GFS 氣溫預報模型在黃河內(nèi)蒙古河段應用效果檢驗與分析

范旻昊，田文君

（黃河水利委員會 水文局，河南 鄭州 450004）

1 引 言

寧蒙河段地處黃河流域最北端，冬季氣溫低，低溫歷時久，年年封凍，若有冰塞或冰壩會堵塞河槽，抬高水位，造成漫灘或決口，形成凌災。 對于黃河來說寧蒙河段是凌汛災害發(fā)生頻率高也最為嚴重的河段［1］，氣溫是影響黃河流域流凌和封開河的重要因素，流凌、封河和開河等凌情特征日期與氣溫變化的關系緊密。 熱力因素對凌汛形成非常重要，氣溫作為熱力因素的表征量，其作用對凌汛研究非常重要［2］。

目前，統(tǒng)計相關方法和水文學冰凌模型是應用于黃河寧蒙河段冰凌預報業(yè)務的主要方法［3］。 統(tǒng)計相關方法冰凌預報熱力條件是以重點氣象站和水文站的日最高氣溫、日最低氣溫作為參考，主要利用預報的日平均氣溫、累計日平均負氣溫值作為依據(jù)，開展流凌和封開河相關預報；水文學冰凌模型是以重點氣象站和水文站的日平均氣溫作為模型的輸入因子，進行自動冰凌預報，可提高冰凌預報的精度和實時性［3］。 由于寧蒙河段的冰凌預報要求7 ～10 d 的預見期，因此制作冰凌預報時需要未來7 ～10 d 的重點氣象站和水文站的逐日日平均氣溫預報。 雖然目前氣象部門發(fā)布有7、15 d 甚至40 d 的氣象預報產(chǎn)品，但其站點氣溫預報產(chǎn)品主要是8 時至次日8 時的每日最低和最高氣溫預報，沒有提供氣象站和水文站的日平均氣溫預報，且日平均氣溫并不是日最高、日最低氣溫簡單相加再平均。另外，滾動的自動冰凌預報要求有滾動的氣溫預報作為輸入，若等待氣象部門的氣溫預報結果，在時效上也滿足不了黃河冰凌預報的需要。 因此，氣象部門的預報產(chǎn)品目前還不適合冰凌預報業(yè)務直接應用。

隨著精細化預報時效不斷延長，預報間隔的進一步縮短，預報員按照常規(guī)、傳統(tǒng)的預報方法將無法完成“定時、定點、定量”的精細化預報制作［4］。 隨著數(shù)值預報技術的發(fā)展，數(shù)值預報對未來天氣變化的指示性已遠高于其他預報方法，數(shù)值預報指導信息越來越占有主導地位［5］。 10～15 d 中長期數(shù)值預報也得到較快發(fā)展，如美國國家環(huán)境預報中心（NCEP）的全球預報系統(tǒng)模式（GFS）、中國氣象局的T639 模式以及歐洲中期天氣預報中心（ECMWF）的數(shù)值模式等，均可提供中期天氣環(huán)流形勢，在短、中、長期天氣預報和氣候預測中有重要參考價值。 其中，GFS 全球預報系統(tǒng)模式是美國國家環(huán)境預報中心研制的氣象預報模式，它的模擬結果已被廣泛接受并用于實際業(yè)務預報和科研，在溫度、降水、風等預報方面都有較好的指導意義［6－13］。 有關研究表明，基于大氣系統(tǒng)的非線性和復雜性，加上初值和模式等本身無法避免的一些不確定性，用單一模式確定預報結果是不合理的，而集合預報是解決預報不確定性的重要工具［14］。 目前NOAA 中心發(fā)布的ESRL／PSD 全球集合數(shù)值預報數(shù)據(jù)集包含11 個集合預報成員，擁有長期預報數(shù)據(jù)集，通過對過去預報的訂正，能夠診斷出預報誤差，從而提高現(xiàn)在的預報水平。 本研究預報模型中所使用的預報數(shù)據(jù)來自ESRL／PSD 再分析資料的數(shù)值預報結果，前8 d 的模式水平分辨率為T254（約為50 km），第8 ～16 d 的模式水平分辨率為T190（約為70 km）。

