寧海縣鄉(xiāng)鎮(zhèn)精細(xì)化氣溫預(yù)報(bào)訂正研究

申子彬 岳夢(mèng)琦 肖王星

摘 要 選取2009—2019年浙江省寧波市寧?？h國(guó)家氣象站（58567）和14個(gè)鄉(xiāng)鎮(zhèn)區(qū)域自動(dòng)氣象站的日最高氣溫和日最低氣溫以及寧海國(guó)家氣象站日照時(shí)間等資料，使用SPSS軟件對(duì)2009—2018年數(shù)據(jù)進(jìn)行分析及多元回歸計(jì)算，建立鄉(xiāng)鎮(zhèn)氣溫與寧海國(guó)家站氣溫及日照因子分布方程，采用2019年實(shí)況數(shù)據(jù)分別對(duì)方程組預(yù)報(bào)效果和經(jīng)驗(yàn)訂正預(yù)報(bào)效果進(jìn)行檢驗(yàn)。結(jié)果表明，通過(guò)回歸計(jì)算得到的方程組預(yù)報(bào)準(zhǔn)確率高于經(jīng)驗(yàn)訂正預(yù)報(bào)，預(yù)報(bào)方程組可用于寧?？h鄉(xiāng)鎮(zhèn)精細(xì)化氣溫預(yù)報(bào)業(yè)務(wù)。

關(guān)鍵詞 氣溫預(yù)報(bào);訂正預(yù)報(bào);浙江省寧波市寧?？h

寧?？h地處浙江省東部沿海，象山港和三門(mén)灣之間，天臺(tái)山、四明山山脈交匯之處。依山傍海的區(qū)位以及復(fù)雜的地形因素使得寧?？h境內(nèi)同時(shí)段各地氣溫差異懸殊。自20世紀(jì)90年代寧海縣氣象局開(kāi)展鄉(xiāng)鎮(zhèn)預(yù)報(bào)起，一直依托國(guó)家氣象站預(yù)報(bào)為基準(zhǔn)，通過(guò)經(jīng)驗(yàn)訂正法對(duì)各鄉(xiāng)鎮(zhèn)最高最低氣溫進(jìn)行預(yù)報(bào)。目前，在省級(jí)、市級(jí)相關(guān)部門(mén)的指導(dǎo)下，以國(guó)家氣象站為考核基準(zhǔn)的城區(qū)氣溫預(yù)報(bào)準(zhǔn)確率較高，但鄉(xiāng)鎮(zhèn)預(yù)報(bào)依舊以經(jīng)驗(yàn)訂正法為主，隨著經(jīng)濟(jì)社會(huì)的發(fā)展，越來(lái)越難以滿足社會(huì)各界對(duì)鄉(xiāng)鎮(zhèn)預(yù)報(bào)準(zhǔn)確率、精細(xì)化程度的需求。同時(shí)，近年來(lái)，鄉(xiāng)鎮(zhèn)區(qū)域自動(dòng)站網(wǎng)絡(luò)趨于完善，觀測(cè)數(shù)據(jù)質(zhì)量也進(jìn)一步提高，為開(kāi)展更精細(xì)、更準(zhǔn)確的鄉(xiāng)鎮(zhèn)氣溫預(yù)報(bào)奠定了良好的基礎(chǔ)。基于此，利用SPSS軟件相關(guān)分析及多元回歸計(jì)算[1]，建立鄉(xiāng)鎮(zhèn)最高最低氣溫與寧海國(guó)家站最高最低氣溫及日照因子[2]等因素分布方程組，以期為寧海縣鄉(xiāng)鎮(zhèn)最高最低氣溫預(yù)報(bào)提供參考。

