荊州汛期降水趨勢模型研究

鄧艷君 趙卓勛 張倫瑾

摘要：利用國家氣候中心每月下發的130項氣候系統監測指數和荊州站1954-2016年的降水資料，逐一分析這些氣候指數與汛期和主汛期降水距平百分率的相關性，選取相關系數>0.3的指數作為預測因子組，采用逐步回歸統計法，建立荊州汛期降水預測模型和主汛期降水預測模型。結果表明，荊州汛期和主汛期降水預測模型的相關系數分別為0.874和0.914，均明顯大于單個因子的相關性。模型預測2016年汛期和主汛期的降水距平百分率，結果分別為偏多17.3%和偏多223.2%，與汛期降水距平百分率偏多6.2%和主汛期降水距平百分率偏多30.2%相比，汛期降水預測模型預測結果較好，同屬于略多的等級，主汛期降水預測模型預測結果雖能預測出偏多的趨勢，但數值明顯偏大，可能與該模型中預測因子上年11月印度副高強度指數有效數據較少，系數偏大有關，可能需要更多數據來調整該項系數，從而提高預測精度。

關鍵詞：汛期降水；氣候監測指數；預測因子；預測模型

中圖分類號：P468.0+24 文獻標識碼：A 文章編號：0439-8114（2018）10-0054-06

DOI：10.14088/j.cnki.issn0439-8114.2018.10.013

Prediction Model of Precipitation Tendency during Flood Season in Jingzhou

DENG Yan-jun，ZHAO Zhuo-xun，ZHANG Lun-jin

（Jingzhou Meteorological Bureau of Hubei Province，Jingzhou 434020，Hubei，China）

Abstract： The 130 climate system monitoring index issued monthly by the National Climate Center and the precipitation data from 1954 to 2016 recorded by Jingzhou climate station were analyzed to find the correlation coefficient between these climate index and the flood season precipitation anomaly percentage as well as the main flood season precipitation anomaly percentage. Using stepwise regression method， the index with the correlation coefficients larger than 0.3 were chosen as predictor group to establish the Jingzhou precipitation forecast models of flood season and main flood season. The statistical results showed that the correlation coefficients of precipitation forecast models of flood season and main flood season were 0.874 and 0.914 respectively， which were significantly higher than the coefficients of single factor. The flood season and main flood season precipitation anomaly percentages of Jingzhou in 2016 were forecasted to be more than the normal 17.3% and 223.2% with those models. Comparing to the actual value of more than 6.2% and 30.2%， the flood season model gave better forecasting result and the main flood season model gave same trend but too large value. The large forecasting error of main flood season model may be related to the shortage of effective data of last November India subtropical high pressure zone index and larger coefficient. More data was needed to tune the relevant coefficient to improve the forecasting accuracy.

Key words： flood season precipitation； climatic monitoring index； predictive factors； prediction model

汛期降水對國民經濟特別是農業生產影響極大，其中大范圍的旱澇氣候災害的影響尤為嚴重[1]。汛期降水是各級政府極為關注的重要問題，也是氣象學界長期以來研究的熱點和難點。湖北省荊州市地處亞熱帶季風區，汛期降水受中高緯度西風環流、西太平洋副熱帶高壓、臺風、東亞季風和印度西南季風環流等天氣系統的影響，具有年際變化大、影響因素多等特點，容易造成洪澇與嚴重干旱等災害。

學者預測汛期降水方法歸納起來主要有經驗方法、統計方法和動力學方法。譚桂容等[2]對華北旱澇年和整個北半球上各層的環流異常變化情況進行了研究；韓照宇等[3]利用滑動相關普查法分析表明一些環流因子和夏半年降水有很好的相關關系；羅伯良等[4]研究了歐亞中高緯環流形勢和極渦形態以及加利福尼亞寒流和黑潮區的海溫，對夏季降水異常起著重要作用；丑紀范[5，6]提出基于歷史相似信息對動力模式誤差進行預報的思路，據此眾多學者[7-10]進行了汛期降水預測研究；還有學者[11-13]利用相似年的模式誤差信息，實現對預報年氣候模式預測結果訂正的汛期降水動力統計客觀定量化預測的方法，有效改進了模式預測結果。本研究旨在建立一種經驗與統計相結合的預測模型，分析氣候系統監測指數集與汛期降水距平百分率的相關關系，建立荊州汛期降水的統計預測模型。

