針對模式風(fēng)場的格點(diǎn)預(yù)報(bào)訂正方案對比

針對模式風(fēng)場的格點(diǎn)預(yù)報(bào)訂正方案對比曾曉青;薛峰;姚莉;趙聲蓉【摘要】為了將格點(diǎn)觀測融合產(chǎn)品用于模式預(yù)報(bào)產(chǎn)品的滾動(dòng)訂正中,獲得精準(zhǔn)的預(yù)報(bào)效果，使用國家氣象信息中心HRCLDAS(HighResolutionChinaMeteorologicalAdministrationLandDataAssimilationSystem)業(yè)務(wù)系統(tǒng)產(chǎn)生的高頻次格點(diǎn)風(fēng)場融合產(chǎn)品作為實(shí)況資料,采用兩種風(fēng)場模型和8種格點(diǎn)誤差訂正方案,對模式風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行訂正預(yù)報(bào)試驗(yàn),試驗(yàn)選擇歐洲中期天氣預(yù)報(bào)中心10m風(fēng)預(yù)報(bào)產(chǎn)品的2017年1月1日—2月28日以及2017年6月1日—7月31日兩個(gè)時(shí)間段,進(jìn)行了預(yù)報(bào)模擬試驗(yàn),對8種格點(diǎn)誤差訂正方案的訂正結(jié)果進(jìn)行檢驗(yàn),同時(shí)將訂正場插值到站點(diǎn),使用國家級2400個(gè)地面氣象站風(fēng)場資料進(jìn)行站點(diǎn)檢驗(yàn),結(jié)果表明:無論從格點(diǎn)還是站點(diǎn)檢驗(yàn)的平均絕對偏差、準(zhǔn)確率、絕對偏差分布頻率結(jié)果看,采用基于模式和實(shí)況因子的全格點(diǎn)滑動(dòng)建模訂正方案具有最佳的訂正效果.期刊名稱】《應(yīng)用氣象學(xué)報(bào)》年(卷),期】2019(030)001【總頁數(shù)】12頁(P49-60)【關(guān)鍵詞】風(fēng)場釋用;精細(xì)化格點(diǎn)預(yù)報(bào);誤差訂正【作者】曾曉青;薛峰;姚莉;趙聲蓉【作者單位】國家氣象中心,北京100081;國家氣象中心,北京100081;國家氣象中心,北京100081;國家氣象中心,北京100081正文語種】中文引言隨著互聯(lián)網(wǎng)的快速發(fā)展，移動(dòng)互聯(lián)網(wǎng)已融入人們的工作和生活中。人們可以利用智能手機(jī)中的天氣APP(application，應(yīng)用程序)方便地查詢所需天氣狀況和信息，及時(shí)定制或調(diào)整未來活動(dòng)計(jì)劃。其中，風(fēng)的預(yù)報(bào)是精細(xì)化預(yù)報(bào)產(chǎn)品的重要組成部分，也是政府和公眾重點(diǎn)關(guān)注的預(yù)報(bào)要素之一。2022年北京冬季奧運(yùn)會(huì)(簡稱冬奧會(huì))臨近，風(fēng)的預(yù)報(bào)結(jié)果對室外奧運(yùn)比賽至關(guān)重要，大風(fēng)天氣容易導(dǎo)致冬奧會(huì)多項(xiàng)賽事受到影響，如2018年2月14日白天韓國江原道地區(qū)出現(xiàn)平均風(fēng)速為10m?s-1的大風(fēng)，給平昌冬奧會(huì)的賽事運(yùn)營帶來了極大不便。如果能為各機(jī)構(gòu)和公眾提供及時(shí)準(zhǔn)確的風(fēng)場預(yù)報(bào)，將會(huì)降低災(zāi)害風(fēng)險(xiǎn)和損失，提升服務(wù)體驗(yàn)，讓全社會(huì)受益。為了更好地滿足社會(huì)需求和完善氣象預(yù)報(bào)產(chǎn)品結(jié)構(gòu)，同時(shí)推進(jìn)精細(xì)化氣象格點(diǎn)預(yù)報(bào)業(yè)務(wù)與技術(shù)的發(fā)展，將對模式風(fēng)預(yù)報(bào)產(chǎn)品釋用技術(shù)進(jìn)行研究。數(shù)值模式［1］發(fā)展至今，系統(tǒng)誤差依然存在［2-3］。