Page 208 - 《高原气象》2026年第2期

高 原 气 象 45 卷
508

图7 CNN-TC模型（a， d， g）、 SCMOC（b， e， h）和ECMWF模式（c， f， i）在不同预报时效下日最低气温预报的
平均绝对误差空间分布（单位： ℃）
Fig. 7 Spatial distributions of the MAE for daily minimum temperature at different forecast leading times：
（a， d， g） CNN-TC， （b， e， h） SCMOC and （c， f， i） ECMWF. Unit： ℃

偏差， 在不同预报时效内湖南地区 MAE 分别为 ATF 随时间变化情况（图 8）， 三种预报产品随着预
0. 8~5. 9 ℃（24 h）、 1. 0~6. 1 ℃（48 h）和 1. 0~6. 2 ℃ 报时效增加逐月预报效果变差， 但 CNN-TC 模型在
（72 h）， 可见 ECMWF 对于日最低气温预报稳定性 所有预报时效、 所有月份的预报效果仍最优， 相比
高于日最高气温。SCMOC 整体预报效果不如 EC‐ 另外两个产品， CNN-TC 模型日最高（低）气温预报
MWF 模式。经过 CNN-TC 模型订正后， MAE 分别 的 MAE 降低了 5. 6%~59. 1%（6. 3%~47. 8%）。以
介于 0. 8~1. 7 ℃（24 h）、 0. 9~1. 8 ℃（48 h）和 1. 0~ 未来 1 d 预报结果为例， ECMWF 模式在不同月份
2. 2 ℃（72 h）， CNN-TC 模型有效修正了 ECMWF 日最高气温预报的 MAE 介于 1. 7~2. 2 ℃， ATF 介
在复杂地形区域的 MAE 极端偏差， 以 24 h 预报时 于 48. 8%~65. 4%， 其中 7 月预报最差， 在 11 月、 12
效为例， 其 MAE 低于 1. 2 ℃格点数占比为 90. 0%， 月相对较优， 经过 CNN-TC 模型订正后， 与 EC‐
比ECMWF和SCMOC分别高出56. 3%和76. 5%。 MWF 模式和 SCMOC 相比 MAE 降低幅度分别为
对比不同预报时效 ECMWF 模式、 SCMOC 和 22. 2%~59. 1% 和 20. 0%~41. 2%， ATF 提升最高幅
CNN-TC 模型日最高、 最低气温预报的 MAE 和 度达 82. 0% 和 30. 1%。针对日最低气温， ECMWF