荆州汛期降水趋势模型研究

时间：2024-05-23

邓艳君赵卓勋张伦瑾

摘要：利用国家气候中心每月下发的130项气候系统监测指数和荆州站1954-2016年的降水资料，逐一分析这些气候指数与汛期和主汛期降水距平百分率的相关性，选取相关系数>0.3的指数作为预测因子组，采用逐步回归统计法，建立荆州汛期降水预测模型和主汛期降水预测模型。结果表明，荆州汛期和主汛期降水预测模型的相关系数分别为0.874和0.914，均明显大于单个因子的相关性。模型预测2016年汛期和主汛期的降水距平百分率，结果分别为偏多17.3%和偏多223.2%，与汛期降水距平百分率偏多6.2%和主汛期降水距平百分率偏多30.2%相比，汛期降水预测模型预测结果较好，同属于略多的等级，主汛期降水预测模型预测结果虽能预测出偏多的趋势，但数值明显偏大，可能与该模型中预测因子上年11月印度副高强度指数有效数据较少，系数偏大有关，可能需要更多数据来调整该项系数，从而提高预测精度。

关键词：汛期降水；气候监测指数；预测因子；预测模型

中图分类号：P468.0+24 文献标识码：A 文章编号：0439-8114（2018）10-0054-06

DOI：10.14088/j.cnki.issn0439-8114.2018.10.013

Prediction Model of Precipitation Tendency during Flood Season in Jingzhou

DENG Yan-jun，ZHAO Zhuo-xun，ZHANG Lun-jin

（Jingzhou Meteorological Bureau of Hubei Province，Jingzhou 434020，Hubei，China）

Abstract： The 130 climate system monitoring index issued monthly by the National Climate Center and the precipitation data from 1954 to 2016 recorded by Jingzhou climate station were analyzed to find the correlation coefficient between these climate index and the flood season precipitation anomaly percentage as well as the main flood season precipitation anomaly percentage. Using stepwise regression method， the index with the correlation coefficients larger than 0.3 were chosen as predictor group to establish the Jingzhou precipitation forecast models of flood season and main flood season. The statistical results showed that the correlation coefficients of precipitation forecast models of flood season and main flood season were 0.874 and 0.914 respectively， which were significantly higher than the coefficients of single factor. The flood season and main flood season precipitation anomaly percentages of Jingzhou in 2016 were forecasted to be more than the normal 17.3% and 223.2% with those models. Comparing to the actual value of more than 6.2% and 30.2%， the flood season model gave better forecasting result and the main flood season model gave same trend but too large value. The large forecasting error of main flood season model may be related to the shortage of effective data of last November India subtropical high pressure zone index and larger coefficient. More data was needed to tune the relevant coefficient to improve the forecasting accuracy.

Key words： flood season precipitation； climatic monitoring index； predictive factors； prediction model

汛期降水對国民经济特别是农业生产影响极大，其中大范围的旱涝气候灾害的影响尤为严重[1]。汛期降水是各级政府极为关注的重要问题，也是气象学界长期以来研究的热点和难点。湖北省荆州市地处亚热带季风区，汛期降水受中高纬度西风环流、西太平洋副热带高压、台风、东亚季风和印度西南季风环流等天气系统的影响，具有年际变化大、影响因素多等特点，容易造成洪涝与严重干旱等灾害。

学者预测汛期降水方法归纳起来主要有经验方法、统计方法和动力学方法。谭桂容等[2]对华北旱涝年和整个北半球上各层的环流异常变化情况进行了研究；韩照宇等[3]利用滑动相关普查法分析表明一些环流因子和夏半年降水有很好的相关关系；罗伯良等[4]研究了欧亚中高纬环流形势和极涡形态以及加利福尼亚寒流和黑潮区的海温，对夏季降水异常起着重要作用；丑纪范[5，6]提出基于历史相似信息对动力模式误差进行预报的思路，据此众多学者[7-10]进行了汛期降水预测研究；还有学者[11-13]利用相似年的模式误差信息，实现对预报年气候模式预测结果订正的汛期降水动力统计客观定量化预测的方法，有效改进了模式预测结果。本研究旨在建立一种经验与统计相结合的预测模型，分析气候系统监测指数集与汛期降水距平百分率的相关关系，建立荆州汛期降水的统计预测模型。