由于地形的復(fù)雜性，數(shù)值模式的近地面風(fēng)場預(yù)報(bào)效果與實(shí)況還有很大差距。數(shù)值模式預(yù)報(bào)結(jié)果訂正能很好解決部分預(yù)報(bào)誤差問題［4-5］。陳豫英等［6］基于聚類天氣分型的KNN(k-nearestneighbor)方法對風(fēng)的預(yù)報(bào)進(jìn)行改進(jìn)。曾曉青等［7］基于T639模式資料對北京地區(qū)20個(gè)站點(diǎn)進(jìn)行風(fēng)向、風(fēng)速的MOS研究表明，采用緯向風(fēng)、經(jīng)向風(fēng)建模的風(fēng)向預(yù)報(bào)較直接對風(fēng)向的建模效果更佳。王彬?yàn)I等［8］提出一種諧波分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的24h短期風(fēng)速數(shù)值預(yù)報(bào)的訂正方法，訂正試驗(yàn)結(jié)果表明：訂正后的風(fēng)速預(yù)報(bào)的系統(tǒng)性偏差下降明顯。石嵐等［9］對與風(fēng)速相關(guān)度高的風(fēng)機(jī)區(qū)域進(jìn)行劃分后，引入測風(fēng)塔的觀測產(chǎn)品進(jìn)行風(fēng)場訂正，對于提高風(fēng)電場風(fēng)速預(yù)報(bào)及功率預(yù)測精度和準(zhǔn)確率具有很好作用。姚日升等［10］通過模糊分型后，選取有代表性的站點(diǎn)建立回歸模型，進(jìn)行風(fēng)速訂正，有—定效果。胡海川等［11］采用歐洲中期天氣預(yù)報(bào)中心(EuropeanCenterforMedium-RangeWeatherForecasts,簡稱ECMWF)3年集合預(yù)報(bào)產(chǎn)品以及沿海88個(gè)站點(diǎn)觀測，基于預(yù)報(bào)眾數(shù)的方法訂正后的6~7級、8~9級風(fēng)速偏小的誤差及TS評分有明顯改進(jìn)，其中72~120h預(yù)報(bào)時(shí)效的8~9級風(fēng)速預(yù)報(bào)的TS評分由0.04增至0.44，能夠有效提高中長期時(shí)效大量級風(fēng)速的預(yù)報(bào)能力。從以往的研究中可以看到，數(shù)值模式的風(fēng)速預(yù)報(bào)結(jié)果訂正后誤差會(huì)有所減小，大部分研究僅關(guān)注風(fēng)速預(yù)報(bào)，同時(shí)訂正風(fēng)速和風(fēng)向的研究報(bào)道較少，同時(shí)過去的研究都是將模式預(yù)報(bào)產(chǎn)品插值到站點(diǎn)上與同時(shí)刻站點(diǎn)實(shí)況建立統(tǒng)計(jì)關(guān)系進(jìn)行站點(diǎn)訂正預(yù)報(bào)。隨著格點(diǎn)化預(yù)報(bào)業(yè)務(wù)的發(fā)展，每日兩次的站點(diǎn)預(yù)報(bào)在空間和時(shí)間精度上已遠(yuǎn)遠(yuǎn)不能滿足業(yè)務(wù)需求。國內(nèi)高分辨率、高頻次的格點(diǎn)觀測融合資料產(chǎn)品已經(jīng)出現(xiàn)。為了將格點(diǎn)觀測融合產(chǎn)品及時(shí)對預(yù)報(bào)結(jié)果進(jìn)行修訂，獲得精確度更高的格點(diǎn)預(yù)報(bào)產(chǎn)品，研究將使用高頻次格點(diǎn)實(shí)況融合產(chǎn)品，采用不同的誤差訂正方案，對ECMWF10m風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行訂正預(yù)報(bào)試驗(yàn)，并對訂正前后的風(fēng)場進(jìn)行檢驗(yàn)，找出最優(yōu)訂正方案。1資料和訂正方案1.1資料10m風(fēng)格點(diǎn)預(yù)報(bào)產(chǎn)品采用ECMWF細(xì)網(wǎng)格資料(簡稱為EC)，模式起報(bào)時(shí)間是08:00(北京時(shí)，下同)，資料覆蓋0~60°N,70°~140°E,時(shí)間分辨率為3h,預(yù)報(bào)時(shí)效0~48h，空間分辨率為0.125°x0.125。。