引言

随着数值预报和资料同化技术的发展，数值预报准确率越来越高，在天气预报业务中发挥着越来越重要的作用。但由于模式自身的系统误差以及特殊地形和下垫面等的影响，对数值预报产品进行订正释用一直是提高天气预报准确率的重要手段。多年来，气象学家围绕数值预报产品释用技术开展了大量研究，MOS、BP神经网络、卡尔曼滤波等多种技术已得到较好应用(吴君等，2007；漆梁波等，2007；杞明辉等，2003；张华和叶燕华，2003；赵翠光和赵声蓉，2011；闵晶晶等，2010；邱学兴等，2013；李佰平和智协飞，2012)。2001年以来MOS预报方法在业务应用、综合集成预报等方面取得显著进展(刘还珠等，2004；赵声蓉和裴海瑛，2007；李莉和朱跃建，2006；赵声蓉等，2012)，气温、降水等释用产品均在业务中发挥了作用。

结合各地天气气候特点，特别是智能网格预报业务的发展，气温客观预报方法得到了持续改进发展。车钦等(2011)针对极端温度MOS预报中的季节划分问题，通过聚类分析方法以华北地区为例进行试验，提出了一种新的MOS温度预报方程季节分类方式，检验结果表明利用新分类方法制作的极端温度预报的整体效果好于传统的季节划分得到的极端温度预报效果。罗菊英等(2014)将天空状况进行分型后建立地方气温MOS预报模型，结合客观数值模式产品、上级业务部门指导产品以及天气学和诊断进行综合MOS预报，提高了本地天气预报准确率。吴启树等(2016)采用多种训练期方案，对1~7 d的日最高、最低气温进行MOS预报，对比试验结果表明，准对称混合滑动训练期方案优于滑动训练期方案和传统季节固定期分类方案，且2年期优于1年期。该方法显著提高了ECMWF细网格日最高、最低气温预报准确率，有较好的应用参考价值。王婧等(2015)通过四种方法对GRAPES_RAFS的2 m温度预报进行偏差订正，总体都取得较好效果。曾晓青等(2019)采用简单订正和回归相结合的方法进行格点化温度滚动订正预报，订正后温度预报都取得正技巧。薛谌彬等(2019)提出了一种结合滑动双权重平均订正法和空间误差逐步订正法的综合订正技术，通过在江西的试验发现，滑动双权重平均订正法能有效订正ECMWF模式的温度预报，空间误差逐步订正法能进一步提高滑动双权重平均订正法的预报订正质量。

由于数值预报产品的不断增加，多模式集成技术也备受关注且取得较好进展。赵声蓉(2006)利用BP神经网络方法建立了我国600多个站的温度集成预报系统，结果表明，集成的温度预报结果明显优于3个模式单独的预报结果，但在不同地区误差不同。漆梁波等(2007)研究表明，集成多种气温预报的集合预报产品集成好于卡尔曼滤波预报效果。吴振玲等(2014)采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究，通过逐日滚动建立集成预报模型，提高了天津市气温预报准确率。智协飞等(2009；2013；2016)对地面气温进行多模式集成预报研究表明，滑动训练期超级集合预报效果好于固定训练期超级集合，多模式集成的回报效果优于单模式，超级集合极大改善了地面气温的回报效果。林春泽等(2009)基于TIGGE资料，利用超级集合、多模式集合平均和消除偏差集合平均3种方法进行地面气温集成，对2007年进行预报试验表明，超级集合和消除偏差集合平均预报效果好于单个模式和多模式集合平均。对于较长预报时效，消除偏差集合平均预报性能更好。郝翠等(2019)采用最优集合订正方法，通过寻找过去一段时间内的相似个例集合，并对这些个例进行加权平均来实现对误差的订正，提高了北京市日最高、最低气温预报准确率，基本达到预报员主观预报水平。

为支撑智能网格预报业务，近年来山东省气象局先后研发了气温偏差订正、准对称混合滑动训练期MOS预报等系统，2018年开始投入业务运行。为集成不同预报产品的优势，设计提出了一种最优集成预报方法，通过对数值模式气温预报进行订正释用和最优集成，提高气温预报准确率，基本实现了气温预报的客观自动化。本文将对比分析各种方法的预报效果差异，为气温客观预报提供参考。

