中國近地面氣溫直減率的時空分布及其在NCEP氣溫預報誤差訂正中的應用

摘要" 近地面氣溫直減率受地形地貌、地理位置、季節變化、晝夜變化及人類活動等因素的顯著影響，在中國區域使用單一的氣溫直減率不能準確表征其時空特征。本文基于中國2 427個國家基本氣象站2013年3月1日—2022年2月28日的逐小時氣溫觀測數據，利用三元線性回歸方程，分區域、季節、晝夜擬合出近地面（2 m）氣溫直減率，并將其應用于NCEP氣溫預報產品的高度訂正中以驗證其可靠性。結果表明：1）從全國區域平均來看，近地面氣溫直減率年平均為0.57 ℃／（100 m），白天略高于夜晚。2）近地面氣溫直減率季節及晝夜差異較大，夏季最高，平均為0.63 ℃／（100 m）;冬季最低，平均為0.47 ℃／（100 m）。晝夜最大差異在春夏秋冬4個季節分別為0.22、0.29、0.28、0.50 ℃／（100 m）。3）應用統計出的氣溫直減率對NCEP氣溫預報進行高度訂正，發現全國平均的氣溫平均絕對誤差較訂正前在未來360 h各個預報時效均有降低，最大降幅可達1.20 ℃。對于大多數子區域，夏季訂正效果最好，白天比夜間訂正效果要好。

關鍵詞近地面氣溫直減率;時空差異;區域變化;季節變化;晝夜變化

2024-01-04收稿，2024-04-21接受

國家重點研發計劃項目（2018YFC1507802）

引用格式：張鑫鑫，慕建利，楊如意，等，2024.中國近地面氣溫直減率的時空分布及其在NCEP氣溫預報誤差訂正中的應用［J］.大氣科學學報，47（6）：917-927.

Zhang X X，Mu J L，Yang R Y，et al.，2024.Spatiotemporal distribution of near-surface air temperature lapse rate in China and its application in bias correction of NCEP temperature forecasts［J］.Trans Atmos Sci，47（6）：917-927.doi：10.13878／j.cnki.dqkxxb.20240104001.（in Chinese）.

氣溫是天氣預報中最重要的氣象要素之一，不僅直接影響生態環境，而且間接影響工農業生產和人們日常生活（王婧等，2015;譚桂容等，2017）。目前國內任意位置點氣溫客觀預報主要是來自對數值模式的解釋適用，其準確率一方面取決于高分辨率格點預報能力的提高，另一方面依賴于對數值模式產品的合理釋用（金巍等，2020）。然而，模式的海拔高度與站點實際高度往往存在差異（智協飛等，2019），尤其是在地形復雜的高海拔地區差異更加明顯，導致格點氣溫插值到站點過程中產生較大誤差（趙濱和張博，2018）。氣溫直減率是指隨著海拔高度的增加氣溫減小的幅度，在冰川學、水文學、生態學、數值預報應用等眾多領域有著廣泛應用（Running et al.，1987;Minder et al.，2010;Jabot et al.，2012;Sun et al.，2022），常被用于分析復雜地形氣溫隨高度的垂直變化，是推測數據匱乏地區氣溫空間分布特征的重要氣象參數（秦翔等，2013）。在對數值模式的氣溫預報后處理過程中，使用準確的氣溫直減率有利于提高氣溫預報的精準度。

就全球平均而言，對流層內氣溫直減率的平均值通常為0.65 ℃／（100 m），即海拔高度每上升100 m，氣溫平均下降0.65 ℃（Wallace and Hobbs，2006）。而在近地面（2 m），氣溫直減率對下墊面性質、季節變化、晝夜變化及人類活動響應較為顯著（翁篤鳴和孫治安，1984;方精云，1992;Kattel et al.，2018;李開明等，2018）。中國的氣候類型多樣（楊美華，1981;段明鏗等，2020），山地面積占國土面積的三分之二以上，地形地貌復雜性、氣候條件多變性使得近地面氣溫直減率時空差異較大。因此，應用平均對流層氣溫直減率很難準確表征近地面氣溫的整體特征，同時給預報精度的提升帶來困難（Komatsu et al.，2010;Immerzeel et al.，2014;Kattel et al.，2015;Guo et al.，2016;Romshoo et al.，2018;He and Wang，2020;羅倫等，2021）。

