西岭雪山滑雪场秋冬旅游降雪预报研究

周 斌，赵 静，青 泉，杨淑群，刘 佳

(1.四川省气候中心，成都 610072；2.四川省成都市气象局，成都 611130；3.四川省气象台，成都 610072)

引言

气候是自然环境的重要组成部分，也是影响着人们居住适宜性的重要环境因子[1]。气候条件对旅游影响甚广，任何一个旅游景区均难免不受影响[2]。西岭雪山是国家AAAA级风景名胜区，位于四川省成都市大邑县境内，距成都仅95km，总面积483km2，海拔1260～5364m，景区属于立体气温带, 雨量充沛、日照少、云雾多、气候景观独特。年平均气温为16℃，1月平均气温为4℃，7月平均气温为23℃，景区气温较平原地区低2℃；年降水量>1500mm，年均日照时数680h[3]。该区域夏季最高气温25℃，冬季最低气温为-6℃，每年11月底到次年3月底为积雪期，积雪厚度为60cm以上，适宜高山滑雪旅游[4]。赏雪滑雪旅游资源属于气候旅游资源，与气象条件有着密不可分的联系，例如气温以影响降水的形式来影响、决定冰雪的融化速率[5]。因此降雪积雪时段的气象条件预报，天气变化导致的气象灾害直接影响外出旅游活动[6]。长期以来，国内学者对冰雪产业的研究抱有较大兴趣，但在滑雪场降雪预测这一研究领域文献较少。目前，降雪预报主要通过统计或诊断分析[7-10]探寻相关因子建立降雪预报模型，利用环流相似建立预报方法[11]以及对数值模式产品[12-13]的订正等手段来建立降雪预报方法。以往研究偏重于东北[14-15]、华北[16]和西北[17-18]区域等大范围的降雪量级、起止时间和落区的预报，相关研究非常多，其预报准确率也较高。而关于四川区域，特别是旅游景区和滑雪场区域的降雪预报，由于资料缺乏的原因，分析研究的非常少。本文在已有的研究基础上，通过分析西岭雪山旅游区周边区域自动站温度和降水与海拔的关系，结合城镇预报和EC数值预报产品，研究西岭雪山旅游区最低气温、降水相态随海拔高度的变化特征，进而建立西岭雪山降雪的订正预报方法，以此满足公众对旅游气象服务的精细化需求。

1 资料及方法

1.1 资料来源

文中使用的资料包括国家基本站大邑及区域自动站雾山、花水湾、滑雪场、日月坪5站，2005～2017年每年10月～次年2月逐日最低温度。大邑、雾山、花水湾、滑雪场、日月坪的海拔高度逐渐升高(表1)，特别是滑雪场和日月坪海拔高度在2000m以上，冬季的积雪主要在滑雪场及其以上的区域，以滑雪场作为重要的参考点，进行温度和降水的订正预报。

表1 西岭雪山各站海拔高度

1.2 方法

(1)候最低温度差值订正：以预报的最低温度为基础，加上逐候最低温度差值后得到日最低温度预报；

(2)模式温度订正：用距滑雪场最近的格点温度预报数据代替滑雪场站点温度预报，选出最低温度，以气温预报变化量，建立最低气温预报的模式温度订正方法；

(3)集成预报：以候最低温度差值订正和模式温度订正进行加权平均的最低温度集成订正方法。

2 滑雪场最低温度的订正

2.1 候最低温度差值订正

整理花水湾、雾山、滑雪场、日月坪和大邑各站点2005～2017年每年10月～次年2月每天的最低温度，求出各站点每候的候平均最低温度。计算花水湾、雾山、滑雪场、日月坪和大邑最低温度差值如表2。

表2 各站和大邑逐候最低温度差值(℃)

以大邑本站预报的24、48、72小时的最低温度为基础，加上逐候最低温度差值后得到雾山、花水湾、滑雪场、日月坪的日最低温度预报。

Yitmin24=Y0tmin24-Ai

Yitmin48=Y0tmin48-Ai

Yitmin72=Y0tmin72-Ai

其中Y0tmin24、Y0tmin48、Y0tmin72分别是大邑24～72小时最低温度预报值，i=1、2、3、4，分别表示雾山、花水湾、滑雪场、日月坪，Yitmin24、Yitmin48、Yitmin72分别是某站24～72小时最低温度预报值，Ai为对应时段的候最低温度差值(表2)。

以2017年10月～2018年2月滑雪场24小时最低温度预报为例，对其进行了试报，剔除缺资料时段，试报结果如图1所示，按照预报误差≤2℃为正确，准确率为：74/134=55.2%。

2.2 模式温度订正

因滑雪场海拔高度2152m(约800hPa高度)，以EC025模式800hPa温度预报(103.25°E、30.75°N)格点(距滑雪场最近的格点)数据代替滑雪场站点温度预报，选出最低温度，以气温预报变化量建立最低气温预报方程：

Y2=T0+T1-T2

其中Y2是滑雪场24～72小时最低温度预报值；T0为当天14时前的最低温度。

当T1为EC当天08时起报的24小时预报温度；T2为EC前1天08时起报的48小时预报温度时，Y2是滑雪场24小时最低温度预报值。

当T1为EC当天08时起报的48小时预报温度；T2为EC前1天08时起报的72小时预报温度时，Y2是滑雪场48小时最低温度预报值。

当T1为EC当天08时起报的72小时预报温度；T2为EC前1天08时起报的96小时预报温度时，Y2是滑雪场72小时最低温度预报值。

以2017年10月～2018年2月滑雪场24小时最低温度预报为例，对其进行了试报，剔除缺资料时段，试报结果如下图2所示，按照预报误差≤2℃为正确，准确率为：86/134=64.2%。

