張祖蓮 毛煒嶧 張山清 王命全 唐 冶 艾代吐力·木沙江 吐爾公·玉素甫

1 中國氣象局烏魯木齊沙漠氣象研究所，烏魯木齊 830002

2 新疆興農(nóng)網(wǎng)信息中心/新疆農(nóng)業(yè)氣象臺，烏魯木齊 830002

3 新疆教育管理信息中心，烏魯木齊 830049

4 新疆氣象臺，烏魯木齊 830002

提 要： 選用中國氣象局下發(fā)的0.05°×0.05°的氣溫格點預報指導產(chǎn)品和陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)逐時氣溫實況數(shù)據(jù)資料，設(shè)計了三種基于平均濾波的溫度智能網(wǎng)格預報訂正算法，對2019年4—5月北疆平原地區(qū)逐日20時起報的未來240 h的逐3 h氣溫預報產(chǎn)品進行訂正，并對比分析檢驗三種訂正后產(chǎn)品和下發(fā)的指導預報共四種產(chǎn)品的預報效果。結(jié)果表明：經(jīng)過三種濾波訂正后，氣溫和霜凍預報準確率及穩(wěn)定性明顯提高。在分時效檢驗結(jié)果中，三種訂正產(chǎn)品較原指導預報產(chǎn)品的氣溫均方根誤差分別減小了0.79、0.85、0.88℃，氣溫預報準確率分別提高了6.11%、6.38%、6.46%，霜凍預報準確率分別提高了3.00%、5.81%、7.31%，霜凍逐24 h持續(xù)時間預報均方根誤差降低了4.21、4.41、4.35 h。在分區(qū)域檢驗結(jié)果中，三種訂正產(chǎn)品較原指導預報產(chǎn)品的氣溫均方根誤差分別降低了0.66、0.71、0.90℃，氣溫預報準確率分別提高了5.7%、6.1%、6.1%，霜凍預報準確率在準噶爾盆地東南部海拔高度600～1200 m區(qū)域提高明顯，分別提高了2.5%、4.8%、5.4%，其他霜凍區(qū)域提高不明顯。霜凍逐24 h持續(xù)時間預報均方根誤差平均降低了0.81、0.63、0.56 h。相較而言，最優(yōu)集成算法的訂正預報效果最好。

引 言

春季霜凍是指在農(nóng)作物生長季節(jié)里，地面和植物表面溫度短時間下降到足以引起農(nóng)作物遭受傷害或者死亡的低溫(沙曉梅等，2021；翟穎佳等，2019)，霜凍持續(xù)時間越長，農(nóng)作物受害程度越嚴重。北疆春季霜凍頻發(fā)，該地區(qū)種植的玉米、小麥、棉花、林果等對霜凍非常敏感(張磊等，2014)。

做好霜凍預報的前提是提高溫度預報的準確率，合適的訂正算法可以有效提高溫度預報準確率。溫度訂正主要考慮全區(qū)域的訂正效果，而霜凍預報主要考慮氣溫達到霜凍域值區(qū)域的預報準確率，通過對比預報產(chǎn)品的預報效果，進而選出對氣溫和霜凍預報效果最好的算法。國內(nèi)眾多學者對溫度客觀預報方法做了大量研究工作，戴翼等(2019)采用一元線性回歸以及克里金插值對ECMWF細網(wǎng)格模式的溫度預報進行訂正，訂正后溫度預報能力有顯著提升；曾曉青等(2019)采用全球模式2 m溫度預報場資料，使用8種誤差訂正方案進行滾動訂正預報試驗，結(jié)果顯示滑動誤差回歸模型的檢驗評分略好于全格點滑動雙因子回歸模型；王丹等(2019a；2019b)采用一元線性回歸法和基于ECMWF細網(wǎng)格遞減平均法兩種方法對氣溫預報誤差進行訂正，兩種方法都顯著地提高了日最高(低)氣溫的預報準確率；岳慧欣等(2021)對葡萄主產(chǎn)區(qū)春霜凍災害發(fā)生日數(shù)、頻率、站次比以及致災危險性進行分析，為災害防御工作提供依據(jù)；陳豫英等(2019)和潘留杰等(2022)利用Kalman濾波的方法對最低氣溫和霜凍、降水預報產(chǎn)品進行檢驗；彭九慧等(2016)采用概率、指標、數(shù)值預報產(chǎn)品相結(jié)合的方法及概率區(qū)間取值法建立了分縣區(qū)初霜預報模型；賈麗紅等(2018)和韋青等(2020)采用遞減平均訂正法、集合平均法和加權(quán)集合平均法，結(jié)果表明加權(quán)集合平均法優(yōu)于集合平均法，先訂正后集合方案優(yōu)于先集合后訂正方案；張鑫等(2021)利用北疆37個地面氣象站逐日最低氣溫觀測資料，分析北疆地區(qū)初、終霜日和霜期的時空演變特征。上述這些溫度預報方法均基于國家級觀測站預報資料進行的研究。新疆總面積為166.49萬km2,占全國土地面積的六分之一，是我國面積最大的省份，且地形地貌復雜，氣候類型多樣。而全疆僅有105個固定國家基本氣象站，顯然傳統(tǒng)的固定站點預報無法滿足精細的時間和空間信息的氣象農(nóng)業(yè)服務(wù)需求，目前，無縫隙精細化網(wǎng)格氣象預報已經(jīng)成為國際主流趨勢(金榮花等，2019)，因此，智能格點霜凍預報是農(nóng)用天氣預報實際業(yè)務(wù)和服務(wù)中迫切需要的預報產(chǎn)品。2019年5月14—18日，天山北坡局地出現(xiàn)寒潮和不同程度霜凍，對當?shù)剞r(nóng)業(yè)生產(chǎn)造成不利影響。本文利用智能網(wǎng)格預報的精細化技術(shù)優(yōu)勢，將準確的春季霜凍預報精確到田間地頭，為農(nóng)戶及早安排防御措施提供技術(shù)保障。

