WQSRTP方法在甘肅省高低溫客觀預(yù)報(bào)中的應(yīng)用

王基鑫，黎 倩，栗 晗，張君霞，劉新雨

（1.蘭州中心氣象臺(tái)，甘肅 蘭州 730000；2.河南省氣象臺(tái)，河南 鄭州 450003；3.酒泉市氣象局，甘肅 酒泉 735000）

氣溫預(yù)報(bào)是精細(xì)化預(yù)報(bào)產(chǎn)品的重要組成部分，是政府和公眾重點(diǎn)關(guān)注預(yù)報(bào)要素之一，提高氣溫的精細(xì)化預(yù)報(bào)水平是很多行業(yè)對(duì)精細(xì)化天氣預(yù)報(bào)服務(wù)的需求［1］。智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)則在現(xiàn)代氣象業(yè)務(wù)精細(xì)化天氣預(yù)報(bào)服務(wù)的要求下應(yīng)運(yùn)而生，客觀定量化是其顯著特點(diǎn)［2-3］。中國(guó)氣象局《氣象預(yù)報(bào)業(yè)務(wù)發(fā)展規(guī)劃（2021—2025年）》指出氣象預(yù)報(bào)業(yè)務(wù)要始終瞄準(zhǔn)提高預(yù)報(bào)準(zhǔn)確率這一核心目標(biāo)。因此，智能網(wǎng)格預(yù)報(bào)產(chǎn)品在實(shí)現(xiàn)高時(shí)空分辨率時(shí)，預(yù)報(bào)準(zhǔn)確率的提高同樣重要。提高智能網(wǎng)格預(yù)報(bào)產(chǎn)品準(zhǔn)確率一方面取決于數(shù)值預(yù)報(bào)模式的發(fā)展，另一方面取決于對(duì)數(shù)值預(yù)報(bào)模式產(chǎn)品釋用技術(shù)的研發(fā)。在數(shù)值天氣預(yù)報(bào)能力穩(wěn)定的情況下，深入開(kāi)展模式產(chǎn)品釋用技術(shù)的研發(fā)是提高預(yù)報(bào)準(zhǔn)確率的有效途徑。

近年來(lái)，眾多學(xué)者在氣溫?cái)?shù)值模式預(yù)報(bào)產(chǎn)品釋用方面進(jìn)行了諸多探索。為了消除模式預(yù)報(bào)的系統(tǒng)偏差，學(xué)者們提出模式輸出統(tǒng)計(jì)（Model Output Statistics，MOS）方法［4-5］、卡爾曼濾波方法［6-7］、小波分析方法［8-9］、機(jī)器學(xué)習(xí)方法［10-12］等多種方法對(duì)數(shù)值模式預(yù)報(bào)偏差進(jìn)行訂正，以提高預(yù)報(bào)結(jié)果的準(zhǔn)確性，并在實(shí)際預(yù)報(bào)業(yè)務(wù)中得到了很好的應(yīng)用。利用MOS方法降低模式24 h最高、最低氣溫預(yù)報(bào)誤差是模式后處理的重要研究方向之一。MOS 方法是利用數(shù)值預(yù)報(bào)產(chǎn)品，通過(guò)統(tǒng)計(jì)方法建立預(yù)報(bào)量和預(yù)報(bào)因子之間的數(shù)學(xué)關(guān)系，其考慮了數(shù)值模式的偏差和不確定性［13］。不同學(xué)者對(duì)MOS 方法在不同地區(qū)氣溫訂正中的適用性進(jìn)行了研究，如針對(duì)陜西省日最高、最低氣溫的客觀訂正方法研究發(fā)現(xiàn)一元線(xiàn)性回歸算法對(duì)日最高氣溫訂正效果較好，遞減平均算法則對(duì)日最低氣溫訂正效果較好［14］，準(zhǔn)滑動(dòng)訓(xùn)練期MOS訂正方法可有效提高山東省日最高、最低氣溫的預(yù)報(bào)準(zhǔn)確率，偏差滑動(dòng)訂正算法96 h內(nèi)對(duì)魯中山區(qū)和國(guó)家級(jí)考核站點(diǎn)具有較好訂正效果［15］，在江西省，滑動(dòng)雙權(quán)重平均訂正法可以有效訂正模式誤差，提升預(yù)報(bào)準(zhǔn)確率，而空間誤差逐步訂正方法可彌補(bǔ)季節(jié)過(guò)渡期間滑動(dòng)雙權(quán)重平均訂正法預(yù)報(bào)質(zhì)量不穩(wěn)定的缺陷［16］。另外，部分學(xué)者針對(duì)數(shù)值模式誤差特征提出了有效提升氣溫準(zhǔn)確率的方法，如，蔡凝昊等［17］將數(shù)值模式預(yù)報(bào)的最高、最低氣溫的歷史平均誤差、初值場(chǎng)誤差以及卡爾曼濾波反演誤差納入訂正方法發(fā)現(xiàn)預(yù)報(bào)準(zhǔn)確率明顯提高，且優(yōu)于中央氣象臺(tái)指導(dǎo)產(chǎn)品和預(yù)報(bào)員主觀訂正的城鎮(zhèn)網(wǎng)格預(yù)報(bào)產(chǎn)品。劉新偉等［8-9］利用小波分析方法將數(shù)值模式預(yù)報(bào)誤差納入對(duì)中央氣象臺(tái)指導(dǎo)產(chǎn)品的訂正中，有效提升了甘肅省最高、最低氣溫準(zhǔn)確率。為了有效改進(jìn)MOS訂正方法，學(xué)者針對(duì)氣溫訂正中的最優(yōu)訓(xùn)練期也進(jìn)行了探討，例如吳啟樹(shù)等［18］、何珊珊等［19］通過(guò)設(shè)計(jì)MOS不同訓(xùn)練期對(duì)比方案發(fā)現(xiàn)，最高、最低氣溫的最佳訓(xùn)練日數(shù)為30 d，采用2 a 準(zhǔn)對(duì)稱(chēng)混合滑動(dòng)訓(xùn)練期能獲得更好訂正結(jié)果。近年來(lái)，隨著我國(guó)多源融合實(shí)況產(chǎn)品的發(fā)展［20］，以多源融合實(shí)況產(chǎn)品為背景場(chǎng)的智能網(wǎng)格氣溫訂正方法研究取得了較好的訂正效果。曾曉青等［21］以多元融合氣溫格點(diǎn)產(chǎn)品為實(shí)況，采用8 種不同誤差回歸訂正方案，對(duì)ECMWF 模式2 m 氣溫預(yù)報(bào)產(chǎn)品進(jìn)行訂正，結(jié)果表明短期預(yù)報(bào)中滑動(dòng)誤差回歸方法最優(yōu)。

