客觀預報

客觀預報是指不以預報人員的主觀分析判斷為轉移，而是通過對各種氣象資料進行整理和分析，用數值計算或圖表查算等方法，得出定量的客觀的結論的預報方法。如數值預報和統計預報等即屬客觀預報的方法。

基本介紹

• 中文名：客觀預報
• 外文名：Objective forecast
• 類型：預算估計術語
• 定義：不以預報人員的主觀分析判斷
• 學科：氣象學

概念

客觀預報是指用數值計算或圖表查算等方法，得出定量的客觀的結論的預報方法。如數值預報和統計預報等即屬客觀預報的方法。

國家氣象中心氣象要素的客觀預報

客觀要素預報是隨著科學的進步、經濟的發展以及人們的需求而提出來的。定時、定點、定量的客觀要素預報是建立在數值預報的基礎上。作為集大氣探測、天氣學、動力氣象學以及計算機、通信技術為一體的綜合性科學的數值預報，並由此而生成大量可用信息，這些既包含天氣發展演變，也包含某些天氣現象產生的動力機理的信息，當然還包括由於種種局限而產生錯誤的和虛假的信息，需要氣象工作者去深入研究和解讀。在研究、解讀過程中必然將其中的信息直接或間接（經過變換）地用於滿足實際的需求。這樣，數值預報產品的釋用課題應運而生，它是對數值預報這一綜合性的結果，運用動力學、統計學技術再一次加工、修正，使預報精度得到進一步提高，以達到有價值的要素預報水平。

實踐證明通過數值預報的釋用，確實使要素預報比模式直接輸出的預報有了明顯的提高。由圖1可見模式直接輸出的溫度預報誤差遠遠大於釋用預報的結果，這就顯示了釋用預報的意義。而且隨著經濟的發展和人們生活質量的提高對天氣預報的精度和時效的要求日益提高，定時、定點、定量的要素預報勢在必行。因此，數值預報產品釋用預報不僅是可行的，也是必要的。

另外，從數值預報本身的發展過程可以預見，在資料同化、物理過程和並行計算等方面將會進一步達到更好的境界，但是數值預報的初值條件永遠不可能達到真實大氣狀況。對各種天氣過程發生髮展的機理認識也是永久的課題，更何況大氣並不是封閉系統，海氣、陸氣相互作用使大氣動力過程更為複雜。這一切都說明數值預報不可能盡善盡美，對其產品釋用的研究也將是一個長期的課題。數值預報產品的釋用技術，不僅需要具備動力學、統計學、天氣學知識，而且還需要了解各種大氣探測原理及如何運用這些探測所獲取的資料，熟悉資料加工的處理技術。所以，對這一高難度和高度綜合性的課題必須要花相當工夫，不可掉以輕心。

經過實踐證明做好要素預報最好要具備如下條件：①高質量的數值預報產品；②實況觀測資料和各種探測信息；③合適的預報技術路線；④符合要素特點的預報方法；⑤具備處理資料、業務試驗、對比分析的軟硬體環境；（存儲空間、計算、網路）⑥有一套功能齊全、調度靈活的人機互動系統。

MOS預報方法

早在20世紀50年代末，美國氣象學者克萊因提出用歷史資料與預報對象同時間的實際氣象參量作預報因子，建立統計關係。實際套用時，假定數值預報的結果是“完全”正確的（perfect），用數值預報產品代入到上述統計關係中，就可得到與預報相應時刻的預報值，這種稱為完全預報法（pp法）。它的長處可利用大量的歷史資料進行統計，因此得出的統計規律一般比較穩定可靠。但是該方法除含有統計關係造成的誤差外，主要是無法考慮數值模式的預報誤差，因而使預報精度受到一定影響。提出模式輸出統計（Model Output Statistics，簡稱MOS）法。具體做法是從數值預報模式的歸檔資料中選取預報因子向量，求出預報量的同時或近於同時預報關係式，在實際套用時，就把數值預報輸出的結果代入相應的預報關係中。

MOS方法可以引入許多其它方法難以引入的預報因子（如垂直速度、渦度等物理意義明確、預報信息量較大的因子）。它還能自動地訂正數值預報的系統性誤差。因此，在數值預報水平下，MOS的預報精度普遍優於pp方法。

