基于12121撥打量的降水天氣關(guān)注度的分析*

劉春紅，王逸鵬，王萌萌，胡雪紅

(山東省德州市氣象局,山東 德州 253078)

1 引言

德州市位于山東西北部，屬于大陸性氣候，冷熱干濕界限明顯，以種植小麥、玉米等大田作物為主，降水對作物的生長、灌溉和收獲都有著重要的影響。12121撥打量數(shù)據(jù)具有真實、可靠、連續(xù)的特點，真實的反應(yīng)了社會公眾的需求。羅慧[1-2]等人利用西安市2004—2006年高影響天氣事件及所對應(yīng)的12121日撥打次數(shù)分析得到了高影響天氣事件的關(guān)注度風險水平和風險關(guān)注度;對咸陽的6類高影響天氣事件進行分析，得到了咸陽市高影響天氣事件的關(guān)注度風險水平。劉璐[3]利用西安、榆林、咸陽、安康的天氣事件及對應(yīng)12121撥打次數(shù)分析得到了陜西公眾對高影響天氣事件風險關(guān)注度的差異性。

本文擬利用2015—2017年德州市的降水類天氣事件及“12121”的撥打量數(shù)據(jù)，來對比分析降水類天氣事件的風險水平關(guān)注度，為今后的氣象服務(wù)的提前量及服務(wù)的精度提供科學依據(jù)。

2 資料來源及分析方法

采用2015—2017年德州市11縣市區(qū)的降水類天氣事件及對應(yīng)的“12121”撥打量數(shù)據(jù)。選取德州市2015—2017年的降水類天氣事件，按照降水量分為小雨、中雨、大雨、暴雨和雷電5種降水類事件，以及天氣事件發(fā)生日對應(yīng)的“12121”撥打量，利用基礎(chǔ)模糊數(shù)學和信息擴散理論的評估方法[4-5]，模擬人們對不同降水類天氣的關(guān)注度。

3 “12121”撥打量與降水的關(guān)系

3.1 “12121”撥打量日變化趨勢

圖1為德州市2015—2017年“12121”撥打量的日變化趨勢圖，可以發(fā)現(xiàn)：“12121”撥打量的日變化主要有兩個峰值時段，07時和18—20時，00—04時“12121”撥打量接近為0，不受任何氣象因素的影響，這也與公眾的生活習慣基本一致，一日之計在于晨，早上用戶根據(jù)天氣預(yù)報安排好一天的生活，傍晚，關(guān)注明天的天氣，做好第二天的安排。

圖1 2015—2017年撥打量的日變化趨勢Fig.1 Daily trend of annual calls during 2015—2017

3.2 “12121”撥打量與降水發(fā)生時間變化分析

我們選取了降水當天及前兩天的日撥打量與常年撥打量的日均值進行了比較，得到了圖2，發(fā)現(xiàn)很多用戶在降水開始前的兩天就開始關(guān)注，隨著降水的臨近，關(guān)注用戶的數(shù)量逐漸增多。我們定義德州有兩個站出現(xiàn)降水即為降水開始，降水強度最大的時段定義為集中降水時段，我們選擇降水開始前3 h(含降水開始時)、集中降水時段前后各1 h(含集中降水時)的撥打量進行分析，由于上述日變化中我們發(fā)現(xiàn)00—04時的撥打量不受任何因素的影響，接近為零，我們在分析時將00—04時的數(shù)據(jù)剔除，得到了圖3，發(fā)現(xiàn)降水天氣發(fā)生時用戶撥打12121高峰出現(xiàn)在降水開始前1 h，降水開始前關(guān)注天氣的用戶數(shù)量要明顯高于集中降水時段。

圖2 降水當日及前兩天撥打量與常年撥打量日均值比較圖Fig.2 Comparison of daily average value of dial up and annual dialing date on the same day and the first two days of precipitation

圖3 降水開始前3 h、集中降水前后各1 h的撥打量圖Fig.3 3 hours before the beginning of precipitation and 1 hours before and after centralized precipitation

3.3 “12121”撥打量和降水量的月變化趨勢

圖4為2015—2017年“12121”撥打量和降水量的月變化趨勢，“12121”月?lián)艽蛄亢驮陆邓康淖兓厔菔且恢碌?，但峰值出現(xiàn)的月份不同，“12121”月?lián)艽蛄康姆逯党霈F(xiàn)在6月份，而月降水量的峰值出現(xiàn)在8月份。這跟德州當?shù)氐霓r(nóng)業(yè)生產(chǎn)有關(guān)系，6月份是德州主要的糧食作物——小麥的收獲期，降水天氣對于小麥的產(chǎn)量有著至關(guān)重要的影響。2015—2017年共出現(xiàn)48站次的暴雨，其中32站次出現(xiàn)在8月份，達到了2/3。

