国家气候中心业务产品：(1)附有月平均气温距平预报图的业务产品，一律按照图中陕西3个气候区域所在位置的颜色和图例读取预测值，并规定气温距平。-1℃取值0.4℃，1.0~2.0℃取值1.4oC，2.0~3.0℃取值2.4C，-1.0~0℃取值-0.4℃，-2.0~-1.0℃取值-1.4℃，-3.0~-2.0℃取值-2.4℃。(2)2005年及其以前没有附月平均气温距平预报图的业务产品，根据产品中文字描述，严格按照《中国气象地理区划手册》中一级、二级气象地理区划及其说明给出陕西3个气候区域的预测结果，并规定气温偏高取值0.4℃，偏高1℃左右取值1.1℃，偏高1℃以上取值1.4℃；气温偏低取值-0.4℃，偏低1℃左右取值-1.1℃，偏低1℃以上取值-1.4’C。

陕西业务产品：规定2010年之前业务产品所附气温距平预测值，正距平(包括距平为0)统一加0.5℃，负距平一律减0.5℃。2010年及其以后业务产品所附气温距平预测值不变。

（2）预测方法介绍

多元回归预测(X1)：利用500和100hPa高度场以及500—100hPa厚度场与预测对象之间的高相关区建立多元回归预测模型进行预测，是陕西气候预测业务使用时间最长的方法之一。

月际持续性预测(X2)：将预测月前一个月的实况距平作为本月的预测值。

年际持续性预测(X3)：将预测月前一年当月的实况距平作为本月的预测值。

基于EOF的Downsealing方法(X4)：用全球大气与热带太平洋相祸合的数值模式(couple globe climate model，CGCM)输出的500hPa高度场作为因子场，利用建立的预测模型进行预测。

（3）集成预测方法介绍

集成预测方法共两类6种。第一类，根据预测年之前每种预测方法评分平均值占各种预测方法总分值的比值确定权重，建立集成预测方程，包括使用预测年前10年、前5年和前3年评分平均值确定权重系数3种方法。集成预测方程是动态的，随预测对象、年份、月份的变化而变化。参加集成的成员有11年历史预测结果。

第二类，计算预测年之前各种预测方法评分平均值，只选取60.0及其以上的预测方法作为集成成员，根据人选各成员评分平均值占人选各成员总分值的比值确定权重，建立集成预测方程，同样包含使用预测年前10年、前5年和前3年评分平均值确定权重系数3种方法。集成预测方程也是动态的，评估数据情况说明同第一类。如果各种预测方法预测年之前评分平均值都小于60.0，则按照第一类中相应的集成预测方法进行集成。

（4）评分方法介绍

评分使用2010年实施的《短期气候预测质量分级检验办法》中的PS评分方法，表1和表2分别为该方法使用的评分表和评分用语、各等级划分标准。评分使用的月平均气温多年平均值2003年6月以前为1961一1990年数据，2003年6月起为1971一2000年数据。

研究选择3个气候区域作为研究对象，优点是各种预测方法历史预测结果和评估结果时间序列较长，可以进行多种动态集成预测方案的对比研究。缺点是可供集成预测研究选择的成员有限，即有较长历史预测结果的客观预测方法较少。

主要研究结论：(1)对3种预测方法和国家气候中心业务产品预测结果进行集成预测的结果表明，各种集成预测方法多年评分平均值都高于参加集成的任何一个成员，表现出集成的优势。说明广泛应用于气候模式预测的集成思想和集成预测方法，应用到传统的统计预测方法中，同样能够提高气候预测的技巧。

(2)第二类集成预测方法总体效果优于第一类。其中前5年预测效果好、对各种预测方法历史评分时间要求较低，推荐首先选择使用。从区域分布看，榆林集成预测的效果最好。

(3)国家气候中心业务产品对陕西3个气候区域的预侧技巧较高，将其预测结果进行客观化的处理，同X1，X2和X3一起参加集成预测，和将X1，X2和X3作为成员进行集成预测相比，集成预测技巧明显提高，说明集成预测方法确定后，参加集成各成员的预测能力最终决定集成预测的技巧。

