西寧市春季最高溫度客觀預(yù)報(bào)分析

沈潔++張青梅++朱寶文

摘要 利用2012—2014年春季4月西寧測(cè)站EC預(yù)報(bào)場(chǎng)及實(shí)況資料，采用SPSS逐步回歸篩選影響最高溫度的關(guān)鍵因子，建立西寧市24 h最高溫度客觀預(yù)報(bào)方程。用2015年同月數(shù)據(jù)檢驗(yàn)表明：西寧市24 h最高溫度預(yù)報(bào)準(zhǔn)確率為69%，未發(fā)生降水時(shí)的預(yù)報(bào)準(zhǔn)確率達(dá)76.2%，該預(yù)報(bào)方程可為今后主觀預(yù)報(bào)提供參考依據(jù)。

關(guān)鍵詞 春季；最高溫度；逐步回歸；預(yù)報(bào)；方程；青海西寧

中圖分類號(hào) P456 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2016）20-0174-02

Analysis on Maximum Temperature Objective Forecasting in Spring of Xining City

SHEN Jie 1 ZHANG Qing-mei 2 ZHU Bao-wen 1

（1 Meteorological Observatory of Xining City in Qinghai Province，Xining Qinghai 810003； 2 Meteorological Observatory of Qinghai Province）

Abstract Using Xining Station EC forecast filed and factual information of 2010-2014 Spring April，SPSS regression was used to screen the key impact factors of maximum temperature，24 hours the highest temperature objective forecasting equation of Xining City was established. The same month data of 2015 showed that：24 hours maximum temperature forecast accuracy rate of Xining City was 69%.When preciptation did not occur，the forecast accuracy rate was 76.2%. The prediction equation could provide a reference for future subjective forecasts.

Key words spring；maximum temperature；regression；prediction；equation；Xining Qinghai

氣溫預(yù)報(bào)從天氣預(yù)報(bào)誕生近百年來一直不斷發(fā)展，特別是最近幾十年得到了快速的發(fā)展，其預(yù)報(bào)方法也是不斷進(jìn)步，從最初預(yù)報(bào)員對(duì)天氣形勢(shì)分析和溫度實(shí)況外推預(yù)報(bào)溫度，到如今數(shù)值預(yù)報(bào)、集合預(yù)報(bào)以及各種數(shù)學(xué)物理方法的應(yīng)用，常規(guī)溫度預(yù)報(bào)的質(zhì)量得到大幅提升。但是氣溫預(yù)報(bào)要達(dá)到精細(xì)化預(yù)報(bào)的要求，仍是很復(fù)雜的科學(xué)問題，其影響因子多，且不同天氣形勢(shì)下影響氣溫的因子各有不同。

青藏高原海拔高、地形復(fù)雜，西寧市轄區(qū)溫度空間分布較不均勻，各站溫度受不同要素的影響有時(shí)差異較大，作為日常預(yù)報(bào)中最重要的內(nèi)容之一溫度預(yù)報(bào)，在我國(guó)中東部地區(qū)建立客觀預(yù)報(bào)系統(tǒng)已有多年，如卡爾曼濾波、MOS方法的應(yīng)用等[1-2]。青海省在這方面也做了許多工作，如韋淑俠用相似離度制作西寧單站未來3 d的溫度客觀預(yù)報(bào)[3]、史津梅等利用“卡爾曼濾波”法建立最高、最低氣溫的逐日滾動(dòng)預(yù)報(bào)系統(tǒng)等[4]。在業(yè)務(wù)工作中，西寧市氣象臺(tái)成立較晚，截至目前尚未建立氣溫的客觀預(yù)報(bào)方法，尤其春季最高氣溫預(yù)報(bào)質(zhì)量明顯偏低，因此有必要對(duì)西寧市的氣溫做客觀預(yù)報(bào)研究，并為今后主觀預(yù)報(bào)的校正提供參考依據(jù)。

1 資料與方法

1.1 數(shù)據(jù)資料

本文所用資料為EC格點(diǎn)數(shù)據(jù)，時(shí)間為2012—2015年4月逐日24 h預(yù)報(bào)場(chǎng)，分辨率2.5°×2.5°，以及同時(shí)期西寧測(cè)站實(shí)況溫度值。

回歸數(shù)據(jù)：2012—2014年4月（500 hPa溫度平流、700 hPa溫度平流、500～700 hPa溫差動(dòng)平流、變壓場(chǎng)、850 hPa溫度、700 hPa相對(duì)濕度），前日最高溫度，當(dāng)日8：00溫度，當(dāng)日最高溫度、最低溫度。各要素樣本量共90個(gè)，因EC預(yù)報(bào)場(chǎng)12040220.024、12042620.024、14042420.024 3 d數(shù)據(jù)有誤，最終樣本量為87個(gè)。

