王一格 劉延莉 張宏利 雷宇

摘要 基于灞橋區(qū)12個區(qū)域自動站數(shù)據(jù)，采用6種滾動訂正法，對陜西智能網(wǎng)格氣象預(yù)報(bào)系統(tǒng)DCOEF的2 m氣溫預(yù)報(bào)產(chǎn)品進(jìn)行誤差訂正。結(jié)果表明，6種滾動訂正法對DCOEF的2 m氣溫預(yù)報(bào)有不同程度訂正效果：滑動誤差回歸訂正效果最優(yōu)，誤差回歸法和滑動雙因子回歸法次之；隨預(yù)報(bào)時效延長，滑動雙因子回歸法較誤差回歸法和滑動誤差回歸法穩(wěn)定性更好。

關(guān)鍵詞 預(yù)報(bào)檢驗(yàn)；偏差訂正；格點(diǎn)溫度預(yù)報(bào)

中圖分類號：P457.3 文獻(xiàn)標(biāo)識碼：B 文章編號：2095–3305（2023）07–0117-03

隨著經(jīng)濟(jì)、社會高速發(fā)展，站點(diǎn)預(yù)報(bào)已經(jīng)無法滿足精細(xì)預(yù)報(bào)的需要，針對格點(diǎn)的精細(xì)化要素預(yù)報(bào)成為未來發(fā)展方向。由于模式本身在動力框架、參數(shù)化過程和方案、初始場等方面存在誤差，導(dǎo)致相應(yīng)的模式預(yù)報(bào)產(chǎn)品存在不確定性，近年來隨著模式不斷發(fā)展，模式產(chǎn)品的誤差在不斷減小，但仍未完全消除。在此背景下，對模式產(chǎn)品進(jìn)行訂正釋用是提高氣溫客觀預(yù)報(bào)準(zhǔn)確率的重要手段，眾多學(xué)者利用線性或非線性方法對模式預(yù)報(bào)產(chǎn)品進(jìn)行訂正。白永清等[1]分時建立MOS方程能夠有效降低夜間的預(yù)報(bào)誤差，將實(shí)況最高氣溫引入卡爾曼濾波方程，提高預(yù)報(bào)準(zhǔn)確率。王婧等[2]在對比多種訂正方法后認(rèn)為采用滑動雙權(quán)重平均法對2 m溫度的預(yù)報(bào)訂正效果最好。

精細(xì)化網(wǎng)格預(yù)報(bào)是中國氣象局的主推業(yè)務(wù)和未來發(fā)展方向，陜西省氣象局就此現(xiàn)狀利用“動態(tài)交叉最優(yōu)要素預(yù)報(bào)”（DCOEF）建立陜西省基礎(chǔ)網(wǎng)格預(yù)報(bào)場，為網(wǎng)格預(yù)報(bào)發(fā)展提供參考[3]。在此基礎(chǔ)上，王瑾婷等[4]根據(jù)咸陽大風(fēng)天氣特征對大風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行訂正。本研究利用灞橋區(qū)12個氣象觀測站逐3 h數(shù)據(jù)，采用6種不同誤差訂正方法，對陜西智能網(wǎng)格氣象預(yù)報(bào)系統(tǒng)（秦智）3 h預(yù)報(bào)時效2 m氣溫DCOEF預(yù)報(bào)產(chǎn)品進(jìn)行誤差訂正，并對訂正前后的預(yù)報(bào)結(jié)果檢驗(yàn)分析，以期為灞橋區(qū)2 m氣溫預(yù)報(bào)提供參考。

1 資料和方法

1.1 資料與方法介紹

2 m氣溫模式預(yù)報(bào)選用秦智00：00和12：00（世界時）起報(bào)的3 h預(yù)報(bào)時效DCOEF產(chǎn)品（空間分辨率3×3 km），觀測數(shù)據(jù)采用灞橋區(qū)12個氣象觀測站逐3 h數(shù)據(jù)。從2019年6月1—30日中截取樣本時間。為方便計(jì)算比較，將DCOEF產(chǎn)品通過雙線性插值法插值到灞橋區(qū)12個站點(diǎn)上，并根據(jù)灞橋區(qū)天氣氣候和地形特征，將站點(diǎn)分為洪慶山、白鹿原和城區(qū)（見表1）。

