引　言

气温是地面气象观测中较为基础和重要的观测要素之一，准确可靠的气温资料可以提高观测区域气温均一化水平(张媛，2014；张高健等，2024)，它也是高温、干旱等气象灾害风险区划和等级评估的基础指标之一，提高气温资料可用性也有助于提高数值模式的初始场精度，进而改进数值预报水平(张鑫宇等，2021；黄天文等，2024)。我国国家级气象观测站(以下简称为国家站)在气温观测中一直使用木质或新型玻璃钢材质的百叶箱来保护气温传感器(中国气象局，2003)。随着现代化气象业务的快速发展，气象观测站网密度不断增大，区域自动气象站(以下简称为区域站)数量大幅增加。不同于国家站，部分区域站在建站时对气温传感器的保护并未使用百叶箱，而是使用了防辐射罩(王晓蕾等，2008)。自2021年4月以来，湖北省气象部门开始着手气象灾害综合风险普查工作，在开展灾害风险普查评估的工作中，孙越等(2023)在分析和评估区域站气温资料时空分布序列时发现，部分使用防辐射罩气温传感器观测气温的区域站(以下简称为防辐射罩站)日平均气温轻微偏高，但其高温日数显著高于其邻近使用百叶箱气温传感器观测气温的国家站和区域站(以下简称邻近百叶箱站)，此类站点很难通过常规数据质控手段发现，甚至部分站点年均高温日数高出其邻近百叶箱站30 d以上，这将不利于气象灾害综合风险普查地区气温资料的正常使用。

以往研究表明，百叶箱可有效避免太阳直接辐射和地面反射辐射产生的热量对气温传感器观测精度的影响，同时百叶箱内外部通风可使箱体内空气与周围环境进行充分的热量交换，以此保障气温观测的准确性(熊安元等，2006；严家德等，2014a；杨显轲等，2018)；防辐射罩具有重量轻、体积小、价格低、安装便捷等优点，但防辐射罩在辐射防护性能和通风性能方面与百叶箱相比还有一定差距(Holden et al.，2013；王志成等，2015)。针对防辐射罩站气温观测偏差问题，严家德等(2014b，2015)对比了百叶箱站和防辐射罩站气温观测偏差的大小，并通过分析偏差原因，利用风速变化对其进行订正；也有学者利用对比观测、流体力学效应以及神经网络模型方法对防辐射罩站观测气温进行订正(阳艳红等，2014；袁超等，2015；Yang et al.，2016；浦玮，2019；王帅等，2022)；还有学者从防辐射罩基本结构和原理出发，研制新型防辐射罩结构及防辐射罩站观测气温回归订正算法(孙中琳等，2021；Sakalis，2022)。上述研究主要集中在单一影响因子对防辐射罩站气温观测偏差的影响方面，较少考虑台站观测季节、气温日变化、降水、相对湿度、日照、风速等多因素影响下防辐射罩站气温观测偏差的变化特征。

为降低防辐射罩站气温观测偏差，本文利用湖北省2019年6月—2022年5月22个防辐射罩站气温序列与其邻近百叶箱站气温序列，分析防辐射罩站气温观测偏差的季节变化和日变化特征，同时分析降水、相对湿度、日照、风速等气象要素对其偏差的影响；在此基础上，基于多元线性回归和随机森林方法分别建立防辐射罩站观测气温订正模型，以期降低防辐射罩站气温观测偏差、提高区域站整体气温观测数据的可用性，为开展气象灾害综合风险普查、长序列气温资料均一化订正及提高数值模式初始场精度提供参考依据。

1.   资料与方法

1.1   资料说明

对防辐射罩站观测气温与其邻近百叶箱站观测气温间的差异进行统计分析及对防辐射罩站气温观测偏差进行订正时，本文采用“天擎”大数据云平台提供的2019年6月—2022年5月22个湖北省数据完整性和可用性较高、观测环境良好、周边存在百叶箱站点(国家站和区域站)的防辐射罩站的逐小时气温、降水量、相对湿度、2 min平均风速、日照时数等地面气象观测数据，以上资料均经过气象资料业务系统(MDOS)质控(王宏记等，2008；王海军等，2012，2014)。选取的湖北省防辐射罩站点分布见图1。

图  1  湖北省防辐射罩区域自动气象站分布

Figure  1.  The distribution of the regional automatic meteorological stations with radiation shield in Hubei Province

