ECWMF高分辨率模式2 m溫度預報在六盤水市的誤差分析及訂正指標

夏 陽，孫 翔，胡 萍，張 強，陳翱章，王 芬

(1.貴州省六盤水市氣象局，貴州 六盤水 553000；2.貴州省銅仁市氣象局，貴州 銅仁 554300；3.貴州省黔西南布依族苗族自治州氣象局，貴州 興義 562400)

0 引言

近年來，氣象事業在保障國民經濟發展和服務社會公眾生活中的地位不斷提升，地方政府部門和社會公眾對于更加全面、準確、精細的天氣預報信息需求也愈加旺盛。由于數值模式的預報偏差在較長的一個時期內始終存在[1]，想要獲取高時空分辨率和高準確率的預報信息，除了通過優化初值場和物理過程參數化方案提升高分辨率數值模式的預報能力外，加強對數值模式產品的客觀化分析和解釋應用也是提升精細化預報準確率的重要途徑[2]。

溫度是天氣預報中最為重要的氣象要素之一。目前，國內氣象工作者對溫度的模式預報誤差訂正開展了眾多研究，通過線性回歸[3]、滑動平均訂正[4-5]、統計降尺度[6-7]和卡爾曼濾波法[8-9]等諸多方法能夠顯著降低模式的預報誤差，提升模式的預報效果，但在一定程度上存在建模樣本量較少、不適應轉折性天氣變化、缺少應用檢驗等問題[10-11]。

盡管數值模式的預報能力不斷提升，亦有部分氣象工作者對數值模式在貴州各地的預報訂正方法進行了初步研究[12-13]，但EC高分辨率模式在六盤水市的溫度預報誤差及其與實際的溫度預報準確率之間的差距仍然存在。目前當地的溫度預報主要依靠業務人員的主觀經驗來對數值模式預報結果進行訂正，但此種方法主觀因素多、效果不穩定，而且預報技能的掌握和積累周期較長，使得溫度預報水平的提升受到很大限制。因此有必要對EC高分辨率模式在六盤水市的溫度預報誤差和訂正指標進行研究和總結，將主觀經驗客觀化、指標化，為今后客觀預報方法中溫度預報的發展提供思路。

1 資料與方法

1.1 資料

歐洲中期天氣預報中心(ECWMF，以下簡稱EC)高分辨率預報模式中的2 m溫度產品，起報時間分別為每日的08時和20時(北京時間，下同)，空間分辨率為0.125 °×0.125 °，時間分辨率在72 h預報時效內為3 h，72～240 h預報時效為6 h。六盤水市3個國家氣象觀測站(水城、盤州、六枝)的逐日觀測資料，要素包括最高氣溫、最低氣溫、平均相對濕度和日照時數等。文中的逐日資料均為20—20時。

研究時段為2018年1月1日—2020年11月30日。其中，2018年1月1日—2019年12月31日為預報誤差及訂正指標的統計分析時段，共730 d；2019年12月1日—2020年11月30日為檢驗時段，共366 d。

1.2 方法

本文采用雙線性插值、標準差分析、概率分布統計等常規氣候統計方法對20—20時的逐日站點溫度(最高和最低)預報和實況進行分析。文中有關名詞定義如下：

溫度預報值：利用雙線性插值方法，將各時效的2 m溫度預報產品插值到六盤水市3個國家氣象觀測站上，分別得到3個站點的溫度預報值。針對某一日的最高溫度與最低溫度預報值，將對應時段的所有時次溫度預報值中的最大值作為最高溫度預報值，最小值作為最低溫度預報值。

預報時效：針對某一日(T)20—20時的溫度預報，前期第1～6 d(T-1～T-6)08時起報所對應的預報時效分別為12～36 h、36～60 h、36～60 h、84～108 h、108～132 h、132～156 h，前期第1～6 d 20時起報所對應的預報時效分別為0～24 h、24～48 h、48～72 h、72～96 h、96～120 h、120～144 h。

