羅貴東，吳海周，肖 鵬

(四川省達州市氣象局，四川 達州 635000)

基于MOS方法建立達州溫度預(yù)報模型

羅貴東，吳海周，肖 鵬

(四川省達州市氣象局，四川 達州 635000)

利用2009年4月—2010年6月歐洲中心數(shù)值預(yù)報資料及達州6個國家氣象站站溫度觀測資料，根據(jù)影響溫度變化的因素和相關(guān)分析篩選出了10余個因子，基于MOS方法建立預(yù)報模型。在溫度預(yù)報模型建立上，利用動態(tài)最優(yōu)子集回歸，經(jīng)過多次試驗，確定了最低氣溫和最高氣溫預(yù)報因子。通過2010年1月—2010年 6月與預(yù)報員主觀預(yù)報結(jié)果對比分析和7—9月試報檢驗，預(yù)報方法能夠有效提高達州溫度預(yù)報準(zhǔn)確率。1—6月檢驗結(jié)果最低氣溫平均偏小0.31℃，最高氣溫平均偏小0.53℃。7—9月份試報結(jié)果最低氣溫偏小0.34℃，最高氣溫偏小0.62℃。

MOS法；動態(tài)最優(yōu)子集回歸；溫度預(yù)報

1 引言

達州市地處區(qū)地處亞熱帶，地形復(fù)雜多樣，位于四川省東北部，川陜渝交界處，以山地為主，北部處于大巴山腹地，南部是華鎣山、明月山、銅鑼山三山構(gòu)成的川字型地形。復(fù)雜地形使其溫度變化也有不同于其他地區(qū)的特殊性。溫度變化對達州的影響也十分巨大，特別是對于農(nóng)業(yè)生產(chǎn)，如2006年的特大高溫伏旱和2008年的低溫雨雪冰凍災(zāi)害給達州造成了巨大的損失。因此高溫或低溫災(zāi)害在某種程度上并不亞于暴雨、干旱等氣象災(zāi)害的影響。提高溫度預(yù)報的準(zhǔn)確率，是氣象更好地為社會經(jīng)濟發(fā)展和人們生產(chǎn)生活服務(wù)的重要方面，具有很強的現(xiàn)實意義。

目前最常用的溫度預(yù)報統(tǒng)計方法有神經(jīng)網(wǎng)絡(luò)、卡爾曼濾波、回歸分析等幾種。徐琳娜等[1]以ECMWF數(shù)值預(yù)報輸出產(chǎn)品為基礎(chǔ)，對卡爾曼濾波、最優(yōu)子集回歸和嶺回歸3種方法針對溫江、宜賓、內(nèi)江、達縣2005年6—7月的溫度預(yù)報進行了計算。結(jié)果表明：在樣本完全相同的情況下，3種預(yù)報方法效果相當(dāng)。在預(yù)報方法相同而樣本長度不同的情況下，樣本長度為 60 d的預(yù)報效果較好。趙聲蓉[2]基于中國國家氣象中心T213模式、德國氣象局業(yè)務(wù)模式和日本氣象廳業(yè)務(wù)模式2 m高溫度預(yù)報，利用神經(jīng)網(wǎng)絡(luò)方法中的BP網(wǎng)絡(luò)建立了我國600多個站的溫度集成預(yù)報系統(tǒng)，預(yù)報結(jié)果檢驗，表明集成的溫度預(yù)報結(jié)果明顯優(yōu)于3個模式單獨的預(yù)報結(jié)果，72 h內(nèi)預(yù)報的平均絕對誤差在3℃以內(nèi)。王慶國等[3]利用數(shù)值預(yù)報產(chǎn)品的客觀分析場、南寧市單站溫、壓、濕等資料，建立未來南寧市24 h、48 h、72 h 最高、最低氣溫的動態(tài)因子逐步回歸預(yù)報方程。張慶奎等[4]用NCEP 格點資料，采用線性插值方法，計算出24 h預(yù)報場中各站點850 hPa溫度、850 hPa相對濕度和850 hPa垂直速度作為卡爾曼濾波的因子。各站的最低溫度預(yù)報效果要好于最高溫度預(yù)報效果，且最高溫度和最低溫度預(yù)報效果夏季要好于冬季。預(yù)報結(jié)果存在滯后性，尤其當(dāng)氣溫變化幅度較大時，明顯滯后實況值。陳優(yōu)平等[5]用GFS數(shù)值預(yù)報產(chǎn)品和當(dāng)?shù)氐孛嬗^測氣溫資料，采用卡爾曼濾波方法作嘉興市24 h和48 h日平均氣溫、 最高氣溫、最低氣溫的逐日滾動預(yù)報。結(jié)果表明：平均氣溫的預(yù)報效果最佳，最低氣溫次之，最高氣溫的準(zhǔn)確率相對最低；隨著時效增長，誤差增大；秋季的最高溫度誤差較小，而冬季則最低氣溫準(zhǔn)確率最高。段榮等[6]利用EC、T213天氣數(shù)值產(chǎn)品的溫度格點實時分析資料、預(yù)報資料以及貴州省黔西南州8個測站觀測資料，建立了“回歸方程預(yù)報值+修正值”的分縣溫度預(yù)報方程?；貧w方程先用相關(guān)系數(shù)篩選出相關(guān)較好因子，然后把這些因子作多元回歸統(tǒng)計；訂正值根據(jù)地理環(huán)境，天氣形勢分型造成的溫度差值來確定。方法在應(yīng)用中取得較好效果，預(yù)報誤差小于± 3.0℃，平均誤差 1.3℃。