下载: 全尺寸图片 幻灯片

2022年7月湖北省气象部门对部分防辐射罩站进行了改造升级，将站点防辐射罩更换为玻璃钢百叶箱进行气温观测，上述22个防辐射罩站中有3个站点(三店、索河、横沟)进行了改造升级，站点位置如图1黄色三角形所示，3站海拔高度分别为28.0 m、41.3 m、30.0 m，故额外选取上述3站及其邻近百叶箱站2022年6—9月质控后逐小时气温资料(数据来源同上)，统计站点改造前、后气温观测偏差变化，反映防辐射罩对气温观测偏差的影响。

1.2   研究方法

定义气温差异平均指标来体现防辐射罩站与百叶箱站观测的气温差异，并分析差异变化特征；分析并提取影响温差指标的主要影响因子(如气温的季节变化和日变化、降水量、相对湿度、日照、风速等)，基于上述影响因子分别使用多元线性回归和随机森林方法建立两种防辐射罩站观测气温订正模型；最后，利用相应统计评价指标对上述两种方法建立的订正模型的订正效果进行检验，从而确定哪种模型更优。

1.2.1   气温差异平均指标

用$ T_{\mathrm{co}} $表示防辐射罩站小时观测气温，$ T\mathrm{_\text{ne}} $表示邻近百叶箱站加权平均小时观测气温，$ {T_\text{bs}} $表示防辐射罩站与其邻近百叶箱站间的气温观测偏差，则有

距离相近且环境相似的地区，气象要素存在一定的空间一致性。根据气温资料的空间一致性特点(何志军等，2010；姚莉等，2022)，利用防辐射罩站周边20 km内最邻近的2个百叶箱国家站和10 km内最邻近的2个百叶箱区域站的气温资料计算$ T\mathrm{_\text{ne}} $；为保证$ {T_\text{ne}} $的代表性，防辐射罩站与其上述4个邻近百叶箱站的平均海拔高度差小于12 m；邻近百叶箱站尽量挑选分布在防辐射罩站周围的四个方位。$ {T_\text{ne}} $的计算公式如下：

其中，$ {T^1_\text{na}} $和$ {T^2_\text{na}} $分别为两个邻近百叶箱国家站逐小时气温；$ {T^1_\text{ar}} $和$ {T^2_\text{ar}} $分别为两个邻近百叶箱区域站逐小时气温；α、β为权重系数，采用熵权法进行确定，综合权重为1，α、β分别取0.7和0.3。

1.2.2   防辐射罩站观测气温的订正方法

利用多元线性回归和随机森林方法对防辐射罩站观测气温进行订正，因变量(Y)为$ {T_\text{ne}} $，自变量(X)为$ {T_\text{co}} $、小时降水量($ {R_\text{co}} $)、相对湿度(U)、2 min平均风速($ {f_{2\min }} $)、日照时数(S_d)、月份(M)以及日时刻(H_h)，建立多元回归模型，公式如(3)所示

其中，$ {X_1},{X_2}, \cdots ,{X_7} $分别为特征变量($ {T_\text{co}} $、$ {R_\text{co}} $、U、$ {f_{2\min }} $、S_d、M、H_h)，$ \beta_1,\ \beta_2,\cdots,\ \beta_7 $为对应特征变量回归系数，$ \varepsilon $为常数项。由于M和H_h资料均为类别变量，为了保证模型训练准确性，在进行数据预处理过程中，对月份和日时刻资料进行了独热编码(One-Hot)处理(Alaya et al.，2017)，使模型在训练中更易从该类资料中提取特征信息。另外，由于选取的22个防辐射罩站中，不是全部站点都有U、$ {f_{2\min }} $和S_d观测，如站点没有相应要素，则利用站点邻近国家站对应数据进行替代。上述气象要素种类的选取和数据处理方式也应用到随机森林模型建模中。

选取2019年6月—2022年5月湖北省22个防辐射罩站及其邻近百叶箱站逐小时气象要素资料，筛选出可用于模型建模的总样本条数共计191 325条；利用2019年6月—2021年5月的气象要素资料，建立基于多元线性回归和随机森林两种方法的防辐射罩站观测气温订正模型；并利用2021年6月—2022年5月的气象要素资料，作为模型测试数据集验证模型效果。模型训练的输入要素如公式(4)所示，所有回归系数均通过了置信度p<0.05的F检验，自变量能够显著影响因变量。由于$ {T_\text{bs}} $变化主要受太阳直接辐射和地面反射辐射的影响，所以在建立订正模型时，仅考虑日照强烈的白天时段(10:00—17:00，北京时，下同)观测气温，而夜间和清晨的气温受大气稳定度及站点地形环境影响较大，暂不进行该时段数据模型建立和订正。

