王 強(qiáng)，張 驍，王起喚

(湖南省懷化市氣象臺(tái)，湖南 懷化 418000)

?

基于EC細(xì)網(wǎng)格產(chǎn)品對(duì)懷化地區(qū)日最高氣溫的預(yù)報(bào)及訂正分析

王 強(qiáng)，張 驍，王起喚

(湖南省懷化市氣象臺(tái)，湖南 懷化 418000)

利用EC細(xì)網(wǎng)格(ECMWF-thin)0.125°×0.125°格距20時(shí)起報(bào)地面2 m氣溫資料，使用反距離加權(quán)法插值至懷化11個(gè)國(guó)家氣象觀測(cè)站點(diǎn)上，計(jì)算出模式預(yù)報(bào)的日最高氣溫，對(duì)模式預(yù)報(bào)準(zhǔn)確率的時(shí)空分布特征以及利用N日誤差滑動(dòng)平均值、天氣分類(lèi)方法分別對(duì)模式預(yù)報(bào)進(jìn)行訂正分析發(fā)現(xiàn)：隨著預(yù)報(bào)時(shí)效的延長(zhǎng)ECMWF-thin日最高氣溫預(yù)報(bào)準(zhǔn)確率降低，存在明顯的時(shí)間變化特征，但空間差異不明顯；ECMWF-thin日最高氣溫預(yù)報(bào)較實(shí)況普遍偏低；利用N日誤差滑動(dòng)平均值方法訂正，日最高氣溫預(yù)報(bào)準(zhǔn)確率的提升16%～20%，訂正后預(yù)報(bào)準(zhǔn)確率在54%～73%，此方法操作便捷、簡(jiǎn)單實(shí)用；進(jìn)行天氣分類(lèi)訂正后，各類(lèi)型天氣均有不同程度提升，且對(duì)特定類(lèi)型天氣提升明顯，兩種方法各有利弊，對(duì)日最高氣溫預(yù)報(bào)均具有一定的指導(dǎo)意義。

氣溫，訂正，滑動(dòng)平均，天氣類(lèi)型

1 引言

懷化地處湖南西南部，地型呈西南—東北向狹長(zhǎng)帶狀，南北長(zhǎng)353 km，東西寬229 km，總面積2.76萬(wàn)km2。全境地勢(shì)起伏，溝壑縱橫，東南部有雪峰山，西北部有武陵山，海拔在300 m以上的山地占總面積的73%，特殊的地形分布，海拔高度差異顯著，也導(dǎo)致懷化各地氣溫分布特征各異，加之日最高氣溫對(duì)天空狀況的敏感性強(qiáng)，模式預(yù)報(bào)在日最高氣溫要素的預(yù)報(bào)上往往達(dá)不到直接使用的要求，而在實(shí)際預(yù)報(bào)中，對(duì)于差異顯著的氣溫要素預(yù)報(bào)，隨著預(yù)報(bào)時(shí)效延長(zhǎng)，預(yù)報(bào)員對(duì)氣溫要素的能力顯著減弱。為掌握氣溫分布規(guī)律，探索有效的氣溫預(yù)報(bào)方法，國(guó)內(nèi)學(xué)者做了許多研究，周青[1]等、李軍[2]等、汪衛(wèi)平[3]等利用標(biāo)準(zhǔn)化均方根誤差分析、氣溫空間分布的地形調(diào)節(jié)統(tǒng)計(jì)模型等方法分析地面氣溫分布特征；周婷婷[4]等、李莎[5]等、邱學(xué)興[6]等、劉宇[7]等、周繼先[8]等、陳曉燕[9]等利用 MODIS影像數(shù)據(jù)和數(shù)字高程模型差值、Kriging插值、Barnes 插值和一階卡爾曼濾波訂正方法、空間卷積算法最小二乘法、支持向量積法等方法探索適合中國(guó)區(qū)域的地面氣溫插值方法；薛志磊[10]等、張杰[11]等也將數(shù)值預(yù)報(bào)的動(dòng)力釋用方法、多模式集合等應(yīng)用到氣溫預(yù)報(bào)中。社會(huì)公眾對(duì)氣象預(yù)報(bào)關(guān)注度越來(lái)越高，最高氣溫預(yù)報(bào)是公眾氣象預(yù)報(bào)的一項(xiàng)重要內(nèi)容，同時(shí)作為城鎮(zhèn)預(yù)報(bào)的考核之一。數(shù)值預(yù)報(bào)產(chǎn)品，尤其是氣溫預(yù)報(bào)產(chǎn)品已成為預(yù)報(bào)員在日常氣象預(yù)報(bào)的主要參考依據(jù)，但是由于模式預(yù)報(bào)中對(duì)氣溫的預(yù)報(bào)資料局限性以及模式自身預(yù)報(bào)偏差，導(dǎo)致模式預(yù)報(bào)很難直接應(yīng)用到城鎮(zhèn)預(yù)報(bào)中去，本文試圖從ECMWF-thin日最高氣溫預(yù)報(bào)誤差出發(fā)，尋找適合本地訂正方法，指導(dǎo)日最高氣溫預(yù)報(bào)。

