基于EC細(xì)網(wǎng)格產(chǎn)品對懷化地區(qū)日最高氣溫的預(yù)報及訂正分析

王 強(qiáng)，張 驍，王起喚

(湖南省懷化市氣象臺，湖南 懷化 418000)

?

基于EC細(xì)網(wǎng)格產(chǎn)品對懷化地區(qū)日最高氣溫的預(yù)報及訂正分析

王 強(qiáng)，張 驍，王起喚

(湖南省懷化市氣象臺，湖南 懷化 418000)

利用EC細(xì)網(wǎng)格(ECMWF-thin)0.125°×0.125°格距20時起報地面2 m氣溫資料，使用反距離加權(quán)法插值至懷化11個國家氣象觀測站點上，計算出模式預(yù)報的日最高氣溫，對模式預(yù)報準(zhǔn)確率的時空分布特征以及利用N日誤差滑動平均值、天氣分類方法分別對模式預(yù)報進(jìn)行訂正分析發(fā)現(xiàn)：隨著預(yù)報時效的延長ECMWF-thin日最高氣溫預(yù)報準(zhǔn)確率降低，存在明顯的時間變化特征，但空間差異不明顯；ECMWF-thin日最高氣溫預(yù)報較實況普遍偏低；利用N日誤差滑動平均值方法訂正，日最高氣溫預(yù)報準(zhǔn)確率的提升16%～20%，訂正后預(yù)報準(zhǔn)確率在54%～73%，此方法操作便捷、簡單實用；進(jìn)行天氣分類訂正后，各類型天氣均有不同程度提升，且對特定類型天氣提升明顯，兩種方法各有利弊，對日最高氣溫預(yù)報均具有一定的指導(dǎo)意義。

氣溫，訂正，滑動平均，天氣類型

1 引言

懷化地處湖南西南部，地型呈西南—東北向狹長帶狀，南北長353 km，東西寬229 km，總面積2.76萬km2。全境地勢起伏，溝壑縱橫，東南部有雪峰山，西北部有武陵山，海拔在300 m以上的山地占總面積的73%，特殊的地形分布，海拔高度差異顯著，也導(dǎo)致懷化各地氣溫分布特征各異，加之日最高氣溫對天空狀況的敏感性強(qiáng)，模式預(yù)報在日最高氣溫要素的預(yù)報上往往達(dá)不到直接使用的要求，而在實際預(yù)報中，對于差異顯著的氣溫要素預(yù)報，隨著預(yù)報時效延長，預(yù)報員對氣溫要素的能力顯著減弱。為掌握氣溫分布規(guī)律，探索有效的氣溫預(yù)報方法，國內(nèi)學(xué)者做了許多研究，周青[1]等、李軍[2]等、汪衛(wèi)平[3]等利用標(biāo)準(zhǔn)化均方根誤差分析、氣溫空間分布的地形調(diào)節(jié)統(tǒng)計模型等方法分析地面氣溫分布特征；周婷婷[4]等、李莎[5]等、邱學(xué)興[6]等、劉宇[7]等、周繼先[8]等、陳曉燕[9]等利用 MODIS影像數(shù)據(jù)和數(shù)字高程模型差值、Kriging插值、Barnes 插值和一階卡爾曼濾波訂正方法、空間卷積算法最小二乘法、支持向量積法等方法探索適合中國區(qū)域的地面氣溫插值方法；薛志磊[10]等、張杰[11]等也將數(shù)值預(yù)報的動力釋用方法、多模式集合等應(yīng)用到氣溫預(yù)報中。社會公眾對氣象預(yù)報關(guān)注度越來越高，最高氣溫預(yù)報是公眾氣象預(yù)報的一項重要內(nèi)容，同時作為城鎮(zhèn)預(yù)報的考核之一。數(shù)值預(yù)報產(chǎn)品，尤其是氣溫預(yù)報產(chǎn)品已成為預(yù)報員在日常氣象預(yù)報的主要參考依據(jù)，但是由于模式預(yù)報中對氣溫的預(yù)報資料局限性以及模式自身預(yù)報偏差，導(dǎo)致模式預(yù)報很難直接應(yīng)用到城鎮(zhèn)預(yù)報中去，本文試圖從ECMWF-thin日最高氣溫預(yù)報誤差出發(fā)，尋找適合本地訂正方法，指導(dǎo)日最高氣溫預(yù)報。

