陳詩琳

（珠海市斗門區(qū)氣象局，廣東珠?！?19100）

基于時間尺度分離的斗門開汛日期預(yù)測模型

陳詩琳

（珠海市斗門區(qū)氣象局，廣東珠海519100）

采用小波分析、低通濾波、相關(guān)分析、逐步回歸以及最優(yōu)子集回歸等方法建立斗門開汛日期的預(yù)測模型。將開汛日期序列分解為年際變化和年代際變化2個分量，分別研究其與前期冬季500 hPa高度場、850 hPa風場、海平面氣壓場和海溫場的相關(guān)性，并將顯著相關(guān)區(qū)域作為初選因子。通過逐步回歸將因子數(shù)限制在10個以內(nèi)，最后應(yīng)用最優(yōu)子集回歸建立預(yù)測模型。結(jié)果表明：這種分離時間尺度的回歸預(yù)測模型具有較好的擬合效果，計算得出的回歸序列與原距平序列相關(guān)系數(shù)為0.81，兩者同號率為77.8%，其中相差±7 d以內(nèi)年份約占42.2%；相差±15 d以內(nèi)的年份約占75.6%。最后對2012—2014年開汛日期進行試報，其中2012和2014年試報效果較好，誤差分別為-5.89和-10.45 d。

預(yù)報方法；開汛日期；分離時間尺度；預(yù)測模型；斗門

陳詩琳.基于時間尺度分離的斗門開汛日期預(yù)測模型［J］.廣東氣象，2016，38（4）：26-29.

陽江-斗門一帶是廣東3個多雨中心之一，年雨量超2 000 mm。斗門位于此多雨中心的東部，地處珠江口西側(cè)，瀕臨南海，雨水充沛，而前汛期（4—6月）則是其主要降水時段，雨量占全年的42.0%。進入前汛期，標志著進入一個強降水頻發(fā)、洪澇災(zāi)害多發(fā)的時期。因此，在每年的前汛期形勢預(yù)報中，關(guān)于開汛日期的預(yù)測是氣象部門的一項重要工作內(nèi)容，對政府合理安排農(nóng)工業(yè)生產(chǎn)和防洪防澇工作具有極其重要的意義。一般而言，廣東大部分地區(qū)的前汛期大致在4—6月，但實際開汛的時間存在地域差異，其中南部較北部稍晚。近年來從不同角度找尋廣東前汛期降水影響因子及對開汛日期建立預(yù)報模型已有一些工作［1-7］，但針對斗門開汛日期的研究幾乎沒有。本研究將基于前人對廣東前汛期降水的研究成果，系統(tǒng)分析不同時間尺度上斗門開汛日期與500 hPa高度場、850 hPa風場、地面氣壓場和海溫場的關(guān)系，建立不同時間尺度上斗門開汛日期的預(yù)測模型，以期加強對這方面的氣候預(yù)測。

1　資料和方法

采用NCEP/NCAR的1966—2014年冬季（12月—翌年2月）500 hPa高度場、850 hPa風場、海平面氣壓場再分析資料，分辨率為2.5°× 2.5°；NOAA的重建海溫資料ERSST，分辨率為2°×2°；斗門1967—2014年開汛日期資料，按照中國氣象局《華南汛期監(jiān)測業(yè)務(wù)規(guī)定》，定義單站開汛日為每年自3月1日起，該站錄得日雨量≥38 mm的日期。由于2007年起斗門區(qū)氣象局啟用斗門區(qū)白蕉鎮(zhèn)的新站代替原位于井岸鎮(zhèn)的舊站，故對2007—2014年新舊站開汛日期進行對比，結(jié)果兩者完全一致，故可替用。以上述標準得到歷年斗門開汛日期并統(tǒng)計每年開汛日距離3月1日的天數(shù)，得到相應(yīng)的時間序列。

