基于智能网格的灞桥区温度预报检验与订正.pdf

117农业灾害研究 2023,13(7)基于智能网格的灞桥区温度预报检验与订正王一格1，刘延莉2，张宏利2，雷 宇21.西安市气象台，陕西西安 710016；2.灞桥区气象局，陕西西安 710038摘要 基于灞桥区12个区域自动站数据，采用6种滚动订正法，对陕西智能网格气象预报系统DCOEF的2 m气温预报产品进行误差订正。结果表明，6种滚动订正法对DCOEF的2 m气温预报有不同程度订正效果：滑动误差回归订正效果最优，误差回归法和滑动双因子回归法次之；随预报时效延长，滑动双因子回归法较误差回归法和滑动误差回归法稳定性更好。关键词 预报检验；偏差订正；格点温度预报中图分类号：P457.3 文献标识码：B 文章编号：20953305(2023)070117-03随着经济、社会高速发展，站点预报已经无法满足精细预报的需要，针对格点的精细化要素预报成为未来发展方向。由于模式本身在动力框架、参数化过程和方案、初始场等方面存在误差，导致相应的模式预报产品存在不确定性，近年来随着模式不断发展，模式产品的误差在不断减小，但仍未完全消除。在此背景下，对模式产品进行订正释用是提高气温客观预报准确率的重要手段，众多学者利用线性或非线性方法对模式预报产品进行订正。白永清等1分时建立MOS方程能够有效降低夜间的预报误差，将实况最高气温引入卡尔曼滤波方程，提高预报准确率。王婧等2在对比多种订正方法后认为采用滑动双权重平均法对2 m温度的预报订正效果最好。精细化网格预报是中国气象局的主推业务和未来发展方向，陕西省气象局就此现状利用“动态交叉最优要素预报”（DCOEF）建立陕西省基础网格预报场，为网格预报发展提供参考3。在此基础上，王瑾婷等4根据咸阳大风天气特征对大风预报产品进行订正。本研究利用灞桥区12个气象观测站逐3 h数据，采用6种不同误差订正方法，对陕西智能网格气象预报系统（秦智）3 h预报时效2 m气温DCOEF预报产品进行误差订正，并对订正前后的预报结果检验分析，以期为灞桥区2 m气温预报提供参考。1 资料和方法1.1 资料与方法介绍2 m气温模式预报选用秦智00:00和12:00（世界时）起报的3 h预报时效DCOEF产品（空间分辨率33 km），观测数据采用灞桥区12个气象观测站逐3 h数据。从2019年6月130日中截取样本时间。为方便计算比较，将DCOEF产品通过双线性插值法插值到灞桥区12个站点上，并根据灞桥区天气气候和地形特征，将站点分为洪庆山、白鹿原和城区（见表1）。表1 灞桥区12个气象观测站分区信息站号站名分区V8851洪庆老湾吴村洪庆山V8831洪庆山国家森林公园V8823下鲁峪村V8899灞桥区气象局白鹿原V8832白鹿原管委会V8810鲸鱼沟V8824神鹿坊小学城区V8805十里铺斡耳垛小学V8809灞桥区政府V8833洪庆街办V8822滨河中学V8855灞桥生态湿地公园Temperature Test and Rolling Correction Forecast of Baqiao Based on Intelligent Grid ForecastWang Yi-ge et al(Xi an Meteorological Centre,Xi an,Shaanxi 710016)Abstract Based on the data of 12 automatic stations in Baqiao,this paper adopts six temperature rolling correction methods to correct the error of 2m temperature DCOEF forecast product of Shaanxi Intelligent Grid Weather Forecast System.The results show that the six rolling correction methods have different degrees of correction effects on the DCOEF s 2m temperature forecast:the sliding error regression correction has the best correction effect,followed by the error regression correction method and the sliding two-factor regression correction method;the stability of sliding two-factor regression correction method is better than that of the error regression correction method and the sliding error regression correction method with the extension of prediction time.Key words Test of forecast;Deviation correction;Grid temperature forecast作者简介 王一格（1995），女，陕西渭南人，助理工程师，主要从事天气预报预警及气候变化研究。