1 资料

本文使用的资料包括2017—2019年ECMWF细网格模式地面气温整点预报资料及6 h内最高、最低气温资料，产品分辨率为0.125°×0.125°，每日08时和20时(北京时，下同)提供预报产品，预报时效为240 h。72 h内时间分辨率为3 h，72~240 h为6 h，由逐6 h最高、最低气温计算得到模式日最高、最低气温预报。山东WRF中尺度模式2017年72 h内日最高、最低气温预报资料参与对比试验。

实况资料为24 h地面2 m的日最高、最低气温观测资料。参与对比检验的站点包括山东省123个国家级气象观测站，以及298个考核站，参与检验的沿海站为根据山东省海洋气象预报业务划分的12个精细化海区代表站(荣艳敏等，2015；曲巧娜等，2016)。

由于ECMWF细网格模式预报产品数据在到达预报平台时大概滞后6~7 h，为满足预报员业务应用需求，各方法在做实时业务预报时均基于ECMWF细网格滞后12 h的预报产品进行订正释用，即08时客观预报采用ECMWF细网格20时的模式预报产品，20时的客观预报采用ECMWF细网格08时的模式预报产品，实际产品预报时效为9 d。

2 方法 2.1 偏差订正

偏差订正的主要目的是对近期一段时间模式预报的系统误差进行滑动统计，通过对比检验找出最佳滑动训练期，统计训练期内模式预报误差，对模式日最高、最低气温预报进行偏差滑动订正，达到模式日最高、最低气温预报订正的目的。

以山东省1 200个质量较好的地面站为基础，首先采用邻域法获得ECMWF细网格模式站点日最高、最低气温预报产品，采用滑动统计的方法逐日进行气温偏差订正，获得站点气温订正值，再采用邻域法，将站点订正值反馈到周围网格点上，生成山东区域日最高、最低气温智能网格预报产品。

2.2 准对称混合滑动训练期MOS预报

采用吴启树等(2016)提出的准对称混合滑动训练期方法，以山东省1 200个质量较好的地面站为基础，基于ECMWF细网格气温预报产品建立了山东省日最高、最低气温MOS预报方程(以下简称MOS预报)，进行站点日最高、最低气温的1~9 d预报。通过邻域法将站点气温预报值反馈到周围网格点上，生成山东区域1~9 d的日最高、最低气温智能网格预报产品。

2.3 最优集成

在分析不同方法气温预报准确率的基础上，对过去一段时间不同客观预报产品准确率进行滑动统计，采用预报准确率最优方法进行最优集成预报，建立了气温智能网格最优集成预报系统。通过滑动最优集成，选取预报效果最好的产品，达到最优集成的目的。

2.4 检验方法

为便于和中国气象局气温预报业务考核办法相统一，采用2005年中国气象局下发的中短期天气预报质量检验办法(试行)(气发〔2005〕109号)进行气温预报准确率、平均绝对误差检验。其中，气温预报准确率为预报绝对误差≤2℃的日最高(最低)气温预报准确率评分。

3 偏差订正试验及预报效果 3.1 ECMWF与WRF中尺度模式气温预报产品准确率对比

首先，以2017年ECMWF细网格和山东WRF中尺度模式气温预报产品为基础，对ECMWF细网格和WRF中尺度模式的日最高、最低气温预报准确率进行了对比检验和偏差订正试验。山东WRF中尺度模式系统基于Hybrid-3DVAR混合同化系统(盛春岩等，2016；曲巧娜等，2019)，每日08时和20时起报两次，预报时效为72 h。选取15 d作为滑动训练期，分别对ECMWF细网格、山东WRF中尺度模式的日最高、最低气温预报进行偏差滑动订正对比试验。由图 1可以发现，无论是ECMWF细网格还是山东WRF中尺度模式，偏差订正后气温预报准确率均得到提高，ECMWF细网格24 h最高气温偏差订正后预报准确率接近90分，说明ECMWF细网格气温预报存在一定的系统偏差。同时也发现，山东WRF中尺度模式气温偏差订正后准确率也得到较好提高，24 h最低气温订正后预报准确率接近ECMWF细网格预报，但总体上WRF中尺度模式订正后的日最高、最低气温预报准确率仍然低于ECMWF细网格预报。为此，仅基于ECMWF细网格气温预报，建立了日最高、最低气温偏差滑动订正预报系统，自2018年投入业务运行。为保证预报产品的及时性，实时预报系统均采用ECMWF滞后12 h的预报产品进行偏差订正预报。

