王基鑫，黎 倩，栗 晗，張君霞，劉新雨

（1.蘭州中心氣象臺，甘肅 蘭州 730000；2.河南省氣象臺，河南 鄭州 450003；3.酒泉市氣象局，甘肅 酒泉 735000）

氣溫預報是精細化預報產(chǎn)品的重要組成部分，是政府和公眾重點關注預報要素之一，提高氣溫的精細化預報水平是很多行業(yè)對精細化天氣預報服務的需求［1］。智能網(wǎng)格預報業(yè)務則在現(xiàn)代氣象業(yè)務精細化天氣預報服務的要求下應運而生，客觀定量化是其顯著特點［2-3］。中國氣象局《氣象預報業(yè)務發(fā)展規(guī)劃（2021—2025年）》指出氣象預報業(yè)務要始終瞄準提高預報準確率這一核心目標。因此，智能網(wǎng)格預報產(chǎn)品在實現(xiàn)高時空分辨率時，預報準確率的提高同樣重要。提高智能網(wǎng)格預報產(chǎn)品準確率一方面取決于數(shù)值預報模式的發(fā)展，另一方面取決于對數(shù)值預報模式產(chǎn)品釋用技術的研發(fā)。在數(shù)值天氣預報能力穩(wěn)定的情況下，深入開展模式產(chǎn)品釋用技術的研發(fā)是提高預報準確率的有效途徑。

近年來，眾多學者在氣溫數(shù)值模式預報產(chǎn)品釋用方面進行了諸多探索。為了消除模式預報的系統(tǒng)偏差，學者們提出模式輸出統(tǒng)計（Model Output Statistics，MOS）方法［4-5］、卡爾曼濾波方法［6-7］、小波分析方法［8-9］、機器學習方法［10-12］等多種方法對數(shù)值模式預報偏差進行訂正，以提高預報結果的準確性，并在實際預報業(yè)務中得到了很好的應用。利用MOS方法降低模式24 h最高、最低氣溫預報誤差是模式后處理的重要研究方向之一。MOS 方法是利用數(shù)值預報產(chǎn)品，通過統(tǒng)計方法建立預報量和預報因子之間的數(shù)學關系，其考慮了數(shù)值模式的偏差和不確定性［13］。不同學者對MOS 方法在不同地區(qū)氣溫訂正中的適用性進行了研究，如針對陜西省日最高、最低氣溫的客觀訂正方法研究發(fā)現(xiàn)一元線性回歸算法對日最高氣溫訂正效果較好，遞減平均算法則對日最低氣溫訂正效果較好［14］，準滑動訓練期MOS訂正方法可有效提高山東省日最高、最低氣溫的預報準確率，偏差滑動訂正算法96 h內(nèi)對魯中山區(qū)和國家級考核站點具有較好訂正效果［15］，在江西省，滑動雙權重平均訂正法可以有效訂正模式誤差，提升預報準確率，而空間誤差逐步訂正方法可彌補季節(jié)過渡期間滑動雙權重平均訂正法預報質量不穩(wěn)定的缺陷［16］。另外，部分學者針對數(shù)值模式誤差特征提出了有效提升氣溫準確率的方法，如，蔡凝昊等［17］將數(shù)值模式預報的最高、最低氣溫的歷史平均誤差、初值場誤差以及卡爾曼濾波反演誤差納入訂正方法發(fā)現(xiàn)預報準確率明顯提高，且優(yōu)于中央氣象臺指導產(chǎn)品和預報員主觀訂正的城鎮(zhèn)網(wǎng)格預報產(chǎn)品。劉新偉等［8-9］利用小波分析方法將數(shù)值模式預報誤差納入對中央氣象臺指導產(chǎn)品的訂正中，有效提升了甘肅省最高、最低氣溫準確率。為了有效改進MOS訂正方法，學者針對氣溫訂正中的最優(yōu)訓練期也進行了探討，例如吳啟樹等［18］、何珊珊等［19］通過設計MOS不同訓練期對比方案發(fā)現(xiàn)，最高、最低氣溫的最佳訓練日數(shù)為30 d，采用2 a 準對稱混合滑動訓練期能獲得更好訂正結果。近年來，隨著我國多源融合實況產(chǎn)品的發(fā)展［20］，以多源融合實況產(chǎn)品為背景場的智能網(wǎng)格氣溫訂正方法研究取得了較好的訂正效果。曾曉青等［21］以多元融合氣溫格點產(chǎn)品為實況，采用8 種不同誤差回歸訂正方案，對ECMWF 模式2 m 氣溫預報產(chǎn)品進行訂正，結果表明短期預報中滑動誤差回歸方法最優(yōu)。