一般认为持续性预测属于无技巧预测方法，本文将其作为参加集成的成员，一是因为其近十多年表现出较高预测技巧，二是它可以提供较长时间历史预测评分结果，让其参加集成，可以对多种集成预测方法效果进行对比分析，验证客观集成预测的效果和重要性。

(4)动态客观集成预测效果高于陕西同期发布的业务产品，说明在现有条件下陕西月平均气温(距平)趋势预测水平仍有较大的提升空间。跟踪评估各种预测方法和业务指导产品预测能力，挑选能力较强的方法和产品进行客观集成是一种简单易行的方法。

2007年，中国气象局指定陕西8个气象站为全国气候预测质量业务考核站。与3个气候区域相比，针对考核气象站的预测方法更多，客观集成可供选择的范围更大，根据研究结论，已经实际应用于8个考核气象站的气候预测业务，有待接受进一步检验。

气温是表征地区热量特征的重要指标之一。气温的高低直接影响到自然界各种植物、动物的生长发育进程及其地域分布；在众多自然科学研究领域建立的模拟模式中，气温也是重要驱动因子。因此，有关气温时空分布特征的研究一直是地理、气象、水文、农业、林业、生态等研究和应用领域广泛关注的热点问题之一。

当前，对气温时空分布特征研究的热点是借助遥感、地理信息系统等技术，利用有限的地面测站资料，建立栅格化(空间化)的气温数据库。自20世纪80年代起，美国、加拿大、日本、欧洲、澳大利亚等国家和地区相继建立了不同空间分辨率的空间气象数据信息系统近年来，我国部分学者也对气象数据栅格化进行了研究。

现有的气温数据栅格化方法主要有两大类：一是利用地统计学空间内插技术直接对气温进行内插；二是建立多元地理统计模型进行趋势面拟合并外推。常用的气温空间内插方法有逆距离权重法(IDW)、克立格法(Kriging)、样条函数法(Spline)等，大量研究表明，不同内插方法得到的气温空间分布结果存在较大差异，不同研究者认为的最适气温空间内插方法存在明显的不一致。有研究认为，不存在绝对最优的气温空间插值方法。多元地理统计模型中，常用的统计因子包括：纬度、海拔高度、经度等地理参数，在部分研究中还试图引用坡度、坡向、遮蔽度、开阔度等局地地形因子，其中最典型的是美国Oregon州立大学空间气候研究中心建立的PRISM模型(parameter elevation regressions on independent slopes model)，这类模型一般可以取得较好的拟合精度。

大多数研究认为，对山地气温分布而言，海拔高度的影响是重要的，考虑海拔高度的影响可以明显改善气温的模拟效果；局地地形的订正是必要的，然而，在大多数的研究中局地地形因子的引入是困难的，只有在少数使用短期野外考察资料的研究中，引入了个别局地因子。针对这种情况，有的研究引入坡地太阳直接辐射项进行地形因子订正。

对地形起伏、下垫面性质多样等地表非均匀因素对气温分布影响的复杂机理认识不足和山地实测资料缺乏是气温栅格化研究中的主要困难。因此，对复杂地形下气温形成机理的认识和对常规地面气象站气温观测资料的理解是实现气温栅格化模拟的基础。气象观测站一般设置在水平开阔地段，其气温观测资料代表了开阔水平面上气温的宏观分布特征，不代表实际复杂地形条件下局地气温的分布特征。因此，在不加入其他因素的前提下，不管采用哪种方法直接对气温进行插值，只能得到气温的宏观分布特征；在缺乏大量野外考察资料的情况下，采用地理、地形因子的多元地理统计模型方法，尽管可以达到较高的拟合精度，但难以揭示复杂地形下气温形成的机理，所绘制的栅格化气温分布图也很难准确反映出局地气温的空间分布规律。

