北疆春季氣溫和霜凍網(wǎng)格精細(xì)化預(yù)報(bào)訂正及檢驗(yàn)*

張祖蓮 毛煒嶧 張山清 王命全 唐 冶 艾代吐力·木沙江 吐爾公·玉素甫

1 中國(guó)氣象局烏魯木齊沙漠氣象研究所，烏魯木齊 830002

2 新疆興農(nóng)網(wǎng)信息中心/新疆農(nóng)業(yè)氣象臺(tái)，烏魯木齊 830002

3 新疆教育管理信息中心，烏魯木齊 830049

4 新疆氣象臺(tái)，烏魯木齊 830002

提 要： 選用中國(guó)氣象局下發(fā)的0.05°×0.05°的氣溫格點(diǎn)預(yù)報(bào)指導(dǎo)產(chǎn)品和陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)逐時(shí)氣溫實(shí)況數(shù)據(jù)資料，設(shè)計(jì)了三種基于平均濾波的溫度智能網(wǎng)格預(yù)報(bào)訂正算法，對(duì)2019年4—5月北疆平原地區(qū)逐日20時(shí)起報(bào)的未來240 h的逐3 h氣溫預(yù)報(bào)產(chǎn)品進(jìn)行訂正，并對(duì)比分析檢驗(yàn)三種訂正后產(chǎn)品和下發(fā)的指導(dǎo)預(yù)報(bào)共四種產(chǎn)品的預(yù)報(bào)效果。結(jié)果表明：經(jīng)過三種濾波訂正后，氣溫和霜凍預(yù)報(bào)準(zhǔn)確率及穩(wěn)定性明顯提高。在分時(shí)效檢驗(yàn)結(jié)果中，三種訂正產(chǎn)品較原指導(dǎo)預(yù)報(bào)產(chǎn)品的氣溫均方根誤差分別減小了0.79、0.85、0.88℃，氣溫預(yù)報(bào)準(zhǔn)確率分別提高了6.11%、6.38%、6.46%，霜凍預(yù)報(bào)準(zhǔn)確率分別提高了3.00%、5.81%、7.31%，霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差降低了4.21、4.41、4.35 h。在分區(qū)域檢驗(yàn)結(jié)果中，三種訂正產(chǎn)品較原指導(dǎo)預(yù)報(bào)產(chǎn)品的氣溫均方根誤差分別降低了0.66、0.71、0.90℃，氣溫預(yù)報(bào)準(zhǔn)確率分別提高了5.7%、6.1%、6.1%，霜凍預(yù)報(bào)準(zhǔn)確率在準(zhǔn)噶爾盆地東南部海拔高度600～1200 m區(qū)域提高明顯，分別提高了2.5%、4.8%、5.4%，其他霜凍區(qū)域提高不明顯。霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差平均降低了0.81、0.63、0.56 h。相較而言，最優(yōu)集成算法的訂正預(yù)報(bào)效果最好。

引 言

春季霜凍是指在農(nóng)作物生長(zhǎng)季節(jié)里，地面和植物表面溫度短時(shí)間下降到足以引起農(nóng)作物遭受傷害或者死亡的低溫(沙曉梅等，2021；翟穎佳等，2019)，霜凍持續(xù)時(shí)間越長(zhǎng)，農(nóng)作物受害程度越嚴(yán)重。北疆春季霜凍頻發(fā)，該地區(qū)種植的玉米、小麥、棉花、林果等對(duì)霜凍非常敏感(張磊等，2014)。

做好霜凍預(yù)報(bào)的前提是提高溫度預(yù)報(bào)的準(zhǔn)確率，合適的訂正算法可以有效提高溫度預(yù)報(bào)準(zhǔn)確率。溫度訂正主要考慮全區(qū)域的訂正效果，而霜凍預(yù)報(bào)主要考慮氣溫達(dá)到霜凍域值區(qū)域的預(yù)報(bào)準(zhǔn)確率，通過對(duì)比預(yù)報(bào)產(chǎn)品的預(yù)報(bào)效果，進(jìn)而選出對(duì)氣溫和霜凍預(yù)報(bào)效果最好的算法。國(guó)內(nèi)眾多學(xué)者對(duì)溫度客觀預(yù)報(bào)方法做了大量研究工作，戴翼等(2019)采用一元線性回歸以及克里金插值對(duì)ECMWF細(xì)網(wǎng)格模式的溫度預(yù)報(bào)進(jìn)行訂正，訂正后溫度預(yù)報(bào)能力有顯著提升；曾曉青等(2019)采用全球模式2 m溫度預(yù)報(bào)場(chǎng)資料，使用8種誤差訂正方案進(jìn)行滾動(dòng)訂正預(yù)報(bào)試驗(yàn)，結(jié)果顯示滑動(dòng)誤差回歸模型的檢驗(yàn)評(píng)分略好于全格點(diǎn)滑動(dòng)雙因子回歸模型；王丹等(2019a；2019b)采用一元線性回歸法和基于ECMWF細(xì)網(wǎng)格遞減平均法兩種方法對(duì)氣溫預(yù)報(bào)誤差進(jìn)行訂正，兩種方法都顯著地提高了日最高(低)氣溫的預(yù)報(bào)準(zhǔn)確率；岳慧欣等(2021)對(duì)葡萄主產(chǎn)區(qū)春霜凍災(zāi)害發(fā)生日數(shù)、頻率、站次比以及致災(zāi)危險(xiǎn)性進(jìn)行分析，為災(zāi)害防御工作提供依據(jù)；陳豫英等(2019)和潘留杰等(2022)利用Kalman濾波的方法對(duì)最低氣溫和霜凍、降水預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)；彭九慧等(2016)采用概率、指標(biāo)、數(shù)值預(yù)報(bào)產(chǎn)品相結(jié)合的方法及概率區(qū)間取值法建立了分縣區(qū)初霜預(yù)報(bào)模型；賈麗紅等(2018)和韋青等(2020)采用遞減平均訂正法、集合平均法和加權(quán)集合平均法，結(jié)果表明加權(quán)集合平均法優(yōu)于集合平均法，先訂正后集合方案優(yōu)于先集合后訂正方案；張?chǎng)蔚?2021)利用北疆37個(gè)地面氣象站逐日最低氣溫觀測(cè)資料，分析北疆地區(qū)初、終霜日和霜期的時(shí)空演變特征。上述這些溫度預(yù)報(bào)方法均基于國(guó)家級(jí)觀測(cè)站預(yù)報(bào)資料進(jìn)行的研究。新疆總面積為166.49萬(wàn)km2,占全國(guó)土地面積的六分之一，是我國(guó)面積最大的省份，且地形地貌復(fù)雜，氣候類型多樣。而全疆僅有105個(gè)固定國(guó)家基本氣象站，顯然傳統(tǒng)的固定站點(diǎn)預(yù)報(bào)無(wú)法滿足精細(xì)的時(shí)間和空間信息的氣象農(nóng)業(yè)服務(wù)需求，目前，無(wú)縫隙精細(xì)化網(wǎng)格氣象預(yù)報(bào)已經(jīng)成為國(guó)際主流趨勢(shì)(金榮花等，2019)，因此，智能格點(diǎn)霜凍預(yù)報(bào)是農(nóng)用天氣預(yù)報(bào)實(shí)際業(yè)務(wù)和服務(wù)中迫切需要的預(yù)報(bào)產(chǎn)品。2019年5月14—18日，天山北坡局地出現(xiàn)寒潮和不同程度霜凍，對(duì)當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)造成不利影響。本文利用智能網(wǎng)格預(yù)報(bào)的精細(xì)化技術(shù)優(yōu)勢(shì)，將準(zhǔn)確的春季霜凍預(yù)報(bào)精確到田間地頭，為農(nóng)戶及早安排防御措施提供技術(shù)保障。

