施 蕭，裴軍林，江曉華，黨建濤，楊道勇

（中國人民解放軍63796 部隊氣象室，615000）

隨著氣象預報精細化以及各行業(yè)對專業(yè)氣象服務需求的提高，逐時氣溫已經成為一種較為重要的專業(yè)氣象要素預報。氣溫屬于連續(xù)性要素，在強冷氣團或者強暖氣團的影響下氣溫會出現劇烈的波動，而一般情況下卻屬于平穩(wěn)變化。因此，找出氣溫的日變化趨勢，預報出日最高、最低氣溫是當前提高逐時氣溫預報水平的關鍵。近年來，一些科研業(yè)務人員針對逐時氣溫做過大量有意義的工作，馬芳梅[1]引入了日溫差概念，通過周期函數擬合了一個逐時氣溫的經驗方程；陸如華[2]在國內首次將Kalman 濾波算法引入到溫度極值的預報，其通過動態(tài)建模的方法有效地提高了日最高、最低溫度預報的準確率；張德山[3]根據長期逐時氣溫的氣候統(tǒng)計情況，建立了日較差分級方法，并將其運用到北京地面逐時氣溫的預報；徐學芳[4]通過氣象要素分布相似原理預報了相同氣候背景下的逐時氣溫。以上工作取得了豐碩的成果，但是，目前數值預報模式產品以及其它資料在逐時氣溫中的綜合運用卻較少。隨著基層臺站建站以來常規(guī)觀測報文資料的長期積累以及可接收數值模式產品的豐富多樣，如何充分利用這些資料并將其運用到逐時氣溫預報領域是一個迫切的要求。

本文以保障場區(qū)作為預報點，綜合運用常規(guī)觀測報文和T213 產品，通過簡單的天氣分型，分析了不同環(huán)流型下逐月的日平均氣溫增率，并借助Kalman 濾波方法建立了場區(qū)溫度極值的預報模型，最終形成了場區(qū)72 h 逐時氣溫預報模型。

1 資料介紹

本文所用資料為1980—2010年東亞常規(guī)氣象觀測報文、1974—2011年場區(qū)逐時氣溫觀測記錄、通過中國氣象局下發(fā)的2009年1—7月T213 模式產品。其中T213 模式起報時間為當天北京時20 時（后續(xù)均為北京時），接收的模式產品是經過后處理的，屬于均勻經緯網格，分辨率為1°×1°。常規(guī)氣象觀測報文分為地面和高空報文，高空報文分為08 時和20 時兩次觀測，地面觀測多為6 h 間隔。T213 資料1—2月缺失4 d，6—7月缺失10 d。此外，本場站的冷空氣指標站——成都站或溫江站在2004 下半年到2005年期間缺失。

2 逐月天氣型與氣溫增率

氣溫是一連續(xù)性標量，具有較好的時間平穩(wěn)性，實際溫度可以視為平均溫度曲線上的擾動。氣溫影響因素較多,其中針對溫度平穩(wěn)序列影響最大的是冷暖平流和太陽輻射。冷暖平流和太陽輻射主要決定于環(huán)流形勢和大氣濕度條件。其中大氣濕度條件變化較大，且時空分布不均，故這里主要探討能夠影響冷暖平流的不同環(huán)流形勢下溫度增率情況。

將場區(qū)周圍一合適范圍視為關鍵區(qū)，關鍵區(qū)范圍為25～40°N，95～115°E，由于場區(qū)海拔近2 000 m，故關鍵區(qū)環(huán)流形勢的確定主要依據500 hPa。關鍵區(qū)主體為偏北風時，場區(qū)可能受北側冷氣團影響，偏南風時則受暖氣團影響。據場區(qū)長年統(tǒng)計，影響場區(qū)的冷空氣主要是經河套地區(qū)南下或者經高原東南側影響；影響場區(qū)的干暖氣團主要來自于場區(qū)西南。因此，這里依據偏北風“西高東低”、偏南風“西低東高”的原則選擇6個站點，根據經向地轉風的風向建立簡單的環(huán)流分型標準，初步分型條件及結果見下式和表1。

表1 經向地轉風分型依據及結果[5]

以上僅反映了500 hPa 高空的環(huán)流形勢，冷暖空氣往往通過低層直接影響場區(qū)，因此需要考慮高低層配置的情況。通過場區(qū)預報員長年積累的經驗，當成都站或者溫江站700 hPa 為東北風時，12 h 內冷空氣將會影響到場區(qū)；當場區(qū)500 hPa 和700 hPa均為西南風，且場區(qū)周圍為“西低東高”形勢時，場區(qū)受南側干暖氣團影響。

最終環(huán)流分型標準如下：

（1）環(huán)流型一：當△HN>0 且成都站（溫江站）700 hPa 為東北風時，關鍵區(qū)為偏北氣流型；

（2）環(huán)流型二：當△HS<0 且場區(qū)700 hPa 為西南風時，關鍵區(qū)為偏南氣流型；

（3）環(huán)流型三：在以上兩種環(huán)流型之外的。

通過統(tǒng)計：環(huán)流型一所占比例為25.0%，環(huán)流型二所占比例為34.6%，環(huán)流型三所占比例為40.4%，大致與實際情況相符。

