針對(duì)模式風(fēng)場(chǎng)的格點(diǎn)預(yù)報(bào)訂正方案對(duì)比

曾曉青 薛 峰 姚 莉 趙聲蓉

(國(guó)家氣象中心， 北京 100081)

引 言

隨著互聯(lián)網(wǎng)的快速發(fā)展，移動(dòng)互聯(lián)網(wǎng)已融入人們的工作和生活中。人們可以利用智能手機(jī)中的天氣APP(application，應(yīng)用程序)方便地查詢所需天氣狀況和信息，及時(shí)定制或調(diào)整未來活動(dòng)計(jì)劃。其中，風(fēng)的預(yù)報(bào)是精細(xì)化預(yù)報(bào)產(chǎn)品的重要組成部分，也是政府和公眾重點(diǎn)關(guān)注的預(yù)報(bào)要素之一。2022年北京冬季奧運(yùn)會(huì)(簡(jiǎn)稱冬奧會(huì))臨近，風(fēng)的預(yù)報(bào)結(jié)果對(duì)室外奧運(yùn)比賽至關(guān)重要，大風(fēng)天氣容易導(dǎo)致冬奧會(huì)多項(xiàng)賽事受到影響，如2018年2月14日白天韓國(guó)江原道地區(qū)出現(xiàn)平均風(fēng)速為10 m·s-1的大風(fēng)，給平昌冬奧會(huì)的賽事運(yùn)營(yíng)帶來了極大不便。如果能為各機(jī)構(gòu)和公眾提供及時(shí)準(zhǔn)確的風(fēng)場(chǎng)預(yù)報(bào)，將會(huì)降低災(zāi)害風(fēng)險(xiǎn)和損失，提升服務(wù)體驗(yàn)，讓全社會(huì)受益。

為了更好地滿足社會(huì)需求和完善氣象預(yù)報(bào)產(chǎn)品結(jié)構(gòu)，同時(shí)推進(jìn)精細(xì)化氣象格點(diǎn)預(yù)報(bào)業(yè)務(wù)與技術(shù)的發(fā)展，將對(duì)模式風(fēng)預(yù)報(bào)產(chǎn)品釋用技術(shù)進(jìn)行研究。數(shù)值模式[1]發(fā)展至今，系統(tǒng)誤差依然存在[2-3]。由于地形的復(fù)雜性，數(shù)值模式的近地面風(fēng)場(chǎng)預(yù)報(bào)效果與實(shí)況還有很大差距。數(shù)值模式預(yù)報(bào)結(jié)果訂正能很好解決部分預(yù)報(bào)誤差問題[4-5]。陳豫英等[6]基于聚類天氣分型的KNN(k-nearest neighbor)方法對(duì)風(fēng)的預(yù)報(bào)進(jìn)行改進(jìn)。曾曉青等[7]基于T639模式資料對(duì)北京地區(qū)20個(gè)站點(diǎn)進(jìn)行風(fēng)向、風(fēng)速的MOS研究表明，采用緯向風(fēng)、經(jīng)向風(fēng)建模的風(fēng)向預(yù)報(bào)較直接對(duì)風(fēng)向的建模效果更佳。王彬?yàn)I等[8]提出一種諧波分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的24 h短期風(fēng)速數(shù)值預(yù)報(bào)的訂正方法，訂正試驗(yàn)結(jié)果表明：訂正后的風(fēng)速預(yù)報(bào)的系統(tǒng)性偏差下降明顯。石嵐等[9]對(duì)與風(fēng)速相關(guān)度高的風(fēng)機(jī)區(qū)域進(jìn)行劃分后，引入測(cè)風(fēng)塔的觀測(cè)產(chǎn)品進(jìn)行風(fēng)場(chǎng)訂正，對(duì)于提高風(fēng)電場(chǎng)風(fēng)速預(yù)報(bào)及功率預(yù)測(cè)精度和準(zhǔn)確率具有很好作用。姚日升等[10]通過模糊分型后，選取有代表性的站點(diǎn)建立回歸模型，進(jìn)行風(fēng)速訂正，有一定效果。胡海川等[11]采用歐洲中期天氣預(yù)報(bào)中心(European Center for Medium-Range Weather Forecasts,簡(jiǎn)稱ECMWF)3年集合預(yù)報(bào)產(chǎn)品以及沿海88個(gè)站點(diǎn)觀測(cè)，基于預(yù)報(bào)眾數(shù)的方法訂正后的6～7級(jí)、8～9級(jí)風(fēng)速偏小的誤差及TS評(píng)分有明顯改進(jìn)，其中72～120 h預(yù)報(bào)時(shí)效的8～9級(jí)風(fēng)速預(yù)報(bào)的TS評(píng)分由0.04增至0.44，能夠有效提高中長(zhǎng)期時(shí)效大量級(jí)風(fēng)速的預(yù)報(bào)能力。

