基于多模式集成冬半年氣溫預(yù)報(bào)偏差修正

齊鐸 劉松濤 趙廣娜 高夢竹

(黑龍江省氣象臺，黑龍江 哈爾濱 150030)

引言

隨著經(jīng)濟(jì)和社會的發(fā)展，人們對天氣要素預(yù)報(bào)的精細(xì)化、準(zhǔn)確化程度的需求不斷提高?；诮y(tǒng)計(jì)方法，利用偏差訂正技術(shù)對模式預(yù)報(bào)進(jìn)行釋用，是當(dāng)前獲取高時(shí)空分辨率要素預(yù)報(bào)的眾多方法中效率較高、成本較低的一種。

對于模式氣溫預(yù)報(bào)的偏差訂正主要基于兩種思想,即對單一模式的偏差訂正和對多模式的集合。早期的訂正方法多基于單一模式或產(chǎn)品進(jìn)行釋用。吳啟樹等[1]利用MOS思想建立預(yù)報(bào)量與訂正量之間的一元線性回歸方程，對ECMWF的模式氣溫預(yù)報(bào)進(jìn)行訂正。李佰平和智協(xié)飛[2]利用一元線性回歸、多元線性回歸、單時(shí)效消除偏差和多時(shí)效消除偏差平均的訂正方法，對ECMWF模式地面氣溫預(yù)報(bào)結(jié)果進(jìn)行訂正，結(jié)果表明4種方法都能有效改進(jìn)地面氣溫預(yù)報(bào)。李莉等[3]利用卡爾曼濾波遞減平均方法對T213模式的高空溫度及地面氣溫預(yù)報(bào)偏差進(jìn)行訂正，結(jié)果表明該方法對系統(tǒng)誤差有很好的訂正能力。馬旭林等[4]在卡爾曼濾波遞減平均的一階矩和二階矩偏差訂正方案的基礎(chǔ)上發(fā)展了綜合偏差訂正方案，對日本氣象廳區(qū)域集合預(yù)報(bào)模式(JMA)的850 hPa溫度預(yù)報(bào)進(jìn)行訂正，結(jié)果表明綜合偏差訂正方案能有效改善集合預(yù)報(bào)偏差和離散度偏小的問題。王婧等[5]利用平均法、雙權(quán)重平均法、滑動平均法和滑動雙權(quán)重平均法等四種訂正方法對GRAPES_RAFS的2 m溫度預(yù)報(bào)進(jìn)行訂正，結(jié)果表明滑動雙權(quán)重平均法效果最優(yōu)。雙權(quán)重方法與卡爾曼濾波遞減平均法原理相似，都是考慮訓(xùn)練期內(nèi)不同偏差的貢獻(xiàn)不同，卡爾曼濾波遞減平均假設(shè)時(shí)間越接近，預(yù)報(bào)偏差特征越相似，而雙權(quán)重方法更多通過權(quán)重來減少離群資料對預(yù)報(bào)偏差統(tǒng)計(jì)的影響[5-6]。薛諶彬等[7]在動態(tài)滑動雙權(quán)重訂正方法的基礎(chǔ)上進(jìn)一步考慮了溫度訂正預(yù)報(bào)空間連續(xù)性的問題，采用空間偏差逐步訂正法，提高空間連續(xù)性，結(jié)果表明空間逐步訂正可以進(jìn)一步改善地形造成的溫度訂正能力的差異?？柭鼮V波遞減平均訂正和雙權(quán)重訂正方法都能很好地改善模式預(yù)報(bào)，對模式系統(tǒng)誤差有很好的訂正能力，但是在某些地區(qū)、某些時(shí)段，對模式直接輸出預(yù)報(bào)存在負(fù)訂正的現(xiàn)象[7-8]。

