中國近地面氣溫直減率的時(shí)空分布及其在NCEP氣溫預(yù)報(bào)誤差訂正中的應(yīng)用

摘要" 近地面氣溫直減率受地形地貌、地理位置、季節(jié)變化、晝夜變化及人類活動(dòng)等因素的顯著影響，在中國區(qū)域使用單一的氣溫直減率不能準(zhǔn)確表征其時(shí)空特征。本文基于中國2 427個(gè)國家基本氣象站2013年3月1日—2022年2月28日的逐小時(shí)氣溫觀測數(shù)據(jù)，利用三元線性回歸方程，分區(qū)域、季節(jié)、晝夜擬合出近地面（2 m）氣溫直減率，并將其應(yīng)用于NCEP氣溫預(yù)報(bào)產(chǎn)品的高度訂正中以驗(yàn)證其可靠性。結(jié)果表明：1）從全國區(qū)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(jié)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(gè)季節(jié)分別為0.22、0.29、0.28、0.50 ℃／（100 m）。3）應(yīng)用統(tǒng)計(jì)出的氣溫直減率對NCEP氣溫預(yù)報(bào)進(jìn)行高度訂正，發(fā)現(xiàn)全國平均的氣溫平均絕對誤差較訂正前在未來360 h各個(gè)預(yù)報(bào)時(shí)效均有降低，最大降幅可達(dá)1.20 ℃。對于大多數(shù)子區(qū)域，夏季訂正效果最好，白天比夜間訂正效果要好。

關(guān)鍵詞近地面氣溫直減率;時(shí)空差異;區(qū)域變化;季節(jié)變化;晝夜變化

2024-01-04收稿，2024-04-21接受

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)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(shí)空分布及其在NCEP氣溫預(yù)報(bào)誤差訂正中的應(yīng)用［J］.大氣科學(xué)學(xué)報(bào)，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(yù)報(bào)中最重要的氣象要素之一，不僅直接影響生態(tài)環(huán)境，而且間接影響工農(nóng)業(yè)生產(chǎn)和人們?nèi)粘Ｉ睿ㄍ蹑旱龋?015;譚桂容等，2017）。目前國內(nèi)任意位置點(diǎn)氣溫客觀預(yù)報(bào)主要是來自對數(shù)值模式的解釋適用，其準(zhǔn)確率一方面取決于高分辨率格點(diǎn)預(yù)報(bào)能力的提高，另一方面依賴于對數(shù)值模式產(chǎn)品的合理釋用（金巍等，2020）。然而，模式的海拔高度與站點(diǎn)實(shí)際高度往往存在差異（智協(xié)飛等，2019），尤其是在地形復(fù)雜的高海拔地區(qū)差異更加明顯，導(dǎo)致格點(diǎn)氣溫插值到站點(diǎn)過程中產(chǎn)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(xué)、水文學(xué)、生態(tài)學(xué)、數(shù)值預(yù)報(bào)應(yīng)用等眾多領(lǐng)域有著廣泛應(yīng)用（Running et al.，1987;Minder et al.，2010;Jabot et al.，2012;Sun et al.，2022），常被用于分析復(fù)雜地形氣溫隨高度的垂直變化，是推測數(shù)據(jù)匱乏地區(qū)氣溫空間分布特征的重要?dú)庀髤?shù)（秦翔等，2013）。在對數(shù)值模式的氣溫預(yù)報(bào)后處理過程中，使用準(zhǔn)確的氣溫直減率有利于提高氣溫預(yù)報(bào)的精準(zhǔn)度。

