2020年廣東省中期降水和氣溫預(yù)報檢驗評估

李珊珊，張華龍，陳玉梅，黃曉瑩

（廣東省氣象臺，廣東廣州 510640）

為評估中期主客觀網(wǎng)格預(yù)報產(chǎn)品的質(zhì)量，本研究對廣東省2020年中期主客觀網(wǎng)格預(yù)報產(chǎn)品進行檢驗分析。目前全球中期數(shù)值預(yù)報模式是中期預(yù)報的主要參考工具，主要包括ECMWF和NCEP模式的確定性預(yù)報，以及ECMWF的集合預(yù)報［1－2］。對于ECMWF集合預(yù)報產(chǎn)品，楊國杰等［3］、涂靜等［4］、劉霞等［5］針對廣東要素預(yù)報開展了一系列的釋用和訂正工作，其中對降水的釋用產(chǎn)品為中期預(yù)報提供了重要的參考價值［6－7］。

1 資料與方法

本研究對2020年中期時效的主客觀網(wǎng)格預(yù)報產(chǎn)品進行檢驗評估，由于中期的預(yù)報時效較長，本研究選取96、144和192 h 3個預(yù)報時效為代表進行檢驗。檢驗內(nèi)容包含3個要素：20：00—20：00（北京時，下同）的日降水、日最高氣溫和日最低氣溫。檢驗的主觀預(yù)報產(chǎn)品為省級主觀網(wǎng)格預(yù)報（以下簡稱省級網(wǎng)格）；檢驗的客觀預(yù)報產(chǎn)品包含ECMWF和NCEP模式的確定性預(yù)報，以及融合使用頻率匹配和最優(yōu)百分位方法釋用的ECMWF降水集合預(yù)報產(chǎn)品（以下簡稱融合法MIX）。實況資料來源于廣東省國家級觀測站和區(qū)域級自動站的降水和氣溫觀測數(shù)據(jù)。

網(wǎng)格預(yù)報和站點實況的匹配方法為臨近法：即選擇距離站點最近的格點預(yù)報作為站點預(yù)報值，有多個距離相等的格點取東北角格點，該站點預(yù)報值與站點實況對比進行降水檢驗。本研究選取主客觀產(chǎn)品的起報時間均為20：00，另外客觀預(yù)報較主觀預(yù)報取起報時間提前24 h的產(chǎn)品進行對比評估（例如：實況時間為10日20：00—11日20：00，本研究中的96 h預(yù)報指：省級網(wǎng)格6日20：00起報的72～96 h預(yù)報；客觀模式5日20：00起報的96～120 h預(yù)報）。

本研究應(yīng)用的檢驗評估指標(biāo)包括降水TS評分、晴雨準(zhǔn)確率、空報率、漏報率、預(yù)報偏差以及氣溫的平均絕對誤差。計算以上指標(biāo)應(yīng)用的方法來源于中國氣象局的《中短期天氣預(yù)報質(zhì)量檢驗辦法》［8］。

2 預(yù)報檢驗評估

2.1 降水預(yù)報檢驗評估

2020年廣東省全年平均降水量為1 505.2 mm，較常年偏少16%［9］。從中期降水預(yù)報評分來看，省級網(wǎng)格預(yù)報的晴雨準(zhǔn)確率均高于客觀預(yù)報產(chǎn)品，其中96 h晴雨準(zhǔn)確率為76.93%，144 h晴雨準(zhǔn)確率為74.38%，192 h晴雨準(zhǔn)確率為71.25%；而在客觀預(yù)報產(chǎn)品中，融合法MIX的晴雨預(yù)報準(zhǔn)確率明顯高于ECMWF和NCEP。對于中雨以上量級降水，ECMWF在3個客觀預(yù)報產(chǎn)品中評分最高，省級網(wǎng)格預(yù)報對客觀產(chǎn)品有一定的訂正作用。對于大雨以上和暴雨以上量級降水，融合法MIX在所有主客觀產(chǎn)品中表現(xiàn)最好；省級網(wǎng)格的96和144 h預(yù)報評分高于ECMWF和NCEP，192 h預(yù)報評分則低于客觀預(yù)報（表1）。

表1 2020年廣東中期主客觀降水預(yù)報評分 %

綜合來看，省級網(wǎng)格和融合法MIX的降水預(yù)報評分總體上優(yōu)于客觀模式ECMWF和NCEP。其中省級網(wǎng)格較客觀預(yù)報對于大雨以下量級降水有較好的訂正能力，對于大雨和暴雨以上量級降水的訂正效果則伴隨預(yù)報時效的增長而降低；融合法MIX對于晴雨、大雨和暴雨以上量級降水的預(yù)報評分高于ECMWF和NCEP的確定性預(yù)報，ECMWF則對中雨量級降水的預(yù)報評分較高。