近年來研究發(fā)現(xiàn)模式本身不僅有系統(tǒng)誤差，還有初值的不確定性，使數(shù)值模式不可避免地存在預(yù)報(bào)偏差。數(shù)值預(yù)報(bào)的發(fā)展方向由確定性預(yù)報(bào)轉(zhuǎn)向集合預(yù)報(bào)?；诩纤枷氲亩嗄Ｊ郊深A(yù)報(bào)在溫度預(yù)報(bào)訂正中開始廣泛應(yīng)用。研究表明[9-13]，集成預(yù)報(bào)可顯著優(yōu)于任何參與集成的單一成員的預(yù)報(bào)，從而修正單一模式偏差訂正中出現(xiàn)的負(fù)訂正現(xiàn)象。

選擇預(yù)報(bào)效果好的模式進(jìn)行集成預(yù)報(bào)，才能獲取更好的預(yù)報(bào)結(jié)果[14]。因此，選擇當(dāng)前所有可以獲取的氣溫格點(diǎn)預(yù)報(bào)中效果最好的EC、EC_COR[8]及SCMOC，對以上3種氣溫預(yù)報(bào)結(jié)果進(jìn)行集成。另外，訓(xùn)練期的選取對于訂正效果而言非常重要，對于不同的溫度預(yù)報(bào)要素和不同季節(jié)及不同地理位置，最優(yōu)訓(xùn)練期的選擇有很大差異[1,7,10,14]?；瑒佑?xùn)練期是指根據(jù)模式的變化動態(tài)調(diào)整偏差訂正量，從而獲得更好的預(yù)報(bào)效果[10]。因此，利用消除偏差集合平均(以下簡稱BREM)方法，選擇動態(tài)最佳滑動訓(xùn)練期進(jìn)行集成預(yù)報(bào)，希望以此來消除卡爾曼濾波對EC帶來的負(fù)訂正效果，并進(jìn)一步提高溫度客觀預(yù)報(bào)質(zhì)量。

1 資料與方法

1.1 資料來源

選取檢驗(yàn)和訂正范圍為40.90°—56.00°N，118.65°—137.55°E中國境內(nèi)區(qū)域的格點(diǎn)(黑龍江省智能網(wǎng)格預(yù)報(bào)責(zé)任范圍，下同)。檢驗(yàn)和訂正時(shí)段選擇2019年10月1日至2020年4月30日冬半年時(shí)間，而訓(xùn)練資料時(shí)間為2019年1月1日至9月31日。

SCMOC地面氣溫預(yù)報(bào)及日最高、最低氣溫預(yù)報(bào)，空間分辨率為0.05°×0.05°，時(shí)效為0—240 h，時(shí)間分辨率為逐3 h。本文以20時(shí)起報(bào)(北京時(shí)，下同)為例。

EC氣溫預(yù)報(bào)空間分辨率為0.125°×0.125°，利用雙線性插值法插值到與SCMOC一致的網(wǎng)格上。時(shí)間分辨率：0—72 h預(yù)報(bào)時(shí)效為逐3 h，72—240 h為逐6 h，內(nèi)插為逐3 h時(shí)效的預(yù)報(bào)。EC預(yù)報(bào)資料獲取時(shí)間滯后，17時(shí)以前僅能獲取08時(shí)起報(bào)資料，為了業(yè)務(wù)需要，選擇12—240 h預(yù)報(bào)時(shí)效的資料(相當(dāng)于SCMOC預(yù)報(bào)時(shí)效中0—228 h)來進(jìn)行訂正和融合。因此，EC及EC_COR預(yù)報(bào)及相關(guān)的檢驗(yàn)結(jié)果缺少231—240 h預(yù)報(bào)時(shí)效的時(shí)段，在相關(guān)圖表中以缺測處理。

氣溫實(shí)況(GOBS)采用全國智能網(wǎng)格實(shí)況融合分析產(chǎn)品(V2.0)中CLDAS實(shí)時(shí)氣溫?cái)?shù)據(jù)產(chǎn)品[15]，空間分辨率為0.05°×0.05°。目前，該資料在數(shù)值模式檢驗(yàn)評估的相關(guān)研究和預(yù)報(bào)業(yè)務(wù)中廣泛應(yīng)用[16-17]。