目前，國內已經有很多學者利用氣象站觀測、遙感等資料，在中國不同空間范圍開展了近地面氣溫直減率的探索工作。江凈超等（2016）利用839個國家氣象站點的氣溫觀測數據，分區域對中國時刻氣溫、最低氣溫、最高氣溫的直減率進行分析，提出中國氣溫直減率存在明顯的季節、地域和類型差異。翟丹平等（2016）基于秦嶺主峰太白山南北坡和不同海拔的標準氣象站點2013—2015年實測日均氣溫資料和25 m×25 m空間分辨率的DEM數據，發現秦嶺太白山地區南北坡氣溫直減率變化趨勢不一致，北坡夏季最大而南坡春季最大，氣溫相對高的月份氣溫直減率也較高。Du et al.（2018）利用2012—2014年自動氣象站氣溫數據分析了新疆地區的近地表氣溫直減率的時空分布特征，指出高山地區不同坡向的近地表氣溫直減率呈現出顯著的季節差異。孫從建等（2018）通過研究青藏高原西北部近地表氣溫直減率，發現其與中國范圍內的氣溫直減率以及鄰近地區的氣溫直減率表現出不一致的季節變化趨勢。鄭成洋和方精云（2004）的研究表明，黃崗山年平均氣溫直減率為0.43 ℃／（100 m），且冬季小，夏季大。王艷霞等（2014）基于MODIS影像反演地表瞬時溫度場和氣象站點30 a平均氣溫實測數據，結合數字高程模型，研究指出在典型山地地貌類型區山地氣溫直減率由高山區向低山區逐漸增大。然而，前人的研究大多關注某一區域，尤其是山地區域。另外，在時間尺度上，目前對近地面氣溫直減率的研究多為年尺度、季節尺度或月尺度，對中國區域近地面氣溫直減率晝夜變化的研究較匱乏。在實際的天氣預報業務中發現，數值預報模式氣溫預報誤差存在晝夜變化（陳耀登等，2023）。因此，在前人的研究基礎上對氣溫直減率從不同時間尺度尤其是晝夜差異深入分析是十分必要的。

本文利用2013—2022年氣象站點的近地面氣溫觀測數據，依據綜合自然區劃將中國分為33個子區域，以分析近地面氣溫直減率的區域差異、季節變化及晝夜變化。在此基礎上，擬合出不同區域、不同季節的晝夜氣溫直減率，并將其應用到NCEP模式氣溫預報的高度訂正中，對其可靠性進行驗證。本研究旨在將分區域、季節、晝夜的近地面氣溫直減率應用在模式預報后處理過程中，有效降低因使用固定的氣溫直減率帶來的誤差，同時為氣溫空間分布信息的獲取與應用提供參數支撐。

1" 資料和方法

1.1" 資料

本研究區域為中國陸地范圍，所使用的氣象觀測數據為國家基本氣象站和區域自動氣象站2013年3月1日—2023年2月28日近地面逐小時平均氣溫資料。模式數據采用2022年3月1日—2023年2月28日美國國家環境預報中心NCEP（National Centers for Environmental Prediction）氣溫預報產品，空間分辨率為0.5°×0.5°，預報時效為360 h。

選取質量可靠且穩定的2 427個國家基本氣象站作為建模站，時間序列為2013年3月1日—2022年2月28日。圖1給出了國家基本氣象站及質量較高的區域自動氣象站的實際站點海拔高度與NCEP模式插值到站點的海拔高度的差異分布。考慮在模式解釋應用中，氣溫高度訂正對海拔高度差較大的站點更有意義，因此從國家基本氣象站和質量較高的區域自動氣象站中選取NCEP模式海拔高度與站點海拔高度差絕對值大于等于100 m的4 158個站點作為驗證站，驗證時間為2022年3月1日—2023年2月28日。

本文依照綜合自然地理區劃（又稱為“趙松喬區劃方案”），將中國劃分為33個子區域來進行氣溫直減率研究。綜合自然地理區劃能夠體現出目標區域內氣候、地形地貌、植被等綜合自然條件的一致性（江凈超等，2016）。圖2給出了中國分區示意圖以及建模站和驗證站的分布。

白天時段為09—20時（北京時），夜間時段為21時—次日08時（北京時）;春季為3—5月，夏季為6—8月，秋季為9—11月，冬季為12月—次年2月。

1.2" 方法

1.2.1" 氣溫觀測數據處理

將各建模站點2013年3月1日—2022年2月28日09—20時（北京時間）的逐小時平均氣溫累計相加除以總時次數，得到各站10 a平均的白天平均氣溫;將21時—次日08時（北京時）的逐小時平均氣溫累計相加除以總時次數，得到各站10 a平均的夜間平均氣溫。

1.2.2" 氣溫直減率計算

目前，氣溫直減率的計算通常采用一元線性回歸法擬合出氣溫與海拔高度的關系。考慮到中國幅員遼闊，國家基本氣象站的站點不均勻，尤其是在西北地區，其分布較為分散，近地面氣溫不僅與海拔高度密切相關，而且受到經度及緯度的影響。為此，本文利用三元一次線性回歸方法（式（1））建立氣溫與海拔高度、緯度及經度的函數關系式，從而得到近地面氣溫直減率（張洪亮等，2002;Li et al.，2013）。

