陸丹 段夢(mèng)云 葉文群 錢媛 王恬恬 龍俊蓉

摘要 為綜合評(píng)估智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)的產(chǎn)品質(zhì)量，基于站點(diǎn)觀測(cè)和格點(diǎn)實(shí)況分析資料，開展對(duì)紅河州2019—2021年省級(jí)指導(dǎo)智能網(wǎng)格預(yù)報(bào)溫度要素的檢驗(yàn)評(píng)估，并與歐洲中心（ECMWF）和GRAPES模式進(jìn)行對(duì)比。分析結(jié)果表明：智能網(wǎng)格省級(jí)指導(dǎo)溫度預(yù)報(bào)效果良好，最高氣溫、最低氣溫預(yù)報(bào)與格點(diǎn)實(shí)況的空間分布基本一致，但存在最高溫偏低2～3 、最低溫偏高1～2 ℃的現(xiàn)象。智能網(wǎng)格省級(jí)指導(dǎo)最高溫/最低溫預(yù)報(bào)準(zhǔn)確率達(dá)72.1%/69.9%，較ECMWF和GRAPES模式提高5～9個(gè)百分點(diǎn)；省級(jí)指導(dǎo)最高溫/最低溫平均絕對(duì)誤差達(dá)1.2 ℃/1.3 ℃，較ECMWF和GRAPES模式提高0.4～0.5 ℃。省級(jí)指導(dǎo)產(chǎn)品的溫度預(yù)報(bào)在數(shù)值模式的基礎(chǔ)上有顯著提升，有較好的業(yè)務(wù)應(yīng)用價(jià)值。

關(guān)鍵詞 網(wǎng)格預(yù)報(bào)；檢驗(yàn)評(píng)估；溫度預(yù)報(bào)

中圖分類號(hào)：S165 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2023）07–0180-03

24 h溫度預(yù)報(bào)是電視天氣預(yù)報(bào)節(jié)目對(duì)公眾發(fā)布的基本氣象要素[1]。隨著社會(huì)經(jīng)濟(jì)的發(fā)展和人們生活水平的不斷提高，對(duì)天氣預(yù)報(bào)時(shí)間和空間分辨率的需求更加精細(xì)。云南地形復(fù)雜，海拔高差懸殊，氣象要素的空間協(xié)調(diào)、時(shí)間協(xié)同存在極大的困難，要真正實(shí)現(xiàn)多要素空間一致性、單要素時(shí)間一致性和格點(diǎn)—站點(diǎn)空間一致性等還需要進(jìn)行大量的技術(shù)研究工作。

自2019年1月1日起，云南省智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)正式投入業(yè)務(wù)運(yùn)行，州（市）氣象臺(tái)根據(jù)省級(jí)網(wǎng)格預(yù)報(bào)主客觀融合產(chǎn)品，每日2次對(duì)所轄區(qū)域內(nèi)降水預(yù)報(bào)和關(guān)鍵點(diǎn)最高溫度、最低溫度進(jìn)行訂正，最后上傳拼接形成全省“一張網(wǎng)”的智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)鏈條[2]。智能網(wǎng)格預(yù)報(bào)產(chǎn)品的檢驗(yàn)評(píng)估是保障智能網(wǎng)格預(yù)報(bào)技術(shù)發(fā)展和業(yè)務(wù)價(jià)值鏈形成的基礎(chǔ)性工作。

1 檢驗(yàn)數(shù)據(jù)來(lái)源及方法

1.1 資料選取

選取2019年1月1日—2021年12月31日省級(jí)指導(dǎo)智能網(wǎng)格溫度預(yù)報(bào)數(shù)據(jù)、紅河州269個(gè)區(qū)域站逐日最高和日最低氣溫的實(shí)況樣本、歐洲中心（ ECMWF）和GRAPES模式預(yù)報(bào)產(chǎn)品，每日20：00（ 北京時(shí)，下同）起報(bào)，逐24 h最高、最低氣溫格點(diǎn)資料[3]。

