贵阳不同天空状况下日最高气温研究

2020-06-12 08:07王丽媛陈翱章
中低纬山地气象 2020年2期
关键词:云量阴天多云

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 ℃。

猜你喜欢
云量阴天多云
赣州地区云量变化特征及其与降水的关系
向日葵·成长·礼物
近54年博州地区低云量变化特征及影响因素分析
给阴天染上色彩
1971—2010年虎林市云量与气温、降水的年际变化特征分析
阴天
何氏“十全大补粥”
1961~2012年鲁西南云量变化特征及与其他气候因子的关系
好的阴天