時(shí)洋，吳乃庚，2，羅聰，黃曉瑩，張?zhí)m，袁宇東，涂靜

（1.廣東省氣象臺(tái)，廣東廣州 510640；2.廣東省生態(tài)氣象中心，廣東廣州 510640；3.廣州市氣象局，廣東廣州 511430）

廣東省是全國(guó)最早開(kāi)展數(shù)字網(wǎng)格天氣預(yù)報(bào)業(yè)務(wù)的省份。2008年發(fā)展基于格點(diǎn)的交互訂正預(yù)報(bào)平臺(tái)研發(fā)，2015年完成省市聯(lián)動(dòng)的網(wǎng)格預(yù)報(bào)業(yè)務(wù)運(yùn)行，逐步形成一套完整的精細(xì)化智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)體系，為公眾服務(wù)和政府決策提供了強(qiáng)有力的支撐。智能網(wǎng)格預(yù)報(bào)技術(shù)的發(fā)展和完善離不開(kāi)數(shù)值模式的評(píng)估和釋用。受到觀測(cè)和模式計(jì)算誤差等影響，數(shù)值模式常具有一定偏差，需經(jīng)統(tǒng)計(jì)后處理減小預(yù)報(bào)偏差以提高其預(yù)報(bào)技巧。多模式集成較單一模式的模式輸出統(tǒng)計(jì)方法具有輸出結(jié)果穩(wěn)定、預(yù)報(bào)技巧更優(yōu)以及預(yù)報(bào)偏差較小等特點(diǎn)［1-2］。趙聲蓉等［3］利用BP神經(jīng)網(wǎng)絡(luò)建立基于國(guó)家氣象中心多模式集成方法的溫度預(yù)報(bào)系統(tǒng)，集成效果明顯優(yōu)于單一模式；智協(xié)飛等［4］利用交互式全球大集合預(yù)報(bào)系統(tǒng)（TIGGE）資料，發(fā)現(xiàn)滑動(dòng)訓(xùn)練期超級(jí)集合預(yù)報(bào)方法優(yōu)于其他多模式集成方法；羅聰?shù)龋?］對(duì)比了多種基于站點(diǎn)的日極端氣溫多模式集成算法，消除偏差加權(quán)集成算法的集成效果最佳；吳乃庚等［6］考慮了地形影響、過(guò)去誤差、權(quán)重集成等，建立的溫度多模式動(dòng)態(tài)權(quán)重集成方案已成為支撐廣東智能網(wǎng)格溫度預(yù)報(bào)的主要客觀技術(shù)。

科學(xué)檢驗(yàn)評(píng)估是預(yù)報(bào)技術(shù)改進(jìn)和業(yè)務(wù)應(yīng)用的關(guān)鍵環(huán)節(jié)。隨著參與集成模式的不斷更替以及廣東智能網(wǎng)格業(yè)務(wù)平臺(tái)的進(jìn)一步完善，溫度多模式集成技術(shù)也進(jìn)行了多次方案調(diào)整和產(chǎn)品升級(jí)。本研究對(duì)溫度多模式集成產(chǎn)品重新進(jìn)行系統(tǒng)性檢驗(yàn)評(píng)估，從預(yù)報(bào)評(píng)分的角度評(píng)價(jià)其業(yè)務(wù)參考價(jià)值，從誤差空間分布特征的角度討論其在區(qū)位上的優(yōu)劣，從天氣分類(lèi)的角度分析其適用性，以期為該產(chǎn)品在業(yè)務(wù)預(yù)報(bào)中的合理應(yīng)用和釋用技術(shù)的針對(duì)性改進(jìn)提供科學(xué)參考。

1 資料和方法

本研究參與集成預(yù)報(bào)的模式包含歐洲中期天氣預(yù)報(bào)中心的全球模式（ECMWF，水平分辨率0.125°×0.125°，預(yù)報(bào)時(shí)效0～240 h）、美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心的全球模式（NCEP，水平分辨率0.5°×0.5°，預(yù)報(bào)時(shí)效0～240 h）、國(guó)家氣象中心區(qū)域模式（GRAPES＿M(jìn)ESO，水平分辨率0.1°×0.1°，預(yù)報(bào)時(shí)效0～72 h）和廣東省區(qū)域數(shù)值天氣預(yù)報(bào)重點(diǎn)實(shí)驗(yàn)室的區(qū)域模式（TRAMS，水平分辨率0.03°×0.03°，預(yù)報(bào)時(shí)效0～96 h）。觀測(cè)資料使用廣東省國(guó)家級(jí)自動(dòng)站日最高、最低氣溫（20：00—20：00，北京時(shí)）作為集成方法的觀測(cè)實(shí)況。

