唐 冶 ，李如琦 *，馬玉芬 ，張 萌 ，張 俊 ，劉軍建

（1.新疆氣象臺(tái)，新疆 烏魯木齊830002；2.中亞大氣科學(xué)研究中心，新疆 烏魯木齊830002；3.中國(guó)氣象局烏魯木齊沙漠氣象研究所，新疆 烏魯木齊830002）

隨著氣象科學(xué)的進(jìn)步和經(jīng)濟(jì)社會(huì)的發(fā)展，對(duì)天氣預(yù)報(bào)的要求越來(lái)越高，精細(xì)化預(yù)報(bào)成為氣象業(yè)務(wù)發(fā)展的必然趨勢(shì)。發(fā)展數(shù)值預(yù)報(bào)模式的釋用訂正技術(shù)，提高數(shù)值預(yù)報(bào)模式輸出的氣象要素預(yù)報(bào)水平，是開(kāi)展精細(xì)化預(yù)報(bào)重要環(huán)節(jié)。近年來(lái)，氣象工作者采用多種方法對(duì)模式氣溫、降水預(yù)報(bào)進(jìn)行了釋用，董全等[1]采用最優(yōu)概率閾值法生成降水相態(tài)的確定性預(yù)報(bào)產(chǎn)品，劉新偉等[2]采用小波分析方法及滑動(dòng)訓(xùn)練、最優(yōu)融合等技術(shù)對(duì)模式誤差進(jìn)行訂正，制作西北氣溫格點(diǎn)預(yù)報(bào)產(chǎn)品，效果顯著。樊仲欣等[3]應(yīng)用基于動(dòng)態(tài)因子檢驗(yàn)的遞歸小波神經(jīng)網(wǎng)絡(luò)對(duì)江蘇城鎮(zhèn)夏季最高氣溫進(jìn)行釋用，準(zhǔn)確率有較大提升。沈沉等[4]用回歸分析法、S 型和簡(jiǎn)化Line 型BP 神經(jīng)網(wǎng)絡(luò)法進(jìn)行模式釋用，對(duì)迪士尼園區(qū)的最高、最低氣溫進(jìn)行預(yù)報(bào)，準(zhǔn)確率提升20%。吳乃庚等[5]開(kāi)發(fā)了一套多模式動(dòng)態(tài)集成網(wǎng)格釋用技術(shù)方案，明顯提升了預(yù)報(bào)技巧。趙華生等[6]基于最大相關(guān)最小冗余度算法和隨機(jī)森林回歸算法，提出一種對(duì)ECMWF 集合預(yù)報(bào)產(chǎn)品進(jìn)行暴雨預(yù)報(bào)的釋用方法，統(tǒng)計(jì)結(jié)果顯示具有較好的釋用效果。曹萍萍等[7]基于概率匹配方法，采取分區(qū)及點(diǎn)對(duì)點(diǎn)匹配兩種方案對(duì)逐12 h 累積降水進(jìn)行訂正試驗(yàn)，發(fā)現(xiàn)合理的區(qū)域劃分增加統(tǒng)計(jì)樣本量可以提高訂正效果。孫靖等[8]改進(jìn)建立分等級(jí)消除偏差法，使用混合訓(xùn)練期和60 d 滑動(dòng)訓(xùn)練期方案對(duì)ECMWF 模式夏季1~5 d 的降水預(yù)報(bào)進(jìn)行訂正試驗(yàn)。一些研究者[9-14]探討了對(duì)不同模式降水、氣溫預(yù)報(bào)的釋用方法。研究結(jié)果表明，適當(dāng)?shù)尼層梅椒軌蛴行嵘Ｊ筋A(yù)報(bào)的準(zhǔn)確率。