10m風(fēng)格點(diǎn)實(shí)況資料(gridobservation,簡稱GOBS)采用國家氣象信息中心HRCLDAS(HighResolutionChinaMeteorologicalAdministrationLandDataAssimilationSystem)業(yè)務(wù)系統(tǒng)產(chǎn)生的多元融合產(chǎn)品［12-14］，覆蓋0~60°N,70°~140°E,時(shí)間分辨率為1h,空間分辨為0.05°x0.05。。1h的10m風(fēng)站點(diǎn)觀測資料來自2400個(gè)國家級地面氣象觀測站。研究中的訂正場空間分辨率為0.05°x0.05°,需要先用雙線性插值方法將ECMWF風(fēng)預(yù)報(bào)產(chǎn)品插值為0.05°x0.05°網(wǎng)格(directmodeloutput,簡稱DMO)。所有資料均取自2017年1月1日一9月30日1.2訂正方案目前主要的模式釋用技術(shù)都是基于經(jīng)典MOS(modeloutputstatistics)訂正思想[15-16]，在數(shù)值模式未達(dá)到完美、計(jì)算機(jī)速度還有待提高時(shí)，該方法能讓模式預(yù)報(bào)效果變得更加準(zhǔn)確和有效，業(yè)務(wù)自動(dòng)化率大幅提升，減少了預(yù)報(bào)員工作量?；贛OS思想的細(xì)網(wǎng)格風(fēng)預(yù)報(bào)產(chǎn)品訂正將使用DMO與GOBS進(jìn)行逐格點(diǎn)建模，根據(jù)模型對未來24h的風(fēng)場進(jìn)行預(yù)報(bào)。為了消除模型預(yù)報(bào)結(jié)果中的系統(tǒng)誤差，得到誤差更小、準(zhǔn)確率更高的預(yù)報(bào)產(chǎn)品，將利用最新實(shí)況資料作為因子融入預(yù)報(bào)模型，建立多因子格點(diǎn)預(yù)報(bào)模型進(jìn)行訂正預(yù)報(bào)。研究中使用8種訂正方案對ECMWF風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行訂正，具體訂正方案如下。方案1(簡單誤差訂正)：模式風(fēng)預(yù)報(bào)產(chǎn)品存在系統(tǒng)性誤差，為消除這些系統(tǒng)性誤差，根據(jù)式(1)求出t時(shí)刻格點(diǎn)實(shí)況與DMO每個(gè)格點(diǎn)誤差Et，用簡單的誤差訂正方案將誤差訂正到t+n(n=1h,2h,...，24h)時(shí)刻的DMO(式(2))，得到最終訂正場。方案2(加權(quán)誤差訂正)：由于誤差Et對最臨近的預(yù)報(bào)影響最大，隨著預(yù)報(bào)時(shí)效的延長，影響可能會(huì)減弱，需要用權(quán)重來調(diào)節(jié)，將權(quán)重調(diào)節(jié)的誤差訂正到t+n時(shí)刻的DMO(式(3))，得到最終訂正場。權(quán)重是根據(jù)過去31d[17]預(yù)報(bào)檢驗(yàn)進(jìn)行人工調(diào)整得到的固定權(quán)重。方案3(回歸誤差訂正)：由于很多格點(diǎn)誤差變化很大，單一的權(quán)重方案訂正效果可能有限，采用最小二乘回歸的思路對t時(shí)刻的誤差與t+n時(shí)刻的預(yù)報(bào)誤差建模(式(4))，得到權(quán)重系數(shù)(bO,b1)樣本時(shí)間段為過去31d。即誤差的全格點(diǎn)回歸建模，根據(jù)模型回報(bào)得到訂正場。方案1，2，3都是基于實(shí)況的誤差訂正方案，預(yù)報(bào)對象與預(yù)報(bào)因子之間非同時(shí)刻。而使用ECMWF同時(shí)刻的風(fēng)預(yù)報(bào)產(chǎn)品作為因子，根據(jù)式(5)建模，即方案4(MOS訂正)。