夏 陽(yáng)，孫 翔，胡 萍，張 強(qiáng)，陳翱章，王 芬

(1.貴州省六盤(pán)水市氣象局，貴州 六盤(pán)水 553000；2.貴州省銅仁市氣象局，貴州 銅仁 554300；3.貴州省黔西南布依族苗族自治州氣象局，貴州 興義 562400)

0 引言

近年來(lái)，氣象事業(yè)在保障國(guó)民經(jīng)濟(jì)發(fā)展和服務(wù)社會(huì)公眾生活中的地位不斷提升，地方政府部門(mén)和社會(huì)公眾對(duì)于更加全面、準(zhǔn)確、精細(xì)的天氣預(yù)報(bào)信息需求也愈加旺盛。由于數(shù)值模式的預(yù)報(bào)偏差在較長(zhǎng)的一個(gè)時(shí)期內(nèi)始終存在[1]，想要獲取高時(shí)空分辨率和高準(zhǔn)確率的預(yù)報(bào)信息，除了通過(guò)優(yōu)化初值場(chǎng)和物理過(guò)程參數(shù)化方案提升高分辨率數(shù)值模式的預(yù)報(bào)能力外，加強(qiáng)對(duì)數(shù)值模式產(chǎn)品的客觀化分析和解釋?xiě)?yīng)用也是提升精細(xì)化預(yù)報(bào)準(zhǔn)確率的重要途徑[2]。

溫度是天氣預(yù)報(bào)中最為重要的氣象要素之一。目前，國(guó)內(nèi)氣象工作者對(duì)溫度的模式預(yù)報(bào)誤差訂正開(kāi)展了眾多研究，通過(guò)線性回歸[3]、滑動(dòng)平均訂正[4-5]、統(tǒng)計(jì)降尺度[6-7]和卡爾曼濾波法[8-9]等諸多方法能夠顯著降低模式的預(yù)報(bào)誤差，提升模式的預(yù)報(bào)效果，但在一定程度上存在建模樣本量較少、不適應(yīng)轉(zhuǎn)折性天氣變化、缺少應(yīng)用檢驗(yàn)等問(wèn)題[10-11]。

盡管數(shù)值模式的預(yù)報(bào)能力不斷提升，亦有部分氣象工作者對(duì)數(shù)值模式在貴州各地的預(yù)報(bào)訂正方法進(jìn)行了初步研究[12-13]，但EC高分辨率模式在六盤(pán)水市的溫度預(yù)報(bào)誤差及其與實(shí)際的溫度預(yù)報(bào)準(zhǔn)確率之間的差距仍然存在。目前當(dāng)?shù)氐臏囟阮A(yù)報(bào)主要依靠業(yè)務(wù)人員的主觀經(jīng)驗(yàn)來(lái)對(duì)數(shù)值模式預(yù)報(bào)結(jié)果進(jìn)行訂正，但此種方法主觀因素多、效果不穩(wěn)定，而且預(yù)報(bào)技能的掌握和積累周期較長(zhǎng)，使得溫度預(yù)報(bào)水平的提升受到很大限制。因此有必要對(duì)EC高分辨率模式在六盤(pán)水市的溫度預(yù)報(bào)誤差和訂正指標(biāo)進(jìn)行研究和總結(jié)，將主觀經(jīng)驗(yàn)客觀化、指標(biāo)化，為今后客觀預(yù)報(bào)方法中溫度預(yù)報(bào)的發(fā)展提供思路。

1 資料與方法

1.1 資料

歐洲中期天氣預(yù)報(bào)中心(ECWMF，以下簡(jiǎn)稱EC)高分辨率預(yù)報(bào)模式中的2 m溫度產(chǎn)品，起報(bào)時(shí)間分別為每日的08時(shí)和20時(shí)(北京時(shí)間，下同)，空間分辨率為0.125 °×0.125 °，時(shí)間分辨率在72 h預(yù)報(bào)時(shí)效內(nèi)為3 h，72～240 h預(yù)報(bào)時(shí)效為6 h。六盤(pán)水市3個(gè)國(guó)家氣象觀測(cè)站(水城、盤(pán)州、六枝)的逐日觀測(cè)資料，要素包括最高氣溫、最低氣溫、平均相對(duì)濕度和日照時(shí)數(shù)等。文中的逐日資料均為20—20時(shí)。

研究時(shí)段為2018年1月1日—2020年11月30日。其中，2018年1月1日—2019年12月31日為預(yù)報(bào)誤差及訂正指標(biāo)的統(tǒng)計(jì)分析時(shí)段，共730 d；2019年12月1日—2020年11月30日為檢驗(yàn)時(shí)段，共366 d。

