基于DERF2.0的中天山北坡經濟帶秋季延伸期強降溫過程預報檢驗

李淑娟，毛煒嶧，陳 靜，于曉晶，賈孜拉·拜山

（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；3.新疆氣候中心，新疆烏魯木齊 830002）

中國氣象局氣候中心第二代動力延伸預測模式系統（DERF2.0）是基于第一代（DERF1.0）的升級，2014年向各省推送業務應用的同時下發了1983—2013年的歷史回算數據，各省在進行模式預報能力檢驗時大多基于這一數據，鑒于模式性能穩定，文中的相關工作也是基于這一時段的數據展開。在模式應用過程中，很多學者對其預報性能進行了分析，認為DERF2.0系統受地形、下墊面等因素的影響，對不同要素的預報效果在不同區域存在一定差異：模式對極端旱澇事件具有一定預報能力[1]，但月平均溫度預報與觀測實況仍然存在較大偏差，模式預報有較大改進空間[2-3]，針對廣西87個臺站的氣溫和降水展開檢驗評估，發現該系統對廣西月氣溫的總體效果優于降水，氣溫和降水的預測效果存在明顯的月季變化，夏季的預報效果最差[4]，而重慶地區34個測站的2月氣溫和8月500 hPa高度場經過檢驗后，預測效果低緯好于中高緯，8月總體好于2月[5]，貴州省冬季和春季的氣溫預測評分較好，秋季降水預測評分最高，基本能夠預測出貴州的秋季總體旱澇趨勢[6]，基于甘肅省1月2 m溫度的預報效果評估結果，認為模式對氣溫的空間模態有較好的回報結果，但氣溫異常變化的中心及空間趨勢與觀測有較大差異[7]，對于2013年烏魯木齊站春季溫度的預報性能而言，預報偏差隨預報時效推進而增大，延伸期預報偏差明顯大于中期[8]。

中天山北坡經濟帶屬于典型的干旱綠洲經濟區，是新疆現代工業、農業、交通信息、教育科技等最為發達的核心區域，是未來新疆經濟發達的綜合示范區，自然資源條件優越，可是生態環境相對脆弱，受氣候條件影響顯著，尤其在寒潮偏多年份，秋季寒潮過程的爆發次數往往最多[9]，給當地農牧業等的生產收獲和發展帶來巨大災難。為規避或減少災害天氣帶來的損失，給防災減災工作爭取時間，不斷提高中期（預報時效在10 d以下）至延伸期預報（預報時效為10～30 d）的準確率尤為必要。第二代動力延伸預測模式系統（DERF2.0）是新疆氣候中心氣候延伸期及中期預測的重要參考工具，但是產品應用過程中缺乏系統的檢驗評估，業務參考主要基于定性誤差判斷，缺乏定量的偏差分析依據。因此，借鑒以往的模式預報檢驗方法[10-17]，針對中天山北坡經濟帶8個代表臺站，包括呼圖壁、瑪納斯、烏魯木齊、昌吉、阜康、吉木薩爾、奇臺和木壘站，進行秋季最低溫度的預報檢驗，客觀評估DERF2.0模式的預報性能，以期為延伸期預報改進提供量化參考，為防災減災提供氣候預測基礎。

1 資料與方法

1.1 資料

中天山北坡經濟帶選取8個代表站（圖1）：呼圖 壁（Hutubi）、瑪 納 斯（Manasi）、烏 魯 木 齊（Urumqi）、昌吉（Changji）、阜康（Fukang）、吉木薩爾（Jimusaer）、奇臺（Qitai）和木壘（Mulei）站。觀測資料為上述站點的2 m逐日最低氣溫（Tmin）資料，來自新疆氣象信息中心，時間為1983—2013年秋季，即9月1日—11月30日。預報數據來自國家氣候中心DERF2.0模式輸出的未來1~52 d逐日1°×1°分辨率的最低氣溫預報數據（20個全樣本集合平均），資料選取時段為1983—2013年每年的7月12日—11月30日。數據分析時，采用雙線性插值方法插值為站點數據進行運算，再結合站點觀測實況進行檢驗。