1.2 檢驗(yàn)與訂正方法

1.2.1 檢驗(yàn)方法

溫度預(yù)報(bào)準(zhǔn)確率(Fa)

(1)

考慮到實(shí)際預(yù)報(bào)業(yè)務(wù)，認(rèn)為誤差小于2 ℃的預(yù)報(bào)即為準(zhǔn)確預(yù)報(bào)，因此溫度預(yù)報(bào)準(zhǔn)確率定義為溫度預(yù)報(bào)絕對誤差不大于2 ℃的樣本在所有預(yù)報(bào)樣本中所占的百分比。因此，式(1)中，F(xiàn)a是溫度預(yù)報(bào)絕對誤差不大于2 ℃的百分率；Nr為預(yù)報(bào)氣溫與實(shí)況氣溫之差不超過±2 ℃的總格點(diǎn)(次)數(shù)；NF為預(yù)報(bào)的總格點(diǎn)(次)數(shù)。

平均絕對誤差(TMAE)和平均誤差(TME)

(2)

(3)

式(2)—式(3)中，Tfc(i)、Tob(i)分別為預(yù)報(bào)和GOBS值；n為需要時(shí)空平均的樣本數(shù)量；i為第i個(gè)樣本。

相對訂正量(又稱溫度預(yù)報(bào)技巧評分，Tss)

Tss=(TMAEN-TMAEF)/TMAEN×100%

(4)

式(4)中，TMAEN為訂正前的平均絕對誤差；TMAEF為訂正后的平均絕對誤差。

另外，用BREM_EC代表BREM對EC的相對訂正量；類似的BREM_EC_COR和BREM_SCMOC分別代表BREM對EC_COR和SCMOC的相對訂正量；EC_COR_EC代表EC_COR對EC的相對訂正量。

1.2.2 訂正方法

除了對EC進(jìn)行卡爾曼遞減平均訂正[8]外，用消除偏差集合平均方法(簡稱BREM)對多種預(yù)報(bào)結(jié)果進(jìn)行集成。求訓(xùn)練期內(nèi)的各模式平均誤差，用各模式預(yù)報(bào)值減掉各自訓(xùn)練期內(nèi)平均誤差，得到多模式消除偏差的集合平均。

消除偏差集合平均方法[11]

(5)

動態(tài)最優(yōu)滑動訓(xùn)練期選?。簩?019年1月1日至9月31日3—72 h逐3 h、逐格點(diǎn)的5—70 d、間隔5 d的滑動訓(xùn)練期得到的集成預(yù)報(bào)的平均絕對誤差進(jìn)行比較，發(fā)現(xiàn)一半以上的最小平均絕對誤差對應(yīng)的滑動訓(xùn)練期日數(shù)集中在5—15日。因此，在集成預(yù)報(bào)前，計(jì)算前10 d對應(yīng)的5—15日、間隔1日的滑動訓(xùn)練期的集成結(jié)果的平均絕對誤差。根據(jù)最小平均絕對誤差動態(tài)確定最優(yōu)滑動訓(xùn)練期。

1.2.3 多預(yù)報(bào)集成技術(shù)路線流程圖

多預(yù)報(bào)集成技術(shù)路線如圖1所示。由于針對格點(diǎn)進(jìn)行訂正，所以對訂正后的格點(diǎn)預(yù)報(bào)(包括EC_COR和BREM)的空間分布及時(shí)間演變特征與GOBS進(jìn)行對比，發(fā)現(xiàn)其空間及時(shí)間的連續(xù)性與GOBS基本一致(圖略)。

