2017年烏魯木齊區域數值預報業務系統預報性能檢驗和評估

杜 娟，李 曼，辛 渝，馬玉芬，琚陳相

（1.中國氣象局烏魯木齊沙漠氣象研究所，新疆 烏魯木齊 830002；2.中亞大氣科學研究中心，新疆 烏魯木齊 830002）

隨著探測技術的發展和新型探測儀器的布設，新型高時空分辨率的探測資料也應用于預報業務中。有效地將這些探測資料應用于數值模式得到更為準確的預報，成為提高數值預報精度的重要途徑[1，2]。數值模式產品已成為天氣預報的主要參考資料，模式預報準確率也直接關系著天氣預報的準確率，因而影響氣象服務成效[3-6]。目前，國內外學者針對數值模式開展了大量的研究，包括物理參數化方案優化、多源觀測資料應用、同化算法改進等[7-11]。這些研究不斷改進了模式中存在的問題，提高了數值模式預報精度。但由于模式初邊界條件、物理過程、地表靜態數據以及模式框架設計等因素均含有不確定性，這給數值模式帶來了誤差，需要對這種誤差進行定量的評估。對數值模式進行客觀檢驗和評估，了解模式預報誤差的時空分布特征，對于模式研發人員和用戶都是十分有益的[12-18]。

新疆快速更新循環同化數值預報系統于2011年搭建完成并試運行，經過參數化方案優選、GTS（Global Telecommunication System，簡稱 GTS）全球觀測資料同化等工作，2014年9月更名為沙漠綠洲戈壁區域同化預報系統（Desert Oasis-Gobi Regional Assimilation and Forecast System，簡稱DOGRAFS），2015年12月實現業務準入，現行版本為1.0。以往針對DOGRAFS的檢驗主要從某幾個要素開展[19-21，24]，李淑娟等對地面2 m溫度和10 m風速進行了檢驗，于曉晶、杜娟分別對降水進行了檢驗，李曼對2 m溫度、10 m風速、500 hpa形勢場和降水進行了檢驗，但并未從空間上對DOGRAFS預報性能進行分析。這些研究雖然對模式預報性能進行了評估，但不夠全面，本文分別從降水、地面要素場、高空要素場等多個要素評估了DOGRAFS v1.0的預報性能，對2017年各季節的預報性能從時間和空間上進行較為全面的評估，不僅有助于研發人員了解模式預報性能在時間/空間上的差異，進一步診斷和修正模式，也為預報員訂正預報結果提供客觀依據。

1 資料和方法

1.1 DOGRAFS系統

DOGRAFS v1.0基于WRF v3.5.1和WRFDA v3.5.1搭建，采用27、9、3km三重嵌套網格，垂直方向設置40層，模式層頂為50 hPa。系統每日運行4次（00時 UTC、06時 UTC、12時 UTC和 18時UTC），其中00時 UTC和12時UTC為冷啟，預報時效84 h，06時UTC和18時UTC為暖啟，預報時效36 h。模式每隔6 h同化一次全球電訊交換系統獲取的GTS全球觀測資料和雷達徑向風資料。文中主要針對9 km分辨率區域的每日4次起報、24 h預報時效產品，運用 MET（Model Evaluation Tools）檢驗平臺對區域模式預報性能進行評估。檢驗要素主要有2 m溫度、10 m風、高空位勢高度、風場和溫度以及逐 6 h累積降水量，分別給出冬季（12—2月）、春季（3—5月）、夏季（6—8月）和秋季（9—11月）的平均檢驗結果，最后對2017年00時UTC起報、逐6 h累積降水量空間檢驗結果進行分析。

1.2 檢驗方法

DOGRAFS的預報結果為基于網格點的值，首先通過反距離權重法[22，23]，將模式網格預報值插值到站點位置，生成模式的測站預報值，與對應站點觀測值進行對比檢驗，統計量有平均誤差ME（Mean Error） 和均方根誤差 RMSE（Root Mean Square Error）。對逐6 h累積降水量預報結果，利用Ts評分（Threat Score）和 Bias評分（Bias Score）2個指標進行評估，分別對 0～6、6～12、12～18、18～24 h 的 4 個閾值（≥0.1 mm、≥3.1 mm、≥6.1 mm、≥12.1 mm）的降水預報性能進行對比評估。