圖4 2015—2017年撥打量和降水量的月變化趨勢Fig.4 Monthly trend of annual calls and precipitation during 2015—2017

4 降水類天氣氣象風險關(guān)注度的對比分析

降水類天氣屬于小樣本事件，用建立在大數(shù)定理基礎(chǔ)上的傳統(tǒng)統(tǒng)計方法得出的概率統(tǒng)計結(jié)果是很不可靠的。因此,全面進行氣象風險評估,可采用模糊數(shù)學方法?；谀：龜?shù)學的風險評估模型在文獻[5]已有較為完整的表述,大多都采用的是正態(tài)擴散模型,可以將單值樣本變成集值樣本，按照信息擴散理論計算氣象風險關(guān)注度。

2015—2017年“12121”逐日撥打量峰值29萬次。降水類天氣整理得到：245小雨樣本，37個中雨樣本，7個大雨樣本，4個暴雨樣本，78個雷電樣本。以中雨天氣為例，樣本有37個，設(shè)為y=(1,2,…,37)歷次中雨事件，確定一維實數(shù)集合[0,290 000]為xi連續(xù)論域,按等間距取點，考慮到精度的要求，取30個控制點(n=30)，構(gòu)成離散論域：U={0,10 000,20 000,…,290 000}，此時樣本個數(shù)m=37,樣本最大值b=203 792，最小值a=16 998,可算的擴散系數(shù)h=7 372.1，計算得出中雨發(fā)生時的超越概率風險估計值P[1]，從而計算出公眾對降水類天氣的風險關(guān)注度分布圖(見圖5)?？梢钥闯觯?在不同的風險關(guān)注度，社會公眾對降水類天氣的關(guān)注風險水平，由高到低依次為大雨、暴雨、雷電、中雨和小雨。

圖5 公眾對降水類天氣風險水平關(guān)注度分布Fig.5 Public attention distribution of precipitation risk level

5 粉絲忠誠度分析

2015—2017年撥打12121收聽天氣信息的粉絲平均每年有43萬人次，占德州電話擁有數(shù)量的8%。通過撥打頻次我們對收聽過12121的粉絲按照忠誠度進行劃分，年撥打次數(shù)為24次的劃分為隨機，年撥打次數(shù)25～100次劃分為一般，年撥打次數(shù)101～400次劃分為忠實，撥打次數(shù)400次以上為超級，根據(jù)這種分類方法，得到了表1。

表1 德州市2015—2017年收聽12121的粉絲的忠誠度水平Tab.1 Fans' loyalty level of dezhou listened 12121 during 2015—2017

根據(jù)表1，得出忠誠度為隨機的粉絲最多，達到了80%以上，其次為一般，并且由于新媒體的發(fā)展，粉絲呈逐年下降趨勢。我們隨機選取了撥打量超過1 000次的部分超級忠誠的粉絲進行電話回訪，超級忠誠粉絲對降水非常關(guān)注，這些用戶中80%為種糧大戶,還有一部分是跟糧食存儲有關(guān)的用戶。

6 服務(wù)策略

通過以上的分析，我們提出了相應(yīng)的服務(wù)策略

①公眾對早晚天氣的關(guān)注度高，我們應(yīng)著重加強早晚的氣象服務(wù)，早上氣象服務(wù)著重體現(xiàn)精細化的服務(wù)，傍晚要著眼于第二天及未來的天氣趨勢的發(fā)展。

②對于降水類天氣，應(yīng)該提前兩天開展氣象服務(wù)，著重于降水開始的時間、強度及造成的影響，而當降雨即將開始時，則應(yīng)側(cè)重于降水云團移動的方向，降水的強度和持續(xù)時長方面下功夫。

③重點做好6月和7月的降水天氣服務(wù)，尤其是6月份，任何量級的降水天氣都要注意跟蹤服務(wù)，并且提前量要達到兩天以上。

④注意做好用戶分析，忠誠度隨機的粉絲占比較大，我們在日常的氣象服務(wù)中，要盡可能考慮這些用戶的需求，而對于超級忠誠的用戶，我們可以采取多樣化的服務(wù)方式，針對他們的需求，提供更加專業(yè)化的服務(wù)。隨著目前新媒體的發(fā)展，12121的用戶在逐年下降，但是保有用戶基數(shù)較大，并且12121入門級別較低，一個電話就可以收聽，我們未來的服務(wù)要注意加強新技術(shù)的創(chuàng)新和內(nèi)容的多樣化。