甘肅省地形地貌復(fù)雜，氣候地域差異顯著，數(shù)值模式氣溫預(yù)報(bào)產(chǎn)品偏差較大，使得氣溫預(yù)報(bào)難度大，預(yù)報(bào)準(zhǔn)確率較低［22-24］。為了滿(mǎn)足智能網(wǎng)格業(yè)務(wù)需要，蘭州中心氣象臺(tái)近年針對(duì)性的研發(fā)了氣溫客觀訂正技術(shù)，改善了模式預(yù)報(bào)效果，但地形相對(duì)復(fù)雜地區(qū)預(yù)報(bào)準(zhǔn)確率較低，仍不能滿(mǎn)足實(shí)際預(yù)報(bào)業(yè)務(wù)需求。為此，本文利用加權(quán)準(zhǔn)對(duì)稱(chēng)滑動(dòng)訓(xùn)練期方法（Weighted Quasi-symmetric Running Training Period method，WQSRTP），對(duì)業(yè)務(wù)中常用的ECMWF高低溫預(yù)報(bào)產(chǎn)品進(jìn)行訂正，以期為復(fù)雜地形下的智能網(wǎng)格氣溫預(yù)報(bào)業(yè)務(wù)提供一定的技術(shù)支撐，并進(jìn)一步提升甘肅省高低溫預(yù)報(bào)服務(wù)能力，夯實(shí)客觀預(yù)報(bào)替代主觀預(yù)報(bào)的基礎(chǔ)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源和處理

實(shí)況氣溫選用甘肅省340個(gè)國(guó)家級(jí)考核站（圖1）的逐日地面2 m最高和最低氣溫觀測(cè)資料。數(shù)值預(yù)報(bào)資料選用中國(guó)氣象局智能網(wǎng)格指導(dǎo)預(yù)報(bào)產(chǎn)品（SCMOC）和甘肅省城鎮(zhèn)網(wǎng)格預(yù)報(bào)產(chǎn)品（SPCC）的逐24 h最高、最低格點(diǎn)氣溫預(yù)報(bào)產(chǎn)品，水平分辨率均為0.05°×0.05°，每日08：00、20：00（北京時(shí)，下同）起報(bào)，預(yù)報(bào)時(shí)效為0～240 h，歐洲中期天氣預(yù)報(bào)中心（European Centre for Medium-range Weather Forecasts，ECMWF）逐6 h最高、最低格點(diǎn)氣溫預(yù)報(bào)產(chǎn)品，水平分辨率0.125°×0.125°，每日08：00、20：00起報(bào)，預(yù)報(bào)時(shí)效為0～24 h。