1 資料選取及處理方法

采用2009—2019年浙江省寧波市寧海縣境內(nèi)1個(gè)國(guó)家氣象站、14個(gè)區(qū)域（西店鎮(zhèn)、強(qiáng)蛟鎮(zhèn)、深甽鎮(zhèn)、茶院鄉(xiāng)、一市鎮(zhèn)、胡陳鄉(xiāng)、長(zhǎng)街鎮(zhèn)、大佳何鎮(zhèn)、前童鎮(zhèn)、越溪鄉(xiāng)、桑洲鎮(zhèn)、黃壇鎮(zhèn)、岔路鎮(zhèn)和力洋鎮(zhèn)）自動(dòng)氣象站逐日20：00—20：00最高、最低氣溫實(shí)況資料以及國(guó)家氣象站逐日日照時(shí)間資料，對(duì)于有缺測(cè)數(shù)據(jù)的天數(shù)，整體予以剔除。由于2013年后寧海國(guó)家氣象站觀測(cè)項(xiàng)目調(diào)整，云量觀測(cè)項(xiàng)目取消，故選取日照時(shí)間資料作為云量替代因子。寧?？h近30年年均日照時(shí)間為1 648.8 h，日均日照時(shí)間約4.5 h，為使得回歸方程更方便應(yīng)用于實(shí)際預(yù)報(bào)業(yè)務(wù)中，將每日日照時(shí)間分為兩類(lèi)，當(dāng)日照時(shí)間<4.5 h，將當(dāng)日日照因子量化為0;日照時(shí)間≥4.5 h，將當(dāng)日日照因子量化為1。

2 各鄉(xiāng)鎮(zhèn)氣溫預(yù)報(bào)回歸方程的建立

使用2009—2018年共10年數(shù)據(jù)作為預(yù)報(bào)方程建立樣本。將寧海國(guó)家氣象站日最高、最低氣溫與經(jīng)過(guò)量化處理的日照因子作為自變量[3-4]，各鄉(xiāng)鎮(zhèn)自動(dòng)站最高最低氣溫作為因變量，使用SPSS進(jìn)行多元回歸計(jì)算，得到方程，見(jiàn)表1。

由表1可以看出，各鄉(xiāng)鎮(zhèn)的預(yù)報(bào)方程復(fù)相關(guān)系數(shù)都在0.98以上，預(yù)報(bào)方程對(duì)樣本有較好的代表性。

3 回歸方程的預(yù)報(bào)效果檢驗(yàn)

使用2019年的實(shí)況數(shù)據(jù)，對(duì)寧海縣氣象局20世紀(jì)90年代起延續(xù)至今的經(jīng)驗(yàn)訂正預(yù)報(bào)模型與表1中的各鄉(xiāng)鎮(zhèn)預(yù)報(bào)方程進(jìn)行檢驗(yàn)。為便于對(duì)比，假定對(duì)寧海縣國(guó)家站的氣溫預(yù)報(bào)絕對(duì)正確。在此基礎(chǔ)上，將兩種模型對(duì)鄉(xiāng)鎮(zhèn)預(yù)報(bào)的數(shù)據(jù)正確率進(jìn)行對(duì)比，得到2019年氣溫預(yù)報(bào)檢驗(yàn)平均絕對(duì)誤差表（表2）以及氣溫預(yù)報(bào)檢驗(yàn)誤差1 ℃內(nèi)準(zhǔn)確百分比（表3）。

由表2可以看出，回歸模型的預(yù)報(bào)絕對(duì)誤差除了越溪鄉(xiāng)、深甽鎮(zhèn)最高氣溫預(yù)報(bào)略高于經(jīng)驗(yàn)?zāi)Ｐ?，其他各站無(wú)論是最高氣溫預(yù)報(bào)還是最低氣溫預(yù)報(bào)的平均絕對(duì)誤差均低于經(jīng)驗(yàn)?zāi)Ｐ停罡邭鉁仡A(yù)報(bào)平均絕對(duì)誤差回歸模型較經(jīng)驗(yàn)?zāi)Ｐ偷?.24 ℃，最低氣溫預(yù)報(bào)平均絕對(duì)誤差回歸模型較經(jīng)驗(yàn)?zāi)Ｐ偷?.29 ℃。