從以往的研究中可以看到，數(shù)值模式的風(fēng)速預(yù)報(bào)結(jié)果訂正后誤差會(huì)有所減小，大部分研究?jī)H關(guān)注風(fēng)速預(yù)報(bào)，同時(shí)訂正風(fēng)速和風(fēng)向的研究報(bào)道較少，同時(shí)過去的研究都是將模式預(yù)報(bào)產(chǎn)品插值到站點(diǎn)上與同時(shí)刻站點(diǎn)實(shí)況建立統(tǒng)計(jì)關(guān)系進(jìn)行站點(diǎn)訂正預(yù)報(bào)。隨著格點(diǎn)化預(yù)報(bào)業(yè)務(wù)的發(fā)展，每日兩次的站點(diǎn)預(yù)報(bào)在空間和時(shí)間精度上已遠(yuǎn)遠(yuǎn)不能滿足業(yè)務(wù)需求。國(guó)內(nèi)高分辨率、高頻次的格點(diǎn)觀測(cè)融合資料產(chǎn)品已經(jīng)出現(xiàn)。為了將格點(diǎn)觀測(cè)融合產(chǎn)品及時(shí)對(duì)預(yù)報(bào)結(jié)果進(jìn)行修訂，獲得精確度更高的格點(diǎn)預(yù)報(bào)產(chǎn)品，研究將使用高頻次格點(diǎn)實(shí)況融合產(chǎn)品，采用不同的誤差訂正方案，對(duì)ECMWF 10 m風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行訂正預(yù)報(bào)試驗(yàn)，并對(duì)訂正前后的風(fēng)場(chǎng)進(jìn)行檢驗(yàn)，找出最優(yōu)訂正方案。

1 資料和訂正方案

1.1 資 料

10 m風(fēng)格點(diǎn)預(yù)報(bào)產(chǎn)品采用ECMWF細(xì)網(wǎng)格資料(簡(jiǎn)稱為EC)，模式起報(bào)時(shí)間是08:00(北京時(shí)，下同)，資料覆蓋0～60°N，70°～140°E，時(shí)間分辨率為3 h，預(yù)報(bào)時(shí)效0～48 h，空間分辨率為0.125°×0.125°。10 m風(fēng)格點(diǎn)實(shí)況資料(grid observation,簡(jiǎn)稱GOBS)采用國(guó)家氣象信息中心HRCLDAS(High Resolution China Meteorological Administration Land Data Assimilation System)業(yè)務(wù)系統(tǒng)產(chǎn)生的多元融合產(chǎn)品[12-14]，覆蓋0～60°N，70°～140°E，時(shí)間分辨率為1 h，空間分辨為0.05°×0.05°。1 h的10 m風(fēng)站點(diǎn)觀測(cè)資料來自2400個(gè)國(guó)家級(jí)地面氣象觀測(cè)站。研究中的訂正場(chǎng)空間分辨率為0.05°×0.05°，需要先用雙線性插值方法將ECMWF風(fēng)預(yù)報(bào)產(chǎn)品插值為0.05°×0.05°網(wǎng)格(direct model output,簡(jiǎn)稱DMO)。所有資料均取自2017年1月1日—9月30日。