1 研究資料

氣候系統指數集產品來源于國家氣候中心每月下發的特征指數資料，可在氣象業務內網[14]和國家氣候中心監測診斷主頁（CMDP）[15]自行下載使用。氣候系統監測指數集共包含130項氣候系統指數，其中重新整編計算的指數114項（大氣環流指數88項，海溫指數26項），收集下載的指數16項，時間分辨率為月平均，起止時間為1951年1月至2016年。汛期各時段降水量選用湖北省荊州區國家基本氣象站1954-2016年記錄的逐月降水量資料。

2 方法

2.1 數據整理

通過Access、Excel等軟件將130項氣候系統監測指數整理成按名稱、年、月導出，選用各月、季度平均及全年平均（或者總和）形式的資料，計算出荊州站汛期（5-9月）、主汛期（6-8月）降水距平百分率，然后將上年3月到本年2月逐月、季度平均及全年平均氣候系統監測指數與該年汛期（5-9月）、主汛期（6-8月）降水距平百分率一起建立綜合數據庫。

2.2 降水數據分析

從1954-2016年荊州站汛期（5-9月）降水距平百分率的序列圖（圖1）中可以看出，汛期降水距平百分率呈振蕩式分布，汛期降水最多的年份為1954年，偏多96.59%，汛期降水最少的年份為1966年，偏少54.74%。

從1954-2016年荊州站主汛期（6-8月）降水距平百分率的序列圖（圖2）中可以看出，主汛期降水距平百分率也呈振蕩式分布，且值域范圍更大，主汛期降水最多年份為1954年，偏多122.7%，主汛期降水最少的年份為1972年，偏少69.9%。

根據湖北省月短期氣候預測質量評定辦法，降水趨勢預測按照6級評分制評定，其預測用語為特少、偏少、略少、略多、偏多、特多。按該評定辦法統計分析1954-2016年荊州汛期和主汛期的降水情況，結果見表1。由表1可知，63年汛期降水中偏多的年份為31年，其中，特多的年份為5年，偏多的年份為11年，略多的年份為15年；偏少的年份為32年，其中，特少的年份為1年，偏少的年份為15年，略少的年份為16年，汛期降水偏多偏少的年份數基本持平。63年主汛期降水中偏多的年份為25年，其中，特多的年份為8年，偏多的年份為8年，略多的年份為10年；偏少的年份為38年，其中，特少的年份為5年，偏少的年份為20年，略少的年份為13年，主汛期降水偏少的年份數多于偏多的年份數。

2.3 相關性分析

運用數理統計原理和方法，在SPSS統計軟件中，逐一分析各月、季度平均及全年平均氣候系統監測指數與該年汛期（5-9月）、主汛期（6-8月）降水距平百分率的Pearson相關性，選出相關系數>0.3，雙側顯著性大于95%（P小于0.01代表在99%的置信度下顯著相關，P小于0.05代表在95%的置信度下相關）的預報因子。本著擇優選用的原則，剔除相關性不好、數據不完整的因子，選取相關性好的因子，最終得到與汛期（5-9月）降水百分率相關性較好的38個因子（表2），與主汛期（6-8月）降水百分率相關性較好的28個因子（表3）。

由表2可以看出，①所選取的相關性較好的因子相關性在0.300～0.404，相關性最好的因子為上年8月東太平洋副高北界位置，相關系數為0.404，其他因子的相關系數均小于0.4。②選取的39個因子（上年11月印度副高強度指數和上年11月印度副高面積指數相同，均為0.374，實為2個因子）包括33個大氣環流指數、5個海溫指數、1個收集下載的指數，其中副高有22個，海溫有6個，可見副高與汛期（5-9月）降水相關性最大，海溫相關性也比較大。③從時間分布上來看，冬季有6個因子，上年8月有5個，當年2月、上年12月、夏季和全年各有4個，當年1月、上年3月和上年11月各有2個，上年4、5、6、9月、春季、秋季各有1個。表明冬季的因子與汛期降水相關性最好，上年8月、當年2月、上年12月、夏季和全年的因子與汛期降水相關性較好。