資料的選用處理和技術方案的確定

在進行MOS預報前，首先須確定預報量及預報時段，針對具體的預報對象進行資料選取和季節劃分。為了提高預報精度，將資料按自然季節，以12月至次年2月、3—5月、6—8月、9—11月劃分為冬春夏秋四季，為克服樣本量偏少，也考慮季節偏早、或偏晚問題，我們將每季分別向前後跨半個月，如春季為2月16日—6月15日、夏季為5月16日—9月15日等。對於預報量，按照上節的正態變換思想，將降水量、風速、能見度等進行簡單的轉換，如能見度先縮小10倍，再開平方，使之向常態分配靠近。對於預報因子，由於全球T106模式資料年代較長（1995—2000年），這裡仍採用T106模式輸出的物理量資料。並且，在此基礎上對輸出格點場進一步診斷加工、組合和非線性化的處理（如平方、立方、開方等），最後約得到1000多個因子。這些因子除了1000—200hPa各層的高度、溫度、相對濕度、u、v風和渦度、散度等基本預報場外，還包括某些層次的垂直速度、溫度露點差、位溫、假相當位溫、濕位渦、鋒生函式、螺旋度、K指數、壓能、Q矢量、渦度散度以及由此派生出的有關水平或垂直梯度、平流、日變數等診斷物理量。這樣一方面擴大因子選取的範圍以供不同預報對象的選擇，另一方面，也在一定程度上克服回歸方程解決不了的預報對象與預報因子之間的非線性關係。在進入回歸過程前，還需將因子格點場資料插值到確定的站點上，並根據與預報對象相關程度預先從1000多個因子中，依據預報因子和預報對象之間相關關係大小初選近200個因子，連同該站的實況要素資料進入回歸計算。

MOS方程選取的預報因子分析

多元回歸統計方法最大的優點是可根據要求的F_α值自行選取與預報對象相關好的，而與其它因子間又相對較獨立的預報因子，根據已經業務運行的冬季2230個站點最高最低溫度1—6天的預報，所選取的因子次數按大小排列從中可得如下結論：①全國MOS溫度預報所選因子前25箇中厚度占5/25、假相當位溫5/25、溫度4/25、露點3/25、濕位渦2/25、水汽通量2/25、高度、可降水、沙氏指數和壓能各1/25；並且，這些因子絕大部分是屬於850hPa及以下低層的（占18/25），若將700hPa也考慮在低層內，則幾近90%以上了；②如僅考慮72h以內的預報，所選的因子與168h及以內預報的因子儘管排次有所差異，但前17個因子都是相同的；可見因子的選取隨預報時效變化不大；③各區域MOS溫度預報所選因子與不考慮區域的全國總的統計情況相比，多數相同，1—8區所選的前25個因子屬於全國所選前25個的分別為占20/25、19/25、22/25、18/25、11/25、18/25、21/25、15/25；④第5區（高原）選的因子多數不同於其它地方，所不同的因子主要是500hPa及以上的物理量（占13/25）；第8區（華南）所選因子與其它區也不盡相同，其中主要是反映風及風梯度的物理量的（占6/25）；⑤72h以內的預報各區域所取的因子與全國的也比較一致，僅第2、5和8區較為特殊，所選的前25個因子屬於全國所選前25個因子的分別各占15/25、14/25和15/25，第2區主要是與500hPa物理量（占5/25）有關，另兩區的特徵與第4條相近。

同樣的方法統計秋季溫度預報方程所選因子，結果與冬季的大部分相同，排列前20個因子中與冬季相同的為16個。所選因子不同之處，在於多數偏向高層如500—300hPa的因子。

由此可見，套用數值預報產品的多元回歸統計方法（MOS方法），能夠較好地反映預報因子與預報對象之間的關係。並且，這種關係與天氣學理論以及預報員的預報經驗是一致的。因此，MOS方法不僅可以作為反映預報因子和預報對象近似線性關係的一種較為成熟的統計預報方法。而且，也可作為挑選預報因子的一種有效工具。

在回歸運算過程中，發現方程質量好壞與所選取因子個數有關，並非因子個數越多越好。為此，選擇不同的最大和最小因子個數如表1所列的6個方案進行並行試驗。由2002年9—11月預報結果比較得出：①各站（時效）建不出方程的個數：方案1—6分別為5、8、3、1、3和3個；②各試驗預報結果表明，24—48h 9月方案1誤差最小；方案4次之，其它相差不大。10—11月24—48h方案4誤差最小或與方案1接近；120h以上方案4誤差明顯小於其他，而方案1隨預報時效增大而明顯變大；誤差小於2℃的百分數（占總站數）9月份24—48h方案1比方案4略高，但96h以上方案4較其它方案高；對於10—11月，方案4各時效均較其它高，特別是96h以上；③3個月試驗的平均情況與逐月類似，由表1可見：最高、最低溫度24—48h第1方案絕對誤差比較小，而其它方案比較接近；72h方案4與第1方案相近，且均較其它方案誤差小；96h以上方案4明顯優於其它方案，而方案1的誤差增長的非常快。④儘管因子數多，24—48h預報誤差有時比較小，但並不是因子數越多越好，有時因不確定因素多，預報誤差反而增大，特別當預報時效增大時；⑤最小因子數如確定的太大，達不到F檢驗的要求，有時建不出合適的方程；最小因子數少，容易達到建方程的要求，但因子數太少，又會使預報精度降低。

