王 雪，何曉鳳，孫逸涵，劉善峰

(1.華風(fēng)氣象傳媒集團(tuán)有限責(zé)任公司，北京 100081；2.北京玖天氣象科技有限公司，北京 100081；3.北京華新天力能源氣象科技中心，北京 100081；4.國網(wǎng)河南省電力公司電力科學(xué)研究院，鄭州 450052)

引 言

隨著數(shù)值預(yù)報的快速發(fā)展，數(shù)值預(yù)報的分辨率明顯提高，但由于其空間分辨率有限，難以對更小區(qū)域作出精準(zhǔn)氣象預(yù)測?；谠紨?shù)值預(yù)報產(chǎn)品的精細(xì)化預(yù)報，一般有2種方法：一種是通過修改模式提升輸出產(chǎn)品的分辨率，另一種是利用降尺度技術(shù)[1-2]。方法1對模式改進(jìn)的要求高，且無法無限制地改進(jìn)模式輸出產(chǎn)品的分辨率；方法2計算量小，模式改進(jìn)成本低，且可將預(yù)報產(chǎn)品插值到更精細(xì)的區(qū)域或點(diǎn)位，在專業(yè)氣象服務(wù)中發(fā)揮了重要作用[3-4]。

降尺度方法包括統(tǒng)計降尺度、動力降尺度及統(tǒng)計—動力相結(jié)合降尺度共3種[5]。Wilby等[6-8]對降尺度技術(shù)的應(yīng)用進(jìn)行了詳細(xì)闡述。Kidson and Thompson(1998)[9]分別利用統(tǒng)計降尺度和動力降尺度方法進(jìn)行預(yù)測，發(fā)現(xiàn)動力降尺度雖有更好的物理基礎(chǔ)作為支撐，但統(tǒng)計降尺度簡單靈活，其效果與動力降尺度方法的差異不大，從應(yīng)用角度來看更為可取[10]。

統(tǒng)計降尺度方法是利用原始格點(diǎn)預(yù)報產(chǎn)品獲取具體區(qū)域或點(diǎn)位高分辨率產(chǎn)品的重要途徑，常應(yīng)用于精細(xì)化預(yù)報[11-12]。在短期天氣預(yù)測應(yīng)用領(lǐng)域使用的降尺度方法有雙線性插值、反距離權(quán)重法、最近鄰點(diǎn)插值等空間插值方法[13-18]，此外還有學(xué)者使用簡單的轉(zhuǎn)換函數(shù)[19-21]。

李剛等[20]利用反距離權(quán)重插值法對貴州省氣象站進(jìn)行氣溫精細(xì)化預(yù)報研究發(fā)現(xiàn)，降尺度技術(shù)處理后的氣溫預(yù)報效果得以明顯改進(jìn)。吳建秋等[22]采用線性回歸和卡爾曼濾波相結(jié)合的方法對南京進(jìn)行溫度預(yù)報研究發(fā)現(xiàn)，降尺度方法有效提高了溫度預(yù)報的準(zhǔn)確度及穩(wěn)定性。范麗軍等[23]利用降尺度方法對華北地區(qū)氣象站進(jìn)行月平均溫度變化預(yù)報研究發(fā)現(xiàn)，統(tǒng)計降尺度方法處理后的溫度與觀測的溫度基本一致。

雖然，降尺度方法在一定程度上提高了數(shù)值模式產(chǎn)品的精細(xì)化預(yù)報水平，但多以數(shù)學(xué)統(tǒng)計為基礎(chǔ)，預(yù)報過程中沒有考慮地形的作用，也無法保證哪種方法永遠(yuǎn)效果最佳，且目前基于多降尺度方法動態(tài)集成技術(shù)尚未在精細(xì)化預(yù)報中得以應(yīng)用。

本文以河南省氣象站為研究對象，基于“最近鄰點(diǎn)法、反距離權(quán)重法、地形高度最接近法、地形復(fù)雜度最接近法”4種降尺度方法及3種集成方法(滾動樣本時間分別為1天、3天及7天)，利用2018年四個季節(jié)的數(shù)值預(yù)報產(chǎn)品及站點(diǎn)觀測資料，對風(fēng)速、溫度、濕度進(jìn)行預(yù)報效果檢驗(yàn)，探討7種方法對不同季節(jié)、不同地貌特征條件下的氣象站預(yù)報效果。此外，為了充分探索上述方法的普遍性，以大風(fēng)過程為著眼點(diǎn)，研究大風(fēng)過程條件下7種方法的站點(diǎn)風(fēng)速預(yù)報能力。