T=c+aVlon+bVlat-lValt。（1）

其中：T代表站點氣溫;Vlon、Vlat、Valt分別代表站點的經度、緯度、海拔高度;c為截距;a、b、l為待回歸的擬合系數，分別表示氣溫隨經度、緯度、海拔高度的變化程度，l即為氣溫直減率。

1.2.3" 氣溫直減率可靠性驗證

本文利用統計學方法，選用平均絕對誤差（mean absolute error，MAE）作為檢驗指標，將擬合出的各子區域各季節、晝夜的氣溫直減率應用到NCEP模式2022年3月1日—2023年2月28日氣溫預報對應的季節及晝夜時段的高度訂正中，通過對比訂正前后氣溫的平均絕對誤差來驗證氣溫直減率的可靠性。氣溫的平均絕對誤差越小，表示預報與實況越接近，說明對氣溫的預報效果越好。

EMA，k=1m∑mj=1TNCEP，ik-TOBS，ik。（2）

其中：EMA，k為第k個時刻所有站點氣溫平均絕對誤差;TNCEP，ik和TOBS，ik分別為第i個站點第k個時刻氣溫的模式預報值和觀測值;m為站點數量。

2" 結果與分析

2.1" 氣溫直減率的時空分布特征

基于式（1），利用2013年3月1日—2022年2月28日逐小時氣溫觀測數據，分別計算了不同子區域在各季節、分晝夜的氣溫直減率（表1）。需要說明的是，子區域16（臺灣省）、子區域19（南海諸島）、子區域25（天山）、子區域28（喜馬拉雅山南麓）、子區域33（阿里昆侖山）由于站點數據缺失或過少，導致無法求取氣溫直減率。由表1可見，除子區域1、3、17、24的冬季外，統計出的回歸方程和氣溫直減率均通過了Plt;0.05的顯著性檢驗，且氣溫與海拔高度的相關性較高。個別子區域的氣溫直減率在冬季出現了顯著性較差的情況，而在其他季節沒有這種現象，這可能與冬季冷空氣入侵造成低海拔處的氣溫降低，導致氣溫對高度變化不明顯有關（張家誠和林之光，1985）。

2.1.1" 氣溫直減率的季節差異

由表1可見，氣溫直減率時空分布差異是非常顯著的，取值范圍為-0.34～1.22 ℃／（100 m），且多數情況與0.65 ℃／（100 m）不一致。從所有子區域的平均來看，全年及各季節平均的氣溫直減率均低于0.65 ℃／（100 m），年平均為0.57 ℃／（100 m），春夏秋冬4個季節平均分別為0.61、0.63、0.57、0.47 ℃／（100 m）。總體來看，氣溫直減率在夏季最高，春季次之，冬季最低。其中，季節平均的氣溫直減率最高值出現在夏季的共計17個子區域，出現在春季的共計11個子區域;最低值出現在冬季的共計22個子區域。分季節的統計結果表明，在所有有效子區域中，春季的氣溫直減率最高為0.84 ℃／（100 m），最低為0.28 ℃／（100 m）;夏季的氣溫直減率最高為0.88 ℃／（100 m），最低為0.48 ℃／（100 m）;秋季的氣溫直減率最高為1.02 ℃／（100 m），最低為0.37 ℃／（100 m）;冬季的氣溫直減率最高為1.21 ℃／（100 m），最低為-0.32 ℃／（100 m）。不同子區域最大氣溫直減率的差異在春、夏、秋、冬4個季節分別為0.56、0.40、0.65、1.53 ℃／（100 m）。

2.1.2" 氣溫直減率的晝夜差異

所有子區域全年平均的氣溫直減率在白天為0.58 ℃／（100 m），在夜間為0.56 ℃／（100 m）。對于大多數子區域，4個季節均是白天的氣溫直減率高于夜間。在春季和夏季的白天，均有半數以上的子區域的氣溫直減率超過0.65 ℃／（100 m）;但是在春季和夏季的夜間以及整個秋季和冬季，絕大多數情況下氣溫直減率低于0.65 ℃／（100 m），最低為-0.34 ℃／（100 m）（子區24冬季白天）。氣溫直減率晝夜差異超過0.1 ℃／（100 m）的子區域數量在春夏秋冬4個季節分別有7、8、10、10個。同一子區域晝夜的氣溫直減率差異一般在冬季最大、春季最小，晝夜最大差異在春夏秋冬4個季節分別為0.22、0.29、0.28、0.5 ℃／（100 m）。