甘肅省地形地貌復雜，氣候地域差異顯著，數(shù)值模式氣溫預報產(chǎn)品偏差較大，使得氣溫預報難度大，預報準確率較低［22-24］。為了滿足智能網(wǎng)格業(yè)務需要，蘭州中心氣象臺近年針對性的研發(fā)了氣溫客觀訂正技術，改善了模式預報效果，但地形相對復雜地區(qū)預報準確率較低，仍不能滿足實際預報業(yè)務需求。為此，本文利用加權準對稱滑動訓練期方法（Weighted Quasi-symmetric Running Training Period method，WQSRTP），對業(yè)務中常用的ECMWF高低溫預報產(chǎn)品進行訂正，以期為復雜地形下的智能網(wǎng)格氣溫預報業(yè)務提供一定的技術支撐，并進一步提升甘肅省高低溫預報服務能力，夯實客觀預報替代主觀預報的基礎。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源和處理

實況氣溫選用甘肅省340個國家級考核站（圖1）的逐日地面2 m最高和最低氣溫觀測資料。數(shù)值預報資料選用中國氣象局智能網(wǎng)格指導預報產(chǎn)品（SCMOC）和甘肅省城鎮(zhèn)網(wǎng)格預報產(chǎn)品（SPCC）的逐24 h最高、最低格點氣溫預報產(chǎn)品，水平分辨率均為0.05°×0.05°，每日08：00、20：00（北京時，下同）起報，預報時效為0～240 h，歐洲中期天氣預報中心（European Centre for Medium-range Weather Forecasts，ECMWF）逐6 h最高、最低格點氣溫預報產(chǎn)品，水平分辨率0.125°×0.125°，每日08：00、20：00起報，預報時效為0～24 h。

圖1 甘肅省國家級考核站分布Fig.1 Distribution of national meteorological assessment stations in Gansu

通過取24 h 極值的方法，將ECMWF 逐6 h 最高、最低氣溫預報產(chǎn)品處理為逐24 h 最高、最低氣溫預報產(chǎn)品。預報產(chǎn)品為每日20：00起報72 h內(nèi)逐24 h 的最高、最低氣溫產(chǎn)品。訓練樣本為2018 年9月1 日至2019 年8 月31 日ECMWF 逐24 h 最高、最低氣溫預報產(chǎn)品及24 h 最高、最低氣溫觀測資料，檢驗樣本采用2019 年9 月1 日至2020 年8 月31 日的模式預報和實況資料，采用鄰域法將網(wǎng)格預報產(chǎn)品插值到站點，即選取離站點最近的網(wǎng)格點作為站點預報，若存在多個距離相等網(wǎng)格點時，取東北角網(wǎng)格點［9］。

1.2 研究方法

1.2.1 WQSRTP方法 采用WQSRTP方法中訓練期采用準對稱滑動訓練期［18］，逐次滑動分別選取當年預報日之前30日和前一年預報日之后30日每日預報資料與對應實況資料作為訓練樣本數(shù)據(jù)，基于加權線性回歸的方法逐站點建立24 h最高、最低氣溫的預報模型。利用加權線性回歸的方法，對t時效的ECMWF 預報值與t時效的觀測實況進行加權線性回歸建模（公式1），得到加權線性回歸模型，根據(jù)模型進行預報，得到訂正結果。

