尚媛媛，杜正靜，夏曉玲

（貴州省氣象服務(wù)中心，貴州 貴陽550002）

旅游業(yè)是當(dāng)前貴州大力發(fā)展的重點(diǎn)產(chǎn)業(yè)。貴州依托大數(shù)據(jù)產(chǎn)業(yè)，大力推動“互聯(lián)網(wǎng)”旅游發(fā)展，與氣象等各相關(guān)產(chǎn)業(yè)融合，加強(qiáng)智慧旅游平臺建設(shè)。然而，當(dāng)前貴州旅游氣象服務(wù)的發(fā)展遠(yuǎn)落后于旅游業(yè)發(fā)展。大部分地區(qū)局限于旅游景區(qū)的天氣預(yù)報，有些地區(qū)則開展了景區(qū)旅游氣象指數(shù)預(yù)報[1-4]。全球氣候變暖帶來的氣溫、降水、日照等氣候要素的變化[5]，導(dǎo)致依賴生態(tài)環(huán)境變化的旅游活動首當(dāng)其沖受到影響。漂流是貴州較有特色的一項戶外水上旅游項目。漂流中游客完全暴露于自然條件下，天氣狀況對于漂流適宜性等級有著重要的影響。氣候不僅影響旅游活動的環(huán)境和旅游活動本身，還影響著游客的體感舒適度[6]。因此，研究氣象條件對漂流適宜性等級相關(guān)性十分有意義，旨在開發(fā)特色旅游氣象產(chǎn)品，豐富公共氣象產(chǎn)品庫內(nèi)容。

目前，相關(guān)部門根據(jù)各地的旅游特色也展開了相應(yīng)的研究。楊勝忠等[7]根據(jù)山洪水位監(jiān)測站降水量和水位資料進(jìn)行分析，得出翁密河降水量與水位漲幅之間存在著顯著的正相關(guān)，降水量越大，水位上漲越明顯。影響水位的因素很多，包括氣候、地形地貌、植被、河床、落差等，但是只考慮降水因素對水位影響則局限性較大。鄧學(xué)軍等[8]從氣候特點(diǎn)漂流氣候適宜性和漂流氣象障礙等方面分析杉木河景區(qū)氣候資源。彭潔等[9]通過分析氣候適宜性等級判定結(jié)果與漂流景區(qū)的客流量相關(guān)系數(shù)達(dá)到0.859，表明氣象因子是影響猛洞河漂流客流量的最主要因素。向紅瓊、邱粲等針對氣象因子[10-11]對漂流客流量的影響進(jìn)行了詳細(xì)的研究與總結(jié)。研究發(fā)現(xiàn)，針對具體氣象因子對漂流等級的相關(guān)性分析方面的研究并不多。因此，本文研究對象桃源河，素有“人間仙境”、“黔中福地”之稱的貴陽修文桃源河峽谷生態(tài)旅游區(qū)，屬國家4A級旅游景區(qū)，位于貴陽市修文縣六屯鄉(xiāng)境內(nèi)，地處桃源河谷，研究桃源河氣象因子對漂流等級的相關(guān)性分析是十分必要的。本文在前人的研究基礎(chǔ)上，著重對漂流適宜性等級進(jìn)行劃分，提出氣象因子與漂流適宜性等級之間的關(guān)系，建立漂流適宜性等級預(yù)報模型，為貴州省科學(xué)管理和開發(fā)旅游氣候資源提供科學(xué)依據(jù)，為游客提供科學(xué)有效的指導(dǎo)產(chǎn)品，對方便游客科學(xué)、合理安排出游計劃具有重要的指導(dǎo)作用，也為景區(qū)根據(jù)氣象條件調(diào)配人力、調(diào)整服務(wù)項目提供依據(jù)。