2.2" 氣溫直減率的可靠性驗證

利用表1得到的氣溫直減率，對NCEP模式2022年3月1日—2023年2月28日的驗證站的氣溫預報進行分區域、分季節、分晝夜的高度訂正（以下簡稱“分區訂正”），并將其分別與訂正前以及全國全年應用統一的氣溫直減率0.65 ℃／（100 m）進行高度訂正（以下簡稱“常數訂正”）后的氣溫預報效果進行對比。需要注意的是，表1中回歸方程或氣溫直減率中有一項未通過Plt;0.05顯著性檢驗的子區域以及由于站點缺失或者太少無法求取氣溫直減率的子區域，氣溫直減率選用0.65 ℃／（100 m）來替代。

2.2.1" 全年平均的各個預報時效的訂正效果

圖3給出了NCEP模式2022年3月1日—2023年2月28日平均的訂正前、分區訂正后以及常數訂正后全國平均的氣溫平均絕對誤差隨預報時效的變化，而圖4則給出了分區訂正后較訂正前及常數訂正后全國平均的氣溫平均絕對誤差減少量隨預報時效的變化。可見，訂正前，所有預報時效平均的氣溫平均絕對誤差為3.19 ℃，且存在著明顯的日變化，每個24 h內都是先上升后下降。隨著預報時效的增加，氣溫平均絕對誤差整體呈現上升趨勢，前144 h氣溫平均絕對誤差范圍為2.37～3.47 ℃，144 h后上升為2.96～4.46 ℃。分區訂正后，全國平均的氣溫平均絕對誤差較訂正前在各個預報時效均有所降低，尤其是預報時效越短訂正效果越顯著，所有時次平均降低0.56 ℃，最大降幅可達1.2 ℃。特別是處于白天的各個時次，降幅更為明顯，平均降低0.85 ℃;夜間降幅較白天稍低，平均為0.27 ℃。將分區訂正與常數訂正進行對比發現，分區訂正后，全

國平均的氣溫平均絕對誤差在夜間各個時次均比常數訂正有所降低，平均降低0.10 ℃，而白天各個時次與常數訂正的差異較小。

2.2.2" 晝夜的訂正效果

首先分析NCEP氣溫預報年平均的平均絕對誤差的晝夜分布特征（圖5a、b）。訂正前，無論白天還是夜間，年平均的氣溫平均絕對誤差都是在青藏高原東部及四川盆地西部偏高，東南地區偏低。對于秦嶺淮河以南及青藏高原的大部分地區，白天的氣溫平均絕對誤差高于夜間，而秦嶺淮河以北大部分地區夜間的氣溫平均絕對誤差稍高于白天。

圖5c、d分晝夜給出了分區訂正后較訂正前氣溫平均絕對誤差減少量的分布。平均來看，白天的訂正效果優于夜間，除子區域3、5、23、31外，白天全國絕大部分地區氣溫平均絕對誤差均有所降低，降低明顯的地區與訂正前白天氣溫平均絕對誤差較高的地區基本一致，尤其是訂正前氣溫平均絕對誤差較高的青藏高原東南部及四川盆地東部地區（子區域28、29、30），降幅尤為明顯，平均降低3.6 ℃，較訂正前的誤差降低了46％。分區訂正后，白天的氣溫平均絕對誤差在3 ℃以內的站點比例由33％增加至68％，誤差降低10％以上的站點達到57％。夜間，氣溫平均絕對誤差降低10％以上的站點達30％，降低最明顯的也同樣是子區域28、29、30，平均可降低1.71 ℃，較訂正前減少23％。南方大部分地區（子區域4、8、9、10、11、12、13、14、15、17、18、26、28、29、30、32、33）氣溫平均絕對誤差在分區訂正后有所降低，而北方大部分地區則略有升高。

2.2.3" 季節的訂正效果

圖6給出了各季節分晝夜的訂正效果。與全年平均的情況類似，各個季節的訂正效果都是白天優于夜間。不同季節訂正前后差異的分布形態相似。對于白天，從季節平均來看，夏季的訂正效果最好，冬季最差，春季、夏季、秋季、冬季全國平均的氣溫平均絕對誤差較訂正前分別減少0.84、0.97、0.81、0.68 ℃。除了子區域5，各個季節分區訂正后，區域平均的氣溫平均絕對誤差較訂正前都有所降低。其中，應用式（1）統計出的氣溫直減率對氣溫進行訂正后，子區域30的秋季白天的平均絕對誤差較訂正前降低最多，平均降低了3.8 ℃。

對于夜間，從全國范圍來看，同樣是夏季的訂正效果最好，全國平均的氣溫平均絕對誤差較訂正前減少0.45 ℃;春季訂正效果最差，全國平均的氣溫平均絕對誤差較訂正前減少0.11 ℃。子區域1、6、7、20、21、22、23、27、31在各個季節分區訂正后，區域平均的氣溫平均絕對誤差較訂正前都是升高的，因此這些區域各個季節晝夜的氣溫直減率要慎重使用，但是這些子區域全年平均的氣溫平均絕對誤差較常數訂正是降低的，平均可降低0.10 ℃。

