集合預報產品在省、市、縣天氣預報中的應用情況調查

■ 陳圣劼 孫泓川 康志明

（作者單位：中國氣象局交通氣象重點實驗室；江蘇省氣象臺）

天氣的演變是一個具有不確定性因素在內的隨機動力過程，大氣混沌特性疊加數值預報模式初值的不確定性及其本身的近似誤差，因此單一的確定預報無法完全描述大氣的真實演變過程。鑒于此，“集合預報”的概念被提出。集合預報是針對數值預報不確定性問題發展起來的新一代隨機動力概率預報技術，它既能給出單一的最佳可能預報，也能定量描述天氣事件發生的不確定性，同時提供概率預報產品。集合預報的業務應用在發達國家已較為成熟，其在天氣預報業務系統中的重要地位和作用已獲得廣泛認可。集合預報通過多初值、多物理方案產生不同的預報成員，可通過概率預報描述預報的不確定性，具有更大的應用價值。中國氣象局《現代天氣業務發展指導意見》明確提出以集合數值預報為依托，提高降水、災害性天氣和其他極端天氣的概率預報水平。

從2007年開始，國家級業務單位不斷積累著在定量降水預報（QPF）、中期預報、臺風海洋預報和強對流預報等業務中的集合預報產品應用技術和經驗。2011年，集合預報數據開始進入國家氣象中心實時數據庫。2012年，國家氣象中心逐步建立了完整的業務應用流程。在此背景下，各省開始了集合預報的業務應用系統建設。江蘇省氣象部門于2013年引入國家氣象中心的集合預報工具箱、集合預報和多模式集成功能綜合分析顯示平臺（NUMBERS）等集合預報業務系統；2014年完成針對多種集合預報模式數據的可視化模塊開發，在江蘇預報業務一體化平臺進行集中展示，其集合預報產品包括端須圖、面條圖、郵票圖、概率預報、集合統計量、離散度、EFI指數等。在探索集合預報產品快捷展示方式的同時，江蘇省氣象部門預報員也積極開展了集合預報的后處理釋用技術的研究。江蘇先后實現了偏差訂正、頻率匹配、概率匹配平均、最優百分位、評分最優化訂正（OTS方法）、集合預報模式輸出統計（EMOS）方法、標準化距平模式輸出統計（SAMOS）方法等國內、外主流的后處理釋用技術的本地化應用。針對暴雨等災害性天氣事件，基于大量暴雨樣本系統檢驗和評估了EC集合預報及多種后處理釋用產品的預報能力。評估結果進一步加深了對各集合預報產品區域暴雨預報能力的認識，為預報員更直接快速地選取有效的集合預報產品提供參考。此外，針對集合預報模式的不確定性進行相應研究，開發了“集合預報信心指數”。集合預報后處理技術均納入江蘇本地化的RIOF（Refined Integration Optimal Forecast）技術體系，最終進入智能網格精細化無縫隙預報系統。

2019年8月，通過手機app對江蘇省、市、縣三級預報員進行了集合預報產品應用情況的調查（問卷及統計數字見附錄）。調查內容包括對集合預報產品的基本認識、集合預報產品的獲取和分析、集合預報產品的應用、集合預報產品的作用以及目前集合預報應用的不足和改進建議等方面。希望以江蘇為代表的調查結果能幫助科研人員和業務管理者了解一線業務預報員目前使用集合預報產品的實際狀況，以對未來進一步推進集合預報產品的應用有參考和指示意義。

1 基本情況

此次調查采用調查問卷匿名回答的形式，共有來自江蘇省、市、縣三級氣象業務部門的251位預報員參與調查，其中省級預報員28名（11.16%），市級103名（41.04%），縣級120名（47.81%）（圖1a），市、縣級的基層臺站預報員占了此次調查對象的大多數。不同崗齡的參與調查人數總體呈現平均分布：1～3年69人（27.49%），4～6年54人（21.51%），7～10年53人（21.12%），10年以上75人（29.88%）（圖1b），反映了此次調查涵蓋了省、市、縣三級不同資歷業務一線預報員的群體。此外，在職稱方面（圖1c），參與調查的預報員以工程師（118人）和副高級工程師（45人）為主，共占64.94%，另有正研級高工6人（2.39%）和助理工程師82人（32.67%），調查群體在預報專業技術能力上總體呈現中高級水平。在學歷方面，以大學本科和碩士研究生學歷為主，分別有117人（46.61%）和103人（41.04%），共占調查總人數的87.65%，另有博士研究生20人（7.97%）（圖1d），顯示江蘇預報員普遍具有較高的學歷層次，博士群體主要集中在省級（17人）。為更詳細地分析調查結果及其可能原因，在本文的分析中，除了總體樣本的統計外，還按照“工作單位”“崗齡”“學歷”“職稱”4個子樣本集進行了統計，如果子樣本集的結果與總樣本沒有明顯差異，我們就只給出總樣本的分析結果，否則，會進一步分析子樣本集的不同。