表1

表2

表3

綜合以上分析，對溫度預報，取因子數以6—20個為最好。

方程建好後並非萬事大吉，在具體預報時，發現個別站、個別時效會出現異常預報值。為了尋求其原因，這裡剖析表2中3個站為例，發現預報出現異常，主要是選取的預報因子中含有梯度（如溫度梯度、高度梯度、風的梯度）成分，並且，這些梯度因子的方程係數量級比較大，這就加大了預報的不確定性，容易造成預報值計算的異常。經過改變參數，重建方程，因子及其係數如表3所列，預報值就正常了。

結論及釋用預報改進的途徑

綜上所述，MOS方法具有很多優點，是一種比較成熟的釋用方法。因此在國際上被廣泛地採用。通過建立國家級要素預報MOS系統，認為預報因子和預報對象的處理，建方程前的參數選擇以及預報因子的選取都會影響要素預報的質量，需要做大量的細緻工作。對全國2000多個站最高、最低溫度、最高、最低相對濕度和降水量7個月的預報檢驗結果表明，前4個要素的短期預報在大多數情況下是可用的或是可參考的。但是，如前所言，當天氣變化劇烈時、當出現極端的天氣時，該方法與一般的統計方法類似，只能望塵莫及。對於降水這類反映大中小尺度綜合效應的天氣，預報效果較差，因此MOS的降水預報尚未達到可用程度。

通過對溫度預報所選取的因子分析，認為以取6—20個因子預報效果最佳，所選的因子多是與溫度有關的大氣低層的物理量，但對有關梯度的因子使用時須特別慎重。

國家氣象中心MOS方法所用的因子都是T106模式的產品，今後如採用T213模式產品可望預報質量會有所提高。此外，一般是採用將物理量場面上的信息通過插值處理變為點信息再與預報對象建立關係。從預報員經驗和一些台站製作客觀預報方法的實踐反映，若引進反應預報物理量場面信息（即兩維信息）的因子，會使預報得到改善。因此，需要探討作為國家級預報取得反映預報場面信息的處理方法。

再者，對短時預報而言，如何充分利用可得到的各種信息，如衛星遙感、雷達等探測資料與數值預報產品資料結合起來以便改進降水客觀預報。如何提高預報水平，已開發國家一方面採用集合預報或超集合預報以捕捉天氣的“真值”。另一方面將中小尺度模式與雷達等探測技術結合，製作颶風或強對流天氣的短時預報。

降水溫度分縣客觀預報方法研究

隨著省地氣象預報業務服務的發展，對預報精度和準確率提出了更高的要求，業務預報急需有效的省級客觀預報指導產品。常規天氣要素分縣客觀預報研究和業務套用工作就是在這樣的條件下開展的。1998年國家氣象中心舉辦了逐級預報指導技術培訓班，全國大部分省區先後開展了此項工作並投入業務套用。貴州省氣象局也成立了技術攻關小組，目標是充分利用國家氣象中心T106數值預報產品，套用MOS預報方法製作全省中短期降水、溫度分縣客觀預報，實現客觀定量定點的指導預報產品。

借鑑國家氣象中心和先進省區的經驗，本著邊研究、邊套用、邊改進的指導思想，我們加工處理了1995—1997年的逐日所有T106產品資料，套用MOS方法研究建立了貴州81站全年的降水分級（小雨、中雨、大雨、暴雨）和最高、最低溫度預報方程，投入業務套用並進行了效果檢驗，每天的預報結果可輸出在MICAPS業務平台上調用。另外還開發了配套的“分縣預報訂正製作發布系統”投入業務使用，使預報員可在客觀預報的基礎上訂正發布最終的分縣預報，已成為省台中短期預報製作發布的重要工具，收到了很好的業務套用效果。

資料處理和計算方法

（1）預報量（降水）的預處理

①降水分級及樣本處理將降水分為小雨、中雨、大雨、暴雨4級，為減少各級降水預報間的矛盾，同時增加樣本數和方程穩定性，使樣本逐級向上包容，即小雨樣本包含全部中雨、大雨、暴雨樣本，中雨樣本包含全部大雨、暴雨樣本，以此類推。劃分標準為：小雨≥0.1mm，中雨≥10mm，大雨≥25mm，暴雨≥50mm。

