陳勇 王小虎 劉東

（重慶市黔江區(qū)氣象局，黔江 400900）

0 引言

隨著預(yù)報(bào)技術(shù)的發(fā)展，數(shù)值預(yù)報(bào)產(chǎn)品在預(yù)報(bào)制作中起到非常重要的作用，國(guó)內(nèi)有許多對(duì)多種數(shù)值預(yù)報(bào)模式進(jìn)行過(guò)釋用分析和對(duì)比的研究：如張宏芳等發(fā)現(xiàn)，ECMWF模式24 h晴雨，暴雨預(yù)報(bào)總體評(píng)分高于JAPAN模式；張寧娜等發(fā)現(xiàn)，降水預(yù)報(bào)中，GERMAN對(duì)中國(guó)東北地區(qū)的晴雨預(yù)報(bào)、一般性降水預(yù)報(bào)效果較好，而T639數(shù)值預(yù)報(bào)中的24～120 h的暴雨預(yù)報(bào)的TS評(píng)分明顯高于GERMAN降水預(yù)報(bào)；張建海等發(fā)現(xiàn)，對(duì)中雨及以下量級(jí)的降水預(yù)報(bào)，JMH和中央氣象臺(tái)降水預(yù)報(bào)準(zhǔn)確率較高，但對(duì)大雨及以上量級(jí)降水預(yù)報(bào)，各種方法均不太理想；蔡薌寧等發(fā)現(xiàn)，通過(guò)中期預(yù)報(bào)性能檢驗(yàn)，從整體角度看，各種數(shù)值預(yù)報(bào)產(chǎn)品預(yù)報(bào)準(zhǔn)確率隨時(shí)間變化逐步降低，但ECMWF預(yù)報(bào)效果相對(duì)較穩(wěn)定；袁冬美等發(fā)現(xiàn)，通過(guò)對(duì)ECMWF、T639、GRAPES-GFS、GTEJ等4種模式降水檢驗(yàn)發(fā)現(xiàn)，對(duì)于秋季、冬季降水預(yù)報(bào)，ECMWF、GTEJ參考性較強(qiáng)。

黔江區(qū)地處重慶市東南部，位于武陵山區(qū)腹地，東臨咸豐、西接彭水、南連酉陽(yáng)、北接利川，整個(gè)武陵山區(qū)域具有明顯的氣候相似性，為典型的山地氣候，故主要以黔江為代表，所需氣象資料便于收集整理。同時(shí)，因山地氣候曾有十里不同天的說(shuō)法，預(yù)報(bào)員在制作天氣預(yù)報(bào)時(shí)，晴雨預(yù)報(bào)往往難以把握，面對(duì)不同的數(shù)值預(yù)報(bào)產(chǎn)品也很難取舍，迫切需要知道哪種模式在降水預(yù)報(bào)中性能較好，可信度高。特別是汛期（5—9月）大雨以上的系統(tǒng)性較強(qiáng)降水過(guò)程以及無(wú)系統(tǒng)影響的武陵山地區(qū)午后局地性較強(qiáng)的對(duì)流性降水過(guò)程，對(duì)開(kāi)始時(shí)間、結(jié)束時(shí)間、量級(jí)等的預(yù)報(bào)到底哪一家模式參考價(jià)值較大，對(duì)此研究有非常重要的意義。同時(shí)武陵山區(qū)地緣關(guān)系非常密切，自然條件、生態(tài)環(huán)境、氣候條件等區(qū)域自然環(huán)境非常相似，即所謂的山同脈、水同源，其數(shù)值預(yù)報(bào)檢驗(yàn)結(jié)果應(yīng)該對(duì)本區(qū)域的其他區(qū)縣站點(diǎn)有非常好的借鑒意義。因此做好數(shù)值預(yù)報(bào)產(chǎn)品降水預(yù)報(bào)性能檢驗(yàn)分析，進(jìn)一步掌握不同數(shù)值預(yù)報(bào)模式的預(yù)報(bào)性能及誤差特征，以便能更好地制作本地天氣預(yù)報(bào)，提高預(yù)報(bào)準(zhǔn)確率和精細(xì)化服務(wù)水平。

本文主要是采用中國(guó)局下發(fā)的MICAPS4.5中的ECMWF、GRAPES-GFS、JAPAN、GERMAN產(chǎn)品中的降水預(yù)報(bào)產(chǎn)品與對(duì)應(yīng)格點(diǎn)黔江（108°47′E，29°32′N(xiāo)）進(jìn)行檢驗(yàn)，有效時(shí)段按照現(xiàn)行的業(yè)務(wù)質(zhì)量考核中僅僅檢驗(yàn)24～48 h小時(shí)降水預(yù)報(bào)即可。

