智慧冬奧2022天氣預報示范計劃的實施與評估

陳明軒 楊璐 秦睿 宋林燁 李靖 邢楠 仲躋芹 孫超 王穎 劉湊華 竇以文 孫成云 時少英 于波 荊浩 甘璐 王宗敏

摘要 主要介紹了“智慧冬奧2022天氣預報示范計劃”（簡稱FDP）的運行與評估結果。此次FDP是在我國首次針對中緯度山區0～10 d冬季天氣預報展開的示范計劃，國內氣象部門內外共22家單位、近40個數值模式或客觀預報系統參與了該計劃。FDP實現了實時運行所需的多種源數據和多源數據產品的高效傳輸分發、監控、實時處理、綜合集成顯示。首次開展了次百米級客觀預報、人工智能釋用訂正預報等新型技術在冬奧復雜山地賽場的實時示范應用，為冬奧氣象中心和3個賽區預報團隊提供了豐富多樣和穩定可靠的高精度客觀產品，有力支撐了高標準的冬奧氣象服務保障。針對參與FDP產品的系統性檢驗評估發現，與模式系統原始預報相比，釋用后的專項站點預報對平均風、陣風、溫度、相對濕度等要素的預報誤差明顯減小。但是對于冬季復雜山地的降水、能見度預報，客觀預報技術還有待進一步改進，而且站點解釋應用效果不明顯。此次FDP對風、溫度、降水、能見度、相對濕度的最優預報檢驗指標（最小誤差值），總體體現了目前國內在中緯度山區冬季天氣客觀預報的大致水平和現實能力，對于認識復雜山地冬季天氣預報存在困難、提升高精度天氣預報水平等具有極為重要的價值。

關鍵詞北京冬奧會;天氣預報示范計劃;FDP;檢驗評估

冬奧會賽事70％左右是雪上項目，且主要在地形復雜的山區舉辦，賽事安排與賽場天氣狀況密切相關。賽程安排需要根據天氣預報找到氣象條件適宜比賽的“窗口期”，而且精確的風、溫、濕度、能見度、降水及相態轉換等的預報預警直接影響到運動員發揮，甚至影響到比賽安全。另外，冬奧會賽事觀賞、交通轉場、媒體轉播、應急救援等外圍保障任務均會受到不同氣象條件的直接影響，相關的氣象預報預警也極為關鍵（Joe et al.，2010;KMA，2018;朱志強等，2019）。因此，精準氣象預報是現代冬奧會成功舉辦的最重要條件之一（Horel et al.，2002）。國際奧委會也將應對天氣風險、獲取精準氣象預報作為歷屆冬奧會一項核心工作（Rutty et al.，2015）。

鑒于山區地形復雜、氣象數據稀少等原因，小尺度山地氣象監測預報一直是國際氣象科技難題（Chow et al.，2013）。近幾屆冬奧會舉辦期間，主辦國為做好冬奧氣象保障服務，均以舉辦預報示范計劃的方式，通過薈集國內外的先進氣象研發成果，為冬奧氣象監測、預報和服務提供強有力的科技支撐。2010年溫哥華冬奧會，加拿大環境部組織實施了SNOW-V10（Science of Nowcasting Olympic Weather for Vancouver 2010）示范計劃（Isaac et al.，2014）。通過在賽場周邊建立稠密立體氣象監測網，并針對山區暴雪等敏感氣象條件部署多種特殊氣象儀器，開展冬季連續觀測試驗;在預報技術方面，開發包括1 km分辨率數值模式等多種針對冬奧會氣象保障的精細預報系統，并開展復雜地形下降水相態、低能見度等關鍵問題的深入研究。2014年索契冬奧會，俄羅斯水文氣象中心組織實施了FROST-2014（Forecast and Re-search in the Olympic Sochi Testbed）示范計劃（Kiktev et al.，2017），主要在賽場周邊增加布設與冬奧密切相關的常規和特殊氣象要素觀測，在前期數據分析的基礎上，實現分鐘到小時間隔的冬奧特殊氣象監測數據服務;開展賽場周邊冬奧高影響天氣研究，通過局地資料同化、高分辨率數值模式和集合預報等技術研發，提高冬奧賽區客觀氣象預報水平。2018年平昌冬奧會，韓國氣象廳組織實施了ICE-POP 2018（International Collaborative Experiments for Pyeongchang 2018 Olympic and Paralympic winter games）示范計劃（Lee and Kim，2019），通過組建稠密立體觀測網提高賽場及周邊氣象探測能力;開展山地和海洋對賽區氣象條件綜合影響研究，加強冬季山地數值預報技術研發，通過千米和次千米分辨率數值模式產品提升低能見度和降水相態等的預報精度;推進氣象服務展示形式網絡化、智能化，服務內容也涉及不同類型冰雪運動。從近三屆冬奧會氣象預報示范計劃來看，稠密氣象監測與數據分析、高時空分辨率無縫隙客觀預報、智能化預報服務成為冬奧氣象技術的重點發展方向。

北京冬奧會氣象預報難度極大，要求極高。相較于往屆冬奧會，北京冬奧會是近20年內唯一一次在大陸性冬季風主導的內陸地區舉辦的冬季大型體育賽事，出現大風、低溫寒潮的概率顯著偏高，因此需關注的高影響天氣和需攻克的氣象預報技術難點與往屆也明顯不同（Joe et al.，2010;Kiktev et al.，2017;Chen et al.，2018;Lee and Kim，2019;王冀等，2021）。另外，高精度山地氣象預報，特別是在氣象觀測和預報經驗幾乎為零的山地賽場，本身就是國際難題（Rotach et al.，2022）。2017年8月，北京冬奧組委與中國氣象局簽署氣象服務協議，氣象預報需做到百米尺度、0～10 d時效、賽區全覆蓋，除提供常規氣象要素預報，還需提供陣風、降水相態等特殊氣象預報，為“一場一策”“一項一策”氣象保障以及開閉幕式等提供關鍵支撐。氣象預報時空精細度和預報時效需求達到冬奧歷史之最，遠高于近幾屆冬奧會千米尺度、5 d預報時效的要求（Chen et al.，2018）。