農(nóng)業(yè)生產(chǎn)中非常需要春季精確的中期霜凍預(yù)報(bào)，空間上可以精確到田間地頭，時(shí)間上可以分析給出霜凍當(dāng)天氣溫≤0℃的持續(xù)小時(shí)數(shù)，能夠更好地為霜凍災(zāi)害防御提供支持。智能網(wǎng)格精細(xì)化溫度預(yù)報(bào)方法中，Kalman(1960)應(yīng)用最為廣泛，本文使用平均濾波，借鑒Kalman(1960)的思想，使用較短時(shí)間的模式歷史結(jié)果就能進(jìn)行模式誤差訂正，本文設(shè)計(jì)了三種平均濾波訂正方案，對(duì)北疆地區(qū)春季逐3 h氣溫的智能格點(diǎn)預(yù)報(bào)產(chǎn)品進(jìn)行訂正和檢驗(yàn)，嘗試尋找預(yù)報(bào)效果相對(duì)較好，能夠支持實(shí)時(shí)霜凍預(yù)報(bào)的訂正算法，以期提高春季霜凍預(yù)報(bào)水平。

1 資料和方法

1.1 資 料

北疆春季影響農(nóng)作物的霜凍出現(xiàn)在4—5月，采用2019年4—5月的溫度資料為檢驗(yàn)對(duì)象。研究區(qū)域?yàn)樾陆辈科皆貐^(qū)(農(nóng)牧業(yè)所在區(qū)域)，如圖1中填色區(qū)域。區(qū)域所處范圍為42.25°～49.20°N、79.85°～96.5°E，研究區(qū)域內(nèi)共計(jì)13 888個(gè)格點(diǎn)，其中發(fā)生霜凍區(qū)域的格點(diǎn)為7082個(gè)。

圖1 北疆平原示意圖

預(yù)報(bào)產(chǎn)品選用中國(guó)氣象局下發(fā)的0.05°×0.05°的溫度格點(diǎn)預(yù)報(bào)指導(dǎo)產(chǎn)品(簡(jiǎn)稱XJ)， 每日20時(shí)(北京時(shí)，下同)起報(bào)未來240 h的逐3 h氣溫格點(diǎn)預(yù)報(bào)(GRIB格式)。實(shí)況資料選用中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS-V2.0)(簡(jiǎn)稱CLDAS)小時(shí)實(shí)況數(shù)據(jù)產(chǎn)品(0.05°×0.05°，GRIB格式)，該實(shí)況產(chǎn)品是由地面、衛(wèi)星等多源資料融合分析而成。

1.2 訂正原理

首先選取研究區(qū)域2019年4—5月氣溫格點(diǎn)預(yù)報(bào)指導(dǎo)產(chǎn)品240 h逐3 h溫度的氣溫格點(diǎn)預(yù)報(bào)，與CLDAS逐時(shí)格點(diǎn)實(shí)況資料溫度對(duì)應(yīng)。預(yù)報(bào)資料和實(shí)況資料空間分辨率均為0.05°×0.05°，訂正關(guān)鍵是匹配預(yù)報(bào)時(shí)效和實(shí)況值。平均濾波算法(薛諶彬等，2019；尹姍等，2020；肖瑤等，2020)的思路是：使用可獲取的最新實(shí)況資料不斷對(duì)格點(diǎn)預(yù)報(bào)產(chǎn)品的預(yù)報(bào)誤差更新，從而更新當(dāng)天預(yù)報(bào)時(shí)刻的誤差估算值，訂正后得到新預(yù)報(bào)值。誤差訂正步驟如下：

(1)格點(diǎn)在預(yù)報(bào)日期d的預(yù)報(bào)時(shí)效誤差估算值:

bd=fd-ad

(1)

式中：bd為預(yù)報(bào)誤差值，定義為該格點(diǎn)在預(yù)報(bào)日期d的預(yù)報(bào)值fd與對(duì)應(yīng)實(shí)況值ad的誤差，bd是隨預(yù)報(bào)時(shí)效變化的。

(2)確定模式預(yù)報(bào)誤差:

(2)

式中：Bd為平均模式預(yù)報(bào)誤差偏差估算值，是該格點(diǎn)預(yù)報(bào)日期d的前n天實(shí)況對(duì)應(yīng)的預(yù)報(bào)時(shí)效模式預(yù)報(bào)誤差平均值。

通過對(duì)2019年4—5月該模式預(yù)報(bào)產(chǎn)品取不同n值計(jì)算偏差訂正值研究表明，選擇合適的n可以確定最優(yōu)的誤差偏差訂正值，極大地提高了預(yù)報(bào)準(zhǔn)確率。

為獲取最優(yōu)預(yù)報(bào)誤差偏差訂正值，共設(shè)計(jì)了三種濾波誤差訂正方案，其中n的取值通過前期研究并參考張祖蓮等(2021)對(duì)溫度訂正的取值。

方案1(簡(jiǎn)稱KM1)，n=6，針對(duì)每個(gè)格點(diǎn)的不同預(yù)報(bào)時(shí)效的偏差估算值分別按式(2)計(jì)算更新偏差訂正值。針對(duì)每個(gè)格點(diǎn)的不同預(yù)報(bào)時(shí)效的偏差估算值分別按式(2)計(jì)算更新偏差訂正值。例如，對(duì)于3 h氣溫預(yù)報(bào)的訂正，利用距起報(bào)日最近6 d的3 h氣溫預(yù)報(bào)結(jié)果與對(duì)應(yīng)日期的實(shí)況進(jìn)行誤差分析，將6 d預(yù)報(bào)誤差的平均值作為訂正偏差。對(duì)未來6 h的最低氣溫訂正的方法類似，選取距起報(bào)日最近6 d 的6 h預(yù)報(bào)時(shí)效的氣溫預(yù)報(bào)結(jié)果與對(duì)應(yīng)實(shí)況進(jìn)行誤差分析，確定偏差訂正值，直到240 h的預(yù)報(bào)時(shí)效氣溫的訂正均采用此方式處理。每天針對(duì)每個(gè)格點(diǎn)的不同預(yù)報(bào)時(shí)效的訂正偏差均采用這種滑動(dòng)方法計(jì)算更新偏差訂正值。