1.2 方法

本文采用雙線性插值、標(biāo)準(zhǔn)差分析、概率分布統(tǒng)計(jì)等常規(guī)氣候統(tǒng)計(jì)方法對(duì)20—20時(shí)的逐日站點(diǎn)溫度(最高和最低)預(yù)報(bào)和實(shí)況進(jìn)行分析。文中有關(guān)名詞定義如下：

溫度預(yù)報(bào)值：利用雙線性插值方法，將各時(shí)效的2 m溫度預(yù)報(bào)產(chǎn)品插值到六盤(pán)水市3個(gè)國(guó)家氣象觀測(cè)站上，分別得到3個(gè)站點(diǎn)的溫度預(yù)報(bào)值。針對(duì)某一日的最高溫度與最低溫度預(yù)報(bào)值，將對(duì)應(yīng)時(shí)段的所有時(shí)次溫度預(yù)報(bào)值中的最大值作為最高溫度預(yù)報(bào)值，最小值作為最低溫度預(yù)報(bào)值。

預(yù)報(bào)時(shí)效：針對(duì)某一日(T)20—20時(shí)的溫度預(yù)報(bào)，前期第1～6 d(T-1～T-6)08時(shí)起報(bào)所對(duì)應(yīng)的預(yù)報(bào)時(shí)效分別為12～36 h、36～60 h、36～60 h、84～108 h、108～132 h、132～156 h，前期第1～6 d 20時(shí)起報(bào)所對(duì)應(yīng)的預(yù)報(bào)時(shí)效分別為0～24 h、24～48 h、48～72 h、72～96 h、96～120 h、120～144 h。

未來(lái)5 d預(yù)報(bào)：根據(jù)目前日常預(yù)報(bào)業(yè)務(wù)中的工作流程，對(duì)某一日(T)所制作的未來(lái)5 d(T+1～T+5)的模式溫度預(yù)報(bào)進(jìn)行如下定義(表1)。

將前期第0～5 d 08時(shí)起報(bào)的12～36 h、36～60 h、36～60 h、84～108 h、108～132 h、132～156 h預(yù)報(bào)時(shí)效以及前期第1～5 d 20時(shí)起報(bào)的24～48 h、48～72 h、72～96 h、96～120 h、120～144 h預(yù)報(bào)時(shí)效內(nèi)共11個(gè)溫度預(yù)報(bào)值進(jìn)行算術(shù)平均，得到的結(jié)果作為未來(lái)第1 d的模式溫度預(yù)報(bào)(即為未來(lái)24 h預(yù)報(bào))。同理，分別得到未來(lái)第2～5 d(未來(lái)48～120 h預(yù)報(bào))的模式溫度預(yù)報(bào)。

5 d綜合：根據(jù)《貴州省中短期天氣預(yù)報(bào)質(zhì)量檢驗(yàn)辦法》，按照第1 d至第5 d的預(yù)報(bào)準(zhǔn)確率分別按照10/27、8/27、6/27、2/27、1/27的權(quán)重進(jìn)行加權(quán)平均計(jì)算后，所得結(jié)果即為5 d綜合預(yù)報(bào)準(zhǔn)確率。

表1 當(dāng)前日期(T)所制作的未來(lái)5 d預(yù)報(bào)所對(duì)應(yīng)的不同起報(bào)日期及預(yù)報(bào)時(shí)效(單位：h)Tab.1 different start date and forecast time corresponding to the forecast for the next 5 days(unit:h)

預(yù)報(bào)誤差：溫度實(shí)況減去預(yù)報(bào)值所得到的差值，稱為預(yù)報(bào)誤差，單位為℃。

誤差占比：根據(jù)溫度預(yù)報(bào)的業(yè)務(wù)考核標(biāo)準(zhǔn)，當(dāng)預(yù)報(bào)誤差處于±2 ℃之間時(shí)均算作預(yù)報(bào)正確。此時(shí)，選取1個(gè)預(yù)報(bào)誤差e，統(tǒng)計(jì)在2018年1月1日—2019年12月31日共730 d的時(shí)段中，誤差范圍處于[e-2 ℃,e+2 ℃]之間的頻次及其占全部時(shí)段的百分比，稱為該誤差的占比，單位為%。當(dāng)占比取得最大值時(shí)，將該誤差e稱為最大占比誤差。

