DERF2.0模式對貴州延伸期、月預測質量對比分析

白 慧,黃晨然,李忠燕

(1.貴州省氣候中心，貴州 貴陽 550002；2.貴州省山地氣候與資源重點實驗室，貴州 貴陽 550002)

1 引言

中國氣象局在《現代氣象預報業務發展規劃》(2016—2020年)中明確要求統籌天氣預報業務和氣候預測業務的無縫隙協同發展，不斷完善從短臨、短期、中期、延伸期(11～30 d)、月、季到年的精細化監測預報預測業務體系，提升極端氣候事件和氣候災害預測技術。對于氣候這樣一個龐大而復雜的系統，數值模擬成為理論研究的重要手段[1]。最早的月動力延伸數值預報僅是中期預報的延伸，但初始條件的長時間積分會使預報結果產生很大的誤差，這給利用數值模式進行延伸期/月尺度預測帶來了困難。后來的研究發現，海洋等過程對延伸期/月尺度氣候預測有較大影響[2、3]。我國的短期氣候預測業務經歷了簡單的經驗統計分析、數理統計、動力模式和動力統計相結合幾個發展階段，目前已經建立起一套較為完備的延伸期—月—季—年短期氣候預測業務系統[4]。第2代月動力延伸預測模式系統(DERF2.0)基于國家氣候中心第2代全球大氣環流模式(BCC_AGCM2.2)建立，水平分辨率為T106(全球近110 km)，垂直方向為26層[5]。

近年來氣象工作者們開展了大量短期氣候數值模擬結果的解釋應用研究。陳麗娟等[6]指出月動力延伸預報環流特征量與要素有較好的相關。李維京等[7]的研究表明，動力與統計相結合的方法對月動力延伸集合預報產品的釋用具有明顯效果。顧偉宗等[8]利用月動力延伸預報產品結合降尺度方法改進了月降水預測。而關于模式預報結果的檢驗，林紓等[9]的研究指出，動力釋用方法預報準確率明顯高于持續性預報。何慧根等[10]對DERF2.0預測中國氣溫和降水的性能進行了評估，結果表明氣溫預測好于降水。杜良敏等[11]提出了一種適用于延伸期過程預報的檢驗方法。

本文基于第二代月動力延伸預測模式業務系統(DERF2.0)輸出的氣溫、降水預測數據，利用Ps、Zs、Cs評分方法對比DERF2.0月預測與省級預報員月預測質量，并評估其在延伸期(11～30 d)強降水過程及夏季延伸期日降水量預測質量。

2 資料和方法

2.1 資料

①站點資料：貴州省84站逐月平均氣溫和月降水量以及逐日降水量(20—20時)站點觀測資料，時間范圍為1983—2016年。

②格點資料：國家氣候中心逐日下發的DERF2.0月動力延伸預測模式輸出的2 m氣溫(K)、大尺度降水率(m/s)和對流降水率(m/s)格點資料，空間分辨率1.0°×1.0°，時間范圍為1983—2016年。

上述站點數據和格點數據的氣候平均值時間范圍統一為1983—2012年。

2.2 方法

趨勢異常綜合評分(Ps)是以考察預報對一級異常(20%<ΔR≤50%、-50%<ΔR≤-20%；-2.0<ΔT≤-1.0、1.0≤ΔT<2.0)和二級異常(ΔR≤-50%、ΔR≥50%和ΔT≤-2.0、ΔT≥2.0)的預報能力。其計算公式如下：

其中N0、N1、N2分別為趨勢、一級異常、二級異常預測正確的總站數，a、b和c分別為3種異常項的權重系數，取a=2，b=2，c=4，M為未預報二級異常而實況出現降水距平百分率超過±100%、氣溫距平超過±3℃的站數，N為規定參加考核站數減去實況缺測的站數。

3 結果分析

3.1 月預測結果與實況對比

李忠燕等[12]的研究指出，DERF2.0對氣溫的預報性能總體好于降水；DERF2.0對氣溫預報性能較好時段集中在冬季和春季，對降水預報性能較好時段集中在秋季。對比2014年1月—2016年12月DERF2.0月預測產品(每月26日起報次月氣溫、降水預測產品)與貴州省84站月平均氣溫距平、降水距平百分率實況(圖1)可以發現，分析時段內氣溫預測與實況的相關系數為0.28，距平同號率為58.3%，表明DERF2.0對貴州月平均氣溫有較好的預報。進一步統計發現，預報和實況的距平同正率為41.7%、同負率為16.7%，說明DERF2.0對貴州氣溫偏高預測的可參考性高于其對氣溫偏低的預測。研究時段內DERF2.0月降水量的趨勢預測與觀測值的相關系數僅為0.02，二者同號率為44.4%，其中同正率為27.8%、同負率為16.7%。表明與氣溫相比，DERF2.0對降水預測能力較弱。

3.2 模式質量與業務值班質量對比

3.2.1 月預測質量對比分析 對比分析研究時段內DERF2.0與貴州省預報員綜合預報的Ps評分(圖2a、2b)可見，DERF2.0預報月平均氣溫距平和降水距平百分率平均分分別為73.9分和58.9分，氣溫較預報員綜合預報Ps評分略高(73.0分)，降水較預報員綜合預報Ps評分略低(62.0分)。同時，DERF2.0氣溫和降水Ps評分的均方差分別為26.7分和23.5分，均大于預報員綜合預報評分的均方差(對應分別為24.2分和17.5分)，表明DERF2.0預測效果較預報員綜合預報略差，而且預報性能較不穩定。從二者的差值對比來看(圖2c、2d)，DERF2.0對氣溫預報評分優于預報員的月份占55.6%，且對氣溫偏高的趨勢預測把握更好，對降水預報評分優于預報員的月份僅占38.9%，且對降水偏多的趨勢預測把握較省級更好。