公式（1）、（2）為統計量計算公式：

式中ME為平均誤差，RMSE為均方根誤差，f（i）為第 i點上的預報值，O（i）為第 i點上的觀測值。

公式（3）、（4）為降水評估指標的計算公式[11]。

式中Ts為Ts評分值，Bias為Bias評分值，NA為預報正確站（次）數、NB為空報站（次）數、NC為漏報站（次）數。

2 地面要素預報檢驗

2.1 2m溫度

從圖1可以看出，冬季2 m溫度模擬誤差最大，均方根誤差在4.2～5.1℃，除了3、6 h預報，其他時次均為暖偏差，分析場暖偏差為0.8℃，預報場暖偏差在0.4℃以內；春季2 m溫度模擬誤差次之，均方根誤差為4.0～4.2℃，溫度預報均為冷偏差，分析場冷偏差為 -0.4℃，預報場偏差較大，約為-2.0℃；夏季2 m溫度均方根誤差平均約3.4℃，分析場溫度偏差為0.8℃，預報場冷偏差為-0.7～-1.2℃；秋季溫度均方根誤差與夏季較為接近，在3.2～3.5℃，溫度偏差分析場為0.7℃，預報場冷偏差-0.6～-0.8℃。根據2 m溫度預報偏差空間分布分析，模式對新疆站點日間溫度預報整體偏低，多數站點夜間溫度預報偏高；冬季溫度預報整體呈暖偏差是因為冬季溫度預報偏高的站點較多，山區及沿線站點溫度預報暖偏差尤其高；春季各站點日間溫度預報冷偏差比其他3個季節高，夜間溫度預報呈現暖偏差的站點相對其他3個季節少，所以整個區域平均后春季溫度預報冷偏差最大。綜合分析，2017年日間預報溫度整體偏低，夜間多數站點預報溫度偏高；夏季2 m溫度模擬均方根誤差最小，秋季、春季次之，冬季誤差最大；所有季節分析場均為暖偏差，冬季預報場呈暖偏差，溫度預報偏高，其他3個季節均為冷偏差，溫度預報整體偏低，春季預報冷偏差最大。與2016年同期相比，2017年冬季和秋季2 m溫度預報精度提高，春季和夏季預報誤差增大。

2.2 10 m風

從圖2可以看出，冬季10 m風場模擬誤差最大，均方根誤差在2.5～2.9 m/s，分析場平均誤差為0.7 m/s，風速預報偏大，平均誤差為 0.9～1.2 m/s；春季10 m風速模擬誤差次之，均方根誤差為2.4～2.7 m/s，分析場風速平均誤差為0.5 m/s，風速預報正偏差為0.7～1.0 m/s；夏季10 m風速均方根誤差平均約2.3 m/s，分析場風速平均偏差為0.4 m/s，預報場風速偏差為0.5～0.7 m/s；秋季風速均方根誤差與夏季較為接近，在2.2～2.4 m/s，分析場風速偏差為0.4 m/s，預報場正偏差為0.6～0.8 m/s。綜合分析，冬季10 m風速模擬誤差最大，春季次之，夏季、秋季誤差相當；所有季節風速分析場與預報場均為正偏差，預報風速偏大。與2016年同期相比，2017年春季和秋季10 m風速預報精度提高，冬季和夏季預報誤差增大。

3 高空要素預報檢驗

3.1 位勢高度

從高空位勢高度場檢驗（圖3）可知，冬季位勢高度均方根誤差在7.0～11.5 gpm，呈現隨高度增加誤差增大的趨勢；從位勢高度場偏差來看，預報整體呈負偏差，即預報高度比實際高度偏低，在-5.0～4.5 gpm，分析場在850 hPa以上呈正偏差。春季位勢高度均方根誤差在7.5～11.5 gpm，呈現隨高度增加誤差增大的趨勢；預報整體呈負偏差，在-6.2～2.6 gpm，分析場在850 hPa以上200 hPa以下呈正偏差。夏季位勢高度均方根誤差在6.5～12.0 gpm，呈現隨高度增加誤差增大的趨勢，分析場、預報場誤差相差較小；預報整體呈負偏差，變幅較大，在-8.2～2.0 gpm。秋季位勢高度均方根誤差在7.5～11.5 gpm，呈現隨高度增加誤差增大的趨勢；預報整體呈負偏差，在-6.4～0.2 gpm。綜合分析，不同季節高空位勢高度隨高度增加誤差增大，誤差約在6.5～12.0 gpm，位勢高度場預報呈負偏差，預報高度比實際高度偏低。