隨著預(yù)報(bào)精細(xì)化的不斷提高，逐小時(shí)甚至更小時(shí)間尺度預(yù)報(bào)的需求越來(lái)越大，而業(yè)務(wù)全球模式預(yù)報(bào)的時(shí)間尺度不能滿(mǎn)足需求，采用不同的釋用方法基于中尺度模式開(kāi)展精細(xì)客觀預(yù)報(bào)成為主要手段，如李強(qiáng)等[10]采用配料法開(kāi)展寧夏暴雨的逐時(shí)定量預(yù)報(bào)試驗(yàn)，趙瑞霞等[11]利用MEOFIS 平臺(tái)采用MOS 建模方法開(kāi)展了3 h 滾動(dòng)逐小時(shí)高密度站點(diǎn)氣溫預(yù)報(bào)試驗(yàn)，均取得了良好的預(yù)報(bào)效果，但對(duì)新疆區(qū)域逐小時(shí)要素客觀預(yù)報(bào)的研究較為少見(jiàn)。新疆區(qū)域數(shù)值天氣預(yù)報(bào)系統(tǒng)DOGRAFS（Desert Oasis Gobi Regional Analysis Forecast System）于2015 年實(shí)現(xiàn)業(yè)務(wù)準(zhǔn)入，是新疆精細(xì)化預(yù)報(bào)產(chǎn)品研發(fā)的主要依靠模式。對(duì)DOGRAFS 的研究[17—24]集中于模式的改進(jìn)和輸出產(chǎn)品的檢驗(yàn)評(píng)估，尚未開(kāi)展DOGRAFS 釋用方法的研究。本文在對(duì)DOGRAFS 氣溫和降水預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)的基礎(chǔ)上，研究建立了一套逐小時(shí)氣溫、降水的訂正釋用方法，并對(duì)釋用結(jié)果進(jìn)行檢驗(yàn)，以期對(duì)今后新疆降水、氣溫客觀預(yù)報(bào)產(chǎn)品的研發(fā)提供參考。

1 資料和檢驗(yàn)方法

新疆區(qū)域數(shù)值天氣預(yù)報(bào)系統(tǒng)DOGRAFS 于2015 年實(shí)現(xiàn)業(yè)務(wù)準(zhǔn)入，現(xiàn)行版本為 1.0，以WRFV3.5.1 和WRFDA V3.5.1 為核心，采用三維變分同化技術(shù)進(jìn)行各種觀測(cè)資料的同化分析，具備完整的功能模塊和自動(dòng)化運(yùn)行流程。DOGRAFS v1.0系統(tǒng)采用三重嵌套，垂直方向?yàn)?0 層，9 km 分辨率包括全疆，3 km 分辨率區(qū)域?yàn)闉豸斈君R至小草湖風(fēng)區(qū)。DOGRAFS 采用NCEP GFS 資料的預(yù)報(bào)場(chǎng)作為冷啟動(dòng)的背景場(chǎng)，3 個(gè)區(qū)域均同時(shí)進(jìn)行同化，每天預(yù)報(bào) 4 次，其中 00 時(shí) UTC、12 時(shí) UTC 為冷啟，預(yù)報(bào)時(shí)長(zhǎng)為 84 h；06 時(shí) UTC、18 時(shí) UTC 為暖啟，預(yù)報(bào)時(shí)長(zhǎng)為36 h。

本 文 使 用 2016 年 9 月—2019 年 12 月DOGRAFS 逐站整點(diǎn)地面逐小時(shí)氣溫、降水預(yù)報(bào)產(chǎn)品，每日 08、20 時(shí)（北京時(shí)，下同）兩次起報(bào)，預(yù)報(bào)時(shí)效為0～36 h，站點(diǎn)為新疆區(qū)域基本基準(zhǔn)站（105 站）。由于DOGRAFS 預(yù)報(bào)產(chǎn)品推送至預(yù)報(bào)員桌面有8 h左右的時(shí)間滯后，為與業(yè)務(wù)時(shí)效同步，采用起報(bào)時(shí)間提前12 h 的DOGRAFS 模式資料，即20 時(shí)使用當(dāng)日08 時(shí)起報(bào)的DOGRAFS 模式資料，而08 時(shí)使用前一天20 時(shí)起報(bào)的模式資料。預(yù)報(bào)時(shí)段1～24 h 使用模式前一起報(bào)時(shí)次12～36 h 時(shí)效的預(yù)報(bào)產(chǎn)品。檢驗(yàn)實(shí)況采用對(duì)應(yīng)時(shí)刻的新疆105 站逐小時(shí)氣溫、降水觀測(cè)數(shù)據(jù)。