1 資料與方法

本研究基于桃源河景區(qū)2015年1月1日—2016年12月31日逐日游客總數(shù)和景區(qū)所在地最近的氣象觀測站[12-13]相對應(yīng)年份的日最高/最低氣溫，日平均氣溫、平均相對濕度、最小相對濕度、日降水量（北京時 08：00—20：00）[14]以及風(fēng)速等資料進(jìn)行研究。通過對氣象條件進(jìn)行統(tǒng)計分析，結(jié)合日常天氣預(yù)報實際，利用前一天的數(shù)值預(yù)報資料，預(yù)報第二天的漂流等級，以此建立針對景區(qū)的漂流適宜性等級預(yù)報模型。以此類推，可用此方法進(jìn)行2~5 d的漂流適宜性等級預(yù)報。

通過觀察和分析客流量數(shù)據(jù)，人為地劃分4個等級。漂流等級1，游客人數(shù)為1耀500，漂流適應(yīng)性為“一般”；漂流等級 2，游客人數(shù)為 501耀1000，漂流適應(yīng)性為“較適宜”；漂流等級3，游客人數(shù)為1001耀3000，漂流適應(yīng)性為“適宜”；漂流等級4，游客人數(shù)為>3000，漂流適應(yīng)性為“非常適宜”。同時，認(rèn)定模型檢驗預(yù)報等級跟實況等級完全一致時，評分為100分；檢驗?zāi)Ｐ皖A(yù)報等級與實況等級相差1時，評分為80分；當(dāng)檢驗?zāi)Ｐ皖A(yù)報等級與實況等級相差逸2時，評分記為不及格（低于60分）。為消除節(jié)假日和暑假旅游現(xiàn)象，節(jié)假日和暑假的數(shù)據(jù)均挑出，按“節(jié)假日、暑假逐日數(shù)據(jù)”等做二次建模。

對客流量與各氣象要素進(jìn)行相關(guān)性分析后發(fā)現(xiàn)，此種方法效果不盡人意，故采用判別分析法[15]和BP神經(jīng)網(wǎng)絡(luò)方法[16-17]進(jìn)行分析，模型效果較好。判別分析法是在分類確定的條件下，根據(jù)漂流各種特征值判別其類型歸屬問題的一種多變量統(tǒng)計分析方法，其基本原理是按照一定的判別準(zhǔn)則，建立一個或多個判別函數(shù)，用研究漂流的大量資料確定判別函數(shù)中的待定系數(shù)，并計算判別指標(biāo)，最終確定漂流等級屬于何類。BP網(wǎng)絡(luò)（Back Propagation），是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，能學(xué)習(xí)和存貯大量的輸入—輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程，適宜于本研究。

2 基于判別分析法對漂流適宜性等級方程的建立

判別分析法建立模型預(yù)報因子包括日最高/最低氣溫，日平均氣溫、平均相對濕度、最小相對濕度、日降水量（北京時 08：00—20：00）以及風(fēng)速。

2.1 基于全年漂流周期氣象因子建立漂流等級預(yù)報方程及檢驗

根據(jù)修文縣桃源河客流量監(jiān)測，經(jīng)過處理，最終有效數(shù)據(jù)隨機(jī)分成4組，并抽取其中一組作為檢驗組，其余剩下3組數(shù)據(jù)作為建模數(shù)據(jù)，進(jìn)行建模。平均氣溫記為X1，最高氣溫記為X2，最低氣溫記為X3，平均相對濕度記為X4，最小相對濕度記為X5，08—20時降水量為X6，Y為預(yù)報客流量的數(shù)據(jù)（下同）。預(yù)報方程為：

比較計算出的 Y1、Y2、Y3、Y4，最大值的角標(biāo)即為預(yù)報客流量的數(shù)據(jù)，如Y1大于其他Y值，對應(yīng)預(yù)報為Y1。