檢驗(yàn)數(shù)據(jù)：2015年4月EC 24 h預(yù)報(bào)場(chǎng)（850 hPa溫度、700 hPa相對(duì)濕度），前日最高溫度，當(dāng)日最高溫度。因EC 27日20：00 24 h預(yù)報(bào)場(chǎng)數(shù)據(jù)缺失，剔除4月28日數(shù)據(jù)[5-6]。

1.2 研究方法

計(jì)算EC粗網(wǎng)格24 h各要素預(yù)報(bào)場(chǎng)相鄰西寧站點(diǎn)的4個(gè)格點(diǎn)數(shù)據(jù)的平均值，根據(jù)回歸方程的思路建立Y=a0+a1x1+a2x2+a3x3+…，使用SPSS對(duì)前期選擇的影響因子做逐步回歸，篩選主要因子，建立24 h西寧市最高溫度客觀預(yù)報(bào)方程。

利用MATLAB處理數(shù)據(jù)，通過3次樣條插值法實(shí)現(xiàn)格點(diǎn)數(shù)據(jù)插值到西寧站點(diǎn)，用上述回歸方法建立預(yù)報(bào)方程。

比較2種數(shù)據(jù)逐步回歸的結(jié)果，建立24 h西寧市最高溫度客觀預(yù)報(bào)方程。

2 逐步回歸分析

2.1 格點(diǎn)數(shù)據(jù)平均值

根據(jù)EC粗網(wǎng)格24 h各因子預(yù)報(bào)場(chǎng)數(shù)據(jù)做逐步回歸，結(jié)果表明：總樣本量為87個(gè)，從8個(gè)自變量中最終篩選出EC 850 hPa溫度、700 hPa相對(duì)濕度24 h預(yù)報(bào)值以及前日最高溫度實(shí)況值3個(gè)自變量，因回歸結(jié)果較多，在此僅列出模型概況（表1）、方差分析（表2）及方程系數(shù)（表3）能說明建立方程依據(jù)的表格。

2.2 插值數(shù)據(jù)

根據(jù)SPSS對(duì)格點(diǎn)數(shù)據(jù)自變量的選取，確定以上3個(gè)自變量，利用MATLAB對(duì)此數(shù)據(jù)做3次樣條插值，意為針對(duì)西寧站點(diǎn)預(yù)報(bào)數(shù)據(jù)的準(zhǔn)確，僅列出模型匯總表，回歸結(jié)果見表4。

通過2次逐步回歸結(jié)果可看出：最終確定的預(yù)報(bào)方程為模型3，包含3個(gè)自變量，格點(diǎn)數(shù)據(jù)的模型R2=0.790，調(diào)整后的R2=0.782，標(biāo)準(zhǔn)估計(jì)誤差2.017 9；插值數(shù)據(jù)的模型R2=0.757，調(diào)整后R2=0.748，標(biāo)準(zhǔn)估計(jì)誤差2.17。通過8種要素的共線性容差值得出，選擇的自變量之間無共線性發(fā)生。2種數(shù)據(jù)回歸得到的模型方差分析表中可看出，sig均<0.05，表示模型的偏回歸系數(shù)至少有1個(gè)不為0，方程通過F檢驗(yàn)。模型3中非標(biāo)準(zhǔn)化系數(shù)除常數(shù)項(xiàng)外，sig<0.05，表明方程中的回歸系數(shù)通過t檢驗(yàn)，有顯著差異。3種自變量中，850 hPa溫度對(duì)因變量的影響最大，其次為前日最高溫度，最小影響為700 hPa相對(duì)濕度。根據(jù)2種數(shù)據(jù)的比較，格點(diǎn)數(shù)據(jù)的回歸結(jié)果略好于站點(diǎn)插值數(shù)據(jù)，因此建立最高溫度（Y）客觀預(yù)報(bào)方程為：

Y=0.415+0.874X1+0.404X2-0.060X3

其中，X1為EC 850 hPa溫度24 h預(yù)報(bào)場(chǎng)，X2為前日最高溫度實(shí)況值，X3為EC 700 hPa相對(duì)濕度24 h預(yù)報(bào)場(chǎng)。

2.3 檢驗(yàn)

根據(jù)建立的最高溫度客觀預(yù)報(bào)方程，首先檢驗(yàn)2012—2014年4月西寧測(cè)站數(shù)據(jù)，結(jié)果如下：預(yù)報(bào)總次數(shù)為87次，最高溫度的預(yù)報(bào)值絕對(duì)誤差≤2 ℃次數(shù)為64次，預(yù)報(bào)準(zhǔn)確率達(dá)73.6%，這一預(yù)報(bào)結(jié)果較為可觀。