方案2(簡(jiǎn)稱KM2)，n=10，整體思路過程與KM1方案相同。

方案3(簡(jiǎn)稱KM3)，稱為集成訂正算法，基于KM1與KM2的訂正結(jié)果，以絕對(duì)誤差為判據(jù)，將KM1或KM2方案中誤差較小的方案作為集合分析后的KM3方案訂正值，每個(gè)格點(diǎn)的每個(gè)預(yù)報(bào)時(shí)效內(nèi)的訂正偏差均以此過程來確定。

(3)模式預(yù)報(bào)誤差訂正:

Fd=fd-Bd

(3)

利用獲得偏差估算值Bd對(duì)最新格點(diǎn)預(yù)報(bào)fd進(jìn)行誤差訂正。格點(diǎn)預(yù)報(bào)誤差訂正過程是針對(duì)不同預(yù)報(bào)時(shí)效和所有格點(diǎn)進(jìn)行的。

1.3 霜凍逐日持續(xù)時(shí)間預(yù)報(bào)

霜凍逐24 h平均持續(xù)時(shí)間預(yù)報(bào)：

(4)

霜凍逐24 h平均持續(xù)時(shí)間預(yù)報(bào)誤差：

WC=DF-sk

(5)

式中:DF為霜凍逐日持續(xù)時(shí)間預(yù)報(bào)值，NF為預(yù)報(bào)時(shí)效內(nèi)預(yù)報(bào)達(dá)到霜凍指標(biāo)的總次數(shù)，NG為預(yù)報(bào)時(shí)效內(nèi)達(dá)到霜凍指標(biāo)的格點(diǎn)(天)數(shù)，sk為CLDAS數(shù)據(jù)中霜凍逐日持續(xù)時(shí)間，NFsk為與預(yù)報(bào)時(shí)效相對(duì)應(yīng)的實(shí)況達(dá)到霜凍指標(biāo)的總次數(shù)，NGsk為預(yù)報(bào)時(shí)效內(nèi)對(duì)應(yīng)的實(shí)況值達(dá)到霜凍指標(biāo)的格點(diǎn)(天)數(shù)。

1.4 檢驗(yàn)指標(biāo)

采用均方根誤差(RMSE)、訂正技巧(SS)、氣溫預(yù)報(bào)準(zhǔn)確率(TT)(溫度預(yù)報(bào)絕對(duì)誤差≤2℃)(薛諶彬等，2019)、霜凍預(yù)報(bào)準(zhǔn)確率(TS)(氣溫≤0℃)(陳豫英等，2019)、霜凍逐24 h平均持續(xù)時(shí)間預(yù)報(bào)均方根誤差來檢驗(yàn)訂正前后的預(yù)報(bào)效果。其中：

(6)

式中:i為滑動(dòng)天數(shù)或格點(diǎn)數(shù)，N為總天數(shù)或總格點(diǎn)數(shù),fi為預(yù)報(bào)值，ai為實(shí)況值。

(7)

式中:NA為預(yù)報(bào)值絕對(duì)誤差≤2℃的格點(diǎn)(次)數(shù)，NB為預(yù)報(bào)值絕對(duì)誤差>2℃的格點(diǎn)(次)數(shù)。

(8)

式中:NC為霜凍預(yù)報(bào)正確的格點(diǎn)(次)數(shù)，ND為預(yù)報(bào)值達(dá)到霜凍指標(biāo)而實(shí)況不是未達(dá)到的格點(diǎn)(次)數(shù)，NE為預(yù)報(bào)值未到霜凍指標(biāo)而實(shí)況已至霜凍指標(biāo)的格點(diǎn)(次)數(shù)。

霜凍逐24 h平均持續(xù)時(shí)間預(yù)報(bào)均方根誤差：

(9)

式(9)利用式(4)和式(5)得出WC值，在分時(shí)效預(yù)報(bào)檢驗(yàn)中，Nh表示預(yù)報(bào)達(dá)到霜凍指標(biāo)的天數(shù)，在區(qū)域預(yù)報(bào)檢驗(yàn)中，則表示預(yù)報(bào)中達(dá)到霜凍指標(biāo)的格點(diǎn)個(gè)數(shù)。

溫度訂正技巧均方根誤差：

SS_RMSEkmi=RMSExj-RMSEkmi

(10)

溫度訂正技巧預(yù)報(bào)準(zhǔn)確率：

SS_TTkmi=TTkmi-TTxj

(11)

霜凍訂正技巧預(yù)報(bào)準(zhǔn)確率：

SS_TSkmi=TSkmi-TSxj

(12)

霜凍訂正技巧逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差：

SS_RMSEDFkmi=RMSE_DFxj-RMSE_DFkmi

(13)

式中：下標(biāo)為kmi表示訂正預(yù)報(bào)相關(guān)計(jì)算值，i取值為1、2、3，下標(biāo)為xj表示中國(guó)氣象局下發(fā)的溫度原始格點(diǎn)預(yù)報(bào)計(jì)算值。

1.5 檢驗(yàn)方法

分時(shí)效檢驗(yàn)方法：分別計(jì)算并對(duì)比四種預(yù)報(bào)產(chǎn)品(XJ,KM1,KM2,KM3)的所有格點(diǎn)氣溫在240 h內(nèi)逐3 h指標(biāo)值。

分區(qū)域檢驗(yàn)方法：分別計(jì)算并對(duì)比四種預(yù)報(bào)產(chǎn)品(XJ,KM1,KM2,KM3)在整個(gè)預(yù)報(bào)時(shí)效240 h的氣溫在每個(gè)格點(diǎn)的指標(biāo)值。

2 分時(shí)效預(yù)報(bào)效果對(duì)比檢驗(yàn)

對(duì)比檢驗(yàn)XJ、KM1、KM2、KM3四種預(yù)報(bào)產(chǎn)品的均方根誤差、氣溫預(yù)報(bào)準(zhǔn)確率、霜凍預(yù)報(bào)準(zhǔn)確率和霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差。KM1、KM2、KM3相對(duì)于XJ的均方根誤差、氣溫預(yù)報(bào)準(zhǔn)確率、霜凍預(yù)報(bào)準(zhǔn)確率和霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)的訂正技巧。