從圖1可以看出，隨機(jī)選取的檢驗數(shù)據(jù)，反映出全年漂流周期的等級分布基本平衡，通過分析得出，檢驗預(yù)報評分為100分的占55.6%，預(yù)報評分為80分的占22.2%，預(yù)報評分不及格的占22.2%，由此可以看出，預(yù)報評分在80以上占77.8%，模型預(yù)報效果尚可。

圖1 對漂流全年等級預(yù)報模型的檢驗

2.2 基于節(jié)假日和周末氣象因子建立漂流等級預(yù)報方程及檢驗

根據(jù)漂流周期，國家法定節(jié)假日和周末數(shù)據(jù)，隨機(jī)分成3組，并抽取其中一組作為檢驗組，其余剩下兩組數(shù)據(jù)作為建模數(shù)據(jù)，進(jìn)行建模。預(yù)報方程為：

通過檢驗預(yù)報效果（圖2），預(yù)報等級1占多數(shù)。檢驗預(yù)報評分為100分的占35.7%，預(yù)報評分為80分的占39.3%，預(yù)報評分不及格的占25%?？梢钥闯?，預(yù)報評分在80分以上占75%，模型預(yù)報效果相當(dāng)好，但是參與建模的數(shù)據(jù)量相對于其他兩組的建模數(shù)據(jù)還是相對較少，并且檢驗的數(shù)據(jù)也非常有限，所以該模型預(yù)報是否運(yùn)用到實際生活中還有待進(jìn)一步檢驗。

圖2 對節(jié)假日和周末預(yù)報模型的檢驗

2.3 基于暑假氣象因子建立漂流等級預(yù)報方程及檢驗

根據(jù)歷年暑假放假周期，整理樣本數(shù)據(jù)，隨機(jī)分成四組，并抽取其中一組作為檢驗組，其余剩下三組數(shù)據(jù)作為建模數(shù)據(jù)，進(jìn)行建模。預(yù)報方程為：

通過檢驗預(yù)報效果（圖3），暑假的漂流等級普遍偏高，等級3、4居多，適宜性較好。預(yù)報評分100分的占35.1%，預(yù)報評分80分的占37.8%，預(yù)報評分不及格的占27.1%。可以看出，預(yù)報評分在80分以上達(dá)72.9%，模型預(yù)報效果相當(dāng)不錯。

圖3 對暑假漂流等級預(yù)報模型的檢驗

運(yùn)用判別分析對漂流適宜性等級的預(yù)報其優(yōu)勢在于，游客量的檢測值為整數(shù)，其變化規(guī)律更接近于判別分析法，故選用此方法。但是判別分析有其局限性，建立預(yù)報方程時使用的實況數(shù)據(jù)中躍3000人以上的數(shù)據(jù)是存在的，并且是不規(guī)律的，因此，預(yù)報值中也不會顯示躍3000的具體數(shù)值。因此在實際業(yè)務(wù)運(yùn)行中需要根據(jù)實際情況及時更新預(yù)報方程。

3 基于氣象因子建立漂流等級BP神經(jīng)網(wǎng)絡(luò)預(yù)報模型

本文測試了隱藏層個數(shù)為1、2，每個隱藏層神經(jīng)元節(jié)點(diǎn)數(shù)為1~10共110種網(wǎng)絡(luò)結(jié)構(gòu)。漂流BP神經(jīng)網(wǎng)絡(luò)預(yù)報模型中，預(yù)報因子包括日最高/最低氣溫，日平均氣溫、平均相對濕度、最小相對濕度、日降水量以及風(fēng)速。

3.1 基于全年氣象因子建立漂流等級BP神經(jīng)網(wǎng)絡(luò)預(yù)報模型

根據(jù)修文縣桃源河客流量監(jiān)測，共262個數(shù)據(jù)樣本，經(jīng)過處理255個數(shù)據(jù)參與建模和檢驗，隨機(jī)選取170個樣本進(jìn)行建模，剩余進(jìn)行檢驗。建立神經(jīng)網(wǎng)絡(luò)模型計算出漂流等級預(yù)報值，并檢驗?zāi)Ｐ偷男Ч?。所有?shù)據(jù)代入神經(jīng)網(wǎng)絡(luò)工具箱之前都進(jìn)行標(biāo)準(zhǔn)化處理，使得每個因子的數(shù)據(jù)標(biāo)準(zhǔn)化到[-1，1]區(qū)間，輸出結(jié)果后反標(biāo)準(zhǔn)化處理。