農(nóng)業(yè)生產(chǎn)中非常需要春季精確的中期霜凍預報，空間上可以精確到田間地頭，時間上可以分析給出霜凍當天氣溫≤0℃的持續(xù)小時數(shù)，能夠更好地為霜凍災害防御提供支持。智能網(wǎng)格精細化溫度預報方法中，Kalman(1960)應用最為廣泛，本文使用平均濾波，借鑒Kalman(1960)的思想，使用較短時間的模式歷史結(jié)果就能進行模式誤差訂正，本文設(shè)計了三種平均濾波訂正方案，對北疆地區(qū)春季逐3 h氣溫的智能格點預報產(chǎn)品進行訂正和檢驗，嘗試尋找預報效果相對較好，能夠支持實時霜凍預報的訂正算法，以期提高春季霜凍預報水平。

1 資料和方法

1.1 資 料

北疆春季影響農(nóng)作物的霜凍出現(xiàn)在4—5月，采用2019年4—5月的溫度資料為檢驗對象。研究區(qū)域為新疆北部平原地區(qū)(農(nóng)牧業(yè)所在區(qū)域)，如圖1中填色區(qū)域。區(qū)域所處范圍為42.25°～49.20°N、79.85°～96.5°E，研究區(qū)域內(nèi)共計13 888個格點，其中發(fā)生霜凍區(qū)域的格點為7082個。

圖1 北疆平原示意圖

預報產(chǎn)品選用中國氣象局下發(fā)的0.05°×0.05°的溫度格點預報指導產(chǎn)品(簡稱XJ)， 每日20時(北京時，下同)起報未來240 h的逐3 h氣溫格點預報(GRIB格式)。實況資料選用中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS-V2.0)(簡稱CLDAS)小時實況數(shù)據(jù)產(chǎn)品(0.05°×0.05°，GRIB格式)，該實況產(chǎn)品是由地面、衛(wèi)星等多源資料融合分析而成。

1.2 訂正原理

首先選取研究區(qū)域2019年4—5月氣溫格點預報指導產(chǎn)品240 h逐3 h溫度的氣溫格點預報，與CLDAS逐時格點實況資料溫度對應。預報資料和實況資料空間分辨率均為0.05°×0.05°，訂正關(guān)鍵是匹配預報時效和實況值。平均濾波算法(薛諶彬等，2019；尹姍等，2020；肖瑤等，2020)的思路是：使用可獲取的最新實況資料不斷對格點預報產(chǎn)品的預報誤差更新，從而更新當天預報時刻的誤差估算值，訂正后得到新預報值。誤差訂正步驟如下：

(1)格點在預報日期d的預報時效誤差估算值:

bd=fd-ad

(1)

式中：bd為預報誤差值，定義為該格點在預報日期d的預報值fd與對應實況值ad的誤差，bd是隨預報時效變化的。

(2)確定模式預報誤差:

(2)

式中：Bd為平均模式預報誤差偏差估算值，是該格點預報日期d的前n天實況對應的預報時效模式預報誤差平均值。

通過對2019年4—5月該模式預報產(chǎn)品取不同n值計算偏差訂正值研究表明，選擇合適的n可以確定最優(yōu)的誤差偏差訂正值，極大地提高了預報準確率。

為獲取最優(yōu)預報誤差偏差訂正值，共設(shè)計了三種濾波誤差訂正方案，其中n的取值通過前期研究并參考張祖蓮等(2021)對溫度訂正的取值。

方案1(簡稱KM1)，n=6，針對每個格點的不同預報時效的偏差估算值分別按式(2)計算更新偏差訂正值。針對每個格點的不同預報時效的偏差估算值分別按式(2)計算更新偏差訂正值。例如，對于3 h氣溫預報的訂正，利用距起報日最近6 d的3 h氣溫預報結(jié)果與對應日期的實況進行誤差分析，將6 d預報誤差的平均值作為訂正偏差。對未來6 h的最低氣溫訂正的方法類似，選取距起報日最近6 d 的6 h預報時效的氣溫預報結(jié)果與對應實況進行誤差分析，確定偏差訂正值，直到240 h的預報時效氣溫的訂正均采用此方式處理。每天針對每個格點的不同預報時效的訂正偏差均采用這種滑動方法計算更新偏差訂正值。