3.2 風場

圖1 2016、2017年各季節2 m溫度檢驗結果

圖2 2016、2017年各季節10 m風速檢驗結果

從高空U風檢驗（圖4）可知，冬季U風均方根誤差在2.4～6.2 m/s，呈現隨高度增加誤差先增大后減小的趨勢，誤差隨預報時效增大；從預報偏差來看，在-1.2～1.8 m/s，分析場呈負偏差，預報場除700、200 hPa及以上呈正偏差，其他層負偏差。春季U風均方根誤差在2.5～5.8 m/s，呈現隨高度增加誤差先增大后減小的趨勢，誤差隨預報時效增大；從預報偏差來看，在-1.6～0.5 m/s，整體呈負偏差。夏季U風均方根誤差在2.0～5.0 m/s，呈現隨高度增加誤差先增大后減小的趨勢，誤差隨預報時效增大；從預報偏差來看，在-1.8～0.2 m/s，整體呈負偏差。秋季U風均方根誤差在2.4～4.8 m/s，誤差隨預報時效增大；從預報偏差來看，在-1.2～0.4 m/s，整體呈負偏差。綜合分析，不同季節高空U風隨高度增加誤差先增大后減小，隨預報時效誤差增大，均方根誤差約在2.4～6.2 m/s，U風場預報整體呈負偏差，預報風速比實況偏小。

從高空V風檢驗結果（圖5）得到，冬季V風均方根誤差在1.8～5.2 m/s，呈現隨高度增加誤差先增大后減小的趨勢，誤差隨預報時效增大；從預報偏差來看，在-0.4～0.8 m/s，整體呈正偏差。春季V風均方根誤差在2.0～4.8 m/s，呈現隨高度增加誤差先增大后減小的趨勢，誤差隨預報時效增大；從預報偏差來看，在-0.5～1.2 m/s，整體呈正偏差。夏季V風均方根誤差在2.0～4.3 m/s，呈現隨高度增加誤差先增大后減小的趨勢，誤差隨預報時效增大；從預報偏差來看，在-0.6～1.5 m/s，整體呈正偏差。秋季V風均方根誤差在2.0～4.3 m/s，誤差隨預報時效增大；從預報偏差來看，在-0.6～1.3 m/s，整體呈正偏差。綜合分析，不同季節高空V風隨高度增加誤差先增大后減小，隨預報時效誤差增大，均方根誤差約在1.8～5.2 m/s，V風場預報整體呈正偏差，預報風速比實況偏大。

圖3 2017年各季節00 UTC起報高空形勢場檢驗結果

圖4 2017年各季節00時UTC起報高空U風檢驗結果

3.3 溫度場

從高空溫度場檢驗（圖6）分析得到，冬季溫度均方根誤差從低層到高層呈現先減小，到400 hPa以上逐漸增大，200 hPa以上減小的趨勢，均方根誤差為0.5～3.2℃，分析場誤差最小，500 hPa以下12 h預報誤差高于24h預報，500 hPa以上12 h預報誤差低于24 h預報；從溫度偏差來看，整體呈冷偏差，在-1.6～0.5℃，低層和高層冷偏差大，中層冷偏差小。春季溫度均方根誤差同樣有從低層到高層呈現先減小，到400 hPa以上逐漸增大，200 hPa以上減小的趨勢，均方根誤差0.5～3.0℃，分析場誤差最小，隨著預報時效積累，春季高空溫度均方根誤差增大；從溫度預報偏差來看，在850 hPa以下呈暖偏差，以上整體呈冷偏差，在-1.4～1.8℃。夏季溫度均方根誤差變幅較小，均方根誤差為0.8～2.8℃，低層誤差較大，中高層誤差小，12、24 h預報誤差在400 hPa以下相差較小，400 hPa以上24h預報誤差＜12 h預報；從溫度偏差來看，整體呈冷偏差，在-1.2～1.4℃，中層偏差小，部分層略有暖偏差。秋季溫度均方根誤差呈現中層低、高層、低層高的趨勢，均方根誤差為0.6～2.6℃，12 h預報誤差＜24 h預報；從溫度偏差來看，整體呈冷偏差，在-1.2～1.2℃，中層偏差小，部分層略有暖偏差。綜合分析，不同季節高空溫度隨高度增加誤差先減小后增大，夏季、秋季高空溫度預報誤差小，在3.0℃以下，冬季誤差最大，溫度預報整體呈冷偏差。

