0 引言
宁夏贺兰山东麓无霜期长（陈仁伟等，2020），积温适宜，气候资源禀赋高，是优质酿酒葡萄绝佳的生长环境，已经成为我国新兴的优质酿酒葡萄产区，被誉为世界葡萄种植的“黄金地带”（张磊等，2018）。2023年贺兰山东麓酿酒葡萄产区被授予“酿酒葡萄黄金气候带”，酿酒葡萄种植成为宁夏促农增收的重要产业，而晚霜冻（春霜冻）是宁夏葡萄酒产业的限制性因素（李红英等，2014）。在全球气候变暖的背景下，西北地区无霜期增加（朱琳等，2003；叶殿秀等，2008），终霜日提前（王迎春等，2011；潘淑坤等，2013），宁夏年平均气温上升速度加快（李艳春和李艳芳，2001；郑广芬等，2006；王连喜等，2011），春霜冻期最低气温升高、日数减少（朱永宁，2020），导致葡萄萌芽期和发育期提前，晚霜冻（春霜冻）灾害加剧（Bennie et al.，2010；Augspurger，2013），给酿酒葡萄的生产带来难以估计的损失（杨洋等，2017），如2020年4月下旬宁夏遭受了近60 a最大范围的霜冻天气，贺兰山东麓酿酒葡萄刚萌发的新梢和幼苗地上部分受冻严重，部分酒庄葡萄叶片受冻致死率达100%（陈卫平等，2020）。因此提高贺兰山东麓葡萄园霜冻预报准确率对防霜减灾工作十分必要。
提高霜冻预报准确率的前提是提升气温预报准确率。模式输出统计方法（Model OutpuStatistics，MOS）是最早应用于气温客观订正的方法之一（刘嘉慧敏等，2023），陈豫英等（2011）、罗菊英等（2014）和吴启树等（2016）基于MOS方案分别设计了宁夏、湖北恩施、福州的气温预报模型，对气温的预报效果优于指导预报的气温产品，特别是对中期气温预报质量有明显提升。在MOS方法的基础上使用线性回归方法、卡尔曼（Kalman）滤波等设计的气温预报订正方法，具有适应力强和计算资源占用小等优点（刘嘉慧敏等，2023），例如贾丽红等（2018）、曾晓青等（2019）、王丹等（2021）和田笑等（2022）基于Kalman滤波、多元线性回归、递减平均方法等对本地区气温预报进行订正，订正后预报误差降低，准确率提高。对于霜冻的预报，因土壤类型、海拔、风速、局地小气候（李芳红等，2022；赵兔祥等，2023）等因素影响，预报难度更大。以往对霜冻预报方法的研究，多使用国家气象观测站数据，基于单模式订正，例如杨晓玲等（2010）用统计学方法分析武威市霜冻气候特征，利用最大靠近原则确定霜冻预报预警的临界值和级别。近年来智能网格预报技术成为主流，陈豫英等（2019）、张祖莲等（2022）使用不同的滤波方法对气温格点产品进行订正，得到最低气温和霜冻格点产品，检验结果均显示最优集成算法订正效果最好。目前各类气温订正方法多在天气平稳时表现较好，遇到寒潮、强降温等转折性天气或山区复杂地形影响，则预报效果欠佳，但机器学习算法在转折性天气的气温预报中，具有一定优势（刘嘉慧敏等，2023）。近年来，人工智能技术飞速发展，机器学习算法在气温预报模型建立上得到广泛运用（韩念霏等，2022；陈鹤等，2022）。马学款等（2007）利用反向传播（Back Propagation，BP）神经网络算法对西藏地区气温进行模拟预测，对极端高温的预报有较好的参考价值。熊世为等（2017）采用优化的BP-MOS模型来预测气温，发现在处理预测因子时，若能综合考虑风速、云量等因素对气温变化的影响，能显著提升预测的准确度。尽管BP神经网络在转折性天气的气温预测上已显示出其优势，但也存在一些局限性，如学习速度较慢、易陷入局部最优解以及过拟合等问题。径向基函数（Radial Basis Function，RBF）神经网络是一种三层人工神经网络，能够以任意精度逼近任意的非线性函数（贾丽杰，2022），与BP神经网络相比，具有网络结构简单、收敛速度快、数值逼近能力强等优势（张亚刚等，2022）。罗泽举等（2006）基于近30 a月平均数据，建立了基于RBF的气温预测系统，将短期温度预报的准确率提升至95%。熊聪聪等（2014）基于RBF神经网络建立预报模型，有效降低了单模型预测的误差，使预测结果更加接近实际观测值。Zhu等（2019）将RBF与卡尔曼滤波方法结合起来解决气温预报的问题。张亚刚等（2021）建立了基于RBF神经网络的温度预报模型，在宁夏强降温事件的预测上表现出良好的性能。
综上所述，RBF神经网络在气温预测领域展现出明显优势，使用RBF神经网络开展贺兰山东麓葡萄园最低气温和霜冻预报方法的研究，对提升葡萄园防霜能力很有必要。本文在以往研究基础上，基于农田小气候站观测数据，分析2020—2023年贺兰山东麓12个葡萄园最低气温和霜冻基本特征，利用欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）模式格点产品和宁夏地区格点气温实况，基于RBF神经网络算法，建立针对贺兰山东麓葡萄园的最低气温和晚霜冻预报模型，并检验评估模型的预报效果，以期为提高贺兰山东麓葡萄产业的精细化特色农业气象服务提供技术支撑。
1 资料与方法
1.1 研究区域概况