就全球平均而言，對流層內(nèi)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(zhì)、季節(jié)變化、晝夜變化及人類活動(dòng)響應(yīng)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(fù)雜性、氣候條件多變性使得近地面氣溫直減率時(shí)空差異較大。因此，應(yīng)用平均對流層氣溫直減率很難準(zhǔn)確表征近地面氣溫的整體特征，同時(shí)給預(yù)報(bào)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(nèi)已經(jīng)有很多學(xué)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(gè)國家氣象站點(diǎn)的氣溫觀測數(shù)據(jù)，分區(qū)域?qū)χ袊鴷r(shí)刻氣溫、最低氣溫、最高氣溫的直減率進(jìn)行分析，提出中國氣溫直減率存在明顯的季節(jié)、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(biāo)準(zhǔn)氣象站點(diǎn)2013—2015年實(shí)測日均氣溫資料和25 m×25 m空間分辨率的DEM數(shù)據(jù)，發(fā)現(xiàn)秦嶺太白山地區(qū)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(dòng)氣象站氣溫?cái)?shù)據(jù)分析了新疆地區(qū)的近地表氣溫直減率的時(shí)空分布特征，指出高山地區(qū)不同坡向的近地表氣溫直減率呈現(xiàn)出顯著的季節(jié)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(fā)現(xiàn)其與中國范圍內(nèi)的氣溫直減率以及鄰近地區(qū)的氣溫直減率表現(xiàn)出不一致的季節(jié)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(shí)溫度場和氣象站點(diǎn)30 a平均氣溫實(shí)測數(shù)據(jù)，結(jié)合數(shù)字高程模型，研究指出在典型山地地貌類型區(qū)山地氣溫直減率由高山區(qū)向低山區(qū)逐漸增大。然而，前人的研究大多關(guān)注某一區(qū)域，尤其是山地區(qū)域。另外，在時(shí)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(jié)尺度或月尺度，對中國區(qū)域近地面氣溫直減率晝夜變化的研究較匱乏。在實(shí)際的天氣預(yù)報(bào)業(yè)務(wù)中發(fā)現(xiàn)，數(shù)值預(yù)報(bào)模式氣溫預(yù)報(bào)誤差存在晝夜變化（陳耀登等，2023）。因此，在前人的研究基礎(chǔ)上對氣溫直減率從不同時(shí)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(diǎn)的近地面氣溫觀測數(shù)據(jù)，依據(jù)綜合自然區(qū)劃將中國分為33個(gè)子區(qū)域，以分析近地面氣溫直減率的區(qū)域差異、季節(jié)變化及晝夜變化。在此基礎(chǔ)上，擬合出不同區(qū)域、不同季節(jié)的晝夜氣溫直減率，并將其應(yīng)用到NCEP模式氣溫預(yù)報(bào)的高度訂正中，對其可靠性進(jìn)行驗(yàn)證。本研究旨在將分區(qū)域、季節(jié)、晝夜的近地面氣溫直減率應(yīng)用在模式預(yù)報(bào)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(shí)為氣溫空間分布信息的獲取與應(yīng)用提供參數(shù)支撐。

1" 資料和方法

1.1" 資料

本研究區(qū)域?yàn)橹袊懙胤秶?，所使用的氣象觀測數(shù)據(jù)為國家基本氣象站和區(qū)域自動(dòng)氣象站2013年3月1日—2023年2月28日近地面逐小時(shí)平均氣溫資料。模式數(shù)據(jù)采用2022年3月1日—2023年2月28日美國國家環(huán)境預(yù)報(bào)中心NCEP（National Centers for Environmental Prediction）氣溫預(yù)報(bào)產(chǎn)品，空間分辨率為0.5°×0.5°，預(yù)報(bào)時(shí)效為360 h。

選取質(zhì)量可靠且穩(wěn)定的2 427個(gè)國家基本氣象站作為建模站，時(shí)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(zhì)量較高的區(qū)域自動(dòng)氣象站的實(shí)際站點(diǎn)海拔高度與NCEP模式插值到站點(diǎn)的海拔高度的差異分布?？紤]在模式解釋應(yīng)用中，氣溫高度訂正對海拔高度差較大的站點(diǎn)更有意義，因此從國家基本氣象站和質(zhì)量較高的區(qū)域自動(dòng)氣象站中選取NCEP模式海拔高度與站點(diǎn)海拔高度差絕對值大于等于100 m的4 158個(gè)站點(diǎn)作為驗(yàn)證站，驗(yàn)證時(shí)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(qū)劃（又稱為“趙松喬區(qū)劃方案”），將中國劃分為33個(gè)子區(qū)域來進(jìn)行氣溫直減率研究。綜合自然地理區(qū)劃能夠體現(xiàn)出目標(biāo)區(qū)域內(nèi)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(qū)示意圖以及建模站和驗(yàn)證站的分布。

白天時(shí)段為09—20時(shí)（北京時(shí)），夜間時(shí)段為21時(shí)—次日08時(shí)（北京時(shí)）;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(shù)據(jù)處理