溫度有較為平穩(wěn)的日變化、月變化。由于實況觀測記錄有30 a，記錄較長，因此本文針對以上3 種環(huán)流形勢統(tǒng)計了各月的日平均溫度增率，總計36 種溫度增率。氣溫增率計算時間從02 時起，24 時止。為了便于計算，溫度進行歸一化處理。d 代表天數，h為小時，Td，min為當天歷史最低氣溫，Td，max為當天歷史最高氣溫。

圖1 3—7月各環(huán)流型的日平均氣溫增率

為配合后續(xù)預報試驗，本文僅給出3—7月各環(huán)流型的氣溫增率曲線。圖1 為3—7月對應各環(huán)流的日平均氣溫增率，圖示“clp103”為3月第一種環(huán)流型的氣溫增率?？傮w來看，每天的9 時或10 時氣溫增加最快，20 時左右氣溫下降最快；8—16 時是氣溫累積升高時期。此外，還可以通過每條氣溫增率曲線分析出平均每天氣溫最低值及最高值出現的時間，通過圖1，可知3月場區(qū)每天的極端溫度低值在8時左右，4—7月基本都是在7 時，6月第2 種環(huán)流型對應的日最低氣溫在6 時。氣溫最低值出現時間的統(tǒng)計，可以作為后續(xù)逐時氣溫中溫度拐點。

3 日最高和月最低氣溫的計算

Kalman 濾波算法由R.E.Kalman 在1960年創(chuàng)立，1987年由北歐一些國家引入到氣象領域。由于Kalman 濾波算法主要是借助前時刻的濾波結果來遞推出現時刻的狀態(tài)估量，所以Kalman 濾波方法主要用于溫度、風等連續(xù)性要素的預報[2，6]。Kalman濾波方法所需建模資料少，可以根據資料的延續(xù)進行參數的修正，進而實現動態(tài)建模，被認為是繼MOS、PP 方法之后一種較好的數值產品釋用方法。

3.1 Kalman 濾波系統(tǒng)簡介

將Kalman 濾波方法用于天氣預報時，可將通常的回歸方程作為卡爾曼濾波中的量測方程，回歸系數可視為需隨資料長度而更新的Kalman 濾波系統(tǒng)狀態(tài)向量：上式中Yt是預報量，Xt是預報因子，βt是回歸系數，et是量測噪聲，εt-1為動態(tài)噪聲。從t-1時刻到t時刻的過程中，因受到動態(tài)噪聲εt-1的影響，狀態(tài)向量由βt-1變化到βt。

3.2 預報對象和預報因子

預報對象有6個，分別為場站3—7月逐日向后3 d（72 h）內各天溫度的最大高、最低值。這里針對每個預報對象建立相應的預報模型。預報起始時間為北京時00 時。其中6—7月缺10 d，該10 d 不進行預報。

預報因子所用資料來源為常規(guī)報文和T213 產品。資料時間范圍為2009年的1月和2月，其中T213 資料缺4 d。針對6個預報對象的因子都一樣：

（1）動力因子：本站、溫江站前一天20 時和當天08 時的經向、緯向風場，風場分為三層，即700 hPa、500 hPa、300 hPa。本站、溫江站當天08 時和前一天20 時500 hPa 的高度差，合計26個；

（2）熱力因子：本站前后兩天08 時和14 時的溫度、前一天20 時的相對比濕。其中24 h 內相對比濕改為溫度露點差的實況，合計5個。

為了綜合利用常規(guī)報文和T213 產品，24 h 內的預報凡是因子涉及到前一天的時次均由實況觀測代替。此外，T213 中的站點數據采用距站點最近的格點。

3.3 預報因子處理以及Kalman 濾波初值建立

預報因子較多容易造成預報方程后續(xù)預報的不穩(wěn)定，因此需要精簡因子，剔除不必要的因子，引入重要的因子。在數理統(tǒng)計中，常用逐步線性回歸的方法，即根據預報因子的偏相關系數和方差貢獻進行預報因子的篩選，同時建立預報方程。本文運用逐步線性回歸方法選擇因子并得到回歸方程的系數β。逐步線性回歸較常用，具體見文獻[7]。

鑒于1、2月T213 產品缺失4 d，因此在逐步線性回歸選擇合適因子后，選擇前27 d 和后27 d分別建立多元線性回歸方程，然后得到動態(tài)噪聲的方差陣W。最后選擇最后一天，找出量測噪聲的方差陣V。Kalman 濾波方法中的狀態(tài)參數即逐步回歸得到的回歸系數β。

3.4 預報對象質量控制

客觀預報的溫度最高、最低值有時會出現超過歷史極值的極端值。此外，由于溫度最大值，最小值獨立預報，同一天的溫度預報最小值有時也可能大于最大值。因此，需要一定的質量控制規(guī)則進行溫度預報值的主觀修訂。

