智慧冬奥2022天气预报示范计划的实施与评估

陈明轩 杨璐 秦睿 宋林烨 李靖 邢楠 仲跻芹 孙超 王颖 刘凑华 窦以文 孙成云 时少英 于波 荆浩 甘璐 王宗敏

摘要 主要介绍了“智慧冬奥2022天气预报示范计划”（简称FDP）的运行与评估结果。此次FDP是在我国首次针对中纬度山区0～10 d冬季天气预报展开的示范计划，国内气象部门内外共22家单位、近40个数值模式或客观预报系统参与了该计划。FDP实现了实时运行所需的多种源数据和多源数据产品的高效传输分发、监控、实时处理、综合集成显示。首次开展了次百米级客观预报、人工智能释用订正预报等新型技术在冬奥复杂山地赛场的实时示范应用，为冬奥气象中心和3个赛区预报团队提供了丰富多样和稳定可靠的高精度客观产品，有力支撑了高标准的冬奥气象服务保障。针对参与FDP产品的系统性检验评估发现，与模式系统原始预报相比，释用后的专项站点预报对平均风、阵风、温度、相对湿度等要素的预报误差明显减小。但是对于冬季复杂山地的降水、能见度预报，客观预报技术还有待进一步改进，而且站点解释应用效果不明显。此次FDP对风、温度、降水、能见度、相对湿度的最优预报检验指标（最小误差值），总体体现了目前国内在中纬度山区冬季天气客观预报的大致水平和现实能力，对于认识复杂山地冬季天气预报存在困难、提升高精度天气预报水平等具有极为重要的价值。

关键词北京冬奥会;天气预报示范计划;FDP;检验评估

冬奥会赛事70％左右是雪上项目，且主要在地形复杂的山区举办，赛事安排与赛场天气状况密切相关。赛程安排需要根据天气预报找到气象条件适宜比赛的“窗口期”，而且精确的风、温、湿度、能见度、降水及相态转换等的预报预警直接影响到运动员发挥，甚至影响到比赛安全。另外，冬奥会赛事观赏、交通转场、媒体转播、应急救援等外围保障任务均会受到不同气象条件的直接影响，相关的气象预报预警也极为关键（Joe et al.，2010;KMA，2018;朱志强等，2019）。因此，精准气象预报是现代冬奥会成功举办的最重要条件之一（Horel et al.，2002）。国际奥委会也将应对天气风险、获取精准气象预报作为历届冬奥会一项核心工作（Rutty et al.，2015）。

鉴于山区地形复杂、气象数据稀少等原因，小尺度山地气象监测预报一直是国际气象科技难题（Chow et al.，2013）。近几届冬奥会举办期间，主办国为做好冬奥气象保障服务，均以举办预报示范计划的方式，通过荟集国内外的先进气象研发成果，为冬奥气象监测、预报和服务提供强有力的科技支撑。2010年温哥华冬奥会，加拿大环境部组织实施了SNOW-V10（Science of Nowcasting Olympic Weather for Vancouver 2010）示范计划（Isaac et al.，2014）。通过在赛场周边建立稠密立体气象监测网，并针对山区暴雪等敏感气象条件部署多种特殊气象仪器，开展冬季连续观测试验;在预报技术方面，开发包括1 km分辨率数值模式等多种针对冬奥会气象保障的精细预报系统，并开展复杂地形下降水相态、低能见度等关键问题的深入研究。2014年索契冬奥会，俄罗斯水文气象中心组织实施了FROST-2014（Forecast and Re-search in the Olympic Sochi Testbed）示范计划（Kiktev et al.，2017），主要在赛场周边增加布设与冬奥密切相关的常规和特殊气象要素观测，在前期数据分析的基础上，实现分钟到小时间隔的冬奥特殊气象监测数据服务;开展赛场周边冬奥高影响天气研究，通过局地资料同化、高分辨率数值模式和集合预报等技术研发，提高冬奥赛区客观气象预报水平。2018年平昌冬奥会，韩国气象厅组织实施了ICE-POP 2018（International Collaborative Experiments for Pyeongchang 2018 Olympic and Paralympic winter games）示范计划（Lee and Kim，2019），通过组建稠密立体观测网提高赛场及周边气象探测能力;开展山地和海洋对赛区气象条件综合影响研究，加强冬季山地数值预报技术研发，通过千米和次千米分辨率数值模式产品提升低能见度和降水相态等的预报精度;推进气象服务展示形式网络化、智能化，服务内容也涉及不同类型冰雪运动。从近三届冬奥会气象预报示范计划来看，稠密气象监测与数据分析、高时空分辨率无缝隙客观预报、智能化预报服务成为冬奥气象技术的重点发展方向。