方案2(簡稱KM2)，n=10，整體思路過程與KM1方案相同。

方案3(簡稱KM3)，稱為集成訂正算法，基于KM1與KM2的訂正結(jié)果，以絕對誤差為判據(jù)，將KM1或KM2方案中誤差較小的方案作為集合分析后的KM3方案訂正值，每個格點的每個預報時效內(nèi)的訂正偏差均以此過程來確定。

(3)模式預報誤差訂正:

Fd=fd-Bd

(3)

利用獲得偏差估算值Bd對最新格點預報fd進行誤差訂正。格點預報誤差訂正過程是針對不同預報時效和所有格點進行的。

1.3 霜凍逐日持續(xù)時間預報

霜凍逐24 h平均持續(xù)時間預報：

(4)

霜凍逐24 h平均持續(xù)時間預報誤差：

WC=DF-sk

(5)

式中:DF為霜凍逐日持續(xù)時間預報值，NF為預報時效內(nèi)預報達到霜凍指標的總次數(shù)，NG為預報時效內(nèi)達到霜凍指標的格點(天)數(shù)，sk為CLDAS數(shù)據(jù)中霜凍逐日持續(xù)時間，NFsk為與預報時效相對應的實況達到霜凍指標的總次數(shù)，NGsk為預報時效內(nèi)對應的實況值達到霜凍指標的格點(天)數(shù)。

1.4 檢驗指標

采用均方根誤差(RMSE)、訂正技巧(SS)、氣溫預報準確率(TT)(溫度預報絕對誤差≤2℃)(薛諶彬等，2019)、霜凍預報準確率(TS)(氣溫≤0℃)(陳豫英等，2019)、霜凍逐24 h平均持續(xù)時間預報均方根誤差來檢驗訂正前后的預報效果。其中：

(6)

式中:i為滑動天數(shù)或格點數(shù)，N為總天數(shù)或總格點數(shù),fi為預報值，ai為實況值。

(7)

式中:NA為預報值絕對誤差≤2℃的格點(次)數(shù)，NB為預報值絕對誤差>2℃的格點(次)數(shù)。

(8)

式中:NC為霜凍預報正確的格點(次)數(shù)，ND為預報值達到霜凍指標而實況不是未達到的格點(次)數(shù)，NE為預報值未到霜凍指標而實況已至霜凍指標的格點(次)數(shù)。

霜凍逐24 h平均持續(xù)時間預報均方根誤差：

(9)

式(9)利用式(4)和式(5)得出WC值，在分時效預報檢驗中，Nh表示預報達到霜凍指標的天數(shù)，在區(qū)域預報檢驗中，則表示預報中達到霜凍指標的格點個數(shù)。

溫度訂正技巧均方根誤差：

SS_RMSEkmi=RMSExj-RMSEkmi

(10)

溫度訂正技巧預報準確率：

SS_TTkmi=TTkmi-TTxj

(11)

霜凍訂正技巧預報準確率：

SS_TSkmi=TSkmi-TSxj

(12)

霜凍訂正技巧逐24 h持續(xù)時間預報均方根誤差：

SS_RMSEDFkmi=RMSE_DFxj-RMSE_DFkmi

(13)

式中：下標為kmi表示訂正預報相關(guān)計算值，i取值為1、2、3，下標為xj表示中國氣象局下發(fā)的溫度原始格點預報計算值。

1.5 檢驗方法

分時效檢驗方法：分別計算并對比四種預報產(chǎn)品(XJ,KM1,KM2,KM3)的所有格點氣溫在240 h內(nèi)逐3 h指標值。

分區(qū)域檢驗方法：分別計算并對比四種預報產(chǎn)品(XJ,KM1,KM2,KM3)在整個預報時效240 h的氣溫在每個格點的指標值。

2 分時效預報效果對比檢驗

對比檢驗XJ、KM1、KM2、KM3四種預報產(chǎn)品的均方根誤差、氣溫預報準確率、霜凍預報準確率和霜凍逐24 h持續(xù)時間預報均方根誤差。KM1、KM2、KM3相對于XJ的均方根誤差、氣溫預報準確率、霜凍預報準確率和霜凍逐24 h持續(xù)時間預報的訂正技巧。

2.1 均方根誤差和氣溫預報準確率

四種預報產(chǎn)品(XJ、KM1、KM2、KM3)氣溫的均方根誤差和氣溫預報準確率見圖2a，2b?？傮w上，四種產(chǎn)品的均方根誤差隨預報時效延長在波動中緩慢增長，氣溫預報準確率隨著預報時效延長在波動中緩慢降低。三種濾波算法的誤差訂正技巧隨著預報時效延長在波動中緩慢減小至108 h后震蕩加劇出現(xiàn)正訂正峰值，且變化趨勢基本相似。具體數(shù)據(jù)對比如表1。

