ECMWF细网格TP产品在北疆降雪天气中的预报性能检验

李博渊，赵江伟，王小号

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆乌鲁木齐 830002；2.阿勒泰地区气象局，新疆阿勒泰 836500；3.塔城地区气象局，新疆塔城 834700）

ECMWF细网格TP产品在北疆降雪天气中的预报性能检验

李博渊1,2，赵江伟2，王小号3

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆乌鲁木齐 830002；2.阿勒泰地区气象局，新疆阿勒泰 836500；3.塔城地区气象局，新疆塔城 834700）

基于升级后的EC细网格TP降水量预报产品，对北疆2015年17场降雪天气的12 h累积降雪量，主要运用平均误差、平均绝对误差和均方根误差进行了检验。结果表明，该模式在北疆降雪天气预报中小雪的预报准确率最高，暴雪最小；预报准确率随时效的延长并非都是减小的；小雪空报率较高、暴雪漏报率较高，中雪和大雪空报率和漏报率都不容忽视；小雪和中雪的3种误差均较小，随时效的延长变化较小；强降雪（大雪及以上量级）的误差较大，随时效的延长有增大的趋势；模式对小雪的预报总体为系统性偏大，对强降雪预报则为明显的系统性偏小，对中雪的预报系统性偏向不稳定。

ECMWF细网格TP降水产品；北疆降雪天气；预报性能检验

数值模式是天气预报和气候预测的重要工具，而模式检验是其必不可少的组成部分。通过检验可以评估模式对大气状态的预报能力及预报质量的可能变化趋势，这些检验结果一方面可以为改进模式物理方案、参数化及陆面过程等提供参考，另一方面为预报员提供更多的有用信息，进而帮助预报员做出更加准确的预报[1]。

近年来，国家气象中心对T639、日本、ECMWF粗网格等数值模式的中期预报性能进行了定期检验和发布[2-5]，还有许多学者对T639、EC细网格模式在降水和温度预报[6-10]方面，开展了大量的应用检验工作。张俊兰等[10]对EC细网格（0.25°×0.25°）LSP降水预报产品在北疆暴雪中的预报能力进行了检验；贾丽红等[11]对T639数值预报产品在新疆主要影响系统的预报进行了检验评估；马超等[12]对ECWMF和T639数值模式产品在新疆暴雪影响系统中的预报能力进行了检验；庄晓翠等[13]对T639模式在新疆北部暖区强降雪中的预报进行了较全面的检验；贾丽红[14]对中央指导预报在新疆最高、最低气温的预报能力进行了检验评估；于晓晶等[15]对DOGRAFS模式在新疆6 h累计降水量预报进行了较详细的检验。上述数值模式预报性能检验多是针对天气系统、气温、降水及强降雪天气的水汽和动力条件进行统计学和天气学检验，时空分辨率有限，利用其制作精细降雪天气预报难度较大，要实现降雪的定点、定量、定时短时预报预警难度更大。

2015年1月15日ECMWF细网格模式重新调整后（称升级后），在新疆预报业务中正式应用，降水预报产品空间分辨率提高到0.125°×0.125°（以下简称EC细），比先前的提高了2倍，从而为天气预报提供了更精细的参考依据。本文基于升级后的EC细网格模式TP降水量预报产品，主要运用统计学检验方法，对发生在北疆2015年1月15日至4月和11—12月的17场降雪天气的12 h累计降雪量的预报能力进行检验，对其误差进行评估，为今后北疆短时降雪天气预报预警提供参考依据。

2 资料和方法

2.1 资料选取

检验区域为北疆地区（78°～92°E，42°～50°N）51个发报站（图1），降雪实况选用上述研究时段内该区域发报站逐日20—08时、08—20时，即12 h的累积降雪量资料，降雪量级划分参照新疆24 h降雪等级标准[16]：0.1～3.0 mm为小雪，3.1～6.0 mm为中雪、6.1～12.0 mm为大雪、12.1～24.0 mm为暴雪、24.1～48.0 mm为大暴雪。对上述17场降雪天气过程中小雪（679站次）、中雪（237站次）、大雪（177站次）、暴雪（17站次）进行统计学检验。

