黑龍江省集成預報方法研究

董麗紅，祝玉梅，周顯偉

（齊齊哈爾市氣象局，黑龍江 齊齊哈爾161006）

1 引言

隨著經濟發展和社會進步對天氣預報準確率和精度需求日益增高，精細化天氣預報作為氣象部門重要的社會公益服務產品，越來越受到社會和公眾的廣泛關注。為了提高預報的精細化水平、提高預報的時空分辨率，中國氣象局在現代化發展中對國家級和省級業務提出格點化預報的要求，要求省級對國家局預報具有訂正能力。目前黑龍江在格點化預報方面，尚未開展系統的研究工作。

由于格點化觀測產品的缺乏，因此，目前的格點預報普遍以站點預報為基礎，在提高站點預報的準確率基礎上，進一步進行格點預報。本文章研究方法主要致力于黑龍江站點的客觀預報方法的研究與建立，針對觀測數據較為完整、可用性較高的縣站建立預報方程，并在業務中應用。

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和2014年歐洲中心確定性模式高分辨率預報產品（ECMWF-thin，0.25°*0.25°）、GRAPES_MESO 數值產品（GRAPES_MESO，0.1°*0.1°）和日本高分辨率大氣模式產品（japan-thin，0.5°*0.5°）以及黑龍江省 84 個縣站降水和最低、最高溫度實況。對其中的ECMWF-thin、GRAPES_MESO、japan_thin 三種細網格 08 時、20時數值預報產品（12 h降水量和2 m溫度），然后進行站點最近格點取值處理，最后進行相應預報時段截取，取得08時、20時和后推12 h起報降水、最低氣溫和最高氣溫1—10 d的預報結果。

3 方法

(1)預報準確率是采用《全國城鎮天氣預報質量國家級檢驗方案》及《關于改革城鎮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）。

(2)Cui氏等提出的通過滯后平均降低誤差尺度的自適應(卡爾曼濾波類型)誤差訂正方法,屬于后驗訂正,即只在整個積分完成后對預報結果進行訂正處理。

(3)動態地分析各種模式的近期誤差，動態地分配各成員的權重，稱之為“變權集成預報方法”。

(4)滑動變權法用于離散點降水集成預報。

(5)誤差遞歸訓練變權法應用于格點場溫度集成預報。

4 步驟

表1 數值預報原始預報數據評分

4.1 首先對原始數值預報產品進行預報評分

對原始數值預報產品數據采用方法(1)中的降水和溫度預報方法進行評分 （以下評分都為此法），得結果如表1所示。說明“-hh”是向后延后12 h預報。

從表1上看，各種模式晴雨和溫度評分都隨時效增加預報準確率減小；晴雨和溫度評分表現都高的是EC-thin，而且預報時效也是最長的為240 h，資料分發及格式也為最穩定；Grapes-mose前60 h降水晴雨預報準確率最高，72 h晴雨預報準確率下降明顯（可能與其2013年6月前預報時效只有60 h有聯系），所以可以看出我國Grapes-mose模式72 h晴雨預報在黑龍江省效果遠遠超過日本，甚至超過歐洲中心，前48 h氣溫預報準確率也是遠遠超過日本，但是和歐洲中心相比相差較大；日本氣溫預報如果不加處理在黑龍江是不可以用的。

4.2 誤差訂正

4.2.1 降水預報誤差訂正

由于各家預報的種種原因，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逐步去除計算黑龍江省84個縣站1—5 d預報準確，直至其中出現預報準確率有所下降或超過1.0 mm為止。

歐洲中心細網格晴雨數值預報產品在黑龍江去除微量降水0.1 mm準確率迅速提升，到0.6 mm時12和24 h預報準確率達到一個峰值，且和去除0.5 mm預報準確率相差不大；Grapes-mose模式晴雨數值預報產品在黑龍江去除微量降水準確率提升不明顯，到0.5 mm時12 h預報準確率達到一個峰值，且和去除0.6 mm預報準確率相差不大；日本氣象中心細網格晴雨數值預報產品在黑龍江去除微量降水準確率迅速提升，到1.0 mm時晴雨準確率還在上升，但是提高幅度不大了。

