基于監(jiān)測(cè)指數(shù)的貴州省4 月氣溫預(yù)測(cè)模型及檢驗(yàn)

李忠燕 ,譚 文 ,段 瑩 ,王 爍 ,嚴(yán)小冬

（1.貴州省氣候中心，貴陽 550002；2.貴州省山地氣候與資源重點(diǎn)實(shí)驗(yàn)室，貴陽 550002；3.貴州省生態(tài)氣象和衛(wèi)星遙感中心，貴陽 550002）

引言

氣候異常往往與大氣環(huán)流、海溫異常有關(guān)[1?7]，因此在氣候統(tǒng)計(jì)預(yù)報(bào)業(yè)務(wù)中通常會(huì)基于大氣環(huán)流特征指數(shù)和海溫指數(shù)建立統(tǒng)計(jì)預(yù)測(cè)模型[8?12]，甚至利用這些特征指數(shù)開展農(nóng)業(yè)年景預(yù)測(cè)[13]或病蟲害預(yù)測(cè)[14?15]。4 月是冬季風(fēng)向夏季風(fēng)的過渡時(shí)期，同時(shí)也是貴州省夏收作物和部分水果的關(guān)鍵生育期、春播作物移栽期、春茶采摘期等，若出現(xiàn)低溫天氣過程將會(huì)對(duì)農(nóng)業(yè)生產(chǎn)造成嚴(yán)重的危害[16?18]。2020 年4 月貴州省發(fā)生了3 次降溫天氣過程，其中4 月18 日～4 月25 日的降溫幅度最大，4 月23 日全省平均氣溫甚至降至9.8℃。此次低溫過程造成部分水稻、高粱幼苗出現(xiàn)葉片枯黃或死苗，辣椒、烤煙幼苗生長受阻，春茶減產(chǎn)30%，對(duì)全省春季農(nóng)業(yè)生產(chǎn)帶來了嚴(yán)重影響，因此提高該時(shí)段氣溫的預(yù)測(cè)準(zhǔn)確率對(duì)農(nóng)業(yè)生產(chǎn)尤為重要。由于大氣海洋等因子對(duì)氣候預(yù)測(cè)對(duì)象有一定的指標(biāo)意義且有線性關(guān)系，因此利用監(jiān)測(cè)指數(shù)建立預(yù)測(cè)模型成為常見的預(yù)測(cè)方法。在貴州短期氣候預(yù)測(cè)中雖也常用該方法，但對(duì)于不同統(tǒng)計(jì)預(yù)測(cè)模型間的對(duì)比分析及回算檢驗(yàn)開展的工作較少，因此本文基于中國氣象局國家氣候中心的130 項(xiàng)大氣、海溫監(jiān)測(cè)指數(shù)與同期貴州省4 月平均氣溫的相關(guān)分析建立不同的統(tǒng)計(jì)預(yù)測(cè)模型，并利用趨勢(shì)異常綜合評(píng)分（Ps）評(píng)估方法對(duì)預(yù)測(cè)模型回報(bào)結(jié)果進(jìn)行檢驗(yàn)，以探究氣候預(yù)測(cè)業(yè)務(wù)中采用怎樣的異常等級(jí)預(yù)測(cè)能夠提高預(yù)測(cè)技巧，同時(shí)研究傳統(tǒng)統(tǒng)計(jì)方法預(yù)測(cè)模型能否把握住4 月貴州省平均氣溫趨勢(shì)，提高貴州省4 月氣溫的預(yù)測(cè)準(zhǔn)確率。通過某月的統(tǒng)計(jì)預(yù)測(cè)模型構(gòu)建不斷完善月氣候預(yù)測(cè)系統(tǒng)的功能模塊，進(jìn)而提高月預(yù)測(cè)準(zhǔn)確率，為地方經(jīng)濟(jì)建設(shè)提供高質(zhì)量氣候預(yù)測(cè)服務(wù)。

1 資料與方法

研究資料包括：（1）1981～2020 年4 月貴州省各縣站氣溫資料；（2）同期中國氣象局國家氣候中心的130 項(xiàng)監(jiān)測(cè)指數(shù)（包括88 項(xiàng)大氣環(huán)流指數(shù)、26 項(xiàng)海溫指數(shù)以及16 項(xiàng)其它監(jiān)測(cè)指數(shù)）。根據(jù)1981～2019 年氣溫與監(jiān)測(cè)指數(shù)的相關(guān)系數(shù)分布及顯著性檢驗(yàn)建立貴州省4 月氣溫的固定監(jiān)測(cè)指數(shù)、最優(yōu)監(jiān)測(cè)指數(shù)、逐步回歸的統(tǒng)計(jì)預(yù)測(cè)模型，并利用國家氣候中心趨勢(shì)異常綜合評(píng)分（Ps）對(duì)1981～2020 年預(yù)測(cè)模型回報(bào)結(jié)果進(jìn)行檢驗(yàn)。

