李天江，楊曉玲，張占文，李巖瑛，，聶鑫

（1.武威國家氣候觀象臺，甘肅 武威 733099；2.中國氣象局蘭州干旱氣象研究所，甘肅省干旱氣候變化與減災(zāi)重點實驗室，中國氣象局干旱氣候變化與減災(zāi)重點開放實驗室，甘肅 蘭州 730020）

引言

隨著移動互聯(lián)網(wǎng)、智能終端的普及，社會公眾對精細(xì)化、個性化的氣象服務(wù)產(chǎn)品需求更加強烈。過去以市（縣）或鄉(xiāng)（鎮(zhèn)）為區(qū)域的氣象預(yù)報，已不能滿足社會公眾日常生活的需要和專業(yè)用戶的需求。智能網(wǎng)格預(yù)報帶來了從站點到格點的全新變革，高分辨率網(wǎng)格預(yù)報是當(dāng)前及未來天氣預(yù)報發(fā)展的主導(dǎo)方向。時空無縫隙格點預(yù)報準(zhǔn)確率的提升，不僅依賴高分辨率數(shù)值模式預(yù)報能力，更取決于對模式預(yù)報產(chǎn)品的客觀訂正技術(shù)（任宏利和丑紀(jì)范，2007；潘留杰等，2017；武玉龍等，2017；李濤等，2022；陳笑晨等，2022）。

模式系統(tǒng)性誤差是制約預(yù)報產(chǎn)品應(yīng)用的瓶頸，目前，國內(nèi)外針對溫度要素開展了大量的誤差訂正技術(shù)研究，模式溫度預(yù)報系統(tǒng)誤差的客觀訂正方法主要包括模式輸出統(tǒng)計（Model Output Statistics，MOS）方法、三維空間插值方法、卡爾曼濾波、偏差訂正等。MOS方法基于歷史預(yù)報與實況觀測通過數(shù)學(xué)建模獲得系統(tǒng)性誤差方程（羅菊英等，2014；吳啟樹等，2016），以此訂正預(yù)報產(chǎn)品；三維空間插值方法實現(xiàn)模式預(yù)報與實況觀測在三維空間上保持一致性，同時利用歷史平均預(yù)報誤差作為參考誤差，剔除模式系統(tǒng)性誤差（趙濱和張博，2018）；卡爾曼濾波對模式溫度預(yù)報訂正有效，若將歷史平均誤差、初值場誤差及卡爾曼濾波反演誤差作為預(yù)報因子，訂正效果更優(yōu)（王敏等，2012）；模式溫度預(yù)報的系統(tǒng)誤差訂正方法有平均法、雙權(quán)重平均法、滑動訓(xùn)練平均法等（王婧等，2015；王丹等，2016），其中雙權(quán)重法優(yōu)于平均法，滑動訓(xùn)練優(yōu)于無滑動，且滑動訓(xùn)練訂正方法程序思路簡單，可以簡化長時間序列的數(shù)據(jù)處理過程（Stensrud and Yussouf， 2005；Yussouf and Stensrud， 2007； Zhu， et al， 2014），以上方法均為模式溫度預(yù)報的客觀訂正提供了技術(shù)積累。

河西走廊東部地面觀測站點分布不均，難以準(zhǔn)確描述復(fù)雜地形地貌下不同區(qū)域的氣象要素差異，也難以滿足高精度、網(wǎng)格化的氣象預(yù)報服務(wù)需求，且高原邊坡地帶的地形數(shù)據(jù)同化一直是數(shù)值預(yù)報模式的短板，造成模式輸出產(chǎn)品與實況誤差較大（劉新偉等，2020；沈潔和朱寶文，2020；溫曉培等，2022），不能滿足社會公眾和決策服務(wù)的需求，亟需尋求本地化的客觀訂正方法。基于此，本文選取卡爾曼濾波和滑動訓(xùn)練訂正兩種方法對中央臺智能網(wǎng)格預(yù)報產(chǎn)品在河西走廊東部區(qū)域格點的最高、最低溫度進行訂正，并檢驗和評估兩種方法的訂正效果，動態(tài)選取最優(yōu)訂正方法作為智能網(wǎng)格最高、最低溫度的訂正模型，進一步提升河西走廊東部網(wǎng)格溫度時間精準(zhǔn)度，提高溫度預(yù)報空間分辨率和準(zhǔn)確率，以期為現(xiàn)行預(yù)報業(yè)務(wù)提供一定技術(shù)支撐，進而提升氣象部門對重大社會活動、突發(fā)應(yīng)急事件的氣象服務(wù)保障能力。