未來5 d預報：根據目前日常預報業務中的工作流程，對某一日(T)所制作的未來5 d(T+1～T+5)的模式溫度預報進行如下定義(表1)。

將前期第0～5 d 08時起報的12～36 h、36～60 h、36～60 h、84～108 h、108～132 h、132～156 h預報時效以及前期第1～5 d 20時起報的24～48 h、48～72 h、72～96 h、96～120 h、120～144 h預報時效內共11個溫度預報值進行算術平均，得到的結果作為未來第1 d的模式溫度預報(即為未來24 h預報)。同理，分別得到未來第2～5 d(未來48～120 h預報)的模式溫度預報。

5 d綜合：根據《貴州省中短期天氣預報質量檢驗辦法》，按照第1 d至第5 d的預報準確率分別按照10/27、8/27、6/27、2/27、1/27的權重進行加權平均計算后，所得結果即為5 d綜合預報準確率。

表1 當前日期(T)所制作的未來5 d預報所對應的不同起報日期及預報時效(單位：h)Tab.1 different start date and forecast time corresponding to the forecast for the next 5 days(unit:h)

預報誤差：溫度實況減去預報值所得到的差值，稱為預報誤差，單位為℃。

誤差占比：根據溫度預報的業務考核標準，當預報誤差處于±2 ℃之間時均算作預報正確。此時，選取1個預報誤差e，統計在2018年1月1日—2019年12月31日共730 d的時段中，誤差范圍處于[e-2 ℃,e+2 ℃]之間的頻次及其占全部時段的百分比，稱為該誤差的占比，單位為%。當占比取得最大值時，將該誤差e稱為最大占比誤差。

2 不同預報時效的模式溫度預報誤差分析

2.1 預報誤差及標準差的年均分布

圖1為六盤水市3個國家氣象觀測站不同預報時效的模式預報誤差年均分布。由圖1a可見，各站點的最低溫度年平均預報誤差均在1.5 ℃以下，并且與固有認知不同，最低溫度預報誤差呈現隨時效的增加而逐漸減小的現象。其中水城和六枝20時起報的0～24 h最低溫度較08時起報的12～36 h存在小幅的躍增，幅度在0.2～0.3 ℃。除0～24 h之外，對0～84 h和72～156 h預報時效的平均誤差進行統計發現，由于前者的時間分辨率較高，導致前者的最低溫度預報誤差明顯大于后者。

圖1 不同預報時效的年平均誤差(a,最低溫度; b,最高溫度)Fig.1 Annual average bias of different prediction aging (a,minimum temperature; b,maximum temperature)

對于最高溫度(圖1b)，水城和六枝的模式預報誤差同樣存在隨時效的增加而逐漸減小的情況，但變化幅度要略小于最低溫度。相對來說，盤州不同時效的最高溫度預報誤差更為穩定，處于2.3～2.5 ℃之間。同時由于最高溫度往往僅與14時溫度密切相關，使得在前后兩段預報時效(0～84 h和72～156 h)上，預報誤差并不存在最低溫度那樣的顯著差異。總體來看，水城、盤州、六枝3個站各時效平均的最高溫度年均預報誤差分別達到了1.7 ℃、2.4 ℃、0.9 ℃，要高于最低溫度的0.7 ℃、1.0 ℃、0.7 ℃。

在預報誤差標準差的年均分布(圖2)方面，各個站點均遵循了預報時效越長、波動越大的特點和規律。但3個站點各個時效的最低溫度預報誤差標準差(圖2a)均低于1.8 ℃，甚至低于最高溫度(圖2b)中的0～24 h時效(2.2 ℃)，表現出較好的穩定性。相比之下，最高溫度的誤差標準差普遍超過了2.5 ℃，在96～120 h時效后甚至超過3 ℃，表明了數值模式對于最高溫度預報較最低溫度存在更大的不確定性，尤其是在更長時效上。