溫度多模式集成業(yè)務(wù)流程主要包含實(shí)時(shí)檢驗(yàn)、權(quán)重計(jì)算、格點(diǎn)釋用和權(quán)重加權(quán)4個(gè)步驟［6］。具體來(lái)說(shuō)，首先根據(jù)參與集成模式最近一周的預(yù)報(bào)表現(xiàn)，分析各模式的平均絕對(duì)誤差空間分布，計(jì)算各站點(diǎn)不同模式的加權(quán)系數(shù)，在對(duì)加權(quán)系數(shù)進(jìn)行氣候分區(qū)和地形訂正等格點(diǎn)釋用后，再將最新模式起報(bào)產(chǎn)品加權(quán)集成得到溫度多模式集成產(chǎn)品，具體流程如圖1所示。

圖1 廣東省多模式集成溫度網(wǎng)格釋用業(yè)務(wù)技術(shù)流程示意圖

溫度多模式集成產(chǎn)品（MULT）空間分辨率為0.025°×0.025°，每天2次起報(bào)（00：00和12：00（UTC，下同）），預(yù)報(bào)時(shí)效為0～240 h，其中前0～72 h為上述4模式同時(shí)進(jìn)行集成，96～240 h僅由ECMWF和NCEP全球模式進(jìn)行集成。為避免因模式更新對(duì)評(píng)估結(jié)果造成影響，本研究對(duì)TRAMS最近一次更新后的溫度多模式集成產(chǎn)品（2019年9月—2020年6月）進(jìn)行評(píng)估和分析，同時(shí)為了保證各預(yù)報(bào)時(shí)效間的可比性和參與集成模式的一致性，分析12：00起報(bào)的0～72 h預(yù)報(bào)時(shí)效的集成產(chǎn)品。

根據(jù)中國(guó)氣象局《中短期天氣預(yù)報(bào)質(zhì)量檢驗(yàn)辦法》，本研究主要使用的評(píng)估參數(shù)有平均絕對(duì)誤差（MAE）、平均相對(duì)誤差（ME）、預(yù)報(bào)準(zhǔn)確率和預(yù)報(bào)技巧。

2 溫度多模式集成的應(yīng)用效果

溫度多模式集成的應(yīng)用效果分析包含整體預(yù)報(bào)性能評(píng)估、預(yù)報(bào)誤差空間分布特征分析和不同類(lèi)型天氣過(guò)程的適用性分析。其中整體預(yù)報(bào)性能評(píng)估從業(yè)務(wù)考核評(píng)分的角度分析各模式和集成產(chǎn)品的預(yù)報(bào)表現(xiàn)；預(yù)報(bào)誤差空間分布特征分析通過(guò)對(duì)比平均絕對(duì)誤差和相對(duì)誤差的空間分布討論各模式及集成產(chǎn)品在空間區(qū)位的優(yōu)劣；不同類(lèi)型天氣過(guò)程的適用性分析嘗試總結(jié)多模式集成在表現(xiàn)較優(yōu)和較差過(guò)程中的預(yù)報(bào)特征。

2.1 整體預(yù)報(bào)性能評(píng)估

從2019年9月至2020年6月的多模式平均絕對(duì)誤差對(duì)比（圖2）看出，MULT各個(gè)預(yù)報(bào)時(shí)效的預(yù)報(bào)誤差中均為最小，日最高（或低）氣溫的絕對(duì)誤差小于1.5℃（或1.3℃）。

圖2 多模式集成和各模式0～72 h日最高（a）和最低氣溫（b）平均絕對(duì)誤差

在參與集成的模式中，ECMWF和TRAMS的日最高氣溫和最低氣溫平均絕對(duì)誤差相對(duì)較?。籊RAPES＿M(jìn)ESO（或NCEP）在日最高（低）氣溫的平均絕對(duì)誤差接近TRAMS（或ECMWF）的2倍，在預(yù)報(bào)中應(yīng)盡量避免直接參考。MULT相對(duì)GRAPES＿M(jìn)ESO和NCEP的預(yù)報(bào)技巧最大，但相對(duì)表現(xiàn)較優(yōu)的TRAMS和ECMWF的預(yù)報(bào)技巧有限，尤其是對(duì)于ECMWF的日最低氣溫預(yù)報(bào)，預(yù)報(bào)技巧僅為5%左右。由此可見(jiàn)，MULT對(duì)日最高氣溫的預(yù)報(bào)技巧相對(duì)較高，在實(shí)際預(yù)報(bào)中可以作為重要的客觀參考產(chǎn)品之一。