圖1 甘肅省國(guó)家級(jí)考核站分布Fig.1 Distribution of national meteorological assessment stations in Gansu

通過(guò)取24 h 極值的方法，將ECMWF 逐6 h 最高、最低氣溫預(yù)報(bào)產(chǎn)品處理為逐24 h 最高、最低氣溫預(yù)報(bào)產(chǎn)品。預(yù)報(bào)產(chǎn)品為每日20：00起報(bào)72 h內(nèi)逐24 h 的最高、最低氣溫產(chǎn)品。訓(xùn)練樣本為2018 年9月1 日至2019 年8 月31 日ECMWF 逐24 h 最高、最低氣溫預(yù)報(bào)產(chǎn)品及24 h 最高、最低氣溫觀測(cè)資料，檢驗(yàn)樣本采用2019 年9 月1 日至2020 年8 月31 日的模式預(yù)報(bào)和實(shí)況資料，采用鄰域法將網(wǎng)格預(yù)報(bào)產(chǎn)品插值到站點(diǎn)，即選取離站點(diǎn)最近的網(wǎng)格點(diǎn)作為站點(diǎn)預(yù)報(bào)，若存在多個(gè)距離相等網(wǎng)格點(diǎn)時(shí)，取東北角網(wǎng)格點(diǎn)［9］。

1.2 研究方法

1.2.1 WQSRTP方法 采用WQSRTP方法中訓(xùn)練期采用準(zhǔn)對(duì)稱(chēng)滑動(dòng)訓(xùn)練期［18］，逐次滑動(dòng)分別選取當(dāng)年預(yù)報(bào)日之前30日和前一年預(yù)報(bào)日之后30日每日預(yù)報(bào)資料與對(duì)應(yīng)實(shí)況資料作為訓(xùn)練樣本數(shù)據(jù)，基于加權(quán)線(xiàn)性回歸的方法逐站點(diǎn)建立24 h最高、最低氣溫的預(yù)報(bào)模型。利用加權(quán)線(xiàn)性回歸的方法，對(duì)t時(shí)效的ECMWF 預(yù)報(bào)值與t時(shí)效的觀測(cè)實(shí)況進(jìn)行加權(quán)線(xiàn)性回歸建模（公式1），得到加權(quán)線(xiàn)性回歸模型，根據(jù)模型進(jìn)行預(yù)報(bào)，得到訂正結(jié)果。

式中：Y′t為t時(shí)效的訂正值（℃）；Yt為t時(shí)效的模式預(yù)報(bào)值（℃）；a為回歸系數(shù)；b為常數(shù)項(xiàng)（℃）。利用準(zhǔn)滑動(dòng)訓(xùn)練期內(nèi)不同時(shí)效的預(yù)報(bào)值和觀測(cè)實(shí)況值，利用最小二乘法擬合得到a、b，即目標(biāo)函數(shù)值最?。ü?）。

式中：wi為第i個(gè)加權(quán)系數(shù)，根據(jù)樣本日期距離預(yù)報(bào)日及同期預(yù)報(bào)日的遠(yuǎn)近確定，對(duì)于距離預(yù)報(bào)日或同期預(yù)報(bào)日較近的樣本給予更高的權(quán)重，反之亦然，權(quán)重分布如圖2所示。

圖2 權(quán)重分布Fig.2 Sample weight distribution

1.2.2 檢驗(yàn)方法

（1）預(yù)報(bào)準(zhǔn)確率

式中：Fa為氣溫預(yù)報(bào)值與實(shí)況誤差不超過(guò)2°C的百分率；Na為不超過(guò)2°C 的樣本數(shù)，即預(yù)報(bào)準(zhǔn)確的樣本數(shù)；Nt為預(yù)報(bào)總樣本數(shù)。

（2）均方根誤差和平均絕對(duì)誤差

式中：RMSE 為均方根誤差；MAE 為平均絕對(duì)誤差；N為預(yù)報(bào)次數(shù)；Oi是第i個(gè)站點(diǎn)的實(shí)況觀測(cè)值；Pi是第i個(gè)站點(diǎn)的預(yù)測(cè)值。

（3）預(yù)報(bào)技巧

式中：Fss為預(yù)報(bào)技巧評(píng)分；Tmean為SCMOC、SPCC或ECMWF 的最高、最低氣溫的平均絕對(duì)誤差；Tmeanf為WQSRTP最高、最低氣溫的平均絕對(duì)誤差。