圖1 中天山北坡經濟帶8個代表站分布

1.2 檢驗方法

檢驗中使用了預報偏差分析確定模式的預報偏差，采用相關分析獲得預報結果與觀測的協同變化關系，應用均一化標準差對預報與觀測的離散程度進行診斷，還利用均方根誤差以及PS評分指標對預報的整體偏差水平進行檢驗，其中，均一化標準差（NSTD）、均方根誤差（RMSE）、PS評分的計算公式如下：

NSTD為均一化標準差，是模式模擬數據的標準差和觀測數據標準差的比值[10]，其中，STD=，N為樣本數，Xi為第i個樣本的值，是N個樣本的平均值。均一化標準差反映數據離散程度，為評估DERF2.0模式模擬結果與觀測值時間序列之間的差異，i為時間樣本。一般認為NSTD的值介于0.75～1.25的模式模擬性能良好。

其中，RMSE為均方根誤差，N為樣本量，XM，i和Xo，i分別為第i個樣本的模擬值和觀測值。均方根誤差反映模式預報數據和觀測實況的整體偏差水平，RMSE越小、越接近0，表明模擬效果越好。

其中，P為預測正確總次數，N為預測總次數[14]，PS評分為綜合評分，其值用Ps表示，用于衡量預報準確率，評分的偏差標準采用業務標準中的±2℃，不對溫度進行進一步的等級劃分。

檢驗對象分別為：秋季逐日氣溫預測檢驗，秋季逐日24 h變溫預測檢驗，秋季典型降溫過程預測檢驗。預報偏差為DERF2.0輸出的預報值減去對應的觀測實況，當偏差＜0℃時，稱為冷偏差，當偏差＞0℃時，稱為暖偏差。

2 秋季逐日最低溫度檢驗分析

根據1983—2013年的觀測數據（圖2a），中天山北坡經濟帶8個代表站的多年平均秋季逐日最低氣溫整體隨季節推進而在波動中下降，站點間的下降趨勢以及幅度差異不大。烏魯木齊站的秋季平均日最低溫度最高，奇臺站最低，二者多年秋季平均溫度相差3.6℃；烏魯木齊多年平均秋季日最低氣溫在9月1日最高，為14.6℃，在11月28日最低，為-10.0℃，近31 a平均秋季溫度呈升高趨勢（圖2b）；奇臺站秋季的日最低氣溫最高溫度9月1日最高，為11.1℃，11月29日最低，為-15.5℃。

圖2 中天山北坡經濟帶8個代表站秋季多年平均日最低溫度（a）及烏魯木齊秋季年平均最低溫度（b）

2.1 預報偏差

基于DERF2.0預報結果，對1983—2013年秋季（9月1日—11月30日）逐日最低氣溫計算預報偏差并進行多年平均，得到8個代表站1～52 d不同預報時效的日平均最低氣溫預報偏差（圖3，只選取1、5、10、15、20、30 d共6個預報時效）。無論預報時效長短，各站秋季日最低氣溫預報偏差整體以冷偏差為主，即預報結果較實況日最低氣溫偏低，冷偏差幅度隨季節變化特征大致分為兩種類型。第一類，9月初冷偏差幅度最大，之后偏差幅度逐漸減小，到秋季后期（11月中下旬）出現明顯正偏差，各階段的偏差主要介于-6～2℃，測站包括：烏魯木齊、瑪納斯、呼圖壁、昌吉、阜康。第二類，9月初為弱冷偏差，之后冷偏差幅度逐漸增大，10月中旬后冷偏差幅度逐漸減小，到11月中下旬為明顯正偏差，偏差范圍主要在-3～5℃，測站包括：奇臺、木壘、吉木薩爾。