為滿足北京冬奧會高精度天氣預報服務需求，在做好既有冬奧氣象科技研發支撐項目的同時（Chen et al.，2018），中國氣象局組織實施了“智慧冬奧2022天氣預報示范計劃”（Sciences of Meteorology with Artificial-intelligence in Research and Technology—Weather Forecast Demonstration Project for Beijing 2022 Winter Olympic and Paralympic Games，SMART2022-FDP）（以下簡稱FDP），廣泛征集國內優秀的精細化氣象要素客觀預報技術方法和模式系統，通過在2021年北京冬奧測試活動、2022年北京冬奧會和冬殘奧會正式比賽期間開展天氣預報示范的方式，將遴選出的優秀客觀預報數據產品用于為冬奧氣象服務保障提供的強有力科技支撐。通過此次FDP，也可對目前國內不同單位、不同部門研發和運行的高分辨率數值天氣預報模式以及快速融合與集成預報、數值降尺度預報、統計釋用預報、人工智能釋用訂正等各種技術、系統和方法進行平行評估和對比檢驗，從而推動我國精細化天氣預報技術的深入發展，提升人工智能技術在高精度天氣預報服務中的應用水平，促進相關核心技術在國家重大活動氣象保障服務及氣象防災減災等方面的深化應用（陳明軒等，2021;中國氣象局，2022a，第8章）。

1 FDP技術準備及運行機制

2020年3月，中國氣象局正式啟動FDP，向全國廣泛征集參加者，最初共征集到22家單位（氣象部門內11家，氣象部門外11家）研發的38個系統（包括多家高分辨率數值預報模式）報名參加，最初的各類FDP產品合計約為57項。主要的預報技術可以歸結為以下4大類：次千米級分辨率數值模式和多源資料快速同化技術;次千米級分辨率和次百米級分辨率多源數據快速融合與集成預報技術;次千米級分辨率和次百米級分辨率數值降尺度預報技術;基于人工智能（機器學習和深度學習）的次百米級格點及站點預報釋用訂正技術。

根據計劃安排，FDP分為5個階段：2020年3—12月為各參加系統技術準備期;2021年1—4月完成第1次實時運行測試和檢驗評估，篩選出進入第2次實時運行測試的系統;2021年5—9月為系統改進完善期，并于9月1—15日參加第2次實時運行測試，確定最終參與FDP正式示范的系統;2021年10月—2022年3月開展正式預報示范（其中冬奧和冬殘奧正式運行期為2022年2月4日—3月16日）;2022年4—6月進行FDP總結評估（陳明軒等，2021）。

1.1 前期技術研發及測試

鑒于參加FDP的系統和產品較多，各家系統對冬奧高精度靜態數據、冬奧加密觀測和數值預報背景場數據的需求差異顯著，各家系統給出的產品種類、預報時效、更新間隔、預報間隔、分辨率等也存在很大差異，因此為實施好FDP，設計了完整的數據鏈路和示范產品規則，并開展多項關鍵技術的研究及相關平臺的設計開發。1）在后端數據處理方面，依托國家級大數據云平臺“天擎”，完成了FDP所需基礎數據及產品的保障方案和相關技術的研究開發，如：多源數據結構設計、多源數據存儲方案設計、數據快速多路分發技術研發、數據實時監控技術設計開發、數據共享方案設計開發等。2）在產品集成顯示方面，完成了FDP產品集成方案設計和集成顯示平臺開發、測試，如：產品需求分析、產品類型設計開發、集成顯示方式設計、集成顯示平臺開發和測試等。按照面向支持冬奧實戰應用的目標，集成顯示平臺在開發過程中充分與冬奧氣象預報團隊溝通，根據團隊試用意見反復修改、完善。2021年1月25日，FDP集成顯示平臺實現正式上線運行。平臺采用B／S架構開發，實現了氣象部門內外網同步方式運行，內容包括項目介紹、實況分析、格點預報、場館預報、檢驗評估、數據監控6個版塊（圖1）。3）在檢驗評估方面，完成了FDP多源產品的評估檢驗技術研發和對比分析，如：實時檢驗和后期檢驗的對象選取、指標設計、檢驗方法研發、檢驗產品多維度交互顯示的設計開發，以及實現各類格點和站點數據產品的實時檢驗和結果集成顯示等。4）在數據和產品監控方面，基于國家級大數據云平臺監控系統“天鏡”，實現了各類源數據和FDP產品的到報率、及時率、穩定性等方面的實時監控，包括圖形化監控方式和表格化監控方式2類。在2020年10月30日，形成最終版本的《智慧冬奧2022天氣預報示范計劃（SMART2022-FDP）技術保障方案》（冬奧氣象中心，2020），成為指導FDP技術研發和運行保障的重要技術規范文檔。FDP實時運行的整體架構流程以及實時數據流參見圖2。

1.2 主要集成技術介紹

北京冬奧會FDP產品緊密圍繞冬奧氣象預報團隊需求，集次百米級多源數據快速融合技術、次百米級大渦數值預報技術、24～240 h無縫隙高分辨率數值天氣預報技術、冬奧賽區關鍵點位0～240 h預報技術及風險預警技術為一體，可精細到賽區百米級分辨率、更新頻次10 min、關鍵點位10 d內定時、定點、定量預報。具有代表性的新技術介紹如下：