進一步分析各個預(yù)報產(chǎn)品的空報率、漏報率和預(yù)報偏差（以下簡稱bias），如圖1所示。

圖1 2020年廣東省主客觀96 h（a）、144 h（b）和192 h（c）降水預(yù)報的空報率、漏報率、預(yù)報偏差（bias）和TS評分

總體上省級網(wǎng)格的降水預(yù)報偏差較客觀產(chǎn)品更趨近1，即空漏報相對持平。具體來看，對于小雨以上量級降水，所有主客觀產(chǎn)品均表現(xiàn)為bias＞1，即空報多于漏報，整體上省級網(wǎng)格和融合法MIX是bias最趨近1的產(chǎn)品，即二者的晴雨預(yù)報相較ECMWF和NCEP有一定的消空作用。對于中雨以上量級降水，ECMWF和省級網(wǎng)格的bias更趨近1，空漏報相對持平；NCEP表現(xiàn)為空報偏多；融合法MIX表現(xiàn)為漏報偏多。對于大雨以上和暴雨以上量級降水，省級網(wǎng)格伴隨預(yù)報時效的增長，bias均呈現(xiàn)減小趨勢（大雨以上降水96 h預(yù)報bias＝1.17，144 h預(yù)報bias＝1，192 h預(yù)報bias＝0.72；暴雨以上降水96 h預(yù)報bias＝0.9，144 h預(yù)報bias＝0.45，192 h預(yù)報bias＝0.15），在192 h預(yù)報中bias顯著偏低，漏報明顯多于空報。

分析以上現(xiàn)象產(chǎn)生的可能原因：模式中期降水預(yù)報的穩(wěn)定性往往伴隨預(yù)報時效的增長而下降，表現(xiàn)為降水強度、降水落區(qū)和降水時間在不同起報時次的調(diào)整較大，主觀預(yù)報從提升穩(wěn)定性的角度考慮，往往對6～10 d（尤其是8～10 d）大量級降水的預(yù)報趨于保守，常將模式大雨和暴雨以上降水的量級和落區(qū)適當(dāng)調(diào)小，以為后續(xù)預(yù)報的調(diào)整提供充足的空間，但也因此導(dǎo)致漏報明顯多于空報，即bias顯著偏低。在客觀暴雨以上量級預(yù)報中，融合法MIX的bias偏大，即空報偏多，NCEP的bias最趨近1，空漏報基本持平。

2.2 氣溫預(yù)報檢驗評估

2020年全省平均氣溫22.8℃，較常年偏高0.9℃，與2019年并列為1951年有氣象記錄以來最高［8］。從2020年廣東中期主客觀氣溫預(yù)報平均絕對誤差（表2）來看，省級網(wǎng)格的最高氣溫和最低氣溫誤差均最小，尤其是對于最高氣溫的預(yù)報，較客觀模式有明顯正技巧?？陀^模式ECMWF和NCEP對于最高氣溫預(yù)報的誤差接近，主要表現(xiàn)為系統(tǒng)性的低估；對于最低氣溫的預(yù)報，ECMWF的誤差明顯低于NCEP，且預(yù)報時效越短優(yōu)勢越明顯。

表2 2020年廣東中期主客觀逐日氣溫平均絕對誤差 ℃

進一步分析氣溫預(yù)報平均絕對誤差的逐月變化（圖2）。對于最高氣溫的預(yù)報，省級網(wǎng)格在盛夏季節(jié)（6—9月）對于客觀模式訂正效果最好，平均絕對誤差較客觀模式普遍減少1℃或以上。對比兩家客觀模式的最高氣溫預(yù)報，ECMWF在冬半年（1—3月和10—12月）的誤差小于NCEP，而夏半年（4—9月）的誤差普遍大于NCEP。對于最低氣溫的預(yù)報，省級網(wǎng)格在3和4月的訂正效果較好，其他月份的平均絕對誤差與ECMWF接近，而ECMWF全年各月的誤差普遍小于NCEP。

圖2 2020年廣東省逐月主客觀日最高氣溫（a、c、e）、最低氣溫（b、d、f）預(yù)報的平均絕對誤差

3 結(jié)論

1）2020年中期降水預(yù)報方面，省級網(wǎng)格和融合法MIX的預(yù)報評分總體上優(yōu)于客觀模式ECMWF和NCEP，具體來說，省級網(wǎng)格較客觀預(yù)報對于大雨以下量級降水有較好的訂正能力，對于大雨和暴雨以上量級降水的訂正效果伴隨預(yù)報時效的增長而降低；融合法MIX對于晴雨、大雨和暴雨以上量級降水的預(yù)報評分高于ECMWF和NCEP的確定性預(yù)報?？傮w上省級網(wǎng)格的預(yù)報偏差較客觀產(chǎn)品更趨近1，即空漏報相對持平，但省級網(wǎng)格對大雨和暴雨以上量級降水的192 h預(yù)報則從提高預(yù)報穩(wěn)定性的角度出發(fā)，預(yù)報的量級和落區(qū)趨于保守，漏報明顯多于空報。

2）2020年中期氣溫預(yù)報方面，省級網(wǎng)格對模式訂正有正技巧，最高氣溫的訂正能力強于最低氣溫，其中盛夏季節(jié)（6—9月）對模式最高氣溫預(yù)報的訂正效果最好?？陀^模式ECMWF和NCEP最高氣溫預(yù)報全年的誤差接近，其中ECMWF在冬半年（1—3月和10—12月）的誤差小于NCEP，而夏半年（4—9月）的誤差普遍大于NCEP；低溫預(yù)報ECMWF的誤差明顯小于NCEP，且預(yù)報時效越短優(yōu)勢越明顯。

本研究展示的結(jié)果基于多種檢驗指標(biāo)的計算和統(tǒng)計，評估了中期不同預(yù)報產(chǎn)品在不同預(yù)報時效的預(yù)報效果。未來有待針對評分高低和誤差大小產(chǎn)生的原因進行深入分析，并從空間檢驗和分天氣類型檢驗等多角度開展進一步研究，為中期預(yù)報提供更多的檢驗信息和改善建議。