式中：Y′t為t時效的訂正值（℃）；Yt為t時效的模式預報值（℃）；a為回歸系數(shù)；b為常數(shù)項（℃）。利用準滑動訓練期內(nèi)不同時效的預報值和觀測實況值，利用最小二乘法擬合得到a、b，即目標函數(shù)值最?。ü?）。

式中：wi為第i個加權系數(shù)，根據(jù)樣本日期距離預報日及同期預報日的遠近確定，對于距離預報日或同期預報日較近的樣本給予更高的權重，反之亦然，權重分布如圖2所示。

圖2 權重分布Fig.2 Sample weight distribution

1.2.2 檢驗方法

（1）預報準確率

式中：Fa為氣溫預報值與實況誤差不超過2°C的百分率；Na為不超過2°C 的樣本數(shù)，即預報準確的樣本數(shù)；Nt為預報總樣本數(shù)。

（2）均方根誤差和平均絕對誤差

式中：RMSE 為均方根誤差；MAE 為平均絕對誤差；N為預報次數(shù)；Oi是第i個站點的實況觀測值；Pi是第i個站點的預測值。

（3）預報技巧

式中：Fss為預報技巧評分；Tmean為SCMOC、SPCC或ECMWF 的最高、最低氣溫的平均絕對誤差；Tmeanf為WQSRTP最高、最低氣溫的平均絕對誤差。

2 結果與分析

2.1 考核站檢驗結果

將2019 年9 月1 日至2020 年8 月31 日的ECMWF逐24 h網(wǎng)格最高、最低氣溫預報產(chǎn)品插值到站點，并利用WQSRTP 方法逐站點訂正最高、最低氣溫，得到各站點最高、最低氣溫訂正產(chǎn)品。對比分析上述時間段內(nèi)SCMOC、SPCC、ECMWF 與WQSRTP四種產(chǎn)品不同預報時效內(nèi)（24 h、48 h、72 h）對340個國家級考核站最高、最低氣溫預報結果。

四種預報產(chǎn)品對340 個國家級考核站最高、最低氣溫均有一定的預報能力（表1），隨著預報時效的延長，預報準確率逐漸降低，RMSE 和MAE 逐漸增大；WQSRTP 訂正產(chǎn)品的預報效果明顯優(yōu)于其他產(chǎn)品，最高氣溫預報準確率為65.74%～72.76%，24 h相較SCMOC、SPCC、ECMWF 產(chǎn)品分別提高了20.12%、25.52%、32.16%，低溫預報準確率為62.94%～69.37%，相較其他三種產(chǎn)品分別提高了14.76%、13.51%、15.48%，最高氣溫預報效果優(yōu)于最低溫度，而其他三種產(chǎn)品相反；WQSRTP 訂正產(chǎn)品不同預報時效的MAE 均小于2 ℃，RMSE 均小于2.4 ℃，明顯低于其他三種預報產(chǎn)品，最高氣溫MAE和RMSE 相較其他三種產(chǎn)品分別降低0.97 ℃、1.30 ℃，最低氣溫MAE 和RMSE 分別降低0.61 ℃、0.79 ℃以上；預報員主觀訂正的SPCC最高氣溫預報能力弱于SCMOC，而最低溫預報能力強于SCMOC。

表1 四種預報產(chǎn)品不同預報時效的最高、最低氣溫的準確率、MAE和RMSE Tab.1 Forecast accuracy,MAE and RMSE of maximum and minimum temperature in different forecasting times of four forecasting products

