吳 姍，姚 浪，劉健平，帥 龍，聶 祥

(1.貴州省畢節(jié)市七星關(guān)區(qū)氣象局，貴州 畢節(jié) 551700;2.貴州省畢節(jié)市氣象局，貴州 畢節(jié) 551700)

0 引言

近年來畢節(jié)高溫預(yù)報(bào)質(zhì)量持續(xù)偏低，成為制約畢節(jié)城鎮(zhèn)天氣預(yù)報(bào)的難點(diǎn)問題。畢節(jié)地處黔西北高海拔山區(qū)，由于東西海拔差異大，地形起伏明顯，在復(fù)雜的地貌條件下，溫度日較差不穩(wěn)定，氣溫起伏波動(dòng)大，因此，Grapes、EC、福建模式等數(shù)值預(yù)報(bào)模式在畢節(jié)溫度預(yù)報(bào)穩(wěn)定性不好，對(duì)畢節(jié)高溫預(yù)報(bào)指導(dǎo)性較差[1-2]。目前，貴州省內(nèi)很多學(xué)者在模式溫度預(yù)報(bào)檢驗(yàn)和模式回歸分析上均開展過相關(guān)研究[3-4]。李剛等[5]對(duì)貴州最高氣溫預(yù)報(bào)研究指出多模式集合預(yù)報(bào)能有效降低預(yù)報(bào)均方根誤差，效果好于單模式預(yù)報(bào)結(jié)果。萬漢蕓等[6]提出中央氣象臺(tái)指導(dǎo)預(yù)報(bào)在不同天氣形勢(shì)下影響畢節(jié)氣溫的因子不同，需加以訂正。李剛等[7]在云貴準(zhǔn)靜止鋒影響下的溫度預(yù)報(bào)研究中提出將700、850 hPa溫度影響加入客觀預(yù)報(bào)模型可以提高預(yù)報(bào)準(zhǔn)確率。王璇等[8]提出不同季節(jié)不同天空狀況貴陽高溫的影響因子存在明顯差異。因此本文在畢節(jié)高溫研究中加入不同天氣現(xiàn)象、不同季節(jié)影響的差異性，通過歷史高溫特征分析、24 h高溫預(yù)報(bào)檢驗(yàn)和回歸模型分析，探索不同季節(jié)、不同天氣現(xiàn)象下畢節(jié)高溫預(yù)報(bào)的顯著影響因子。

1 資料和方法

1.1 資料選取

本文使用資料為2010—2019年貴州省畢節(jié)站逐日最高氣溫、最低氣溫、平均云量、日照時(shí)數(shù)、濕度、降水量、風(fēng)向、風(fēng)速等氣象觀測資料，高溫預(yù)報(bào)檢驗(yàn)資料使用2015—2019年畢節(jié)市氣象臺(tái)逐日16時(shí)發(fā)布的城鎮(zhèn)精細(xì)化報(bào)文中的24 h高溫預(yù)報(bào)資料。

1.2 研究方法

對(duì)春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12—次年2月)和1—12月逐月畢節(jié)站氣象觀測資料進(jìn)行分析，依據(jù)云量、日照時(shí)數(shù)和降雨量將天空狀況分為晴天(總云量0～3成)、多云(總云量4～7成)、陰間多云(總云量8～10成，日照時(shí)數(shù)>1 h)、陰天無雨(總云量8～10成，08～20時(shí)無降水)、陰雨天(總云量8～10成，08—20時(shí)有降水)。按照這5類天氣現(xiàn)象對(duì)畢節(jié)市日高溫出現(xiàn)的月、季特征進(jìn)行統(tǒng)計(jì)分析，計(jì)算氣溫日較差TMM(TMM=日最高氣溫-日最低氣溫)、高溫日變化DVP(第1 d最高氣溫為T1，第2 d最高氣溫為T2，DVP=T2-T1，以此類推)和高溫分布頻率。

利用天氣學(xué)原理尋找高溫影響因子，結(jié)合畢節(jié)市氣象臺(tái)24 h高溫預(yù)報(bào)資料采用多元逐步回歸分析，篩選出各季節(jié)不同天氣現(xiàn)象下影響日高溫的顯著因子，建立回歸模型對(duì)24 h高溫預(yù)報(bào)進(jìn)行訂正分析。

2 日最高氣溫特征

2.1 高溫日變化

統(tǒng)計(jì)分析2010—2019年畢節(jié)站高溫日變化(DVP)特征發(fā)現(xiàn)，DVP最大值出現(xiàn)在冬季，夏季表現(xiàn)最穩(wěn)定，春季波動(dòng)較秋季更大。從平均DVP變化看，全年分布在1.9～4.1 ℃之間，月平均變化不明顯。將DVP按2、4、6、10為關(guān)鍵值劃分5個(gè)等級(jí)，結(jié)果表明DVP在7月最穩(wěn)定，DVP<2 ℃頻率達(dá)60.5%；春季畢節(jié)高溫波動(dòng)最明顯，DVP<2 ℃頻率不到40%。從DVP>10 ℃的頻率分布也發(fā)現(xiàn)1—4月是畢節(jié)高溫日變化異常波動(dòng)頻率出現(xiàn)最高時(shí)段。

