西宁市春季最高温度客观预报分析

沈洁++张青梅++朱宝文

摘要 利用2012—2014年春季4月西宁测站EC预报场及实况资料，采用SPSS逐步回归筛选影响最高温度的关键因子，建立西宁市24 h最高温度客观预报方程。用2015年同月数据检验表明：西宁市24 h最高温度预报准确率为69%，未发生降水时的预报准确率达76.2%，该预报方程可为今后主观预报提供参考依据。

关键词 春季；最高温度；逐步回归；预报；方程；青海西宁

中图分类号 P456 文献标识码 A 文章编号 1007-5739（2016）20-0174-02

Analysis on Maximum Temperature Objective Forecasting in Spring of Xining City

SHEN Jie 1 ZHANG Qing-mei 2 ZHU Bao-wen 1

（1 Meteorological Observatory of Xining City in Qinghai Province，Xining Qinghai 810003； 2 Meteorological Observatory of Qinghai Province）

Abstract Using Xining Station EC forecast filed and factual information of 2010-2014 Spring April，SPSS regression was used to screen the key impact factors of maximum temperature，24 hours the highest temperature objective forecasting equation of Xining City was established. The same month data of 2015 showed that：24 hours maximum temperature forecast accuracy rate of Xining City was 69%.When preciptation did not occur，the forecast accuracy rate was 76.2%. The prediction equation could provide a reference for future subjective forecasts.

Key words spring；maximum temperature；regression；prediction；equation；Xining Qinghai

气温预报从天气预报诞生近百年来一直不断发展，特别是最近几十年得到了快速的发展，其预报方法也是不断进步，从最初预报员对天气形势分析和温度实况外推预报温度，到如今数值预报、集合预报以及各种数学物理方法的应用，常规温度预报的质量得到大幅提升。但是气温预报要达到精细化预报的要求，仍是很复杂的科学问题，其影响因子多，且不同天气形势下影响气温的因子各有不同。

青藏高原海拔高、地形复杂，西宁市辖区温度空间分布较不均匀，各站温度受不同要素的影响有时差异较大，作为日常预报中最重要的内容之一温度预报，在我国中东部地区建立客观预报系统已有多年，如卡尔曼滤波、MOS方法的应用等[1-2]。青海省在这方面也做了许多工作，如韦淑侠用相似离度制作西宁单站未来3 d的温度客观预报[3]、史津梅等利用“卡尔曼滤波”法建立最高、最低气温的逐日滚动预报系统等[4]。在业务工作中，西宁市气象台成立较晚，截至目前尚未建立气温的客观预报方法，尤其春季最高气温预报质量明显偏低，因此有必要对西宁市的气温做客观预报研究，并为今后主观预报的校正提供参考依据。

1 资料与方法

1.1 数据资料

本文所用资料为EC格点数据，时间为2012—2015年4月逐日24 h预报场，分辨率2.5°×2.5°，以及同时期西宁测站实况温度值。

回归数据：2012—2014年4月（500 hPa温度平流、700 hPa温度平流、500～700 hPa温差动平流、变压场、850 hPa温度、700 hPa相对湿度），前日最高温度，当日8：00温度，当日最高温度、最低温度。各要素样本量共90个，因EC预报场12040220.024、12042620.024、14042420.024 3 d数据有误，最终样本量为87个。

检验数据：2015年4月EC 24 h预报场（850 hPa温度、700 hPa相对湿度），前日最高温度，当日最高温度。因EC 27日20：00 24 h预报场数据缺失，剔除4月28日数据[5-6]。

1.2 研究方法

计算EC粗网格24 h各要素预报场相邻西宁站点的4个格点数据的平均值，根据回归方程的思路建立Y=a0+a1x1+a2x2+a3x3+…，使用SPSS对前期选择的影响因子做逐步回归，筛选主要因子，建立24 h西宁市最高温度客观预报方程。

利用MATLAB处理数据，通过3次样条插值法实现格点数据插值到西宁站点，用上述回归方法建立预报方程。

比较2种数据逐步回归的结果，建立24 h西宁市最高温度客观预报方程。

2 逐步回归分析

2.1 格点数据平均值

根据EC粗网格24 h各因子预报场数据做逐步回归，结果表明：总样本量为87个，从8个自变量中最终筛选出EC 850 hPa温度、700 hPa相对湿度24 h预报值以及前日最高温度实况值3个自变量，因回归结果较多，在此仅列出模型概况（表1）、方差分析（表2）及方程系数（表3）能说明建立方程依据的表格。