北京冬奥会气象预报难度极大，要求极高。相较于往届冬奥会，北京冬奥会是近20年内唯一一次在大陆性冬季风主导的内陆地区举办的冬季大型体育赛事，出现大风、低温寒潮的概率显著偏高，因此需关注的高影响天气和需攻克的气象预报技术难点与往届也明显不同（Joe et al.，2010;Kiktev et al.，2017;Chen et al.，2018;Lee and Kim，2019;王冀等，2021）。另外，高精度山地气象预报，特别是在气象观测和预报经验几乎为零的山地赛场，本身就是国际难题（Rotach et al.，2022）。2017年8月，北京冬奥组委与中国气象局签署气象服务协议，气象预报需做到百米尺度、0～10 d时效、赛区全覆盖，除提供常规气象要素预报，还需提供阵风、降水相态等特殊气象预报，为“一场一策”“一项一策”气象保障以及开闭幕式等提供关键支撑。气象预报时空精细度和预报时效需求达到冬奥历史之最，远高于近几届冬奥会千米尺度、5 d预报时效的要求（Chen et al.，2018）。

为满足北京冬奥会高精度天气预报服务需求，在做好既有冬奥气象科技研发支撑项目的同时（Chen et al.，2018），中国气象局组织实施了“智慧冬奥2022天气预报示范计划”（Sciences of Meteorology with Artificial-intelligence in Research and Technology—Weather Forecast Demonstration Project for Beijing 2022 Winter Olympic and Paralympic Games，SMART2022-FDP）（以下简称FDP），广泛征集国内优秀的精细化气象要素客观预报技术方法和模式系统，通过在2021年北京冬奥测试活动、2022年北京冬奥会和冬残奥会正式比赛期间开展天气预报示范的方式，将遴选出的优秀客观预报数据产品用于为冬奥气象服务保障提供的强有力科技支撑。通过此次FDP，也可对目前国内不同单位、不同部门研发和运行的高分辨率数值天气预报模式以及快速融合与集成预报、数值降尺度预报、统计释用预报、人工智能释用订正等各种技术、系统和方法进行平行评估和对比检验，从而推动我国精细化天气预报技术的深入发展，提升人工智能技术在高精度天气预报服务中的应用水平，促进相关核心技术在国家重大活动气象保障服务及气象防灾减灾等方面的深化应用（陈明轩等，2021;中国气象局，2022a，第8章）。

1 FDP技术准备及运行机制

2020年3月，中国气象局正式启动FDP，向全国广泛征集参加者，最初共征集到22家单位（气象部门内11家，气象部门外11家）研发的38个系统（包括多家高分辨率数值预报模式）报名参加，最初的各类FDP产品合计约为57项。主要的预报技术可以归结为以下4大类：次千米级分辨率数值模式和多源资料快速同化技术;次千米级分辨率和次百米级分辨率多源数据快速融合与集成预报技术;次千米级分辨率和次百米级分辨率数值降尺度预报技术;基于人工智能（机器学习和深度学习）的次百米级格点及站点预报释用订正技术。

根据计划安排，FDP分为5个阶段：2020年3—12月为各参加系统技术准备期;2021年1—4月完成第1次实时运行测试和检验评估，筛选出进入第2次实时运行测试的系统;2021年5—9月为系统改进完善期，并于9月1—15日参加第2次实时运行测试，确定最终参与FDP正式示范的系统;2021年10月—2022年3月开展正式预报示范（其中冬奥和冬残奥正式运行期为2022年2月4日—3月16日）;2022年4—6月进行FDP总结评估（陈明轩等，2021）。