收稿日期 2023-05-10118Journal of Agricultural Catastrophology 2023,Vol.13 No.7为了在有限的资源下获取较高质量预报场，利用滚动误差订正，即在获得t时刻观测场后，及时对未来t+n（n=1,2,3，24 h）时刻预报场进行误差订正。在此设置6种误差订正方案进行回归模拟对比试验5。具体如下：方案1：误差回归订正（bias regression correction，BRC），采用最小二乘回归思路，对t时刻与t+n时刻的观测场与DCOEF预报场误差回归建模，最终得到订正场。Ft+n=Ft+n+b0+b1Et方案2：模式直接输出回归订正（direct model output regression correction，DRC），根据MOS思想，同一时刻的模式预报产品对订正场有决定性作用，采用最小二乘回归思路，对t+n时刻预报场与t+n时刻观测场回归建模。Ft+n=b0+b1Ft+n方案3：双因子回归订正（two-pred-ictor regression correction，TPRC），利用多元线性回归，将t时刻误差与t+n时刻预报场作为预报因子，与t+n时刻观测场回归建模得到订正场。Ft+n=b0+b1Ft+n+b2Et以上三式中，Et为t时刻观测场与DCOEF预报场的误差，Ft+n和Ft+n分别为t+n时刻订正前后的预报场。b0、b1和b2分别为利用最小二乘法建立的模型系数。考虑到模型样本数不足的情形下，由于方案13的模型不随预报时间变化而变化，因而不能较好地反映新因子变化，分别设计与之对应随预报时间滑动的3种模型，即：方案4：滑动误差回归订正（sliding bias regression correction，SBRC）；方案5：滑动模式直接输出回归订正（sliding direct model output regression correction，SDRC）；方案6：滑动双因子回归订正（sliding two-predictor regression correction，STPRC）。鉴于2 m温度具有半日周期、日周期和15 d周期的变化特征，采用15 d 为方案46的滑动周期，检验指标包括平均绝对误差（MAE）、均方根误差（RMSE）以及2 和1 准确率5。1.2 预报检验网格预报能否合理模拟出灞桥区 2 m气温的时空间分布，这在一定程度上决定了该产品的可信度。因此需要检验对比DCOEF的2 m气温预报产品和灞桥区12个气象观测站实况。以00:00起报为例，灞桥区不同区域DCOEF与观测场的MAE、RMSE范围分别为1.41.9 和1.82.4，2 和1 准确率范围分别为0.59%0.75%和0.32%0.46%，其中，DCOEF对城区2 m气温的预报效果最好，白鹿原地区次之，对洪庆山地区的预报偏差最大，说明DCOEF相对于观测场的误差存在明显的区域性差异。进一步评估了不同起报时间、不同预报时效DCOEF对灞桥区2 m气温的预报性能，结果显示DCOEF不同起报时间的检验结果不同：00:00起报的DCOEF相对于观测场的MAE和RMSE随预报时效增加而增加，2 和1 准确率随预报时效增加而减小；12:00起报的DCOEF相对于观测场预报误差随预报时效增加变化不大。综 上 所 述，同 一 起 报 时 间 下，MAE、RMSE、2 和1 准确率的空间分布类似；随着预报时效延长，DCOEF相对于观测场的预报误差逐渐增加，说明DCOEF的2 m气温产品存在一定系统性偏差，能够通过订正方法进行调整改善。2 订正结果与分析2.1 平均绝对误差图1是对灞桥区00:00（12:00）起报的订正场的MAE检验，00:00（12:00）起报DCOEF的MAE为1.2（2.3 ）。从检验结果来看，00:00起报的订正场中，方 案2和 方 案5对36 h（315 h）预报有负订正效果，并随预报时效增加订正效果不稳定性增强；方案1和方案3订正效果较好，尤其在36 h，对应滑动方案4和方案6在924 h订正效果最好。