1）次百米級多源數據快速融合技術：基于自動站、雷達等多源觀測及數值預報、臨近預報等多系統產品融合技術，高分辨率復雜地形模式訂正技術，高分辨率復雜地形動力降尺度技術，降水相態客觀診斷技術等系列核心技術，集成構建了適用于支撐復雜地形下冬奧氣象服務保障的“百米級、分鐘級”0～24 h預報技術體系，實現覆蓋延慶賽區和張家口賽區100 km×100 km山區范圍以及覆蓋北京城區和近郊區120 km×110 km范圍的100 m分辨率、10 min更新的0～24 h融合預報產品。

2）次百米級大渦數值預報技術：聚焦復雜地形下冬奧小尺度高影響天氣預報特點，基于天氣研究預報模式（WRF），對復雜山地實時大渦模擬預報的多個關鍵物理方案和核心配置進行前期試驗、改進優化，著重反映對冬奧山地賽場最為重要的百米以下網格尺度風和溫度預報的關鍵影響因素（包括復雜地形強迫、輻射效應、地面摩擦作用和邊界層湍流混合效應），設計多組并發分時段高效并行運算策略和流程，大幅提升復雜山地大渦模擬計算效率和穩定性，實現基于大渦模擬的復雜地形下冬季天氣0～10 d百米級無縫隙預報系統的研發構建和穩定、高效運行，實現北京冬奧會3個賽區6個核心場地（古楊樹場館群、云頂場館群、國家高山滑雪中心、國家雪車雪橇中心、首鋼園區、國家體育場）各10 km×10 km范圍內67 m網格分辨率的0～10 d預報（每日更新2次）。

3）24～240 h無縫隙高分辨率數值天氣預報技術：以中國氣象局國家級業務數值預報體系為基礎，面向冬奧保障高分辨精細預報需求，重點研發區域模式動力框架和資料同化技術、高分辨集合預報三維尺度調整方法、多尺度混合擾動方法等多種技術，發展多種多模式產品融合方法，形成了面向冬奧氣象保障服務的24～240 h無縫隙高分辨率數值天氣預報技術及系統，實現24～72 h內3 h更新、72～240 h內6 h更新的賽場定點氣象條件預報的既定要求。

4）冬奧賽區關鍵點位0～240 h預報技術：基于傳統統計釋用（多元線性回歸）、人工智能釋用訂正（多元線性回歸、隨機森林、支持向量回歸、梯度提升樹和極端梯度提升等多模式集成）、大數據挖掘（相似集合）等方法，通過對海量的多源數值天氣預報數據和大量的氣象觀測數據進行“再解讀”，構建數值天氣預報冬奧關鍵氣象要素在復雜山地的預報誤差模型，從而實現了客觀氣象預報的“再訂正”，進一步提升復雜地形條件下冬奧氣象預報的精準度，形成了冬奧關鍵點位0～240 h定點預報產品。

需要特別指出的是，參與此次FDP的主要模式、系統和技術方法特點鮮明，代表了國內（甚至國際上）在高精度氣象預報方面的主流發展趨勢（表1）。其中，次百米級預報技術和人工智能釋用訂正是國際上第1次在冬奧會氣象服務保障中獲得應用，體現了目前復雜地形下高精度天氣預報技術方法的發展方向。另外，從參與FDP的數值模式來看，區域數值天氣預報也正在向著千米級甚至更高分辨率方向發展，這在參與近幾屆冬奧會預報示范項目的數值模式配置中也可以看出類似的趨勢（Mailhot et al.，2010;Isaac et al.，2014;Kiktev et al.，2017;Lee and Kim，2019）。

1.3 主要示范產品規范

按照支持冬奧實戰應用為第1位的原則，FDP示范平臺主要提供預報員可直接參考的高分辨率近地面氣象要素預報、高精度三維實況分析、冬奧關鍵點位氣象要素垂直廓線等產品，主要分為站點產品和網格產品2大類，其中網格產品又分為次千米級分辨率和次百米級分辨率2類。1）站點產品，包含冬奧組委最終確定的張家口、延慶、北京賽區所有場館預報站點，預報要素主要包括風速風向（包括平均風和陣風）、氣溫、相對濕度、降水、降水相態、能見度、風寒指數、雪深等17個左右，預報時效至少達到72 h（最長為240 h）;預報間隔為：0～24 h為≤1 h，24～72 h為≤3 h，72～240 h為≤6 h;預報更新頻率≤3 h。2）次千米級網格產品，覆蓋范圍為京津冀區域，預報要素主要包括平均風速風向、陣風風速風向、氣溫、相對濕度、降水、降水相態、能見度等。網格分辨率≤1 km，預報時效≥24 h，預報間隔≤1 h，預報更新頻率≤24 h。3）次百米級網格產品，覆蓋范圍為冬奧山地賽區（包括張家口賽區和延慶賽區），預報要素主要包括風速風向（包括平均風和陣風）、氣溫、相對濕度、降水、降水相態、能見度、云等。網格分辨率≤100 m，預報時效≤24 h，預報間隔≤1 h，預報更新頻率≤6 h（如果僅提供客觀實況分析產品，更新頻率≤30 h）。站點數據產品格式統一為XML格式。次千米級和次百米級網格數據產品統一為經緯度網格格距的NetCDF格式或GRIB2格式。

