引言

随着科学技术的发展，短期气候预测方法越来越多，但各种预测方法对同一预测对象进行预测时经常得到不同的结果，根据各种预测方法的历史表现，进行客观集成，已经成为当今气候预测领域的关键技术之一，越来越被人们所重视^[1-9]。集成预测技术是气候模式预测发展的方向之一，为了消除动力气候模式预测的不确定性，现在更加注重多模式的超级集合方法^[10-11]。目前，多数集成预测方法中的成员在集成预测中的权重主要依赖于历史样本统计得出，是静态的、固定的，一般不考虑各成员预测能力在不同季节、不同地域和不同时期的差异，对某一成员采取统一的权重系数，势必影响预测效果，可能导致集成预测性能的不稳定^[12-13]。

本文利用3种预测方法和国家气候中心业务产品共11年的月平均气温(距平)预测结果和评分结果，对陕西3个不同气候区域、不同年份和不同月份，动态地确定各成员在集成预测中的权重，对比分析各种集成预测方法的效果，寻找适合目前气候预测业务现状的动态客观集成预测方法。

1 资料与方法 1.1 资料处理

选取榆林(陕北)、西安(关中)、汉中(陕南)3个气候区域作为研究对象，各气候区域包含的代表气象站：榆林(神木、榆林、横山)，西安(临潼、西安、户县)，汉中(勉县、汉中、洋县)。使用资料：1999年7月至2010年6月3个气候区域逐月平均气温及多年平均值；各种预测方法、国家气候中心和陕西业务产品1999年7月至2010年6月逐月平均气温(距平)预测结果。

评分使用2010年实施的用于国家级和省级短期气候预测质量检验的《短期气候预测质量分级检验办法》中的PS评分方法(见表 1)。2010年前后评分用语及各等级划分标准有所不同(见表 2)，由表 2可知，2010年之前预测月平均气温偏高0.5~1.0℃和2010年之后预测1.0~2.0℃对应的评分用语和等级是一致的，为保证评分的客观性和连续性，对国家气候中心和陕西气候预测业务产品分别作如下处理。

国家气候中心业务产品：(1) 附有月平均气温距平预报图的业务产品，一律按照图中陕西3个气候区域所在位置的颜色和图例读取预测值，并规定气温距平0~1℃取值0.4℃，1.0~2.0℃取值1.4℃，2.0~3.0℃取值2.4℃，-1.0~0℃取值-0.4℃，-2.0~-1.0℃取值-1.4℃，-3.0~-2.0℃取值-2.4℃。(2) 2005年及其以前没有附月平均气温距平预报图的业务产品，根据产品中文字描述，严格按照《中国气象地理区划手册》中一级、二级气象地理区划及其说明给出陕西3个气候区域的预测结果^[14]，并规定气温偏高取值0.4℃，偏高1℃左右取值1.1℃，偏高1℃以上取值1.4℃；气温偏低取值-0.4℃，偏低1℃左右取值-1.1℃，偏低1℃以上取值-1.4℃。

陕西业务产品：规定2010年之前业务产品所附气温距平预测值，正距平(包括距平为0) 统一加0.5℃，负距平一律减0.5℃。2010年及其以后业务产品所附气温距平预测值不变。

1.2 预测方法介绍

多元回归预测(X₁)：利用500和100 hPa高度场以及500~100 hPa厚度场与预测对象之间的高相关区建立多元回归预测模型进行预测，是陕西气候预测业务使用时间最长的方法之一。

月际持续性预测(X₂)：将预测月前一个月的实况距平作为本月的预测值。

年际持续性预测(X₃)：将预测月前一年当月的实况距平作为本月的预测值。

基于EOF的Downscaling方法(X₄)：用全球大气与热带太平洋相耦合的数值模式(couple globe climate model, CGCM)输出的500 hPa高度场作为因子场, 利用建立的预测模型进行预测。

1.3 集成预测方法介绍

集成预测方法共两类6种。第一类，根据预测年之前每种预测方法评分平均值占各种预测方法总分值的比值确定权重，建立集成预测方程，包括使用预测年前10年(Z₁₁)、前5年(Z₁₂)和前3年(Z₁₃)评分平均值确定权重系数3种方法。集成预测方程是动态的，随预测对象、年份、月份的变化而变化。参加集成的成员有11年历史预测结果，Z₁₁得到1年的集成预测结果，表 3和表 4中Z₁₁评估结果使用了集成预测方程对1999年7月至2009年6月的回算结果。Z₁₂, Z₁₃分别得到6年和8年的集成预测结果和评估结果。

第二类，计算预测年之前各种预测方法评分平均值，只选取60.0及其以上的预测方法作为集成成员，根据入选各成员评分平均值占入选各成员总分值的比值确定权重，建立集成预测方程，同样包含使用预测年前10年(Z₂₁)、前5年(Z₂₂)和前3年(Z₂₃)评分平均值确定权重系数3种方法。集成预测方程也是动态的，评估数据情况说明同第一类。如果各种预测方法预测年之前评分平均值都小于60.0，则按照第一类中相应的集成预测方法进行集成。

