呼伦贝尔自动气象站气温短序列订正——以莫旗为例

刘凌峰 别致宜

(1.博克图国家基准站，内蒙古 呼伦贝尔 022181；2.乌海市气象局，内蒙古 乌海 016000)

呼伦贝尔地区关于气温、气候等的研究较多，但是主要是以人工观测站的数据为基础[1-2]。由于现在自动气象站的气温数据时间序列较短，且不连续，不具有代表性。但是根据郝清华[3]等人的研究可知，通过一元线性回归等方法可以对自动气象站数据进行订正和延长，通过短序列订正可以有效地利用自动站的数据。故本文选取呼伦贝尔市自动气象站(区域站、无人站、和山洪站)的数据，主要以莫旗为例，对莫旗市域内的除国家一般观测站外的所有自动气象站数据进行气温的短序列订正。

本研究由于莫旗自动气象站的资料较少，为满足订正精度要求，采用多元回归订正法、差值订正法分别对区域内自动气象站的气温进行订正，并对比分析其结果。利用以上方法对区域站数据进行处理和应用可以更好地应用于气象为农、牧、林业服务中去。

1 资料与方法

1.1 研究区概况

本文选用呼伦贝尔市莫旗为主要研究区域，莫旗位于内蒙古自治区呼伦贝尔市东部，属于呼伦贝尔市重要的农业种植区，属于温带内陆气候，其旗域内共有15个自动气象站

1.2 资料来源与处理

本研究数据资料主要是以莫旗自动气象站2011-2014年的日最高气温、日最低气温和日平均气温的数据为研究数据。并选择与莫旗、阿荣旗、鄂伦春、扎兰屯、小二沟5个国家级自动站(与订正站水平距离不超过350 km，海拔高度差不超过200 m)的日最高气温、日最低气温和日平均气温的数据为基准数据，用于对自动站数据进行订正。

1.3 研究方法

1.3.1 多元回归订正法[5]

设xi(i=1，2，…5)为基准气象站，具有长且连续的气象观测资料，观测数据序列长度为N年；设y为待订正自动气象站，具有短且间断序列气象观测资料，观测数据序列长度为i年。多元线性回归是依据订正站与基本气候资料序列之间存在着较密切的线性关系而建立的[5]。其回归方程为：

＾y=b0+b1x1+……+bixi+μ

其中，b0与bi(i=1，2……5)分别为偏差值和相关系数，μ为多元线性回归估计参数。

1.3.2 差值订正法[6]

设xi为基准气象站，观测数据长度为n年；设y为待订正自动气象站；要求基准气象站数据长度要比订正自动气象站数据要长，其差值订正法的订正公式为：

2 结果分析与应用

2.1 不同订正方法的比较分析

本研究建立订正站与5个国家级自动站之间的多元回归方程(表1)，并分析两组数据的相关关系(表2)。通过分析可知，订正站与基本站之间的相关系数都较高，除巴彦齐最高气温相关系数为0.553，可以通过置信度95.0%的信度检验外，其它台站相关系数均在0.70以上，均可通过99.9%的信度检验，相关结果为极显著。通过多元线性回归方程可以看出，订正站与莫旗国家级自动站的相关性更高，其多元回归法方程系数更大，但是对于北部地区的订正站，例如红彦、哈达阳齐、巴彦齐、奎勒河齐、额尔和齐等，其与小二沟国家级自动站的相关性也较高。

表2-1 订正站与国家级自动站多元回归方程参数表

表2 订正站与基本站气温多元回归关系表(具体参数参见表3)

根据屠其璞[7]对差值订正法的分析，当订正站有3a以上5a以下的观测资料时，差值订正法可求得到较为满意的订正结果。但是本研究中大部分订正台站有4a观测资料，但是由于安装、调试等期间造成初期观测资料大量丢失或缺测，同时在冬季设备运行不稳定，观测数据资料也有缺测的现象，数据连续性较差，实际数据长度要小于3a，故差值订正法并不能得到较好的效果。多元回归订正法的相关性较差值订正法的相关性好，在水平距离小于200 km的小区域的短序列订正过程中，多元回归订正法采用多个国家级自动站数据，其订正效果要好于差值订正法，同时多元回归订正法采用多个国家级观测站数据，其数据拟合效果更好，更具有代表性。故本研究对于数据连续性较差、数据长度较短的自动气象站气温数据，建议使用多元线性回归法。但是本研究未对一元线性回归订正法与多元线性回归订正法进行对比，需进行进一步研究。

3 结论

本研究以莫旗、阿荣旗、鄂伦春、扎兰屯、小二沟为基准站，莫旗域内15个自动气象站为订正站，分别利用多元线性回归订正法和差值订正法建立基本站与订正站之间关于平均气温、最低气温和最高气温的多元线性方程，得出以下结论。

(1)多元线性回归法与周边5个基准站数据进行拟合，其订正后数据与基准站数据的极显著相关。差值订正法对待订正数据站进行订正，对订正后误差进行分析可知，订正后的数据绝对误差值较大，其中平均误差值要好于最高、最低气温，其中最高气温的订正效果好于最低气温，但是其误差值还是在1.0 ℃左右。

(2)虽然待订正数据值的时间长度达4a，但是由于其数据连续性较差，实际数据长度要小于3a，所以差值订正法的订正效果较差。所以多元订正法拟合了周边5个气象站的数据，其订正效果要好于差值订正法。故本研究建议，对于气温数据序列连续性较差且数据长度较短时，还是建议选用多元线性回归法进行订正。

本研究仅仅对比了多元线性回归法与差值订正法两种订正方法，对于一元线性订正法的订正方法并未涉及，需做进一步研究。