图1 北疆地区地形及站点分布（黑色方框为检验区域）

EC细网格模式降水预报产品选用累计降水量TP（简称EC），以起报时间为20时和08时为主；检验预报时效为12～24 h、24～36 h、36～48 h、48～60 h、60～72 h共5个时效段的降水预报产品。

2.2 检验方法

首先对EC细网格降水预报产品，运用双线性插值法[17]将模式格点降水量插值到站点上，再与对应站点的实测降水量进行对比检验。定量检验（统计检验）采用世界气象组织（WMO）推荐的数值预报检验标准化方案之一[17]，即预报对实况的检验，针对08时和20时起报的降水预报产品，分别对上述预报时效段的12 h降水量进行检验。选用平均误差ME、均方根误差RMSE、平均绝对误差MAE[17-18]3种统计量进行检验；并运用误差率[8]及中国气象局《中短期天气预报质量检验方法》分别对EC细网格模式TP降水量产品的12 h累积降水预报进行误差率和预报准确率、空报率、漏报率进行检验评估。

3 检验结果分析

3.1 准确率评估

图2 EC细网格TP产品对北疆冬季各级降雪量的预报能力检验及随时效的变化

就平均而言，EC细网格降水预报产品在北疆降雪天气预报中小雪的准确率（即TS评分）最大，暴雪最小，大雪和中雪基本相当（图2a）。72 h预报时效内，模式对该区小雪的预报准确率为40.21%～44.06%，24～60 h时效内TS随时效的延长增大，之后减小，最大出现在48～60 h时段内（44.06%）。中雪预报准确率明显小于小雪，为18.44%～23.85%，随时效的变化60 h预报时效内TS评分减小，之后增大，最大TS出现在60～72 h时效（23.85%）。大雪的TS 为18.07%～24%，其变化趋势和小雪的一致（图2a）。暴雪的TS评分为6.25%～12.5%，48 h预报时效内TS评分随时效有减小的趋势，之后增大（图2a）。可见，小雪和大雪的TS评分24～60 h时效内随时效增大，之后减小，最大出现在48～60 h时效；中雪是TS评分随时效的变化与小雪相反，最大出现在60～72 h时效。

由图2b可知，暴雪的漏报率最大，达75.0%～ 81.25%，随时效变化较小；大雪次之（48.91%～ 60.53%），48 h预报时效内随时效呈波动变化，之后增大。中雪的漏报率为29.17%～34.04%，随时效呈增大的趋势；小雪的漏报率最小（10.29%～12.89%），随时效变化不大。平均而言，中雪的空报率最大，小雪仅次于中雪，暴雪最小。由图2c可见，小雪的空报率（45.21%～47.18%）随时效变化不大，中雪空报率（43.08%～48.97%）随时效减小；大雪空报率为19.74%～31.52%，48 h内随时效变化较小，之后显著减小；暴雪的空报率（6.25%～12.5%），变化趋势与大雪一致。

由此可见，48 h预报时效内，小雪和中雪空报率较高是影响预报准确率的关键因素，中雪漏报率也较高，对准确率的影响也不容忽视；大雪的空报率和漏报率基本相当，而暴雪漏报率明显高于空报率。EC模式TP降水产品对北疆降雪的TS评分并非都随时效的延长而减小。

3.2 误差评估

3.2.1 统计误差评估

就全区平均而言（表1），EC模式TP降水预报产品72 h预报时效内的5个降水时段的平均误差为-0.064～-0.369 mm，表明存在负的系统性误差，即预报比实况值偏小，绝对值随时效的延长有增大的趋势；平均绝对误差和均方根误差分别为1.269～1.460 mm、1.962～2.326 mm，都随时效的延长呈增大的趋势。说明EC模式降水预报产品在北疆降雪预报中系统误差较小，随机误差较大。进一步分析表明，48 h预报时效内EC模式降水预报产品在该区降雪预报中，误差相对较小，因此，EC模式在12 h降雪预报业务中具有较高的参考价值。