圖2 不同預報時效的年平均誤差標準差(a,最低溫度; b,最高溫度)Fig.2 Standard deviation of annual average bias of different prediction aging (a,minimum temperature; b,maximum temperature)

2.2 預報誤差及標準差的年變化

圖3為各個站點不同預報時效預報誤差的年變化分布，對于最低溫度(圖3a、3c、3e)，除了六枝(圖3e)在2月份超過60 h預報時效的時段內出現預報誤差為負值的情況，其余月份和站點的在不同時效內的預報誤差均處于0～1.8 ℃之間。月分布顯示，水城、六枝(圖3a、3e)在1月和2月的預報誤差最小，普遍低于0.5 ℃，春季(3—4月)和盛夏(7—8月)相對較大，而盤州(圖3c)除晚秋—初冬(11—12月)預報誤差相對較低(接近0.5 ℃)外，其余月份的預報誤差普遍在1 ℃以上。

對于最高溫度(圖3b、3d、3f)而言，年內各個月的預報誤差分布型與最低溫度相似，但變化幅度有明顯增大，其中，水城、六枝(圖3b、3f)呈明顯的雙峰型分布，預報誤差在春季(3—4月)和盛夏(7—8月)為波峰，誤差值普遍超過2 ℃，其中春季是熱低壓系統的高發期，從而使得處于熱低壓控制下的黔西地區時常出現晴朗少云天氣，最高溫度往往較模式預報溫度明顯偏高；而在冬半年(10月—次年2月)以及春末初夏(5—6月)為波谷，誤差值低于1 ℃，其中六枝在10月和1—2月甚至達到負值，接近-1 ℃，這是由于冬半年云貴準靜止鋒活躍，處于鋒后的水城和六枝最高溫度低于模式預報溫度。相比之下，處于靜止鋒前的盤州(圖3d)的最高溫度預報誤差波動呈多峰谷分布，變化幅度較水城、六枝小，其中8月最大，可達3.7 ℃，10月最小，為1.4 ℃，其余月份處于2～3 ℃之間。

圖3 不同預報時效的預報誤差年變化(a,b為水城，c,d 為盤州，e,f為六枝；a,c,e為最低溫度; b,d,f為最高溫度)Fig.3 Annual variation of prediction bias for different prediction aging (a and b are Shuicheng,c and d are Panzhou,e and f are Liuzhi；a,c and e are minimun temperature; b,d and f are maximun temperature)

針對各個站點在不同預報時效的預報誤差標準差年變化分析(圖略)可知，無論是最低溫度還是最高溫度，在年內的標準差變化均呈單峰(谷)型分布，夏季(6—8月)的標準差明顯低于其余月份，3個站的最低溫度預報誤差標準差均接近1 ℃左右，最高溫度的預報誤差標準差降至2 ℃以下。而冬季(12月—次年2月)的標準差最大，水城、盤州、六枝各個時效平均的最低溫度預報誤差標準差最大分別可達到2.0 ℃、2.4 ℃、1.6 ℃，最高溫度誤差標準差甚至超過3.5 ℃。

因此，對于六盤水而言，從綜合預報誤差及其標準差的年變化來看，模式的溫度預報在初夏(6月)可靠性最高，而在春季(3—4月)可靠性最低。

3 未來5 d預報的預報誤差統計

由前文的分析可知，由于模式預報對于單個時效的預報存在較大誤差和不確定性，其預報準確率遠遠不能滿足預報業務需求，且由于目前相關業務規定,對溫度預報質量的考核時段為5 d(120 h)。因此，本文將采用如表1所示的方法，將多時效對于同1 d的預報值進行算術平均，從而獲得模式對于未來5 d(未來24 h、48 h、72 h、96 h、120 h)多時效平均的溫度預報值，并通過對2018年1月1日—2019年12月31日共730 d內不同預報天數的預報誤差及其占比進行統計，選取最大占比誤差作為預報值的訂正指標。

