Page 69 - 《高原气象》2025年第3期

3 期 李 健等：基于CMA-GD模式的2 m气温逐小时预报误差订正方法分析 627
空间分辨率上进行精细化既满足了社会公众对生 等， 2018； 郝翠等， 2019； 薛谌彬等， 2019； 王丹
产、 生活舒适度、 健康的要求， 也给模式检验和订 等， 2019； 金巍等， 2020； 李天江等， 2023）。
正的能力提出了新的挑战（Stahl et al， 2006）。然而 由于气温预报产品的订正能力在不同季节表
模式输出结果受多种因素影响， 存在一定的偏差。 现出差异， 学者们针对不同季节的背景场要素特征
例如， 有学者研究发现不完善的初始和边界条件导 也进行了诸多研究， 如金巍等（2020）研究了固定误
致 模 式 对 气 象 要 素 的 预 报 产 生 偏 差（丑 纪 范 ， 差订正法和最优滑动周期订正法对ECMWF模式的
2007； 官元红等， 2014； 徐道生等， 2014； 孙敏等， 订正效果， 发现冬季最高气温和夏季最低气温的预
2018）； 其次， 较大的高度偏差会严重影响模式对 报订正效果优于其他季节， 若冬季降水出现时， 最
2 m 气温的预报性能， 而且随着实际地形高度增 高气温预报订正效果尤其显著。基于不同模式， 贾
加， 模式高度偏差和 2 m 气温预报偏差均呈增大趋 丽红等（2018）采用递减平均法、 集合平均和加权集
势（智 协 飞 等 ， 2019； 吴 诗 梅 等 ， 2024； Pelosi， 合平均法设计两种订正方案并订正， 发现冬季订正
2023）。针对温度变量， 苏海晶等（2015）研究了近 效果大于其他季节。依赖 700 hPa 层的关键区低频
30 年中国夏季观测温度和模式预报温度的变化趋 波信息可以部分预测未来的降温过程， 陈伯民等
势， 发现模式对全球变暖存在明显的模拟不足， 导 （2023）结合数值模式， 改善了上海地区冬季延伸期
致预报误差呈上升趋势。因此， 气温预报误差在模 强降温预测效果。对于数值模式而言， 陈新梅等
式优化中承担重要角色（Prigent et al， 2016； Yu et （2010）指 出 地 形 偏 差 的 影 响 不 容 忽 视 ， 倪 悦 等
al， 2019； Yu et al， 2022）。 （2024）研究表明 CMA-TRAMS 模式地形偏差与模
为有效提升模式预报气温的性能， 众多学者开 式气温预报误差线性相关， 事实上该现象也适用于
展了大量的误差订正和插值技术研究， 衍生出的方 大部分模式。部分学者利用温度垂直递减率（一种
法包括滑动法、 递减平均法、 卡尔曼滤波、 三维空 线性订正）订正模式地形偏差引起的气温预报误
间插值、 反距离权重等数理方法和支持向量机、 随 差， 取得了正订正效果（王思维等， 2011； 王田野
机 森 林 、 高 斯 回 归 等 机 器 学 习 方 法（贺 倩 等 ， 等， 2016； 夏凡等， 2018）。
2022）。机器学习方法是利用大量数据， 通过特征 常规的模式时间分辨率很难准确描述气温的
选择并训练模型， 得到输入与输出数据的映射规律 周期性特征（Jhajharia and Singh， 2011）， 而国内研
进行预报（Appelhans et al， 2015； Han et al， 2021； 究主要集中在ECMWF等主流预报模式的误差订正
Senior et al， 2013； 熊 敏 诠 等 ， 2017； 陈 昱 文 等 ， 方法， 重点探讨最高和最低气温的订正效果（吴启
2020； 谭晓晴等， 2022）。数理方法相比机器学习 树等， 2016； 潘留杰等， 2017； 王丹等， 2019； 薛谌
方法所需数据量更小， 业务应用更加简单广泛。早 彬等， 2019； 冯良敏等， 2023）。相比之下， 对于国
期， George and Manolis（2002）认为模式预报误差可 产和逐小时气温预报的订正研究相对较少。CMA-
以看作系统误差和随机误差的组成， 针对系统误差 GD 是华南区域中尺度数值模式（China Meteorolog‐
的一维卡尔曼法订正可有效提高地表温度预报准 ical Administration Guangdong）的简称， 国内相关研
确率。基于上述理论， 马旭林等（2008）集合卡尔曼 究包括对 CMA-GD 模式逐时降水预报性能的分区
变换（ETKF）理论， 研究发展出针对中国 GRAPES 评估（Feng et al， 2023）、 对模式预报风速性能的检
全球预报系统的集合初始扰动方案， 证明该方案能 验（Xu et al， 2023）、 以及利用最优 TS 评分订正法
较好地反映分析误差方差的主要模态结构和扰动 （OTS）对模式逐小时降水量进行订正的研究（刘段
振幅， 具备合理集合离散度， 在短期预报时效内有 灵和陈超， 2022）等。本文结合对地形高度偏差导
良好的预报效果和应用前景。模式对形势场预报 致的气温误差订正法（倪悦等， 2024）和数理订正方
存在“冷偏差”， 模式本身也不可避免会产生系统性 法的再订正， 包括一维卡尔曼滤波法（George and
误差， 李莉等（2011）采用卡尔曼滤波的自适应误差 Manolis， 2002）和滑动双权重平均法（薛谌彬等，
订正方法对 T213 全球集合预报的一阶偏差进行订 2019）， 对 CMA-GD 模式逐小时气温预报产品进行
正， 改进效果显著。事实上， 依赖卡尔曼法等数理 订正和检验， 旨在完善本地适用的复合订正方法。
方法对误差的平滑能力， 国内外的气象学者对气温 本研究结果将系统评估复合方法的订正性能， 有助
误差不断进行订正研究， 为气温精细化预报的发展 于减少模式气温预报偏差和提高预报准确率， 为精
提供重要的技术支撑（Isaksen et al， 2012； 贾丽红 细化网格预报的发展提供参考。