各位客官老爷，经过整个4月的积累和检验，我们最新一期的预报检验结果新鲜出炉了。本轮战报包含3种数值天气预报、5种气象大模型预报检验结果，他们是：
数值模式：
-
GFS（NOAA）
-
TW-GFS（台湾气象局数值模式）
-
IFS（ECMWF）
气象大模型：
AIFS和GraphCastGFS来自于两者官方数据源。
伏羲、FourCastNet、GraphCast三种大模型由我司独立运行
，在之前的检验中由于计算资源有限GraphCast只运行了72小时预报，4月我们下了血本购置了更充足的计算资源，所有自运行大模型均输出120小时预报结果。再次感谢云侧科技（北京）有限公司在大模型运行过程中提供技术支持。
检验要素：
降水、2米温度、10米风速
检验时段：
2024.4.1 - 2024.4.30 所有预报产品每日4次（UTC00、06、12、18）预报结果
检验步长&时效：
每种产品检验6-120小时逐6小时预报效果
检验点位：
2000+中国国家地面气象站点位（具体台站数量和位置，请参考国家气象科学数据中心官网）
检验方法：
-
降水检验：晴雨TS评分
-
其他要素：平均绝对误差（MAE）
好了，下面进入干货部分，为大家揭示4月八种预报产品的预报效果，一起看看神经网络和数理模型的碰撞结果：
降水预报效果，大致分成三个梯队：
第一梯队：GFS、IFS、TW-GFS、伏羲
第二梯队：AIFS、FourCastNet
第三梯队：GraphCastGFS、GraphCast
在第一梯队的角逐中，6-12小时预报GFS略占优势，IFS在18-90小时预报时效内一直保持着稳定的领先优势，GFS和TW-GFS在18-60小时预报时效内难分伯仲。而同在第一梯队的伏羲在60小时之前与其他三种产品有一定的差距，而在60小时之后逐步追上并超越了GFS与TW-GFS，并在90小时后超越IFS的预报效果。
AIFS和FourCastNet属于第二梯队，在6-78小时AIFS略胜于FourCastNet，之后两者的预报技巧交替领先。值得注意的是，在90小时之后TW-GFS已经逐渐逊于AIFS和FourCastNet。较长时效的预报，第一第二梯队的差距不大。
第三梯队是同样选择图神经网络作为技术路线的两个大模型GraphCastGFS和GrapchCast，在6-90小时预报中NOAA版GraphCast略胜出使用ERA5驱动的原生版GraphCast，但笔者觉得两者几乎是同一个水平。
八种产品的温度预报效果相对比较分散，没有明显的梯队之分。TW-GFS的温度预报MAE几乎在全时段内表现最差，NOAA系的数值模式GFS和大模型GraphCastGFS略胜于TW-GFS。IFS的温度预报没有其在降水预报上的亮眼表现，而其自家的大模型AIFS以绝对优势在温度预报上拔得头筹。伏羲的温度预报表现依旧出色，虽然在6-12小时内略逊于GrapchCast，但在更长时效的预报上稳居第二。FourCastNet的温度预报表现平平，处于中游水平。
值得关注的是：在温度预报上，5种大模型中的4种都有着较好的表现，数值模式中的最优者IFS相比这4种大模型也略有逊色。
风速预报上八种产品的预报效果更为接近，其中伏羲表现亮眼，6-12小时与GraphCast打成平手，其它时效均胜出。GraphCast和IFS的风速预报有着较为接近的表现，略逊色于伏羲。TW-GFS紧随其后，除36-60小时预报时效内与FourCastNet和AIFS有所交叉之外，其他时间略优于后者。NOAA系的数值模式GFS与大模型GraphCast只在6小时预报时效上和其他产品有所接近，其他时效均逊色于其他产品。
关于IFS在90小时之后的预报技巧波动，来自IFS的业务逻辑导致的检验样本波动，为了保证检验的公平公正没有对数据进行修正，请大家90小时后关注IFS的预报技巧变化趋势。
EC的数值模式在降水预报上依旧有其独到之处，大模型在降水预报上仍有差距。温度和风速预报上，大模型都打出了漂亮战绩，AIFS和伏羲分别摘得桂冠。而NOAA系的数值模式和大模型，在温度和风速预报中表现整体偏弱。
4月华南地区经历了多次持续的暴雨过程，我们也非常关注。将在近期针对华南地区的多次暴雨过程进行预报检验分析，看一看数值模式和气象大模型在暴雨天气过程中的表现如何，敬请期待！
声明：
欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编
(微信：qxxjgzh)
处理。