1.1 前期技术研发及测试

鉴于参加FDP的系统和产品较多，各家系统对冬奥高精度静态数据、冬奥加密观测和数值预报背景场数据的需求差异显著，各家系统给出的产品种类、预报时效、更新间隔、预报间隔、分辨率等也存在很大差异，因此为实施好FDP，设计了完整的数据链路和示范产品规则，并开展多项关键技术的研究及相关平台的设计开发。1）在后端数据处理方面，依托国家级大数据云平台“天擎”，完成了FDP所需基础数据及产品的保障方案和相关技术的研究开发，如：多源数据结构设计、多源数据存储方案设计、数据快速多路分发技术研发、数据实时监控技术设计开发、数据共享方案设计开发等。2）在产品集成显示方面，完成了FDP产品集成方案设计和集成显示平台开发、测试，如：产品需求分析、产品类型设计开发、集成显示方式设计、集成显示平台开发和测试等。按照面向支持冬奥实战应用的目标，集成显示平台在开发过程中充分与冬奥气象预报团队沟通，根据团队试用意见反复修改、完善。2021年1月25日，FDP集成显示平台实现正式上线运行。平台采用B／S架构开发，实现了气象部门内外网同步方式运行，内容包括项目介绍、实况分析、格点预报、场馆预报、检验评估、数据监控6个版块（图1）。3）在检验评估方面，完成了FDP多源产品的评估检验技术研发和对比分析，如：实时检验和后期检验的对象选取、指标设计、检验方法研发、检验产品多维度交互显示的设计开发，以及实现各类格点和站点数据产品的实时检验和结果集成显示等。4）在数据和产品监控方面，基于国家级大数据云平台监控系统“天镜”，实现了各类源数据和FDP产品的到报率、及时率、稳定性等方面的实时监控，包括图形化监控方式和表格化监控方式2类。在2020年10月30日，形成最终版本的《智慧冬奥2022天气预报示范计划（SMART2022-FDP）技术保障方案》（冬奥气象中心，2020），成为指导FDP技术研发和运行保障的重要技术规范文档。FDP实时运行的整体架构流程以及实时数据流参见图2。

1.2 主要集成技术介绍

北京冬奥会FDP产品紧密围绕冬奥气象预报团队需求，集次百米级多源数据快速融合技术、次百米级大涡数值预报技术、24～240 h无缝隙高分辨率数值天气预报技术、冬奥赛区关键点位0～240 h预报技术及风险预警技术为一体，可精细到赛区百米级分辨率、更新频次10 min、关键点位10 d内定时、定点、定量预报。具有代表性的新技术介绍如下：

1）次百米级多源数据快速融合技术：基于自动站、雷达等多源观测及数值预报、临近预报等多系统产品融合技术，高分辨率复杂地形模式订正技术，高分辨率复杂地形动力降尺度技术，降水相态客观诊断技术等系列核心技术，集成构建了适用于支撑复杂地形下冬奥气象服务保障的“百米级、分钟级”0～24 h预报技术体系，实现覆盖延庆赛区和张家口赛区100 km×100 km山区范围以及覆盖北京城区和近郊区120 km×110 km范围的100 m分辨率、10 min更新的0～24 h融合预报产品。

2）次百米级大涡数值预报技术：聚焦复杂地形下冬奥小尺度高影响天气预报特点，基于天气研究预报模式（WRF），对复杂山地实时大涡模拟预报的多个关键物理方案和核心配置进行前期试验、改进优化，着重反映对冬奥山地赛场最为重要的百米以下网格尺度风和温度预报的关键影响因素（包括复杂地形强迫、辐射效应、地面摩擦作用和边界层湍流混合效应），设计多组并发分时段高效并行运算策略和流程，大幅提升复杂山地大涡模拟计算效率和稳定性，实现基于大涡模拟的复杂地形下冬季天气0～10 d百米级无缝隙预报系统的研发构建和稳定、高效运行，实现北京冬奥会3个赛区6个核心场地（古杨树场馆群、云顶场馆群、国家高山滑雪中心、国家雪车雪橇中心、首钢园区、国家体育场）各10 km×10 km范围内67 m网格分辨率的0～10 d预报（每日更新2次）。

3）24～240 h无缝隙高分辨率数值天气预报技术：以中国气象局国家级业务数值预报体系为基础，面向冬奥保障高分辨精细预报需求，重点研发区域模式动力框架和资料同化技术、高分辨集合预报三维尺度调整方法、多尺度混合扰动方法等多种技术，发展多种多模式产品融合方法，形成了面向冬奥气象保障服务的24～240 h无缝隙高分辨率数值天气预报技术及系统，实现24～72 h内3 h更新、72～240 h内6 h更新的赛场定点气象条件预报的既定要求。

4）冬奥赛区关键点位0～240 h预报技术：基于传统统计释用（多元线性回归）、人工智能释用订正（多元线性回归、随机森林、支持向量回归、梯度提升树和极端梯度提升等多模式集成）、大数据挖掘（相似集合）等方法，通过对海量的多源数值天气预报数据和大量的气象观测数据进行“再解读”，构建数值天气预报冬奥关键气象要素在复杂山地的预报误差模型，从而实现了客观气象预报的“再订正”，进一步提升复杂地形条件下冬奥气象预报的精准度，形成了冬奥关键点位0～240 h定点预报产品。