表1 四種預報產(chǎn)品的均方根誤差和氣溫預報準確率分時效對比

三種濾波算法均對比原始格點預報均方根誤差明顯降低，氣溫預報準確率明顯提升。三種預報產(chǎn)品(KM1、KM2、KM3)較XJ均方根誤差平均減小了0.79、0.85、0.88℃，氣溫預報準確率平均提高了6.11%、6.38%、6.46%，相比而言KM3略優(yōu)。

原始預報產(chǎn)品在108 h后誤差振蕩加劇，每日11時和23時均方根誤差處于波峰，同時氣溫預報準確率處于波谷；每日的08時和20時均方根誤差處于波谷，同時氣溫預報準確率處于波峰；相應的訂正濾波也于每日11時和23時出現(xiàn)峰值、每日08時和20時出現(xiàn)谷值。此現(xiàn)象和模式本身的誤差關(guān)系最大，預報模式本身隨著預報時間越長模式誤差就越大，圖2a和2b顯示三種濾波均有效地降低模式誤差。

2.2 逐3 h霜凍預報準確率

檢驗四種預報產(chǎn)品(XJ、KM1、KM2、KM3),霜凍預報準確率(圖2c)平均值分別為54.70%、57.70%、60.51%、62.01%，后三種訂正預報相對XJ預報產(chǎn)品的霜凍預報準確率平均分別提高了3.00%、5.81%、7.31%。總體上，預報準確率隨預報時效延長在波動中緩慢減小，原始格點預報中霜凍預報準確率和訂正技巧成反向波動，預報準確率最高的時刻即為訂正的負值波谷時刻，準確率最低的時刻即為訂正的正值波峰時刻。三種濾波訂正技巧波動基本一致，訂正技巧正值區(qū)大于負值區(qū)，波峰的時刻集中在23、11和02時。谷值的時刻為17時和14時，即每日溫度較高時刻，其中預報時效在108 h以內(nèi)的谷值出現(xiàn)在17時，108 h以后的谷值出現(xiàn)在14時。

2.3 霜凍逐 24 h持續(xù)時間預報

春季發(fā)生霜凍可造成對農(nóng)作物損傷，霜凍持續(xù)時間越長對農(nóng)作物傷害越大，霜凍持續(xù)時間是衡量發(fā)生霜凍等級和作物受災程度的重要指標。當單個格點逐24 h時效內(nèi)氣溫值達到霜凍指標次數(shù)>4次，即該格點在該24 h時效內(nèi)發(fā)生霜凍持續(xù)時數(shù)大于12 h，說明此時期或該區(qū)域還未進行各項農(nóng)事活動，此時的霜凍并不是農(nóng)戶所關(guān)注的時期。因此本文單獨檢驗滿足(1≤單個格點逐24 h預報值達到霜凍指標次數(shù)≤4)的格點區(qū)域定義為DF_1，持續(xù)時間預報的霜凍在240 h逐24 h持續(xù)時間的均方根誤差分時效對比。

表2 四種預報產(chǎn)品的霜凍逐24 h持續(xù)時間預報均方根誤差分時效對比(單位：h)

三種濾波算法(KM1,KM2,KM3)均對比原始格點預報XJ霜凍逐24 h持續(xù)時間預報均方根誤差明顯降低，平均減小了4.21、4.41、4.35 h。其中四種預報產(chǎn)品中(1≤格點逐24 h預報值達到霜凍指標次數(shù)≤4)均方根誤差平均值均分別降低了1.19、1.23、1.23 h。

由圖2d和2e可見，從168 h和192 h預報時效看出，原始格點預報產(chǎn)品均方根誤差異常偏高。而當統(tǒng)計(1≤所有格點逐日逐24 h預報值達到霜凍指標次數(shù)≤4)的持續(xù)時間預報時，168 h和192 h預報時效的霜凍持續(xù)時間預報在此時的均方根誤差明顯降低。說明在168 h和192 h霜凍持續(xù)時間預報的長短對誤差值影響明顯。經(jīng)過分析霜凍逐24 h持續(xù)時間預報中持續(xù)時間越長，均方根誤差相對越大。

圖2 2019年4—5月四種預報產(chǎn)品(XJ，KM1，KM2，KM3)(a)逐3 h均方根誤差,(b)氣溫預報準確率,(c)霜凍預報準確率和(d)DF_1區(qū)域霜凍逐24 h平均持續(xù)時間預報均方根誤差及(e)三種濾波算法(KM1，KM2，KM3)相對于原始指導預報(XJ)的訂正技巧對比

3 區(qū)域預報效果檢驗

對比檢驗四種預報產(chǎn)品在整個預報時效內(nèi)的均方根誤差、氣溫預報準確率、霜凍預報準確率、霜凍逐24 h持續(xù)時間預報均方根誤差及其訂正技巧的區(qū)域預報效果(見圖1、圖3、圖4、圖5)。平均值的計算：先逐格點平均整個預報時效內(nèi)的值，再平均定義區(qū)域內(nèi)所有格點值。