（1）找出1974—2011年以來場區(qū)各天出現的溫度最高、最低值，進而統(tǒng)計38 a 來各天溫度的極值，合計366 對數據。實際預報中，當某天預報的溫度最高值大于歷史當天最高值時，最高值取歷史當天最高值，預報溫度最低值出現該情況時同之。

（2）當某天預報的溫度最高值小于溫度最低值時，最高溫度取最低溫度再加3 ℃。

3.5 溫度最高、最低值預報結果分析

表2 是3—7月總的最高、最低溫度預報的絕對誤差值?？梢钥吹?，3—7月平均溫度絕對誤差隨著預報時效的延長是呈增加趨勢的，但是總體來看，最高、最低溫度平均絕對誤差值能夠在3 ℃以內，說明總體預報效果還是可以接受的。另外，通過質量控制，也有效的提高了預報準確率。

表2 3—7月最高、最低溫度預報實況的平均絕對誤差/℃

4 逐時氣溫的計算

4.1 逐時氣溫計算依據

在逐時氣溫的實際計算中，由于目前預報能力的局限以及所用資料時空分辨率的限制，對于場區(qū)72 h 內各天最高、最低值出現的時間難以做到精確。另外，場區(qū)海拔較高，較強的冷空氣影響場區(qū)次數并不是過于頻繁。因此，判斷場區(qū)各月最高、最低溫度出現時間主要根據各月環(huán)流型對應的溫度最值出現時間。

由于溫度是連續(xù)性變量，當1～24 h，25～48 h，49～72 h 中的最低最高溫度值出現時間確定后，可以由溫度最高、最低值進而結合各天的環(huán)流型及對應的溫度增率進行逐時氣溫的計算。相應的逐時計算分為溫度下降期間的計算即1 h 到24 h 內最低氣溫出現時間，24 h 內最高溫度到25～48 h 最低溫度，25～48 h 最高溫度到49～72 h 最低溫度，49～72 h最高溫度到72 h 節(jié)點；上升階段分為1～24 h、25～48 h、49～72 h 最低氣溫到最高氣溫的計算。

4.2 逐時氣溫計算結果分析

表3 是場區(qū)3—7月72 h 逐時氣溫預報的平均結果，分析依據預報實況絕對誤差值。由結果分析可知，隨著時間的延伸，預報效果是變差的。但總體上看，如果3 ℃以內為預報正確，則預報準確率能夠達到73.2%，依然有一定的參考意義。預報效果是對預報模型的檢驗，一方面說明了建模過程中還存在著不足，另一方面也反映了了轉折性天氣的溫度預報問題。

表3 3—7月72 h 逐時氣溫預報實況的平均絕對誤差/%

5 結論

本文綜合利用常規(guī)報文和T213 模式產品探討了場區(qū)逐時氣溫的預報技術，通過逐步線性回歸、Kalman 濾波、基于環(huán)流形勢的溫度增率統(tǒng)計，形成了場區(qū)逐時氣溫的客觀預報方法，然后預報了場區(qū)3—7月72 h 逐時氣溫。預報結果有一定參考意義，預報技術可以推廣至其它模式產品，但還存在不足，可以從以下進行改進：

（1）釋用預報的效果與預報因子有較大關系，本文主要在干季選擇了因子并進行建模然后向后預報，在場區(qū)實際應用中可以雨季、干季、過渡季節(jié)分開進行逐步線性回歸選擇因子并建立Kalman 遞推系統(tǒng)。

（2）最高、最低溫度的預報精度及預報時間會明顯影響逐時氣溫預報效果，遇到天氣轉折時，影響尤為明顯。一次劇烈天氣往往影響時間有限，對于劇烈天氣影響的那天，可以借助區(qū)域數值模式的預報或者主觀訂正進行一定的修正。

（3）環(huán)流形勢與氣溫增率相關性較好，場區(qū)積累資料時間已經較長，可以針對豐富的環(huán)流分型，找出各環(huán)流型下的溫度增率，進而得到場區(qū)的逐時氣溫。

[1]馬芳梅，金六一，張昆峰.一個逐時氣溫方程[J].華中理工大學學報，1995，23（8）：46-49.

[2]陸如華，徐傳玉，張玲，等.卡拉曼濾波的初值計算方法及其應用[J].應用氣象學報，1997，8（1）：34-42.

[3]張德山，竇以文，白鋼，等.日較差分級的北京地面逐時氣溫預報[J].氣象，1999，25（5）：54-57.

[4]徐學芳，王英，焦育忠.場區(qū)逐時氣溫統(tǒng)計預報[J].導彈試驗技術，2004（4）：56-57.

[5]樊曉春，董彥雄，董安祥，等.T213 資料在冰雹短期預報中的釋用[J].干旱氣象，2004，22（1）：86-89.

[6]孔玉壽，章東華.現代天氣預報技術[M].北京：氣象出版社，2005.

[7]施能.氣象統(tǒng)計預報[M].北京：氣象出版社，2009.