值得注意的是，對于海拔高度較高的子區域14、29、30，在各個季節，無論是夜間還是白天，分區訂正后區域平均的氣溫平均絕對誤差較訂正前均有明顯降低。在實際的氣象預報服務業務中，關注較多的是地形較復雜的高海拔地區，因此，本文統計出的這些區域的氣溫直減率具有較好的應用價值。

3" 結論

本文參照綜合自然區劃將中國分為33個子區域，基于國家基本氣象站點近10 a的逐小時氣溫觀測數據，利用統計學方法分區域、季節、晝夜擬合出近地面氣溫直減率。結果表明，氣溫直減率的時空分布存在明顯的差異性，且多數情況與0.65 ℃／（100 m）不一致，全國全年平均的氣溫直減率為0.57 ℃／（100 m），其中白天平均為0.58 ℃／（100 m），夜間平均為0.56 ℃／（100 m）;春、夏、秋、冬季平均值分別為0.61、0.63、0.57、0.47 ℃／（100 m）。半數以上的子區在春季和夏季的白天氣溫直減率超過了0.65 ℃／（100 m），但是在春季和夏季的夜間以及整個秋季和冬季，絕大多數情況下氣溫直減率都低于0.65 ℃／（100 m）。平均來看，大多數子區都是夏季的氣溫直減率最高，而冬季最小;白天的氣溫直減率平均高于夜間，且同一子區晝夜的氣溫直減率差異一般在冬季最大、春季最小，晝夜最大差異在春夏秋冬4個季節分別為0.22、0.29、0.28、0.5 ℃／（100 m）。

應用統計出的氣溫直減率對NCEP氣溫產品進行高度訂正后，全國平均的氣溫平均絕對誤差較訂正前在各個預報時效均有所降低，所有時次平均降低0.56 ℃，最大降幅為1.20 ℃。特別是處于白天的各個時次，降幅更為明顯，平均降低0.85 ℃;夜間平均降低0.27 ℃，且比常數訂正平均降低0.10 ℃。從季節平均來看，夏季訂正效果最好，全國平均的氣溫絕對誤差可降低0.71 ℃。在夜間，子區域1、6、7、20、21、22、23、27、31在各個季節分區訂正后，區域平均的氣溫平均絕對誤差較訂正前都是升高的，但這些子區域平均的氣溫平均絕對誤差較常數訂正降低0.10 ℃。對于地形較為復雜的海拔高度較高的子區域14、29、30，在各個季節，無論是夜間還是白天，分區訂正后，區域平均的氣溫平均絕對誤差較訂正前均有明顯降低，全年平均降幅為2.28 ℃。

綜上所述，在中國區域近地面氣溫直減率存在著明顯的時空變化，且同一個綜合自然區劃內也可能出現差異，因此探討氣溫直減率的時空變化是非常有意義的。但是在本文的研究中發現，應用分區訂正后，某些地區氣溫預報效果是變差的，例如青藏高原中部及北部地區，這一現象可能與氣溫直減率在不同海拔高度范圍內存在差異有關（劉偉剛等，2013）。此外，山地地區氣溫直減率還會受到坡向、輻射強度、降水量、季風、地形及植被覆蓋度等多重因素共同作用的影響（秦翔等，2013;翟丹平等，2016）。因此，未來可在綜合自然區劃的基礎上進一步探究不同海拔高度范圍、坡向等因素對氣溫直減率的影響。

參考文獻（References）

陳耀登，方奎明，陳敏，等，2023.快速更新循環同化系統的背景場誤差協方差日變化特征研究及初步應用［J］.大氣科學學報，46（2）：259-270." Chen Y D，Fang K M，Chen M，et al.，2023.Research on diurnal variation characteristics of background error covariances in rapid update cycling data assimilation and forecasting system and their impacts on preliminary applications［J］.Trans Atmos Sci，46（2）：259-270.doi：10.13878／j.cnki.dqkxxb.20210107002.（in Chinese）.

Du M X，Zhang M J，Wang S J，et al.，2018.Near-surface air temperature lapse rates in Xinjiang，northwestern China［J］.Theor Appl Climatol，131（3）：1221-1234.doi：10.1007／s00704-017-2040-x.

段明鏗，李欣，王盤興，2020.中國臺站冬夏季氣溫、降水的氣候變化特征及其顯著性檢驗［J］.大氣科學學報，43（5）：888-896." Duan M K，Li X，Wang P X，2020.Climate change characteristics and significance tests of temperature and precipitation of China weather stations in winter and summer［J］.Trans Atmos Sci，43（5）：888-896.doi：10.13878／j.cnki.dqkxxb.20200220001.（in Chinese）.