為了更直觀了解WQSRTP 訂正產(chǎn)品的預報效果，表2 給出了不同時效WQSRTP 訂正產(chǎn)品相對于SCMOC、SPCC 和ECMWF 三種產(chǎn)品的最高、最低氣溫預報訂正技巧。可以看出，不同時效內(nèi)，WQSRTP訂正產(chǎn)品相對SCMOC、SPCC 和ECMWF 的最高、最低氣溫預報產(chǎn)品均為正訂正技巧，表明WQSRTP訂正產(chǎn)品相對其他三種最高、最低氣溫產(chǎn)品具有明顯優(yōu)勢，且最高氣溫訂正效果優(yōu)于最低氣溫。隨著預報時效的增加，最高氣溫訂正技巧增高，最低氣溫訂正技巧降低。不同時效內(nèi)，WQSRTP 訂正產(chǎn)品相對于ECMWF最高、最低氣溫產(chǎn)品的訂正技巧最高，分別為53.89%～62.88%和44.85%～47.20%。另外，WQSRTP 訂正產(chǎn)品相對于SCMOC 和SPCC 最高、最低氣溫產(chǎn)品，最高氣溫相對SPCC 產(chǎn)品訂正技巧稍高，為42.84%～43.65%，最低氣溫相對SCMOC 產(chǎn)品訂正技巧稍高，為24.33%～30.26%。

表2 不同預報時效WQSRTP訂正產(chǎn)品的訂正技巧Tab.2 Correction skills of maximum and minimum temperature of WQSRTP forecast products in different forecast times

不同月份SCMOC、SPCC、ECMWF 與WQSRTP最高、最低氣溫產(chǎn)品預報能力也不相同，為了更好的對比分析，圖3 給出了四種預報產(chǎn)品72 h 內(nèi)逐24 h 最高、最低氣溫逐月平均預報準確率。不同預報時效內(nèi)，WQSRTP 訂正的最高、最低氣溫產(chǎn)品的逐月平均預報準確率均高于其他三種產(chǎn)品，隨預報時效的增加，氣溫預報準確率略下降。從24 h最高氣溫逐月預報準確率來看（圖3a），WQSRTP和SCMOC最高氣溫預報準確率月際變化相對不顯著，SPCC和ECMWF 最高氣溫準確率月際變化更為顯著，WQSRTP 訂正產(chǎn)品和SCMOC 產(chǎn)品最高氣溫預報準確率的最大值出現(xiàn)在3 月，分別為80.04%和54.68%，最小值分別出現(xiàn)在11 月和1 月，預報準確率分別為68.72%和50.00%，SPCC 和ECMWF 最高氣溫預報準確率的最小值均在4月，預報準確率分別為36.64%和32.82%，最大值分別在12月和1月，相應的預報準確率分別為52.50%和44.67%。由24 h最低氣溫逐月預報準確率分布可知（圖3b），WQSRTP、SCMOC、SPCC、ECMWF 的預報準確率月際變化顯著，7—9 月較高，分別為81.17%、62.89%、63.25%、61.09%，12 月—次年2 月較低，分別為55.44%、45.23%、45.83%、38.78%。對比圖3a 和3b 發(fā)現(xiàn)，夏季最高氣溫預報準確率相對較高，冬季最低氣溫預報準率相對較高。48 h 和72 h 最高、最低氣溫逐月預報準確率與24 h變化基本一致，隨著預報時效延長預報準確率均下降。

圖3 四種預報產(chǎn)品24 h、48 h、72 h最高氣溫、最低氣溫的逐月平均預報準確率Fig.3 Monthly prediction accuracy of four forecast products 24 h,48 h and 72 h maximum temperature and minimum temperature