2 調查結果

2.1 預報員對集合預報的基本認識

集合預報具有豐富的預報信息，不僅在科學上是一個新的課題，在人的思維方式上也是一個挑戰。要理解并用好集合預報，首先需要對集合預報有清楚的認識。對于集合預報的認識包括多個方面，集合預報的基本概念、種類、基本輸出產品及其相關后處理技術等。

對251名江蘇基層臺站預報員的調查結果顯示，97.21%的預報員對集合預報或多或少有一些認識或使用，極少數人員（7人，2.79%）至今完全沒有接觸集合預報（圖2）。對集合預報了解的人數比例較2011年的調查結果（66.9%）有大幅提高。完全沒有接觸的人員主要是縣級單位、大學本科以下學歷或助工職稱（剛工作不久）的預報員（圖略）。從開始接觸集合預報的時間來看（圖2），一半以上的（59.36%）預報員是從事預報工作以來才開始接觸集合預報，部分（37.85%）預報員在校期間已對集合預報有所了解或使用，其中本科階段起步的居多（21.51%）?？梢?，基層臺站預報員對于集合預報的了解、使用或研究大多數起步于實際業務工作。為更早、更深入的認識，并在實際工作中盡可能熟練地應用集合預報，加強在校期間關于集合預報的專業氣象知識的學習很有必要。

圖2 開始接觸集合預報的時段

調查顯示一半以上的（59.36%）預報員是從事預報工作以來才開始接觸集合預報，那么預報員如何在工作中加深對集合預報認識呢？由圖3可見，絕大多數預報員（170人以上，67.73%）表示是通過參加相關業務培訓和實際預報應用進一步加深對集合預報的理解；52名（20.71%）預報員通過參與科研項目或研發集合預報相關技術的方式進一步認識集合預報；調查也有極個別（5人，2%）預報員對集合預報沒有興趣進一步了解。

圖3 進一步認識集合預報的方式

雖然絕大多數預報員在預報業務中都使用了集合預報產品，但調查發現大多數預報員對集合預報產品的基本知識如定義、算法和特點的了解程度并不夠，少數了解的人數占56.67%，不了解的人占12.35%，僅有29.08%和1.99%的預報員大部分了解和完全了解（圖4），說明預報員在使用集合預報時多半呈現一知半解的狀態。集合預報熟悉程度較高的（完全了解和大部分了解）預報員集中在省級、高級職稱以上或博士學歷預報員中，省級預報員高達67.86%，高級職稱以上39.22% ，博士學歷群體中有60%，而資歷深（崗齡≥7年）淺（崗齡＜7年）對集合預報熟悉程度的比例相當（圖4）。原因是省級預報員參加集合預報業務培訓（85.71%）和科研工作（39.39%）的機會明顯多于市、縣級（業務培訓65.92%和科研工作18.83%）（圖略），而市、縣級預報員主要通過實際預報應用來認知集合預報。高級職稱以上或博士學歷群體相比其他職稱或學歷人員擁有更高比例的業務培訓和科研經歷，所以對集合預報有更深入的了解。

圖4 對集合預報基本產品定義、算法和特點的了解程度

2.2 集合預報產品的獲取和分析、處理

集合預報產品的獲取、分析和處理是預報員使用集合預報產品，開展集合預報相關研究的前提。從集合預報產品的獲取方式來看（圖5a），大多數預報員直接從省級或國家級業務網站獲得各類集合預報產品，尤其是江蘇省自主開發的業務網站（239人直接從省級業務網站獲取集合預報產品，占95.22%）。少數預報員（19.12%）也會使用本級部門集合預報研究成果轉化的產品，極少數預報員（9.16%）直接瀏覽國外業務網站。可見，省級部門研發的集合預報產品和業務展示平臺是基層臺站預報員應用集合預報產品的主要支撐，在集合預報應用和推廣中，省級部門是做好承上啟下，聯系集合預報基礎研發和實際基層應用的關鍵環節。

調查顯示，對于集合預報原始數據的數據類型、時空分辨率等信息有所了解的人數不及一半，而對于讀取集合預報數據的處理方式，完全不了解的人數高達89人（35.46%）（圖5b)。 對集合預報后處理技術的認識上（圖5c），各類后處理技術（統計后處理、降尺度處理、聚類分析等）了解的人數均不及調查總人數的一半，完全不了解的人數73人，占29.08%。要充分用好這些集合預報后處理產品，還需相關研發人員加強相關技術的宣講、推廣和答疑等。