3.1 年平均預報誤差

表2給出了模式對于未來5 d(24～120 h)預報的年平均預報誤差值。由表可見，經過多時效預報平均后，模式對于未來5 d(24～120 h)的平均誤差相比原本的單時效(圖1)更加穩定，將全市3個站點的最低溫度以及六枝的最高溫度預報誤差限制在了1 ℃以下，且預報誤差隨預報時效的變化幅度低于0.2 ℃。除此之外，水城和盤州的最高溫度平均預報誤差也分別在1.6～1.7 ℃和2.3～2.4 ℃之間。

表2 未來5 d(24～120 h)預報的年平均預報誤差(單位：℃)Tab.2 Annual average forecast bias of forecast in the next five days (24～120 h，unit：℃)

在初步了解模式對未來5 d(24～120 h)的平均預報誤差之后，我們仍然關心不同的預報誤差e及其e±2 ℃范圍內的誤差值在過去2 a(2018—2019年)中所出現的頻次及占比，尤其是能夠達到最大占比的預報誤差e。

全市3站不同預報天數的預報誤差最大占比統計結果如表3所示。當水城未來24 h最低溫度預報誤差值(實況-預報)e=1.0 ℃時，處于e±2 ℃(-1～3 ℃)范圍內的預報誤差值共占到了90.14%，對此我們即可理解為：倘若在過去2 a的730 d中，對于水城未來24 h的模式最低溫度預報值進行+1 ℃的訂正之后，預報準確率可以達到90.14%。同樣，水城站未來48～120 h的預報準確率分別可達到89.04%、87.81%、85.48%、83.29%，據此所得5 d綜合最低溫度預報準確率為88.70%。

表3 未來5 d(24～120 h)預報誤差最大占比統計分布Tab.3 Statistical distribution of the largest proportion of prediction error in the next five days (24～120 h)

在對水城的最高溫度以及盤州、六枝的溫度預報誤差進行同樣的統計后，若全部根據相應的最大占比誤差直接進行訂正，那過去2 a的六盤水市5 d(120 h)綜合最低溫度預報準確率將達到88.11%，最高溫度預報準確率可達到62.29%，溫度預報準確率為75.20%。但上述預報準確率除了與氣象事業現代化發展要求和社會公眾需求之間存在較大差距外，還遠低于六盤水市2018年(82.87%)和2019年(79.36%)的實際溫度預報準確率，因此有必要進一步分析。

3.2 月平均預報誤差

對逐月的預報誤差最大占比統計結果再次進行統計(圖略)，并采用逐月的最大占比誤差作為指標對3個站點的模式預報值進行訂正，得到的5 d(120 h)溫度預報準確率如表4所示。由表可知，此時最低溫度預報準確率提升至89.90%，較采用年平均最大占比誤差進行訂正的預報準確率(88.11%)提升了1.79%，而最高溫度的平均預報準確率則有大幅度的提升，達到69.82%，較年平均訂正提升了7.53%，其中六枝最高溫度預報準確率提升幅度甚至超過了10%，而綜合溫度預報準確率達到79.86%，較之前提升了4.66%，已超過2019年六盤水市的實際預報準確率。表明基于氣候概率統計得到的逐月指標訂正方法能夠明顯提高數值模式對六盤水市的溫度預報能力，在一定程度上為提升預報質量提供了較大的可能性。

表4 通過逐月指標訂正得到的全市120 h溫度預報準確率及較年平均訂正的漲幅Tab.4 Accuracy of 120 h temperature forecast through monthly index correction and increase compared with the annual average correction

