基于LPSC算法的逐小時格點氣溫客觀預報及檢驗評估

劉娜,王勇*,段伯隆,王一丞,段海霞,王基鑫

① 蘭州中心氣象臺,甘肅 蘭州 730020;

② 中國氣象局 蘭州干旱氣象研究所,甘肅 蘭州 730020

氣溫作為天氣預報中的基本變量,對于人民生活的影響非常顯著,高溫干旱和寒潮冷害更是會給人民生命財產帶來巨大損失,其重要性不言而喻。隨著社會經濟的發展,政府和公眾不僅要求氣象部門提供日常的天氣預報,還希望獲得高精度、逐小時的天氣服務信息。精細化的溫度預報能更加真實地逼近大氣中的物理、化學變化過程,一方面可精準描述高溫寒潮等重要天氣過程的轉折趨勢,更好地服務經濟民生;另一方面在下墊面模擬、城市大氣化學等研究中具有重要的參考價值。

隨著數值預報模式和資料同化技術的發展,數值預報在天氣預報業務中的作用愈加重要,其要素預報亦成為預報業務的重要參考依據(矯海燕,2010)。目前,從數值預報本身直接來改善要素場預報較為困難,且研發周期較長,而利用數值模式的釋用訂正技術,能夠快速提高數值預報模式輸出的氣象要素預報水平,是開展精細化預報的重要環節。因此,在模式預報性能基本穩定的前提下,針對溫度等具有連續性的要素,采用一些后處理的訂正方法(如統計分析、卡爾曼濾波、機器學習、相似預報理論和多模式集成等)來消除或減小模式自身的系統誤差、以及特殊地形和下墊面等的影響,有助于提高天氣預報準確率(蔡凝昊和俞劍蔚,2019;智協飛和黃聞,2019;劉新偉等,2020a)。

相關氣溫預報訂正研究表明,若將整個氣溫預報時間序列分成訓練期和預報期兩部分,訓練期長度的變化會影響最終的預報結果(智協飛和陳雯,2010),且滑動訓練周期超級集合優于固定訓練周期超級集合(智協飛等,2014)。吳啟樹等(2016)采用多種訓練期方案和MOS方法對1～7 d的逐日最高、最低溫度進行對比分析發現,準對稱滑動周期方案顯著提高了ECMWF細網格的最高、最低氣溫的預報準確率。劉新偉等(2020b)采用小波分析方法建立了西北區239個國家站不同的滑動訓練周期,該方法對ECMWF細網格和SCMOC在西北地區的最高、最低氣溫預報的訂正效果顯著。

隨著預報精細化的不斷提高,逐小時甚至更小時間尺度預報的需求越來越大。羅聰等(2012)利用卡爾曼濾波和MOS方法對模式氣溫預報進行釋用,得到的站點逐時滾動氣溫預報結果表明該方法對氣溫預報能力的改進很明顯,特別在1～6 h內。趙瑞霞和姚莉(2016)利用MEOFIS平臺采用MOS建模方法開展了3 h滾動逐小時高密度站點氣溫預報試驗,取得了良好的預報效果。王丹等(2015)利用線性回歸方法建立了一種基于日最高氣溫和最低氣溫預報以及臨近氣溫實況資料的逐時氣溫預報模型,該方法可以將24 h日最高(低)氣溫預報細化到逐時氣溫預報,同時考慮了氣溫日變化的地域差異、季節特征及在晴天、多云和陰雨天的不同表現。唐冶等(2021)利用DOGRAFS對新疆105個站點逐小時氣溫和降水預報的釋用時,采用最高、最低氣溫建模方案,將逐小時氣溫的預報準確率提高到64%,平均絕對誤差減小為1.9 ℃,預報的離散度降低。

業務全球模式預報的時間尺度有時并不能滿足小時尺度的預報需求,而基于中尺度模式通過不同的釋用方法開展精細客觀預報就成為了一種行之有效的解決方法。作為我國自主研發的區域數值模式,CMA-MESO-3km模式于2019年推廣至全國,預報性能提高很快,引起國內外相關學者的關注(Shen et al.,2020)。許多學者對其天氣預報能力進行了對比檢驗(許晨璐等,2017;唐文苑等,2018),但主要針對降水、強對流天氣以及最高、最低氣溫等。

