細(xì)網(wǎng)格數(shù)值預(yù)報(bào)產(chǎn)品在精細(xì)化預(yù)報(bào)中的釋用

周顯偉,祝玉梅,朱春濤,梁 爽

（齊齊哈爾市氣象局，黑龍江 齊齊哈爾161006）

1 引言

目前， 超級(jí)集合預(yù)報(bào)技術(shù)的研究與應(yīng)用在國內(nèi)外氣象領(lǐng)域已經(jīng)相當(dāng)廣泛。 超級(jí)集合就是包括不同初始場(chǎng)、模式和物理過程的集合，而集成產(chǎn)品包含更多信息，這將會(huì)大大提高數(shù)值預(yù)報(bào)的參考價(jià)值。 但由于集合預(yù)報(bào)巨大的計(jì)算量， 大型計(jì)算是前期必須的物質(zhì)條件。 除此之外，集合是把所有成員聚集在一起但仍保持了每個(gè)成員的個(gè)性， 提供的是一種概率性的預(yù)報(bào)，而非現(xiàn)實(shí)的業(yè)務(wù)預(yù)報(bào)中要求的定性預(yù)報(bào)，這就需要把所有成員提供的信息綜合處理成一個(gè)統(tǒng)一的結(jié)果，從個(gè)性之中提取各成員的共性，也就是集成預(yù)報(bào)。 對(duì)于地市級(jí)氣象臺(tái)站而言，基于集合預(yù)報(bào)思想的集成預(yù)報(bào)技術(shù)的發(fā)展既是業(yè)務(wù)所需， 也是一種比較有效和經(jīng)濟(jì)的途徑。

現(xiàn)在國內(nèi)外的集成預(yù)報(bào)方法都有所開展， 但總的來說這些集成預(yù)報(bào)方法中的成員在集成預(yù)報(bào)中的權(quán)重主要是靜態(tài)的、固定的，通常這種集成預(yù)報(bào)方法不考慮各成員預(yù)報(bào)能力在不同地域、 不同季節(jié)和不同預(yù)報(bào)時(shí)效的不同表現(xiàn)， 這有可能導(dǎo)致集成預(yù)報(bào)性能的不穩(wěn)定，就勢(shì)必影響預(yù)報(bào)效果。

為了解決以上問題， 本文運(yùn)用了一種基于超級(jí)集合的多模式動(dòng)態(tài)變權(quán)集成預(yù)報(bào)方法， 可以擺脫對(duì)大量歷史樣本的依賴性， 對(duì)成員預(yù)報(bào)能力的變化也能作出相應(yīng)的調(diào)整， 每個(gè)成員在集成預(yù)報(bào)中的權(quán)重系數(shù)能自動(dòng)動(dòng)態(tài)調(diào)整， 動(dòng)態(tài)反映每一成員在不同區(qū)域、不同季節(jié)、不同時(shí)效的預(yù)報(bào)水平。

2 資料的選取與處理

本項(xiàng)目選取中國氣象信息中心提供的2013年歐洲中心確定性模式高分辨率預(yù)報(bào)產(chǎn)品 （ECMWFthin，0.25*0.25）、 東北半球T639 數(shù)值產(chǎn)品 （T639-thin，0.28125*0.28125）、日本高分辨率大氣模式產(chǎn)品（Japan-thin，0.5*0.5） 和中央氣象臺(tái)的全國城市預(yù)報(bào)產(chǎn)品以及黑龍江省齊齊哈爾市十個(gè)縣站降水和溫度實(shí)況。 對(duì)其中的ECMWF-thin、T639-thin、Japan_thin三種細(xì)網(wǎng)格20時(shí)數(shù)值預(yù)報(bào)產(chǎn)品 （12 h 降水量和2 m溫度）打包數(shù)據(jù)進(jìn)行解壓，通過Comcast1.9 歷史數(shù)據(jù)處理提取，然后進(jìn)行格點(diǎn)差值站點(diǎn)處理，最后進(jìn)行相應(yīng)預(yù)報(bào)時(shí)段截取， 取得對(duì)應(yīng)第二天08時(shí)和20時(shí)起報(bào)降水、最低氣溫和最高氣溫1—5 d 的預(yù)報(bào)結(jié)果。沒有 采 用ECMWF-thin、T639-thin、Japan-thin 三 種 細(xì)網(wǎng)格08時(shí)預(yù)報(bào)產(chǎn)品， 主要是因?yàn)?8時(shí)預(yù)報(bào)產(chǎn)品下發(fā)后處理完成時(shí)，16時(shí)30 分的精細(xì)化預(yù)報(bào)已經(jīng)來不及采用； 提取出中央氣象臺(tái)的全國城市預(yù)報(bào)產(chǎn)品中的1—5 d 間隔12 h 降水量、 最低溫度和最高溫度。其中全國城市預(yù)報(bào)產(chǎn)品2013年1月1-2日資料缺失，T639-thin 預(yù)報(bào)產(chǎn)品2013年8月30日資料缺失，Japan-thin 預(yù)報(bào)產(chǎn)品2013年10月30日資料缺失，其中Japan-thin 預(yù)報(bào)產(chǎn)品中12 h 降水量在沒有較大降水時(shí)存在著格點(diǎn)缺報(bào)，按照沒有降水來處理。