整體時(shí)段的誤差評(píng)估無(wú)法反映各模式和多模式集成產(chǎn)品的季節(jié)性優(yōu)勢(shì)，仍需從平均絕對(duì)誤差的逐月演變對(duì)比各模式和多模式集成誤差的季節(jié)性變化特征。以48 h預(yù)報(bào)為例，多數(shù)月份中MULT日最高和最低氣溫預(yù)報(bào)的平均絕對(duì)誤差（圖3）均為最小，且誤差大小穩(wěn)定。日最高氣溫的平均絕對(duì)誤差有顯著的季節(jié)性變化，2019年9—11月、2020年6月為誤差谷值，而2019年12月份起至2020年4月為誤差峰值，這與誤差峰值期間冷空氣頻繁影響有一定的關(guān)系。在參與集成的模式中，ECMWF和TRAMS的日最高氣溫預(yù)報(bào)誤差變化相對(duì)穩(wěn)定且數(shù)值較小，這與圖2結(jié)論一致。日最低氣溫?zé)o顯著的季節(jié)性變化特征，多數(shù)月份的多模式集成和ECMWF均表現(xiàn)較優(yōu)，差異較小，均在1℃上下。可見(jiàn)，MULT在各個(gè)季節(jié)中均表現(xiàn)相對(duì)較好，平均絕對(duì)誤差無(wú)明顯季節(jié)性波動(dòng)。

預(yù)報(bào)準(zhǔn)確率（誤差2℃以內(nèi)）是重要的業(yè)務(wù)考核指標(biāo)之一。MULT的日最高氣溫和日最低氣溫的預(yù)報(bào)準(zhǔn)確率分別在70%以上和80%以上（圖4）。在參與集成的模式中，TRAMS（或ECMWF）的日最高氣溫（或日最低氣溫）表現(xiàn)較好，僅次于多模式集成，而GRAPES＿M(jìn)ESO的日最高氣溫預(yù)報(bào)準(zhǔn)確率僅為20%左右，在實(shí)際預(yù)報(bào)中應(yīng)謹(jǐn)慎參考。日最低氣溫的多模式集成與各參與模式預(yù)報(bào)準(zhǔn)確率差異較小，其中MULT較ECMWF僅有微弱優(yōu)勢(shì)。因此，無(wú)論是平均絕對(duì)誤差還是預(yù)報(bào)準(zhǔn)確率，多模式集成均顯示出較好的訂正效果，對(duì)日最高氣溫預(yù)報(bào)的改善幅度尤為顯著；在參與集成的模式中，ECMWF和TRAMS均表現(xiàn)出較優(yōu)的預(yù)報(bào)質(zhì)量和良好的穩(wěn)定性。

圖4 多模式集成和各模式0～72 h最高（a）和最低氣溫（b）預(yù)報(bào)準(zhǔn)確率（誤差2℃以內(nèi)）

2.2 預(yù)報(bào)誤差空間分布特征

從2.1節(jié)的分析可知，溫度多模式集成在日最高氣溫的優(yōu)勢(shì)最為顯著，因此本節(jié)以日最高氣溫48 h預(yù)報(bào)為例，討論多模式集成及參與集成模式的預(yù)報(bào)誤差空間分布特征，以幫助業(yè)務(wù)人員在網(wǎng)格預(yù)報(bào)編輯中對(duì)產(chǎn)品誤差的空間分布有更好的認(rèn)識(shí)。從平均絕對(duì)誤差的空間分布（圖5）來(lái)看，GRAPES＿M(jìn)ESO和NCEP誤差最大，在平均相對(duì)誤差圖上表現(xiàn)為全省性顯著的冷偏差。ECMWF在清遠(yuǎn)北部、韶關(guān)南部至河源西北部、梅州北部有平均絕對(duì)誤差大值區(qū)，平均相對(duì)誤差也表現(xiàn)為-2℃左右的冷偏差。TRAMS的平均絕對(duì)誤差在廣東省北部地區(qū)數(shù)值相對(duì)較小，在雷州半島南端有數(shù)值大值區(qū)，在平均相對(duì)誤差空間分布中廣東省北部和雷州半島南部分別表現(xiàn)為-1和-2℃左右的冷偏差。MULT的平均絕對(duì)誤差大值區(qū)與ECMWF和TRAMS分布一致，集中在廣東省北部和雷州半島南端，但數(shù)值小于所有參與集成的模式，珠三角和南部沿海地區(qū)平均絕對(duì)誤差較小，僅為0.5～1.0℃；另外，MULT在韶關(guān)西北部、河源中部易出現(xiàn)暖偏差，而在雷州半島南部、云浮中部以及潮汕部分地區(qū)易出現(xiàn)冷偏差。