在短期氣候預(yù)測(cè)質(zhì)量評(píng)估常規(guī)業(yè)務(wù)中，采用趨勢(shì)異常綜合評(píng)分（Ps）對(duì)預(yù)測(cè)質(zhì)量進(jìn)行評(píng)估，該方法主要用于評(píng)定預(yù)測(cè)異常等級(jí)與實(shí)況的接近程度。首先將氣溫距平的等級(jí)劃分為6 級(jí)（表1），按照公式1 分別對(duì)預(yù)測(cè)的氣候趨勢(shì)（N0 ）、一級(jí)異常（N1）、二級(jí)異常（N2 ）以及漏報(bào)的超異常（M）（氣溫距平的絕對(duì)值≥3℃）的站數(shù)進(jìn)行統(tǒng)計(jì)并計(jì)算Ps評(píng) 分。式中N為總站數(shù)，a、b、c為三類趨勢(shì)異常的權(quán)重系數(shù)，分別為2、2、4。

表1 氣溫距平異常等級(jí)劃分標(biāo)準(zhǔn)

在短期氣候趨勢(shì)預(yù)測(cè)業(yè)務(wù)工作中，為探究采用何種異常等級(jí)能取得更高評(píng)分，將異常等級(jí)設(shè)定為正常級(jí)（±0.8℃）、一級(jí)異常（±1.1℃）以及二級(jí)異常（±2.1℃）進(jìn)行預(yù)測(cè)并計(jì)算其Ps評(píng)分。具體作法是計(jì)算1981～2019 年各站4 月平均氣溫與同期130 項(xiàng)監(jiān)測(cè)指數(shù)的相關(guān)系數(shù)，按每站監(jiān)測(cè)指數(shù)與4 月氣溫相關(guān)性最好的監(jiān)測(cè)指數(shù)對(duì)1981～2019 年各站氣溫趨勢(shì)進(jìn)行三種等級(jí)的預(yù)測(cè)并計(jì)算其Ps評(píng)分。統(tǒng)計(jì)逐年4 月各站平均Ps評(píng)分（圖1）可知，三種等級(jí)的預(yù)測(cè)變化趨勢(shì)相差不大，但從近39 年平均值來看，一級(jí)異常（74.8 分）評(píng)分最高，二級(jí)異常（74.4 分）次之，而正常級(jí)（72.3 分）最低，一級(jí)異常相對(duì)正常級(jí)提高2.5 分。因此在短期氣候趨勢(shì)預(yù)測(cè)業(yè)務(wù)工作中，應(yīng)按照一級(jí)異常進(jìn)行預(yù)測(cè)。因此，后文中的不同統(tǒng)計(jì)預(yù)測(cè)模型均采用一級(jí)異常進(jìn)行預(yù)測(cè)回報(bào)檢驗(yàn)。