采用2016—2018 年DOGRAFS 的氣溫、降水逐小時(shí)預(yù)報(bào)資料，在檢驗(yàn)的基礎(chǔ)上開(kāi)展釋用方法研究，并用2019 年資料進(jìn)行試驗(yàn)測(cè)試。通過(guò)檢驗(yàn)來(lái)分析逐小時(shí)氣溫、降水釋用方法的預(yù)報(bào)性能。檢驗(yàn)辦法按照中國(guó)氣象局天氣預(yù)報(bào)的標(biāo)準(zhǔn)，降水統(tǒng)計(jì)檢驗(yàn)晴雨準(zhǔn)確率、一般性降水TS評(píng)分、空?qǐng)?bào)率和漏報(bào)率，氣溫統(tǒng)計(jì)檢驗(yàn)氣溫的準(zhǔn)確率、絕對(duì)誤差和均方根誤差。

檢驗(yàn)方法參照中國(guó)氣象局《中短期天氣預(yù)報(bào)質(zhì)量檢驗(yàn)辦法》[25]的規(guī)定，具體如下：

（1）溫度預(yù)報(bào)。

式中，Nr為預(yù)報(bào)正確的站（次）數(shù)，Nf為預(yù)報(bào)的總站（次）數(shù)，F(xiàn)i為第 i 站（次）預(yù)報(bào)溫度，Oi為第 i 站（次）實(shí)況溫度。溫度預(yù)報(bào)準(zhǔn)確率的實(shí)際含義是溫度預(yù)報(bào)誤差≤2 ℃的百分率。

（2）降水預(yù)報(bào)。

式中，NA為預(yù)報(bào)正確站（次）數(shù)、NB為空?qǐng)?bào)站（次）數(shù)、NC為漏報(bào)站（次）數(shù)，ND為無(wú)降水預(yù)報(bào)正確的站（次）數(shù)。

2 釋用方法

2.1 氣溫逐小時(shí)預(yù)報(bào)

初步方案采用站點(diǎn)資料的MOS 方法建模，對(duì)105 站DOGRAFS 逐小時(shí)氣溫進(jìn)行釋用預(yù)報(bào)，經(jīng)檢驗(yàn)整體預(yù)報(bào)效果達(dá)不到業(yè)務(wù)需求。可能的原因是逐小時(shí)氣溫變率較大，云天狀況的微小改變都可能對(duì)小時(shí)氣溫產(chǎn)生較大的影響，而數(shù)值模式本身對(duì)小尺度時(shí)間的預(yù)報(bào)就存在較大誤差，因此采用MOS 方法建模釋用方案預(yù)報(bào)逐小時(shí)氣溫很難達(dá)到要求。

分析DOGRAFS 氣溫預(yù)報(bào)檢驗(yàn)結(jié)果，24 h 最高氣溫、最低氣溫具有相對(duì)較好的準(zhǔn)確性，因此，使用DOGRAFS 24 h 內(nèi)的逐小時(shí)氣溫預(yù)報(bào)的最高、最低值進(jìn)行建模，得到未來(lái)24 h 的最高、最低氣溫的釋用訂正預(yù)報(bào)，再根據(jù)DOGRAFS 原始預(yù)報(bào)中逐小時(shí)預(yù)報(bào)的序列分布狀態(tài)，按比例訂正未來(lái)24 h 的逐小時(shí)氣溫，從而得到未來(lái)24 h 內(nèi)逐小時(shí)氣溫的訂正預(yù)報(bào)序列。選取單站預(yù)報(bào)結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)較釋用訂正前有較明顯的提高。

