智能网格24h精细预报汛期应用样例分析
袁学所 葛庆云 王刚 胡倩
摘 要：基于安徽省凤阳县2020年汛期智能网格24h精细预报资料，选取7月22日至8月12日每日预报产品预报值及对应时次（7月22日09时至8月13日08时共528个时次）实况资料，分别按上午、下午、夜间时段统计气温、降水、风速、相对湿度预报准确度和0.1mm以上降水空漏报情况，分析绝对误差、相对误差分布规律和统计学订正效果。结果表明：智能网格要素预报与实况的线性相关系数自大到小依次为气温、相对湿度、降水量、风速，前2项要素预报的绝对误差与相对误差相对较小，后2项要素预报的各项误差相对较大;气温预报平均绝对误差绝对值不超1.04℃，上午时段预报值较实况偏高占71.97%;相对湿度预报平均绝对误差绝对值不超7.43%，上午时段预报误差较夜间、下午大;风速预报虽然平均绝对误差绝对值不超1.02m/s，但平均相對误差绝对值均超64%;降水预报漏报率均不超6.06%，空报率在4.55%～19.32%，平均绝对误差绝对值不超2.93mm;经线性回归方程订正，大多能减小智能网格预报的系统性误差。
关键词：智能网格预报;汛期应用;精细化
中图分类号 P49文献标识码 A文章编号 1007-7731（2021）12-0144-04
天气预报业务经历了从原来的城市站点天气预报，到2010年《现代天气业务发展指导意见》提出制作逐6h的城镇、乡镇精细化天气预报，但并未根本上改变预报内容。近年来，广东、上海等省市由于服务的需求，倒逼发展精细化格点预报。第7次全国气象预报工作会和《现代气象预报业务发展规划》提出了现代气象预报业务无缝隙、精准化、智慧型的发展方向，2016年开展了全国精细化格点预报实验业务。经过近几年的实践，已初步形成了智能网格预报业务。
智能网格预报就是用云计算、互联网+、人工智能等现代信息技术和气象大数据应用技术来改造传统预报业务，实现业务技术客观智能，业务流程扁平高效，网格预报滚动制作、实时同步、协同一致。在智能网格预报发展过程中，一些学者对此已经展开了一些研究[1-7]。例如，邵建[1]等采用时间差分法对预报变量开展协调处理，研究出时空协调一致技术，该项技术在主客观融合订正、格点/站点/落区一体化中发挥了重要作用。贾艳辉[2]等研究智能网格预报在扑火服务中的评估及应用，发现智能网格预报结果要素丰富、时空分辨率高，在火场的决策气象服务中有较高的应用价值。沈洁[3]等通过对2017年11月至2018年3月最高、最低温度格点预报及实况数据，按“邻近距离最短优先”原则，读取西宁市38个测站智能网格预报产品，检验同时段内的实况值，来检验智能网格预报的准确性。方永侠[4]等总结了智能网格预报在陕西省第十六届运动会气象服务保障中的应用。
2020年汛期，江淮地区遭受了超长梅雨天气。面对极其严峻的防汛形势，凤阳县气象局于7月22日至8月12日首次应用国家气象中心（中央气象台）智能网格预报产品开发本地服务产品，进行了24h气温、降水、风速、相对湿度逐小时精细化预报服务尝试，但对该预报服务的准确度等情况尚未进行全面系统的定量化检验评估。对该服务过程相关情况做定量分析，将有助于客观把握目前智能网格预报产品的精细化预报能力，为今后精细化预报服务开展和智能网格预报业务的优化提供客观依据。
1 资料与方法
选取2020年7月22日至8月12日凤阳县气象局每日预报服务产品中24h智能网格气温、相对湿度、风速、降水量预报结论，该数据来源于国家气象中心智能网格预报应用分析平台;选取对应时次，即7月22日09时至8月13日08时共528个时次凤阳国家气象观测站逐小时实况资料。运用地面气象月报表数据文件（A文件）查询软件（SMSD）、Excel软件、SPSS Statistics软件等分析预报量的绝对误差、相对误差、线性相关系数、0.1mm以上降水空漏报率等统计特征，分析项目每要素14项，降水增加2项达16项，具体分析项目间表1～4。所有项目均按上午08：01—14：00、下午14：01—20：00、夜间20：01—08：00等3个时段分别统计，对统计结果加以分析总结，找出误差分布特征，给出线性回归订正方程，以消除预报量存在的系统性偏差。
分析约定：绝对误差为预报量与实况之差;相对误差为绝对误差占实况的百分比;线性相关系数、回归方程指实况与预报量之间的统计关系，实况为因变量，预报量为自变量。降水空报指预报了0.1mm及其以上降水，实况为无降水或雨量不足0.1mm;降水漏报指实况为0.1mm及以上降水，但预报降水量为0.0mm或无降水。降水预报误差不统计空漏报时次和实况为无降水时次。
2 结果与分析
