2017年乌鲁木齐区域数值预报业务系统预报性能检验和评估

杜 娟，李 曼，辛 渝，马玉芬，琚陈相

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐 830002；2.中亚大气科学研究中心，新疆 乌鲁木齐 830002）

随着探测技术的发展和新型探测仪器的布设，新型高时空分辨率的探测资料也应用于预报业务中。有效地将这些探测资料应用于数值模式得到更为准确的预报，成为提高数值预报精度的重要途径[1，2]。数值模式产品已成为天气预报的主要参考资料，模式预报准确率也直接关系着天气预报的准确率，因而影响气象服务成效[3-6]。目前，国内外学者针对数值模式开展了大量的研究，包括物理参数化方案优化、多源观测资料应用、同化算法改进等[7-11]。这些研究不断改进了模式中存在的问题，提高了数值模式预报精度。但由于模式初边界条件、物理过程、地表静态数据以及模式框架设计等因素均含有不确定性，这给数值模式带来了误差，需要对这种误差进行定量的评估。对数值模式进行客观检验和评估，了解模式预报误差的时空分布特征，对于模式研发人员和用户都是十分有益的[12-18]。

新疆快速更新循环同化数值预报系统于2011年搭建完成并试运行，经过参数化方案优选、GTS（Global Telecommunication System，简称 GTS）全球观测资料同化等工作，2014年9月更名为沙漠绿洲戈壁区域同化预报系统（Desert Oasis-Gobi Regional Assimilation and Forecast System，简称DOGRAFS），2015年12月实现业务准入，现行版本为1.0。以往针对DOGRAFS的检验主要从某几个要素开展[19-21，24]，李淑娟等对地面2 m温度和10 m风速进行了检验，于晓晶、杜娟分别对降水进行了检验，李曼对2 m温度、10 m风速、500 hpa形势场和降水进行了检验，但并未从空间上对DOGRAFS预报性能进行分析。这些研究虽然对模式预报性能进行了评估，但不够全面，本文分别从降水、地面要素场、高空要素场等多个要素评估了DOGRAFS v1.0的预报性能，对2017年各季节的预报性能从时间和空间上进行较为全面的评估，不仅有助于研发人员了解模式预报性能在时间/空间上的差异，进一步诊断和修正模式，也为预报员订正预报结果提供客观依据。

1 资料和方法

1.1 DOGRAFS系统

DOGRAFS v1.0基于WRF v3.5.1和WRFDA v3.5.1搭建，采用27、9、3km三重嵌套网格，垂直方向设置40层，模式层顶为50 hPa。系统每日运行4次（00时 UTC、06时 UTC、12时 UTC和 18时UTC），其中00时 UTC和12时UTC为冷启，预报时效84 h，06时UTC和18时UTC为暖启，预报时效36 h。模式每隔6 h同化一次全球电讯交换系统获取的GTS全球观测资料和雷达径向风资料。文中主要针对9 km分辨率区域的每日4次起报、24 h预报时效产品，运用 MET（Model Evaluation Tools）检验平台对区域模式预报性能进行评估。检验要素主要有2 m温度、10 m风、高空位势高度、风场和温度以及逐 6 h累积降水量，分别给出冬季（12—2月）、春季（3—5月）、夏季（6—8月）和秋季（9—11月）的平均检验结果，最后对2017年00时UTC起报、逐6 h累积降水量空间检验结果进行分析。

1.2 检验方法

DOGRAFS的预报结果为基于网格点的值，首先通过反距离权重法[22，23]，将模式网格预报值插值到站点位置，生成模式的测站预报值，与对应站点观测值进行对比检验，统计量有平均误差ME（Mean Error） 和均方根误差 RMSE（Root Mean Square Error）。对逐6 h累积降水量预报结果，利用Ts评分（Threat Score）和 Bias评分（Bias Score）2个指标进行评估，分别对 0～6、6～12、12～18、18～24 h 的 4 个阈值（≥0.1 mm、≥3.1 mm、≥6.1 mm、≥12.1 mm）的降水预报性能进行对比评估。