在國家級和省級的業務網站中，除了中國GRAPES模式外還包括了歐洲ECMWF和美國的GFS等模式的預報（圖6）。調查表明，業務中應用的集合預報產品主要來源是歐洲ECMWF（232人）、中國GRAPES（166人）和美國NCEP（112人），有少量預報員使用過加拿大CMC（5人）和其他來源（16人）的集合預報，其中86.85%的預報員最常使用的集合預報模式是ECMWF，9.16%的預報員最常使用的模式是中國的GRAPES，其他模式只有較少預報員認為是最常用的?？梢钥闯鰵W洲ECMWF集合預報還是預報員使用最多、最常用的集合預報模式，中國的GRAPES還有較大差距。

圖5 集合預報產品的獲取和分析、處理

圖6 預報員使用過的和最常用的全球集合預報系統

2.3 集合預報產品的應用

認識集合預報是基礎，應用集合預報是導向。集合預報具有豐富的預報產品，圖7顯示了預報員在實際業務工作中常用集合預報產品的調查結果。預報員最常用的是要素的概率預報，其次是反映不同模式成員氣象要素空間分布的郵票圖、單站箱線圖和集合平均或集合中位數，面條圖的使用相對略少，可能的原因是面條圖更多是用于分析形勢場的不確定性，不直接反映預報要素。離散度主要用于表征預報的不確定性，使用相對也較少，排在面條圖之后。使用最少的是分位值，可能原因是分位值作為預報參考需要結合研究結論和統計分析結果的支撐，而目前產品的展示方式有缺陷，預報員對各分位值的指示意義認識不夠。這些集合預報產品按照其特點可以歸納為三類：基于集合預報生成的確定性產品、集合預報概率產品、指示預報不確定性的相關產品（郵票圖、面條圖、端須圖等），其中預報員最常使用的是集合預報生成的確定性產品（37.85%），其次是集合預報概率產品（33.47%），最不常使用的是集合預報指示不確定性的相關產品（28.69%）。調查結果一定程度上反映了預報業務和服務需求的一些實際情況：海量常規預報資料的處理和分析已經讓預報員疲于應付，因此預報員更愿意接受預報意義直接明確的確定性產品，而不愿意耗時去分析相對難懂的不確定性產品；隨著模式預報能力的提升和預報員隊伍的年輕化，直接應用模式要素預報產品已經成為主流，展示形勢場預報不確定性的集合產品受到了冷落；現行的預報發布規范、內容和格式仍是確定式的，分析得到的不確定性信息仍然無法表達在預報結論中，這也是預報員不愿意去主動分析不確定性信息的原因之一。

圖7 集合預報基本產品的使用情況

基層臺站預報員當前對集合預報的應用多見于何種場景，有64.14%的人回答是僅業務值班，31.08%的回答是業務和科研使用，只有的極少數的人回答是“僅科研”（2.79%）或“從不使用”（1.99%）（圖8），可見，已有相當一部分預報員不僅僅是在預報業務上使用集合預報產品，而且也深入到集合預報相關的科研活動中。省市縣三級樣本的統計表明，與市縣級相比，省級有更多比例的預報員在業務和科研上均使用集合預報產品（省級為46.4%；市級為25.2%；縣級為32.5%）。分不同崗齡的統計可以看出，隨著預報員崗齡的增長，僅用于業務值班的比例逐步增加，而極少數從不使用的人群中的只分布在最年輕預報員（1～3年，占比5.8%）和最資深預報員（占比1.3%），業務和科研均使用集合預報比例最高的是7～10年預報員（34.0%），說明這個崗齡段的預報員作為業務和科研的骨干，能夠更好的結合業務做一些研發工作（圖8）。

在日常業務值班中，經常使用（48.21%）和偶爾使用（49.00%）集合預報的預報員占到了絕大多數，只有極少數的預報員（2.79%）從不使用。這說明使用集合預報產品已經成為大部分預報員業務值班中的一種習慣，特別是有將近一半預報員在值班中經常使用，其中省級預報員經常使用（67.9%）的比例明顯高于市（47.6%）、縣（45.8%），這也側面印證了集合預報產品已經成為重要的預報工具（圖9），機構級別越高，使用集合預報的程度越高。