需要特别指出的是，参与此次FDP的主要模式、系统和技术方法特点鲜明，代表了国内（甚至国际上）在高精度气象预报方面的主流发展趋势（表1）。其中，次百米级预报技术和人工智能释用订正是国际上第1次在冬奥会气象服务保障中获得应用，体现了目前复杂地形下高精度天气预报技术方法的发展方向。另外，从参与FDP的数值模式来看，区域数值天气预报也正在向着千米级甚至更高分辨率方向发展，这在参与近几届冬奥会预报示范项目的数值模式配置中也可以看出类似的趋势（Mailhot et al.，2010;Isaac et al.，2014;Kiktev et al.，2017;Lee and Kim，2019）。

1.3 主要示范产品规范

按照支持冬奥实战应用为第1位的原则，FDP示范平台主要提供预报员可直接参考的高分辨率近地面气象要素预报、高精度三维实况分析、冬奥关键点位气象要素垂直廓线等产品，主要分为站点产品和网格产品2大类，其中网格产品又分为次千米级分辨率和次百米级分辨率2类。1）站点产品，包含冬奥组委最终确定的张家口、延庆、北京赛区所有场馆预报站点，预报要素主要包括风速风向（包括平均风和阵风）、气温、相对湿度、降水、降水相态、能见度、风寒指数、雪深等17个左右，预报时效至少达到72 h（最长为240 h）;预报间隔为：0～24 h为≤1 h，24～72 h为≤3 h，72～240 h为≤6 h;预报更新频率≤3 h。2）次千米级网格产品，覆盖范围为京津冀区域，预报要素主要包括平均风速风向、阵风风速风向、气温、相对湿度、降水、降水相态、能见度等。网格分辨率≤1 km，预报时效≥24 h，预报间隔≤1 h，预报更新频率≤24 h。3）次百米级网格产品，覆盖范围为冬奥山地赛区（包括张家口赛区和延庆赛区），预报要素主要包括风速风向（包括平均风和阵风）、气温、相对湿度、降水、降水相态、能见度、云等。网格分辨率≤100 m，预报时效≤24 h，预报间隔≤1 h，预报更新频率≤6 h（如果仅提供客观实况分析产品，更新频率≤30 h）。站点数据产品格式统一为XML格式。次千米级和次百米级网格数据产品统一为经纬度网格格距的NetCDF格式或GRIB2格式。

1.4 检验评估规则和策略

为了更加科学地评估参加FDP的各模式系统的预报产品，需要开展相关的常规和非常规多维度检验评估，特别是针对张家口、延庆和北京3个赛区共计29个自动气象站观测的冬奥站点预报进行检验评估（因为观测限制，3个赛区的能见度检验站点合计为12个）。FDP主要针对2类站点预报产品进行检验：1）专项站点预报产品，主要指针对冬奥站点专门建模或释用后处理的产品，由FDP各参加单位直接提供站点预报数据，将该站点预报值与站点实况观测值进行对比检验。2）模式系统预报产品，主要指根据FDP技术保障方案（冬奥气象中心，2020）的规定，采用统一算法将模式系统格点预报直接插值到站点，由FDP平台统一处理。其主要策略是：选择距离站点最近的格点预报作为站点预报值，有多个距离相等的格点时取东北角格点，将该站点预报值与站点实况观测进行对比检验。对于检验指标来说，除了常规的统计指标，还引入多种时空维度、多要素检验指标进行综合评判。为保证检验样本相对一致，FDP主要选取各系统产品共有的08时、20时（北京时间）起报的产品进行检验。对于专项站点预报产品，选取08时和20时2个起报时次的产品进行检验;对于模式系统预报产品，仅选取08时起报的产品进行检验。检验的预报要素依据冬奥气象服务关注度排序，依次为：风（含1 h平均风速、1 h极大风（阵风）风速）、温度、降水、能见度、相对湿度。检验预报的“时效／时间间隔”分别为：0～24 h／1 h、24～72 h／3 h、72～240 h／6 h。这里需要说明的是，多个专项站点预报产品在≥72 h预报时效时均采用全球数值预报数据作为背景场，因此预报时效达到240 h（10 d），而模式系统预报产品基本以高分辨率区域数值预报模式数据为主，因此预报时效最长为96 h（4 d）。