2 研究方法與資料

2.1 影響氣溫變化的因素

由氣象學(xué)中常用的熱流量方程

(1)

可知，影響氣溫變化的因子主要是溫度平流、 垂直運動和非絕熱因子，在日常分析某地點氣溫變化時主要就考慮這三方面的因子。

2.1.1 溫度平流的影響 溫度平流項是由于氣溫沿水平氣流方向分布不均勻時，空氣水平運動所引起的局地氣溫變化，暖平流使氣溫上升，冷平流使氣溫下降。氣溫變化的程度取決于溫度平流的強度，它是一個決定日平均氣溫的主要因子，同時，溫度平流對于氣溫日變化也有很大的影響，常常會掩蓋氣溫的正常日變化。當(dāng)強冷空氣入侵時，氣溫明顯下降，一直處于負(fù)變溫，最低氣溫有可能出現(xiàn)在白天時段。

2.1.2 垂直運動的影響 垂直運動對氣溫變化的影響，主要與垂直運動的方向、強度以及大氣穩(wěn)定度有關(guān)，在一般情況下γd>γ，因而，(γd-γ)RT/Pg>0當(dāng)出現(xiàn)上升運動時ω< 0，這時溫度降低，當(dāng)出現(xiàn)下沉運動時ω> 0，溫度升高。

2.1.3 非絕熱因子的影響 氣溫的非絕熱變化是空氣與外界熱量交換的結(jié)果，包括輻射、 湍流交換、 凝結(jié)等過程，主要表現(xiàn)在大氣低層。影響局地氣溫變化的主要因子包括云、霧、降水和風(fēng)等。

2.2 預(yù)報統(tǒng)計方法

本文選擇的方法為動態(tài)最優(yōu)子集回歸。具體的做法就是先利用相關(guān)系數(shù)檢驗，篩選預(yù)報因子，然后根據(jù)這些因子建立多元線性回歸方程，方程每天用最近的新樣本進行回歸分析，經(jīng)過各種因子組合，選擇最優(yōu)子集回歸，確定預(yù)報因子。

回歸模型中自變量如果太多，會導(dǎo)致信息成本高，模型復(fù)雜，計算困難和不易理解分析，而且高度相關(guān)的自變量并不增強模型的預(yù)測能力，反而加大回歸系數(shù)的樣本變差，削弱模型的描述能力。

多元線性回歸中自變量的確定，根據(jù)理論知識和經(jīng)驗決定自變量，由于對部分自變量的作用不確認(rèn)，借助統(tǒng)計分析來實現(xiàn)剔除對問題的研究可能不重要，可能實際上與其他變量重疊以及較大測量誤差的因子。選出的自變量數(shù)既要足夠少，對因變量無重要作用的自變量不能多，也要充分多，對因變量有重要作用的自變量不能少。自變量應(yīng)選擇對因變量作最好預(yù)報的一組變量，該組自變量使回歸方程擬合得最好。