3.1 均方根誤差和氣溫預報準確率

對研究區(qū)域內(nèi)的格點指導預報產(chǎn)品(XJ)的均方根誤差分析，分為三個區(qū)域(RMSE_Ⅰ,RMSE_Ⅱ,RMSE_Ⅲ)：RMSE≤3℃所在區(qū)域為RMSE_Ⅰ，占總格點數(shù)的35.1%，主要集中于海拔800～1500 m的北疆阿勒泰中部、塔城北部及東部、伊犁河谷兩側(cè)以及北疆沿天山一帶；3℃4℃所在區(qū)域為RMSE_Ⅲ，占總格點數(shù)的17.35 %，主要集中于裕民、托里以南的海拔1500 m以上的區(qū)域，同時部分集中于海拔600～800 m的哈巴河、布爾津以南、吉木乃北部以及東天山奇臺、木壘、伊吾、巴里坤北部平原區(qū)。

格點預報產(chǎn)品沒有精確的海拔高度，此處采用格點指導預報產(chǎn)品(XJ)的均方根誤差值作為指標來分類格點數(shù)并統(tǒng)計其均方根誤差和氣溫預報準確率(TT)。具體數(shù)據(jù)如表3。

表3 四種預報產(chǎn)品的均方根誤差和氣溫預報準確率分區(qū)域?qū)Ρ?/p>

由表3可得出三種訂正算法(KM1，KM2，KM3)相對XJ預報產(chǎn)品的均方根誤差分別降低了0.66、0.71、0.90℃，在RMSE>4℃區(qū)域訂正效果最明顯，分別降低了3.04、3.09、3.17℃；RMSE≤3℃區(qū)域訂正效果最弱，分別升高了0.1、0.09、-0.18℃。氣溫預報準確率分別提高了5.7%、6.1%、6.1%，RMSE>4℃區(qū)域訂正效果最明顯，分別提高了23.75%、24.52%、20.07%；RMSE≤3℃區(qū)域訂正效果最弱，分別降低了0.25%、降低了0.04%、升高了0.08%。

圖3e～3g中RMSE的訂正技巧SS_RMSEKM3≥0的格點占研究區(qū)域內(nèi)格點總數(shù)的94.5%；圖3n～3p中氣溫預報準確率的訂正技巧SS_TTKM3≥0的格點占研究區(qū)域內(nèi)格點總數(shù)的74.3%，SS_TTKM3<0主要集中在昌吉州地區(qū)海拔高度200～600 m區(qū)域。由圖3h～3i和圖3q～3r可得出三種訂正算法中KM3最優(yōu)。

圖3 2019年4—5月四種預報產(chǎn)品(XJ，KM1，KM2，KM3)對北疆平原地區(qū)240 h內(nèi)(a～d)氣溫均方根誤差、(e～g)三種方案(KM1，KM2，KM3)相對于XJ的訂正技巧，(h,i)KM3相對KM1和KM2的訂正技巧、(j～m)氣溫預報準確率，(n～r)同3e～3i,但為訂正技巧預報效果檢驗

3.2 霜凍預報準確率

對于2019年4—5月北疆平原地區(qū)出現(xiàn)霜凍的格點占總格點數(shù)的51%，出現(xiàn)霜凍的格點主要集中在阿勒泰地區(qū)、塔城北部、昌吉市、昌吉州東部、巴里坤區(qū)域，見圖1和圖4a～4d。

對XJ預報產(chǎn)品霜凍預報準確率分為三個區(qū)域(TS_Ⅰ,TS_Ⅱ,TS_Ⅲ)分析：TS≤20格點所在區(qū)域為TS_Ⅰ，占發(fā)生霜凍總格點數(shù)的29.7%,主要集中分布在海拔高度400～800 m的哈巴河、富蘊、青河以及準噶爾盆地東北部周邊區(qū)域；2040格點所在區(qū)域為TS_Ⅲ，占發(fā)生霜凍總格點數(shù)的38.3%,其中一部分主要分布于海拔高度1200～1500 m的北塔山、木壘及和布克賽爾區(qū)域，另一部分集中于海拔高度高于1500 m的裕民、托里以及南部巴爾魯克山周邊區(qū)域。

三種濾波算法(KM1,KM2,KM3)均比原始格點預報XJ霜凍預報準確率明顯降低，平均降低了14.20%、12.50%、11.24%，其中僅對(TS≤20)所在區(qū)域的格點霜凍預報準確率有所提高，分別提高1.36%、3.02%、4.28%。由圖4可以看到在研究日期內(nèi)原始格點預報XJ在海拔高度高于1500 m的的裕民、托里以及南部巴爾魯克山周邊區(qū)域的霜凍預報準確率≥90%，主要原因是此區(qū)域均是山脈且冰雪覆蓋，并不合適農(nóng)業(yè)活動。