公式（1）、（2）为统计量计算公式：

式中ME为平均误差，RMSE为均方根误差，f（i）为第 i点上的预报值，O（i）为第 i点上的观测值。

公式（3）、（4）为降水评估指标的计算公式[11]。

式中Ts为Ts评分值，Bias为Bias评分值，NA为预报正确站（次）数、NB为空报站（次）数、NC为漏报站（次）数。

2 地面要素预报检验

2.1 2m温度

从图1可以看出，冬季2 m温度模拟误差最大，均方根误差在4.2～5.1℃，除了3、6 h预报，其他时次均为暖偏差，分析场暖偏差为0.8℃，预报场暖偏差在0.4℃以内；春季2 m温度模拟误差次之，均方根误差为4.0～4.2℃，温度预报均为冷偏差，分析场冷偏差为 -0.4℃，预报场偏差较大，约为-2.0℃；夏季2 m温度均方根误差平均约3.4℃，分析场温度偏差为0.8℃，预报场冷偏差为-0.7～-1.2℃；秋季温度均方根误差与夏季较为接近，在3.2～3.5℃，温度偏差分析场为0.7℃，预报场冷偏差-0.6～-0.8℃。根据2 m温度预报偏差空间分布分析，模式对新疆站点日间温度预报整体偏低，多数站点夜间温度预报偏高；冬季温度预报整体呈暖偏差是因为冬季温度预报偏高的站点较多，山区及沿线站点温度预报暖偏差尤其高；春季各站点日间温度预报冷偏差比其他3个季节高，夜间温度预报呈现暖偏差的站点相对其他3个季节少，所以整个区域平均后春季温度预报冷偏差最大。综合分析，2017年日间预报温度整体偏低，夜间多数站点预报温度偏高；夏季2 m温度模拟均方根误差最小，秋季、春季次之，冬季误差最大；所有季节分析场均为暖偏差，冬季预报场呈暖偏差，温度预报偏高，其他3个季节均为冷偏差，温度预报整体偏低，春季预报冷偏差最大。与2016年同期相比，2017年冬季和秋季2 m温度预报精度提高，春季和夏季预报误差增大。

2.2 10 m风

从图2可以看出，冬季10 m风场模拟误差最大，均方根误差在2.5～2.9 m/s，分析场平均误差为0.7 m/s，风速预报偏大，平均误差为 0.9～1.2 m/s；春季10 m风速模拟误差次之，均方根误差为2.4～2.7 m/s，分析场风速平均误差为0.5 m/s，风速预报正偏差为0.7～1.0 m/s；夏季10 m风速均方根误差平均约2.3 m/s，分析场风速平均偏差为0.4 m/s，预报场风速偏差为0.5～0.7 m/s；秋季风速均方根误差与夏季较为接近，在2.2～2.4 m/s，分析场风速偏差为0.4 m/s，预报场正偏差为0.6～0.8 m/s。综合分析，冬季10 m风速模拟误差最大，春季次之，夏季、秋季误差相当；所有季节风速分析场与预报场均为正偏差，预报风速偏大。与2016年同期相比，2017年春季和秋季10 m风速预报精度提高，冬季和夏季预报误差增大。

3 高空要素预报检验

3.1 位势高度

从高空位势高度场检验（图3）可知，冬季位势高度均方根误差在7.0～11.5 gpm，呈现随高度增加误差增大的趋势；从位势高度场偏差来看，预报整体呈负偏差，即预报高度比实际高度偏低，在-5.0～4.5 gpm，分析场在850 hPa以上呈正偏差。春季位势高度均方根误差在7.5～11.5 gpm，呈现随高度增加误差增大的趋势；预报整体呈负偏差，在-6.2～2.6 gpm，分析场在850 hPa以上200 hPa以下呈正偏差。夏季位势高度均方根误差在6.5～12.0 gpm，呈现随高度增加误差增大的趋势，分析场、预报场误差相差较小；预报整体呈负偏差，变幅较大，在-8.2～2.0 gpm。秋季位势高度均方根误差在7.5～11.5 gpm，呈现随高度增加误差增大的趋势；预报整体呈负偏差，在-6.4～0.2 gpm。综合分析，不同季节高空位势高度随高度增加误差增大，误差约在6.5～12.0 gpm，位势高度场预报呈负偏差，预报高度比实际高度偏低。

