朱曉煒， 王 璠，孫銀川，王 岱，鄭廣芬，王素艷

(1.中國氣象局旱區(qū)特色農業(yè)氣象災害監(jiān)測預警與風險管理重點實驗室,寧夏 銀川 750002；2.寧夏氣候中心,寧夏 銀川 750002)

引 言

決定葡萄酒品質的關鍵因素之一是釀酒葡萄的質量，釀酒葡萄的質量與品種、土壤、氣象條件、栽培技術等有關[1-5]。寧夏賀蘭山東麓位于黃金緯度38°N，是國際公認釀酒葡萄最佳產區(qū)之一，被稱為“中國的波爾多”。 寧夏回族自治區(qū)政府規(guī)劃到2020年形成總規(guī)模達6萬多公頃的葡萄產業(yè)帶，建立寧夏賀蘭山東麓百萬畝葡萄文化長廊。因此，做好釀酒葡萄的服務保障，對促進地方經(jīng)濟社會穩(wěn)定發(fā)展具有重要意義。釀酒葡萄品質與氣象條件關系密切，特別是釀酒葡萄采收期的氣象條件[6-11]，若采收期陰雨寡照日數(shù)增多，就不利于當年釀酒葡萄產量和品質的形成[12]。2016年寧夏葡萄酒產量比上年同期減少5%的主要原因之一是采收期的降水偏多?；卺劸破咸巡墒掌谧兓?guī)律，有研究確定了采收期的多年平均態(tài)，但每年采收期還需根據(jù)實際氣候條件進行調整[13]。寧夏賀蘭山東麓位于西北地區(qū)東部，大氣環(huán)流是西北地區(qū)東部降水異常的直接原因，ENSO、熱帶印度洋海盆模等關鍵海溫區(qū)對西北地區(qū)東部降水有重要影響。按照我國氣候業(yè)務現(xiàn)狀及未來發(fā)展趨勢[14]，氣候預測需要向客觀化、定量化發(fā)展，因此，結合業(yè)務發(fā)展需要，鄭廣芬等[15]基于前期海溫異常開展了寧夏5—9月候降水的客觀、定量預測方法研究，并進行了檢驗評估，模型預測的2014年5—9月準強降水過程(候降水量≥10 mm過程)，評分高于實時發(fā)布的業(yè)務產品。除了海溫通過遙相關對降水有影響，降水的異常分布還受其他氣候系統(tǒng)的影響，是多因子綜合作用的結果。因此本文在總結前人研究成果的基礎上，選取多個預測因子，開展客觀定量的降水與降水過程預測方法研究，以期為賀蘭山東麓釀酒葡萄采收期降水預測提供參考依據(jù)。

1 資料與方法

1.1 資 料

寧夏賀蘭山東麓釀酒葡萄采收期主要在9月。所用資料為國家氣候中心1972—2016年逐月百項氣候系統(tǒng)指數(shù)資料(https://cmdp.ncc-cma.net/Monitoring/cn_index_130.php)；寧夏賀蘭山東麓氣象站惠農、大武口、賀蘭、銀川、永寧、青銅峽、紅寺堡1972—2016年9月逐日降水資料；空間分辨率為2.5°×2.5°NECP再分析資料，包括200 hPa環(huán)流、海溫、海冰資料等。

1.2 方 法

降水預測模型的建立采用多元逐步回歸[16-17]，檢驗評估采用距平符號一致率[18-19]。距平符號一致率為符號一致的樣本數(shù)除以總樣本數(shù)，距平符號一致條件如下：

式中：a為降水基準態(tài)取1981—2010年平均值；p為預測值；r為實況值。

2 月尺度降水預測

2.1 基于百項氣候系統(tǒng)指數(shù)的降水預測

利用國家氣候中心發(fā)布的百項氣候系統(tǒng)指數(shù)，采用多元回歸方法建立釀酒葡萄采收期數(shù)學統(tǒng)計預測模型，其中模型擬合期為1972—2010年，評估期為2011—2016年。為比較不同預測時效的預測能力，分別提前1～3個月建立預測模型。利用建立的模型對2011—2016年降水進行預測，結果如表1所示，預測值大部分均在50 mm以內，符合區(qū)域氣候特點。采用距平符號一致率對預測結果進行檢驗，發(fā)現(xiàn)距平符號一致率平均為43%，其中賀蘭、銀川、青銅峽在50%以上，惠農最低，僅為20%。

圖1為2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預測距平符號一致率。可以看出，2015年的預測效果最好，距平符號一致率達62%，其次是2011年，距平符號一致率為54%，2014年距平符號一致率最低，僅為30%。從預測時效來看，提前2個月的預測距平符號一致率為58%，其他均低于50%。該預測模型不考慮物理機理，僅僅依賴大樣本的氣候指標，利用數(shù)學統(tǒng)計方法建立。整體上預測質量的年際變化差異較大，波動幅度大。

圖1 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預測距平符號一致率Fig.1 The anomaly symbol consistence rate of rainfall prediction during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016

2.2 基于百項氣候系統(tǒng)指數(shù)滾動的降水預測

為了分析資料的時效性對模型預測能力的提升，建立了滾動定量降水預測模型，即利用1972—2010年數(shù)據(jù)建立2011年的預測模型，用1972—2011年資料建立2012年的預測模型，依此類推。圖2給出2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水滾動預測距平符號一致率?？梢钥闯觯?012—2014年的距平符號一致率略有提高，2015—2016年的距平符號一致率明顯下降，提高資料的時效性不能有效穩(wěn)定地提高預測能力。

圖2 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水滾動預測距平符號一致率Fig.2 The anomaly symbol consistence rate of rainfall rolling prediction during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016

