吳振玲 張楠 徐姝 董昊

（天津市氣象臺，天津 300074）お

摘要

綜合考慮天津地理位置的特殊性對局地小氣候的影響，針對精細(xì)到鄉(xiāng)鎮(zhèn)站點的天津精細(xì)化預(yù)報訂正業(yè)務(wù)，開展了天津局地小氣候分區(qū)的精細(xì)化氣溫訂正預(yù)報方法研究，提出了客觀劃分小氣候訂正區(qū)域的思路和方法，完成了訂正預(yù)報試驗及評估分析。2012年最高、最低氣溫訂正預(yù)報試驗表明，該方法訂正預(yù)報效果好，準(zhǔn)確率高， 1～5月逐日氣溫訂正預(yù)報的平均絕對誤差在0.44～1.52 ℃，且預(yù)報與實況的空間分布具有很好的一致性。

關(guān)鍵詞 局地小氣候；客觀劃分區(qū)域；精細(xì)化訂正；訂正預(yù)報試驗；檢驗評估分析

中圖分類號 SB161;PB429文獻(xiàn)標(biāo)識碼 A文章編號 0517-6611（2014）19-06304-05

お

Method of Fine Temperature Correction Prediction Based on Local Microclimatic Zoning over Tianjin Area

WU Zhen瞝ing et al

(Tianjin Meteorological Observatory, Tianjin 300074)

AbstractConsidering the impacts of Tianjins particular geographic location on local microclimate, the fine temperature correction forecast method based on local microclimatic zoning over Tianjin area was studied, which aimed at the stations in villages. Then, the idea and method of objectively dividing microclimatic correction regions were proposed, and the correction prediction tests and evaluation analysis were finished as well. The correction prediction tests for the maximum and minimum temperature in 2012 showed that the above method performed well in correcting temperature forecast and owned high accuracy. The averaged absolute errors of daily prediction for temperature correction from January till May were 0.44-1.52 ℃. The predicted and the real spatial distribution of temperature had an excellent consistency.

Key words Local microclimate; Objective zoning; Fine correction; Forecast correction experiments; Testing evaluation analysis

基金項目 中國氣象局氣象關(guān)鍵技術(shù)集成與應(yīng)用項目（CAMGJ2012睲04）。

作者簡介

吳振玲（1963-），女，天津人，教授級高級工程師，從事氣象服務(wù)與應(yīng)用氣象研究。

收稿日期 20140529

氣溫對干旱、霜凍、凍雨等災(zāi)害天氣的發(fā)生發(fā)展起著重要的作用［1］,是判斷農(nóng)業(yè)受災(zāi)程度的重要指標(biāo)之一［2］?，F(xiàn)代農(nóng)業(yè)生產(chǎn)模式的發(fā)展增強(qiáng)了對天氣變化的敏感性，即使在少雨的冬春季節(jié)里，氣溫變化對大面積的大棚農(nóng)業(yè)生產(chǎn)及冬小麥生長影響也非常大，尤其是城市的菜籃子工程對精細(xì)化氣溫預(yù)報提出了更高的要求。地處渤海西岸的天津，北鄰燕山、東臨渤海、西接內(nèi)陸，地理位置特殊，具有半海洋半陸地的氣候特征，南北、東西區(qū)域形成比較明顯的局地小氣候特點，造成渤海沿岸地區(qū)的氣溫、風(fēng)速等氣象要素與北部山區(qū)、西部和南部內(nèi)陸地區(qū)有較為顯著的差異。天津地區(qū)的氣溫分布不均給233個精細(xì)化站點的氣溫快速預(yù)報訂正帶來一定難度。