宁夏贺兰山东麓的葡萄酒产区（105°45′E—106°47′E，37°43′N—39°23′N）西靠贺兰山山脉，东临黄河，北接石嘴山，南至红寺堡，平均海拔大于1 000 m（图1）。贺兰山东麓属于大陆性半干旱气候，日照充足，昼夜温差大，春秋季冷凉，夏季干旱，西面有南北走向的贺兰山脉阻挡了西来的冷空气和沙尘，形成了适宜葡萄生长的独特小气候。研究涉及的12个农田小气候站所在葡萄园分别是贺东庄园、观兰酒庄、美御酒庄、留世酒庄、长城云漠酒庄、鹤泉酒庄、轩尼诗酒庄、御马酒庄、西鸽酒庄、禹皇酒庄、江源酒庄、东方裕兴酒庄，覆盖了宁夏酿酒葡萄主要产区：石嘴山产区、贺兰产区、银川产区、永宁产区、青铜峡产区和红寺堡产区（表1）。
图1
图1
贺兰山东麓地形及农田小气候站分布
注:基于宁夏地理信息公共服务平台标准地图服务网站标准地图 [审图号:宁S[2016]10号]制作，底图边界无修改
Fig.1
The topography and distribution of farmland microclimate stations in the eastern foot of the Helan Mountain
表1 贺兰山东麓葡萄园农田小气候站地理信息
Tab.1
| 站点编号 | 葡萄园所在 酒庄 | 经度/°E | 纬度/°N | 海拔/m | 产区 |
|---|---|---|---|---|---|
| 1 | 贺东庄园 | 106°18′ 40″ | 38°59′12″ | 1 108 | 石嘴山 |
| 2 | 观兰酒庄 | 106°03′43″ | 38°42′58″ | 1 202 | 贺兰 |
| 3 | 美御酒庄 | 106° 00′52″ | 38°37′33″ | 1 178 | 银川 |
| 4 | 留世酒庄 | 106°01′10″ | 38°30′03″ | 1 134 | 银川 |
| 5 | 长城云漠酒庄 | 105°56′17″ | 38°22′34″ | 1 230 | 银川 |
| 6 | 鹤泉酒庄 | 105°59′24″ | 38°11′05″ | 1 140 | 永宁 |
| 7 | 轩尼诗酒庄 | 106°01′12″ | 38°19′30″ | 1 227 | 永宁 |
| 8 | 御马酒庄 | 105°52′48″ | 38°05′40″ | 1 171 | 青铜峡 |
| 9 | 西鸽酒庄 | 105°52′58″ | 38°04′10″ | 1 190 | 青铜峡 |
| 10 | 禹皇酒庄 | 105°53′17″ | 38°06′30″ | 1 185 | 青铜峡 |
| 11 | 江源酒庄 | 106°10′11″ | 37°20′07″ | 1 435 | 红寺堡 |
| 12 | 东方裕兴酒庄 | 106°05′22″ | 37°19′20″ | 1 388 | 红寺堡 |
1.2 数据资料
利用分布在12个葡萄园（表1）的农田小气候站2020—2023年4—5月最低气温观测数据，分析贺兰山东麓主要葡萄园最低气温和晚霜冻特征。采用欧洲中期天气预报中心（ECMWF）2020—2023年4—5月每日20：00（北京时，下同）起报的0.05°×0.05°网格预报产品和宁夏地区逐日气温0.05°×0.05°格点化的实况资料，基于RBF神经网络算法建立预报模型，并对2020—2023年ECMWF模式产品及RBF模型预报产品进行检验和对比分析。
1.3 RBF预报模型
采用RBF神经网络技术对ECMWF模式最低气温预报产品进行偏差订正。选择预报日期前一整年的时间段作为训练期，以确保模型能够学习到足够的历史数据。具体来说，利用2019年1月1日至12月31日ECMWF模式最低温度预报产品作为训练集进行建模，订正2020年1月1日最低气温预报。按照这一方法，连续地将2020年1月至2023年12月的ECMWF模式格点预报产品和宁夏逐日气温实况资料作为训练样本，建立基于ECMWF模式的RBF预报模型。随后，利用该模型对2020年1月至2023年12月的最低气温进行预报，并对模型的订正效果进行检验和分析。
应用Matlab神经网络工具箱建立RBF预报模型，具体公式（张亚刚等，2021）如下：
式中：newrbe是RBF神经网络计算函数；P（℃）为ECMWF模式逐日最低气温预报产品；T（℃）为宁夏逐日气温实况资料；a为径向基层的散布常数，表示径向基函数的扩散速度，取值直接影响神经元的数量等网络结构；net（℃）为输出的最低气温预报值。本文在神经网络设计阶段，对径向基函数的散布常数进行了调整，分别尝试了0.5、1.0、2.0、5.0等多个不同的a值，以探究其对网络结构的影响。通过实验和验证，发现当a值设定为1.0时，模型的预报值和实况之间误差最小，同时网络的整体性能也得到明显提升。最后使用临近插值法，将ECMWF模式和RBF模型最低气温网格预报数据，插值得到12个农田小气候站，作为最低气温站点预报数据，并进行对比分析。
1.4 检验指标
式中：TM（℃）为Tmin的平均绝对误差；TS（％）为Tmin的预报准确率；TF（％）为霜冻预报准确率；
2 葡萄生长季最低气温和晚霜冻特征
2.1 葡萄园最低气温日变化特征