2 資料方法

2015年1月15日之后，ECMWF-thin對地面2 m氣溫的要素預(yù)報由0.25°×0.25°的格點預(yù)報場調(diào)整為0.125°×125°的格點預(yù)報，預(yù)報時間間隔仍然是0～72 h為每3 h一次，72 h之后每6 h一次，為保證資料一致性，本文選取研究時段為2015年2月1日—2016年1月31日，共計365 d。

2.1 資料選取

選取歐洲中心每天20時起報，對未來120 h時效的高溫預(yù)報資料，利用反距離加權(quán)法將每個預(yù)報時次溫度預(yù)報插值到懷化市11個縣預(yù)報站點上，以20時為日界，計算出逐24 h氣溫最高值作為日最高氣溫預(yù)報值；選取懷化市11個國家氣象站逐分鐘氣溫資料，以20時為日界，獲取每天最高氣溫值為日最高氣溫實況；從國家衛(wèi)星氣象中心的風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)下載FY-2F總云量(CTA)逐小時數(shù)據(jù)，根據(jù)日最高氣溫出現(xiàn)的時段，選取每日的10時、12時、13時、14時、15時、16時、17時的總云量來計算平均總云量，結(jié)合每日的降水情況，將天空類型分為以下3個大類型6個小類型。

表1 天氣類型分型

2.2 資料處理方法

根據(jù)《全國城鎮(zhèn)天氣預(yù)報質(zhì)量檢驗方案》、《湖南省城鎮(zhèn)天氣預(yù)報質(zhì)量檢驗方法》、《中短期天氣預(yù)報質(zhì)量檢驗辦法(試行)》中日最高氣溫檢驗標(biāo)準(zhǔn)，首先利用實況資料對ECMWF-thin的日最高氣溫資料進(jìn)行檢驗，總結(jié)模式日最高氣溫預(yù)報的時空分布特征。溫度預(yù)報具體檢驗標(biāo)準(zhǔn)為：

溫度預(yù)報準(zhǔn)確率的實際含義是溫度預(yù)報誤差≤2 ℃的百分率。

根據(jù)ECMWF-thin日最高氣溫預(yù)報與日最高氣溫實況誤差，以前N日預(yù)報與實況誤差的滑動平均值作為訂正值，對未來最高氣溫預(yù)報進(jìn)行訂正并檢驗。

其中，前N日預(yù)報與實況誤差滑動平均值=(預(yù)報前1天的誤差值 +預(yù)報前2天的誤差值+…+預(yù)報前N天的誤差值)/N。

結(jié)合天氣類型的分型和ECMWF-thin最高氣溫預(yù)報偏差分析，對不同天氣類型下模式最高氣溫預(yù)報分別進(jìn)行訂正并檢驗，具體天氣類型分型如表1。

3 ECMWF-thin最高氣溫預(yù)報分析

3.1 模式預(yù)報準(zhǔn)確率檢驗分析

3.1.1 時間變化特征 從ECMWF-thin不同預(yù)報時效全市各站日最高氣溫月平均預(yù)報準(zhǔn)確率圖(圖1)中可以看出：

圖1 ECMWF-thin不同預(yù)報時效全市各站日最高氣溫月平均預(yù)報準(zhǔn)確率圖Fig.1 ECMWF-thin monthly mean forecast accuracy diagram of all stations' daily maximum temperature in different forecast time limits

①模式預(yù)報準(zhǔn)確率隨著預(yù)報時效的延長，呈下降趨勢，在2—4月尤為明顯；最高值出現(xiàn)在12月份24 h時效，為78.30%；最低值出現(xiàn)在4月份120 h時效，為15.99%。

② 0～120 h各預(yù)報時效逐月平均預(yù)報準(zhǔn)確率在15%～79%之間，各月之間差異很大， 1—4月呈下降趨勢，4月達(dá)到全年最低值，出現(xiàn)第1個波谷，各時效均值為25.27%； 5月開始上升，5—8月又呈下降趨勢，8月迎來第2個波谷，各時效均值為26.42%；9月有所升高，10月又出現(xiàn)波動性下降，各時效準(zhǔn)確率均值為35.49%；之后準(zhǔn)確率呈現(xiàn)逐步上升趨勢。