1.2 訂正方案

目前主要的模式釋用技術(shù)都是基于經(jīng)典MOS(model output statistics)訂正思想[15-16]，在數(shù)值模式未達(dá)到完美、計(jì)算機(jī)速度還有待提高時(shí)，該方法能讓模式預(yù)報(bào)效果變得更加準(zhǔn)確和有效，業(yè)務(wù)自動(dòng)化率大幅提升，減少了預(yù)報(bào)員工作量?；贛OS思想的細(xì)網(wǎng)格風(fēng)預(yù)報(bào)產(chǎn)品訂正將使用DMO與GOBS進(jìn)行逐格點(diǎn)建模，根據(jù)模型對(duì)未來24 h的風(fēng)場(chǎng)進(jìn)行預(yù)報(bào)。為了消除模型預(yù)報(bào)結(jié)果中的系統(tǒng)誤差，得到誤差更小、準(zhǔn)確率更高的預(yù)報(bào)產(chǎn)品，將利用最新實(shí)況資料作為因子融入預(yù)報(bào)模型，建立多因子格點(diǎn)預(yù)報(bào)模型進(jìn)行訂正預(yù)報(bào)。研究中使用8種訂正方案對(duì)ECMWF風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行訂正，具體訂正方案如下。

方案1(簡(jiǎn)單誤差訂正)：模式風(fēng)預(yù)報(bào)產(chǎn)品存在系統(tǒng)性誤差，為消除這些系統(tǒng)性誤差，根據(jù)式(1)求出t時(shí)刻格點(diǎn)實(shí)況與DMO每個(gè)格點(diǎn)誤差Et，用簡(jiǎn)單的誤差訂正方案將誤差訂正到t+n(n=1 h,2 h,…，24 h)時(shí)刻的DMO(式(2))，得到最終訂正場(chǎng)。

方案2(加權(quán)誤差訂正)：由于誤差Et對(duì)最臨近的預(yù)報(bào)影響最大，隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，影響可能會(huì)減弱，需要用權(quán)重來調(diào)節(jié)，將權(quán)重調(diào)節(jié)的誤差訂正到t+n時(shí)刻的DMO(式(3))，得到最終訂正場(chǎng)。權(quán)重是根據(jù)過去31 d[17]預(yù)報(bào)檢驗(yàn)進(jìn)行人工調(diào)整得到的固定權(quán)重。

方案3(回歸誤差訂正)：由于很多格點(diǎn)誤差變化很大，單一的權(quán)重方案訂正效果可能有限，采用最小二乘回歸的思路對(duì)t時(shí)刻的誤差與t+n時(shí)刻的預(yù)報(bào)誤差建模(式(4))，得到權(quán)重系數(shù)(b0，b1) 樣本時(shí)間段為過去31 d。即誤差的全格點(diǎn)回歸建模，根據(jù)模型回報(bào)得到訂正場(chǎng)。

方案1，2，3都是基于實(shí)況的誤差訂正方案，預(yù)報(bào)對(duì)象與預(yù)報(bào)因子之間非同時(shí)刻。而使用ECMWF同時(shí)刻的風(fēng)預(yù)報(bào)產(chǎn)品作為因子，根據(jù)式(5)建模，即方案4(MOS訂正)。由于t時(shí)刻的實(shí)況與t+n時(shí)刻的DMO都對(duì)訂正結(jié)果產(chǎn)生影響，那么將t時(shí)刻的實(shí)況與t+n時(shí)刻的DMO作為預(yù)報(bào)因子，根據(jù)式(6)建模預(yù)報(bào)后得到最終的訂正預(yù)報(bào)結(jié)果，即方案5(雙因子MOS訂正)。

方案6(滾動(dòng)誤差訂正)、方案7(滾動(dòng)MOS訂正)、方案8(雙因子滾動(dòng)MOS訂正)分別與方案3，4，5相對(duì)應(yīng)，模型公式采用式(4)、式(5)、式(6)。方案3，4，5中的模型建立完成后，模型不隨時(shí)間而變化，因子選擇和建模方法都完全一致，區(qū)別是方案6，7，8中的模型是隨預(yù)報(bào)日期滑動(dòng)建模，即建模樣本(31 d)隨預(yù)報(bào)時(shí)間滑動(dòng)選擇，這樣模型變?yōu)閯?dòng)態(tài)模型。以上8種訂正方案對(duì)比見表1。

Et=Ot-Yt，

(1)

(2)

(3)

(4)

(5)

(6)