2.1 均方根誤差和氣溫預(yù)報(bào)準(zhǔn)確率

四種預(yù)報(bào)產(chǎn)品(XJ、KM1、KM2、KM3)氣溫的均方根誤差和氣溫預(yù)報(bào)準(zhǔn)確率見圖2a，2b?？傮w上，四種產(chǎn)品的均方根誤差隨預(yù)報(bào)時(shí)效延長(zhǎng)在波動(dòng)中緩慢增長(zhǎng)，氣溫預(yù)報(bào)準(zhǔn)確率隨著預(yù)報(bào)時(shí)效延長(zhǎng)在波動(dòng)中緩慢降低。三種濾波算法的誤差訂正技巧隨著預(yù)報(bào)時(shí)效延長(zhǎng)在波動(dòng)中緩慢減小至108 h后震蕩加劇出現(xiàn)正訂正峰值，且變化趨勢(shì)基本相似。具體數(shù)據(jù)對(duì)比如表1。

表1 四種預(yù)報(bào)產(chǎn)品的均方根誤差和氣溫預(yù)報(bào)準(zhǔn)確率分時(shí)效對(duì)比

三種濾波算法均對(duì)比原始格點(diǎn)預(yù)報(bào)均方根誤差明顯降低，氣溫預(yù)報(bào)準(zhǔn)確率明顯提升。三種預(yù)報(bào)產(chǎn)品(KM1、KM2、KM3)較XJ均方根誤差平均減小了0.79、0.85、0.88℃，氣溫預(yù)報(bào)準(zhǔn)確率平均提高了6.11%、6.38%、6.46%，相比而言KM3略優(yōu)。

原始預(yù)報(bào)產(chǎn)品在108 h后誤差振蕩加劇，每日11時(shí)和23時(shí)均方根誤差處于波峰，同時(shí)氣溫預(yù)報(bào)準(zhǔn)確率處于波谷；每日的08時(shí)和20時(shí)均方根誤差處于波谷，同時(shí)氣溫預(yù)報(bào)準(zhǔn)確率處于波峰；相應(yīng)的訂正濾波也于每日11時(shí)和23時(shí)出現(xiàn)峰值、每日08時(shí)和20時(shí)出現(xiàn)谷值。此現(xiàn)象和模式本身的誤差關(guān)系最大，預(yù)報(bào)模式本身隨著預(yù)報(bào)時(shí)間越長(zhǎng)模式誤差就越大，圖2a和2b顯示三種濾波均有效地降低模式誤差。

2.2 逐3 h霜凍預(yù)報(bào)準(zhǔn)確率

檢驗(yàn)四種預(yù)報(bào)產(chǎn)品(XJ、KM1、KM2、KM3),霜凍預(yù)報(bào)準(zhǔn)確率(圖2c)平均值分別為54.70%、57.70%、60.51%、62.01%，后三種訂正預(yù)報(bào)相對(duì)XJ預(yù)報(bào)產(chǎn)品的霜凍預(yù)報(bào)準(zhǔn)確率平均分別提高了3.00%、5.81%、7.31%?？傮w上，預(yù)報(bào)準(zhǔn)確率隨預(yù)報(bào)時(shí)效延長(zhǎng)在波動(dòng)中緩慢減小，原始格點(diǎn)預(yù)報(bào)中霜凍預(yù)報(bào)準(zhǔn)確率和訂正技巧成反向波動(dòng)，預(yù)報(bào)準(zhǔn)確率最高的時(shí)刻即為訂正的負(fù)值波谷時(shí)刻，準(zhǔn)確率最低的時(shí)刻即為訂正的正值波峰時(shí)刻。三種濾波訂正技巧波動(dòng)基本一致，訂正技巧正值區(qū)大于負(fù)值區(qū)，波峰的時(shí)刻集中在23、11和02時(shí)。谷值的時(shí)刻為17時(shí)和14時(shí)，即每日溫度較高時(shí)刻，其中預(yù)報(bào)時(shí)效在108 h以內(nèi)的谷值出現(xiàn)在17時(shí)，108 h以后的谷值出現(xiàn)在14時(shí)。

2.3 霜凍逐 24 h持續(xù)時(shí)間預(yù)報(bào)

春季發(fā)生霜凍可造成對(duì)農(nóng)作物損傷，霜凍持續(xù)時(shí)間越長(zhǎng)對(duì)農(nóng)作物傷害越大，霜凍持續(xù)時(shí)間是衡量發(fā)生霜凍等級(jí)和作物受災(zāi)程度的重要指標(biāo)。當(dāng)單個(gè)格點(diǎn)逐24 h時(shí)效內(nèi)氣溫值達(dá)到霜凍指標(biāo)次數(shù)>4次，即該格點(diǎn)在該24 h時(shí)效內(nèi)發(fā)生霜凍持續(xù)時(shí)數(shù)大于12 h，說明此時(shí)期或該區(qū)域還未進(jìn)行各項(xiàng)農(nóng)事活動(dòng)，此時(shí)的霜凍并不是農(nóng)戶所關(guān)注的時(shí)期。因此本文單獨(dú)檢驗(yàn)滿足(1≤單個(gè)格點(diǎn)逐24 h預(yù)報(bào)值達(dá)到霜凍指標(biāo)次數(shù)≤4)的格點(diǎn)區(qū)域定義為DF_1，持續(xù)時(shí)間預(yù)報(bào)的霜凍在240 h逐24 h持續(xù)時(shí)間的均方根誤差分時(shí)效對(duì)比。

表2 四種預(yù)報(bào)產(chǎn)品的霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差分時(shí)效對(duì)比(單位：h)

三種濾波算法(KM1,KM2,KM3)均對(duì)比原始格點(diǎn)預(yù)報(bào)XJ霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差明顯降低，平均減小了4.21、4.41、4.35 h。其中四種預(yù)報(bào)產(chǎn)品中(1≤格點(diǎn)逐24 h預(yù)報(bào)值達(dá)到霜凍指標(biāo)次數(shù)≤4)均方根誤差平均值均分別降低了1.19、1.23、1.23 h。

由圖2d和2e可見，從168 h和192 h預(yù)報(bào)時(shí)效看出，原始格點(diǎn)預(yù)報(bào)產(chǎn)品均方根誤差異常偏高。而當(dāng)統(tǒng)計(jì)(1≤所有格點(diǎn)逐日逐24 h預(yù)報(bào)值達(dá)到霜凍指標(biāo)次數(shù)≤4)的持續(xù)時(shí)間預(yù)報(bào)時(shí)，168 h和192 h預(yù)報(bào)時(shí)效的霜凍持續(xù)時(shí)間預(yù)報(bào)在此時(shí)的均方根誤差明顯降低。說明在168 h和192 h霜凍持續(xù)時(shí)間預(yù)報(bào)的長(zhǎng)短對(duì)誤差值影響明顯。經(jīng)過分析霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)中持續(xù)時(shí)間越長(zhǎng)，均方根誤差相對(duì)越大。