1 研究區(qū)概況

河西走廊東部（101.0°E—104.5°E，36.0°N—40.0°N）地處青藏高原北坡，海拔高度為1 300～4 872 m（圖1），南靠祁連山脈，北鄰騰格里和巴丹吉林兩大沙漠，東接黃土高坡西緣，地形地貌復(fù)雜多樣，地勢南高北低，落差大，境內(nèi)有高山、山地、丘陵、綠洲、荒漠等。受河西走廊狹管效應(yīng)和高原邊坡地形的共同影響，河西走廊東部天氣氣候復(fù)雜多變，年均氣溫為0.1～8.4 ℃，平均年降水量為110～410 mm，平均年蒸發(fā)量為1 500～2 700 mm，蒸發(fā)量是降水量的3.70～24.5倍，屬大陸性溫帶干旱、半干旱氣候區(qū)。

圖1 河西走廊東部海拔高度空間分布（單位：m）Fig.1 Spatial distribution of height above sea level in the eastern Hexi Corridor （Unit： m）

2 資料與方法

2.1 資 料

最高、最低氣溫實況數(shù)據(jù)來源于中國氣象局陸面數(shù)據(jù)同化系統(tǒng)（Chinese Land Data Assimilation System Version 2.0，CLDAS-V2.0）日網(wǎng)格產(chǎn)品數(shù)據(jù)集，空間分辨率為0.05°×0.05°，該數(shù)據(jù)集利用多種來源的地面、衛(wèi)星等觀測資料（韓帥等，2018；師春香等，2019；劉軍建等，2020），采用時空多尺度數(shù)據(jù)分析同化系統(tǒng)（The Space and Time Mesoscale Analysis System，STMAS）、最優(yōu)插值（Optimal Interpolation，OI）、概率密度函數(shù)匹配（Cumulative Distribution Function，CDF）、物理反演、地形校正等技術(shù)研制而成。最高、最低氣溫預(yù)報數(shù)據(jù)來源于中央臺下發(fā)的逐日20：00（北京時，下同）指導(dǎo)預(yù)報產(chǎn)品的甘肅省切片數(shù)據(jù)，截取河西走廊東部（101.0°E—104.5°E，36.0°N—40.0°N）網(wǎng)格距為0.05°×0.05°的56×60網(wǎng)格點24 h最高、最低氣溫。以上資料起止時間均為2019年6月1日至2021年5月31日。

2.2 方法

2.2.1 卡爾曼濾波方法

卡爾曼濾波方法通過利用前一時刻預(yù)報誤差反饋到原來的預(yù)報方程，及時修正預(yù)報方程系數(shù)，以此提高下一時刻的預(yù)報精度（馬旭林等，2015；王秀娟等，2019）。本文選用一階自適應(yīng)卡爾曼濾波方法，對區(qū)域內(nèi)的每個格點動態(tài)建立訂正方程，以一個格點為例，預(yù)報誤差計算公式（譚桂容等，2017）如下：

式中：Yi，j(t)是格點預(yù)報誤差；i、j分別是格點的行號和列號；Fi，j(t)、Bi，j(t)分別是格點實況值、中央臺客觀指導(dǎo)產(chǎn)品格點預(yù)報值。模式預(yù)報誤差的估計值計算公式（譚桂容等，2017）如下：

式中：Wi，j(t)是誤差估計值，通過前后2個時次加權(quán)平均得到；q為權(quán)重系數(shù)。為選取最優(yōu)q值，設(shè)Q=｛0.0，0.1，0.2，…，0.9，1.0｝，q∈Q，給定不同的q值，進行11次試驗，對比訂正效果，最終確定q取值為0.5。訂正公式（譚桂容等，2017）如下：

式中：fi，j(t)是訂正結(jié)果，由前面時刻Wi，j(t)不斷更新。

當(dāng)q=0.5時，由公式（2）可知，如果序列過長，時間間隔較遠(yuǎn)的預(yù)報誤差對訂正結(jié)果的影響很小，可以忽略不計。因此，本文選取樣本數(shù)為7 d的數(shù)據(jù)量。