1 研究资料

气候系统指数集产品来源于国家气候中心每月下发的特征指数资料，可在气象业务内网[14]和国家气候中心监测诊断主页（CMDP）[15]自行下载使用。气候系统监测指数集共包含130项气候系统指数，其中重新整编计算的指数114项（大气环流指数88项，海温指数26项），收集下载的指数16项，时间分辨率为月平均，起止时间为1951年1月至2016年。汛期各时段降水量选用湖北省荆州区国家基本气象站1954-2016年记录的逐月降水量资料。

2 方法

2.1 数据整理

通过Access、Excel等软件将130项气候系统监测指数整理成按名称、年、月导出，选用各月、季度平均及全年平均（或者总和）形式的资料，计算出荆州站汛期（5-9月）、主汛期（6-8月）降水距平百分率，然后将上年3月到本年2月逐月、季度平均及全年平均气候系统监测指数与该年汛期（5-9月）、主汛期（6-8月）降水距平百分率一起建立综合数据库。

2.2 降水数据分析

从1954-2016年荆州站汛期（5-9月）降水距平百分率的序列图（图1）中可以看出，汛期降水距平百分率呈振荡式分布，汛期降水最多的年份为1954年，偏多96.59%，汛期降水最少的年份为1966年，偏少54.74%。

从1954-2016年荆州站主汛期（6-8月）降水距平百分率的序列图（图2）中可以看出，主汛期降水距平百分率也呈振荡式分布，且值域范围更大，主汛期降水最多年份为1954年，偏多122.7%，主汛期降水最少的年份为1972年，偏少69.9%。

根据湖北省月短期气候预测质量评定办法，降水趋势预测按照6级评分制评定，其预测用语为特少、偏少、略少、略多、偏多、特多。按该评定办法统计分析1954-2016年荆州汛期和主汛期的降水情况，结果见表1。由表1可知，63年汛期降水中偏多的年份为31年，其中，特多的年份为5年，偏多的年份为11年，略多的年份为15年；偏少的年份为32年，其中，特少的年份为1年，偏少的年份为15年，略少的年份为16年，汛期降水偏多偏少的年份数基本持平。63年主汛期降水中偏多的年份为25年，其中，特多的年份为8年，偏多的年份为8年，略多的年份为10年；偏少的年份为38年，其中，特少的年份为5年，偏少的年份为20年，略少的年份为13年，主汛期降水偏少的年份数多于偏多的年份数。

2.3 相关性分析

运用数理统计原理和方法，在SPSS统计软件中，逐一分析各月、季度平均及全年平均气候系统监测指数与该年汛期（5-9月）、主汛期（6-8月）降水距平百分率的Pearson相关性，选出相关系数>0.3，双侧显著性大于95%（P小于0.01代表在99%的置信度下显著相关，P小于0.05代表在95%的置信度下相關）的预报因子。本着择优选用的原则，剔除相关性不好、数据不完整的因子，选取相关性好的因子，最终得到与汛期（5-9月）降水百分率相关性较好的38个因子（表2），与主汛期（6-8月）降水百分率相关性较好的28个因子（表3）。

由表2可以看出，①所选取的相关性较好的因子相关性在0.300～0.404，相关性最好的因子为上年8月东太平洋副高北界位置，相关系数为0.404，其他因子的相关系数均小于0.4。②选取的39个因子（上年11月印度副高强度指数和上年11月印度副高面积指数相同，均为0.374，实为2个因子）包括33个大气环流指数、5个海温指数、1个收集下载的指数，其中副高有22个，海温有6个，可见副高与汛期（5-9月）降水相关性最大，海温相关性也比较大。③从时间分布上来看，冬季有6个因子，上年8月有5个，当年2月、上年12月、夏季和全年各有4个，当年1月、上年3月和上年11月各有2个，上年4、5、6、9月、春季、秋季各有1个。表明冬季的因子与汛期降水相关性最好，上年8月、当年2月、上年12月、夏季和全年的因子与汛期降水相关性较好。