由圖4e～4g可得TS訂正技巧SS_TSKM3≥0的格點所在區(qū)域定義為SSTS_1，格點數(shù)據(jù)占發(fā)生霜凍總格點數(shù)的37.6%，霜凍預報準確率分別提高了2.5%、4.8%、5.4%，主要集中在海拔高度為600～1200 m的富蘊、青河以及準噶爾盆地東部邊緣及東南部區(qū)域；發(fā)生霜凍的其他區(qū)域為訂正負值區(qū)域。由圖4h～4i可得三種訂正算法中KM3最優(yōu)。

圖4 2019年4—5月四種預報產(chǎn)品(XJ，KM1，KM2，KM3)在北疆平原區(qū)240 h內(nèi)(a～d)霜凍預報準確率，(e～i)同圖3e～3i,但為相對于XJ預報產(chǎn)品的訂正技巧區(qū)域預報效果檢驗

表4 四種預報產(chǎn)品的霜凍預報準確率及其訂正技巧分區(qū)域?qū)Ρ?單位：%)

3.3 霜凍逐24 h持續(xù)時間預報

2019年4—5月，在北疆平原區(qū)域滿足每個格點逐日的240 h中逐24 h預報時效中預報值達到霜凍指標次數(shù)>4的格點出現(xiàn)至少1個24 h預報時效內(nèi)，涉及到共3603個格點，主要集中在海拔高度大于1200 m的地區(qū)，分布于北塔山、木壘、布克賽爾區(qū)域、裕民、托里和南部巴爾魯克山周邊山脈區(qū)域。該區(qū)域農(nóng)業(yè)活動較少，并不是農(nóng)業(yè)用戶關(guān)注重點。

表5 四種預報產(chǎn)品的霜凍逐24 h持續(xù)時間預報均方根誤差及其訂正技巧分區(qū)域?qū)Ρ?單位：h)

三種濾波算法(KM1,KM2,KM3)對比XJ預報，霜凍逐24 h持續(xù)時間預報均方根誤差明顯降低，分別減小了0.81、0.63、0.56 h。其中四種預報產(chǎn)品中(1≤格點逐日逐24 h預報值達到霜凍指標次數(shù)≤4)均方根誤差平均值均明顯降低。霜凍逐24 h持續(xù)時間預報中持續(xù)時間越長，均方根誤差相對略大。

KM1的訂正技巧SS_RMSEDFKM1<0的格點所在區(qū)域定義為SSRMSEDF_1,占發(fā)生霜凍總格點的28.6%，主要集中哈巴河、布爾津、木壘區(qū)域，訂正值為負值域。SS_RMSEDFKM1≥0的格點所在區(qū)域定義為SSRMSEDF_II,占發(fā)生霜凍總格點的71.4%，發(fā)生霜凍格點的剩下區(qū)域，訂正產(chǎn)品預報均方根誤差值基本≤3 h，三種訂正預報(KM1、KM2、KM3)相比XJ均方根誤差平均下降0.80、0.62、0.55 h。由圖5h～5i可得三種訂正算法中KM1略優(yōu)。

圖5 2019年4—5月四種(XJ,KM1,KM2,KM3)預報產(chǎn)品在北疆平原區(qū)240 h內(nèi)(a～d)霜凍預報逐24 h持續(xù)時間均方根誤差，(e～i)同圖3e～3i,但為相對于指導預報的訂正技巧區(qū)域預報效果檢驗

4 應用實例

為檢驗算法的通用性及對轉(zhuǎn)折性天氣(溫度陡降、陡升)的誤差訂正結(jié)果(張華龍等，2021)。選用北疆平原地區(qū)歐洲中期天氣預報中心ECMWF(簡稱EC)細網(wǎng)格模式2 m溫度預報產(chǎn)品，20時起報的240 h逐3/6 h溫度預報，其中72 h預報時效內(nèi)為逐3 h，72～240 h預報時效內(nèi)為逐6 h預報，水平分辨率為0.125°×0.125°，共2217個格點，時效為2021年4月21日14時至22日14時。實況選用CLDAS實時產(chǎn)品數(shù)據(jù)集。采用雙線性插值方法從研究區(qū)域內(nèi)0.05°×0.05°中的CLDAS格點實況資料，獲取EC預報產(chǎn)品中格點所有預報時效對應的實況值。研究時間內(nèi)北疆平原區(qū)平均溫度降低13.1℃，發(fā)生霜凍的格點為1106個。分三個區(qū)域來分析：降溫>20℃的格點所在區(qū)域為CLDAS_Ⅰ，占總格點數(shù)的25.9%，分布在伊犁州東部、石河子市、烏魯木齊市、昌吉州大部分；10℃<降溫≤20℃的格點所在區(qū)域為CLDAS_Ⅱ，占總格點數(shù)的47.4%，其中降溫15～20℃分布在伊犁州大部分、淖毛湖、伊吾、沙灣、瑪納斯、呼圖壁、青河、溫泉，降溫10～15℃分布在克拉瑪依、炮臺、莫索灣、富蘊、博州東部；降溫≤10℃的格點所在區(qū)域為CLDAS_Ⅲ，占總格點數(shù)的26.7%，分布在除上述區(qū)域之外的區(qū)域。根據(jù)上述三種方案進行訂正,分別對氣溫預報準確率(TT)和霜凍預報準確率(TS)進行檢驗。