圖2 2019年4—5月四種預(yù)報(bào)產(chǎn)品(XJ，KM1，KM2，KM3)(a)逐3 h均方根誤差,(b)氣溫預(yù)報(bào)準(zhǔn)確率,(c)霜凍預(yù)報(bào)準(zhǔn)確率和(d)DF_1區(qū)域霜凍逐24 h平均持續(xù)時(shí)間預(yù)報(bào)均方根誤差及(e)三種濾波算法(KM1，KM2，KM3)相對(duì)于原始指導(dǎo)預(yù)報(bào)(XJ)的訂正技巧對(duì)比

3 區(qū)域預(yù)報(bào)效果檢驗(yàn)

對(duì)比檢驗(yàn)四種預(yù)報(bào)產(chǎn)品在整個(gè)預(yù)報(bào)時(shí)效內(nèi)的均方根誤差、氣溫預(yù)報(bào)準(zhǔn)確率、霜凍預(yù)報(bào)準(zhǔn)確率、霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差及其訂正技巧的區(qū)域預(yù)報(bào)效果(見圖1、圖3、圖4、圖5)。平均值的計(jì)算：先逐格點(diǎn)平均整個(gè)預(yù)報(bào)時(shí)效內(nèi)的值，再平均定義區(qū)域內(nèi)所有格點(diǎn)值。

3.1 均方根誤差和氣溫預(yù)報(bào)準(zhǔn)確率

對(duì)研究區(qū)域內(nèi)的格點(diǎn)指導(dǎo)預(yù)報(bào)產(chǎn)品(XJ)的均方根誤差分析，分為三個(gè)區(qū)域(RMSE_Ⅰ,RMSE_Ⅱ,RMSE_Ⅲ)：RMSE≤3℃所在區(qū)域?yàn)镽MSE_Ⅰ，占總格點(diǎn)數(shù)的35.1%，主要集中于海拔800～1500 m的北疆阿勒泰中部、塔城北部及東部、伊犁河谷兩側(cè)以及北疆沿天山一帶；3℃4℃所在區(qū)域?yàn)镽MSE_Ⅲ，占總格點(diǎn)數(shù)的17.35 %，主要集中于裕民、托里以南的海拔1500 m以上的區(qū)域，同時(shí)部分集中于海拔600～800 m的哈巴河、布爾津以南、吉木乃北部以及東天山奇臺(tái)、木壘、伊吾、巴里坤北部平原區(qū)。

格點(diǎn)預(yù)報(bào)產(chǎn)品沒有精確的海拔高度，此處采用格點(diǎn)指導(dǎo)預(yù)報(bào)產(chǎn)品(XJ)的均方根誤差值作為指標(biāo)來分類格點(diǎn)數(shù)并統(tǒng)計(jì)其均方根誤差和氣溫預(yù)報(bào)準(zhǔn)確率(TT)。具體數(shù)據(jù)如表3。

表3 四種預(yù)報(bào)產(chǎn)品的均方根誤差和氣溫預(yù)報(bào)準(zhǔn)確率分區(qū)域?qū)Ρ?/p>

由表3可得出三種訂正算法(KM1，KM2，KM3)相對(duì)XJ預(yù)報(bào)產(chǎn)品的均方根誤差分別降低了0.66、0.71、0.90℃，在RMSE>4℃區(qū)域訂正效果最明顯，分別降低了3.04、3.09、3.17℃；RMSE≤3℃區(qū)域訂正效果最弱，分別升高了0.1、0.09、-0.18℃。氣溫預(yù)報(bào)準(zhǔn)確率分別提高了5.7%、6.1%、6.1%，RMSE>4℃區(qū)域訂正效果最明顯，分別提高了23.75%、24.52%、20.07%；RMSE≤3℃區(qū)域訂正效果最弱，分別降低了0.25%、降低了0.04%、升高了0.08%。

圖3e～3g中RMSE的訂正技巧SS_RMSEKM3≥0的格點(diǎn)占研究區(qū)域內(nèi)格點(diǎn)總數(shù)的94.5%；圖3n～3p中氣溫預(yù)報(bào)準(zhǔn)確率的訂正技巧SS_TTKM3≥0的格點(diǎn)占研究區(qū)域內(nèi)格點(diǎn)總數(shù)的74.3%，SS_TTKM3<0主要集中在昌吉州地區(qū)海拔高度200～600 m區(qū)域。由圖3h～3i和圖3q～3r可得出三種訂正算法中KM3最優(yōu)。

圖3 2019年4—5月四種預(yù)報(bào)產(chǎn)品(XJ，KM1，KM2，KM3)對(duì)北疆平原地區(qū)240 h內(nèi)(a～d)氣溫均方根誤差、(e～g)三種方案(KM1，KM2，KM3)相對(duì)于XJ的訂正技巧，(h,i)KM3相對(duì)KM1和KM2的訂正技巧、(j～m)氣溫預(yù)報(bào)準(zhǔn)確率，(n～r)同3e～3i,但為訂正技巧預(yù)報(bào)效果檢驗(yàn)

3.2 霜凍預(yù)報(bào)準(zhǔn)確率

對(duì)于2019年4—5月北疆平原地區(qū)出現(xiàn)霜凍的格點(diǎn)占總格點(diǎn)數(shù)的51%，出現(xiàn)霜凍的格點(diǎn)主要集中在阿勒泰地區(qū)、塔城北部、昌吉市、昌吉州東部、巴里坤區(qū)域，見圖1和圖4a～4d。

對(duì)XJ預(yù)報(bào)產(chǎn)品霜凍預(yù)報(bào)準(zhǔn)確率分為三個(gè)區(qū)域(TS_Ⅰ,TS_Ⅱ,TS_Ⅲ)分析：TS≤20格點(diǎn)所在區(qū)域?yàn)門S_Ⅰ，占發(fā)生霜凍總格點(diǎn)數(shù)的29.7%,主要集中分布在海拔高度400～800 m的哈巴河、富蘊(yùn)、青河以及準(zhǔn)噶爾盆地東北部周邊區(qū)域；2040格點(diǎn)所在區(qū)域?yàn)門S_Ⅲ，占發(fā)生霜凍總格點(diǎn)數(shù)的38.3%,其中一部分主要分布于海拔高度1200～1500 m的北塔山、木壘及和布克賽爾區(qū)域，另一部分集中于海拔高度高于1500 m的裕民、托里以及南部巴爾魯克山周邊區(qū)域。

三種濾波算法(KM1,KM2,KM3)均比原始格點(diǎn)預(yù)報(bào)XJ霜凍預(yù)報(bào)準(zhǔn)確率明顯降低，平均降低了14.20%、12.50%、11.24%，其中僅對(duì)(TS≤20)所在區(qū)域的格點(diǎn)霜凍預(yù)報(bào)準(zhǔn)確率有所提高，分別提高1.36%、3.02%、4.28%。由圖4可以看到在研究日期內(nèi)原始格點(diǎn)預(yù)報(bào)XJ在海拔高度高于1500 m的的裕民、托里以及南部巴爾魯克山周邊區(qū)域的霜凍預(yù)報(bào)準(zhǔn)確率≥90%，主要原因是此區(qū)域均是山脈且冰雪覆蓋，并不合適農(nóng)業(yè)活動(dòng)。

