柘榮縣鄉鎮溫度預報訂正方法研究

林天揚，陳施靜，黃 雄

福建省柘榮縣氣象局，福建柘榮 355300

天氣預報對社會經濟發展和人們生產生活具有重要作用，隨著我國國民經濟的不斷發展，人們對天氣預報和氣象服務的需求日益增長，以城關基本單元的預報很難再滿足廣大群眾對氣象生產生活的需要，鄉鎮和旅游景點的精細化天氣預報逐漸得到重視。

作為氣象部門基層單位，縣級氣象局承擔著全縣天氣預報預警的重任。其中，溫度預報是最基本的天氣預報要素之一。目前，在省級的FZECMOS、市級、縣級的預報平臺生成的指導預報下，以國家氣象站為考核基準的城區氣溫預報準確率較高，但鄉鎮溫度指導預報往往準確率不高，縣級預報員在制作未來24 h鄉鎮溫度預報時，通常根據市氣象局對本站溫度的預報，對比鄉鎮指導溫度預報，以經驗訂正法為主，在此溫度上加減幾度。此方法存在誤差率高、人為因素影響大的弊端，嚴重制約和滯后于現代氣象發展，難以滿足社會各界對鄉鎮預報準確率、精細化程度的需求。

由于柘榮縣屬于山區縣，地理環境復雜，各鄉鎮海拔存在較大差異，氣溫垂直變化明顯，同時溫度季節變化大，不同季節、不同因子對溫度影響有較大差異，導致鄉鎮預報訂正困難加大。

近年來，鄉鎮區域自動站網絡趨于完善，大量區域自動氣象站的安裝使用為縣級鄉鎮溫度預報奠定了基礎，但縣級在實際溫度預報中很少利用，因此，研究柘榮縣各鄉鎮區域站與本站氣溫的相關性及鄉鎮溫度預報訂正方法尤為必要，且能更好地應用于鄉鎮預報中，提升鄉鎮精細化預報能力。

國內一些學者運用不同的統計分析方法針對鄉鎮溫度預報方法開展了大量的研究。連志鸞等[1]基于多級相似一站際間氣溫差額預報方法,制作石家莊204個鄉鎮點24 h最高、最低氣溫預報。并通過分析誤差成因，對該方法的優缺點進行了較為全面、客觀的討論，并提出了進一步完善的方向。張成軍等[2]利用2016年寧夏氣象臺縣站溫度預報數據和寧夏縣級氣象觀測站、鄉鎮級自動觀測站實況數據，采用訓練擇優、回歸PP技術，建立動態最優PP法鄉鎮溫度預報統計方法，檢驗該方法的溫度預報效果，明顯高于舊指標法的鄉鎮預報質量評分。申子彬等[3]使用多元回歸分析方法，并引入日照因子代替云量數據，對寧海縣2009—2018年數據進行分析，建立鄉鎮氣溫與寧海國家站氣溫及日照因子分布方程，并對訂正預報效果進行檢驗，預報準確率高于經驗訂正預報。

1 氣候背景

柘榮縣地處閩東北內陸山區，縣境內峰巒起伏，地勢東南高西北低，山地面積509.16 km2，占全縣總面積的94.6%。太姥山脈主峰東獅山頂海拔1 480 m，是全縣最高點；英山鄉下清水坑海拔僅78.8 m，是全縣最低點，平均海拔在600 m左右。屬亞熱帶季風氣候，溫和濕潤，氣溫立體分布明顯，雨量充沛，冬長夏短，霜雪凍害較嚴重。

據柘榮縣城關大監站1991—2020年氣候資料統計：年平均氣溫16.2 ℃，最冷月1月，平均氣溫6.3 ℃，最熱月7月，平均氣溫25.5 ℃，歷年極端最高氣溫37.3 ℃(1967年7月18日)，極端最低氣溫-9.8 ℃(1983年12月31日)，年平均降水量2 075.9 mm，年平均降雨日數186.3 d，年平均日照時數1 601.1 h，平均日照時數為4.4 h。

2 資料來源

采用2011—2020年福建省寧德市柘榮縣大監站(雙城鎮、城郊鄉)和境內7個鄉鎮區域自動站(富溪鎮、乍洋鄉、東源鄉、黃柏鄉、宅中鄉、楮坪鄉和英山鄉)逐日(20:00—翌日20:00)日最高氣溫、日最低氣溫及國家氣象站逐日日照資料，通過質量控制處理，使用閾值檢驗法和圖示法，人工刪除缺測或異常的數據，保證資料正確性和可用性。由于觀測項目調整，參考相關研究給出的方法，選取日照時數數據替代柘榮縣國家氣象觀測站云量數據，將逐日照時數分為2類：當日照時數＜4.4 h，將當日日照因子量化為0；當日照時數≥4.4 h，將當日日照因子量化為1。

3 研究方法

多元回歸分析是指在相關變量中將1個變量視為因變量，其他1個或多個變量視為自變量，建立多個變量之間線性或非線性數學模型數量關系式，并利用樣本數據進行分析的統計分析方法。此處使用多元回歸分析方法，將2011—2020年柘榮縣各鄉鎮區域站逐日日最高氣溫ZH和日最低氣溫ZL要素作為因變量，將柘榮縣大監站逐日的日最高氣溫XH、日最低氣溫XL和經過量化處理的日照因子Y作為自變量，使用Originpro數據分析處理軟件，分析因變量與自變量之間的線性關系，通過最小二乘法計算得到回歸系數a、b及回歸常數c，構建鄉鎮溫度預報訂正方程：ZH=aXH+bY+c和ZL=aXL+bY+c。并對不分季節的預報方程和分季節的預報方程進行對比分析。