由于風(fēng)是矢量，研究中使用兩種風(fēng)場(chǎng)建模方案，方案A針對(duì)風(fēng)速建模(WS模型)，風(fēng)速模型中使用風(fēng)速Yt+n和誤差Et作為因子。方案B針對(duì)緯向風(fēng)(u)和經(jīng)向風(fēng)(v)分別建模(UV模型)，使用緯向風(fēng)Yt+n和經(jīng)向風(fēng)Yt+n與實(shí)況的u和v誤差Et作為因子，得到u和v的訂正結(jié)果后，再將u和v轉(zhuǎn)換為風(fēng)速和風(fēng)向。兩個(gè)方案產(chǎn)生了兩種風(fēng)速訂正結(jié)果和一種風(fēng)向訂正結(jié)果，研究中風(fēng)速模型采用方案A，風(fēng)向模型采用方案B。

表1 8種訂正方案對(duì)比Table 1 Comparison of eight correction methods

檢驗(yàn)方法采用平均絕對(duì)偏差(EMA)和準(zhǔn)確率(A):

(7)

(8)

其中，m是總樣本量，h是絕對(duì)偏差在規(guī)定范圍內(nèi)的樣本量，EMA是m個(gè)預(yù)報(bào)樣本與實(shí)況樣本的平均絕對(duì)偏差，A是m個(gè)樣本絕對(duì)偏差在風(fēng)速2 m·s-1或風(fēng)向22.5°以內(nèi)的準(zhǔn)確率。同時(shí)，A也是風(fēng)速在0～1 m·s-1，1.1～2 m·s-1，2.1～4 m·s-1，4.1～8 m·s-1，8.1～12 m·s-1等范圍和風(fēng)向在0°～22.5°,22.6°～45°,45.1°～90°, 90.1°～135°,135.1°～180°等范圍的頻率統(tǒng)計(jì)結(jié)果。

2 試驗(yàn)與分析

預(yù)報(bào)由兩個(gè)試驗(yàn)組成，全面測(cè)試風(fēng)場(chǎng)訂正的效果。試驗(yàn)1選擇2017年1月1—31日作為模型樣本，以2017年2月1—28日作為預(yù)報(bào)樣本；試驗(yàn)2選擇2017年6月1—30日作為模型樣本，以2017年7月1—31日作為預(yù)報(bào)樣本。方案6、方案7、方案8的模型樣本為預(yù)報(bào)日期前31 d的滑動(dòng)樣本。方案2中的權(quán)重采用過去31 d預(yù)報(bào)結(jié)果的平均EMA檢驗(yàn)為標(biāo)準(zhǔn)，通過人工調(diào)整權(quán)重直到EMA不再減小，調(diào)整后的權(quán)重為0.98,0.90,0.8,0.7,0.6,0.6,0.7,0.8，不同起報(bào)時(shí)間略有調(diào)整(不影響趨勢(shì))。業(yè)務(wù)中EC在08:00后4～5 h可以獲得，6 h之后的預(yù)報(bào)產(chǎn)品才真正有實(shí)際預(yù)報(bào)作用，15 h后20:00的新預(yù)報(bào)產(chǎn)品產(chǎn)生，因此，針對(duì)08:00后6 h(14:00)，12 h(20:00)分別進(jìn)行未來24 h(間隔3 h)的訂正預(yù)報(bào)研究將更有意義。

圖1和圖2是試驗(yàn)1和試驗(yàn)2中8種訂正場(chǎng)的平均絕對(duì)偏差檢驗(yàn)對(duì)比，圖3是試驗(yàn)2中8種訂正場(chǎng)的平均準(zhǔn)確率檢驗(yàn)對(duì)比，圖4是試驗(yàn)2中8種訂正場(chǎng)的3 h預(yù)報(bào)絕對(duì)偏差頻率分布。從兩次試驗(yàn)看，DMO風(fēng)速絕對(duì)偏差為0.81～1.2 m·s-1，風(fēng)向絕對(duì)偏差為26°～35°，方案1～8 3 h風(fēng)速預(yù)報(bào)絕對(duì)偏差為0.5～0.65 m·s-1，平均訂正幅度為42%，風(fēng)向絕對(duì)偏差為14°～23°，平均訂正幅度為40%。