1 數(shù)據(jù)來源和處理

本文研究區(qū)域?yàn)?2°-36°N、110°-116°E(河南省大部)，使用的數(shù)據(jù)資料為2018年春(4月)、夏(7月)、秋(10月)、冬(1月)的逐小時模式預(yù)報資料及觀測資料。

1.1 模式預(yù)報數(shù)據(jù)

GDFS(Grid Data Forecast System)[24]是一套多模式集成預(yù)報系統(tǒng)，可輸出風(fēng)速、溫度等多種氣象要素，以ECMWF(European Centre for Medium-Range Weather Forecasts)和GRAPES_Meso(Global/Regional Assimilation and Prediction Enhanced System)模式產(chǎn)品為輸入數(shù)據(jù)，通過對全國6萬多個自動站觀測資料與預(yù)報資料誤差的動態(tài)估算，確定不同空間位置、不同預(yù)報時刻的集成權(quán)重，輸出集成預(yù)報結(jié)果。ECMWF是歐洲中心的高分辨率全球業(yè)務(wù)模式，GRAPES_Meso[25]是我國自主研發(fā)的業(yè)務(wù)化區(qū)域數(shù)值模式。

1.2 觀測數(shù)據(jù)

本文從全國氣象要素觀測的逐時數(shù)據(jù)集中搜集整理了河南省121個氣象站的觀測資料，包括風(fēng)速、溫度、濕度等要素。依據(jù)地貌特征,將氣象站分為A、B、C三類。其中，A類站點(diǎn)海拔高度小于100 m，共70個；B類站點(diǎn)海拔高度范圍為[100 m,300 m)，共36個；C類站點(diǎn)海拔高度大于等于300 m，共15個。

2 方法介紹

2.1 4種降尺度方法

2.1.1 最近鄰點(diǎn)法

最近鄰點(diǎn)法又叫泰森多邊形方法，利用插值點(diǎn)最近的單點(diǎn)進(jìn)行插值，一個隱含假設(shè)條件是任一網(wǎng)格點(diǎn)的屬性值都使用距它最近位置點(diǎn)的屬性值，即采用每一個網(wǎng)格節(jié)點(diǎn)的最鄰點(diǎn)值作為它的節(jié)點(diǎn)值。

2.1.2 反距離權(quán)重法

反距離權(quán)重法是假設(shè)周圍樣本對預(yù)測點(diǎn)均有一定影響，且影響隨著距離的增大而減小。本文中反距離權(quán)重法采用的周圍樣本數(shù)為4點(diǎn)，其原理是插值點(diǎn)的屬性值為周圍4點(diǎn)屬性值的加權(quán)平均，權(quán)重系數(shù)的大小與插值點(diǎn)到周圍4點(diǎn)的距離有關(guān)。

2.1.3 地形高度最接近法

地形高度最接近法是考慮了地形高度的一種降尺度方法。氣象站是帶海拔高度的空間坐標(biāo)點(diǎn)，預(yù)報格點(diǎn)數(shù)據(jù)是帶有空間坐標(biāo)關(guān)系的格子，每個格子均有預(yù)報信息，計算插值點(diǎn)與所在預(yù)報格點(diǎn)4個節(jié)點(diǎn)的海拔高度差，選擇高度差最小的節(jié)點(diǎn)預(yù)報值代表插值點(diǎn)的預(yù)報值。