圖1 多預(yù)報(bào)集成技術(shù)路線流程圖

2 結(jié)果分析

2.1 內(nèi)插法時(shí)間降尺度的合理性評估

為了解EC預(yù)報(bào)在60—228 h時(shí)效(集成預(yù)報(bào)20時(shí)起報(bào)的預(yù)報(bào)時(shí)效，實(shí)際08時(shí)起報(bào)的EC預(yù)報(bào)時(shí)效為72—240 h)、6 h預(yù)報(bào)間隔，經(jīng)過內(nèi)插法降尺度為3 h的預(yù)報(bào)結(jié)果對預(yù)報(bào)準(zhǔn)確率及模式偏差訂正的影響，在EC模式未經(jīng)過降尺度處理的時(shí)段內(nèi)，選擇3—24 h預(yù)報(bào)時(shí)效(圖2a、圖2c和圖2e)，在降尺度處理時(shí)段內(nèi)隨機(jī)選取75—96 h預(yù)報(bào)時(shí)效(圖2b、圖2d和圖2f)進(jìn)行對比分析。從準(zhǔn)確率上看，75—96 h時(shí)效的變化特征，與3—24 h時(shí)效的變化特征完全一致。對基于EC預(yù)報(bào)的EC_COR和BREM預(yù)報(bào)結(jié)果，是否經(jīng)過內(nèi)插處理對于誤差的統(tǒng)計(jì)結(jié)果區(qū)別不大。

圖2 3—24 h時(shí)效(a)和75—96 h時(shí)效(b)逐3 h的2 m氣溫預(yù)報(bào)2 ℃準(zhǔn)確率，3—24 h時(shí)效(c)和75—96 h時(shí)效(d)逐3 h的2 m氣溫預(yù)報(bào)2 ℃平均誤差，3—24 h時(shí)效(e)和75—96 h時(shí)效(f)逐3 h的2 m氣溫預(yù)報(bào)2 ℃平均絕對誤差

2.2 預(yù)報(bào)結(jié)果隨時(shí)效變化特點(diǎn)

為了解不同預(yù)報(bào)結(jié)果的總體特征和隨時(shí)效變化的特點(diǎn)，對3—240 h內(nèi)逐3 h地面氣溫及日最高、最低氣溫的≤2 ℃預(yù)報(bào)準(zhǔn)確率(簡稱準(zhǔn)確率)、平均誤差及平均絕對誤差進(jìn)行統(tǒng)計(jì)分析。

逐3 h預(yù)報(bào)誤差變化具有顯著的日變化特點(diǎn)(圖2)，且日變化特征對于不同預(yù)報(bào)時(shí)效而言是相對一致的(圖略)。根據(jù)圖2可知逐3 h對于不同的預(yù)報(bào)，其結(jié)果均表現(xiàn)為夜間預(yù)報(bào)準(zhǔn)確率低，白天預(yù)報(bào)準(zhǔn)確率高的特點(diǎn)(圖2a和圖2b)。預(yù)報(bào)準(zhǔn)確率最低的時(shí)間一般出現(xiàn)在每日05時(shí)(北京時(shí)，對應(yīng)以20點(diǎn)起報(bào)的9 h、33 h、57 h、……、225 h預(yù)報(bào))，準(zhǔn)確率最高出現(xiàn)在14時(shí)前后。參與集成的三種預(yù)報(bào)中，EC_COR準(zhǔn)確率最高，EC和SCMOC準(zhǔn)確率基本相當(dāng)，僅在69 h(圖略)和93 h預(yù)報(bào)時(shí)效SCMOC準(zhǔn)確率略高。BREM方法的集成結(jié)果較參與集成的預(yù)報(bào)而言，準(zhǔn)確率都有明顯的提升。平均誤差可代表模式偏差的統(tǒng)計(jì)特征[10]，不同的預(yù)報(bào)結(jié)果偏差的特點(diǎn)略有不同(圖2c和圖2d)，EC預(yù)報(bào)總體上表現(xiàn)為系統(tǒng)性偏高的特點(diǎn)，夜間偏高幅度較大，白天反之；EC_COR平均誤差顯著減小，一般仍以系統(tǒng)性偏高為主，11—14時(shí)平均誤差相對較大，但都在0.4 ℃以下，說明卡爾曼濾波方法可顯著消除模式的系統(tǒng)誤差；SCMOC的偏差也表現(xiàn)為系統(tǒng)性偏高，但日變化特點(diǎn)與EC顯著不同，白天平均誤差相對較大，偏差與EC量級相當(dāng)，夜間平均誤差較小，與平均絕對誤差日變化特征相反，使白天的平均誤差與平均絕對誤差更接近，表現(xiàn)為以系統(tǒng)性誤差為主，而夜間則相反，表現(xiàn)為隨機(jī)誤差為主；BREM的系統(tǒng)性誤差在不同的預(yù)報(bào)時(shí)段內(nèi)都很小，預(yù)報(bào)結(jié)果一般表現(xiàn)為以氣溫預(yù)報(bào)偏低為主，夜間偏低幅度相對更大。說明BREM在卡爾曼濾波的基礎(chǔ)上，消除預(yù)報(bào)的系統(tǒng)誤差幅度偏大。隨著預(yù)報(bào)時(shí)效的延長，不同預(yù)報(bào)結(jié)果的準(zhǔn)確率都表現(xiàn)為顯著下降的特點(diǎn)，下降幅度最高可達(dá)50%以上(圖略)；96 h以后，預(yù)報(bào)的平均絕對誤差顯著增大，其中預(yù)報(bào)效果最好的BREM的平均絕對誤差都超過2 ℃(圖2e和圖2f)。