2 不同預(yù)報(bào)時(shí)效的模式溫度預(yù)報(bào)誤差分析

2.1 預(yù)報(bào)誤差及標(biāo)準(zhǔn)差的年均分布

圖1為六盤(pán)水市3個(gè)國(guó)家氣象觀測(cè)站不同預(yù)報(bào)時(shí)效的模式預(yù)報(bào)誤差年均分布。由圖1a可見(jiàn)，各站點(diǎn)的最低溫度年平均預(yù)報(bào)誤差均在1.5 ℃以下，并且與固有認(rèn)知不同，最低溫度預(yù)報(bào)誤差呈現(xiàn)隨時(shí)效的增加而逐漸減小的現(xiàn)象。其中水城和六枝20時(shí)起報(bào)的0～24 h最低溫度較08時(shí)起報(bào)的12～36 h存在小幅的躍增，幅度在0.2～0.3 ℃。除0～24 h之外，對(duì)0～84 h和72～156 h預(yù)報(bào)時(shí)效的平均誤差進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)，由于前者的時(shí)間分辨率較高，導(dǎo)致前者的最低溫度預(yù)報(bào)誤差明顯大于后者。

圖1 不同預(yù)報(bào)時(shí)效的年平均誤差(a,最低溫度; b,最高溫度)Fig.1 Annual average bias of different prediction aging (a,minimum temperature; b,maximum temperature)

對(duì)于最高溫度(圖1b)，水城和六枝的模式預(yù)報(bào)誤差同樣存在隨時(shí)效的增加而逐漸減小的情況，但變化幅度要略小于最低溫度。相對(duì)來(lái)說(shuō)，盤(pán)州不同時(shí)效的最高溫度預(yù)報(bào)誤差更為穩(wěn)定，處于2.3～2.5 ℃之間。同時(shí)由于最高溫度往往僅與14時(shí)溫度密切相關(guān)，使得在前后兩段預(yù)報(bào)時(shí)效(0～84 h和72～156 h)上，預(yù)報(bào)誤差并不存在最低溫度那樣的顯著差異?？傮w來(lái)看，水城、盤(pán)州、六枝3個(gè)站各時(shí)效平均的最高溫度年均預(yù)報(bào)誤差分別達(dá)到了1.7 ℃、2.4 ℃、0.9 ℃，要高于最低溫度的0.7 ℃、1.0 ℃、0.7 ℃。

在預(yù)報(bào)誤差標(biāo)準(zhǔn)差的年均分布(圖2)方面，各個(gè)站點(diǎn)均遵循了預(yù)報(bào)時(shí)效越長(zhǎng)、波動(dòng)越大的特點(diǎn)和規(guī)律。但3個(gè)站點(diǎn)各個(gè)時(shí)效的最低溫度預(yù)報(bào)誤差標(biāo)準(zhǔn)差(圖2a)均低于1.8 ℃，甚至低于最高溫度(圖2b)中的0～24 h時(shí)效(2.2 ℃)，表現(xiàn)出較好的穩(wěn)定性。相比之下，最高溫度的誤差標(biāo)準(zhǔn)差普遍超過(guò)了2.5 ℃，在96～120 h時(shí)效后甚至超過(guò)3 ℃，表明了數(shù)值模式對(duì)于最高溫度預(yù)報(bào)較最低溫度存在更大的不確定性，尤其是在更長(zhǎng)時(shí)效上。

圖2 不同預(yù)報(bào)時(shí)效的年平均誤差標(biāo)準(zhǔn)差(a,最低溫度; b,最高溫度)Fig.2 Standard deviation of annual average bias of different prediction aging (a,minimum temperature; b,maximum temperature)

2.2 預(yù)報(bào)誤差及標(biāo)準(zhǔn)差的年變化

圖3為各個(gè)站點(diǎn)不同預(yù)報(bào)時(shí)效預(yù)報(bào)誤差的年變化分布，對(duì)于最低溫度(圖3a、3c、3e)，除了六枝(圖3e)在2月份超過(guò)60 h預(yù)報(bào)時(shí)效的時(shí)段內(nèi)出現(xiàn)預(yù)報(bào)誤差為負(fù)值的情況，其余月份和站點(diǎn)的在不同時(shí)效內(nèi)的預(yù)報(bào)誤差均處于0～1.8 ℃之間。月分布顯示，水城、六枝(圖3a、3e)在1月和2月的預(yù)報(bào)誤差最小，普遍低于0.5 ℃，春季(3—4月)和盛夏(7—8月)相對(duì)較大，而盤(pán)州(圖3c)除晚秋—初冬(11—12月)預(yù)報(bào)誤差相對(duì)較低(接近0.5 ℃)外，其余月份的預(yù)報(bào)誤差普遍在1 ℃以上。