BP神經(jīng)網(wǎng)絡(luò)全年漂流等級預(yù)測效果較好的模型匯總（表1），模型3和模型5等級預(yù)報效果最好，正確率達(dá)55.3%，正確率次高的是模型4。模型3是第一個隱藏層有3個節(jié)點(diǎn)，第二個隱藏層有3個節(jié)點(diǎn)，模型4是第一個隱藏層有4個節(jié)點(diǎn)，第二個隱藏層有6個節(jié)點(diǎn)?？梢钥闯鯞P神經(jīng)網(wǎng)絡(luò)對漂流等級預(yù)測的結(jié)果，并不是隱藏層越多，隱藏層的節(jié)點(diǎn)數(shù)越多，預(yù)報效果越好。

從表1可以看出，預(yù)報正確率最高為55.3%，絕對值的差為1的正確率最大值為92.9%，這兩個最大值在同一個模型中，這只能代表個例，不能代表普遍。模型5的預(yù)報正確率的值最大也是55.3%。由于實際運(yùn)用中采用兩者的平均值最大的模型作為業(yè)務(wù)應(yīng)用，故模型3對全年漂流等級的預(yù)報與實況的對比（圖4）。分析可得，BP神經(jīng)網(wǎng)絡(luò)預(yù)報正確率均達(dá)到51%以上，且各模型之間跨度不大，可見預(yù)報比較穩(wěn)定，預(yù)報等級絕對值的差臆1的預(yù)報正確率均達(dá)到90%以上，比較穩(wěn)定，等級效果比較好。由此可見，BP神經(jīng)網(wǎng)絡(luò)對漂流等級預(yù)報的效果比較好。

表1 全年漂流等級預(yù)測效果較好的模型匯總

圖4 全年最優(yōu)BP神經(jīng)網(wǎng)絡(luò)模型對漂流等級預(yù)報和實況等級

3.2 基于節(jié)假日和周末氣象因子建立漂流等級BP神經(jīng)網(wǎng)絡(luò)預(yù)報模型

漂流周期中含有包含節(jié)假日和周末的樣本數(shù)量有85個，其中隨機(jī)抽取45個用來建模，剩余用來檢驗。

BP神經(jīng)網(wǎng)絡(luò)節(jié)假日和周末漂流等級預(yù)測效果較好的模型匯總（表2），等級正確率最高的均在40%以上，且跨度較寬。

表2 節(jié)假日和周末漂流等級預(yù)測效果較好的模型匯總

從表2中可以看出，預(yù)報正確率最高為57.5%，等級絕對值差為1的正確率最大值為80.0%，這兩個最大值并不集中在同一個模型中。模型2的平均值最大，模型2對周末和節(jié)假日漂流等級的預(yù)報與實況對比（圖5），預(yù)報正確率在40%~57.5%之間，等級絕對值差為1的正確率均在70%~80%之間。可見，神經(jīng)網(wǎng)絡(luò)針對節(jié)假日和周末的預(yù)報正確率一般，等級絕對值差為1的預(yù)報效果較好，這也許與樣本數(shù)量少有一定關(guān)系，因為神經(jīng)網(wǎng)絡(luò)預(yù)測的正確性和訓(xùn)練數(shù)據(jù)的多少有較大的關(guān)系，尤其對于一個多輸入多輸出的網(wǎng)絡(luò)，如果缺乏足夠多的網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，正如漂流周期中含有包含的節(jié)假日和周末的樣本數(shù)量有限，BP網(wǎng)絡(luò)預(yù)測值可能存在較大的誤差。