最高、最低氣溫的特點(diǎn)與逐3 h地面氣溫特點(diǎn)一致，隨時(shí)效延長，預(yù)報(bào)準(zhǔn)確率下降(圖3a和圖3b)。經(jīng)過集成以后，BREM的預(yù)報(bào)效果明顯優(yōu)于其他任何一種預(yù)報(bào)。值得注意的是，對于三種參與BREM的預(yù)報(bào)，96 h及其以前的最高氣溫預(yù)報(bào)，準(zhǔn)確率最高為SCMOC。除EC_COR外，其他三種預(yù)報(bào)結(jié)果在大多時(shí)段表現(xiàn)為最高氣溫預(yù)報(bào)準(zhǔn)確率略高于最低氣溫的特點(diǎn)。最高氣溫預(yù)報(bào)的平均誤差對于不同預(yù)報(bào)也有所不同(圖3c和圖3d)，EC最高、最低氣溫的平均誤差都很大，一般在2.0—2.5 ℃；SCMOC次之，最低氣溫預(yù)報(bào)偏高幅度較小，為0.5 ℃左右，最高氣溫預(yù)報(bào)偏高幅度在0.5 ℃以上；EC_COR也以偏高為主，其中最低氣溫預(yù)報(bào)偏高幅度較小一般在0.2 ℃以內(nèi)，最高氣溫預(yù)報(bào)偏高幅度在0.3—0.5 ℃；BREM平均誤差數(shù)值很小，且平均預(yù)報(bào)結(jié)果較實(shí)況偏低為主，偏低幅度一般都低于0.1 ℃，最高溫度預(yù)報(bào)的平均誤差幾乎為0 ℃。平均絕對誤差隨預(yù)報(bào)時(shí)效延長顯著增加(圖3e和圖3f)，預(yù)報(bào)效果最好的BREM平均絕對誤差小于2 ℃的預(yù)報(bào)時(shí)效，對于最低氣溫而言在72 h預(yù)報(bào)時(shí)效以內(nèi)，對于最高氣溫而言在96 h以內(nèi)。平均誤差隨預(yù)報(bào)時(shí)效增幅遠(yuǎn)遠(yuǎn)小于平均絕對誤差，從某種程度上可以說明，隨預(yù)報(bào)時(shí)效的延長各種預(yù)報(bào)結(jié)果都表現(xiàn)為隨機(jī)誤差增大的特點(diǎn)。

圖3 24—240 h時(shí)效日最低氣溫(a)和日最高氣溫(b)預(yù)報(bào)2 ℃準(zhǔn)確率，24—240 h時(shí)效日最低氣溫(c)和日最高氣溫(d)預(yù)報(bào)平均誤差，24—240 h時(shí)效日最低氣溫(e)和日最高氣溫(f)預(yù)報(bào)平均絕對誤差

