田 笑，余文韜，從 靖，周紅梅

(1.天津市氣象臺，天津 300074；2.江蘇省東臺市氣象局，江蘇 東臺 224200)

引 言

隨著大城市人口快速增長、人民生活質(zhì)量不斷提高，不僅從國家戰(zhàn)略層面還是人民生產(chǎn)生活上，對時間和空間上更為精細(xì)準(zhǔn)確、要素更為多樣化的天氣預(yù)報需求日趨緊迫。現(xiàn)代天氣業(yè)務(wù)的建立和天氣預(yù)報技術(shù)的發(fā)展，也需要實(shí)現(xiàn)天氣預(yù)報精細(xì)化。我國各省氣象臺已全部推行精細(xì)化預(yù)報制作，需要3 d內(nèi)逐小時分辨率的精細(xì)化格點(diǎn)預(yù)報，為了提高預(yù)報準(zhǔn)確率和減小主觀訂正的工作量，精細(xì)化預(yù)報系統(tǒng)需要同樣精細(xì)的氣象要素客觀預(yù)報底板數(shù)據(jù)支撐。

當(dāng)前可以從兩個方面發(fā)展精細(xì)化預(yù)報，一是研發(fā)更高時空分辨率的數(shù)值預(yù)報模式，另一個就是采取降尺度方法。以目前的科學(xué)條件，提升模式的分辨率不僅計算量很大，而且技術(shù)也較復(fù)雜，還做不到任意提高全球或者區(qū)域數(shù)值模式的時空分辨率。降尺度方法可操作性較強(qiáng)、計算量較小，在氣象業(yè)務(wù)單位中更易實(shí)現(xiàn)，因此開展降尺度研究顯得十分重要[1]?，F(xiàn)有的降尺度方法大致可分為統(tǒng)計降尺度法[2-3]和動力降尺度法[4]。建立大尺度預(yù)報因子與小尺度預(yù)報量之間的統(tǒng)計函數(shù)關(guān)系是統(tǒng)計降尺度法的基本思想。其優(yōu)點(diǎn)是不需考慮邊界條件對預(yù)報結(jié)果的影響，能將模式結(jié)果中物理意義較好、準(zhǔn)確率較高的數(shù)值預(yù)報產(chǎn)品應(yīng)用于統(tǒng)計模式，從而減少數(shù)值模式的系統(tǒng)性誤差。相較于動力降尺度法，統(tǒng)計降尺度方法還有計算量較小、可模擬很多非氣象要素場等優(yōu)點(diǎn)，在科研和實(shí)際業(yè)務(wù)中更具可操作性。近年來，統(tǒng)計降尺度法主要集中應(yīng)用在溫度和降水預(yù)報等方面[5-12]?，F(xiàn)有的統(tǒng)計降尺度法大致可分為環(huán)境分型技術(shù)、天氣發(fā)生器和轉(zhuǎn)換函數(shù)法3種[13-14]。前2種方法常應(yīng)用于時間尺度較長的氣候場，而轉(zhuǎn)化函數(shù)法廣泛應(yīng)用在精細(xì)化預(yù)報中。近年來國內(nèi)將統(tǒng)計降尺度方法應(yīng)用于中短期天氣預(yù)報的還不多見，主要集中在對時間尺度較長的未來區(qū)域氣候情景變化的預(yù)估方面。如高紅霞等[15]對華東地區(qū)的月平均氣溫進(jìn)行統(tǒng)計降尺度，發(fā)現(xiàn)四季溫度因子都優(yōu)于環(huán)流因子，預(yù)報因子的區(qū)域選擇對降尺度效果有一定影響，多元線性回歸的統(tǒng)計降尺度方法相較于3種主成分分析法，對單站溫度的年際變化模擬方面有一定優(yōu)勢；范麗軍等[16]采用逐步回歸分析與主分量分析相結(jié)合的多元回歸方法建立華北地區(qū)月平均氣溫統(tǒng)計降尺度模型，發(fā)現(xiàn)統(tǒng)計降尺度處理后的氣溫預(yù)報與觀測值具有很好的一致性，但相比觀測值略微偏低；另外基于卡爾曼濾波類型的自適應(yīng)遞減平均降尺度方案對中國日均氣溫的預(yù)報研究表明，該方法顯著減小了東西部預(yù)報效果差異，并且預(yù)報效果夏季優(yōu)于冬季[17-18]；用BP神經(jīng)網(wǎng)絡(luò)和多元線性回歸兩種降尺度方法對深圳地區(qū)近10 a的日最低、最高氣溫的預(yù)報比較發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本擬合情況要好于多元線性回歸，但檢驗(yàn)樣本的擬合情況卻相反，對最低氣溫的擬合效果好于對最高氣溫的擬合效果，冬季氣溫的模擬效果好于夏季[19]；基于全球交互式大集合(THORPEX interactive grand global ensemble， TIGGE )預(yù)報資料和TRMM/3B42RT合成降雨量資料，對1～7 d的降水預(yù)報進(jìn)行統(tǒng)計降尺度試驗(yàn)，發(fā)現(xiàn)單個中心的預(yù)報場經(jīng)過統(tǒng)計降尺度后，與“觀測場” 的距平相關(guān)系數(shù)明顯提高，并且預(yù)報誤差明顯減小[20]；唐文苑等[12]通過時間滯后集合預(yù)報方法進(jìn)行降水量級訂正，24 h內(nèi)逐小時降水量預(yù)報結(jié)果表明對我國江南南部、華南、西南地區(qū)效果明顯，中小尺度強(qiáng)降水過程的降水系統(tǒng)位置、形態(tài)及降水量級的預(yù)報水平都有明顯提高。