2.1 气温 由表1可知：绝对误差均方差在1.117～1.264℃，由小到大排序为上午、下午、夜间;最大绝对误差绝对值为3.1～6.6℃，由小到大排序为上午、夜间、下午;绝对误差绝对值≤2℃频率在87.88%～95.45%，由小到大排序为上午、夜间、下午;绝对误差绝对值≤1℃频率在54.55%～64.39%，由小到大排序为夜间、上午、下午;预报较实况偏高频率在44.32%～71.97%，由小到大排序为夜间、下午、上午;预报较实况偏低频率在25.76%～52.27%，由小到大排序为上午、下午、夜间;平均绝对误差绝对值在0.90～1.04℃，由小到大排序为下午、夜间、上午;平均相对误差绝对值在3.23%～4.08%，由小到大排序为下午、上午、夜间;预报与实况的相关系数在0.854～0.939，由小到大排序为夜间、下午、上午，均通过信度0.001的显著性检验;线性回归方程标准差在1.121～1.231℃，由小到大排序为夜间、上午、下午;经线性回归方程订正后平均绝对误差绝对值在0.88～0.99℃，由小到大排序为上午、下午、夜间;订正后平均绝对误差绝对值变化量在-0.16～0.00℃，由小到大的排序为上午、夜间、下午。
总体而言，智能网格逐小时气温预报效果良好，平均绝对误差绝对值为1.04℃以下，平均相对误差绝对值为4.08%以下。其中，上午预报值较实况偏高频率达71.97%，经线性回归方程订正后，其平均绝对误差绝对值减小0.16℃。
2.2 相对湿度 由表2可知：绝对误差均方差在4.220%～9.746%，由小到大排序为夜间、下午、上午;最大绝对误差绝对值在15.0%～39.6%，由小到大排序为夜间、下午、上午;绝对误差绝对值≤5%频率在40.91%～75.76%，由小到大排序为下午、上午、夜间;绝对误差绝对值≤10%频率在77.27%～96.59%，由小到大排序为上午、下午、夜间（其中，上午、下午并列）;预报较实况偏高频率在34.85%～42.42%，由小到大排序为夜间、下午、上午;预报较实况偏低频率在56.06%～64.77%，由小到大排序为上午、下午、夜间;平均绝对误差绝对值在3.37%～7.43%，由小到大排序为夜间、下午、上午;平均相对误差绝对值在3.58%～9.12%，由小到大排序为夜间、下午、上午;预报与实况的相关系数在0.494～0.664，由小到大排序为夜间、上午、下午，均通过信度0.001的显著性检验;线性回归方程标准差在3.794%～8.078%，由小到大排序为夜间、下午、上午;经线性回归方程订正后平均绝对误差绝对值在2.92%～6.76%，由小到大排序为夜间、下午、上午;订正后平均绝对误差绝对值变化量（%）在-0.91%～-0.45%，由小到大排序为下午、上午、夜间。
总体而言，智能网格逐小时湿度预报效果良好，夜间的绝对误差绝对值≤10%频率可达96.59%。平均绝对误差绝对值都在7.43%以下，且由于湿度实况值基数较大，平均相对误差绝对值较小，都在9.12%以下。其中，下午平均相对误差绝对值为6.84%，经线性回归方程订正后，其平均绝对误差绝对值可减小0.91%。上午平均绝对误差绝对值为7.43%，经线性回归方程订正后，其平均绝对误差绝对值可减小0.67%。比较而言，上午预报误差较夜间、下午大一些，夜间预报误差最小，这可能与08—20时相对湿度受气温影响变化较大，且与不稳定降水过程有关。
2.3 风速 由表3可知：绝对误差均方差在1.196～1.331m/s，由小到大排序为夜间、下午、上午;最大绝对误差绝对值在3.9～4.5m/s，由小到大排序为夜间、上午、下午（其中，上午、下午并列）;绝对误差绝对值≤0.5m/s频率在35.61%～48.11%，由小到大排序为下午、上午、夜间;绝对误差绝对值≤1.0m/s频率在59.85%～70.83%，由小到大排序为下午、上午、夜间;预报较实况偏高的频率在53.03%～56.82%，由小到大排序为下午、夜间、上午（其中，下午、夜间并列）;预报较实况偏低频率在41.67%～43.18%，由小到大排序为上午、夜间、下午（其中，上午、夜间并列）;平均绝对误差绝对值在0.88～1.02m/s，由小到大排序为夜间、上午、下午;平均相对误差绝对值为64.27%～81.47%，由小到大排序为上午、下午、夜间;预报与实况的相关系数在-0.030～0.182，由小到大排序为夜间、上午、下午，其中下午通过信度0.05的显著性检验;线性回归方程标准差在0.796～1.041m/s，由小到大排序为夜间、上午、下午;经线性回归方程订正后平均绝对误差绝对值在0.61～0.85m/s，由小到大排序为夜间、上午、下午;订正后平均绝对误差绝对值变化量在-0.28～-0.17m/s，由小到大排序为上午、夜间、下午。
总体而言，智能网格逐小时风速预报精度不足，虽然平均绝对误差绝对值1.02m/s以下，但由于风速实况基数值较小，所以平均相对误差绝对值在夜间最高可达81.47%。其中，夜间绝对误差≤1m/s的频率占70.83%，且夜间的平均绝对误差绝对值为0.88m/s，经线性回归方程订正后，其平均绝对误差绝对值可减小0.27m/s。上午的平均绝对误差绝对值为0.97m/s，经线性回归方程订正后，其平均绝对误差绝对值减小0.28m/s。
