客观预报

客观预报是指不以预报人员的主观分析判断为转移，而是通过对各种气象资料进行整理和分析，用数值计算或图表查算等方法，得出定量的客观的结论的预报方法。如数值预报和统计预报等即属客观预报的方法。

概念客观预报是指用数值计算或图表查算等方法，得出定量的客观的结论的预报方法。如数值预报和统计预报等即属客观预报的方法。

国家气象中心气象要素的客观预报客观要素预报是随着科学的进步、经济的发展以及人们的需求而提出来的。定时、定点、定量的客观要素预报是建立在数值预报的基础上。作为集大气探测、天气学、动力气象学以及计算机、通信技术为一体的综合性科学的数值预报，并由此而生成大量可用信息，这些既包含天气发展演变，也包含某些天气现象产生的动力机理的信息，当然还包括由于种种局限而产生错误的和虚假的信息，需要气象工作者去深入研究和解读。在研究、解读过程中必然将其中的信息直接或间接（经过变换）地用于满足实际的需求。这样，数值预报产品的释用课题应运而生，它是对数值预报这一综合性的结果，运用动力学、统计学技术再一次加工、修正，使预报精度得到进一步提高，以达到有价值的要素预报水平。

实践证明通过数值预报的释用，确实使要素预报比模式直接输出的预报有了明显的提高。由图1可见模式直接输出的温度预报误差远远大于释用预报的结果，这就显示了释用预报的意义。而且随着经济的发展和人们生活质量的提高对天气预报的精度和时效的要求日益提高，定时、定点、定量的要素预报势在必行。因此，数值预报产品释用预报不仅是可行的，也是必要的。

另外，从数值预报本身的发展过程可以预见，在资料同化、物理过程和并行计算等方面将会进一步达到更好的境界，但是数值预报的初值条件永远不可能达到真实大气状况。对各种天气过程发生发展的机理认识也是永久的课题，更何况大气并不是封闭系统，海气、陆气相互作用使大气动力过程更为复杂。这一切都说明数值预报不可能尽善尽美，对其产品释用的研究也将是一个长期的课题。数值预报产品的释用技术，不仅需要具备动力学、统计学、天气学知识，而且还需要了解各种大气探测原理及如何运用这些探测所获取的资料，熟悉资料加工的处理技术。所以，对这一高难度和高度综合性的课题必须要花相当工夫，不可掉以轻心。

经过实践证明做好要素预报最好要具备如下条件：①高质量的数值预报产品；②实况观测资料和各种探测信息；③合适的预报技术路线；④符合要素特点的预报方法；⑤具备处理资料、业务试验、对比分析的软硬件环境；（存储空间、计算、网络）⑥有一套功能齐全、调度灵活的人机交互系统。

MOS预报方法早在20世纪50年代末，美国气象学者克莱因提出用历史资料与预报对象同时间的实际气象参量作预报因子，建立统计关系。实际应用时，假定数值预报的结果是“完全”正确的（perfect），用数值预报产品代入到上述统计关系中，就可得到与预报相应时刻的预报值，这种称为完全预报法（pp法）。它的长处可利用大量的历史资料进行统计，因此得出的统计规律一般比较稳定可靠。但是该方法除含有统计关系造成的误差外，主要是无法考虑数值模式的预报误差，因而使预报精度受到一定影响。提出模式输出统计（Model Output Statistics，简称MOS）法。具体做法是从数值预报模式的归档资料中选取预报因子向量，求出预报量的同时或近于同时预报关系式，在实际应用时，就把数值预报输出的结果代入相应的预报关系中。

MOS方法可以引入许多其它方法难以引入的预报因子（如垂直速度、涡度等物理意义明确、预报信息量较大的因子）。它还能自动地订正数值预报的系统性误差。因此，在数值预报水平下，MOS的预报精度普遍优于pp方法。