由表3可以看出，①所选取的相关性较好的因子相关性在0.302～0.397，相关性最好的因子为上年11月印度副高强度指数和印度副高面积指数，相关系数均为0.397，除冬季北非-北大西洋-北美副高脊线位置指数外，其他因子的相关系数均小于0.375。②选取的28个因子包括22个大气环流指数、3个海温指数和3个收集下载的指数，其中副高有12个，海温有4个，极涡位置、强度有4个，可见副高与主汛期（6-8月）降水相关性最大，海温与极涡位置、强度相关性也比较大。③从时间分布上来看，冬季有5个因子，上年8月和上年12月各有3个，当年2月、上年5月、上年6月、上年11月和全年各有2个，当年1月、上年3月、上年7月、上年9月、上年10月、夏季和秋季各有1个。可以认为冬季的因子与主汛期降水相关性最好，其次是上年8月和上年12月的因子与主汛期降水相关性较好。

3 模型建立及结果检验

利用筛选的相关性较好的39个因子（相关系数>0.3）和荆州站1954-2015年汛期（5-9月）降水距平百分率资料，采用逐步回归统计方法，建立荆州站汛期降水距平百分率回归预测方程，其中上年11月印度副高强度指数和上年11月印度副高面积指数与汛期降水距平百分率的相关性相同，且数据有高度的一致性，仅保留一项作为预测因子即可，最终建立的荆州汛期降水回归预测模型（式1）包括38项气候系统监测指数，模型相关系数为0.874，明显大于单个因子的相关系数。用该汛期降水回归模型来计算2016年汛期降水百分率，从而验证汛期降水预测模型的预测精度。荆州汛期降水距平百分率的模拟与验证结果见表4。由表4可以看出，1954-2015年62年模型拟合的结果中，52个年份能正确预测降水偏多偏少趋势，10个年份预测错误。对降水特多的年份1954、1973、1979、1980、1996年，仅1996年预测值属偏多的等级，其他4年准确预测降水特多的趋势。对降水特少的年份1966年，模型预测结果为略少，有一定差距。荆州汛期降水预测模型预测2016年荆州汛期降水偏多17.3%，相比实际值6.2%，同属于略多的等级。

Y=231.28+4.864X1+0.006X2-0.932X3-4.281X4+3.566X5-13.734X6+8.619X7-12.082X8-1.265X9-0.858X10-0.199X11-8.394X12+9.945X13+2.296X14-2.829X15-0.478X16+4.811X17+7.028X18-4.41X19-42.553X20+44.247X21-0.463X22-1.004X23+3.317X24-5.209X25-3.837X26+3.363X27+14.373X28-4.695X29-4.904X30+0.857X31-0.011X32+17.582X33+10.146X34+25.677X35-5.344X36-19.272X37+0.119X38

（R=0.874）（1）

同理，利用1954-2015年主汛期降水资料，建立荆州站主汛期（6-8月）降水距平百分率逐步回归预测模型（式2），该预测模型包含27项气候系统监测指数，模型相关系数为0.914，明显大于单个因子的相关系数。2016年主汛期降水资料用于模型验证，模型模拟与验证的结果见表5。由表5可以看出，1954-2015年62年间模型拟合的结果中，55个年份能正确预测降水偏多偏少趋势，仅7个年份预测错误。对降水特多的年份1954、1955、1964、1969、1979、1980、1983、1996年，1964、1983、1996年预测值属偏多的等级，其他5年准确预测降水特多的趋势。对降水特少的年份1961、1966、1972、1974、1977年，1972、1974年模型准确预测主汛期降水特少的趋势，1961、1977年模型预测结果为偏少，1966年模型预测结果为略少。荆州主汛期降水预测模型预测2016年荆州主汛期降水偏多223.2%，与实际值30.2%相比，虽能预测2016年主汛期降水偏多，但数值明显偏大。进一步分析预测模型，发现模型中预测因子上年11月印度副高强度指数的有效数据较少，仅1953年和2015年的数值不为0，其他年份均为0，1954年汛期和主汛期降水均为有记录以来最多的年份，但该因子在主汛期降水预测模型中，系数相比汛期降水预测模型大两个数量级，从而导致计算出的2016年主汛期降水明显偏大，可能需要更多数据来调整该项的系数，从而提高预测精度。