2.2.2 滑動訓(xùn)練訂正

滑動訓(xùn)練訂正通過對區(qū)域內(nèi)56×60個網(wǎng)格點，每天前1～nd的預(yù)報和實況動態(tài)進行一元線性回歸，建立回歸方程，將該格點當(dāng)天的預(yù)報代入方程計算訂正結(jié)果（劉連福，2008；王丹等，2019；魏芳芳等，2021）?；瑒佑?xùn)練訂正期n取值過小，會增大偶然性，導(dǎo)致訂正穩(wěn)定性差；n取值過大則會造成誤差平均而導(dǎo)致訂正效果不佳。為確定最佳滑動訂正期n，設(shè)D=｛5，10，15，30，40，60｝，n∈D，給定不同訂正期n值，用前1～nd的數(shù)據(jù)建立回歸方程，進行多次試驗，對比訂正效果，綜合考慮穩(wěn)定性和訂正能力后，確定訂正期n=15。

2.2.3 檢驗方法

利用定量平均絕對誤差、預(yù)報準(zhǔn)確率和技巧評分等評估方法，對智能網(wǎng)格預(yù)報產(chǎn)品中的溫度格點預(yù)報產(chǎn)品進行效果評估。具體公式（戴翼等，2019；王丹等，2021；趙桂潔等，2021；丁真貢嘎等，2022）如下：

式中：TMAE、T分別是平均絕對誤差、預(yù)報準(zhǔn)確率；N是預(yù)報的總格點（次）數(shù)；Fi是第i格點（次）的預(yù)報值；Oi是第i格點（次）的觀測值；Nr是|Fi-Oi|≤2 ℃的預(yù)報格點（次）數(shù)。平均絕對誤差越小，預(yù)報效果越好，預(yù)報準(zhǔn)確率越大，預(yù)報效果越好。

預(yù)報技巧評分是根據(jù)所有預(yù)報絕對誤差的總和計算的，具體公式（董春卿等，2021）如下：

式中：SST為技巧評分；TMAEN（℃）是訂正前日最高（低）氣溫預(yù)報平均絕對誤差；TMAEF（℃）是訂正后日最高（低）氣溫預(yù)報平均絕對誤差。TMAEN-TMAEF＞0 ℃表示訂正技巧為正技巧，TMAEN-TMAEF＜0 ℃則為負(fù)技巧。

3 結(jié)果與分析

對2020年6月1日至2021年5月31日中央臺逐日20：00下發(fā)的河西走廊東部智能網(wǎng)格預(yù)報產(chǎn)品的56×60網(wǎng)格點24 h最高（最低）氣溫進行訂正、檢驗和評估。為了簡便，用a、a1、a2分別代表中央臺智能網(wǎng)格溫度預(yù)報產(chǎn)品、卡爾曼濾波法訂正溫度產(chǎn)品、滑動訓(xùn)練訂正溫度產(chǎn)品。

3.1 季節(jié)對比

表1為河西走廊東部不同季節(jié)最高、最低氣溫預(yù)報及其訂正產(chǎn)品的平均絕對誤差?？梢钥闯?，a的四季最高氣溫預(yù)報平均絕對誤差略小于2.00 ℃，最低氣溫預(yù)報平均絕對誤差均大于2.00 ℃，冬季為3.16 ℃，說明a對低溫的預(yù)報性能較差。四季中，a1和a2對最高、最低氣溫訂正預(yù)報的平均絕對誤差均小于a，且均小于2.00 ℃，訂正效果較好。總體上a1和a2的訂正效果相當(dāng)。

表1 河西走廊東部不同季節(jié)最高、最低氣溫預(yù)報及其訂正產(chǎn)品的平均絕對誤差Tab.1 The average absolute error of maximum and minimum temperature forecast and its correction products in the eastern Hexi Corridor in different seasons 單位：℃

由河西走廊東部不同季節(jié)最高、最低氣溫預(yù)報及其訂正產(chǎn)品的準(zhǔn)確率（圖2）可以看出，a的四季最高氣溫預(yù)報準(zhǔn)確率在60%～70%，預(yù)報效果一般，最低氣溫預(yù)報準(zhǔn)確率均小于60%，其中秋季小于50%、冬季小于40%，預(yù)報效果較差。對于最高氣溫，a1和a2訂正預(yù)報準(zhǔn)確率各季節(jié)均較高（大于70%），比a偏高6%～13%，其中春、秋、冬季訂正能力均較好，夏季略好；對于最低氣溫，a1和a2的預(yù)報準(zhǔn)確率各季節(jié)均較高（大于63%），比a偏高8%～24%，四季訂正能力均較好?？傮w上，a1和a2的訂正效果相當(dāng)，且對最低氣溫的訂正效果優(yōu)于最高氣溫。