2 模型簡介

2012 年黃河水利委員會水文局負責開發(fā)的冰凌數(shù)學模型中首次建立了黃河寧蒙河段氣溫預報模型，為了提高模型預報精度和程序數(shù)據(jù)自動化能力，于2015—2016 年對該模型進行了改進［15］。 冬季黃河寧蒙河段氣溫變化主要與冷空氣南下、500 hPa 槽脊過境、地面風場等密切相關；日平均溫度雖然在年尺度、月尺度上具有較大的起伏和變化，但多年氣候平均態(tài)呈現(xiàn)出較強的規(guī)律性和變化一致性。

該模型利用美國NECP 提供的24 ～240 h 集合預報資料和氣象站、水文站歷史資料，選取距離預報站點最近的500 hPa 高度、850 hPa 溫度、2 m 氣溫、近地面經(jīng)向風和緯向風的格點集合預報數(shù)據(jù)進行插值，結合近30 a 氣溫平均值和預報當日的前一天日均氣溫7個要素作為預報因子，采用逐步回歸統(tǒng)計方法建立寧蒙河段凌汛期中短期氣溫預報模型，預報結果為寧蒙河段重點水文站和氣象站點的1 ～10 d 逐日日平均氣溫。 因為日平均氣溫是黃河凌汛期流凌、封開河預報的重要因素之一，所以黃河水利委員會水文局信息中心將該產(chǎn)品作為黃河凌汛期凌情預報的重要參考依據(jù)之一，通過檢驗2019 年凌汛期該模型的預報能力，對后續(xù)改進數(shù)學模型、研制訂正方法、提高預報精度并實際應用具有重要指導意義。

3 資料與處理

本次研究選取凌情預報中最具代表性的包頭站作為預報應用檢驗站，模型輸入數(shù)據(jù)選用2019 年11 月1 日至2020 年3 月31 日GFS 的24 ～240 h 集合預報產(chǎn)品，抽取500 hPa 高度、850 hPa 溫度、近地面經(jīng)向風、近地面緯向風、2 m 氣溫，通過插值法得到包頭站數(shù)據(jù)，作為氣溫預報模型的輸入因子。 另外，該模型24 h 預報將前一天的實況平均氣溫作為一項因子輸入，因此再收集2019 年11 月1 日至2020 年3 月31日內(nèi)蒙古河段包頭站逐日平均氣溫作為預報模型的輸入和用于結果檢驗。

4 預報檢驗

根據(jù)中短期天氣預報質(zhì)量檢驗方法，采用平均絕對誤差、均方根誤差、預報準確率以及預報曲線對氣溫預報結果進行檢驗。 氣溫預報準確率按照氣象部門統(tǒng)一規(guī)定的方法評定，前3 d 為預報誤差（以絕對值表示，下同）不大于2 ℃的百分率，后7 d 為預報誤差不大于2.5 ℃的百分率。 對預報方程進行2019—2020年度凌汛期氣溫預報檢驗。

平均絕對誤差：

均方根誤差：

預報準確率：

式中：Fi為第i次預報氣溫；Oi為第i次實況氣溫；n為預報數(shù)據(jù)樣本數(shù)；k為2 或2.5，分別代表預報誤差絕對值不大于2 ℃或2.5 ℃；Nrk為預報正確的次數(shù)；Nfk為預報的總次數(shù)。

4.1 誤差和準確率檢驗

對2019 年11 月至2020 年3 月黃河寧蒙河段包頭站逐日平均氣溫預報結果進行檢驗，發(fā)現(xiàn)各時次預報的平均絕對誤差隨著時次的推移，誤差值越來越大（見表1）。 1～4 d（24 ～96 h）的平均絕對誤差在2 ℃以內(nèi)，5～8 d（120～192 h）的平均絕對誤差在2.5 ℃以內(nèi)，9～10 d（216～240 h）的平均絕對誤差在2.9 ℃以內(nèi)，1～8 d（24～192 h）的預報平均絕對誤差值達到氣象行業(yè)的氣溫預報合格標準，9 ～10 d（216 ～240 h）略有不足。