2.1.4 地形復(fù)雜度最接近法

地形復(fù)雜度最接近法是考慮了地形復(fù)雜度的一種降尺度方法。地形復(fù)雜度是評價地表崎嶇程度的指標(biāo)，表征地表形態(tài)的復(fù)雜程度。鑒于本文研究區(qū)域處于內(nèi)陸，定義地形復(fù)雜度為：以插值點(diǎn)為中心，劃定邊長為模式資料分辨率(2.5 km)的正方形區(qū)域，搜索此方形區(qū)域中真實(shí)海拔高度的最高點(diǎn)A與最低點(diǎn)B，即區(qū)域中海拔高度相差最大的兩個點(diǎn)，然后計算A、B點(diǎn)的海拔高度差值，即為該插值點(diǎn)的地形復(fù)雜度γ。地形復(fù)雜度的計算采用美國SRTM3的90 m分辨率地形數(shù)據(jù)，分別計算插值點(diǎn)與所在數(shù)值預(yù)報網(wǎng)格點(diǎn)4個點(diǎn)位的地形復(fù)雜度，選擇與插值點(diǎn)復(fù)雜度最接近的節(jié)點(diǎn)預(yù)報值來代表插值點(diǎn)的預(yù)報值。

2.2 動態(tài)集成方法

本文設(shè)置了3種動態(tài)集成方法。集成方法中預(yù)報值為4種降尺度方法預(yù)報值的加權(quán)平均，權(quán)重的大小與4種方法的絕對誤差有關(guān)。滾動樣本分別為1天、3天及7天，當(dāng)前時次的權(quán)重計算利用歷史時次的檢驗(yàn)參數(shù)(絕對誤差)，1天、3天、7天的集成方法中權(quán)重計算分別利用前1天、3天、7天檢驗(yàn)參數(shù)的平均值。此集成方法除考慮了與預(yù)報準(zhǔn)確性密切相關(guān)的距離、地形高度、地形復(fù)雜度等要素的指示意義外，還考慮了合理設(shè)置4種降尺度方法的權(quán)重，可在一定程度上彌補(bǔ)單一降尺度方法的不穩(wěn)定性和不確定性。公式如下：

AEk,j=|Yk,j-Oj|

(1)

(2)

(3)

式中，Yj為集成方法第j時次的預(yù)報值，Oj為第j時次的觀測值，Yk,j為第k種方法在第j時次的預(yù)報值,Wk,j為第k種方法第j時次的權(quán)重，AEk,j為第k種方法在第j時次的絕對誤差。

2.3 驗(yàn)證方法

本文采用絕對誤差(公式1)評估7種方法的預(yù)報性能，絕對誤差在一定程度上避免出現(xiàn)正負(fù)相抵消的情況，能較好地反映預(yù)報效果的實(shí)際情況。

3 結(jié)果分析

考慮到集成方法滾動樣本最長為7天，因此每月的有效檢驗(yàn)時段為23天。下文分別是整體評估角度下四個季節(jié)三類氣象站的風(fēng)速、溫度、濕度分別通過7種降尺度方法處理后的檢驗(yàn)情況，以及大風(fēng)過程下7種方法對風(fēng)速預(yù)報的檢驗(yàn)情況。

3.1 整體預(yù)報性能評估

3.1.1 風(fēng)速預(yù)報結(jié)果分析

分析7種方法處理后的風(fēng)速相同時刻平均誤差的逐時演變發(fā)現(xiàn)，季節(jié)變化對風(fēng)速預(yù)報影響較小，四個季節(jié)的檢驗(yàn)結(jié)論基本一致(以秋季為例，其余季節(jié)圖略)：對于地勢平坦的A類站點(diǎn)(圖1a)，7種方法的平均風(fēng)速誤差差異較小，滾動樣本最短的集成方法與反距離權(quán)重法的預(yù)報誤差相對偏低，另外兩種集成方法的次之；隨著地形高度的提升(圖1b、c)，最近鄰點(diǎn)法、地形高度最接近法與地形復(fù)雜度最接近法的預(yù)報效果明顯變差，7種方法的預(yù)報誤差差異明顯增大，此時反距離權(quán)重法的預(yù)報效果最好，滾動樣本最短的集成方法的次之，之后是另外兩種集成方法的預(yù)報效果。分析7種方法在三類站點(diǎn)四個季節(jié)的風(fēng)速日平均誤差發(fā)現(xiàn)(圖略)，四個季節(jié)三類站點(diǎn)風(fēng)速日平均誤差的檢驗(yàn)結(jié)果與逐時風(fēng)速平均誤差的檢驗(yàn)結(jié)果基本一致。

