摘要 经常有人认为数值天气预报模型在预测特定天气特征方面仍然存在不足，这些不足显著影响整体预测误差。为了澄清这些说法，我们量化了气旋、锋面、上层对流层急流、湿气输送轴（MTA）和冷空气事件（CAO）对1979年至2022年ERA5再分析数据集短期（12小时）预测误差和偏差的贡献。采用基于特征的归因方法，我们全球评估误差，特别关注温度、湿度和风场，并研究冬季（DJF）和夏季（JJA）的区域和季节变化。与没有特征的条件相比，天气特征的存在通常与预测误差（均方根误差，RMSE）增加相关。特别是与锋面和MTA结合时，湿度场的RMSE尤其明显，其中总柱水蒸气的误差可以是预测值的两倍。与气旋相关的误差在低层风场中表现得更明显。而在CAO期间，误差则有所减少。在系统偏差方面，西部边界洋流沿线的风速和湿度被低估，以及沿MTA湿气输送不足。北半球海洋的冬季温度偏差与锋面和MTA的关系强于南半球海洋。持续性分析确认，对于某些特征和特定变量，预测相对于非特征条件的附加价值更小。气旋是最显著的例子，在大多数情况下，预测提供的附加价值较低。相比之下，急流和CAO则是预测始终增加更多附加价值的特征。识别的基于特征的误差诊断可以帮助针对性地改进数值天气预报系统。
余等（Mon，）研究了这个问题。