2 結(jié)果與分析

2.1 考核站檢驗(yàn)結(jié)果

將2019 年9 月1 日至2020 年8 月31 日的ECMWF逐24 h網(wǎng)格最高、最低氣溫預(yù)報(bào)產(chǎn)品插值到站點(diǎn)，并利用WQSRTP 方法逐站點(diǎn)訂正最高、最低氣溫，得到各站點(diǎn)最高、最低氣溫訂正產(chǎn)品。對(duì)比分析上述時(shí)間段內(nèi)SCMOC、SPCC、ECMWF 與WQSRTP四種產(chǎn)品不同預(yù)報(bào)時(shí)效內(nèi)（24 h、48 h、72 h）對(duì)340個(gè)國(guó)家級(jí)考核站最高、最低氣溫預(yù)報(bào)結(jié)果。

四種預(yù)報(bào)產(chǎn)品對(duì)340 個(gè)國(guó)家級(jí)考核站最高、最低氣溫均有一定的預(yù)報(bào)能力（表1），隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，預(yù)報(bào)準(zhǔn)確率逐漸降低，RMSE 和MAE 逐漸增大；WQSRTP 訂正產(chǎn)品的預(yù)報(bào)效果明顯優(yōu)于其他產(chǎn)品，最高氣溫預(yù)報(bào)準(zhǔn)確率為65.74%～72.76%，24 h相較SCMOC、SPCC、ECMWF 產(chǎn)品分別提高了20.12%、25.52%、32.16%，低溫預(yù)報(bào)準(zhǔn)確率為62.94%～69.37%，相較其他三種產(chǎn)品分別提高了14.76%、13.51%、15.48%，最高氣溫預(yù)報(bào)效果優(yōu)于最低溫度，而其他三種產(chǎn)品相反；WQSRTP 訂正產(chǎn)品不同預(yù)報(bào)時(shí)效的MAE 均小于2 ℃，RMSE 均小于2.4 ℃，明顯低于其他三種預(yù)報(bào)產(chǎn)品，最高氣溫MAE和RMSE 相較其他三種產(chǎn)品分別降低0.97 ℃、1.30 ℃，最低氣溫MAE 和RMSE 分別降低0.61 ℃、0.79 ℃以上；預(yù)報(bào)員主觀訂正的SPCC最高氣溫預(yù)報(bào)能力弱于SCMOC，而最低溫預(yù)報(bào)能力強(qiáng)于SCMOC。

表1 四種預(yù)報(bào)產(chǎn)品不同預(yù)報(bào)時(shí)效的最高、最低氣溫的準(zhǔn)確率、MAE和RMSE Tab.1 Forecast accuracy,MAE and RMSE of maximum and minimum temperature in different forecasting times of four forecasting products

為了更直觀了解WQSRTP 訂正產(chǎn)品的預(yù)報(bào)效果，表2 給出了不同時(shí)效WQSRTP 訂正產(chǎn)品相對(duì)于SCMOC、SPCC 和ECMWF 三種產(chǎn)品的最高、最低氣溫預(yù)報(bào)訂正技巧?？梢钥闯?，不同時(shí)效內(nèi)，WQSRTP訂正產(chǎn)品相對(duì)SCMOC、SPCC 和ECMWF 的最高、最低氣溫預(yù)報(bào)產(chǎn)品均為正訂正技巧，表明WQSRTP訂正產(chǎn)品相對(duì)其他三種最高、最低氣溫產(chǎn)品具有明顯優(yōu)勢(shì)，且最高氣溫訂正效果優(yōu)于最低氣溫。隨著預(yù)報(bào)時(shí)效的增加，最高氣溫訂正技巧增高，最低氣溫訂正技巧降低。不同時(shí)效內(nèi)，WQSRTP 訂正產(chǎn)品相對(duì)于ECMWF最高、最低氣溫產(chǎn)品的訂正技巧最高，分別為53.89%～62.88%和44.85%～47.20%。另外，WQSRTP 訂正產(chǎn)品相對(duì)于SCMOC 和SPCC 最高、最低氣溫產(chǎn)品，最高氣溫相對(duì)SPCC 產(chǎn)品訂正技巧稍高，為42.84%～43.65%，最低氣溫相對(duì)SCMOC 產(chǎn)品訂正技巧稍高，為24.33%～30.26%。

表2 不同預(yù)報(bào)時(shí)效WQSRTP訂正產(chǎn)品的訂正技巧Tab.2 Correction skills of maximum and minimum temperature of WQSRTP forecast products in different forecast times