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

1.2.2" 氣溫直減率計(jì)算

目前，氣溫直減率的計(jì)算通常采用一元線性回歸法擬合出氣溫與海拔高度的關(guān)系。考慮到中國幅員遼闊，國家基本氣象站的站點(diǎn)不均勻，尤其是在西北地區(qū)，其分布較為分散，近地面氣溫不僅與海拔高度密切相關(guān)，而且受到經(jīng)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(jīng)度的函數(shù)關(guān)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(diǎn)氣溫;Vlon、Vlat、Valt分別代表站點(diǎn)的經(jīng)度、緯度、海拔高度;c為截距;a、b、l為待回歸的擬合系數(shù)，分別表示氣溫隨經(jīng)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(yàn)證

本文利用統(tǒng)計(jì)學(xué)方法，選用平均絕對誤差（mean absolute error，MAE）作為檢驗(yàn)指標(biāo)，將擬合出的各子區(qū)域各季節(jié)、晝夜的氣溫直減率應(yīng)用到NCEP模式2022年3月1日—2023年2月28日氣溫預(yù)報(bào)對應(yīng)的季節(jié)及晝夜時(shí)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(yàn)證氣溫直減率的可靠性。氣溫的平均絕對誤差越小，表示預(yù)報(bào)與實(shí)況越接近，說明對氣溫的預(yù)報(bào)效果越好。

EMA，k=1m∑mj=1TNCEP，ik-TOBS，ik。（2）

其中：EMA，k為第k個(gè)時(shí)刻所有站點(diǎn)氣溫平均絕對誤差;TNCEP，ik和TOBS，ik分別為第i個(gè)站點(diǎn)第k個(gè)時(shí)刻氣溫的模式預(yù)報(bào)值和觀測值;m為站點(diǎn)數(shù)量。

2" 結(jié)果與分析

2.1" 氣溫直減率的時(shí)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(shí)氣溫觀測數(shù)據(jù)，分別計(jì)算了不同子區(qū)域在各季節(jié)、分晝夜的氣溫直減率（表1）。需要說明的是，子區(qū)域16（臺(tái)灣省）、子區(qū)域19（南海諸島）、子區(qū)域25（天山）、子區(qū)域28（喜馬拉雅山南麓）、子區(qū)域33（阿里昆侖山）由于站點(diǎn)數(shù)據(jù)缺失或過少，導(dǎo)致無法求取氣溫直減率。由表1可見，除子區(qū)域1、3、17、24的冬季外，統(tǒng)計(jì)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(yàn)，且氣溫與海拔高度的相關(guān)性較高。個(gè)別子區(qū)域的氣溫直減率在冬季出現(xiàn)了顯著性較差的情況，而在其他季節(jié)沒有這種現(xiàn)象，這可能與冬季冷空氣入侵造成低海拔處的氣溫降低，導(dǎo)致氣溫對高度變化不明顯有關(guān)（張家誠和林之光，1985）。