圖3 8個代表站秋季平均日最低溫度預報偏差

整體而言，烏魯木齊站的預報偏差最大，10月上旬之前，奇臺站的預報偏差最小，10月上旬之后，木壘站的預報偏差最小。各站的預報偏差整體隨預報時效延長而增大，但是當季節推進到11月底（多數站點在11月28日以后）、所有時效的預報偏差均＞0℃時，預報時效為1 d（d1）的預報偏差是所有預報時效中最大的，這可能和秋冬季節轉換期間初值場中雪蓋等下墊面要素的偏差有關。在整個秋季，DERF2.0模式的預報偏差由冷偏差逐漸向暖偏差轉變，這可能是由系統誤差造成，而站點之間的空間差異，很可能是因為模式對沿天山一帶的地形、海拔等綜合因素的模擬能力不足而導致。

打開Photoshop，使用移動工具將花的照片放在人像上面，大致對齊。將圖層的混合模式改為疊加，有必要的話，適當調整圖片位置，然后添加反相蒙版。

2.2 相關系數

分別將提前1～30 d預報的各站31 a秋季逐日最低溫度與觀測實況進行整體超前相關分析，各測站在每個預報時效下相關系數的計算樣本量為2 821個，結果見圖4。DERF2.0模式預報輸出的8站秋季逐日預報結果與實況之間的相關系數整體介于0.84～0.95，隨著預報時效的延長而減小（圖4a），去除季節變化的線性趨勢之后，相關系數下降明顯（圖4b），最大相關系數為0.36，最小為-0.02，表明DERF2.0模式對日最低溫度的季節變化趨勢把握較好，但是對去除線性變化趨勢后的逐日溫度預報能力相對較弱。

以烏魯木齊站為例，分析DERF2.0模式的逐年預報效果是否穩定。計算烏魯木齊站每年秋季提前1～30 d的DERF2.0預報的日最低氣溫與實況之間的相關系數，每年秋季計算相關系數樣本為91，提前1 d（d1）、5 d（d5）、10 d（d10）、15 d（d15）、20 d（d20）以及30 d（d30）的6個預報時效的相關系數結果見圖4c、4d。烏魯木齊（圖4c）不同預報時效的相關系數在各年份普遍高于0.8，表明預測和觀測的時間一致性較好。去除季節變化的線性趨勢之后（圖4d），逐年的相關系數整體介于-0.4～0.9，較去趨勢之前的0.72～0.97這一變化區間有大幅下降，不同預報時效間的相關系數差異也明顯增大，預報時效越長，相關系數越小，預報時效在18 d以上時，多站的相關系數接近0，對預報的參考價值有限，同時，延伸期內不同時效的相關系數差異遠小于中短期。

值得關注的是，逐年相關系數中，去除季節變化的線性趨勢后，當預報時效為15 d時，整個區域平均有29%的年份相關系數通過了0.05的顯著性檢驗，其中，奇臺站通過0.05的顯著性檢驗的比率最高，達到35%，呼圖壁最低，為23%，而烏魯木齊為32.3%（10 a，圖4d），這表明DERF2.0模式在延伸期時效內對日最低氣溫仍具有一定預報能力。此外，預報時效為15 d時，去除季節變化趨勢前，在普遍高值的相關系數背景下1994年相關性最差（圖4c），去趨勢后，在普遍低值相關的背景下1997、2006和2009年的相關性最好，均在0.6以上（圖4d），通過溫度分析后認為，不論是否去除溫度的季節變化趨勢，溫度分布由暖向冷轉變的季節變化趨勢越強，相關性越好、可預報性越強。反之，則相關度降低、可預報性減弱，如2009年的溫度分布由暖向冷轉變的季節性趨勢很明顯，去除季節變化的趨勢后，溫度分布仍然有很強的暖向冷轉變趨勢，因此，去趨勢前后這一年的預報相關性均很好。