以上研究表明，統(tǒng)計降尺度方法處理后對于降水和溫度的預(yù)報均有明顯提高，但在1～3 d的1 h精細(xì)化預(yù)報方面研究還很缺乏，尤其適用于業(yè)務(wù)應(yīng)用的更少。為進(jìn)一步提高大城市氣象要素精細(xì)化預(yù)報的預(yù)報質(zhì)量，減小預(yù)報員制作預(yù)報過程中的主觀訂正工作量，本文嘗試采用多種統(tǒng)計降尺度方法，結(jié)合近300個自動觀測站資料，探討統(tǒng)計降尺度方法在天津市1 h降水和地面氣溫精細(xì)化預(yù)報中的應(yīng)用。

1 資料與方法

1.1 資 料

所用模式資料為2018年3月1日至11月30日的ECMWF細(xì)網(wǎng)格預(yù)報資料，預(yù)報時效為1～96 h，時效間隔1 h。觀測資料為天津市292個氣象站點(diǎn)的逐小時資料。

1.2 統(tǒng)計降尺度方案

(1)預(yù)處理

為了使時空分辨率保持一致，對預(yù)報資料的空間處理采取雙線性插值法插值，將預(yù)報的格點(diǎn)插值到天津市292個站點(diǎn)上，對預(yù)報資料的時間處理采取普通的線性插值，將預(yù)報的逐3 h資料插值成逐1 h。

(2)降水訂正法

利用頻率匹配法進(jìn)行插值后的誤差訂正。其基本思路是通過計算訓(xùn)練期內(nèi)ECMWF模式預(yù)報不同閾值降水量的訂正系數(shù)，將其應(yīng)用于預(yù)報期的降水量預(yù)報訂正。由于天津汛期在6—8月，為了有足夠的樣本數(shù)而又大致考慮到近期相似的總天氣形勢，降水的訓(xùn)練期選取預(yù)報日的前30 d，預(yù)報期資料為62 d (7月1日至8月31日)。

利用閾值法對頻率匹配法訂正后的結(jié)果再進(jìn)一步減小空報率。對于觀測無雨、模式預(yù)報有雨(一般是少量降水)的格點(diǎn)而言，頻率匹配法無法將降水量消除為零，所以采用閾值法消除空報的樣本。首先，選定某一時刻的某一個格點(diǎn)，列出訓(xùn)練期中該點(diǎn)觀測與預(yù)報的所有降水量,挑選出實(shí)際觀測無雨時對應(yīng)的模式預(yù)報降水量(即空報降水的樣本)，按照降水量從小到大的順序排序；其次，按照一定的百分比設(shè)定一個臨界值，該時刻之后的預(yù)報降水量低于該臨界值就算無雨，降水量為0。