表1 EC细网格对北疆降雪天气预报能力的平均误差/mm

图3 EC细网格对北疆各级降雪预报的平均误差（a）、平均绝对误差（b）、均方根误差（c）随时效的演变

由于目前国家气象局对降雪量的评分是将12 h累积降雪量分为小雪、中雪、大雪、暴雪进行，那么在实际预报业务中预报员就高度关注模式对各级降雪量的预报误差。因此，有必要对各级降雪量的误差进行分析，以便为预报员在制作降雪量级预报时提供客观依据。

由图3a可知，72 h预报时效内小雪的平均误差较小，为0.407～0.605 mm，表明模式对小雪的预报值比实况偏大，随时效的延长变化较小；中雪的平均误差72 h预报时效内为-0.719～-1.390 mm，表明模式对中雪的预报值比实况偏小，随时效的延长绝对值增大；大雪和暴雪的平均误差分别为-2.913～-3.326 mm、-6.140～-7.709 mm，表明模式对强降雪的预报明显比实况偏小，绝对值均随时效增大。小雪和中雪的平均绝对误差较小，分别为＜1.21、2.11 mm，随时效的变化不大，而大雪和暴雪的平均绝对误差较大，分别＞3.6、6.1 mm，随时效有增大的趋势（图3b）。就均方根误差来看，72 h内小雪和中雪分别为1.567～1.822 mm、2.141～2.473 mm，随时效的延长变化较小；大雪和暴雪的均方根误差较大，分别＞4.3、6.4 mm，随时效有增大的趋势（图3c）。

由此可见，小雪和中雪的3种误差均较小，随时效的延长变化较小，说明模式对12 h累计降雪量为小雪和中雪的预报相对较稳定；而强降雪的误差较大，随时效的延长有增大的趋势，尤其是暴雪，表明模式对强降雪预报性能较差。

3.2.2 误差率评估

由平均误差和误差率定义可知：若平均误差为正，且正误差率明显大于负误差率，则预报为系统性偏大；若平均误差为负，且正误差率明显小于负误差率，则预报为系统性偏小，若平均误差为零，且正误差率等于负误差率，则预报无系统性偏向[8]。由图3a可知，72 h预报时效内小雪的平均误差为正值，且正误差率（58.87%～67.73%）明显大于负误差率（32.17%～42.13%），表明EC模式对小雪的预报为系统性偏大（图4），这种偏差48 h预报时效之前呈波动变化，之后随时效变化幅度减小。同样可知，72h预报时效内大雪和暴雪的平均误差为负值（图3），负误差率（69.05%～74.12%、80%～92.86%）明显大于正误差率（25.88%～30.95%、7.14%～20%），说明，EC模式对强降雪预报为明显的系统性偏小（图4）。该偏差暴雪随时效变化幅度较大，但60 h时效后有减小的趋势；而大雪则较小，变化趋势不明显。模式对大雪的预报效果较稳定。EC模式对中雪的预报则较复杂，由图4可知，中雪的正误差率（39.2%～ 48.48%）小于负误差率（51.52%～60.8%），其随时效变化趋势与小雪一致；但48 h时效之内这种偏差幅度较小（3.04%～9.78%），随时效减小，之后偏差幅度较大（1.98%～21.6%）随时效增大。图3显示，中雪的平均误差为负值，说明模式对中雪的预报48 h前的系统性偏向不明显，之后随时效的延长为系统偏小也越明显。综上可知，EC模式TP降水预报产品，对北疆小雪的预报为系统性偏大，对强降雪预报则为明显的系统性偏小，而对中雪的预报较复杂；在工作中对小雪的量级预报应适当的给予偏小考虑，而强降雪预报则应适当给予偏大的订正。

综上可知，EC模式TP产品对小雪和中雪的预报范围偏大，强度不稳定；对强降雪（大雪和暴雪）的预报范围偏小、强度偏弱。进一步分析表明，当北疆大部以小雪为主，模式对其预报范围偏差相对较小，强度接近实况；当北疆各地各级别的降雪均出现时，由于模式对强降雪的预报量级偏小，使得小雪的预报量级偏大，强度偏强；尤其是局部为暴雪或大雪时模式对其预报性能较差，导致对小雪的预报范围明显增大，误差也增大。

图4 北疆各级降雪量误差率随时效的变化

4 降雪落区检验

上述对EC模式TP产品在北疆降雪天气预报中的预报准确率、空报率和漏报率，统计误差及误差率进行了检验评估，但在实际预报工作中，某级别的降雪落区预报至关重要，因此有必要对EC模式的降雪落区进行检验。