圖2 河西走廊東部不同季節(jié)最高（a）、最低（b）氣溫預(yù)報及其訂正產(chǎn)品的準(zhǔn)確率Fig.2 The accuracy of forecast and its correction products of maximum （a） and minimum （b） temperature in the eastern Hexi Corridor in different seasons

由河西走廊東部不同季節(jié)最高、最低氣溫兩種訂正產(chǎn)品的技巧評分（表2）可以看出，a1和a2對最高、最低氣溫的訂正技巧均為正技巧，具有較好的訂正能力，特別是秋、冬季a1、a2對最低氣溫的訂正技巧評分大于等于0.290，訂正能力較強，主要原因是a對秋、冬季的預(yù)報能力較弱，經(jīng)a1和a2訂正后大大縮小了預(yù)報誤差，因此出現(xiàn)較大的訂正技巧評分?？傮w上，a2的訂正能力優(yōu)于a1。

表2 河西走廊東部不同季節(jié)最高、最低氣溫兩種訂正產(chǎn)品的技巧評分Tab.2 The skill scores of two corrected products of maximum and minimum temperature in the eastern Hexi Corridor in different seasons

3.2 空間對比

對于2019年6月1日至2021年5月31日最高氣溫預(yù)報及其訂正產(chǎn)品，河西走廊東部的西南部、西部和南部局部地區(qū)a的平均絕對誤差大于2.00 ℃，個別地區(qū)在3.00～4.00 ℃［圖3（a）］，河西走廊東部大部分地區(qū)a1和a2的平均絕對誤差基本在1.00～2.00 ℃［圖3（b）、（c）］，說明a1和a2訂正效果較好，且a2略好于a1。對于最低氣溫預(yù)報及其訂正產(chǎn)品，河西走廊東部的西南部和東北部大部地區(qū)a的平均絕對誤差大于2.00 ℃，局部地區(qū)在3.00～4.00 ℃［圖3（d）］，河西走廊東部的絕大部分地區(qū)a1和a2的平均絕對誤差絕在1.00～2.00 ℃，北部和西南部局部地區(qū)平均絕對誤差在2.00～3.00 ℃［圖3（e）、（f）］，說明a1和a2訂正效果很好，且二者相當(dāng)?？傮w上最高氣溫的訂正優(yōu)于最低氣溫。

圖3 2019年6月1日至2021年5月31日河西走廊東部最高（a、b、c）、最低（d、e、f）氣溫預(yù)報及其訂正產(chǎn)品的平均絕對誤差空間分布（單位：℃）Fig.3 Spatial distribution of mean absolute error of maximum （a， b， c） and minimum （d， e， f） temperature forecast and its correction products in the eastern Hexi Corridor from 1 June 2019 to 31 May 2021 （Unit： ℃）

對于最高氣溫預(yù)報，a的預(yù)報準(zhǔn)確率在河西走廊東部的北部較高（大于70%），西南部偏低（小于50%）［圖4（a）］，a1和a2的準(zhǔn)確率在河西走廊東部大部分地方均較高（大于70%），個別地區(qū)大于80%，只有西南部、中部局部地區(qū)在60%～70%［圖4（b）、（c）］，與a相比，a1和a2的準(zhǔn)確率提高的范圍明顯增大，訂正能力均較強。對于最低氣溫預(yù)報，區(qū)域內(nèi)大部分地區(qū)a的預(yù)報準(zhǔn)確率小于50%，南部和西部的局部地區(qū)大于60%，個別地區(qū)大于70%［圖4（d）］，區(qū)域內(nèi)大部分地區(qū)a1和a2的準(zhǔn)確率在60%～70%，南部和西部的局部地區(qū)大于70%，個別地方小于50%［圖4（e）、（f）］，與a相比，a1和a2的準(zhǔn)確率提高較為明顯。

圖4 2019年6月1日至2021年5月31日河西走廊東部最高（a、b、c）、最低（d、e、f）氣溫預(yù)報及其訂正產(chǎn)品的準(zhǔn)確率空間分布（單位：%）Fig.4 Spatial distribution of accuracy of forecast and its correction products of maximum （a， b， c） and minimum （d， e， f） temperature in the eastern Hexi Corridor from 1 June 2019 to 31 May 2021 （Unit： %）