不同月份SCMOC、SPCC、ECMWF 與WQSRTP最高、最低氣溫產(chǎn)品預(yù)報(bào)能力也不相同，為了更好的對(duì)比分析，圖3 給出了四種預(yù)報(bào)產(chǎn)品72 h 內(nèi)逐24 h 最高、最低氣溫逐月平均預(yù)報(bào)準(zhǔn)確率。不同預(yù)報(bào)時(shí)效內(nèi)，WQSRTP 訂正的最高、最低氣溫產(chǎn)品的逐月平均預(yù)報(bào)準(zhǔn)確率均高于其他三種產(chǎn)品，隨預(yù)報(bào)時(shí)效的增加，氣溫預(yù)報(bào)準(zhǔn)確率略下降。從24 h最高氣溫逐月預(yù)報(bào)準(zhǔn)確率來(lái)看（圖3a），WQSRTP和SCMOC最高氣溫預(yù)報(bào)準(zhǔn)確率月際變化相對(duì)不顯著，SPCC和ECMWF 最高氣溫準(zhǔn)確率月際變化更為顯著，WQSRTP 訂正產(chǎn)品和SCMOC 產(chǎn)品最高氣溫預(yù)報(bào)準(zhǔn)確率的最大值出現(xiàn)在3 月，分別為80.04%和54.68%，最小值分別出現(xiàn)在11 月和1 月，預(yù)報(bào)準(zhǔn)確率分別為68.72%和50.00%，SPCC 和ECMWF 最高氣溫預(yù)報(bào)準(zhǔn)確率的最小值均在4月，預(yù)報(bào)準(zhǔn)確率分別為36.64%和32.82%，最大值分別在12月和1月，相應(yīng)的預(yù)報(bào)準(zhǔn)確率分別為52.50%和44.67%。由24 h最低氣溫逐月預(yù)報(bào)準(zhǔn)確率分布可知（圖3b），WQSRTP、SCMOC、SPCC、ECMWF 的預(yù)報(bào)準(zhǔn)確率月際變化顯著，7—9 月較高，分別為81.17%、62.89%、63.25%、61.09%，12 月—次年2 月較低，分別為55.44%、45.23%、45.83%、38.78%。對(duì)比圖3a 和3b 發(fā)現(xiàn)，夏季最高氣溫預(yù)報(bào)準(zhǔn)確率相對(duì)較高，冬季最低氣溫預(yù)報(bào)準(zhǔn)率相對(duì)較高。48 h 和72 h 最高、最低氣溫逐月預(yù)報(bào)準(zhǔn)確率與24 h變化基本一致，隨著預(yù)報(bào)時(shí)效延長(zhǎng)預(yù)報(bào)準(zhǔn)確率均下降。

圖3 四種預(yù)報(bào)產(chǎn)品24 h、48 h、72 h最高氣溫、最低氣溫的逐月平均預(yù)報(bào)準(zhǔn)確率Fig.3 Monthly prediction accuracy of four forecast products 24 h,48 h and 72 h maximum temperature and minimum temperature

圖4給出了四種預(yù)報(bào)產(chǎn)品不同預(yù)報(bào)時(shí)效內(nèi)的逐月MAE分布。不同預(yù)報(bào)時(shí)效內(nèi)，WQSRTP訂正產(chǎn)品最高、最低氣溫的MAE 均最小，ECWMF 最高、最低氣溫MAE 最大。WQSRTP 最低氣溫MAE 高于最高氣溫MAE，而其他三種產(chǎn)品與之相反。隨著預(yù)報(bào)時(shí)效的增加，幾種預(yù)報(bào)產(chǎn)品的MAE 也略有增加，對(duì)于最高氣溫，WQSRTP 和SCMOC 的MAE 的月際變化相對(duì)不顯著，SPCC 和ECMWF 相對(duì)顯著，四種產(chǎn)品最低氣溫MAE 月際變化較顯著。從24 h 最高氣溫和最低氣溫MAE 逐月分布來(lái)看（圖4a，圖4b），SCMOC、SPCC、ECMWF、WQSRTP 最高氣溫MAE 最小，分別為5 月（2.4 ℃）、12 月（2.4 ℃）、12 月（2.7 ℃）、3 月（1.3 ℃），最低氣溫MAE 最小分別為7月（1.9 ℃）、9 月（1.9 ℃）、9 月（1.9 ℃）、9 月（1.2 ℃），最低氣溫MAE 相對(duì)較小。48 h、72 h 四種產(chǎn)品的MAE 分布與24 h 基本一致，需指出的是72 h ECMWF 最高氣溫MAE 躍增，均在4 ℃以上，最大為4月6.1 ℃。

圖4 四種預(yù)報(bào)產(chǎn)品24 h、48 h、72 h最高氣溫、最低氣溫的逐月均絕對(duì)誤差Fig.4 Monthly MAE of four forecast products 24 h,48 h and 72 h maximum temperature and minimum temperature