表1 2019 年11 月—2020 年3 月包頭站1～10 d（24～240 h）氣溫預報平均絕對誤差統(tǒng)計 ℃

2019 年11 月至2020 年3 月包頭站24～72 h 預報的平均絕對誤差逐月均值都在2.3 ℃以內(nèi)，除2 月的48、72 h 預報外其余都在2 ℃以內(nèi)，其中：24 ～72 h 預報11 月絕對誤差均值最小，為1.60 ℃；其次是3 月，絕對誤差均值為1.63 ℃。 因為11 月和3 月是流凌和開河關鍵期，所以這兩個月預報效果好，誤差小，對凌汛預報和防凌減災有重要幫助。 11 月至次年3 月包頭站96～168 h 預報的平均絕對誤差在1.8 ～2.5 ℃之間，符合2.5 ℃以內(nèi)的標準，其中96 h 各月的預報平均絕對誤差都在2 ℃以內(nèi)，均優(yōu)于2.5 ℃誤差標準。 96～168 h 預報1 月誤差最小，平均為1.9 ℃；2 月誤差次之，平均為2.0 ℃。 其原因可能是11 月和3 月氣溫升、降幅度大，升降溫過程頻繁，1 月和2 月冬季氣溫值基本穩(wěn)定在一個較低的范圍，在較長時間預見期（4 ～10 d）的中期預報中，穩(wěn)定的氣溫情況更容易預報準確。

從每個月每個時次分析，氣溫預報結果的均方根誤差分布情況與平均絕對誤差基本一致（見表2），1 ～6 d（24～144 h）各月的均方根誤差≤3 ℃，7～8 d（168～192 h）各月的均方根誤差≤3.2 ℃，9 ～10 d（216 ～240 h）各月的均方根誤差在2～4 ℃之間。 1～4 d 預見期，預報均方根誤差平均值都在2.4 ℃以內(nèi)，5 ～10 d較長預見期的預報均方根誤差平均值都在3.4 ℃以內(nèi)，說明預報結果與實況偏差較小，離散程度低，模型有應用和參考價值。

表2 2019 年11 月—2020 年3 月包頭站1～10 d（24～240 h）氣溫預報均方根誤差統(tǒng)計 ℃

從預報準確率看（見表3），總體上，24 ～192 h 預報效果較好，準確率一般超過60%，尤其是24、96、144 h 預報準確率平均值可達70%左右；前8 d（24 ～192 h）5 個月的平均預報準確率較高，都超過60%，第9、10 d 的預報準確率較低，效果較差。 每個月10 個時次的預報準確率平均值都超過60%，但2 月預報效果較差，10 個時次的預報里有5 個時次準確率小于60%。1 月的準確率最高，達到68.4%，有5 個時次預報準確率在70%以上，還有3 個時次在60%以上。 1 月預報效果好，對1 月的封河預報有指導意義。 11 月前6 d（24～144 h）的預報準確率較高，除72 h 預報準確率為63.3%外，其余5 個時次的預報準確率都在70%以上，對11 月的流凌預報有較大的指導意義。 3 月前5 d（24 ～120 h）預報準確率較高，在64.5%～74.2%之間，有利于內(nèi)蒙古河段的開河預報。

表3 2019 年11 月—2020 年3 月包頭站1～10 d（24～240 h）氣溫預報準確率統(tǒng)計 %

鑒于凌汛預報中流凌、封河、開河對預報發(fā)布預見期的不同要求，將氣溫預報預見期分為24 ～72 h、96 ～168 h、192～240 h 三個時段對預報結果的平均絕對誤差、均方根誤差、預報準確率進行統(tǒng)計分析（見表4）。