為了在有限的資源下獲取較高質(zhì)量預(yù)報(bào)場，利用滾動誤差訂正，即在獲得t時刻觀測場后，及時對未來t+n（n=1，2，3，…，24 h）時刻預(yù)報(bào)場進(jìn)行誤差訂正。在此設(shè)置6種誤差訂正方案進(jìn)行回歸模擬對比試驗(yàn)[5]。具體如下：

方案1：誤差回歸訂正（bias regression

correction，BRC），采用最小二乘回歸思路，對t時刻與t+n時刻的觀測場與DCOEF預(yù)報(bào)場誤差回歸建模，最終得到訂正場。

F′t+n=Ft+n+b0+b1Et

方案2：模式直接輸出回歸訂正

（direct model output regression correction，DRC），根據(jù)MOS思想，同一時刻的模式預(yù)報(bào)產(chǎn)品對訂正場有決定性作用，采用最小二乘回歸思路，對t+n時刻預(yù)報(bào)場與t+n時刻觀測場回歸建模。

F′t+n=b0+b1Ft+n

方案3：雙因子回歸訂正（two-pred-

ictor regression correction，TPRC），利用多元線性回歸，將t時刻誤差與t+n時刻預(yù)報(bào)場作為預(yù)報(bào)因子，與t+n時刻觀測場回歸建模得到訂正場。

F′t+n=b0+b1Ft+n+b2Et

以上三式中，Et為t時刻觀測場與DCOEF預(yù)報(bào)場的誤差，F(xiàn)t+n和F′t+n分別為t+n時刻訂正前后的預(yù)報(bào)場。b0、b1和b2分別為利用最小二乘法建立的模型系數(shù)。

考慮到模型樣本數(shù)不足的情形下，由于方案1～3的模型不隨預(yù)報(bào)時間變化而變化，因而不能較好地反映新因子變化，分別設(shè)計(jì)與之對應(yīng)隨預(yù)報(bào)時間滑動的3種模型，即：

方案4：滑動誤差回歸訂正（sliding bias regression correction，SBRC）；

方案5：滑動模式直接輸出回歸訂正（sliding direct model output regression correction，SDRC）；

方案6：滑動雙因子回歸訂正（sliding

two-predictor regression correction，STPRC）。

鑒于2 m溫度具有半日周期、日周期和15 d周期的變化特征，采用15 d

為方案4～6的滑動周期，檢驗(yàn)指標(biāo)包括平均絕對誤差（MAE）、均方根誤差（RMSE）以及≥2 ℃和≤1 ℃準(zhǔn)確率[5]。

1.2 預(yù)報(bào)檢驗(yàn)

網(wǎng)格預(yù)報(bào)能否合理模擬出灞橋區(qū)

2 m氣溫的時空間分布，這在一定程度上決定了該產(chǎn)品的可信度。因此需要檢驗(yàn)對比DCOEF的2 m氣溫預(yù)報(bào)產(chǎn)品和灞橋區(qū)12個氣象觀測站實(shí)況。

以00：00起報(bào)為例，灞橋區(qū)不同區(qū)域DCOEF與觀測場的MAE、RMSE范圍分別為1.4～1.9 ℃和1.8～2.4 ℃，≤2 ℃和≤1 ℃準(zhǔn)確率范圍分別為0.59%～0.75%和0.32%～0.46%，其中，DCOEF對城區(qū)2 m氣溫的預(yù)報(bào)效果最好，白鹿原地區(qū)次之，對洪慶山地區(qū)的預(yù)報(bào)偏差最大，說明DCOEF相對于觀測場的誤差存在明顯的區(qū)域性差異。進(jìn)一步評估了不同起報(bào)時間、不同預(yù)報(bào)時效DCOEF對灞橋區(qū)2 m氣溫的預(yù)報(bào)性能，結(jié)果顯示DCOEF不同起報(bào)時間的檢驗(yàn)結(jié)果不同：00：00起報(bào)的DCOEF相對于觀測場的MAE和RMSE隨預(yù)報(bào)時效增加而增加，≤2 ℃和≤1 ℃準(zhǔn)確率隨預(yù)報(bào)時效增加而減??；12：00起報(bào)的DCOEF相對于觀測場預(yù)報(bào)誤差隨預(yù)報(bào)時效增加變化不大。

綜上所述，同一起報(bào)時間下，MAE、RMSE、≤2 ℃和≤1 ℃準(zhǔn)確率的空間分布類似；隨著預(yù)報(bào)時效延長，DCOEF相對于觀測場的預(yù)報(bào)誤差逐漸增加，說明DCOEF的2 m氣溫產(chǎn)品存在一定系統(tǒng)性偏差，能夠通過訂正方法進(jìn)行調(diào)整改善。