2.2 降水逐小時(shí)預(yù)報(bào)

數(shù)值預(yù)報(bào)模式輸出的降水預(yù)報(bào)存在一定程度的系統(tǒng)誤差，通過(guò)統(tǒng)計(jì)分析方法訂正可以減小誤差，提高預(yù)報(bào)準(zhǔn)確率。針對(duì)2016—2018 年降水產(chǎn)品的檢驗(yàn)，DOGRAFS 模式輸出的降水預(yù)報(bào)產(chǎn)品存在弱降水空?qǐng)?bào)率偏高的特點(diǎn)。針對(duì)此種情況，采用最優(yōu)TS評(píng)分訂正方法對(duì)小時(shí)降水產(chǎn)品進(jìn)行訂正優(yōu)化。

最優(yōu) TS評(píng)分訂正[26]：

設(shè)定7 個(gè)降水量級(jí)應(yīng)用于分級(jí)訂正，閾值為Ok，7 個(gè)降水量級(jí)為 0、1、3、6、12、24、48 mm，x 和 y分別為模式降水的預(yù)報(bào)值和訂正值，Ok為第k 量級(jí)降水閾值（k 為 1，2，…，7），Ek為分級(jí)降水 ETS 評(píng)分，F(xiàn)k為預(yù)報(bào)降水量訂正到Ok時(shí)，該量級(jí)對(duì)應(yīng)模式降水閾值。x＜F1時(shí)，y 為 0，稱(chēng)之為消空訂正；y 與 x比值為訂正系數(shù)，相對(duì)Ok越?。ù螅┯喺禂?shù)就越大（小）。Fk從訓(xùn)練期調(diào)整訂正系數(shù)使第k 量級(jí)累積降水TS評(píng)分達(dá)到最高時(shí)求得。

3 釋用結(jié)果的檢驗(yàn)

3.1 氣溫預(yù)報(bào)

對(duì) 2016—2018 年 DOGRAFS 逐日 08、20 時(shí)起報(bào)并輸出的新疆105 站12～36 h 逐小時(shí)氣溫預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)，從預(yù)報(bào)質(zhì)量的空間分布（圖1a）可知，模式對(duì)氣溫的預(yù)報(bào)空間差異很大，最高評(píng)分為托里的72.58%，最低評(píng)分為巴侖臺(tái)的4.01%?？傮w上北疆明顯好于南疆，地形的影響較為明顯，地形特殊的站點(diǎn)尤其是山區(qū)站評(píng)分較低，塔什庫(kù)爾干、天池、巴侖臺(tái)3 站準(zhǔn)確率均不足10%。以DOGRAFS 逐日08、20 時(shí)起報(bào)并輸出的新疆105 站逐小時(shí)氣溫預(yù)報(bào)產(chǎn)品為基礎(chǔ)，經(jīng)釋用后輸出新的2016—2018 年氣溫預(yù)報(bào)產(chǎn)品，從準(zhǔn)確率的空間分布來(lái)看（圖1b），釋用后的氣溫預(yù)報(bào)北疆好于南疆，地形的影響也較大，最低評(píng)分的3 個(gè)站有變化，分別為北塔山、大西溝、十三間房，是山區(qū)站或風(fēng)口地區(qū)。大多數(shù)站點(diǎn)釋用后的預(yù)報(bào)準(zhǔn)確率較釋用前有明顯的提升，如釋用后評(píng)分最高的烏魯木齊準(zhǔn)確率為76.45%，較釋用前提升了4.15%，絕對(duì)誤差也由1.57 ℃提高到1.43 ℃，均方根誤差由2.09 ℃提高到1.92 ℃；但也有部分站點(diǎn)的準(zhǔn)確率有所下降，如評(píng)分最低的十三間房，準(zhǔn)確率僅為12.5%，比釋用前還低了2.72%，絕對(duì)誤差由4.29 ℃提高到7.58 ℃，均方根誤差由4.81 ℃提高到8.42 ℃。