2.3 集成预报

对候最低温度差值订正和模式温度订正方法进行集成(两种方法不分权重)：

Y3=(Yitmin24+Y2)/2

Y3=(Yitmin48+Y2)/2

Y3=(Yitmin72+Y2)/2

对2017年10月～2018年2月滑雪场24小时最低温度预报进行了试报，剔除缺资料时段，试报结果如下图3所示，按照预报误差≤2℃为正确，准确率为：89/134=66.4%。

由于预报方法涉及大邑城镇预报，预报方法准确率和大邑城镇预报准确率有很大关系。如果大邑城镇预报存在较大误差，会引起滑雪场的预报误差增大。剔除大邑城镇最低温度预报误差大于2℃的天数，试报结果如下图4所示，按照预报误差≦2℃为正确，试报准确率为：63/77=81.8%。

3 滑雪场降雪预报

3.1 阈值的确定

根据观测数据，结合实地调查，当滑雪场气温在5℃以下时，就可能降雪。因此选取2015～2017年11月～次年2月降水日，滑雪场小时降水≥0.1mm、气温在5℃以下的个例，分析降水时对应的平均温度。统计结果如表3所示：滑雪场从10月～次年1月降水时温度为下降趋势，10月有降水时的平均温度为2.6℃，11月为0.93℃，12月为0.16℃，1月为-0.39℃，2月为-0.18℃。据此，可以把滑雪场出现降雪的温度阈值确定为2.6℃左右。

表3 滑雪场小时降水≥0.1mm时对应的平均气温

3.2 滑雪场降雪预报

以最低温度集成订正方法预报西岭雪山滑雪场的最低温度，结合智能网格降水预报结果和降雪最低温度阈值判别，预报滑雪场是否有降雪。

如果智能网格预报有降水时，且0℃≤Tmin24、Tmin48、Tmin72≤2.6℃，预报有雨夹雪；Tmin24、Tmin48、Tmin72≤0℃，预报有雪(Tmin24、Tmin48、Tmin72分别为24、48、72小时最低温度预报值)。

当智能网格预报的降水量R为0～2.4mm，预报有小雪；R为2.5～4.9mm，预报有中雪；R为5～9.9mm，预报有大雪；R≥10mm，预报有暴雪。

3.3 滑雪场降雪预报检验

进一步统计2017年2月中滑雪场的11个降雪个例(表4)，发现EC降水量预报值均较大，且滑雪场最低温度均在0℃以下。利用EC格点降水预报，结合滑雪场最低温度预报能预报出滑雪场的降雪(表5)。四川省气象台利用四川160个测站2019年1～3月24小时降水及对应的EC24h有效时效降水预报资料，对EC晴雨预报阈值研究得到，在准确率最高(85.22%)时对应的阈值为1.8mm。如果以1.8mm 为晴雨阈值，对2017年2月中滑雪场的11个降雪个例降雪预报，发现除了2017年2月2日个例未预报出以外，其它10次降雪均预报出来，预报效果较好。

表4 2017年2月滑雪场降雪预报及检验

表5 2017年2月EC降水量预报

4 结论

本文通过分析西岭雪山旅游区周边区域自动站温度和降水与海拔的关系，结合城镇预报和EC数值预报产品，探讨了西岭雪山降雪的订正预报方法：

(1) 用统计方法建立以大邑本站最低温度预报值为基础，加上逐候最低温度差值后得到滑雪场的日最低温度预报方程：Yitmin24=Y0tmin24-Ai，试报准确率为55.2%。

(2) 结合滑雪场海拔特点，以气温预报变化量，建立滑雪场最低气温预报的模式温度订正方程：Y2=T0+T1-T2，试报准确率为64.2%。

(3) 进一步利用候最低温度差值订正和模式温度订正进行加权平均，建立最低温度集成订正方程：Y3=(Yitmin24+Y2)/2，试报准确率为66.4%。在此基础上，剔除大邑城镇最低温度预报误差>2℃的天数，按照预报误差≤2℃为正确，试报准确率为：63/77=81.8%。

(4) 以最低温度集成订正方法预报西岭雪山滑雪场的最低温度，结合智能网格降水预报结果和降雪最低温度阈值判别，若智能网格预报有降水时，且0℃≤Tmin24、Tmin48、Tmin72≤2.6℃，预报有雨夹雪；Tmin24、Tmin48、Tmin72≤0℃，预报有雪(Tmin24、Tmin48、Tmin72分别为24、48、72小时最低温度预报值)。 其中，当智能网格预报的降水量R为0～2.4mm，预报有小雪；R为2.5～4.9mm，预报有中雪；R为5～9.9mm，预报有大雪；R≥10mm，预报有暴雪。

(5) 通过对以上三种最低温度预报方法进行检验，发现最低温度集成订正方法预报准确率最高。因此以该方法，结合智能网格降水预报结果和降雪最低温度阈值判别，建立了西岭雪山滑雪场降雪的订正预报方法，该研究为西岭雪山滑雪场的旅游景观预报方法提供技术支撑。