1.4 檢驗評估規則和策略

為了更加科學地評估參加FDP的各模式系統的預報產品，需要開展相關的常規和非常規多維度檢驗評估，特別是針對張家口、延慶和北京3個賽區共計29個自動氣象站觀測的冬奧站點預報進行檢驗評估（因為觀測限制，3個賽區的能見度檢驗站點合計為12個）。FDP主要針對2類站點預報產品進行檢驗：1）專項站點預報產品，主要指針對冬奧站點專門建模或釋用后處理的產品，由FDP各參加單位直接提供站點預報數據，將該站點預報值與站點實況觀測值進行對比檢驗。2）模式系統預報產品，主要指根據FDP技術保障方案（冬奧氣象中心，2020）的規定，采用統一算法將模式系統格點預報直接插值到站點，由FDP平臺統一處理。其主要策略是：選擇距離站點最近的格點預報作為站點預報值，有多個距離相等的格點時取東北角格點，將該站點預報值與站點實況觀測進行對比檢驗。對于檢驗指標來說，除了常規的統計指標，還引入多種時空維度、多要素檢驗指標進行綜合評判。為保證檢驗樣本相對一致，FDP主要選取各系統產品共有的08時、20時（北京時間）起報的產品進行檢驗。對于專項站點預報產品，選取08時和20時2個起報時次的產品進行檢驗;對于模式系統預報產品，僅選取08時起報的產品進行檢驗。檢驗的預報要素依據冬奧氣象服務關注度排序，依次為：風（含1 h平均風速、1 h極大風（陣風）風速）、溫度、降水、能見度、相對濕度。檢驗預報的“時效／時間間隔”分別為：0～24 h／1 h、24～72 h／3 h、72～240 h／6 h。這里需要說明的是，多個專項站點預報產品在≥72 h預報時效時均采用全球數值預報數據作為背景場，因此預報時效達到240 h（10 d），而模式系統預報產品基本以高分辨率區域數值預報模式數據為主，因此預報時效最長為96 h（4 d）。

FDP站點實時檢驗算法主要基于國家氣象中心的全流程檢驗程序庫Meteva（劉湊華等，2023），并針對FDP檢驗需求進行了改進完善，特別是各類FDP格點預報產品的站點插值處理、各類FDP預報產品與觀測數據在空間維和時間維的標準化處理（包括數據篩選、數據組合、數據合并對齊、檢驗數據接口服務定制等）。最終形成2類站點檢驗產品：1）可實時在線定制繪圖的數值型站點檢驗產品，主要優勢是功能強大，可多角度定制，圖形和數據可自動排序、導出;2）可前臺調度、后臺出圖、前臺顯示的圖片型站點檢驗產品，主要優勢是信息豐富，多視角多維度檢驗。檢驗評估規則和策略詳見《智慧冬奧2022天氣預報示范計劃（SMART2022-FDP）技術保障方案》（冬奧氣象中心，2020）。

監控顯示，在FDP兩次測試和正式運行期間，集成顯示平臺（含后臺數據處理、前臺顯示、站點檢驗、實時監控等模塊）均正常和穩定運行。本文后續所有的站點客觀檢驗，均出自該平臺的數值型站點檢驗自動統計結果（圖3給出了FDP平臺的數值型站點檢驗產品示例）。

2 兩次FDP測試運行情況

為更好地遴選出能夠真正支撐冬奧氣象保障服務的FDP產品，中國氣象局分別在2021年2—3月、9月組織了兩次FDP實時運行測試，并針對測試運行以來遇到的主要問題，包括數據產品格式、不同時空維度預報要素解析、集成顯示方式等，進行了及時有效的解決。根據FDP運行產品遴選原則（冬奧氣象中心，2021），在第1次FDP測試期間（2月1日—3月15日），通過對22家FDP參與單位57項FDP數據產品的準確率、到報率、及時率等指標的評判，初步遴選出16家FDP參與單位的產品41項，并淘汰了相關產品16項（其中包括6家參與單位的全部產品）。第2次測試主要評估了第1次FDP測試遴選出的41項產品的到報率和及時率，確保產品的時效性和穩定性。

通過兩次FDP測試期的綜合檢驗評估，最終氣象部門內外共16家單位41項產品通過測試評估。自2021年10月8日起，FDP實現正式運行，全力支撐10月份開始的冬奧系列測試賽、各種活動及冬奧和冬殘奧正式比賽期間的氣象服務保障。FDP正式運行期間的41項產品的詳細信息可參見相關文獻（中國氣象局，2022a，附錄D）。另外，在2021年10月8日—12月10日期間（FDP正式運行第一階段），各個冬奧氣象預報服務團隊根據FDP產品在各個賽區和關鍵服務區域（場館）的預報準確率等性能，進行了產品的再次評估，給出了FDP產品實時接入冬奧氣象預報服務核心平臺（冬奧多維度氣象預報業務平臺、冬奧現場氣象服務平臺、冬奧氣象綜合可視化平臺、冬奧智慧氣象手機APP）的關鍵產品清單。這里不再贅述。

3 FDP正式運行期產品評估分析

3.1 產品到報率和及時率

FDP正式運行期為2022年10月8日—2023年3月16日，經歷了從秋到冬和從冬到春的季節轉換，很好地檢驗了41項FDP產品的性能，包括到報率、及時率和預報準確率等。在FDP正式運行期間，絕大部分FDP數據產品的傳輸穩定性較好，16家單位41項FDP數據產品的到報率均達到90％以上，39項產品的及時率達到90％以上。

3.2 產品主要檢驗評估結果

因為篇幅限制，這里主要以代表性結論為例，給出FDP正式運行期間預報性能較好的產品總體檢驗評估結果，而關于檢驗評估的詳情可參見相關文獻（冬奧氣象中心，2022），這里不做詳細贅述。