由图5可知，EC模式对北疆小雪的预报偏大率较高，12～24 h为83.33%，24～72 h时效偏大率为100%，仅12～24 h存在偏小的情况。中雪的偏大率呈凹型，即12～48 h预报时效内偏大率随时效显著减小，之后增大，而偏小率的变化与此相反，即呈凸型，且偏小率为50%～100%；中雪的偏小率除12～24 h预报时效外，均明显大于小雪。大雪的偏大率（0-27.27%）48 h预报时效内明显减小，之后呈波动变化；大雪的偏小率（72.73%～100%）明显的大于偏大率，12～36 h预报时效内大雪的偏小率增大，之后呈波动变化。暴雪的偏大率为12.5%～25%，随时效的延长呈波动变化；暴雪的偏小率为72%～87.5%，随时效的变化与大雪一致。可见模式对小雪的预报以偏大为主，中雪和强降雪以偏小为主，暴雪的偏小率除12～24 h时效外，均比大雪小。EC模式TP与LSP对暴雪预报的结果一致[10]。

5 典型个例检验

5.1 典型个例Ⅰ—2015年12月10—12日

5.1.1 降雪实况

受中亚低槽东移的影响，2015年12月10—12日北疆大部、天山山区及南疆西部的局部、阿克苏北部、巴州北部局部等地出现小到中雪，其中伊犁河谷、博州、沿天山、天山山区34站为的大雪，21站暴雪；大暴雪区位于乌鲁木齐站（46.3 mm），其次为米东区（31.7 mm）。北疆沿天山一带的积雪深度超过20 cm，新增积雪最大区位于乌鲁木齐，积雪深度为34 cm。此次天气最强降雪时段出现在10日20:00—11日08:00，北疆沿天山一带10站出现大雪,4站出现暴雪（乌鲁木齐19.6 mm、米东15.6 mm、小渠子12.7 mm、昌吉12.2 mm）。暴雪对北疆沿天山一带的交通、客运、航班等造成重大的影响。

5.1.2 统计检验

总体来看，模式对小雪和中雪的预报范围偏大，强度不稳定；对强降雪预报范围偏小，强度偏弱；最大降雪中心预报与暴雪中心基本一致。就统计误差来看，对小雪区的误差预报为-2～5 mm；对伊犁州南部和博州西部的预报误差明显偏大（≥5 mm），对塔城地区大部分地方的预报为正误差，对阿勒泰地区为负误差；北疆沿天山一带为明显的负误差，负误差中心基本与暴雪区一致（-6 mm），这与上述分析的模式对暴雪的预报量级明显偏小是一致的（图6a）。分析24～72 h时效内的4个时效（图6b～6e）可知，除阿勒泰地区的误差减小外，其它的误差分布与12～24 h（图6）基本一致。

5.2 典型个例Ⅱ—2015年2月12—14日

5.2.1 降雪实况

受西西伯利亚较强冷空和西南暖湿气流的共同影响，2015年2月12—14日北疆出现了该年冬季降雪最强，范围最广的一次降雪过程。北疆大部小到中雪，伊犁河谷、阿勒泰、塔城及沿天山一带大雪或暴雪。降雪主要集中在13日，该日20—08时、08—20时12 h累计降雪13站次降雪量为5.1～10.0 mm的大雪；12站降雪量达10.1～14.5 mm为暴雪，强降雪主要位于沿天山一带。此次天气的降雪强度和强降雪范围明显比个例Ⅰ的小。

