2019—2021年红河州智能网格温度预报检验评估

陆丹 段梦云 叶文群 钱媛 王恬恬 龙俊蓉

摘要 为综合评估智能网格预报业务的产品质量，基于站点观测和格点实况分析资料，开展对红河州2019—2021年省级指导智能网格预报温度要素的检验评估，并与欧洲中心（ECMWF）和GRAPES模式进行对比。分析结果表明：智能网格省级指导温度预报效果良好，最高气温、最低气温预报与格点实况的空间分布基本一致，但存在最高温偏低2～3 、最低温偏高1～2 ℃的现象。智能网格省级指导最高温/最低温预报准确率达72.1%/69.9%，较ECMWF和GRAPES模式提高5～9个百分点；省级指导最高温/最低温平均绝对误差达1.2 ℃/1.3 ℃，较ECMWF和GRAPES模式提高0.4～0.5 ℃。省级指导产品的温度预报在数值模式的基础上有显著提升，有较好的业务应用价值。

关键词 网格预报；检验评估；温度预报

中图分类号：S165 文献标识码：B 文章编号：2095–3305（2023）07–0180-03

24 h温度预报是电视天气预报节目对公众发布的基本气象要素[1]。随着社会经济的发展和人们生活水平的不断提高，对天气预报时间和空间分辨率的需求更加精细。云南地形复杂，海拔高差悬殊，气象要素的空间协调、时间协同存在极大的困难，要真正实现多要素空间一致性、单要素时间一致性和格点—站点空间一致性等还需要进行大量的技术研究工作。

自2019年1月1日起，云南省智能网格预报业务正式投入业务运行，州（市）气象台根据省级网格预报主客观融合产品，每日2次对所辖区域内降水预报和关键点最高温度、最低温度进行订正，最后上传拼接形成全省“一张网”的智能网格预报业务链条[2]。智能网格预报产品的检验评估是保障智能网格预报技术发展和业务价值链形成的基础性工作。

1 检验数据来源及方法

1.1 资料选取

选取2019年1月1日—2021年12月31日省级指导智能网格温度预报数据、红河州269个区域站逐日最高和日最低气温的实况样本、欧洲中心（ ECMWF）和GRAPES模式预报产品，每日20：00（ 北京时，下同）起报，逐24 h最高、最低气温格点资料[3]。

1.2 方法

首先将所选资料按“临近点插值”方法取值到观测站点，然后以2019—2021年全州269站的最高温、平均气温、最低温预报为例，对比每日20：00起报的0～24 h时效预报与站点实况的平均空间分布。分别对每日20：00起报的0～24 h最高温度、最低温度计算逐月预报准确率、平均绝对误差，以此对温度要素进行综合评估。最后，针对检验结果对红河州温度预报进行优化，将研究得出的红河州温度预报融入中短期预报业务。

2 检验评估结果分析

2.1 温度预报与实况空间分布特征

对比每日20：00起报的0～24 h时效预报与站点实况的平均空间分布（图1）。总体来看，智能网格省级指导温度预报效果良好，省级下发的最高气温、最低气温预报与格点实况的空间分布基本一致，平均气温预报与格点实况则略出现偏差。进一步分析发现，省局下发预报整体存在最高温偏低2～3 、最低温偏高1～2 ℃的现象。

2.2 基于站点实况的网格日最高与最低气温检验

基于站点实况的网格日最高/最低温预报进行质量检验，即分别对每日20：00起报的0～24 h最高温度、最低温度计算逐月预报准确率、平均绝对误差、技巧评分，以此对温度要素进行综合评估。预报检验结果见表1。

省级指导预报明显优于ECMWF和GRAPES模式。在预报准确率方面，智能网格省级指导温度预报较ECMWF和GRAPES取得较好的效果，省级指导最高温/最低温预报准确率达72.1%/69.9%，较ECMWF和GRAPES模式提高5～9个百分点。在平均绝对误差方面，智能网格省级指导温度预报较ECMWF和GRAPES取得较好的效果，省级指导最高温/最低温平均绝对误差达1.2 ℃/1.3 ℃，较ECMWF和GRAPES模式提高0.4～0.5 ℃。