進一步分析業務值班中，預報員會在哪些天氣場景使用集合預報的調查顯示（圖10），預報員在預報災害性天氣時最愛用集合預報產品，其次分別是常規天氣、極端天氣預報、專項氣象預報服務。近年來，大量學者對集合預報在災害性天氣預報中的應用開展了大量的研究工作，形成了相對成熟的預報技術和較為豐富的預報產品，所以相當一部分預報員在面對災害性天氣的時候，會去參考集合預報的結果。而出乎意料之外的是，常規天氣的使用占到了第二，一方面說明使用集合預報產品已經成為部分預報員日常預報值班的一種習慣；另一方面也說明隨著集合預報釋用技術的深入開展，集合預報的優勢和作用已經從災害性天氣、極端天氣預報領域拓展，滲透到日常天氣預報的方方面面，并得到預報員的認可。然而，在集合預報有很強指示意義的極端天氣預報上，預報員使用的比例僅有54%，這可能與極端天氣發生概率低，部分預報員在實際預報值班過程中并未碰見這類天氣過程有關。一定程度上反映出預報員對集合預報對極端天氣指示作用的意義認識還不夠。專項氣象服務中使用集合預報的比例不足50%，這可能與專項服務更加強調確定性預報結論的需求有關。

2.4 集合預報產品在預報服務中的作用

圖8 集合預報的使用場景

圖9 日常預報值班中集合預報使用情況

針對集合預報產品在目前天氣預報服務中的應用效果調查是每位產品開發人員或業務管理、推進者最為關心的問題。調查顯示（圖11），有超過一半預報員（52.59%）認為集合預報能起到主要參考的作用，還有45.82%的預報員認為有補充參考的作用（尤其在省級層面），只有極個別預報員（主要是市、縣）認為作用不大。分崗齡統計年資較輕的預報員更多認為集合預報是主要參考（1～3年占69.6%，4～6年占50%），年資偏高的預報員更傾向于集合預報作用是補充參考。調查結果呈現了一個非常有意思的現象，認為集合預報能起主要參考作用的省級預報員比例明顯低于市縣級（省級為17.9%，市級為39.8%，縣級為71.7%）。也就是說最經常使用集合預報產品、對集合預報產品了解最深的省級預報員反而對集合預報的能力和作用最缺乏信心，最大可能的原因是隨著對集合預報認識的加深，省級預報員反而更清楚地了解目前集合預報的不足和局限性。

圖10 使用集合預報的天氣場景

如何更好地把集合預報相關產品信息應用在日常的天氣預報制作和服務的問題上（圖略），絕大多數的預報員（97.61%）（其中省級預報員100%）認為在現有預報規范下（即最后發布的是單一值確定預報），預報員可以通過斟酌預報用語、調整量級等來表達對預報的把握程度，但這種方式預報可信度信息得不到最大程度的應用。要使它能得到最大程度的應用，現有的預報規范需要修改（由確定性預報變為概率預報），從而把集合預報的不確定性信息應用在日常的天氣預報制作和服務上。這個調查結果相比于2011年的86.4%有了明顯的提升，說明隨著集合預報技術的發展和應用的推進，預報員對集合預報的應用價值有了更充分的肯定。而認為“把集合預報相關產品信息應用在日常的天氣預報制作和服務沒有用處，反而造成混亂”的觀點（2.39%）主要集中在崗齡1～6的年輕預報員中，表明資歷較淺的年輕預報員對集合預報相關產品的信息應用仍存在不解和困惑。

針對是否應該把這種隱藏在預報背后的預報可信度或不確定性作為天氣預報的一部分如實地告訴公眾和用戶這一問題，大部分預報員（83.67%）認為應該將預報不確定信息告訴用戶，這才是客觀、科學的態度，讓用戶根據預報不確定性去安排他們的行為，將有助于最大限度地發揮預報的價值，并同時要幫助用戶正確理解天氣預報不確定性的內容；11.16%的預報員認為因為用戶不會用帶有不確定性的預報，只會造成混亂所以不應該；5.18%的預報員認為因為人們會覺得氣象部門預報不準，還把預報的責任推卸到用戶身上，所以不應該。預報員對于用戶的看法相較于2011年變化不大，對用戶使用不確定性信息的信心提升不大，一定程度反映出公眾氣象科普工作進展緩慢。

上面兩項的調查結果表明，絕大多數預報員都愿意應用預報不確定性的產品（97.61%），并且認為應該把預報可信度告訴用戶（83.67%）。這說明，用“包含了不確定性”的“完全預報”來取代現行“確定性單一值”的“不完全預報”是一個已能被廣大預報員接受的概念，它在目前預報員中已有相當的思想基礎，尤其是對自己針對的用戶更加開放。

如何向大眾來表達預報中的不確定性，調查結果（圖略）發現，概率是很多預報員所推崇的（32.27%），用不同的語言和顏色也受到一定程度的歡迎（分別為12.35%和19.52%）。超過三分之一的預報員（35.86%）較開放，愿意接受以上各種方式，認為在不同的場合應用不同的方式來表達。