圖3中，DMO的風(fēng)速準(zhǔn)確率在0.89以下，第24小時(shí)預(yù)報(bào)準(zhǔn)確率減小到0.82，8種方案中，3 h風(fēng)速準(zhǔn)確率最高是方案8的0.97和0.95，最低是方案1的0.94和0.91。方案1在3 h預(yù)報(bào)之后的準(zhǔn)確率出現(xiàn)了負(fù)技巧。圖3中UV模型14：00起報(bào)的DMO的3 h風(fēng)向預(yù)報(bào)準(zhǔn)確率最高0.81，最低減小到0.73附近。圖4中14:00起報(bào)的DMO風(fēng)速絕對(duì)偏差為0～1 m·s-1,1.1～2 m·s-1,2.1～4 m·s-1的頻率為0.71，0.18，0.09。方案1～8的風(fēng)速絕對(duì)偏差為0～1 m·s-1的頻率從0.78增加到0.84,1～2 m·s-1的頻率從0.16減小到0.126，2.1～4 m·s-1的頻率從0.056減小到0.028。4.1～8 m·s-1,8.1～12 m·s-1的頻率同樣減小。DMO風(fēng)向絕對(duì)偏差為0°～22.5°,22.6°～45°,45.1°～90°的頻率為0.66，0.14，0.11。對(duì)于UV模型，方案1～8的風(fēng)向絕對(duì)偏差在0°～22.5°的頻率從0.73增加到0.76，22.6°～45°和45.1°～90°的絕對(duì)偏差頻率分別從0.125 減小到0.117，0.085減小到0.07。其他范圍頻率也同樣減小。但是方案4和方案7的風(fēng)速為0～1 m·s-1和風(fēng)向?yàn)?°～22.5°的絕對(duì)偏差頻率比其他方案增幅小，同時(shí)其他區(qū)間絕對(duì)偏差頻率降幅也比其他方案小，UV模型20：00起報(bào)結(jié)果也保持了同樣的變化趨勢(shì)。是由于方案4和方案7建模和預(yù)報(bào)中未使用實(shí)況因子。

圖1 試驗(yàn)1中8種訂正場(chǎng)的平均絕對(duì)偏差檢驗(yàn)對(duì)比Fig.1 Comparison of mean absolute error for 8 corrected results in Test 1

圖2 試驗(yàn)2中8種訂正場(chǎng)的平均絕對(duì)偏差檢驗(yàn)對(duì)比Fig.2 Comparison of mean absolute error for 8 corrected results in Test 2

續(xù)圖2

圖3 試驗(yàn)2中8種訂正場(chǎng)的平均準(zhǔn)確率對(duì)比Fig.3 Comparison of average hit rate for 8 corrected results in Test 2

圖4 試驗(yàn)2中8種方案3 h預(yù)報(bào)訂正場(chǎng)格點(diǎn)絕對(duì)偏差頻率分布Fig.4 The grid absolute error frequency of 8 methods for 3 h forecast corrected filed in Test 2

所有方案對(duì)3 h預(yù)報(bào)結(jié)果都取得了正技巧訂正效果。隨著預(yù)報(bào)時(shí)效增加，方案1的絕對(duì)偏差快速增加，6 h后預(yù)報(bào)絕對(duì)偏差已超過DMO，準(zhǔn)確率低于DMO，說明直接的誤差訂正在前6 h效果明顯。而方案2能將風(fēng)速、風(fēng)向的誤差訂正效果均控制在DMO的絕對(duì)偏差之下?？梢钥吹?，根據(jù)檢驗(yàn)得到的權(quán)重有很好的控制誤差增長(zhǎng)的效果。方案3和方案6是方案2的升級(jí)，從兩個(gè)試驗(yàn)看，方案3和方案6無論在風(fēng)速和風(fēng)向上都比方案2的絕對(duì)偏差明顯減小。在前6 h預(yù)報(bào)中，方案4和方案7預(yù)報(bào)效果較方案3和方案6效果差，方案3和方案6的風(fēng)速絕對(duì)偏差比方案4和方案7的絕對(duì)偏差平均偏小0.1 m·s-1，方案3和方案6的風(fēng)向絕對(duì)偏差比方案4和方案7的平均偏小4.5°。但在9 h以后，方案4和方案7的風(fēng)速、風(fēng)向絕對(duì)偏差比方案3和方案6的絕對(duì)偏差減小明顯，風(fēng)速絕對(duì)偏差平均減小0.07 m·s-1，風(fēng)向絕對(duì)偏差平均減小1.1°。方案5和方案8使用了同時(shí)刻的模式和初始時(shí)刻的格點(diǎn)實(shí)況作為因子，風(fēng)速、風(fēng)向的絕對(duì)偏差優(yōu)于上述方案，而方案8的效果更勝一籌。