圖1 2014年1月—2016年12月貴州省月平均要素實況和DERF2.0預報Fig.1 The monthly mean meteorological elements of observation and DERF2.0 from January 2014 to December 2016 in Guizhou

圖2 2014年1月—2016年12月DERF2.0與預報員綜合預報的Ps評分序列((a)、(b))和Ps評分差值序列((c)、(d))Fig.2 The Ps scores of DERF2.0 and forecasters and their difference from January 2014 to December 2015

3.2.2 延伸期預測質量對比分析 由于DERF2.0數據逐日更新，根據預報時間長度，選取預報時間在2014—2016年4月15日—10月31日之間的預報產品，利用雙線性插值方法將格點資料換算到站點資料，生成貴州代表站點延伸期預報序列，起報時間與預報員上傳的月內強降水過程報文一致(上傳時間為每年4—10月每旬最后1日16時(北京時)，其中4月和10月各省(區、市)氣象局可根據當地氣侯特征選擇性上報月內冷空氣過程預測產品數據或月內強降水過程預測數據)，上傳報文共57個文件(2014年4月上、中、下旬和2014年10月中、下旬和2016年10月下旬6個文件為月內冷空氣過程預測數據)，但DERF2.0數據對應57個文件起報時間中2015年8月28日和2015年10月27日2個數據文件缺省，共55個文件。

月內強降水過程預測產品應用兩種方法開展檢驗評估，第一種為Zs方法，主要對強降水過程預測進行檢驗評估；第二種為Cs方法，主要針對強降水過程中的降水日數預測進行檢驗評估。針對上述55個數據樣本，將預報員預測數據與DERF2.0預測數據的Zs和Cs評分結果進行對比分析。如圖3所示，預報員預測數據的Zs和Cs評分總體高于DERF2.0預測數據，雨季期(4—10月)分別為0.18和0.17，主汛期(6—8月)分別為0.21和0.2。但值得注意的是，DERF2.0預測數據的預測質量在逐年提高，Zs和Cs逐年較預報員預測數據在雨季期的提高率分別為25%(4/16)、42%(8/19)、50%(10/20)和19%(3/16)、21%(4/19)、35%(7/20)，在主汛期DERF2.0預測數據較預報員預測數據的提高率分別為33%(3/9)、67%(6/9)、67%(6/9)和33%(3/9)、33%(3/9)、33%(3/9)。

圖3 2014—2016年4—10月55個月內強降水過程DERF2.0預測數據與預報員預測數據評分Fig.3 The scores of 55 monthly heavy rain processes of DERF2.0 and forecasters ((a)Zs; (b)Cs) and their difference ((b)Zs; (d)Cs) between April and October from 2014 to 2016

3.3 主汛期與雨季強降水過程延伸期預報對比

如圖4所示，55個數據樣本Zs和Cs平均分分別為0.12和0.11，2014—2016年4—10月起報逐年月內強降水過程Zs和Cs平均分分別為0.09和0.09、0.13和0.12、0.14和0.13(表1)，以及2014—2016年5—7月起報逐年月內強降水過程Zs和Cs平均分分別為0.14和0.13、0.22和0.19、0.23和0.19，發現DERF2.0數據對月內強降水過程預報的準確率在逐年提高，對主汛期(6—8月)的預報準確率較整個雨季期(4—10月)略高，并且評分也呈逐年提高的趨勢。

圖4 2014—2016年4—10月55個月內強降水過程DERF2.0預測數據樣本評分Fig.4 The scores of 55 monthly heavy rain processes of DERF2.0between April and October from 2014 to 2016:(a)Zs; (b)Cs

2014年2015年2016年年平均分Zs0.090.130.140.12Cs0.090.120.130.11

4 結論與討論

本項目基于DERF2.0開展的1983—2012年的回報試驗結果，利用短期氣候預測業務趨勢異常綜合檢驗Ps評分方法綜合評估DERF2.0的月尺度預測性能，利用中國氣象局月內強降水過程評分方法(Cs和Zs兩種檢驗評分方法)評估DERF2.0的延伸期預報性能，系統性地對模式產品的預測效果進行檢驗評估，具體結論如下：

①通過DERF2.0模式預測產品與觀測實況對比，發現DERF2.0月預測產品總體上對貴州氣溫的預測能力優于降水，并且氣溫偏高預測的可參考性高于其對氣溫偏低的預測。

②通過DERF2.0模式預測產品與業務值班月預測產品質量對比，對比分析研究時段內DERF2.0與貴州省預報員綜合預報的Ps評分，DERF2.0預報月氣溫的Ps評分較預報員略高，月降水較預報員略低；總體上DERF2.0月預測效果較預報員綜合預報略差，而且預報性能較不穩定。

③通過DERF2.0模式預測產品與業務值班月內強降水過程預測產品質量對比，預報員預測數據的Zs和Cs評分總體高于DERF2.0預測數據，但DERF2.0預測數據的Zs和Cs評分較預報員預測質量在逐年提高，尤其在整個雨季時段較為明顯。

④通過對DERF2.0模式預測產品在2014—2016年4月15日—10月31日期間的月內強降水過程預報進行Zs和Cs檢驗，發現其對主汛期(6—8月)的預報準確率較整個雨季期(4—10月)略高，并且評分也呈逐年上升的趨勢。