2.1.1" 氣溫直減率的季節(jié)差異

由表1可見，氣溫直減率時(shí)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(shù)情況與0.65 ℃／（100 m）不一致。從所有子區(qū)域的平均來看，全年及各季節(jié)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(gè)季節(jié)平均分別為0.61、0.63、0.57、0.47 ℃／（100 m）?？傮w來看，氣溫直減率在夏季最高，春季次之，冬季最低。其中，季節(jié)平均的氣溫直減率最高值出現(xiàn)在夏季的共計(jì)17個(gè)子區(qū)域，出現(xiàn)在春季的共計(jì)11個(gè)子區(qū)域;最低值出現(xiàn)在冬季的共計(jì)22個(gè)子區(qū)域。分季節(jié)的統(tǒng)計(jì)結(jié)果表明，在所有有效子區(qū)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(qū)域最大氣溫直減率的差異在春、夏、秋、冬4個(gè)季節(jié)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(qū)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(shù)子區(qū)域，4個(gè)季節(jié)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(shù)以上的子區(qū)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(gè)秋季和冬季，絕大多數(shù)情況下氣溫直減率低于0.65 ℃／（100 m），最低為-0.34 ℃／（100 m）（子區(qū)24冬季白天）。氣溫直減率晝夜差異超過0.1 ℃／（100 m）的子區(qū)域數(shù)量在春夏秋冬4個(gè)季節(jié)分別有7、8、10、10個(gè)。同一子區(qū)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(gè)季節(jié)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(yàn)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(yàn)證站的氣溫預(yù)報(bào)進(jìn)行分區(qū)域、分季節(jié)、分晝夜的高度訂正（以下簡稱“分區(qū)訂正”），并將其分別與訂正前以及全國全年應(yīng)用統(tǒng)一的氣溫直減率0.65 ℃／（100 m）進(jìn)行高度訂正（以下簡稱“常數(shù)訂正”）后的氣溫預(yù)報(bào)效果進(jìn)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(xiàng)未通過Plt;0.05顯著性檢驗(yàn)的子區(qū)域以及由于站點(diǎn)缺失或者太少無法求取氣溫直減率的子區(qū)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(gè)預(yù)報(bào)時(shí)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(qū)訂正后以及常數(shù)訂正后全國平均的氣溫平均絕對誤差隨預(yù)報(bào)時(shí)效的變化，而圖4則給出了分區(qū)訂正后較訂正前及常數(shù)訂正后全國平均的氣溫平均絕對誤差減少量隨預(yù)報(bào)時(shí)效的變化?？梢?，訂正前，所有預(yù)報(bào)時(shí)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(gè)24 h內(nèi)都是先上升后下降。隨著預(yù)報(bào)時(shí)效的增加，氣溫平均絕對誤差整體呈現(xiàn)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(qū)訂正后，全國平均的氣溫平均絕對誤差較訂正前在各個(gè)預(yù)報(bào)時(shí)效均有所降低，尤其是預(yù)報(bào)時(shí)效越短訂正效果越顯著，所有時(shí)次平均降低0.56 ℃，最大降幅可達(dá)1.2 ℃。特別是處于白天的各個(gè)時(shí)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(qū)訂正與常數(shù)訂正進(jìn)行對比發(fā)現(xiàn)，分區(qū)訂正后，全

國平均的氣溫平均絕對誤差在夜間各個(gè)時(shí)次均比常數(shù)訂正有所降低，平均降低0.10 ℃，而白天各個(gè)時(shí)次與常數(shù)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(yù)報(bào)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(qū)偏低。對于秦嶺淮河以南及青藏高原的大部分地區(qū)，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(qū)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(qū)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(yōu)于夜間，除子區(qū)域3、5、23、31外，白天全國絕大部分地區(qū)氣溫平均絕對誤差均有所降低，降低明顯的地區(qū)與訂正前白天氣溫平均絕對誤差較高的地區(qū)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(qū)（子區(qū)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(qū)訂正后，白天的氣溫平均絕對誤差在3 ℃以內(nèi)的站點(diǎn)比例由33％增加至68％，誤差降低10％以上的站點(diǎn)達(dá)到57％。夜間，氣溫平均絕對誤差降低10％以上的站點(diǎn)達(dá)30％，降低最明顯的也同樣是子區(qū)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(qū)（子區(qū)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(qū)訂正后有所降低，而北方大部分地區(qū)則略有升高。

2.2.3" 季節(jié)的訂正效果

圖6給出了各季節(jié)分晝夜的訂正效果。與全年平均的情況類似，各個(gè)季節(jié)的訂正效果都是白天優(yōu)于夜間。不同季節(jié)訂正前后差異的分布形態(tài)相似。對于白天，從季節(jié)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(qū)域5，各個(gè)季節(jié)分區(qū)訂正后，區(qū)域平均的氣溫平均絕對誤差較訂正前都有所降低。其中，應(yīng)用式（1）統(tǒng)計(jì)出的氣溫直減率對氣溫進(jìn)行訂正后，子區(qū)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(qū)域1、6、7、20、21、22、23、27、31在各個(gè)季節(jié)分區(qū)訂正后，區(qū)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(qū)域各個(gè)季節(jié)晝夜的氣溫直減率要慎重使用，但是這些子區(qū)域全年平均的氣溫平均絕對誤差較常數(shù)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(qū)域14、29、30，在各個(gè)季節(jié)，無論是夜間還是白天，分區(qū)訂正后區(qū)域平均的氣溫平均絕對誤差較訂正前均有明顯降低。在實(shí)際的氣象預(yù)報(bào)服務(wù)業(yè)務(wù)中，關(guān)注較多的是地形較復(fù)雜的高海拔地區(qū)，因此，本文統(tǒng)計(jì)出的這些區(qū)域的氣溫直減率具有較好的應(yīng)用價(jià)值。