集成预测方法数学表达式为

${Z_{ij}} = \sum\limits_{k = 1}^4 {{w_{ijk}}{{x'}_k}} $

(1)

${w_{ijk}} = {p_{ijk}}/\sum\limits_{k = 1}^4 {{p_{ijk}}} $

(2)

式(1) 和式(2) 中，i=1，2，为集成预测方法类别；j=1，2，3，为集成预测方法种类；k=1，2，3，4，为集成预测的成员；w_ijk为成员x_k预测结果x′_k在集成预测方程中的权重系数。

i=1，j=1，2，3，即第一类3种集成预测方法Z₁₁，Z₁₂和Z₁₃，p_11k，p_12k, p_13k分别为预测年前10年、前5年和前3年各成员x_k评分平均值，p_ijk取实际计算结果(p_ijk≥0)，也就是说，此类方法各成员预测结果都参加集成预测。

i=2，j=1，2，3，即第二类集成预测方法Z₂₁、Z₂₂和Z₂₃，p_21k，p_22k，p_23k分别为预测年前10年、前5年、前3年各成员x_k评分平均值，当p_ijk≥60.0时，p_ijk为实际计算结果，当p_ijk＜60.0时，规定p_ijk=0，此时w_ijk亦为0，也就是说，此类方法只有评分平均值≥60.0的成员的预测结果才参加集成预测。当各成员p_ijk同时小于60.0时，按照i=1时的情况集成。

本文确定权重使用PS评分，并将评分平均值60.0作为预测方法是否参加集成预测的阈值，考虑了业务考核的需要。权重计算根据实际需求可以使用预测年前10年、前5年和前3年预测与实况距平符号一致率平均值，也可以选用其他检验方法的评估结果，并制定相应的阈值。

1.4 评分方法介绍

本文评分使用2010年实施的《短期气候预测质量分级检验办法》中的PS评分方法，表 1和表 2分别为该方法使用的评分表和评分用语、各等级划分标准。评分使用的月平均气温多年平均值2003年6月以前为1961—1990年数据，2003年6月起为1971—2000年数据。

2 预测业务现状 2.1 各种预测方法预测准确率

X₁近11年全年评分平均值73.6，预测与实况距平符号一致率为68.3%。12个月中，评分较高(≥75.0，下同)的月份有3，4，5，6和9月，预测与实况距平符号一致率较高(≥75.0%，下同)的月份有4，5和6月。

X₂全年评分平均值为70.5，预测与实况距平符号一致率65.4%。评分较高的月份有2，4和7月，预测与实况距平符号一致率较高的月份有2，3，4和7月。

X₃全年评分平均值为70.5，预测与实况距平符号一致率65.9%。评分较高的月份有3和9月，预测与实况距平符号一致率较高的月份有3，4和9月。

X₄全年评分平均值为58.9，预测与实况距平符号一致率为53.8%。

2.2 业务产品预测准确率

国家气候中心业务产品(G_y)：近11年对陕西3个气候区域的预测评分全年平均值为74.6，预测与实况距平符号一致率为73.8%，有较高的预测技巧。评分较高的月份有3，4，6，7，9和11月，预测与实况距平符号一致率较高的月份有3，4，5，6，9和11月。

陕西业务产品(S_y)：近11年全年评分平均值为71.3，预测与实况距平符号一致率为67.4%，有较大提升空间。评分较高的月份有4，5和9月，预测与实况距平符号一致率较高的月份有3，4和5月。

3 集成预测效果分析 3.1 集成预测方法总体效果

表 3给出各种预测方法和业务产品各月评分平均值。由表 3全年评分平均值可知，各种集成预测方法都高于或者等于参加集成的任何一个成员(X₁，X₂，X₃和G_y)，都高于S_y(陕西业务产品)。6种集成预测方法评分平均值比同期4个成员(X₁，X₂，X₃和G_y)评分平均值高4.6，比S_y高5.1。由表 4预测与实况距平符号一致率全年平均值可知，除Z₂₁高于4个成员外，其他5种集成预测方法低于G_y(国家气候中心业务产品)，高于其他3个成员。6种集成预测方法预测与实况距平符号一致率平均值比4个成员平均值高4.7%，比S_y高5.1%。总的来看，各种预测方法、业务产品、集成方法在3，4，5，6，7和9月预测技巧普遍较高，在1，2，8，10，11和12月预测技巧普遍较低，尤其是1，8和10月所有方法和业务产品评分都低于75.0，预测与距平符号一致率都低于75.0%。