2.2 誤差空間分布

從上述分析中可以發(fā)現(xiàn)，SCMOC、SPCC、ECMWF與WQSRTP最高、最低氣溫產(chǎn)品的24 h時(shí)效預(yù)報(bào)效果最好（圖3，圖4）。因此，進(jìn)一步分析24 h 時(shí)效四種產(chǎn)品對(duì)甘肅省氣溫的預(yù)報(bào)能力。由四種預(yù)報(bào)產(chǎn)品24 h最高、最低氣溫預(yù)報(bào)準(zhǔn)確率空間分布表明（圖5、圖6），與其他三種產(chǎn)品相比，WQSRTP訂正產(chǎn)品對(duì)甘肅省氣溫預(yù)報(bào)能力有顯著提升，尤其是地形較為復(fù)雜的甘岷山區(qū)和祁連山區(qū)更為顯著。WQSRTP 最高氣溫的預(yù)報(bào)準(zhǔn)確率在全省大部分地區(qū)均高于SCMOC，特別是甘岷山區(qū)東部預(yù)報(bào)準(zhǔn)確率相較提高30%以上，但在甘南州西部個(gè)別站點(diǎn)及隴東南部分站點(diǎn)低于SCMOC；最低氣溫預(yù)報(bào)準(zhǔn)確率在全省大部高于SCMOC，在甘岷山區(qū)部分地區(qū)提升40%以上。相對(duì)于SPCC，最高、最低氣溫準(zhǔn)確率在全省大部分地區(qū)均有提升，最高氣溫準(zhǔn)確率在祁連山區(qū)東部和甘岷山區(qū)部分地區(qū)提升顯著，僅隴東南個(gè)別站點(diǎn)出現(xiàn)負(fù)的訂正效果；最低氣溫預(yù)報(bào)準(zhǔn)確率提升范圍小于最高氣溫準(zhǔn)確率提升范圍。相對(duì)于ECMWF，部分地區(qū)氣溫預(yù)報(bào)準(zhǔn)確提升在50%以上，個(gè)別地區(qū)站點(diǎn)到達(dá)70%以上，地形較為復(fù)雜的甘岷山區(qū)和祁連山區(qū)更為顯著。WQSRTP 最高氣溫訂正產(chǎn)品在甘肅省河西地區(qū)的預(yù)報(bào)準(zhǔn)確率高于河?xùn)|地區(qū)，而最低氣溫訂正產(chǎn)品則相反，其中最高氣溫預(yù)報(bào)準(zhǔn)確率大于75%的大值區(qū)主要分布在河西地區(qū)，甘岷山區(qū)和隴東南局部地區(qū)預(yù)報(bào)準(zhǔn)確率相對(duì)較低；最低氣溫預(yù)報(bào)準(zhǔn)確率大于75%的大值區(qū)主要分布于河西中部和河?xùn)|部分地區(qū)，甘岷山區(qū)東部的預(yù)報(bào)準(zhǔn)確率相對(duì)較低。

圖5 四種預(yù)報(bào)產(chǎn)品24 h最高氣溫預(yù)報(bào)準(zhǔn)確率分布Fig.5 Spatial distribution of 24 h maximum temperature forecast accuracy of four forecast products in Gansu Province

圖6 四種預(yù)報(bào)產(chǎn)品24 h最低氣溫預(yù)報(bào)準(zhǔn)確率分布Fig.6 Spatial distribution of 24 h minimum temperature forecast accuracy of four forecast products in Gansu Province

從四種產(chǎn)品24 h最高、最低氣溫MAE空間分布可知（圖7，圖8），WQSRTP 訂正產(chǎn)品最高、最低氣溫的MAE 最小，ECMWF 的MAE 最大，除個(gè)別站點(diǎn)外，WQSRTP 訂正產(chǎn)品的MAE 均低于2 ℃；相對(duì)于省內(nèi)其他地區(qū)，地形較為復(fù)雜的祁連山區(qū)、甘岷山區(qū)的MAE 偏大；SCMOC、SPCC 和ECMWF 最低氣溫預(yù)報(bào)產(chǎn)品的MAE較最高氣溫產(chǎn)品的MAE較小。相較于SCMOC 產(chǎn)品的MAE，WQSRTP 最高、最低氣溫產(chǎn)品的MAE在甘肅省大部分地區(qū)小于SCMOC產(chǎn)品的MAE，偏小站數(shù)占總站數(shù)的百分比分別為93.52%、85.29%，且甘岷山區(qū)部分站點(diǎn)MAE 偏小5 ℃以上，但在隴東南部分地區(qū)WQSRTP 訂正產(chǎn)品的MAE 大于SCMOC 產(chǎn)品的MAE（0.2 ℃）。相較于SPCC 產(chǎn)品的MAE，WQSRTP 最高、最低氣溫訂正產(chǎn)品MEA 較SPCC 產(chǎn)品MAE 較小站數(shù)占比為90.88%和86.47%，隴東南東部部分地區(qū)WQSRTP訂正產(chǎn)品MAE 偏大0.1 ℃。與ECMWF 產(chǎn)品MAE 相比，WQSRTP 產(chǎn)品MAE 均小于ECMWF 產(chǎn)品MAE，且在地形復(fù)雜地區(qū)的祁連山區(qū)和甘岷山區(qū)的MAE 相差越大，部分站點(diǎn)MAE 相差6 ℃以上，說(shuō)明WQSRTP訂正產(chǎn)品在復(fù)雜地形地區(qū)訂正效果更為顯著。