對(duì)于最高溫度(圖3b、3d、3f)而言，年內(nèi)各個(gè)月的預(yù)報(bào)誤差分布型與最低溫度相似，但變化幅度有明顯增大，其中，水城、六枝(圖3b、3f)呈明顯的雙峰型分布，預(yù)報(bào)誤差在春季(3—4月)和盛夏(7—8月)為波峰，誤差值普遍超過(guò)2 ℃，其中春季是熱低壓系統(tǒng)的高發(fā)期，從而使得處于熱低壓控制下的黔西地區(qū)時(shí)常出現(xiàn)晴朗少云天氣，最高溫度往往較模式預(yù)報(bào)溫度明顯偏高；而在冬半年(10月—次年2月)以及春末初夏(5—6月)為波谷，誤差值低于1 ℃，其中六枝在10月和1—2月甚至達(dá)到負(fù)值，接近-1 ℃，這是由于冬半年云貴準(zhǔn)靜止鋒活躍，處于鋒后的水城和六枝最高溫度低于模式預(yù)報(bào)溫度。相比之下，處于靜止鋒前的盤(pán)州(圖3d)的最高溫度預(yù)報(bào)誤差波動(dòng)呈多峰谷分布，變化幅度較水城、六枝小，其中8月最大，可達(dá)3.7 ℃，10月最小，為1.4 ℃，其余月份處于2～3 ℃之間。

圖3 不同預(yù)報(bào)時(shí)效的預(yù)報(bào)誤差年變化(a,b為水城，c,d 為盤(pán)州，e,f為六枝；a,c,e為最低溫度; b,d,f為最高溫度)Fig.3 Annual variation of prediction bias for different prediction aging (a and b are Shuicheng,c and d are Panzhou,e and f are Liuzhi；a,c and e are minimun temperature; b,d and f are maximun temperature)

針對(duì)各個(gè)站點(diǎn)在不同預(yù)報(bào)時(shí)效的預(yù)報(bào)誤差標(biāo)準(zhǔn)差年變化分析(圖略)可知，無(wú)論是最低溫度還是最高溫度，在年內(nèi)的標(biāo)準(zhǔn)差變化均呈單峰(谷)型分布，夏季(6—8月)的標(biāo)準(zhǔn)差明顯低于其余月份，3個(gè)站的最低溫度預(yù)報(bào)誤差標(biāo)準(zhǔn)差均接近1 ℃左右，最高溫度的預(yù)報(bào)誤差標(biāo)準(zhǔn)差降至2 ℃以下。而冬季(12月—次年2月)的標(biāo)準(zhǔn)差最大，水城、盤(pán)州、六枝各個(gè)時(shí)效平均的最低溫度預(yù)報(bào)誤差標(biāo)準(zhǔn)差最大分別可達(dá)到2.0 ℃、2.4 ℃、1.6 ℃，最高溫度誤差標(biāo)準(zhǔn)差甚至超過(guò)3.5 ℃。

因此，對(duì)于六盤(pán)水而言，從綜合預(yù)報(bào)誤差及其標(biāo)準(zhǔn)差的年變化來(lái)看，模式的溫度預(yù)報(bào)在初夏(6月)可靠性最高，而在春季(3—4月)可靠性最低。

3 未來(lái)5 d預(yù)報(bào)的預(yù)報(bào)誤差統(tǒng)計(jì)

由前文的分析可知，由于模式預(yù)報(bào)對(duì)于單個(gè)時(shí)效的預(yù)報(bào)存在較大誤差和不確定性，其預(yù)報(bào)準(zhǔn)確率遠(yuǎn)遠(yuǎn)不能滿足預(yù)報(bào)業(yè)務(wù)需求，且由于目前相關(guān)業(yè)務(wù)規(guī)定,對(duì)溫度預(yù)報(bào)質(zhì)量的考核時(shí)段為5 d(120 h)。因此，本文將采用如表1所示的方法，將多時(shí)效對(duì)于同1 d的預(yù)報(bào)值進(jìn)行算術(shù)平均，從而獲得模式對(duì)于未來(lái)5 d(未來(lái)24 h、48 h、72 h、96 h、120 h)多時(shí)效平均的溫度預(yù)報(bào)值，并通過(guò)對(duì)2018年1月1日—2019年12月31日共730 d內(nèi)不同預(yù)報(bào)天數(shù)的預(yù)報(bào)誤差及其占比進(jìn)行統(tǒng)計(jì)，選取最大占比誤差作為預(yù)報(bào)值的訂正指標(biāo)。

3.1 年平均預(yù)報(bào)誤差

表2給出了模式對(duì)于未來(lái)5 d(24～120 h)預(yù)報(bào)的年平均預(yù)報(bào)誤差值。由表可見(jiàn)，經(jīng)過(guò)多時(shí)效預(yù)報(bào)平均后，模式對(duì)于未來(lái)5 d(24～120 h)的平均誤差相比原本的單時(shí)效(圖1)更加穩(wěn)定，將全市3個(gè)站點(diǎn)的最低溫度以及六枝的最高溫度預(yù)報(bào)誤差限制在了1 ℃以下，且預(yù)報(bào)誤差隨預(yù)報(bào)時(shí)效的變化幅度低于0.2 ℃。除此之外，水城和盤(pán)州的最高溫度平均預(yù)報(bào)誤差也分別在1.6～1.7 ℃和2.3～2.4 ℃之間。