宁夏春末夏初（4—5月）为葡萄芽膨大期、芽开放期和新梢生长期，该时段贺兰山东麓的葡萄园气温最低值多出现在凌晨时分（陈迪等，2018），易引发晚霜冻，对葡萄的嫩芽、新梢和幼叶造成损害（杨洋等，2019）。图2为2020—2023年（4—5月）贺兰山东麓葡萄园12个小气候站逐日最低气温（Tmin）的最大值和最小值变化，剔除2023年缺测的2 d，共有242 d记录。可以看出，最低气温最小值出现在2020年（-6.7 ℃），最大值出现在2021年（22.3 ℃），12个小气候站逐日最低气温差值变化区间为0.8~17.6 ℃。其间有32 d最低气温最小值小于等于0 ℃，占总天数的13.2%，主要发生在4月，仅有1 d出现在5月。2020年Tmin≤0 ℃的天数最多，达13 d，而2021年为4 d，2022、2023年分别出现8、7 d。从每年4—5月葡萄园最低气温日变化（图略）来看，每年4月均出现3次降温过程，上、中、下旬各有一次。虽然每年5月都会有2~3次降温过程，但最低气温未降到0 ℃以下，由此可见，贺兰山东麓葡萄园在4月更易出现霜冻灾害。
图2
图2
2020—2023年4—5月贺兰山东麓葡萄园12个小气候站最低气温的最大值和最小值逐日变化
Fig.2
Daily variation of maximum and minimum values of minimum temperature at vineyard microclimate stations in the eastern foothills region of the Helan Mountain from April to May during 2020-2023
2.2 葡萄园晚霜冻特征
图3为2020—2023年4—5月各葡萄园小气候站不同等级霜冻分布情况。可以看到，2020—2023年12个小气候站共出现122次霜冻，其中轻霜冻87次（占比71.3%），中霜冻29次，重霜冻仅出现6次。红寺堡产区的东方裕兴酒庄出现霜冻次数最多，达19次，其次是御马酒庄为18次，观兰酒庄出现霜冻次数最少，仅有1次。近4 a，御马酒庄中霜冻出现次数最多，达8次，其次是贺东庄园，达5次。重霜冻只有留世酒庄、御马酒庄和东方裕兴酒庄出现过，且东方裕兴酒庄出现次数最多，达3次。从产区分布看，红寺堡产区最易出现霜冻，这主要是因为该区域处于贺兰山沿山风口区域，毛乌素沙地、较高海拔、土壤湿度低等因素相互影响使霜冻多发，是酿酒葡萄晚霜冻中风险区域（张晓煜等，2022）。由此可见，12个葡萄园霜冻发生差异大，规律性不强，霜冻预报难度大。
图3
图3
2020—2023年4—5月贺兰山东麓葡萄园小气候站不同等级霜冻出现次数
Fig.3
The occurrence times of frost with different grades at vineyard microclimate stations in the eastern foothills region of the Helan Mountain from April to May during 2020-2023
3 低温和霜冻预报效果检验对比
3.1 小气候站24 h最低气温预报检验对比
对于贺兰山东麓葡萄园12个农田小气候站，ECMWF模式预报的最低气温平均准确率（TS）为47.0%，RBF模型订正后为52.5%，提高5.5%。ECMWF模式预报的鹤泉、轩尼诗、御马和西鸽4个酒庄准确率均大于50.0%，其中西鸽酒庄最高，为83.7%（图4）。观兰和江源酒庄的TS最低，均为23.3%，其他6个酒庄基本为40.4%~48.4%。RBF模型预报的所有测站TS均大于40.0%，其中大于50.0%的测站占总数的58.0%，西鸽酒庄仍最高，达80.4%，贺东庄园和禹皇酒庄最低，均为41.0%（图5）。总体上，RBF模型预报波动小，稳定性更好，准确率没有明显偏低的情况，但两者对于每个站的预报效果差异较大。RBF模型预报观兰、长城云漠和江源3个酒庄的准确率均较ECMWF模式提高了18.6%~33.8%，预报留世、御马2个酒庄准确率提高0.1%~1.5%。ECMWF模式预报其他酒庄的准确率比RBF模型高2.1%~5.9%。从不同产区（表2）看，RBF模型预报的贺兰、永宁和红寺堡产区准确率较ECMWF模式提高6.4%~33.8%，其他3个产区ECMWF模式准确率略高（1.3%~2.1%）。
图4
图4
2020—2023年4—5月贺兰山东麓葡萄园12个小气候站ECMWF模式24 h最低气温预报与实况散点图
Fig.4
Scatter plots of 24 h minimum temperature forecasted by ECMWF model and observeed values at twelve vineyard microclimate stations in the eastern foothills region of the Helan Mountain from April to May during 2020-2023
图5
图5
2020—2023年4—5月贺兰山东麓葡萄园12个小气候站RBF模型24 h最低气温预报散点图
Fig.5