圖1 1981～2019 年三種不同等級(jí)趨勢(shì)預(yù)測(cè)評(píng)分

2 結(jié)果與分析

2.1 固定監(jiān)測(cè)指數(shù)預(yù)測(cè)模型對(duì)比分析

根據(jù)1981～2019 年貴州省各縣站4 月平均氣溫與同期130 項(xiàng)監(jiān)測(cè)指數(shù)的相關(guān)系數(shù)絕對(duì)值大小進(jìn)行排序，統(tǒng)計(jì)出在所有站點(diǎn)中前9 位出現(xiàn)次數(shù)最多的9 個(gè)監(jiān)測(cè)指數(shù)（圖2），這9 個(gè)監(jiān)測(cè)指數(shù)即為影響貴州省4月平均氣溫的關(guān)鍵因子。按照1、3、5、7、9 個(gè)固定監(jiān)測(cè)指數(shù)建立趨勢(shì)預(yù)測(cè)模型（表2），即當(dāng)相同的趨勢(shì)預(yù)測(cè)的監(jiān)測(cè)指數(shù)大于1、2、3、4、5 時(shí)按該趨勢(shì)進(jìn)行預(yù)測(cè)。統(tǒng)計(jì)不同方案的預(yù)測(cè)評(píng)分結(jié)果（表3）可知，5個(gè)固定監(jiān)測(cè)指數(shù)預(yù)測(cè)模型方案的預(yù)測(cè)穩(wěn)定性較差，均出現(xiàn)了預(yù)測(cè)Ps評(píng)分為0 的情況；其中方案一和方案二的預(yù)測(cè)結(jié)果相同，是5 個(gè)方案中預(yù)測(cè)質(zhì)量最好的方案，其Ps評(píng)分等于100 和大于等于90 的年份最多，其中Ps評(píng) 分等于100 的年份共計(jì)出現(xiàn)7 年，而Ps評(píng)分等于0 和小于60 的年份最少，且近39a 的預(yù)測(cè)Ps評(píng)分平均分最高；方案四的預(yù)測(cè)質(zhì)量最差，其Ps評(píng)分等于0、小于60 的年份最多，Ps評(píng)分大于90 的年份最少，且近39a 和2011 年以后的近9a 的預(yù)測(cè)Ps評(píng)分平均分最低。如圖3 所示，5 個(gè)方案中除方案四外，近9a 的預(yù)測(cè)Ps評(píng)分均明顯高于省級(jí)預(yù)報(bào)產(chǎn)品（85.3 分）和國家級(jí)指導(dǎo)預(yù)報(bào)產(chǎn)品（73.9 分）；2016～2019 年，省級(jí)和國家級(jí)指導(dǎo)產(chǎn)品預(yù)測(cè)質(zhì)量較好，評(píng)分均穩(wěn)定在90 以上。5 個(gè)方案的回報(bào)結(jié)果與之相比，5 個(gè)方案的4 年平均Ps評(píng)分高于省級(jí)指導(dǎo)產(chǎn)品，5 個(gè)方案中除方案一外，均略低于國家級(jí)指導(dǎo)產(chǎn)品（圖略）。

表2 固定監(jiān)測(cè)指數(shù)的預(yù)測(cè)模型

表3 不同預(yù)測(cè)模型方案的Ps 評(píng)分結(jié)果

圖2 貴州省各縣站4 月平均氣溫與9 個(gè)監(jiān)測(cè)指數(shù)的相關(guān)系數(shù)分布（a.東大西洋遙相關(guān)型指數(shù)，b.北美區(qū)極渦面積指數(shù)，c.亞洲緯向環(huán)流指數(shù)，d.印度副高面積指數(shù)，e.全球綜合角動(dòng)量指數(shù)，f.黑潮區(qū)海溫指數(shù)，g.斯堪的納維亞遙相關(guān)型指數(shù)，h.北非副高強(qiáng)度指數(shù)，i.印度副高北界位置指數(shù)）

2.2 最優(yōu)監(jiān)測(cè)指數(shù)預(yù)測(cè)模型對(duì)比分析

同樣根據(jù)2.1 節(jié)中計(jì)算的相關(guān)系數(shù)絕對(duì)值排序，統(tǒng)計(jì)出各站與氣溫的相關(guān)系數(shù)值最優(yōu)的前9 個(gè)監(jiān)測(cè)指數(shù)。按照1、3、5、7、9 個(gè)最優(yōu)監(jiān)測(cè)指數(shù)建立趨勢(shì)預(yù)測(cè)，即當(dāng)相同的趨勢(shì)預(yù)測(cè)的監(jiān)測(cè)指數(shù)大于1、2、3、4、5 時(shí)按該趨勢(shì)進(jìn)行預(yù)測(cè)。統(tǒng)計(jì)不同方案的預(yù)測(cè)評(píng)分結(jié)果（表4）可以看出，最優(yōu)監(jiān)測(cè)指數(shù)預(yù)測(cè)模型的預(yù)測(cè)穩(wěn)定性明顯好于固定監(jiān)測(cè)指數(shù)預(yù)測(cè)模型，5 個(gè)方案在近39a 的回報(bào)結(jié)果中均沒有出現(xiàn)Ps評(píng)分為0 的情況，近39a 的預(yù)測(cè)Ps評(píng)分平均分均在74 以上，明顯高于固定監(jiān)測(cè)指數(shù)預(yù)測(cè)模型；其中方案三、方案四是5個(gè)方案中預(yù)測(cè)質(zhì)量相對(duì)較好的方案，兩個(gè)方案Ps評(píng)分不低于70 的年份最多，均達(dá)28 年；方案三Ps評(píng)分低于60 的年份最少（6 年），方案四近39a 的預(yù)測(cè)Ps評(píng)分均值最高（78.6 分）。而方案一效果最差，其Ps評(píng)分低于60 的年份最多，Ps評(píng)分不低于70 的年份最少，近39a 和1981～2010 年的預(yù)測(cè)Ps評(píng)分相對(duì)最低。如圖3所示，5 個(gè)方案中2011～2019 年的預(yù)測(cè)Ps評(píng)分均值均高于同期省級(jí)預(yù)報(bào)產(chǎn)品均值和2013～2019 年國家氣候中心指導(dǎo)預(yù)報(bào)產(chǎn)品均值。與省級(jí)和國家級(jí)指導(dǎo)產(chǎn)品最穩(wěn)定的4 年（2016～2019 年）相比，5 個(gè)方案的4 年平均Ps評(píng)分均高于省級(jí)指導(dǎo)產(chǎn)品，5 個(gè)方案中除方案二外，均高于國家級(jí)指導(dǎo)產(chǎn)品（圖略）。