EC-thin、Grapes-mose、Japan-thin 三種數值預報晴雨預報產品去除微量降水預報準確率都有所提升。其中提升最為明顯的是日本氣象中心預報產品，提升10%以上，說明其空報率高，去除量級1.0 mm以上，即使提升后的準確率和另外兩種數值預報產品差距還是很大 （原始晴雨預報準確率太低）；Grapes-mose模式晴雨預報產品提升幅度最小，提升了1-2%；歐洲中心數值預報晴雨預報產品前期提升特別明顯，去除值大于0.5 mm后變化不大了，在去除0.6 mm時12 h和24 h晴雨預報準確率達到一個峰值，并且準確率超過Grapes-mose模式，達到最高值。

4.2.2 溫度預報誤差訂正

模式誤差是預報誤差的主要來源之一，本文采用Cui氏等提出的通過滯后平均降低誤差尺度的自適應(卡爾曼濾波類型)誤差訂正方法,屬于后驗訂正,即只在整個積分完成后對預報結果進行訂正處理。

首先,把三種模式數值預報產品84個站2 m最低和最高溫度預報記為Ti,計算預報在各站點i時次t的30 d滑動平均絕對誤差|fi-ai|/30。公式(1)中ai為溫度實況,fi為歷史預報結果。

利用此種方法計算出這三種數值預報溫度預報產品，最低溫度預報按照中國氣象局氣溫預報準確率評定辦法在黑龍江省成績不理想，（討論是否因為最低氣溫多數沒有出現在02、05和08時三個時刻）ECMWF-thin溫度最低預報成績72 h為60%左右，Grapes-mose前72 h預報準確率在40%以下，japan-thin在2%左右。由此也可以說明黑龍江省最低氣溫預報難度相當大，是精細化天氣預報中的難點之一。去除30 d滑動平均相對誤差預報準確率后成績都有顯著提高，其中japan-thin模式溫度預報產品最低氣溫提高20%，其模式預報黑龍江省最低氣溫存在整體偏高趨勢，尤其是冬季時偏高幅度很大，整體偏高30℃以上，2016-2017年冬季日本高分辨率大氣模式溫度預報產品已經有所調整，冬季氣溫趨勢不再整體偏高，而且上下偏幅較小；GRAPES_MESO數值產品去除相對誤差后成績提高10-20%，其主要原因是GRAPES_MESO數值溫度產品最低氣溫預報整體偏高4-6℃；ECMWF-thin去除30 d滑動平均相對誤差預報準確率前7 d提升了4%。

利用此種方法計算出這三種數值預報溫度預報產品，最高溫度預報按照中國氣象局氣溫預報準確率評定辦法在黑龍江省成績較為理想，比最低氣溫預報效果好很多。ECMWF-thin溫度最高預報成績72 h為60%以上，Grapes-mose前72 h預報準確率在50%以上，japan-thin在15%左右。但是去除30 d滑動平均相對誤差預報準確率后成績都有顯著提高，其中japan-thin模式溫度預報產品最低氣溫提高10%，其模式預報黑龍江省最高氣溫存在整體偏高趨勢，尤其是冬季時偏高幅度很大，整體偏高20℃以上，2016-2017年冬季japan-thin模式氣溫預報產品已經有所調整，冬季氣溫趨勢不再整體偏高，而且上下偏幅較小；GRAPES_MESO數值產品去除相對誤差后成績提高7-10%；ECMWF-thin去除30 d滑動平均相對誤差預報準確率前4 d提升了10%左右，后6 d變化不再明顯。