3.1.2 空間變化特征 ECMWF-thin對懷化11縣逐24 h預(yù)報時效日高溫預(yù)報準(zhǔn)確率均是隨著預(yù)報時效的延長而減小，在0～24 h時效內(nèi)，麻陽縣最低為47.34%，辰溪最高為59.66%，平均53.55%；24～48 h時效內(nèi)，新晃縣最低為36.93%，辰溪縣最高為53.69%，平均47.62%；48～72 h時效內(nèi)，新晃縣最低為38.31%，沅陵縣最高為51.55%，平均45.97%；72～96 h時效內(nèi)，新晃縣最低為35.71%，沅陵縣、洪江市最高為41.43%，平均40.05%；96～120 h時效內(nèi)，懷化站最低為36.08%，辰溪最高為43.18%，平均39.93%，從圖中可以看出在各時效內(nèi)，ECMWF-thin對各縣日最高氣溫預(yù)報準(zhǔn)確率有所差異，但相差較小。

圖2 ECMWF-thin對懷化市11縣日最高氣溫各預(yù)報時效預(yù)報準(zhǔn)確率(a)ECMWF-thin(b：24 h，c:48 h，d:72 h，e:96 h，f:120 h)時效11縣日最高氣溫預(yù)報準(zhǔn)確率時序變化圖Fig.2 ECMWF-thin forecast accuracy diagram of 11 counties' daily maximum temperature in different forecast time limits (a); ECMWF-thin forecast accuracy time series diagrams of 11 counties' daily maximum temperature in the time limits of b:24 h, c:48 h, d:72 h, e:96 h, f:120 h

分析0～24 h、24～48 h、48～72 h、72～96 h、96～120 h時效內(nèi)懷化市各縣日最高氣溫預(yù)報準(zhǔn)確率時序變化(圖2b～2f)，各時效范圍內(nèi)與懷化全市對應(yīng)時效內(nèi)的預(yù)報準(zhǔn)確率(圖1)具有相似的變化趨勢，且相同時效范圍，模式對懷化各縣日最高氣溫預(yù)報準(zhǔn)確率具有相似變化趨勢。

3.2 ECMWF-thin日最高氣溫預(yù)報誤差分析及成因探討

表2 出現(xiàn)各預(yù)報偏差概率(T=ECMWF-thin日最高氣溫預(yù)報值-對應(yīng)時段日最高氣溫實況)

注：Ⅰ、Ⅱ統(tǒng)計內(nèi)容為各預(yù)報偏差段占全年所有站次比重，Ⅲ統(tǒng)計內(nèi)容為指定預(yù)報偏差占絕對誤差>2 ℃(判定為預(yù)報錯誤)中比重。

從表2中可以出，ECMWF-thin的日最高氣溫預(yù)報73%以上的預(yù)報都較實況偏低；日最高氣溫絕對誤差在2 ℃以上的(按照評分標(biāo)準(zhǔn)判斷為預(yù)報錯誤)，其中模式偏低情況，各預(yù)報時效均在83%以上，0～24 h更是達(dá)到了87.6%。

成因探討：

①懷化市屬中亞熱帶季風(fēng)氣候區(qū)，四季分明，不同季節(jié)氣溫差異較大，變化幅度也不盡相同，由于氣溫升降明顯，變化幅度大，加大了日最高氣溫的預(yù)報難度。從圖3中可以看出懷化市高低溫溫差與模式對日最高氣溫預(yù)報準(zhǔn)確率呈明顯負(fù)相關(guān)關(guān)系。

圖3 懷化市日高低溫實況溫差和ECMWF-thin日最高氣溫預(yù)報準(zhǔn)確率時序變化圖Fig.3 Difference between actual daily maximum and minimum temperature in Huaihua and ECMWF-thin forecast accuracy time series diagram of daily maximum temperature