表4 2019 年11 月—2020 年3 月包頭站不同時段氣溫預報檢驗值統(tǒng)計

從預報時次方面分析5 個月的三項檢驗指標， 11月的24～72 h、96 ～168 h 預報三項檢驗指標結果最好；其次是3 月的24 ～72 h、96 ～168 h 預報和1 月的96～168 h 預報；但11 月和3 月的192 ～240 h 預報效果為5 個月中最差；192 ～240 h 預報效果最好的是1月；12 月和2 月預報水平基本相當，結果基本可滿足 預報要求。

檢驗結果總體表明： 1 ～10 d 氣溫模型預報大部分時段和月份的平均絕對誤差在2.5 ℃以內(nèi)，多數(shù)站點預報均方根誤差在2.5 ℃以內(nèi)，準確率在60%以上，因此可以認為所建立的預報方程具有一定的預報能力。 從分月預報結果來看， 預報誤差隨預見期的延長而增大，11 月和3 月總體來說預報效果明顯優(yōu)于其他月份，但8～10 d 效果較差，其原因可能是GFS 氣溫預報產(chǎn)品的預報準確率隨著時間的延長而波動下降［10］，同時隨著模式預報時效延長，2 m 氣溫預報均方根誤差也略有增大［16］。 因此，在實際應用中，預報員可根據(jù)實際情況在某些時次通過與實測資料對比，靈活使用預報結果，有針對性地進行校正。

11 月、12 月是流凌封河關鍵期，3 月是開河關鍵期，根據(jù)防凌需要，流凌和封、開河預報的預見期為7～10 d，通過以上對包頭站的日平均氣溫預報應用檢驗，發(fā)現(xiàn)4～7 d 預見期的預報在11 月和3 月的效果最好，說明模型對防凌減災業(yè)務工作有實際應用意義。

4.2 逐日氣溫過程線

氣溫實況和預報結果對比可直觀表征預報效果，以包頭站整個凌汛期的氣溫實況與24 h 預報以及168 h預報結果為例（見圖1、圖2），可以看出，短期（24 h）氣溫預報比中期（168 h）預報的曲線擬合度更高，與前述檢驗結論一致。 曲線線型相仿，預報的氣溫變化趨勢與實況氣溫變化趨勢一致性較高，升降溫關鍵時間點把握準確，證明該模型能夠提供有用的氣溫預報輸出，對凌汛期重要站點的日均氣溫有一定的預報能力，可作為日常工作和科研中氣溫預報依據(jù)。

5 結 論

（1）基于GFS 的中短期氣溫預報模型在凌汛期對寧蒙河段關鍵站點的日均氣溫預報效果良好，具備一定的預報能力和精度，可用于黃河上游地區(qū)的防凌減災業(yè)務工作和科研工作。

（2）氣溫模型預報1 ～4 d（24 ～96 h）平均絕對誤差都在2 ℃以內(nèi)，5～8 d（120～192 h）平均絕對誤差都在2.5 ℃以內(nèi)，1～10 d（24 ～240 h）預報多數(shù)站點預報均方根誤差在2.5 ℃以內(nèi)，準確率在60%以上。

（3）總體來說11 月和3 月1 ～7 d（24 ～168 h）各時次預報效果明顯優(yōu)于其他月份，但9 ～10 d（192 ～240 h）效果較差。 11 月、12 月是流凌封河關鍵期，3月是開河關鍵期，一般要求提前一周的預見期進行流凌、封河、開河預報，氣象預報結果是凌汛預報的基礎，因此11 月和3 月的1～7 d（24～168 h）預報效果最好，對防凌減災業(yè)務工作具有一定的應用價值。

（4）該模型仍存在局限性，某些月份和時次的預報效果并不理想，反映氣溫變化規(guī)律的準確度有待提高，可在某些時次由預報員通過實測資料訂正獲取精度較高的氣溫預報值，結合實際情況靈活使用預報結果，有針對性地進行結果校正或改進模型。