研究在深入分析月平均气温影响因素的基础上，建立了月平均气温物理经验统计模型，立足常规地面气象站观测资料，结合复杂地形下太阳总辐射分布式模拟结果，提出了实现复杂地形下月平均气温分布式模拟的方法。以黄河流域为例，实现了1km×1km分辨率的月平均气温、月平均最高气温、月平均最低气温的分布式模拟，为复杂地形条件下气温栅格化提供了一种切实可行的技术方法。

模型建立过程中，所用气象资料主要包括:黄河流域及周边148个气象站(简称148个站，以下同)1961~2000年月平均气温、月平均最高(最低)气温、月平均日照百分率、月平均相对湿度资料和35个气象站太阳辐射量资料(包括:总辐射、直接辐射和散射辐射)，辐射资料均为月总量值。加密站验证分析过程中，采用了黄河流域内陕西省38个加密站1961~2000年月平均气温、月平均最高(最低)气温资料。个例年验证分析过程中，利用了148个站2005年月平均气温、月平均最高(最低)气温、月平均日照百分率和相对湿度资料。在资料应用之前，对所有资料进行了严格的质量检测和筛选，并将月总量辐射资料转换为月平均日总量资料(即：在建模时采用月平均日总量辐射资料)。1km×1km分辨率的DEM数据为国家基础地理数据。

构建有物理意义的月平均气温计算模型，建立在对气温形成机理和对常规地面气象站气温观测资料认识的基础上。气象站对气温的观测包括每日02:00，08:00，14:00，20:004个时次的定时观测和每日最高、最低气温的观测，绝大多数情况下，日最高气温在白天，日最低气温在夜晚。每日4次定时观测的算术平均为日平均气温，各日平均气温的算术平均即为月平均气温，各日最高(最低)气温的算术平均即为月平均最高(最低)气温。

（1）平均气温的组成

从气象站气温观测资料的整理过程不难看出，平均气温(包括日平均气温、月平均气温)是一项派生数据，由白天气温和夜晚气温两部分组成。有的研究中，也采用最高气温和最低气温的算术平均或加权平均作为平均气温。

（2）海拔高度对气温的影响

图1是148个站的7月气候平均气温与海拔高度的相关关系图。可以看出，两者呈显著的负相关。进一步分析表明，这种负相关关系在月平均最高(最低)气温中均有稳定的体现，但夏季的相关性比冬季显著。表明尽管气象站一般设在水平开阔地段，但利用各气象台站之间的海拔高度差异，分析气温随高度的递减率是可行的，这要比直接采用自由大气中的气温直减率推算山区气温更加符合实际

（3）太阳总辐射对气温的影响

气温与太阳辐射的关系非常密切，在气温的日变化和年变化中均有明显的体现。通过天文因子(太阳常数、日地相对距离、太阳赤纬等)与宏观地理因子(纬度等)的综合作用，各地水平面接收到的太阳总辐射表现出良好的季节变化规律和地带性分布规律，与气温的季节变化规律和纬向分布特征一致。这也是多元地理统计模型中地理纬度因子成为稳定的气温推算因子的根本原因。图2给出了兰州站1961~2000年历年逐月平均气温与太阳总辐射之间的关系。就全年情况看，气温随太阳总辐射的增加而上升，呈明显的正相关关系，体现了气温的季节变化规律;其中，以月平均最高气温与太阳总辐射的关系最为显著，其次为月平均气温，再次为月平均最低气温，表明太阳总辐射对白天气温的影响强于对夜晚气温的影响。

