多模式溫度集成預報的檢驗分析

張玉榮

(內蒙古自治區巴彥淖爾市氣象局，內蒙古 臨河 015000)

1 引言

數值天氣預報發展至今，已具備了很高的預報準確率，并成為天氣分析預報的有力工具，它延長了預報時效，還能給出各物理量的定量結果[1]。隨著國內外數值天氣預報模式的快速發展，數值模式預報使預報產品類型更加豐富，有效提高了預報準確率和精細化水平，其穩定性和預報質量也逐步提高，預報員對數值預報產品的應用越來越廣泛。然而，預報員每天面對各類數值模式產品，如何用好模式產品就成為預報的關鍵[2]。陳麗娟[3]等基于集合的思想對降水預測的各模式預報結果進行集成，發現集合預報大多數情況下優于單成員預報。馬清[4]等針對全球5個氣象中心的區域集合模式的地面溫度預報，發現集成預報的平均絕對誤差小于單一模式預報。Hagedorn[5]基于多模式集成預報思想，發現多模式集成預報確實能優化預報結果。

內蒙古巴彥淖爾市地處陰山山脈西段，陰山及以北地區隆起，陰山南部斷陷，形成比較明顯的3種地貌，即北部高原、中部山地丘陵和南部河套平原[6]。陰山橫亙于中部，成為中溫帶大陸性氣候與季風氣候的交界區。因為南北海拔高度的不同及陰山的作用，山前與山后的各項氣象要素有明顯的差異，預報難度較大，尤其是日最高氣溫和日最低氣溫預報，成了影響預報服務質量的主要因素[7]。

2 數據來源

逐日選取08時和20時起報的6家數值模式(Ec、T639、 ZX、MG、ZG、ZY)中日最高氣溫和日最低氣溫預報值，時效為24～120 h。其中，Ec模式選用ecmwf_thinmx2t6產品；T639模式選用T639T2M_4產品。其中，Ec模式和T639模式格點資料通過雙線性插值方法插到預報站點；中國天氣、美國天氣、德國天氣在線、中央氣象臺指導預報選用模式預報的Tg和Td。利用C#程序語言將6家模式逐日預報值寫入Excel中，建立回歸分析數據庫。

3 原模式集成

選擇上述6家模式的日最高氣溫和日最低氣溫預報值，使用Excel的LINEST(known_y's known_x's const stats)函數進行回歸分析，其基礎數據如下所示：

Known_y's中輸入D4:D35實況數據即因變量(注：D列的第4～35行的實況溫度數據)；

Known_x's中輸入BA4:BF35各家模式預報值即自變量(注：BA列到BF列的第4～35行6家模式最高、最低氣溫預報值)；

Const中輸入True，如果Const為True或省略，b0(截距)將被正常計算。如果Const為False，b0將被自動設為0；

Stats中輸入True，如果Stats為True，返回附加回歸統計值，如果Stats為False或省略，只返回系數。回歸分析結果輸出(如表1)：

表1 LINEST函數做回歸分析得出的各項系數Tab.1 Various coefficients obtained by regression analysis by LINEST function

各輸出值的意義：A1、B1、C1、D1、E1、F1分別為TdZY、TdMG、TdZX、TdZG、TdT639、TdEc的系數，G1為常數項；A2、B2、C2、D2、E2、F2、G2分別為相應的系數及常數項的標準差；A3為復相關系數，B3為y的標準誤差；A4為計算出的F值，B4為離回歸自由度；A5、B5分別為回歸平方和及離回歸平方和。

將上述各項參數保留兩位小數代入y=A1x1+B1x2+…+G1，得到回歸方程：

y=0.04×TdEc+(-0.04)×TdT639+(-0.04)×TdZG+0.04×TdZX+0.12×T0dMG+0.73×TdZY+2.67

式中，y即為6家模式的最低氣溫集成預報結果。

上述方程示例僅作為解釋說明回歸分析的過程，實際業務中使用2017年1月—2017年12月的數據，逐日對08時和20時預報場的日最高氣溫和日最低氣溫預報分別做回歸分析，得出集成預報結果并按月開展檢驗分析。

4 模式訂正后集成

4.1 訂正預報的意義

上述多元回歸分析只是用最小二乘法對各模式日最高氣溫和日最低氣溫預報進行的最佳直線擬合，與實況仍存在一定的誤差。導致誤差產生的主要原因有兩個：一是數值預報場本身不可避免存在的誤差；二是預報站點風向風速變化、云覆蓋度、降水的影響，或者是其它氣象要素的變化，使局地熱量混合交換而造成溫度差異。

4.2 訂正要素的選取

經過巴彥淖爾市氣象臺預報員多年統計、分析、檢驗，發現與溫度預報相關性較好的是近地面風向風速、相對濕度以及降水量等因子。因此，選取Ec和T639模式預報場中的10 m風向風速，500 hPa、700 hPa、850 hPa 3個層次中的最大相對濕度，12 h降水量作為最高、最低氣溫預報的訂正因子；德國天氣在線、美國天氣、中國天氣選用風向風速、天空狀況、低云量(降水量)的預報值作為訂正因子；中央氣象臺指導預報選用風向風速、低云量、24 h降水量的預報值作為訂正因子。