Scatter plots of 24 h minimum temperature forecasted by RBF model and observeed values at twelve vineyard microclimate stations in the eastern foothills region of the Helan Mountain from April to May during 2020-2023
表2 各产区最低气温预报准确率和平均绝对误差
Tab.2
| 产区 | 预报准确率/% | 平均绝对误差/℃ | ||
|---|---|---|---|---|
| ECMWF模式 | RBF模型 | ECMWF模式 | RBF模型 | |
| 石嘴山产区 | 43.1 | 41.0 | 2.70 | 3.10 |
| 贺兰产区 | 23.3 | 57.1 | 3.60 | 2.10 |
| 银川产区 | 47.2 | 45.9 | 2.50 | 2.60 |
| 永宁产区 | 52.5 | 58.9 | 2.10 | 1.90 |
| 青铜峡产区 | 59.6 | 57.8 | 2.10 | 2.30 |
| 红寺堡产区 | 35.9 | 57.8 | 3.20 | 2.30 |
从平均绝对误差（TM）看，ECMWF模式12个农田小气候站的TM为2.60 ℃，RBF模型订正后为2.30 ℃，比ECMWF模式降低0.30 ℃。从各站的预报效果看，RBF模型对观兰、轩尼诗、江源、留世和御马5个酒庄的TM降低0.10~1.50 ℃，对鹤泉酒庄的TM与ECMWF模型相同，均为2.20 ℃；两种模型对西鸽酒庄的预报效果最好，平均绝对误差均在1.50 ℃以内。从产区分布（表2）看，RBF模型订正后，贺兰、永宁和红寺堡3个产区平均绝对误差分别较ECMWF模式降低了1.50、0.20、0.90 ℃，而另外3个产区ECMWF模式较低。
3.2 霜冻预报效果检验及对比
由上文分析可知，贺兰山东麓葡萄园12个小气候站霜冻出现次数差异性较大，其中观兰酒庄近4 a仅出现1次轻霜冻，而对于该站这次轻霜冻，RBF模型和ECMWF模式均漏报，预报偏高6.00 ℃以上，不具有代表性，因此主要分析除观兰酒庄以外的11个小气候站霜冻预报准确率和平均绝对误差。
以最低气温（Tmin）≤0 ℃作为霜冻检验标准，对比2020—2023年4—5月ECMWF模式和RBF模型的霜冻预报准确率和平均绝对误差（图6）。ECMWF模式平均准确率为40.0%，平均绝对误差为2.20 ℃，有19.0%的站点准确率超过50.0%。其中，禹皇酒庄的准确率最高，达58.3%，而长城云漠酒庄的准确率最低。与ECMWF模式相比，RBF模型的平均准确率有所提升，达40.9%，比ECMWF模式高0.9%。同时，RBF模型的平均绝对误差有所下降，为2.10 ℃。RBF模型有27.3%的小气候站霜冻预报准确率超过50.0%，比ECMWF模式高8.3%。从单站预报效果看，除了美御酒庄、鹤泉酒庄、西鸽酒庄和禹皇酒庄，RBF模型对其他各站订正均有提高，准确率提高1.0%~14.0%，平均绝对误差普遍降低0.04~0.37 ℃。从不同产区分析，除了银川产区，RBF模型对其他产区平均准确率提高1.0%~13.0%，平均绝对误差降低0.02~0.37 ℃。特别是红寺堡产区，RBF模型的准确率提升最明显，达13.0%；对石嘴山产区，平均绝对误差降低最多，达0.37 ℃。
图6
图6
2020—2023年4—5月贺兰山东麓葡萄园11个小气候站ECMWF模式和RBF模型24 h霜冻预报准确率（a）和平均绝对误差（b）
Fig.6
Accuracy (a) and mean absolute error (b) of 24 hour frost forecasted by ECMWF and RBF models at eleven vineyard microclimate stations in the eastern foothills region of the Helan Mountain from April to May during 2020-2023
3.3 霜冻灾害个例检验
2020年4月22—24日，宁夏出现持续性霜冻天气过程，强度仅次于有气象记录以来1977年同期，影响范围广，对经济林果等造成了较严重危害，大部分地区酿酒葡萄遭受中到重度冻害。以最低气温（Tmin）≤0 ℃作为霜冻标准检验，ECMWF模式对此次过程霜冻准确率为75.0%，平均绝对误差为1.30 ℃，RBF模型订正后准确率为83.0%，提高8.0%，平均绝对误差为1.10 ℃，降低0.20 ℃，RBF模型预报效果优于ECMWF模式。
