气温是天气预报中最重要的气象要素之一，不仅直接影响生态环境，而且间接影响工农业生产和人们日常生活（王婧等，2015; 谭桂容等，2017）。目前国内任意位置点气温客观预报主要是来自对数值模式的解释适用，其准确率一方面取决于高分辨率格点预报能力的提高，另一方面依赖于对数值模式产品的合理释用（金巍等，2020）。然而，模式的海拔高度与站点实际高度往往存在差异（智协飞等，2019），尤其是在地形复杂的高海拔地区差异更加明显，导致格点气温插值到站点过程中产生较大误差（赵滨和张博，2018）。气温直减率是指随着海拔高度的增加气温减小的幅度，在冰川学、水文学、生态学、数值预报应用等众多领域有着广泛应用（Running et al.，1987; Minder et al.，2010; Jabot et al.，2012; Sun et al.，2022），常被用于分析复杂地形气温随高度的垂直变化，是推测数据匮乏地区气温空间分布特征的重要气象参数（秦翔等，2013）。在对数值模式的气温预报后处理过程中，使用准确的气温直减率有利于提高气温预报的精准度。

就全球平均而言，对流层内气温直减率的平均值通常为0.65℃/（100 m），即海拔高度每上升100 m，气温平均下降0.65℃（Wallace and Hobbs，2006）。而在近地面（2 m），气温直减率对下垫面性质、季节变化、昼夜变化及人类活动响应较为显著（翁笃鸣和孙治安，1984; 方精云，1992; Kattel et al.，2018; 李开明等，2018）。中国的气候类型多样（杨美华，1981; 段明铿等，2020），山地面积占国土面积的三分之二以上，地形地貌复杂性、气候条件多变性使得近地面气温直减率时空差异较大。因此，应用平均对流层气温直减率很难准确表征近地面气温的整体特征，同时给预报精度的提升带来困难（Komatsu et al.，2010; Immerzeel et al.，2014; Kattel et al.，2015; Guo et al.，2016; Romshoo et al.，2018; He and Wang，2020; 罗伦等，2021）。

目前，国内已经有很多学者利用气象站观测、遥感等资料，在中国不同空间范围开展了近地面气温直减率的探索工作。江净超等（2016）利用839个国家气象站点的气温观测数据，分区域对中国时刻气温、最低气温、最高气温的直减率进行分析，提出中国气温直减率存在明显的季节、地域和类型差异。翟丹平等（2016）基于秦岭主峰太白山南北坡和不同海拔的标准气象站点2013—2015年实测日均气温资料和25 m×25 m空间分辨率的DEM数据，发现秦岭太白山地区南北坡气温直减率变化趋势不一致，北坡夏季最大而南坡春季最大，气温相对高的月份气温直减率也较高。Du et al.（2018）利用2012—2014年自动气象站气温数据分析了新疆地区的近地表气温直减率的时空分布特征，指出高山地区不同坡向的近地表气温直减率呈现出显著的季节差异。孙从建等（2018）通过研究青藏高原西北部近地表气温直减率，发现其与中国范围内的气温直减率以及邻近地区的气温直减率表现出不一致的季节变化趋势。郑成洋和方精云（2004）的研究表明，黄岗山年平均气温直减率为0.43℃/（100 m），且冬季小，夏季大。王艳霞等（2014）基于MODIS影像反演地表瞬时温度场和气象站点30 a平均气温实测数据，结合数字高程模型，研究指出在典型山地地貌类型区山地气温直减率由高山区向低山区逐渐增大。然而，前人的研究大多关注某一区域，尤其是山地区域。另外，在时间尺度上，目前对近地面气温直减率的研究多为年尺度、季节尺度或月尺度，对中国区域近地面气温直减率昼夜变化的研究较匮乏。在实际的天气预报业务中发现，数值预报模式气温预报误差存在昼夜变化（陈耀登等，2023）。因此，在前人的研究基础上对气温直减率从不同时间尺度尤其是昼夜差异深入分析是十分必要的。

本文利用2013—2022年气象站点的近地面气温观测数据，依据综合自然区划将中国分为33个子区域，以分析近地面气温直减率的区域差异、季节变化及昼夜变化。在此基础上，拟合出不同区域、不同季节的昼夜气温直减率，并将其应用到NCEP模式气温预报的高度订正中，对其可靠性进行验证。本研究旨在将分区域、季节、昼夜的近地面气温直减率应用在模式预报后处理过程中，有效降低因使用固定的气温直减率带来的误差，同时为气温空间分布信息的获取与应用提供参数支撑。