3 方法和步驟

3.1 預(yù)報(bào)準(zhǔn)確率

本項(xiàng)目中使用的預(yù)報(bào)準(zhǔn)確率是按照 《全國城鎮(zhèn)天氣預(yù)報(bào)質(zhì)量國家級(jí)檢驗(yàn)方案》及《關(guān)于改革城鎮(zhèn)精細(xì)化預(yù)報(bào)檢驗(yàn)辦法的通知》（氣科函[2013]9 號(hào)），以24 h時(shí)效分別檢驗(yàn)（晴雨按12 h 段匯總為24 h）, 根據(jù)1-5 d 各時(shí)效預(yù)報(bào)準(zhǔn)確率按加權(quán)平均的方式計(jì)算預(yù)報(bào)準(zhǔn)確率的總評(píng)分。

3.1.1 降水預(yù)報(bào)

式中，NA 為有降水預(yù)報(bào)正確站（次）數(shù)，NB 為空?qǐng)?bào)站（次）數(shù)、NC 為漏報(bào)站（次）數(shù)，ND 為無降水預(yù)報(bào)正確的站（次）數(shù)。

3.1.2 溫度預(yù)報(bào)

式中，F(xiàn)i為第i 站 （次） 預(yù)報(bào)溫度，Oi為第i 站（次）實(shí)況溫度，K 為1、2，分別代表｜Fi-Oi｜≤1 ℃、｜Fi-Oi｜≤2 ℃，為預(yù)報(bào)正確的站（次）數(shù)，NfK為預(yù)報(bào)的總站(次)數(shù)。 溫度預(yù)報(bào)準(zhǔn)確率的實(shí)際含義是溫度預(yù)報(bào)絕對(duì)誤差≤2 ℃的百分率。

3.1.3 預(yù)報(bào)準(zhǔn)確率的總評(píng)分

根據(jù)1-5 d 各時(shí)效預(yù)報(bào)準(zhǔn)確率按加權(quán)平均的方式。 計(jì)算公式為：

式中，PC24、PC48、PC72、PC96、PC120分別為0-24 h、24-48 h、48-72 h、72-96 h、96-120 h 晴雨（雪）預(yù)報(bào)準(zhǔn)確率。

在此種評(píng)分方法下2013年四種模式預(yù)報(bào)準(zhǔn)確率如下（表1-3）：

定性降水預(yù)報(bào)準(zhǔn)確率。 調(diào)整前最高的為Japan-thin（81.63%），主要原因是處理資料時(shí)把大量微量降水缺報(bào)格點(diǎn)剔除，而格點(diǎn)資料完善、規(guī)范的EC-thin定性降水預(yù)報(bào)準(zhǔn)確率為79.41%； 其中T639-thin 定性預(yù)報(bào)準(zhǔn)確率最差為58.49%， 分析表明T639-thin格點(diǎn)降水預(yù)報(bào)中存在著大量的單點(diǎn)的微量降水，所以在降水集成預(yù)報(bào)前先進(jìn)行各模式微量降水誤差剔除分析。

表1 2013年按照中央TS 評(píng)分結(jié)果(預(yù)報(bào)定性降水)

表2 2013年按照中央TS 評(píng)分結(jié)果(預(yù)報(bào)最低溫度)

表3 2013年按照中央TS 評(píng)分結(jié)果(預(yù)報(bào)最高溫度)

3.2 誤差訂正

3.2.1 降水預(yù)報(bào)誤差訂正

由于微量降水存在著大量的空?qǐng)?bào)， 所以有必要先對(duì)四種預(yù)報(bào)進(jìn)行微量降水的去除。 去除方法是從0.1 mm 開始，以0.1 mm 逐步去除計(jì)算齊齊哈爾地區(qū)10 個(gè)縣站1—5 d 預(yù)報(bào)準(zhǔn)確，直至其中出現(xiàn)預(yù)報(bào)準(zhǔn)確率有下降為止。

同理：中央指導(dǎo)和Japan-thin 預(yù)報(bào)降水中小于等于0.5 mm 降水忽略， 而T639-thin 預(yù)報(bào)降水中小于等于0.8 mm 降水忽略。

