本文基于TIGGE数据集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、英国气象局(UKMO)、美国国家环境预报中心(NCEP)和中国气象局(CMA)五个预报中心2016年4-9月中国地区逐日预报时效为24-168 h的累积降水集合预报,将中国自动站与CMORPH降水的融合产品作为观测值,对我国地面降水预报进行了多模式多成员的集成和检验研究。首先通过不同检验方法对五个集合预报的预报效果进行对比评估;随后利用集合预报预测难度值(MFC)和可预报性水平指数(PHDX)从集合预报系统多方面的误差以及降水过程前的整段预报时效,对模式的降水预报能力作了更准确更全面的检验;最后基于传统的多模式集成方法,对集合成员使用频率匹配法进行订正,比较了订正前后的多模式集成对于单模式的改进效果。本文选取的五个不同集合预报模式对降水的预报能力有所差异,随着预报时效的增大,各模式的均方根误差(RMSE)和绝对平均误差(MAE)逐渐增大,同时它们的距平相关系数(ACC)和各降水量级的TS评分逐渐降低。整体而言ECMWF的预报技巧最佳,JMA和UKMO的预报效果仅次于ECMWF,而NCEP和CMA的预报性能较差。与一般的检验方法不同,MFC从集合预报系统的误差与不确定性信息对模式进行检验,其值越小表示集合预报的系统偏差较小以及模式预报效果较好。由MFC计算而来的PHDX则是从集合预报所有预报时效内对模式进行评估,其正值表示对降水的预报技巧较好,集合预报值逐渐接近实况,而负值则说明模式的预报效果较差。将两者应用于ECMWF和JMA两个集合预报的检验,结果表明ECMWF的预报技巧确实优于JMA。简单集合平均(EMN)对单模式的改进效果较为一般;消除偏差集合平均(BREM)和多模式超级集合(SUP)相对于ECMWF有小幅提升,将单模式各预报时效的误差降低了0.2 mm以上;卡尔曼滤波集成方法的预报效果在TS评分和误差方面均优于其他多模式集成法,对降水落区的预报更为精确。频率匹配法的订正结果可以有效地改善因简单集合平均而产生的的过滤作用,提高小雨大雨和暴雨的TS评分,对集合成员订正后的集成效果在原始集成的基础上有了更大改进,无论降水的量级,还是降水区域的预报上,都比原始的集成更接近于实况,使降水预报的空间分布更加准确。