表2 未來(lái)5 d(24～120 h)預(yù)報(bào)的年平均預(yù)報(bào)誤差(單位：℃)Tab.2 Annual average forecast bias of forecast in the next five days (24～120 h，unit：℃)

在初步了解模式對(duì)未來(lái)5 d(24～120 h)的平均預(yù)報(bào)誤差之后，我們?nèi)匀魂P(guān)心不同的預(yù)報(bào)誤差e及其e±2 ℃范圍內(nèi)的誤差值在過(guò)去2 a(2018—2019年)中所出現(xiàn)的頻次及占比，尤其是能夠達(dá)到最大占比的預(yù)報(bào)誤差e。

全市3站不同預(yù)報(bào)天數(shù)的預(yù)報(bào)誤差最大占比統(tǒng)計(jì)結(jié)果如表3所示。當(dāng)水城未來(lái)24 h最低溫度預(yù)報(bào)誤差值(實(shí)況-預(yù)報(bào))e=1.0 ℃時(shí)，處于e±2 ℃(-1～3 ℃)范圍內(nèi)的預(yù)報(bào)誤差值共占到了90.14%，對(duì)此我們即可理解為：倘若在過(guò)去2 a的730 d中，對(duì)于水城未來(lái)24 h的模式最低溫度預(yù)報(bào)值進(jìn)行+1 ℃的訂正之后，預(yù)報(bào)準(zhǔn)確率可以達(dá)到90.14%。同樣，水城站未來(lái)48～120 h的預(yù)報(bào)準(zhǔn)確率分別可達(dá)到89.04%、87.81%、85.48%、83.29%，據(jù)此所得5 d綜合最低溫度預(yù)報(bào)準(zhǔn)確率為88.70%。

表3 未來(lái)5 d(24～120 h)預(yù)報(bào)誤差最大占比統(tǒng)計(jì)分布Tab.3 Statistical distribution of the largest proportion of prediction error in the next five days (24～120 h)

在對(duì)水城的最高溫度以及盤(pán)州、六枝的溫度預(yù)報(bào)誤差進(jìn)行同樣的統(tǒng)計(jì)后，若全部根據(jù)相應(yīng)的最大占比誤差直接進(jìn)行訂正，那過(guò)去2 a的六盤(pán)水市5 d(120 h)綜合最低溫度預(yù)報(bào)準(zhǔn)確率將達(dá)到88.11%，最高溫度預(yù)報(bào)準(zhǔn)確率可達(dá)到62.29%，溫度預(yù)報(bào)準(zhǔn)確率為75.20%。但上述預(yù)報(bào)準(zhǔn)確率除了與氣象事業(yè)現(xiàn)代化發(fā)展要求和社會(huì)公眾需求之間存在較大差距外，還遠(yuǎn)低于六盤(pán)水市2018年(82.87%)和2019年(79.36%)的實(shí)際溫度預(yù)報(bào)準(zhǔn)確率，因此有必要進(jìn)一步分析。

3.2 月平均預(yù)報(bào)誤差

對(duì)逐月的預(yù)報(bào)誤差最大占比統(tǒng)計(jì)結(jié)果再次進(jìn)行統(tǒng)計(jì)(圖略)，并采用逐月的最大占比誤差作為指標(biāo)對(duì)3個(gè)站點(diǎn)的模式預(yù)報(bào)值進(jìn)行訂正，得到的5 d(120 h)溫度預(yù)報(bào)準(zhǔn)確率如表4所示。由表可知，此時(shí)最低溫度預(yù)報(bào)準(zhǔn)確率提升至89.90%，較采用年平均最大占比誤差進(jìn)行訂正的預(yù)報(bào)準(zhǔn)確率(88.11%)提升了1.79%，而最高溫度的平均預(yù)報(bào)準(zhǔn)確率則有大幅度的提升，達(dá)到69.82%，較年平均訂正提升了7.53%，其中六枝最高溫度預(yù)報(bào)準(zhǔn)確率提升幅度甚至超過(guò)了10%，而綜合溫度預(yù)報(bào)準(zhǔn)確率達(dá)到79.86%，較之前提升了4.66%，已超過(guò)2019年六盤(pán)水市的實(shí)際預(yù)報(bào)準(zhǔn)確率。表明基于氣候概率統(tǒng)計(jì)得到的逐月指標(biāo)訂正方法能夠明顯提高數(shù)值模式對(duì)六盤(pán)水市的溫度預(yù)報(bào)能力，在一定程度上為提升預(yù)報(bào)質(zhì)量提供了較大的可能性。