3.2 风场

图1 2016、2017年各季节2 m温度检验结果

图2 2016、2017年各季节10 m风速检验结果

从高空U风检验（图4）可知，冬季U风均方根误差在2.4～6.2 m/s，呈现随高度增加误差先增大后减小的趋势，误差随预报时效增大；从预报偏差来看，在-1.2～1.8 m/s，分析场呈负偏差，预报场除700、200 hPa及以上呈正偏差，其他层负偏差。春季U风均方根误差在2.5～5.8 m/s，呈现随高度增加误差先增大后减小的趋势，误差随预报时效增大；从预报偏差来看，在-1.6～0.5 m/s，整体呈负偏差。夏季U风均方根误差在2.0～5.0 m/s，呈现随高度增加误差先增大后减小的趋势，误差随预报时效增大；从预报偏差来看，在-1.8～0.2 m/s，整体呈负偏差。秋季U风均方根误差在2.4～4.8 m/s，误差随预报时效增大；从预报偏差来看，在-1.2～0.4 m/s，整体呈负偏差。综合分析，不同季节高空U风随高度增加误差先增大后减小，随预报时效误差增大，均方根误差约在2.4～6.2 m/s，U风场预报整体呈负偏差，预报风速比实况偏小。

从高空V风检验结果（图5）得到，冬季V风均方根误差在1.8～5.2 m/s，呈现随高度增加误差先增大后减小的趋势，误差随预报时效增大；从预报偏差来看，在-0.4～0.8 m/s，整体呈正偏差。春季V风均方根误差在2.0～4.8 m/s，呈现随高度增加误差先增大后减小的趋势，误差随预报时效增大；从预报偏差来看，在-0.5～1.2 m/s，整体呈正偏差。夏季V风均方根误差在2.0～4.3 m/s，呈现随高度增加误差先增大后减小的趋势，误差随预报时效增大；从预报偏差来看，在-0.6～1.5 m/s，整体呈正偏差。秋季V风均方根误差在2.0～4.3 m/s，误差随预报时效增大；从预报偏差来看，在-0.6～1.3 m/s，整体呈正偏差。综合分析，不同季节高空V风随高度增加误差先增大后减小，随预报时效误差增大，均方根误差约在1.8～5.2 m/s，V风场预报整体呈正偏差，预报风速比实况偏大。

图3 2017年各季节00 UTC起报高空形势场检验结果

图4 2017年各季节00时UTC起报高空U风检验结果

3.3 温度场

从高空温度场检验（图6）分析得到，冬季温度均方根误差从低层到高层呈现先减小，到400 hPa以上逐渐增大，200 hPa以上减小的趋势，均方根误差为0.5～3.2℃，分析场误差最小，500 hPa以下12 h预报误差高于24h预报，500 hPa以上12 h预报误差低于24 h预报；从温度偏差来看，整体呈冷偏差，在-1.6～0.5℃，低层和高层冷偏差大，中层冷偏差小。春季温度均方根误差同样有从低层到高层呈现先减小，到400 hPa以上逐渐增大，200 hPa以上减小的趋势，均方根误差0.5～3.0℃，分析场误差最小，随着预报时效积累，春季高空温度均方根误差增大；从温度预报偏差来看，在850 hPa以下呈暖偏差，以上整体呈冷偏差，在-1.4～1.8℃。夏季温度均方根误差变幅较小，均方根误差为0.8～2.8℃，低层误差较大，中高层误差小，12、24 h预报误差在400 hPa以下相差较小，400 hPa以上24h预报误差＜12 h预报；从温度偏差来看，整体呈冷偏差，在-1.2～1.4℃，中层偏差小，部分层略有暖偏差。秋季温度均方根误差呈现中层低、高层、低层高的趋势，均方根误差为0.6～2.6℃，12 h预报误差＜24 h预报；从温度偏差来看，整体呈冷偏差，在-1.2～1.2℃，中层偏差小，部分层略有暖偏差。综合分析，不同季节高空温度随高度增加误差先减小后增大，夏季、秋季高空温度预报误差小，在3.0℃以下，冬季误差最大，温度预报整体呈冷偏差。