1 资料和方法

1.1 资料

本研究区域为中国陆地范围，所使用的气象观测数据为国家基本气象站和区域自动气象站2013年3月1日—2023年2月28日近地面逐小时平均气温资料。模式数据采用2022年3月1日—2023年2月28日美国国家环境预报中心NCEP（National Centers for Environmental Prediction）气温预报产品，空间分辨率为0.5°×0.5°，预报时效为360 h。

选取质量可靠且稳定的2 427个国家基本气象站作为建模站，时间序列为2013年3月1日—2022年2月28日。图1给出了国家基本气象站及质量较高的区域自动气象站的实际站点海拔高度与NCEP模式插值到站点的海拔高度的差异分布。考虑在模式解释应用中，气温高度订正对海拔高度差较大的站点更有意义，因此从国家基本气象站和质量较高的区域自动气象站中选取NCEP模式海拔高度与站点海拔高度差绝对值大于等于100 m的4 158个站点作为验证站，验证时间为2022年3月1日—2023年2月28日。

本文依照综合自然地理区划（又称为“赵松乔区划方案”），将中国划分为33个子区域来进行气温直减率研究。综合自然地理区划能够体现出目标区域内气候、地形地貌、植被等综合自然条件的一致性（江净超等，2016）。图2给出了中国分区示意图以及建模站和验证站的分布。

白天时段为09—20时（北京时），夜间时段为21时—次日08时（北京时）; 春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为12月—次年2月。

1.2 方法

1.2.1 气温观测数据处理

将各建模站点2013年3月1日—2022年2月28日09—20时（北京时间）的逐小时平均气温累计相加除以总时次数，得到各站10 a平均的白天平均气温; 将21时—次日08时（北京时）的逐小时平均气温累计相加除以总时次数，得到各站10 a平均的夜间平均气温。

1.2.2 气温直减率计算

目前，气温直减率的计算通常采用一元线性回归法拟合出气温与海拔高度的关系。考虑到中国幅员辽阔，国家基本气象站的站点不均匀，尤其是在西北地区，其分布较为分散，近地面气温不仅与海拔高度密切相关，而且受到经度及纬度的影响。为此，本文利用三元一次线性回归方法（式（1））建立气温与海拔高度、纬度及经度的函数关系式，从而得到近地面气温直减率（张洪亮等，2002; Li et al.，2013）。

其中:T代表站点气温; V_lon、V_lat、V_alt分别代表站点的经度、纬度、海拔高度; c为截距; a、b、l为待回归的拟合系数，分别表示气温随经度、纬度、海拔高度的变化程度，l即为气温直减率。

1.2.3 气温直减率可靠性验证

本文利用统计学方法，选用平均绝对误差（mean absolute error，MAE）作为检验指标，将拟合出的各子区域各季节、昼夜的气温直减率应用到NCEP模式2022年3月1日—2023年2月28日气温预报对应的季节及昼夜时段的高度订正中，通过对比订正前后气温的平均绝对误差来验证气温直减率的可靠性。气温的平均绝对误差越小，表示预报与实况越接近，说明对气温的预报效果越好。

其中:E_MA，k为第k个时刻所有站点气温平均绝对误差; T_NCEP，ik和T_OBS，ik分别为第i个站点第k个时刻气温的模式预报值和观测值; m为站点数量。

2 结果与分析

2.1 气温直减率的时空分布特征

基于式（1），利用2013年3月1日—2022年2月28日逐小时气温观测数据，分别计算了不同子区域在各季节、分昼夜的气温直减率（表1）。需要说明的是，子区域16（台湾省）、子区域19（南海诸岛）、子区域25（天山）、子区域28（喜马拉雅山南麓）、子区域33（阿里昆仑山）由于站点数据缺失或过少，导致无法求取气温直减率。由表1可见，除子区域1、3、17、24的冬季外，统计出的回归方程和气温直减率均通过了P＜0.05的显著性检验，且气温与海拔高度的相关性较高。个别子区域的气温直减率在冬季出现了显著性较差的情况，而在其他季节没有这种现象，这可能与冬季冷空气入侵造成低海拔处的气温降低，导致气温对高度变化不明显有关（张家诚和林之光，1985）。

2.1.1 气温直减率的季节差异

由表1可见，气温直减率时空分布差异是非常显著的，取值范围为-0.34~1.22℃/（100 m），且多数情况与0.65℃/（100 m）不一致。从所有子区域的平均来看，全年及各季节平均的气温直减率均低于0.65℃/（100 m），年平均为0.57℃/（100 m），春夏秋冬4个季节平均分别为0.61、0.63、0.57、0.47℃/（100 m）。总体来看，气温直减率在夏季最高，春季次之，冬季最低。其中，季节平均的气温直减率最高值出现在夏季的共计17个子区域，出现在春季的共计11个子区域; 最低值出现在冬季的共计22个子区域。分季节的统计结果表明，在所有有效子区域中，春季的气温直减率最高为0.84℃/（100 m），最低为0.28℃/（100 m）; 夏季的气温直减率最高为0.88℃/（100 m），最低为0.48℃/（100 m）; 秋季的气温直减率最高为1.02℃/（100 m），最低为0.37℃/（100 m）; 冬季的气温直减率最高为1.21℃/（100 m），最低为-0.32℃/（100 m）。不同子区域最大气温直减率的差异在春、夏、秋、冬4个季节分别为0.56、0.40、0.65、1.53℃/（100 m）。