以上研究在站點氣溫預報中均取得了良好的預報效果,特別是最高、最低氣溫,但對逐小時格點氣溫的客觀預報研究較為少見(趙濱和張博,2018;曾曉青等,2019)。本文在基于CLDAS三維融合實況數據,對ECMWF大尺度模式和CMA-MESO-3km中尺度模式氣溫預報產品進行檢驗的基礎上,研究建立了一套逐小時格點氣溫的訂正釋用方法(低頻滑動平均訂正算法,簡稱LPSC),并利用SCMOC對釋用結果進行檢驗評估,以期對今后甘肅省氣溫精細化客觀預報產品的研發提供參考。

1 資料和方法

1.1 研究區域

氣溫的地理分布及變化特征是受地理緯度、太陽輻射和地形特征共同影響的結果。甘肅省地處黃河中上游黃土高原、內蒙古高原和青藏高原的交匯區,地域遼闊且境內地形地貌復雜多樣,高山、盆地、平川、沙漠和戈壁等交錯分布(圖1),導致氣溫的空間分布差異較大,全省年平均氣溫自東南向西北、由盆地、河谷向高原、高山逐漸遞減。甘肅省行政邊界是基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2019)1824的標準地圖制作,底圖無修改。

圖1 甘肅省地形Fig.1 Topography of Gansu Province

1.2 實況與模式資料

實況數據由中國氣象局陸面數據同化系統(Land surface Data Assimilation System of China Meteorological Administration,CLDAS)提供的V2.0版本近實時產品數據集中的逐小時2 m氣溫,空間分辨率為0.05°×0.05°。相關研究表明,該數據集中氣溫數據在中國區域整體上具有較高的可信度(師春香等,2019;劉瑩等,2021)。

預報資料由歐洲中期天氣預報中心(the European Center of Medium-range Weather Forecasts,ECMWF)和中國氣象局(China Meteorological Administration,CMA)提供。具體如下:1)ECMWF高分辨率模式提供的0～240 h逐3 h間隔2 m氣溫預報,空間分辨率為0.125°×0.125°;2)CMA-MESO-3km中尺度模式提供的0～36 h逐1 h間隔2 m氣溫預報,空間分辨率為0.03°×0.03°;3)SCMOC提供的0～72 h逐1 h間隔2 m氣溫預報,空間分辨率為0.05°×0.05°。為保證預報數據的時空分辨率一致,將ECMWF模式數據分別采用雙線性插值和非遞減三次樣條插值進行空間和時間降尺度,同時采用雙線性插值對CMA-MESO-3km模式數據進行稀疏化處理,將其統一處理為空間分辨率為0.05°×0.05°的逐1 h氣溫預報產品,氣溫預報產品的起報時間均為08:00和20:00(北京時,下同)。

由于ECMWF和CMA-MESO-3km的預報產品傳輸至業務系統的時間滯后于起報時間,因此采用前一日20:00和當日08:00起報的13～36 h逐小時氣溫分別作為當日08:00和20:00起報的1～24 h逐小時氣溫。以上資料均選取2019年1月1日—12月31日的CLDAS實況數據和相應的ECMWF、CMA-MESO-3km預報數據作為計算兩種模式最優滑動訓練周期的數據集,而將2020年12月1日—2021年11月30日相應的實況與預報數據作為獨立檢驗的數據集。

1.3 研究方法

1.3.1 LPSC算法

劉新偉等(2020a,2020b)研究表明利用Morlet小波分析方法和鄰域法能夠顯著提高ECMWF模式和SCMOC在西北地區的站點最高、最低氣溫預報準確率,訂正效果明顯。因此,本文基于CLDAS三維融合格點實況和不同尺度模式(ECMWF、CMA-MESO-3km)預報的逐小時氣溫數據,采用低頻滑動平均訂正算法(Low frequency Periodic Slide average Correction method,LPSC),形成逐小時氣溫的格點客觀預報產品。具體步驟如下:

1)建立最優滑動訓練周期。基于2019年逐小時氣溫的實況與模式預報的誤差時間序列(剔除缺測值),利用Morlet小波變換逐時次分析每個格點的周期變化特征,根據前期研究結果從5～30 d內得出最優滑動訓練周期t。小波變換公式如下(其中,c為常數,取0.62,i為復數):

φ(t)=eicte-t2/2。

(1)

2)模式的客觀訂正預報。通過最優滑動訓練周期對模式的系統性誤差(即預報值-實況值)進行滑動平均,逐時次逐格點獲得“動態”訂正系數;利用該系數對模式預報產品進行滑動訂正,得出最終訂正預報結果。

