細網(wǎng)格數(shù)值預報產(chǎn)品在精細化預報中的釋用

周顯偉,祝玉梅,朱春濤,梁 爽

（齊齊哈爾市氣象局，黑龍江 齊齊哈爾161006）

1 引言

目前， 超級集合預報技術(shù)的研究與應用在國內(nèi)外氣象領(lǐng)域已經(jīng)相當廣泛。 超級集合就是包括不同初始場、模式和物理過程的集合，而集成產(chǎn)品包含更多信息，這將會大大提高數(shù)值預報的參考價值。 但由于集合預報巨大的計算量， 大型計算是前期必須的物質(zhì)條件。 除此之外，集合是把所有成員聚集在一起但仍保持了每個成員的個性， 提供的是一種概率性的預報，而非現(xiàn)實的業(yè)務預報中要求的定性預報，這就需要把所有成員提供的信息綜合處理成一個統(tǒng)一的結(jié)果，從個性之中提取各成員的共性，也就是集成預報。 對于地市級氣象臺站而言，基于集合預報思想的集成預報技術(shù)的發(fā)展既是業(yè)務所需， 也是一種比較有效和經(jīng)濟的途徑。

現(xiàn)在國內(nèi)外的集成預報方法都有所開展， 但總的來說這些集成預報方法中的成員在集成預報中的權(quán)重主要是靜態(tài)的、固定的，通常這種集成預報方法不考慮各成員預報能力在不同地域、 不同季節(jié)和不同預報時效的不同表現(xiàn)， 這有可能導致集成預報性能的不穩(wěn)定，就勢必影響預報效果。

為了解決以上問題， 本文運用了一種基于超級集合的多模式動態(tài)變權(quán)集成預報方法， 可以擺脫對大量歷史樣本的依賴性， 對成員預報能力的變化也能作出相應的調(diào)整， 每個成員在集成預報中的權(quán)重系數(shù)能自動動態(tài)調(diào)整， 動態(tài)反映每一成員在不同區(qū)域、不同季節(jié)、不同時效的預報水平。

2 資料的選取與處理

本項目選取中國氣象信息中心提供的2013年歐洲中心確定性模式高分辨率預報產(chǎn)品 （ECMWFthin，0.25*0.25）、 東北半球T639 數(shù)值產(chǎn)品 （T639-thin，0.28125*0.28125）、日本高分辨率大氣模式產(chǎn)品（Japan-thin，0.5*0.5） 和中央氣象臺的全國城市預報產(chǎn)品以及黑龍江省齊齊哈爾市十個縣站降水和溫度實況。 對其中的ECMWF-thin、T639-thin、Japan_thin三種細網(wǎng)格20時數(shù)值預報產(chǎn)品 （12 h 降水量和2 m溫度）打包數(shù)據(jù)進行解壓，通過Comcast1.9 歷史數(shù)據(jù)處理提取，然后進行格點差值站點處理，最后進行相應預報時段截取， 取得對應第二天08時和20時起報降水、最低氣溫和最高氣溫1—5 d 的預報結(jié)果。沒有 采 用ECMWF-thin、T639-thin、Japan-thin 三 種 細網(wǎng)格08時預報產(chǎn)品， 主要是因為08時預報產(chǎn)品下發(fā)后處理完成時，16時30 分的精細化預報已經(jīng)來不及采用； 提取出中央氣象臺的全國城市預報產(chǎn)品中的1—5 d 間隔12 h 降水量、 最低溫度和最高溫度。其中全國城市預報產(chǎn)品2013年1月1-2日資料缺失，T639-thin 預報產(chǎn)品2013年8月30日資料缺失，Japan-thin 預報產(chǎn)品2013年10月30日資料缺失，其中Japan-thin 預報產(chǎn)品中12 h 降水量在沒有較大降水時存在著格點缺報，按照沒有降水來處理。

3 方法和步驟

3.1 預報準確率

本項目中使用的預報準確率是按照 《全國城鎮(zhèn)天氣預報質(zhì)量國家級檢驗方案》及《關(guān)于改革城鎮(zhèn)精細化預報檢驗辦法的通知》（氣科函[2013]9 號），以24 h時效分別檢驗（晴雨按12 h 段匯總為24 h）, 根據(jù)1-5 d 各時效預報準確率按加權(quán)平均的方式計算預報準確率的總評分。