目前國內(nèi)的精細(xì)化氣溫預(yù)報訂正均是在數(shù)值預(yù)報和實時觀測資料的基礎(chǔ)上,利用多種數(shù)理方法解決模式預(yù)報誤差的［3-4］，使用方法不同，訂正效果也有所不同［5］。普遍使用的方法有直接采用數(shù)值預(yù)報格點值內(nèi)插處站點值完成精細(xì)化氣溫預(yù)報［6-7］；或采用模式內(nèi)插站點值和實況數(shù)據(jù)對比分析,結(jié)合地形逐站建立MOS預(yù)報模型完成訂正預(yù)報［8］，或采用少數(shù)代表站點訂正數(shù)據(jù)對劃定區(qū)域內(nèi)其他精細(xì)化站點預(yù)報訂正，訂正效果均好于模式輸出的結(jié)果。如吳建秋等利用統(tǒng)計降尺度技術(shù)完成南京地區(qū)的精細(xì)化氣溫預(yù)報訂正［9］；郭虎等還嘗試使用支持向量機(jī)的方法開展了北京和烏魯木齊國際機(jī)場精細(xì)化氣溫要素訂正預(yù)報［10-11］；丁建軍等嘗試以寧夏各地市代表站與該地市其他站之間的回歸方程的計算量為依據(jù)及以預(yù)報制作相似區(qū)內(nèi)訂正點與關(guān)聯(lián)點之間各預(yù)報要素關(guān)聯(lián)關(guān)系為依據(jù)2種方法，完成對高時空密度的精細(xì)化站點氣溫的預(yù)報訂正［12-13］。對精細(xì)到1 km的高時空分辨率氣溫預(yù)報來說，逐站建模的精細(xì)化預(yù)報訂正方法計算量大，滾動建模需要時間長，影響快速精細(xì)化預(yù)報訂正的及時性。利用相似區(qū)內(nèi)站點與站點間的統(tǒng)計關(guān)系完成分區(qū)訂正的方法，雖然計算速度快，但代表站點所在相似區(qū)的劃分多以行政區(qū)域為定義，存在一定的主觀性，削弱了代表站點的代表性，也會在訂正過程中加大訂正誤差，影響預(yù)報準(zhǔn)確率。高時空密度的區(qū)域自動氣象觀測站的穩(wěn)定運行，為定點定時的精細(xì)化要素預(yù)報訂正服務(wù)提供了及時客觀的基礎(chǔ)信息，如何高效合理地運用大量的自動觀測數(shù)據(jù)，快速準(zhǔn)確地實現(xiàn)加密站點的預(yù)報訂正是近幾年研究的重要問題之一。筆者根據(jù)天津不同鄉(xiāng)鎮(zhèn)、區(qū)縣的氣溫分布特點，開展了基于天津局地小氣候分區(qū)的精細(xì)化氣溫快速訂正方法研究，在訂正預(yù)報的區(qū)域劃分上進(jìn)行了改進(jìn)，以期進(jìn)一步縮小精細(xì)化氣溫訂正誤差，達(dá)到快速、準(zhǔn)確的氣溫訂正業(yè)務(wù)需求。

1 資料與方法

1.1 資料選取

氣溫資料選自天津地區(qū)233個自動氣象觀測站逐日連續(xù)觀測的實況資料，時間為2011年1~5月和2012年1～5月；天津市年平均氣溫、平均最高最低氣溫資料選自

1981～2010年天津地區(qū)13個區(qū)縣國家標(biāo)準(zhǔn)地面氣象觀測站觀測的氣溫資料，自動觀測站經(jīng)緯度資料來源于自動站安裝地理位置信息。

1.2 分析方法

1.2.1

局地小氣候分區(qū)訂正設(shè)計思路。

氣溫變化的一致性主要取決于氣候特征變化的一致性?？紤]天津地形與環(huán)境對各自局地小氣候特征形成的影響，在劃分氣溫訂正區(qū)域過程中，通過選取局地小氣候特征代表站點，將距離特征代表站點最近的精細(xì)化觀測站點組合在一起。目的在于所劃分的氣溫訂正區(qū)域內(nèi)，所有站點均具有最為接近的局地小氣候特征。