资料的选用处理和技术方案的确定在进行MOS预报前，首先须确定预报量及预报时段，针对具体的预报对象进行资料选取和季节划分。为了提高预报精度，将资料按自然季节，以12月至次年2月、3—5月、6—8月、9—11月划分为冬春夏秋四季，为克服样本量偏少，也考虑季节偏早、或偏晚问题，我们将每季分别向前后跨半个月，如春季为2月16日—6月15日、夏季为5月16日—9月15日等。对于预报量，按照上节的正态变换思想，将降水量、风速、能见度等进行简单的转换，如能见度先缩小10倍，再开平方，使之向正态分布靠近。对于预报因子，由于全球T106模式资料年代较长（1995—2000年），这里仍采用T106模式输出的物理量资料。并且，在此基础上对输出格点场进一步诊断加工、组合和非线性化的处理（如平方、立方、开方等），最后约得到1000多个因子。这些因子除了1000—200hPa各层的高度、温度、相对湿度、u、v风和涡度、散度等基本预报场外，还包括某些层次的垂直速度、温度露点差、位温、假相当位温、湿位涡、锋生函数、螺旋度、K指数、压能、Q矢量、涡度散度以及由此派生出的有关水平或垂直梯度、平流、日变量等诊断物理量。这样一方面扩大因子选取的范围以供不同预报对象的选择，另一方面，也在一定程度上克服回归方程解决不了的预报对象与预报因子之间的非线性关系。在进入回归过程前，还需将因子格点场资料插值到确定的站点上，并根据与预报对象相关程度预先从1000多个因子中，依据预报因子和预报对象之间相关关系大小初选近200个因子，连同该站的实况要素资料进入回归计算。

MOS方程选取的预报因子分析多元回归统计方法最大的优点是可根据要求的Fα值自行选取与预报对象相关好的，而与其它因子间又相对较独立的预报因子，根据已经业务运行的冬季2230个站点最高最低温度1—6天的预报，所选取的因子次数按大小排列从中可得如下结论：①全国MOS温度预报所选因子前25个中厚度占5/25、假相当位温5/25、温度4/25、露点3/25、湿位涡2/25、水汽通量2/25、高度、可降水、沙氏指数和压能各1/25；并且，这些因子绝大部分是属于850hPa及以下低层的（占18/25），若将700hPa也考虑在低层内，则几近90%以上了；②如仅考虑72h以内的预报，所选的因子与168h及以内预报的因子尽管排次有所差异，但前17个因子都是相同的；可见因子的选取随预报时效变化不大；③各区域MOS温度预报所选因子与不考虑区域的全国总的统计情况相比，多数相同，1—8区所选的前25个因子属于全国所选前25个的分别为占20/25、19/25、22/25、18/25、11/25、18/25、21/25、15/25；④第5区（高原）选的因子多数不同于其它地方，所不同的因子主要是500hPa及以上的物理量（占13/25）；第8区（华南）所选因子与其它区也不尽相同，其中主要是反映风及风梯度的物理量的（占6/25）；⑤72h以内的预报各区域所取的因子与全国的也比较一致，仅第2、5和8区较为特殊，所选的前25个因子属于全国所选前25个因子的分别各占15/25、14/25和15/25，第2区主要是与500hPa物理量（占5/25）有关，另两区的特征与第4条相近。

同样的方法统计秋季温度预报方程所选因子，结果与冬季的大部分相同，排列前20个因子中与冬季相同的为16个。所选因子不同之处，在于多数偏向高层如500—300hPa的因子。

由此可见，应用数值预报产品的多元回归统计方法（MOS方法），能够较好地反映预报因子与预报对象之间的关系。并且，这种关系与天气学理论以及预报员的预报经验是一致的。因此，MOS方法不仅可以作为反映预报因子和预报对象近似线性关系的一种较为成熟的统计预报方法。而且，也可作为挑选预报因子的一种有效工具。

在回归运算过程中，发现方程质量好坏与所选取因子个数有关，并非因子个数越多越好。为此，选择不同的最大和最小因子个数如表1所列的6个方案进行并行试验。由2002年9—11月预报结果比较得出：①各站（时效）建不出方程的个数：方案1—6分别为5、8、3、1、3和3个；②各试验预报结果表明，24—48h 9月方案1误差最小；方案4次之，其它相差不大。10—11月24—48h方案4误差最小或与方案1接近；120h以上方案4误差明显小于其他，而方案1随预报时效增大而明显变大；误差小于2℃的百分数（占总站数）9月份24—48h方案1比方案4略高，但96h以上方案4较其它方案高；对于10—11月，方案4各时效均较其它高，特别是96h以上；③3个月试验的平均情况与逐月类似，由表1可见：最高、最低温度24—48h第1方案绝对误差比较小，而其它方案比较接近；72h方案4与第1方案相近，且均较其它方案误差小；96h以上方案4明显优于其它方案，而方案1的误差增长的非常快。④尽管因子数多，24—48h预报误差有时比较小，但并不是因子数越多越好，有时因不确定因素多，预报误差反而增大，特别当预报时效增大时；⑤最小因子数如确定的太大，达不到F检验的要求，有时建不出合适的方程；最小因子数少，容易达到建方程的要求，但因子数太少，又会使预报精度降低。