由于t時(shí)刻的實(shí)況與t+n時(shí)刻的DMO都對訂正結(jié)果產(chǎn)生影響，那么將t時(shí)刻的實(shí)況與t+n時(shí)刻的DMO作為預(yù)報(bào)因子，根據(jù)式(6)建模預(yù)報(bào)后得到最終的訂正預(yù)報(bào)結(jié)果，即方案5(雙因子MOS訂正)。方案6(滾動(dòng)誤差訂正)、方案7(滾動(dòng)MOS訂正)、方案8(雙因子滾動(dòng)MOS訂正)分別與方案3，4，5相對應(yīng)，模型公式采用式(4)、式(5)、式(6)。方案3，4，5中的模型建立完成后，模型不隨時(shí)間而變化，因子選擇和建模方法都完全一致，區(qū)別是方案6,7,8中的模型是隨預(yù)報(bào)日期滑動(dòng)建模，即建模樣本(31d)隨預(yù)報(bào)時(shí)間滑動(dòng)選擇，這樣模型變?yōu)閯?dòng)態(tài)模型。以上8種訂正方案對比見表1。Et=Ot-Yt，(1)(2)(3)(4)(5)(6)其中，Ot是t時(shí)刻的格點(diǎn)實(shí)況，Yt和Yt+n是t時(shí)刻和t+n時(shí)刻的DMO,Et是t時(shí)刻的格點(diǎn)實(shí)況與DMO的誤差，是t+n時(shí)刻的訂正場。W是權(quán)重系數(shù)為0~1。b0,b1,b2是利用最小二乘法建立的模型系數(shù)［18-19］。由于風(fēng)是矢量，研究中使用兩種風(fēng)場建模方案，方案A針對風(fēng)速建模(WS模型),風(fēng)速模型中使用風(fēng)速Yt+n和誤差Et作為因子。方案B針對緯向風(fēng)(u)和經(jīng)向風(fēng)(v)分別建模(UV模型)，使用緯向風(fēng)Yt+n和經(jīng)向風(fēng)Yt+n與實(shí)況的u和v誤差Et作為因子，得到u和v的訂正結(jié)果后，再將u和v轉(zhuǎn)換為風(fēng)速和風(fēng)向。兩個(gè)方案產(chǎn)生了兩種風(fēng)速訂正結(jié)果和一種風(fēng)向訂正結(jié)果，研究中風(fēng)速模型采用方案A，風(fēng)向模型采用方案B。表18種訂正方案對比Table1Comparisonofeightcorrectionmethods方案序號訂正方案模型樣本選擇公式1簡單誤差訂正隨時(shí)間滑動(dòng)(1切式(2)2加權(quán)誤差訂正固定時(shí)間段(31d)式(3)3回歸誤差訂正固定時(shí)間段(31d)式(4)4MOS訂正固定時(shí)間段(31d)式(5)5雙因子MOS訂正固定時(shí)間段(31切式(6)6滾動(dòng)誤差訂正隨預(yù)報(bào)時(shí)間滑動(dòng)(31切式(4)7滾動(dòng)MOS訂正隨預(yù)報(bào)時(shí)間滑動(dòng)(31d)式(5)8雙因子滾動(dòng)MOS訂正隨預(yù)報(bào)時(shí)間滑動(dòng)(31d)式(6)檢驗(yàn)方法采用平均絕對偏差(EMA)和準(zhǔn)確率(A):(7)(8)其中，m是總樣本量，h是絕對偏差在規(guī)定范圍內(nèi)的樣本量，EMA是m個(gè)預(yù)報(bào)樣本與實(shí)況樣本的平均絕對偏差，A是m個(gè)樣本絕對偏差在風(fēng)速2m?s-1或風(fēng)向22.5°以內(nèi)的準(zhǔn)確率。同時(shí)，A也是風(fēng)速在0~1m?s-1,1.1~2m?s-1,2.1~4m?s-1,4.1-8m?s-1,8.1-12m?s-1等范圍和風(fēng)向在0°~22.5°,22.6°~45。,45.1。~90。,90.1。~135。,135.1。~180。等范圍的頻率統(tǒng)計(jì)結(jié)果。2試驗(yàn)與分析預(yù)報(bào)由兩個(gè)試驗(yàn)組成，全面測試風(fēng)場訂正的效果。試驗(yàn)1選擇2017年1月1—31日作為模型樣本，以2017年2月1—28日作為預(yù)報(bào)樣本；試驗(yàn)2選擇2017年6月1—30日作為模型樣本，以2017年7月1—31日作為預(yù)報(bào)樣本。方案6方案7、方案8的模型樣本為預(yù)報(bào)日期前31d的滑動(dòng)樣本。