圖4 秋季最低溫度的預報相關系數

2.3 離散程度（NSTD）

分別分析了8站的31 a秋季以及逐年秋季的日最低氣溫不同預報時效的預報離散程度（NSTD）。NSTD介于0.75～1.25的預報效果較好，越接近1代表預報與觀測的離散程度越接近。圖5a中，8站預報時效為1~30 d的預報結果的均一化標準差（NSTD）在0.72～0.89，NSTD在較為合理的范圍，且各站延伸期的NSTD隨預報時效推進而減小，中短期預報時段內的NSTD表現為先增大后減小，峰值出現在預報時效為5 d時。結合圖4的結果，NSTD較高主要是因為DERF2.0對秋季最低溫度的季節變化趨勢把握較好。

以烏魯木齊為例，分析逐年秋季日最低氣溫的NSTD變化情況（圖5b），NSTD在不同年份的變化并不總是隨預報時效的推進而呈規律性變化，也沒有哪一個預報時效能在整個檢驗時段內始終表現為預報效果最好（NSTD接近1），但相對來說，預報時效為5 d時，整體預報離散程度為所有預報時效中最好，其NSTD均普遍在0.75以上且更接近1。

圖5 秋季最低溫度的均一化標準差（NSTD）

2.4 均方根誤差（RMSE）

8個代表站秋季日最低氣溫的31 a整體以及逐年不同預報時效的均方根誤差（RMSE）如圖6。各站的整體偏差較大，多年整體RMSE均遠大于1（圖6a），站點之間的RMSE差別明顯，奇臺和木壘站的RMSE較小，介于2.8～4.4，烏魯木齊站的RMSE較大，變化范圍在4.2～6.0。各站的RMSE在延伸期和中短期內均隨預報時效延長而增大，但延伸期的變化趨勢較中短期明顯減緩，尤其是奇臺和木壘，延伸期內的RMSE基本在3.8～4.4小幅變化。RMSE的結果與偏差分布（圖3）基本對應，即偏差越大，RMSE越大。

烏魯木齊逐年的RMSE（圖6b）介于3.0～7.0，在不同年份（從1983—2013年）存在較大差別，但RMSE在整個檢驗時段內基本隨預報時效的推進而增大。

圖6 秋季最低溫度預報均方根誤差（RMSE）

2.5 PS評分

基于多年綜合PS評分結果（計算同相關系數），奇臺站的預報準確率較高（最高57.21分），烏魯木齊相對較低（最高31.02分），這種空間差異可能與地形因素、下墊面情況、溫度分布等密切相關，各站PS評分隨預報時效推進而減小。單站逐年的PS評分隨年份、預報時效的不同差別較大，雖然整體的預報能力隨預報時效延長而減弱，但也存在異常情況，如最高PS評分（52.75分）出現在1992年時，對應的預報時效為5 d（d5）而非1 d（d1）。值得關注的是，烏魯木齊逐年的PS評分整體有下降趨勢，而且其評分的年際變化與秋季平均溫度的年際變化基本反向對應，即平均溫度越高（低），評分越低（高）。

3 24 h變溫及強降溫過程預報效果檢驗

3.1 24 h變溫預報效果檢驗分析

3.1.1 偏差分析

24 h變溫的預報值減去實況值即為24 h變溫的預報偏差，計算逐年秋季（91 d）日最低溫度的24 h變溫（每年90個變溫值），并進行多年平均，得到多年平均24 h變溫偏差分布，各站的偏差分布差別不大。

在整個秋季，多年平均24 h變溫偏差主要在±1.5℃之間波動變化，站點之間、不同預報時效之間的偏差變化不大，但是偏差的變動幅度相對較大，基本介于1～4℃，其中瑪納斯與呼圖壁偏差的絕對值相對最大，在整個季節內，除奇臺和木壘在11月中下旬偏差幅度最大外，其他站點的偏差最大幅度均出現在9月下旬，所有站點的最小偏差幅度基本都在10月中下旬、預報時效為1 d和5 d時，預報時效進入延伸期后，偏差幅度相對較大、但時效之間差異不大。