方精云，1992.我國氣溫直減率分布規律的研究［J］.科學通報，37（9）：817-820." Fang J Y，1992.Studies on geographic distribution of the altitudinal lapse rate of temperature in China［J］.Chin Sci Bull，37（9）：817-820.（in Chinese）.

Guo X Y，Wang L，Tian L D，2016.Spatio-temporal variability of vertical gradients of major meteorological observations around the Tibetan Plateau［J］.Int J Climatol，36（4）：1901-1916.doi：10.1002／joc.4468.

He Y Y，Wang K C，2020.Contrast patterns and trends of lapse rates calculated from near-surface air and land surface temperatures in China from 1961 to 2014［J］.Sci Bull，65（14）：1217-1224.doi：10.1016／j.scib.2020.04.001.

Immerzeel W W，Petersen L，Ragettli S，et al.，2014.The importance of observed gradients of air temperature and precipitation for modeling runoff from a glacierized watershed in the Nepalese Himalayas［J］.Water Resour Res，50（3）：2212-2226.doi：10.1002／2013WR014506.

Jabot E，Zin I，Lebel T，et al.，2012.Spatial interpolation of sub-daily air temperatures for snow and hydrologic applications in mesoscale Alpine catchments［J］.Hydrol Process，26（17）：2618-2630.doi：10.1002／hyp.9423.

江凈超，劉軍志，秦承志，等，2016.中國近地表氣溫直減率及其季節和類型差異［J］.地理科學進展，35（12）：1538-1548." Jiang J C，Liu J Z，Qin C Z，et al.，2016.Near-surface air temperature lapse rates and seasonal and type differences in China［J］.Prog Geogr，35（12）：1538-1548.doi：10.18306／dlkxjz.2016.12.010.（in Chinese）.

金巍，劉衛華，高凌峰，等，2020.遼寧地區ECMWF模式氣溫預報檢驗及誤差訂正研究［J］.氣象與環境學報，36（6）：50-57." Jin W，Liu W H，Gao L F，et al.，2020.Research on the test and error correction in temperature forecasted by the ECMWF model in Liaoning Province［J］.Journal of Meteorology and Environment，36（6）：50-57.doi：10.3969／j.issn.1673-503X.2020.06.006.（in Chinese）.

Kattel D B，Yao T D，Yang W，et al.，2015.Comparison of temperature lapse rates from the northern to the southern slopes of the Himalayas［J］.Int J Climatol，35（15）：4431-4443.doi：10.1002／joc.4297.

Kattel D B，Yao T D，Panday P K，2018.Near-surface air temperature lapse rate in a humid mountainous terrain on the southern slopes of the eastern Himalayas［J］.Theor Appl Climatol，132（3）：1129-1141.doi：10.1007／s00704-017-2153-2.

Komatsu H，Hashimoto H，Kume T，et al.，2010.Modeling seasonal changes in the temperature lapse rate in a northern Thailand mountainous area［J］.J Appl Meteor Climatol，49（6）：1233-1246.doi：10.1175／2010jamc2297.1.

李開明，鐘曉菲，姜燁，等，2018.1961—2016年烏魯木齊河流域氣溫和降水垂直梯度變化研究［J］.冰川凍土，40（3）：607-615." Li K M，Zhong X F，Jiang Y，et al.，2018.Study on vertical gradient change of air temperature and precipitation in Urumqi River basin during 1961—2016［J］.J Glaciol Geocryol，40（3）：607-615.doi：10.7522／j.issn.1000-0240.2018.0066.（in Chinese）.

Li X P，Wang L，Chen D L，et al.，2013.Near-surface air temperature lapse rates in the mainland China during 1962—2011［J］.J Geophys Res：Atmos，118（14）：7505-7515.doi：10.1002／jgrd.50553.

劉偉剛，張東啟，柳景峰，等，2013.喜馬拉雅山中段地區氣溫直減率變化特征［J］.干旱氣象，31（2）：240-245." Liu W G，Zhang D Q，Liu J F，et al.，2013.A study on temperature lapse rate on the northern and southern slopes of the central Himalayas［J］.J Arid Meteor，31（2）：240-245.doi：10.11755／j.issn.1006-7639（2013）-02-0240.（in Chinese）.

羅倫，旦增，朱立平，等，2021.藏東南色季拉山氣溫和降水垂直梯度變化［J］.高原氣象，40（1）：37-46." Luo L，Dan Z，Zhu L P，et al.，2021.Vertical gradient changes of temperature and precipitation in the Sygera Mountains，southeastern Qinghai-Xizang Plateau［J］.Plateau Meteor，40（1）：37-46.doi：10.7522／j.issn.1000-0534.2019.00123.（in Chinese）.

