寧夏賀蘭山東麓釀酒葡萄采收期降水客觀預(yù)測(cè)方法研究

朱曉煒， 王 璠，孫銀川，王 岱，鄭廣芬，王素艷

(1.中國氣象局旱區(qū)特色農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警與風(fēng)險(xiǎn)管理重點(diǎn)實(shí)驗(yàn)室,寧夏 銀川 750002；2.寧夏氣候中心,寧夏 銀川 750002)

引 言

決定葡萄酒品質(zhì)的關(guān)鍵因素之一是釀酒葡萄的質(zhì)量，釀酒葡萄的質(zhì)量與品種、土壤、氣象條件、栽培技術(shù)等有關(guān)[1-5]。寧夏賀蘭山東麓位于黃金緯度38°N，是國際公認(rèn)釀酒葡萄最佳產(chǎn)區(qū)之一，被稱為“中國的波爾多”。 寧夏回族自治區(qū)政府規(guī)劃到2020年形成總規(guī)模達(dá)6萬多公頃的葡萄產(chǎn)業(yè)帶，建立寧夏賀蘭山東麓百萬畝葡萄文化長廊。因此，做好釀酒葡萄的服務(wù)保障，對(duì)促進(jìn)地方經(jīng)濟(jì)社會(huì)穩(wěn)定發(fā)展具有重要意義。釀酒葡萄品質(zhì)與氣象條件關(guān)系密切，特別是釀酒葡萄采收期的氣象條件[6-11]，若采收期陰雨寡照日數(shù)增多，就不利于當(dāng)年釀酒葡萄產(chǎn)量和品質(zhì)的形成[12]。2016年寧夏葡萄酒產(chǎn)量比上年同期減少5%的主要原因之一是采收期的降水偏多?；卺劸破咸巡墒掌谧兓?guī)律，有研究確定了采收期的多年平均態(tài)，但每年采收期還需根據(jù)實(shí)際氣候條件進(jìn)行調(diào)整[13]。寧夏賀蘭山東麓位于西北地區(qū)東部，大氣環(huán)流是西北地區(qū)東部降水異常的直接原因，ENSO、熱帶印度洋海盆模等關(guān)鍵海溫區(qū)對(duì)西北地區(qū)東部降水有重要影響。按照我國氣候業(yè)務(wù)現(xiàn)狀及未來發(fā)展趨勢(shì)[14]，氣候預(yù)測(cè)需要向客觀化、定量化發(fā)展，因此，結(jié)合業(yè)務(wù)發(fā)展需要，鄭廣芬等[15]基于前期海溫異常開展了寧夏5—9月候降水的客觀、定量預(yù)測(cè)方法研究，并進(jìn)行了檢驗(yàn)評(píng)估，模型預(yù)測(cè)的2014年5—9月準(zhǔn)強(qiáng)降水過程(候降水量≥10 mm過程)，評(píng)分高于實(shí)時(shí)發(fā)布的業(yè)務(wù)產(chǎn)品。除了海溫通過遙相關(guān)對(duì)降水有影響，降水的異常分布還受其他氣候系統(tǒng)的影響，是多因子綜合作用的結(jié)果。因此本文在總結(jié)前人研究成果的基礎(chǔ)上，選取多個(gè)預(yù)測(cè)因子，開展客觀定量的降水與降水過程預(yù)測(cè)方法研究，以期為賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)提供參考依據(jù)。

1 資料與方法

1.1 資 料

寧夏賀蘭山東麓釀酒葡萄采收期主要在9月。所用資料為國家氣候中心1972—2016年逐月百項(xiàng)氣候系統(tǒng)指數(shù)資料(https://cmdp.ncc-cma.net/Monitoring/cn_index_130.php)；寧夏賀蘭山東麓氣象站惠農(nóng)、大武口、賀蘭、銀川、永寧、青銅峽、紅寺堡1972—2016年9月逐日降水資料；空間分辨率為2.5°×2.5°NECP再分析資料，包括200 hPa環(huán)流、海溫、海冰資料等。

1.2 方 法

降水預(yù)測(cè)模型的建立采用多元逐步回歸[16-17]，檢驗(yàn)評(píng)估采用距平符號(hào)一致率[18-19]。距平符號(hào)一致率為符號(hào)一致的樣本數(shù)除以總樣本數(shù)，距平符號(hào)一致條件如下：

式中：a為降水基準(zhǔn)態(tài)取1981—2010年平均值；p為預(yù)測(cè)值；r為實(shí)況值。

2 月尺度降水預(yù)測(cè)

2.1 基于百項(xiàng)氣候系統(tǒng)指數(shù)的降水預(yù)測(cè)