3.1.1 降水預報

式中，NA 為有降水預報正確站（次）數(shù)，NB 為空報站（次）數(shù)、NC 為漏報站（次）數(shù)，ND 為無降水預報正確的站（次）數(shù)。

3.1.2 溫度預報

式中，F(xiàn)i為第i 站 （次） 預報溫度，Oi為第i 站（次）實況溫度，K 為1、2，分別代表｜Fi-Oi｜≤1 ℃、｜Fi-Oi｜≤2 ℃，為預報正確的站（次）數(shù)，NfK為預報的總站(次)數(shù)。 溫度預報準確率的實際含義是溫度預報絕對誤差≤2 ℃的百分率。

3.1.3 預報準確率的總評分

根據(jù)1-5 d 各時效預報準確率按加權(quán)平均的方式。 計算公式為：

式中，PC24、PC48、PC72、PC96、PC120分別為0-24 h、24-48 h、48-72 h、72-96 h、96-120 h 晴雨（雪）預報準確率。

在此種評分方法下2013年四種模式預報準確率如下（表1-3）：

定性降水預報準確率。 調(diào)整前最高的為Japan-thin（81.63%），主要原因是處理資料時把大量微量降水缺報格點剔除，而格點資料完善、規(guī)范的EC-thin定性降水預報準確率為79.41%； 其中T639-thin 定性預報準確率最差為58.49%， 分析表明T639-thin格點降水預報中存在著大量的單點的微量降水，所以在降水集成預報前先進行各模式微量降水誤差剔除分析。

表1 2013年按照中央TS 評分結(jié)果(預報定性降水)

表2 2013年按照中央TS 評分結(jié)果(預報最低溫度)

表3 2013年按照中央TS 評分結(jié)果(預報最高溫度)

3.2 誤差訂正

3.2.1 降水預報誤差訂正

由于微量降水存在著大量的空報， 所以有必要先對四種預報進行微量降水的去除。 去除方法是從0.1 mm 開始，以0.1 mm 逐步去除計算齊齊哈爾地區(qū)10 個縣站1—5 d 預報準確，直至其中出現(xiàn)預報準確率有下降為止。

同理：中央指導和Japan-thin 預報降水中小于等于0.5 mm 降水忽略， 而T639-thin 預報降水中小于等于0.8 mm 降水忽略。

去除微量降水后，T639-thin 微量降水空報率最高，空報量級也是最大（達到0.8 mm），去除微量降水后平均提升的準確率百分比為24.21%；EC-thin 提升為5.69%；中央指導提升4.33%；而Japan-thin 提升最小為0.64%，這是因為Japan-thin 降水資料沒有較大降水預報時存在著大量的格點缺值， 當時處理資料時已經(jīng)把格點缺值按沒有降水處理了。 調(diào)整后定性降水預報準確率最高的為EC-thin，達到了85.1%。

3.2.2 溫度預報誤差訂正

模式誤差是預報誤差的主要來源之一,利用經(jīng)驗性預報方法來減小模式誤差對預報的影響是非常必要的方法。 本文采用通過滯后平均降低誤差尺度的自適應誤差訂正方法,是后驗訂正,即只在整個積分完成后對預報結(jié)果進行訂正處理。

首先,把各模式10 個站5 d2 m 最低和最高溫度預報記為Ai(t),計算預報在各站點i 各時次t 的滑動的天數(shù)平均絕對誤差Bi(t)。 公式(4)中Ai(t0)為t時刻的觀測結(jié)果, Fi(t0)為與t時刻觀測結(jié)果對應的t0時刻預報結(jié)果。

滑動7、30 和45 d 比較可以看出滑動天數(shù)為30 d時較優(yōu)。

最低溫度TS 評分在去除平均絕對誤差后各預報都有所升高，但升高不是很明顯，其中EC-thin 達到68.45%；最高也都有所升高，但是EC-thin 最為明顯，升高了8.46%，達到74.01%。

3.3 變權(quán)集成預報方法的引入

集合預報雖然是國際上的熱門技術(shù)， 但目前我國地市級臺站一般很難具備適合這種超級集合巨大計算量的大型計算條件， 而且各地區(qū)現(xiàn)在已經(jīng)能夠收到國內(nèi)外大量的數(shù)值預報產(chǎn)品。 以這些數(shù)值預報產(chǎn)品為基礎(chǔ)， 只需利用好這些模式的運算結(jié)果直接進行集成，不失為一種既實用又有效的方法，大家通常把這種方法叫做PM 法，實際上這也是一種多種模式的集成預報方法。本文在此基礎(chǔ)上，采用ECMWFthin、T639-thin、Japan_thin 數(shù)值預報產(chǎn)品和中央氣象臺的全國城市預報產(chǎn)品， 動態(tài)地分析這四種模式的近期誤差，動態(tài)地分配這四種模式產(chǎn)品的權(quán)重，稱之為“變權(quán)集成預報方法”。