圖5是試驗(yàn)2中8種訂正場(chǎng)和DMO的3 h風(fēng)速預(yù)報(bào)絕對(duì)偏差分布(14:00起報(bào)，WS模型)，中國(guó)區(qū)域DMO的絕對(duì)偏差大值區(qū)(2～8 m·s-1)主要分布在新疆南部和東部地區(qū)(與蒙古交界地區(qū))、甘肅河西走廊和內(nèi)蒙古地區(qū)，湖南、湖北以及遼寧和黑龍江地區(qū)也有分散的絕對(duì)偏差大值區(qū)，如果考慮1～2 m·s-1的絕對(duì)偏差，除四川南部和云南中西部外，誤差幾乎覆蓋整個(gè)中國(guó)，經(jīng)過方案1～8訂正后，風(fēng)速誤差都有很大程度的減小，特別是方案8，華南、華東、華北大部分地區(qū)的風(fēng)速訂正后的誤差基本在1 m·s-1以下，但青藏高原、新疆中部和內(nèi)蒙古地區(qū)仍有1～3 m·s-1的絕對(duì)偏差。風(fēng)向訂正的效果不如風(fēng)速訂正的效果明顯(圖略)，訂正后，中國(guó)區(qū)域風(fēng)向平均絕對(duì)偏差有不同程度的減小，但絕對(duì)偏差大值區(qū)域22.6°～135°依然存在較大面積。

從兩個(gè)試驗(yàn)的格點(diǎn)檢驗(yàn)結(jié)果看，使用最新實(shí)況作為因子，對(duì)3～6 h預(yù)報(bào)效果有明顯改進(jìn)，在所有方案中方案8的效果最好。方案8和方案5在所有預(yù)報(bào)時(shí)次的效果都優(yōu)于其他方案，方案4和方案7的3 h預(yù)報(bào)較方案3和方案6效果差，6 h后預(yù)報(bào)方案4和方案7效果明顯好于方案3和方案6，方案2比方案1有明顯優(yōu)勢(shì)，誤差始終低于DMO誤差。試驗(yàn)2的絕對(duì)偏差總體上要高于試驗(yàn)1，這是因?yàn)?月為汛期，天氣過程頻發(fā)，所以預(yù)報(bào)難度要高于2月。

圖5 試驗(yàn)2中8種方案的3 h預(yù)報(bào)訂正場(chǎng)和DMO的風(fēng)速絕對(duì)偏差分布(14:00起報(bào)，WS模型)Fig.5 The absolute error of 3 h forecast wind speed grid field in Test 2 (forecast started at 1400 BT,WS Model)