综合以上分析，对温度预报，取因子数以6—20个为最好。

方程建好后并非万事大吉，在具体预报时，发现个别站、个别时效会出现异常预报值。为了寻求其原因，这里剖析表2中3个站为例，发现预报出现异常，主要是选取的预报因子中含有梯度（如温度梯度、高度梯度、风的梯度）成分，并且，这些梯度因子的方程系数量级比较大，这就加大了预报的不确定性，容易造成预报值计算的异常。经过改变参数，重建方程，因子及其系数如表3所列，预报值就正常了。

结论及释用预报改进的途径综上所述，MOS方法具有很多优点，是一种比较成熟的释用方法。因此在国际上被广泛地采用。通过建立国家级要素预报MOS系统，认为预报因子和预报对象的处理，建方程前的参数选择以及预报因子的选取都会影响要素预报的质量，需要做大量的细致工作。对全国2000多个站最高、最低温度、最高、最低相对湿度和降水量7个月的预报检验结果表明，前4个要素的短期预报在大多数情况下是可用的或是可参考的。但是，如前所言，当天气变化剧烈时、当出现极端的天气时，该方法与一般的统计方法类似，只能望尘莫及。对于降水这类反映大中小尺度综合效应的天气，预报效果较差，因此MOS的降水预报尚未达到可用程度。

通过对温度预报所选取的因子分析，认为以取6—20个因子预报效果最佳，所选的因子多是与温度有关的大气低层的物理量，但对有关梯度的因子使用时须特别慎重。

国家气象中心MOS方法所用的因子都是T106模式的产品，今后如采用T213模式产品可望预报质量会有所提高。此外，一般是采用将物理量场面上的信息通过插值处理变为点信息再与预报对象建立关系。从预报员经验和一些台站制作客观预报方法的实践反映，若引进反应预报物理量场面信息（即两维信息）的因子，会使预报得到改善。因此，需要探讨作为国家级预报取得反映预报场面信息的处理方法。

再者，对短时预报而言，如何充分利用可得到的各种信息，如卫星遥感、雷达等探测资料与数值预报产品资料结合起来以便改进降水客观预报。如何提高预报水平，发达国家一方面采用集合预报或超集合预报以捕捉天气的“真值”。另一方面将中小尺度模式与雷达等探测技术结合，制作飓风或强对流天气的短时预报。1

降水温度分县客观预报方法研究随着省地气象预报业务服务的发展，对预报精度和准确率提出了更高的要求，业务预报急需有效的省级客观预报指导产品。常规天气要素分县客观预报研究和业务应用工作就是在这样的条件下开展的。1998年国家气象中心举办了逐级预报指导技术培训班，全国大部分省区先后开展了此项工作并投入业务应用。贵州省气象局也成立了技术攻关小组，目标是充分利用国家气象中心T106数值预报产品，应用MOS预报方法制作全省中短期降水、温度分县客观预报，实现客观定量定点的指导预报产品。

借鉴国家气象中心和先进省区的经验，本着边研究、边应用、边改进的指导思想，我们加工处理了1995—1997年的逐日所有T106产品资料，应用MOS方法研究建立了贵州81站全年的降水分级（小雨、中雨、大雨、暴雨）和最高、最低温度预报方程，投入业务应用并进行了效果检验，每天的预报结果可输出在MICAPS业务平台上调用。另外还开发了配套的“分县预报订正制作发布系统”投入业务使用，使预报员可在客观预报的基础上订正发布最终的分县预报，已成为省台中短期预报制作发布的重要工具，收到了很好的业务应用效果。

资料处理和计算方法（1）预报量（降水）的预处理

①降水分级及样本处理将降水分为小雨、中雨、大雨、暴雨4级，为减少各级降水预报间的矛盾，同时增加样本数和方程稳定性，使样本逐级向上包容，即小雨样本包含全部中雨、大雨、暴雨样本，中雨样本包含全部大雨、暴雨样本，以此类推。划分标准为：小雨≥0.1mm，中雨≥10mm，大雨≥25mm，暴雨≥50mm。