圖5 多模式集成和各模式48 h日最高氣溫平均絕對(duì)誤差空間分布（單位：℃）

2.3 不同類(lèi)型天氣過(guò)程的適用性

將參與集成模式中表現(xiàn)最好的ECMWF、TRAMS定義為最優(yōu)集成模式。以日最高氣溫的48 h預(yù)報(bào)為例，定義多模式集成的最高氣溫平均絕對(duì)誤差在2℃以內(nèi)且小于最優(yōu)集成模式的過(guò)程為表現(xiàn)較好的過(guò)程（表略），在全省平均觀測(cè)實(shí)況和模式預(yù)報(bào)曲線（圖略）的分布上表現(xiàn)為過(guò)程前后最優(yōu)集成模式均表現(xiàn)為具有相對(duì)穩(wěn)定的冷偏差。表現(xiàn)較好的典型過(guò)程主要有4類(lèi)：持續(xù)性高溫過(guò)程、緩慢回升過(guò)程、無(wú)明顯降水的弱冷空氣過(guò)程、持續(xù)性無(wú)降水過(guò)程。

將多模式集成日最高氣溫平均絕對(duì)誤差超過(guò)2℃，且大于最優(yōu)集成模式的過(guò)程定義為表現(xiàn)較差的過(guò)程（表略），在全省平均觀測(cè)實(shí)況和模式預(yù)報(bào)曲線（圖略）的分布上表現(xiàn)為過(guò)程前后最優(yōu)集成模式與實(shí)況的偏差存在明顯的波動(dòng)。多數(shù)表現(xiàn)較差的過(guò)程均與受中等以上冷空氣影響造成持續(xù)性的降溫天氣有關(guān)：最優(yōu)集成模式在冷空氣影響的第2～3 d預(yù)報(bào)明顯的回溫，而實(shí)況溫度卻持續(xù)下降或維持較低的水平。分析典型過(guò)程對(duì)應(yīng)的形勢(shì)預(yù)報(bào)場(chǎng)（圖略），雖然地面層次模式預(yù)報(bào)溫度回升，但低層（925～850 hPa）溫度梯度仍未預(yù)報(bào)明顯疏散，或配合較厚的實(shí)況低層云量或陰雨天氣。多模式集成也存在高估（或低估）冷空氣強(qiáng)度的情況，但個(gè)例數(shù)相對(duì)較少，成因需進(jìn)一步分析。因此，實(shí)際預(yù)報(bào)中需重點(diǎn)留意冷空氣過(guò)程前后的回溫、降溫過(guò)程，當(dāng)預(yù)計(jì)云量較厚或有陰雨天氣且模式預(yù)報(bào)低層溫度梯度未發(fā)生明顯疏散時(shí)，參與集成模式的預(yù)報(bào)偏差可能會(huì)由負(fù)轉(zhuǎn)正，預(yù)報(bào)偏差的不穩(wěn)定會(huì)導(dǎo)致多模式集成產(chǎn)品的誤差跳躍式顯著增大，盲目的參考可能會(huì)導(dǎo)致預(yù)報(bào)質(zhì)量下降。

3 結(jié)論

1）同參與集成的模式相比，多模式集成釋用氣溫預(yù)報(bào)的誤差最小、準(zhǔn)確率（誤差2℃以內(nèi)）最高，且相對(duì)GRAPES＿M(jìn)ESO和NCEP的預(yù)報(bào)技巧最大，但相對(duì)表現(xiàn)較優(yōu)的TRAMS和ECMWF的預(yù)報(bào)技巧有限，其平均絕對(duì)誤差無(wú)明顯季節(jié)性波動(dòng)；

2）因加入了真實(shí)地形高度訂正方案，多模式集成釋用對(duì)模式地形偏差造成的山區(qū)溫度誤差偏大現(xiàn)象改善明顯，除河源中部，全省其余地區(qū)的平均絕對(duì)誤差在2℃以內(nèi)，且平均相對(duì)誤差在±1℃以內(nèi)；

3）多模式集成在持續(xù)性高溫、緩慢回溫、無(wú)明顯降水配合的弱冷空氣以及持續(xù)性無(wú)降水過(guò)程中表現(xiàn)較優(yōu)，在中等強(qiáng)度以上冷空氣造成的持續(xù)性降溫過(guò)程易表現(xiàn)不穩(wěn)定，在預(yù)報(bào)中需留意形勢(shì)場(chǎng)預(yù)報(bào)中低層溫度梯度是否有明顯疏散。