方案2中的權(quán)重采用過去31d預(yù)報(bào)結(jié)果的平均EMA檢驗(yàn)為標(biāo)準(zhǔn)，通過人工調(diào)整權(quán)重直到EMA不再減小，調(diào)整后的權(quán)重為0.98,0.90,0.8,0.7,0.6,0.6,0.7,0.8，不同起報(bào)時(shí)間略有調(diào)整(不影響趨勢)。業(yè)務(wù)中EC在08:00后4~5h可以獲得，6h之后的預(yù)報(bào)產(chǎn)品才真正有實(shí)際預(yù)報(bào)作用，15h后20:00的新預(yù)報(bào)產(chǎn)品產(chǎn)生，因此，針對08:00后6h(14:00)，12h(20:00)分別進(jìn)行未來24h(間隔3h)的訂正預(yù)報(bào)研究將更有意義。圖1和圖2是試驗(yàn)1和試驗(yàn)2中8種訂正場的平均絕對偏差檢驗(yàn)對比，圖3是試驗(yàn)2中8種訂正場的平均準(zhǔn)確率檢驗(yàn)對比，圖4是試驗(yàn)2中8種訂正場的3h預(yù)報(bào)絕對偏差頻率分布。從兩次試驗(yàn)看，DMO風(fēng)速絕對偏差為0.81~1.2m?s-1,風(fēng)向絕對偏差為26。~35。，方案1-83h風(fēng)速預(yù)報(bào)絕對偏差為0.5-0.65m?s-1,平均訂正幅度為42%，風(fēng)向絕對偏差為14°-23°,平均訂正幅度為40%。圖3中，DMO的風(fēng)速準(zhǔn)確率在0.89以下，第24小時(shí)預(yù)報(bào)準(zhǔn)確率減小到0.82,8種方案中，3h風(fēng)速準(zhǔn)確率最高是方案8的0.97和0.95，最低是方案1的0.94和0.91。方案1在3h預(yù)報(bào)之后的準(zhǔn)確率出現(xiàn)了負(fù)技巧。圖3中UV模型14:00起報(bào)的DMO的3h風(fēng)向預(yù)報(bào)準(zhǔn)確率最高0.81,最低減小到0.73附近。圖4中14:00起報(bào)的DMO風(fēng)速絕對偏差為0-1m?s-1,1.1~2m?s-1,2.1~4m?s-1的頻率為0.71,0.18,0.09。方案1-8的風(fēng)速絕對偏差為0-1m?s-1的頻率從0.78增加到0.84,1-2m?s-1的頻率從0.16減小到0.126,2.1-4m?s-1的頻率從0.056減小到0.028。4.1-8m?s-1,8.1-12m?s-1的頻率同樣減小。DMO風(fēng)向絕對偏差為0°-22.5°,22.6°-45°,45.1°-90°的頻率為0.66,0.14,0.11。對于UV模型，方案1-8的風(fēng)向絕對偏差在0°-22.5°的頻率從0.73增加到0.76,22.6°-45°和45.1°-90°的絕對偏差頻率分別從0.125減小到0.117,0.085減小到0.07。其他范圍頻率也同樣減小。但是方案4和方案7的風(fēng)速為0-1m?s-1和風(fēng)向?yàn)?°-22.5°的絕對偏差頻率比其他方案增幅小,同時(shí)其他區(qū)間絕對偏差頻率降幅也比其他方案小，UV模型20:00起報(bào)結(jié)果也保持了同樣的變化趨勢。是由于方案4和方案7建模和預(yù)報(bào)中未使用實(shí)況因子。圖1試驗(yàn)1中8種訂正場的平均絕對偏差檢驗(yàn)對比Fig.1Comparisonofmeanabsoluteerrorfor8correctedresultsinTest1圖2試驗(yàn)2中8種訂正場的平均絕對偏差檢驗(yàn)對比Fig.2Comparisonofmeanabsoluteerrorfor8correctedresultsinTest2續(xù)圖2圖3試驗(yàn)2中8種訂正場的平均準(zhǔn)確率對比Fig.3Comparisonofaveragehitratefor8correctedresultsinTest2圖4試驗(yàn)2中8種方案3h預(yù)報(bào)訂正場格點(diǎn)絕對偏差頻率分布Fig.4Thegridabsoluteerrorfrequencyof8methodsfor3hforecastcorrectedfiledinTest2所有方案對3h預(yù)報(bào)結(jié)果都取得了正技巧訂正效果。