簡單地說最優(yōu)子集法實際上就是對所有自變量進行組合建立回歸模型，然后各模型預(yù)報結(jié)果和實際結(jié)果相比較確定預(yù)報誤差最小的那一組組合作為最后需要的回歸模型。該方法的優(yōu)點是殘差均方最小，F(xiàn)最大，回歸方程最優(yōu)；缺點是如果備選的預(yù)報因子較多時計算量很大，如有15個因子則需要215-1個子集回歸方程來挑選最優(yōu)。不能保證引入回歸方程的各自變量都有統(tǒng)計學(xué)意義、回歸方程外的各自變量都無統(tǒng)計學(xué)意義。

2.3 資料與數(shù)據(jù)來源

建立預(yù)報方程的資料樣本時間為2009年4月25日—2010年6月25日。本文所用的數(shù)值預(yù)報產(chǎn)品為ECMWF每天08時和20時(北京時 ，下同)的資料 ，空間分辨率為2.5°×2.5°，時間分辨率為24 h。ECMWF資料包括。數(shù)據(jù)均采用雙線性插值法，將歐洲中心的格點預(yù)報資料插值到達州市6個站點。方程建立和檢驗所用的實況資料為達州6個觀測站溫度資料。如果遇到缺少數(shù)值預(yù)報資料的樣本，該樣本舍去不要。

3 預(yù)報模型的建立

3.1 相關(guān)分析初選預(yù)報因子

根據(jù)影響氣溫變化的因素結(jié)合本地氣候特點，對達州氣溫變化的主要氣象因素選取溫度平流、天空狀況、大霧和降水，因此我們從歐洲中心數(shù)值預(yù)報產(chǎn)品中提取與這幾大因素有關(guān)的因子，并做相關(guān)分析。選850 hPa溫度以及海平面氣壓作為反映溫度平流的因子；選700 hPa和850 hPa的相對濕度能表征天氣活躍區(qū)，作為反映云天狀況和降水的因子；高度變化與溫度變化相關(guān)性不好，舍去。最后共確定了歐洲20時和08時850 hPa溫度、700 hPa濕度、850 hPa濕度、海平面氣壓、20時和08時平均溫度、平均海平面氣壓、700 hPa濕度和850 hPa濕度、平均濕度等因子作為數(shù)值預(yù)報因子。預(yù)報當(dāng)日的最高氣溫和最低氣溫作為實況資料預(yù)報因子。

3.2 預(yù)報方程的因子的確定

根據(jù)多元線性回歸分析的特點，不是變量越多擬合得越好，當(dāng)因子數(shù)是4～6個時擬合效果一般是最好的，為了減少計算量，結(jié)合預(yù)報經(jīng)驗我們選取了4～6個因子的各種組合來做回歸模型，預(yù)報誤差最小的回歸模型確定為最優(yōu)的一個組合。徐琳娜等[1]指出氣候變化的漸變性對預(yù)報結(jié)果有較大的影響 ，樣本數(shù)并不是越多越好，資料樣本長度60 d最好。我們在確定預(yù)報因子時利用過去60 d的資料樣本建立回歸模型。

經(jīng)過大量的計算，對各種因子組合的預(yù)報誤差進行比較，最后確定最優(yōu)回歸方程子集：

24 h最低氣溫的預(yù)報因子為：預(yù)報日前1 d歐洲中心48 h 08時和20時 850 hPa平均溫度；48 h 08時和20時平均海平面氣壓；48 h 08時 850 hPa、700 hPa平均濕度；24 h 08時 850 hPa、700 hPa平均濕度；預(yù)報日最高氣溫；預(yù)報日最低氣溫等6個因子。

24 h最高氣溫的預(yù)報因子為：48 h 08時 850 hPa溫度；48 h 20時 850 hPa溫度；48 h 08時和20時平均氣壓；48 h 08時 850 hPa、700 hPa 和20時 850 hPa、700 hPa平均濕度；預(yù)報日最高氣溫等5個因子。

表1 24 h最低氣溫回歸誤差排名前3的因子組合

表2 24 h最高氣溫回歸誤差排名前3的因子組合

48 h、72 h、96 h、120 h最高、最低氣溫預(yù)報因子和24 h一樣，只是數(shù)值預(yù)報時次不同，需要對應(yīng)各自的預(yù)報時效。