图5 检验时段内各级降雪量偏大、偏小率随时效的变化

图6 2015年12月10日20:00—11日08:00 12 h降雪实况（阴影）叠加EC模式TP产品预报误差/mm

5.2.2 统计检验

总体来看，模式对≥0.1 mm的小雪预报范围明显偏大，强度偏强；对中雪、大雪及暴雪的范围（强度）明显偏小偏弱；对降雪中心位置预报偏南，强度预报明显偏弱。就统计误差来看，小雪的误差个例Ⅰ一致；阿勒泰地区误差不稳定；塔城、博洲、伊犁地区以正误差为主；北疆沿天山一带为明显的负误差，负误差的范围基本与暴雪区一致。可见，阿勒泰地区的误差与个例Ⅰ有些差别，这是由降雪量级不均所造成。如2月13日08—20时北疆大部为小雪，阿勒泰大部中到大雪，沿天山一带为暴雪（图7）。72 h预报时效内模式对北疆降雪量为小雪的预报范围比实况明显偏大，60 h时效内基本变化不大，之后范围较大；中雪的预报范围明显偏小，与实况的偏差较大，且随时效范围不稳定；大雪和暴雪的预报范围明显偏小，范围和大值中心预报比实况偏小偏南，随时效的延长预报范围和大值中心明显偏小偏南（图7a～7e），大值中心预报与个例Ⅰ不同。

通过对上述2个典型暴雪个例的检验可知，模式小雪预报范围明显偏大，强度偏强；对中雪预报范围和强度均不稳定；对大雪及暴雪的范围（强度）明显偏小（弱）；对强降雪量级明显的预报中心基本一致。

图7 2015年2月13日08—20时降雪实况（阴影）叠加EC模式TP产品预报误差/mm

6 结论

本文运用统计学检验、误差率及《中短期天气预报质量检验方法》，对EC模式TP产品在北疆冬季12 h累计降水预报性能进行了检验评估，得到以下结论：

（1）EC细网格TP降水预报产品在北疆降雪天气预报中小雪的预报准确率最高，暴雪最小，大雪和中雪基本相当；TS评分随时效的延长并非都减小。小雪空报率较高、暴雪漏报率较高，是影响预报准确率的关键因素，中雪和大雪空报率和漏报率都不容忽视。

（2）就统计误差来看，小雪和中雪的3种误差均较小，随时效的延长变化较小，说明模式对12 h累计降雪量为小雪和中雪的预报相对较稳定；而强降雪的误差较大，随时效的延长有增大的趋势，尤其是暴雪，表明模式对强降雪预报性能较差。

（3）EC模式TP降水预报产品，对北疆小雪的预报为系统性偏大，对强降雪预报则为明显的系统性偏小，而对中雪的预报较复杂；在工作中对小雪的量级预报应适当的给予偏小考虑，而强降雪预报则应适当给予偏大的订正。

（4）EC模式TP与LSP对暴雪预报的结果一致[10]，预报的量值总体偏小。

本文对升级后的EC细网格模式TP降水产品（0.125°×0.125°）12 h累计降雪量在北疆降雪天气中的预报能力进行了检验，与以往对T639和德国模式降水量（1°×1°）[6-7]及升级前EC细网格模式LSP[10]（0.25°×0.25°）降水量产品分别针对24 h和2 d的累计降水量进行的检验有所不同；该检验分析结果为升级后的更高分辨率EC细网格降水预报产品的释用提供一定的参考，为业务人员制作北疆降雪天气的定点、定时、定量预报预警提供一定的参考依据。但值得注意的是由于本文仅用了一年多的降雪资料，导致暴雪个例较少（仅17站次），也没有进行分类检验，一定程度的影响了该模式对强降雪预报的可信度；有待于今后深入分析模式对暴雪的预报性能。

[1]潘留杰，张宏芳，王建鹏，等.日本高分辨率模式对中国降水预报能力的客观检验[J].高原气象，2014，33（2）：483-494.

[2]张峰.2014年6—8月T639、ECMWF及日本模式中期预报性能检验[J].气象，2014,40（11）：1414-1421.

[3]赵晓琳.2014年9—11月T639、ECMWF及日本模式中期预报性能检验[J].气象，2015，41（2）：247-253.

[4]赖芬芬.2015年3—5月T639、ECMWF及日本模式中期预报性能检验[J].气象，2015，41（8）：1036-1041.

[5]尹姗.2015年6—8月T639、ECMWF及日本模式中期预报性能检验.气象，2015，41（11）：1417-1424.

[6]牟欢，阿不力米提江·阿布力克木，赵凤环.T639和德国模式对新疆大降水预报的检验[J].沙漠与绿洲气象，2013，7(1）：12-15.