表4 通過(guò)逐月指標(biāo)訂正得到的全市120 h溫度預(yù)報(bào)準(zhǔn)確率及較年平均訂正的漲幅Tab.4 Accuracy of 120 h temperature forecast through monthly index correction and increase compared with the annual average correction

4 不同天氣背景下的未來(lái)24 h最高溫度預(yù)報(bào)誤差

由表4可知，逐月指標(biāo)訂正方法對(duì)于提升六盤(pán)水市預(yù)報(bào)質(zhì)量的潛在作用已經(jīng)呈現(xiàn)， 120 h最低溫度的平均預(yù)報(bào)準(zhǔn)確率接近90%，已達(dá)到近年來(lái)預(yù)報(bào)準(zhǔn)確率的前列，且進(jìn)一步提升的幅度已相對(duì)有限。相比之下，逐月指標(biāo)訂正所得到的最高溫度平均預(yù)報(bào)準(zhǔn)確率低于70%，仍有較大的提升空間。由于最高溫度的預(yù)報(bào)誤差受天氣系統(tǒng)和天空狀況的影響程度遠(yuǎn)大于最低溫度，本文還對(duì)不同天氣背景下模式的最高溫度預(yù)報(bào)誤差和站點(diǎn)日較差進(jìn)行了統(tǒng)計(jì)。利用站點(diǎn)觀測(cè)的氣象要素實(shí)況資料，根據(jù)不同的日照時(shí)間和平均相對(duì)濕度條件，將天氣類(lèi)型定義為晴天、陰天、雨天3類(lèi)。日照時(shí)間 ≥2 h定義為晴天，0<日照時(shí)間<2 h 或日照時(shí)間=0 h且平均相對(duì)濕度<80%定義為陰天，日照時(shí)間=0 h，且平均相對(duì)濕度≥80%定義為雨天。

此外，考慮到模式對(duì)于較長(zhǎng)時(shí)效天空狀況的預(yù)報(bào)仍然具有較大的不確定性，因此，本文僅根據(jù)不同的天氣類(lèi)型對(duì)模式的未來(lái)24 h最高溫度預(yù)報(bào)誤差和日較差2個(gè)要素進(jìn)行統(tǒng)計(jì)分析(表5)。

表5 不同天氣背景下未來(lái)24 h最高溫度預(yù)報(bào)的最大占比誤差及實(shí)況日較差統(tǒng)計(jì)Tab.5 Statistics of maximum proportion bias and actual daily range of maximum temperature forecast in the next 24 hours under different weather backgrounds

由表5可見(jiàn)，當(dāng)模式預(yù)報(bào)未來(lái)24 h為晴天時(shí)，水城、盤(pán)州、六枝未來(lái)24 h最高溫度預(yù)報(bào)的最大占比誤差分別為3.2 ℃、2.9 ℃、3.2 ℃，此時(shí)3個(gè)站最高溫度預(yù)報(bào)準(zhǔn)確率可分別提高至85.48%、71.58%、88.99%，平均準(zhǔn)確率達(dá)82.02%；而對(duì)于陰天和雨天，若仍利用最大占比誤差來(lái)對(duì)模式預(yù)報(bào)進(jìn)行訂正，得到的24 h最高溫度預(yù)報(bào)準(zhǔn)確率分別為71.98%和67.79%，將低于采用最大占比日較差來(lái)進(jìn)行預(yù)報(bào)所得到的預(yù)報(bào)準(zhǔn)確率(77.99%和81.49%)。

因此，在進(jìn)行最高溫度預(yù)報(bào)時(shí)，應(yīng)根據(jù)不同的天氣類(lèi)型選取不同的訂正指標(biāo)。在晴天時(shí)，應(yīng)使用預(yù)報(bào)誤差進(jìn)行訂正，而在陰天和雨天時(shí)，應(yīng)考慮站點(diǎn)本身的日較差進(jìn)行預(yù)報(bào)。此時(shí)3種不同天氣類(lèi)型相平均的最高溫度預(yù)報(bào)準(zhǔn)確率將達(dá)到80.50%(表5)，將遠(yuǎn)高于使用逐月和年平均指標(biāo)訂正方法的預(yù)報(bào)準(zhǔn)確率(表4)。盡管此種訂正方法能夠明顯提升全市的最高溫度預(yù)報(bào)準(zhǔn)確率，但受到模式對(duì)于天空狀態(tài)在較長(zhǎng)時(shí)效下的預(yù)報(bào)能力不足，以及最低溫度預(yù)報(bào)準(zhǔn)確率的影響，此種訂正方式對(duì)于綜合溫度預(yù)報(bào)準(zhǔn)確率的提升效果仍存在一定的不確定性。