如何讓廣大公眾和用戶了解氣象預報有不可避免的不確定性本質以避免他們有不切實際的期望（圖12）？有相當數量的預報員（42.23%）認為科普是一種首選的工具。其他依次是培訓（3.98%）、學?？茖W常識類教科書（3.9%）和同用戶合作（2.39%）。而約一半的預報員（47.81%）認為以上這些都很重要，應該多管齊下。相比于2011年的問卷調查， 大家對培訓的作用認同度變得更高一些，其他變化不大。

圖11 對集合預報產品在目前天氣預報服務中作用的看法

圖12 讓公眾能夠接受天氣預報有不確定性的事實的關鍵因素

2.5 不足與建議

圖13 集合預報產品本身最大的不足

通過認識、使用、研究、分析集合預報及其相關產品，探討和追蹤集合預報產品服務方式及效果，預報員對目前集合預報產品本身最大的不足也形成了自己的切實體會（圖13），接近一半（40.24%）的預報員認為是集合預報產品生成的確定性產品準確率不高，也有19.12%的預報員認為最大的不足是集合預報產品的到報時間偏晚。此外還有部分預報員認為是集合預報產品的時間、空間分辨率不夠（14.74%），相比確定性預報沒有明顯優勢（13.55%）和集合預報產品還不夠豐富（12.35%）。

有接近一半（41.04%）的預報員認為對集合預報相關產品的認知程度不夠是阻礙集合預報相關產品應用的最大可能原因（圖14），還有部分預報員認為主要原因是集合預報產品本身不夠可靠、準確和豐富（30.28%）以及集合預報不確定性信息的應用缺少需求（28.69%）。其中省、市級預報員更傾向于是認知程度不夠是最大阻礙（省級為53.6%、市級為49.5%），而縣級更傾向于認為最大阻礙是集合預報不確定性信息應用缺少需求（35.5%）。預報員傾向于加大力度發展和使用的集合預報的類型產品主要有全概率預報（143人，56.97%）、離散度預報（不確定性信息預報）（94人，37.45%）和轉化為更多的確定性預報（143人，56.97%）。

針對目前集合預報產品本身和應用上的不足和阻礙，預報員也提出對上級業務部門在集合預報業務應用上的建議：1）增加集合預報推廣和培訓（180人，71.71%）；2）提高集合預報產品分辨率、準確率（175人，69.72%）；3）豐富集合預報產品的種類（163人，64.94%）；4）讓預報員更多地參與集合預報研發工作（113人，45.02%）。由此可見，預報員認為首要的建議是通過增加集合預報推廣和培訓的形式來影響更多的預報員，加深認識，從而使得集合預報在業務上得到更好的應用。

圖14 阻礙集合預報相關產品應用最大可能原因

3 結論與討論

為了解目前集合預報在業務部門的應用情況，就相關問題設計了調查問卷，共有來自江蘇省、市、縣三級氣象業務部門的251位預報員參與調查。具體的調查內容包括對集合預報的基本認識，集合預報的應用和研究情況，集合預報在預報服務中的作用，目前集合預報產品的不足以及對提升集合預報產品應用的建議等等。調查結果分類總結和討論如下：

3.1 對集合預報的認識

調查表明目前絕大多數預報員們（97%）對集合預報有一定的了解，該比例較2011年的調查結果（67%）有大幅提高。預報員了解集合預報的主要途徑是通過參加相關業務培訓和實際預報應用，也有相當比例（21%）的預報員通過參與科研項目或研發相關技術從而進一步認識集合預報。雖然絕大多數預報員在預報業務中都使用了集合預報產品，但是大多數預報員對集合預報產品的定義、算法和特點的了解程度并不夠。集合預報熟悉程度較高的預報員集中在省級、高級職稱以上或博士學歷，主要原因是省級預報員參加集合預報相關業務培訓和科研的機會明顯多于市、縣級。因此，通過業務培訓，特別是圍繞業務應用的培訓，從而提升市、縣級預報員對集合預報的認識，在目前還是一個急需加強的任務。

3.2 集合預報產品的獲取方式和分析、處理

絕大多數預報員直接從省級預報業務網站上獲取集合預報產品，表明在集合預報應用和推廣中，省級部門是做好承上啟下，聯系集合預報基礎研發和實際基層應用的關鍵環節。歐洲ECMWF、中國GRAPES和美國GFS是業務中應用的集合預報產品的幾個主要來源，其中ECMWF集合預報產品是預報員最常用的，中國的GRAPES模式較之還有較大差距。了解集合預報數據處理和各類后處理技術的人數均不及調查總人數的一半，說明相關的培訓和技術推廣、宣傳等工作仍有待加強。

