甘肃省旅游景点温度预报质量检验评估

崔海霞，刘 娜

（甘肃省气象局兰州中心气象台，甘肃 兰州 730030）

1 概述

甘肃省位于我国大陆部分的地理中心，介于32°31′～42°57′N 和92°13′～108°46′E 之间。甘肃省地处黄土高原、内蒙古高原和青藏高原的交汇处，境内山脉纵横交错，地形地貌十分复杂。同时甘肃省又处于我国综合自然区划中的东部季风区、西北干旱区和青藏高原区三大自然区交汇处，其自然景观和社会经济发展均具有显著的地域差异。境内有山地、高原、河谷、丘陵、盆地、平原、沙漠、戈壁、沼泽、永久性积雪和冰川等多种地形地貌。在我国一级行政区划中，甘肃市唯一包含三大自然景区的省份，这种独具一格的地理位置形成了多种自然生态环境和气候类型[1]。这种复杂多样的地形地貌使得局地小气候特征明显，特别是旅游景点地区的预报就更是一种挑战。

气温是天气预报中的基本气象要素之一，它不但对于干旱、霜冻、大雾等灾害性天气的发生发展起着重要的作用，也是农林牧鱼等部门判断灾害状况的重要指标，而且对于高低温的预警、舒适度等各种公共预报服务项目，均需要精细化的气温预报作为基础[2]。现代天气业务是以天气预报的精细化发展为基本特征，以提高精细化预报准确率为根本要求[3]。在模式预报性能基本稳定的前提下，加强对高分辨率模式产品的解释应用能力就成为提高个点要素预报能力的关键问题[4]。

气温的预报具有连续性，方便展开精细化业务预报，成为智能网格预报探索的重要方向。精细化预报是天气预报发展的方向，也是社会各行业的迫切需求，近年来区域自动气象站的建设，为开展乡镇及旅游景点精细化预报业务提供了可能[5]。近期，通过对甘肃省174 个旅游景点的最高、最低气温预报准确率进行检验评估，以期为天气预报在甘肃省旅游业方面的发展提供一定数据支撑。如图1 所示。

图1 甘肃省174 个旅游景点分布

2 资料与方法

2.1 资料

旅游景点预报产品是基于城镇预报产品按照其经纬度用邻域法直接导出，而所用的实况资料为甘肃省兰州中心气象台数据中心提供的区域自动气象站逐小时的温度数据计算得出的地面最高和最低气温数据；时间均选取为2020 年3-6 月；

用于订正的模式预报数据是欧洲中期数值预报中心（the European Center of Medium-range Weather Forecast，ECMWF，以下简称EC）提供的20 时（北京时，下同）起报的逐日最高、最低气温格点资料，其水平分辨率为0.125°×0.125°，预报时效选择24、48 和72h。训练样本时间选取2018 年1-12 月，测试样本选取2020 年3-6 月。

2.2 小波分析法

利用Morlet 小波变换法[6]分析174 个旅游景点的最高、最低气温周期，如式（1）所示，其中c 为常数（设定为6.2）、i 表示虚数。

Morlet 小波函数为复数,其实部表示不同特征时间尺度信号在不同时间上的分布和位相两方面的信息。不同时间尺度下的小波系数，可以反映系统在该时间尺度下变化特征：正的小波系数对应于偏多期,负的小波系数对应于偏少期，小波系数绝对值越大，表明该时间尺度的周期特征越显著。

2.3 滑动训练订正法

1）采取邻域法[7]筛选出174 个旅游景点对应的预报值，与对应的观测值作差，得到72h 预报时效内的最高（低）气温差值时间序列。

2）通过Morlet 小波分析法对步骤（1）得到的温差序列进行计算，得出每个旅游景点不同预报时次的最高（低）气温的周期特征。

3）将所选日期向前滑动t 天，将前t 天的预报值与对应日期的观测值作差后进行平均，即为对应的滑动订正系数；将滑动订正系数与对应预报值相加，即为该旅游景点的滑动训练订正值。

2.4 检验方法

最高（低）温度检验评估采用预报准确率，即温度预报值与观测值误差不超过2℃的百分率。即：

式（2）F2中为气温预报值与实况值误差不超过2℃的百分率；n2为误差不超过2℃的样本量；n 为样本总量。

3 结果分析

3.1 旅游景点预报产品检验

最高温度预报24h、48h、72h 时效内旅游景点预报产品准确率分别为36.1%、33.0%、30.3%。3-5月24h 最高温度预报准确率均明显高于其他两个预报时次，6 月的略偏低一些（如图2a 所示）。而最低温度预报24h、48h、72h 时效内旅游景点预报产品准确率分别为43.7%、39.1%、36.8%。3-6 月24h最低温度预报准确率均明显高于其他两个预报时次；除6 月外，48h 最低温度预报准确率高于72h 的（如图2b 所示）。