訂正值的設定是依據一年多的檢驗而設的初始訂正值(見表2～表6)，使用該訂正方法將6家模式氣溫預報值進行訂正，得出模式預報訂正后的日最高氣溫和日最低氣溫預報值，然后再進行一次回歸分析，最后得到模式訂正后的集成預報結果。

表210m風向訂正值設定

Tab.2 10 m wind direction correction setting

表310m風速訂正值設定

Tab.310m wind setting

風力(級)123456789101112Td訂正/℃0.10.20.30.40.60.81.01.21.41.62.03.0Tg訂正/℃-0.1-0.2-0.3-0.4-0.6-0.8-1.0-1.2-1.4-1.6-2.0-3.0

表4低云量訂正值設定

Tab.4Low cloud setting

低云量(成)10或10-987654<4Td訂正值/℃2.01.61.20.80.60.40.10Tg訂正值/℃-2.0-1.6-1.2-0.8-0.6-0.4-0.10

表5最大相對濕度訂正值設定

Tab.5Setting of maximum relative humidity setting value

相對濕度/%10090～9980～8970～7960～6950～5940～49<40Td訂正值/℃1.00.80.60.40.30.20.10Tg訂正值/℃-1.0-0.8-0.6-0.4-0.3-0.2-0.10

表6雨(雪)訂正值設定

Tab.6Setting of rain (snow) setting

降水量小雨中雨大雨暴雨大暴雨小雪中雪大雪Td訂正/℃0.312340.112Tg訂正/℃-0.3-1-2-3-4-0.1-1-2

5 集成預報檢驗分析

5.1 溫度預報檢驗方法

根據中國氣象局關于《中短期天氣預報質量檢驗辦法(試行)》的規定，其標準如下：

其中，Fi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 ℃，NrK為預報正確的站(次)數,NfK為預報的總站(次)數。溫度預報準確率的實際含義是溫度預報絕對誤差≤1 ℃(2 ℃)的百分率。K為1、2，分別代表≤1 ℃、≤2 ℃。

5.2 集成預報24 h質量檢驗

對24 h集成預報的最高溫度預報檢驗(表7)知，從2017年1—12月平均預報準確率為84.8%，其中53513(臨河區)站準確率最高：88.5%，53324(烏拉特后旗)準確率最低：81.0%。平均絕對誤差均<2 ℃，最大為烏拉特后旗1.371 ℃。均方根誤差均<2 ℃，最大為磴口縣1.935 ℃。從偏高率和偏低率可以看出，對于最高氣溫的預報，集成預報的偏高率比偏低率略更加明顯。

表7 24 h最高氣溫集成預報各旗(縣)檢驗Tab.7 24 h maximum temperature integrated forecast for each flag (county) test

對24 h集成預報的最低溫度預報檢驗(表8)知，從2017年1—12月平均預報準確率為66.3%，其中53419(磴口縣)站準確率最高：70.9%，53337(五原縣)準確率最低：62.3%。平均絕對誤差均<2 ℃，最大為五原縣1.502 ℃。均方根誤差基本都<2 ℃，只有五原縣>2 ℃，值為2.016 ℃。從偏高率和偏低率可以看出，對于最低溫度的預報，集成預報的偏低率比偏高率略明顯。

表8 24 h最低氣溫集成預報各旗(縣)檢驗Tab.8 24 h minimum temperature integrated forecast for each flag (county) test

從2017年1—12月集成預報24 h最低氣溫和最高氣溫準確率區域分布圖(圖1和圖2)看，最高溫度區域分布中，套區偏南地區預報準確率比北部牧區預報準確率要高，其中臨河區預報準確率最高；最低溫度區域分布中，巴彥淖爾市西南部和東南部的預報準確率比其他區域預報準確率要高，其中磴口縣報準確率最高。

圖1 集成預報最高氣溫24 h預報準確率區域分布Fig.1 Regional distribution of accuracy of integrated forecast of maximum temperature 24 h

圖2 集成預報最低氣溫24 h預報準確率區域分布Fig.2 Regional distribution of accuracy of integrated forecast of 24 h minimum air temperature

5.3 模式訂正后集成檢驗

從模式訂正后集成檢驗結果可以看出，各家模式訂正后集成比原模式集成的準確率有所提高(圖略)，其中最高氣溫準確率提高了1%～3%，最低氣溫誤差率降低了0.5%～4%，說明訂正方法的使用對提高最高、最低氣溫預報準確率有一定的效果，對溫度預報具有參考價值。

6 小結

①本文的主要目的是使用LINEST函數對各家數值模式預報進行多元回歸分析，得出模式集成預報結果，檢驗集成預報結果的準確率。結果表明：集成預報比6家模式的預報準確率都高，這對巴彥淖爾市溫度預報具有很好的參考價值。

②在原模式的基礎上，建立本地化訂正方法,將原6家模式最高最低氣溫預報值進行訂正后再集成。檢驗結果表明：訂正后的集成預報比直接集成預報準確率又提高了0%～4%，說明訂正方法的使用對提高最高、最低氣溫預報準確率有一定的效果。

③本文不但對模式集成進行了檢驗，還對單一數值模式預報進行了檢驗，為預報員擇優使用數值預報產品提供依據，同時也為研究數值模式預報產品釋用提供一定的參考方法，具有一定的推廣價值。