4.1 分時效檢驗

將KM3的訂正技巧≥0分布的預報時效定義為SSKM3_0，其中SS_TTKM3>0共有17個預報時效，分別為預報時效0～12 h和02、08、17和23時。TT_KM3較KM1、KM2的氣溫預報準確率平均提高1.0%、1.3%。SS_TSKM3>0共有18個預報時效，分別為預報時效9～18 h和預報時效預報到08、11、14和17時的時刻。TS_KM3較KM1、KM2的霜凍預報準確率平均提高1.8%、0.1%(圖6)。

表6 四種預報產(chǎn)品的氣溫和霜凍預報準確率及其訂正技巧分時效對比(單位：%)

圖6 2021年4月21日14時至22日14時四種預報產(chǎn)品(EC，KM1，KM2，KM3)對北疆平原區(qū)(a)24 h內(nèi)氣溫預報準確率及訂正技巧，(b)霜凍預報準確率及其訂正技巧預報效果分時效對比

4.2 分區(qū)域檢驗

研究時間24 h內(nèi)實況溫度最高降溫26.6℃，平均降溫≥10℃的格點占全部格點數(shù)的73.3%，部分農(nóng)業(yè)生產(chǎn)區(qū)域內(nèi)溫度直接達到霜凍指標，沒有提前的預警和防御，對農(nóng)業(yè)生產(chǎn)會造成重要災害。發(fā)生霜凍的區(qū)域分布在海拔600～800 m的塔城地區(qū)、托里以南的區(qū)域和海拔600～1200 m的阿勒泰大部區(qū)域以及溫泉、木壘、昌吉以北的小部分區(qū)域。

KM3的訂正技巧≥0分布的區(qū)域定義為SSKM3_1，其中SS_TTKM3≥0的格點占總格點的37.8%，主要分布在哈密以北、昌吉州大部、和布克賽爾、北塔山、阿勒泰南部。TT_KM3較TT_KM1、TT_KM2平均提高0.9%、1.2%。SS_TSKM3≥0的格點占發(fā)生霜凍格點的39.8%，主要分布在塔城地區(qū)、溫泉、哈巴河以西、布爾津、昌吉以北的小部分區(qū)域。TS_KM3較TS_KM1、TS_KM2平均提高2.0%、0.2%(圖7)。

四種(XJ，KM1，KM2，KM3)預報產(chǎn)品氣溫預報準確率整體原始預報EC比訂正預報略高，在降溫>20℃的強降溫區(qū)域，三種訂正預報(KM1,KM2,KM3)氣溫預報準確率均高于EC，分別提高了3.8%、3.6%、4.2%。

四種預報產(chǎn)品(EC，KM1,KM2,KM3)霜凍預報正確的格點分別為964、1034、1015、1021個，由表7和圖7顯示EC的霜凍預報準確率整體比訂正預報產(chǎn)品略高，預報發(fā)生霜凍格點正確格點個數(shù)少于訂正預報產(chǎn)品，EC霜凍預報中預報正確的格點缺少了農(nóng)業(yè)生產(chǎn)區(qū)域中昌吉以北小部分區(qū)域、木壘部分區(qū)域。

表7 四種預報產(chǎn)品的氣溫和霜凍預報準確率及其訂正技巧分區(qū)域?qū)Ρ?單位：%)

5 結(jié)論與討論

本文使用三種濾波算法對北疆平原區(qū)春季240 h內(nèi)逐3 h氣溫格點指導產(chǎn)品進行訂正，采用均方根誤差、訂正技巧、氣溫預報準確率 、霜凍預報準確率和霜凍逐24 h平均持續(xù)時間預報均方根誤差作為檢驗指標，通過分時效和分區(qū)域檢驗方法對訂正前后的氣溫和霜凍預報效果進行了檢驗分析，得到的主要結(jié)論如下：

(1)在分時效檢驗中，三種訂正預報產(chǎn)品(KM1、KM2、KM3)較原始格點預報產(chǎn)品XJ：氣溫均方根誤差平均降低了0.79、0.85、0.88℃；氣溫預報準確率平均提高了6.11%、6.38%、6.46%。逐3 h 霜凍預報準確率平均提高了3.00%、5.81%、7.31%，訂正技巧谷值主要為17時和14時。霜凍逐24 h持續(xù)時間預報均方根誤差明顯降低，平均降低了4.21、4.41、4.35 h，其中訂正預報產(chǎn)品中(1≤格點逐日逐24 h預報值達到霜凍指標次數(shù)≤4)均方根誤差平均值降低了1.19、1.23、1.23 h，在 168 h和192 h霜凍持續(xù)時間預報的時長對誤差值影響明顯。