3.3 樣本長度的選擇

常規(guī)的統(tǒng)計方法，都是以大數(shù)定律為基礎(chǔ)的，即樣本越多則預(yù)測效果越好，但天氣變化存在周期性，如果不考慮年際變化、季節(jié)的逐漸轉(zhuǎn)變，利用固定不變的資料建立預(yù)報方程，以此為基礎(chǔ)進行統(tǒng)計預(yù)報，就會帶來預(yù)報結(jié)果很大的誤差。因此，需要找出一個相對較好的樣本長度，以使建立的預(yù)報方程的預(yù)報誤差最小。我們選擇了70 d、60 d、50 d、40 d、30 d 5個樣本長度對逐日最低氣溫、最高氣溫進行預(yù)報試驗。

圖1是依據(jù)5個樣本長度對2009年4月25日—2010年6月25日全市6個站點24～120 h日最低、最高氣溫預(yù)報值進行絕對誤差統(tǒng)計的平均結(jié)果。從中可見，幾個樣本長度下，預(yù)報效果差別不大，最低氣溫誤差在1.49～1.56℃之間，最高氣溫誤差2.31～2.33℃之間，不同樣本數(shù)之間的差值在0.1℃以內(nèi)。最低氣溫30 d誤差最大，為1.56℃；60 d誤差最小，為1.49℃。最高氣溫30 d、50 d天誤差均為3.33℃；60 d誤差最小，為2.31℃。因此，最后確定建立預(yù)報方程的樣本數(shù)量為60 d。

圖1 不同樣本數(shù)量絕對誤差

3.4 回歸系數(shù)的計算

回歸模型中預(yù)報因子已經(jīng)確定，但是回歸系數(shù)并不是固定的，而是每天加入新樣本重新統(tǒng)計。如何做到系數(shù)的動態(tài)變化，每天我們?nèi)☆A(yù)報日前60 d資料為統(tǒng)計樣本建立回歸方程，這樣預(yù)報方程回歸系數(shù)可以根據(jù)時間的變化不斷修訂，從而提高下一時刻預(yù)報精度。這也避免了用固定回歸系數(shù)時，當(dāng)今后數(shù)值預(yù)報結(jié)果精度提高，預(yù)報反而不準(zhǔn)確的問題。

該方法在保證預(yù)報準(zhǔn)確率的前提下，更容易和VB、EXCEL結(jié)合，具有編程簡單、使用方便的特點。在實現(xiàn)預(yù)報自動運行中主要用到了VBA技術(shù)，用EXCEL中的linest函數(shù)便可以進行多元回歸統(tǒng)計，計算出溫度預(yù)報結(jié)果。這里linest函數(shù)作用就是應(yīng)用最小二乘法建立回歸方程(公式4)。

3.5 預(yù)報誤差分析

3.5.1 時效誤差 從圖2可以看出溫度預(yù)報的準(zhǔn)確率與預(yù)報時效長短成反比，時間越長，誤差越大。最低氣溫平均絕對誤差，24 h最小，為1.22℃；120 h最大，為1.64℃。最高氣溫平均絕對誤差，24 h最小，為1.76℃；120 h最大，為2.66℃。不論是哪一個時次的預(yù)報，最高氣溫誤差始終大于最低氣溫誤差，這可能是最高氣溫波動更大的緣故。

圖2 各預(yù)報時效平均最低、最高氣溫絕對誤差

3.5.2 季節(jié)誤差 從圖3可以看出最低氣溫絕對誤差，夏季最小，為0.99℃，春季最大，為1.80℃，總的來說夏半年誤差小于冬半年。最高氣溫絕對誤差，冬季最小，為1.94℃，夏季最大，為2.49℃，總的來說冬半年誤差小于夏半年。春季最低氣溫誤差最大、夏季最高氣溫誤差最大，其原因是由于春季最低氣溫波動更大，夏季最高氣溫波動更大。另外，夏季最低氣溫準(zhǔn)確率1～5 d都很高，誤差在0.8～1.13℃之間，這也說明夏季最低氣溫波動較小。

圖3 各季節(jié)平均最低、最高氣溫絕對誤差(單位：℃)

表3 達州各站最低氣溫預(yù)報絕對誤差 (單位：℃)

3.5.3 地區(qū)誤差 從表1和表2可以看出，1～5 d平均絕對誤差，最低氣溫預(yù)報大竹最小，為1.36℃，開江最大，為1.68℃；最高氣溫預(yù)報開江最小，為2.21℃，渠縣最大，為2.37℃。

