GFS 气温预报模型在黄河内蒙古河段应用效果检验与分析

范旻昊，田文君

（黄河水利委员会 水文局，河南 郑州 450004）

1 引 言

宁蒙河段地处黄河流域最北端，冬季气温低，低温历时久，年年封冻，若有冰塞或冰坝会堵塞河槽，抬高水位，造成漫滩或决口，形成凌灾。 对于黄河来说宁蒙河段是凌汛灾害发生频率高也最为严重的河段［1］，气温是影响黄河流域流凌和封开河的重要因素，流凌、封河和开河等凌情特征日期与气温变化的关系紧密。 热力因素对凌汛形成非常重要，气温作为热力因素的表征量，其作用对凌汛研究非常重要［2］。

目前，统计相关方法和水文学冰凌模型是应用于黄河宁蒙河段冰凌预报业务的主要方法［3］。 统计相关方法冰凌预报热力条件是以重点气象站和水文站的日最高气温、日最低气温作为参考，主要利用预报的日平均气温、累计日平均负气温值作为依据，开展流凌和封开河相关预报；水文学冰凌模型是以重点气象站和水文站的日平均气温作为模型的输入因子，进行自动冰凌预报，可提高冰凌预报的精度和实时性［3］。 由于宁蒙河段的冰凌预报要求7 ～10 d 的预见期，因此制作冰凌预报时需要未来7 ～10 d 的重点气象站和水文站的逐日日平均气温预报。 虽然目前气象部门发布有7、15 d 甚至40 d 的气象预报产品，但其站点气温预报产品主要是8 时至次日8 时的每日最低和最高气温预报，没有提供气象站和水文站的日平均气温预报，且日平均气温并不是日最高、日最低气温简单相加再平均。另外，滚动的自动冰凌预报要求有滚动的气温预报作为输入，若等待气象部门的气温预报结果，在时效上也满足不了黄河冰凌预报的需要。 因此，气象部门的预报产品目前还不适合冰凌预报业务直接应用。

随着精细化预报时效不断延长，预报间隔的进一步缩短，预报员按照常规、传统的预报方法将无法完成“定时、定点、定量”的精细化预报制作［4］。 随着数值预报技术的发展，数值预报对未来天气变化的指示性已远高于其他预报方法，数值预报指导信息越来越占有主导地位［5］。 10～15 d 中长期数值预报也得到较快发展，如美国国家环境预报中心（NCEP）的全球预报系统模式（GFS）、中国气象局的T639 模式以及欧洲中期天气预报中心（ECMWF）的数值模式等，均可提供中期天气环流形势，在短、中、长期天气预报和气候预测中有重要参考价值。 其中，GFS 全球预报系统模式是美国国家环境预报中心研制的气象预报模式，它的模拟结果已被广泛接受并用于实际业务预报和科研，在温度、降水、风等预报方面都有较好的指导意义［6－13］。 有关研究表明，基于大气系统的非线性和复杂性，加上初值和模式等本身无法避免的一些不确定性，用单一模式确定预报结果是不合理的，而集合预报是解决预报不确定性的重要工具［14］。 目前NOAA 中心发布的ESRL／PSD 全球集合数值预报数据集包含11 个集合预报成员，拥有长期预报数据集，通过对过去预报的订正，能够诊断出预报误差，从而提高现在的预报水平。 本研究预报模型中所使用的预报数据来自ESRL／PSD 再分析资料的数值预报结果，前8 d 的模式水平分辨率为T254（约为50 km），第8 ～16 d 的模式水平分辨率为T190（约为70 km）。

2 模型简介

2012 年黄河水利委员会水文局负责开发的冰凌数学模型中首次建立了黄河宁蒙河段气温预报模型，为了提高模型预报精度和程序数据自动化能力，于2015—2016 年对该模型进行了改进［15］。 冬季黄河宁蒙河段气温变化主要与冷空气南下、500 hPa 槽脊过境、地面风场等密切相关；日平均温度虽然在年尺度、月尺度上具有较大的起伏和变化，但多年气候平均态呈现出较强的规律性和变化一致性。

该模型利用美国NECP 提供的24 ～240 h 集合预报资料和气象站、水文站历史资料，选取距离预报站点最近的500 hPa 高度、850 hPa 温度、2 m 气温、近地面经向风和纬向风的格点集合预报数据进行插值，结合近30 a 气温平均值和预报当日的前一天日均气温7个要素作为预报因子，采用逐步回归统计方法建立宁蒙河段凌汛期中短期气温预报模型，预报结果为宁蒙河段重点水文站和气象站点的1 ～10 d 逐日日平均气温。 因为日平均气温是黄河凌汛期流凌、封开河预报的重要因素之一，所以黄河水利委员会水文局信息中心将该产品作为黄河凌汛期凌情预报的重要参考依据之一，通过检验2019 年凌汛期该模型的预报能力，对后续改进数学模型、研制订正方法、提高预报精度并实际应用具有重要指导意义。