表4 最優(yōu)監(jiān)測(cè)指數(shù)預(yù)測(cè)模型方案的Ps 評(píng)分結(jié)果

2.3 逐步回歸預(yù)測(cè)模型對(duì)比分析

鑒于最優(yōu)指數(shù)預(yù)測(cè)模型的預(yù)測(cè)穩(wěn)定性和預(yù)測(cè)質(zhì)量均優(yōu)于相對(duì)固定監(jiān)測(cè)指數(shù)預(yù)測(cè)模型，且5 和7 個(gè)最優(yōu)指數(shù)的預(yù)測(cè)效果最好，因此利用貴州省各站前5 個(gè)和7 個(gè)最優(yōu)指數(shù)建立逐步回歸預(yù)測(cè)模型。統(tǒng)計(jì)其預(yù)測(cè)評(píng)分結(jié)果（表5）可以看出，逐步回歸預(yù)測(cè)模型的預(yù)測(cè)穩(wěn)定較最優(yōu)監(jiān)測(cè)指數(shù)預(yù)測(cè)模型更好，2 個(gè)方案近39a 的回報(bào)結(jié)果中Ps評(píng)分低于60 的年份明顯偏少，且最小值均在57 以上；其中5 個(gè)最優(yōu)指數(shù)的逐步回歸方案預(yù)測(cè)效果最好，該方案Ps評(píng)分不低于70 的年份最多，且近39a 的預(yù)測(cè)Ps評(píng)分平均值（83.4 分）、1981～2010 年平均值（80.7 分）以及2011～2019 年平均值（93.4 分）均大于方案二。如圖3 所示，方案一中2011～2019 年預(yù)測(cè)評(píng)分平均值均高于同期省級(jí)預(yù)報(bào)產(chǎn)品均值和2013～2019 年國家氣候中心指導(dǎo)預(yù)報(bào)產(chǎn)品均值；方案二的預(yù)測(cè)評(píng)分略低于省級(jí)預(yù)報(bào)產(chǎn)品，但高于國家氣候中心指導(dǎo)預(yù)報(bào)產(chǎn)品。與省級(jí)和國家級(jí)指導(dǎo)產(chǎn)品最穩(wěn)定的4 年（2016～2019 年）相比，逐步回歸方案一的4 年平均Ps評(píng)分高于省級(jí)和國家級(jí)指導(dǎo)產(chǎn)品，逐步回歸方案二的評(píng)分略低于省級(jí)和國家級(jí)指導(dǎo)產(chǎn)品（圖略）。

表5 逐步回歸預(yù)測(cè)模型方案的Ps 評(píng)分結(jié)果

圖3 2011～2019 年4 月省級(jí)預(yù)測(cè)與國家級(jí)指導(dǎo)預(yù)測(cè)Ps 評(píng)分（粉色虛線表示省級(jí)9 年平均值；綠色虛線表示國家級(jí)7 年平均值；注：2011～2012 年國家級(jí)指導(dǎo)產(chǎn)品缺測(cè)）

2.4 2020 年4 月氣溫預(yù)測(cè)檢驗(yàn)