(2)

1.3.2 檢驗方法

為便于和中國氣象局氣溫預報業務考核辦法相統一,采用2005年中國氣象局下發的中短期天氣預報質量檢驗辦法(試行)(氣發[2005]109號)中預報準確率(T2,單位:%)、平均絕對誤差(TMAE,單位:℃),并采用了平均誤差(TME,單位:℃)和技巧評分(TSS,單位:%)進行預報效果的檢驗、對比。計算公式如下:

(3)

(4)

(5)

(6)

其中:N2為平均絕對誤差不超過2 ℃的樣本量;N為樣本總量;T2為氣溫預報平均絕對誤差不超過2 ℃的百分率;Fi為第i個格點氣溫的預報值;Oi為第i個格點氣溫的實況值;TME和TMAE分別代表了模式預報誤差的傾向(偏高或偏低)和偏差幅度。TMAEN為SCMOC逐小時氣溫的平均絕對誤差;TMAEF為訂正后ECMWF或CMA-MESO-3km模式逐小時氣溫的平均絕對誤差;TSS為技巧評分。

2 最優滑動訓練周期

ECMWF是具有較高預報水平和穩定預報技巧的全球模式產品,一直是我國天氣預報業務的重要參考模式之一。圖2給出了2019年、2020年ECMWF不同季節逐小時氣溫的預報準確率和平均誤差,可以看出:1)除冬季外,春夏秋三個季節的預報準確率變化幅度均不大,預報效果較為穩定;2)ECMWF對甘肅省逐小時氣溫的預報效果存在明顯的日變化差異,夜間預報準確率明顯低于白天,主要表現為夜間預報顯著偏高,白天為弱的負偏差;3)冬季ECMWF預報準確率整體偏低,夜間氣溫的系統性偏高特征變得更加明顯。以上研究結論與齊鐸等(2020)在中國東北中北部地區的研究結果一致,反映出ECMWF對逐小時氣溫預報具有相對穩定的系統性誤差,便于利用該誤差分析最優滑動訓練周期的特征。

圖2 ECMWF模式08:00(a、c)、20:00(b、d)起報的逐小時氣溫預報準確率(1)和平均誤差(2):(a、b)2019年;(c、d)2020年Fig.2 (1)Average deviation and (2)forecast accuracy of 2 m temperature at (a,c) 08:00 BST and (b,d) 20:00 BST of ECMWF model in (a,b) 2019 and (c,d) 2020

不同地形對氣溫的影響存在較大差異,根據地勢高低及地形地貌特征將甘肅省分為北山中山區、河西走廊平原區、祁連高山區、黃土高原丘陵區、隴南中低山區和甘南高原區等6個區。本文選擇以ECMWF模式中不同地形下臨近站點(依次為馬鬃山、張掖、肅北、靖遠、武都、碌曲)的典型格點為例,對最優滑動訓練周期(08:00起報13 h)進行分析,如圖3所示。由圖可知,該時次臨近馬鬃山、張掖、肅北、靖遠、武都、碌曲的典型格點對應的最優滑動訓練周期是不同的,分別為20、27、8、13、6和8 d。

圖3 不同地形下典型格點的小波周期對應的功率譜隨時間變化Fig.3 Corresponding power spectrum change with time to wavelet period of typical grid points in different terrains

因此,利用2019年ECMWF、CMA-MESO-3km模式與CLDAS三維融合實況的逐小時氣溫產品,逐時次逐格點建立最優滑動訓練周期;對2020年12月—2021年11月兩種模式訂正前、后逐小時氣溫預報產品進行獨立檢驗,驗證LPSC算法是否能夠有效訂正不同尺度模式系統性誤差;同時還對比檢驗SCMOC與訂正后兩種模式的逐小時氣溫預報效果,為不同尺度模式氣溫預報的釋用與改進提供一定的參考。