4 逐6 h降水预报检验

4.1 降水评分季节对比

随着降水阈值的提高，Ts评分下降，同时Bias变幅增大，即对量级越大的降水，Ts评分就越低，空、漏报率也在随之增加，总体来看，空报率频次多于漏报率。

图5 2017年各季节00 UTC起报高空V风检验结果

图6 2017年各季节00 UTC起报高空温度场检验结果

对2017年各季节降水检验结果进行分析（图7），从Ts评分来看，对于0.1 mm阈值晴雨预报，Ts评分均在0.30以上，秋季评分最高，Ts评分均在0.35以上，冬季最低，春季、夏季相当；对于3.1 mm阈值降水，不同季节Ts评分在0.15左右，春季评分最高，分值在0.18附近，冬季最低，夏季略高于秋季；对于6.1 mm阈值降水，Ts评分在0.12左右，变幅较大，冬季Ts评分变幅最大，整体来看春季Ts评分较高，夏季高于秋季；对于12.1 mm阈值降水，春季评分最高，夏季高于秋季，冬季无评分。从Bias评分来看，Bias评分有随着预报时效累积不断增大的趋势。对于0.1 mm阈值降水，Bias评分基本在1.0～1.3范围内，各季节对降水落区预报略有空报，春季表现明显；对于3.1 mm阈值降水，Bias评分分布在0.7～1.2，空、漏报率较低，夏季空、漏报率最低，秋季主要表现为空报，前12 h预报Bias评分从冬季到秋季依次增大，对于前6 h预报以漏报为主；对于6.1 mm 阈值降水，Bias评分在 0.6～1.2，18~24 h 降水冬季漏报，秋季空报，春季和夏季除了0~6 h降水漏报，其他时次略空报；对于12.1 mm降水，Bias评分变幅较大为0.1～2.4，冬季评分较小在0.2以下，漏报率较高，秋季Bias评分在1.8以上，空报率较高，春季以漏报为主，夏季空、漏报率较低。模式对不同季节降水晴雨预报Ts评分均在0.3以上，秋季晴雨预报Ts评分最高。春季Ts评分最高，冬季最低。Bias评分有随着预报时效累积不断增大的趋势，各季节对降水落区略有空报，冬季大阈值降水漏报率较高，秋季大阈值降水空报率较高，夏季空、漏报率较低。与2016年同期相比，2017年降水Ts评分整体提高，其中冬季提高最明显，对春季大阈值降水Ts评分有提高，夏季中量级降水Ts评分减小。

4.2 降水评分空间分布

从2017年08—14时BT降水预报评分（图8a）可以看出，对于0.1 mm阈值，在阿勒泰北部沿阿尔泰山、塔城大部地区、伊犁河谷天山大峡谷沿线、南疆西部山区局地、昆仑山北坡沿线站点Ts评分较高，可以达到0.4；对比Bias评分，模式漏报站点数多于空报，在博州、伊犁河谷、西天山北坡、南疆西部山区部分站点漏报率较高，在阿勒泰北部、天山峡谷、喀什地区局地空报率较高。对于3.1 mm阈值，有评分站点主要分布在阿尔泰山、天山等山区沿线，多数评分在0.45以上；对比Bias评分，漏报站点略多于空报站点，主要在博州、天山峡谷、南疆西部山区漏报。对于6.1 mm阈值，仅有8个靠近山区站点有Ts评分，以空报为主。对于2017年08—14时BT降水预报，山区及伊犁河谷站点Ts评分较高，对于3.1 mm阈值以下降水，漏报站数多于空报站，在博州、伊犁河谷局地、南疆西部山区部分站点漏报率较高，对6.1 mm阈值降水以空报为主。

图7 2017年各季节降水检验结果及2017年与2016年差值

从2017年14—20时BT的降水预报评分（图8b）可以看出，对于0.1 mm阈值，同样在靠近山区站点Ts评分较高，对比Bias评分，模式空报率非常高，仅在西天山北坡、伊犁河谷局地、南疆西部山区部分地区漏报。对于3.1 mm阈值，有评分站点主要分布在北疆，仍以空报为主，存在天山北坡漏报、南坡空报的现象。对于6.1 mm阈值，仅在塔城北部、天山峡谷、南疆西部山区的几个站点有评分，多数站点空报。2017年14—20时BT降水预报，空报率较高，仅在伊犁河谷局地、南疆西部山区部分地区漏报率较高。