圖5 節(jié)假日和周末最優(yōu)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)報結(jié)果和實況

3.3 基于暑假氣象因子建立漂流等級BP神經(jīng)網(wǎng)絡(luò)預(yù)報模型

漂流周期中暑假的樣本數(shù)量，共包括145個樣本，其中隨機(jī)抽取85個用來建模，剩余用來檢驗。

BP神經(jīng)網(wǎng)絡(luò)對暑假漂流等級預(yù)報效果較好的模型匯總（表3），其中預(yù)報等級百分百正確的正確率最好的均在40.0%~51.7%。

表3 暑假漂流等級預(yù)測效果較好的模型匯總

從表3中可以看出，預(yù)報正確率最高為51.7%，等級絕對值差為1的正確率最高為90.0%，這兩個最大值也沒有集中在同一個模型中，同樣取兩者平均值最高的模型選取作為最優(yōu)模型，模型5對暑假漂流預(yù)報等級和實況等級的對比（圖6），預(yù)報等級，正確率在40.0%~51.7%之間，等級絕對值差為1的正確率在83.3%~90.0%之間，可見，神經(jīng)網(wǎng)絡(luò)對等級絕對值差為1的預(yù)報效果較好，對預(yù)報等級完全正確的效果一般，且跨度較大，這可能與樣本數(shù)量少有一定關(guān)系。

圖6 暑假最優(yōu)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果和實況對比

4 結(jié)論與討論

本文分析了桃源河景區(qū)氣象要素前一日的日資料與當(dāng)天的漂流適宜等級之間的關(guān)系，開展運(yùn)用氣象要素開展漂流適宜等級預(yù)報服務(wù)的工作。在漂流適宜性等級預(yù)報模型的研究基礎(chǔ)上，結(jié)合數(shù)值預(yù)報輸出的逐日要素產(chǎn)品，可以開展景區(qū)的漂流適宜等級預(yù)報服務(wù)，豐富公共氣象服務(wù)產(chǎn)品庫。因此，通過分析結(jié)果，BP神經(jīng)網(wǎng)絡(luò)與判別分析相比，神經(jīng)網(wǎng)絡(luò)對漂流適宜性等級預(yù)報正確率更高，效果更好。此外，暑假對漂流等級預(yù)報具有一定的正面影響。

（1）BP神經(jīng)網(wǎng)絡(luò)相較與判別分析法效果較好。這也許跟樣本數(shù)量的個數(shù)有一定的關(guān)系。比如，兩種方法建立的模型對節(jié)假日周末的等級預(yù)報正確率都比較高，兩者差距很小。

（2）BP神經(jīng)網(wǎng)絡(luò)具有較高的擬合能力，但預(yù)測結(jié)果仍有一定誤差。樣本數(shù)量的個數(shù)直接模型的擬合效果，數(shù)據(jù)多則效果較好，反之則較差。神經(jīng)網(wǎng)絡(luò)對于暑假漂流等級誤差為1的預(yù)報率效果相當(dāng)好，準(zhǔn)確率最高達(dá)92.9%，但是對于節(jié)假日和周末的預(yù)報效果準(zhǔn)確率相對較差。

（3）應(yīng)用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建漂流等級預(yù)報模型，并檢驗。暑假的預(yù)報效果最好，全年次之，節(jié)假日和周末最差。預(yù)報等級正確率均高于40%，等級絕對值差為1的正確率均高于70%，且最高達(dá)92%以上，具有一定的實際應(yīng)用價值。

（4）不論是判別分析，還是BP神經(jīng)網(wǎng)絡(luò)，均對暑假漂流等級預(yù)報效果較好。一是因為部分人群放假，出游人數(shù)較多。二是夏季氣溫較高，人們更愿意選擇漂流活動。因此運(yùn)用到實際生活中，仍需要劃分等級和時間來進(jìn)行分析。