Minder J R，Mote P W，Lundquist J D，2010.Surface temperature lapse rates over complex terrain：lessons from the Cascade Mountains［J］.J Geophys Res：Atmos，115（D14）：D14122.doi：10.1029／2009JD013493.

秦翔，楊興國，李健，等，2013.珠穆朗瑪峰北坡地區的氣溫分布及其垂直梯度分析［J］.高原氣象，32（1）：1-8." Qin X，Yang X G，Li J，et al.，2013.Analyses on distribution and vertical gradient of air temperature on the north slope of Mt. Qomolangma［J］.Plateau Meteor，32（1）：1-8.doi：10.7522／j.issn.1000-0534.2012.00001.（in Chinese）.

Romshoo S A，Rafiq M，Rashid I，2018.Spatio-temporal variation of land surface temperature and temperature lapse rate over mountainous Kashmir Himalaya［J］.J Mt Sci，15（3）：563-576.doi：10.1007／s11629-017-4566-x.

Running S W，Nemani R R，Hungerford R D，1987.Extrapolation of synoptic meteorological data in mountainous terrain and its use for simulating forest evapotranspiration and photosynthesis［J］.Can J For Res，17（6）：472-483.doi：10.1139／x87-081.

孫從建，李偉，李新功，等，2018.青藏高原西北部近地表氣溫直減率時空分布特征［J］.自然資源學報，33（7）：1270-1282." Sun C J，Li W，Li X G，et al.，2018.Spatio-temporal variation of near-surface temperature lapse rates over the northwestern Tibetan Plateau［J］.J Nat Resour，33（7）：1270-1282.doi：10.31497／zrzyxb.20170669.（in Chinese）.

Sun C J，Chen W，Shen Y J，2022.Unraveling the distribution patterns of near-surface temperature lapse rates in the northwestern Kunlun Mountains［J］.J Mt Sci，19（4）：1168-1181.doi：10.1007／s11629-021-6983-0.

譚桂容，尹絲雨，王永光，2017.基于多種集合的中國冬季氣溫逐月滾動預測［J］.大氣科學學報，40（6）：749-758." Tan G R，Yin S Y，Wang Y G，2017.A monthly rolling prediction for winter surface air temperature over China based on multi-ensemble［J］.Trans Atmos Sci，40（6）：749-758.doi：10.13878／j.cnki.dqkxxb.20160419002.（in Chinese）.

Wallace J M，Hobbs P V，2006.Atmospheric science：an introductory survey ［M］.2nd ed.Amsterdam，Boston：Elsevier Academic Press.

王婧，徐枝芳，范廣洲，等，2015.GRAPES_RAFS系統2 m溫度偏差訂正方法研究［J］.氣象，41（6）：719-726." Wang J，Xu Z F，Fan G Z，et al.，2015.Study on bias correction for the 2 m temperature forecast of GRAPES_RAFS［J］.Meteor Mon，41（6）：719-726.doi：10.7519／j.issn.1000-0526.2015.06.006.（in Chinese）.

王艷霞，丁琨，黃曉園，等，2014.利用遙感瞬時溫度場研究云南山地氣溫直減率［J］.遙感學報，18（4）：912-922." Wang Y X，Ding K，Huang X Y，et al.，2014.Temperature lapse rates in the mountain regions of Yunnan Province based on remotely sensed instantaneous land surface temperature［J］.J Remote Sens，18（4）：912-922.doi：10.11834／jrs.20142362.（in Chinese）.

翁篤鳴，孫治安，1984.我國山地氣溫直減率的初步研究［J］.地理研究，3（2）：24-34." Weng D M，Sun Z A，1984.A preliminary study of the lapse rate of surface air temperature over mountainous regions of China［J］.Geogr Res，3（2）：24-34.doi：10.11821／yj1984020003.（in Chinese）.

楊美華，1981.長白山的氣候特征及北坡垂直氣候帶［J］.氣象學報，39（3）：311-320." Yang M H，1981.The climatic features of Changbaishan and its vertical climatic zone on the northern slop［J］.Acta Meteor Sinica，39（3）：311-320.doi：10.11676／qxxb1981.034.（in Chinese）.

翟丹平，白紅英，秦進，等，2016.秦嶺太白山氣溫直減率時空差異性研究［J］.地理學報，71（9）：1587-1595." Zhai D P，Bai H Y，Qin J，et al.，2016.Temporal and spatial variability of air temperature lapse rates in Mt. Taibai，Central Qinling Mountains［J］.Acta Geogr Sinica，71（9）：1587-1595.doi：10.11821／dlxb201609010.（in Chinese）.