4 不同天氣背景下的未來24 h最高溫度預報誤差

由表4可知，逐月指標訂正方法對于提升六盤水市預報質量的潛在作用已經呈現， 120 h最低溫度的平均預報準確率接近90%，已達到近年來預報準確率的前列，且進一步提升的幅度已相對有限。相比之下，逐月指標訂正所得到的最高溫度平均預報準確率低于70%，仍有較大的提升空間。由于最高溫度的預報誤差受天氣系統和天空狀況的影響程度遠大于最低溫度，本文還對不同天氣背景下模式的最高溫度預報誤差和站點日較差進行了統計。利用站點觀測的氣象要素實況資料，根據不同的日照時間和平均相對濕度條件，將天氣類型定義為晴天、陰天、雨天3類。日照時間 ≥2 h定義為晴天，0<日照時間<2 h 或日照時間=0 h且平均相對濕度<80%定義為陰天，日照時間=0 h，且平均相對濕度≥80%定義為雨天。

此外，考慮到模式對于較長時效天空狀況的預報仍然具有較大的不確定性，因此，本文僅根據不同的天氣類型對模式的未來24 h最高溫度預報誤差和日較差2個要素進行統計分析(表5)。

表5 不同天氣背景下未來24 h最高溫度預報的最大占比誤差及實況日較差統計Tab.5 Statistics of maximum proportion bias and actual daily range of maximum temperature forecast in the next 24 hours under different weather backgrounds

由表5可見，當模式預報未來24 h為晴天時，水城、盤州、六枝未來24 h最高溫度預報的最大占比誤差分別為3.2 ℃、2.9 ℃、3.2 ℃，此時3個站最高溫度預報準確率可分別提高至85.48%、71.58%、88.99%，平均準確率達82.02%；而對于陰天和雨天，若仍利用最大占比誤差來對模式預報進行訂正，得到的24 h最高溫度預報準確率分別為71.98%和67.79%，將低于采用最大占比日較差來進行預報所得到的預報準確率(77.99%和81.49%)。

因此，在進行最高溫度預報時，應根據不同的天氣類型選取不同的訂正指標。在晴天時，應使用預報誤差進行訂正，而在陰天和雨天時，應考慮站點本身的日較差進行預報。此時3種不同天氣類型相平均的最高溫度預報準確率將達到80.50%(表5)，將遠高于使用逐月和年平均指標訂正方法的預報準確率(表4)。盡管此種訂正方法能夠明顯提升全市的最高溫度預報準確率，但受到模式對于天空狀態在較長時效下的預報能力不足，以及最低溫度預報準確率的影響，此種訂正方式對于綜合溫度預報準確率的提升效果仍存在一定的不確定性。

5 各站點溫度預報的訂正指標及效果評估

5.1 各站點溫度預報的訂正指標

前文對全市3個觀測站溫度預報的訂正指標進行了詳細討論。2020年盤州和六枝遷站，因此需要依據遷站前后的溫度要素平均差值將相應的指標進行二次訂正。

最終采用逐月多時效平均的模式預報誤差對六盤水市3個國家基準觀測站的最低溫度預報進行訂正，訂正指標如表6所示。而對于最高溫度預報，則依據不同的天空類型，晴天采用多時效平均的模式預報誤差進行訂正，而陰天和雨天則在考慮最低溫度預報的基礎上采用日較差指標進行訂正，具體訂正指標如表7所示。

表6 不同月份不同預報時效下各站點最低溫度預報的訂正指標(單位:℃)Tab.6 Revised indexes of minimum temperature forecast in different months and different forecast time (unit:℃)

表7 不同天氣背景下各站點最高溫度預報的訂正指標(單位:℃)Tab.7 Revised indexes of maximum temperature forecast under different weather backgrounds (unit:℃)

5.2 訂正效果評估

為進一步檢驗上述指標的合理性和可用性，利用上述指標對2019年12月31日—2020年11月30日六盤水市未來5 d(24～120 h)的溫度進行預報，并將預報準確率與實際預報準確率進行對比。