图2 旅游景点预报产品的24h、48h、72h 温度预报准确率

最高、最低温度预报准确率的空间分布在三个预报时效内结果类似，现以24h 的空间检验结果为例（如图3所示）进行说明：最高温度在河西地区预报效果较好，河东地区特别是高原边坡地区的预报成绩较低，这可能与复杂的地形地貌有关。而最低温度在河西中东部和河东地区的中部预报效果相对较好，而其余地区的预报成绩较低，特别是迭部-舟曲一带。

图3 旅游景点预报产品最高（a、c、e）、最低（b、d、f）温度预报准确率空间分布（（a、b）24h；（c、d）48h；（e、f）72h）

3.2 模式订正产品检验

以上研究结果表明，现有旅游景点预报产品的温度预报准确率较低，无法满足人们对于旅游景点天气预报的要求，也达不到目前精细化天气预报的标准。因此，基于现有业务中常用的EC 高分辨率模式数据产品，建立了一套预报效果更佳的旅游景点温度客观预报产品。如图4 所示。

图4 旅游景点预报产品与EC 模式及其订正产品的对比

对最高温度而言，EC 模式产品本身预报准确率在24h、48h、72h 时效内依次为36.61%、36.68%、37.26%，与旅游景点预报产品的预报准确率持平或略高。而72h 时效内EC 订正产品的预报效果比旅游景点预报产品和EC 模式产品均有了显著的提升，其预报准确率依次为72.17%、67.87%、64.55%。而对最低温度来说，EC 模式产品本身预报准确率在24h、48h、72h 时效内依次为52.95%、51.96%、51.39%，比旅游景点预报产品的预报准确率分别高9.21%、12.85%、14.63%。而72h 时效内EC 订正产品的预报效果比旅游景点预报产品和EC 模式产品均有了显著的提升，其预报准确率依次为68.32%、65.95%、64.08%。如图5 所示。

以上的结果表明，EC 模式产品订正之后的预报准确率有了显著的提高，最高温度平均提高了35.11%，最低温度平均提高了26.25%。订正后的最高、最低温度预报准确率基本维持在60%以上，其中24h 的预报准确率最高，且随着预报时效的增加而降低。在24h 时效内，最高温度预报准确率的最大值在5 月达81.05%，最低温度预报准确率的最大值在6 月达73.67%。

图5 EC 订正产品的24h、48h、72h 温度逐月预报准确率

图6 EC 订正产品的最高（a、c、e）、最低（b、d、f）温度预报准确率空间分布（（a、b）24h；（c、d）48h；（e、f）72h）

EC 订正产品的空间检验结果（如图6 所示）表明，与旅游景点预报产品相比，整体上最高温度的预报效果有明显的改善，特别是在河西地区；而河东地区特别是高原边坡地区的预报成绩依然较低，说明EC 模式订正产品对复杂地形造成的低预报准确率并没有显著的改进。与最高温度相比，最低温度的预报效果虽然有一定的提高，但提升幅度较小。

4 结论与讨论

针对智能网格预报业务开展以来所面对的客观化预报的问题，提出基于欧洲中心的ECMWF 精细化网格数值预报产品，通过小波分析法和滑动训练技术对甘肃省174 个旅游景点的最高、最低气温进行客观订正，结果表明该方法能有效地提升旅游景点现有的预报准确率，主要结论如下：

1）旅游景点预报产品的温度预报准确率基本在50%以下，其中24h 高温为36.1%、低温为46.7%；且随着预报时效的增长，预报准确率在降低。最高温度在河西地区的预报效果整体较好，而最低温度在河西和河东中部的预报效果较好；二者均是在高原边坡及祁连山区的预报效果较差，特别是肃南、夏河及迭部等高海拔地区。

2）EC 模式产品订正之后的预报准确率有了显著的提高，最高温度平均提高了35.11%，最低温度平均提高了26.25%。订正后的最高、最低温度3-6月各月的预报准确率基本维持在60%以上；在24h时效内，最高温度预报准确率的最大值在5 月达81.05%，最低温度预报准确率的最大值在6 月达73.67%。

3）空间误差检验表明：整体上看，EC 模式订正产品的预报能力要明显优于旅游景点预报产品的。最高温度的预报效果有明显的改善，特别是在河西地区；而河东地区特别是高原边坡地区的预报成绩依然较低，说明EC 模式订正产品对复杂地形造成的低预报准确率并没有显著的改进。与最高温度相比，最低温度的预报效果虽然有一定的提高，但提升幅度较小。