(3)溫度訂正法

CUI等[21]2011年提出了一種具有自適應(yīng)特征的Kalman濾波型的遞減平均統(tǒng)計降尺度技術(shù)，并用該方法對北美集合預(yù)報系統(tǒng)的輸出值做后處理，獲得精細(xì)化預(yù)報產(chǎn)品，取得明顯效果。該方法現(xiàn)已在NCEP的精細(xì)化預(yù)報中實(shí)現(xiàn)了業(yè)務(wù)化應(yīng)用。李莉等[22]和邱學(xué)興等[23]應(yīng)用這種類卡爾曼濾波的遞減平均統(tǒng)計降尺度技術(shù)分別對T213集合預(yù)報產(chǎn)品和T639預(yù)報產(chǎn)品進(jìn)行了誤差訂正研究，取得了較好效果。

本文基于Kalman濾波型的遞減平均誤差統(tǒng)計降尺度技術(shù)對預(yù)報結(jié)果逐點(diǎn)進(jìn)行訂正。

首先，需要計算某一格點(diǎn)訓(xùn)練期內(nèi)每一天模式預(yù)報的誤差；其次，按照一定的權(quán)重迭代將前一時刻的遞減平均誤差計算到下一時刻的遞減平均誤差中：Bt=(1-W)Bt-1+Wbt，Bt是t時刻的遞減平均誤差，W是遞減權(quán)重系數(shù)，bt是t時刻誤差；最后，在下一時刻的模式預(yù)報中扣除通過歷史資料算出的遞減平均誤差。

這樣的自適應(yīng)迭代構(gòu)造遞減平均誤差，不僅突出了模式近期的誤差水平，又反映了一段時間的平均誤差水平。訂正方案實(shí)施中，既要考慮溫度的連續(xù)性又要考慮到溫度的月、季變化，溫度訓(xùn)練期資料選取預(yù)報日的前50 d，預(yù)報期資料為275 d (3月1日至11月30日)。

(4)滑動訓(xùn)練

滑動訓(xùn)練期表示用于建模的資料不固定，通過所需改進(jìn)預(yù)報之前一段時間的預(yù)報資料與觀測資料進(jìn)行訓(xùn)練，得出相應(yīng)的參數(shù)應(yīng)用到原始預(yù)報中，進(jìn)而得出相應(yīng)的訂正預(yù)報。由于不涉及所需改進(jìn)預(yù)報對應(yīng)的觀測資料，該方法可應(yīng)用于資料實(shí)時更新的精細(xì)化預(yù)報系統(tǒng)中，相比于交叉檢驗(yàn)更具有實(shí)際應(yīng)用意義。

1.3 誤差檢驗(yàn)標(biāo)準(zhǔn)

(1)降水檢驗(yàn)

因1 h累計降水量和24 h累計降水量差別很大，所以不能用24 h累計降水的小、中、大雨劃分標(biāo)準(zhǔn)來檢驗(yàn)，這里給出的1 h晴雨預(yù)報、1 h強(qiáng)降水預(yù)報TS評分、1 h降水量預(yù)報平均相對誤差的檢驗(yàn)方法，引用自2021年智能預(yù)報技術(shù)方法競賽檢驗(yàn)方案(1)預(yù)報司.《關(guān)于印發(fā)第八屆全國氣象行業(yè)天氣預(yù)報職業(yè)技能競賽智能預(yù)報技術(shù)方法單項(xiàng)實(shí)施方案的通知》，附件2：智能預(yù)報技術(shù)方法競賽檢驗(yàn)方案，2020年7月。