②ECMWF-thin對地面2 m氣溫要素預(yù)報格式和日最高氣溫出現(xiàn)時間導(dǎo)致了預(yù)報偏差的存在，進(jìn)而影響預(yù)報準(zhǔn)確率。ECMWF-thin對地面2 m氣溫要素預(yù)報在前72 h時效是對逐3 h整點氣溫也就是每天的02時、05時、08時、11時、14時、17時、20時、23時的8個時次的整點氣溫進(jìn)行預(yù)報，72 h～120 h時效范圍內(nèi)是對逐6 h也就是02時、08時、14時、20時的4個時次的整點預(yù)報進(jìn)行預(yù)報，在實際預(yù)報中，我們是根據(jù)具體的預(yù)報日界，將預(yù)報范圍內(nèi)的所有整點數(shù)據(jù)的最大值作為日最高氣溫的預(yù)報值，從對懷化全市2015年日最高氣溫在全天各時段出現(xiàn)頻率的統(tǒng)計來看(圖4)，極少數(shù)日最高氣溫出現(xiàn)在整點，日最高氣溫主要出現(xiàn)在11—18時之間，占90.77%，12—17時占80.78%，而在14—17時之間ECMF-thin沒有氣溫預(yù)報數(shù)據(jù)，這個時段的高溫出現(xiàn)概率則高達(dá)63.40%，這也直接影響了ECMWF-thin日最高氣溫預(yù)報的預(yù)報準(zhǔn)確率。

圖4 懷化全市2015年日最高氣溫在全天各時段出現(xiàn)頻率Fig.4 Frequency of Huaihua daily maximum temperature occurrence in each time period, 2015

4 氣溫預(yù)報訂正

4.1 誤差滑動平均值訂正

假設(shè)ECMWF-thin對氣溫要素預(yù)報偏差具有一致性，利用模式起報前1～5 d最高氣溫預(yù)報與實況的誤差計算前N日誤差滑動平均值，本文選取1～5 d誤差滑動平均值分別對ECMWF-thin日最高氣溫預(yù)報進(jìn)行訂正，從圖5中可以看出，各預(yù)報時效的預(yù)報準(zhǔn)確率均有不同程度的提升，預(yù)報準(zhǔn)確率提升16%～20%不等，各預(yù)報時效的日最高氣溫預(yù)報利用滑動平均誤差訂正后都有明顯的提升，對比所選取的各不同日誤差滑動平均值訂正效果，選取2～5 d誤差滑動平均值作為訂正值的并沒有太大差別，訂正后的最高氣溫預(yù)報準(zhǔn)確率在54%～73%，尤其是前48 h日最高氣溫預(yù)報準(zhǔn)確率超過65%，基本滿足城鎮(zhèn)預(yù)報要求。

圖5 利用N日誤差滑動平均值訂正前后最高氣溫準(zhǔn)確率Fig.5 Maximum temperature accuracy before and after using moving average of N days' deviation

4.2 天氣類型訂正

通過對ECMWF-thin日最高氣溫預(yù)報誤差分析可以看出，模式預(yù)報主要是較實況偏低，但是簡單的對模式預(yù)報進(jìn)行上調(diào)，效果不理想，達(dá)不到日常預(yù)報要求，現(xiàn)根據(jù)不同天氣類型(表1)，分別對不同時效的模式預(yù)報添加1～5 ℃，對訂正前后的預(yù)報數(shù)據(jù)進(jìn)行檢驗(圖6)并進(jìn)行討論：

4.2.1 無降水天氣條件下ECMWF-thin日最高氣溫預(yù)報訂正分析 對于晴朗或少云(Ⅰ型a)， 模式預(yù)報的準(zhǔn)確率隨著預(yù)報訂正值的增大，預(yù)報準(zhǔn)確率逐漸升高，在訂正值為4、5 ℃時，準(zhǔn)確率開始下降，但都較未訂正有較高提升；訂正值為3 ℃時，00～24 h,24～48 h,48～72 h和96～120 h 4個時效達(dá)到最高值，分別為78.27%,75.50%,73.30%,67.03%，隨著訂正值的再次增加，高溫預(yù)報準(zhǔn)確率呈下降趨勢；72～96 h訂正值為4 ℃時，達(dá)到最高，為70.84%。

對于多云到少云(Ⅱ型a)在對模式日最高氣溫預(yù)報進(jìn)行訂正時，出現(xiàn)與Ⅰ型a天氣類似的特征，在訂正值為1、2 ℃時，預(yù)報準(zhǔn)確率上升至55%～74%，00～24 h,24～48 h,48～72 h時效，較訂正前，提高7%～12%，訂正值為1 ℃時，準(zhǔn)確率達(dá)到最大，之后準(zhǔn)確率減小;72～96 h，96～120 h訂正值為2 ℃時達(dá)到最大。