②大降水样本分区共享

由于大降水对单站来说是小概率事件，单站的大雨、暴雨样本太少，难于建立可用的预报方程，为此必须扩大单站样本数。我们根据本省天气气候背景分析计算，分时段划分出数个降水气候相似区，使大雨、暴雨样本在分区内各站共享。具体做法是：通过计算分析全省81站逐站降水相关图，分析各时段多年平均降水分布情况，综合考虑全省站点地域地形分布，合理划分出各降水气候相似区。分区数也不宜过多，一般在10个以内，每个分区内站点数在10个左右。分区的好坏直接影响到今后各站点大雨、暴雨的预报效果。所以要应用大量历史资料经反复计算和分析，求得最合理的大降水样本的分区共享，这是决定今后预报方程对大雨、暴雨预报实用效果的关键的第一步。

（2）因子处理及因子初选

①随预报时效增加因子时次

预报因子采用1995—1997年逐日T106数值预报产品资料，包括所有T106产品的要素场和物理量场，时间为9个时次（00、12、24、36、48、60、72、96、120h）、空间8个层次（地面到300hPa）1°×1°经纬度网格因子场，并通过进一步计算导出了更多的物理量因子和若干非线性组合因子，如偏差风、螺旋度、K指数、Q量函数等；又通过对某些物理量因子的组合得到若干非线性组合因子，例如考虑湿度与垂直速度对降水的共同影响设计了整层平均相对湿度与500hPa垂直速度的组合因子等。取可能影响本省的区域范围进行挖块处理，这样每个时次初步得到近千个因子场。

为防止MOS预报方程随预报时效延长预报效果变差，在因子的处理上，我们采取通过最大限度地加密因子的时次，随预报时效延长加大T106因子的数量，使每一个预报时效的因子包括该时次及该时次以前所有时次的因子，即24h预报用到00h、12h、24h 3个时次的因子，48h预报用到00h、12h、24h、36h、48h 5个时次的因子，而120h则用到了所有9个时次的所有T106因子场，虽然这样做会使因子量和计算量非常大，但实际证明对防止随时效延长预报效果变差是有效的。

②站点因子序列中加入气候值

经过因子预处理后，使用逐步订正客观分析方法将各T106因子场插值到全省81个站点上，从而得到各站点的因子序列。站点因子序列里还包括各站点的经度、纬度、海拔高度和日序函数，虽然其中日序函数可以视为某种气候因子，但这是远远不够的。

气候因子对保证预报方程的稳定性和预报效果是非常重要的。特别是对于温度预报，方程中若没有气候因子项，输出的预报结果变幅将很大且极不稳定，常常出现异常值而导致结果不可用。我们计算了各站多年平均小雨、中雨、大雨、暴雨逐日气候概率和平均最高、最低温度气候值，作为必选因子直接参与建立方程。事实证明在最后的逐步回归方程建立中气候因子基本上都进入了最终的预报方程，这样保证了预报方程的稳定性和可用性，使其在业务上的应用成为可能。

③因子初选及要注意的问题

经过因子预处理后每个时次有近千个T106因子，包括各种物理量因子和若干非线性组合因子；又由于采取随预报时效延长加密因子场的时次，进一步增加了因子量，因此总的因子量非常大。为保证因子选取的客观性和全面性，我们对所有T106因子均用计算机进行自动筛选，通过F检验的因子为初选因子参与建立方程，一般控制在100个以内。在此要注意的是要尽量避免选取相互间相关过高的因子，去掉因子复共线的不利影响，以免在以后的回归方程计算中出现病态矩阵而无法建立方程。

（3）预报方程的建立

本课题的关键就在于如何建立最优的预报方程。综合比较各种统计回归方法，我们采用了较严谨的双重检验逐步回归技术来进行MOS预报方程的建立，因子引入和剔除由程序同时进行，当运行到既无因子引入又无因子剔除时得到最优的回归方程。最后对方程进行显著性检验。通过因子初选步骤后，我们采取改进的双重检验逐步回归方案，经过大量计算，分别建立了全省81站1—5天降水分级（小雨、中雨、大雨、暴雨）预报方程和最高、最低温度预报方程，分冬半年和夏半年方程总数达4860个。在最后得到的MOS预报方程中，一般都包括了气候因子，连T106因子在内总数在10个左右，且各因子的物理意义十分明确，如降水预报方程中的因子往往包括水汽、涡度、散度、垂直速度、螺旋度、K指数、Q矢量函数及其组合因子等等；在α=0.01，取临界值Y=YC（0.5）时，降水预报方程拟合率在80%左右，方程效果检验是显著的。