①晴雨預(yù)報準(zhǔn)確率

晴雨預(yù)報準(zhǔn)確率指降水量閾值為0.1 mm時，無雨和存在有效降水(大于等于0.1 mm)時預(yù)報準(zhǔn)確的站(次)總數(shù)與預(yù)報區(qū)域的總站(次)數(shù)的比值。公式如下：

(1)

式中：NA、NB、NC分別為降水預(yù)報正確、空報和漏報的站(次)數(shù)；ND為無降水預(yù)報正確的站(次)數(shù)。

②強(qiáng)降雨TS評分

強(qiáng)降水預(yù)報TS評分指1 h降水大于等于20 mm時，預(yù)報準(zhǔn)確的站(次)總數(shù)與預(yù)報區(qū)域的總站(次)數(shù)比值。公式如下：

(2)

③降水的平均相對誤差

(3)

式中：Rob為觀測降水量，Rfo為對應(yīng)的預(yù)報降水量。當(dāng)實(shí)況和預(yù)報值都為0時，相對誤差計為0。

(2)溫度檢驗(yàn)

用平均絕對誤差進(jìn)行檢驗(yàn)，公式如下：

(4)

式中：Fi為第i站(次)預(yù)報溫度；Oi為第i站(次)實(shí)況溫度；N為參評站點(diǎn)數(shù)。

文中附圖所涉及地圖基于國家測繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號為GS(2017)1267的標(biāo)準(zhǔn)地圖制作，底圖無修改。

2 統(tǒng)計降尺度在降水精細(xì)化預(yù)報中的應(yīng)用

2.1 對1 h降水預(yù)報的評估

圖1是1～96 h時效1 h累計降水的模式預(yù)報與訂正后的晴雨預(yù)報準(zhǔn)確率對比?？梢钥闯?，ECWMF模式晴雨預(yù)報準(zhǔn)確率隨預(yù)報時效延長呈波動性減小，曲線波動周期約為24 h。頻率匹配法提高了絕大多數(shù)預(yù)報時效的晴雨預(yù)報準(zhǔn)確率，明顯改進(jìn)了降雨預(yù)報技巧，最大改進(jìn)幅度可達(dá)20%以上。訂正后的晴雨預(yù)報曲線也具有隨預(yù)報時效延長呈波動性下降趨勢，且波峰、波谷與訂正前位置基本一致，說明頻率匹配法訂正效果與訂正前預(yù)報的優(yōu)劣有一定的關(guān)系。利用閾值法二次訂正后，晴雨預(yù)報在多個預(yù)報時效有一定提升，提升最大時可超過90%，但是閾值法只針對空報情況，也沒有考慮實(shí)際降水的分布情況，所以閾值法訂正后的晴雨預(yù)報曲線效果和訂正前預(yù)報的優(yōu)劣沒有一定的關(guān)系，且在有些時候會把應(yīng)有的降水訂正成無雨，導(dǎo)致晴雨預(yù)報準(zhǔn)確率反而下降。

圖1 2018年7月1日至8月31日1～96 h時效1 h累計降水的ECMWF模式預(yù)報(藍(lán)線)，頻率匹配法訂正后(紅線)及二次訂正后(綠線)的晴雨預(yù)報準(zhǔn)確率曲線

圖2是1～96 h時效1 h累計降水的模式預(yù)報與訂正后的平均相對誤差對比?？梢钥闯?，和晴雨預(yù)報準(zhǔn)確率類似，ECWMF模式預(yù)報的降水相對誤差曲線隨預(yù)報時效延長具有波動性，相對誤差曲線的波峰(波谷)大致對應(yīng)晴雨預(yù)報準(zhǔn)確率曲線的波谷(波峰)。頻率匹配法對相對誤差的改進(jìn)效果微小，但是經(jīng)過閾值法二次訂正以后，相對誤差明顯下降，說明閾值法對空報現(xiàn)象有較明顯改進(jìn)。

圖2 2018年7月1日至8月31日1～96 h時效1 h累計降水的ECMWF模式預(yù)報(藍(lán)線)及頻率匹配法訂正后(紅線)和二次訂正后(綠線)的平均相對誤差曲線