1.2.3   防辐射罩站观测气温订正效果的检验指标

经多元线性回归和随机森林两种方法建模，订正后得到的防辐射罩站观测气温订正值用$ T_{\text{s}} $表示，利用平均绝对误差(MAE，记为E_MA)、均方根误差(RMSE，记为E_RMS)、相关系数(R)来评估模型订正效果，计算公式如下

式中i和n分别表示求和变量和总样本量。

2.   结果分析

首先，分析湖北省22个防辐射罩站中代表站点的$ {T_\text{bs}} $，统计防辐射罩站平均$ {T_\text{bs}} $和高温日数偏差情况；同时，基于湖北省区域站改造工作，选取防辐射罩改造成为百叶箱观测的站点，分析站点改造前后$ {T_\text{bs}} $的变化情况，证实防辐射罩站的实际气温本应与$ {T_\text{ne}} $接近；接着，基于湖北省22个防辐射罩站$ {T_\text{bs}} $变化情况，对可能影响$ {T_\text{bs}} $的影响因子(如气温的季节变化和日变化、降水量、相对湿度、日照、风速变化等)进行分析；最后，基于$ {T_\text{ne}} $、$ {T_\text{co}} $和上述影响因子，分别利用多元线性回归和随机森林方法建模对防辐射罩站观测气温进行订正，并利用相应模型效果检验指标对两种订正模型进行效果评价。

2.1   防辐射罩站观测气温及高温日数观测偏差分析

以武汉市蔡甸区索河站、宜昌市夷陵区桥边站、武汉市新洲区三店站3站作为代表站，对气温观测中防辐射罩站存在的观测偏差进行分析。图2给出了2019年6月—2022年5月湖北省防辐射罩站索河站、桥边站及三店站$ {T_\text{bs}} $的变化情况，可见索河站最大正偏差5.20 ℃，最大负偏差2.43 ℃；白天时段正偏差时次占比70%；夏季(6—8月)白天平均$ {T_\text{bs}} $为0.89 ℃，冬季(12—2月)白天平均$ {T_\text{bs}} $为0.10 ℃。桥边站最大正偏差7.10 ℃，最大负偏差4.80 ℃；白天时段正偏差时次占比72%；夏季白天平均$ {T_\text{bs}} $为0.96 ℃，冬季白天平均$ {T_\text{bs}} $为0.15 ℃。三店站最大正偏差5.55 ℃，最大负偏差3.20 ℃，白天时段正偏差时次占比82%；夏季白天平均$ {T_\text{bs}} $为1.25 ℃，冬季白天平均$ {T_\text{bs}} $为0.19 ℃。

图  2  2019年6月—2022年5月湖北省防辐射罩站索河站(a)、桥边站(b)及三店站(c)气温偏差($ {T_\text{bs}} $)逐时变化

Figure  2.  The hourly changes of $ {T_\text{bs}} $ at (a) Suohe, (b) Qiaobian and (c) Sandian stations of radiation shield stations in Hubei Province from June 2019 to May 2022

下载: 全尺寸图片 幻灯片

综上，3个防辐射罩站在研究时段内$ {T_\text{bs}} $呈现正偏差的趋势更为明显，正偏差极值也更大；在夏季高温时段，$ {T_\text{co}} $较$ {T_\text{ne}} $要更高；冬季低温条件下，$ {T_\text{co}} $偏高的幅度要小于夏季；从3站的$ {T_\text{bs}} $在夏季和冬季的变化情况可以看出$ {T_\text{bs}} $变化呈现一定季节节律性变化。

通过统计研究时段内湖北省22个防辐射罩站与其邻近百叶箱站的整体气温状况，发现太阳辐射较强的白天时段，平均$ {T_\text{co}} $、平均$ {T_\text{ne}} $及平均$ {T_\text{bs}} $分别为21.30 ℃、20.58 ℃、0.72 ℃ (表1)。从整体来看，$ {T_\text{co}} $较$ {T_\text{ne}} $偏高；对两类站点气温序列进行T检验，p值均小于0.05，$ {T_\text{co}} $与$ {T_\text{ne}} $间存在显著差异。