3 訂正效果評估

3.1 ECMWF氣溫預報檢驗及訂正

圖4為ECMWF訂正前后逐小時氣溫預報準確率和平均誤差的日變化,可知,訂正前,春、夏、秋、冬四個季節預報準確率分別為54.53%、55.99%、55.53%、48.96%,對應的平均誤差為-0.84～1.06、-0.17～1.76、-0.88～1.66、-1.01～2.91 ℃,其中冬季預報效果明顯低于其他季節。經過LPSC算法訂正后,四個季節預報準確率均超過73%,依次提高了19.56%、17.11%、19.86%和24.41%,平均誤差依次為-0.19～0.06、-0.06～0.07、-0.10～0.28、-0.06～0.06 ℃。顯然,訂正后ECMWF逐小時氣溫的預報準確率明顯提高(61%～85%)、平均誤差明顯減小(±0.3 ℃之內)。從逐時平均誤差來看,ECMWF在訂正前后均具有明顯的日變化特征,春夏季白天(09—20時)為負偏差,夜間(21時—次日08時)為正偏差;而秋冬季午后至傍晚(12—18時)為負偏差,其余時間為正偏差。另外,逐小時氣溫在各個時刻較模式本身均有一定提升,提升幅度最大為31.68%、最小為11.37%,具有明顯的正訂正效果,說明LPSC算法能夠有效改善ECMWF對甘肅省逐小時氣溫預報的系統性誤差。

圖4 訂正前、后ECMWF的逐小時氣溫預報準確率(1)和平均誤差(2):(a)春季;(b)夏季;(c)秋季;(d)冬季Fig.4 (1)Forecast accuracy and (2)mean error of ECMWF hourly temperature before and after correction:(a) spring;(b) summer;(c) autumn;(d) winter

圖5給出了不同季節訂正前、后ECMWF逐小時氣溫預報的平均誤差空間分布可知,春季,訂正前ECMWF在甘肅省大部分地區以負誤差為主,為-4～0 ℃,其中甘南東南部和隴南南部及祁連山區中東部的平均誤差可達-6 ℃以下,而酒泉南部山區和北部均為負誤差,其中酒泉南部山區誤差可達8～12 ℃,酒泉北部誤差低于南部山區,為0～4 ℃(圖5a)。經過訂正后平均誤差明顯減小,降低至±2 ℃以內,其中河西地區和甘南西部以負誤差為主,其余地區為正誤差(圖5e)。夏季,位于沙漠邊緣地帶的河西地區北部從春季的負誤差轉為正誤差,隴東地區為正誤差,誤差均在0～2 ℃;秋季,預報誤差分布與夏季類似,但在隴中地區表現為局部正誤差;訂正后發現夏秋季甘肅省大部分地區均為弱的正誤差(圖5b—c、圖5f—g)。而冬季甘肅省大部分地區預報偏高,其中酒泉南部山區平均誤差可達10～12 ℃以上,僅在甘南東南部、隴南南部和北部、定西南部及祁連山區東部預報偏低,負誤差約為-6～-2 ℃;訂正后誤差也明顯降低(圖5d和圖5h)。總體而言,LPSC算法能夠顯著提高ECMWF對甘肅省逐小時氣溫的客觀預報能力,降低在甘肅省逐小時氣溫預報中的系統性誤差。

圖5 訂正前(a—d)、后(e—h)ECMWF逐小時氣溫平均誤差的空間分布(單位:℃):(a、e)春季;(b、f)夏季;(c、g)秋季;(d、h)冬季Fig.5 Spatial distribution of mean error of ECMWF hourly temperature (a—d) before and (e—h) after correction (unit:℃):(a,e) spring;(b,f) summer;(c,g) autumn;(d,h) winter

3.2 CMA-MESO-3km逐小時氣溫預報檢驗及訂正

目前甘肅省內對于數值預報的檢驗評估、訂正方法研究和成果應用等大多是基于ECMWF等大尺度模式,針對CMA-MESO-3km中尺度模式產品的分析應用仍停留在主觀分析方面,對其系統性的檢驗評估仍為空白;同時,為驗證LPSC算法對不同尺度模式的訂正效果,很有必要對CMA-MESO-3km逐小時氣溫進行檢驗并訂正。