由表3可以看出，假定寧海國(guó)家氣象站氣溫預(yù)報(bào)絕對(duì)正確的前提下，鄉(xiāng)鎮(zhèn)溫度預(yù)報(bào)1 ℃以內(nèi)準(zhǔn)確率基本在80%左右。將方程與經(jīng)驗(yàn)預(yù)報(bào)準(zhǔn)確率作對(duì)比，發(fā)現(xiàn)方程預(yù)報(bào)準(zhǔn)確率普遍高于經(jīng)驗(yàn)預(yù)報(bào)準(zhǔn)確率，最高氣溫1 ℃內(nèi)預(yù)報(bào)準(zhǔn)確率平均高11.2%，最低氣溫1 ℃內(nèi)預(yù)報(bào)準(zhǔn)確率平均高16.96%。

4 討論與結(jié)論

4.1 討論

利用2009—2018年的數(shù)據(jù)作為樣本建立各鄉(xiāng)鎮(zhèn)氣溫預(yù)報(bào)模型，用2019年實(shí)況數(shù)據(jù)對(duì)預(yù)報(bào)方程、經(jīng)驗(yàn)?zāi)Ｐ皖A(yù)報(bào)效果分別做檢驗(yàn)。結(jié)果表明：通過(guò)回歸計(jì)算得到的方程組預(yù)報(bào)絕對(duì)誤差、1 ℃內(nèi)準(zhǔn)確率均優(yōu)于經(jīng)驗(yàn)訂正預(yù)報(bào)。

從檢驗(yàn)數(shù)據(jù)看，預(yù)報(bào)方程優(yōu)于經(jīng)驗(yàn)訂正，但同時(shí)也應(yīng)該看到，經(jīng)驗(yàn)訂正預(yù)報(bào)的操作更加簡(jiǎn)單方便，預(yù)報(bào)方程對(duì)本站的天況預(yù)報(bào)準(zhǔn)確有要求，即預(yù)報(bào)員應(yīng)對(duì)預(yù)報(bào)當(dāng)天日照時(shí)間作出大致判斷。

無(wú)論是經(jīng)驗(yàn)預(yù)報(bào)還是回歸方程預(yù)報(bào)，最關(guān)鍵還是依賴于本站預(yù)報(bào)準(zhǔn)確率，訂正預(yù)報(bào)存在局限性。

4.2 結(jié)論

預(yù)報(bào)方程方法理論上可以應(yīng)用于浙江省寧波市寧?？h鄉(xiāng)鎮(zhèn)精細(xì)化氣溫預(yù)報(bào)業(yè)務(wù)，但還需進(jìn)一步深入研究，引入更多與氣溫相關(guān)的因子，優(yōu)化預(yù)報(bào)訂正方程，并通過(guò)程序開(kāi)發(fā)，形成寧海縣鄉(xiāng)鎮(zhèn)氣溫預(yù)報(bào)系統(tǒng)。

參考文獻(xiàn)：

[1] 陳云飛，祁雁文，韓聰，等.基于城鎮(zhèn)預(yù)報(bào)的鄉(xiāng)鎮(zhèn)氣溫預(yù)報(bào)方法初探[J].內(nèi)蒙古氣象，2016（5）：35-38.

[2] 劉抗，李照榮，楊瑞鴻，等.甘肅省鄉(xiāng)鎮(zhèn)精細(xì)化客觀要素預(yù)報(bào)方法研究[J].干旱氣象，2015，33（5）：882-887.

[3] 李鴻強(qiáng)，宋若寧，裴悅意，等.基于相關(guān)分析的金州新區(qū)鄉(xiāng)鎮(zhèn)溫度精細(xì)化預(yù)報(bào)方法[J].現(xiàn)代農(nóng)業(yè)科技，2015（4）：337-338.

[4] 黃治勇，張文，陳璇，等.湖北省鄉(xiāng)鎮(zhèn)溫度預(yù)報(bào)方法初探[J].氣象，2011，37（12）：1578-1583.

（責(zé)任編輯：趙中正）