(2)分區(qū)域預報效果檢驗中，三種訂正預報產(chǎn)品(KM1、KM2、KM3)相對原始預報產(chǎn)品XJ：氣溫均方根誤差分別降低0.66、0.71、0.9℃，在XJ的誤差值RMSE>4℃區(qū)域訂正效果明顯，分別降低了3.04、3.09、3.17℃；氣溫預報準確率分別提高了5.7%、6.1%、6.1%，在XJ的誤差值RMSE>4℃區(qū)域訂正效果明顯，分別提高了23.75%、24.52%、20.07%。霜凍預報準確率在富蘊、青河以及準噶爾盆地東部邊緣及東南部海拔高度為600～1200 m區(qū)域,分別提高了2.5%、4.8%、5.4%；其他區(qū)域提高不明顯。霜凍逐24 h持續(xù)時間預報均方根誤差平均減小了0.81、0.63、0.56 h，其中訂正預報產(chǎn)品中(1≤單個格點逐日逐24 h預報值達到霜凍指標次數(shù)≤4)均方根誤差平均值分別降低了0.4、0.3、0.2 h。

(3)分時效檢驗中，原始預報產(chǎn)品XJ在108 h預報時效內(nèi)波動變化平緩，均方根誤差均較低，氣溫預報準確率均較高，在108 h預報時效后誤差振蕩加劇，相應訂正技巧也隨之加劇。原始預報產(chǎn)品XJ在108 h后，每天11時和23時出現(xiàn)均方根誤差在波峰相應氣溫預報準確率在波谷，08時和20時是均方根誤差在波谷、氣溫預報準確率在波峰。出現(xiàn)這種情況和模式本身的誤差關(guān)系最大，同時結(jié)果顯示三種濾波均有效的降低模式誤差。

(4)在區(qū)域統(tǒng)計中，2019年4—5月原始格點預報在海拔高度高于1500 m的裕民、托里以及南部巴爾魯克山周邊區(qū)域，均方根誤差>4℃，氣溫預報準確率≤10%，霜凍預報準確率≥90%，此區(qū)域均是山脈且冰雪覆蓋，并不合適農(nóng)業(yè)活動。

(5)經(jīng)過分析隨著預報時效的延長均方根誤差在波動中緩慢增加、氣溫和霜凍預報準確率在波動中緩慢減小。霜凍逐24 h持續(xù)時間預報中持續(xù)時間越長，其均方根誤差相對越大，在168～192 h預報時效霜凍持續(xù)時間對誤差值影響明顯。區(qū)域中均方根誤差較大區(qū)，高海拔高度偏高、氣溫預報準確率較低，其訂正效果較好。逐3 h霜凍預報準確率訂正技巧≥0的格點數(shù)占發(fā)生霜凍總格點的37.6%。霜凍逐24 h持續(xù)時間預報中訂正技巧≥0的格點數(shù)占發(fā)生霜凍總格點的71.4%。

(6)2021年4月21—22日北疆出現(xiàn)大范圍強降溫，應用本文的三種訂正預報產(chǎn)品對EC預報產(chǎn)品進行訂正，對比檢驗三種訂正預報和EC預報在溫度陡降的情況下氣溫和霜凍的預報效果。結(jié)果表明，分時效檢驗中，氣溫預報準確率在預報時效小于等于12 h和02、08、17和23時的時刻訂正預報產(chǎn)品優(yōu)于EC；霜凍預報準確率在預報時效9～18 h和08、11、14和17時的時刻訂正預報產(chǎn)品優(yōu)于EC。分區(qū)域檢驗中，EC氣溫預報準確率整體比訂正預報略高，在降溫>20℃強降溫區(qū)域，三種訂正預報產(chǎn)品準確率均高于EC預報；EC霜凍預報準確率整體比三種訂正預報產(chǎn)品略高，EC預報發(fā)生霜凍格點正確格點個數(shù)少于訂正預報產(chǎn)品，EC預報正確的格點缺少了農(nóng)業(yè)生產(chǎn)區(qū)域中昌吉以北小部分區(qū)域、木壘部分區(qū)域。三種預報產(chǎn)品的訂正算法中，集成訂正算法KM3略優(yōu)。

從分析結(jié)果對比顯示，三種預報產(chǎn)品的訂正算法均優(yōu)于原始格點指導預報產(chǎn)品。三種訂正算法相比而言，集成訂正算法KM3最優(yōu)。2021年春季以來，新疆農(nóng)業(yè)氣象臺提取中國氣象局下發(fā)的240 h逐3 h氣溫格點指導預報產(chǎn)品，并應用本文中的算法和指標進行訂正和服務(wù),每天逐3 h發(fā)布低溫和霜凍預報預警，得到很好的效果。后期將對該濾波算法訂正其他模式的多種基本氣象要素的預報產(chǎn)品檢驗，并進行優(yōu)化改進不同區(qū)域的訂正算法以期提高預報準確率。