3" 結(jié)論

本文參照綜合自然區(qū)劃將中國分為33個(gè)子區(qū)域，基于國家基本氣象站點(diǎn)近10 a的逐小時(shí)氣溫觀測數(shù)據(jù)，利用統(tǒng)計(jì)學(xué)方法分區(qū)域、季節(jié)、晝夜擬合出近地面氣溫直減率。結(jié)果表明，氣溫直減率的時(shí)空分布存在明顯的差異性，且多數(shù)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(shù)以上的子區(qū)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(gè)秋季和冬季，絕大多數(shù)情況下氣溫直減率都低于0.65 ℃／（100 m）。平均來看，大多數(shù)子區(qū)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(qū)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(gè)季節(jié)分別為0.22、0.29、0.28、0.5 ℃／（100 m）。

應(yīng)用統(tǒng)計(jì)出的氣溫直減率對NCEP氣溫產(chǎn)品進(jìn)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(gè)預(yù)報(bào)時(shí)效均有所降低，所有時(shí)次平均降低0.56 ℃，最大降幅為1.20 ℃。特別是處于白天的各個(gè)時(shí)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(shù)訂正平均降低0.10 ℃。從季節(jié)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(qū)域1、6、7、20、21、22、23、27、31在各個(gè)季節(jié)分區(qū)訂正后，區(qū)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(qū)域平均的氣溫平均絕對誤差較常數(shù)訂正降低0.10 ℃。對于地形較為復(fù)雜的海拔高度較高的子區(qū)域14、29、30，在各個(gè)季節(jié)，無論是夜間還是白天，分區(qū)訂正后，區(qū)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(qū)域近地面氣溫直減率存在著明顯的時(shí)空變化，且同一個(gè)綜合自然區(qū)劃內(nèi)也可能出現(xiàn)差異，因此探討氣溫直減率的時(shí)空變化是非常有意義的。但是在本文的研究中發(fā)現(xiàn)，應(yīng)用分區(qū)訂正后，某些地區(qū)氣溫預(yù)報(bào)效果是變差的，例如青藏高原中部及北部地區(qū)，這一現(xiàn)象可能與氣溫直減率在不同海拔高度范圍內(nèi)存在差異有關(guān)（劉偉剛等，2013）。此外，山地地區(qū)氣溫直減率還會(huì)受到坡向、輻射強(qiáng)度、降水量、季風(fēng)、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(qū)劃的基礎(chǔ)上進(jìn)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(xiàn)（References）

陳耀登，方奎明，陳敏，等，2023.快速更新循環(huán)同化系統(tǒng)的背景場誤差協(xié)方差日變化特征研究及初步應(yīng)用［J］.大氣科學(xué)學(xué)報(bào)，46（2）：259-270." Chen Y D，F(xiàn)ang 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(tái)站冬夏季氣溫、降水的氣候變化特征及其顯著性檢驗(yàn)［J］.大氣科學(xué)學(xué)報(bào)，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(guī)律的研究［J］.科學(xué)通報(bào)，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(jié)和類型差異［J］.地理科學(xué)進(jìn)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(wèi)華，高凌峰，等，2020.遼寧地區(qū)ECMWF模式氣溫預(yù)報(bào)檢驗(yàn)及誤差訂正研究［J］.氣象與環(huán)境學(xué)報(bào)，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(qū)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(qū)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(shí)空分布特征［J］.自然資源學(xué)報(bào)，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(dòng)預(yù)測［J］.大氣科學(xué)學(xué)報(bào)，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(tǒng)2 m溫度偏差訂正方法研究［J］.氣象，41（6）：719-726." Wang J，Xu Z F，F(xiàn)an 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(shí)溫度場研究云南山地氣溫直減率［J］.遙感學(xué)報(bào)，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(xué)報(bào)，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(jìn)，等，2016.秦嶺太白山氣溫直減率時(shí)空差異性研究［J］.地理學(xué)報(bào)，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(qū)氣溫空間模擬方法［J］.山地學(xué)報(bào)，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?？茖W(xué)技術(shù)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(fù)雜地形區(qū)數(shù)值預(yù)報(bào)中的應(yīng)用［J］.大氣科學(xué)學(xué)報(bào)，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(xué)報(bào)，62（2）：251-255." Zheng C Y，F(xiàn)ang 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(xié)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(yù)報(bào)的影響［J］.大氣科學(xué)學(xué)報(bào)，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(zé)任編輯：倪東鴻）