2.2 氣溫日較差

分析畢節(jié)氣溫日較差(TMM)特征，結(jié)果表明晴天TMM最大，平均值為14.8 ℃，陰天TMM最小，平均值為4.6 ℃，多云時(shí)TMM略大于陰間多云。由圖1可見晴天和多云時(shí)月平均高溫波動(dòng)較明顯，陰間多云和陰天時(shí)月平均高溫較穩(wěn)定。晴天時(shí)表現(xiàn)為夏季日較差小，冬季、春季日較差大；多云時(shí)表現(xiàn)為日較差擺動(dòng)幅度較晴天明顯增大，12月—次年5月是TMM波動(dòng)幅度最大的時(shí)間段，陰間多云時(shí)呈穩(wěn)定波動(dòng)，3月擺動(dòng)幅度最大。

圖1 畢節(jié)不同天氣現(xiàn)象氣溫日較差分布Fig.1 The daily temperature range distribution of different weather in Bijie

2.3 不同天氣現(xiàn)象發(fā)生頻率

分析畢節(jié)不同天氣現(xiàn)象逐月出現(xiàn)頻率(圖2)，結(jié)果表明8～10成云出現(xiàn)頻率最高占65.7%，其中陰天無雨占22.7%，陰天有雨占22.4%，陰間多云占20.6%。秋冬季由于受云貴準(zhǔn)靜止鋒面影響，畢節(jié)市常處于靜止鋒后陰雨天氣，陰天時(shí)段主要集中在10月—次年2月，月頻率均高于50%，其中1月頻率最高為68.6%。陰間多云是畢節(jié)出現(xiàn)頻率次高的天氣現(xiàn)象，月頻率分布有明顯季節(jié)變化特征，春、夏季陰間多云天氣頻率高，峰值在5月為35.4%，冬季頻率低，1月僅為6.4%。晴天是畢節(jié)出現(xiàn)頻率最低的天氣現(xiàn)象，其出現(xiàn)頻率在夏季波動(dòng)最大，主要表現(xiàn)為6月頻率最低為7.3%，8月最高為25.4%，秋、冬季頻率穩(wěn)定在10%～16.3%。多云頻率分布呈現(xiàn)春、夏季高，秋、冬季低的特點(diǎn)，其中7月最高為28.7%，12月最低為11.6%。分析各類天氣現(xiàn)象的月平均日高溫特征發(fā)現(xiàn)，高溫的峰值均出現(xiàn)在7月，且在1—7月為線性遞增趨勢(shì)，7—12月為線性遞減趨勢(shì)。畢節(jié)晴天時(shí)平均高溫值最高，多云次之，陰間多云時(shí)略低于多云，陰天時(shí)最低，且陰天無雨比陰天有雨平均高出1.2 ℃。

圖2 畢節(jié)不同天氣現(xiàn)象下平均日最高氣溫及出現(xiàn)頻率Fig.2 The average daily maximum temperature and frequency under different weather in Bijie

表1 畢節(jié)日最高氣溫日變化(DVP)特征Tab.1 Diurnal Variation Characteristics of maximum temperature in Bijie

3 畢節(jié)24 h最高氣溫預(yù)報(bào)檢驗(yàn)

采用貴州省氣象局預(yù)報(bào)業(yè)務(wù)評(píng)分標(biāo)準(zhǔn)相關(guān)規(guī)定(黔氣辦發(fā)〔2018〕24號(hào))，氣溫預(yù)報(bào)準(zhǔn)確率檢驗(yàn)以2.0 ℃作為檢驗(yàn)標(biāo)準(zhǔn)，即│預(yù)報(bào)值-實(shí)況值│≤2 ℃為準(zhǔn)確,否則為錯(cuò)誤。對(duì)2015—2019年畢節(jié)市氣象臺(tái)16時(shí)發(fā)布的城鎮(zhèn)預(yù)報(bào)精細(xì)化報(bào)文進(jìn)行24 h最高溫預(yù)報(bào)檢驗(yàn)，畢節(jié)24 h高溫預(yù)報(bào)平均準(zhǔn)確率為70.3%，且月、季變化特征明顯，夏季準(zhǔn)確率最高，較準(zhǔn)確率最低的冬季高出21.4%，其中7月和8月準(zhǔn)確率高于80%，1月和2月低于60%，冬季和春季準(zhǔn)確率均低于70%，是導(dǎo)致年高溫預(yù)報(bào)準(zhǔn)確率偏低的主要影響時(shí)段。按天氣現(xiàn)象統(tǒng)計(jì)，陰雨天24 h高溫預(yù)報(bào)準(zhǔn)確率最高，多云時(shí)準(zhǔn)確率最低，春、冬季中陰天和陰雨天預(yù)報(bào)準(zhǔn)確率較高，陰間多云和多云天氣預(yù)報(bào)準(zhǔn)確率較低，其中1月非陰天有日照時(shí)準(zhǔn)確率低于42%，2月陰間多云和晴天時(shí)低于46%，3月多云時(shí)低于47%，12月多云和陰間多云時(shí)低于47%，且多云時(shí)出現(xiàn)年最低值25%。