由表3可以看出，①所選取的相關性較好的因子相關性在0.302～0.397，相關性最好的因子為上年11月印度副高強度指數和印度副高面積指數，相關系數均為0.397，除冬季北非-北大西洋-北美副高脊線位置指數外，其他因子的相關系數均小于0.375。②選取的28個因子包括22個大氣環流指數、3個海溫指數和3個收集下載的指數，其中副高有12個，海溫有4個，極渦位置、強度有4個，可見副高與主汛期（6-8月）降水相關性最大，海溫與極渦位置、強度相關性也比較大。③從時間分布上來看，冬季有5個因子，上年8月和上年12月各有3個，當年2月、上年5月、上年6月、上年11月和全年各有2個，當年1月、上年3月、上年7月、上年9月、上年10月、夏季和秋季各有1個。可以認為冬季的因子與主汛期降水相關性最好，其次是上年8月和上年12月的因子與主汛期降水相關性較好。

3 模型建立及結果檢驗

利用篩選的相關性較好的39個因子（相關系數>0.3）和荊州站1954-2015年汛期（5-9月）降水距平百分率資料，采用逐步回歸統計方法，建立荊州站汛期降水距平百分率回歸預測方程，其中上年11月印度副高強度指數和上年11月印度副高面積指數與汛期降水距平百分率的相關性相同，且數據有高度的一致性，僅保留一項作為預測因子即可，最終建立的荊州汛期降水回歸預測模型（式1）包括38項氣候系統監測指數，模型相關系數為0.874，明顯大于單個因子的相關系數。用該汛期降水回歸模型來計算2016年汛期降水百分率，從而驗證汛期降水預測模型的預測精度。荊州汛期降水距平百分率的模擬與驗證結果見表4。由表4可以看出，1954-2015年62年模型擬合的結果中，52個年份能正確預測降水偏多偏少趨勢，10個年份預測錯誤。對降水特多的年份1954、1973、1979、1980、1996年，僅1996年預測值屬偏多的等級，其他4年準確預測降水特多的趨勢。對降水特少的年份1966年，模型預測結果為略少，有一定差距。荊州汛期降水預測模型預測2016年荊州汛期降水偏多17.3%，相比實際值6.2%，同屬于略多的等級。

Y=231.28+4.864X1+0.006X2-0.932X3-4.281X4+3.566X5-13.734X6+8.619X7-12.082X8-1.265X9-0.858X10-0.199X11-8.394X12+9.945X13+2.296X14-2.829X15-0.478X16+4.811X17+7.028X18-4.41X19-42.553X20+44.247X21-0.463X22-1.004X23+3.317X24-5.209X25-3.837X26+3.363X27+14.373X28-4.695X29-4.904X30+0.857X31-0.011X32+17.582X33+10.146X34+25.677X35-5.344X36-19.272X37+0.119X38

（R=0.874） （1）

同理，利用1954-2015年主汛期降水資料，建立荊州站主汛期（6-8月）降水距平百分率逐步回歸預測模型（式2），該預測模型包含27項氣候系統監測指數，模型相關系數為0.914，明顯大于單個因子的相關系數。2016年主汛期降水資料用于模型驗證，模型模擬與驗證的結果見表5。由表5可以看出，1954-2015年62年間模型擬合的結果中，55個年份能正確預測降水偏多偏少趨勢，僅7個年份預測錯誤。對降水特多的年份1954、1955、1964、1969、1979、1980、1983、1996年，1964、1983、1996年預測值屬偏多的等級，其他5年準確預測降水特多的趨勢。對降水特少的年份1961、1966、1972、1974、1977年，1972、1974年模型準確預測主汛期降水特少的趨勢，1961、1977年模型預測結果為偏少，1966年模型預測結果為略少。荊州主汛期降水預測模型預測2016年荊州主汛期降水偏多223.2%，與實際值30.2%相比，雖能預測2016年主汛期降水偏多，但數值明顯偏大。進一步分析預測模型，發現模型中預測因子上年11月印度副高強度指數的有效數據較少，僅1953年和2015年的數值不為0，其他年份均為0，1954年汛期和主汛期降水均為有記錄以來最多的年份，但該因子在主汛期降水預測模型中，系數相比汛期降水預測模型大兩個數量級，從而導致計算出的2016年主汛期降水明顯偏大，可能需要更多數據來調整該項的系數，從而提高預測精度。

Y=753.699-3.97X1-4.541X2+3.237X3-10.339X4-0.02X5-0.007X6-8.368X7+8.799X8-41.907X9-2.679X10-0.061X11+1.149X12-30.323X13-0.019X14+363.333X15+0.014X16-17.318X17-2.51X18+22.87X19+15.147X20+3.609X21-4.323X22-2.866X23-0.027X24+15.59X25+0.763X26+0.063X27