1.2.1.1

天津溫度氣候特征。

30年天津市年平均氣溫分布（圖1）統(tǒng)計表明，天津全市年平均氣溫為12.6 ℃，各區(qū)縣年平均氣溫為11.8～13.5 ℃；天津氣溫分布趨勢基本為由北向南隨著緯度的下降平均氣溫逐漸升高；天津城區(qū)中心市區(qū)年平均氣溫最高，靜海與渤海灣沿岸的塘沽、大港平均氣溫也比較高，低洼地區(qū)寶坻區(qū)平均氣溫最低，薊縣平均氣溫也很低。

圖1 天津30年平均氣溫(a)與36個代表站點年平均氣溫(b)對比

1.2.1.2

分區(qū)特征代表站點選取。

天津233個鄉(xiāng)鎮(zhèn)精細(xì)化站點中，根據(jù)地形特點、周邊環(huán)境特點及溫度氣候特征，分別在市區(qū)、薊縣、武清、寶坻、東麗、西青、北辰、寧河、漢沽、靜海、津南、塘沽、大港13個區(qū)縣內(nèi)布設(shè)了36個6要素自動氣象觀測站，其觀測運行穩(wěn)定、觀測數(shù)據(jù)齊全，將它們定義為36個局地小氣候分區(qū)的特征代表站點（簡稱代表站點），其他197個觀測站點定義為訂正站點。

1.2.1.3

代表站點氣溫特征的代表性。

圖1顯示，36個站點的平均氣溫分布與天津30年平均氣溫分布相似性比較好，有比較一致的冷暖中心及變化趨勢。再將36個代表站點年平均日極端氣溫與天津233個自動站平均日極端氣溫對比（圖2）分析，發(fā)現(xiàn)36個代表站點表征的天津氣溫分布特點與233個全自動站點的特征也非常接近，平均最高氣溫基本是從西向東遞減趨勢，最北部和最東部最低；平均最低氣溫基本是北低南高，中南部地區(qū)有從東南向西北方向遞減趨勢。表明36個代表站點具有比較好的代表性。

1.2.2

局地小氣候分區(qū)方法。由于36個站點分布的不均勻性，不同區(qū)縣內(nèi)代表站點稀疏不一，所以這里采用了以36個代表站點的坐標(biāo)作為36個標(biāo)準(zhǔn)基點，利用代表站點與訂正站點間的最短距離來劃分36個局地小氣候分區(qū)。

首先，計算訂正站點與代表站點之間的距離。考慮天津南北緯度最大差距僅為1.81°，南北最大距離僅有189 km，且自動站點分布較密集，天津范圍內(nèi)緯度變化對球面上兩點距離的影響很小。因此，計算距離時忽略了緯度的影響，直接利用經(jīng)緯度計算站點間的距離，

其公式為

玈﹊j=［(lat(i)-lat(j))2+(lon(i)-lon(j))2］1/2(i=1,2,…,197;j=1,2,…,36)，

式中，S﹊j為所要訂正站點與代表站點之間的距離，lat、lon分別為233個站點的緯度、經(jīng)度；i代表某一訂正站點，j代表局地小氣候區(qū)的某一代表站點。根據(jù)此公式計算訂正站點與代表站點之間的距離。

其次，逐一比較每個訂正站點與36個代表站點之間的距離，將距離某代表站點最近的訂正站點劃分為以該站點代表的局地小氣候區(qū)內(nèi)的分區(qū)訂正站點，每個小氣候區(qū)均由一組分區(qū)訂正站點組成，因此，得到以下36個局地小氣候訂正分區(qū)（簡稱訂正分區(qū)）

A1={D11,D12,…,D1﹏1獇Y{C1}

A2={D21,D22,…,D2﹏2獇Y{C2}

A3={D31,D32,…,D3﹏3獇Y{C3}

螵

A琺={D琺1,D琺2,…,D琺﹏m獇Y{C琺}

，式中，A琺表示m訂正分區(qū)；D琺﹏m表示m訂正分區(qū)內(nèi)訂正站點;C琺表示m訂正分區(qū)內(nèi)代表站點;m代表訂正分區(qū)數(shù)量，m=36，n1≠n2≠n3≠…≠nm，為自然數(shù)，且均小于36。お