FDP站点实时检验算法主要基于国家气象中心的全流程检验程序库Meteva（刘凑华等，2023），并针对FDP检验需求进行了改进完善，特别是各类FDP格点预报产品的站点插值处理、各类FDP预报产品与观测数据在空间维和时间维的标准化处理（包括数据筛选、数据组合、数据合并对齐、检验数据接口服务定制等）。最终形成2类站点检验产品：1）可实时在线定制绘图的数值型站点检验产品，主要优势是功能强大，可多角度定制，图形和数据可自动排序、导出;2）可前台调度、后台出图、前台显示的图片型站点检验产品，主要优势是信息丰富，多视角多维度检验。检验评估规则和策略详见《智慧冬奥2022天气预报示范计划（SMART2022-FDP）技术保障方案》（冬奥气象中心，2020）。

监控显示，在FDP两次测试和正式运行期间，集成显示平台（含后台数据处理、前台显示、站点检验、实时监控等模块）均正常和稳定运行。本文后续所有的站点客观检验，均出自该平台的数值型站点检验自动统计结果（图3给出了FDP平台的数值型站点检验产品示例）。

2 两次FDP测试运行情况

为更好地遴选出能够真正支撑冬奥气象保障服务的FDP产品，中国气象局分别在2021年2—3月、9月组织了两次FDP实时运行测试，并针对测试运行以来遇到的主要问题，包括数据产品格式、不同时空维度预报要素解析、集成显示方式等，进行了及时有效的解决。根据FDP运行产品遴选原则（冬奥气象中心，2021），在第1次FDP测试期间（2月1日—3月15日），通过对22家FDP参与单位57项FDP数据产品的准确率、到报率、及时率等指标的评判，初步遴选出16家FDP参与单位的产品41项，并淘汰了相关产品16项（其中包括6家参与单位的全部产品）。第2次测试主要评估了第1次FDP测试遴选出的41项产品的到报率和及时率，确保产品的时效性和稳定性。

通过两次FDP测试期的综合检验评估，最终气象部门内外共16家单位41项产品通过测试评估。自2021年10月8日起，FDP实现正式运行，全力支撑10月份开始的冬奥系列测试赛、各种活动及冬奥和冬残奥正式比赛期间的气象服务保障。FDP正式运行期间的41项产品的详细信息可参见相关文献（中国气象局，2022a，附录D）。另外，在2021年10月8日—12月10日期间（FDP正式运行第一阶段），各个冬奥气象预报服务团队根据FDP产品在各个赛区和关键服务区域（场馆）的预报准确率等性能，进行了产品的再次评估，给出了FDP产品实时接入冬奥气象预报服务核心平台（冬奥多维度气象预报业务平台、冬奥现场气象服务平台、冬奥气象综合可视化平台、冬奥智慧气象手机APP）的关键产品清单。这里不再赘述。

3 FDP正式运行期产品评估分析

3.1 产品到报率和及时率

FDP正式运行期为2022年10月8日—2023年3月16日，经历了从秋到冬和从冬到春的季节转换，很好地检验了41项FDP产品的性能，包括到报率、及时率和预报准确率等。在FDP正式运行期间，绝大部分FDP数据产品的传输稳定性较好，16家单位41项FDP数据产品的到报率均达到90％以上，39项产品的及时率达到90％以上。

3.2 产品主要检验评估结果

因为篇幅限制，这里主要以代表性结论为例，给出FDP正式运行期间预报性能较好的产品总体检验评估结果，而关于检验评估的详情可参见相关文献（冬奥气象中心，2022），这里不做详细赘述。

3.2.1 平均风和阵风风速预报检验

风速，尤其是阵风预报是冬奥会特殊的气象保障需求，山区赛场的不同雪上项目对平均风速和阵风风速的要求是不一样的（Chen et al.，2018;KMA，2018）。特别是对于阵风来说，精准预报是非常困难的，尤其在山区，因天气形势差异以及地形强迫、地面摩擦和日照辐射差异等导致边界层内大气的各种小尺度脉动复杂多变，使得山区阵风的精细化预报难度更高（Chow et al.，2013;Fernando et al.，2019;Rotach et al.，2022;Tsai et al.，2022）。

表2至表4分别给出了FDP正式运行期间近地面10 m全阈值（不分等级）阵风风速、≥11 m／s阵风风速、≥17 m／s阵风风速的预报检验结果。其中，11 m／s和17 m／s的阵风风速是所有高山类滑雪项目最为敏感的两个阈值，分别对应着比赛的风险陡增和比赛的无条件取消（推迟），也是冬奥气象保障的关键服务阈值。