表  1  2019年6月—2022年5月湖北省防辐射罩站小时观测气温($ {T_\text{co}} $)、邻近百叶箱站加权平均小时观测气温($ {T_\text{ne}} $)、气温偏差($ {T_\text{bs}} $)及站点高温日数偏差的年平均值对比

Table  1.  Comparison of annual average values of hourly observed temperature at radiation shield stations ($ T_{\text{co}} $), weighted average hourly observed temperature at neighboring thermometer screen stations ($ T_{\text{ne}} $), temperature deviation ($ T_{\text{bs}} $), and deviation of high temperature days at radiation shield stations in Hubei Province from June 2019 to May 2022

站点	平均$ {T_\text{co}} $/℃	平均$ {T_\text{ne}} $/℃	平均$ {T_\text{bs}} $/℃	防辐射罩站 年均高温日数/d	邻近百叶箱站 年均高温日数/d	年均高温 日数偏差/d
三店	21.64	20.92	0.72	56.3	27.1	29.2
省农科院	21.83	21.26	0.57	44.7	24.8	19.9
财校	21.50	20.84	0.66	48.3	27.1	21.2
银莲湖	21.52	20.75	0.77	42.7	23.0	19.7
武钢二职	21.23	20.60	0.63	41.0	24.1	16.9
湖大	21.29	20.44	0.85	39.0	28.0	11.0
五里界	21.24	20.11	1.13	48.0	23.3	24.7
山坡	21.46	20.56	0.90	41.3	30.8	10.5
湖泗	21.91	21.14	0.77	48.0	30.5	17.5
索河	21.35	20.87	0.48	51.7	24.5	27.2
鲍峡	21.12	19.97	1.15	53.3	24.3	29.0
布袋营	19.77	18.79	0.98	53.0	19.6	33.4
长岗	20.48	20.07	0.41	30.7	18.6	12.1
桥边	21.29	20.74	0.55	50.0	31.2	18.8
长岭岗	21.53	20.95	0.58	39.3	21.3	18.0
屯堡	20.90	20.40	0.50	30.7	22.1	8.6
社里坝	20.53	19.81	0.72	49.0	15.7	33.3
纪南	20.79	20.16	0.63	45.7	20.2	25.5
横沟	22.40	21.48	0.92	49.0	30.9	18.1
军垦	21.68	21.09	0.59	36.7	29.5	7.2
石头咀	21.62	20.99	0.63	44.3	24.9	19.4
土台	21.64	21.01	0.63	46.0	25.4	20.6
平均值	21.30	20.58	0.72	44.9	24.9	20.0

下载: 导出CSV 

| 显示表格

地面气象要素观测规范中规定，当日最高气温$ {T_{\max }} $≥35 ℃记为一个高温日。通过对湖北省22个防辐射罩站观测的高温日数及其周边四个邻近百叶箱站的加权平均高温日数(权重分配与公式(1)相同)的统计，发现在研究时段内，所有防辐射罩站高温日数均高于其邻近百叶箱站的加权平均高温日数(表1)。防辐射罩站高温日数年平均偏差达到20.0 d；年平均最大偏差33.4 d，出现在十堰市竹山县布袋营站；年均最小偏差7.2 d，出现在黄石市阳新县军垦站。

2.2   站点改造后气温观测偏差变化

2022年7月湖北省气象部门对部分防辐射罩站进行了改造升级，其中表1中三店站、索河站、横沟站防辐射罩改造为玻璃钢百叶箱。3站改造前后$ {T_\text{bs}} $变化情况如图3所示，3站均在2022年7月完成改造升级工作，可见3站$ {T_\text{bs}} $在7月初均出现明显下降，改造后$ {T_\text{co}} $与$ {T_\text{ne}} $间的偏差明显减小。

图  3  2022年防辐射罩站改造前后(7月初改造完成)三店站(a)、索河站(b)、横沟站(c)气温偏差($ {T_\text{bs}} $)逐时变化

Figure  3.  The hourly changes of $ {T_\text{bs}} $ at (a) Sandian, (b) Suohe and (c) Henggou stations before and after the radiation shield stations renovation (completed in early July) in 2022