2.3 不同時(shí)效預(yù)報(bào)誤差的月際變化

平均誤差(簡稱ME)反映模式預(yù)報(bào)的系統(tǒng)誤差，而平均絕對誤差(簡稱MAE)同時(shí)包含著系統(tǒng)誤差和隨機(jī)誤差的統(tǒng)計(jì)特征。雖然在不同時(shí)效上所有預(yù)報(bào)都表現(xiàn)為預(yù)報(bào)較實(shí)況一致的系統(tǒng)性偏高或是系統(tǒng)性誤差不明顯，且隨預(yù)報(bào)時(shí)效延長MAE增加的特點(diǎn)(圖2c和圖2d；圖3c和圖3d)。但不同月份之間表現(xiàn)有顯著差異，氣溫偏低的月份更傾向于表現(xiàn)出預(yù)報(bào)較實(shí)況一致系統(tǒng)性偏高的特點(diǎn)(圖4)；不同預(yù)報(bào)都表現(xiàn)為氣溫低的月份、夜間氣溫(圖5)MAE更高，預(yù)報(bào)誤差更大。針對不同的預(yù)報(bào)結(jié)果，具體的誤差特征又有所不同，BREM(圖4a)偏差較小、ME的絕對值一般在1 ℃以內(nèi)，其中50%以上ME絕對值小于0.4 ℃，4月白天預(yù)報(bào)偏低，夜間特別是02時(shí)前后及最低氣溫(圖略)預(yù)報(bào)較實(shí)況偏高，10月相反，其他月份較實(shí)況一致偏低；BREM(圖5a)在1月的MAE相比其他月份更大，MAE一致小于2 ℃的預(yù)報(bào)時(shí)效僅在30 h以內(nèi)，其他月份可延長至78 h。EC_COR(圖4c)偏差幅度相比BREM有所提高，ME絕對值小于1 ℃的約占50%，其他主要集中在1—2 ℃，2—4月預(yù)報(bào)較實(shí)況偏低，11月至翌年1月預(yù)報(bào)較實(shí)況偏高，10月也以偏高為主，僅14時(shí)前后及最高氣溫(圖略)預(yù)報(bào)較實(shí)況偏低；EC_COR(圖5c)MAE表現(xiàn)較BREM次之，11月至翌年3月所有時(shí)效均大于2 ℃，10月、4月MAE相對較小，30 h時(shí)效內(nèi)一般小于2 ℃。EC(圖4b)更多表現(xiàn)為預(yù)報(bào)較實(shí)況偏高，且偏高幅度一般都在2 ℃以上，其中夜間及最低氣溫(圖略)偏高的幅度更大，10月、4月白天或14時(shí)前后存在預(yù)報(bào)較實(shí)況偏低2 ℃以上的特點(diǎn)；EC(圖5b)的MAE最大值出現(xiàn)在12月和11月，幾乎都在2 ℃以上，其他月份的表現(xiàn)與EC_COR接近。SCMOC(圖4d)預(yù)報(bào)也以較實(shí)況偏高為主，白天偏高幅度在1—2 ℃，其中4月有所不同，白天偏低，夜間偏高；SCMOC(圖5d)幾乎在所有月份、所有時(shí)效MAE都在2 ℃以上。