圖6給出了不同季節訂正前后CMA-MESO-3km逐小時氣溫預報效果的日變化。從預報準確率可以看出,訂正前,CMA-MESO-3km對甘肅省逐小時氣溫的預報準確率整體偏低,約為29%～59%;春、夏、秋、冬季的平均預報準確率依次為51.22%、48.67%、45.07%和41.61%。經過LPSC算法訂正后,預報效果較訂正前有了明顯提升,四個季節的預報準確率依次提高了16.32%、16.54%、23.71%、24.43%,其中預報準確率最高為75.40%、最低為57.02%,分別出現在冬季08時和秋季18時。從平均誤差來看,訂正前表現為明顯的日變化特征,春、秋、冬三個季節在午后至傍晚預報偏低,18時至次日11時預報偏高;而夏季在10—19時為弱的負誤差,其他時次為正誤差。不同季節的平均誤差結果表明,冬季誤差最大,為-1.86～3.45 ℃,其次為春、秋季,分別為-0.47～2.73 ℃和-0.55～3.10 ℃,夏季誤差相對最小,為-0.07～2.90 ℃;訂正后平均誤差較訂正前整體顯著減小,在±0.18 ℃之內。以上分析說明LPSC算法也能夠對CMA-MESO-3km逐小時氣溫的系統性誤差進行有效訂正,預報準確率較訂正前明顯提高。

圖6 訂正前、后CMA-MESO-3km逐小時氣溫預報準確率(1)和平均誤差(2):(a)春季;(b)夏季;(c)秋季;(d)冬季Fig.6 (1)Forecast accuracy and (2)mean error of CMA-MESO-3km hourly temperature before and after correction:(a) spring;(b) summer;(c) autumn;(d) winter

圖7為不同季節訂正前后CMA-MESO-3km逐小時氣溫預報的平均誤差空間分布。整體來看,不同季節CMA-MESO-3km逐小時氣溫在河西大部分地方均預報偏高,而在甘岷山區和隴南南部均以負誤差為主,說明CMA-MESO-3km逐小時氣溫預報在甘肅省存在系統性誤差。其中春、秋季正誤差的范圍最大,包括了河西大部分地方、隴中及隴東地區,酒泉南部山區誤差最大,可達10～12 ℃以上,其次為酒泉北部,春、秋季誤差分別為0～4、2～6 ℃;而負誤差主要位于甘南高原、定西南部及隴南南部,誤差約為-4～0 ℃,部分地方可達-4 ℃以下,祁連山區為負誤差,春季平均誤差大于秋季。夏季和冬季的平均誤差分布類似,河西大部分地方以正誤差為主,河東以負誤差為主,最大正誤差出現在酒泉南部山區,為8～12 ℃,最大負誤差出現在甘南東南部和隴南南部,為-6～-4 ℃。經過LPSC算法訂正后,全省平均誤差均減小至±2 ℃之內,其中春季除隴南、天水及甘南西部、酒泉西部外均為正誤差,夏季全省以負誤差為主,秋季除河西中東部、隴東地區外均為正誤差,秋季河西大部分地方為負誤差,河東整體為正誤差。

圖7 訂正前(a—d)、后(e—h)CMA-MESO-3km逐小時氣溫平均誤差的空間分布(單位:℃):(a、e)春季;(b、f)夏季;(c、g)秋季;(d、h)冬季Fig.7 Spatial distribution of mean error of CMA-MESO-3km hourly temperature (a—d) before and (e—h) after correction (unit:℃):(a,e) spring;(b,f) summer;(c,g) autumn;(d,h) winter

與訂正前相比,經過LPSC算法訂正后,ECMWF和CMA-MESO-3km逐小時氣溫預報效果有了顯著提升,預報準確率分別提高了20.24%、20.25%,且平均誤差明顯減小;空間分布亦表明,訂正后全省平均誤差降低至±2 ℃之內。綜上所述,LPSC算法能夠對ECMWF和CMA-MESO-3km逐小時氣溫預報的系統性誤差進行有效訂正,進一步提高兩種模式對甘肅省逐小時氣溫的預報能力。

3.3 訂正后 ECMWF、CMA-MESO-3km與SCMOC逐小時氣溫預報的對比

SCMOC作為當前業務中主要參考的溫度預報產品,其預報效果深受預報員的關注;但其逐小時氣溫產品在甘肅省的預報能力尚不明晰;同時上述兩種本地化逐小時氣溫訂正產品是否能夠代替SCMOC,為甘肅省智能網格溫度預報提供背景場,均亟需進一步檢驗評估。