1 資料與方法

本文主要選取2018年3月—2019年6月中國(guó)氣象局下發(fā)的MICAPS4.5中的ECMWF、GRAPES-GFS、JAPAN、GERMAN等降水產(chǎn)品資料，起報(bào)時(shí)間為20：00，預(yù)報(bào)時(shí)效24～48 h作為檢驗(yàn)對(duì)象，實(shí)況資料選取黔江本站的降水實(shí)測(cè)資料，如果資料缺測(cè)則該日不參加檢驗(yàn)。由于ECMWF、GRAPES-GFS、JAPAN、GERMAN等降水格點(diǎn)資料分辨率與黔江站點(diǎn)并非一一對(duì)應(yīng)，為了方便檢驗(yàn)，將預(yù)報(bào)產(chǎn)品通過(guò)雙線性插值法插值到黔江本站，建立降水產(chǎn)品資料數(shù)據(jù)庫(kù)，然后與實(shí)況再進(jìn)行質(zhì)量檢驗(yàn)。

具體檢驗(yàn)標(biāo)準(zhǔn)為：將24 h、48 h雨量劃分為0.1～9.9 mm、10～24.9 mm、25～49.9 mm、50 mm以上。其中晴雨預(yù)報(bào)不作分級(jí)檢驗(yàn)，如模式預(yù)報(bào)24 h、48 h有降水，則實(shí)況24 h、48 h分別出現(xiàn)0.1 mm以上為正確，否則為空?qǐng)?bào)；如預(yù)報(bào)無(wú)降水，出現(xiàn)0.1 mm以上則為漏報(bào)。

應(yīng)用相關(guān)系數(shù)法、TS評(píng)分及均方根誤差等統(tǒng)計(jì)方法，按照預(yù)報(bào)考核的四季劃分為：冬季（12—次年2月）、春季（3—5月）、夏季（6—8月）、秋季（9—11月），檢驗(yàn)分析各模式20時(shí)起報(bào)的24～48 h預(yù)報(bào)與實(shí)況的相關(guān)系數(shù)、TS評(píng)分及均方根誤差。

2 檢驗(yàn)結(jié)果與分析

2.1 相關(guān)系數(shù)分析

結(jié)果表明（表1）：ECMWF、GRAPES-GFS、JAPAN、GERMAN等20時(shí)起報(bào)的降水預(yù)報(bào)資料均與實(shí)況降水資料的相關(guān)系數(shù)在24～48 h都在0.8197以上，其中ECMWF最高可達(dá)0.9678，均能通過(guò)

α

=0.001信度檢驗(yàn)，表明預(yù)報(bào)與實(shí)況有非常顯著的相關(guān)性。

表1 不同數(shù)值預(yù)報(bào)模式要數(shù)格點(diǎn)預(yù)報(bào)與實(shí)況的相關(guān)系數(shù)Table 1 Correlation coefficients between grid point prediction and real observation should be counted for various numerical prediction models

幾種模式24～48 h相關(guān)系數(shù)以秋季、冬季最高、春季次之、夏季最低，表現(xiàn)出相當(dāng)?shù)囊恢滦?，也符合黔江山區(qū)總體氣候規(guī)律。從預(yù)報(bào)時(shí)效看，隨著預(yù)報(bào)時(shí)效性延長(zhǎng)，48 h預(yù)報(bào)相關(guān)系數(shù)均小于24 h相關(guān)系數(shù)，均有一致性。

從模式預(yù)報(bào)效能看，EC模式不論春季、夏季、秋季、冬季等降水預(yù)報(bào)產(chǎn)品的相關(guān)性均優(yōu)于其他模式，GRAPES-GFS次之。從預(yù)報(bào)員實(shí)際業(yè)務(wù)運(yùn)用模式情況看，JAPAN、GERMAN等模式參考性不強(qiáng)。

2.2 均方根誤差分析

均方根誤差是預(yù)測(cè)值與實(shí)況值偏差的平方與樣本次數(shù)

N

比值的平方根，能夠反映一個(gè)數(shù)據(jù)集的離散程度，能夠很好檢驗(yàn)?zāi)Ｊ叫阅?。ECMWF、GRAPESGFS、JAPAN、GERMAN等20時(shí)起報(bào)的降水預(yù)報(bào)資料與實(shí)況降水資料的24～48 h均方根誤差見(jiàn)表2。

表2 不同數(shù)值預(yù)報(bào)模式要數(shù)格點(diǎn)預(yù)報(bào)與實(shí)況的均方根誤差Table 2 The root mean square error of numerical forecast model and actual

表2 顯示：從季節(jié)上看，秋季、冬季各家模式預(yù)報(bào)出來(lái)的降水，均相對(duì)于春季、夏季等均方根誤差要小，體現(xiàn)了模式的一致性，冬季最小、其次是秋季。從各家模式本身均方根誤差來(lái)看，24 h EC要優(yōu)于GRAPES-GFS、JAPAN、GERMAN等模式預(yù)報(bào)，各季誤差在2.4%～10.3%，48 h春季GRAPES-GFS要優(yōu)于EC、JAPAN、GERMAN，但其他季節(jié)，EC仍然優(yōu)于其他模式。