3.5.4 與預(yù)報員主觀預(yù)報結(jié)果對比分析 為了便于業(yè)務(wù)應(yīng)用和比較，這里客觀預(yù)報結(jié)果首先四舍五入到整數(shù)。通過對達州市2010年1—6月，1～5 d預(yù)報員主觀預(yù)報質(zhì)量檢驗結(jié)果和本研究客觀預(yù)報報結(jié)果對比分析可以看出：研究取得了較為明顯的成果，1～5 d最高、最低氣溫預(yù)報誤差均比主觀預(yù)報要小，最低氣溫平均偏小0.31℃，最高氣溫平均偏小0.53℃，見表3，表4。通過對比分析說明課題研究成果可以有效減小溫度預(yù)報誤差，提高達州市溫度預(yù)報能力。

表4 達州各站最高氣溫預(yù)報絕對誤差 (單位：℃)

表5 2010年1—6月最低氣溫預(yù)報對比 (單位：℃)

表6 2010年1—6月最高氣溫預(yù)報對比 (單位：℃)

3.5.5 強降溫天氣預(yù)報效果 2009年10月—2010年4月，出現(xiàn)的區(qū)域性強降溫天氣過程有2009年11月11—13日，2010年3月21—24日，2010年4月11—14日，其中3月21—24日全市氣溫平均下降13.2℃，另外兩次過程降溫幅度分別為8.2℃、7.9℃。

從3次強降溫過程的預(yù)報情況來看：強降溫時最低氣溫誤差明顯大于最高氣溫誤差，這與總體的誤差情況正好相反；最低氣溫預(yù)報絕大多數(shù)時候預(yù)報偏高，3次過程平均預(yù)報誤差偏高3.0℃，根據(jù)這個特點，在預(yù)計將會發(fā)生較強降溫的時候，預(yù)報員可以將最低氣溫預(yù)報值調(diào)低3℃左右；最高氣溫預(yù)報大多數(shù)時候預(yù)報也是偏高，3次過程平均預(yù)報誤差偏高1.4℃，根據(jù)這個特點，在預(yù)計將會發(fā)生較強降溫的時候，預(yù)報員可以將最高氣溫預(yù)報值調(diào)低1℃左右；預(yù)報方程提前2～3 d對降溫過程做出的預(yù)報已經(jīng)具有較好的指導(dǎo)作用，最低溫度預(yù)報時效長短和預(yù)報誤差大小的相關(guān)性不大，最高溫度預(yù)報誤差時效越長，誤差越大。

表7 強降溫過程最低、最高溫度預(yù)報誤差 (單位：℃)

3.5.6 誤差原因分析 溫度預(yù)報產(chǎn)生誤差的原因：一是，盡管歐洲中心數(shù)值預(yù)報是眾多數(shù)值預(yù)報產(chǎn)品中預(yù)報效果較好的，但其預(yù)報值肯定還是存在一定的誤差，那基于其產(chǎn)品制作的溫度預(yù)報也就必然會存在一定的誤差。二是，天空狀況對溫度有很大的影響，雖然數(shù)值預(yù)報因子中高空濕度對天空狀況有一定指示意義，但很難準(zhǔn)確反映出局地的天空狀況變化情況，從而導(dǎo)致預(yù)報出現(xiàn)偏差。三是在溫度出現(xiàn)較大波動時，線性回歸的平滑特性會減小溫度波動，從而導(dǎo)致溫度預(yù)報變化的幅度偏小。四是運用的數(shù)值預(yù)報產(chǎn)品的精細(xì)化程度不夠高，時間分辨率為12 h，空間分辨率為2.5°，這就不能完全反映出現(xiàn)最低最高氣溫時預(yù)報站點所在地的大氣情況。五是，短時的天氣變化對溫度影響較大，如陣雨等。本文所運用的數(shù)值預(yù)報產(chǎn)品反映的主要是大的環(huán)流形式，還無法預(yù)報短時局地天氣過程，而這些天氣對溫度的影響也至關(guān)重要。

最高氣溫誤差較大的原因：一是由于最高氣溫波動較最低氣溫波動更大，線性回歸平滑特性會減小這種波動。二是最高氣溫一般要先經(jīng)歷最低氣溫后再出現(xiàn)，根據(jù)蝴蝶效應(yīng)，微小的初始值變化，可能會引起后面巨大的變化。三是天空狀況變化對最高氣溫影響更為顯著，特別是午后，這是一般是最高氣溫出現(xiàn)的時段，而這時空氣又是一天中最不穩(wěn)定的時候，云的發(fā)展將對最高氣溫產(chǎn)生較大影響。