从检验结果来看，不论是专项站点预报产品还是模式系统预报产品，10m平均风风速（表略）和阵风预报误差随着预报时效的增加而增加。在0～72 h预报时效内，不论是全阈值（不分等级）阵风风速还是≥11 m／s和≥17 m／s阵风风速，STNF的预报效果最好，体现出人工智能（机器学习）站点解释应用技术对阵风风速预报的优势;另外，多源数据快速融合集成和大涡数值预报配合MOS站点解释应用技术（RMAPS-RISE）、区域模式配合相似集合理论解释应用技术（RMAPS-ST）、人工智能解释应用技术（MOML、KJAINWP）以及多模式集成技术（GRAPES-BLD;佟华等，2022）也具有一定优势。在3～10 d预报时效内，与平均风风速（表略）类似，最佳的阵风风速专项站点预报产品是RMAPS-RISE，体现了次百米级大涡数值模拟技术（Moeng et al.，2007）及其解释应用在复杂山地阵风预报方面的优势（中国气象局，2022a，2022b）。

从专项站点预报产品与模式系统预报产品的风速预报误差对比来看，经过站点解释应用的风速预报误差显著小于数值模式和客观系统的原始预报，也表明复杂山地的风速预报站点解释应用是非常必要和关键的，可以显著降低风速的预报误差。在模式系统预报产品中，RMAPS-RISE是0～24 h风速预报误差最小的产品，在同类产品里优势较为显著。RMAPS-RISE平均风预报，是采用多源数据快速融合和集成预报技术，实现在复杂山地的百米尺度预报（中国气象局，2022a，2022b），并基于统计方法对平均风速进行了系统偏差订正，使其误差降低率在40％以上（杨璐等，2022）;阵风预报，是在平均风预报基础上，采用了一个高分辨率阵风客观预报算法，既保留了模式物理参数特征和京津冀阵风局地气候统计特征，又发挥了高分辨率格点偏差实时订正算法的优势（杨璐等，2023）。但对于≥11 m／s和≥17 m／s的阵风风速预报，大于24 h预报时效的模式系统原始预报误差较大，参考价值不大。

3.2.2 温度和相对湿度预报检验

从2 m温度和相对湿度的专项站点预报产品与模式系统预报产品检验结果对比（图4和图5）来看，站点解释应用可以显著提升山区2 m温度和相对湿度预报准确率。在专项站点预报产品中，基于人工智能的全球数值预报解释应用技术MOML（Li et al.，2019）误差最小，而且0～72 h时效的预报比较稳定，误差随预报时效延长的增长不明显;但是对于3～10 d预报时效，误差增长较为明显，即使是效果最好的MOML，温度预报平均均方根误差也达到0～72 h的两倍;相对湿度的平均绝对误差在72 h预报时为8％，到240 h预报时达到16％（图略）。总体来说，对于3 d以上的冬季复杂山地温度和相对湿度精细化预报，目前基于人工智能的解释应用技术还有待进一步改进。另外在模式系统预报产品中，8家模式系统产品0～24 h温度预报技巧差异不明显（图4），温度预报的平均均方根误差最大差异仅为0.36 ℃，相对湿度产品预报技巧也与此类似（图5）。72 h以上的温度和相对湿度预报产品只有GZ-3km一家（72～96 h预报时效），因此本文仅列出该产品作为参考，并不具备平行对比的条件。

3.2.3 降水预报检验

众所周知，对于北京冬奥会复杂山地赛场的冬季降水（降雪）预报检验而言，其实际上是一个小样本的检验。因此，这里仅给出0.1 mm阈值（指示有无降水／降雪）的检验结果，即对于0～24 h、24～72 h、72～240 h预报，检验标准分别为0.1 mm／（1 h）、0.1 mm／（3 h）、0.1 mm／（6 h）（冬奥气象中心，2020）。对于降水预报来说，通用的检验评分规则是联合考虑TS评分与Bias评分。Bias评分评判降水预报与降水实况的相对大小，能够指示“空报”与“漏报”情况;TS评分评判“正确”降水预报与降水实况的关系。因此，一般在Bias评分接近于1的前提下（即限制了“空报”与“漏报”），TS评分越高表明降水预报技巧越高。在此，我们限定Bias评分的最佳范围为［0.7，1.3］，可容忍范围为［0.5，1.5］。