圖1 2016—2018 年12～36 h 逐小時(shí)氣溫預(yù)報(bào)TS 評(píng)分的區(qū)域分布

由預(yù)報(bào)檢驗(yàn)結(jié)果（表1）可知，無(wú)論是預(yù)報(bào)準(zhǔn)確率，還是絕對(duì)誤差和均方根誤差，08 時(shí)起報(bào)的模式氣溫預(yù)報(bào)結(jié)果均要好于20 時(shí)起報(bào)的，綜合質(zhì)量評(píng)分較低，準(zhǔn)確率不到50%，絕對(duì)誤差超過(guò)2 ℃，均方根誤差超過(guò)3 ℃。對(duì)比釋用后站點(diǎn)氣溫預(yù)報(bào)的檢驗(yàn)結(jié)果，08 時(shí)起報(bào)的氣溫預(yù)報(bào)釋用后仍然高于20 時(shí)，但較釋用前兩者之間差距有所減??；總體的氣溫預(yù)報(bào)準(zhǔn)確率達(dá)64%，較釋用前提升近15%，絕對(duì)誤差由釋用前的2.63 ℃提高到1.92 ℃，均方根誤差由釋用前的3.45 ℃提高到2.66 ℃。

表1 2016—2018 年 DOGRAFS 的 12～36 h逐小時(shí)氣溫預(yù)報(bào)檢驗(yàn)

以上的檢驗(yàn)分析表明，采用的氣溫釋用方法對(duì)DOGRAFS 氣溫預(yù)報(bào)產(chǎn)品總體上有較明顯的改進(jìn)作用，準(zhǔn)確率平均提高13%，提升程度最高可達(dá)50%，但區(qū)域差異較明顯，部分站點(diǎn)準(zhǔn)確率有較明顯的下降。

3.2 降水預(yù)報(bào)的檢驗(yàn)

對(duì) 2016—2018 年 DOGRAFS 逐日 08、20 時(shí)起報(bào)并輸出的新疆105 站12～36 h 逐小時(shí)降水預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)，從晴雨預(yù)報(bào)的空間分布（圖2a）來(lái)看，南疆、東疆的準(zhǔn)確率明顯高于北疆和山區(qū)，評(píng)分最高的3 個(gè)站均在吐魯番，為托克遜、東坎、吐魯番站，均超過(guò)99.6%；評(píng)分最低的3 個(gè)站均為山區(qū)站，為昭蘇、吐?tīng)栨靥睾桶鸵舨剪斂?，?zhǔn)確率低于81.4%，最低的昭蘇僅78.3%。以2016—2018 年DOGRAFS 逐日08、20 時(shí)起報(bào)并輸出的新疆105 站逐小時(shí)降水預(yù)報(bào)產(chǎn)品為基礎(chǔ)，經(jīng)釋用后輸出新的降水預(yù)報(bào)產(chǎn)品。從晴雨預(yù)報(bào)評(píng)分的區(qū)域分布（圖2b）可知，與釋用前基本一致，南疆、東疆高于北疆，中、西天山山區(qū)最低，吐鄯托盆地最高，均超過(guò)99.7%，較釋用前略有提高；昭蘇和大西溝最低，低于90%，但較釋用前提升10%左右。從總體的評(píng)分結(jié)果（表2）可知，平均晴雨預(yù)報(bào)準(zhǔn)確率為95%，TS評(píng)分較低，平均僅19.9%；空?qǐng)?bào)率為五成略高，漏報(bào)率略低于三成。對(duì)比釋用后降水預(yù)報(bào)的檢驗(yàn)，晴雨預(yù)報(bào)08 時(shí)起報(bào)低于20 時(shí)起報(bào)，但TS評(píng)分08 時(shí)起報(bào)的略高，空?qǐng)?bào)率相當(dāng)，漏報(bào)率20 時(shí)起報(bào)的略高。晴雨預(yù)報(bào)評(píng)分較釋用前提高約2%，TS評(píng)分提升近3%，空?qǐng)?bào)率大幅降低約30%，但漏報(bào)率大幅增加近28%。