去除微量降水后，T639-thin 微量降水空?qǐng)?bào)率最高，空?qǐng)?bào)量級(jí)也是最大（達(dá)到0.8 mm），去除微量降水后平均提升的準(zhǔn)確率百分比為24.21%；EC-thin 提升為5.69%；中央指導(dǎo)提升4.33%；而Japan-thin 提升最小為0.64%，這是因?yàn)镴apan-thin 降水資料沒有較大降水預(yù)報(bào)時(shí)存在著大量的格點(diǎn)缺值， 當(dāng)時(shí)處理資料時(shí)已經(jīng)把格點(diǎn)缺值按沒有降水處理了。 調(diào)整后定性降水預(yù)報(bào)準(zhǔn)確率最高的為EC-thin，達(dá)到了85.1%。

3.2.2 溫度預(yù)報(bào)誤差訂正

模式誤差是預(yù)報(bào)誤差的主要來源之一,利用經(jīng)驗(yàn)性預(yù)報(bào)方法來減小模式誤差對(duì)預(yù)報(bào)的影響是非常必要的方法。 本文采用通過滯后平均降低誤差尺度的自適應(yīng)誤差訂正方法,是后驗(yàn)訂正,即只在整個(gè)積分完成后對(duì)預(yù)報(bào)結(jié)果進(jìn)行訂正處理。

首先,把各模式10 個(gè)站5 d2 m 最低和最高溫度預(yù)報(bào)記為Ai(t),計(jì)算預(yù)報(bào)在各站點(diǎn)i 各時(shí)次t 的滑動(dòng)的天數(shù)平均絕對(duì)誤差Bi(t)。 公式(4)中Ai(t0)為t時(shí)刻的觀測(cè)結(jié)果, Fi(t0)為與t時(shí)刻觀測(cè)結(jié)果對(duì)應(yīng)的t0時(shí)刻預(yù)報(bào)結(jié)果。

滑動(dòng)7、30 和45 d 比較可以看出滑動(dòng)天數(shù)為30 d時(shí)較優(yōu)。

最低溫度TS 評(píng)分在去除平均絕對(duì)誤差后各預(yù)報(bào)都有所升高，但升高不是很明顯，其中EC-thin 達(dá)到68.45%；最高也都有所升高，但是EC-thin 最為明顯，升高了8.46%，達(dá)到74.01%。

3.3 變權(quán)集成預(yù)報(bào)方法的引入

集合預(yù)報(bào)雖然是國際上的熱門技術(shù)， 但目前我國地市級(jí)臺(tái)站一般很難具備適合這種超級(jí)集合巨大計(jì)算量的大型計(jì)算條件， 而且各地區(qū)現(xiàn)在已經(jīng)能夠收到國內(nèi)外大量的數(shù)值預(yù)報(bào)產(chǎn)品。 以這些數(shù)值預(yù)報(bào)產(chǎn)品為基礎(chǔ)， 只需利用好這些模式的運(yùn)算結(jié)果直接進(jìn)行集成，不失為一種既實(shí)用又有效的方法，大家通常把這種方法叫做PM 法，實(shí)際上這也是一種多種模式的集成預(yù)報(bào)方法。本文在此基礎(chǔ)上，采用ECMWFthin、T639-thin、Japan_thin 數(shù)值預(yù)報(bào)產(chǎn)品和中央氣象臺(tái)的全國城市預(yù)報(bào)產(chǎn)品， 動(dòng)態(tài)地分析這四種模式的近期誤差，動(dòng)態(tài)地分配這四種模式產(chǎn)品的權(quán)重，稱之為“變權(quán)集成預(yù)報(bào)方法”。

集成平均是一種權(quán)重平均,這種并集有可能會(huì)抹殺各成員的個(gè)性,因而可能存在較高的空?qǐng)?bào)率,故一般不用于降水的預(yù)報(bào),但是在齊齊哈爾地區(qū)2 m 最低和最高溫度預(yù)報(bào)中效果也不理想，尤其是最高溫度。誤差概率遞歸訓(xùn)練變權(quán)法應(yīng)用于格點(diǎn)場(chǎng)溫度集成預(yù)報(bào)是對(duì)模式的整體預(yù)報(bào)能力進(jìn)行考慮， 一般不對(duì)每一點(diǎn)進(jìn)行權(quán)重分配， 而是考慮某個(gè)模式某個(gè)區(qū)域的權(quán)重系數(shù)。 其基本步驟如下:

從四種數(shù)值預(yù)報(bào)產(chǎn)品中挑出三種模式， 使其歷史誤差概率和實(shí)時(shí)誤差概率較小。四種模式的歷史誤差概率:

