多模式温度集成预报的检验分析

张玉荣

(内蒙古自治区巴彦淖尔市气象局，内蒙古 临河 015000)

1 引言

数值天气预报发展至今，已具备了很高的预报准确率，并成为天气分析预报的有力工具，它延长了预报时效，还能给出各物理量的定量结果[1]。随着国内外数值天气预报模式的快速发展，数值模式预报使预报产品类型更加丰富，有效提高了预报准确率和精细化水平，其稳定性和预报质量也逐步提高，预报员对数值预报产品的应用越来越广泛。然而，预报员每天面对各类数值模式产品，如何用好模式产品就成为预报的关键[2]。陈丽娟[3]等基于集合的思想对降水预测的各模式预报结果进行集成，发现集合预报大多数情况下优于单成员预报。马清[4]等针对全球5个气象中心的区域集合模式的地面温度预报，发现集成预报的平均绝对误差小于单一模式预报。Hagedorn[5]基于多模式集成预报思想，发现多模式集成预报确实能优化预报结果。

内蒙古巴彦淖尔市地处阴山山脉西段，阴山及以北地区隆起，阴山南部断陷，形成比较明显的3种地貌，即北部高原、中部山地丘陵和南部河套平原[6]。阴山横亘于中部，成为中温带大陆性气候与季风气候的交界区。因为南北海拔高度的不同及阴山的作用，山前与山后的各项气象要素有明显的差异，预报难度较大，尤其是日最高气温和日最低气温预报，成了影响预报服务质量的主要因素[7]。

2 数据来源

逐日选取08时和20时起报的6家数值模式(Ec、T639、 ZX、MG、ZG、ZY)中日最高气温和日最低气温预报值，时效为24～120 h。其中，Ec模式选用ecmwf_thinmx2t6产品；T639模式选用T639T2M_4产品。其中，Ec模式和T639模式格点资料通过双线性插值方法插到预报站点；中国天气、美国天气、德国天气在线、中央气象台指导预报选用模式预报的Tg和Td。利用C#程序语言将6家模式逐日预报值写入Excel中，建立回归分析数据库。

3 原模式集成

选择上述6家模式的日最高气温和日最低气温预报值，使用Excel的LINEST(known_y's known_x's const stats)函数进行回归分析，其基础数据如下所示：

Known_y's中输入D4:D35实况数据即因变量(注：D列的第4～35行的实况温度数据)；

Known_x's中输入BA4:BF35各家模式预报值即自变量(注：BA列到BF列的第4～35行6家模式最高、最低气温预报值)；

Const中输入True，如果Const为True或省略，b0(截距)将被正常计算。如果Const为False，b0将被自动设为0；

Stats中输入True，如果Stats为True，返回附加回归统计值，如果Stats为False或省略，只返回系数。回归分析结果输出(如表1)：

表1 LINEST函数做回归分析得出的各项系数Tab.1 Various coefficients obtained by regression analysis by LINEST function

各输出值的意义：A1、B1、C1、D1、E1、F1分别为TdZY、TdMG、TdZX、TdZG、TdT639、TdEc的系数，G1为常数项；A2、B2、C2、D2、E2、F2、G2分别为相应的系数及常数项的标准差；A3为复相关系数，B3为y的标准误差；A4为计算出的F值，B4为离回归自由度；A5、B5分别为回归平方和及离回归平方和。

将上述各项参数保留两位小数代入y=A1x1+B1x2+…+G1，得到回归方程：

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

式中，y即为6家模式的最低气温集成预报结果。

上述方程示例仅作为解释说明回归分析的过程，实际业务中使用2017年1月—2017年12月的数据，逐日对08时和20时预报场的日最高气温和日最低气温预报分别做回归分析，得出集成预报结果并按月开展检验分析。

4 模式订正后集成

4.1 订正预报的意义

上述多元回归分析只是用最小二乘法对各模式日最高气温和日最低气温预报进行的最佳直线拟合，与实况仍存在一定的误差。导致误差产生的主要原因有两个：一是数值预报场本身不可避免存在的误差；二是预报站点风向风速变化、云覆盖度、降水的影响，或者是其它气象要素的变化，使局地热量混合交换而造成温度差异。

4.2 订正要素的选取

经过巴彦淖尔市气象台预报员多年统计、分析、检验，发现与温度预报相关性较好的是近地面风向风速、相对湿度以及降水量等因子。因此，选取Ec和T639模式预报场中的10 m风向风速，500 hPa、700 hPa、850 hPa 3个层次中的最大相对湿度，12 h降水量作为最高、最低气温预报的订正因子；德国天气在线、美国天气、中国天气选用风向风速、天空状况、低云量(降水量)的预报值作为订正因子；中央气象台指导预报选用风向风速、低云量、24 h降水量的预报值作为订正因子。