12:00起报的订正场中，方案1和方案4订正效果最优，尤其是方案4在324 h预报时效的MAE降幅在0.7 1.2；方案3和方案6订正效果次之；方案2和方案5在315 h出现负订正效果。综合上述分析可知，基于平均误差分析，方案4订正效果最好，且随着预报时效延长，其稳定性最好。ab图1 00:00（a）和12:00（b）起报的6种订正场及DCOEF的平均绝对误差站点检验对比2.2 均方根误差从检验结果来看，RMSE与MAE的检验结果类似。方案2和方案5在不同起报时间均对短时预报存在负订正效果。方案1的订正效果相对较好，尤其在36 h订正结果为最优；方案3的订正效果在00:00起报条件下与方案1的类似，但在12:00起报条件下，其订正效果不如方案1；在00:00起报条件下，方案4和方案6在924 h的订正效果最好，在12:00起报的订正场中，方案4相较于方案6的订正效果更好，在324 h预报时效的RMSE减小幅度在1.11.4，但随着预报时效延长，方案6的稳定性较方案4更好。整体上，在均方根误差方面，方案4和方案6的订正效果最优，方案1和方案3次之，方案2和方案5较差。2.3 2准确率经计算，不同起报时间的预报场119农业灾害研究 2023,13(7)和订正场的2 平均准确率存在差异（图2）。DCOEF的3 h预报时效平均准确率为0.70%（00:00起报）和0.50%（12:00起报）。从检验结果来看，方案2和方案5对灞桥区2 m温度的订正效果不明显，甚至出现负订正。00:00起报订正场中，方案4和方案6的平均准确率高达0.87%；12:00起报订正场中，方案4平均准确率升至0.80%，方案1（平均准确率0.79%）较方案6（平均准确率0.67%）订正效果更优。整体来看，在2 准确率检验中，方案4对DCOEF不同起报时间的3 h预报时效预报的订正效果最好。ab图2 00:00（a）和12:00（b）起报的6种订正场及DCOEF2准确率站点检验对比2.4 1准确率为进一步比较6种订正方案的订正效果，还计算了DCOEF和订正场1 平均准确率。相较12:00起报，00:00起报的预报场和订正场的1 平均准确率更高（图3）。对比订正场检验结果，方案2、3和5对灞桥区2 m温度的订正效果不明显。00:00起报的订正场中，方案1、4和6的1 平均准确率均超过0.50%，其中方案4的1 平均准确率可达0.60%，订正效果最优，方案6次之；12:00起报的订正场中，方案1、4和6的1 平均准确率较DCOEF提升0.11%0.28%，其中方案4的1 平均准确率超过0.50%，订正效果更优，方案1次之。总体而言，在1 准确率检验中，方案4对DCOEF不同起报时间的3 h预报时效预报订正效果最好，方案1和方案6次之，但随着预报时效增加，方案6相对于方案1和方案4，订正效果更加稳定。ab图3 00:00（a）和12:00（b）起报的6种订正场及DCOEF1准确率站点检验对比3 结论利用灞桥区12个气象观测站的逐3 h数据，采用6种不同的滚动订正方法，对陕西智能网格气象预报系统3 h预报时效的2 m气温DCOEF预报产品进行误差订正，并对订正前、后的预报结果进行检验分析。结果如下：（1）灞桥区DCOEF的2 m气温预报相对于观测场的误差存在区域性差异。同一起报时间，MAE、RMSE、2 和1 准确率的空间分布类似，随着预报时效延长，DCOEF相对于观测场的预报误差逐渐增加，存在系统性偏差，能够通过订正方法调整改善。（2）6种滚动订正方法对DCOEF的2 m气温预报场均有不同程度的订正作用。综合多种指标的检验结果，方案4对DCOEF不同起报时间的3 h预报时效预报订正效果最好，其次是方案1和方案6，二者在不同起报时间订正效果有所不同。但是随着预报时效的延长，方案6的稳定性优于方案1和方案4。需要说明的是，通过滚动订正方法对灞桥区024 h预报时效的DCOEF的2 m气温预报产品有所改善，但仍未充分发挥秦智系统预报性能，后期若结合订正结果建立时滞后法集合预报产品，可能能更好地为基层预报员提供预报产品支撑。参考文献1 白永清,林春泽,陈正洪,等.基于LAPS分析的WRF模式逐时气温精细化预报释用J.气象,2013,39(4):460-465.2 王 婧,徐 枝 芳,范 广 洲,等.GRAPES_RAFS系统2 m温度偏差订正方法研究J.气象,2015,41(6):719-726.3 王建鹏,薛春芳,潘留杰,等.陕西省精细化网格预报业务系统技术方法J.气象科技,2018,46(5):910-918.4 王瑾婷,高萌,刘帆,等.咸阳地区大风天气特征及智能网格大风预报订正J.陕西气象,2022(6):7-14.5 曾晓青,薛峰,赵瑞霞,等.几种格点化温度滚动订正预报方案对比研究J.气象,2019,45(7):1009-1018.责任编辑：黄艳飞