由圖4e～4g可得TS訂正技巧SS_TSKM3≥0的格點(diǎn)所在區(qū)域定義為SSTS_1，格點(diǎn)數(shù)據(jù)占發(fā)生霜凍總格點(diǎn)數(shù)的37.6%，霜凍預(yù)報(bào)準(zhǔn)確率分別提高了2.5%、4.8%、5.4%，主要集中在海拔高度為600～1200 m的富蘊(yùn)、青河以及準(zhǔn)噶爾盆地東部邊緣及東南部區(qū)域；發(fā)生霜凍的其他區(qū)域?yàn)橛喺?fù)值區(qū)域。由圖4h～4i可得三種訂正算法中KM3最優(yōu)。

圖4 2019年4—5月四種預(yù)報(bào)產(chǎn)品(XJ，KM1，KM2，KM3)在北疆平原區(qū)240 h內(nèi)(a～d)霜凍預(yù)報(bào)準(zhǔn)確率，(e～i)同圖3e～3i,但為相對(duì)于XJ預(yù)報(bào)產(chǎn)品的訂正技巧區(qū)域預(yù)報(bào)效果檢驗(yàn)

表4 四種預(yù)報(bào)產(chǎn)品的霜凍預(yù)報(bào)準(zhǔn)確率及其訂正技巧分區(qū)域?qū)Ρ?單位：%)

3.3 霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)

2019年4—5月，在北疆平原區(qū)域滿足每個(gè)格點(diǎn)逐日的240 h中逐24 h預(yù)報(bào)時(shí)效中預(yù)報(bào)值達(dá)到霜凍指標(biāo)次數(shù)>4的格點(diǎn)出現(xiàn)至少1個(gè)24 h預(yù)報(bào)時(shí)效內(nèi)，涉及到共3603個(gè)格點(diǎn)，主要集中在海拔高度大于1200 m的地區(qū)，分布于北塔山、木壘、布克賽爾區(qū)域、裕民、托里和南部巴爾魯克山周邊山脈區(qū)域。該區(qū)域農(nóng)業(yè)活動(dòng)較少，并不是農(nóng)業(yè)用戶關(guān)注重點(diǎn)。

表5 四種預(yù)報(bào)產(chǎn)品的霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差及其訂正技巧分區(qū)域?qū)Ρ?單位：h)

三種濾波算法(KM1,KM2,KM3)對(duì)比XJ預(yù)報(bào)，霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差明顯降低，分別減小了0.81、0.63、0.56 h。其中四種預(yù)報(bào)產(chǎn)品中(1≤格點(diǎn)逐日逐24 h預(yù)報(bào)值達(dá)到霜凍指標(biāo)次數(shù)≤4)均方根誤差平均值均明顯降低。霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)中持續(xù)時(shí)間越長(zhǎng)，均方根誤差相對(duì)略大。

KM1的訂正技巧SS_RMSEDFKM1<0的格點(diǎn)所在區(qū)域定義為SSRMSEDF_1,占發(fā)生霜凍總格點(diǎn)的28.6%，主要集中哈巴河、布爾津、木壘區(qū)域，訂正值為負(fù)值域。SS_RMSEDFKM1≥0的格點(diǎn)所在區(qū)域定義為SSRMSEDF_II,占發(fā)生霜凍總格點(diǎn)的71.4%，發(fā)生霜凍格點(diǎn)的剩下區(qū)域，訂正產(chǎn)品預(yù)報(bào)均方根誤差值基本≤3 h，三種訂正預(yù)報(bào)(KM1、KM2、KM3)相比XJ均方根誤差平均下降0.80、0.62、0.55 h。由圖5h～5i可得三種訂正算法中KM1略優(yōu)。

圖5 2019年4—5月四種(XJ,KM1,KM2,KM3)預(yù)報(bào)產(chǎn)品在北疆平原區(qū)240 h內(nèi)(a～d)霜凍預(yù)報(bào)逐24 h持續(xù)時(shí)間均方根誤差，(e～i)同圖3e～3i,但為相對(duì)于指導(dǎo)預(yù)報(bào)的訂正技巧區(qū)域預(yù)報(bào)效果檢驗(yàn)

4 應(yīng)用實(shí)例

為檢驗(yàn)算法的通用性及對(duì)轉(zhuǎn)折性天氣(溫度陡降、陡升)的誤差訂正結(jié)果(張華龍等，2021)。選用北疆平原地區(qū)歐洲中期天氣預(yù)報(bào)中心ECMWF(簡(jiǎn)稱EC)細(xì)網(wǎng)格模式2 m溫度預(yù)報(bào)產(chǎn)品，20時(shí)起報(bào)的240 h逐3/6 h溫度預(yù)報(bào)，其中72 h預(yù)報(bào)時(shí)效內(nèi)為逐3 h，72～240 h預(yù)報(bào)時(shí)效內(nèi)為逐6 h預(yù)報(bào)，水平分辨率為0.125°×0.125°，共2217個(gè)格點(diǎn)，時(shí)效為2021年4月21日14時(shí)至22日14時(shí)。實(shí)況選用CLDAS實(shí)時(shí)產(chǎn)品數(shù)據(jù)集。采用雙線性插值方法從研究區(qū)域內(nèi)0.05°×0.05°中的CLDAS格點(diǎn)實(shí)況資料，獲取EC預(yù)報(bào)產(chǎn)品中格點(diǎn)所有預(yù)報(bào)時(shí)效對(duì)應(yīng)的實(shí)況值。研究時(shí)間內(nèi)北疆平原區(qū)平均溫度降低13.1℃，發(fā)生霜凍的格點(diǎn)為1106個(gè)。分三個(gè)區(qū)域來分析：降溫>20℃的格點(diǎn)所在區(qū)域?yàn)镃LDAS_Ⅰ，占總格點(diǎn)數(shù)的25.9%，分布在伊犁州東部、石河子市、烏魯木齊市、昌吉州大部分；10℃<降溫≤20℃的格點(diǎn)所在區(qū)域?yàn)镃LDAS_Ⅱ，占總格點(diǎn)數(shù)的47.4%，其中降溫15～20℃分布在伊犁州大部分、淖毛湖、伊吾、沙灣、瑪納斯、呼圖壁、青河、溫泉，降溫10～15℃分布在克拉瑪依、炮臺(tái)、莫索灣、富蘊(yùn)、博州東部；降溫≤10℃的格點(diǎn)所在區(qū)域?yàn)镃LDAS_Ⅲ，占總格點(diǎn)數(shù)的26.7%，分布在除上述區(qū)域之外的區(qū)域。根據(jù)上述三種方案進(jìn)行訂正,分別對(duì)氣溫預(yù)報(bào)準(zhǔn)確率(TT)和霜凍預(yù)報(bào)準(zhǔn)確率(TS)進(jìn)行檢驗(yàn)。