圖7 四種預(yù)報(bào)產(chǎn)品24 h最高氣溫MAE分布Fig.7 Spatial distribution of 24 h maximum temperature MAE for four forecast products in Gansu Province

圖8 四種預(yù)報(bào)產(chǎn)品24 h最低氣溫MAE分布Fig.8 Spatial distribution of 24 h minimum temperature MAE for four forecast products in Gansu Province

綜上所述，WQSRTP 訂正產(chǎn)品對(duì)甘肅省氣溫預(yù)報(bào)能力提升作用顯著，特別是模式氣溫產(chǎn)品預(yù)報(bào)偏差較大、準(zhǔn)確率較低的地形復(fù)雜的祁連山區(qū)和甘岷山區(qū)，且最高氣溫的訂正效果優(yōu)于最低氣溫。另外，在SCMOC、SPCC產(chǎn)品預(yù)報(bào)能力優(yōu)于WQSRTP訂正產(chǎn)品的隴東南東部部分地區(qū)，仍需持續(xù)針對(duì)性進(jìn)行訂正技術(shù)研發(fā)以提升氣溫預(yù)報(bào)準(zhǔn)確率。

3 討論

將預(yù)報(bào)員日常業(yè)務(wù)預(yù)報(bào)分析偏差訂正的思路利用加權(quán)線(xiàn)性回歸得以實(shí)現(xiàn)，即將MOS方法中建模使用的線(xiàn)性回歸改進(jìn)為加權(quán)線(xiàn)性回歸。WQSRTP方法有效實(shí)現(xiàn)了對(duì)甘肅省最高、最低氣溫預(yù)報(bào)準(zhǔn)確率提升的目地，大部分地區(qū)的預(yù)報(bào)準(zhǔn)確率提升顯著，MAE 降低明顯，但仍有個(gè)別站點(diǎn)的預(yù)報(bào)準(zhǔn)確率相較SCMOC、SPCC、ECMWF 數(shù)值預(yù)報(bào)產(chǎn)品偏低。這可能與WQSRTP 方法中所有站點(diǎn)的準(zhǔn)對(duì)稱(chēng)滑動(dòng)訓(xùn)練期均采用吳啟樹(shù)等［18］得到的30 d 最佳訓(xùn)練日數(shù)有關(guān)。為了更進(jìn)一步提高預(yù)報(bào)準(zhǔn)確率，下一步可通過(guò)調(diào)整甘肅省不同站點(diǎn)的準(zhǔn)對(duì)稱(chēng)滑動(dòng)訓(xùn)練期的方法進(jìn)行改進(jìn)。WQSRTP 方法與吳啟樹(shù)等［18］MOS方法的氣溫預(yù)報(bào)準(zhǔn)率均會(huì)隨著預(yù)報(bào)時(shí)效的增加而降低，但WQSRTP方法訂正產(chǎn)品預(yù)報(bào)準(zhǔn)確率隨時(shí)效增加遞減幅度相比更小，說(shuō)明WQSRTP方法具有一定先進(jìn)性。MOS 方法訂正后的福建省訂正氣溫準(zhǔn)確率高于甘肅省訂正氣溫預(yù)報(bào)準(zhǔn)確率是與數(shù)值模式預(yù)報(bào)產(chǎn)品在不同地區(qū)的預(yù)報(bào)性能密切相關(guān)，這充分說(shuō)明客觀訂正方法僅能有限的訂正數(shù)值預(yù)報(bào)偏差。同時(shí)，相較劉新偉等［9］利用ECMWF細(xì)網(wǎng)格氣溫?cái)?shù)值預(yù)報(bào)產(chǎn)品基于小波低頻周期滑動(dòng)平均訂正法生成的甘肅省氣溫客觀訂正產(chǎn)品，WQSRTP 方法的最高氣溫訂正產(chǎn)品在甘肅省大部分地區(qū)準(zhǔn)確率較高，最低氣溫訂正產(chǎn)品在地形較為復(fù)雜的甘岷山區(qū)和祁連山區(qū)準(zhǔn)確率較高，表明利用不同客觀訂正方法對(duì)同一種數(shù)值預(yù)報(bào)產(chǎn)品的訂正能力存在差異。近來(lái)年，國(guó)產(chǎn)CMA 數(shù)值模式發(fā)展迅速，預(yù)報(bào)體系不斷發(fā)展完善［22］，本文未對(duì)國(guó)產(chǎn)數(shù)值模式產(chǎn)品進(jìn)行訂正分析，后續(xù)可對(duì)比分析同一地區(qū)同一訂正方法對(duì)不同模式預(yù)報(bào)產(chǎn)品訂正能力差異。隨著數(shù)值模式產(chǎn)品和客觀訂正方法的不斷發(fā)展，多種訂正產(chǎn)品的集成方法研究已有一定進(jìn)展［25-27］，也可對(duì)不同方法訂正的數(shù)值模式氣溫預(yù)報(bào)產(chǎn)品進(jìn)行最優(yōu)集成，提升客觀預(yù)報(bào)融合應(yīng)用水平，進(jìn)一步提升氣溫預(yù)報(bào)準(zhǔn)確率。

