王 璇,左 晋,王丽媛,燕 鹤,周 庶,陈翱章

(1.贵州省毕节市气象局，贵州 毕节 551700；2.贵州省生态气象和卫星遥感中心，贵州 贵阳 550002；3.贵州省七星关区气象局，贵州 毕节 551700；4.贵州省威宁彝族回族苗族自治县气象局，贵州 威宁 553100)

0 引言

贵州地处青藏高原东南侧、云贵高原东斜坡上，境内山脉众多，重峦叠峰。特殊的地理位置和复杂的地形，造成了贵州省气温变化快、起伏大且日较差大的特点，正所谓“一山分四季，十里不同天”。因此，也使得温度预报难度大，尤其在冬、春季受滇黔准静止锋摆动的影响，最高气温更是难以把握，所以提高温度综合预报能力是当前天气预报需要解决的首要任务。目前，国内很多气象工作者对温度预报开展了研究工作，韩永清等[1]、王丽媛等[2]、刘丽敏等[3]、赵海英等[4]、王强等[5]分别对山东省、伊春市、山西省、贵州省及怀化市的温度模式预报进行了检验，分析了温度预报误差；潘留杰等[6]采用“格点订正值向格点传递”的方法来订正格点预报方法；沈洁等[7]、孙爽等[8]筛选了影响最高气温的关键因子，采用回归方法，建立客观预报方程。这些研究对提升本地温度预报准确率都起到了积极的作用。本文以贵阳站为例，通过统计贵阳站不同天空状况下的日最高气温的特点，分析影响最高气温的要素，构建回归模型，为今后预报校正提供参考。

1 资料与方法

1.1 资料选取

本文研究资料包括：2010—2015年贵州省贵阳站逐日最高气温、最低气温，地面最高温度、最低温度，云量、降水量、日照时数、湿度等气象要素观测资料。

1.2 研究方法

将气象观测资料按照天空状况、月、季节进行分类统计，利用SPSS计算各气象要素与日最高气温的相关系数，对通过显著性检验的因子，采用逐步回归法，筛选出各季节不同天空状况下影响日最高气温的关键因子，建立回归模型。

2 不同天空状况出现频率分析

影响气温的重要因素之一是太阳辐射，而云量的多少对太阳辐射有直接的影响，此外，大气的干湿程度等也影响着大气中热量的交换。因此，本文根据日平均总云量和降水量将天空状况分为晴天(总云量0～3成，无降水)、多云(总云量4～7成，无降水)、阴天(总云量8～10成，08—20时内无降水)、雨天(总云量8～10成，08—20时内有降水)，因最高气温主要出现在白天，故阴天和雨天主要根据白天有无降水来划分。

根据上述对天空状况的定义，统计了贵阳站2010—2015年每月各类天气出现的频率及平均日最高气温。结果显示，晴天天气在9、10月份出现的频率最高，为16.67%，其次为8月15.05%，因进入秋季后大陆上气压由低值系统向高值系统转变，贵州因高压的控制，晴朗少云的天气明显增多；多云天气在8月出现频率最高，为29.03%，其次是7月和9月，主要也是因副高的变动，副高外围云系常影响贵州；因静止锋等系统的影响，贵州阴雨天气要远多于晴好天气，尤其是冬半年，但降水以在夜间居多，白天主要以阴天为主，因此贵阳站从11月—5月，阴天天气几乎都占了50%左右；雨天出现概率各月的差距不是太大，基本在20%～35%之间，最多是6月，为45%，主要因6月贵州进入主汛期，降水最为频繁，也导致6月晴和多云天气出现频率为全年最低。

从平均日最高气温来看，不同天空状况下，平均日最高气温均是在1月最低，3月开始有明显上升，在7月达到最高，其次是8月。在晴和多云天气下时，平均日最高气温比较接近，仅在1—3月相差2～4 ℃，其余差值大多在1 ℃左右；阴天天气下时，平均日最高气温较晴和多云天气下时明显降低，夏季较为接近，相差2～3 ℃左右，冬春季相差较大，比晴天天气下时降低了6～13 ℃，2月和3月相差最多，比多云天气下时也降低了5～9 ℃；在雨天天气下时，平均日最高气温又有所降低，但与阴天天气下时的平均日最高气温相比，每月降低的幅度比较稳定，季节上没有太大的差异，大都在2～3 ℃左右。可以看出，在同一月份，晴好天气下和阴雨天气下，平均日最高气温有较大的差异，尤其是冬春季，平均最高相差15 ℃，这也反映出贵州最高气温变化起伏大的特点。