圖4給出了四種預報產(chǎn)品不同預報時效內(nèi)的逐月MAE分布。不同預報時效內(nèi)，WQSRTP訂正產(chǎn)品最高、最低氣溫的MAE 均最小，ECWMF 最高、最低氣溫MAE 最大。WQSRTP 最低氣溫MAE 高于最高氣溫MAE，而其他三種產(chǎn)品與之相反。隨著預報時效的增加，幾種預報產(chǎn)品的MAE 也略有增加，對于最高氣溫，WQSRTP 和SCMOC 的MAE 的月際變化相對不顯著，SPCC 和ECMWF 相對顯著，四種產(chǎn)品最低氣溫MAE 月際變化較顯著。從24 h 最高氣溫和最低氣溫MAE 逐月分布來看（圖4a，圖4b），SCMOC、SPCC、ECMWF、WQSRTP 最高氣溫MAE 最小，分別為5 月（2.4 ℃）、12 月（2.4 ℃）、12 月（2.7 ℃）、3 月（1.3 ℃），最低氣溫MAE 最小分別為7月（1.9 ℃）、9 月（1.9 ℃）、9 月（1.9 ℃）、9 月（1.2 ℃），最低氣溫MAE 相對較小。48 h、72 h 四種產(chǎn)品的MAE 分布與24 h 基本一致，需指出的是72 h ECMWF 最高氣溫MAE 躍增，均在4 ℃以上，最大為4月6.1 ℃。

圖4 四種預報產(chǎn)品24 h、48 h、72 h最高氣溫、最低氣溫的逐月均絕對誤差Fig.4 Monthly MAE of four forecast products 24 h,48 h and 72 h maximum temperature and minimum temperature

2.2 誤差空間分布

從上述分析中可以發(fā)現(xiàn)，SCMOC、SPCC、ECMWF與WQSRTP最高、最低氣溫產(chǎn)品的24 h時效預報效果最好（圖3，圖4）。因此，進一步分析24 h 時效四種產(chǎn)品對甘肅省氣溫的預報能力。由四種預報產(chǎn)品24 h最高、最低氣溫預報準確率空間分布表明（圖5、圖6），與其他三種產(chǎn)品相比，WQSRTP訂正產(chǎn)品對甘肅省氣溫預報能力有顯著提升，尤其是地形較為復雜的甘岷山區(qū)和祁連山區(qū)更為顯著。WQSRTP 最高氣溫的預報準確率在全省大部分地區(qū)均高于SCMOC，特別是甘岷山區(qū)東部預報準確率相較提高30%以上，但在甘南州西部個別站點及隴東南部分站點低于SCMOC；最低氣溫預報準確率在全省大部高于SCMOC，在甘岷山區(qū)部分地區(qū)提升40%以上。相對于SPCC，最高、最低氣溫準確率在全省大部分地區(qū)均有提升，最高氣溫準確率在祁連山區(qū)東部和甘岷山區(qū)部分地區(qū)提升顯著，僅隴東南個別站點出現(xiàn)負的訂正效果；最低氣溫預報準確率提升范圍小于最高氣溫準確率提升范圍。相對于ECMWF，部分地區(qū)氣溫預報準確提升在50%以上，個別地區(qū)站點到達70%以上，地形較為復雜的甘岷山區(qū)和祁連山區(qū)更為顯著。WQSRTP 最高氣溫訂正產(chǎn)品在甘肅省河西地區(qū)的預報準確率高于河東地區(qū)，而最低氣溫訂正產(chǎn)品則相反，其中最高氣溫預報準確率大于75%的大值區(qū)主要分布在河西地區(qū)，甘岷山區(qū)和隴東南局部地區(qū)預報準確率相對較低；最低氣溫預報準確率大于75%的大值區(qū)主要分布于河西中部和河東部分地區(qū)，甘岷山區(qū)東部的預報準確率相對較低。

圖5 四種預報產(chǎn)品24 h最高氣溫預報準確率分布Fig.5 Spatial distribution of 24 h maximum temperature forecast accuracy of four forecast products in Gansu Province

圖6 四種預報產(chǎn)品24 h最低氣溫預報準確率分布Fig.6 Spatial distribution of 24 h minimum temperature forecast accuracy of four forecast products in Gansu Province