3.2.1 平均風和陣風風速預報檢驗

風速，尤其是陣風預報是冬奧會特殊的氣象保障需求，山區賽場的不同雪上項目對平均風速和陣風風速的要求是不一樣的（Chen et al.，2018;KMA，2018）。特別是對于陣風來說，精準預報是非常困難的，尤其在山區，因天氣形勢差異以及地形強迫、地面摩擦和日照輻射差異等導致邊界層內大氣的各種小尺度脈動復雜多變，使得山區陣風的精細化預報難度更高（Chow et al.，2013;Fernando et al.，2019;Rotach et al.，2022;Tsai et al.，2022）。

表2至表4分別給出了FDP正式運行期間近地面10 m全閾值（不分等級）陣風風速、≥11 m／s陣風風速、≥17 m／s陣風風速的預報檢驗結果。其中，11 m／s和17 m／s的陣風風速是所有高山類滑雪項目最為敏感的兩個閾值，分別對應著比賽的風險陡增和比賽的無條件取消（推遲），也是冬奧氣象保障的關鍵服務閾值。

從檢驗結果來看，不論是專項站點預報產品還是模式系統預報產品，10m平均風風速（表略）和陣風預報誤差隨著預報時效的增加而增加。在0～72 h預報時效內，不論是全閾值（不分等級）陣風風速還是≥11 m／s和≥17 m／s陣風風速，STNF的預報效果最好，體現出人工智能（機器學習）站點解釋應用技術對陣風風速預報的優勢;另外，多源數據快速融合集成和大渦數值預報配合MOS站點解釋應用技術（RMAPS-RISE）、區域模式配合相似集合理論解釋應用技術（RMAPS-ST）、人工智能解釋應用技術（MOML、KJAINWP）以及多模式集成技術（GRAPES-BLD;佟華等，2022）也具有一定優勢。在3～10 d預報時效內，與平均風風速（表略）類似，最佳的陣風風速專項站點預報產品是RMAPS-RISE，體現了次百米級大渦數值模擬技術（Moeng et al.，2007）及其解釋應用在復雜山地陣風預報方面的優勢（中國氣象局，2022a，2022b）。

從專項站點預報產品與模式系統預報產品的風速預報誤差對比來看，經過站點解釋應用的風速預報誤差顯著小于數值模式和客觀系統的原始預報，也表明復雜山地的風速預報站點解釋應用是非常必要和關鍵的，可以顯著降低風速的預報誤差。在模式系統預報產品中，RMAPS-RISE是0～24 h風速預報誤差最小的產品，在同類產品里優勢較為顯著。RMAPS-RISE平均風預報，是采用多源數據快速融合和集成預報技術，實現在復雜山地的百米尺度預報（中國氣象局，2022a，2022b），并基于統計方法對平均風速進行了系統偏差訂正，使其誤差降低率在40％以上（楊璐等，2022）;陣風預報，是在平均風預報基礎上，采用了一個高分辨率陣風客觀預報算法，既保留了模式物理參數特征和京津冀陣風局地氣候統計特征，又發揮了高分辨率格點偏差實時訂正算法的優勢（楊璐等，2023）。但對于≥11 m／s和≥17 m／s的陣風風速預報，大于24 h預報時效的模式系統原始預報誤差較大，參考價值不大。

3.2.2 溫度和相對濕度預報檢驗

從2 m溫度和相對濕度的專項站點預報產品與模式系統預報產品檢驗結果對比（圖4和圖5）來看，站點解釋應用可以顯著提升山區2 m溫度和相對濕度預報準確率。在專項站點預報產品中，基于人工智能的全球數值預報解釋應用技術MOML（Li et al.，2019）誤差最小，而且0～72 h時效的預報比較穩定，誤差隨預報時效延長的增長不明顯;但是對于3～10 d預報時效，誤差增長較為明顯，即使是效果最好的MOML，溫度預報平均均方根誤差也達到0～72 h的兩倍;相對濕度的平均絕對誤差在72 h預報時為8％，到240 h預報時達到16％（圖略）。總體來說，對于3 d以上的冬季復雜山地溫度和相對濕度精細化預報，目前基于人工智能的解釋應用技術還有待進一步改進。另外在模式系統預報產品中，8家模式系統產品0～24 h溫度預報技巧差異不明顯（圖4），溫度預報的平均均方根誤差最大差異僅為0.36 ℃，相對濕度產品預報技巧也與此類似（圖5）。72 h以上的溫度和相對濕度預報產品只有GZ-3km一家（72～96 h預報時效），因此本文僅列出該產品作為參考，并不具備平行對比的條件。

3.2.3 降水預報檢驗

眾所周知，對于北京冬奧會復雜山地賽場的冬季降水（降雪）預報檢驗而言，其實際上是一個小樣本的檢驗。因此，這里僅給出0.1 mm閾值（指示有無降水／降雪）的檢驗結果，即對于0～24 h、24～72 h、72～240 h預報，檢驗標準分別為0.1 mm／（1 h）、0.1 mm／（3 h）、0.1 mm／（6 h）（冬奧氣象中心，2020）。對于降水預報來說，通用的檢驗評分規則是聯合考慮TS評分與Bias評分。Bias評分評判降水預報與降水實況的相對大小，能夠指示“空報”與“漏報”情況;TS評分評判“正確”降水預報與降水實況的關系。因此，一般在Bias評分接近于1的前提下（即限制了“空報”與“漏報”），TS評分越高表明降水預報技巧越高。在此，我們限定Bias評分的最佳范圍為［0.7，1.3］，可容忍范圍為［0.5，1.5］。

