孝感汛期降水預測模型研究

姜敏 姜杰 張慧娟 周婷 宋哲

（1.湖北省孝感市氣象局，湖北 孝感 432300；2.武漢中心氣象臺，湖北 武漢 430074）

0 引言

孝感處于我國南北氣候的交界線上，屬中緯度亞熱帶溫濕季風區大陸性氣候，地勢北高南低，由大別山、桐柏山向江漢平原過渡呈坡狀地貌，同時地形較復雜，山區、丘陵、平原兼有。由于氣候和地形的原因，容易出現洪澇和極端強降水，因此，較為準確的汛期降水的定量預報就變得格外重要。

汛期降水的年際變化規律復雜，已有研究表明，大氣圈中的東亞季風、西北太平洋副熱帶高壓、中高緯擾動、ENSO 循環、熱帶西太平洋暖池和印度洋的熱力狀態等諸多影響因子與中國汛期降水年際變化有關［1］。近年來，有不少學者對預測汛期降水進行了探索，陳紹東等［2］通過定義海溫異常關鍵區的方法來研究江南地區的汛期降水；陳德花等［3-4］提出氣候場的主分量逐步回歸預測模型，將500 hPa 高度場、太平洋海溫場、北半球海平面氣壓場等氣候場作為預測因子來進行氣候預測；鄧艷君等［5］通過逐步回歸法，建立汛期氣候預測模型，來定量預測汛期降水。本研究將分析氣候系統監測指數與孝感汛期降水距平百分率的相關關系，建立孝感汛期降水的統計預測模型。

1 研究資料

本研究從國家氣候中心網站下載130 項氣候系統監測指數集，其中包括大氣環流指數88 項（逐月）、海溫指數26 項（逐月）以及16 項其他指數（逐月）。汛期降水資料采用孝感國家基準氣象站1981—2019年汛期（5—9月）逐月降水量資料。

2 研究方法

2.1 數據處理

通過統計軟件將130 項氣候系統監測指數集中的每一項指數整理成按月和按季節分布兩種格式，計算孝感基準氣候站歷年汛期（5—9月）降水距平百分率數據，并將氣候指數集與汛期降水量距平百分率一起建立數據庫。

2.2 數據分析

運用數理統計原理和方法，通過統計軟件依次分析1981—2018年的逐月、逐季度的130項氣候系統指數與孝感汛期（5—9 月）降水的Pearson 相關性。Pearson 相關系數R是反映連續變量之間線性相關強度的一個度量指標，當0.3≤R＜0.8 時，通常認為變量之間有中等以上的相關關系，當R≥0.8時，通常認為變量之間有高度相關性。

在篩選氣候指數的過程中，將R≥0.3 且通過95%雙側顯著性檢驗作為指標（通常認為0.01＜P≤0.05 具有統計學意義；P＜0.01 表示在99%的置信度下顯著相關；P＜0.05 表示在95%的置信度下相關），根據優中選優的原則，將相關性較低且存在較多缺測值的指數去除，得到38 個相對高相關性的氣候指數，見表1。

從表1 可以看出，預測因子相關系數介于0.352～0.526，相關性最好的因子為去年2 月東亞槽強度指數，達到0.526。相關性較高的38 個預測因子中，包括26 個大氣環流指數、10 個海溫指數、2 個收集下載指數，其中有副高相關指數7 個、海溫相關指數10 個，可見副高和海溫對孝感汛期降水的影響最大。在數量上，副高相關因子雖然比海溫相關因子少，但是相關系數卻更高。在相關性最好的10個因子中，副高相關因子占據3個。

表1 氣候監測指數與孝感汛期（5—9月）降水距平百分率相關系數（絕對值）統計

從空間分布來看，相關性較高的38 個預測因子中，有10 個與太平洋有關，4 個與大西洋有關。可見太平洋預測因子對孝感汛期降水有很大的影響。從時間分布來看，相關性較高的38 個預測因子中，有15 個出現在冬季，其中有13 個出現在1、2月，有13 個出現在春季，有9 個出現在夏季，有1 個出現在秋季。可見冬季預測因子對孝感汛期降水有很強的相關性，特別是1、2 月的氣候指數對孝感汛期的降水有較好的指導意義。

3 建立汛期降水預測模型

將相關分析獲得相關性較高的38 項氣候指數作為自變量，1981—2018 年孝感汛期（5—9 月）降水作為因變量，建立逐步回歸方程，剔除不合適的變量后，最終調整后的式（1）包含5個變量和1個常數。模型相關系數R為0.825，決定系數R2為0.681（R2是最常用于評價回歸模型優劣程度的指標，其數值大小反映了回歸貢獻的相對程度，取值越大說明模型效果越好），明顯大于單個因子的相關系數。從P值層面來看也是好于上一個模型，P值小于0.05，說明該模型具有高度的統計學意義（x1～x5的取值見表2）。

表2 逐步回歸方程相關系數統計表

4 結果檢驗

利用該降水預測模型計算孝感1981—2018 年的汛期降水，與實況降水進行分析比較，并對2019年汛期降水進行預測，從而驗證該模型的準確性。表3 中將實況降水距平百分率與模型預測百分率進行對比可看出，1981—2018 年38 年模型擬合的結果中，31 個年份能正確預測降水偏多偏少趨勢，7 個年份預測趨勢是錯誤的；在降水趨勢判斷錯誤的7 年中，有6 年（1985 年、1989 年、1998 年、2005年、2015 年、2017 年）的實況降水與預測降水的誤差小于20%，僅有1 年（2013 年）誤差超過20%，為36%；對降水特多的年份1983 年、1991 年、2008年，模型均預測汛期降水偏多的趨勢；對降水特少的年份1981 年、2001 年，模型均預測汛期降水偏少的趨勢，1981 年模型預測出明顯偏少，2001 年為偏少；利用孝感汛期降水預測模型預測2019 年孝感汛期降水偏少23.6%，相比實際值41.3%，對于降水趨勢的預報基本準確，但在降水量級預測中偏少了近17%。

表3 孝感（1981—2019年）汛期實況降水距平百分率與模型預測百分率對比表

5 結論

①孝感汛期降水預測模型選取相關性≥0.3 且通過95%顯著性檢驗的氣候監測指數預測因子，采用逐步回歸方程建立預測模型，剔除變量后得到的預測降水與實況降水的相關系數為0.825，R2為0.681，P值小于0.05，說明該方程具有顯著的統計學意義。

②分析高相關性的氣候因子可知，與孝感汛期降水相關性最好的因子為去年2 月東亞槽強度指數，達到0.526；副高和海溫類氣候因子與孝感汛期降水的相關性最大；從空間分布看，太平洋的氣候因子與孝感汛期降水相關性最好；從時間分布看，冬季氣候因子與孝感汛期降水相關性最好。

③通過預測模型計算歷年的汛期降水，38年中能正確預測31 年降水偏多偏少的趨勢；在降水預報趨勢錯誤的7 年中，只有1 年的誤差大于20%。不足之處在于汛期降水出現異常偏多或偏少的5個年份，模型未能預測出降水峰值。

④通過預測模型對2018 年孝感汛期降水進行預測，降水趨勢預報準確，但降水量級預測偏少175%。

⑤通過綜合分析，本研究建立的汛期降水預測模型總體上來說對孝感汛期降水預測具有較好的參考意義。