1.2.3

分區(qū)氣溫訂正方法?？紤]天津季節(jié)特征明顯以及逐月氣候特征變化對氣溫的影響，在分區(qū)訂正因子中加入了代表站點和訂正站點的月平均極端（或定時）氣溫2個因子。利用公式

Td1﹏1=Tc1+(T d1﹏1-T c1)

Td1﹏2=Tc2+(T d2﹏2-T c2)

Td3﹏3=Tc3+(Td3﹏3-T c3)

螵

Td琺﹏m=Tc琺+(Td琺﹏m-T c琺)

在36個訂正分區(qū)內(nèi)逐月逐站建立分區(qū)極端（或定時）氣溫訂正關(guān)系。式中，Td琺﹏m表示m分區(qū)內(nèi)某個訂正站點極端（或定時）氣溫；Tc琺表示m分區(qū)內(nèi)代表站點極端（或定時）氣溫;T d琺﹏m為第m訂正分區(qū)內(nèi)的訂正站點月平均極端（或定時）氣溫;T c琺為第m訂正分區(qū)內(nèi)的代表站點月平均極端（或定時）氣溫;m代表訂正分區(qū)數(shù)量，m=36，n1≠n2≠n3≠…≠nm，為自然數(shù)，且均小于36。お

1.2.4

訂正模型的檢驗。采用上述局地小氣候分區(qū)氣溫訂正的方法，利用2011年1～5月的天津233個區(qū)域自動站的氣溫觀測資料，建立了分區(qū)訂正站點的最高氣溫、最低氣溫訂正關(guān)系—訂正模型，對2012 年1～5月分區(qū)訂正站點進(jìn)行

了訂正預(yù)報試驗。針對訂正預(yù)報結(jié)果的空間分布一致性進(jìn)

行了檢驗，同時利用公式

玊﹎ean=1 N∑N i=1｜F璱-O璱｜分別對36個訂正分區(qū)的預(yù)報訂正準(zhǔn)確率進(jìn)行了評估。

式中，T ﹎ean代表某訂正分區(qū)平均絕對誤差，F(xiàn)璱為該分區(qū)第i個站點訂正預(yù)報溫

度，O璱為該分區(qū)第i站點實況溫度，N代表該分區(qū)內(nèi)自動站

注：a1、b1為36站平均；a2、b2為233站平均。

圖2天津平均最高(a)和最低(b)氣溫分布（單位： ℃）的個數(shù)。

2 精細(xì)化氣溫訂正試驗結(jié)果分析

2.1 訂正預(yù)報的空間分布檢驗

預(yù)報試驗結(jié)果（圖3~4）顯示，最高、最低氣溫預(yù)報訂正空間分布與實況空間分布具有非常好的一致性；最低氣溫預(yù)報的一致性略優(yōu)于最高氣溫，最低氣溫預(yù)報與實況分布的高、低值的中心位置、區(qū)域范圍、中心值的大小均非常吻合；最高氣溫預(yù)報中，除了3月的預(yù)報與實況空間分布略有差異之外，其他4個月的預(yù)報與實況分布具有很好的吻合度。

