寶雞市冬半年降水相態(tài)精細化客觀預報方法研究

盧曄，孟妙志，2，喬丹楊，任歡，賀瑤，韓潔

（1.陜西省寶雞市氣象局，陜西 寶雞 721006；2.秦嶺和黃土高原生態(tài)環(huán)境氣象重點實驗室，陜西 西安 710016；3.陜西省咸陽市氣象局，陜西 咸陽 712000）

引言

近年來，在全球氣候變暖背景下極端天氣事件頻發(fā)，不同相態(tài)降水以多種形式影響著陸面環(huán)境和水循環(huán)，冬季降水相態(tài)主要由液態(tài)向固態(tài)轉化，且大多發(fā)生在近地面氣溫0 ℃左右的低溫條件下，常見的降水相態(tài)有雨、雨夾雪、雪和凍雨等，它們可以單獨出現(xiàn)或者以混合形式出現(xiàn)形成雨雪冰凍事件（Bernstein，2000；Sankare and Theriault，2016），對交通運輸、基礎設施、人民生命財產安全及生態(tài)系統(tǒng)造成嚴重影響（趙琳娜等，2008）。準確的降水相態(tài)預報是降雪量、積雪深度、道路結冰等預報預警的基礎，不僅能指導公眾的生產生活與出行，還對防災減災有重要意義。

降水粒子到達地表的最終相態(tài)取決于大氣溫度垂直結構，垂直方向上氣溫的微小波動都會引起地表附近降水相態(tài)的變化（Bourgouin，2000）。研究發(fā)現(xiàn)，位勢厚度與不同氣壓層之間的平均溫度成正比，比單層氣溫更能準確表征大氣冷暖狀況（Heppner，1992；Czys et al.，1996），故而綜合考慮不同特定層溫度和位勢厚度的降水相態(tài)識別效果更好（段云霞等，2016；祝小梅等，2019；楊麗杰等，2021）。許美玲等（2015）選取700 hPa溫度、500 hPa與700 hPa位勢厚度（H500-700）、地面日最低氣溫3個物理量作為昆明地區(qū)降雪的組合判據(jù)，預報準確率較單一物理量判識明顯提升。此外，降水相態(tài)變化還與氣候背景、地理位置等密切相關（隋玉秀等，2015；董偉等，2019；王一頡等，2019；武威和胡燕平，2019；荊浩等，2022；鄭麗娜等，2022）。研究表明，當中低層T925＜2 ℃、T850＜-3 ℃時，有利于丹東地區(qū)在過渡季節(jié)出現(xiàn)降雪，而嚴冬季節(jié)降雪的有利氣溫條件則為T925＜-2 ℃、T850＜-6 ℃（高松影等，2014）；甘肅地區(qū)雨、雪、雨夾雪相態(tài)轉換的地面2 m氣溫指標（T2）分別＞3.0 ℃、＜-1.0 ℃、-1.0～3.0 ℃，在上述前提條件下，當T850≤-3 ℃、T700≤-6 ℃時有利于海拔小于1 500 m地區(qū)出現(xiàn)降雪，而海拔1 500～2 000 m和超過2 000 m地區(qū)降雪的溫度指標分別為T700≤-7 ℃、T700≤-1 ℃（黃玉霞等，2016）；山東內陸地區(qū)當T850≤-3 ℃且T925、T1000、T2均小于0 ℃時有利于雨轉為雨夾雪或雪，而山東沿海地區(qū)925 hPa以下各層則需要更低的溫度，直接降雪時位勢厚度H850-1000、H500-700分別為127～130、252～256 dagpm，而雨轉雪時H850-1000相當，但H500-700增至255～264 dagpm，較直接降雪的閾值偏大3～8 dagpm（鄭麗娜等，2016）。綜上可見，在不同位勢高度下各降水相態(tài)的溫度和位勢厚度閾值表現(xiàn)不同，不同時期、不同海拔高度區(qū)判識閾值也差異明顯。目前降水相態(tài)研究資料主要來源于地面觀測和探空，時空分辨率較低。因此，對復雜地形區(qū)合理劃分區(qū)域和時段，借助高時空分辨率再分析產品，科學探究本地降水相態(tài)精細化預報方法十分必要。