為了更好地與實(shí)況進(jìn)行對(duì)比，將格點(diǎn)訂正結(jié)果雙線性插值到2400個(gè)站點(diǎn)上。圖6和圖7是試驗(yàn)1和試驗(yàn)2中8種訂正結(jié)果的站點(diǎn)平均絕對(duì)偏差檢驗(yàn)對(duì)比，圖8是試驗(yàn)2中8種訂正結(jié)果的站點(diǎn)平均準(zhǔn)確率檢驗(yàn)對(duì)比圖，圖9是試驗(yàn)2中8種訂正場(chǎng)的站點(diǎn)3 h預(yù)報(bào)絕對(duì)偏差頻率分布圖。試驗(yàn)1和試驗(yàn)2的GOBS風(fēng)速8個(gè)時(shí)次平均絕對(duì)偏差為0.77 m·s-1和0.85 m·s-1，風(fēng)向平均絕對(duì)偏差為26°和29°，試驗(yàn)2中GOBS風(fēng)速2 m·s-1的平均準(zhǔn)確率為0.91，風(fēng)向0°～22.5°的準(zhǔn)確率平均為0.61。實(shí)況格點(diǎn)插值到站點(diǎn)后比站點(diǎn)觀測(cè)的誤差小，說明實(shí)況格點(diǎn)產(chǎn)品比較可靠。兩個(gè)試驗(yàn)中，DMO的風(fēng)速8個(gè)時(shí)次平均絕對(duì)偏差為1.23 m·s-1和1.25 m·s-1，風(fēng)向絕對(duì)偏差平均為50°和55°，風(fēng)速2 m·s-1的平均準(zhǔn)確率為0.80。0°～22.5°風(fēng)向的準(zhǔn)確率平均是0.33°。使用方案1訂正后，風(fēng)速和風(fēng)向的絕對(duì)偏差反而增加，準(zhǔn)確率降低，整體效果較DMO差，出現(xiàn)了負(fù)技巧。方案2能很好地避免方案1的缺陷，其訂正效果出現(xiàn)正技巧，風(fēng)速平均絕對(duì)偏差比DMO平均降低，但是風(fēng)向的訂正效果不理想，依然是負(fù)技巧。方案3和方案6的預(yù)報(bào)效果幾乎是一致的。圖6中，使用WS模型，14：00起報(bào)的方案3和方案6的3～18 h風(fēng)速絕對(duì)偏差均低于DMO，其他時(shí)效高于DMO；20：00起報(bào)的3～12 h的風(fēng)速絕對(duì)偏差均低于DMO，其他時(shí)效均高于DMO?；赨V模型的結(jié)果看，方案3和方案6的3～24 h預(yù)報(bào)風(fēng)速絕對(duì)偏差都低于DMO,風(fēng)向絕對(duì)偏差與DMO基本一致，沒有正技巧。

由圖6～8可知，方案4～8在兩個(gè)試驗(yàn)中使用WS模型的站點(diǎn)預(yù)報(bào)效果基本一致，風(fēng)速24 h平均絕對(duì)偏差為1.06 m·s-1，平均準(zhǔn)確率為0.86；使用UV模型的風(fēng)向訂正結(jié)果比DMO有小幅度提升，24 h平均絕對(duì)偏差為48°，僅比DMO平均提高2°。使用UV模型的風(fēng)速預(yù)報(bào)訂正結(jié)果在不同時(shí)次的站點(diǎn)效果不同，使用UV模型進(jìn)行風(fēng)速訂正后的站點(diǎn)結(jié)果沒有使用WS模型的訂正效果穩(wěn)定。由圖9也可以看到，格點(diǎn)實(shí)況插值風(fēng)速在0～1 m·s-1的頻率最高，平均為0.6～0.74，DMO為0.49～0.52，訂正后，方案4、方案5、方案7、方案8的0～1 m·s-1絕對(duì)偏差頻率增加，2.1～4 m·s-1和4.1～8 m·s-1的絕對(duì)偏差頻率降低。采用UV模型的風(fēng)速絕對(duì)偏差頻率提升幅度不大，誤差大的風(fēng)速?zèng)]有得到有效訂正。

從兩個(gè)試驗(yàn)的站點(diǎn)檢驗(yàn)結(jié)果看，格點(diǎn)實(shí)況產(chǎn)品較可靠，插值到站點(diǎn)的誤差最小，準(zhǔn)確率最高。方案1的訂正效果最差，除部分3 h預(yù)報(bào)時(shí)效外基本上都會(huì)對(duì)原始DMO結(jié)果造成負(fù)效果。方案2的訂正效果比方案1有較大改進(jìn)，誤差保持在DMO誤差附近，但沒有正技巧，失去了訂正的意義。方案3和方案6在大部分時(shí)效的訂正效果有較大改進(jìn)，比DMO誤差減小很多，但依然出現(xiàn)負(fù)訂正現(xiàn)象。從方案4、方案5、方案7、方案8的站點(diǎn)檢驗(yàn)結(jié)果看，其訂正效果基本一致，方案7和方案8略微有優(yōu)勢(shì)。站點(diǎn)的風(fēng)向訂正效果不是很明顯，訂正難度比較大，另外使用UV模型進(jìn)行風(fēng)速訂正后的站點(diǎn)結(jié)果較使用WS模型訂正效果差，穩(wěn)定性也不好。由于風(fēng)的局地效應(yīng)，雖然使用了5 km的格點(diǎn)實(shí)況，但DMO格點(diǎn)預(yù)報(bào)插值結(jié)果與訂正后的插值結(jié)果依然與站點(diǎn)實(shí)況有一定差距。