2.2 訂正預(yù)報準(zhǔn)確率檢驗

2.2.1

日平均絕對誤差。利用公式

玊 ﹎ean=1 N∑N i=1｜F璱-O璱｜計算了天津2012年1～5月逐日的訂正氣溫的平均絕對誤差，結(jié)果（圖5）表明，訂正誤差小，1～5月天津全市的日平均絕對誤差全部小于2 ℃，最高氣溫的訂正誤差范圍為0.44～1.48 ℃，最低氣溫訂正誤差范圍為0.47～1.52 ℃；最高氣溫訂正預(yù)報精確度高于最低氣溫；最高氣溫訂正誤差中，≤1 ℃的日平均絕對誤差占80%，主要分布在1、2、4、5月；3月訂正的絕對誤差基本大于1 ℃以上；雖然1～5月的最低氣溫訂正誤差升降變化與最高氣溫的訂正誤差變化基本一致，但1、2月平均絕對誤差>1 ℃，≤1 ℃的平均絕對誤差占78%，主要分布在3~5月。表明最高氣溫訂正效果總體好于最低氣溫訂正。

2.2.2

36個分區(qū)訂正預(yù)報評估。同樣的方法，在36個訂正分區(qū)內(nèi)，分別計算了2012年1～5月36個局地小氣候區(qū)域訂正氣溫的逐日平均絕對誤差，按照氣溫評分規(guī)定，分別對絕對誤差≤2 ℃、≤1 ℃的預(yù)報準(zhǔn)確率進(jìn)行分區(qū)評估。從36個分區(qū)準(zhǔn)確率檢驗分析結(jié)果（表1）可以看出，預(yù)報準(zhǔn)確率高。絕對誤差≤2 ℃的檢驗中，36個分區(qū)的最低、最高氣溫的平均準(zhǔn)確率超過了90%，最低氣溫訂正預(yù)報的準(zhǔn)確率僅有1個分區(qū)低于75%，為61%；最高氣溫的準(zhǔn)確率也僅有1個分區(qū)低于73%，為49%；其他分區(qū)訂正預(yù)報準(zhǔn)確率均達(dá)70%以上；最低氣溫訂正準(zhǔn)確率超過80%以上的分區(qū)數(shù)量達(dá)33個，高于最高氣溫（30個），但最高氣溫訂正準(zhǔn)確率達(dá)100%的分區(qū)數(shù)量達(dá)14個，訂正預(yù)報完全正確分區(qū)比例接近40%。絕對誤差≤1 ℃的檢驗中，最低、最高氣溫的平均準(zhǔn)確率均超過了70%，達(dá)到80%以上的分區(qū)數(shù)量不足36分區(qū)的一半，最高氣溫準(zhǔn)確率明顯高于最低氣溫。

圖3 2012年1～5月最低氣溫訂正預(yù)報與實況空間分布對比

圖4 2012年1～5月最高氣溫訂正預(yù)報與實況空間分布對比

2.3 訂正預(yù)報應(yīng)用分析

訂正預(yù)報與觀測實況的空間分布具有高度的一致性，表現(xiàn)為兩者空間分布圖的形狀、高值或低值中心位置、冷暖區(qū)域范圍、中心值的大小均基本吻合。

逐日訂正預(yù)報的誤差小，準(zhǔn)確率高，表現(xiàn)為5個月的天津全市日平均絕對誤差全部小于1.6 ℃，最高氣溫的訂正誤差范圍為0.44～1.48 ℃，最低氣溫訂正誤差范圍為0.47～1.52 ℃；全市最高氣溫的日平均絕對誤差≤1 ℃的區(qū)域訂正站點達(dá)80%，最低氣溫為78%。36分區(qū)絕對誤差≤2 ℃訂正準(zhǔn)確率較高，36個分區(qū)最低、最高氣溫的平均準(zhǔn)確率均在90%以上，部分分區(qū)訂正準(zhǔn)確率達(dá)100%；絕對誤差1 ℃以內(nèi)的最低、最高氣溫平均準(zhǔn)確率也超過了70%。表明該方法選取的分區(qū)代表站點的小氣候特征代表性好。