圖3 2015—2019年畢節(jié)不同天氣現(xiàn)象下24 h日最高氣溫預(yù)報(bào)檢驗(yàn)Fig.3 The verification of 24 h daily maximum temperature forecast under different weather in Bijie during 2015—2019

4 24 h高溫預(yù)報(bào)回歸分析

本文選取畢節(jié)市24 h高溫預(yù)報(bào)、日照時(shí)數(shù)、平均本站氣壓、白天降水、前1 d高溫、前1 d低溫、前1 d氣溫日較差、前1 d低溫變化、前1 d高溫變化、平均相對(duì)濕度、平均云量、平均風(fēng)速作為影響因子，通過逐步回歸分析建立各季節(jié)不同天氣現(xiàn)象下日高溫回歸模型，各模型均通過95%的顯著性檢驗(yàn)?；貧w模型相關(guān)系數(shù)整體較高，對(duì)于不同天氣現(xiàn)象來說，晴天相關(guān)系數(shù)較低，為0.77～0.96，其余天氣現(xiàn)象均在0.85以上，最高為多云(0.92)；從估計(jì)標(biāo)準(zhǔn)誤差分析，除冬季晴和多云誤差為2 ℃，其余誤差均在2 ℃以內(nèi)，擬合效果好，其中陰雨天誤差最低，平均為1.4 ℃。對(duì)不同季節(jié)來說，擬合效果最好時(shí)段在夏季，平均估計(jì)誤差為1.2 ℃，估計(jì)誤差最大在冬季，平均估計(jì)誤差為1.7 ℃。

模型中24 h高溫預(yù)報(bào)影響因子在不同季節(jié)和不同天氣現(xiàn)象時(shí)所占模型權(quán)重差異明顯，這表明24 h高溫預(yù)報(bào)在季節(jié)和天氣現(xiàn)象有差異時(shí)需引入的影響因子不同。多云和陰間多云時(shí)日照時(shí)數(shù)和平均本站氣壓對(duì)模型的影響程度較高，陰天時(shí)前1 d低溫影響程度較高，陰雨時(shí)春、夏季前1 d高溫影響程度較高，秋、冬季前1 d低溫和前1 d氣溫日較差影響程度較高，不同季節(jié)中晴天時(shí)影響因子的差異最明顯。按季節(jié)分析，春季各因子的影響程度均較差，夏季前1 d低溫影響程度較高，秋季前1 d低溫和平均本站氣壓影響程度較高，冬季前1 d氣溫日較差和前1 d低溫變化影響程度較高。通過模型誤差分析和影響因子相關(guān)性分析，在不同天氣現(xiàn)象、不同季節(jié)中適時(shí)將影響程度較高的因子納入預(yù)報(bào)指標(biāo)模型，可以降低24 h高溫預(yù)報(bào)值的絕對(duì)誤差。

表2 畢節(jié)四季不同天氣現(xiàn)象下最高氣溫回歸模型Tab.2 The regression model of maximum temperature under different weather in Bijie

5 小結(jié)

利用畢節(jié)2010—2019年觀測資料，分析不同天氣現(xiàn)象下日最高氣溫特征，建立高溫模型，并對(duì)近5 a 24 h高溫進(jìn)行檢驗(yàn)，得出如下結(jié)論：

①畢節(jié)高溫日變化DVP在春季波動(dòng)最大，夏季表現(xiàn)最穩(wěn)定，其中7月DVP<2 ℃頻率達(dá)60.5%，1— 4月為DVP異常波動(dòng)頻率最高時(shí)段。氣溫日較差TMM在晴天時(shí)最大，陰天時(shí)最小，多云時(shí)略大于陰間多云。

②畢節(jié)8～10成的云出現(xiàn)頻率最高達(dá)65.7%，其中陰天時(shí)段主要集中在10月—次年2月。陰間多云為畢節(jié)出現(xiàn)頻率次高天氣現(xiàn)象，晴天頻率最低，且各類天氣現(xiàn)象月平均高溫峰值均出現(xiàn)在7月。

③近5 a畢節(jié)24 h高溫預(yù)報(bào)準(zhǔn)確率月、季變化特征明顯，夏季準(zhǔn)確率最高，較最低的冬季高出21.4%，在區(qū)別天氣現(xiàn)象的情況下，陰雨時(shí)最高，多云時(shí)最低，其中12月多云時(shí)準(zhǔn)確率最低為25%。

④通過回歸模型分析發(fā)現(xiàn)24 h高溫預(yù)報(bào)在季節(jié)和天氣現(xiàn)象有差異時(shí)需引入的影響因子不同，擬合效果最好時(shí)段在夏季，平均估計(jì)誤差為1.2 ℃，估計(jì)誤差最大在冬季，平均估計(jì)誤差為1.7 ℃。在不同天氣現(xiàn)象、不同季節(jié)中適時(shí)將影響程度較高的因子納入預(yù)報(bào)指標(biāo)模型，可以降低24 h高溫預(yù)報(bào)值的絕對(duì)誤差。