西寧市春季最高溫度客觀預(yù)報分析

沈潔++張青梅++朱寶文

摘要 利用2012—2014年春季4月西寧測站EC預(yù)報場及實況資料，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)報方程。用2015年同月數(shù)據(jù)檢驗表明：西寧市24 h最高溫度預(yù)報準(zhǔn)確率為69%，未發(fā)生降水時的預(yù)報準(zhǔn)確率達(dá)76.2%，該預(yù)報方程可為今后主觀預(yù)報提供參考依據(jù)。

關(guān)鍵詞 春季；最高溫度；逐步回歸；預(yù)報；方程；青海西寧

中圖分類號 P456 文獻(xiàn)標(biāo)識碼 A 文章編號 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)報從天氣預(yù)報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)報方法也是不斷進(jìn)步，從最初預(yù)報員對天氣形勢分析和溫度實況外推預(yù)報溫度，到如今數(shù)值預(yù)報、集合預(yù)報以及各種數(shù)學(xué)物理方法的應(yīng)用，常規(guī)溫度預(yù)報的質(zhì)量得到大幅提升。但是氣溫預(yù)報要達(dá)到精細(xì)化預(yù)報的要求，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差異較大，作為日常預(yù)報中最重要的內(nèi)容之一溫度預(yù)報，在我國中東部地區(qū)建立客觀預(yù)報系統(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[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預(yù)報系統(tǒng)等[4]。在業(yè)務(wù)工作中，西寧市氣象臺成立較晚，截至目前尚未建立氣溫的客觀預(yù)報方法，尤其春季最高氣溫預(yù)報質(zhì)量明顯偏低，因此有必要對西寧市的氣溫做客觀預(yù)報研究，并為今后主觀預(yù)報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格點數(shù)據(jù)，時間為2012—2015年4月逐日24 h預(yù)報場，分辨率2.5°×2.5°，以及同時期西寧測站實況溫度值。

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溫差動平流、變壓場、850 hPa溫度、700 hPa相對濕度），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，因EC預(yù)報場12040220.024、12042620.024、14042420.024 3 d數(shù)據(jù)有誤，最終樣本量為87個。

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

1.2 研究方法

計算EC粗網(wǎng)格24 h各要素預(yù)報場相鄰西寧站點的4個格點數(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)報方程。

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

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)報方程。

2 逐步回歸分析

2.1 格點數(shù)據(jù)平均值

根據(jù)EC粗網(wǎng)格24 h各因子預(yù)報場數(shù)據(jù)做逐步回歸，結(jié)果表明：總樣本量為87個，從8個自變量中最終篩選出EC 850 hPa溫度、700 hPa相對濕度24 h預(yù)報值以及前日最高溫度實況值3個自變量，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對格點數(shù)據(jù)自變量的選取，確定以上3個自變量，利用MATLAB對此數(shù)據(jù)做3次樣條插值，意為針對西寧站點預(yù)報數(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)報方程為模型3，包含3個自變量，格點數(shù)據(jù)的模型R2=0.790，調(diào)整后的R2=0.782，標(biāo)準(zhǔn)估計誤差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個不為0，方程通過F檢驗。模型3中非標(biāo)準(zhǔn)化系數(shù)除常數(shù)項外，sig<0.05，表明方程中的回歸系數(shù)通過t檢驗，有顯著差異。3種自變量中，850 hPa溫度對因變量的影響最大，其次為前日最高溫度，最小影響為700 hPa相對濕度。根據(jù)2種數(shù)據(jù)的比較，格點數(shù)據(jù)的回歸結(jié)果略好于站點插值數(shù)據(jù)，因此建立最高溫度（Y）客觀預(yù)報方程為：

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

其中，X1為EC 850 hPa溫度24 h預(yù)報場，X2為前日最高溫度實況值，X3為EC 700 hPa相對濕度24 h預(yù)報場。

2.3 檢驗

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

其次，預(yù)報2015年4月西寧測站的最高溫度，與同期實況值檢驗得：西寧市24 h最高溫度客觀預(yù)報方程所得預(yù)報值與實況值的溫度曲線趨勢一致，但溫度值存在一定偏差（圖1）。根據(jù)氣象部門對溫度預(yù)報評分的誤差范圍±2 ℃對此預(yù)報結(jié)果做誤差值計算，最高溫度預(yù)報的誤差值絕大數(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。對最高溫度的預(yù)報值與實況值擬合發(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)報總次數(shù)為29次，溫度絕對誤差大于2 ℃次數(shù)為9次，溫度絕對誤差小于2 ℃次數(shù)為20次。24 h最高溫度預(yù)報準(zhǔn)確率為69%，未發(fā)生降水最高溫度預(yù)報準(zhǔn)確率達(dá)76.2%，發(fā)生降水最高溫度預(yù)報準(zhǔn)確率為50%。

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

此最高溫度的預(yù)報值，結(jié)合預(yù)報員的主觀判斷對其訂正，可進(jìn)一步提高24 h最高溫度的預(yù)報準(zhǔn)確率。

3 結(jié)論與討論

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

通過數(shù)據(jù)種類、預(yù)報站點等信息可看出該方法預(yù)報最高溫度存在一定的局限性。首先預(yù)報時期僅針對春季1個月的數(shù)據(jù)作統(tǒng)計回歸，無法把溫度客觀預(yù)報結(jié)果應(yīng)用到全年；其次EC粗網(wǎng)格預(yù)報數(shù)據(jù)分辨率較低，由于插值到西寧站點數(shù)據(jù)結(jié)果不理想，而選取鄰近格點數(shù)據(jù)的均值代替站點誤差會較大；最后預(yù)報范圍只有西寧單站，未包括西寧地區(qū)其他測站，預(yù)報覆蓋面不夠廣。

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[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預(yù)報系統(tǒng)[J].青海科技，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（上半月刊），2009（13）：160-161.