5 各站點(diǎn)溫度預(yù)報(bào)的訂正指標(biāo)及效果評(píng)估

5.1 各站點(diǎn)溫度預(yù)報(bào)的訂正指標(biāo)

前文對(duì)全市3個(gè)觀測(cè)站溫度預(yù)報(bào)的訂正指標(biāo)進(jìn)行了詳細(xì)討論。2020年盤(pán)州和六枝遷站，因此需要依據(jù)遷站前后的溫度要素平均差值將相應(yīng)的指標(biāo)進(jìn)行二次訂正。

最終采用逐月多時(shí)效平均的模式預(yù)報(bào)誤差對(duì)六盤(pán)水市3個(gè)國(guó)家基準(zhǔn)觀測(cè)站的最低溫度預(yù)報(bào)進(jìn)行訂正，訂正指標(biāo)如表6所示。而對(duì)于最高溫度預(yù)報(bào)，則依據(jù)不同的天空類(lèi)型，晴天采用多時(shí)效平均的模式預(yù)報(bào)誤差進(jìn)行訂正，而陰天和雨天則在考慮最低溫度預(yù)報(bào)的基礎(chǔ)上采用日較差指標(biāo)進(jìn)行訂正，具體訂正指標(biāo)如表7所示。

表6 不同月份不同預(yù)報(bào)時(shí)效下各站點(diǎn)最低溫度預(yù)報(bào)的訂正指標(biāo)(單位:℃)Tab.6 Revised indexes of minimum temperature forecast in different months and different forecast time (unit:℃)

表7 不同天氣背景下各站點(diǎn)最高溫度預(yù)報(bào)的訂正指標(biāo)(單位:℃)Tab.7 Revised indexes of maximum temperature forecast under different weather backgrounds (unit:℃)

5.2 訂正效果評(píng)估

為進(jìn)一步檢驗(yàn)上述指標(biāo)的合理性和可用性，利用上述指標(biāo)對(duì)2019年12月31日—2020年11月30日六盤(pán)水市未來(lái)5 d(24～120 h)的溫度進(jìn)行預(yù)報(bào)，并將預(yù)報(bào)準(zhǔn)確率與實(shí)際預(yù)報(bào)準(zhǔn)確率進(jìn)行對(duì)比。

逐月的最低溫度預(yù)報(bào)結(jié)果如表8所示，全年平均最低溫度預(yù)報(bào)準(zhǔn)確率與實(shí)際相當(dāng)，分別為88.36%和89.16%，從逐月的分布來(lái)看，整個(gè)夏半年(3—10月)，采用指標(biāo)訂正后的最低溫度預(yù)報(bào)準(zhǔn)確率除了6月外，其余月份均超過(guò)當(dāng)前的實(shí)際預(yù)報(bào)準(zhǔn)確率，其中9月的盤(pán)州預(yù)報(bào)準(zhǔn)確率甚至達(dá)到100%；而在2020年初的冬季(1—2月)及11月則與實(shí)際的預(yù)報(bào)準(zhǔn)確率差距較大，尤其是隆冬1月。而這是否與1月所存在的熱低壓與靜止鋒頻繁活動(dòng)，或者與盤(pán)州、六枝遷站后在冬半年(11月—次年2月)呈現(xiàn)出新的預(yù)報(bào)誤差特征有關(guān)，有待進(jìn)一步的分析。

表8 采用訂正指標(biāo)后的全市120 h最低溫度預(yù)報(bào)與實(shí)際預(yù)報(bào)準(zhǔn)確率的對(duì)比(單位：%)Tab.8 Comparison between the accuracy of 120 h minimum temperature prediction and actual prediction in the city after using the revised index(unit:%)

而對(duì)于最高溫度預(yù)報(bào)來(lái)說(shuō)，本文只關(guān)注了24 h的預(yù)報(bào)，且不分月份，只與天氣類(lèi)型有關(guān)。由表9可見(jiàn)，在經(jīng)過(guò)指標(biāo)訂正后，六盤(pán)水市2020年的24 h最高溫度預(yù)報(bào)準(zhǔn)確率為78.64%，要高于實(shí)際的24 h最高溫度預(yù)報(bào)準(zhǔn)確率(76.61%)。此外，可以看到3個(gè)站點(diǎn)的預(yù)報(bào)準(zhǔn)確率最大值和最小值所對(duì)應(yīng)的天氣類(lèi)型各有所不同。水城和六枝雨天的最高溫度預(yù)報(bào)準(zhǔn)確率要明顯高于晴天和陰天，盤(pán)州則是陰天的最高預(yù)報(bào)準(zhǔn)確率最高，晴天最低。

