柘荣县乡镇温度预报订正方法研究

林天扬，陈施静，黄 雄

福建省柘荣县气象局，福建柘荣 355300

天气预报对社会经济发展和人们生产生活具有重要作用，随着我国国民经济的不断发展，人们对天气预报和气象服务的需求日益增长，以城关基本单元的预报很难再满足广大群众对气象生产生活的需要，乡镇和旅游景点的精细化天气预报逐渐得到重视。

作为气象部门基层单位，县级气象局承担着全县天气预报预警的重任。其中，温度预报是最基本的天气预报要素之一。目前，在省级的FZECMOS、市级、县级的预报平台生成的指导预报下，以国家气象站为考核基准的城区气温预报准确率较高，但乡镇温度指导预报往往准确率不高，县级预报员在制作未来24 h乡镇温度预报时，通常根据市气象局对本站温度的预报，对比乡镇指导温度预报，以经验订正法为主，在此温度上加减几度。此方法存在误差率高、人为因素影响大的弊端，严重制约和滞后于现代气象发展，难以满足社会各界对乡镇预报准确率、精细化程度的需求。

由于柘荣县属于山区县，地理环境复杂，各乡镇海拔存在较大差异，气温垂直变化明显，同时温度季节变化大，不同季节、不同因子对温度影响有较大差异，导致乡镇预报订正困难加大。

近年来，乡镇区域自动站网络趋于完善，大量区域自动气象站的安装使用为县级乡镇温度预报奠定了基础，但县级在实际温度预报中很少利用，因此，研究柘荣县各乡镇区域站与本站气温的相关性及乡镇温度预报订正方法尤为必要，且能更好地应用于乡镇预报中，提升乡镇精细化预报能力。

国内一些学者运用不同的统计分析方法针对乡镇温度预报方法开展了大量的研究。连志鸾等[1]基于多级相似一站际间气温差额预报方法,制作石家庄204个乡镇点24 h最高、最低气温预报。并通过分析误差成因，对该方法的优缺点进行了较为全面、客观的讨论，并提出了进一步完善的方向。张成军等[2]利用2016年宁夏气象台县站温度预报数据和宁夏县级气象观测站、乡镇级自动观测站实况数据，采用训练择优、回归PP技术，建立动态最优PP法乡镇温度预报统计方法，检验该方法的温度预报效果，明显高于旧指标法的乡镇预报质量评分。申子彬等[3]使用多元回归分析方法，并引入日照因子代替云量数据，对宁海县2009—2018年数据进行分析，建立乡镇气温与宁海国家站气温及日照因子分布方程，并对订正预报效果进行检验，预报准确率高于经验订正预报。

1 气候背景

柘荣县地处闽东北内陆山区，县境内峰峦起伏，地势东南高西北低，山地面积509.16 km2，占全县总面积的94.6%。太姥山脉主峰东狮山顶海拔1 480 m，是全县最高点；英山乡下清水坑海拔仅78.8 m，是全县最低点，平均海拔在600 m左右。属亚热带季风气候，温和湿润，气温立体分布明显，雨量充沛，冬长夏短，霜雪冻害较严重。

据柘荣县城关大监站1991—2020年气候资料统计：年平均气温16.2 ℃，最冷月1月，平均气温6.3 ℃，最热月7月，平均气温25.5 ℃，历年极端最高气温37.3 ℃(1967年7月18日)，极端最低气温-9.8 ℃(1983年12月31日)，年平均降水量2 075.9 mm，年平均降雨日数186.3 d，年平均日照时数1 601.1 h，平均日照时数为4.4 h。

2 资料来源

采用2011—2020年福建省宁德市柘荣县大监站(双城镇、城郊乡)和境内7个乡镇区域自动站(富溪镇、乍洋乡、东源乡、黄柏乡、宅中乡、楮坪乡和英山乡)逐日(20:00—翌日20:00)日最高气温、日最低气温及国家气象站逐日日照资料，通过质量控制处理，使用阈值检验法和图示法，人工删除缺测或异常的数据，保证资料正确性和可用性。由于观测项目调整，参考相关研究给出的方法，选取日照时数数据替代柘荣县国家气象观测站云量数据，将逐日照时数分为2类：当日照时数＜4.4 h，将当日日照因子量化为0；当日照时数≥4.4 h，将当日日照因子量化为1。

3 研究方法

多元回归分析是指在相关变量中将1个变量视为因变量，其他1个或多个变量视为自变量，建立多个变量之间线性或非线性数学模型数量关系式，并利用样本数据进行分析的统计分析方法。此处使用多元回归分析方法，将2011—2020年柘荣县各乡镇区域站逐日日最高气温ZH和日最低气温ZL要素作为因变量，将柘荣县大监站逐日的日最高气温XH、日最低气温XL和经过量化处理的日照因子Y作为自变量，使用Originpro数据分析处理软件，分析因变量与自变量之间的线性关系，通过最小二乘法计算得到回归系数a、b及回归常数c，构建乡镇温度预报订正方程：ZH=aXH+bY+c和ZL=aXL+bY+c。并对不分季节的预报方程和分季节的预报方程进行对比分析。