從四種產(chǎn)品24 h最高、最低氣溫MAE空間分布可知（圖7，圖8），WQSRTP 訂正產(chǎn)品最高、最低氣溫的MAE 最小，ECMWF 的MAE 最大，除個別站點外，WQSRTP 訂正產(chǎn)品的MAE 均低于2 ℃；相對于省內(nèi)其他地區(qū)，地形較為復雜的祁連山區(qū)、甘岷山區(qū)的MAE 偏大；SCMOC、SPCC 和ECMWF 最低氣溫預報產(chǎn)品的MAE較最高氣溫產(chǎn)品的MAE較小。相較于SCMOC 產(chǎn)品的MAE，WQSRTP 最高、最低氣溫產(chǎn)品的MAE在甘肅省大部分地區(qū)小于SCMOC產(chǎn)品的MAE，偏小站數(shù)占總站數(shù)的百分比分別為93.52%、85.29%，且甘岷山區(qū)部分站點MAE 偏小5 ℃以上，但在隴東南部分地區(qū)WQSRTP 訂正產(chǎn)品的MAE 大于SCMOC 產(chǎn)品的MAE（0.2 ℃）。相較于SPCC 產(chǎn)品的MAE，WQSRTP 最高、最低氣溫訂正產(chǎn)品MEA 較SPCC 產(chǎn)品MAE 較小站數(shù)占比為90.88%和86.47%，隴東南東部部分地區(qū)WQSRTP訂正產(chǎn)品MAE 偏大0.1 ℃。與ECMWF 產(chǎn)品MAE 相比，WQSRTP 產(chǎn)品MAE 均小于ECMWF 產(chǎn)品MAE，且在地形復雜地區(qū)的祁連山區(qū)和甘岷山區(qū)的MAE 相差越大，部分站點MAE 相差6 ℃以上，說明WQSRTP訂正產(chǎn)品在復雜地形地區(qū)訂正效果更為顯著。

圖7 四種預報產(chǎn)品24 h最高氣溫MAE分布Fig.7 Spatial distribution of 24 h maximum temperature MAE for four forecast products in Gansu Province

圖8 四種預報產(chǎn)品24 h最低氣溫MAE分布Fig.8 Spatial distribution of 24 h minimum temperature MAE for four forecast products in Gansu Province

綜上所述，WQSRTP 訂正產(chǎn)品對甘肅省氣溫預報能力提升作用顯著，特別是模式氣溫產(chǎn)品預報偏差較大、準確率較低的地形復雜的祁連山區(qū)和甘岷山區(qū)，且最高氣溫的訂正效果優(yōu)于最低氣溫。另外，在SCMOC、SPCC產(chǎn)品預報能力優(yōu)于WQSRTP訂正產(chǎn)品的隴東南東部部分地區(qū)，仍需持續(xù)針對性進行訂正技術研發(fā)以提升氣溫預報準確率。