圖8給出了不同季節SCMOC逐小時氣溫預報的平均誤差的日變化和空間分布特征。從平均誤差的日變化可以看出,SCMOC在春、夏、秋、冬季的平均誤差依次為0.57、0.57、0.79、1.02 ℃,整體上預報較實況偏高,冬季預報偏高最多,其次是秋季,春、夏季誤差相對較小。另外,SCMOC在夏、秋季各個時次的平均誤差均為正值,冬、春季在00—08時、18—23時為正誤差、其余時次誤差規律不顯著。而平均誤差的空間分布表明,SCMOC與ECMWF、CMA-MESO-3km兩種模式逐小時氣溫預報誤差分布基本相似,在河西以正誤差為主,其中酒泉南部山區正誤差最大,部分地方可超過10～12 ℃,酒泉北部次之,春、夏季為2～4 ℃,秋冬季誤差略大,局部地方達到4-6 ℃。其余地方正誤差均在0～2 ℃;負誤差主要出現在甘南東南部、隴南南部以及祁連山區,最大負誤差不超過-6 ℃。

圖8 SCMOC逐小時氣溫平均誤差的日變化(a—d)和空間分布(e—h)(單位:℃):(a、e)春季;(b、f)夏季;(c、g)秋季;(d、h)冬季Fig.8 (a—d) Diurnal variation and (e—h) spatial distribution of mean error of SCMOC hourly temperature (unit:℃):(a,e) spring;(b,f) summer;(c,g) autumn;(d,h) winter

訂正后ECMWF、CMA-MESO-3km和SCMOC逐小時氣溫的預報準確率和平均絕對誤差的日變化(圖9)表明,訂正后ECMWF、CMA-MESO-3km兩種逐小時氣溫預報產品的預報效果均優于SCMOC,其平均預報準確率分別為73.99%、66.89%,較SCMOC高20.65%、13.55%。從預報準確率和平均絕對誤差的日變化可以看出,SCMOC逐小時氣溫的預報準確率在各個時次均明顯低于訂正后的ECMWF,而訂正后CMA-MESO-3km的預報準確率僅在春季08時和夏季07—08時與SCMOC相差較小,其他季節和時次均明顯高于SCMOC。另外,SCMOC逐小時氣溫的平均絕對誤差基本在2 ℃以上,尤其在冬季夜間,大部分時次的平均絕對誤差可超過3 ℃;而訂正后ECMWF、CMA-MESO-3km逐小時氣溫的平均絕對誤差在各個時次均低于2 ℃,且訂正后ECMWF的平均絕對誤差在各個時次明顯低于訂正后CMA-MESO-3km。

圖9 訂正后ECMWF、CMA-MESO-3km和SCMOC逐小時氣溫的預報準率(a—d)和平均絕對誤差(e—h):(a、e)春季;(b、f)夏季;(c、g)秋季;(d、h)冬季Fig.9 (a—d) Forecast accuracy and (e—h) mean absolute error for hourly temperatures of the ECMWF,CMA-MESO-3km after correction and SCMOC:(a,e) spring;(b,f) summer;(c,g) autumn;(d,h) winter

訂正后ECMWF和CMA-MESO-3km逐小時氣溫預報技巧的空間分布(圖10)進一步表明,訂正后ECMWF在全省基本為正預報技巧,特別是河西西部,其中酒泉南部山區預報技巧可達80%以上;而訂正后CMA-MESO-3km逐小時氣溫預報技巧在各個季節分布存在差異,尤其在隴中和隴東南地區,冬春季以弱的正技巧為主,夏秋季基本為負技巧。分季節對比來看,春季,訂正后ECMWF預報技巧基本為正值,說明其預報效果是明顯優于SCMOC的,而訂正后CMA-MESO-3km在河西和隴中的大部分地方為正技巧,而在武威中部、隴東南部分地區和甘南高原為負技巧;夏季,訂正后ECMWF除武威中部和隴東南局部地方外基本以正技巧為主,而訂正后CMA-MESO-3km除酒泉大部分地方和甘南東南部、隴南南部一帶外,全省以負技巧為主。與夏季相比,秋季訂正后ECMWF的預報技巧除甘南高原外均為正技巧;訂正后CMA-MESO-3km的負技巧范圍有所減小。冬季,訂正后ECMWF和CMA-MESO-3km逐小時氣溫的預報效果整體上均優于SCMOC,表現為全省大部分地方均為明顯的正技巧,其中前者在甘南高原部分地方為負技巧,而后者還包括了隴東南部分地方。

圖10 訂正后ECMWF(a—d)、CMA-MESO-3km(e—h)逐小時氣溫技巧評分的空間分布(單位:%):(a、e)春季;(b、f)夏季;(c、g)秋季;(d、h)冬季Fig.10 Spatial distribution of skill score for hourly temperature of (a—d) ECMWF,(e—h) CMA-MESO-3km after correction (unit:%):(a,e) spring;(b,f) summer;(c,g) autumn;(d,h) winter