寶雞市位于關中西部（106°E—109°E，33°N—35°N），為“一帶一路”節(jié)點城市，由北部山區(qū)、中部川塬、南部秦嶺地貌組成，復雜地形導致冬半年降水相態(tài)時空差異較大，降水相態(tài)預報的時空分辨率和準確率亟待提高。鑒于此，本文統(tǒng)計分析近10 a地面觀測資料和模式再分析資料，篩選多個關鍵因子，構建分區(qū)、分時段的降水相態(tài)客觀預報判別方法，以期為本地降水相態(tài)精細化客觀預報提供參考。

1 資料和方法

所用資料包括：（1）2010—2019年冬半年（11月至次年3月）寶雞市11個國家氣象觀測站（圖1）逐日（20：00—20：00）降水量、天氣現(xiàn)象、地面氣溫等觀測資料；（2）歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）第五代逐小時再分析資料，空間分辨率0.25°×0.25°，包括不同高度層氣溫和位勢高度，采用雙線性插值方法將格點數(shù)據(jù)插值到站點上，并計算各高度層物理量值。文中附圖涉及的行政邊界地圖基于陜西省自然資源廳標準地圖服務網(wǎng)下載的審圖號為陜S（2021）023號標準地圖制作，底圖無修改。文中時間均為北京時。

圖1 寶雞市海拔高度（彩色填充區(qū)，單位：m）及國家氣象站（圓點）分布Fig.1 The distribution of elevation （color filled areas，Unit： m） and national weather stations （dots） in Baoji City

根據(jù)地形特征，將寶雞市劃分為渭河沿岸中部川塬區(qū)和南北部山區(qū)（圖1），川塬區(qū)國家氣象站（包括渭濱、陳倉、鳳翔、岐山、扶風、眉縣）海拔高度490.8～751.6 m，山區(qū)國家氣象站（包括太白、鳳縣、隴縣、千陽、麟游）海拔高度781.1～1 543.6 m。金臺區(qū)無國家氣象站，故不對其進行討論。選取日降水量大于等于0.1 mm的降水樣本，根據(jù)天氣現(xiàn)象確定為雨、雨夾雪、雪3種相態(tài)。雨（雪）天氣定義為測站24 h內只出現(xiàn)了降雨（雪）一種降水天氣現(xiàn)象，而雨夾雪天氣則定義為測站24 h內至少出現(xiàn)一次雨夾雪或雨雪轉換（包含雨轉雪、雪轉雨、雨雪混合）天氣現(xiàn)象。

2 冬半年降水相態(tài)時空分布特征

圖2是2010—2019年冬半年寶雞市不同降水相態(tài)累計日數(shù)空間分布?？梢钥闯觯涤昀塾嬋諗?shù)川塬區(qū)明顯多于山區(qū)，海拔較低的渭濱、陳倉、岐山、眉縣為高值區(qū)，渭濱最多為154 d，而海拔最高的太白最少為84 d；降雪累計日數(shù)山區(qū)明顯多于川塬區(qū)，海拔較高的太白、麟游為高值區(qū)，太白最多為197 d，海拔最低的眉縣最少為52 d；雨夾雪累計日數(shù)空間差異相對較小，太白、鳳縣、千陽為高值區(qū)，太白最多為42 d，低值區(qū)在川塬區(qū)，眉縣最少為15 d。進一步統(tǒng)計發(fā)現(xiàn)，2010—2019年冬半年川塬區(qū)降雨日數(shù)平均為14.1 d，較山區(qū)多2.6 d，山區(qū)降雪日數(shù)平均為10.0 d，較川塬區(qū)多3.8 d（圖略）?？梢?，寶雞市冬半年降水相態(tài)空間差異明顯，川塬區(qū)降雨較多，山區(qū)降雪較多，這與地理位置、海拔高度密切相關。

圖2 2010—2019年冬半年寶雞市雨（a）、雪（b）、雨夾雪（c）累計日數(shù)空間分布Fig.2 The spatial distribution of cumulative days of rain （a）， snow （b） weather and their mixture weather （c） in the winter half-year from 2010 to 2019 in Baoji City