2 訂正結(jié)果與分析

2.1 平均絕對誤差

圖1是對灞橋區(qū)00：00（12：00）起報(bào)的訂正場的MAE檢驗(yàn)，00：00（12：00）起報(bào)DCOEF的MAE為1.2 ℃（2.3 ℃）。從檢驗(yàn)結(jié)果來看，00：00起報(bào)的訂正場中，方案2和方案5對3～6 h（3～15 h）預(yù)報(bào)有負(fù)訂正效果，并隨預(yù)報(bào)時效增加訂正效果不穩(wěn)定性增強(qiáng)；方案1和方案3訂正效果較好，尤其在3～6 h，對應(yīng)滑動方案4和方案6在9～24 h訂正效果最好。12：00起報(bào)的訂正場中，方案1和方案4訂正效果最優(yōu)，尤其是方案4在3～24 h預(yù)報(bào)時效的MAE降幅在0.7～1.2 ℃；方案3和方案6訂正效果次之；方案2和方案5在3～15 h出現(xiàn)負(fù)訂正效果。綜合上述分析可知，基于平均誤差分析，方案4訂正效果最好，且隨著預(yù)報(bào)時效延長，其穩(wěn)定性最好。

2.2 均方根誤差

從檢驗(yàn)結(jié)果來看，RMSE與MAE的檢驗(yàn)結(jié)果類似。方案2和方案5在不同起報(bào)時間均對短時預(yù)報(bào)存在負(fù)訂正效果。方案1的訂正效果相對較好，尤其在3～6 h訂正結(jié)果為最優(yōu)；方案3的訂正效果在00：00起報(bào)條件下與方案1的類似，但在12：00起報(bào)條件下，其訂正效果不如方案1；在00：00起報(bào)條件下，方案4和方案6在9～24 h的訂正效果最好，在12：00起報(bào)的訂正場中，方案4相較于方案6的訂正效果更好，在3～24 h預(yù)報(bào)時效的RMSE減小幅度在1.1～1.4 ℃，但隨著預(yù)報(bào)時效延長，方案6的穩(wěn)定性較方案4更好。整體上，在均方根誤差方面，方案4和方案6的訂正效果最優(yōu)，方案1和方案3次之，方案2和方案5較差。

2.3 ≤2 ℃準(zhǔn)確率

經(jīng)計(jì)算，不同起報(bào)時間的預(yù)報(bào)場和訂正場的≤2 ℃平均準(zhǔn)確率存在差異（圖2）。DCOEF的3 h預(yù)報(bào)時效平均準(zhǔn)確率為0.70%（00：00起報(bào)）和0.50%（12：00起報(bào)）。從檢驗(yàn)結(jié)果來看，方案2和方案5對灞橋區(qū)2 m溫度的訂正效果不明顯，甚至出現(xiàn)負(fù)訂正。00：00起報(bào)訂正場中，方案4和方案6的平均準(zhǔn)確率高達(dá)0.87%；12：00起報(bào)訂正場中，方案4平均準(zhǔn)確率升至0.80%，方案1（平均準(zhǔn)確率0.79%）較方案6（平均準(zhǔn)確率0.67%）訂正效果更優(yōu)。整體來看，在≤2 ℃準(zhǔn)確率檢驗(yàn)中，方案4對DCOEF不同起報(bào)時間的3 h預(yù)報(bào)時效預(yù)報(bào)的訂正效果最好。

2.4 ≤1 ℃準(zhǔn)確率

為進(jìn)一步比較6種訂正方案的訂正效果，還計(jì)算了DCOEF和訂正場≤1 ℃平均準(zhǔn)確率。相較12：00起報(bào)，00：00起報(bào)的預(yù)報(bào)場和訂正場的≤1 ℃平均準(zhǔn)確率更高（圖3）。對比訂正場檢驗(yàn)結(jié)果，方案2、3和5對灞橋區(qū)2 m溫度的訂正效果不明顯。00：00起報(bào)的訂正場中，方案1、4和6的≤1 ℃平均準(zhǔn)確率均超過0.50%，其中方案4的≤1 ℃平均準(zhǔn)確率可達(dá)0.60%，訂正效果最優(yōu)，方案6次之；12：00起報(bào)的訂正場中，方案1、4和6的≤1 ℃平均準(zhǔn)確率較DCOEF提升0.11%～0.28%，其中方案4的≤1 ℃平均準(zhǔn)確率超過0.50%，訂正效果更優(yōu)，方案1次之?？傮w而言，在≤1 ℃準(zhǔn)確率檢驗(yàn)中，方案4對DCOEF不同起報(bào)時間的3 h預(yù)報(bào)時效預(yù)報(bào)訂正效果最好，方案1和方案6次之，但隨著預(yù)報(bào)時效增加，方案6相對于方案1和方案4，訂正效果更加穩(wěn)定。