（R=0.914） （2）

4 小結

1）荊州汛期降水預測模型選取39個相關性>0.3的氣候系統監測指數作為預測因子，其中副高與汛期（5-9月）降水相關性最大，海溫相關性也比較大，相關性最好的因子為上年8月東太平洋副高北界位置，相關系數為0.404，其他因子的相關系數均小于0.4。從時間上來看，冬季的因子與汛期降水相關性最好。

2）荊州主汛期降水預測模型選取28個相關性>0.3的氣候系統監測指數作為預測因子，其中副高與主汛期（6-8月）降水相關性最大，海溫、極渦位置和強度相關性也比較大。相關性最好的因子為上年11月印度副高強度指數和印度副高面積指數，相關系數均為0.397，除冬季北非-北大西洋-北美副高脊線位置指數外，其他因子的相關系數均小于0.375。從時間上來看，冬季的因子與主汛期降水相關性最好。

3）1954-2015年62年汛期降水資料擬合的荊州汛期降水預測模型，相關系數為0.874，52個年份能正確預測降水偏多偏少趨勢，10個年份預測錯誤。該模型預測的2016年荊州汛期降水趨勢為偏多17.3%，相比實際值6.2%，同屬于略多的等級。1954-2015年62年主汛期降水資料擬合的荊州主汛期降水預測模型，相關系數高達0.914，55個年份能正確預測降水偏多偏少趨勢，僅7個年份預測錯誤。該模型預測2016年荊州主汛期降水偏多223.2%，與實際值30.2%相比，雖能預測2016年主汛期降水偏多，但數值明顯偏大。進一步分析預測模型，發現模型中預測因子上年11月印度副高強度指數的有效數據較少，可能需要更多數據來調整該項的系數，提高模型預測精度。綜合分析可知，本研究所建立的荊州汛期和主汛期降水預測模型對荊州汛期和主汛期降水趨勢預測有較好的指導意義。

參考文獻：

[1] 黃榮輝，蔡榕碩，陳際龍，等.我國旱澇氣候災害的年代際變化及其與東亞氣候系統變化的關系[J].大氣科學，2006，30（5）：730-743.

[2] 譚桂容，孫照渤，陳海山.華北夏季早澇的環流特征分析[J].氣象科學，2003，23（2）：135-143.

[3] 韓照宇，劉 榮，王振華.山西省降水與環流特征量及ELnino的關系[J].山西氣象，2001（2）：22-25.

[4] 羅伯良，朱明輝.湖南省夏季旱澇預報模型研究及試報[J].氣象，1999，25（10）：23-27.

[5] 丑紀范.天氣數值預報中使用過去資料的問題[J].中國科學，1974，

1（6）：635-644.

[6] 丑紀范.短期氣候預測的現狀、問題與出路（一）[J].新疆氣象，2003，26（1）：1-4.

[7] 邱崇踐，丑紀范.天氣預報的相似-動力方法[J].大氣科學，1989，

13（1）：22-28.

[8] 黃建平，王紹武.相似-動力模式的季節預報試驗[J].中國科學（B輯），1991，35（2）：216-224.

[9] 任宏利，丑紀范.統計-動力相結合的相似誤差訂正法[J].氣象學報，2005，63（6）：988-993.

[10] 鄭志海，任宏利，黃建平.基于季節氣候可預報分量的相似誤差訂正方法和數值試驗[J].物理學報，2009，58（10）：7359-7367.

[11] 王啟光，封國林，鄭志海，等.長江中下游汛期降水優化多因子組合客觀定量化預測研究[J].大氣科學，2011，35（2）：287-297.

[12] 楊 杰，王啟光，支 蓉，等.動態最優多因子組合的華北汛期降水模式誤差估計及預報[J].物理學報，2011，60（2）：837-839.

[13] 楊 杰，趙俊虎，鄭志海，等.華北汛期降水多因子相似訂正方案與預報試驗[J].大氣科學，2012，36（1）：11-22.

[14] 百項氣候系統指數集[DB/OL].http：//10.1.64.154/portal/web-link.index_inid=1001.

[15] 百項氣候系統指數集[DB/OL].http：//cmdp.ncc.cma.gov.cn/Monitoring/cn_index_130.php.