從近10 a川塬區(qū)和山區(qū)冬半年不同降水相態(tài)日數(shù)占比（與當月降水總日數(shù)的百分比）逐月分布（圖3）可見，川塬區(qū)11月和3月降水相態(tài)以雨為主，日數(shù)占比分別為96.0%和83.6%；12月和2月降雨日數(shù)顯著減少，降雪、雨夾雪日數(shù)明顯增多，其日數(shù)占比分別增至38.7%、16.2%和47.7%、19.3%，雨雪相態(tài)轉換增多與冷空氣活動規(guī)律和強度有關；1月以降雪為主，日數(shù)占比達88.9%。受海拔高度影響，山區(qū)降水相態(tài)分布與川塬區(qū)不同，12、1、2月以降雪為主，日數(shù)占比均大于80.0%；11月和3月不同降水相態(tài)日數(shù)占比差異較小，降雨日數(shù)略偏多，日數(shù)占比分別為50.2%和52.1%，其次是降雪。

圖3 2010—2019年冬半年寶雞市川塬區(qū)（左）和山區(qū)（右）不同降水相態(tài)日數(shù)占比逐月分布Fig.3 The monthly distribution of proportion of precipitation days with different phases in the winter half-year from 2010 to 2019 in Chuanyuan region （the left） and mountainous area （the right） of Baoji City

基于以上分析，可將冬半年劃分為3個時期：川塬區(qū)11月和3月以降雨為主，定義為初冬-冬末時期（降雨日數(shù)占比大于80.0%）；川塬區(qū)12月和2月及山區(qū)11月和3月雨雪轉換天氣增多，定義為雨雪轉換時期（3種降水相態(tài)日數(shù)占比之差小于50.0%）；川塬區(qū)1月和山區(qū)12、1、2月以降雪為主，定義為隆冬時期（降雪日數(shù)占比大于80.0%）?？梢?，冬半年降水相態(tài)預報難點在雨雪轉換時期。

3 冬半年降水相態(tài)識別判據(jù)

箱形圖可以直觀反映一組或多組連續(xù)性變量的離散分布情況，箱體表示80%數(shù)據(jù)，上邊界為90%分位數(shù)，下邊界為10%分位數(shù)，上、下邊緣線為去除異常值后最大和最小值，中位值代表數(shù)據(jù)的平均水平。利用箱形圖篩選關鍵因子，篩選的物理量因子分布越獨立，則對降水相態(tài)的區(qū)分度越好。

采用箱形圖統(tǒng)計11個國家氣象站特定層500、700、850 hPa氣溫（T500、T700、T850），地面2 m氣溫（T2）和地面露點溫度（Td），以及500、700、850、1 000 hPa不同高度層間的位勢厚度（H500-700、H500-850、H500-1000、H700-850、H700-1000、H850-1000）特征，發(fā)現(xiàn)溫度要素中不同降水相態(tài)T2箱體交叉最小、中位值相差大，其次為T850、T700，而位勢厚度中箱體交叉最小的是H850-1000，其次為H700-850，由于山區(qū)太白站海拔高度超過1 500 m，故選取T2、T700、H700-850作為山區(qū)降水相態(tài)判識因子，川塬區(qū)則選取T2、T850、H850-1000進行降水相態(tài)判識。對川塬區(qū)、山區(qū)降水相態(tài)判識因子進一步分析發(fā)現(xiàn)，同一降水相態(tài)下同一地形區(qū)內所有站點的溫度和位勢厚度判據(jù)閾值較為一致。另外統(tǒng)計結果顯示，近10 a冬半年寶雞市川塬區(qū)、山區(qū)降水累計日數(shù)最大值分別出現(xiàn)在渭濱站（238 d）、太白站（323 d），故以渭濱（海拔612.4 m）和太白（海拔1 543.6 m）站分別作為川塬區(qū)和山區(qū)代表站，統(tǒng)計分析3種降水相態(tài)特定層溫度和位勢厚度特征，構建寶雞市不同地形區(qū)冬半年降水相態(tài)識別判據(jù)。

3.1 特定層溫度判據(jù)