下载: 全尺寸图片 幻灯片

统计白天时段防辐射罩站改造前(2019—2021年逐年7—9月)、后(2022年7—9月)的平均$ {T_\text{bs}} $，由表2可见，改造前，三店、索河、横沟3个防辐射罩站在7—9月平均$ {T_\text{bs}} $分别为1.22 ℃、0.96 ℃、1.17 ℃，改造后分别降至0.18 ℃、0.16 ℃、0.25 ℃，改造后$ {T_\text{co}} $与$ {T_\text{ne}} $相近。对上述3个防辐射罩站2019年6月—2022年9月的逐小时$ {T_\text{bs}} $序列进行MK趋势检验，对月平均$ {T_\text{bs}} $序列进行MK突变检验，检验结果表明3站$ {T_\text{bs}} $均呈现显著下降趋势，$ {T_\text{bs}} $突变点位置显著，突变均发生在2022年7—8月，与防辐射罩站改造升级工作完成时间相符合，MK检验结果均显著(p<0.05)，说明$ {T_\text{bs}} $在改造前、后呈现非均一性，且具有下降趋势。

表  2  改造前(2019—2021年7—9月)、后(2022年7—9月)防辐射罩站平均气温偏差($ {T_\text{bs}} $)及其序列MK检验结果

Table  2.  The average $ T_\text{bs} $ of the radiation shield stations before (July to September from 2019 to 2021) and after (July to September 2022) the renovation, and the MK test results of $ T_\text{bs} $ sequence of the renovation stations

站名	改造前 平均$ {T_\text{bs}} $/℃	改造后 平均$ {T_\text{bs}} $/℃	MK趋势 检验	MK突变 检验
三店	1.22	0.18	下降	2022年8月
索河	0.96	0.16	下降	2022年7月
横沟	1.17	0.25	下降	2022年7月

下载: 导出CSV 

| 显示表格

从改造后结果来看，一方面，$ {T_\text{co}} $在未改造前存在一定程度偏高；另一方面也说明，防辐射罩站的实际气温本应与$ {T_\text{ne}} $接近，证明$ {T_\text{ne}} $可以在一定程度上反映防辐射罩站点地区的实际气温。

2.3   影响防辐射罩站气温观测偏差的要素分析

2.3.1   太阳辐射季节变化对$ T_{\text{bs}} $的影响

由图2可以看出，$ {T_\text{bs}} $会随季节变化呈现节律性变化，为研究$ {T_\text{bs}} $随季节变化的特征，将研究时段划分为春(3—5月)、夏(6—8月)、秋(9—11月)、冬(12—次年2月)四个季节，分别对四个季节段内白天时段的$ {T_\text{bs}} $变化规律特征进行分析，结果如图4所示。其中，夏季$ {T_\text{bs}} $均值最高为0.81 ℃，中位数为0.76 ℃，而冬季$ {T_\text{bs}} $均值最低为0.27 ℃，中位数为0.23 ℃。总体来说，湖北省22个防辐射罩站$ {T_\text{bs}} $平均值在四季均呈现正偏差，平均$ {T_\text{bs}} $在夏季要高于另外三季，春季和秋季区别不大，冬季较小。由此可见，夏季较冬季太阳辐射直射更强，地表接收的辐射能量更大，对$ {T_\text{bs}} $影响更大，在进行气温订正时，需要充分考虑季节变化对其造成的影响。

图  4  2019年6月—2022年5月白天时段湖北省防辐射罩站气温偏差($ {T_\text{bs}} $)在不同季节的箱线图

Figure  4.  The box plot of $ {T_\text{bs}} $ at radiation shield stations in Hubei Province during the daytime period from June 2019 to May 2022 in different seasons

下载: 全尺寸图片 幻灯片

2.3.2   太阳辐射日变化对$ T_{\text{bs}} $的影响

太阳辐射强度是影响$ {T_\text{bs}} $的主要因素，不同天气状况及日变化影响下，太阳辐射强度也不同。定义晴天(日降水量为0 mm，日日照时数>0 h)、阴天(日降水量为0 mm，日日照时数为0 h)、雨天(日降水量>0 mm，日日照时数为0 h)三种天气状况代表不同太阳辐射强度，将研究时段内22个防辐射罩站$ {T_\text{bs}} $按日变化时次和天气状况进行统计，得到晴天、阴天、雨天各时刻平均$ {T_\text{bs}} $分布(图5)，代表了$ {T_\text{bs}} $在不同天气状况下的日变化特征。