②大降水樣本分區共享

由於大降水對單站來說是小機率事件，單站的大雨、暴雨樣本太少，難於建立可用的預報方程，為此必須擴大單站樣本數。我們根據本省天氣氣候背景分析計算，分時段劃分出數個降水氣候相似區，使大雨、暴雨樣本在分區內各站共享。具體做法是：通過計算分析全省81站逐站降水相關圖，分析各時段多年平均降水分布情況，綜合考慮全省站點地域地形分布，合理劃分出各降水氣候相似區。分區數也不宜過多，一般在10個以內，每個分區內站點數在10個左右。分區的好壞直接影響到今後各站點大雨、暴雨的預報效果。所以要套用大量歷史資料經反覆計算和分析，求得最合理的大降水樣本的分區共享，這是決定今後預報方程對大雨、暴雨預報實用效果的關鍵的第一步。

（2）因子處理及因子初選

①隨預報時效增加因子時次

預報因子採用1995—1997年逐日T106數值預報產品資料，包括所有T106產品的要素場和物理量場，時間為9個時次（00、12、24、36、48、60、72、96、120h）、空間8個層次（地面到300hPa）1°×1°經緯度格線因子場，並通過進一步計算導出了更多的物理量因子和若干非線性組合因子，如偏差風、螺旋度、K指數、Q量函式等；又通過對某些物理量因子的組合得到若干非線性組合因子，例如考慮濕度與垂直速度對降水的共同影響設計了整層平均相對濕度與500hPa垂直速度的組合因子等。取可能影響本省的區域範圍進行挖塊處理，這樣每個時次初步得到近千個因子場。

為防止MOS預報方程隨預報時效延長預報效果變差，在因子的處理上，我們採取通過最大限度地加密因子的時次，隨預報時效延長加大T106因子的數量，使每一個預報時效的因子包括該時次及該時次以前所有時次的因子，即24h預報用到00h、12h、24h 3個時次的因子，48h預報用到00h、12h、24h、36h、48h 5個時次的因子，而120h則用到了所有9個時次的所有T106因子場，雖然這樣做會使因子量和計算量非常大，但實際證明對防止隨時效延長預報效果變差是有效的。

②站點因子序列中加入氣候值

經過因子預處理後，使用逐步訂正客觀分析方法將各T106因子場插值到全省81個站點上，從而得到各站點的因子序列。站點因子序列里還包括各站點的經度、緯度、海拔高度和日序函式，雖然其中日序函式可以視為某種氣候因子，但這是遠遠不夠的。

氣候因子對保證預報方程的穩定性和預報效果是非常重要的。特別是對於溫度預報，方程中若沒有氣候因子項，輸出的預報結果變幅將很大且極不穩定，常常出現異常值而導致結果不可用。我們計算了各站多年平均小雨、中雨、大雨、暴雨逐日氣候機率和平均最高、最低溫度氣候值，作為必選因子直接參與建立方程。事實證明在最後的逐步回歸方程建立中氣候因子基本上都進入了最終的預報方程，這樣保證了預報方程的穩定性和可用性，使其在業務上的套用成為可能。

③因子初選及要注意的問題

經過因子預處理後每個時次有近千個T106因子，包括各種物理量因子和若干非線性組合因子；又由於採取隨預報時效延長加密因子場的時次，進一步增加了因子量，因此總的因子量非常大。為保證因子選取的客觀性和全面性，我們對所有T106因子均用計算機進行自動篩選，通過F檢驗的因子為初選因子參與建立方程，一般控制在100個以內。在此要注意的是要儘量避免選取相互間相關過高的因子，去掉因子復共線的不利影響，以免在以後的回歸方程計算中出現病態矩陣而無法建立方程。

（3）預報方程的建立

本課題的關鍵就在於如何建立最優的預報方程。綜合比較各種統計回歸方法，我們採用了較嚴謹的雙重檢驗逐步回歸技術來進行MOS預報方程的建立，因子引入和剔除由程式同時進行，當運行到既無因子引入又無因子剔除時得到最優的回歸方程。最後對方程進行顯著性檢驗。通過因子初選步驟後，我們採取改進的雙重檢驗逐步回歸方案，經過大量計算，分別建立了全省81站1—5天降水分級（小雨、中雨、大雨、暴雨）預報方程和最高、最低溫度預報方程，分冬半年和夏半年方程總數達4860個。在最後得到的MOS預報方程中，一般都包括了氣候因子，連T106因子在內總數在10個左右，且各因子的物理意義十分明確，如降水預報方程中的因子往往包括水汽、渦度、散度、垂直速度、螺旋度、K指數、Q矢量函式及其組合因子等等；在α=0.01，取臨界值Y=Y_C（0.5）時，降水預報方程擬合率在80%左右，方程效果檢驗是顯著的。