利用國家氣候中心發(fā)布的百項(xiàng)氣候系統(tǒng)指數(shù)，采用多元回歸方法建立釀酒葡萄采收期數(shù)學(xué)統(tǒng)計(jì)預(yù)測(cè)模型，其中模型擬合期為1972—2010年，評(píng)估期為2011—2016年。為比較不同預(yù)測(cè)時(shí)效的預(yù)測(cè)能力，分別提前1～3個(gè)月建立預(yù)測(cè)模型。利用建立的模型對(duì)2011—2016年降水進(jìn)行預(yù)測(cè)，結(jié)果如表1所示，預(yù)測(cè)值大部分均在50 mm以內(nèi)，符合區(qū)域氣候特點(diǎn)。采用距平符號(hào)一致率對(duì)預(yù)測(cè)結(jié)果進(jìn)行檢驗(yàn)，發(fā)現(xiàn)距平符號(hào)一致率平均為43%，其中賀蘭、銀川、青銅峽在50%以上，惠農(nóng)最低，僅為20%。

圖1為2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)距平符號(hào)一致率。可以看出，2015年的預(yù)測(cè)效果最好，距平符號(hào)一致率達(dá)62%，其次是2011年，距平符號(hào)一致率為54%，2014年距平符號(hào)一致率最低，僅為30%。從預(yù)測(cè)時(shí)效來看，提前2個(gè)月的預(yù)測(cè)距平符號(hào)一致率為58%，其他均低于50%。該預(yù)測(cè)模型不考慮物理機(jī)理，僅僅依賴大樣本的氣候指標(biāo)，利用數(shù)學(xué)統(tǒng)計(jì)方法建立。整體上預(yù)測(cè)質(zhì)量的年際變化差異較大，波動(dòng)幅度大。

圖1 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)距平符號(hào)一致率Fig.1 The anomaly symbol consistence rate of rainfall prediction during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016

2.2 基于百項(xiàng)氣候系統(tǒng)指數(shù)滾動(dòng)的降水預(yù)測(cè)

為了分析資料的時(shí)效性對(duì)模型預(yù)測(cè)能力的提升，建立了滾動(dòng)定量降水預(yù)測(cè)模型，即利用1972—2010年數(shù)據(jù)建立2011年的預(yù)測(cè)模型，用1972—2011年資料建立2012年的預(yù)測(cè)模型，依此類推。圖2給出2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水滾動(dòng)預(yù)測(cè)距平符號(hào)一致率。可以看出，2012—2014年的距平符號(hào)一致率略有提高，2015—2016年的距平符號(hào)一致率明顯下降，提高資料的時(shí)效性不能有效穩(wěn)定地提高預(yù)測(cè)能力。

圖2 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水滾動(dòng)預(yù)測(cè)距平符號(hào)一致率Fig.2 The anomaly symbol consistence rate of rainfall rolling prediction during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016

2.3 基于“長記憶”預(yù)測(cè)信號(hào)的月尺度降水預(yù)測(cè)

有研究表明，200 hPa高度場(chǎng)、海溫、海冰等環(huán)流和外強(qiáng)迫因子對(duì)降水有重要影響[20-32]。南極地區(qū)海冰可以通過赤道環(huán)流異常，在西太平洋自南向北激發(fā)一串渦列，影響我國天氣氣候[32]。格陵蘭海冰變化與我國夏季降水異常通過特定的環(huán)流建立了聯(lián)系，不同模態(tài)不同時(shí)期的影響關(guān)鍵區(qū)有差別[31]。厄爾尼諾現(xiàn)象本質(zhì)上是太平洋海溫的異常，不同型的厄爾尼諾事件通過遙相關(guān)型，影響北冰洋、太平洋和西南水汽輸送，進(jìn)而影響到西北地區(qū)[33-35]。熱帶印度洋通過海盆膜“充電器”效應(yīng)對(duì)西北地區(qū)東部降水產(chǎn)生影響[20]。200 hPa緯向風(fēng)通過影響孟加拉灣夏季風(fēng)，與我國西北降水相關(guān)關(guān)系比較顯著[36-38]。上述4種因子具有較好持續(xù)性和穩(wěn)定性，對(duì)自身的信號(hào)具有較長的“記憶”，且對(duì)西北降水的影響具有相對(duì)明確的物理機(jī)制。利用上述因子，通過相關(guān)分析，選取通過0.05顯著性檢驗(yàn)的區(qū)域，確定與賀蘭山東麓釀酒葡萄降水的高相關(guān)區(qū)域和時(shí)段，形成預(yù)測(cè)指標(biāo)，如表2所示。

表1 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)結(jié)果Tab.1 The rainfall prediction result during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016 單位：mm

采用多元逐步回歸建立預(yù)測(cè)模型，表3列出寧夏賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)模型。影響賀蘭山東麓釀酒葡萄采收期降水的預(yù)測(cè)因子為3月南極海冰面積和6月40°E—60°E、30°N—40°N 200 hPa位勢(shì)高度場(chǎng)，且都成正相關(guān)。

表2 寧夏賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)模型篩選的預(yù)測(cè)因子Tab.2 The slected predictive factors for prediction model during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia

表3 寧夏賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)模型Tab.3 The prediction model of precipitation during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia

