淄博市温度精细预报初探

摘要分析了淄博市30年气候平均气温的分布特征,利用欧洲中心气温、湿度等数值预报场资料,通过运用SPSS统计软件,挑选相关性较好的预报因子,分别建立淄博市8个站点72h内,从6时开始每隔6h的精细气温预报方程,并对预报质量进行检验分析,同时利用VB语言建立自动预报系统,自动读入预报资料、定时自动运行。

关键词精细温度;预报;温度变化特征

中图分类号 S165+.2 文献标识码A文章编号 1007-5739(2010)04-0029-03

PreliminaryStudyonFine ForecastofTemperatureinZiboCity

HAN Guo-yongLI JunZHU MinZHANG Hong-ying

(Zibo Meteorological Bureau in Shandong Province,Zibo Shandong 255048)

Abstract30 year-climate average temperature distributed characteristics were analyzed in Zibo City,using European numerical forecasting field material including center temperature and humidity. Through SPSS statistics software,the choice of good relevance predictor,8 stands 72 hours,from 6∶00 every other 6 hour fixed time,prognostic equation was established separately,and the forecast quality was inspected and analyzed. Meanwhile,using VB language automatic forecast system was established,which could read the forecast material and move in fixed time automatically.

Key wordsfine temperature;forecast;temperature change characteristics

温度预报是天气预报的重要项目之一,也是精细化天气预报的主要内容。美国于20世纪90年代实现了中尺度数值预报的业务化[1],国内对温度预报方法的研究,尤其是对区域精细化温度预报的研究相对较少。目前,温度预报的方法有:天气形势的多级相似法[2];基于MM5和GIS(地理信息系统)时间分辨率为1h、空间分辨率为1km的温度精细预报(最小二乘法);基于MM5模式的精细化MOS预报[3]等。

淄博市的年平均气温在山东省相对偏高,且因南北地形差异造成南北气温差异较大。近年来,随着经济发展、城市建设加快等多方面因素的影响,使淄博市地区间年平均气温分布不均匀,主要表现在:张店区周围年平均气温为高中心,较全市平均气温高0.5℃,并且年平均气温呈现出以中部地区为中心向南北递减的趋势;夏季高温日数增加,平均年最高气温北部平原地区大于南部山区;平均年最低气温区在城市建设相对集中的张店和周村附近(图1)。最低气温预报准确率的提高成为温度预报工作中一个难以突破的瓶颈[4-6]。淄博市气温变化受到各方面的关注,对淄博市的经济发展会产生一定的影响。该研究尝试通过建立分县预报模型,对淄博市各区县的气温进行精细化预报。

1数据来源及方程的建立

1.1数据的初选

在充分考虑淄博市的地形特点、气候背景以及影响气温变化因素等各项条件下,依据天气学理论,根据已有的预报经验和知识,初步确定的研究方法是:利用欧洲中心850hpa温度预报场和700hpa的相对湿度预报场资料,采用每一个站点所在的经纬度,距离其最近的四点的预报值,利用经典的MOS统计方法,对淄博市8个站点、72h内每隔6h进行1次,分别建立拟和方程进行温度预报。方程建立之后,在实际预报检验的过程中逐步订正,经过分析之后尝试将前1d的平均气温引入预报因子中,预报效果较好。

1.2应用软件介绍

统计分析以及方程的拟和应用SPSS11.0(Statistical Product and Service Solution)进行。SPSS是世界上最为优秀的统计工具之一,被广泛应用于各个领域。它融合了多项先进的统计分析技术,主要内容包括:一般线性模型、混合线性模型、多元线性回归与曲线拟和、分类资料的回归分析、非线性回归及其他过程,对数线性模型、聚类分析与判别分析、因子分析与对应分析、信度分析与多维尺度尺度分析、生存分析、缺失值分析等。在预报方程的拟和过程中应用SPSS统计软件,分析详尽全面,操作简便,免去了繁琐的编程计算过程。

1.3预报因子与预报对象的相关性分析

以预报对象与预报因子单点相关普查为基础,按不同季节、不同站点、不同时次建立由相关系数大、相互独立因子组成的因子库,其中所有的因子都通过0.05显著性t检验,和实况温度按一一对应关系建立分季逐站定时回归方程。

在SPSS软件中,线性回归模型的确定一般先做散点图,以便简单明了地获得自变量和因变量的相对关系。若散点图的趋势大概呈线性关系,可以建立线性方程,若不呈线性分布,可建立其他方程模型,并通过比较R2来确定一种最佳方程式。从冬季(2004年12月到2005年2月)张店6时的实况气温与前1d平均气温的散点图(图2)可以看出,这2个因子存在比较明显的线性关系。据此,前1d的平均气温可以考虑作为6时温度预报的一个预报因子。