對于多云到陰天(Ⅲ型a)，各個時效的ECMWF-thin最高氣溫預(yù)報訂正后的準(zhǔn)確率走勢不盡相同，00～24 h,24～48 h,48～72 h時效范圍內(nèi)，不訂正或訂正值為1 ℃時，準(zhǔn)確率較高，之后隨著訂正值的增大準(zhǔn)確率減小；而72～96 h和96～120 h時效，在訂正值為1、2 ℃時，準(zhǔn)確率較高。

圖6 6種天氣類型訂正前后日最高氣溫預(yù)報準(zhǔn)確率Fig.6 Daily maximum temperature forecast accuracy before and after revising with 6 kinds of weather types

總之，對于沒有降水的天氣，ECMWF-thin對地面2m日最高氣溫的預(yù)報需要根據(jù)具體天空狀況添加1～4 ℃進(jìn)行訂正，訂正后預(yù)報準(zhǔn)確率均有所提升，尤其Ⅰ型a天氣類型，提升明顯。

4.2.2 有降水天氣條件下ECMWF-thin日最高氣溫預(yù)報訂正分析 對于少云有陣性降水(Ⅰ型b)的天氣類型，模式自身預(yù)報準(zhǔn)確率較低，且訂正之后沒有明顯的提升。對于多云到少云有陣性降水Ⅱ型b的情況，訂正值為1 ℃時，準(zhǔn)確率有所升高，在56%～75%之間，之后隨著訂正值的增加，準(zhǔn)確率逐漸下降。

對于陰天有雨(Ⅲ型b)，訂正值選取1～5 ℃時，預(yù)報準(zhǔn)確率呈下降趨勢，為了更好的驗證偏差，尋找恰當(dāng)?shù)闹颠M(jìn)行有效訂正，所以將訂正值范圍擴(kuò)大至-5～5 ℃。Ⅲ型b天氣模式自身預(yù)報準(zhǔn)確率在64%～80%之間，訂正值后的曲線圖如圖6Ⅲ型b所示，呈拋物線形式，訂正前預(yù)報準(zhǔn)確率在波峰。

綜上所述，對于有降水的天氣，當(dāng)天空狀況為陰天(Ⅲ型b)時，模式自身預(yù)報準(zhǔn)確率較高，訂正效果差，但模式自身預(yù)報準(zhǔn)確率較高，對于多云(Ⅱ型b)時，訂正值為1 ℃時準(zhǔn)確率有所提升，而對于少云(Ⅰ型b)時，模式自身預(yù)報準(zhǔn)確率較低，且訂正效果較差。

5 總結(jié)

①ECMWF-thin模式日最高氣溫預(yù)報準(zhǔn)確率隨著預(yù)報時效的延長而下降，單一時效內(nèi)日最高氣溫預(yù)報準(zhǔn)確率存在明顯的月際變化，在不同預(yù)報時效內(nèi)對全市11縣日最高氣溫預(yù)報準(zhǔn)確率有所差異，但整體變化趨一致，模式預(yù)報準(zhǔn)確率普遍偏低，無法直接應(yīng)用到實際業(yè)務(wù)中。

②ECMWF-thin日最高氣溫預(yù)報較實況以偏低為主，預(yù)報值低于實況值的占73%以上；導(dǎo)致模式出現(xiàn)這種誤差的原因一是懷化自身的氣候特點，再者，模式對地面2 m氣溫要素預(yù)報格式和懷化地區(qū)最高氣溫出現(xiàn)時段也直接導(dǎo)致這一結(jié)果。

③利用1～5 d誤差滑動平均值對ECMWF-thin最高氣溫預(yù)報進(jìn)行訂正，不同日數(shù)誤差滑動平均值對高溫預(yù)報準(zhǔn)確率訂正差異較小，訂正后的預(yù)報準(zhǔn)確率在各時效范圍內(nèi)都有所提升，基本滿足城鎮(zhèn)日最高氣溫預(yù)報需求，且訂正方法簡單，操作方便。