2 資料方法

2015年1月15日之后，ECMWF-thin對(duì)地面2 m氣溫的要素預(yù)報(bào)由0.25°×0.25°的格點(diǎn)預(yù)報(bào)場(chǎng)調(diào)整為0.125°×125°的格點(diǎn)預(yù)報(bào)，預(yù)報(bào)時(shí)間間隔仍然是0～72 h為每3 h一次，72 h之后每6 h一次，為保證資料一致性，本文選取研究時(shí)段為2015年2月1日—2016年1月31日，共計(jì)365 d。

2.1 資料選取

選取歐洲中心每天20時(shí)起報(bào)，對(duì)未來(lái)120 h時(shí)效的高溫預(yù)報(bào)資料，利用反距離加權(quán)法將每個(gè)預(yù)報(bào)時(shí)次溫度預(yù)報(bào)插值到懷化市11個(gè)縣預(yù)報(bào)站點(diǎn)上，以20時(shí)為日界，計(jì)算出逐24 h氣溫最高值作為日最高氣溫預(yù)報(bào)值；選取懷化市11個(gè)國(guó)家氣象站逐分鐘氣溫資料，以20時(shí)為日界，獲取每天最高氣溫值為日最高氣溫實(shí)況；從國(guó)家衛(wèi)星氣象中心的風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)下載FY-2F總云量(CTA)逐小時(shí)數(shù)據(jù)，根據(jù)日最高氣溫出現(xiàn)的時(shí)段，選取每日的10時(shí)、12時(shí)、13時(shí)、14時(shí)、15時(shí)、16時(shí)、17時(shí)的總云量來(lái)計(jì)算平均總云量，結(jié)合每日的降水情況，將天空類(lèi)型分為以下3個(gè)大類(lèi)型6個(gè)小類(lèi)型。

表1 天氣類(lèi)型分型

2.2 資料處理方法

根據(jù)《全國(guó)城鎮(zhèn)天氣預(yù)報(bào)質(zhì)量檢驗(yàn)方案》、《湖南省城鎮(zhèn)天氣預(yù)報(bào)質(zhì)量檢驗(yàn)方法》、《中短期天氣預(yù)報(bào)質(zhì)量檢驗(yàn)辦法(試行)》中日最高氣溫檢驗(yàn)標(biāo)準(zhǔn)，首先利用實(shí)況資料對(duì)ECMWF-thin的日最高氣溫資料進(jìn)行檢驗(yàn)，總結(jié)模式日最高氣溫預(yù)報(bào)的時(shí)空分布特征。溫度預(yù)報(bào)具體檢驗(yàn)標(biāo)準(zhǔn)為：

溫度預(yù)報(bào)準(zhǔn)確率的實(shí)際含義是溫度預(yù)報(bào)誤差≤2 ℃的百分率。

根據(jù)ECMWF-thin日最高氣溫預(yù)報(bào)與日最高氣溫實(shí)況誤差，以前N日預(yù)報(bào)與實(shí)況誤差的滑動(dòng)平均值作為訂正值，對(duì)未來(lái)最高氣溫預(yù)報(bào)進(jìn)行訂正并檢驗(yàn)。

其中，前N日預(yù)報(bào)與實(shí)況誤差滑動(dòng)平均值=(預(yù)報(bào)前1天的誤差值 +預(yù)報(bào)前2天的誤差值+…+預(yù)報(bào)前N天的誤差值)/N。

結(jié)合天氣類(lèi)型的分型和ECMWF-thin最高氣溫預(yù)報(bào)偏差分析，對(duì)不同天氣類(lèi)型下模式最高氣溫預(yù)報(bào)分別進(jìn)行訂正并檢驗(yàn)，具體天氣類(lèi)型分型如表1。

