2019—2021年紅河州智能網格溫度預報檢驗評估

陸丹 段夢云 葉文群 錢媛 王恬恬 龍俊蓉

摘要 為綜合評估智能網格預報業務的產品質量，基于站點觀測和格點實況分析資料，開展對紅河州2019—2021年省級指導智能網格預報溫度要素的檢驗評估，并與歐洲中心（ECMWF）和GRAPES模式進行對比。分析結果表明：智能網格省級指導溫度預報效果良好，最高氣溫、最低氣溫預報與格點實況的空間分布基本一致，但存在最高溫偏低2～3 、最低溫偏高1～2 ℃的現象。智能網格省級指導最高溫/最低溫預報準確率達72.1%/69.9%，較ECMWF和GRAPES模式提高5～9個百分點；省級指導最高溫/最低溫平均絕對誤差達1.2 ℃/1.3 ℃，較ECMWF和GRAPES模式提高0.4～0.5 ℃。省級指導產品的溫度預報在數值模式的基礎上有顯著提升，有較好的業務應用價值。

關鍵詞 網格預報；檢驗評估；溫度預報

中圖分類號：S165 文獻標識碼：B 文章編號：2095–3305（2023）07–0180-03

24 h溫度預報是電視天氣預報節目對公眾發布的基本氣象要素[1]。隨著社會經濟的發展和人們生活水平的不斷提高，對天氣預報時間和空間分辨率的需求更加精細。云南地形復雜，海拔高差懸殊，氣象要素的空間協調、時間協同存在極大的困難，要真正實現多要素空間一致性、單要素時間一致性和格點—站點空間一致性等還需要進行大量的技術研究工作。

自2019年1月1日起，云南省智能網格預報業務正式投入業務運行，州（市）氣象臺根據省級網格預報主客觀融合產品，每日2次對所轄區域內降水預報和關鍵點最高溫度、最低溫度進行訂正，最后上傳拼接形成全省“一張網”的智能網格預報業務鏈條[2]。智能網格預報產品的檢驗評估是保障智能網格預報技術發展和業務價值鏈形成的基礎性工作。

1 檢驗數據來源及方法

1.1 資料選取

選取2019年1月1日—2021年12月31日省級指導智能網格溫度預報數據、紅河州269個區域站逐日最高和日最低氣溫的實況樣本、歐洲中心（ ECMWF）和GRAPES模式預報產品，每日20：00（ 北京時，下同）起報，逐24 h最高、最低氣溫格點資料[3]。

1.2 方法

首先將所選資料按“臨近點插值”方法取值到觀測站點，然后以2019—2021年全州269站的最高溫、平均氣溫、最低溫預報為例，對比每日20：00起報的0～24 h時效預報與站點實況的平均空間分布。分別對每日20：00起報的0～24 h最高溫度、最低溫度計算逐月預報準確率、平均絕對誤差，以此對溫度要素進行綜合評估。最后，針對檢驗結果對紅河州溫度預報進行優化，將研究得出的紅河州溫度預報融入中短期預報業務。

2 檢驗評估結果分析

2.1 溫度預報與實況空間分布特征

對比每日20：00起報的0～24 h時效預報與站點實況的平均空間分布（圖1）。總體來看，智能網格省級指導溫度預報效果良好，省級下發的最高氣溫、最低氣溫預報與格點實況的空間分布基本一致，平均氣溫預報與格點實況則略出現偏差。進一步分析發現，省局下發預報整體存在最高溫偏低2～3 、最低溫偏高1～2 ℃的現象。

2.2 基于站點實況的網格日最高與最低氣溫檢驗

基于站點實況的網格日最高/最低溫預報進行質量檢驗，即分別對每日20：00起報的0～24 h最高溫度、最低溫度計算逐月預報準確率、平均絕對誤差、技巧評分，以此對溫度要素進行綜合評估。預報檢驗結果見表1。

省級指導預報明顯優于ECMWF和GRAPES模式。在預報準確率方面，智能網格省級指導溫度預報較ECMWF和GRAPES取得較好的效果，省級指導最高溫/最低溫預報準確率達72.1%/69.9%，較ECMWF和GRAPES模式提高5～9個百分點。在平均絕對誤差方面，智能網格省級指導溫度預報較ECMWF和GRAPES取得較好的效果，省級指導最高溫/最低溫平均絕對誤差達1.2 ℃/1.3 ℃，較ECMWF和GRAPES模式提高0.4～0.5 ℃。