綜上所述，最低氣溫預(yù)報及其訂正產(chǎn)品的平均絕對誤差（預(yù)報準(zhǔn)確率）均高于（低于）最高氣溫，主要由于河西走廊東部地表植被稀疏，沙漠戈壁眾多，土壤熱容量小，晴天居多，晝夜溫差大，夜間輻射降溫劇烈，導(dǎo)致最低氣溫預(yù)報和訂正難度加大，訂正效果相對較差。另外，西南部祁連山區(qū)海拔高，地形復(fù)雜，中央臺客觀網(wǎng)格預(yù)報指導(dǎo)產(chǎn)品對復(fù)雜地形區(qū)域的預(yù)報能力明顯較弱，經(jīng)訂正后，平均絕對誤差和預(yù)報準(zhǔn)確率得到明顯改善。

對于最高氣溫訂正產(chǎn)品，河西走廊東部的西南部、西部和南部部分地區(qū)a1和a2的訂正技巧評分為0.200～0.300，局部地區(qū)大于0.300，南部和東北部部分地區(qū)為0.100～0.200，北部大部和中部部分地區(qū)為0.000～0.100，個別地區(qū)小于0［圖5（a）、（b）］，說明a1和a2有一定的訂正能力。對于最低氣溫訂正產(chǎn)品，河西走廊東部的西南部、東部和東北部部分地區(qū)a1和a2的訂正技巧評分為0.200～0.300，局部地區(qū)大于0.300，西北部、中部和東南部大部分地區(qū)為0.000～0.100，個別地區(qū)小于0［圖5（c）、（d）］，說明a1和a2訂正能力較強。

圖5 2019年6月1日至2021年5月31日河西走廊東部最高（a、b）、最低（c、d）氣溫兩種訂正產(chǎn)品的技巧評分空間分布Fig.5 Spatial distribution of skill scores of two corrected products of maximum （a， b） and minimum （c， d） temperature in the eastern Hexi Corridor from 1 June 2019 to 31 May 2021

4 轉(zhuǎn)折天氣過程最高、最低氣溫訂正檢驗

通過對比分析季節(jié)及空間訂正效果發(fā)現(xiàn)，a1和a2兩種訂正方法對最高和最低氣溫的預(yù)報效果有一定的提高，這只是針對時間的平均結(jié)果，不能代表對具體天氣過程的預(yù)報效果。但在日常生產(chǎn)和生活中，社會公眾常常關(guān)注的是轉(zhuǎn)折性天氣過程。為進一步驗證a1和a2兩種訂正方法在典型轉(zhuǎn)折性高溫或低溫天氣過程中的表現(xiàn)，選取2022年6月15—17日高溫和2022年11月27—29日低溫轉(zhuǎn)折性天氣過程進行分析，檢驗a1和a2兩種訂正方法的預(yù)報效果（表3）。可以看出，2022年6月15—17日高溫天氣過程，a的平均絕對誤差達1.31，經(jīng)a1和a2兩種方法訂正后，平均絕對誤差明顯減小，分別為0.61、0.71；a的預(yù)報準(zhǔn)確率為81%，經(jīng)a1和a2兩種方法訂正后，準(zhǔn)確率明顯提高，分別達98%、96%；a1和a2兩種方法的訂正技巧評分分別為0.191、0.022，均為正技巧。2022年11月27—29日低溫天氣過程，a的平均絕對誤差達1.98，經(jīng)a1訂正后，平均絕對誤差為1.69，經(jīng)a2訂正后，平均絕對誤差反而增大為2.41；a的預(yù)報準(zhǔn)確率為60%，經(jīng)a1訂正后，準(zhǔn)確率有所提高為66%，經(jīng)a2訂正后，準(zhǔn)確率反而降低為51%；a1的訂正技巧評分為0.011，為正技巧，a2的訂正技巧評分為-0.442，為負(fù)技巧。

表3 河西走廊東部轉(zhuǎn)折性天氣過程中最高、最低氣溫預(yù)報及其訂正產(chǎn)品的檢驗結(jié)果Tab.3 The test results of the maximum and minimum temperature forecast and its correction products in the turning weather process in the eastern Hexi Corridor