4 逐6 h降水預報檢驗

4.1 降水評分季節對比

隨著降水閾值的提高，Ts評分下降，同時Bias變幅增大，即對量級越大的降水，Ts評分就越低，空、漏報率也在隨之增加，總體來看，空報率頻次多于漏報率。

圖5 2017年各季節00 UTC起報高空V風檢驗結果

圖6 2017年各季節00 UTC起報高空溫度場檢驗結果

對2017年各季節降水檢驗結果進行分析（圖7），從Ts評分來看，對于0.1 mm閾值晴雨預報，Ts評分均在0.30以上，秋季評分最高，Ts評分均在0.35以上，冬季最低，春季、夏季相當；對于3.1 mm閾值降水，不同季節Ts評分在0.15左右，春季評分最高，分值在0.18附近，冬季最低，夏季略高于秋季；對于6.1 mm閾值降水，Ts評分在0.12左右，變幅較大，冬季Ts評分變幅最大，整體來看春季Ts評分較高，夏季高于秋季；對于12.1 mm閾值降水，春季評分最高，夏季高于秋季，冬季無評分。從Bias評分來看，Bias評分有隨著預報時效累積不斷增大的趨勢。對于0.1 mm閾值降水，Bias評分基本在1.0～1.3范圍內，各季節對降水落區預報略有空報，春季表現明顯；對于3.1 mm閾值降水，Bias評分分布在0.7～1.2，空、漏報率較低，夏季空、漏報率最低，秋季主要表現為空報，前12 h預報Bias評分從冬季到秋季依次增大，對于前6 h預報以漏報為主；對于6.1 mm 閾值降水，Bias評分在 0.6～1.2，18~24 h 降水冬季漏報，秋季空報，春季和夏季除了0~6 h降水漏報，其他時次略空報；對于12.1 mm降水，Bias評分變幅較大為0.1～2.4，冬季評分較小在0.2以下，漏報率較高，秋季Bias評分在1.8以上，空報率較高，春季以漏報為主，夏季空、漏報率較低。模式對不同季節降水晴雨預報Ts評分均在0.3以上，秋季晴雨預報Ts評分最高。春季Ts評分最高，冬季最低。Bias評分有隨著預報時效累積不斷增大的趨勢，各季節對降水落區略有空報，冬季大閾值降水漏報率較高，秋季大閾值降水空報率較高，夏季空、漏報率較低。與2016年同期相比，2017年降水Ts評分整體提高，其中冬季提高最明顯，對春季大閾值降水Ts評分有提高，夏季中量級降水Ts評分減小。

4.2 降水評分空間分布

從2017年08—14時BT降水預報評分（圖8a）可以看出，對于0.1 mm閾值，在阿勒泰北部沿阿爾泰山、塔城大部地區、伊犁河谷天山大峽谷沿線、南疆西部山區局地、昆侖山北坡沿線站點Ts評分較高，可以達到0.4；對比Bias評分，模式漏報站點數多于空報，在博州、伊犁河谷、西天山北坡、南疆西部山區部分站點漏報率較高，在阿勒泰北部、天山峽谷、喀什地區局地空報率較高。對于3.1 mm閾值，有評分站點主要分布在阿爾泰山、天山等山區沿線，多數評分在0.45以上；對比Bias評分，漏報站點略多于空報站點，主要在博州、天山峽谷、南疆西部山區漏報。對于6.1 mm閾值，僅有8個靠近山區站點有Ts評分，以空報為主。對于2017年08—14時BT降水預報，山區及伊犁河谷站點Ts評分較高，對于3.1 mm閾值以下降水，漏報站數多于空報站，在博州、伊犁河谷局地、南疆西部山區部分站點漏報率較高，對6.1 mm閾值降水以空報為主。

圖7 2017年各季節降水檢驗結果及2017年與2016年差值

從2017年14—20時BT的降水預報評分（圖8b）可以看出，對于0.1 mm閾值，同樣在靠近山區站點Ts評分較高，對比Bias評分，模式空報率非常高，僅在西天山北坡、伊犁河谷局地、南疆西部山區部分地區漏報。對于3.1 mm閾值，有評分站點主要分布在北疆，仍以空報為主，存在天山北坡漏報、南坡空報的現象。對于6.1 mm閾值，僅在塔城北部、天山峽谷、南疆西部山區的幾個站點有評分，多數站點空報。2017年14—20時BT降水預報，空報率較高，僅在伊犁河谷局地、南疆西部山區部分地區漏報率較高。