圖3是1～96 h時效1 h累計降水大于等于20 mm的短時強(qiáng)降雨的模式預(yù)報與訂正后的TS評分對比。整體上看，經(jīng)過頻率匹配法訂正后的TS評分顯著高于模式預(yù)報的TS評分，偶爾也會出現(xiàn)訂正后TS評分下降的時效。TS評分曲線中出現(xiàn)多處TS評分為0或無效值的窗區(qū)，這主要是因?yàn)樾r累計雨量在20 mm 以上量級的降水出現(xiàn)幾率低，并且降雨落區(qū)更難把握，這個特點(diǎn)在降水偏少的華北地區(qū)很明顯[12]。

圖3 2018年7月1日至8月31日1～96 h時效1 h強(qiáng)降水(大于等于20 mm)的ECMWF模式預(yù)報(藍(lán)線)和頻率匹配法訂正后(紅線)的TS評分曲線

2.2 在2018年“安比”臺風(fēng)事件中的應(yīng)用

通過上節(jié)分析可知，頻率匹配法和閾值法訂正后的ECWMF模式降水預(yù)報各項(xiàng)評分都有明顯提高，但是這些評分是基于長時間平均的統(tǒng)計結(jié)果，對降水預(yù)報的評估還需分析一些典型強(qiáng)降水個例的預(yù)報技巧。本文選取一次強(qiáng)臺風(fēng)造成的強(qiáng)降水個例，對模式預(yù)報強(qiáng)降水的技巧進(jìn)行評估。

臺風(fēng)“安比”是1972年以來首個進(jìn)入且直接經(jīng)過天津的臺風(fēng)，天津遭遇建國以來最大臺風(fēng)雨，2018年7月23日20：00(北京時，下同)至24日16：00，天津全市平均降水119.2 mm，市區(qū)平均降雨量179.7 mm，局地雨量最高達(dá) 237.1 mm。

圖4為2018年7月23—24日1～96 h時效1 h累計降水的ECMWF模式預(yù)報與訂正后的晴雨預(yù)報準(zhǔn)確率對比?？梢钥闯觯l率匹配法訂正后，晴雨預(yù)報準(zhǔn)確率在多數(shù)預(yù)報時效都有所提高。經(jīng)過閾值法二次訂正后，準(zhǔn)確率再次提升，與之前類似，閾值法訂正后的晴雨預(yù)報曲線效果和訂正前預(yù)報的優(yōu)劣沒有一定的關(guān)系。

圖4 2018年7月23—24日1～96 h時效1 h累計降水的ECMWF模式預(yù)報(藍(lán)線)及頻率匹配法訂正后(紅線)和二次訂正后(綠線)的晴雨預(yù)報準(zhǔn)確率曲線

從圖5看出，頻率匹配法對模式預(yù)報降水的相對誤差改進(jìn)效果甚微。但是經(jīng)過閾值法二次訂正以后，相對誤差明顯下降?？赡苁悄Ｊ綄?qiáng)系統(tǒng)性降水過程的預(yù)報準(zhǔn)確率較高，相應(yīng)地頻率匹配法的改進(jìn)效果較好但幅度有限，閾值法對一般降水的空報現(xiàn)象有較大幅度的改進(jìn)。

圖5 2018年7月23—24日1～96 h時效1 h累計降水的ECMWF模式預(yù)報(藍(lán)線)及頻率匹配法訂正后(紅線)和二次訂正后(綠線)的平均相對誤差曲線

圖6是7月23—24日1～96 h時效1 h累計降水大于等于20 mm的短時強(qiáng)降雨的模式預(yù)報與訂正后的TS評分對比。由于只訂正了2 d，訓(xùn)練期較短，TS評分曲線中出現(xiàn)更多處TS評分為0或是無效值的窗區(qū)。整體上看，經(jīng)過頻率匹配法訂正后的TS評分明顯高于模式預(yù)報的TS評分，偶爾也會出現(xiàn)訂正后TS評分下降的時效。