本研究使用小波分析、低通濾波、相關(guān)分析、逐步回歸以及最優(yōu)子集回歸等方法。

2　分解開汛日期的年際和年代變化分量

對斗門開汛日期的距平序列去除線性趨勢后，用Molet小波對其周期進行分析（圖1），結(jié)果表明，開汛日期存在10年以下的年際變化周期以及15～20年年代際變化周期。以10年為分界點，用低通濾波器濾得開汛日期距平序列中10年及10年以上的年代際變化分量，并用原距平序列減去年代際變化序列得到年代際變化序列（圖2），原距平序列標準差為23.8，分解后的序列標準差分別為18.3和10.8，這也體現(xiàn)了分解不同尺度的變化分量的科學(xué)合理性。

圖1　斗門開汛日期距平序列的小波分析

圖2　斗門開汛日期距平序列及其年際、年代際變化分量

3　預(yù)報因子的相關(guān)篩選

用相關(guān)分析法分別研究開汛日期的年際變化、年代際變化與前期冬季（12月—翌年2月）500 hPa高度場、850 hPa風場、地面氣壓場以及海溫場的關(guān)系，給定顯著性水平為0.05，找尋各氣象要素場相應(yīng)的顯著相關(guān)區(qū)域，并將其區(qū)域平均后的氣象要素距平序列作為初選預(yù)報因子。用上述方法初選出開汛日期的年際變化預(yù)報因子21個，年代際變化預(yù)報因子23個。

4　建立預(yù)測模型及試報

將上述初選因子首先分別對1967—2011年開汛日期的年際變化序列及年代際變化序列進行逐步回歸，將因子數(shù)限定在10個以內(nèi)，再利用最優(yōu)子集回歸，根據(jù)雙評分準則CSC確定最優(yōu)回歸方程，并對2012—2014年開汛日期進行試報。

（1）年際變化的回歸方程為：

其中X1、X2、X3和X4皆為850 hPa經(jīng)向風場因子，對應(yīng)區(qū)域分別為（246°E—273°E，65°S—53°S）、（200°E—220°E，18°S—3°S）、（185°E—215°E，20°N—47°N）和（275°E—300°E，50°N—65°N）；X5為海平面氣壓場因子，對應(yīng)區(qū)域為（120°E—210°E，70°N—90°N）。該回歸方程導(dǎo)出的回歸序列的方差為15.0，與開汛日期年際變化序列的相關(guān)系數(shù)達0.83，通過了0.01的顯著性水平檢驗。圖3a是年際變化序列與回歸序列曲線圖，從中可見擬合值與實際值的升降趨勢基本一致，對多數(shù)波峰和波谷年的預(yù)測也與實際基本吻合。

（2）年代際變化的回歸方程為：

其中X1、X2為500 hPa高度場因子，對應(yīng)區(qū)域分別為（215°E—236°E，15°N—25°N）、（351°E—360°E，30°N—40°N）；X3、X4為海平面氣壓場因子，對應(yīng)區(qū)域分別為（15°E—60°E，5°S—25°N）、（45°E—58°E，40°N—50°N）、（270°E—282°E，50°S—38°S）；X5、X6為海溫場因子，對應(yīng)區(qū)域分別為（210°E—230°E，12°N—25°N）。該回歸方程導(dǎo)出的回歸序列的方差為8.0，與開汛日期年際變化序列的相關(guān)系數(shù)達0.73，通過0.01的顯著性水平檢驗。圖3b是年代際變化序列與回歸序列曲線圖，從中可見擬合值與實際值的升降趨勢基本一致。

圖3　回歸方程對1967—2011年斗門開汛日期的年際尺度（a）；年代際尺度（b）的擬合值和實況值對比

將年際變化和年代際變化分量的回歸方程相加得到斗門開汛日期距平序列的回歸方程，即Y=Y1+Y2，開汛日期的回歸序列與原距平序列相關(guān)系數(shù)為0.81，通過0.01的顯著性水平檢驗。由圖4可見該回歸方程對開汛日期偏早或偏晚的趨勢擬合得還是比較好的，進一步分析得到，回歸序列與原距平序列同號率為77.8%，其中相差±7 d以內(nèi)的有19年，約占42.2%；相差± 15 d以內(nèi)的有34年，約占75.6%；亦有相差超過±20 d的年份，約占13.3%。