2.3 基于“長記憶”預測信號的月尺度降水預測

有研究表明，200 hPa高度場、海溫、海冰等環(huán)流和外強迫因子對降水有重要影響[20-32]。南極地區(qū)海冰可以通過赤道環(huán)流異常，在西太平洋自南向北激發(fā)一串渦列，影響我國天氣氣候[32]。格陵蘭海冰變化與我國夏季降水異常通過特定的環(huán)流建立了聯(lián)系，不同模態(tài)不同時期的影響關鍵區(qū)有差別[31]。厄爾尼諾現(xiàn)象本質上是太平洋海溫的異常，不同型的厄爾尼諾事件通過遙相關型，影響北冰洋、太平洋和西南水汽輸送，進而影響到西北地區(qū)[33-35]。熱帶印度洋通過海盆膜“充電器”效應對西北地區(qū)東部降水產生影響[20]。200 hPa緯向風通過影響孟加拉灣夏季風，與我國西北降水相關關系比較顯著[36-38]。上述4種因子具有較好持續(xù)性和穩(wěn)定性，對自身的信號具有較長的“記憶”，且對西北降水的影響具有相對明確的物理機制。利用上述因子，通過相關分析，選取通過0.05顯著性檢驗的區(qū)域，確定與賀蘭山東麓釀酒葡萄降水的高相關區(qū)域和時段，形成預測指標，如表2所示。

表1 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預測結果Tab.1 The rainfall prediction result during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016 單位：mm

采用多元逐步回歸建立預測模型，表3列出寧夏賀蘭山東麓釀酒葡萄采收期降水預測模型。影響賀蘭山東麓釀酒葡萄采收期降水的預測因子為3月南極海冰面積和6月40°E—60°E、30°N—40°N 200 hPa位勢高度場，且都成正相關。

表2 寧夏賀蘭山東麓釀酒葡萄采收期降水預測模型篩選的預測因子Tab.2 The slected predictive factors for prediction model during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia

表3 寧夏賀蘭山東麓釀酒葡萄采收期降水預測模型Tab.3 The prediction model of precipitation during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia

注：x1為3月南極海冰面積，x2為6月40°E—60°E、

30°N—40°N平均200 hPa位勢高度場

圖3為2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預測距平符號一致率?？梢钥闯?，賀蘭山東麓釀酒葡萄采收期降水距平符號一致率為67%。尤其在降水空間分布一致偏多的2012、2015年和一致偏少的2016年，距平符號一致率達86%以上。通過篩選具有明確物理機制的預測因子建立預測模型，可以從機理方面對釀酒葡萄采收期的降水進行解釋，剔除了隨機因子，預測因子的持續(xù)性和穩(wěn)定性較好，該模型距平符號一致率較基于百項氣候系統(tǒng)指數(shù)建立的模型有明顯提升。

圖3 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水預測距平符號一致率Fig.3 The anomaly symbol consistence rate of rainfall prediction during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016

3 基于“長記憶”預測信號的候尺度降水預測

9月降水是影響賀蘭山東麓地區(qū)釀酒葡萄成熟度的主要因子，也是決定葡萄年份酒的主要因素，在確定降水趨勢的基礎上，進一步對降水過程的準確把握，開展精細化的氣候預測服務，對指導葡萄采摘的農事活動、葡萄酒廠的生產安排意義更大。因此，利用表2的預測因子，建立候尺度降水預測模型(模型略)?？紤]到研究區(qū)域候降水量≥10 mm的降水過程出現(xiàn)概率較小，參考鄭廣芬等[39]的研究方法，以候降水量≥5 mm作為閾值，即當候降水量≥5 mm時，記為1，表示出現(xiàn)了一次降水過程，否則記為0，表示未出現(xiàn)降水過程，實況和預測結果如表4所示?？梢钥闯觯塾媴⑴c預測96個樣本，其中預測正確52次，預測準確率為54.2%，空報31次，空報率為32.3%，漏報13次，漏報率為13.5%，預測模型具一定的預測能力。

表4 2011—2016年寧夏賀蘭山東麓釀酒葡萄采收期降水過程預測及實況Tab.4 The rainfall’s process prediction and observations during wine grape harvest period in the east foothills region of Helan Mountain located in Ningxia during 2011-2016

4 結論與討論

(1)基于百項氣候系統(tǒng)指數(shù)和數(shù)學統(tǒng)計方法建立的賀蘭山東麓釀酒葡萄采收期的降水預測模型具有一定預測能力，但預測模型的穩(wěn)定性和可靠性仍有待提高。

(2)采用200 hPa高度場、海溫、海冰等具有明確物理機制的多因子綜合建立的月尺度降水預測模型，可以大幅度提高預測的準確性。

(3)利用200 hPa高度場、海溫、海冰預測因子建立的候尺度降水預測模型，對2010—2016年96次過程預測準確率為54.2%，空報率為32.3%，漏報率為13.5%，具有一定的預測能力。

目前，針對影響月尺度降水機理的研究大部分是定性的，而且針對單因子展開，但實際降水是多個因子共同作用的結果，研究成果難以直接應用到實際業(yè)務中。本文篩選具有明確物理機制的多個降水預測因子，綜合建立客觀化、定量化的降水預測模型，研究成果可以直接應用到實際業(yè)務工作中。當釀酒葡萄采收期陰雨寡照日數(shù)增多，氣溫日較差變小，水熱配置不佳，會導致釀酒葡萄糖分減少，含酸量增加，糖酸比下降，丹寧含量降低，增加了葡萄霜霉病、白腐病的發(fā)生概率，直接影響當年葡萄的最終品質和經(jīng)濟收益。因此，提前準確掌握采收期的降水特征和降水過程，對合理安排葡萄采收、保證釀酒葡萄的品質極為重要。