隨著預(yù)報(bào)時(shí)效增加，方案1的絕對偏差快速增加，6h后預(yù)報(bào)絕對偏差已超過DMO,準(zhǔn)確率低于DMO,說明直接的誤差訂正在前6h效果明顯。而方案2能將風(fēng)速、風(fēng)向的誤差訂正效果均控制在DMO的絕對偏差之下?？梢钥吹剑鶕?jù)檢驗(yàn)得到的權(quán)重有很好的控制誤差增長的效果。方案3和方案6是方案2的升級，從兩個(gè)試驗(yàn)看，方案3和方案6無論在風(fēng)速和風(fēng)向上都比方案2的絕對偏差明顯減小。在前6h預(yù)報(bào)中，方案4和方案7預(yù)報(bào)效果較方案3和方案6效果差，方案3和方案6的風(fēng)速絕對偏差比方案4和方案7的絕對偏差平均偏小0.1m?s-1,方案3和方案6的風(fēng)向絕對偏差比方案4和方案7的平均偏小4.5°。但在9h以后，方案4和方案7的風(fēng)速風(fēng)向絕對偏差比方案3和方案6的絕對偏差減小明顯，風(fēng)速絕對偏差平均減小0.07m?s-1,風(fēng)向絕對偏差平均減小1.1°。方案5和方案8使用了同時(shí)刻的模式和初始時(shí)刻的格點(diǎn)實(shí)況作為因子，風(fēng)速、風(fēng)向的絕對偏差優(yōu)于上述方案，而方案8的效果更勝一籌。圖5是試驗(yàn)2中8種訂正場和DMO的3h風(fēng)速預(yù)報(bào)絕對偏差分布（14:00起報(bào)，WS模型），中國區(qū)域DMO的絕對偏差大值區(qū)（2~8m?s-1）主要分布在新疆南部和東部地區(qū)（與蒙古交界地區(qū)）、甘肅河西走廊和內(nèi)蒙古地區(qū)，湖南、湖北以及遼寧和黑龍江地區(qū)也有分散的絕對偏差大值區(qū)，如果考慮1~2m?s-1的絕對偏差，除四川南部和云南中西部外，誤差幾乎覆蓋整個(gè)中國，經(jīng)過方案1~8訂正后，風(fēng)速誤差都有很大程度的減小，特別是方案8，華南、華東、華北大部分地區(qū)的風(fēng)速訂正后的誤差基本在1m?s-1以下，但青藏高原、新疆中部和內(nèi)蒙古地區(qū)仍有1~3m?s-1的絕對偏差。風(fēng)向訂正的效果不如風(fēng)速訂正的效果明顯（圖略），訂正后，中國區(qū)域風(fēng)向平均絕對偏差有不同程度的減小，但絕對偏差大值區(qū)域22.6。~135。依然存在較大面積。從兩個(gè)試驗(yàn)的格點(diǎn)檢驗(yàn)結(jié)果看，使用最新實(shí)況作為因子，對3~6h預(yù)報(bào)效果有明顯改進(jìn)，在所有方案中方案8的效果最好。方案8和方案5在所有預(yù)報(bào)時(shí)次的效果都優(yōu)于其他方案，方案4和方案7的3h預(yù)報(bào)較方案3和方案6效果差，6h后預(yù)報(bào)方案4和方案7效果明顯好于方案3和方案6，方案2比方案1有明顯優(yōu)勢，誤差始終低于DMO誤差。試驗(yàn)2的絕對偏差總體上要高于試驗(yàn)1,這是因?yàn)?月為汛期，天氣過程頻發(fā)，所以預(yù)報(bào)難度要高于2月。圖5試驗(yàn)2中8種方案的3h預(yù)報(bào)訂正場和DMO的風(fēng)速絕對偏差分布（14:00起扌報(bào)，WS模型）Fig.5Theabsoluteerrorof3hforecastwindspeedgridfieldinTest2（forecaststartedat1400BT,WSModel）為了更好地與實(shí)況進(jìn)行對比，將格點(diǎn)訂正結(jié)果雙線性插值到2400個(gè)站點(diǎn)上。圖6和圖7是試驗(yàn)1和試驗(yàn)2中8種訂正結(jié)果的站點(diǎn)平均絕對偏差檢驗(yàn)對比，圖8是試驗(yàn)2中8種訂正結(jié)果的站點(diǎn)平均準(zhǔn)確率檢驗(yàn)對比圖，圖9是試驗(yàn)2中8種訂正場的站點(diǎn)3h預(yù)報(bào)絕對偏差頻率分布圖。