订正值的设定是依据一年多的检验而设的初始订正值(见表2～表6)，使用该订正方法将6家模式气温预报值进行订正，得出模式预报订正后的日最高气温和日最低气温预报值，然后再进行一次回归分析，最后得到模式订正后的集成预报结果。

表210m风向订正值设定

Tab.2 10 m wind direction correction setting

表310m风速订正值设定

Tab.310m wind setting

风力(级)123456789101112Td订正/℃0.10.20.30.40.60.81.01.21.41.62.03.0Tg订正/℃-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低云量订正值设定

Tab.4Low cloud setting

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

表5最大相对湿度订正值设定

Tab.5Setting of maximum relative humidity setting value

相对湿度/%10090～9980～8970～7960～6950～5940～49<40Td订正值/℃1.00.80.60.40.30.20.10Tg订正值/℃-1.0-0.8-0.6-0.4-0.3-0.2-0.10

表6雨(雪)订正值设定

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订正/℃0.312340.112Tg订正/℃-0.3-1-2-3-4-0.1-1-2

5 集成预报检验分析

5.1 温度预报检验方法

根据中国气象局关于《中短期天气预报质量检验办法(试行)》的规定，其标准如下：

其中，Fi为第i站(次)预报温度，Oi为第i站(次)实况温度，K为1、2，分别代表│Fi-Oi│≤1 ℃、│Fi-Oi│≤2 ℃，NrK为预报正确的站(次)数,NfK为预报的总站(次)数。温度预报准确率的实际含义是温度预报绝对误差≤1 ℃(2 ℃)的百分率。K为1、2，分别代表≤1 ℃、≤2 ℃。

5.2 集成预报24 h质量检验

对24 h集成预报的最高温度预报检验(表7)知，从2017年1—12月平均预报准确率为84.8%，其中53513(临河区)站准确率最高：88.5%，53324(乌拉特后旗)准确率最低：81.0%。平均绝对误差均<2 ℃，最大为乌拉特后旗1.371 ℃。均方根误差均<2 ℃，最大为磴口县1.935 ℃。从偏高率和偏低率可以看出，对于最高气温的预报，集成预报的偏高率比偏低率略更加明显。

表7 24 h最高气温集成预报各旗(县)检验Tab.7 24 h maximum temperature integrated forecast for each flag (county) test

对24 h集成预报的最低温度预报检验(表8)知，从2017年1—12月平均预报准确率为66.3%，其中53419(磴口县)站准确率最高：70.9%，53337(五原县)准确率最低：62.3%。平均绝对误差均<2 ℃，最大为五原县1.502 ℃。均方根误差基本都<2 ℃，只有五原县>2 ℃，值为2.016 ℃。从偏高率和偏低率可以看出，对于最低温度的预报，集成预报的偏低率比偏高率略明显。

表8 24 h最低气温集成预报各旗(县)检验Tab.8 24 h minimum temperature integrated forecast for each flag (county) test

从2017年1—12月集成预报24 h最低气温和最高气温准确率区域分布图(图1和图2)看，最高温度区域分布中，套区偏南地区预报准确率比北部牧区预报准确率要高，其中临河区预报准确率最高；最低温度区域分布中，巴彦淖尔市西南部和东南部的预报准确率比其他区域预报准确率要高，其中磴口县报准确率最高。

图1 集成预报最高气温24 h预报准确率区域分布Fig.1 Regional distribution of accuracy of integrated forecast of maximum temperature 24 h

图2 集成预报最低气温24 h预报准确率区域分布Fig.2 Regional distribution of accuracy of integrated forecast of 24 h minimum air temperature

5.3 模式订正后集成检验

从模式订正后集成检验结果可以看出，各家模式订正后集成比原模式集成的准确率有所提高(图略)，其中最高气温准确率提高了1%～3%，最低气温误差率降低了0.5%～4%，说明订正方法的使用对提高最高、最低气温预报准确率有一定的效果，对温度预报具有参考价值。

6 小结

①本文的主要目的是使用LINEST函数对各家数值模式预报进行多元回归分析，得出模式集成预报结果，检验集成预报结果的准确率。结果表明：集成预报比6家模式的预报准确率都高，这对巴彦淖尔市温度预报具有很好的参考价值。

②在原模式的基础上，建立本地化订正方法,将原6家模式最高最低气温预报值进行订正后再集成。检验结果表明：订正后的集成预报比直接集成预报准确率又提高了0%～4%，说明订正方法的使用对提高最高、最低气温预报准确率有一定的效果。

③本文不但对模式集成进行了检验，还对单一数值模式预报进行了检验，为预报员择优使用数值预报产品提供依据，同时也为研究数值模式预报产品释用提供一定的参考方法，具有一定的推广价值。