綜上可知，a1和a2兩種方法對轉(zhuǎn)折性高溫天氣過程的訂正預(yù)報效果非常明顯，在預(yù)報服務(wù)過程中，均可作為重要參考依據(jù)；a1對轉(zhuǎn)折性低溫天氣過程有一定的訂正預(yù)報效果，有參考性，a2對轉(zhuǎn)折性低溫天氣過程沒有訂正能力，無參考性。

5 結(jié)論與討論

基于中央臺智能網(wǎng)格預(yù)報和網(wǎng)格實況，對河西走廊東部區(qū)域的最高和最低氣溫進行訂正，對比分析中央臺指導(dǎo)產(chǎn)品（a）、卡爾曼濾波訂正產(chǎn)品（a1）及滑動訓(xùn)練訂正產(chǎn)品（a2）的平均絕對誤差、預(yù)報準(zhǔn)確率和技巧評分，得出如下結(jié)論：

（1）季節(jié)對比，對于最高和最低氣溫訂正，a1和a2的平均絕對誤差均小于a，且均小于2.00 ℃，兩種方法訂正效果相當(dāng)；對于最高氣溫訂正，a1和a2的預(yù)報準(zhǔn)確率各季節(jié)均大于70%，比a偏高6%～13%，對于最低氣溫訂正，a1和a2的預(yù)報準(zhǔn)確率各季節(jié)均大于63%，比a偏高8%～24%，最低氣溫的訂正效果優(yōu)于最高氣溫；a1和a2的訂正技巧對最高、最低氣溫均為正技巧，秋、冬季a1、a2對最低氣溫的訂正技巧評分大于等于0.290，訂正能力較強，a2的訂正能力優(yōu)于a1。

（2）空間對比，對于最高和最低氣溫訂正，a1和a2的平均絕對誤差絕大部分地區(qū)在1.00～2.00 ℃，個別地區(qū)大于2.00 ℃，預(yù)報能力較強。對于最高氣溫預(yù)報，a1和a2的預(yù)報準(zhǔn)確率區(qū)域內(nèi)大部分地區(qū)大于70%，個別地區(qū)大于80%；對于最低氣溫預(yù)報，a1和a2的預(yù)報準(zhǔn)確率大部分地區(qū)在60%～70%，南部和西部局部地區(qū)大于70%，相比a預(yù)報準(zhǔn)確率明顯提高。a1和a2在絕大部分地區(qū)對最高、最低氣溫的訂正技巧評分為正技巧，局部地區(qū)大于0.300，說明a1和a2有一定的訂正能力。

（3）卡爾曼濾波和滑動訓(xùn)練訂正兩種方法對河西走廊東部中央臺智能網(wǎng)格最高、最低氣溫訂正后，平均絕對誤差明顯減小、預(yù)報準(zhǔn)確率明顯提高、訂正技巧絕大部分為正，說明兩種方法均有較強的訂正預(yù)報能力，可作為今后氣溫預(yù)報的主要訂正方法。兩種訂正方法對轉(zhuǎn)折性高溫天氣過程的訂正能力較強，卡爾曼濾波法對轉(zhuǎn)折性低溫天氣過程有一定的訂正能力，滑動訓(xùn)練訂正對轉(zhuǎn)折性低溫天氣過程沒有訂正能力，有待于尋求更有效的方法對轉(zhuǎn)折性低溫天氣過程進行訂正。

通過格點訂正后，可將格點預(yù)報插值到城鎮(zhèn)和鄉(xiāng)鎮(zhèn)站點（武鵬飛等，2019），實現(xiàn)了基于智能網(wǎng)格預(yù)報產(chǎn)品的城鎮(zhèn)和鄉(xiāng)鎮(zhèn)預(yù)報產(chǎn)品，替代原來人工城鎮(zhèn)預(yù)報和基于人工城鎮(zhèn)預(yù)報的鄉(xiāng)鎮(zhèn)預(yù)報產(chǎn)品，極大提高城鎮(zhèn)和鄉(xiāng)鎮(zhèn)的預(yù)報精細(xì)化和準(zhǔn)確率。但本文僅對河西走廊東部最高、最低氣溫進行了訂正分析，沒有涉及更多的氣象要素，經(jīng)過業(yè)務(wù)運行優(yōu)化，可將本訂正方法推廣應(yīng)用于降水、風(fēng)向風(fēng)速、相對濕度、云量等多種要素的訂正預(yù)報中，實現(xiàn)多要素天氣預(yù)報的精細(xì)化和精準(zhǔn)度。