逐月的最低溫度預報結果如表8所示，全年平均最低溫度預報準確率與實際相當，分別為88.36%和89.16%，從逐月的分布來看，整個夏半年(3—10月)，采用指標訂正后的最低溫度預報準確率除了6月外，其余月份均超過當前的實際預報準確率，其中9月的盤州預報準確率甚至達到100%；而在2020年初的冬季(1—2月)及11月則與實際的預報準確率差距較大，尤其是隆冬1月。而這是否與1月所存在的熱低壓與靜止鋒頻繁活動，或者與盤州、六枝遷站后在冬半年(11月—次年2月)呈現出新的預報誤差特征有關，有待進一步的分析。

表8 采用訂正指標后的全市120 h最低溫度預報與實際預報準確率的對比(單位：%)Tab.8 Comparison between the accuracy of 120 h minimum temperature prediction and actual prediction in the city after using the revised index(unit:%)

而對于最高溫度預報來說，本文只關注了24 h的預報，且不分月份，只與天氣類型有關。由表9可見，在經過指標訂正后，六盤水市2020年的24 h最高溫度預報準確率為78.64%，要高于實際的24 h最高溫度預報準確率(76.61%)。此外，可以看到3個站點的預報準確率最大值和最小值所對應的天氣類型各有所不同。水城和六枝雨天的最高溫度預報準確率要明顯高于晴天和陰天，盤州則是陰天的最高預報準確率最高，晴天最低。

表9 采用訂正指標后的全市24 h最高溫度預報與實際預報準確率對比(單位：%)Tab.9 Comparison between the accuracy of 24 h maximum temperature forecast after using the revised index and actual forecast(unit:%)

6 結論與討論

6.1 結論

本文采用氣候概率統計的思路，對2018—2019年的EC高分辨率模式2 m溫度在六盤水市的預報誤差進行分析，并對采用指標訂正后的模式預報準確率進行檢驗。得到如下結論：

①六盤水市3個國家氣象觀測站的模式溫度預報誤差均存在隨時效的增加而逐漸減小的現象，水城、盤州、六枝3個站各時效平均的最高溫度年均預報誤差和誤差標準差要明顯高于最低溫度，表明數值模式對最高溫度預報較最低溫度存在更大的不確定性，尤其是在96 h以外的更長時效上。

②從預報誤差及其標準差的年變化來看，對于六盤水而言，模式的溫度預報在初夏(6月)可靠性最高，而在春季的3—4月可靠性最低。

③針對未來5 d(120 h)的最低溫度預報，采用預報誤差最大占比選取了訂正指標，對逐月多時效平均的模式預報結果進行訂正，對于最高溫度預報則根據不同天氣類型(晴天、陰天、雨天)采用不用的訂正方式和訂正指標進行訂正，訂正后能大幅提高模式的原始溫度預報準確率，將六盤水市的120 h最低溫度和24 h最高溫度預報準確率分別穩定在90%左右和70%以上，

④經過對訂正指標在2020年的應用檢驗，發現訂正后的2020年平均最低溫度預報準確率與實際相當，而24 h最高溫度預報準確率要高于實際預報準確率。其中夏半年(3—10月)的最低溫度預報和全年的24 h最高溫度預報準確率甚至超過了實際預報。

6.2 討論

采用氣候概率統計的方法所得到的訂正指標具有可靠性高，靈活性強的特點，在當地氣候穩定的情況下具有較好的適用性，隨著統計樣本的不斷增加，能夠在動態調整中將基于該訂正指標的溫度預報準確率始終維持在一個較高水平。

而基于不同天氣類型的最高氣溫預報訂正指標在對陰雨天氣的最高溫度進行預報時，當前對于天氣類型的決定除了數值模式對于天空狀況的預報外，還需預報業務人員結合數值預報進行主觀判斷，因此該指標與數值模式本身的變動無關，只要數值模式的形勢預報精度得到提高，最高溫度的預報準確率將隨之得到提高。同時，如何在不同氣象要素預報和天氣類型之間建立合適的線性關系，進一步降低業務人員的在天氣類型判斷中的主觀性，也是下一步研究的工作重點。