注：x1為3月南極海冰面積，x2為6月40°E—60°E、

30°N—40°N平均200 hPa位勢(shì)高度場(chǎng)

圖3為2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)距平符號(hào)一致率?？梢钥闯觯R蘭山東麓釀酒葡萄采收期降水距平符號(hào)一致率為67%。尤其在降水空間分布一致偏多的2012、2015年和一致偏少的2016年，距平符號(hào)一致率達(dá)86%以上。通過篩選具有明確物理機(jī)制的預(yù)測(cè)因子建立預(yù)測(cè)模型，可以從機(jī)理方面對(duì)釀酒葡萄采收期的降水進(jìn)行解釋，剔除了隨機(jī)因子，預(yù)測(cè)因子的持續(xù)性和穩(wěn)定性較好，該模型距平符號(hào)一致率較基于百項(xiàng)氣候系統(tǒng)指數(shù)建立的模型有明顯提升。

圖3 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預(yù)測(cè)距平符號(hào)一致率Fig.3 The anomaly symbol consistence rate of rainfall prediction during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016

3 基于“長記憶”預(yù)測(cè)信號(hào)的候尺度降水預(yù)測(cè)

9月降水是影響賀蘭山東麓地區(qū)釀酒葡萄成熟度的主要因子，也是決定葡萄年份酒的主要因素，在確定降水趨勢(shì)的基礎(chǔ)上，進(jìn)一步對(duì)降水過程的準(zhǔn)確把握，開展精細(xì)化的氣候預(yù)測(cè)服務(wù)，對(duì)指導(dǎo)葡萄采摘的農(nóng)事活動(dòng)、葡萄酒廠的生產(chǎn)安排意義更大。因此，利用表2的預(yù)測(cè)因子，建立候尺度降水預(yù)測(cè)模型(模型略)?？紤]到研究區(qū)域候降水量≥10 mm的降水過程出現(xiàn)概率較小，參考鄭廣芬等[39]的研究方法，以候降水量≥5 mm作為閾值，即當(dāng)候降水量≥5 mm時(shí)，記為1，表示出現(xiàn)了一次降水過程，否則記為0，表示未出現(xiàn)降水過程，實(shí)況和預(yù)測(cè)結(jié)果如表4所示?？梢钥闯觯塾?jì)參與預(yù)測(cè)96個(gè)樣本，其中預(yù)測(cè)正確52次，預(yù)測(cè)準(zhǔn)確率為54.2%，空?qǐng)?bào)31次，空?qǐng)?bào)率為32.3%，漏報(bào)13次，漏報(bào)率為13.5%，預(yù)測(cè)模型具一定的預(yù)測(cè)能力。

表4 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水過程預(yù)測(cè)及實(shí)況Tab.4 The rainfall’s process prediction and observations during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016

4 結(jié)論與討論

(1)基于百項(xiàng)氣候系統(tǒng)指數(shù)和數(shù)學(xué)統(tǒng)計(jì)方法建立的賀蘭山東麓釀酒葡萄采收期的降水預(yù)測(cè)模型具有一定預(yù)測(cè)能力，但預(yù)測(cè)模型的穩(wěn)定性和可靠性仍有待提高。

(2)采用200 hPa高度場(chǎng)、海溫、海冰等具有明確物理機(jī)制的多因子綜合建立的月尺度降水預(yù)測(cè)模型，可以大幅度提高預(yù)測(cè)的準(zhǔn)確性。

(3)利用200 hPa高度場(chǎng)、海溫、海冰預(yù)測(cè)因子建立的候尺度降水預(yù)測(cè)模型，對(duì)2010—2016年96次過程預(yù)測(cè)準(zhǔn)確率為54.2%，空?qǐng)?bào)率為32.3%，漏報(bào)率為13.5%，具有一定的預(yù)測(cè)能力。

目前，針對(duì)影響月尺度降水機(jī)理的研究大部分是定性的，而且針對(duì)單因子展開，但實(shí)際降水是多個(gè)因子共同作用的結(jié)果，研究成果難以直接應(yīng)用到實(shí)際業(yè)務(wù)中。本文篩選具有明確物理機(jī)制的多個(gè)降水預(yù)測(cè)因子，綜合建立客觀化、定量化的降水預(yù)測(cè)模型，研究成果可以直接應(yīng)用到實(shí)際業(yè)務(wù)工作中。當(dāng)釀酒葡萄采收期陰雨寡照日數(shù)增多，氣溫日較差變小，水熱配置不佳，會(huì)導(dǎo)致釀酒葡萄糖分減少，含酸量增加，糖酸比下降，丹寧含量降低，增加了葡萄霜霉病、白腐病的發(fā)生概率，直接影響當(dāng)年葡萄的最終品質(zhì)和經(jīng)濟(jì)收益。因此，提前準(zhǔn)確掌握采收期的降水特征和降水過程，對(duì)合理安排葡萄采收、保證釀酒葡萄的品質(zhì)極為重要。