表9 采用訂正指標(biāo)后的全市24 h最高溫度預(yù)報(bào)與實(shí)際預(yù)報(bào)準(zhǔn)確率對(duì)比(單位：%)Tab.9 Comparison between the accuracy of 24 h maximum temperature forecast after using the revised index and actual forecast(unit:%)

6 結(jié)論與討論

6.1 結(jié)論

本文采用氣候概率統(tǒng)計(jì)的思路，對(duì)2018—2019年的EC高分辨率模式2 m溫度在六盤(pán)水市的預(yù)報(bào)誤差進(jìn)行分析，并對(duì)采用指標(biāo)訂正后的模式預(yù)報(bào)準(zhǔn)確率進(jìn)行檢驗(yàn)。得到如下結(jié)論：

①六盤(pán)水市3個(gè)國(guó)家氣象觀測(cè)站的模式溫度預(yù)報(bào)誤差均存在隨時(shí)效的增加而逐漸減小的現(xiàn)象，水城、盤(pán)州、六枝3個(gè)站各時(shí)效平均的最高溫度年均預(yù)報(bào)誤差和誤差標(biāo)準(zhǔn)差要明顯高于最低溫度，表明數(shù)值模式對(duì)最高溫度預(yù)報(bào)較最低溫度存在更大的不確定性，尤其是在96 h以外的更長(zhǎng)時(shí)效上。

②從預(yù)報(bào)誤差及其標(biāo)準(zhǔn)差的年變化來(lái)看，對(duì)于六盤(pán)水而言，模式的溫度預(yù)報(bào)在初夏(6月)可靠性最高，而在春季的3—4月可靠性最低。

③針對(duì)未來(lái)5 d(120 h)的最低溫度預(yù)報(bào)，采用預(yù)報(bào)誤差最大占比選取了訂正指標(biāo)，對(duì)逐月多時(shí)效平均的模式預(yù)報(bào)結(jié)果進(jìn)行訂正，對(duì)于最高溫度預(yù)報(bào)則根據(jù)不同天氣類(lèi)型(晴天、陰天、雨天)采用不用的訂正方式和訂正指標(biāo)進(jìn)行訂正，訂正后能大幅提高模式的原始溫度預(yù)報(bào)準(zhǔn)確率，將六盤(pán)水市的120 h最低溫度和24 h最高溫度預(yù)報(bào)準(zhǔn)確率分別穩(wěn)定在90%左右和70%以上，

④經(jīng)過(guò)對(duì)訂正指標(biāo)在2020年的應(yīng)用檢驗(yàn)，發(fā)現(xiàn)訂正后的2020年平均最低溫度預(yù)報(bào)準(zhǔn)確率與實(shí)際相當(dāng)，而24 h最高溫度預(yù)報(bào)準(zhǔn)確率要高于實(shí)際預(yù)報(bào)準(zhǔn)確率。其中夏半年(3—10月)的最低溫度預(yù)報(bào)和全年的24 h最高溫度預(yù)報(bào)準(zhǔn)確率甚至超過(guò)了實(shí)際預(yù)報(bào)。

6.2 討論

采用氣候概率統(tǒng)計(jì)的方法所得到的訂正指標(biāo)具有可靠性高，靈活性強(qiáng)的特點(diǎn)，在當(dāng)?shù)貧夂蚍€(wěn)定的情況下具有較好的適用性，隨著統(tǒng)計(jì)樣本的不斷增加，能夠在動(dòng)態(tài)調(diào)整中將基于該訂正指標(biāo)的溫度預(yù)報(bào)準(zhǔn)確率始終維持在一個(gè)較高水平。

而基于不同天氣類(lèi)型的最高氣溫預(yù)報(bào)訂正指標(biāo)在對(duì)陰雨天氣的最高溫度進(jìn)行預(yù)報(bào)時(shí)，當(dāng)前對(duì)于天氣類(lèi)型的決定除了數(shù)值模式對(duì)于天空狀況的預(yù)報(bào)外，還需預(yù)報(bào)業(yè)務(wù)人員結(jié)合數(shù)值預(yù)報(bào)進(jìn)行主觀判斷，因此該指標(biāo)與數(shù)值模式本身的變動(dòng)無(wú)關(guān)，只要數(shù)值模式的形勢(shì)預(yù)報(bào)精度得到提高，最高溫度的預(yù)報(bào)準(zhǔn)確率將隨之得到提高。同時(shí)，如何在不同氣象要素預(yù)報(bào)和天氣類(lèi)型之間建立合適的線性關(guān)系，進(jìn)一步降低業(yè)務(wù)人員的在天氣類(lèi)型判斷中的主觀性，也是下一步研究的工作重點(diǎn)。