由于酿酒葡萄不同发育期、不同品种易受冻的温度不同，因此将赤霞珠和霞多丽2个品种的酿酒葡萄不同发育期轻、中、重度受冻临界温度，作为霜冻预报检验的阈值（梁小娟等，2024），对比2个模型的预报效果。4月22—23日，贺兰山东麓酿酒葡萄正处于芽开放期，对应赤霞珠和霞多丽轻、中和重度受冻临界温度分别为-1.3、-2.4、-4.5 ℃和-0.7、-2.2、-3.2 ℃，以此为标准，对本次霜冻过程预报效果进行检验，葡萄园霜冻情况如表3所示。按赤霞珠受冻临界温度检验，对于轻霜冻，RBF模型准确率为75.0%，漏报1站，低于ECMWF模式预报准确率（100.0%），但RBF模型平均绝对误差为1.00 ℃，较ECMWF模式降低0.02 ℃；对于中霜冻，RBF模型准确率为50.0%，ECMWF模式全部漏报（即准确率为0），RBF模型平均绝对误差较ECMWF模式降低2.10 ℃。按霞多丽受冻临界温度检验，RBF模型对轻霜冻预报准确率为83.4%，平均绝对误差为1.50 ℃，准确率比ECMWF模式提高16.7%，平均绝对误差降低1.10 ℃；对中霜冻，RBF准确率为75.0%，比ECMWF模式提高25.0%，平均绝对误差为1.70 ℃，比ECMWF降低1.80 ℃。
表3 2020年4月22—23日贺兰山东麓葡萄园霜冻情况
Tab.3
| 霜冻日期 | 葡萄品种 | 霜冻等级 | 霜冻阈值/℃ | 出现霜冻的葡萄园 |
|---|---|---|---|---|
| 2020年4月22日 | 赤霞珠 | 轻度 | -1.3<Tmin≤-2.4 | 贺东庄园 |
| 中度 | -2.4<Tmin≤-4.5 | 东方裕兴酒庄 | ||
| 霞多丽 | 轻度 | -0.7<Tmin≤-2.2 | 美御酒庄、轩尼诗酒庄、鹤泉酒庄 | |
| 中度 | -2.2<Tmin≤-3.2 | 贺东庄园、东方裕兴酒庄 | ||
| 2020年4月23日 | 赤霞珠 | 轻度 | -1.3<Tmin≤-2.4 | 美御酒庄、贺东庄园 |
| 中度 | -2.4<Tmin≤-4.5 | 留世酒庄、东方裕兴酒庄 | ||
| 霞多丽 | 轻度 | -0.7<Tmin≤-2.2 | 美御酒庄、轩尼诗酒庄、贺东庄园 | |
| 中度 | -2.2<Tmin≤-3.2 | 留世酒庄、东方裕兴酒庄 |
总体上看，对于2020年4月22—23日贺兰山东麓霜冻过程，不论以最低气温（Tmin）≤0 ℃作为霜冻检验标准，还是以2个品种葡萄的芽开放期受冻临界温度为霜冻检验标准，RBF模型预报效果均优于ECMWF模式。对于轻霜冻，赤霞珠受冻标准下RBF模型准确率低于ECMWF模式，但霞多丽标准下RBF模型准确率提高16.7%，且两种标准下RBF模型平均绝对误差降低0.02~1.10 ℃。从中霜冻预报效果看，RBF模型准确率明显高于ECMWF模式，提高25.0%~50.0%，平均绝对误差比ECMWF模式降低1.80~2.20 ℃。
4 结论与讨论
4.1 讨论
检验结果表明，RBF模型对贺兰山东麓葡萄园的最低气温和霜冻的预报效果总体上优于ECMWF模式，特别是对观兰、长城云漠、江源3个酒庄及红寺堡产区的预报效果明显提高，但对贺东、美御、轩尼诗和东方裕兴酒庄的预报准确率低于ECMWF模式。陈豫英等（2019）曾使用Kalman滤波方法对贺兰山东麓春季格点的最低气温进行订正，结果表明该方法在1 400 m以上的高海拔山区订正效果更明显，而低于1 200 m的平原地区ECMWF模式效果更好。可以看出，不论是使用传统订正方法，还是机器学习算法，一种预报模型难以全面提升所有地区的最低气温和霜冻预报准确率，尝试多种方法，逐步提升不同地区的预报准确率，从而全面提升整个地区的预报准确率更有可操作性。下一步将尝试更多的订正方法，针对每个葡萄园的小气候特征进行订正和建模，进一步提高贺兰山东麓葡萄园最低气温和晚霜冻的预报准确率。
4.2 结论
1）在葡萄生长期，贺兰山东麓葡萄园最低气温≤0 ℃的时期主要出现在4月，其中轻霜冻出现次数最多，其次是中霜冻，重霜冻出现次数最少。各葡萄园霜冻出现次数不同，无明显规律，东方裕兴酒庄出现霜冻次数最多，其次是御马酒庄，观兰酒庄出现霜冻次数最少。从产区分布看，红寺堡产区最易出现霜冻。
2）从最低气温预报效果看，总体上RBF模型订正后准确率提高5.5%，平均绝对误差降低0.30 ℃。从单站看，RBF模型对于观兰酒庄、留世酒庄、长城云漠酒庄、御马酒庄和江源酒庄的预报准确率均较ECMWF模式提高0.1%~33.8%，平均绝对误差普遍降低0.10~1.50 ℃。从产区看，RBF模型对贺兰、永宁和红寺堡产区预报准确率较ECMWF模式提高6.4%~33.8%，平均绝对误差降低0.20~1.50 ℃。
3）从霜冻预报效果看（以最低气温Tmin≤0 ℃作为霜冻检验标准），除美御、鹤泉、西鸽和禹皇4个酒庄外，RBF模型准确率普遍提高1.0%~14.0%，平均绝对误差降低0.04~0.37 ℃。除银川产区，RBF模型对其他5个产区平均预报准确率提高1.0%~13.0%，平均绝对误差降低0.02~0.37 ℃，其中对红寺堡产区准确率提高最多，对石嘴山产区平均绝对误差降低最多。
4）对强霜冻天气个例检验发现，不论以最低气温Tmin≤0 ℃作为霜冻检验标准，还是以赤霞珠和霞多丽芽开放期受冻临界温度为霜冻检验标准，RBF模型预报效果均优于ECMWF模式。RBF模型准确率普遍提高8.0%~50.0%，平均绝对误差降低0.02~2.20 ℃，其中RBF模型对于中霜冻预报优势更加明显，准确率较ECMWF模式提高25.0%~50.0%，平均绝对误差降低1.80~2.10 ℃。
参考文献
贺兰山东麓葡萄园区国家级观测站与自动气象站最低气温的对比分析
[J].