圖4　回歸方程對1967—2011年斗門開訊日期的擬合值與實況值對比

試報2012—2014的開汛日期，結(jié)果見表1。用Y1試報開汛日期距平值的年際變化分量，結(jié)果表明，該方程對2012和2014年試報效果較好，試報結(jié)果和實際值相差皆在±6 d以內(nèi)，而對2013年的預(yù)報效果相對沒那么好，相差近20 d；用Y2試報開汛日期距平值的年代際變化分量，該方程對2012和2013年試報效果較好，試報結(jié)果和實際值相差皆在±1 d以內(nèi)，而對2014年的試報結(jié)果也與實際值相差小于10 d。2個分量的試報結(jié)果相加分別得到3年的開汛日期距平值的試報結(jié)果，與實際值相比，2012和2014年試報效果不錯，誤差分別為-5.89和-10.45 d。

表1　2012—2014年斗門開汛日期距平值試報結(jié)果d

5　結(jié)論

1）斗門開汛日期存在10年以下的年際變化周期以及15～20年左右的年代際變化周期。

2）斗門開汛日期的年際變化和年代際變化受外部因素的影響，在前期冬季（12月—翌年2月）500 hPa高度場、850 hPa風場、地面氣壓場以及海溫場上分別存在21個和23個顯著相關(guān)區(qū)域，以其區(qū)域平均后的氣象要素距平序列作為年際變化和年代際變化的回歸方程的初選預(yù)報因子。

3）用分尺度最優(yōu)子集回歸方法建立斗門開汛日期回歸方程，計算得出的回歸序列與原距平序列相關(guān)系數(shù)為0.81，通過0.01的顯著性水平檢驗，兩者同號率為77.8%，其中相差±7 d以內(nèi)的有19年，約占42.2%；相差±15 d以內(nèi)的有34年，約占75.6%；亦有相差超過±20 d的年份，約占13.3%?？傮w而言，分尺度回歸預(yù)測模型具有較好的擬合效果。

4）利用回歸方程試報2012—2014年的開汛日期，年際變化方面除2013年外，其余2年的試報效果不錯，誤差皆在6 d以內(nèi)；年代際變化方面，3年的試報值都與實際值相差不大，試報效果非常好；將兩者相加得到開汛日期的試報結(jié)果，其中2012和2014年試報效果不錯，誤差分別為-5.89和-10.45 d。

分尺度建立預(yù)測模型相較于直接對原序列建立預(yù)測模型而言，不會過于注重序列的年際變化特征而忽略了其年代際變化特征，考慮了影響其年代際變化的相關(guān)物理因素，這對于建立預(yù)測模型有很好的指示意義。然而氣象預(yù)測是一個復(fù)雜的問題，影響因素也數(shù)之不盡，本研究建立的預(yù)測模型僅考慮了4個方面的因素，其他因素還有待研究和補充。

［1］林愛蘭.廣東前汛期月降水異常的強信號研究及預(yù)測概念模型［J］.熱帶氣象學(xué)報，2002，18（3）：219-226.

［2］林愛蘭.廣東前汛期降水預(yù)報因子的初步探討［J］.廣東氣象，1998，20（SⅠ）：58-61.

［3］黃先香，炎利軍，施能.華南前汛期旱澇影響因子和預(yù)報方法［J］.熱帶氣象學(xué)報，2006，22（5）：431-438.

［4］伍紅雨，楊崧，蔣興文.華南前汛期開始日期異常與大氣環(huán)流和海溫變化的關(guān)系［J］.氣象學(xué)報，2015，73（2）：319-330.

［5］谷德軍，高曉榮，紀忠萍，等.廣東開汛日期的多尺度物理統(tǒng)計預(yù)測模型［J］.高原氣象，2012，31（3）：768 -776.

