面2m气温的延伸期预报而言,各集合预报系统的离散度偏小,存在一定的系统偏差。为取得最佳预报效果,选取最优训练期为30天。BMA方法能够提供全概率密度函数,定量描述预报不确定性,预报误差和预报不确定性均受海陆和纬度的影响,海洋小于陆地,低纬小于高纬。滑动平均方法在一定程度上滤去了短波扰动,反映了延伸期内某一天气过程的平均状态,因此其预报误差和预报不确定性均小于逐日预报,且滑动步长越长,预报效果越好。单模式对延伸期降水预报的离散度也偏小,ECMWF中心Talagrand分布呈“L”型,存在系统性湿偏差,空报现象较为严重。BMA方法能够提供降水概率预报以及降水量的全概率密度函数。低纬度海洋及沿海等降水量较大的地区预报误差较大,降水量较小的内陆地区预报误差较小。滑动平均方法同样能够减小降水预报的预报误差和预报不确定性。从分级降水量的角度看,BMA方法能够提高总降水量和小到中雨以上量级降水的预报技巧,但在微量降水和强降水的预报中优势不明显。为弥补BMA方法在降水预报中的不足,采用频率匹配法,即利用降水的实况频率对各集合成员的预报频率进行订正,消除由模式缺陷引起的系统性预报误差,以达到改善集合预报离散度,提升集合预报系统性能的目的。研究表明频率匹配法能够有效减少空报,明显提高微量降水和强降水的集合预报技巧,但对小到中雨的预报效果不理想,恰好与BMA方法提高小到中雨预报技巧的优势形成互补。