圖2為最高氣溫、最低氣溫的預報準確率、平均絕對誤差逐月變化情況。針對ECMWF和GRAPES模式，可以看出溫度預報的參考重要性在不同月份存在較大差異，秋季和冬季ECMWF模式的參考價值高于GRAPES模式，春季和夏季則GRAPES模式的參考價值更高。3、4、7、11、12月份各個模式的溫度預報或早或晚會出現預報準確率的驟降，說明季節轉換對模式溫度預報的準確率有很大影響，同時反映出各個站點季節轉換出現的時間點存在一定的差異[4]。

3 結論與展望

智能網格省級指導溫度預報效果良好，最高氣溫、最低氣溫預報與格點實況的空間分布基本一致，平均氣溫預報與格點實況則略出現偏差。省局下發預報整體存在最高溫偏低2～3 、最低溫偏高1～2 ℃的現象。

（2）省級指導預報穩定性較高，其預報準確率均高于其他2種模式，平均絕對誤差均低于其他2種模式。在預報準確率方面，省級指導最高溫/最低溫預報準確率達72.1%/69.9%，較ECMWF和GRAPES模式提高5～9個百分點。在平均絕對誤差方面，省級指導最高溫/最低溫平均絕對誤差達1.2 ℃/1.3 ℃，較ECMWF和GRAPES模式提高0.4～0.5 ℃。

（3）針對ECMWF和GRAPES模式，可以看出溫度預報的參考重要性在不同月份存在較大差異，秋季和冬季ECMWF模式的參考價值高于GRAPES模式，春季和夏季則GRAPES模式的參考價值更高。

（4）3、4、7、11、12月份各個模式的溫度預報或早或晚會出現預報準確率的驟降，說明季節轉換對于模式溫度預報的準確率有很大影響，同時反映出各個站點季節轉換出現的時間點存在一定的差異。

（5）省級指導產品的溫度預報在數值模式的基礎上有顯著提升，省級指導智能網格預報溫度可以有效提升紅河州溫度預報的精細化能力和水平，有較好的業務應用價值。

參考文獻

[1] 李國翠，連志鸞，趙彥廠，等.石家莊溫度預報檢驗及影響因子分析[J].氣象與環境學報，2009，25（1）：15-18.

[2] 韋青，代刊，林建，等.2016—2018年全國智能網格降水及溫度預報檢驗評估[J].氣象，2020，46（10）：1272-1285.

[3] 戴翼，何娜，付宗鈺，等.北京智能網格溫度客觀預報方法（BJTM）及預報效果檢驗[J].干旱氣象，2019，37（2）：339-344，350.

[4] 王業修，徐慶喆，戰莘曄，等.鞍山地區近十年模式溫度預報檢驗[J].農家參謀，2020（21）：124-125.

Test and Evaluation of Temperature Forecast in Honghe Prefecture Intelligent Grid from 2019 to 2021

Lu Dan et al（Honghe Prefecture Meteorological Bureau， Mengzi， Yunnan 661100）

Abstract In order to comprehensively evaluate the product quality of the intelligent grid forecasting business， based on the site observation and grid analysis data， the inspection and evaluation of the temperature elements of the provincial guidance intelligent grid forecasting in Honghe Prefecture from 2019 to 2021 was carried out， and compared with the European Center （ECMWF） and the GRAPES model. The analysis results show that the intelligent grid provincial guidance temperature prediction effect is good， and the maximum temperature and minimum temperature prediction are basically consistent with the spatial distribution of the grid actual situation， but there is a phenomenon that the maximum temperature is 2～3 ℃ lower and the minimum temperature is 1～2 ℃ higher. The accuracy rate of the provincial maximum temperature/minimum temperature forecast guided by the intelligent grid is 72.1%/69.9%， which is 5～9 percent points higher than that of the ECMWF and GRAPES models. The average absolute error of the provincial guidance maximum temperature/minimum temperature is 1.2 ℃/1.3 ℃， which is 0.4～0.5 ℃ higher than that of ECMWF and GRAPES. Based on the numerical model， the temperature prediction of provincial guidance products has been improved significantly， and has a good value of application.

Key words Grid forecast; Inspection and evaluation; Temperature prediction