3.2 偏差订正最优滑动训练期试验

为进一步分析偏差订正对模式气温预报的改进效果，以2017年ECMWF细网格模式预报为基础，进行偏差订正最优滑动训练期试验。分别取过去3、7、10、15、20、25、30、35、40和45 d作为滑动训练期，逐日滑动统计模式的日最高、最低气温预报偏差，进行偏差滑动订正。

由图 2可见，山东省的123个国家气象观测站(图 2a，2b)，不同的滑动训练期对ECMWF细网格模式的日最高、最低气温预报准确率均有显著提高，好于ECMWF细网格模式预报。其中，10 d以内的训练期偏差订正预报准确率略低，10 d以上的滑动训练期偏差订正预报准确率相差不大，均较高。

在沿海地区(图 2c，2d)，偏差订正效果更显著，特别是最低气温预报准确率提高明显。总体而言，3 d的滑动训练期就能有效提高沿海站日最高、最低气温预报的准确率，但是不同的滑动训练期对山东沿海日最高、最低气温预报订正效果存在波动。对沿海最低气温，超过40 d滑动训练期订正效果反而变差。综合山东省和山东沿海预报准确率对比，10~30 d滑动训练期偏差订正效果较好。

4 不同客观方法预报效果对比 4.1 偏差订正与MOS预报对比

为分析不同客观预报方法对数值预报订正能力，对ECMWF细网格预报、偏差订正、MOS预报三种产品2018—2019年的日最高、最低气温预报准确率进行了对比分析。由图 3可以发现，偏差订正和MOS预报较ECMWF细网格预报产品准确率均有提高，但不同年份效果不同。总体而言，4 d内预报订正效果较好，5~9 d准确率提高不明显。其中，MOS预报在2018年预报准确率最高，好于偏差订正和ECMWF细网格预报，但2019年MOS预报未更新方程，准确率下降，总体略高于ECMWF细网格预报，低于偏差订正预报。可见，虽然是同样的方法基于同样的模式进行释用，但不同年份预报准确率有变化。在短期预报时段内，客观预报均表现出较好的订正效果。

图 4为泰山站情况，2018年MOS预报和偏差订正对泰山站日最高、最低气温预报准确率评分大致相当，均显著好于ECMWF细网格预报。2019年，偏差订正依然有较高的准确率评分，MOS预报因未及时重建方程准确率显著下降，虽然好于ECMWF细网格预报，但准确率较2018年明显降低。

上述分析表明，不同的客观预报产品对不同地区、不同时段的预报准确率是有差异的。为进一步分析各产品预报准确率差异，下面将对ECMWF细网格、MOS预报、偏差订正三种预报在山东省不同地区的预报情况进行对比分析。

4.2 不同地区最优预报产品对比分析

为进一步分析不同预报产品的准确率，以山东省123个国家气象观测站(含泰山站)20时日最高、最低气温预报为基础，对ECMWF细网格、MOS预报、偏差订正三种客观预报产品72 h内的日最高、最低气温最优预报站次数进行了统计。最优站次统计包括预报准确率和预报误差最小率，正确站次数的百分比为预报准确率，绝对预报误差最小站次数百分比为预报误差最小率，分别统计三种预报产品在山东省123个国家气象观测站预报准确率及预报误差最小率。由表 1、表 2可见，三种客观预报产品准确率均在70%以上，按照预报误差最小率，2018年日最高、最低气温预报较好的为MOS和偏差订正，均高于ECMWF细网格预报。2019年日最高、最低气温预报最优的产品为偏差订正，明显高于其他两种产品，其次为MOS预报，略好于ECMWF细网格预报。同时可以发现，虽然ECMWF细网格模式气温预报产品准确率相对较低，但其预报误差最小率仍然占21%~33%，也就是说，有21%~33%的预报是ECMWF细网格预报误差最小。这一结果表明，三种客观预报产品准确率虽然各有高低，但每种预报产品都有预报最优的情况，没有哪一种产品具有绝对预报优势。