为了促进宁夏葡萄产业发展，提升葡萄气象保障能力，为今后格点化预报和专业预报服务提供支撑，本研究利用2009—2016年4—5月贺兰山东麓葡萄园区内27个自动气象站及7个国家级观测站逐时最低气温资料，对比分析代表酒庄的自动气象站（简称：酒庄站）与所辖区国家级观测站（简称：大监站）最低气温的差异性。结果表明：贺兰山东麓最低气温出现在20时—10时，以03—08时居多，其中07时出现次数最多；经历史资料分析和实况个例对比分析，均发现酒庄站最低气温与大监站最低气温之间存在明显差异，差异普遍在3℃以内。
CLDAS气温实况融合产品在兰州和武威的检验评估及偏差订正
[J].为更好地理解格点融合实况数据与观测数据的差异和代表性，利用甘肃兰州和武威两地站点的观测数据对中国气象局陆面数据同化系统（CMA Land Data Assimilation System，CLDAS）地面2 m气温融合产品进行检验评估及偏差订正。结果表明：（1）逐小时气温和日最低气温融合产品的平均误差总体为负值，较实际气温偏低，且在2 500 m以下误差随海拔上升而减小；日最高气温融合产品平均误差在海拔1 500 m附近为负值，1 500 m以上误差变为正值且随海拔升高而增大；日最高和最低气温误差较逐小时气温误差偏大，但平均误差均在2 ℃以内。（2）通过近网格点检验，发现逐小时CLDAS气温产品白天与实况相近，夜间较实况偏低0.2 ℃；日平均气温CLDAS融合产品总体较实况偏低1 ℃，兰州城区产品偏差相对较小；30 ℃以上高温天数融合产品与实况分布基本一致，但在兰州城区，CLDAS融合产品的高温天数较观测天数偏少。（3）线性回归法和递减平均法对CLDAS气温融合产品都有一定的订正效果，递减平均法订正效果更优且在高海拔地区订正效果更明显。CLDAS气温实况融合产品在兰州和武威两地能较好地反映气温变化特征，但日最高、最低气温误差较逐小时气温大，且在复杂地形下误差相对较大。
基于多模式的新疆最高(低)气温预报误差订正及集成方法研究
[J].干旱区由于气温日较差大，气温预报难度偏大，尤其是最高、最低气温预报。利用2013—2015年ECMWF、T639、DOGRAFS、GRAPES 4种模式24 h内气温预报产品，采用递减平均订正法以及集合平均和加权集合平均法，设计2种订正集成方案，即方案1是对多模式气温预报先集成后订正，方案2是先订正后集成，对新疆地区日最高气温和最低气温预报的误差订正及集成效果进行对比检验。结果表明：（1）4种模式对新疆气温预报的准确率表现为ECMWF模式整体最好，DOGRAFS模式最差，且最低气温的预报准确率提高程度高于最高气温；（2）对于新疆不同区域，最高（低）气温预报准确率北疆高于南疆，西部高于东部，平原高于山区，且冬季的订正能力大于其他季节；（3）加权集合平均法优于集合平均法，先订正后集合方案优于先集合后订正方案；（4）方案2对2015年7月13—30日和2014年4月22—24日两次极端高、低温天气过程的最高（低）气温订正效果明显。
宁夏贺兰山东麓葡萄园小气候特征
[J].利用贺兰山东麓葡萄产区2019年8套小气候站和银川国家基准站(简称“银川站”)气象资料,对比分析银川站与葡萄园小气候代表站美域酒庄气候差异,以及美域酒庄气象要素垂直变化、同一气候区4个酒庄和5个子产区酒庄小气候差异。结果表明:(1)美域酒庄与同区域银川站各气象要素均存在差异。(2)在典型晴天10 cm地温日波动最大,40 cm最平稳,日平均地温秋、冬季典型晴天表现为10 cm<20 cm<40 cm,春、夏季典型晴天表现为10 cm>20 cm>40 cm。月、生长季和年平均50、150 cm两高度空气相对湿度差异不明显。(3)同一气候区,4个酒庄小气候受地势、海拔和土壤类型影响较大。砾石含量越高,气温越高;海拔越高,相对湿度越小、风速越大;处于山前海拔较低的留世酒庄生长季降水最多,轩尼诗酒庄降水最少。(4)5个子产区酒庄由南至北降水、空气相对湿度和光合有效辐射逐渐减小,气温逐渐升高。
宁夏近百年来的气候变化及突变分析
[J].以宁夏北部地区近百年来的年降水量、气温距平资料以及全区各季有仪器观测以来的温度降水资料为基础,利用Mann-Kendall突变检验法和滑动t检验法,分析了宁夏近百年来气候变化的阶段性和突变特点。结果表明:近百年来宁夏气候大概经历了五个主要阶段;80年代中期年平均气温及秋冬季平均气温发生突变;60年代左右年降水量发生突变;70年代中后期全区秋季降水量出现突变。
一类基于SVM/RBF的气象模型预测系统
[J].利用广东湛江地区近30年月平均气温的气象数据作为数据集，建立了一种新的基于径向基核函数的支持向量机模型预测系统。通过适当选择模型参数，其平均绝对百分比误差只有5.61%，在绝对误差温度小于等于2℃的条件下，预测的准确率达到了95%，显示出所建立的支持向量机模型预测系统的有效性。通过分析发现了湛江海岸地区气候和全球气候变暖一致的事实。
人工神经网络在西藏中短期温度预报中的应用