图  5  2019年6月—2022年5月不同天气状况下湖北省防辐射罩站各时刻平均气温偏差($ {T_\text{bs}} $)日变化

Figure  5.  The daily variation of average $ {T_\text{bs}} $ at radiation shield stations in Hubei Province under different weather conditions from June 2019 to May 2022

下载: 全尺寸图片 幻灯片

可见三类天气状况下，平均$ {T_\text{bs}} $日变化规律呈现典型白天高，夜间低的特征。晴天时，该特征表现更加明显，平均$ {T_\text{bs}} $最大值出现在下午13:00，数值超过1.0 ℃。阴、雨天太阳辐射相对较弱，平均$ {T_\text{bs}} $日变化幅度相对较小，平均$ {T_\text{bs}} $最大值分别为0.4 ℃和0.2 ℃。太阳辐射强度随太阳高度角的变大而变强，防辐射罩相较于百叶箱而言，其对太阳直接辐射和地面反射辐射产生的热量阻隔有限，在通风散热的性能上也相对较弱，导致平均$ {T_\text{bs}} $也随太阳起落产生明显日变化规律。

2.3.3   气象要素变化对$ T_{\mathrm{bs}} $的影响

由上文分析可知，除太阳辐射的季节变化和日变化外，不同天气状况也会对$ {T_\text{bs}} $变化特征造成影响。本节选取太阳辐射较强的白天时段站点小时$ {R_\text{co}} $、U、S_d以及$ {f_{2\min }} $来分析不同气象要素变化对湖北省22个防辐射罩站平均$ {T_\text{bs}} $变化的影响，其结果如图6所示。

图  6  2019年6月—2022年5月白天时段湖北省防辐射罩站平均气温偏差($ {T_\text{bs}} $)随降水(a)、相对湿度(U) (b)、日照时数(S_d) (c)以及2 min平均风速(f_{2 min}) (d)变化

Figure  6.  The variation of average $ {T_\text{bs}} $ changing with (a) precipitation, (b) relative humidity, (c) sunlight hours, and (d) 2-minute average wind speed at radiation shield stations in Hubei Province during the daytime period from June 2019 to May 2022

下载: 全尺寸图片 幻灯片

$ {T_\text{bs}} $随降水变化时(图6a)，当小时$ {R_\text{co}} $=0 mm，即站点无降水，平均$ {T_\text{bs}} $较大，为0.7 ℃左右；当小时$ {R_\text{co}} $>0 mm，平均$ {T_\text{bs}} $为0.01 ℃，此时防辐射罩站与百叶箱站观测气温接近。$ {T_\text{bs}} $随U变化时(图6b)，平均$ {T_\text{bs}} $与U之间呈现负相关关系，随着U不断增大，平均$ {T_\text{bs}} $逐渐由1.0 ℃降低至0.1 ℃。$ {T_\text{bs}} $随S_d变化时(图6c)，当S_d低于0.1 h时，平均$ {T_\text{bs}} $为0.1 ℃，说明在无日照的情况下，防辐射罩站与百叶箱站之间观测气温相差不大；当S_d为0.1~0.2 h时，平均$ {T_\text{bs}} $急剧上升，达到0.5 ℃以上，而后随着日照时数不断增大，平均$ {T_\text{bs}} $也随之继续缓慢上升。在$ {f_{2\min }} $方面(图6d)，当站点处于静风状态时，平均$ {T_\text{bs}} $为0.4 ℃左右，随着风速逐渐增大至3.0 m·s⁻¹时，由于防辐射罩通风散热能力的限制，百叶箱站观测气温降幅要大于防辐射罩站，导致平均$ {T_\text{bs}} $逐渐升高；当风速超过5.0 m·s⁻¹后，平均$ {T_\text{bs}} $迅速下降，此后风速越大，防辐射罩站与百叶箱站间的观测气温越接近。

从气象要素的影响来看，$ {T_\text{bs}} $符合以下变化规律：阴、雨天时，地面相对湿度上升，高空云量增多，观测到的日照时数减小，表明太阳直接辐射强度减弱，平均$ {T_\text{bs}} $随太阳直接辐射强度减弱而下降；晴天时，地面相对湿度较低，云量较少，此时观测到的日照时数增大，表明太阳直接辐射强度较强，平均$ {T_\text{bs}} $随太阳直接辐射强度增强而上升。风速较小或静风状态时，平均$ {T_\text{bs}} $存在一定的正偏差，但当风速逐渐增大时，百叶箱通风性能优于防辐射罩，导致百叶箱内热量交换更快，百叶箱站观测气温降幅更大，故表现为平均$ {T_\text{bs}} $正偏差逐渐增大，而当风速增大到临界值后，防辐射罩和百叶箱间的通风性能差异相对于风速变化来说影响降低，平均$ {T_\text{bs}} $也随之减小。由此可知，太阳直接辐射和通风条件是影响$ {T_\text{bs}} $的两大主要因子。