2.3 TS評(píng)分檢驗(yàn)分析

對(duì)各家模式降水檢驗(yàn)，按照市局業(yè)務(wù)規(guī)定進(jìn)行。公式為：

其中

NA

為正確次數(shù)、

NB

漏報(bào)次數(shù)、

NC

為空?qǐng)?bào)次數(shù)。這里規(guī)定24～48 h晴雨預(yù)報(bào)只要雨量大于0.1 mm就算正確，結(jié)果如表3。

結(jié)果表明，晴雨預(yù)報(bào)TS評(píng)分EC最高為62%，最小為JAPAN的49%，因此EC總體仍然優(yōu)于GRAPESGFS、JAPAN、GERMAN模式預(yù)報(bào)，在制作晴雨預(yù)報(bào)時(shí)，有一定的參考價(jià)值。

雖然TS評(píng)分有較大差別，0.1～9.9 mm小雨量級(jí)的降水預(yù)報(bào)各家模式卻表現(xiàn)出較好的一致性，均高于其他量級(jí)預(yù)報(bào)，最高EC達(dá)到80%；但≥50.0 mm預(yù)報(bào)GRAPES-GFS達(dá)到70%，明顯優(yōu)于其他模式，參考價(jià)值較高。

從降水季節(jié)看，夏季TS評(píng)分普遍較低，但秋季TS評(píng)分也表現(xiàn)出較好的一致性，較其他季節(jié)高；夏季TS評(píng)分也表現(xiàn)出較好的一致性，較其他季節(jié)低。

48 h降水預(yù)報(bào)（表略）與24 h預(yù)報(bào)（表3）一樣，各家模式秋季、夏季降水及0.1～9.9 mm均能表現(xiàn)出較好的一致性，但隨著時(shí)間的推移，48 h EC晴雨TS評(píng)分也能夠達(dá)到60%，與其他模式差距開(kāi)始顯現(xiàn)，特別是≥50 mm雨量預(yù)報(bào)，EC反而從24小時(shí)的44%上升到70%，其他模式則顯著下降，因此EC仍然具有參考價(jià)值。

表3 不同數(shù)值預(yù)報(bào)模式降水檢驗(yàn)結(jié)果（24 h）Table 3 Precipitation test results of different numerical forecast models (24 hours)

3 結(jié)語(yǔ)

1）EC、GRAPES-GFS、JAPAN、GERMAN等模式降水預(yù)報(bào)產(chǎn)品與本站實(shí)況均具有顯著的相關(guān)性，也具有一致性。秋冬季最高、春季次之、夏季最低，但各家模式也有不同的差異，EC模式相關(guān)性仍然要優(yōu)于其他模式。

2）各家模式降水預(yù)報(bào)產(chǎn)品與本站實(shí)況的均方根誤差從季節(jié)上看，秋季、冬季等各家模式預(yù)報(bào)出來(lái)的降水冬季最小，其次是秋季，而春季、夏季等均方根誤差要大一些，體現(xiàn)出了模式的一致性和本地的一些氣候規(guī)律。從各家模式本身均方根誤差來(lái)看，24 h EC要優(yōu)于GRAPES-GFS、JAPAN、GERMAN等模式預(yù)報(bào)，48 h春季GRAPES-GFS要優(yōu)于EC、JAPAN、GERMAN，但其他季節(jié)，EC仍然優(yōu)于其他模式。

3）各家模式降水預(yù)報(bào)產(chǎn)品中，EC TS評(píng)分不論24 h還是48 h，晴雨預(yù)報(bào)均能達(dá)到60以上，具有很好的參考價(jià)值。GRAPES-GFS可以在24 h≥50 mm以上量級(jí)預(yù)報(bào)時(shí)能夠達(dá)到70%，但隨著時(shí)間推移，模式差距越來(lái)越明顯，EC在24 h≥50 mm以上量級(jí)TS評(píng)分還在上升，JAPAN和GERMAN模式在晴雨及其他預(yù)報(bào)參考價(jià)值均不理想，因此在預(yù)報(bào)業(yè)務(wù)工作中，當(dāng)各類數(shù)值預(yù)報(bào)模式不一致時(shí)，要適當(dāng)傾向于參考性較強(qiáng)的預(yù)報(bào)模式，幫助主觀判斷，做出最接近實(shí)況的預(yù)報(bào)。因資料年限太短，故樣本數(shù)據(jù)不多，因此還需要在今后的工作中多檢驗(yàn)，預(yù)報(bào)員在制作預(yù)報(bào)時(shí)還必須結(jié)合各類資料分析才能進(jìn)一步搞準(zhǔn)預(yù)報(bào)，提高預(yù)報(bào)準(zhǔn)確率和服務(wù)水平。