從20時—次日02時BT的降水預報評分（圖8c）可以看出，對于0.1 mm閾值，北疆Ts評分基本在0.3以上，南疆在0.3以下；對比Bias評分，有天山北坡漏報、南坡空報的趨勢，這也與2015年降水結果一致[24]，新疆地區整體以空報為主，博州地區空報率較高。對于3.1 mm和6.1 mm閾值，評分主要集中在天山沿線，仍以空報為主。模式對于2017年14—20時BT降水評分低于日間降水評分，整體以空報為主，對0.1 mm閾值晴雨預報有天山北坡漏報、南坡空報的趨勢。

從02—08時BT降水預報評分（圖8d）可以看出，Ts評分在4個時段最低，多數站點在0.25以下，對比Bias評分，在中國區域整體呈漏報，漏報率非常高，這與中國氣象局地面氣象觀測業務在02 BT有些氣候站無觀測業務有關[23]。

圖8 00 時 UTC 起報 08—14 時BT（a）、14—20 時 BT（b）、20時—次日 02 時 BT（c）、02—08 時 BT（d）降水檢驗結果

5 結論與討論

利用MET檢驗工具，對DOGRAFS v1.0 2017年烏魯木齊區域的預報結果在各個季節的預報性能進行檢驗評估，主要結果如下：

（1）2017年DOGRAFS v1.0日間預報溫度整體偏低，夜間多數站點預報溫度偏高；夏季2 m溫度模擬均方根誤差最小，秋季、春季次之，冬季誤差最大；所有季節分析場均為暖偏差，冬季預報場呈暖偏差，溫度預報偏高，其他3個季節預報場均為冷偏差，溫度預報整體偏低，春季預報冷偏差最大。冬季10 m風速模擬誤差最大，春季次之，夏季、秋季誤差相當；所有季節風速分析場與預報場均為正偏差，預報風速偏大。與2016年同期相比，2017年冬季和秋季2 m溫度預報精度提高，春季和夏季預報誤差增大；春季和秋季10 m風速預報精度提高，冬季和夏季預報誤差增大。

（2）2017年DOGRAFS v1.0不同季節高空位勢高度隨高度增加誤差增大，誤差約在6.5～12.0 gpm，位勢高度場預報呈負偏差，預報高度比實際高度偏低。不同季節高空U、V風隨高度增加誤差先增大后減小，隨預報時效誤差增大，均方根誤差約在2.4～6.2 m/s和1.8～5.2 m/s，U風場預報整體呈負偏差，預報風速比實況偏小，V風場預報整體呈正偏差，預報風速比實況偏大。不同季節高空溫度隨高度增加誤差先減小后增大，夏季、秋季高空溫度預報誤差小，在3.0℃以下，冬季誤差最大，溫度預報整體呈冷偏差。

（3）2017年DOGRAFS v 1.0對不同季節降水晴雨預報Ts評分均在0.3以上，Bias評分有隨著預報時效積累不斷增大的趨勢。冬季大閾值降水漏報率較高，秋季大閾值降水空報率較高，夏季空、漏報率較低。在新疆地區，4個時段中14—20時BT、20時—次日02時BT空報站點數多于漏報，14—20時BT空報率最高，02—08 BT漏報率最高，08—14時BT晴雨預報以漏報為主；日間Ts評分高于夜間，山區及鄰近地區評分高于平原地區，夜間晴雨預報存在天山北坡漏報、南坡空報的趨勢。與2016年同期相比，2017年降水Ts評分整體提高，其中冬季提高最明顯，對春季大閾值降水Ts評分有提高，夏季中量級降水Ts評分減小。

根據文章對各季節不同要素場的偏差分析結果，對于日間預報溫度整體偏低，夜間多數站點預報溫度偏高、2 m溫度冬季暖偏差、其他3個季節冷偏差、10 m風速預報偏大、高空U風整體預報偏小、V風預報偏大、高空溫度、位勢高度預報偏低的情況，應進一步分析偏差存在的主要原因，進而修正模式誤差，提高預報精度。此外，應用最新的高分辨率地表數據集更新模式靜態數據，改進同化算法，引入更多高時空分辨率的觀測數據，提高區域模式預報性能，為預報提供客觀依據。