3 ECMWF-thin最高氣溫預(yù)報(bào)分析

3.1 模式預(yù)報(bào)準(zhǔn)確率檢驗(yàn)分析

3.1.1 時(shí)間變化特征 從ECMWF-thin不同預(yù)報(bào)時(shí)效全市各站日最高氣溫月平均預(yù)報(bào)準(zhǔn)確率圖(圖1)中可以看出：

圖1 ECMWF-thin不同預(yù)報(bào)時(shí)效全市各站日最高氣溫月平均預(yù)報(bào)準(zhǔn)確率圖Fig.1 ECMWF-thin monthly mean forecast accuracy diagram of all stations' daily maximum temperature in different forecast time limits

①模式預(yù)報(bào)準(zhǔn)確率隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，呈下降趨勢(shì)，在2—4月尤為明顯；最高值出現(xiàn)在12月份24 h時(shí)效，為78.30%；最低值出現(xiàn)在4月份120 h時(shí)效，為15.99%。

② 0～120 h各預(yù)報(bào)時(shí)效逐月平均預(yù)報(bào)準(zhǔn)確率在15%～79%之間，各月之間差異很大， 1—4月呈下降趨勢(shì)，4月達(dá)到全年最低值，出現(xiàn)第1個(gè)波谷，各時(shí)效均值為25.27%； 5月開(kāi)始上升，5—8月又呈下降趨勢(shì)，8月迎來(lái)第2個(gè)波谷，各時(shí)效均值為26.42%；9月有所升高，10月又出現(xiàn)波動(dòng)性下降，各時(shí)效準(zhǔn)確率均值為35.49%；之后準(zhǔn)確率呈現(xiàn)逐步上升趨勢(shì)。

3.1.2 空間變化特征 ECMWF-thin對(duì)懷化11縣逐24 h預(yù)報(bào)時(shí)效日高溫預(yù)報(bào)準(zhǔn)確率均是隨著預(yù)報(bào)時(shí)效的延長(zhǎng)而減小，在0～24 h時(shí)效內(nèi)，麻陽(yáng)縣最低為47.34%，辰溪最高為59.66%，平均53.55%；24～48 h時(shí)效內(nèi)，新晃縣最低為36.93%，辰溪縣最高為53.69%，平均47.62%；48～72 h時(shí)效內(nèi)，新晃縣最低為38.31%，沅陵縣最高為51.55%，平均45.97%；72～96 h時(shí)效內(nèi)，新晃縣最低為35.71%，沅陵縣、洪江市最高為41.43%，平均40.05%；96～120 h時(shí)效內(nèi)，懷化站最低為36.08%，辰溪最高為43.18%，平均39.93%，從圖中可以看出在各時(shí)效內(nèi)，ECMWF-thin對(duì)各縣日最高氣溫預(yù)報(bào)準(zhǔn)確率有所差異，但相差較小。

圖2 ECMWF-thin對(duì)懷化市11縣日最高氣溫各預(yù)報(bào)時(shí)效預(yù)報(bào)準(zhǔn)確率(a)ECMWF-thin(b：24 h，c:48 h，d:72 h，e:96 h，f:120 h)時(shí)效11縣日最高氣溫預(yù)報(bào)準(zhǔn)確率時(shí)序變化圖Fig.2 ECMWF-thin forecast accuracy diagram of 11 counties' daily maximum temperature in different forecast time limits (a); ECMWF-thin forecast accuracy time series diagrams of 11 counties' daily maximum temperature in the time limits of b:24 h, c:48 h, d:72 h, e:96 h, f:120 h

分析0～24 h、24～48 h、48～72 h、72～96 h、96～120 h時(shí)效內(nèi)懷化市各縣日最高氣溫預(yù)報(bào)準(zhǔn)確率時(shí)序變化(圖2b～2f)，各時(shí)效范圍內(nèi)與懷化全市對(duì)應(yīng)時(shí)效內(nèi)的預(yù)報(bào)準(zhǔn)確率(圖1)具有相似的變化趨勢(shì)，且相同時(shí)效范圍，模式對(duì)懷化各縣日最高氣溫預(yù)報(bào)準(zhǔn)確率具有相似變化趨勢(shì)。