[7]买买提·阿布都拉.数值预报产品在和田市2009年汛期降水预报中的准确性检验[J].沙漠与绿洲气象，2010，6 （4）：20-23.

[8]刘春风，徐欢，宋雪明，等.ECMWF细网格模式2 m温度在新疆及周边地区的预报效果检验[J].沙漠与绿洲气象，2014，8（6）：10-15.

[9]张超，李娜,贾健.ECMWF细网格模式2 m温度产品在乌鲁木齐市温度预报中的检验[J].沙漠与绿洲气象，2015，9 （5）：62-68.

[10]张俊兰，李圆圆，张超.ECMWF细网格模式降水产品在北疆暴雪中的应用检验[J].沙漠与绿洲气象，2013，7 （4）：7-13.

[11]贾丽红，张慧岚，肖开提·多来特，等.T639数值预报产品对影响新疆主要系统的预报检验评估[J].气象，2012，38（8）：971-976.

[12]马超，贾丽红，杨霞，等.对ECWMF和T639数值模式产品在新疆暴雪影响系统预报能力中的检验[J].沙漠与绿洲气象，2015，9（2）：31-37.

[13]庄晓翠，周鸿奎，李博渊.T639模式在新疆北部暖区强降雪中的预报检验[J].干旱气象，2015，33（6）：1031-1037.

[14]贾丽红.新疆15个地州首府城市最高最低温度预报检验[J].沙漠与绿洲气象，2013，7（1）：16-20.

[15]于晓晶，于志翔，辛渝，等.沙漠绿洲戈壁区域同化预报系统降水预报检验[J].暴雨灾害，2014，33（3）：281-289

[16]张家宝，邓子风.新疆降水概论[M].北京：气象出版社，1987：400.

[17]吴曼丽，沈玉敏，梁寒.辽宁中尺度数值模式产品和T213产品对比检验分析[J].气象科技，2009，37（3）：276-280.

[18]孔玉寿，张东华.现代天气预报技术[M].北京：气象出版社，2000：37-40.

[19]毛冬艳，朱文剑，樊利强，等.GRAPES_MESOV3.3模式强天气预报性能的初步检验[J].气象，2014，40（12）：1429-1438.

[20]程锦霞.2013年5月河南一次大暴雨成因分析及数值预报检验[J].气象与环境科学，2014，37（2）：42-48.

Test of ECMWF Fine Grid TP Products Forecast Performance for Snowfall Weather in North Xinjiang

LI Boyuan1，2，ZHAO Jiangwei2，WANG Xiaohao3
（1.Institute of Desert Meteorology，China Meteorological Adminstration，Urumqi 830002，China；2.Aletai Meteorological Bureau of Xinjiang，Aletai 836500，China；3.Tacheng Meteorological Bureau of Xinjiang，Tacheng 834700，China；）

Based on the upgraded ECMWF fine grid TP products,17 snowfall cases during 2015 in north Xinjiang were selected to evaluate 12 h accumulated snowfall by using statistical and synoptic methods.Results showed that the forecast accuracy（Ts）of light snow in North Xinjiang is the highest,and heavy Snowstorm is the lowest;Ts is not always increasing with forecast time length, but false alarm rate of light snow and under-predicting rate of snowstorm are higher.False and missed alarm rate of moderate snow and heavy snow also cannot be ignored;Three kinds errors of lights snow and moderate snow is small，and change little with increase of forecast time length;On contrast,error of Heavy Snowfall is greater and increase with forecast time length.Light snow is systemic over-predicted,Heavy Snowfall is systemic under-predicted obviously,moderate snow is instability.

ECMWF fine grid TP products;snowfall weather in North Xinjiang;test of forecast performance

P456.7

：B

1002-0799（2016）06-0041-08

10.3969/j.issn.1002-0799.2016.06.006

2015-11-23；

2016-05-03

中国沙漠气象科学研究基金（Sqj2013008）和新疆气象局面上项目（MS201604）共同资助。

李博渊（1988-），男，助理工程师，从事综合业务及其相关的研究工作。E-mail：lbyxjalt@163.com

李博渊，赵江伟，王小号.ECMWF细网格TP产品在北疆降雪天气中的预报性能检验[J].沙漠与绿洲气象，2016，10（6）：41-48.