從降水檢驗結果（表5）來看，對于0.1 mm（有無降水／降雪）預報，不論是專項站點預報產品還是模式系統預報產品，TS評分隨預報時效的減小趨勢是類似的。綜合TS評分和Bias評分來看，專項站點預報產品中，GRAPES多模式集成產品（GRAPES-BLD）在0～72 h時效內的有無降水（降雪）預報效果相對較好;模式系統預報產品中，高分辨率數值模式產品（GZ-500m、GZ-3km）具有一定的參考價值。另外，降水檢驗結果顯示出2個明顯特征：1）受數據樣本不足以及時間和空間尺度的差異的影響，站點釋用結果往往無法捕捉到整個區域的降水變化和空間分布特征，無論是利用傳統的線性統計方法還是利用人工智能方法對站點進行降水預報釋用訂正，專項站點預報產品評分結果都不及模式系統預報產品，這是非常值得關注的特點;2）總體來看，Bias評分小于1的產品占絕大多數，表明對于冬季復雜山地有無降水（降雪）的預報而言，以“漏報”為主。

3.2.4 能見度預報檢驗

冬奧山地賽場對能見度條件非常敏感，山區的低能見度直接影響到冬奧雪上項目賽事舉辦和運動員安全，對賽事轉播效果也會造成很大影響。這里僅檢驗冬奧會氣象服務最為關注的能見度≤1 km的低能見度事件的預報技巧。檢驗規則類似于降水檢驗。從檢驗結果（表6）來看，專項站點預報產品與模式系統預報產品性能整體相當，不同產品對低能見度事件的預報能力都非常有限。在模式系統預報產品中，綜合TS評分和Bias評分來看，高分辨率邊界層數值模式產品WiNS對于≤1 km的低能見度事件具有一定的預報技巧，但事實上其只有12 h預報時效。另外可看出，參與FDP的站點解釋應用技術對于冬季復雜山地的低能見度預報技巧并沒有提升能力。當然，復雜山地低能見度的預報本身就是一個國際難題，在與低能見度密切相關的山區云微物理變化、風、溫濕度等的復雜地形解析、關鍵物理方案描述等方面，以及山區地形云的預報方面，高分辨率數值模式還有待大幅改進（Joe et al.，2010;Chow et al.，2013;Fernando et al.，2019）。

4 總結與討論

此次FDP是在我國首次針對國內22家單位（氣象部門內外各11家）開展的中緯度山區冬季0～10 d天氣預報示范計劃。通過此次FDP，一是實現了FDP實時運行所需的多種源數據和多源數據產品的高效傳輸、分發及監控，二是實現了次千米級和次百米級高精度分析和預報多源數據產品的高效實時處理、綜合集成顯示及實時檢驗、后評估，三是實現了對次千米級數值預報、次百米級多源數據快速融合和大渦數值預報、人工智能釋用訂正等新技術的實時示范應用。

此次FDP為冬奧3個賽區預報團隊和各級氣象臺提供了豐富多樣和穩定可靠的高精度客觀預報產品，有力支撐了高標準的冬奧氣象服務。參與冬奧氣象服務保障的預報員團隊反饋，豐富的FDP產品及其顯示方式的多樣性有助于預報員快速獲取冬奧氣象保障的關鍵信息;FDP預報產品的精細度和準確率，的確讓預報員感受到了新技術的沖擊力，很大程度上推動了中國氣象局目前正在開展的智能網格預報的業務應用能力。表7中給出的FDP兩類產品對風、溫度、降水、能見度、相對濕度的最優預報檢驗指標（最小誤差值），可以說總體體現了目前國內在中緯度山區冬季天氣客觀預報的大致水平和現實能力，對于認識復雜山地冬季天氣預報目前存在的困難、提升高精度天氣預報水平等具有極為重要的意義。

當然，上述FDP評估結果是FDP正式運行期間（2021年10月8日—2023年3月16日）3個冬奧賽區平均的檢驗對比結論，對于不同賽區、每一次天氣過程，不同產品（要素）的預報準確率也存在差異。另外，對于預報最為關注的極端和轉折性天氣來說，客觀技術和模式系統的預報能力不能簡單地用檢驗評分去衡量，因為客觀檢驗更多體現的是平均態特征。由于篇幅原因，這里不再贅述詳細結果，讀者可參見相關文獻（冬奧氣象中心，2022）。

目前的FDP客觀檢驗也還存在不完善的地方。由于參加FDP的預報產品更新頻次不同（在FDP顯示平臺，從逐小時更新至24 h更新1次不等），如前所述，為了比較更多產品的預報效果，以及專項站點預報產品相對于模式系統預報產品的提升度，并保證樣本的相對一致性和檢驗的相對公平性，FDP站點檢驗主要選取各產品共有的起報時次08時和（或）20時（北京時間），根據產品共有的預報時間間隔進行正式示范期的預報檢驗。對每天逐6 h、逐3 h、逐1 h更新的預報產品，主要在典型天氣個例中評估其預報效果（冬奧氣象中心，2022）。需要說明的是，對于時間更新頻次高的產品，用到的數據產品樣本相對較少。以北京市氣象局的RMAPS-RISE系統為例，0～24 h預報產品本身逐10 min更新，如果一天選取1個整點起報時次，使用的檢驗樣本數只有實際產品數的1／144，即使選擇2個整點起報時次進行檢驗，檢驗樣本也只占預報產品總數的1／72，并不能十分客觀地反映高頻次更新產品的預報效果。另外，不同FDP產品的預報時長差異較大，從2 h至240 h不等，部分評分的計算結果可能會受到預報時長的影響。當然，高時空分辨率預報產品的客觀公正檢驗本身就是一個難題，目前國際上主流的檢驗方法和檢驗標準也有待進一步完善（Ebert et al.，2013）。