式中Ek是每一個(gè)格點(diǎn)的絕對(duì)誤差值，Ak為某模式在各種模式誤差中所占的比例，Ak的計(jì)算樣本長(zhǎng)度為所有歷史資料。

各模式的實(shí)時(shí)誤差概率:

Bk可以表示模式在最近一段時(shí)間的預(yù)報(bào)質(zhì)量，為某模式在各種模式最近一段時(shí)間的預(yù)報(bào)平均誤差總和所占比例。 Bk計(jì)算樣本長(zhǎng)度一般根據(jù)短期天氣周期來大致確定，一般可以取4-7。

因歷史樣本Ak是固定的，近期取值Bk則是變動(dòng)的。 對(duì)于既要考慮歷史的又要考慮近期效果的模式誤差概率，使用下式來計(jì)算綜合誤差概率:

式中，F(xiàn) 為常數(shù)， 其值的變動(dòng)代表考慮歷史和實(shí)時(shí)誤差的程度，F(xiàn) 大，歷史成分多，F(xiàn) 小，則實(shí)時(shí)成分多。

由于細(xì)網(wǎng)格資料沒有歷史樣本， 所以設(shè)F 為0。各個(gè)模式都可以求出Dk，對(duì)于n2 種模式，則得到相應(yīng)的綜合誤差概率:

為基于誤差概率的第一種、 第二種模式在集成中的權(quán)重系數(shù)，是歸一化的。

3.4 滑動(dòng)變權(quán)法用于離散點(diǎn)降水集成預(yù)報(bào)

該方法采用目前投入業(yè)務(wù)運(yùn)行的數(shù)值模式產(chǎn)品,其中包括: ECMWF、T639、日本降水預(yù)報(bào)產(chǎn)品、德國降水預(yù)報(bào)和經(jīng)定量化處理后的全國臺(tái)站主觀預(yù)報(bào)產(chǎn)品。

具體原理是:

權(quán)重的分配不僅針對(duì)各個(gè)成員本身,而且具體到每個(gè)成員在不同站點(diǎn)和不同預(yù)報(bào)時(shí)段,計(jì)算采用方法和步驟是：取連續(xù)滾動(dòng)的K 天預(yù)報(bào),這樣可得到連續(xù)K 天某個(gè)集成成員在每個(gè)站點(diǎn)、各個(gè)預(yù)報(bào)時(shí)效的預(yù)報(bào)平均絕對(duì)誤差,再取其倒數(shù)，各自倒數(shù)除以倒數(shù)和作為各自的權(quán)重， 各自權(quán)重再乘以集成成員在每個(gè)站點(diǎn)、各個(gè)預(yù)報(bào)時(shí)效的預(yù)報(bào)降水量。

在有降水的定性判定上,規(guī)定當(dāng)三分之二以上成員預(yù)報(bào)有降水時(shí),則預(yù)報(bào)有降水,否則視為無降水。

通過上述兩種方法 （誤差概率遞歸訓(xùn)練變權(quán)法應(yīng)用于格點(diǎn)場(chǎng)溫度集成預(yù)報(bào)和滑動(dòng)變權(quán)法用于離散點(diǎn)降水集成預(yù)報(bào)）, 最后集成預(yù)報(bào)的TS 評(píng)分結(jié)果表明： 齊齊哈爾地區(qū)十個(gè)站點(diǎn)集成預(yù)報(bào)效果明顯好于任何一個(gè)單獨(dú)的數(shù)值模式預(yù)報(bào)效果， 尤其是最低溫度的預(yù)報(bào)準(zhǔn)確率得到很大的提升。

4 小結(jié)

（1）ECMWF-thin、T639-thin、Japan-thin 三種細(xì)網(wǎng)格和中央氣象臺(tái)的全國城市預(yù)報(bào)產(chǎn)品對(duì)齊齊哈爾地區(qū)的降水預(yù)報(bào)都存在著較多的空?qǐng)?bào)現(xiàn)象， 去除微量降水預(yù)報(bào)后，降水預(yù)報(bào)質(zhì)量得到了很大的提升。

（2）對(duì)四種模式預(yù)報(bào)進(jìn)行集成平均，在齊齊哈爾地區(qū)預(yù)報(bào)效果極其有限。

（3）動(dòng)態(tài)權(quán)重集成預(yù)報(bào)能夠較好地利用各種數(shù)值預(yù)報(bào)的優(yōu)勢(shì),從而得到質(zhì)量好的定性預(yù)報(bào)產(chǎn)品。 定性降水、 最低溫度和最高溫度的集成預(yù)報(bào)比任何單一的數(shù)值預(yù)報(bào)成員TS 預(yù)報(bào)評(píng)分都要高, 尤其是最低溫度預(yù)報(bào)質(zhì)量得到了很大的提升,給預(yù)報(bào)員提供了很好的參考工具。