2.2 插值数据

根据SPSS对格点数据自变量的选取，确定以上3个自变量，利用MATLAB对此数据做3次样条插值，意为针对西宁站点预报数据的准确，仅列出模型汇总表，回归结果见表4。

通过2次逐步回归结果可看出：最终确定的预报方程为模型3，包含3个自变量，格点数据的模型R2=0.790，调整后的R2=0.782，标准估计误差2.017 9；插值数据的模型R2=0.757，调整后R2=0.748，标准估计误差2.17。通过8种要素的共线性容差值得出，选择的自变量之间无共线性发生。2种数据回归得到的模型方差分析表中可看出，sig均<0.05，表示模型的偏回归系数至少有1个不为0，方程通过F检验。模型3中非标准化系数除常数项外，sig<0.05，表明方程中的回归系数通过t检验，有显著差异。3种自变量中，850 hPa温度对因变量的影响最大，其次为前日最高温度，最小影响为700 hPa相对湿度。根据2种数据的比较，格点数据的回归结果略好于站点插值数据，因此建立最高温度（Y）客观预报方程为：

Y=0.415+0.874X1+0.404X2-0.060X3

其中，X1为EC 850 hPa温度24 h预报场，X2为前日最高温度实况值，X3为EC 700 hPa相对湿度24 h预报场。

2.3 检验

根据建立的最高温度客观预报方程，首先检验2012—2014年4月西宁测站数据，结果如下：预报总次数为87次，最高温度的预报值绝对误差≤2 ℃次数为64次，预报准确率达73.6%，这一预报结果较为可观。

其次，预报2015年4月西宁测站的最高温度，与同期实况值检验得：西宁市24 h最高温度客观预报方程所得预报值与实况值的温度曲线趋势一致，但温度值存在一定偏差（图1）。根据气象部门对温度预报评分的误差范围±2 ℃对此预报结果做误差值计算，最高温度预报的误差值绝大数落在±2 ℃范围内，超出范围的误差值小于4 ℃，存在的温度偏差不至于很大。对最高温度的预报值与实况值拟合发现，两者值大部分能落在一条直线上，R2为0.819，证明拟合结果较乐观（图2）。2015年4月预报总次数为29次，温度绝对误差大于2 ℃次数为9次，温度绝对误差小于2 ℃次数为20次。24 h最高温度预报准确率为69%，未发生降水最高温度预报准确率达76.2%，发生降水最高温度预报准确率为50%。

2015年4月对西宁单站（20：00至次日20：00段）24 h最高温度主观预报准确率为70%，可以看出，预报方程的24 h最高温度客观预报准确率接近主观预报，对最高温度的预报有较高的指导意义。进一步分析发现，出现降水时的最高温度预报值与实况值相差较大，准确率为50%，未发生降水时的准确率高达76.2%，这一结果优于主观预报结果，参考（下转第177页）

此最高温度的预报值，结合预报员的主观判断对其订正，可进一步提高24 h最高温度的预报准确率。

3 结论与讨论

利用EC粗网格格点数据建立的最高温度预报方程在春季对西宁测站的最高温度预报有一定参考意义，24 h最高温度预报准确率为69%，未发生降水时的预报准确率达76.2%，且客观预报准确率在无降水天气中高于主观预报，在今后的预报中可结合主客观预报来提高最高温度的预报准确率。

通过数据种类、预报站点等信息可看出该方法预报最高温度存在一定的局限性。首先预报时期仅针对春季1个月的数据作统计回归，无法把温度客观预报结果应用到全年；其次EC粗网格预报数据分辨率较低，由于插值到西宁站点数据结果不理想，而选取邻近格点数据的均值代替站点误差会较大；最后预报范围只有西宁单站，未包括西宁地区其他测站，预报覆盖面不够广。

4 参考文献

[1] 陈贝，张勇，廖晓琴，等.MOS预报方法研究[J].四川气象，2005，25（2）：6-8.

[2] 陈优平，陆琛莉，李云泉.基于GFS产品和卡尔曼滤波的嘉兴市温度客观预报[J].气象科技，2009，37（2）：141-144.

[3] 韦淑侠.西宁市单站日最高（最低）气温预报方法[J].青海科技，2008，15（6）：42-43.

[4] 史津梅，扎西才让，张吉农，等.利用“卡尔曼滤波”法建立最高、最低气温的逐日滚动预报系统[J].青海科技，2002（1）：40-42.

[5] 刘梅，濮梅娟，高苹，等.江苏省夏季最高温度定量预报方法[J].气象科技，2008（6）：728-733.

[6] 董平，王凤娇，魏敏.夏季不同下垫面最高温度变化规律及影响因子[J].安徽农学通报（上半月刊），2009（13）：160-161.