試驗(yàn)1和試驗(yàn)2的GOBS風(fēng)速8個(gè)時(shí)次平均絕對偏差為0.77m?s-1和0.85m?s-1,風(fēng)向平均絕對偏差為26°和29°,試驗(yàn)2中GOBS風(fēng)速2m?s-1的平均準(zhǔn)確率為0.91,風(fēng)向0。~22.5。的準(zhǔn)確率平均為0.61。實(shí)況格點(diǎn)插值到站點(diǎn)后比站點(diǎn)觀測的誤差小，說明實(shí)況格點(diǎn)產(chǎn)品比較可靠。兩個(gè)試驗(yàn)中，DMO的風(fēng)速8個(gè)時(shí)次平均絕對偏差為1.23m?s-1和1.25m?s-1,風(fēng)向絕對偏差平均為50。和55°，風(fēng)速2m?s-1的平均準(zhǔn)確率為0.80。0。~22.5°風(fēng)向的準(zhǔn)確率平均是0.33°。使用方案1訂正后，風(fēng)速和風(fēng)向的絕對偏差反而增加，準(zhǔn)確率降低，整體效果較DMO差，出現(xiàn)了負(fù)技巧。方案2能很好地避免方案1的缺陷，其訂正效果出現(xiàn)正技巧，風(fēng)速平均絕對偏差比DMO平均降低，但是風(fēng)向的訂正效果不理想，依然是負(fù)技巧。方案3和方案6的預(yù)報(bào)效果幾乎是—致的。圖6中，使用WS模型，14:00起報(bào)的方案3和方案6的3~18h風(fēng)速絕對偏差均低于DMO,其他時(shí)效高于DMO;20:00起報(bào)的3~12h的風(fēng)速絕對偏差均低于DMO,其他時(shí)效均高于DMO?；赨V模型的結(jié)果看，方案3和方案6的3-24h預(yù)報(bào)風(fēng)速絕對偏差都低于DMO,風(fēng)向絕對偏差與DMO基本—致，沒有正技巧。由圖6-8可知，方案4-8在兩個(gè)試驗(yàn)中使用WS模型的站點(diǎn)預(yù)報(bào)效果基本—致，風(fēng)速24h平均絕對偏差為1.06m?s-1,平均準(zhǔn)確率為0.86;使用UV模型的風(fēng)向訂正結(jié)果比DMO有小幅度提升，24h平均絕對偏差為48°,僅比DMO平均提高2°。使用UV模型的風(fēng)速預(yù)報(bào)訂正結(jié)果在不同時(shí)次的站點(diǎn)效果不同，使用UV模型進(jìn)行風(fēng)速訂正后的站點(diǎn)結(jié)果沒有使用WS模型的訂正效果穩(wěn)定。由圖9也可以看到，格點(diǎn)實(shí)況插值風(fēng)速在0~1m?s-1的頻率最高，平均為0.6-0.74,DMO為0.49-0.52，訂正后，方案4、方案5、方案7、方案8的0-1m?s-1絕對偏差頻率增加,2.1-4m?s-1和4.1-8m?s-1的絕對偏差頻率降低。采用UV模型的風(fēng)速絕對偏差頻率提升幅度不大,誤差大的風(fēng)速?zèng)]有得到有效訂正。從兩個(gè)試驗(yàn)的站點(diǎn)檢驗(yàn)結(jié)果看,格點(diǎn)實(shí)況產(chǎn)品較可靠,插值到站點(diǎn)的誤差最小,準(zhǔn)確率最高。方案1的訂正效果最差，除部分3h預(yù)報(bào)時(shí)效外基本上都會(huì)對原始DMO結(jié)果造成負(fù)效果。方案2的訂正效果比方案1有較大改進(jìn)，誤差保持在DMO誤差附近，但沒有正技巧，失去了訂正的意義。方案3和方案6在大部分時(shí)效的訂正效果有較大改進(jìn)，比DMO誤差減小很多，但依然出現(xiàn)負(fù)訂正現(xiàn)象。從方案4、方案5、方案7、方案8的站點(diǎn)檢驗(yàn)結(jié)果看，其訂正效果基本一致，方案7和方案8略微有優(yōu)勢。站點(diǎn)的風(fēng)向訂正效果不是很明顯，訂正難度比較大，另外使用UV模型進(jìn)行風(fēng)速訂正后的站點(diǎn)結(jié)果較使用WS模型訂正效果差，穩(wěn)定性也不好。由于風(fēng)的局地效應(yīng)，雖然使用了5km的格點(diǎn)實(shí)況，但DMO格點(diǎn)預(yù)報(bào)插值結(jié)果與訂正后的插值結(jié)果依然與站點(diǎn)實(shí)況有一定差距。