从空间分布看，榆林和汉中各种集成预测方法全年评分平均值均高于任何一个成员。6种集成预测方法评分平均值与4个成员评分平均值相比，榆林高5.7，西安高3.9，汉中高4.2；与S_y相比，榆林高5.7，西安高6.5，汉中高3.1；榆林各种集成预测方法预测与实况距平符号一致率全年平均值均高于任何一个成员。6种集成预测方法预测与实况距平符号一致率平均值同4个成员平均值相比，榆林高6.9%，西安高0.4%, 汉中高6.8%；与S_y相比，榆林高7.3%，西安高1.8%，汉中高6.3%。从上述多种评估指标的结果看，榆林集成预测效果最好。

3.2 第一类集成预测方法效果

Z₁₁，Z₁₂和Z₁₃集成效果总体较好。各种集成预测方法全年评分平均值高于任何一个成员，3种集成预测方法评分平均值比4个成员评分平均值高4.4，比S_y高4.8；3种集成预测方法预测与实况距平符号一致率平均值低于G_y，高于X₁，X₂和X₃，3种集成预测方法预测与实况距平符号一致率平均值比4个成员平均值高4.3%，比S_y高4.8%。

从区域分布看，榆林和汉中3种集成预测方法全年评分平均值均高于任何单一预测方法。3种集成预测方法评分平均值与4个成员评分平均值比较，榆林高5.0，西安高3.8，汉中高4.1；与S_y相比，榆林高5.0，西安高6.4，汉中高3.0。榆林3种集成预测方法预测与实况距平符号一致率全年平均值高于任何一个成员。3种集成预测方法预测与实况距平符号一致率平均值同4个成员平均值相比，榆林高6.3%，西安高0.3%, 汉中高6.4%；与S_y相比，榆林高6.6%，西安高1.8%，汉中高5.8%。

3.3 第二类集成预测方法效果分析

第二类集成预测方法效果比第一类好，第二类3种集成预测方法各月评分平均值仅7，8，9和10月低于第一类，其余月份高于或者等于第一类，全年平均高0.5。预测与实况距平符号一致率仅8和10月低于第一类，其余月份高于或者等于第一类，全年平均高0.7%。

从区域分布看，第二类集成预测方法与第一类相比，全年评分平均值榆林高1.2，西安高0.2，汉中高0.1。预测与实况距平符号一致率榆林高1.2%，西安高0.1%，汉中高0.8%。

3.4 3种集成预测方法效果分析

无论是第一类还是第二类集成预测方法，都包含根据预测年前10年、前5年和前3年评分平均值确定权重系数3种方法，研究结果表明使用前10年评分平均值效果最好，但其评估结果使用了回算结果，前5和前3年相比，后者效果更好。其中，Z₂₃全年评分平均值比同期4个成员评分平均值高5.1，比S_y高5.7；预测与实况距平符号一致率比4个成员高6.0%，比S_y高7.6%，推荐首先选择使用。

4 结论

本文选择3个气候区域作为研究对象，优点是各种预测方法历史预测结果和评估结果时间序列较长，可以进行多种动态集成预测方案的对比研究。缺点是可供集成预测研究选择的成员有限，即有较长历史预测结果的客观预测方法较少。

主要研究结论：

(1) 对3种预测方法和国家气候中心业务产品预测结果进行集成预测的结果表明，各种集成预测方法多年评分平均值都高于参加集成的任何一个成员，表现出集成的优势。说明广泛应用于气候模式预测的集成思想和集成预测方法，应用到传统的统计预测方法中，同样能够提高气候预测的技巧。

(2) 第二类集成预测方法总体效果优于第一类。其中Z₂₃效果好、对各种预测方法历史评分时间要求较低，推荐首先选择使用。从区域分布看，榆林集成预测的效果最好。

(3) 国家气候中心业务产品对陕西3个气候区域的预测技巧较高，将其预测结果进行客观化的处理，同X₁，X₂和X₃一起参加集成预测，和将X₁，X₂，X₃和X₄作为成员进行集成预测相比，集成预测技巧明显提高，说明集成预测方法确定后，参加集成各成员的预测能力最终决定集成预测的技巧。

一般认为持续性预测属于无技巧预测方法，本文将其作为参加集成的成员，一是因为其近十多年表现出较高预测技巧，二是它可以提供较长时间历史预测评分结果，让其参加集成，可以对多种集成预测方法效果进行对比分析，验证客观集成预测的效果和重要性。

(4) 动态客观集成预测效果高于陕西同期发布的业务产品，说明在现有条件下陕西月平均气温(距平)趋势预测水平仍有较大的提升空间。跟踪评估各种预测方法和业务指导产品预测能力，挑选能力较强的方法和产品进行客观集成是一种简单易行的方法。

2007年，中国气象局指定陕西8个气象站为全国气候预测质量业务考核站。与3个气候区域相比，针对考核气象站的预测方法更多，客观集成可供选择的范围更大，根据本文研究结论，Z₂₃已经实际应用于8个考核气象站的气候预测业务，有待接受进一步检验。

致谢：国家气候中心李维京研究员提出宝贵修改意见，王娜硕士提供X₄部分预测结果，在此表示衷心感谢。