張洪亮，倪紹祥，鄧自旺，等，2002.基于DEM的山區氣溫空間模擬方法［J］.山地學報，20（3）：360-364." Zhang H L，Ni S X，Deng Z W，et al.，2002.A method of spatial simulating of temperature based Digital Elevation Model （DEM） in mountain area［J］.Journal of Mountain Science，20（3）：360-364.doi：10.3969／j.issn.1008-2786.2002.03.018.（in Chinese）.

張家誠，林之光，1985.中國氣候［M］.上海：上海科學技術出版社：79-97." Zhang J C，Lin Z G，1985.Climate in China［M］.Shanghai：Shanghai Science and TechnologyPress：79-97.（in Chinese）.

趙濱，張博，2018.一種2 m溫度誤差訂正方法在復雜地形區數值預報中的應用［J］.大氣科學學報，41（5）：657-667." Zhao B，Zhang B，2018.Application of a bias correction scheme for 2-meter temperature levels over complex terrain［J］.Trans Atmos Sci，41（5）：657-667.doi：10.13878／j.cnki.dqkxxb.20170821001.（in Chinese）.

鄭成洋，方精云，2004.福建黃崗山東南坡氣溫的垂直變化［J］.氣象學報，62（2）：251-255." Zheng C Y，Fang J Y，2004.Changes in air temperature varibles along altitudinal gradient in Mt. Huanggang，China［J］.Acta Meteor Sinica，62（2）：251-255.doi：10.3321／j.issn：0577-6619.2004.02.012.（in Chinese）.

智協飛，吳佩，俞劍蔚，等，2019.GFS模式地形高度偏差對地面2 m氣溫預報的影響［J］.大氣科學學報，42（5）：652-659." Zhi X F，Wu P，Yu J W，et al.，2019.Impact of topographic altitude bias of the GFS model on the 2 m air temperature forecast［J］.Trans Atmos Sci，42（5）：652-659.doi：10.13878／j.cnki.dqkxxb.20180323001.（in Chinese）.

·ARTICLE·

Spatiotemporal distribution of near-surface air temperature lapse rate in China and its application in bias correction of NCEP temperature forecasts

ZHANG Xinxin1，MU Jianli1，YANG Ruyi1，SI Si2，DENG Meiling1

1CMP Public Meteorological Service Centre，Beijing 100081，China;

2Banan Meteorological Bureau，Chongqing 401320，China

Abstract" The near-surface air temperature lapse rate （NTLR） is a crucial yet complex meteorological parameter that determines the rate at which air temperature decreases with increasing altitude.A uniform lapse rate across the troposphere cannot adequately capture the spatiotemporal variability of NTLR.Given the significant influences of topography，geographical location，seasonal cycles，diurnal variations，and human activities on NTLR，this study highlights the need for a spatiotemporally specific approach to accurately characterize these variations.The study has two primary objectives：first，to analyze the spatial and temporal variability of NTLR across different regions of China，and second，to assess the impact of these variations on the correction of temperature forecast biases in the NCEP model.According to comprehensive physical regionalization，China is divided into 33 sub-regions.Utilizing a dataset of hourly temperature observations from 2 427 national-level meteorological stations in China，covering the period from March 1，2013，to February 28，2022，the study calculates regional and seasonal NTLR values for both day and night using a ternary linear regression model.This model accounts for altitude，latitude，and longitude，providing a detailed representation of the NTLR’s relationship with geographical factors.The calculated NTLR values are then applied to correct elevation-based biases in the NCEP temperature forecasts from March 1，2022，to February 28，2023.The results indicate that：1） Significant spatiotemporal variations in NTLR exist across China，with differences occurring even within the same sub-region.The annual mean NTLR for China is 0.57 ℃／（100 m），with nighttime values slightly higher than daytime values.2） Seasonal and diurnal variations in NTLR are substantial，with the highest rates observed in summer （average 0.63 ℃／（100 m）） and the lowest in winter （average 0.47 ℃／（100 m））.The maximum day-night differences in NTLR are 0.22，0.29，0.28，and 0.50 ℃／（100 m） for spring，summer，autumn，and winter，respectively.3） Applying the statistically derived NTLR to correct elevation-based biases in the NCEP temperature forecasts reduces the mean absolute error （MAE） across China for all forecast periods up to 360 h，with an average reduction of 0.56 ℃ and a maximum reduction of 1.20 ℃.The correction is most effective in summer and during the daytime across most sub-regions.However，in some areas，such as the central and northern Qinghai-Xizang Plateau，applying NTLR for bias correction has led to reduced forecast accuracy，indicating that NTLR application must be adapted to local conditions.Future research should explore the impact of varying altitude ranges，slope aspects，and other factors on NTLR within the context of comprehensive physical regionalization.

Keywords" near-surface air temperature lapse rate;spatiotemporal variability;regional variation;seasonal variation;diurnal variation

doi：10.13878／j.cnki.dqkxxb.20240104001

（責任編輯：倪東鴻）