预报效果及误差特点我们建立的预报方程于2000年起投入了省气象台的业务试用，经过一年多的业务应用检验并不断改进，实际证明其预报效果较好，具有较大参考价值，为业务预报提供了有效的省级客观预报指导产品。

以下是分县客观预报具体检验结果。其中降水分级预报检验TS评分为：正确率/（空报率+漏报率+正确率），最高、最低温度预报检验取平均绝对误差。

（1）温度预报检验结果

最高温度预报：1—5天预报平均绝对误差在2℃左右。最低温度预报：1—5天预报平均绝对误差在1—2℃。预报检验结果表明温度分县MOS预报具有较好指导意义，可在业务预报中直接应用。以安顺站（57806）为例，温度预报检验结果见表4。

从表4中可见，最高、最低温度预报的平均绝对误差随预报时效延长而缓慢增长，表明了温度预报较稳定，而最高温度预报比最低温度要稍差，这是国内其他研究也发现的现象，可能是因为最高温度的变率比最低温度大的原因。

（2）降水预报检验结果

小雨预报即晴雨预报效果最好：1—5天TS评分均较高，可达0.7左右；中雨预报TS评分在0.3—0.4；大雨以上预报TS评分迅速降低，大雨预报TS评分降到0.2左右，暴雨预报TS评分则更低，大多在0.1以下，但也有个别站暴雨TS评分高达0.5，这与该站实况暴雨发生次数很少有关。

MOS预报业务应用效果的改进（1）降水预报临界值的选取

降水预报方程临界值的选取直接影响方程的实际预报效果，预报临界值的选取以使预报效果达最佳为原则。由于各级降水性质和出现概率的不同，其预报临界值也不应相同，而且不同站点由于天气气候背景的差异其预报临界值也不尽相同。在实际业务应用中，各级降水预报方程的临界值应通过多次的预报检验来确定。我们经过反复的预报试验，分别确定出各站小雨、中雨、大雨、暴雨预报的临界值。由于试验发现MOS方程对大降水的预报能力有明显削弱，并考虑到要对降水预报进行逐级消空，因此各级预报临界值间的关系大致应遵循：R暴雨≤R大雨≤R中雨≤R小雨。在实际应用中还应以实况检验效果为依据，不断对预报临界值进行改进调整，以取得最好的预报效果。

（2）逐级消空指标的确定

由于单站大雨、暴雨属小概率事件，建方程时样本少，实际预报时必然会出现空报较多，又因各级降水预报方程的建立是相对独立的，则预报时难免会出现预报量级间相互矛盾的现象。为解决这一问题，提高预报实用效果和精度，必须对预报进行逐级消空，即小雨对中雨、中雨对大雨、大雨对暴雨消空。消空指标的确定要通过大量的预报与实况的对比分析和计算得到，这是一个非常复杂的过程，并需要根据实际应用效果不断进行调整。

消空和不消空两种预报效果的对比表明，采取逐级消空后能有效减少空报现象，并能消除各级降水预报间的矛盾。而漏报并不明显增加，从而提高了预报的TS评分。

研究结论研究结果表明，应用T106数值预报产品作降水分级分县MOS预报，小雨及中雨的预报有一定业务指导意义，而对大雨、暴雨的预报较困难，离达到业务应用水平还有一定差距，说明MOS方法对单站大雨、暴雨的预报需作进一步的改进。降水预报中临界值的选取和逐级消空指标的确定对提高预报精度具有重要作用。应用T106数值预报产品作最高、最低温度分县MOS预报，1—5天温度预报均有较好指导意义，可在业务预报中直接应用。MOS方法还是数值预报产品释用的主要方法之一，应用T106数值预报资料制作分县要素预报指导产品，已经实现了全省逐日滚动定点客观预报，为业务预报提供了客观有效的参考依据。由于受数值预报产品资料长度的限制，研究仅是初步成果，随着资料的积累和方法在实际应用中的不断改进和完善，今后的预报效果还会有所提高。2

本词条内容贡献者为:

赵阳国 - 副教授 - 中国海洋大学