分析發(fā)現(xiàn)，渭濱和太白站冬半年各時期雨和雪T2、T850、T700箱體均無重疊，而雨夾雪與雨、雪可能出現(xiàn)重疊。因此3種相態(tài)特定層溫度判識原則是：當3種相態(tài)T2箱體均無重疊時，以雨夾雪T2的最大值、最小值或90%、10%分位數(shù)分別作為雨、雪的單一判據(jù)閾值，雨夾雪的T2閾值則介于雨和雪之間；當雨夾雪與雨、雪T2箱體有重疊時，無法直接判識，需要分類判識。第一類：當雨夾雪與雨、雪T2箱體重疊區(qū)間小于1.0 ℃時，結合不同降水相態(tài)日數(shù)占比逐月分布（圖3），在T2重疊區(qū)間內取當月日數(shù)占比高的相態(tài)；第二類：當雨夾雪與雨、雪T2箱體重疊區(qū)間大于等于1.0 ℃時，結合T850（T700）做進一步判斷，若雨夾雪與雨、雪T850（T700）箱體無重疊，則以雨夾雪T850（T700）的最大值、最小值或90%、10%分位數(shù)作為雨、雪的T850（T700）閾值，若有重疊，則同樣在T850（T700）重疊區(qū)間內取當月日數(shù)占比高的相態(tài)。

渭濱站，初冬-冬末和隆冬時期3種相態(tài)T2箱體均無重疊，可直接判識。初冬-冬末時期［圖4（a）］，以雨夾雪T2的最大值2.9 ℃、最小值0.7 ℃分別作為雨、雪的T2單一判據(jù)閾值，T2介于0.7～2.9 ℃時為雨夾雪；隆冬時期［圖4（c）］，以雨夾雪T2的90%分位數(shù)1.8 ℃、10%分位數(shù)0.7 ℃分別作為雨、雪的單一判據(jù)閾值，T2介于0.7～1.8 ℃時為雨夾雪。雨雪轉換時期［圖4（b）］，降雨時T2箱體為2.1～5.3 ℃，降雪時為-3.6～1.3 ℃，雨夾雪時為0.3～2.5 ℃，雨夾雪與雨、雪均有重疊，需要分類判識。第一類：在雨夾雪與雨的T2箱體重疊區(qū)間2.1～2.5 ℃（區(qū)間差小于1.0 ℃）內，結合不同降水相態(tài)日數(shù)占比逐月分布，該時期降雨概率更大；第二類：在雨夾雪與雪的T2箱體重疊區(qū)間0.3～1.3 ℃（區(qū)間差大于等于1.0 ℃）內，需結合T850做進一步判斷，該時期雨夾雪與雪的T850箱體有重疊，在T850箱體重疊區(qū)間-5.3～-4.2 ℃內降雪概率更大。綜上可見，渭濱站雨雪轉換時期雨、雨夾雪、雪的T2單一判據(jù)閾值分別為2.1 ℃、1.3～2.1 ℃、0.3 ℃，當T2介于0.3～1.3 ℃且T850＞-4.2 ℃（T850≤-4.2 ℃）時為雨夾雪（雪）。

圖4 寶雞市渭濱（a、b、c）和太白（d、e）站2010—2019年初冬-冬末時期（a）、雨雪轉換時期（b、d）、隆冬時期（c、e）不同降水相態(tài)天氣下T2、T850、T700箱形圖Fig.4 The boxplots of T2，T850 and T700 under precipitation weathers with different phases in the early and late winter period（ a），the rain-snow transformation period（ b， d） and midwinter period（ c， e） from 2010 to 2019 at Weibin（ a， b， c） and Taibai（ d， e） stations in Baoji City

同樣地，應用特定層溫度判識原則，得到太白站冬半年各時期不同降水相態(tài)的溫度判據(jù)：雨雪轉換時期，雨、雨夾雪、雪的T2單一判據(jù)閾值分別為2.6 ℃、1.2～2.6 ℃、-0.3 ℃，當T2介于-0.3～1.2 ℃且T700＞-5.4 ℃（T700≤-5.4 ℃）時為雨夾雪（雪）［圖4（d）］；隆冬時期，雨、雨夾雪、雪的T2單一判據(jù)閾值分別為3.8 ℃、-1.1～3.8 ℃、-1.1 ℃［圖4（e）］。

3.2 位勢厚度判據(jù)

根據(jù)靜力學原理，兩層等壓面之間厚度與兩層等壓面的平均溫度成正比（朱乾根等，2007）。為避免中低層大氣平均溫度偏高導致對降水相態(tài)的誤判，增加位勢厚度作為降水相態(tài)判識指標（史緯恒等，2017；陳宏等，2021）。