3.1.2 相關系數、RMSE、NSTD分析

對8個代表站31 a間不同預報時效的24 h變溫數據（樣本量共2 790個）計算相關系數、NSTD以及RMSE。各站的相關系數在預報時效≤10 d時均通過了0.05的顯著性檢驗，其中，在預報時效≤5 d時相對較高，普遍在0.35以上。相關系數存在空間差別，最大的站點為奇臺、最小為木壘，隨著預報時效的推進，站點之間的差別逐漸減小，延伸期內，各站點之間的相關系數差別不大，均未通過0.05的顯著性檢驗。各站的24 h變溫的預報離散程度普遍小于觀測，所有站點中，只有烏魯木齊和昌吉在預報時效≤5 d時的NSTD≥0.75，其他預報時效和站點的NSTD均低于0.75，這表明24 h變溫預報值的波動遠小于實際觀測。各站不同預報時效的RMSE介于2.2～3.4，隨預報時效的推進而增大，在延伸期基本穩定，但RMSE存在站點間差異，瑪納斯整體最大，吉木薩爾最小。相比于逐日預報的RMSE（圖6a），24 h變溫的RMSE相對較小，可是二者均遠大于1。結合烏魯木齊逐年不同預報時效的相關分析、NSTD以及RMSE，不同年份的結果差別較大，但預報時效為1 d和5 d的預報效果均為最優，表明預報時效在5 d以內的DERF2.0模式對24 h變溫的預報結果參考價值相對較高。

綜合以上分析，相比于逐日最低氣溫的預報，DERF2.0模式對24 h變溫的延伸期預報能力更低，離散程度預報偏弱，雖然RMSE相對較小，但也遠大于1，整體對24 h變溫的預報能力較逐日最低溫度弱，業務參考價值有限。

3.2 強降溫過程預報效果評估

基于DERF2.0模式對逐日最低氣溫及24 h變溫的預報能力分析，對中天山北坡經濟帶8個代表站的強降溫過程進行預報能力檢驗。參照《冷空氣等級》（GB/T20484—2017）中對冷空氣級別的劃分，單站強降溫過程為48 h過程降溫≥8℃，且最低氣溫＜8℃，或者使某地的日最低氣溫24 h內降溫幅度≥8℃，或48 h內降溫幅度≥10℃，或72 h內降溫幅度≥12℃，而且使該地日最低氣溫≤4℃的冷空氣活動。依據上述標準，1983—2013年秋季，同時覆蓋8個代表站的強降溫過程共計20次（表1），將8個代表站的降溫幅度進行平均作為區域降溫幅度，最大區域降溫幅度達到-26.18℃（1987年），最小區域降溫幅度為-10.19℃（1994年），發生次數最多年份為2003年，同一年秋季爆發3次。選取區域降溫幅度最大（1987年）和2003年區域降溫幅度最大的過程作為典型分析過程，過程信息見表2。2次典型過程的預報偏差如圖7。

表1 中天山北坡經濟帶秋季強降溫過程

表2 2次典型強降溫過程

DERF2.0模式對兩次強降溫過程的預報偏差較大，隨著預報提前的日數越多、預報偏差整體越大。綜合來看，兩次過程初始溫度的預報偏差在不同預報時效均以冷偏差為主（圖7a，7b），結束溫度的預報偏差以暖偏差為主（圖7c，7d），造成過程降溫幅度預報偏小（圖7e，7f）。過程1中，預報時效＜10 d時，瑪納斯、呼圖壁和昌吉站的過程起始溫度預報偏差普遍＜3℃，其他站均＜2℃，預報時效在10 d以上時，各站的預報偏差隨預報時效推進增長較快，在預報時效為15 d前后達到最大，而過程結束溫度的預報偏差（尤其是暖偏差）整體偏高且幅度較大，其中呼圖壁站的預報比實際降溫偏高35.44℃（呼圖壁），造成過程降溫幅度預報偏小。過程2中，過程的初始溫度預報偏低，偏差在各預報時效主要介于-15～0℃，最大偏差為-16.32℃（瑪納斯），而過程結束溫度預報偏高，雖然大多數站點的預報偏差在所有預報時效中普遍＜2℃，但同樣造成過程降溫幅度預報偏小。