圖6 2018年7月23—24日1～96 h時效1 h強(qiáng)降水(大于等于20 mm)的ECMWF模式預(yù)報(藍(lán)線)和頻率匹配法訂正后(紅線)的TS評分曲線

選取天津降水最強(qiáng)時段的預(yù)報效果進(jìn)行評估分析。7月24日06：00降水量實(shí)況[圖7(a)]顯示，降水主體位于天津中南部，呈東北—西南向分布，最大降水中心位于天津市區(qū)，降水量在20～30 mm，次中心位于北部，最大降水量在10～20 mm，個別站降水超過20 mm。對比模式預(yù)報情況，模式預(yù)報降水量級偏小，全區(qū)降水量均低于20 mm，降水主體位于中部范圍，降水空間分布預(yù)報不太準(zhǔn)確，未體現(xiàn)出降水主體形狀，也未體現(xiàn)出薊州北部山區(qū)次大降水中心[圖7(b)]。通過頻率匹配法訂正后，雖然降水主體位置仍存在較小偏差，但是降水量級和主體形態(tài)調(diào)整后與實(shí)況基本吻合；雖然北部山區(qū)降水中心仍未體現(xiàn)，但是北部薊州降水量級提高到了10～20 mm[圖7(c)]。閾值法二次訂正后，4個空報站全部預(yù)報正確，并且也沒有過度訂正[圖7(d)]。

圖7 2018年7月24日06：00降水實(shí)況(a)，ECMWF模式7月22日預(yù)報的34 h時效降水預(yù)報(b)及頻率匹配法訂正(c)和二次訂正(d)后的降水空間分布(單位：mm)

3 統(tǒng)計降尺度在氣溫精細(xì)化預(yù)報中的應(yīng)用

3.1 對1 h氣溫預(yù)報的評估

以溫度預(yù)報的絕對誤差作為衡量預(yù)報效果的指標(biāo)，逐月計算2018年3—11月ECWMF模式1～96 h預(yù)報時效在天津地區(qū)的區(qū)域平均絕對誤差。從圖8看出，由于溫度的連續(xù)性，插值后的溫度絕對誤差曲線也基本連續(xù)順滑，并且絕對誤差隨預(yù)報時效延長呈周期性波動增大趨勢，周期約為24 h。另外幾乎在任何預(yù)報時效內(nèi)都是3月的絕對誤差最大。訂正后的絕對誤差曲線仍具有周期波動性，波峰、波谷位置也與降尺度前基本一致，且絕對誤差越大，訂正后減小越明顯。

春季[圖8(a)] ，3月絕對誤差最大，5月最小。3月9 h 預(yù)報時效以內(nèi)絕對誤差在2 ℃范圍內(nèi)，58 h預(yù)報時效后絕對誤差超過3 ℃，個別時效超過4 ℃；4、5月的絕對誤差幾乎都在3 ℃以內(nèi)，60 h預(yù)報時效以內(nèi)有時還低于2 ℃。另外，春季3、4、5月絕對誤差曲線波動周期內(nèi)的波峰、波谷位置基本一致，說明模式可能對這3個月的溫度預(yù)報性能相似。進(jìn)行統(tǒng)計降尺度后，絕對誤差都有較明顯減小，3月改進(jìn)最大，有時改進(jìn)1 ℃以上。隨著預(yù)報時效延長，改進(jìn)幅度有減小趨勢，5月的87 h預(yù)報時效后有幾個時效降尺度后絕對誤差反而增大。

夏季[圖8(b)]，6月絕對誤差最大，8月最小，且整體的絕對誤差小于春季。7、8月絕對誤差曲線的波峰、波谷位置基本一致，但與6月差別較大，7、8月的絕對誤差多數(shù)在2 ℃以內(nèi)，6月絕對誤差范圍和4、5月一致。說明模式可能對7、8月的溫度預(yù)報性能相似且穩(wěn)定。進(jìn)行統(tǒng)計降尺度后，絕對誤差減小不明顯，最大改進(jìn)幅度只有0.4 ℃，且6月幾乎沒有減小。