2.4 降水 由表4可知：降水的空报率在4.55%～19.32%，由小到大排序为下午、上午、夜间;漏报率在3.03%～6.06%，由小到大排序为夜间、上午、下午;绝对误差均方差在0.812～4.524mm，由小到大排序为上午、下午、夜间;最大绝对误差绝对值在1.5～12.7mm，由小到大排序为上午、下午、夜间;绝对误差绝对值≤0.5mm频率在6.25%～53.85%，由小到大排序为夜间、下午、上午;绝对误差绝对值≤1.0mm频率在12.50%～69.23%，由小到大排序为夜间、下午、上午;预报较实况偏高的频率在50.00%～65.63%，由小到大排序为下午、上午、夜间;预报较实况偏低频率在31.25%～50.00%，由小到大排序为夜间、上午、下午;平均绝对误差绝对值在0.62～2.93mm，由小到大排序为上午、下午、夜间;平均相对误差绝对值在63.52%～460.65%，由小到大排序为下午、上午、夜间;预报与实况的相关系数在0.208～0.295，由小到大排序為下午、上午、夜间，其中，夜间通过信度0.001的显著性检验，上午通过了信度为0.01的显著性检验，下午通过了信度为0.05的显著性检验;线性回归方程标准差在0.225～1.912mm，由小到大排序为上午、下午、夜间;经线性回归方程订正后平均绝对误差绝对值在0.47～2.25mm，由小到大排序为上午、下午、夜间;订正后平均绝对误差绝对值变化量（mm）在-0.68～0.09mm，由小到大排序为夜间、上午、下午。
总体而言，智能网格逐小时降水预报有一定的参考价值，漏报率在6.06%以下，但空报率相对较大，夜间高达19.32%;其中夜间的最大绝对误差绝对值高达12.7mm。平均绝对误差绝对值都在2.93mm以下，但由于小时降水量基数一般较小，夜间平均相对误差绝对值可达460.65%。上午绝对误差≤1.0mm的频率达69.23%。其中，上午的平均绝对误差绝对值为0.62mm，经线性回归方程订正后，其平均绝对误差绝对值可减小0.15mm。夜间的平均绝对误差绝对值达2.93mm，但经线性回归方程订正后，其平均绝对误差绝对值可减小0.68mm。
3 结论
（1）智能网格预报产品可给出某地未来24h气温、相对湿度、风速、降水量等气象要素的逐小时精细预报，能为做好定点定时精细气象预报服务提供参考。
（2）样例分析表明，智能网格要素预报与实况的线性相关系数自大到小依次为气温、相对湿度、降水量、风速。前2项要素预报的绝对误差与相对误差相对较小;后2项要素预报的各项误差相对较大。
（3）样例气温预报平均绝对误差绝对值不超1.04℃，平均相对误差绝对值不超4.08%。其中，上午时段预报值较实况偏高频率达71.97%。
（4）样例相对湿度预报平均绝对误差绝对值不超7.43%，平均相对误差绝对值不超9.12%。上午时段预报误差较夜间、下午大一些，夜间预报误差最小，这可能与降水过程及其预报能力有关。
（5）样例风速预报虽然平均绝对误差绝对值不超1.02m/s，但平均相对误差绝对值均超64%，夜间可达81.47。上午和夜间时段风速预报与实况的相关系数不显著。
（6）样例降水预报漏报率均不超6.06%;空报率为4.55%～19.32%，依次分别为下午、上午、夜间。降水量预报平均绝对误差绝对值不超2.93mm，但受实况降水量有时偏小影响，夜间时段平均相对误差绝对值高达460.65%。
（7）用样例资料建立了以预报值为因子，实况值为模拟对象的线性回归方程。经回归方程订正后，各要素大部分时段平均绝对误差绝对值不同程度减小，有利于减小智能网格预报的系统性误差。
参考文献
[1]邵建，张肃诏，李强，等.智能网格预报时空协调一致关键技术研发[J].气象科学，2019，39（6）：847-852.
[2]贾艳辉，王承伟，孙琪，等.智能网格预报在扑火服务中的评估及应用探讨[J].黑龙江气象，2019，36（3）：12-13.
[3]沈洁，朱宝文.智能网格预报在西宁最高、最低温度中的检验[J].青海农林科技，2020（2）：54-59，93.
[4]方永侠，范承.智能网格预报在陕西省第十六届运动会气象服务保障中的应用[J].江西农业，2019（16）：33-34.
[5]時洋，吴乃庚，罗聪，等.多模式集成释用在广东智能网格温度预报中的应用评估[J].广东气象，2020，42（4）：40-43.
[6]高萌，刘帆，王瑾婷，等.关中一次大暴雨天气过程成因分析及陕西智能网格预报检验[J].陕西气象，2019（5）：28-34.
[7]彭飞，赵清扬.智能网格预报在专业气象服务中的应用[J].中低纬山地气象，2020，44（1）：80-83. （责编：张宏民）