圖1 2018年10月7種方法在三類氣象站的風(fēng)速逐時平均誤差

鑒于3種集成方法中絕大部分情況下第一種集成方法預(yù)報效果較好，因此采用第一種集成方法與4種降尺度方法進(jìn)行預(yù)報效果對比。對于海拔高度較低的A類站點(diǎn)，5種方法的誤差差異較小，B類與C類站點(diǎn)的最值誤差的逐時演變基本一致。以B類站點(diǎn)為例(圖略)，對比5種方法處理后的風(fēng)速誤差最值發(fā)現(xiàn)，經(jīng)過集成方法處理后的風(fēng)速最大誤差及最小誤差均處于5種方法誤差區(qū)間的偏低位置，有效降低了風(fēng)速的最大及最小誤差。

由7種方法在三類站點(diǎn)四個季節(jié)預(yù)報的風(fēng)速整體平均誤差可看出(表1)：對于不同季節(jié)、不同地形高度的站點(diǎn)均表現(xiàn)為集成方法1與反距離權(quán)重法的預(yù)報誤差較小，集成方法2、3比另外3種降尺度方法的預(yù)報誤差小，即集成方法在一定程度上降低了風(fēng)速預(yù)報誤差，其中滾動樣本長度最短的集成方法預(yù)報效果相對較好。因此，對于精細(xì)化站點(diǎn)風(fēng)速預(yù)報，宜采用反距離權(quán)重法或集成方法1。

表1 7種方法在三類氣象站的風(fēng)速整體平均誤差 m/s

對比不同季節(jié)的風(fēng)速預(yù)報效果發(fā)現(xiàn)，夏季與冬季風(fēng)速預(yù)報效果最好，其次為秋季的，春季的預(yù)報效果最差；不同季節(jié)的風(fēng)速預(yù)報準(zhǔn)確性與地形高度有一定相關(guān)，例如對于春季及秋季，A類站點(diǎn)預(yù)報誤差明顯高于B、C類站點(diǎn)的。

3.1.2 溫度預(yù)報結(jié)果分析

分析7種方法在三類站點(diǎn)四個季節(jié)預(yù)報的溫度日平均誤差發(fā)現(xiàn)，四個季節(jié)的檢驗(yàn)結(jié)論基本一致(以春季為例，其余季節(jié)圖略)：對于地勢平坦的A類站點(diǎn)(圖2a)，7種方法的日平均誤差差異較小，反距離權(quán)重法與集成方法預(yù)報效果相對較好，地形高度最接近法的次之；隨著地形高度的增加，預(yù)報誤差逐漸增加，對于地勢較高的B、C類站點(diǎn)(圖2b、2c)，4種降尺度方法的誤差差異明顯增大，反距離權(quán)重法、地形復(fù)雜度最接近法及最近鄰點(diǎn)法的預(yù)報誤差明顯增加，此時地形高度最接近法與動態(tài)集成方法的預(yù)報效果較好。分析7種方法處理后的溫度相同時刻平均誤差的逐時演變發(fā)現(xiàn)(圖略)，三類站點(diǎn)逐時平均誤差的檢驗(yàn)結(jié)果與日平均誤差的檢驗(yàn)結(jié)果大體一致。

圖2 2018年4月7種方法在三類氣象站的溫度逐日平均誤差

對比分析4種降尺度方法和第一種集成方法處理后的三類站點(diǎn)中相同時刻下溫度最大及最小誤差發(fā)現(xiàn)，經(jīng)過集成方法處理后的溫度最大誤差及最小誤差均處于5種方法誤差區(qū)間的偏低位置(圖略)，在一定程度上提高了溫度預(yù)報的準(zhǔn)確率及穩(wěn)定性。

由7種方法在三類站點(diǎn)四個季節(jié)預(yù)報的溫度整體平均誤差可看出(表2)：對于不同季節(jié)的站點(diǎn)溫度預(yù)報，地形高度較低時，集成方法與反距離權(quán)重法預(yù)報效果相對較好；隨著地形高度的提升，集成方法與地形高度最接近法預(yù)報效果相對較好；3種集成方法中，樣本長度最短的集成方法1預(yù)報效果相對較好。因此，對于精細(xì)化站點(diǎn)溫度預(yù)報，地形高度較低時，宜采用集成方法1及反距離權(quán)重法；隨著地形高度的提升，宜采用集成方法1及地形高度最接近法。