圖8 2018年春季(a)、夏季(b)與秋季(c)的1～96 h時效1 hECMWF模式溫度預(yù)報統(tǒng)計降尺度前(虛線)、后(實(shí)線)的平均絕對誤差

秋季[圖8(c)]，ECWMF模式對溫度的預(yù)報情況與春、夏季有所不同，絕對誤差多數(shù)在2 ℃以內(nèi)，雖然誤差曲線仍具有較明顯的波峰、波谷，但與前兩季相比平緩了很多，說明模式的預(yù)報性能基本一致且更加穩(wěn)定。進(jìn)行統(tǒng)計降尺度后，絕對誤差都有了較明顯減小。

3.2 在2018年4月3日降溫事件中的應(yīng)用

選取2018年4月初一次寒潮過程，對模式預(yù)報溫度的技巧進(jìn)行評估。4月2日天津市區(qū)及中南部地區(qū)最高氣溫在30 ℃以上，其中市區(qū)、西青區(qū)和津南區(qū)的最高氣溫達(dá)33 ℃。4月3日白天氣溫大幅下降，市區(qū)白天最高氣溫由2日的33 ℃下降至12.9 ℃，全市最低氣溫下降幅度在8.3～15.4 ℃之間，寶坻、寧河達(dá)到寒潮，其他地區(qū)為強(qiáng)寒潮或特強(qiáng)寒潮。4月4日早晨出現(xiàn)極端最低氣溫(北辰區(qū)-1 ℃)，4月4—6日連續(xù)3 d全市白天最高氣溫均低于10 ℃。此次過程前期先出現(xiàn)了歷史同期極端高溫，后又出現(xiàn)寒潮過程，溫度變化劇烈，預(yù)報難度大，ECWMF模式預(yù)報效果較差。

圖9為ECMWF模式3月31日和4月1日預(yù)報的1～96 h時效內(nèi)逐小時天津地區(qū)2 m氣溫在統(tǒng)計降尺度前后的平均絕對誤差。由于溫度的連續(xù)性，插值后的溫度和溫度絕對誤差曲線也基本連續(xù)順滑，并且絕對誤差隨預(yù)報時效延長呈波動性增大，與業(yè)務(wù)預(yù)報基本一致。進(jìn)行統(tǒng)計降尺度后，絕對誤差都有了較明顯的減小，且減小后的絕對誤差曲線仍具有周期性波動，波峰、波谷位置也與降尺度前基本一致。除了4月3日18：00前后(3月31日預(yù)報71 h時效，4月1日預(yù)報47 h時效)，可能誤差過大超出訂正范圍，可以看出絕對誤差越大，統(tǒng)計降尺度后減小幅度越大，一些時次訂正幅度達(dá)30%以上。也可以看出，模式預(yù)報具有跳躍性，不一定越臨近的預(yù)報越準(zhǔn)確，3月31日預(yù)報的絕對誤差與4月1日相近，一些時次3月31日預(yù)報的誤差甚至更小。同樣，對模式預(yù)報的訂正也是在模式的預(yù)報效果基礎(chǔ)上進(jìn)行，所以也不完全是越臨近預(yù)報的訂正幅度越大。

圖9 2018年3月31日(a)與4月1日預(yù)報(b)的1～96 h時效1 h ECMWF模式溫度預(yù)報統(tǒng)計降尺度前(虛線)、后(實(shí)線)的平均絕對誤差

此次過程4月2日夜間至4月3日全市出現(xiàn)東北風(fēng)5～6級，4月3日白天氣溫大幅下降，白天最高氣溫出現(xiàn)在08：00。圖10為4月3日08：00天津全市溫度分布實(shí)況，3月31日ECMWF模式對該時次的預(yù)報和統(tǒng)計降尺度后的溫度分布和溫度絕對誤差分布?？梢钥闯瞿Ｊ筋A(yù)報和實(shí)況空間分布一致，均是北部和東部較低，中南部較高，市區(qū)最高。但是從絕對誤差分布來看，整體誤差都較大，其中北部、東部誤差較小，中部、東北部和東南部誤差較大，尤其市區(qū)誤差較大，看來北部山區(qū)地形對這次預(yù)報影響較小，而城市效應(yīng)對溫度預(yù)報的影響較大。統(tǒng)計降尺度訂正后，全市大部分地區(qū)絕對誤差下降到2 ℃以下，一半?yún)^(qū)域下降到1 ℃以下，尤其市區(qū)改進(jìn)明顯，并且溫度的空間分布仍和實(shí)況保持一致。