預報效果及誤差特點

我們建立的預報方程於2000年起投入了省氣象台的業務試用，經過一年多的業務套用檢驗並不斷改進，實際證明其預報效果較好，具有較大參考價值，為業務預報提供了有效的省級客觀預報指導產品。

以下是分縣客觀預報具體檢驗結果。其中降水分級預報檢驗TS評分為：正確率/（空報率+漏報率+正確率），最高、最低溫度預報檢驗取平均絕對誤差。

（1）溫度預報檢驗結果

最高溫度預報：1—5天預報平均絕對誤差在2℃左右。最低溫度預報：1—5天預報平均絕對誤差在1—2℃。預報檢驗結果表明溫度分縣MOS預報具有較好指導意義，可在業務預報中直接套用。以安順站（57806）為例，溫度預報檢驗結果見表4。

表4

從表4中可見，最高、最低溫度預報的平均絕對誤差隨預報時效延長而緩慢增長，表明了溫度預報較穩定，而最高溫度預報比最低溫度要稍差，這是國內其他研究也發現的現象，可能是因為最高溫度的變率比最低溫度大的原因。

（2）降水預報檢驗結果

小雨預報即晴雨預報效果最好：1—5天TS評分均較高，可達0.7左右；中雨預報TS評分在0.3—0.4；大雨以上預報TS評分迅速降低，大雨預報TS評分降到0.2左右，暴雨預報TS評分則更低，大多在0.1以下，但也有個別站暴雨TS評分高達0.5，這與該站實況暴雨發生次數很少有關。

MOS預報業務套用效果的改進

（1）降水預報臨界值的選取

降水預報方程臨界值的選取直接影響方程的實際預報效果，預報臨界值的選取以使預報效果達最佳為原則。由於各級降水性質和出現機率的不同，其預報臨界值也不應相同，而且不同站點由於天氣氣候背景的差異其預報臨界值也不盡相同。在實際業務套用中，各級降水預報方程的臨界值應通過多次的預報檢驗來確定。我們經過反覆的預報試驗，分別確定出各站小雨、中雨、大雨、暴雨預報的臨界值。由於試驗發現MOS方程對大降水的預報能力有明顯削弱，並考慮到要對降水預報進行逐級消空，因此各級預報臨界值間的關係大致應遵循：R_暴雨≤R_大雨≤R_中雨≤R_小雨。在實際套用中還應以實況檢驗效果為依據，不斷對預報臨界值進行改進調整，以取得最好的預報效果。

（2）逐級消空指標的確定

由於單站大雨、暴雨屬小機率事件，建方程時樣本少，實際預報時必然會出現空報較多，又因各級降水預報方程的建立是相對獨立的，則預報時難免會出現預報量級間相互矛盾的現象。為解決這一問題，提高預報實用效果和精度，必須對預報進行逐級消空，即小雨對中雨、中雨對大雨、大雨對暴雨消空。消空指標的確定要通過大量的預報與實況的對比分析和計算得到，這是一個非常複雜的過程，並需要根據實際套用效果不斷進行調整。

消空和不消空兩種預報效果的對比表明，採取逐級消空後能有效減少空報現象，並能消除各級降水預報間的矛盾。而漏報並不明顯增加，從而提高了預報的TS評分。

研究結論

研究結果表明，套用T106數值預報產品作降水分級分縣MOS預報，小雨及中雨的預報有一定業務指導意義，而對大雨、暴雨的預報較困難，離達到業務套用水平還有一定差距，說明MOS方法對單站大雨、暴雨的預報需作進一步的改進。降水預報中臨界值的選取和逐級消空指標的確定對提高預報精度具有重要作用。套用T106數值預報產品作最高、最低溫度分縣MOS預報，1—5天溫度預報均有較好指導意義，可在業務預報中直接套用。MOS方法還是數值預報產品釋用的主要方法之一，套用T106數值預報資料製作分縣要素預報指導產品，已經實現了全省逐日滾動定點客觀預報，為業務預報提供了客觀有效的參考依據。由於受數值預報產品資料長度的限制，研究僅是初步成果，隨著資料的積累和方法在實際套用中的不斷改進和完善，今後的預報效果還會有所提高。