4 各乡镇气温订正预报方程的建立

4.1 不分季节的预报方程

使用2011—2020年数据作为预报方程建立样本，共3 571个有效数据，依据上述给出预报订正方程，使用Origin软件不分季节对各乡镇最高气温和最低气温进行拟合，计算得到回归系数a、b及回归常数c，拟合结果见表1和表2。

表1 低温拟合结果的对比分析

表2 高温拟合结果的对比分析

根据表1和表2可知，上述给出的温度订正预报方法的拟合结果和实际观测值之间有较好的符合程度，各乡镇计算的相关系数平方和均超过0.97，接近1。其中，本站气温因子相关系数绝对值为0.94～1.01，接近1，日照因子相关系数绝对值为0.01～0.91。可以看出此预报订正方程主要依赖本站气温的准确性，日照因子对各乡镇温度预报订正作用的差距很大，并且对低温的订正作用大于高温。使用本站温度与日照时数作为回归因子较合理，得到的预报方程对样本有较好的代表性，在忽略季节、天气系统等情况下可以使用相关方程对乡镇最高气温和最低气温进行订正预报。

为验证预报方程的实际使用效果，使用2021—2022年实况数据对其进行检验，为直观表现该预报方程效果，将实测温度与预报方程计算结果进行对比，计算各乡镇最低气温和最高气温平均绝对误差，以及误差≤1 ℃、误差≤2 ℃的准确性，结果见表3。

表3 各乡镇温度预报订正方程的效果检验结果

据表3可知，各乡镇计算值与其实测值之间的平均绝对误差均在1 ℃以下，其中，低温的平均绝对误差相较于高温更小，效果更好。从误差≤2 ℃的准确性看，各乡镇温度订正预报准确性为93%～99%，表现较好。从误差≤1 ℃的准确性看，除东源、黄柏和英山最高气温准确性在70%以下外，其他各乡镇温度订正预报准确性在72%～89%之间，效果较好。同时，低温预报误差≤1 ℃的准确性相较于高温均高出一部分。此预报方程预报效果十分理想，但针对部分效果不好的乡镇，需进一步改进预报方程。

4.2 分季节的预报方程

由于考虑不同季节温湿特性差异对不同乡镇不同类型周边环境的影响，因此，考虑分季节(3—5月为春季，6—8月为夏季，9—11月为秋季，12月至翌年2月为冬季)改进上述预报方程，建立各不同季节预报方程，并进行效果检验。拟合结果见表4(只列出相关系数(R2)。

表4 分季节各乡镇拟合结果相关系数(R2)的对比分析

根据表4可以看出，分季节对各乡镇预报方程进行拟合结果的相关系数(R2)为0.82～0.98，除夏季部分乡镇低温拟合结果低于0.9外，大部分乡镇拟合结果和实际观测值之间有很好符合程度。为直观地表现该预报方程效果，将实测温度与预报方程计算结果进行对比，计算各乡镇最低气温和最高气温的平均绝对误差和误差≤1 ℃、误差≤2 ℃的准确性，结果如表5所示(以东源乡为例)，并与不分季节方案进行对比。

表5 东源乡分季节温度预报订正方程的效果检验结果

据表5对比可知，考虑季节对温度的影响，针对东源乡最低、最高温度，分季节建立各预报方程和不分季节的预报方程对比，大多数准确率基本持平或略有下降。其中，只有春季最低气温和夏季最高气温准确率有提升，春季最低气温误差≤1 ℃预报准确率由77%提高至83%，夏季最高气温误差≤1 ℃预报准确率由35%提高至41%，同时看出不同季节对气温订正影响较大，预报准确性相差很大，夏季最低气温误差≤1℃的概率最低。

根据上述结果分析可知，不分季节的温度预报方程已经达到很好预报效果，气温误差≤2 ℃的准确性均接近100%，但≤1 ℃的准确性差距比较大。通过分季节计算得到的预报方程在一些特定季节(如东源乡春季最低气温和夏季最高气温)可提高预报准确性，可以在这些季节使用分季节预报方程。

5 结论

(1)使用多元回归分析方法，将2011—2020年柘荣县各乡镇区域站逐日日最高气温ZH和日最低气温ZL要素作为因变量，将柘荣县大监站逐日日最高气温XH、日最低气温XL和经过量化处理的日照因子Y作为自变量建立的预报方程比较合理，得到的预报方程准确性较高，可以使用相关方程对乡镇最高气温和最低气温进行订正预报。

(2)分季节改进预报方程的结果表明，不同季节对气温订正的影响较大，预报准确性相差很大。通过分季节计算得到的预报方程在一些特定季节(如东源乡春季最低气温和夏季最高气温)可提高预报准确性，可以在这些季节使用分季节预报方程。

(3)此温度预报订正方法仍依赖于本站气温预报的准确性，预报方程存在局限性。同时，乡镇区域自动站数据质量距离本站仍存在一定差距，对回归方程建立有一定影响，虽然当前准确性较高，但仍需进一步完善预报方程。