圖10 2018年4月3日08：00天津氣溫分布實(shí)況(a)， ECMWF模式3月31日預(yù)報的4月3日08：00統(tǒng)計降尺度前(b、d)、后(c、e)的氣溫分布(b、c)和絕對誤差分布(d、e)(單位：℃)

4 總結(jié)與討論

(1)對于晴雨預(yù)報準(zhǔn)確率，頻率匹配法和閾值法在絕大多數(shù)預(yù)報時效對其均有明顯提高，頻率匹配法最大改進(jìn)幅度可達(dá)20%以上。對于相對誤差，頻率匹配法的改進(jìn)效果微小，經(jīng)過閾值法二次訂正后，空報現(xiàn)象有較顯著的改進(jìn)。對于1 h降雨量大于等于20 mm的短時強(qiáng)降水，經(jīng)過頻率匹配法訂正后的TS評分有明顯提高。頻率匹配法訂正效果與訂正前預(yù)報的優(yōu)劣有一定關(guān)系，而閾值法沒有明顯聯(lián)系。對2018年“安比”臺風(fēng)事件預(yù)報的檢驗(yàn)分析表明，除具有以上改進(jìn)效果外，從天津降水最強(qiáng)時段的檢驗(yàn)來看，頻率匹配法提高了降水主體形態(tài)和量級的預(yù)報水平，閾值法將空報站預(yù)報正確且沒有過度訂正。

(2)對于2 m溫度的ECWMF模式預(yù)報檢驗(yàn)，其絕對誤差隨預(yù)報時效延長呈波動性增大，3—11月波動周期都是24 h左右，一個周期內(nèi)的波峰、波谷位置在同一個季節(jié)內(nèi)基本一致，不同季節(jié)之間有差異，夏季6月與7、8月差別較大，6月絕對誤差范圍和4、5月一致。秋季絕對誤差曲線的波峰、波谷相較春、夏季更平緩。幾乎在任何預(yù)報時效內(nèi)都是3月絕對誤差最大。通過應(yīng)用Kalman濾波型的遞減平均誤差統(tǒng)計降尺度技術(shù)后，絕對誤差都有不同程度的減小，春、秋季的絕對誤差減小較明顯，3月減小最大，6月幾乎沒有減小?？傮w上，訂正后的絕對誤差曲線仍具有周期性波動，波峰、波谷位置也與訂正前基本一致，且絕對誤差越大，訂正幅度越大。個例分析也表明，訂正后保留了溫度預(yù)報的空間分布準(zhǔn)確性，且絕對誤差有明顯下降。

上述研究結(jié)果雖然表明統(tǒng)計降尺度對降水和溫度預(yù)報的訂正效果較好，但是還有一些不足。例如，數(shù)據(jù)是逐小時數(shù)據(jù)，是對ECWMF細(xì)網(wǎng)格插值處理過的，由于降水具有不連續(xù)性，該插值方法是否最優(yōu)還需進(jìn)一步研究，并且對于不同地區(qū)，插值方法也需進(jìn)行最優(yōu)選取試驗(yàn)。另外，選取預(yù)報時效前一個月的時間段作為訓(xùn)練期，但是對于1 h累計降水，該訓(xùn)練期能不能非常準(zhǔn)確地代表預(yù)報時效內(nèi)降水頻率分布還需要進(jìn)一步研究，對于降水頻率更高、強(qiáng)度更強(qiáng)的江南、華南和西南等地區(qū)，訓(xùn)練期更短、更接近預(yù)報時效可能代表性更強(qiáng)。