表2 7種方法在三類氣象站的溫度整體平均誤差 ℃

對比不同地形高度的站點(diǎn)預(yù)報效果發(fā)現(xiàn)：對于A、B類站點(diǎn)，7種方法的預(yù)報誤差差異較小，且均低于1.6 ℃；隨著地形高度及復(fù)雜度的提升，7種方法的預(yù)報誤差及差異性均明顯增加。對比不同季節(jié)的溫度預(yù)報效果可看出：秋季溫度預(yù)報效果相對較好，夏季的次之，春季與冬季的預(yù)報效果最差。

3.1.3 濕度預(yù)報結(jié)果分析

分析7種方法在三類站點(diǎn)四個季節(jié)預(yù)報的濕度日平均誤差發(fā)現(xiàn)，夏季與秋季的檢驗(yàn)結(jié)論一致，春季與冬季的檢驗(yàn)結(jié)論一致(以夏季、冬季為例，其余季節(jié)圖略)：對于地勢平坦的A類站點(diǎn)，動態(tài)集成方法與普通降尺度方法的預(yù)報效果基本一致(圖3a、4a)；隨著地形高度及復(fù)雜度的提升，誤差和差異明顯增大，3種集成方法的預(yù)報效果依舊較好，其中滾動樣本最短的集成方法預(yù)報效果最好。夏季及秋季時(圖3b、c)，4種普通降尺度方法中反距離權(quán)重法預(yù)報效果相對較好；春季及冬季時(圖4b、c)，4種普通降尺度方法中地形高度最接近法預(yù)報效果相對較好。分析7種方法處理后的濕度相同時刻平均誤差的逐時演變發(fā)現(xiàn)(圖略)，三類站點(diǎn)逐時平均誤差的檢驗(yàn)結(jié)果與日平均誤差的檢驗(yàn)結(jié)果大體一致。

圖3 2018年7月7種方法在三類氣象站的濕度逐日平均誤差

圖4 2018年1月7種方法在三類氣象站的濕度逐日平均誤差

對比分析4種降尺度方法和第一種集成方法處理后的三類站點(diǎn)中相同時刻下濕度最大及最小誤差發(fā)現(xiàn)，集成方法與4種方法的濕度預(yù)報最小誤差差異較小，但集成方法的濕度預(yù)報最大誤差穩(wěn)定處于5種方法誤差區(qū)間的偏低位置，有效降低了濕度預(yù)報誤差。

對比7種方法在三類站點(diǎn)四個季節(jié)預(yù)報的濕度整體平均誤差發(fā)現(xiàn)(表3)，不同季節(jié)、不同地形高度的站點(diǎn)最佳預(yù)報方法不一：春季和冬季時，宜采用集成方法與地形高度最接近法；夏季和秋季時，宜采用集成方法與反距離權(quán)重法。整體來看，4種普通降尺度中，反距離權(quán)重法與地形高度最接近法預(yù)報效果相對較好；3種集成方法中，樣本長度最短的集成方法1預(yù)報效果相對較好。

表3 7種方法在三類氣象站的濕度整體平均誤差 %

對比不同季節(jié)的濕度預(yù)報效果看出，不同季節(jié)的濕度預(yù)報效果在一定程度上受地形的影響：夏季時誤差隨地形高度的提升而降低；與夏季相反，冬季時誤差隨地形高度的提升而增加；春季與秋季時誤差隨地形高度的提升呈先降低后增加的變化趨勢。此外，隨著地形高度的增加，預(yù)報的濕度誤差季節(jié)差異逐漸變大。