圖4 BREM(a)、EC(b)、EC_COR(c)和SCMOC(d)3—240 h時(shí)效逐3 h平均誤差逐月分布

圖5 BREM(a)、EC(b)、EC_COR(c)和SCMOC(d) 3—240 h時(shí)效逐3 h平均絕對誤差逐月分布

2.4 集成預(yù)報(bào)修正能力評估

從4種預(yù)報(bào)結(jié)果隨預(yù)報(bào)時(shí)效變化特點(diǎn)上看，在分析的區(qū)域和時(shí)段內(nèi)，BREM結(jié)果均好于EC、EC_COR及SCMOC等任意一種單一預(yù)報(bào)的效果。前期對于卡爾曼濾波訂正(EC_COR)效果的評估結(jié)果表明[8]，總體上EC_COR對EC氣溫預(yù)報(bào)有顯著的訂正能力，但是在EC預(yù)報(bào)能力相對較高的月份和地區(qū)存在負(fù)訂正的現(xiàn)象。即訂正后的預(yù)報(bào)誤差反而高于訂正前模式直接輸出的預(yù)報(bào)誤差。為了解BREM在不同月份的表現(xiàn)，以及對不同月份中EC_COR對EC偏差負(fù)訂正的修正能力，下面給出了地面氣溫(圖6)預(yù)報(bào)中BREM分別對EC、EC_COR及SCMOC的相對訂正量隨月份和預(yù)報(bào)時(shí)效的變化，并且與EC_COR對EC的相對訂正效果進(jìn)行對比。另外，由于最高氣溫與白天的氣溫、最低氣溫與夜間氣溫的變化特點(diǎn)基本一致，所以僅分析逐3 h氣溫相對訂正量隨時(shí)效和季節(jié)的變化。

BREM相對訂正量分布特點(diǎn)表現(xiàn)為，隨預(yù)報(bào)時(shí)效的增加相對訂正量減小，夜間相對訂正量多高于白天(圖6a、圖6c和圖6e)。其中，對SCMOC(圖6e和圖6f)的相對訂正效果更好，相對訂正量一般在10%以上，在189 h時(shí)效以后出現(xiàn)少量的無法通過顯著性檢驗(yàn)的負(fù)訂正。對EC(圖6a和圖6b)的相對訂正量較SCMOC偏低，但也多在10%以上，顯著正訂正比例在70 %以上，雖然負(fù)訂正的比例增加，但是無法通過顯著性檢驗(yàn)，相比EC_COR(圖6g和圖6h)對于EC的10 %以上的顯著負(fù)訂正，對EC的訂正效果有明顯提升。對EC_COR(圖6c和圖6d)的訂正能力最低，顯著正訂正占比約為40%，顯著負(fù)訂正的時(shí)次占比不及5%，顯著負(fù)訂正主要集中在1月的42—156 h范圍內(nèi)的部分預(yù)報(bào)時(shí)效，2月也有少量分布，這個(gè)時(shí)段內(nèi)EC_COR訂正能力比較高，特別在1月，EC_COR對EC的相對訂正量幾乎都大于30%，在EC_COR對EC顯著負(fù)訂正時(shí)次出現(xiàn)較多的11月、3月和4月，BREM對EC_COR表現(xiàn)為顯著的正訂正。與EC_COR對EC的相對訂正量分布基本相反，說明在EC_COR對于EC訂正效果好、EC_COR預(yù)報(bào)準(zhǔn)確率高的時(shí)候，BREM對于EC_COR的訂正能力有限。但其中仍有例外，對于12月EC_COR對EC有很好的訂正效果，但是BREM在此基礎(chǔ)上又對EC_COR預(yù)報(bào)效果進(jìn)一步提升。

圖a、圖c、圖e、圖g中單位為%；圖b、圖d、圖f、圖h中不同色標(biāo)代表不同的顯著性水平

總體而言，BREM可顯著修正EC_COR對于EC偏差負(fù)訂正的問題，但是在EC_COR對EC偏差訂正效果好的基礎(chǔ)上再進(jìn)一步提高預(yù)報(bào)準(zhǔn)確率的能力有限。

3 結(jié)論與討論

(1)內(nèi)插方法對溫度進(jìn)行插值，與不用插值的平均絕對誤差及2 ℃準(zhǔn)確率日變化趨勢基本一致，對于平均誤差在插值時(shí)段內(nèi)，還表現(xiàn)出一定程度的誤差偏小的特點(diǎn)。總體而言，利用內(nèi)插的方式進(jìn)行時(shí)間降尺度，在時(shí)間降尺度幅度不大的情況下是一種簡便有效的預(yù)報(bào)生成手段。