3.2 ECMWF-thin日最高氣溫預(yù)報(bào)誤差分析及成因探討

表2 出現(xiàn)各預(yù)報(bào)偏差概率(T=ECMWF-thin日最高氣溫預(yù)報(bào)值-對(duì)應(yīng)時(shí)段日最高氣溫實(shí)況)

注：Ⅰ、Ⅱ統(tǒng)計(jì)內(nèi)容為各預(yù)報(bào)偏差段占全年所有站次比重，Ⅲ統(tǒng)計(jì)內(nèi)容為指定預(yù)報(bào)偏差占絕對(duì)誤差>2 ℃(判定為預(yù)報(bào)錯(cuò)誤)中比重。

從表2中可以出，ECMWF-thin的日最高氣溫預(yù)報(bào)73%以上的預(yù)報(bào)都較實(shí)況偏低；日最高氣溫絕對(duì)誤差在2 ℃以上的(按照評(píng)分標(biāo)準(zhǔn)判斷為預(yù)報(bào)錯(cuò)誤)，其中模式偏低情況，各預(yù)報(bào)時(shí)效均在83%以上，0～24 h更是達(dá)到了87.6%。

成因探討：

①懷化市屬中亞熱帶季風(fēng)氣候區(qū)，四季分明，不同季節(jié)氣溫差異較大，變化幅度也不盡相同，由于氣溫升降明顯，變化幅度大，加大了日最高氣溫的預(yù)報(bào)難度。從圖3中可以看出懷化市高低溫溫差與模式對(duì)日最高氣溫預(yù)報(bào)準(zhǔn)確率呈明顯負(fù)相關(guān)關(guān)系。

圖3 懷化市日高低溫實(shí)況溫差和ECMWF-thin日最高氣溫預(yù)報(bào)準(zhǔn)確率時(shí)序變化圖Fig.3 Difference between actual daily maximum and minimum temperature in Huaihua and ECMWF-thin forecast accuracy time series diagram of daily maximum temperature

②ECMWF-thin對(duì)地面2 m氣溫要素預(yù)報(bào)格式和日最高氣溫出現(xiàn)時(shí)間導(dǎo)致了預(yù)報(bào)偏差的存在，進(jìn)而影響預(yù)報(bào)準(zhǔn)確率。ECMWF-thin對(duì)地面2 m氣溫要素預(yù)報(bào)在前72 h時(shí)效是對(duì)逐3 h整點(diǎn)氣溫也就是每天的02時(shí)、05時(shí)、08時(shí)、11時(shí)、14時(shí)、17時(shí)、20時(shí)、23時(shí)的8個(gè)時(shí)次的整點(diǎn)氣溫進(jìn)行預(yù)報(bào)，72 h～120 h時(shí)效范圍內(nèi)是對(duì)逐6 h也就是02時(shí)、08時(shí)、14時(shí)、20時(shí)的4個(gè)時(shí)次的整點(diǎn)預(yù)報(bào)進(jìn)行預(yù)報(bào)，在實(shí)際預(yù)報(bào)中，我們是根據(jù)具體的預(yù)報(bào)日界，將預(yù)報(bào)范圍內(nèi)的所有整點(diǎn)數(shù)據(jù)的最大值作為日最高氣溫的預(yù)報(bào)值，從對(duì)懷化全市2015年日最高氣溫在全天各時(shí)段出現(xiàn)頻率的統(tǒng)計(jì)來(lái)看(圖4)，極少數(shù)日最高氣溫出現(xiàn)在整點(diǎn)，日最高氣溫主要出現(xiàn)在11—18時(shí)之間，占90.77%，12—17時(shí)占80.78%，而在14—17時(shí)之間ECMF-thin沒(méi)有氣溫預(yù)報(bào)數(shù)據(jù)，這個(gè)時(shí)段的高溫出現(xiàn)概率則高達(dá)63.40%，這也直接影響了ECMWF-thin日最高氣溫預(yù)報(bào)的預(yù)報(bào)準(zhǔn)確率。

圖4 懷化全市2015年日最高氣溫在全天各時(shí)段出現(xiàn)頻率Fig.4 Frequency of Huaihua daily maximum temperature occurrence in each time period, 2015