1.2 方法

首先將所選資料按“臨近點(diǎn)插值”方法取值到觀測(cè)站點(diǎn)，然后以2019—2021年全州269站的最高溫、平均氣溫、最低溫預(yù)報(bào)為例，對(duì)比每日20：00起報(bào)的0～24 h時(shí)效預(yù)報(bào)與站點(diǎn)實(shí)況的平均空間分布。分別對(duì)每日20：00起報(bào)的0～24 h最高溫度、最低溫度計(jì)算逐月預(yù)報(bào)準(zhǔn)確率、平均絕對(duì)誤差，以此對(duì)溫度要素進(jìn)行綜合評(píng)估。最后，針對(duì)檢驗(yàn)結(jié)果對(duì)紅河州溫度預(yù)報(bào)進(jìn)行優(yōu)化，將研究得出的紅河州溫度預(yù)報(bào)融入中短期預(yù)報(bào)業(yè)務(wù)。

2 檢驗(yàn)評(píng)估結(jié)果分析

2.1 溫度預(yù)報(bào)與實(shí)況空間分布特征

對(duì)比每日20：00起報(bào)的0～24 h時(shí)效預(yù)報(bào)與站點(diǎn)實(shí)況的平均空間分布（圖1）?？傮w來(lái)看，智能網(wǎng)格省級(jí)指導(dǎo)溫度預(yù)報(bào)效果良好，省級(jí)下發(fā)的最高氣溫、最低氣溫預(yù)報(bào)與格點(diǎn)實(shí)況的空間分布基本一致，平均氣溫預(yù)報(bào)與格點(diǎn)實(shí)況則略出現(xiàn)偏差。進(jìn)一步分析發(fā)現(xiàn)，省局下發(fā)預(yù)報(bào)整體存在最高溫偏低2～3 、最低溫偏高1～2 ℃的現(xiàn)象。

2.2 基于站點(diǎn)實(shí)況的網(wǎng)格日最高與最低氣溫檢驗(yàn)

基于站點(diǎn)實(shí)況的網(wǎng)格日最高/最低溫預(yù)報(bào)進(jìn)行質(zhì)量檢驗(yàn)，即分別對(duì)每日20：00起報(bào)的0～24 h最高溫度、最低溫度計(jì)算逐月預(yù)報(bào)準(zhǔn)確率、平均絕對(duì)誤差、技巧評(píng)分，以此對(duì)溫度要素進(jìn)行綜合評(píng)估。預(yù)報(bào)檢驗(yàn)結(jié)果見表1。

省級(jí)指導(dǎo)預(yù)報(bào)明顯優(yōu)于ECMWF和GRAPES模式。在預(yù)報(bào)準(zhǔn)確率方面，智能網(wǎng)格省級(jí)指導(dǎo)溫度預(yù)報(bào)較ECMWF和GRAPES取得較好的效果，省級(jí)指導(dǎo)最高溫/最低溫預(yù)報(bào)準(zhǔn)確率達(dá)72.1%/69.9%，較ECMWF和GRAPES模式提高5～9個(gè)百分點(diǎn)。在平均絕對(duì)誤差方面，智能網(wǎng)格省級(jí)指導(dǎo)溫度預(yù)報(bào)較ECMWF和GRAPES取得較好的效果，省級(jí)指導(dǎo)最高溫/最低溫平均絕對(duì)誤差達(dá)1.2 ℃/1.3 ℃，較ECMWF和GRAPES模式提高0.4～0.5 ℃。

圖2為最高氣溫、最低氣溫的預(yù)報(bào)準(zhǔn)確率、平均絕對(duì)誤差逐月變化情況。針對(duì)ECMWF和GRAPES模式，可以看出溫度預(yù)報(bào)的參考重要性在不同月份存在較大差異，秋季和冬季ECMWF模式的參考價(jià)值高于GRAPES模式，春季和夏季則GRAPES模式的參考價(jià)值更高。3、4、7、11、12月份各個(gè)模式的溫度預(yù)報(bào)或早或晚會(huì)出現(xiàn)預(yù)報(bào)準(zhǔn)確率的驟降，說(shuō)明季節(jié)轉(zhuǎn)換對(duì)模式溫度預(yù)報(bào)的準(zhǔn)確率有很大影響，同時(shí)反映出各個(gè)站點(diǎn)季節(jié)轉(zhuǎn)換出現(xiàn)的時(shí)間點(diǎn)存在一定的差異[4]。

3 結(jié)論與展望

智能網(wǎng)格省級(jí)指導(dǎo)溫度預(yù)報(bào)效果良好，最高氣溫、最低氣溫預(yù)報(bào)與格點(diǎn)實(shí)況的空間分布基本一致，平均氣溫預(yù)報(bào)與格點(diǎn)實(shí)況則略出現(xiàn)偏差。省局下發(fā)預(yù)報(bào)整體存在最高溫偏低2～3 、最低溫偏高1～2 ℃的現(xiàn)象。