集成平均是一種權(quán)重平均,這種并集有可能會抹殺各成員的個性,因而可能存在較高的空報率,故一般不用于降水的預報,但是在齊齊哈爾地區(qū)2 m 最低和最高溫度預報中效果也不理想，尤其是最高溫度。誤差概率遞歸訓練變權(quán)法應用于格點場溫度集成預報是對模式的整體預報能力進行考慮， 一般不對每一點進行權(quán)重分配， 而是考慮某個模式某個區(qū)域的權(quán)重系數(shù)。 其基本步驟如下:

從四種數(shù)值預報產(chǎn)品中挑出三種模式， 使其歷史誤差概率和實時誤差概率較小。四種模式的歷史誤差概率:

式中Ek是每一個格點的絕對誤差值，Ak為某模式在各種模式誤差中所占的比例，Ak的計算樣本長度為所有歷史資料。

各模式的實時誤差概率:

Bk可以表示模式在最近一段時間的預報質(zhì)量，為某模式在各種模式最近一段時間的預報平均誤差總和所占比例。 Bk計算樣本長度一般根據(jù)短期天氣周期來大致確定，一般可以取4-7。

因歷史樣本Ak是固定的，近期取值Bk則是變動的。 對于既要考慮歷史的又要考慮近期效果的模式誤差概率，使用下式來計算綜合誤差概率:

式中，F(xiàn) 為常數(shù)， 其值的變動代表考慮歷史和實時誤差的程度，F(xiàn) 大，歷史成分多，F(xiàn) 小，則實時成分多。

由于細網(wǎng)格資料沒有歷史樣本， 所以設F 為0。各個模式都可以求出Dk，對于n2 種模式，則得到相應的綜合誤差概率:

為基于誤差概率的第一種、 第二種模式在集成中的權(quán)重系數(shù)，是歸一化的。

3.4 滑動變權(quán)法用于離散點降水集成預報

該方法采用目前投入業(yè)務運行的數(shù)值模式產(chǎn)品,其中包括: ECMWF、T639、日本降水預報產(chǎn)品、德國降水預報和經(jīng)定量化處理后的全國臺站主觀預報產(chǎn)品。

具體原理是:

權(quán)重的分配不僅針對各個成員本身,而且具體到每個成員在不同站點和不同預報時段,計算采用方法和步驟是：取連續(xù)滾動的K 天預報,這樣可得到連續(xù)K 天某個集成成員在每個站點、各個預報時效的預報平均絕對誤差,再取其倒數(shù)，各自倒數(shù)除以倒數(shù)和作為各自的權(quán)重， 各自權(quán)重再乘以集成成員在每個站點、各個預報時效的預報降水量。

在有降水的定性判定上,規(guī)定當三分之二以上成員預報有降水時,則預報有降水,否則視為無降水。

通過上述兩種方法 （誤差概率遞歸訓練變權(quán)法應用于格點場溫度集成預報和滑動變權(quán)法用于離散點降水集成預報）, 最后集成預報的TS 評分結(jié)果表明： 齊齊哈爾地區(qū)十個站點集成預報效果明顯好于任何一個單獨的數(shù)值模式預報效果， 尤其是最低溫度的預報準確率得到很大的提升。

4 小結(jié)

（1）ECMWF-thin、T639-thin、Japan-thin 三種細網(wǎng)格和中央氣象臺的全國城市預報產(chǎn)品對齊齊哈爾地區(qū)的降水預報都存在著較多的空報現(xiàn)象， 去除微量降水預報后，降水預報質(zhì)量得到了很大的提升。

（2）對四種模式預報進行集成平均，在齊齊哈爾地區(qū)預報效果極其有限。

（3）動態(tài)權(quán)重集成預報能夠較好地利用各種數(shù)值預報的優(yōu)勢,從而得到質(zhì)量好的定性預報產(chǎn)品。 定性降水、 最低溫度和最高溫度的集成預報比任何單一的數(shù)值預報成員TS 預報評分都要高, 尤其是最低溫度預報質(zhì)量得到了很大的提升,給預報員提供了很好的參考工具。