为进一步分析不同地区不同客观产品预报准确率，分别对2018年和2019年山东省123个国家气象观测站单站的日最高、最低气温预报准确率最优产品分布进行统计，由图 5和图 6可见，虽然采用了不同的客观释用方法，对日最高气温预报ECMWF细网格仍有较好的预报效果，表现在24~48 h鲁西北和鲁西南平原、半岛内陆等地日最高气温预报准率最优产品均为ECMWF细网格，2018年鲁中山区以偏差订正预报较好，其次为MOS预报。2019年，ECMWF细网格对日最高气温预报最优的地域与2018年类似，72 h ECMWF细网格产品预报最优的范围进一步扩展到鲁中部分地区，可以认为，除泰山大地形附近，大部分地区日最高气温预报准确率最高的产品为ECMWF细网格，偏差订正预报在鲁中和鲁南部分地区预报最好。

对日最低气温预报，ECMWF细网格预报最优的站次数明显减少，2018年大部分地区日最低气温预报最优产品为MOS预报，2019年24~48 h日最低气温预报最优的产品主要为偏差订正，鲁南少部分地区最优预报产品为ECMWF细网格，72 h ECMWF细网格产品预报最优的站数有所增加。这一结果表明，不同年份ECMWF细网格模式自身的预报准确率也在变化，2019年ECMWF细网格在72 h的气温预报能力明显增强。

由此可见，不同地区、不同年份适合的客观预报产品不同。鉴于不同预报产品各有优势，为此设计提出了一种最优集成预报方案，以期动态获取最优预报产品，实现对多种客观预报产品的最优集成预报。

5 最优集成及效果检验

本文设计提出的最优集成预报方法主要是基于不同的客观预报产品进行动态预报选优，根据不同客观产品在近期的预报表现选择适合每个站当前气候背景的预报产品，达到集成不同客观预报产品优势的目的。基于ECMWF细网格、MOS预报、偏差订正三种客观预报产品日最高、最低气温预报，逐日逐站滚动统计过去一段时间(7~30 d)预报准确率最优的产品，选取预报最优产品进行最优集成预报。图 7给出了2018年和2019年三种客观预报产品最优集成预报准确率评分，可以发现，对于1~9 d的日最高、最低气温预报，无论MOS预报最高，还是偏差订正最高，经最优集成后，最优集成的预报准确率均能达到最高。

为进一步分析最优集成的效果，我们对三种客观预报产品及最优集成产品对山东省298个考核站日最高、最低气温预报准确率进行统计分析。由图 8可以发现，ECMWF细网格产品对298个考核站日最高、最低气温预报准确率明显低于国家站。2018年，MOS和偏差订正对ECMWF细网格产品预报订正能力较好，预报准确率显著高于ECMWF细网格产品。2019年，偏差订正预报准确率显著高于ECMWF细网格和MOS预报，MOS预报准确率略高于ECMWF细网格预报。经过最优集成后，1~9 d的日最高、最低气温的最优集成预报准确率均达到最高，好于单个客观预报产品，表明该集成方法可以较好地综合不同客观预报产品的优势，达到最优集成的目的。

6 结论

基于ECMWF细网格模式预报产品，采用气温预报偏差订正、准对称混合滑动训练期MOS预报和最优集成预报相结合的方法，建立了山东省气象局气温智能网格客观预报系统，通过对不同模式和不同客观方法预报准确率对比分析，可以得出以下结论：

(1) ECMWF细网格模式对山东省日最高、最低气温预报准确率较高，好于山东WRF中尺度模式预报，且ECMWF细网格气温预报存在一定的系统偏差，通过10~30 d的偏差滑动订正可以较好提高模式短期气温预报准确率。

(2) 基于ECMWF细网格的日最高、最低气温偏差滑动订正在短期内订正效果较显著，对考核站和鲁中山区订正效果尤其明显，对最低气温订正效果好于最高气温。采用准对称混合滑动训练期MOS预报方法可以显著提高气温预报准确率，但不同的客观预报方法预报效果不尽相同。

(3) 基于不同的客观预报产品在不同地区、不同季节预报准确率的差异，采用动态最优集成的方法进行最优集成预报，可以集成不同客观方法的预报优势，在多种客观预报产品的基础上再次提高预报准确率，达到最优集成的目的。