分析位勢厚度特征發(fā)現(xiàn)，渭濱和太白站冬半年雨和雪H850-1000、H700-850箱體均無重疊，而雨夾雪與雨、雪可能出現(xiàn)重疊，故參照特定層溫度判識原則，結合不同相態(tài)日數(shù)占比逐月分布，確定渭濱和太白站冬半年各時期3種降水相態(tài)的位勢厚度判據(jù)。

從圖5看出，渭濱站，初冬-冬末時期，3種降水相態(tài)H850-1000箱體均無重疊，以雨夾雪的最大值1 307 gpm、最小值1 302 gpm分別作為雨、雪的H850-1000閾值，H850-1000介于1 302～1 307 gpm時為雨夾雪；雨雪轉換時期，降雨時H850-1000箱體為1 308～1 331 gpm，降雪時為1 274～1 303 gpm，雨夾雪時為1 298～1 316 gpm，雨夾雪與雨、雪均有重疊，結合不同相態(tài)日數(shù)占比逐月分布，該時期雨、雪日數(shù)占比均大于雨夾雪，當H850-1000介于雨夾雪與雨的重疊區(qū)間1 308～1 316 gpm時降雨概率更大，當H850-1000介于雨夾雪與雪的重疊區(qū)間1 298～1 303 gpm時降雪概率更大，故以1 308 gpm、1 303～1 308 gpm、1 303 gpm分別作為雨、雨夾雪、雪的H850-1000閾值；隆冬時期，雨夾雪與雨H850-1000箱體無重疊，而與雪完全重疊，這是由于該時期降雪日數(shù)占比大于80.0%，且雨夾雪的10%和90%分位數(shù)（1 296、1 302 gpm）僅相差6 gpm，代表性較差，故以雪的最大值1 310 gpm、雨的最小值1 308 gpm分別作為雨、雪的H850-1000閾值。同樣地，得到太白站冬半年各時期不同降水相態(tài)的位勢厚度判據(jù)：雨雪轉換時期，雨、雨夾雪、雪的H700-850閾值分別為1 551 gpm、1 540～1 551 gpm、1 540 gpm；隆冬時期，雨、雨夾雪、雪的H700-850閾值分別為1 558 gpm、1 529～1 558 gpm、1 529 gpm。

圖5 寶雞市渭濱（a）和太白（b）站2010—2019年冬半年各時期不同降水相態(tài)H850-1000、H700-850箱形圖Fig.5 The boxplots of H850-1000 and H700-850 under precipitation weathers with different phases in each period of the winter half-year from 2010 to 2019 at Weibin （a） and Taibai （b） stations in Baoji City

上述分析可見，不同地形區(qū)的渭濱和太白站冬半年各時期3種降水相態(tài)判據(jù)閾值有一定差異，表明地形導致的溫度差異使得測站出現(xiàn)的降水相態(tài)不同。

4 降水相態(tài)精細化客觀預報方法及檢驗

基于川塬區(qū)和山區(qū)代表站的特定層溫度（T2、T850、T700）與位勢厚度（H850-1000、H700-850）統(tǒng)計特征，得到寶雞市冬半年各時期不同降水相態(tài)客觀定量化識別判據(jù)（表1），結合降水相態(tài)時空分布特征，構建寶雞市冬半年降水相態(tài)精細化客觀預報方法。具體流程（圖6）：通過特定層溫度和位勢厚度判據(jù)分別得出相應的降水相態(tài)，若兩相態(tài)一致，則此相態(tài)預報概率為100%；若兩相態(tài)不一致，則結合不同降水相態(tài)日數(shù)占比逐月分布，選取占比高的相態(tài)為最終預報相態(tài)，預報概率為該相態(tài)的占比。

表1 寶雞市渭濱和太白站2010—2019年冬半年降水相態(tài)識別判據(jù)Tab.1 The identification criterion of precipitation phases in the winter half-year from 2010 to 2019 at Weibin and Taibai stations in Baoji City

圖6 寶雞市冬半年降水相態(tài)精細化客觀預報方法流程圖Fig.6 The flow chart of fine objective forecast method of precipitation phases in the winter half-year in Baoji City

應用該預報方法，對2020年11月至2022年1月冬半年降水過程進行TS（Threat Score）檢驗，計算公式（Schaefer，1990）如下：

式中：NA為降水相態(tài)預報正確時次；NB為降水相態(tài)空報時次；NC為降水相態(tài)漏報時次。TS值越接近于100%，表明降水相態(tài)預報準確率越高。