（5）桃源河漂流適宜性等級預(yù)報是根據(jù)客流量與多種氣象要素綜合考慮的預(yù)報模型，漂流適宜性等級越大表示越適宜開展此項活動，反之則較低。漂流適宜性等級模型具有貴州省內(nèi)漂流特色，對于省內(nèi)開展漂流活動具有一定的指導(dǎo)意義。

（6）桃源河漂流適宜性等級預(yù)報模型是基于日常天氣預(yù)報結(jié)論的氣象要素，簡單、實用。但它受天氣預(yù)報正確率的制約，有時會出現(xiàn)偏差。對于漂流適宜性等級預(yù)報模型的檢驗和效果評估，有待進(jìn)一步的研究。

參考文獻(xiàn)：

[1]楊琳，崔娜，陳啟忠.深圳旅游氣象條件分析[J].廣東氣象，2010，32（3）：46-48.

[2]楊尚英，李玲.旅游氣象氣候研究進(jìn)展[J].桂林旅游高等?？茖W(xué)校學(xué)報，2007，18（3）：430-434.

[3]郭菊馨，白波，王自英，等.滇西北旅游景區(qū)氣象指數(shù)預(yù)報方法研究[J].氣象科技，2005，33（6）：604-608.

[4]吳龍，吳哲紅，方慶文.安順旅游舒適度分析[J].貴州氣象，2009，33（增）：69-70.

[5]阿布都克日木·阿巴司，努爾帕提曼·買買提熱依木，帕提曼·阿不都艾尼，等.喀什地區(qū)夏玉米發(fā)育期與氣象因子關(guān)系分析[J].沙漠與綠洲氣象，2016，10（4）：25-31.

[6]陶生才，潘婕，張磊，等.1971-2013年敦煌旅游氣候舒適度分析與評價[J].沙漠與綠洲氣象，2016，10（1）：27-33.

[7]楊勝忠，陳少華.暴雨山洪對黔東南漂流旅游影響研究[J].貴州氣象，2012，6（36）：22-24.

[8]鄧學(xué)軍，劉建粵，白慧.杉木河旅游氣候資源分析及應(yīng)用[J].貴州氣象，2005，3（29）：18-20.

[9]彭潔，宗志平，黃小玉，等.湖南猛洞河漂流氣候適宜性等級評價及預(yù)報方程的建立 [J].氣象，2011，6（37）：771-776.

[10]向紅瓊，于飛.貴州山地高分辨率旅游氣象舒適度時空分布特征[J].貴州氣象，2010，3（34）：4-6.

[11]邱粲，曹潔，林隆超，等.基于GIS的山東省旅游氣候舒適度精細(xì)化評估 [J].資源科學(xué)，2013，35（12）：2501-2506.

[12]徐明時，邵玉平，王彥明.區(qū)域自動氣象站在山洪災(zāi)害防治中的應(yīng)用[J].黑龍江氣象，2011，28（3）：19.

[13]葉金印，李致家，劉靜，等.山洪災(zāi)害氣象風(fēng)險預(yù)警指標(biāo)確定方法研究[J].暴雨災(zāi)害，2016，35（1）：36-30.

[14]程麗君，姚敏，高鳴遠(yuǎn).上游降水及下游河閘對南京東山站水位的影響分析[J].水利信息化，2015（4）：21-24.

[15]黃嘉佑.氣象統(tǒng)計分析與預(yù)報方法[M].3版.北京：氣象出版社，2007.

[16]王立德，李欣然，李培強(qiáng)，等.基于人工神經(jīng)網(wǎng)絡(luò)的綜合負(fù)荷模型[J].電網(wǎng)技術(shù)，2008，32（16）：59-65.

[17]王小川，史峰，郁磊，等.MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析[M].北京：北京航空航天大學(xué)出版社，2014：40-44.