3.2 大風(fēng)天氣過程預(yù)報性能評估

基于2018年1月、4月、7月、10月的氣象站風(fēng)速觀測數(shù)據(jù)，判定大部分站點(diǎn)10 min平均風(fēng)速為4級風(fēng)以上的日期為一個大風(fēng)天。按此標(biāo)準(zhǔn)，共篩選了6個大風(fēng)天。分析7種方法處理后的大風(fēng)天風(fēng)速平均誤差發(fā)現(xiàn)：對于地勢平坦的A類站點(diǎn)，7種方法的平均誤差差異較小，除了第4個大風(fēng)天反距離權(quán)重法預(yù)報效果相對較好外，其余5個大風(fēng)天地形復(fù)雜度最接近法預(yù)報效果較好，樣本長度最短的集成方法的次之。隨著地形高度的提升，地形高度最接近法預(yù)報效果顯著提升，地形復(fù)雜度最接近法預(yù)報效果相對變差。其中，對于B類站點(diǎn)，前3個大風(fēng)天及第6個大風(fēng)天，地形高度最接近法預(yù)報效果較好，第4、5個大風(fēng)天，反距離權(quán)重法效果較好；對于C類站點(diǎn)，7種方法的平均風(fēng)速誤差差異明顯增大，地形高度最接近法預(yù)報效果依舊較好，其次為反距離權(quán)重法的預(yù)報效果。

對比大風(fēng)過程中7種方法在三類站點(diǎn)預(yù)報的風(fēng)速整體平均誤差發(fā)現(xiàn)(表4)：對于A類站點(diǎn)，宜采用地形復(fù)雜度最接近法或集成方法1；對于B類站點(diǎn)，宜采用地形高度最接近法或反距離權(quán)重法；對于地形高度較高的C類站點(diǎn)，宜采用地形高度最接近法，其次為反距離權(quán)重法。因此，在無天氣過程下風(fēng)速預(yù)報宜采用的反距離權(quán)重法不再普遍適用于大風(fēng)過程，且集成方法的優(yōu)越性很難在大風(fēng)過程中體現(xiàn)，尤其是對于地形高度偏高的B、C類站點(diǎn)。

表4 大風(fēng)過程下7種方法在三類氣象站的風(fēng)速平均誤差 m/s

4 結(jié) 論

本文基于最近鄰點(diǎn)法、反距離權(quán)重法、地形高度最接近法、地形復(fù)雜度最接近法，以及基于4種降尺度方法的動態(tài)集成方法(滾動樣本=1天、3天、7天)共7種方法，利用GDFS逐小時預(yù)報數(shù)據(jù)及氣象站觀測數(shù)據(jù)，探討了7種方法對河南省2018年四個季節(jié)、不同地形高度氣象站的風(fēng)速、溫度及濕度的預(yù)報效果，主要結(jié)論如下：

(1)多方案動態(tài)集成方法，避免了單一預(yù)報方法造成的不穩(wěn)定性和不確定性，整體上有效提高了風(fēng)速、溫度、濕度的預(yù)報準(zhǔn)確率及穩(wěn)定性，適用于不同季節(jié)及不同地形條件，尤其是滾動樣本長度最短的動態(tài)集成方法，預(yù)報提升效果最為顯著。

(2)從整體預(yù)報性能評估來看，對于精細(xì)化站點(diǎn)風(fēng)速預(yù)報，宜采用反距離權(quán)重法或樣本長度最短的動態(tài)集成方法。對于大風(fēng)過程下的精細(xì)化站點(diǎn)風(fēng)速預(yù)報，地形高度較低時，宜采用地形復(fù)雜度最接近法或集成方法1；地形高度偏高時，宜采用地形高度最接近法或反距離權(quán)重法。

(3)對于精細(xì)化站點(diǎn)溫度預(yù)報，地形高度較低時，宜采用樣本長度最短的集成方法及反距離權(quán)重法；隨著地形高度的提升，7種方法的預(yù)報誤差差異明顯增大，宜采用樣本長度最短的集成方法及地形高度最接近法。不同季節(jié)中，秋季的預(yù)報誤差相對較小。

(4)對于精細(xì)化站點(diǎn)濕度預(yù)報，夏季及秋季時，宜采用樣本長度最短的集成方法及反距離權(quán)重法，春季及冬季時，宜采用樣本長度最短的集成方法及地形高度最接近法。

(5)對于風(fēng)速、溫度、濕度要素，不同季節(jié)的預(yù)報準(zhǔn)確率在一定程度上均受地形高度影響。