3.3 集合預報產品的應用

在日常預報中，預報員最常使用的是集合預報生成的確定性產品，其次是集合預報概率產品，最不常使用的是集合預報指示不確定性的相關產品。這個結果與業務流程緊張的現狀和以確定性預報結論為主的業務規范有關系。有超過三分之一的預報員不僅在業務值班中，還在科研中使用集合預報產品，特別是省級的預報員，經常使用集合預報的比例超過了三分之二。預報員在預報災害性天氣時最愛用集合預報產品，其次分別是常規天氣、極端天氣預報、專項氣象預報服務。表明隨著集合預報釋用技術的深入開展，集合預報的價值已經從災害性天氣、極端天氣預報領域拓展，滲透到日常天氣預報的方方面面，并得到預報員的廣泛認可，集合預報產品已然成為業務天氣預報的主要參考產品。對集合預報各類產品及其相關技術繼續加以拓展研發，并積極推廣應用應是今后相關業務管理者和科研人員開展集合預報工作的重點。

3.4 集合預報產品在預報服務中的作用

超過一半預報員認為集合預報在預報服務中能起到主要參考的作用，其中省級預報員比例明顯低于市縣級，可能是由于隨著對集合預報認識的加深，省級預報員反而更清楚地了解目前集合預報的不足和局限性。即使在目前，以確定預報結論為主的業務規范下，絕大多數預報員都愿意應用預報不確定性的產品（97.61%），并且認為應該把預報可信度告訴用戶（83.67%）。這說明，用“包含了不確定性”的“完全預報”來取代現行“確定性單一值”的“不完全預報”是一個已能被廣大預報員接受的概念，但預報員對用戶使用不確定性信息的信心相較于2011年結果變化不大，一定程度上反映出公眾氣象科普工作進展緩慢，需加大集合預報的公眾科普宣傳力度，追蹤用戶使用不確定信息的體驗感受，加強與用戶的有效溝通。

3.5 對集合預報產品及應用的不足與建議

絕大多數預報員認為目前集合預報產品最大的不足是生成的確定性產品準確率不高，其次是集合預報產品的到報時間偏晚，最后是集合預報產品的時間和空間分辨率不夠、相比確定性預報沒有明顯優勢以及產品不夠豐富等。這些不足均是今后集合預報系統改進和完善的研究方向。

在集合預報推廣過程中，預報員認為對集合預報相關產品的認知程度不夠是阻礙集合預報相關產品應用的最大可能原因。對上級業務部門在集合預報業務應用上的建議，預報員認為最重要的還是應該通過增加集合預報推廣和培訓來影響更多的預報員，從而推動集合預報在業務上更好的應用。

附錄

集合預報產品應用調查表和總體統計

一、預報員基本情況

1．您從事預報工作的年限？（單選）

○ 1～3年 [27.49%]

○ 4～6年 [21.51%]

○ 7～10年 [21.12%]

○ 10年以上 [29.88%]

2．您的最高學歷或學位？（單選）

○ 大學本科以下 [4.38%]

○ 大學本科 [46.61%]

○ 碩士 [41.04%]

○ 博士 [7.97%]

3．您的職稱是？（單選）

○ 助工 [32.67%]

○ 工程師 [47.01%]

○ 副高 [17.93%]

○ 正研 [2.39%]

4．您在哪一級氣象部門工作？（單選）

○ 縣級 [47.81%]

○ 地市級 [41.04%]

○ 省級 [11.16%]

二、預報員對集合預報的基本認識

5．您何時開始接觸集合預報？（單選）

○ 本科 [21.51%]

○ 碩士 [15.14%]

○ 博士 [1.2%]

○ 工作 [59.36%]

○ 無接觸 [2.79%]

6． 您工作中通過何種方式進一步認識集合預報？（多選）

□ 業務培訓 [68.13%]

□ 預報應用 [81.27%]

□ 科研項目 [20.72%]

□ 沒有興趣進一步認識 [1.99%]

7． 您對集合預報基本產品的定義、算法和特點了解嗎？（單選）

○ 完全了解 [1.99%]

○ 大部分了解 [29.08%]

○ 少數了解 [56.57%]

○ 不了解 [12.35%]

8．您從何種渠道可獲得集合預報產品？（多選）

□ 國家局業務網站 [48.61%]

□ 省級業務網站 [95.22%]

□ 本級部門科研成果轉化產品 [19.12%]

□ 國外業務網站 [9.16%]

9．您對集合預報原始數據有哪些了解？（多選）

□ 數據類型 [49.00%]

□ 時空分辨率 [45.42%]

□ 讀取處理方式 [18.33%]