3 討論

將預報員日常業(yè)務預報分析偏差訂正的思路利用加權線性回歸得以實現(xiàn)，即將MOS方法中建模使用的線性回歸改進為加權線性回歸。WQSRTP方法有效實現(xiàn)了對甘肅省最高、最低氣溫預報準確率提升的目地，大部分地區(qū)的預報準確率提升顯著，MAE 降低明顯，但仍有個別站點的預報準確率相較SCMOC、SPCC、ECMWF 數(shù)值預報產(chǎn)品偏低。這可能與WQSRTP 方法中所有站點的準對稱滑動訓練期均采用吳啟樹等［18］得到的30 d 最佳訓練日數(shù)有關。為了更進一步提高預報準確率，下一步可通過調整甘肅省不同站點的準對稱滑動訓練期的方法進行改進。WQSRTP 方法與吳啟樹等［18］MOS方法的氣溫預報準率均會隨著預報時效的增加而降低，但WQSRTP方法訂正產(chǎn)品預報準確率隨時效增加遞減幅度相比更小，說明WQSRTP方法具有一定先進性。MOS 方法訂正后的福建省訂正氣溫準確率高于甘肅省訂正氣溫預報準確率是與數(shù)值模式預報產(chǎn)品在不同地區(qū)的預報性能密切相關，這充分說明客觀訂正方法僅能有限的訂正數(shù)值預報偏差。同時，相較劉新偉等［9］利用ECMWF細網(wǎng)格氣溫數(shù)值預報產(chǎn)品基于小波低頻周期滑動平均訂正法生成的甘肅省氣溫客觀訂正產(chǎn)品，WQSRTP 方法的最高氣溫訂正產(chǎn)品在甘肅省大部分地區(qū)準確率較高，最低氣溫訂正產(chǎn)品在地形較為復雜的甘岷山區(qū)和祁連山區(qū)準確率較高，表明利用不同客觀訂正方法對同一種數(shù)值預報產(chǎn)品的訂正能力存在差異。近來年，國產(chǎn)CMA 數(shù)值模式發(fā)展迅速，預報體系不斷發(fā)展完善［22］，本文未對國產(chǎn)數(shù)值模式產(chǎn)品進行訂正分析，后續(xù)可對比分析同一地區(qū)同一訂正方法對不同模式預報產(chǎn)品訂正能力差異。隨著數(shù)值模式產(chǎn)品和客觀訂正方法的不斷發(fā)展，多種訂正產(chǎn)品的集成方法研究已有一定進展［25-27］，也可對不同方法訂正的數(shù)值模式氣溫預報產(chǎn)品進行最優(yōu)集成，提升客觀預報融合應用水平，進一步提升氣溫預報準確率。

4 結論

針對甘肅省復雜地形下數(shù)值模式氣溫預報準確率較低的問題，基于日常業(yè)務中常用的ECMWF細網(wǎng)格2 m最高、最低氣溫數(shù)值預報產(chǎn)品，研發(fā)甘肅省國家級考核站最高、最低氣溫WQSRPT 訂正技術，并生成相應的客觀預報產(chǎn)品，并與SCMOC、SPCC 和ECMWF 預報產(chǎn)品進行對比，主要結論如下：

（1）WQSRTP方法能有效提升氣溫客觀預報準確率，SCMOC、SPCC、ECMWF 數(shù)值預報產(chǎn)品和WQSRTP 訂正產(chǎn)品對甘肅省國家級考核站最高、最低氣溫均具有一定的預報能力，但隨著預報時效的增加，預報準確率逐漸降低，均方根誤差和平均絕對誤差逐漸增加，其中SCMOC、SPCC 和ECMWF 細網(wǎng)格產(chǎn)品對最高氣溫預報能力弱于最低氣溫，WQSRTP 訂正產(chǎn)品對最高氣溫的預報能力高于最低氣溫。

（2）不同預報時效內(nèi)，WQSRTP最高、最低氣溫訂正產(chǎn)品預報準確率均高于其他三種產(chǎn)品。相較ECMWF 細網(wǎng)格預報產(chǎn)品，WQSRTP 產(chǎn)品24 h 最高氣溫預報準確率提高了32.16%，24 h最低氣溫預報準確率提高了15.48%。WQSRTP 產(chǎn)品相對其他三種最高、最低氣溫預報產(chǎn)品均為正技巧，最高氣溫訂正技巧高于最低氣溫。

（3）四種預報產(chǎn)品的最高氣溫預報準確率沒有明顯的月際變化，最低氣溫預報準確率月際變化較明顯，7—9 月較高，12 月—次年2 月較低。逐月WQSRTP 訂正產(chǎn)品預報準確率在四種產(chǎn)品中均最高，MAE均最低。

（4）誤差空間分布表明，SCMOC、SPCC 和ECMWF細網(wǎng)格最高、最低氣溫產(chǎn)品在地形復雜的祁連山區(qū)和甘岷山區(qū)預報偏差較大，準確率較低，WQSRTP 訂正產(chǎn)品則在上述地區(qū)顯著提升了最高、最低氣溫預報準確率，有效降低了MAE，且最高氣溫訂正效果優(yōu)于最低氣溫。