(2)隨預(yù)報(bào)時(shí)效的延長，BREM、EC、EC_COR及SCMOC等四種預(yù)報(bào)準(zhǔn)確率都表現(xiàn)為顯著下降的特點(diǎn)，BREM的準(zhǔn)確率下降幅度最大；四種預(yù)報(bào)都表現(xiàn)為白天氣溫(日最高氣溫)預(yù)報(bào)準(zhǔn)確率高(平均絕對誤差小)、夜間氣溫(日最低氣溫)預(yù)報(bào)準(zhǔn)確率低(平均絕對誤差大)；EC整體呈現(xiàn)系統(tǒng)性偏高的特點(diǎn)，偏高幅度白天小、夜間大；SCMOC預(yù)報(bào)也表現(xiàn)為系統(tǒng)性偏高的特點(diǎn)，但系統(tǒng)誤差總體小于EC，白天系統(tǒng)性偏高幅度更大，與平均絕對誤差變化正好相反，夜間隨機(jī)誤差更高；EC_COR僅在白天有正的系統(tǒng)誤差，隨機(jī)誤差與SCMOC相同也是夜間高于白天；BREM的平均誤差在0—240 h時(shí)效內(nèi)都很小。

(3)BREM、EC、EC_COR及SCMOC等四種預(yù)報(bào)，平均絕對誤差在11月至翌年2月相比其他月份偏高；不同時(shí)效都表現(xiàn)為系統(tǒng)性一致偏高或者系統(tǒng)性偏差不明顯，但是偏差特征在不同月份表現(xiàn)不一致：氣溫偏低的月份更傾向于表現(xiàn)出預(yù)報(bào)較實(shí)況一致偏高的特點(diǎn)。集成預(yù)報(bào)系統(tǒng)誤差小，平均誤差的絕對值一般在1 ℃以內(nèi)；EC_COR系統(tǒng)誤差相比集成大，2—4月系統(tǒng)性偏低，11月至翌年1月系統(tǒng)性偏高，10月也以偏高為主，其中14時(shí)前后預(yù)報(bào)較實(shí)況偏低；EC在10月、4月的白天或14時(shí)前后存在預(yù)報(bào)較實(shí)況偏低的特點(diǎn)；SCMOC在4月有所不同，白天預(yù)報(bào)較實(shí)況系統(tǒng)性偏低。

(4)總體上看，BREM能有效地修正EC_COR對EC負(fù)訂正的現(xiàn)象。在EC_COR訂正能力比較高的情況下，BREM與EC_COR的訂正效果相當(dāng)甚至更優(yōu)。即可在EC_COR基礎(chǔ)上進(jìn)一步提升預(yù)報(bào)質(zhì)量。另外，利用BREM方法對高質(zhì)量預(yù)報(bào)產(chǎn)品的融合(不局限于模式直接輸出預(yù)報(bào)或是訂正預(yù)報(bào))可獲取較單一預(yù)報(bào)更優(yōu)的預(yù)報(bào)結(jié)果。

(5)本文僅利用模式直接輸出和基于模式直接輸出的各類訂正預(yù)報(bào)產(chǎn)品，研究集成和融合方法對各類預(yù)報(bào)產(chǎn)品的訂正效果，方法較為簡單，并未考慮預(yù)報(bào)誤差的地區(qū)性差異，下一步打算根據(jù)模式誤差的地域差異設(shè)計(jì)改進(jìn)多模式集成方案，獲取針對不同誤差特征的多模式集成預(yù)報(bào)。模式的統(tǒng)計(jì)釋用方法，主要針對模式的系統(tǒng)誤差進(jìn)行訂正，而對于模式的隨機(jī)誤差訂正無能為力。但系統(tǒng)誤差根據(jù)不同的統(tǒng)計(jì)方式又有不同的特點(diǎn)，所以選擇不同的訓(xùn)練期，得到的系統(tǒng)誤差不同，對于模式的訂正能力就有很大影響。有研究表明，模式對于不同的天氣背景，偏差特征有所不同[18]，針對不同的天氣形勢，對系統(tǒng)誤差進(jìn)行統(tǒng)計(jì)，從而進(jìn)行訂正，也許是在基于最優(yōu)滑動訓(xùn)練期方法進(jìn)行偏差訂正以后，預(yù)報(bào)偏差訂正能力得以進(jìn)一步提升的一種可行途徑。