□ 完全不了解 [35.46%]

10．您了解過哪些類集合預報后處理技術？（多選）

□ 統計后處理（如概率分布函數等） [49.00%]

□ 降尺度技術（如動力降尺度、統計尺度等） [30.68%]

□ 聚類分析技術 [21.91%]

□ 再預報方法（如極端天氣預報指數、分位數匹配等）[27.89%]□ 特征追蹤 [15.14%]

□ 其他 [9.56%]

□ 完全不了解 [29.08%]

三、集合預報產品應用及研究情況

11．您在何種場景使用集合預報？（單選）

○ 僅業務值班 [64.14%]

○ 僅科研 [2.79%]

○ 業務和科研均使用 [31.08%]

○ 從不使用 [1.99%]

12．您在日常預報值班中使用集合預報嗎？（單選）

○ 偶爾使用 [49.00%]

○ 經常使用 [48.21%]

○ 從不使用 [2.79%]

13．您常在哪些天氣預報場景中使用集合預報？（多選）

□ 常規天氣 [68.53%]

□ 災害性天氣 [80.08%]

□ 極端天氣預報 [54.18%]

□ 專項氣象預報服務 [44.62%]

14．您使用過哪些常用集合預報產品？（多選）

□ 集合平均或中位數 [45.02%]

□ 集合離散度 [35.06%]

□ 天氣要素概率預報 [73.31%]

□ 分位值 [20.32%]

□ 郵票圖 [57.77%]

□ 面條圖 [38.25%]

□ 單站集合預報（箱線圖） [56.97%]

15．您最常使用哪一類的集合預報產品？（單選）

○ 集合預報生成的確定性產品 [37.85%]

○ 集合預報概率產品 [33.47%]

○ 集合預報指示不確定性的相關產品（郵票圖、面條圖、端須圖等）[28.69%]

16．您使用過的全球集合預報系統有哪些？（多選）

□ 中國GRAPES [66.14%]

□ 歐洲ECMWF [92.43%]

□ 美國NCEP [44.62%]

□ 加拿大CMC [1.99%]

□ 其他 [6.37%]

17．其中最常用的是？（單選）

○ 中國GRAPES [9.16%]

○ 歐洲ECMWF [86.85%]

○ 美國NCEP [1.99%]

○ 加拿大CMC [0.80%]

○ 其他 [1.20%]

18． 您覺得集合預報產品在目前天氣預報服務中的作用如何？（單選）

○ 主要參考 [52.59%]

○ 補充參考 [45.82%]

○ 作用不大 [1.59%]

19． 您會如何把集合預報的不確定性信息應用在日常的天氣預報制作和服務上？（單選）

○ 在現有預報規范下（即最后發布的是單一值確定預報），預報員可以通過斟酌預報用語、調整量級等來表達對預報的把握程度，但這種方式預報可信度信息得不到最大程度的應用。要使它能得到最大程度的應用，現有的預報規范需要修改（由確定性預報變為概率預報） [97.61%]

○ 沒有用處，反而造成混亂 [2.39%]

20． 您覺得應不應該把這種隱藏在預報背后的預報可信度或不確定性作為天氣預報的一部分如實地告訴公眾和用戶，為什么？（單選）

○ 應該。將預報不確定信息告訴用戶，這才是客觀、科學的態度，讓用戶根據預報不確定性去安排他們的行為，將有助于最大限度地發揮預報的價值。并同時要幫助用戶正確理解天氣預報不確定性的內容 [83.67%]

○ 不應該。因為人們會覺得氣象部門預報不準，還把預報的責任推卸到用戶身上 [5.18%]

○ 不應該。因為用戶不會用帶有不確定性的預報，只會造成混亂 [11.16%]

21． 如果要求對公眾和用戶發布預報的可信度，您覺得什么樣的形式比較合適？（單選）

○ 預報事件的概率大小 [32.27%]

○ 不同的用語（如可能性很小、中等、很大） [12.35%]

○ 用不同顏色來表達預報可信度（如紅色代表可信度很低，黃色代表中等，綠色代表可信度高） [19.52%]

○ 根據不同情景，所有以上這些都用 [35.86%]

22． 讓公眾能夠接受天氣預報有不確定性的事實（如同治療疾病有風險一樣），并科學地運用定量化的不確定性信息來決策（使社會或經濟效益最優化），您認為關鍵因素是什么？（單選）

○ 大眾科普宣傳 [42.23%]

○ 學校教育（教科書） [3.59%]

○ 培訓 [3.98%]

○ 氣象界同用戶合作 [2.39%]

○ 所有以上這些 [47.81%]