4 氣溫預(yù)報(bào)訂正

4.1 誤差滑動(dòng)平均值訂正

假設(shè)ECMWF-thin對(duì)氣溫要素預(yù)報(bào)偏差具有一致性，利用模式起報(bào)前1～5 d最高氣溫預(yù)報(bào)與實(shí)況的誤差計(jì)算前N日誤差滑動(dòng)平均值，本文選取1～5 d誤差滑動(dòng)平均值分別對(duì)ECMWF-thin日最高氣溫預(yù)報(bào)進(jìn)行訂正，從圖5中可以看出，各預(yù)報(bào)時(shí)效的預(yù)報(bào)準(zhǔn)確率均有不同程度的提升，預(yù)報(bào)準(zhǔn)確率提升16%～20%不等，各預(yù)報(bào)時(shí)效的日最高氣溫預(yù)報(bào)利用滑動(dòng)平均誤差訂正后都有明顯的提升，對(duì)比所選取的各不同日誤差滑動(dòng)平均值訂正效果，選取2～5 d誤差滑動(dòng)平均值作為訂正值的并沒(méi)有太大差別，訂正后的最高氣溫預(yù)報(bào)準(zhǔn)確率在54%～73%，尤其是前48 h日最高氣溫預(yù)報(bào)準(zhǔn)確率超過(guò)65%，基本滿(mǎn)足城鎮(zhèn)預(yù)報(bào)要求。

圖5 利用N日誤差滑動(dòng)平均值訂正前后最高氣溫準(zhǔn)確率Fig.5 Maximum temperature accuracy before and after using moving average of N days' deviation

4.2 天氣類(lèi)型訂正

通過(guò)對(duì)ECMWF-thin日最高氣溫預(yù)報(bào)誤差分析可以看出，模式預(yù)報(bào)主要是較實(shí)況偏低，但是簡(jiǎn)單的對(duì)模式預(yù)報(bào)進(jìn)行上調(diào)，效果不理想，達(dá)不到日常預(yù)報(bào)要求，現(xiàn)根據(jù)不同天氣類(lèi)型(表1)，分別對(duì)不同時(shí)效的模式預(yù)報(bào)添加1～5 ℃，對(duì)訂正前后的預(yù)報(bào)數(shù)據(jù)進(jìn)行檢驗(yàn)(圖6)并進(jìn)行討論：

4.2.1 無(wú)降水天氣條件下ECMWF-thin日最高氣溫預(yù)報(bào)訂正分析 對(duì)于晴朗或少云(Ⅰ型a)， 模式預(yù)報(bào)的準(zhǔn)確率隨著預(yù)報(bào)訂正值的增大，預(yù)報(bào)準(zhǔn)確率逐漸升高，在訂正值為4、5 ℃時(shí)，準(zhǔn)確率開(kāi)始下降，但都較未訂正有較高提升；訂正值為3 ℃時(shí)，00～24 h,24～48 h,48～72 h和96～120 h 4個(gè)時(shí)效達(dá)到最高值，分別為78.27%,75.50%,73.30%,67.03%，隨著訂正值的再次增加，高溫預(yù)報(bào)準(zhǔn)確率呈下降趨勢(shì)；72～96 h訂正值為4 ℃時(shí)，達(dá)到最高，為70.84%。

對(duì)于多云到少云(Ⅱ型a)在對(duì)模式日最高氣溫預(yù)報(bào)進(jìn)行訂正時(shí)，出現(xiàn)與Ⅰ型a天氣類(lèi)似的特征，在訂正值為1、2 ℃時(shí)，預(yù)報(bào)準(zhǔn)確率上升至55%～74%，00～24 h,24～48 h,48～72 h時(shí)效，較訂正前，提高7%～12%，訂正值為1 ℃時(shí)，準(zhǔn)確率達(dá)到最大，之后準(zhǔn)確率減小;72～96 h，96～120 h訂正值為2 ℃時(shí)達(dá)到最大。

對(duì)于多云到陰天(Ⅲ型a)，各個(gè)時(shí)效的ECMWF-thin最高氣溫預(yù)報(bào)訂正后的準(zhǔn)確率走勢(shì)不盡相同，00～24 h,24～48 h,48～72 h時(shí)效范圍內(nèi)，不訂正或訂正值為1 ℃時(shí)，準(zhǔn)確率較高，之后隨著訂正值的增大準(zhǔn)確率減小；而72～96 h和96～120 h時(shí)效，在訂正值為1、2 ℃時(shí)，準(zhǔn)確率較高。

圖6 6種天氣類(lèi)型訂正前后日最高氣溫預(yù)報(bào)準(zhǔn)確率Fig.6 Daily maximum temperature forecast accuracy before and after revising with 6 kinds of weather types