圖7 2次典型強降溫過程的預報偏差

2次過程的降溫幅度不同，預報的偏差也不同，綜合來看，過程起始溫度越高，冷偏差越大，過程結束溫度越低，暖偏差越大，強降溫過程的降溫幅度越大，預報偏差越大。

4 結論與討論

綜合評估DERF2.0模式在1983—2013年間對中天山北坡經濟帶8個代表站秋季中短期及延伸期最低溫度的預報效果，結論如下：

（1）DERF2.0對秋季日最低氣溫的預報效果存在空間差異和時間差異，整體而言，北疆沿天山東部的奇臺和木壘兩站逐日溫度的預報效果優于其他站。對秋季日最低氣溫季節變化趨勢、離散程度的預報把握較好，延伸期預報能力明顯低于中短期預報。

（2）DERF2.0模式對8站的預報偏差整體介于-6～2℃，以冷偏差為主，烏魯木齊的預報偏差整體最大，奇臺和木壘最小。8站的預報RMSE隨預報時效的推進而增大，以10 d為過渡時效，小于該時效的預報偏差隨預報時效推進增大較快，超過該時效后不同時效的預報偏差變化不大。

（3）DERF2.0模式對最低溫度的季節變化趨勢把握較好，不論是否去除溫度的季節變化趨勢，溫度分布由暖向冷轉變的季節變化趨勢越強，相關性越好、可預報性越強，在延伸期也具備一定的預報能力。反之，則相關度降低、可預報性減弱。奇臺站整體預報評分最高，烏魯木齊站相對最低，各站的多年綜合PS評分整體隨預報時效推進而減小，烏魯木齊的逐年PS評分與其秋季年平均溫度分布反向對應，即平均溫度越高（低），評分越低（高）。

（4）DERF2.0模式對各測站24 h變溫的預報偏差較逐日溫度小，不同站點、不同預報時效的24 h變溫預報偏差主要介于-1~1℃，預報的相關性較低，離散程度遠小于觀測值的24 h變溫，對24 h變溫的預報能力整體弱于逐日溫度的預報能力，預報時效為1 d和5 d的預報結果對業務參考價值相對較高。

（5）強降溫過程的降溫幅度不同，模式預報的偏差也不同，但DERF2.0模式對強降溫過程的預報偏差過大。對過程初始溫度預報偏低。對過程結束溫度預報偏高，導致過程降溫幅度預報偏小、強降溫過程無法識別。

目前，針對氣溫變化的中期和延伸期預報主要依賴數值模式，通過上述檢驗發現，DERF2.0模式對中天山北坡經濟帶各代表站的中期最低溫度預報以及強降溫過程預報有較高的預報參考價值，但是對延伸期溫度預報參考價值有限。對北疆沿天山各站的預報偏差的季節內變化特點可能是由DERF2.0模式的系統誤差導致，站點之間的差異可能和DERF2.0模式對于天山北坡一帶的地形、海拔等差異描述能力不足密切相關，偏差分布也可能和插值方法有一定關系。今后一方面需要在更加豐富的資料基礎上，全面評估DERF2.0對秋季延伸期強降溫過程預報能力，另一方面，需要拓展思路，在多種要素資料的基礎上進行更廣泛探索，積極展開強降溫過程預報方法研究，如根據動力模式的中期以及延伸期環流場預報結果，開展統計降尺度方面的方法研究，嘗試提高秋季強降溫過程預報能力。