2020 年4 月貴州省平均氣溫14.6℃，較常年同期偏低1.7℃（圖4a），是1981 年以來歷史同期第四低值，這一低溫陰雨寡照天氣過程給春季農(nóng)業(yè)生產(chǎn)帶來了明顯影響。從各地的氣溫距平分布（圖4b）來看，省內(nèi)各地區(qū)偏低0.7（松桃）～3.8℃（盤州），其中除遵義市和銅仁市部分地區(qū)偏低0.7～1.0℃外，其余大部地區(qū)偏低1.0℃以上，西部和南部部分地區(qū)偏低2℃以上。2020 年3 月底，基于國內(nèi)外各家模式產(chǎn)品和客觀統(tǒng)計(jì)方法的預(yù)測(cè)結(jié)果指出，中高緯度以緯向環(huán)流為主，我國大部分地區(qū)受正高度距平控制，東亞槽偏弱，西太平洋副熱帶高壓偏大偏強(qiáng)，貴州省除東北部和西南局部地區(qū)氣溫略偏低0.1～1.1℃外（圖4c），其余大部地區(qū)偏高0.1～1.1℃。

圖4 1981～2020 年貴州省4 月氣溫距平時(shí)間序列（a）、2020 年4 月貴州省氣溫距平空間分布（b）以及2020 年4 月趨勢(shì)預(yù)測(cè)（c）

利用固定監(jiān)測(cè)指數(shù)、最優(yōu)監(jiān)測(cè)指數(shù)以及逐步回歸統(tǒng)計(jì)預(yù)測(cè)模型對(duì)2020 年4 月貴州省氣溫進(jìn)行回報(bào)（表6），結(jié)果表明：固定監(jiān)測(cè)指數(shù)中的5 個(gè)方案Ps評(píng)分均為0，該模型完全沒有把握住2020 年4 月全省平均氣溫的一致偏低；最優(yōu)監(jiān)測(cè)指數(shù)預(yù)測(cè)模型對(duì)氣溫一致偏低把握較差，5 個(gè)方案中1 個(gè)最優(yōu)指數(shù)模型Ps評(píng)分最高，但也只為33.3 分；逐步回歸預(yù)測(cè)模型預(yù)測(cè)結(jié)果最好，其中以7 個(gè)最優(yōu)指數(shù)建立的回歸模型Ps評(píng)分最高，為66.7 分，較省級(jí)預(yù)報(bào)Ps評(píng)分提高14.1 分，相對(duì)國家指導(dǎo)預(yù)報(bào)提高66.7 分。

表6 不同預(yù)測(cè)模型對(duì)2020 年4 月氣溫回報(bào)的Ps 評(píng)分

3 結(jié)論

基于1981～2019 年4 月貴州省氣溫與同期130 項(xiàng)監(jiān)測(cè)指數(shù)的相關(guān)分析建立了固定監(jiān)測(cè)指數(shù)、最優(yōu)監(jiān)測(cè)指數(shù)、逐步回歸的統(tǒng)計(jì)預(yù)測(cè)模型，并對(duì)1981～2020年預(yù)測(cè)模型回報(bào)結(jié)果進(jìn)行檢驗(yàn)，得到以下結(jié)論：

（1）在短期氣候趨勢(shì)預(yù)測(cè)業(yè)務(wù)工作中，按照一級(jí)或二級(jí)異常進(jìn)行預(yù)測(cè)可較正常級(jí)平均提高2.5 分或2.1 分。

（2）固定監(jiān)測(cè)指數(shù)、最優(yōu)監(jiān)測(cè)指數(shù)、逐步回歸這三種統(tǒng)計(jì)預(yù)測(cè)模型中逐步回歸的預(yù)測(cè)效果最好，其次是最優(yōu)監(jiān)測(cè)指數(shù)，而固定監(jiān)測(cè)指數(shù)效果最差。其中5個(gè)最優(yōu)指數(shù)的逐步回歸方案預(yù)測(cè)效果最好，近39a 的Ps評(píng)分均值達(dá)83.4，2011～2019 年評(píng)分均值達(dá)93.4，與省級(jí)和國家級(jí)預(yù)測(cè)產(chǎn)品相比，統(tǒng)計(jì)預(yù)測(cè)模型在近9a的回報(bào)效果也表現(xiàn)出一定的優(yōu)勢(shì)。

（3）利用三種統(tǒng)計(jì)預(yù)測(cè)模型對(duì)2020 年4 月全省一致偏低的氣溫進(jìn)行回報(bào)檢驗(yàn)，結(jié)果表明逐步回歸預(yù)測(cè)模型的預(yù)測(cè)效果最好，其中以7 個(gè)最優(yōu)指數(shù)建立的回歸模型Ps評(píng) 分最高，為66.7 分，較省級(jí)預(yù)報(bào)Ps評(píng)分提高14.1 分，相對(duì)國家指導(dǎo)預(yù)報(bào)提高66.7 分。