四、不足和建議

23． 您覺得目前集合預報相關產品本身的最大不足是什么？（單選）

○ 集合預報產品生成的確定性產品準確率不高 [40.24%]

○ 集合預報產品的時間、空間分辨率不夠 [14.74%]

○ 集合預報產品的到報時間偏晚 [19.12%]

○ 相比確定性預報沒有明顯優勢 [13.55%]

○ 集合預報產品還不夠豐富 [12.35%]

24． 您傾向于加大力度發展和使用集合預報什么類型產品？（多選）

□ 全概率預報 [56.97%]

□ 離散度預報（不確定性信息預報） [37.45%]

□ 轉化為更多的確定性預報 [56.97%]

25． 您覺得阻礙集合預報相關產品應用最大可能原因是什么？（單選）

○ 集合預報不確定性信息的應用缺少需求[28.69%]

○ 集合預報產品本身不夠可靠、準確和豐富[30.28%]

○ 預報員對集合預報相關產品的認知程度不夠 [41.04%]

26． 您對上級業務部門目前在集合預報業務應用上的建議？（多選）

□ 豐富集合預報產品的種類 [64.94%]

□ 提高集合預報產品分辨率、準確率 [69.72%]

□ 增加集合預報推廣和培訓 [71.71%]

□ 讓預報員更多地參與集合預報研發工作 [45.02%]

深入閱讀

陳圣劼, 劉梅, 張涵斌, 等, 2019. 集合預報產品在江蘇省暴雨預報中的應用評估. 氣象, 45(7): 893-907.

代刊, 朱躍建, 畢寶貴, 2018. 集合模式定量降水預報的統計后處理技術研究綜述. 氣象學報, 76(4): 493-510.

杜鈞, 陳靜, 2010. 天氣預報的公眾評價與發布形式的變革. 氣象, 36(1): 1-6.

杜鈞, 鄧國, 2010. 單一值預報向概率預報轉變的價值：談談概率預報的檢驗和應用. 氣象, 36(12): 10-18.

杜鈞, 康志明, 2014. 天氣預報中不確定性問題的調查分析. 氣象科技進展, 4(1): 58-62.

李俊, 杜鈞, 陳超君, 2015. “頻率匹配法”在集合降水預報中的應用研究. 氣象, 41(6): 674-684.

王東海, 杜鈞, 柳崇健, 等, 2011. 正確認識和對待天氣氣候預報的不確定性. 氣象, 37(4): 385-391.

吳啟樹, 韓美, 劉銘, 等, 2017. 基于評分最優化的模式降水預報訂正算法對比. 應用氣象學報, 28(3): 306-317.

周迪, 陳靜, 陳朝平, 等, 2015. 暴雨集合預報-觀測概率匹配訂正法在四川盆地的應用研究. 暴雨災害, 34(2): 97-104.

Buizza R, 2008. The value of probabilistic prediction. Atmospheric Science Letters, 9(2): 36-42.

Cui B, Toth Z, Zhu Y, et al, 2012. Bias correction for global ensemble forecast. Weather and Forecasting, 27(2): 396-410.

Dabernig M, Mayr G J, Messner J W, et al, 2017. Spatial ensemble post-processing with standardized anomalies. Quarterly Journal of the Royal Meteorological Society, 143: 909-916.

Ebert E E, 2001. Ability of a Poor Man’s Ensemble to predict the probability and distribution of precipitation. Monthly Weather Review, 129(10): 2461-2480.

Gneiting T, Raftery A E, Westveld A H, et al, 2005. Calibrated probabilistic forecasting using ensemble model output statistics and minimum CRPS estimation. Monthly Weather Review, 133(133): 1098-1118.

Scheuerer M, 2014. Probabilistic quantitative precipitation forecasting using Ensemble Model Output Statistics. Quarterly Journal of the Royal Meteorological Society, 140(680): 1086-1096.

Scheuerer M, Hamill T M, 2015. Statistical post-processing of ensemble precipitation forecasts by fitting censored, shifted gamma distributions. Monthly Weather Review, 143(11): 4578-4596.

Stauffer R, Umlauf N, Messner J W, et al, 2017. Ensemble postprocessing of daily precipitation sums over complex terrain using censored high-resolution standardized anomalies. Monthly Weather Review, 145(3): 955-969.

Tilmann G, Raftery A E, 2005. Atmospheric science: weather forecasting with ensemble methods. Science, 310(5746): 248-249.

Zhu Y, 2005. Ensemble forecast: a new approach to uncertainty and predictability. Advances in Atmospheric Sciences, 22(6): 781-788.

Zhu Y, Luo Y, 2015. Precipitation calibration based on the frequencymatching method. Weather and Forecasting, 30: 1109-1124.