對于模式系統產品的站點檢驗來說，僅能評判測站附近的預報性能。特別是冬奧FDP的站點檢驗，因為測站相對集中在每個賽區幾平方千米的小范圍內，所以對于復雜山地次千米級和次百米級模式系統格點預報產品的整體性能評估也存在一定缺陷。例如，對于延慶賽區來說，FDP檢驗站點有9個，但只有7個位于高山滑雪賽場賽道上（圖6），因此對于類似RMAPS-RISE這樣的次百米級格點預報來說，利用7個站點的FDP檢驗結果評估其在延慶賽區復雜山地賽場的整體預報性能還存在不確定性。

在FDP測試及正式運行期間，也開展了FDP產品的格點檢驗，但只作為一項試驗而并未作為FDP評判標準，主要是考慮到復雜山地格點實況場本身的可信度問題，以及部分產品在進行多模式集成融合時已經使用了相關的格點實況場。另外，格點檢驗方法本身及其客觀解釋也有待開展大量的細致工作（Gilleland，2021）。

致謝：冬奧FDP的規劃、布局和實施，是一個龐大的系統工程。冬奧氣象中心（中國氣象局）和冬奧氣象北京分中心（北京市氣象局）的高效組織和管理，以及參與單位的全力配合，確保了FDP的成功運行。冬奧會延慶、張家口和北京賽區氣象預報團隊全程參與了FDP計劃的實施并提供了寶貴意見和改進建議。國家氣象中心（中央氣象臺）、北京市氣象臺、河北省氣象臺、河北省張家口市氣象局、北京市延慶區氣象局對產品應用提出了建設性意見。北京冬奧會和冬殘奧會組織委員會體育部和技術部、國家體育總局冬季運動管理中心對FDP運行和產品推廣應用給予了大力支持。加拿大環境部的Paul Joe博士對FDP的前期籌備提供了寶貴建議。謹致謝忱！

參考文獻（References）

Chen M X，Quan J N，Miao S G，et al.，2018.Enhanced weather research and forecasting in support of the Beijing 2022 Winter Olympic and Paralympic Games［J］.WMO Bulletin，67（2）：58-61.

陳明軒，付宗鈺，梁豐，等，2021.“智慧冬奧2022天氣預報示范計劃”進展綜述［J］.氣象科技進展，11（6）：8-13. Chen M X，Fu Z Y，Liang F，et al.，2021.A review of SMART2022-FDP progress［J］.Adv Meteor Sci Technol，11（6）：8-13.doi：10.3969／j.issn.2095-1973.2021.06.002.（in Chinese）.

Chow F K，De Wekker S F J，Snyder B J，2013.Mountain weather research and forecasting：recent progress and current challenges［M］.Dordrecht：Springer.doi：10.1007／978-94-007-4098-3.

冬奧氣象中心，2020.智慧冬奧2022天氣預報示范計劃（SMART2022-FDP）技術保障方案［S］. Meteorological Center for the 2022 Olympic and Paralympic Games （MCOPG），2020.Technical support documentation for sciences of meteorology with artificial-intelligence in research and technology—Weather forecast demonstration project for Beijing 2022 Winter Olympic and Paralympic Games （SMART2022-FDP）［S］.（in Chinese）.

冬奧氣象中心，2021.智慧冬奧2022天氣預報示范計劃（SMART2022-FDP）第一次測試運行期綜合評估報告［R］. Meteorological Center for the 2022 Olympic and Paralympic Games （MCOPG），2021.Comprehensive evaluation report of the first test operation for sciences of meteorology with artificial-intelligence in research and technology—Weather forecast demonstration project for Beijing 2022 Winter Olympic and Paralympic Games （SMART2022-FDP）［R］.（in Chinese）.

冬奧氣象中心，2022.智慧冬奧2022天氣預報示范計劃（SMART2022-FDP）正式示范運行期站點檢驗評估報告［R］. Meteorological Center for the 2022 Olympic and Paralympic Games （MCOPG），2022.Site verification and evaluation report of the formal demonstration operation period for sciences of meteorology with artificial-intelligence in research and technology—Weather forecast demonstration project for Beijing 2022 Winter Olympic and Paralympic Games （SMART2022-FDP）［R］.（in Chinese）.

Ebert E，Wilson L，Weigel A，et al.，2013.Progress and challenges in forecast verification［J］.Meteor Appl，20（2）：130-139.doi：10.1002／met.1392.

Fernando H J S，Mann J，Palma J M L M，et al.，2019.The perdigo：peering into microscale details of mountain winds［J］.Bull Amer Meteor Soc，100（5）：799-819.doi：10.1175／bams-d-17-0227.1.

Gilleland E，2021.Novel measures for summarizing high-resolution forecast performance［J］.Adv Stat Clim Meteorol Oceanogr，7（1）：13-34.doi：10.5194／ascmo-7-13-2021.

Horel J，Potter T，Dunn L，et al.，2002.Weather support for the 2002 Winter Olympic and Paralympic Games［J］.Bull Amer Meteor Soc，83（2）：227-240.doi：10.1175／1520-0477（2002）083<0227：wsftwo>2.3.co;2.

Isaac G A，Joe P I，Mailhot J，et al.，2014.Science of nowcasting Olympic weather for Vancouver 2010 （SNOW-V10）：a world weather research programme project［J］.Pure Appl Geophys，171（1）：1-24.doi：10.1007／s00024-012-0579-0.

Joe P，Doyle C，Wallace A，et al.，2010.Weather services，science advances，and the Vancouver 2010 Olympic and Paralympic Winter Games［J］.Bull Amer Meteor Soc，91（1）：31-36.doi：10.1175／2009bams2998.1.