从20时—次日02时BT的降水预报评分（图8c）可以看出，对于0.1 mm阈值，北疆Ts评分基本在0.3以上，南疆在0.3以下；对比Bias评分，有天山北坡漏报、南坡空报的趋势，这也与2015年降水结果一致[24]，新疆地区整体以空报为主，博州地区空报率较高。对于3.1 mm和6.1 mm阈值，评分主要集中在天山沿线，仍以空报为主。模式对于2017年14—20时BT降水评分低于日间降水评分，整体以空报为主，对0.1 mm阈值晴雨预报有天山北坡漏报、南坡空报的趋势。

从02—08时BT降水预报评分（图8d）可以看出，Ts评分在4个时段最低，多数站点在0.25以下，对比Bias评分，在中国区域整体呈漏报，漏报率非常高，这与中国气象局地面气象观测业务在02 BT有些气候站无观测业务有关[23]。

图8 00 时 UTC 起报 08—14 时BT（a）、14—20 时 BT（b）、20时—次日 02 时 BT（c）、02—08 时 BT（d）降水检验结果

5 结论与讨论

利用MET检验工具，对DOGRAFS v1.0 2017年乌鲁木齐区域的预报结果在各个季节的预报性能进行检验评估，主要结果如下：

（1）2017年DOGRAFS v1.0日间预报温度整体偏低，夜间多数站点预报温度偏高；夏季2 m温度模拟均方根误差最小，秋季、春季次之，冬季误差最大；所有季节分析场均为暖偏差，冬季预报场呈暖偏差，温度预报偏高，其他3个季节预报场均为冷偏差，温度预报整体偏低，春季预报冷偏差最大。冬季10 m风速模拟误差最大，春季次之，夏季、秋季误差相当；所有季节风速分析场与预报场均为正偏差，预报风速偏大。与2016年同期相比，2017年冬季和秋季2 m温度预报精度提高，春季和夏季预报误差增大；春季和秋季10 m风速预报精度提高，冬季和夏季预报误差增大。

（2）2017年DOGRAFS v1.0不同季节高空位势高度随高度增加误差增大，误差约在6.5～12.0 gpm，位势高度场预报呈负偏差，预报高度比实际高度偏低。不同季节高空U、V风随高度增加误差先增大后减小，随预报时效误差增大，均方根误差约在2.4～6.2 m/s和1.8～5.2 m/s，U风场预报整体呈负偏差，预报风速比实况偏小，V风场预报整体呈正偏差，预报风速比实况偏大。不同季节高空温度随高度增加误差先减小后增大，夏季、秋季高空温度预报误差小，在3.0℃以下，冬季误差最大，温度预报整体呈冷偏差。

（3）2017年DOGRAFS v 1.0对不同季节降水晴雨预报Ts评分均在0.3以上，Bias评分有随着预报时效积累不断增大的趋势。冬季大阈值降水漏报率较高，秋季大阈值降水空报率较高，夏季空、漏报率较低。在新疆地区，4个时段中14—20时BT、20时—次日02时BT空报站点数多于漏报，14—20时BT空报率最高，02—08 BT漏报率最高，08—14时BT晴雨预报以漏报为主；日间Ts评分高于夜间，山区及邻近地区评分高于平原地区，夜间晴雨预报存在天山北坡漏报、南坡空报的趋势。与2016年同期相比，2017年降水Ts评分整体提高，其中冬季提高最明显，对春季大阈值降水Ts评分有提高，夏季中量级降水Ts评分减小。

根据文章对各季节不同要素场的偏差分析结果，对于日间预报温度整体偏低，夜间多数站点预报温度偏高、2 m温度冬季暖偏差、其他3个季节冷偏差、10 m风速预报偏大、高空U风整体预报偏小、V风预报偏大、高空温度、位势高度预报偏低的情况，应进一步分析偏差存在的主要原因，进而修正模式误差，提高预报精度。此外，应用最新的高分辨率地表数据集更新模式静态数据，改进同化算法，引入更多高时空分辨率的观测数据，提高区域模式预报性能，为预报提供客观依据。