其次，預(yù)報(bào)2015年4月西寧測(cè)站的最高溫度，與同期實(shí)況值檢驗(yàn)得：西寧市24 h最高溫度客觀預(yù)報(bào)方程所得預(yù)報(bào)值與實(shí)況值的溫度曲線趨勢(shì)一致，但溫度值存在一定偏差（圖1）。根據(jù)氣象部門對(duì)溫度預(yù)報(bào)評(píng)分的誤差范圍±2 ℃對(duì)此預(yù)報(bào)結(jié)果做誤差值計(jì)算，最高溫度預(yù)報(bào)的誤差值絕大數(shù)落在±2 ℃范圍內(nèi)，超出范圍的誤差值小于4 ℃，存在的溫度偏差不至于很大。對(duì)最高溫度的預(yù)報(bào)值與實(shí)況值擬合發(fā)現(xiàn)，兩者值大部分能落在一條直線上，R2為0.819，證明擬合結(jié)果較樂觀（圖2）。2015年4月預(yù)報(bào)總次數(shù)為29次，溫度絕對(duì)誤差大于2 ℃次數(shù)為9次，溫度絕對(duì)誤差小于2 ℃次數(shù)為20次。24 h最高溫度預(yù)報(bào)準(zhǔn)確率為69%，未發(fā)生降水最高溫度預(yù)報(bào)準(zhǔn)確率達(dá)76.2%，發(fā)生降水最高溫度預(yù)報(bào)準(zhǔn)確率為50%。

2015年4月對(duì)西寧單站（20：00至次日20：00段）24 h最高溫度主觀預(yù)報(bào)準(zhǔn)確率為70%，可以看出，預(yù)報(bào)方程的24 h最高溫度客觀預(yù)報(bào)準(zhǔn)確率接近主觀預(yù)報(bào)，對(duì)最高溫度的預(yù)報(bào)有較高的指導(dǎo)意義。進(jìn)一步分析發(fā)現(xiàn)，出現(xiàn)降水時(shí)的最高溫度預(yù)報(bào)值與實(shí)況值相差較大，準(zhǔn)確率為50%，未發(fā)生降水時(shí)的準(zhǔn)確率高達(dá)76.2%，這一結(jié)果優(yōu)于主觀預(yù)報(bào)結(jié)果，參考（下轉(zhuǎn)第177頁）

此最高溫度的預(yù)報(bào)值，結(jié)合預(yù)報(bào)員的主觀判斷對(duì)其訂正，可進(jìn)一步提高24 h最高溫度的預(yù)報(bào)準(zhǔn)確率。

3 結(jié)論與討論

利用EC粗網(wǎng)格格點(diǎn)數(shù)據(jù)建立的最高溫度預(yù)報(bào)方程在春季對(duì)西寧測(cè)站的最高溫度預(yù)報(bào)有一定參考意義，24 h最高溫度預(yù)報(bào)準(zhǔn)確率為69%，未發(fā)生降水時(shí)的預(yù)報(bào)準(zhǔn)確率達(dá)76.2%，且客觀預(yù)報(bào)準(zhǔn)確率在無降水天氣中高于主觀預(yù)報(bào)，在今后的預(yù)報(bào)中可結(jié)合主客觀預(yù)報(bào)來提高最高溫度的預(yù)報(bào)準(zhǔn)確率。

通過數(shù)據(jù)種類、預(yù)報(bào)站點(diǎn)等信息可看出該方法預(yù)報(bào)最高溫度存在一定的局限性。首先預(yù)報(bào)時(shí)期僅針對(duì)春季1個(gè)月的數(shù)據(jù)作統(tǒng)計(jì)回歸，無法把溫度客觀預(yù)報(bào)結(jié)果應(yīng)用到全年；其次EC粗網(wǎng)格預(yù)報(bào)數(shù)據(jù)分辨率較低，由于插值到西寧站點(diǎn)數(shù)據(jù)結(jié)果不理想，而選取鄰近格點(diǎn)數(shù)據(jù)的均值代替站點(diǎn)誤差會(huì)較大；最后預(yù)報(bào)范圍只有西寧單站，未包括西寧地區(qū)其他測(cè)站，預(yù)報(bào)覆蓋面不夠廣。

4 參考文獻(xiàn)

[1] 陳貝，張勇，廖曉琴，等.MOS預(yù)報(bào)方法研究[J].四川氣象，2005，25（2）：6-8.

[2] 陳優(yōu)平，陸琛莉，李云泉.基于GFS產(chǎn)品和卡爾曼濾波的嘉興市溫度客觀預(yù)報(bào)[J].氣象科技，2009，37（2）：141-144.

[3] 韋淑俠.西寧市單站日最高（最低）氣溫預(yù)報(bào)方法[J].青海科技，2008，15（6）：42-43.

[4] 史津梅，扎西才讓，張吉農(nóng)，等.利用“卡爾曼濾波”法建立最高、最低氣溫的逐日滾動(dòng)預(yù)報(bào)系統(tǒng)[J].青?？萍?，2002（1）：40-42.

[5] 劉梅，濮梅娟，高蘋，等.江蘇省夏季最高溫度定量預(yù)報(bào)方法[J].氣象科技，2008（6）：728-733.

[6] 董平，王鳳嬌，魏敏.夏季不同下墊面最高溫度變化規(guī)律及影響因子[J].安徽農(nóng)學(xué)通報(bào)（上半月刊），2009（13）：160-161.