[J].根据2003年11月-2005年10月西藏自治区32个站点的气象资料,采用动态学习率BP算法的人工神经网络建模,在ECWMF、T213等模式数值预报产品释用基础上,进行1~7天逐日最高、最低温度模拟预测。模型业务试用结果表明,该神经网络模型具有较强的自适应学习和非线性映射能力,其预报结果能够满足实时预报的精度要求,对西藏中、短期极端温度的实时业务预报具有较好的参考价值。
1960—2011年新疆初终霜日及无霜期的变化特征
[J].利用1960—2011年新疆51个地面气象站逐日最低气温观测资料，运用线性趋势、距平分析、5 a滑动平均等方法，分析了初、终霜日和无霜期的基本特征及其变化趋势。结果表明：新疆初霜日推迟11 d，终霜日提前7 d，无霜期延长17 d。北疆、南疆和天山初、终霜日及无霜期与新疆整体变化趋势一致，但变化程度不同。天山地区变化最显著，其次是北疆，最后是南疆。初、终霜日的出现和无霜期的长短与地理因素和温度密切相关，随着海拔的升高，纬度的增加，初霜日提前，终霜日推迟，无霜期缩短。而随着温度的升高，初霜日逐渐推迟，终霜日逐渐提前，无霜期延长；从影响程度而言，最低气温的影响要大于平均气温和最高气温的影响。
统计降尺度方法在天津小时降水和气温精细化预报中的应用
[J].基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明:(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年“安比”台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。
大连地区ECMWF细网格模式阵风预报误差检验与分析
[J].阵风的预报误差检验对实际工作中的精细化预报订正具有一定的指导意义，同时对精细化预报中如何消除误差日变化的影响提供了借鉴。选取2017—2019年3~72 h逐日逐3 h 欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecast，ECMWF）细网格10 m阵风和10 m平均风预报资料，基于大连地区9个国家气象观测站实况逐3 h极大风资料进行预报误差检验分析。结果表明：按预报风级和实况风级分类的预报误差对比检验均表明ECMWF细网格预报整体偏大，平均误差为0.96 m·s<sup>-1</sup>，但具体到各风级时两种分类的预报误差统计结论并不一致，按预报风级分类的检验更符合基于模式预报开展的实际预报工作。以预报为基准统计，各风向、各风级、各站的预报误差均差异明显，风级越大预报偏大的程度越高，风向也表现出随风级增大误差增大的趋势。阵风预报的平均误差具有明显日变化，08：00（北京时，下同）前后误差最大，20：00前后误差最小，主要由10 m平均风的平均误差日变化所致。全部预报个例与实况各时效预报相关系数均在0.7以上，具体到各风级、风向时，各风向相关性均较好，而各风级的相关系数则明显降低，8级及以上风力预报的可信度大幅下降。
基于ECMWF细网格产品的一种优化BP-MOS气温预报方法
[J].基于ECMWF细网格模式输出产品，以一种优化的BP-MOS模型预测1～7 d日最高和最低气温，并对比该方法和ECMWF细网格的2 m温度输出产品以及线性MOS方法的预报效果。结果表明：在预报因子处理时，考虑云量、风、湿度等对气温变化的“过程”影响能有效提高预报准确率；ECMWF细网格2 m温度产品在短期3 d内均方根误差均在2 ℃以内，但中期时段预报效果明显低于MOS方法；由于线性MOS模型预报存在不稳定现象，而BP神经网络的非线性映射关系使其在容错性方面优势明显，因此优化的BP-MOS模型预测效果良好。
冬季宁夏贺兰山东麓酿酒葡萄种植区土壤热特性研究
[J].为科学管理葡萄越冬埋土工作，基于2021/2022年冬季宁夏贺兰山东麓酿酒葡萄种植区10个葡萄园地温观测资料，分析不同葡萄园冬季日平均地温的变化特征和10~20 cm土壤热扩散率。结果表明：各葡萄园冬季土壤温度先下降后上升，土壤温度随着深度增加而上升，深层土壤温度波动幅度小于表层土壤，变化趋势也滞后于表层土壤。热传导方法可以很好地模拟冬季贺兰山东麓10、20 cm土壤温度，20 cm效果最佳，回归校正系数达0.947 5。贺兰山东麓葡萄园冬季土壤热扩散率k整体较高，各葡萄园区k值存在一定差异。产区北端大武口区的贺东庄园和永宁县偏东的圣易路丁酒庄k值较小，平均值分别为6.11×10<sup>-6</sup>、4.53×10<sup>-6</sup> m<sup>2</sup>·s<sup>-1</sup>；靠近贺兰山的观兰酒庄、西鸽酒庄、留世酒庄、轩尼诗酒庄和产区南端的东方裕兴酒庄、红粉佳荣酒庄k值较大，平均值为11.08×10<sup>-6</sup>~14.94×10<sup>-6</sup> m<sup>2</sup>·s<sup>-1</sup>；御马酒庄和美御酒庄的平均k值分别为9.63×10<sup>-6</sup>、8.52×10<sup>-6</sup> m<sup>2</sup>·s<sup>-1</sup>。
Reconstructing patterns of temperature, phenology, and frost damage over 124 years: Spring damage risk is increasing