3 资料与处理

本次研究选取凌情预报中最具代表性的包头站作为预报应用检验站，模型输入数据选用2019 年11 月1 日至2020 年3 月31 日GFS 的24 ～240 h 集合预报产品，抽取500 hPa 高度、850 hPa 温度、近地面经向风、近地面纬向风、2 m 气温，通过插值法得到包头站数据，作为气温预报模型的输入因子。 另外，该模型24 h 预报将前一天的实况平均气温作为一项因子输入，因此再收集2019 年11 月1 日至2020 年3 月31日内蒙古河段包头站逐日平均气温作为预报模型的输入和用于结果检验。

4 预报检验

根据中短期天气预报质量检验方法，采用平均绝对误差、均方根误差、预报准确率以及预报曲线对气温预报结果进行检验。 气温预报准确率按照气象部门统一规定的方法评定，前3 d 为预报误差（以绝对值表示，下同）不大于2 ℃的百分率，后7 d 为预报误差不大于2.5 ℃的百分率。 对预报方程进行2019—2020年度凌汛期气温预报检验。

平均绝对误差：

均方根误差：

预报准确率：

式中：Fi为第i次预报气温；Oi为第i次实况气温；n为预报数据样本数；k为2 或2.5，分别代表预报误差绝对值不大于2 ℃或2.5 ℃；Nrk为预报正确的次数；Nfk为预报的总次数。

4.1 误差和准确率检验

对2019 年11 月至2020 年3 月黄河宁蒙河段包头站逐日平均气温预报结果进行检验，发现各时次预报的平均绝对误差随着时次的推移，误差值越来越大（见表1）。 1～4 d（24 ～96 h）的平均绝对误差在2 ℃以内，5～8 d（120～192 h）的平均绝对误差在2.5 ℃以内，9～10 d（216～240 h）的平均绝对误差在2.9 ℃以内，1～8 d（24～192 h）的预报平均绝对误差值达到气象行业的气温预报合格标准，9 ～10 d（216 ～240 h）略有不足。

表1 2019 年11 月—2020 年3 月包头站1～10 d（24～240 h）气温预报平均绝对误差统计 ℃

2019 年11 月至2020 年3 月包头站24～72 h 预报的平均绝对误差逐月均值都在2.3 ℃以内，除2 月的48、72 h 预报外其余都在2 ℃以内，其中：24 ～72 h 预报11 月绝对误差均值最小，为1.60 ℃；其次是3 月，绝对误差均值为1.63 ℃。 因为11 月和3 月是流凌和开河关键期，所以这两个月预报效果好，误差小，对凌汛预报和防凌减灾有重要帮助。 11 月至次年3 月包头站96～168 h 预报的平均绝对误差在1.8 ～2.5 ℃之间，符合2.5 ℃以内的标准，其中96 h 各月的预报平均绝对误差都在2 ℃以内，均优于2.5 ℃误差标准。 96～168 h 预报1 月误差最小，平均为1.9 ℃；2 月误差次之，平均为2.0 ℃。 其原因可能是11 月和3 月气温升、降幅度大，升降温过程频繁，1 月和2 月冬季气温值基本稳定在一个较低的范围，在较长时间预见期（4 ～10 d）的中期预报中，稳定的气温情况更容易预报准确。

从每个月每个时次分析，气温预报结果的均方根误差分布情况与平均绝对误差基本一致（见表2），1 ～6 d（24～144 h）各月的均方根误差≤3 ℃，7～8 d（168～192 h）各月的均方根误差≤3.2 ℃，9 ～10 d（216 ～240 h）各月的均方根误差在2～4 ℃之间。 1～4 d 预见期，预报均方根误差平均值都在2.4 ℃以内，5 ～10 d较长预见期的预报均方根误差平均值都在3.4 ℃以内，说明预报结果与实况偏差较小，离散程度低，模型有应用和参考价值。