3 結(jié)論

利用灞橋區(qū)12個氣象觀測站的逐3 h數(shù)據(jù)，采用6種不同的滾動訂正方法，對陜西智能網(wǎng)格氣象預(yù)報(bào)系統(tǒng)3 h預(yù)報(bào)時效的2 m氣溫DCOEF預(yù)報(bào)產(chǎn)品進(jìn)行誤差訂正，并對訂正前、后的預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)分析。結(jié)果如下：

（1）灞橋區(qū)DCOEF的2 m氣溫預(yù)報(bào)相對于觀測場的誤差存在區(qū)域性差異。同一起報(bào)時間，MAE、RMSE、≤2 ℃和≤1 ℃準(zhǔn)確率的空間分布類似，隨著預(yù)報(bào)時效延長，DCOEF相對于觀測場的預(yù)報(bào)誤差逐漸增加，存在系統(tǒng)性偏差，能夠通過訂正方法調(diào)整改善。

（2）6種滾動訂正方法對DCOEF的2 m氣溫預(yù)報(bào)場均有不同程度的訂正作用。綜合多種指標(biāo)的檢驗(yàn)結(jié)果，方案4對DCOEF不同起報(bào)時間的3 h預(yù)報(bào)時效預(yù)報(bào)訂正效果最好，其次是方案1和方案6，二者在不同起報(bào)時間訂正效果有所不同。但是隨著預(yù)報(bào)時效的延長，方案6的穩(wěn)定性優(yōu)于方案1和方案4。

需要說明的是，通過滾動訂正方法對灞橋區(qū)0～24 h預(yù)報(bào)時效的DCOEF的2 m氣溫預(yù)報(bào)產(chǎn)品有所改善，但仍未充分發(fā)揮秦智系統(tǒng)預(yù)報(bào)性能，后期若結(jié)合訂正結(jié)果建立時滯后法集合預(yù)報(bào)產(chǎn)品，可能能更好地為基層預(yù)報(bào)員提供預(yù)報(bào)產(chǎn)品支撐。

參考文獻(xiàn)

[1] 白永清，林春澤，陳正洪，等.基于LAPS分析的WRF模式逐時氣溫精細(xì)化預(yù)報(bào)釋用[J].氣象，2013，39（4）：460-465.

[2] 王婧，徐枝芳，范廣洲，等.GRAPES_RAFS系統(tǒng)2 m溫度偏差訂正方法研究[J].氣象，2015，41（6）：719-726.

[3] 王建鵬，薛春芳，潘留杰，等.陜西省精細(xì)化網(wǎng)格預(yù)報(bào)業(yè)務(wù)系統(tǒng)技術(shù)方法[J].氣象科技，2018，46（5）：910-918.

[4] 王瑾婷，高萌，劉帆，等.咸陽地區(qū)大風(fēng)天氣特征及智能網(wǎng)格大風(fēng)預(yù)報(bào)訂正[J].陜西氣象，2022（6）：7-14.

[5] 曾曉青，薛峰，趙瑞霞，等.幾種格點(diǎn)化溫度滾動訂正預(yù)報(bào)方案對比研究[J].氣象，2019，45（7）：1009-1018.

Temperature Test and Rolling Correction Forecast of Baqiao Based on Intelligent Grid Forecast

Wang Yi-ge et al（Xian Meteorological Centre， Xian， Shaanxi 710016）

Abstract Based on the data of 12 automatic stations in Baqiao， this paper adopts six temperature rolling correction methods to correct the error of 2m temperature DCOEF forecast product of Shaanxi Intelligent Grid Weather Forecast System. The results show that the six rolling correction methods have different degrees of correction effects on the DCOEFs 2m temperature forecast： the sliding error regression correction has the best correction effect， followed by the error regression correction method and the sliding two-factor regression correction method; the stability of sliding two-factor regression correction method is better than that of the error regression correction method and the sliding error regression correction method with the extension of prediction time.

Key words Test of forecast; Deviation correction; Grid temperature forecast