南方地區1954—2023年凍雨日數的時間序列構建與變化特征

摘" 要：利用南方地區15年地面觀測凍雨數據，結合有明顯凍雨形成物理機制的16種氣象因子，構建具有可解釋性的XGBoost凍雨模型，其能夠很好地模擬非訓練期間的凍雨個例和年凍雨日數的時間變化。利用1954—2023年的ERA5再分析資料驅動該模型，獲得南方地區凍雨日數70年的長時間序列。在長達70年中，凍雨日數存在2～3年的顯著周期，且隨著全球溫度的升高，凍雨日數呈明顯的下降趨勢，其有3個突變點，分別為1958年、1967年和1990年，其中最長的下降時段為1990—2023年。該研究為凍雨的氣候研究提供堅實的數據支撐。

關鍵詞：凍雨日數；預報模型；可解釋性；機器學習；南方地區

中圖分類號：P426.6" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）32-0087-04

Abstract： An interpretable XGBoost model of freezing rain was constructed by using surface freezing rain data observed in southern China over the past 15 years， and combining 16 meteorological factors with obvious physical mechanisms of freezing rain formation. The model was able to simulate well the temporal variation of individual freezing rain events and the annual number of freezing rain days during non-training periods. A 70-year long time series of freezing rain days in the southern region was obtained by XGBoost freezing rain model which driven using ERA5 reanalysis data from 1954 to 2023. The freezing rain days showed an obvious decreasing trend with the increase of global temperature， and existed a significant cycle of 2-3 years. There were three mutation points in the long 70-year period， which are 1958， 1967 and 1990， with the longest period of decline from 1990 to 2023. This study provides solid data support for climate change studies of freezing rain.

Keywords： freezing rain days; forecast model; interpretability; machine learning; southern region

凍雨是我國南方地區冬季發生的一種極端天氣現象，其量雖不及雨和雪，但嚴重的凍雨一旦發生，對自然環境系統和社會經濟將造成巨大的危害[1-2]。如2008年冬季南方地區發生的凍雨事件，覆蓋范圍廣泛、持續時間長，導致湖南、貴州、江西等地大面積斷電，交通中斷，農作物顆粒無收，造成超千億元的經濟損失[3]。

目前，凍雨預報主要依靠耦合了凍雨參數化方案的數值模式，如耦合在WRF模式中的凍雨參數化方案如Ramer方案、AFWA方案、Thompson方案和RUC方案等，它們根據凍雨發生時氣象要素的統計閾值和各降水相態形成的物理機制所得，但由于凍雨具有高度復雜性和多變性，目前的凍雨物理及經驗模型在處理涉及凍雨的諸多氣象要素的復雜性和不確定性時仍面臨諸多挑戰，憑借經驗統計得到的氣象要素閾值范圍存在偏差，導致這些凍雨參數化方案對凍雨的預報評分相對較低?！?br>