（2）省級(jí)指導(dǎo)預(yù)報(bào)穩(wěn)定性較高，其預(yù)報(bào)準(zhǔn)確率均高于其他2種模式，平均絕對(duì)誤差均低于其他2種模式。在預(yù)報(bào)準(zhǔn)確率方面，省級(jí)指導(dǎo)最高溫/最低溫預(yù)報(bào)準(zhǔn)確率達(dá)72.1%/69.9%，較ECMWF和GRAPES模式提高5～9個(gè)百分點(diǎn)。在平均絕對(duì)誤差方面，省級(jí)指導(dǎo)最高溫/最低溫平均絕對(duì)誤差達(dá)1.2 ℃/1.3 ℃，較ECMWF和GRAPES模式提高0.4～0.5 ℃。

（3）針對(duì)ECMWF和GRAPES模式，可以看出溫度預(yù)報(bào)的參考重要性在不同月份存在較大差異，秋季和冬季ECMWF模式的參考價(jià)值高于GRAPES模式，春季和夏季則GRAPES模式的參考價(jià)值更高。

（4）3、4、7、11、12月份各個(gè)模式的溫度預(yù)報(bào)或早或晚會(huì)出現(xiàn)預(yù)報(bào)準(zhǔn)確率的驟降，說(shuō)明季節(jié)轉(zhuǎn)換對(duì)于模式溫度預(yù)報(bào)的準(zhǔn)確率有很大影響，同時(shí)反映出各個(gè)站點(diǎn)季節(jié)轉(zhuǎn)換出現(xiàn)的時(shí)間點(diǎn)存在一定的差異。

（5）省級(jí)指導(dǎo)產(chǎn)品的溫度預(yù)報(bào)在數(shù)值模式的基礎(chǔ)上有顯著提升，省級(jí)指導(dǎo)智能網(wǎng)格預(yù)報(bào)溫度可以有效提升紅河州溫度預(yù)報(bào)的精細(xì)化能力和水平，有較好的業(yè)務(wù)應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 李國(guó)翠，連志鸞，趙彥廠，等.石家莊溫度預(yù)報(bào)檢驗(yàn)及影響因子分析[J].氣象與環(huán)境學(xué)報(bào)，2009，25（1）：15-18.

[2] 韋青，代刊，林建，等.2016—2018年全國(guó)智能網(wǎng)格降水及溫度預(yù)報(bào)檢驗(yàn)評(píng)估[J].氣象，2020，46（10）：1272-1285.

[3] 戴翼，何娜，付宗鈺，等.北京智能網(wǎng)格溫度客觀預(yù)報(bào)方法（BJTM）及預(yù)報(bào)效果檢驗(yàn)[J].干旱氣象，2019，37（2）：339-344，350.

[4] 王業(yè)修，徐慶喆，戰(zhàn)莘曄，等.鞍山地區(qū)近十年模式溫度預(yù)報(bào)檢驗(yàn)[J].農(nóng)家參謀，2020（21）：124-125.

Test and Evaluation of Temperature Forecast in Honghe Prefecture Intelligent Grid from 2019 to 2021

Lu Dan et al（Honghe Prefecture Meteorological Bureau， Mengzi， Yunnan 661100）

Abstract In order to comprehensively evaluate the product quality of the intelligent grid forecasting business， based on the site observation and grid analysis data， the inspection and evaluation of the temperature elements of the provincial guidance intelligent grid forecasting in Honghe Prefecture from 2019 to 2021 was carried out， and compared with the European Center （ECMWF） and the GRAPES model. The analysis results show that the intelligent grid provincial guidance temperature prediction effect is good， and the maximum temperature and minimum temperature prediction are basically consistent with the spatial distribution of the grid actual situation， but there is a phenomenon that the maximum temperature is 2～3 ℃ lower and the minimum temperature is 1～2 ℃ higher. The accuracy rate of the provincial maximum temperature/minimum temperature forecast guided by the intelligent grid is 72.1%/69.9%， which is 5～9 percent points higher than that of the ECMWF and GRAPES models. The average absolute error of the provincial guidance maximum temperature/minimum temperature is 1.2 ℃/1.3 ℃， which is 0.4～0.5 ℃ higher than that of ECMWF and GRAPES. Based on the numerical model， the temperature prediction of provincial guidance products has been improved significantly， and has a good value of application.

Key words Grid forecast; Inspection and evaluation; Temperature prediction