4.1 分時(shí)效檢驗(yàn)

將KM3的訂正技巧≥0分布的預(yù)報(bào)時(shí)效定義為SSKM3_0，其中SS_TTKM3>0共有17個(gè)預(yù)報(bào)時(shí)效，分別為預(yù)報(bào)時(shí)效0～12 h和02、08、17和23時(shí)。TT_KM3較KM1、KM2的氣溫預(yù)報(bào)準(zhǔn)確率平均提高1.0%、1.3%。SS_TSKM3>0共有18個(gè)預(yù)報(bào)時(shí)效，分別為預(yù)報(bào)時(shí)效9～18 h和預(yù)報(bào)時(shí)效預(yù)報(bào)到08、11、14和17時(shí)的時(shí)刻。TS_KM3較KM1、KM2的霜凍預(yù)報(bào)準(zhǔn)確率平均提高1.8%、0.1%(圖6)。

表6 四種預(yù)報(bào)產(chǎn)品的氣溫和霜凍預(yù)報(bào)準(zhǔn)確率及其訂正技巧分時(shí)效對(duì)比(單位：%)

圖6 2021年4月21日14時(shí)至22日14時(shí)四種預(yù)報(bào)產(chǎn)品(EC，KM1，KM2，KM3)對(duì)北疆平原區(qū)(a)24 h內(nèi)氣溫預(yù)報(bào)準(zhǔn)確率及訂正技巧，(b)霜凍預(yù)報(bào)準(zhǔn)確率及其訂正技巧預(yù)報(bào)效果分時(shí)效對(duì)比

4.2 分區(qū)域檢驗(yàn)

研究時(shí)間24 h內(nèi)實(shí)況溫度最高降溫26.6℃，平均降溫≥10℃的格點(diǎn)占全部格點(diǎn)數(shù)的73.3%，部分農(nóng)業(yè)生產(chǎn)區(qū)域內(nèi)溫度直接達(dá)到霜凍指標(biāo)，沒有提前的預(yù)警和防御，對(duì)農(nóng)業(yè)生產(chǎn)會(huì)造成重要災(zāi)害。發(fā)生霜凍的區(qū)域分布在海拔600～800 m的塔城地區(qū)、托里以南的區(qū)域和海拔600～1200 m的阿勒泰大部區(qū)域以及溫泉、木壘、昌吉以北的小部分區(qū)域。

KM3的訂正技巧≥0分布的區(qū)域定義為SSKM3_1，其中SS_TTKM3≥0的格點(diǎn)占總格點(diǎn)的37.8%，主要分布在哈密以北、昌吉州大部、和布克賽爾、北塔山、阿勒泰南部。TT_KM3較TT_KM1、TT_KM2平均提高0.9%、1.2%。SS_TSKM3≥0的格點(diǎn)占發(fā)生霜凍格點(diǎn)的39.8%，主要分布在塔城地區(qū)、溫泉、哈巴河以西、布爾津、昌吉以北的小部分區(qū)域。TS_KM3較TS_KM1、TS_KM2平均提高2.0%、0.2%(圖7)。

四種(XJ，KM1，KM2，KM3)預(yù)報(bào)產(chǎn)品氣溫預(yù)報(bào)準(zhǔn)確率整體原始預(yù)報(bào)EC比訂正預(yù)報(bào)略高，在降溫>20℃的強(qiáng)降溫區(qū)域，三種訂正預(yù)報(bào)(KM1,KM2,KM3)氣溫預(yù)報(bào)準(zhǔn)確率均高于EC，分別提高了3.8%、3.6%、4.2%。

四種預(yù)報(bào)產(chǎn)品(EC，KM1,KM2,KM3)霜凍預(yù)報(bào)正確的格點(diǎn)分別為964、1034、1015、1021個(gè)，由表7和圖7顯示EC的霜凍預(yù)報(bào)準(zhǔn)確率整體比訂正預(yù)報(bào)產(chǎn)品略高，預(yù)報(bào)發(fā)生霜凍格點(diǎn)正確格點(diǎn)個(gè)數(shù)少于訂正預(yù)報(bào)產(chǎn)品，EC霜凍預(yù)報(bào)中預(yù)報(bào)正確的格點(diǎn)缺少了農(nóng)業(yè)生產(chǎn)區(qū)域中昌吉以北小部分區(qū)域、木壘部分區(qū)域。

表7 四種預(yù)報(bào)產(chǎn)品的氣溫和霜凍預(yù)報(bào)準(zhǔn)確率及其訂正技巧分區(qū)域?qū)Ρ?單位：%)

5 結(jié)論與討論

本文使用三種濾波算法對(duì)北疆平原區(qū)春季240 h內(nèi)逐3 h氣溫格點(diǎn)指導(dǎo)產(chǎn)品進(jìn)行訂正，采用均方根誤差、訂正技巧、氣溫預(yù)報(bào)準(zhǔn)確率 、霜凍預(yù)報(bào)準(zhǔn)確率和霜凍逐24 h平均持續(xù)時(shí)間預(yù)報(bào)均方根誤差作為檢驗(yàn)指標(biāo)，通過分時(shí)效和分區(qū)域檢驗(yàn)方法對(duì)訂正前后的氣溫和霜凍預(yù)報(bào)效果進(jìn)行了檢驗(yàn)分析，得到的主要結(jié)論如下：

(1)在分時(shí)效檢驗(yàn)中，三種訂正預(yù)報(bào)產(chǎn)品(KM1、KM2、KM3)較原始格點(diǎn)預(yù)報(bào)產(chǎn)品XJ：氣溫均方根誤差平均降低了0.79、0.85、0.88℃；氣溫預(yù)報(bào)準(zhǔn)確率平均提高了6.11%、6.38%、6.46%。逐3 h 霜凍預(yù)報(bào)準(zhǔn)確率平均提高了3.00%、5.81%、7.31%，訂正技巧谷值主要為17時(shí)和14時(shí)。霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差明顯降低，平均降低了4.21、4.41、4.35 h，其中訂正預(yù)報(bào)產(chǎn)品中(1≤格點(diǎn)逐日逐24 h預(yù)報(bào)值達(dá)到霜凍指標(biāo)次數(shù)≤4)均方根誤差平均值降低了1.19、1.23、1.23 h，在 168 h和192 h霜凍持續(xù)時(shí)間預(yù)報(bào)的時(shí)長(zhǎng)對(duì)誤差值影響明顯。