④對不同天氣類型的天氣分類進(jìn)行訂正檢驗，發(fā)現(xiàn)對于沒有降水的天氣，模式預(yù)報需要根據(jù)具體天空狀況添加1～4 ℃才能達(dá)到業(yè)務(wù)應(yīng)用需求，而對于有降水的天氣，需針對不同類型選取訂正值。針對不同天氣類型分類訂正，整體效果好，尤其是對天空狀況較好的天氣，日最高氣溫預(yù)報準(zhǔn)確率提高非常明顯，但是此種訂正方法雖然準(zhǔn)確率提升明顯，但是要以預(yù)報員對天氣類型有較好的把握為基礎(chǔ)。

[1] 周青,趙鳳生,高文華. NCEP/NCAR 逐時分析與中國實測地表溫度和地面氣溫對比分析[J].氣象，2008，24(2):83-91.

[2] 李軍，黃敬峰，游松財.不同空間尺度DEM對山區(qū)氣溫空間分布模擬的影響——以浙江省仙居縣為例[J].地理科學(xué),2012,32(11):1 384-1 390.

[3] 汪衛(wèi)平,熊偉,陳余明.貴州省日最高氣溫氣候特征分析[J].貴州氣象,2013,37(1):7-10.

[4] 周婷婷,陳文惠.基于MODIS數(shù)據(jù)和氣象觀測數(shù)據(jù)的氣溫空間插值方法比較[J].地理科學(xué)進(jìn)展,2011,30(9):1 143-1 151.

[5] 李莎,舒紅,徐正全.利用時空Kriging進(jìn)行氣溫插值研究[J].武漢大學(xué)學(xué)報,2012,37(2):237-241.

[6] 薛志磊,張書余.氣溫預(yù)報方法研究及其應(yīng)用進(jìn)展綜述[J].干旱氣象,2012,30(3):451-458

[7] 邱學(xué)興,王東勇,朱紅芳.鄉(xiāng)鎮(zhèn)精細(xì)化最高最低氣溫預(yù)報方法研究[J]. 氣象與環(huán)境學(xué)報，2013，29(3):92-96.

[8] 周繼先，聶云.思南縣各鄉(xiāng)鎮(zhèn)氣溫分析及氣溫預(yù)報訂正方法研究[J].貴州氣象,2016,40(1):30-34.

[9] 陳曉燕, 趙玉金, 孫文英,等.支持向量機(jī)方法作溫度預(yù)報試驗[J],2006,30(1):31-33.

[10]張杰，羅嵐心，韓曉令.CMIP5模式對長江流域氣溫模擬與預(yù)估[J],2014,38(2):15-18.

[11]劉宇,陳泮勤,張穩(wěn),等.一種地面氣溫的空間插值方法及其誤差分析[J].大氣科學(xué)，2006,30(1):146-152.

Analysis on daily maximum temperature forecast and revisal method in Huaihua District based on ECMWF intermediate-level resolution model

WANG Qiang,ZHANG Xiao,WANG Qihuan

(Huaihua Meteorological Observatory, Huaihua 418000, China)

Based on the ECMWF-thin forecast data of 2 meters above the surface temperature with the resolution of 0.125°×0.125° which were forecast from 20∶00, model forecast daily maximum temperature was calculated by the method of inverse distance weighted interpolating to 11 national meteorological stations of Huaihua. by amending the model forecast daily maximum temperature with the temporal and spatial characteristics of model forecast, the moving average of n days and synoptic classification method, the results show that the forecast accuracy declines in the forecast period extended which indicate remarkable monthly variations but no obvious spatial differences. The ECMWF-thin daily maximum temperature is generally lower than the actual daily maximum temperature. The forecast accuracy rose 16%～20% by the means of deviation moving average of n days, and the accuracy is about 54%～73% after revisal, and the whole procedure is convenient, simple and practical. Revised by the method of weather classification, the accuracy of all kinds of weather types has risen variously, especially for certain kinds. These two methods have their own advantages and disadvantages, both benefit the daily maximum temperature forecast.

temperature; revisal; moving average; weather types

1003-6598(2016)05-0032-06

2016-06-20

王強(qiáng)(1984—)，男，工程師，主要從事短中期天氣預(yù)報及氣象服務(wù)，E-mail:wangqiangxm@163.com。

P457.3

B