表2 2019 年11 月—2020 年3 月包头站1～10 d（24～240 h）气温预报均方根误差统计 ℃

从预报准确率看（见表3），总体上，24 ～192 h 预报效果较好，准确率一般超过60%，尤其是24、96、144 h 预报准确率平均值可达70%左右；前8 d（24 ～192 h）5 个月的平均预报准确率较高，都超过60%，第9、10 d 的预报准确率较低，效果较差。 每个月10 个时次的预报准确率平均值都超过60%，但2 月预报效果较差，10 个时次的预报里有5 个时次准确率小于60%。1 月的准确率最高，达到68.4%，有5 个时次预报准确率在70%以上，还有3 个时次在60%以上。 1 月预报效果好，对1 月的封河预报有指导意义。 11 月前6 d（24～144 h）的预报准确率较高，除72 h 预报准确率为63.3%外，其余5 个时次的预报准确率都在70%以上，对11 月的流凌预报有较大的指导意义。 3 月前5 d（24 ～120 h）预报准确率较高，在64.5%～74.2%之间，有利于内蒙古河段的开河预报。

表3 2019 年11 月—2020 年3 月包头站1～10 d（24～240 h）气温预报准确率统计 %

鉴于凌汛预报中流凌、封河、开河对预报发布预见期的不同要求，将气温预报预见期分为24 ～72 h、96 ～168 h、192～240 h 三个时段对预报结果的平均绝对误差、均方根误差、预报准确率进行统计分析（见表4）。

表4 2019 年11 月—2020 年3 月包头站不同时段气温预报检验值统计

从预报时次方面分析5 个月的三项检验指标， 11月的24～72 h、96 ～168 h 预报三项检验指标结果最好；其次是3 月的24 ～72 h、96 ～168 h 预报和1 月的96～168 h 预报；但11 月和3 月的192 ～240 h 预报效果为5 个月中最差；192 ～240 h 预报效果最好的是1月；12 月和2 月预报水平基本相当，结果基本可满足 预报要求。

检验结果总体表明： 1 ～10 d 气温模型预报大部分时段和月份的平均绝对误差在2.5 ℃以内，多数站点预报均方根误差在2.5 ℃以内，准确率在60%以上，因此可以认为所建立的预报方程具有一定的预报能力。 从分月预报结果来看， 预报误差随预见期的延长而增大，11 月和3 月总体来说预报效果明显优于其他月份，但8～10 d 效果较差，其原因可能是GFS 气温预报产品的预报准确率随着时间的延长而波动下降［10］，同时随着模式预报时效延长，2 m 气温预报均方根误差也略有增大［16］。 因此，在实际应用中，预报员可根据实际情况在某些时次通过与实测资料对比，灵活使用预报结果，有针对性地进行校正。

11 月、12 月是流凌封河关键期，3 月是开河关键期，根据防凌需要，流凌和封、开河预报的预见期为7～10 d，通过以上对包头站的日平均气温预报应用检验，发现4～7 d 预见期的预报在11 月和3 月的效果最好，说明模型对防凌减灾业务工作有实际应用意义。

4.2 逐日气温过程线

气温实况和预报结果对比可直观表征预报效果，以包头站整个凌汛期的气温实况与24 h 预报以及168 h预报结果为例（见图1、图2），可以看出，短期（24 h）气温预报比中期（168 h）预报的曲线拟合度更高，与前述检验结论一致。 曲线线型相仿，预报的气温变化趋势与实况气温变化趋势一致性较高，升降温关键时间点把握准确，证明该模型能够提供有用的气温预报输出，对凌汛期重要站点的日均气温有一定的预报能力，可作为日常工作和科研中气温预报依据。

5 结 论

（1）基于GFS 的中短期气温预报模型在凌汛期对宁蒙河段关键站点的日均气温预报效果良好，具备一定的预报能力和精度，可用于黄河上游地区的防凌减灾业务工作和科研工作。

（2）气温模型预报1 ～4 d（24 ～96 h）平均绝对误差都在2 ℃以内，5～8 d（120～192 h）平均绝对误差都在2.5 ℃以内，1～10 d（24 ～240 h）预报多数站点预报均方根误差在2.5 ℃以内，准确率在60%以上。

（3）总体来说11 月和3 月1 ～7 d（24 ～168 h）各时次预报效果明显优于其他月份，但9 ～10 d（192 ～240 h）效果较差。 11 月、12 月是流凌封河关键期，3月是开河关键期，一般要求提前一周的预见期进行流凌、封河、开河预报，气象预报结果是凌汛预报的基础，因此11 月和3 月的1～7 d（24～168 h）预报效果最好，对防凌减灾业务工作具有一定的应用价值。

（4）该模型仍存在局限性，某些月份和时次的预报效果并不理想，反映气温变化规律的准确度有待提高，可在某些时次由预报员通过实测资料订正获取精度较高的气温预报值，结合实际情况灵活使用预报结果，有针对性地进行结果校正或改进模型。