(2)分區(qū)域預(yù)報(bào)效果檢驗(yàn)中，三種訂正預(yù)報(bào)產(chǎn)品(KM1、KM2、KM3)相對(duì)原始預(yù)報(bào)產(chǎn)品XJ：氣溫均方根誤差分別降低0.66、0.71、0.9℃，在XJ的誤差值RMSE>4℃區(qū)域訂正效果明顯，分別降低了3.04、3.09、3.17℃；氣溫預(yù)報(bào)準(zhǔn)確率分別提高了5.7%、6.1%、6.1%，在XJ的誤差值RMSE>4℃區(qū)域訂正效果明顯，分別提高了23.75%、24.52%、20.07%。霜凍預(yù)報(bào)準(zhǔn)確率在富蘊(yùn)、青河以及準(zhǔn)噶爾盆地東部邊緣及東南部海拔高度為600～1200 m區(qū)域,分別提高了2.5%、4.8%、5.4%；其他區(qū)域提高不明顯。霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)均方根誤差平均減小了0.81、0.63、0.56 h，其中訂正預(yù)報(bào)產(chǎn)品中(1≤單個(gè)格點(diǎn)逐日逐24 h預(yù)報(bào)值達(dá)到霜凍指標(biāo)次數(shù)≤4)均方根誤差平均值分別降低了0.4、0.3、0.2 h。

(3)分時(shí)效檢驗(yàn)中，原始預(yù)報(bào)產(chǎn)品XJ在108 h預(yù)報(bào)時(shí)效內(nèi)波動(dòng)變化平緩，均方根誤差均較低，氣溫預(yù)報(bào)準(zhǔn)確率均較高，在108 h預(yù)報(bào)時(shí)效后誤差振蕩加劇，相應(yīng)訂正技巧也隨之加劇。原始預(yù)報(bào)產(chǎn)品XJ在108 h后，每天11時(shí)和23時(shí)出現(xiàn)均方根誤差在波峰相應(yīng)氣溫預(yù)報(bào)準(zhǔn)確率在波谷，08時(shí)和20時(shí)是均方根誤差在波谷、氣溫預(yù)報(bào)準(zhǔn)確率在波峰。出現(xiàn)這種情況和模式本身的誤差關(guān)系最大，同時(shí)結(jié)果顯示三種濾波均有效的降低模式誤差。

(4)在區(qū)域統(tǒng)計(jì)中，2019年4—5月原始格點(diǎn)預(yù)報(bào)在海拔高度高于1500 m的裕民、托里以及南部巴爾魯克山周邊區(qū)域，均方根誤差>4℃，氣溫預(yù)報(bào)準(zhǔn)確率≤10%，霜凍預(yù)報(bào)準(zhǔn)確率≥90%，此區(qū)域均是山脈且冰雪覆蓋，并不合適農(nóng)業(yè)活動(dòng)。

(5)經(jīng)過分析隨著預(yù)報(bào)時(shí)效的延長(zhǎng)均方根誤差在波動(dòng)中緩慢增加、氣溫和霜凍預(yù)報(bào)準(zhǔn)確率在波動(dòng)中緩慢減小。霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)中持續(xù)時(shí)間越長(zhǎng)，其均方根誤差相對(duì)越大，在168～192 h預(yù)報(bào)時(shí)效霜凍持續(xù)時(shí)間對(duì)誤差值影響明顯。區(qū)域中均方根誤差較大區(qū)，高海拔高度偏高、氣溫預(yù)報(bào)準(zhǔn)確率較低，其訂正效果較好。逐3 h霜凍預(yù)報(bào)準(zhǔn)確率訂正技巧≥0的格點(diǎn)數(shù)占發(fā)生霜凍總格點(diǎn)的37.6%。霜凍逐24 h持續(xù)時(shí)間預(yù)報(bào)中訂正技巧≥0的格點(diǎn)數(shù)占發(fā)生霜凍總格點(diǎn)的71.4%。

(6)2021年4月21—22日北疆出現(xiàn)大范圍強(qiáng)降溫，應(yīng)用本文的三種訂正預(yù)報(bào)產(chǎn)品對(duì)EC預(yù)報(bào)產(chǎn)品進(jìn)行訂正，對(duì)比檢驗(yàn)三種訂正預(yù)報(bào)和EC預(yù)報(bào)在溫度陡降的情況下氣溫和霜凍的預(yù)報(bào)效果。結(jié)果表明，分時(shí)效檢驗(yàn)中，氣溫預(yù)報(bào)準(zhǔn)確率在預(yù)報(bào)時(shí)效小于等于12 h和02、08、17和23時(shí)的時(shí)刻訂正預(yù)報(bào)產(chǎn)品優(yōu)于EC；霜凍預(yù)報(bào)準(zhǔn)確率在預(yù)報(bào)時(shí)效9～18 h和08、11、14和17時(shí)的時(shí)刻訂正預(yù)報(bào)產(chǎn)品優(yōu)于EC。分區(qū)域檢驗(yàn)中，EC氣溫預(yù)報(bào)準(zhǔn)確率整體比訂正預(yù)報(bào)略高，在降溫>20℃強(qiáng)降溫區(qū)域，三種訂正預(yù)報(bào)產(chǎn)品準(zhǔn)確率均高于EC預(yù)報(bào)；EC霜凍預(yù)報(bào)準(zhǔn)確率整體比三種訂正預(yù)報(bào)產(chǎn)品略高，EC預(yù)報(bào)發(fā)生霜凍格點(diǎn)正確格點(diǎn)個(gè)數(shù)少于訂正預(yù)報(bào)產(chǎn)品，EC預(yù)報(bào)正確的格點(diǎn)缺少了農(nóng)業(yè)生產(chǎn)區(qū)域中昌吉以北小部分區(qū)域、木壘部分區(qū)域。三種預(yù)報(bào)產(chǎn)品的訂正算法中，集成訂正算法KM3略優(yōu)。

從分析結(jié)果對(duì)比顯示，三種預(yù)報(bào)產(chǎn)品的訂正算法均優(yōu)于原始格點(diǎn)指導(dǎo)預(yù)報(bào)產(chǎn)品。三種訂正算法相比而言，集成訂正算法KM3最優(yōu)。2021年春季以來，新疆農(nóng)業(yè)氣象臺(tái)提取中國(guó)氣象局下發(fā)的240 h逐3 h氣溫格點(diǎn)指導(dǎo)預(yù)報(bào)產(chǎn)品，并應(yīng)用本文中的算法和指標(biāo)進(jìn)行訂正和服務(wù),每天逐3 h發(fā)布低溫和霜凍預(yù)報(bào)預(yù)警，得到很好的效果。后期將對(duì)該濾波算法訂正其他模式的多種基本氣象要素的預(yù)報(bào)產(chǎn)品檢驗(yàn)，并進(jìn)行優(yōu)化改進(jìn)不同區(qū)域的訂正算法以期提高預(yù)報(bào)準(zhǔn)確率。