2.1.2 气温直减率的昼夜差异

所有子区域全年平均的气温直减率在白天为0.58℃/（100 m），在夜间为0.56℃/（100 m）。对于大多数子区域，4个季节均是白天的气温直减率高于夜间。在春季和夏季的白天，均有半数以上的子区域的气温直减率超过0.65℃/（100 m）; 但是在春季和夏季的夜间以及整个秋季和冬季，绝大多数情况下气温直减率低于0.65℃/（100 m），最低为-0.34℃/（100 m）（子区24冬季白天）。气温直减率昼夜差异超过0.1℃/（100 m）的子区域数量在春夏秋冬4个季节分别有7、8、10、10个。同一子区域昼夜的气温直减率差异一般在冬季最大、春季最小，昼夜最大差异在春夏秋冬4个季节分别为0.22、0.29、0.28、0.5℃/（100 m）。

2.2 气温直减率的可靠性验证

利用表1得到的气温直减率，对NCEP模式2022年3月1日—2023年2月28日的验证站的气温预报进行分区域、分季节、分昼夜的高度订正（以下简称“分区订正”），并将其分别与订正前以及全国全年应用统一的气温直减率0.65℃/（100 m）进行高度订正（以下简称“常数订正”）后的气温预报效果进行对比。需要注意的是，表1中回归方程或气温直减率中有一项未通过P＜0.05显著性检验的子区域以及由于站点缺失或者太少无法求取气温直减率的子区域，气温直减率选用0.65℃/（100 m）来替代。

2.2.1 全年平均的各个预报时效的订正效果

图3给出了NCEP模式2022年3月1日—2023年2月28日平均的订正前、分区订正后以及常数订正后全国平均的气温平均绝对误差随预报时效的变化，而图4则给出了分区订正后较订正前及常数订正后全国平均的气温平均绝对误差减少量随预报时效的变化。可见，订正前，所有预报时效平均的气温平均绝对误差为3.19℃，且存在着明显的日变化，每个24 h内都是先上升后下降。随着预报时效的增加，气温平均绝对误差整体呈现上升趋势，前144 h气温平均绝对误差范围为2.37~3.47℃，144 h后上升为2.96~4.46℃。分区订正后，全国平均的气温平均绝对误差较订正前在各个预报时效均有所降低，尤其是预报时效越短订正效果越显著，所有时次平均降低0.56℃，最大降幅可达1.2℃。特别是处于白天的各个时次，降幅更为明显，平均降低0.85℃; 夜间降幅较白天稍低，平均为0.27℃。将分区订正与常数订正进行对比发现，分区订正后，全国平均的气温平均绝对误差在夜间各个时次均比常数订正有所降低，平均降低0.10℃，而白天各个时次与常数订正的差异较小。

注：回归方程显著性检验的□、△、○、×分别代表P＜0.001、P＜0.01、P＜0.05、P＞0.05；气温直减率显著性检验的●、■、▲、*分别代表P＜0.001、P＜0.01、P＜0.05、P＞0.05.

2.2.2 昼夜的订正效果

首先分析NCEP气温预报年平均的平均绝对误差的昼夜分布特征（图5a、b）。订正前，无论白天还是夜间，年平均的气温平均绝对误差都是在青藏高原东部及四川盆地西部偏高，东南地区偏低。对于秦岭淮河以南及青藏高原的大部分地区，白天的气温平均绝对误差高于夜间，而秦岭淮河以北大部分地区夜间的气温平均绝对误差稍高于白天。

图5c、d分昼夜给出了分区订正后较订正前气温平均绝对误差减少量的分布。平均来看，白天的订正效果优于夜间，除子区域3、5、23、31外，白天全国绝大部分地区气温平均绝对误差均有所降低，降低明显的地区与订正前白天气温平均绝对误差较高的地区基本一致，尤其是订正前气温平均绝对误差较高的青藏高原东南部及四川盆地东部地区（子区域28、29、30），降幅尤为明显，平均降低3.6℃，较订正前的误差降低了46%。分区订正后，白天的气温平均绝对误差在3℃以内的站点比例由33%增加至68%，误差降低10%以上的站点达到57%。夜间，气温平均绝对误差降低10%以上的站点达30%，降低最明显的也同样是子区域28、29、30，平均可降低1.71℃，较订正前减少23%。南方大部分地区（子区域4、8、9、10、11、12、13、14、15、17、18、26、28、29、30、32、33）气温平均绝对误差在分区订正后有所降低，而北方大部分地区则略有升高。