2.4   防辐射罩站观测气温订正方法研究

上文结果表明，防辐射罩站更换百叶箱进行气温观测后，$ {T_\text{bs}} $呈现下降的趋势，说明$ {T_\text{ne}} $可以在一定程度上代表防辐射罩站点区域的真实气温。本节利用$ {T_\text{ne}} $以及影响$ {T_\text{bs}} $变化的各类因素，分别建立多元线性回归和随机森林订正模型，对$ {T_\text{co}} $进行订正，并检验订正效果。

2.4.1   基于多元线性回归和随机森林方法的气温订正

利用经过训练后的多元线性回归和随机森林订正模型，对2021年6月—2022年5月白天时段$ {T_\text{co}} $进行订正，得到防辐射罩站订正前、后平均$ {T_\text{bs}} $，如图7所示。上述两类模型针对$ {T_\text{co}} $在白天时段异常偏高的问题，均有不错的订正效果，气温正偏差现象得到明显改善，原始最大平均$ {T_\text{bs}} $超过2.0 ℃，经过模型订正后，基本降低至1.0 ℃左右。

图  7  2021年6月—2022年5月白天时段湖北省防辐射罩站基于多元线性回归(a)和随机森林(b)模型订正前后的平均气温偏差($ {T_\text{bs}} $)对比

Figure  7.  The comparison of the average $ {T_\text{bs}} $ before and after the revision of the (a) multiple linear regression and (b) random forest models at the radiation shield stations in Hubei Province during the daytime period from June 2021 to May 2022

下载: 全尺寸图片 幻灯片

2.4.2   订正效果对比分析

将$ {T_\text{co}} $、$ {T_\text{ne}} $、多元线性回归模型订正气温、随机森林模型订正气温进行对比分析，结果如表3所示。从研究时段平均$ {T_\text{bs}} $可见，在经过两种模型进行订正后，平均$ {T_\text{bs}} $大幅度降低，由0.72 ℃分别降至0.17 ℃ (多元线性回归)和0.16 ℃ (随机森林)，两类模型订正效果均较好，$ {T_\text{co}} $偏高情况得到有效缓解。

表  3  2021年6月—2022年5月白天时段模型订正后站点平均气温($ T_{{\mathrm{mean}}} $)、平均气温偏差($ T_{{\mathrm{bs}}\_{\mathrm{mean}}} $)、气温超过35℃时平均气温偏差（$ {T_{{\mathrm{bs}}\_{\mathrm{mean}}\_{\mathrm{O}}35}} $）、总高温日数(D_H)变化情况及模型效果检验指标情况

Table  3.  The changes in the average temperature ($ T_{{\mathrm{mean}}} $), average temperature deviation($ T_{{\mathrm{bs}}\_{\mathrm{mean}}} $), average temperature deviation when the temperature exceeds 35 ℃($ _{ }T_{{\mathrm{bs}}\_{\mathrm{mean}}\_{\mathrm{O35}}} $), and total number of high temperature days (D_H) of the stations during the daytime period from June 2021 to May 2022 after model correction, as well as the indicators for model effectiveness testing

指标	邻近 百叶箱站	防辐射 罩站	多元线性 回归模型	随机森林 模型
$ T\mathrm{_{mean}} $/℃	20.58	21.30	20.74	20.73
$ T\mathrm{_{{\mathrm{bs}}\_{\mathrm{mean}}}} $/℃	-	0.72	0.17	0.16
$ {T_{{\mathrm{bs}}\_{\mathrm{mean}}\_{\mathrm{O}}35}} $/℃	-	2.08	0.79	0.39
EMA/℃	-	1.02	0.78	0.75
ERMS/℃	-	1.41	1.08	0.99
R	-	0.986	0.993	0.994
DH/d	383	1084	637	484
注：“-”表示此处无数据