4 結(jié)論

針對(duì)甘肅省復(fù)雜地形下數(shù)值模式氣溫預(yù)報(bào)準(zhǔn)確率較低的問(wèn)題，基于日常業(yè)務(wù)中常用的ECMWF細(xì)網(wǎng)格2 m最高、最低氣溫?cái)?shù)值預(yù)報(bào)產(chǎn)品，研發(fā)甘肅省國(guó)家級(jí)考核站最高、最低氣溫WQSRPT 訂正技術(shù)，并生成相應(yīng)的客觀預(yù)報(bào)產(chǎn)品，并與SCMOC、SPCC 和ECMWF 預(yù)報(bào)產(chǎn)品進(jìn)行對(duì)比，主要結(jié)論如下：

（1）WQSRTP方法能有效提升氣溫客觀預(yù)報(bào)準(zhǔn)確率，SCMOC、SPCC、ECMWF 數(shù)值預(yù)報(bào)產(chǎn)品和WQSRTP 訂正產(chǎn)品對(duì)甘肅省國(guó)家級(jí)考核站最高、最低氣溫均具有一定的預(yù)報(bào)能力，但隨著預(yù)報(bào)時(shí)效的增加，預(yù)報(bào)準(zhǔn)確率逐漸降低，均方根誤差和平均絕對(duì)誤差逐漸增加，其中SCMOC、SPCC 和ECMWF 細(xì)網(wǎng)格產(chǎn)品對(duì)最高氣溫預(yù)報(bào)能力弱于最低氣溫，WQSRTP 訂正產(chǎn)品對(duì)最高氣溫的預(yù)報(bào)能力高于最低氣溫。

（2）不同預(yù)報(bào)時(shí)效內(nèi)，WQSRTP最高、最低氣溫訂正產(chǎn)品預(yù)報(bào)準(zhǔn)確率均高于其他三種產(chǎn)品。相較ECMWF 細(xì)網(wǎng)格預(yù)報(bào)產(chǎn)品，WQSRTP 產(chǎn)品24 h 最高氣溫預(yù)報(bào)準(zhǔn)確率提高了32.16%，24 h最低氣溫預(yù)報(bào)準(zhǔn)確率提高了15.48%。WQSRTP 產(chǎn)品相對(duì)其他三種最高、最低氣溫預(yù)報(bào)產(chǎn)品均為正技巧，最高氣溫訂正技巧高于最低氣溫。

（3）四種預(yù)報(bào)產(chǎn)品的最高氣溫預(yù)報(bào)準(zhǔn)確率沒(méi)有明顯的月際變化，最低氣溫預(yù)報(bào)準(zhǔn)確率月際變化較明顯，7—9 月較高，12 月—次年2 月較低。逐月WQSRTP 訂正產(chǎn)品預(yù)報(bào)準(zhǔn)確率在四種產(chǎn)品中均最高，MAE均最低。

（4）誤差空間分布表明，SCMOC、SPCC 和ECMWF細(xì)網(wǎng)格最高、最低氣溫產(chǎn)品在地形復(fù)雜的祁連山區(qū)和甘岷山區(qū)預(yù)報(bào)偏差較大，準(zhǔn)確率較低，WQSRTP 訂正產(chǎn)品則在上述地區(qū)顯著提升了最高、最低氣溫預(yù)報(bào)準(zhǔn)確率，有效降低了MAE，且最高氣溫訂正效果優(yōu)于最低氣溫。