［6］黃穎，金龍.華南前汛期降水預(yù)測模型及其預(yù)測試驗［J］.熱帶氣象學(xué)報，2011，27（5）：753-757.

［7］鄧立平，王謙謙.華南前汛期（4-6月）降水異常特征及其與我國近海海溫的關(guān)系［J］.熱帶氣象學(xué)報，2002，18（1）：45-55.

［8］彭京備，陳烈庭，張慶云.多因子和多尺度合成中國夏季降水預(yù)測模型及預(yù)報試驗［J］.大氣科學(xué)，2006，30（4）：596-608.

［9］魏鳳英，黃嘉佑.大氣環(huán)流降尺度因子在中國東部夏季降水預(yù)測中的作用［J］.大氣科學(xué)，2010，34（1）：202-212.

［10］陳慧嫻，黃露菁.陳創(chuàng)買.用逐步回歸方法預(yù)報番禺年降水量［J］.廣東氣象，2004，26（4）：7-9.

［11］彭端，黃天文，郭媚媚，等.用逐步回歸模型預(yù)測肇慶市汛期降水［J］.廣東氣象，2005，27（2）：16-20.

［12］農(nóng)吉夫，金龍.月平均降水量的二次規(guī)劃最優(yōu)組合預(yù)測方法研究［J］.熱帶氣象學(xué)報，2004，20（6）：704 -709.

［13］覃志年，胡婭敏，陳麗娟.廣西夏季降水的多時間尺度特征及影響因子［J］.應(yīng)用氣象學(xué)報，2013，24（5）：565-575.

［14］顧偉宗，陳麗娟，李維京，等.降尺度方法在中國不同區(qū)域夏季降水預(yù)測中的應(yīng)用［J］.氣象學(xué)報，2012，70（2）：202-212.

［15］魏鳳英.我國短期氣候預(yù)測的物理基礎(chǔ)及其預(yù)測思路［J］.應(yīng)用氣象學(xué)報，2000，11（增刊）：11-20.

［16］陳桂英.我國現(xiàn)有短期氣候業(yè)務(wù)預(yù)測方法綜述［J］.應(yīng)用氣象學(xué)報，2005（2）：16-20.

［17］高亭亭，梁衛(wèi).廣州前汛期暴雨氣候特征分析［J］.廣東氣象，2012，34（2）：1-9.

［18］鄒仁愛，陳俊鴻.雷州半島年降水量序列分析及預(yù)測模型［J］.水文，2006，26（1）：55-59.

［19］李永華，劉德，金龍.基于BP神經(jīng)網(wǎng)絡(luò)的汛期降水預(yù)測模型研究［J］.氣象科學(xué)，2002，22（4）：461-467.

A Prediction Model for Rain Season Onset Dates in Doumen District Based on A Multiscale Decomposition

CHEN Shi-lin
（Zhuhai Doumen Meteorological Service，Zhuhai 519100）

Using the wavelet analysis，lowpass filtering，stepwise regression and optimal subset regression，we constructed a prediction model for rain season onset dates in Doumen.The time series of onset dates was decomposed into interdecadal and interannual scales，and their relationship with the 500 hPa height，850 hPa wind，sea level pressure and sea surface temperature in precedent winters was analyzed respectively to select primary predictors.Then stepwise regression is applied to limit the number of predictors to be within ten and finally a prediction model was constructed by using optimal subset regression.The results show that the prediction model has a good regression effect.The correlation coefficient between the regression and observation is 0.81，the percentage of hits of the same-sign symbol is 77.8%，the difference of less than 7 days is 42.2%and that of less than 15 days is 75.6%.The forecast results of 2012 and 2014 are good，and the prediction errors are-5.89 and-10.45 days respectively.

forecast；rain season onset dates；decomposition of time scales；prediction model；Doumen District

P456

A

10.3969/j.issn.1007-6190.2016.04.006

2015-12-01

陳詩琳（1990年生），女，碩士，主要從事短期及短時天氣分析與預(yù)報工作。E-mail：15819478226@139.com