图2为最高气温、最低氣温的预报准确率、平均绝对误差逐月变化情况。针对ECMWF和GRAPES模式，可以看出温度预报的参考重要性在不同月份存在较大差异，秋季和冬季ECMWF模式的参考价值高于GRAPES模式，春季和夏季则GRAPES模式的参考价值更高。3、4、7、11、12月份各个模式的温度预报或早或晚会出现预报准确率的骤降，说明季节转换对模式温度预报的准确率有很大影响，同时反映出各个站点季节转换出现的时间点存在一定的差异[4]。

3 结论与展望

智能网格省级指导温度预报效果良好，最高气温、最低气温预报与格点实况的空间分布基本一致，平均气温预报与格点实况则略出现偏差。省局下发预报整体存在最高温偏低2～3 、最低温偏高1～2 ℃的现象。

（2）省级指导预报稳定性较高，其预报准确率均高于其他2种模式，平均绝对误差均低于其他2种模式。在预报准确率方面，省级指导最高温/最低温预报准确率达72.1%/69.9%，较ECMWF和GRAPES模式提高5～9个百分点。在平均绝对误差方面，省级指导最高温/最低温平均绝对误差达1.2 ℃/1.3 ℃，较ECMWF和GRAPES模式提高0.4～0.5 ℃。

（3）针对ECMWF和GRAPES模式，可以看出温度预报的参考重要性在不同月份存在较大差异，秋季和冬季ECMWF模式的参考价值高于GRAPES模式，春季和夏季则GRAPES模式的参考价值更高。

（4）3、4、7、11、12月份各个模式的温度预报或早或晚会出现预报准确率的骤降，说明季节转换对于模式温度预报的准确率有很大影响，同时反映出各个站点季节转换出现的时间点存在一定的差异。

（5）省级指导产品的温度预报在数值模式的基础上有显著提升，省级指导智能网格预报温度可以有效提升红河州温度预报的精细化能力和水平，有较好的业务应用价值。

參考文献

[1] 李国翠，连志鸾，赵彦厂，等.石家庄温度预报检验及影响因子分析[J].气象与环境学报，2009，25（1）：15-18.

[2] 韦青，代刊，林建，等.2016—2018年全国智能网格降水及温度预报检验评估[J].气象，2020，46（10）：1272-1285.

[3] 戴翼，何娜，付宗钰，等.北京智能网格温度客观预报方法（BJTM）及预报效果检验[J].干旱气象，2019，37（2）：339-344，350.

[4] 王业修，徐庆喆，战莘晔，等.鞍山地区近十年模式温度预报检验[J].农家参谋，2020（21）：124-125.

Test and Evaluation of Temperature Forecast in Honghe Prefecture Intelligent Grid from 2019 to 2021

Lu Dan et al（Honghe Prefecture Meteorological Bureau， Mengzi， Yunnan 661100）

Abstract In order to comprehensively evaluate the product quality of the intelligent grid forecasting business， based on the site observation and grid analysis data， the inspection and evaluation of the temperature elements of the provincial guidance intelligent grid forecasting in Honghe Prefecture from 2019 to 2021 was carried out， and compared with the European Center （ECMWF） and the GRAPES model. The analysis results show that the intelligent grid provincial guidance temperature prediction effect is good， and the maximum temperature and minimum temperature prediction are basically consistent with the spatial distribution of the grid actual situation， but there is a phenomenon that the maximum temperature is 2～3 ℃ lower and the minimum temperature is 1～2 ℃ higher. The accuracy rate of the provincial maximum temperature/minimum temperature forecast guided by the intelligent grid is 72.1%/69.9%， which is 5～9 percent points higher than that of the ECMWF and GRAPES models. The average absolute error of the provincial guidance maximum temperature/minimum temperature is 1.2 ℃/1.3 ℃， which is 0.4～0.5 ℃ higher than that of ECMWF and GRAPES. Based on the numerical model， the temperature prediction of provincial guidance products has been improved significantly， and has a good value of application.

Key words Grid forecast; Inspection and evaluation; Temperature prediction