精细化的天气预报是当前很多行业的需求，对社会生活、生产以及气象防灾减灾发挥重要的指导作用。机器学习方法应用于数值模式结果订正中，可取得超越传统方法的效果，提供更为精准的天气预报。

沙漠气象研究所数值预报团队基于中国气象局乌鲁木齐沙漠气象研究所研发的睿图中亚（Rapid-refresh Multi-scale Analysis and Prediction System-Central Asia, RMAPS-CA）预报产品，使用多种机器学习方法对瓜达尔港的气温与风速站点预报产品进行订正，取得显著效果。主要结论为：（1）原始预报产品的近地面气温和10 m风速与观测的相关系数较低，误差较大。经过三种机器学习算法订正后，订正结果与观测的相关系数明显提升，均方根误差降低。对于近地面气温预报均方根误差由3.85 ℃最低降至0.90 ℃，相关系数由0.56最高提高到0.87，10 m风速预报均方根误差由2.5 m/s最低降至0.85 m/s，相关系数由0.53最高提高到0.72。（2）原始预报产品主要以系统性误差为主，因而采用机器学习方法订正效果显著，可应用该方法提高数值模式预报精度，更好的提供天气预报服务。

相关成果以“基于机器学习方法的瓜达尔港气温和风速预报产品订正”为题发表在《沙漠与绿洲气象》，论文第一作者为沙漠气象研究所刘宗会实习研究员。该研究得到自治区上海合作组织科技伙伴计划及国际科技合作计划（2021E01017，2023E01011）、中央级公益科研院所基本科研业务费项目（Sqj2022001）、新疆气象局引导性计划项目（YD202302）、新疆气象局创新发展专项（MS202401）、新疆维吾尔自治区自然科学基金（2022D01A368）、灾害天气国家重点实验室开放课题（2022LASW-B04）项目支持。

（作者：刘宗会 校对：吴烨 张旺 审核：姚俊强 赵玲）