1.4建立MOS预报方程

回归分析是目前气象统计中最常用的一种方法,对多个因子通常采用的是多元线性回归和逐步回归。在考虑淄博市气温季节性变化以及气候特点的基础上,首先将资料按自然季节划分为春(3～5月)、夏(6～8月)、秋(9～11月)、冬(12～2月)四季,然后根据物理因子与预报对象的相关性,初选预报因子,同时用2种方法建立MOS预报方程,采用MOS统计方法建立逐站、精细温度预报模型。应用多元线性回归和逐步回归2种方法建立72h内每隔6h MOS温度预报方程,并根据历史拟合率和预报试验结果建立最终模型。经分析,逐步回归法最终所入选的预报因子较少,根据天气学原理考虑不能全面地反映出因变量的变化,所以选择用多元回归(因子全部入选)的方法。

以沂源站冬季6时的预报方程为例,利用冬季(2004年12月到2005年2月)850hpa的温度场、700hpa相对湿度场以及前1d的平均气温作为预报因子,通过多元线性回归法得出6时温度预报方程系数表和各项检验指标(表1)。从图2可知个别预报因子的贡献率较好。采用全部入选法建立回归方程:

Y=-5.124-0.058X1+0.369X2-0.042X3-0.183X4+1.493X5+0.019X6+0.015X7-0.004X8+0.009X9

方程第1项为常数项,X1～X4为850hpa的最近4时气温值,X5为前1d平均气温值,X6～X9为700hpa最近4时的相对湿度值。

利用SPSS得到模型关系式还要进行回归方程的显著性检验、回归系数b的显著性检验(T检验)及拟合多元回归方程的校正R2,以判定该方程的拟合度。用校正R2判定一个多元线性回归方程的拟合程度,可以说明用自变量解释因变量变异的程度(所占比例),拟合系数(校正R2)越接近1,拟合程度越好。利用SPSS软件拟合方程的输出结果(图3)可以看出,方程的复相关系数为0.781,决定系数为0.611,所以方程是有效的。

2方程拟和效果及预报误差分析

2.1预报结果输出

利用VISIUAL BASIC 6.0语言开发,建立可视化操作界面,自动定时读取数据并计算预报结果,实现自动运行,使用方便,运行可靠。

2.2方程拟和效果及误差分析

该预报模型投入业务试运行以来,利用淄博市已建成的自动气象站的逐时气温资料,不断对预报效果进行检验,经过统计分析预报和实况之间的差异,证明该方法对冬季分区县精细气温有较好的预报能力。由检验可知:在12月至翌年3月以及7~9月之间,天气系统变化相对稳定,气温突变率较低,预报效果较好。如,9月24~48h内,小于2℃的预报百分率达65.6%;而在4~6月以及10~12月内,由于季节交替,气温变率较大,此时单纯的统计方法对气温的预报准确率相对较低。另外,在地形简单的北部平原地区,模型的预报效果较稳定,如淄博市的高青县(图4)、桓台县,在南部山区预报效果略次于北部平原,这是地形因素对气温预报效果干扰造成的。

3论结

此模型的建立为淄博市72h分县气温的精细预报提供了较好的参考依据,解决了南北地理跨度大、地形因素明显不同而造成温差大难预报的难题,满足了精细化预报业务发展的迫切需求。进一步加强了时间、空间、强度等方面的预报精度,并且通过编程实现自动运行,操作简单。预报检验结果表明:温度在昼夜之间呈一种连续、有规律的波动变化。MOS方法在对淄博市72h分县逐时温度预报过程中,对于冷暖空气影响时降温或升温过程,表现出一定的滞后性,但并不影响对气温精细预报的参考性。

通过对预报误差的分析,总结出现误差较大的情况主要有以下几种:冬季,冷空气过后晴朗夜空的辐射降温,地面受低气团控制,南风气温升高较快;夏季,短时突发对流性降水导致气温突然下降。

通过对淄博市气温分县精细预报的研究发现,以时间、空间分辨率较高的温度、湿度、风等数值预报场和实况数据为依据,综合环境中的各种微气象条件,建立较好的预报模式,这应该是未来温度精细预报的发展方向。

4参考文献

[1] 薛纪善.美国天气预报技术的发展[J].气象,1999,24(11):3-6.

[2] 郭达烽,许爱华,肖安.多极相似作温度精细化预报初探[J].江西气象科技,2005,28(3):23-26.

[3] 陈豫英,陈晓光,马金仁,等.基于MM5模式的精细化MOS温度预报[J].干旱气象,2005,23(4):52-56.

[4] 丁建军,胡文东,丁永红,等.建立在有限区中尺度数值预报基础上的宁夏精细化温度预报业务平台[A].∥推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(下册),2004.

[5] 周春珍.单站温度精细化预报方法[A].推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(下册),2004 .

[6] 钱余根,周国华.天气预报服务的精细化发展[A].首届长三角科技论坛——气象科技发展论坛论文集, 2004 .

推荐访问:淄博市 初探 预报 精细 温度