从降水检验结果（表5）来看，对于0.1 mm（有无降水／降雪）预报，不论是专项站点预报产品还是模式系统预报产品，TS评分随预报时效的减小趋势是类似的。综合TS评分和Bias评分来看，专项站点预报产品中，GRAPES多模式集成产品（GRAPES-BLD）在0～72 h时效内的有无降水（降雪）预报效果相对较好;模式系统预报产品中，高分辨率数值模式产品（GZ-500m、GZ-3km）具有一定的参考价值。另外，降水检验结果显示出2个明显特征：1）受数据样本不足以及时间和空间尺度的差异的影响，站点释用结果往往无法捕捉到整个区域的降水变化和空间分布特征，无论是利用传统的线性统计方法还是利用人工智能方法对站点进行降水预报释用订正，专项站点预报产品评分结果都不及模式系统预报产品，这是非常值得关注的特点;2）总体来看，Bias评分小于1的产品占绝大多数，表明对于冬季复杂山地有无降水（降雪）的预报而言，以“漏报”为主。

3.2.4 能见度预报检验

冬奥山地赛场对能见度条件非常敏感，山区的低能见度直接影响到冬奥雪上项目赛事举办和运动员安全，对赛事转播效果也会造成很大影响。这里仅检验冬奥会气象服务最为关注的能见度≤1 km的低能见度事件的预报技巧。检验规则类似于降水检验。从检验结果（表6）来看，专项站点预报产品与模式系统预报产品性能整体相当，不同产品对低能见度事件的预报能力都非常有限。在模式系统预报产品中，综合TS评分和Bias评分来看，高分辨率边界层数值模式产品WiNS对于≤1 km的低能见度事件具有一定的预报技巧，但事实上其只有12 h预报时效。另外可看出，参与FDP的站点解释应用技术对于冬季复杂山地的低能见度预报技巧并没有提升能力。当然，复杂山地低能见度的预报本身就是一个国际难题，在与低能见度密切相关的山区云微物理变化、风、温湿度等的复杂地形解析、关键物理方案描述等方面，以及山区地形云的预报方面，高分辨率数值模式还有待大幅改进（Joe et al.，2010;Chow et al.，2013;Fernando et al.，2019）。

4 总结与讨论

此次FDP是在我国首次针对国内22家单位（气象部门内外各11家）开展的中纬度山区冬季0～10 d天气预报示范计划。通过此次FDP，一是实现了FDP实时运行所需的多种源数据和多源数据产品的高效传输、分发及监控，二是实现了次千米级和次百米级高精度分析和预报多源数据产品的高效实时处理、综合集成显示及实时检验、后评估，三是实现了对次千米级数值预报、次百米级多源数据快速融合和大涡数值预报、人工智能释用订正等新技术的实时示范应用。

此次FDP为冬奥3个赛区预报团队和各级气象台提供了丰富多样和稳定可靠的高精度客观预报产品，有力支撑了高标准的冬奥气象服务。参与冬奥气象服务保障的预报员团队反馈，丰富的FDP产品及其显示方式的多样性有助于预报员快速获取冬奥气象保障的关键信息;FDP预报产品的精细度和准确率，的确让预报员感受到了新技术的冲击力，很大程度上推动了中国气象局目前正在开展的智能网格预报的业务应用能力。表7中给出的FDP两类产品对风、温度、降水、能见度、相对湿度的最优预报检验指标（最小误差值），可以说总体体现了目前国内在中纬度山区冬季天气客观预报的大致水平和现实能力，对于认识复杂山地冬季天气预报目前存在的困难、提升高精度天气预报水平等具有极为重要的意义。

当然，上述FDP评估结果是FDP正式运行期间（2021年10月8日—2023年3月16日）3个冬奥赛区平均的检验对比结论，对于不同赛区、每一次天气过程，不同产品（要素）的预报准确率也存在差异。另外，对于预报最为关注的极端和转折性天气来说，客观技术和模式系统的预报能力不能简单地用检验评分去衡量，因为客观检验更多体现的是平均态特征。由于篇幅原因，这里不再赘述详细结果，读者可参见相关文献（冬奥气象中心，2022）。