綜上所述,SCMOC逐小時氣溫預報在甘肅省整體偏高,主要時段為00—08時和18—23時;其平均誤差空間分布與ECMWF、CMA-MESO-3km兩種模式的分布基本相似,在河西以正誤差為主,負誤差主要出現在甘南東南部、隴南南部以及祁連山區。訂正后ECMWF、CMA-MESO-3km兩種逐小時氣溫預報產品的預報效果均優于SCMOC,其中訂正后ECMWF在全省大部分地方均為正技巧,其中酒泉南部山區可達80%以上;而訂正后CMA-MESO-3km的預報效果各個季節分布存在差異,主要體現在隴中和隴東南地區,冬春季以弱的正技巧為主,夏秋季基本為負技巧。

4 結論與討論

本文基于ECMWF大尺度模式、CMA-MESO-3km中尺度模式的氣溫預報數據,以及中國氣象局陸面數據同化系統(CLDAS)V2.0逐小時氣溫實況融合數據,檢驗評估了不同尺度模式對甘肅省逐小時氣溫的預報性能;并利用低頻滑動平均訂正算法(LPSC)對兩種模式的系統性誤差進行訂正,該算法能夠顯著改善兩種模式的逐小時氣溫預報效果,為甘肅省精細化智能網格預報業務提供了技術支撐;同時通過對比評估SCMOC和訂正后ECMWF、CMA-MESO-3km模式的逐小時氣溫預報效果,為國產模式的改進和本地化應用提供一定的參考。主要結論如下:

1)ECMWF、CMA-MESO-3km模式對甘肅省逐小時氣溫的預報具有相對穩定的系統性誤差。不同尺度模式的預報效果均存在明顯的日變化特征,夜間預報準確率明顯低于白天,主要表現為夜間預報顯著偏高,白天為弱的負偏差。其次,冬季預報效果不如其他三個季節,主要是因為冬季ECMWF夜間的正誤差和CMA-MESO-3km白天的負誤差相對較大。

2)LPSC算法能夠有效改善ECMWF和CMA-MESO-3km對甘肅省逐小時氣溫預報的系統性誤差,顯著提高了兩種模式的預報能力。訂正前,ECMWF、CMA-MESO-3km平均預報準確率為53.75%、46.64%,訂正后分別較模式本身提高了20.24%、20.25%;而平均誤差也從訂正前的-1.01～2.91 ℃和-1.86～3.45 ℃減小至訂正后的±0.3 ℃之內。從空間分布來看,訂正前兩種模式的逐小時氣溫在河西大部分地方預報偏高(如酒泉南部山區可達8～10 ℃以上),而在甘岷山區和隴南南部均以負誤差為主;經過LPSC算法訂正后,全省平均誤差降低至±2 ℃之內,說明該算法能夠對模式的系統性誤差進行有效訂正。

3)訂正后ECMWF、CMA-MESO-3km兩種逐小時氣溫預報產品的預報效果整體上均優于SCMOC。兩種模式的預報準確率分別較SCMOC高20.65%、13.55%;且平均絕對誤差在各個時次均明顯低于SCMOC。技巧評分的空間分布表明,訂正后ECMWF在全省大部分地方均為正技巧,其中酒泉南部山區可達80%以上;而訂正后CMA-MESO-3km的預報效果各個季節分布存在差異,主要體現在隴中和隴東南地區,冬春季以弱的正技巧為主,夏秋季基本為負技巧。

采用統計方法能夠消除和減小的模式系統性誤差主要包括兩種:一是由于模式地形、降尺度算法和物理過程不確定帶來的系統性誤差,二是模式對某次轉折性天氣過程預報的偏差。本文通過對不同尺度模式溫度預報產品的檢驗及訂正發現,利用LPSC算法可以消除或減小第1種系統性誤差,而由于該算法以誤差變化較穩定和連續為前提,訂正效果則取決于天氣過程的穩定性,目前對第2種系統誤差的訂正效果并不好。需要指出的是,檢驗結果和業務應用結果均表明,對于轉折性天氣過程,該方法存在一定缺陷,使用時需要特別注意。后續相關研究中需要重點關注轉折性天氣過程中溫度的訂正預報,從而進一步提高精細化溫度的客觀預報水平。