3.6 業(yè)務(wù)試驗效果

2010年7—9月對溫度預(yù)報平臺進行試運行，結(jié)果顯示：溫度試報結(jié)果較預(yù)報員主觀預(yù)報有明顯的提高，除了24 h最高溫度預(yù)報誤差比主觀預(yù)報大外，其余均較主觀預(yù)報要小，5 d平均最低溫度預(yù)報誤差減小了0.34℃，最高溫度預(yù)報誤差減小了0.63℃。

表9 2010年7—9月最低氣溫預(yù)報對比 (單位：℃)

表10 2010年7—9月最高氣溫預(yù)報對比 (單位：℃)

4 結(jié)論

①客觀的溫度預(yù)報方法能夠明顯的提高預(yù)報員溫度預(yù)報的準(zhǔn)確率。從1—6月檢驗結(jié)果1～5 d平均誤差最低氣溫為1.49℃，最高氣溫為2.31℃，最低、最高氣溫預(yù)報誤差均比主觀預(yù)報小，最低氣溫平均偏小0.31℃，最高氣溫平均偏小0.53℃。7—9月份試報結(jié)果也表明預(yù)報平臺溫度預(yù)報誤差也較預(yù)報員主觀預(yù)報小，最低氣溫偏小0.34℃，最高氣溫偏小0.62℃。

①預(yù)報誤差與溫度波動幅度成反比，當(dāng)溫度比較穩(wěn)定時準(zhǔn)確率較高，這與線性回歸本身的特性有關(guān)。因此夏天最高氣溫預(yù)報誤差最大，而最低氣溫誤差又最小；冬季最高氣溫預(yù)報誤差最小，春季最低誤差最大；最高氣溫預(yù)報大于最低氣溫。

③溫度預(yù)報的準(zhǔn)確率與預(yù)報時效長短成反比，時間越長，誤差越大。

④在有明顯降溫天氣過程出現(xiàn)，可以加入預(yù)報員的經(jīng)驗訂正，或者是加入不同天氣系統(tǒng)形式下的訂正預(yù)報值，這樣利于溫度預(yù)報誤差的進一步縮小。

⑤存在的不足。方法比較單一，還能進一步豐富，下一步可以采用不同方法和不同的數(shù)值預(yù)報產(chǎn)品，實現(xiàn)幾種方法和幾種模式的集成預(yù)報，這樣溫度預(yù)報的準(zhǔn)確率可能還會有一定提升。在缺少歐洲中心數(shù)值預(yù)報資料時，無法做預(yù)報，因此要盡量保證每天資料的完整。最高氣溫預(yù)報還有較大難度，需進一步研究。

[1] 徐琳娜，馮漢中.基于數(shù)值預(yù)報產(chǎn)品的溫度釋用方法比較[J].四川氣象，1998， 96 (2)：3-7.

[2] 趙聲蓉.多模式溫度集成預(yù)報[J].應(yīng)用氣象學(xué)報，2006，17 (1)：52-58.

[3] 王慶國， 黃歸蘭， 李廣海.南寧市溫度預(yù)報的動態(tài)因子逐步回歸方法研究[J].廣西氣象，2006，27 (增刊1)：51-53.

[4] 張慶奎，壽紹文，陸漢城.卡爾曼濾波方法在極端溫度預(yù)報中的應(yīng)用[J].科技信息，2008(35)：51-53.

[5] 陳優(yōu)平，陸琛莉，李云泉.基于GFS產(chǎn)品和卡爾曼濾波的嘉興市溫度客觀預(yù)報[J].氣象科技，2009，37 (2)：141-144.

[6] 段榮，李莉群，何海燕，等.利用天氣數(shù)值預(yù)報產(chǎn)品建立貴州黔西南州分縣溫度預(yù)報方程的方法及應(yīng)用[J].云南地理環(huán)境研究，2007，19(增刊)：67-70.

2015-02-03

羅貴東(1980—)，男，工程師，主要從事天氣預(yù)報及氣象服務(wù)工作。

1003-6598(2015)04-0016-06

P423

B