總之，對(duì)于沒(méi)有降水的天氣，ECMWF-thin對(duì)地面2m日最高氣溫的預(yù)報(bào)需要根據(jù)具體天空狀況添加1～4 ℃進(jìn)行訂正，訂正后預(yù)報(bào)準(zhǔn)確率均有所提升，尤其Ⅰ型a天氣類(lèi)型，提升明顯。

4.2.2 有降水天氣條件下ECMWF-thin日最高氣溫預(yù)報(bào)訂正分析 對(duì)于少云有陣性降水(Ⅰ型b)的天氣類(lèi)型，模式自身預(yù)報(bào)準(zhǔn)確率較低，且訂正之后沒(méi)有明顯的提升。對(duì)于多云到少云有陣性降水Ⅱ型b的情況，訂正值為1 ℃時(shí)，準(zhǔn)確率有所升高，在56%～75%之間，之后隨著訂正值的增加，準(zhǔn)確率逐漸下降。

對(duì)于陰天有雨(Ⅲ型b)，訂正值選取1～5 ℃時(shí)，預(yù)報(bào)準(zhǔn)確率呈下降趨勢(shì)，為了更好的驗(yàn)證偏差，尋找恰當(dāng)?shù)闹颠M(jìn)行有效訂正，所以將訂正值范圍擴(kuò)大至-5～5 ℃。Ⅲ型b天氣模式自身預(yù)報(bào)準(zhǔn)確率在64%～80%之間，訂正值后的曲線圖如圖6Ⅲ型b所示，呈拋物線形式，訂正前預(yù)報(bào)準(zhǔn)確率在波峰。

綜上所述，對(duì)于有降水的天氣，當(dāng)天空狀況為陰天(Ⅲ型b)時(shí)，模式自身預(yù)報(bào)準(zhǔn)確率較高，訂正效果差，但模式自身預(yù)報(bào)準(zhǔn)確率較高，對(duì)于多云(Ⅱ型b)時(shí)，訂正值為1 ℃時(shí)準(zhǔn)確率有所提升，而對(duì)于少云(Ⅰ型b)時(shí)，模式自身預(yù)報(bào)準(zhǔn)確率較低，且訂正效果較差。

5 總結(jié)

①ECMWF-thin模式日最高氣溫預(yù)報(bào)準(zhǔn)確率隨著預(yù)報(bào)時(shí)效的延長(zhǎng)而下降，單一時(shí)效內(nèi)日最高氣溫預(yù)報(bào)準(zhǔn)確率存在明顯的月際變化，在不同預(yù)報(bào)時(shí)效內(nèi)對(duì)全市11縣日最高氣溫預(yù)報(bào)準(zhǔn)確率有所差異，但整體變化趨一致，模式預(yù)報(bào)準(zhǔn)確率普遍偏低，無(wú)法直接應(yīng)用到實(shí)際業(yè)務(wù)中。

②ECMWF-thin日最高氣溫預(yù)報(bào)較實(shí)況以偏低為主，預(yù)報(bào)值低于實(shí)況值的占73%以上；導(dǎo)致模式出現(xiàn)這種誤差的原因一是懷化自身的氣候特點(diǎn)，再者，模式對(duì)地面2 m氣溫要素預(yù)報(bào)格式和懷化地區(qū)最高氣溫出現(xiàn)時(shí)段也直接導(dǎo)致這一結(jié)果。

③利用1～5 d誤差滑動(dòng)平均值對(duì)ECMWF-thin最高氣溫預(yù)報(bào)進(jìn)行訂正，不同日數(shù)誤差滑動(dòng)平均值對(duì)高溫預(yù)報(bào)準(zhǔn)確率訂正差異較小，訂正后的預(yù)報(bào)準(zhǔn)確率在各時(shí)效范圍內(nèi)都有所提升，基本滿(mǎn)足城鎮(zhèn)日最高氣溫預(yù)報(bào)需求，且訂正方法簡(jiǎn)單，操作方便。