圖2 2016—2018 年12～36 h 逐小時(shí)晴雨預(yù)報(bào)準(zhǔn)確率的區(qū)域分布

表2 2016—2018 年 DOGRAFS 的 12～36 h逐小時(shí)降水預(yù)報(bào)檢驗(yàn)

采用的降水釋用方法對(duì)晴雨預(yù)報(bào)評(píng)分總體提升近2%，尤其對(duì)DOGRAFS 預(yù)報(bào)評(píng)分較低的站點(diǎn)提升較多，最多的達(dá)10%以上，有效地降低了空?qǐng)?bào)率，但漏報(bào)率較大。

3.3 逐小時(shí)預(yù)報(bào)檢驗(yàn)

3.3.1 氣溫

對(duì)2019 年全疆105 站逐小時(shí)氣溫進(jìn)行釋用并輸出預(yù)報(bào)產(chǎn)品，檢驗(yàn)釋用前后的氣溫預(yù)報(bào)，對(duì)比預(yù)報(bào)準(zhǔn)確率（圖3a）可知，釋用前逐小時(shí)氣溫預(yù)報(bào)準(zhǔn)確率為45%～52%，釋用后準(zhǔn)確率為56%～72%，各個(gè)時(shí)次的預(yù)報(bào)準(zhǔn)確率均較釋用前有明顯的提高，平均預(yù)報(bào)準(zhǔn)確率由釋用前的49.0%提升到64.2%，提高了15%。對(duì)比使用前后的絕對(duì)誤差（圖3b），釋用前在2.5～2.8 ℃，釋用后為 1.6～2.2 ℃，平均值由 2.6 ℃降到1.9 ℃，達(dá)到業(yè)務(wù)要求。均方根誤差（圖3c）釋用前為3.3～3.6 ℃，釋用后為 2.4～2.9 ℃，平均降低 0.8 ℃。

圖3 氣溫逐小時(shí)預(yù)報(bào)釋用前后對(duì)比

采用的釋用方法對(duì)新疆站點(diǎn)逐小時(shí)的氣溫預(yù)報(bào)準(zhǔn)確率明顯提升，誤差明顯降低，平均誤差降至2 ℃以?xún)?nèi)，均方根誤差減小，預(yù)報(bào)離散度降低，具有較好的預(yù)報(bào)性能。

3.3.2 降水

采用建立的釋用方法對(duì)2019 年新疆105 站逐小時(shí)降水進(jìn)行預(yù)報(bào)并檢驗(yàn)，晴雨準(zhǔn)確率（圖4a）由釋用前的 94.3%～95.1%上升至釋用后的 96.7%～97.3%，平均準(zhǔn)確率提升近2%。降水T（S圖4b）釋用前在17.7%～22.3%，釋用后為18.6～24.7%，平均由20%提高到22%。空?qǐng)?bào)率（圖4c）在釋用前為45.1%～55.8%，釋用后為18.7%～25.3%，平均由51.6%降低到22.4%。漏報(bào)率（圖4d）由釋用前的25.0%～32.6%升高到釋用后的53.6%～57.4%，平均由28.5%升高到55.6%。

圖4 降水逐小時(shí)預(yù)報(bào)釋用前后對(duì)比

采用的釋用方法對(duì)新疆站點(diǎn)逐小時(shí)的降水預(yù)報(bào)空?qǐng)?bào)率明顯降低、漏報(bào)率較大、誤差有所降低、準(zhǔn)確率有提升但不明顯，還需要更為精細(xì)的考慮模式對(duì)不同區(qū)域站點(diǎn)預(yù)報(bào)性能的差異，有差別地進(jìn)行釋用方法的改進(jìn)，從而更好地提高準(zhǔn)確率。