（4）长波有效辐射对气温的影响

长波有效辐射由地面长波辐射和大气逆辐射两部分组成，是影响地表和近地层温度的重要因素之一。在地面气象观测中，有效辐射实测资料往往通过对辐射平衡方程中其他要素的观测而间接获得，资料非常有限。图3(a)给出了格尔木、兰州两站1993~2001年1月平均最低气温与月平均日长波有效辐射的相关关系，图中月平均最低气温与长波有效辐射之间明显的负相关关系表明了长波有效辐射在夜晚地表降温过程中的重要作用；长波有效辐射对近地层气温的影响在气温日较差方面表现得更为显著，图3(b)给出了格尔木、兰州两站1993~2001年冬季(12，1，2月)月平均气温日较差与月平均日长波有效辐射的相关关系，两者间呈明显的正相关。进一步分析表明，长波有效辐射与月平均最低气温、月平均气温日较差的这种相关关系在黄河流域全年各月均有表现，以冬季最为显著;此外，长波有效辐射与月平均气温、月平均最高气温也存在不同程度的相关关系，但其相关显著程度不如月平均最低气温。由此可见，长波有效辐射的强度是决定气温日较差和最低气温的重要因素。

针对长波有效辐射观测资料有限这一现实，采用对长波有效辐射有重要影响的常规气象观测资料日照百分率和相对湿度替代长波有效辐射，分析其与月平均气温的相互关系。图3(c)是148个站1月气候平均最低气温与日照百分率的相关关系图。从图3(c)可见，两者呈显著的负相关。进一步分析表明，这种负相关关系在冬季的月平均气温、月平均最高气温中均有体现，但以月平均最低气温与日照百分率的负相关关系最为稳定和显著，表明冬季晴空夜晚强烈的长波有效辐射对最低气温具有主导性的作用。图3(d)是148个站7月气候平均气温日较差与相对湿度的相关关系图，可以看出，两者呈显著的负相关，深入分析表明这种负相关关系在全年各月均有不同程度的体现，以夏季最为明显。通过上述分析，提出在缺乏长波有效辐射资料的情况下，在月时间尺度上，可以利用日照百分率和相对湿度作为长波有效辐射强度的指标，分析长波有效辐射对气温的影响。

气温的形成机理相当复杂，影响因素众多。本文通过建立的月平均气温计算模型，实现了复杂地形下黄河流域月平均气温的空间制图。通过本项研究，得出以下几点结论：

(1)建立的月平均气温物理经验统计模型具有明确的物理意义。在深入认识气象站观测气温含义和详细分析影响气温物理因子的基础上，建立的以海拔高度、太阳总辐射、长波有效辐射及其他因素综合作用为因子的月平均气温计算模型，尽管也为统计模型，但模型因子的物理意义明确，相对于前人采用的内插法和多元地理统计模型方法而言，模型的物理意义有明显改进。

(2)分布式模拟结果能较好地反映出黄河流域月平均气温的宏观分布趋势和局地分布特征。模拟的月平均气温空间分布能很好地反映出月平均气温随地势高差和宏观气候特征的分布规律，符合黄河流域月平均气温的宏观分布趋势；对模拟结果的局地分布规律分析表明，月平均气温随坡向、坡度等局地地形因素的分布规律能得到较好地表达。

(3)误差分析结果表明，提出的月平均气温分布式模型具有很好的可靠性和稳定性。由于气象站位置误差以及DEM数据结构特点等原因，气象站对应栅格的气温模拟值与实测气温值的物理含义不同，之间存在一定偏差。对误差成因的分析发现，当栅格的地理地形参数与气象站实际地理地形参数趋近时，气温模拟值迅速趋近于实测气温值，表明研究提出月平均气温分布式模型具有很好的可靠性；交叉验证结果显示，模型对月平均气温，月平均最高、最低气温的的模拟误差平均为0.19~0.35℃，表明模型具有很好的稳定性；加密站和个例年验证分析表明，模型具有良好的空间维和时间维模拟能力。

(4)研究提出的月平均气温分布式模型立足于常规地面气象观测资料，可以方便地在广大地区推广应用。山区气象观测资料短缺是各地普遍存在的问题，如果有山区野外考察资料的支持，模型依然适用，计算精度将得到有效改善。