④對(duì)不同天氣類(lèi)型的天氣分類(lèi)進(jìn)行訂正檢驗(yàn)，發(fā)現(xiàn)對(duì)于沒(méi)有降水的天氣，模式預(yù)報(bào)需要根據(jù)具體天空狀況添加1～4 ℃才能達(dá)到業(yè)務(wù)應(yīng)用需求，而對(duì)于有降水的天氣，需針對(duì)不同類(lèi)型選取訂正值。針對(duì)不同天氣類(lèi)型分類(lèi)訂正，整體效果好，尤其是對(duì)天空狀況較好的天氣，日最高氣溫預(yù)報(bào)準(zhǔn)確率提高非常明顯，但是此種訂正方法雖然準(zhǔn)確率提升明顯，但是要以預(yù)報(bào)員對(duì)天氣類(lèi)型有較好的把握為基礎(chǔ)。

[1] 周青,趙鳳生,高文華. NCEP/NCAR 逐時(shí)分析與中國(guó)實(shí)測(cè)地表溫度和地面氣溫對(duì)比分析[J].氣象，2008，24(2):83-91.

[2] 李軍，黃敬峰，游松財(cái).不同空間尺度DEM對(duì)山區(qū)氣溫空間分布模擬的影響——以浙江省仙居縣為例[J].地理科學(xué),2012,32(11):1 384-1 390.

[3] 汪衛(wèi)平,熊偉,陳余明.貴州省日最高氣溫氣候特征分析[J].貴州氣象,2013,37(1):7-10.

[4] 周婷婷,陳文惠.基于MODIS數(shù)據(jù)和氣象觀測(cè)數(shù)據(jù)的氣溫空間插值方法比較[J].地理科學(xué)進(jìn)展,2011,30(9):1 143-1 151.

[5] 李莎,舒紅,徐正全.利用時(shí)空Kriging進(jìn)行氣溫插值研究[J].武漢大學(xué)學(xué)報(bào),2012,37(2):237-241.

[6] 薛志磊,張書(shū)余.氣溫預(yù)報(bào)方法研究及其應(yīng)用進(jìn)展綜述[J].干旱氣象,2012,30(3):451-458

[7] 邱學(xué)興,王東勇,朱紅芳.鄉(xiāng)鎮(zhèn)精細(xì)化最高最低氣溫預(yù)報(bào)方法研究[J]. 氣象與環(huán)境學(xué)報(bào)，2013，29(3):92-96.

[8] 周繼先，聶云.思南縣各鄉(xiāng)鎮(zhèn)氣溫分析及氣溫預(yù)報(bào)訂正方法研究[J].貴州氣象,2016,40(1):30-34.

[9] 陳曉燕, 趙玉金, 孫文英,等.支持向量機(jī)方法作溫度預(yù)報(bào)試驗(yàn)[J],2006,30(1):31-33.

[10]張杰，羅嵐心，韓曉令.CMIP5模式對(duì)長(zhǎng)江流域氣溫模擬與預(yù)估[J],2014,38(2):15-18.

[11]劉宇,陳泮勤,張穩(wěn),等.一種地面氣溫的空間插值方法及其誤差分析[J].大氣科學(xué)，2006,30(1):146-152.

Analysis on daily maximum temperature forecast and revisal method in Huaihua District based on ECMWF intermediate-level resolution model

WANG Qiang,ZHANG Xiao,WANG Qihuan

(Huaihua Meteorological Observatory, Huaihua 418000, China)

Based on the ECMWF-thin forecast data of 2 meters above the surface temperature with the resolution of 0.125°×0.125° which were forecast from 20∶00, model forecast daily maximum temperature was calculated by the method of inverse distance weighted interpolating to 11 national meteorological stations of Huaihua. by amending the model forecast daily maximum temperature with the temporal and spatial characteristics of model forecast, the moving average of n days and synoptic classification method, the results show that the forecast accuracy declines in the forecast period extended which indicate remarkable monthly variations but no obvious spatial differences. The ECMWF-thin daily maximum temperature is generally lower than the actual daily maximum temperature. The forecast accuracy rose 16%～20% by the means of deviation moving average of n days, and the accuracy is about 54%～73% after revisal, and the whole procedure is convenient, simple and practical. Revised by the method of weather classification, the accuracy of all kinds of weather types has risen variously, especially for certain kinds. These two methods have their own advantages and disadvantages, both benefit the daily maximum temperature forecast.

temperature; revisal; moving average; weather types

1003-6598(2016)05-0032-06

2016-06-20

王強(qiáng)(1984—)，男，工程師，主要從事短中期天氣預(yù)報(bào)及氣象服務(wù)，E-mail:wangqiangxm@163.com。

P457.3

B