選取5次大范圍降水過程進行TS檢驗，其中小時樣本數(shù)據(jù)渭濱站82個，太白站76個。檢驗結果（表2）顯示，渭濱站特定層溫度、位勢厚度TS值分別為79%～100%、93%～100%，精細化客觀預報TS值均達100%；太白站特定層溫度、位勢厚度TS值除3月（29%、57%）較低外，其余時段均在80%以上，而精細化客觀預報的3月TS值提升為86%，其余時段為86%～100%。對比太白站降水相態(tài)實況和預報發(fā)現(xiàn)，精細化客觀預報TS值未達到100%的個例均存在雨雪轉換，其中11月和3月初始和最終相態(tài)預報正確，但相態(tài)轉換時間出現(xiàn)1～2 h偏差，2月相態(tài)轉換時間預報正確，但初始相態(tài)預報有誤，后期需要更多樣本進行方法檢驗和改進。綜上可見，降水相態(tài)精細化客觀預報方法在2個代表站的預報效果較單獨使用特定層溫度或位勢厚度預報均有明顯提升。

表2 寶雞市渭濱和太白站2020年11月至2022年1月冬半年降水相態(tài)TS檢驗Tab.2 TS test of precipitation phases in the winter half-year from November 2020 to January 2022 at Weibin and Taibai stations in Baoji City

5 結論

本文通過分析寶雞市近10 a冬半年降水相態(tài)時空分布特征，基于箱形圖確立不同降水相態(tài)客觀定量化識別判據(jù)，構建了冬半年降水相態(tài)精細化客觀預報方法?？傮w上，該方法有效提高了本地降水相態(tài)預報精度，且準確率較單獨使用特定層溫度或位勢厚度預報有明顯提升。主要結論如下：

（1）寶雞市冬半年降水相態(tài)空間分布與地形密切相關，海拔較低的渭河兩岸川塬區(qū)降雨較多，而南北部海拔較高的山區(qū)降雪較多；降水相態(tài)時間分布表現(xiàn)為初冬-冬末（以降雨為主）、雨雪轉換（相態(tài)轉換增多）、隆冬（以降雪為主）3個時期，川塬區(qū)11月和3月以降雨為主，12月和2月雨雪相態(tài)轉換增多，1月以降雪為主；山區(qū)12、1、2月以降雪為主，11月和3月雨雪相態(tài)轉換增多。

（2）T2、T850、T700和H850-1000、H700-850物理量是寶雞市冬半年降水相態(tài)重要判識因子。不同地形區(qū)各時期相態(tài)判識閾值有一定差異，川塬區(qū)渭濱站初冬-冬末、雨雪轉換、隆冬時期雨的T2（H850-1000）閾值分別為2.9 ℃（1 307 gpm）、2.1 ℃（1 308 gpm）、1.8 ℃（1 310 gpm），雪的T2（H850-1000）閾值分別為0.7 ℃（1 302 gpm）、0.3 ℃（1 303 gpm）、0.7 ℃（1 308 gpm），而山區(qū)太白站雨雪轉換、隆冬時期雨的T2（H700-850）閾值分別為2.6 ℃（1 551 gpm）、3.8 ℃（1 558 gpm），雪的T2（H700-850）閾值分別為-0.3 ℃（1 540 gpm）、-1.1 ℃（1 529 gpm），雨夾雪的閾值一般介于雨和雪之間。此外，雨雪轉換時期的相態(tài)判識還需結合T850、T700閾值綜合判斷。

（3）基于寶雞市冬半年不同時期特定層溫度和位勢厚度的降水相態(tài)聯(lián)合判據(jù)，結合降水相態(tài)時空分布特征，構建了冬半年降水相態(tài)精細化客觀預報方法。檢驗發(fā)現(xiàn)，該方法對降水相態(tài)預報效果較單獨使用特定層溫度或位勢厚度有明顯提升，TS值渭濱站達100%，太白站在80%以上，太白站TS值未達到100%的月份均存在雨雪相態(tài)轉換，客觀預報方法對山區(qū)雨雪相態(tài)轉換預報存在一定誤差，后期還需更多樣本進行檢驗和改進。