Kiktev D，Joe P，Isaac G A，et al.，2017.FROST-2014：the Sochi Winter Olympics International Project［J］.Bull Amer Meteor Soc，98（9）：1908-1929.doi：10.1175／bams-d-15-00307.1.

KMA（Korea Meteorological Administration），2018.Weather services for the 2018 Pyeongchang Olympic ＆ Paralympic Winter Games［R］.2018 Pyeongchang Winter Olympics ＆ Paralympics Weather Support White Paper，April 2018，Korea.

Lee G，Kim K，2019.International collaborative experiments for Pyeongchang 2018 Olympic and Paralympic Winter Games（ICE-POP 2018）［R］.American Geophysical Union，Fall Meeting 2019.

Li H C，Yu C，Xia J J，et al.，2019.A model output machine learning method for grid temperature forecasts in the Beijing area［J］.Adv Atmos Sci，36（10）：1156-1170.doi：10.1007／s00376-019-9023-z.

劉湊華，代刊，林建，等，2023.天氣預報全流程檢驗評估程序庫的設計與實現［J］.氣象，49（3）：351-364. Liu C H，Dai K，Lin J，et al.，2023.Design and implementation of whole process evaluation program library of weather forecast［J］.Meteor Mon，49（3）：351-364.doi：10.7519／j.issn.1000-0526.2022.050902.（in Chinese）.

Mailhot J，Bélair S，Charron M，et al.，2010.Environment Canadas experimental numerical weather prediction systems for the Vancouver 2010 Winter Olympic and Paralympic Games［J］.Bull Amer Meteor Soc，91（8）：1073-1086.doi：10.1175／2010bams2913.1.

Moeng C H，Dudhia J，Klemp J，et al.，2007.Examining two-way grid nesting for large eddy simulation of the PBL using the WRF model［J］.Mon Wea Rev，135（6）：2295-2311.doi：10.1175／mwr3406.1.

Rotach M W，Serafin S，Ward H C，et al.，2022.A collaborative effort to better understand，measure，and model atmospheric exchange processes over mountains［J］.Bull Amer Meteor Soc，103（5）：E1282-E1295.doi：10.1175／bams-d-21-0232.1.

Rutty M，Scott D，Steiger R，et al.，2015.Weather risk management at the Olympic Winter Games［J］.Curr News Tour，18（10）：931-946.doi：10.1080／13683500.2014.887665.

佟華，張玉濤，齊倩倩，等，2022.基于CMA模式體系的京津冀地區復雜地形下冬季的精細化地面要素多模式集成預報研究［J］.氣象，48（12）：1539-1549. Tong H，Zhang Y T，Qi Q Q，et al.，2022.The multi-model blending forecasts of near-surface parameters based on CMA model system［J］.Meteor Mon，48（12）：1539-1549.doi：10.7519／j.issn.1000-0526.2022.082201.（in Chinese）.

Tsai C L，Kim K，Liou Y C，et al.，2022.Orographic-induced strong wind associated with a low-pressure system under clear-air condition during ICE-POP 2018［J］.J Geophys Res：Atmos，127（13）：e2021jd036418.doi：10.1029／2021jd036418.

王冀，于長文，高輝，等，2021.北京2022年冬奧會和冬殘奧會賽區氣象條件及氣象風險分析報告（2021）［M］.北京：氣象出版社. Wang J，Yu C W，Gao H，et al.，2021.Meteorological conditions and meteorological risk analysis report for the Beijing 2022 Winter Olympics and Paralympics （2021）［M］.Beijing：China Meteorological Press.（in Chinese）.

楊璐，宋林燁，荊浩，等，2022.復雜地形下高精度風場融合預報訂正技術在冬奧會賽區風速預報中的應用研究［J］.氣象，48（2）：162-176. Yang L，Song L Y，Jing H，et al.，2022.Fusion prediction and correction technique for high-resolution wind field in winter Olympic games area under complex terrain［J］.Meteor Mon，48（2）：162-176.doi：10.7519／j.issn.1000-0526.2021.092902.（in Chinese）.

楊璐，王曉麗，宋林燁，等，2023.基于陣風系數模型的百米級陣風客觀預報算法研究［J］.氣象學報，81（1）：94-109. Yang L，Wang X L，Song L Y，et al.，2023.An algorithm for objective forecasting of gust winds at 100 m horizontal resolution based on a gust coefficient model［J］.Acta Meteor Sin，81（1）：94-109.doi：10.11676／qxxb2023.20220052.（in Chinese）.

中國氣象局，2022a.北京2022年冬奧會和冬殘奧會氣象保障服務成果·業務服務卷［M］.北京：氣象出版社. China Meteorological Administration，2022a.Meteorological support service achievements for the Beijing 2022 Winter Olympics and Paralympics—Operation and service volume［M］.Beijing：China Meteorological Press.（in Chinese）.

中國氣象局，2022b.北京2022年冬奧會和冬殘奧會氣象保障服務成果·科技支撐卷［M］.北京：氣象出版社. China Meteorological Administration，2022b.Meteorological support service achievements for the Beijing 2022 Winter Olympics and Paralympics—Science and technology support volume［M］.Beijing：China Meteorological Press.（in Chinese）.

朱志強，王飛，王東海，等，2019.2016—2017雪季冬奧會“窗口期”氣象資料分析與建議［J］.上海體育學院學報，43（1）：43-50. Zhu Z Q，Wang F，Wang D H，et al.，2019.Meteorological analysis on winter Olympic games “window period” in the 2016—2017 snow season［J］.J Shanghai Univ Sport，43（1）：43-50.doi：10.16099／j.sus.2019.01.007.（in Chinese）.