4.3 變權集成預報方法的引入

本 文 采 用 ECMWF-thin、GRAPES_MESO、japan_thin數值預報產品動態地分析各種模式的近期誤差，動態地分配各成員的權重，稱之為“變權集成預報方法”。

4.3.1 誤差概率遞歸訓練變權法應用于格點場溫度集成預報

對于數值預報的格點場，考慮到模式的整體預報能力，一般不對每一點進行權重分配，而是考慮某個區域的權重系數。另外，格點場數值預報原始模式如果具有一定的資料積累，可以適當考慮模式的歷史誤差問題。

P1、P2為基于誤差概率的第一種、第二種模式在集成中的權重系數，是歸一化的，由此得出權重預報的最低和最高氣溫預報。

最優預報為臨近前7 d三種模式預報84個站點和10 d預報時效中各自去除30 d平均相對誤差后最低、最高累計絕對誤差最小的那種模式的預報值。

4.3.2 滑動變權法用于離散點降水集成預報

首先計算最優法集成降水量：各站各時次預報降水中準確率最高模式所預報的降水量。

其次計算權重降水量：

(1)先評出近7 d的各種模式的降水預報準確率。

(2)計算預報有降水模式的預報準確率。

(3)判斷預報降水模式的預報準確率是否＞總預報準確率的50%。

(4)降水量=∑J*a/A

J為預報降水各模式降水量，a為預報降水各模式降水準確率，A為預報降水模式總預報準確率

表2 30 d滑動平均相對誤差預報與最優和、權重集成準確率對比

(5)如果評分為0（前期缺報或實況缺失）或為50%直接取最優法集成降水量

通過上述兩種方法 （誤差概率遞歸訓練變權法應用于格點場溫度集成預報和滑動變權法用于離散點降水集成預報）最后集成預報的預報準確率結果如下：

從表2可以看出，本項目通過所選ECMWF-thin、Grapes-mose和japan-thin三種數值預報產品生成的最優集成和權重集成降水和最低、最高氣溫效果不是很理想，相對于ECMWF-thin30 d滑動平均相對誤差預報沒有明顯的提升，主要原因可能是Grapes-mose和japan-thin正處于模式調整期，預報時效和效果有待完善后效果可能會顯現。后期跟蹤釋用 Grapes-mose更改為 GRAPES_GFS（0.25°*0.25°），因為雖然 GRAPES_GFS格點為 0.25°*0.25°，但是預報時效為240 h和中短期預報時效相對應，日本高分辨率大氣模式產品 （japan-thin，0.5°*0.5°）調整也已經完成。

5 小結

（1）ECMWF-thin、GRAPES_MESO、japan-thin 三種格點資料都存在系統誤差。三種格點資料對黑龍江省地區的降水預報都存在著較多的空報現象，去除微量降水預報后，降水預報質量得到了很大的提升；溫度預報去除一段時間的平均相對誤差后，預報準確率也有較大提升，尤其是前5 d。

（2）ECMWF-thin資料收取和處理穩定，預報質量最高，且收取時間早，在這些格點預報產品中是標桿。它的微量降水空報為最小，在0.6 mm左右，它本身預報效果就很好，去除微量降水和平均相對誤差,預報效果對黑龍江省5 d晴雨預報準確率在80%以上；前3 d最高氣溫準確率在70%以上，最低預報準確率為60%以上，按照國家局TS評分最高為75%，最低為64%。

（3）GRAPES_MESO格點預報產品預報效果在黑龍江省很好。GRAPES_MESO格點預報產品在黑龍江省可用性超過japan-thin預報產品，japan-thin預報產品中2 m氣溫預報對黑龍江省預報效果非常差，氣溫誤差在冬季一段時間內可達到30℃左右，調整后效果較好。

最優集成預報效果動態權重集成預報沒有太大差別,但是相對于去除誤差的ECMWF-thin預報產品基本沒有提升。由于資料存儲和可提供渠道限制，此項目所應用的資料有所局限和調整期。