Page 199 - 《高原气象》2025年第6期

6 期 黎 璐等：基于多尺度特征融合的深度学习常德市格点气温预报 1607
月 1日为 4. 8 ℃（常德市东山峰站）。由图 7（a）此次 小提升了 13%。此外 EC、 UNET_S 和 UNET_U 模
过程气温预报评估可知， 三种评估方法均表现为 型的各项指标值与图 3 整体评估值接近， 但 MU-
MU-NET>UNET_S>UNET_U>EC， 与前文评估结 NET 表现显著提升， MAE 和 RMSE 分别为 1 ℃、
果一致， MU-NET 模型表现最优， 且相比图 3 中对 1. 3 ℃， 较 EC 下降 0. 6 ℃、 0. 7 ℃； 与 4 -9 月的平
EC 的提升更为明显。在此次低温过程中， 三组试 均值相比分别降低了0. 14 ℃、 0. 25 ℃， 2 ℃以内准
验对 EC 预报结果的改进显著， 其中 MAE、 RMSE 确率为 87%， 较 EC 提升了近 20%， 比 4 -9 月平均
分别最少降低了0. 3 ℃、 0. 4 ℃， 2 ℃以内准确率最 值提升了4%。

图7 2024年5月1 -5日研究区域“五月低温”天气过程气温预报结果评估
（a） MAE、 RMSE和2 ℃以内预报准确率PC， （b） 不同高度格点的平均2 ℃以内预报准确率PC
Fig. 7 Assessment of temperature forecast results during the 'May low-temperature' weather event from 1 to 5 May， 2024.
（a） MAE， RMSE， and PC within 2 ℃， （b） PC for different altitude grid points
由于研究区域地形复杂， 不同下垫面的低温变 负订正， 约 20% 的格点 MAE 大于 2 ℃。这进一步
化幅度存在差异。在此次过程中， 平原和湖区的最 说明融合了地面和高空多尺度信息的 MU-NET 模
低气温为 12~15 ℃， 而高海拔山区最低气温则为 5~ 型能够更好地捕捉复杂地形下低温天气过程的气
10 ℃， 高度不同的山区之间气温相差也达 5 ℃以 温变化， 在精细化预报中更具优势。
上。基于此复杂的温度和地形情况， 图 7（b）给出了 4. 7. 2 持续性高温天气过程
不同高度下 EC 和三组试验在此次过程中的表现情 2024 年 7 月 4 -27 日研究区域出现持续晴热高
况。结果表明， 在此次过程中， 所有模型 2 m 气温 温天气， 此次区域性高温过程共持续 24 天， 其中 7
预报的 2 ℃以内准确率均随海拔增加而减小。UN‐ 月 24 日出现了此次过程的最高气温 44. 2 ℃（常德
ET_U 模型对 1000 m 以下的格点有较大改进， 但对 市石公桥站）。通过此次过程气温预报评估结果
于 1000 m以上的格点效果欠佳； UNET_S试验仅对 （图 9）可知， 三组试验均优于 EC， 且相互之间差异
2000 m 以下的格点有改进； 而 MU-NET 模型对所 较小。然而， 与之前的评估结果有所不同的是，
有 高 度 的 格 点 均 有 显 著 提 升 ， 高 海 拔 格 点 MU-NET和 UNET_U模型表现接近， 二者提升幅度
（>2000 m）的 2 ℃以内准确率达 78%， 较 EC 提升了 最高， 且均优于 UNET_S模型。但在 4 -7月整体的
20%， 也显著优于其他两组试验。为了更直观地展 评估结果中， UNET_S 却优于 UNET_U 模型， 二者
示各模型对极端低温事件的预报能力， 选取了此次 呈现出相反的结果。经分析， 这种差异与 7 月份的
过程气温最低时刻（2024年 5月 1日 04:00）， 对比了 天气形势紧密相关。为深入探究这一关系， 进一步
EC 和三组试验的气温预报 MAE 空间分布（图 8）。 给出了 2024 年 7 月 4 -27 日逐日的西太平洋副热带
分析发现， MU-NET 模型有效改进了 EC 模式对于 高压（西太副高）指数演变情况（图 10）。从图 10 中
此次过程最低气温的预报， 研究区域内大部分格点 可以看出， 7 月份西太副高主要有两次较大规模的
的 MAE低于 0. 5 ℃； 其次是 UNET_U， 其大部分格 变动， 分别发生在 7 月 11 -14 日和 7 月 24 -26 日。
点的 MAE 在 1 ℃以下； 而 UNET_S 则较 EC 表现出 除这两个时段外， 西太副高的西脊点大部分都位于