4 各鄉鎮氣溫訂正預報方程的建立

4.1 不分季節的預報方程

使用2011—2020年數據作為預報方程建立樣本，共3 571個有效數據，依據上述給出預報訂正方程，使用Origin軟件不分季節對各鄉鎮最高氣溫和最低氣溫進行擬合，計算得到回歸系數a、b及回歸常數c，擬合結果見表1和表2。

表1 低溫擬合結果的對比分析

表2 高溫擬合結果的對比分析

根據表1和表2可知，上述給出的溫度訂正預報方法的擬合結果和實際觀測值之間有較好的符合程度，各鄉鎮計算的相關系數平方和均超過0.97，接近1。其中，本站氣溫因子相關系數絕對值為0.94～1.01，接近1，日照因子相關系數絕對值為0.01～0.91。可以看出此預報訂正方程主要依賴本站氣溫的準確性，日照因子對各鄉鎮溫度預報訂正作用的差距很大，并且對低溫的訂正作用大于高溫。使用本站溫度與日照時數作為回歸因子較合理，得到的預報方程對樣本有較好的代表性，在忽略季節、天氣系統等情況下可以使用相關方程對鄉鎮最高氣溫和最低氣溫進行訂正預報。

為驗證預報方程的實際使用效果，使用2021—2022年實況數據對其進行檢驗，為直觀表現該預報方程效果，將實測溫度與預報方程計算結果進行對比，計算各鄉鎮最低氣溫和最高氣溫平均絕對誤差，以及誤差≤1 ℃、誤差≤2 ℃的準確性，結果見表3。

表3 各鄉鎮溫度預報訂正方程的效果檢驗結果

據表3可知，各鄉鎮計算值與其實測值之間的平均絕對誤差均在1 ℃以下，其中，低溫的平均絕對誤差相較于高溫更小，效果更好。從誤差≤2 ℃的準確性看，各鄉鎮溫度訂正預報準確性為93%～99%，表現較好。從誤差≤1 ℃的準確性看，除東源、黃柏和英山最高氣溫準確性在70%以下外，其他各鄉鎮溫度訂正預報準確性在72%～89%之間，效果較好。同時，低溫預報誤差≤1 ℃的準確性相較于高溫均高出一部分。此預報方程預報效果十分理想，但針對部分效果不好的鄉鎮，需進一步改進預報方程。

4.2 分季節的預報方程

由于考慮不同季節溫濕特性差異對不同鄉鎮不同類型周邊環境的影響，因此，考慮分季節(3—5月為春季，6—8月為夏季，9—11月為秋季，12月至翌年2月為冬季)改進上述預報方程，建立各不同季節預報方程，并進行效果檢驗。擬合結果見表4(只列出相關系數(R2)。

表4 分季節各鄉鎮擬合結果相關系數(R2)的對比分析

根據表4可以看出，分季節對各鄉鎮預報方程進行擬合結果的相關系數(R2)為0.82～0.98，除夏季部分鄉鎮低溫擬合結果低于0.9外，大部分鄉鎮擬合結果和實際觀測值之間有很好符合程度。為直觀地表現該預報方程效果，將實測溫度與預報方程計算結果進行對比，計算各鄉鎮最低氣溫和最高氣溫的平均絕對誤差和誤差≤1 ℃、誤差≤2 ℃的準確性，結果如表5所示(以東源鄉為例)，并與不分季節方案進行對比。

表5 東源鄉分季節溫度預報訂正方程的效果檢驗結果

據表5對比可知，考慮季節對溫度的影響，針對東源鄉最低、最高溫度，分季節建立各預報方程和不分季節的預報方程對比，大多數準確率基本持平或略有下降。其中，只有春季最低氣溫和夏季最高氣溫準確率有提升，春季最低氣溫誤差≤1 ℃預報準確率由77%提高至83%，夏季最高氣溫誤差≤1 ℃預報準確率由35%提高至41%，同時看出不同季節對氣溫訂正影響較大，預報準確性相差很大，夏季最低氣溫誤差≤1℃的概率最低。

根據上述結果分析可知，不分季節的溫度預報方程已經達到很好預報效果，氣溫誤差≤2 ℃的準確性均接近100%，但≤1 ℃的準確性差距比較大。通過分季節計算得到的預報方程在一些特定季節(如東源鄉春季最低氣溫和夏季最高氣溫)可提高預報準確性，可以在這些季節使用分季節預報方程。

5 結論

(1)使用多元回歸分析方法，將2011—2020年柘榮縣各鄉鎮區域站逐日日最高氣溫ZH和日最低氣溫ZL要素作為因變量，將柘榮縣大監站逐日日最高氣溫XH、日最低氣溫XL和經過量化處理的日照因子Y作為自變量建立的預報方程比較合理，得到的預報方程準確性較高，可以使用相關方程對鄉鎮最高氣溫和最低氣溫進行訂正預報。

(2)分季節改進預報方程的結果表明，不同季節對氣溫訂正的影響較大，預報準確性相差很大。通過分季節計算得到的預報方程在一些特定季節(如東源鄉春季最低氣溫和夏季最高氣溫)可提高預報準確性，可以在這些季節使用分季節預報方程。

(3)此溫度預報訂正方法仍依賴于本站氣溫預報的準確性，預報方程存在局限性。同時，鄉鎮區域自動站數據質量距離本站仍存在一定差距，對回歸方程建立有一定影響，雖然當前準確性較高，但仍需進一步完善預報方程。