2.2.3 季节的订正效果

图6给出了各季节分昼夜的订正效果。与全年平均的情况类似，各个季节的订正效果都是白天优于夜间。不同季节订正前后差异的分布形态相似。对于白天，从季节平均来看，夏季的订正效果最好，冬季最差，春季、夏季、秋季、冬季全国平均的气温平均绝对误差较订正前分别减少0.84、0.97、0.81、0.68℃。除了子区域5，各个季节分区订正后，区域平均的气温平均绝对误差较订正前都有所降低。其中，应用式（1）统计出的气温直减率对气温进行订正后，子区域30的秋季白天的平均绝对误差较订正前降低最多，平均降低了3.8℃。

对于夜间，从全国范围来看，同样是夏季的订正效果最好，全国平均的气温平均绝对误差较订正前减少0.45℃; 春季订正效果最差，全国平均的气温平均绝对误差较订正前减少0.11℃。子区域1、6、7、20、21、22、23、27、31在各个季节分区订正后，区域平均的气温平均绝对误差较订正前都是升高的，因此这些区域各个季节昼夜的气温直减率要慎重使用，但是这些子区域全年平均的气温平均绝对误差较常数订正是降低的，平均可降低0.10℃。

值得注意的是，对于海拔高度较高的子区域14、29、30，在各个季节，无论是夜间还是白天，分区订正后区域平均的气温平均绝对误差较订正前均有明显降低。在实际的气象预报服务业务中，关注较多的是地形较复杂的高海拔地区，因此，本文统计出的这些区域的气温直减率具有较好的应用价值。

3 结论

本文参照综合自然区划将中国分为33个子区域，基于国家基本气象站点近10 a的逐小时气温观测数据，利用统计学方法分区域、季节、昼夜拟合出近地面气温直减率。结果表明，气温直减率的时空分布存在明显的差异性，且多数情况与0.65℃/（100 m）不一致，全国全年平均的气温直减率为0.57℃/（100 m），其中白天平均为0.58℃/（100 m），夜间平均为0.56℃/（100 m）; 春、夏、秋、冬季平均值分别为0.61、0.63、0.57、0.47℃/（100 m）。半数以上的子区在春季和夏季的白天气温直减率超过了0.65℃/（100 m），但是在春季和夏季的夜间以及整个秋季和冬季，绝大多数情况下气温直减率都低于0.65℃/（100 m）。平均来看，大多数子区都是夏季的气温直减率最高，而冬季最小; 白天的气温直减率平均高于夜间，且同一子区昼夜的气温直减率差异一般在冬季最大、春季最小，昼夜最大差异在春夏秋冬4个季节分别为0.22、0.29、0.28、0.5℃/（100 m）。

应用统计出的气温直减率对NCEP气温产品进行高度订正后，全国平均的气温平均绝对误差较订正前在各个预报时效均有所降低，所有时次平均降低0.56℃，最大降幅为1.20℃。特别是处于白天的各个时次，降幅更为明显，平均降低0.85℃; 夜间平均降低0.27℃，且比常数订正平均降低0.10℃。从季节平均来看，夏季订正效果最好，全国平均的气温绝对误差可降低0.71℃。在夜间，子区域1、6、7、20、21、22、23、27、31在各个季节分区订正后，区域平均的气温平均绝对误差较订正前都是升高的，但这些子区域平均的气温平均绝对误差较常数订正降低0.10℃。对于地形较为复杂的海拔高度较高的子区域14、29、30，在各个季节，无论是夜间还是白天，分区订正后，区域平均的气温平均绝对误差较订正前均有明显降低，全年平均降幅为2.28℃。

综上所述，在中国区域近地面气温直减率存在着明显的时空变化，且同一个综合自然区划内也可能出现差异，因此探讨气温直减率的时空变化是非常有意义的。但是在本文的研究中发现，应用分区订正后，某些地区气温预报效果是变差的，例如青藏高原中部及北部地区，这一现象可能与气温直减率在不同海拔高度范围内存在差异有关（刘伟刚等，2013）。此外，山地地区气温直减率还会受到坡向、辐射强度、降水量、季风、地形及植被覆盖度等多重因素共同作用的影响（秦翔等，2013; 翟丹平等，2016）。因此，未来可在综合自然区划的基础上进一步探究不同海拔高度范围、坡向等因素对气温直减率的影响。

参考文献