Y=753.699-3.97X1-4.541X2+3.237X3-10.339X4-0.02X5-0.007X6-8.368X7+8.799X8-41.907X9-2.679X10-0.061X11+1.149X12-30.323X13-0.019X14+363.333X15+0.014X16-17.318X17-2.51X18+22.87X19+15.147X20+3.609X21-4.323X22-2.866X23-0.027X24+15.59X25+0.763X26+0.063X27

（R=0.914）（2）

4 小结

1）荆州汛期降水预测模型选取39个相关性>0.3的气候系统监测指数作为预测因子，其中副高与汛期（5-9月）降水相关性最大，海温相关性也比较大，相关性最好的因子为上年8月东太平洋副高北界位置，相关系数为0.404，其他因子的相关系数均小于0.4。从时间上来看，冬季的因子与汛期降水相关性最好。

2）荆州主汛期降水预测模型选取28个相关性>0.3的气候系统监测指数作为预测因子，其中副高与主汛期（6-8月）降水相关性最大，海温、极涡位置和强度相关性也比较大。相关性最好的因子为上年11月印度副高强度指数和印度副高面积指数，相关系数均为0.397，除冬季北非-北大西洋-北美副高脊线位置指数外，其他因子的相关系数均小于0.375。从时间上来看，冬季的因子与主汛期降水相关性最好。

3）1954-2015年62年汛期降水资料拟合的荆州汛期降水预测模型，相关系数为0.874，52个年份能正确预测降水偏多偏少趋势，10个年份预测错误。该模型预测的2016年荆州汛期降水趋势为偏多17.3%，相比实际值6.2%，同属于略多的等级。1954-2015年62年主汛期降水资料拟合的荆州主汛期降水预测模型，相关系数高达0.914，55个年份能正确预测降水偏多偏少趋势，仅7个年份预测错误。该模型预测2016年荆州主汛期降水偏多223.2%，与实际值30.2%相比，虽能预测2016年主汛期降水偏多，但数值明显偏大。进一步分析预测模型，发现模型中预测因子上年11月印度副高强度指数的有效数据较少，可能需要更多数据来调整该项的系数，提高模型预测精度。综合分析可知，本研究所建立的荆州汛期和主汛期降水预测模型对荆州汛期和主汛期降水趋势预测有较好的指导意义。

参考文献：

[1] 黄荣辉，蔡榕硕，陈际龙，等.我国旱涝气候灾害的年代际变化及其与东亚气候系统变化的关系[J].大气科学，2006，30（5）：730-743.

[2] 谭桂容，孙照渤，陈海山.华北夏季早涝的环流特征分析[J].氣象科学，2003，23（2）：135-143.

[3] 韩照宇，刘荣，王振华.山西省降水与环流特征量及ELnino的关系[J].山西气象，2001（2）：22-25.

[4] 罗伯良，朱明辉.湖南省夏季旱涝预报模型研究及试报[J].气象，1999，25（10）：23-27.

[5] 丑纪范.天气数值预报中使用过去资料的问题[J].中国科学，1974，

1（6）：635-644.

[6] 丑纪范.短期气候预测的现状、问题与出路（一）[J].新疆气象，2003，26（1）：1-4.

[7] 邱崇践，丑纪范.天气预报的相似-动力方法[J].大气科学，1989，

13（1）：22-28.

[8] 黄建平，王绍武.相似-动力模式的季节预报试验[J].中国科学（B辑），1991，35（2）：216-224.

[9] 任宏利，丑纪范.统计-动力相结合的相似误差订正法[J].气象学报，2005，63（6）：988-993.