2.4 產(chǎn)生2 ℃以上誤差的原因分析

圖5 2012年1～5月訂正氣溫日平均絕對誤差

3小結(jié)與討論

上述精細(xì)化氣溫訂正試驗表明，在合理選取小氣候代表站點和劃分小氣候訂正分區(qū)基礎(chǔ)上，利用少數(shù)代表站點完成精細(xì)化站點的氣溫訂正預(yù)報具有可行性，該方法的訂正預(yù)報結(jié)果不僅與觀測實況的空間分布具有高度的一致性，且訂正預(yù)報誤差小、準(zhǔn)確率高，適用于現(xiàn)有業(yè)務(wù)中高時空分辨率的短期精細(xì)化氣溫快速訂正預(yù)報。

綜合考慮天津地理位置形成的局地氣候特點，氣溫訂正區(qū)域不再沿用傳統(tǒng)的行政邊界區(qū)域定義，而是采用了根據(jù)距離判斷的客觀劃分方法，將距離代表站點最近的觀測站點組合在同一小氣候分區(qū)，保證了代表站點和訂正站點具有非常相似的局地小氣候特征，最大程度上消除了局地小氣候?qū)?/p>

溫訂正的影響，使氣象要素變化趨勢趨于一致，利于建立穩(wěn)

表136個分區(qū)準(zhǔn)確率檢驗分析結(jié)果

氣溫

誤差≤2 ℃檢驗

平均ぷ既仿省%

分區(qū)數(shù)量∥個

100%準(zhǔn)確率 ≥90%準(zhǔn)確率 ≥80%準(zhǔn)確率

誤差≤1 ℃檢驗

平均ぷ既仿省%

分區(qū)數(shù)量∥個

100%準(zhǔn)確率 ≥90%準(zhǔn)確率 ≥80%準(zhǔn)確率

最低氣溫 93.7 530 3370.2 0 5 14

最高氣溫 92.5 1427 3076.5 0 11 17

お

定的統(tǒng)計訂正關(guān)系。

參考文獻(xiàn)

［1］ 盛裴軒,毛節(jié)泰,李建國,等.大氣物理學(xué)［M］.北京：北京大學(xué)出版社，2003：122-154．

［2］ 薛志磊,張書余.氣溫預(yù)報方法研究及其應(yīng)用進(jìn)展綜述［J］.干旱氣象,2012，30(3):451-458.

［3］ 邱學(xué)興,王東勇,陳寶峰,等.T639模式預(yù)報系統(tǒng)誤差統(tǒng)計和訂正方法研究［J］.氣象，2012，38(5):526-532.

［4］ 李莉,李應(yīng)林,田華,等.T213全球集合預(yù)報系統(tǒng)性誤差訂正研究［J］.氣象，2011,37(1):31-38.

［5］ 李佰平,智協(xié)飛.ECMWF模式地面氣溫預(yù)報的四種誤差訂正方法的比較研究［J］.氣象，2012,38(8):897-902.

［6］ 胡江林，張德山，王志斌，等.北京地區(qū)未來1～3天晝夜氣溫預(yù)報模型［J］.氣象，2005,31(1)：67-68．

［7］ 韓世剛,吉莉,茍思,等.最高(低)溫度PP法預(yù)報修正方案的比較研究［J］．高原山地氣象研究，2009,29(3):66-68.

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

［9］ 吳建秋,郭品敏.基于統(tǒng)計降尺度技術(shù)的精細(xì)化溫度預(yù)報［J］.中國科技信息,2009(12):44-45.

［10］ 郭虎,王建捷,楊波,等.北京奧運演練精細(xì)化預(yù)報方法及其檢驗評估［J］.氣象，2008,34(6):17-25.

［11］ 朱國棟.基于SVM方法的烏魯木齊國際機(jī)場多要素預(yù)測［J］.沙漠與綠洲［J］.氣象,2011,5(4):40-43.

［12］ 丁建軍,羅兵,趙光平,等.精細(xì)化預(yù)報訂正平臺設(shè)計［J］.氣象，2008,34(11)：89-95.

［13］ 丁建軍,胡文東,丁永紅,等.寧夏區(qū)域精細(xì)化溫度預(yù)報業(yè)務(wù)平臺［J］．氣象科技，2005,33(3)：283-288．