目前的FDP客观检验也还存在不完善的地方。由于参加FDP的预报产品更新频次不同（在FDP显示平台，从逐小时更新至24 h更新1次不等），如前所述，为了比较更多产品的预报效果，以及专项站点预报产品相对于模式系统预报产品的提升度，并保证样本的相对一致性和检验的相对公平性，FDP站点检验主要选取各产品共有的起报时次08时和（或）20时（北京时间），根据产品共有的预报时间间隔进行正式示范期的预报检验。对每天逐6 h、逐3 h、逐1 h更新的预报产品，主要在典型天气个例中评估其预报效果（冬奥气象中心，2022）。需要说明的是，对于时间更新频次高的产品，用到的数据产品样本相对较少。以北京市气象局的RMAPS-RISE系统为例，0～24 h预报产品本身逐10 min更新，如果一天选取1个整点起报时次，使用的检验样本数只有实际产品数的1／144，即使选择2个整点起报时次进行检验，检验样本也只占预报产品总数的1／72，并不能十分客观地反映高频次更新产品的预报效果。另外，不同FDP产品的预报时长差异较大，从2 h至240 h不等，部分评分的计算结果可能会受到预报时长的影响。当然，高时空分辨率预报产品的客观公正检验本身就是一个难题，目前国际上主流的检验方法和检验标准也有待进一步完善（Ebert et al.，2013）。

对于模式系统产品的站点检验来说，仅能评判测站附近的预报性能。特别是冬奥FDP的站点检验，因为测站相对集中在每个赛区几平方千米的小范围内，所以对于复杂山地次千米级和次百米级模式系统格点预报产品的整体性能评估也存在一定缺陷。例如，对于延庆赛区来说，FDP检验站点有9个，但只有7个位于高山滑雪赛场赛道上（图6），因此对于类似RMAPS-RISE这样的次百米级格点预报来说，利用7个站点的FDP检验结果评估其在延庆赛区复杂山地赛场的整体预报性能还存在不确定性。

在FDP测试及正式运行期间，也开展了FDP产品的格点检验，但只作为一项试验而并未作为FDP评判标准，主要是考虑到复杂山地格点实况场本身的可信度问题，以及部分产品在进行多模式集成融合时已经使用了相关的格点实况场。另外，格点检验方法本身及其客观解释也有待开展大量的细致工作（Gilleland，2021）。

致谢：冬奥FDP的规划、布局和实施，是一个庞大的系统工程。冬奥气象中心（中国气象局）和冬奥气象北京分中心（北京市气象局）的高效组织和管理，以及参与单位的全力配合，确保了FDP的成功运行。冬奥会延庆、张家口和北京赛区气象预报团队全程参与了FDP计划的实施并提供了宝贵意见和改进建议。国家气象中心（中央气象台）、北京市气象台、河北省气象台、河北省张家口市气象局、北京市延庆区气象局对产品应用提出了建设性意见。北京冬奥会和冬残奥会组织委员会体育部和技术部、国家体育总局冬季运动管理中心对FDP运行和产品推广应用给予了大力支持。加拿大环境部的Paul Joe博士对FDP的前期筹备提供了宝贵建议。谨致谢忱！

参考文献（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.

陈明轩，付宗钰，梁丰，等，2021.“智慧冬奥2022天气预报示范计划”进展综述［J］.气象科技进展，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.

冬奥气象中心，2020.智慧冬奥2022天气预报示范计划（SMART2022-FDP）技术保障方案［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）.

冬奥气象中心，2021.智慧冬奥2022天气预报示范计划（SMART2022-FDP）第一次测试运行期综合评估报告［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）.

冬奥气象中心，2022.智慧冬奥2022天气预报示范计划（SMART2022-FDP）正式示范运行期站点检验评估报告［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.

刘凑华，代刊，林建，等，2023.天气预报全流程检验评估程序库的设计与实现［J］.气象，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.

佟华，张玉涛，齐倩倩，等，2022.基于CMA模式体系的京津冀地区复杂地形下冬季的精细化地面要素多模式集成预报研究［J］.气象，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，于长文，高辉，等，2021.北京2022年冬奥会和冬残奥会赛区气象条件及气象风险分析报告（2021）［M］.北京：气象出版社. 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）.

杨璐，宋林烨，荆浩，等，2022.复杂地形下高精度风场融合预报订正技术在冬奥会赛区风速预报中的应用研究［J］.气象，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）.

杨璐，王晓丽，宋林烨，等，2023.基于阵风系数模型的百米级阵风客观预报算法研究［J］.气象学报，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）.

中国气象局，2022a.北京2022年冬奥会和冬残奥会气象保障服务成果·业务服务卷［M］.北京：气象出版社. 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）.

中国气象局，2022b.北京2022年冬奥会和冬残奥会气象保障服务成果·科技支撑卷［M］.北京：气象出版社. 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）.

朱志强，王飞，王东海，等，2019.2016—2017雪季冬奥会“窗口期”气象资料分析与建议［J］.上海体育学院学报，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）.