4 結(jié)論與討論

在對(duì)DOGRAFS 的2016—2018 年氣溫、降水逐小時(shí)預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)分析的基礎(chǔ)上，開(kāi)展了釋用方法的研究，經(jīng)反復(fù)對(duì)比確定了逐小時(shí)氣溫、降水預(yù)報(bào)的釋用方案，對(duì)釋用預(yù)報(bào)結(jié)果進(jìn)行了檢驗(yàn)，并采用2019 年數(shù)據(jù)預(yù)報(bào)測(cè)試，得到以下結(jié)論：

（1）對(duì)于 DOGRAFS 的氣溫預(yù)報(bào)，08 時(shí)起報(bào)的準(zhǔn)確率要高于20 時(shí)起報(bào)的；北疆好于南疆，地形較復(fù)雜的山區(qū)和風(fēng)口地區(qū)預(yù)報(bào)準(zhǔn)確率較差；準(zhǔn)確率僅為50%，平均絕對(duì)誤差為2.5 ℃，不能滿(mǎn)足業(yè)務(wù)需要。采用氣溫最高、最低值建模的預(yù)報(bào)釋用方法后，預(yù)報(bào)效果有較明顯提升，準(zhǔn)確率為64%，平均絕對(duì)誤差為1.9 ℃，可以滿(mǎn)足業(yè)務(wù)的初步需要。用2019年數(shù)據(jù)進(jìn)行預(yù)報(bào)測(cè)試，預(yù)報(bào)效果也相當(dāng)，且平均均方根誤差明顯減小，預(yù)報(bào)的離散度降低，表明釋用方案具有較好的預(yù)報(bào)性能。

（2）08 時(shí)起報(bào)的降水預(yù)報(bào) TS評(píng)分略高，20 時(shí)起報(bào)的晴雨準(zhǔn)確率略高；南疆好于北疆，山區(qū)站的預(yù)報(bào)準(zhǔn)確率較差；晴雨預(yù)報(bào)準(zhǔn)確率可超過(guò)95%，基本可滿(mǎn)足需要，但降水TS評(píng)分僅有20%，空?qǐng)?bào)率超過(guò)50%，預(yù)報(bào)性能較差。采用消空訂正方案后，晴雨預(yù)報(bào)準(zhǔn)確率提高1%，TS評(píng)分提高2%，空?qǐng)?bào)率降低至22%左右，但漏報(bào)率較大。用2019 年數(shù)據(jù)進(jìn)行預(yù)報(bào)測(cè)試，檢驗(yàn)結(jié)果類(lèi)似，釋用方案對(duì)模式降水預(yù)報(bào)有一定的提升效果，但仍有較大的改進(jìn)空間。

通過(guò)對(duì)DOGRAFS 氣溫和降水預(yù)報(bào)釋用方案的檢驗(yàn)結(jié)果，可以看出選取適當(dāng)?shù)尼層梅桨改苡行У靥嵘仡A(yù)報(bào)的準(zhǔn)確率，對(duì)于地形復(fù)雜的地區(qū)，采用單一的釋用方案，質(zhì)量提升作用有限，而對(duì)不同區(qū)域采取不同的方案，又會(huì)極大地增加工作量，需要持久細(xì)致的工作。釋用方案試驗(yàn)為客觀預(yù)報(bào)的開(kāi)發(fā)積累了經(jīng)驗(yàn)，今后將更為精細(xì)的考慮不同模式對(duì)不同區(qū)域站點(diǎn)預(yù)報(bào)性能的差異，有區(qū)別地進(jìn)行釋用方法的改進(jìn)，從而更好地提高準(zhǔn)確率。