圖6 試驗(yàn)1中8種訂正結(jié)果的站點(diǎn)平均絕對(duì)偏差檢驗(yàn)對(duì)比Fig.6 Comparison of site average absolute error for 8 corrected results in Test 1

圖7 試驗(yàn)2中8種訂正結(jié)果的站點(diǎn)平均絕對(duì)偏差檢驗(yàn)對(duì)比Fig.7 Comparison of site average absolute error for 8 corrected results in Test 2

圖8 試驗(yàn)2中8種訂正結(jié)果的站點(diǎn)平均準(zhǔn)確率檢驗(yàn)對(duì)比Fig.8 Comparison of site average hit rate for 8 corrected results in Test 2

續(xù)圖8

圖9 試驗(yàn)2中8種方案3 h預(yù)報(bào)訂正場(chǎng)的站點(diǎn)絕對(duì)偏差頻率分布Fig.9 The site absolute error frequency of 8 methods for 3 h forecast corrected field in Test 2

3 結(jié)論與討論

研究使用國(guó)家氣象信息中心HRCLDAS業(yè)務(wù)系統(tǒng)產(chǎn)生的高頻次格點(diǎn)風(fēng)場(chǎng)融合產(chǎn)品作為實(shí)況資料，采用8種誤差訂正方案，對(duì)ECMWF10 m 風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行訂正試驗(yàn)，試驗(yàn)選擇2017年1月1日—2月28日以及2017年6月1日—7月31日兩個(gè)時(shí)間段進(jìn)行模擬，并對(duì)訂正前后的結(jié)果進(jìn)行檢驗(yàn)分析，得到以下主要結(jié)論：

1) 從格點(diǎn)檢驗(yàn)結(jié)果看，使用最新實(shí)況作為因子，對(duì)3～6 h的預(yù)報(bào)效果有明顯改進(jìn)，方案8訂正效果最好，方案5次之。從訂正場(chǎng)絕對(duì)偏差空間分布看，方案8訂正后，華南、華東、華北大部分地區(qū)的風(fēng)速誤差基本低于1 m·s-1，特別是誤差大值區(qū)明顯改善，同時(shí)風(fēng)向誤差也有所減小，但青藏高原、新疆中部和內(nèi)蒙古地區(qū)仍有部分1～3 m·s-1的絕對(duì)偏差。

2) 從站點(diǎn)檢驗(yàn)結(jié)果看，格點(diǎn)實(shí)況插值到站點(diǎn)的風(fēng)速、風(fēng)向誤差最小，準(zhǔn)確率最高。對(duì)于風(fēng)速，方案1的訂正效果最差，方案2的訂正效果較方案1有較大改進(jìn)，方案3和方案6在大部分時(shí)效具有訂正正技巧。方案4、方案5、方案7、方案8的訂正效果基本一致，方案7和方案8略有優(yōu)勢(shì)。方案8同樣為最優(yōu)。對(duì)于風(fēng)向，站點(diǎn)訂正效果有一定提高，但提高幅度不大。

3) 總體上，基于模式和實(shí)況因子的全格點(diǎn)滑動(dòng)建模(方案8)訂正效果最優(yōu)。試驗(yàn)2的誤差總體上高于試驗(yàn)1，主要原因是7月為汛期，天氣過程頻發(fā)，風(fēng)場(chǎng)變化頻繁，預(yù)報(bào)難度高于2月。

由于風(fēng)的局地效應(yīng)，訂正場(chǎng)插值到站點(diǎn)后依然與站點(diǎn)實(shí)況有一定差距，如果開展站點(diǎn)和格點(diǎn)預(yù)報(bào)結(jié)果融合技術(shù),會(huì)取得更好的格點(diǎn)站點(diǎn)一體化預(yù)報(bào)效果。