3 不同天空状况下日最高气温影响因子分析

本文选取了贵阳站2010—2015年前1 d日最高气温、日最低气温、平均相对湿度、平均总云量、平均低云量、日照时数、平均风速、地面最高温度及地面最低温度作为影响因子，按照不同的天空状况和季节，分析各影响因子与当日日最高气温的相关性。

结果显示，影响因子中前1 d日最高、最低气温及地面最高、最低温度与日最高气温的相关性较高，且均通过0.01的显著性检验，其中相关性最高的为前1 d日最高气温，相关系数大多在0.75以上，只在夏季阴天和雨天的相关系数低于0.7；其次是前1 d日最低气温，各类天气下夏季的相关性较差，相关系数在0.5左右，其余相关系数也基本在0.75以上；地面最高温度和最低温度大多在0.6～0.8之间，同样也是夏季低于其他季节；相关性最低的为平均风速，且多没有通过显著性检验，湿度、云量、日照时数的相关性也较低，相关系数基本在0.5以下；不同的天空状况下相关性差异不大，但不同的季节有一定的差异，总体来说，相关性最高为秋季，其次是冬春季，夏季相关性较低。

表1 贵阳不同天空状况下平均日最高气温及出现频率Tab.1 Average maximum temperature and occurrence frequency in different sky conditions in Guiyang

4 日最高气温模型

按照不同的季节和天空状况，对通过显著性检验的影响因子采用SPSS逐步回归，筛选出影响日最高气温的关键因子，得到各季节不同天空状况下日最高气温的回归模型，各模型总体Sig均小于0.05，表明回归模型显著。筛选结果如表2所示，其中R为回归模型相关系数。从表中可以看出，对于不同季节、不同天空状况，对日最高气温有显著影响的因子也不尽相同，其中影响最显著是前1 d日最高气温，尤其是在晴和多云天气下，影响程度最高；其次是前1 d日最低气温，在阴天和雨天天气下时，此项对日最高气温的影响最大；此外，对日最高气温有较大影响还有前1 d地面最低温度，主要是在晴和多云天气下时。大多数影响因子与日最高气温都是呈正相关，平均低云量和平均风速等则与日最高气温呈负相关，即在其他条件不变时，低云量越高或风速越大，日最高气温越低。

表2 不同天空状况不同季节日最高气温回归模型Tab.2 Regression model of maximum temperature for different sky conditions and seasons

回归模型相关系数总体较高，对于不同季节来说，夏季较低，为0.619～0.821，其余季节相关系数都较高，均在0.8以上，其中秋季最高，为0.887～0.951；对不同的天空状况来说，最高为晴天，相关系数为0.821～0.951，其次是多云天气，为0.755～0.926。从标准估计误差值来看，在不同的天空状况下，晴天天气下的拟合效果最好，估计误差值都在2 ℃以内，其中夏秋季在1 ℃左右；其次多云天气下拟合效果也较好，夏秋季的估计误差值也都在2 ℃以内，冬春季较差；而在阴天和雨天天气下时，拟合效果最差，估计误差值大多在2～3 ℃。从季节上来看，夏季的拟合效果最好，平均估计误差值为1.6 ℃，其次是秋季，平均估计误差值为1.7 ℃，春季平均估计误差值最大，为2.5 ℃。

5 结论

通过对贵阳站2010—2015年不同天空状况下日最高气温及其影响因子的分析，得出以下结论：

①贵阳站阴雨天气出现频率要远多于晴和多云天气，尤其是冬春季，晴和多云天气多出现在夏秋季。在同一月份，晴好天气下和阴雨天气下，平均日最高气温有较大的差异，冬春季差异最大，平均最高能相差15 ℃。

②影响因子中前1 d日最高、最低气温及地面最高、最低温度与日最高气温的相关性较高，且均通过0.01的显著性检验，其中相关性最高的为前1 d日最高气温，相关系数大多在0.75以上；不同的天空状况下相关性差异不大，但不同的季节有一定的差异，总体来说，相关性最高为秋季，其次是冬春季，夏季相关性较低。

③通过逐步回归法筛选出的影响因子在不同的季节、不同的天空状况下有所不同，在晴和多云天气下时，前1 d日最高气温对日最高气温的影响最大，而在阴天和雨天天气下时，则是前1 d日最低气温的影响最大。在不同的天空状况下，晴天天气下的拟合效果最好，估计误差值都在2 ℃以内，从季节上来看，夏季的拟合效果最好，平均估计误差值为1.6 ℃。