圖6試驗(yàn)1中8種訂正結(jié)果的站點(diǎn)平均絕對偏差檢驗(yàn)對比Fig.6Comparisonofsiteaverageabsoluteerrorfor8correctedresultsinTest1圖7試驗(yàn)2中8種訂正結(jié)果的站點(diǎn)平均絕對偏差檢驗(yàn)對比Fig.7Comparisonofsiteaverageabsoluteerrorfor8correctedresultsinTest2圖8試驗(yàn)2中8種訂正結(jié)果的站點(diǎn)平均準(zhǔn)確率檢驗(yàn)對比Fig.8Comparisonofsiteaveragehitratefor8correctedresultsinTest2續(xù)圖8圖9試驗(yàn)2中8種方案3h預(yù)報(bào)訂正場的站點(diǎn)絕對偏差頻率分布Fig.9Thesiteabsoluteerrorfrequencyof8methodsfor3hforecastcorrectedfieldinTest23結(jié)論與討論研究使用國家氣象信息中心HRCLDAS業(yè)務(wù)系統(tǒng)產(chǎn)生的高頻次格點(diǎn)風(fēng)場融合產(chǎn)品作為實(shí)況資料，采用8種誤差訂正方案，對ECMWF10m風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行訂正試驗(yàn)，試驗(yàn)選擇2017年1月1日—2月28日以及2017年6月1日—7月31日兩個(gè)時(shí)間段進(jìn)行模擬，并對訂正前后的結(jié)果進(jìn)行檢驗(yàn)分析，得到以下主要結(jié)論：1）從格點(diǎn)檢驗(yàn)結(jié)果看，使用最新實(shí)況作為因子，對3~6h的預(yù)報(bào)效果有明顯改進(jìn)，方案8訂正效果最好，方案5次之。從訂正場絕對偏差空間分布看，方案8訂正后，華南、華東、華北大部分地區(qū)的風(fēng)速誤差基本低于1m?s-1,特別是誤差大值區(qū)明顯改善，同時(shí)風(fēng)向誤差也有所減小，但青藏高原、新疆中部和內(nèi)蒙古地區(qū)仍有部分1~3m?s-1的絕對偏差。從站點(diǎn)檢驗(yàn)結(jié)果看，格點(diǎn)實(shí)況插值到站點(diǎn)的風(fēng)速、風(fēng)向誤差最小，準(zhǔn)確率最高。對于風(fēng)速，方案1的訂正效果最差，方案2的訂正效果較方案1有較大改進(jìn)，方案3和方案6在大部分時(shí)效具有訂正正技巧。方案4、方案5、方案7、方案8的訂正效果基本一致，方案7和方案8略有優(yōu)勢。方案8同樣為最優(yōu)。對于風(fēng)向，站點(diǎn)訂正效果有一定提高，但提高幅度不大?？傮w上，基于模式和實(shí)況因子的全格點(diǎn)滑動(dòng)建模(方案8)訂正效果最優(yōu)。試驗(yàn)2的誤差總體上高于試驗(yàn)1，主要原因是7月為汛期，天氣過程頻發(fā)，風(fēng)場變化頻繁，預(yù)報(bào)難度高于2月。由于風(fēng)的局地效應(yīng)，訂正場插值到站點(diǎn)后依然與站點(diǎn)實(shí)況有一定差距，如果開展站點(diǎn)和格點(diǎn)預(yù)報(bào)結(jié)果融合技術(shù),會(huì)取得更好的格點(diǎn)站點(diǎn)一體化預(yù)報(bào)效果。參考文獻(xiàn)【相關(guān)文獻(xiàn)】RichardsonLF.WeatherPredictionbyNumericalProcess.London:CambridgeUniversityPress,ReprintedbyDover,1922：236.張萌，于海鵬,黃建平，等.GRAPES_GFS2.0模式系統(tǒng)誤差評估?應(yīng)用氣象學(xué)報(bào),2018,29(5):571-583.閔晶晶.BJ-RUC系統(tǒng)模式地面氣象要素預(yù)報(bào)效果評估?應(yīng)用氣象學(xué)報(bào),2014,25(3):265-273.黃麗萍，陳德輝,鄧蓮堂，等