[J].Climate change, with both warmer spring temperatures and greater temperature fluctuations, has altered phenologies, possibly leading to greater risk of spring frost damage to temperate deciduous woody plants. Phenological observations of 20 woody species from 1993 to 2012 in Trelease Woods, Champaign County, Illinois, USA, were used to identify years with frost damage to vegetative and reproductive phases. Local temperature records were used in combination with the phenological observations to determine what combinations of the two were associated with damage. Finally, a long-term temperature record (1889-1992) was evaluated to determine if the frequency of frost damage has risen in recent decades. Frost < or = -1.7 degrees C occurred after bud-break in 14 of the 20 years of observation. Frost damage occurred in five years in the interior and in three additional years at only the forest edge. The degree of damage varied with species, life stage, tissue (vegetative or reproductive), and phenological phase. Common features associated with the occurrence of damage to interior plants were (1) a period of unusual warm temperatures in March, followed by (2) a frost event in April with a minimum temperature < or = -6.1 degrees C with (3) a period of 16-33 days between the extremes. In the long-term record, 10 of 124 years met these conditions, but the yearly probability of frost damage increased significantly, from 0.03 during 1889-1979 to 0.21 during 1980-2012. When the criteria were "softened" to < or = -1.7 degrees C in April and an interval of 16-37 days, 31 of 124 years met the conditions, and the yearly damage probability increased significantly to 0.19 for 1889-1979 and 0.42 for 1980-2012. In this forest, the combination of warming trends and temperature variability (extremes) associated with climate change is having ecologically important effects, making previously rare frost damage events more common.
Predicting spatial and temporal patterns of bud-burst and spring frost risk in north-west Europe: The implications of local adaptation to climate
[J].
Temperature drift compensation for high-G MEMS accelerometer based on RBF NN improved method
[J].