下载: 导出CSV 

| 显示表格

从高温影响方面进行分析，当$ {T_\text{co}} $高于35 ℃时即为高温时段，此时$ {T_\text{co}} $、多元线性回归模型订正气温、随机森林模型订正气温与$ {T_\text{ne}} $的平均偏差($ {T_{{\mathrm{bs}}\_{\mathrm{mean}}\_{\mathrm{O}}35}} $)分别为2.08 ℃、0.79 ℃、0.39 ℃，模型对高温影响下防辐射罩站气温观测偏差均做出了有效订正，随机森林模型订正效果更佳。从MAE、RMSE以及R来看，在经过模型订正后，防辐射罩站各项偏差数值均出现明显减小，相关系数上升，随机森林模型的订正效果略优于多元线性回归模型，其MAE、RMSE和R分别为0.75 ℃、0.99 ℃及0.994。

由研究站点总高温日数(D_H)可以看出，2021年6月—2022年5月湖北省22个防辐射罩站总高温日数达到1 084 d，而其邻近百叶箱站总高温日数仅为383 d，经过多元线性回归和随机森林模型订正后，防辐射罩站总高温日数出现了明显下降，分别为637 d 和484 d 随机森林，降幅分别达到41%和55%；在高温日数方面，随机森林模型订正效果要明显优于多元线性回归模型。

3.   结论与讨论

本文利用2019年6月—2022年5月湖北省22个防辐射罩区域自动气象站观测的逐小时气温($ {T_\text{co}} $)与其邻近百叶箱站加权平均小时观测气温($ {T_\text{ne}} $)进行对比分析，采用偏差计算的方法得到两类站点间小时气温观测偏差($ {T_\text{bs}} $)；并从气温的季节变化和日变化、降水量、相对湿度、日照、风速变化等方面，对$ {T_\text{bs}} $的变化特征开展了分析；随后采用多元线性回归和随机森林的方法分别建立了白天时段(10:00—17:00，北京时)防辐射罩站观测气温订正模型，并对模型的订正效果进行了对比分析，主要得到以下结论：

(1) 白天时段$ {T_\text{co}} $较$ {T_\text{ne}} $要高，在挑选的3个代表站(索河站、桥边站、三店站)中，最大$ {T_\text{bs}} $分别达到5.20 ℃、7.10 ℃、5.55 ℃，$ {T_\text{bs}} $正偏差时次占比分别为70%、72%、82%；湖北省22个防辐射罩站年均高温日数均高于其周边邻近百叶箱站，站点年均高温日数偏差20.0 d。

(2) $ {T_\text{bs}} $存在明显的季节变化和日变化特征。季节变化方面，在太阳辐射较强烈的白天，夏季平均$ {T_\text{bs}} $最大，达到0.81 ℃，春、秋两季平均$ {T_\text{bs}} $接近，均呈正偏差，冬季平均$ {T_\text{bs}} $最小，为0.27 ℃。日变化方面，$ {T_\text{bs}} $总体呈现典型白天高，夜间和清晨低的特征；晴天平均$ {T_\text{bs}} $最大值出现在13:00，超过1.0 ℃，阴、雨天太阳辐射相对较弱，平均$ {T_\text{bs}} $最大值分别为0.4 ℃和0.2 ℃；在夜间和清晨，平均$ {T_\text{bs}} $与天气状况影响关系不大，在0.0~0.1 ℃之间，维持在较低水平。

(3) $ {T_\text{bs}} $随站点当地气象条件的变化而变化。当站点无降水时，平均$ {T_\text{bs}} $较大(0.7 ℃)，而出现降水过程时，平均$ {T_\text{bs}} $较小(0.01 ℃)；$ {T_\text{bs}} $随着相对湿度增大而减小，当相对湿度小于20%时，平均$ {T_\text{bs}} $最大(1.0 ℃)；$ {T_\text{bs}} $随2 min平均风速的增加呈现先增大后减小的变化规律，当风速在1.0~5.0 m·s⁻¹范围内，平均$ {T_\text{bs}} $较高，当风速超过5.0 m·s⁻¹时，平均$ {T_\text{bs}} $出现下降；$ {T_\text{bs}} $随日照时数的增加呈现先迅速增大后缓慢增大的变化规律，当日照时数为0.0 h时，平均$ {T_\text{bs}} $较小，日照时数超过0.1 h后，平均$ {T_\text{bs}} $先迅速增大，后缓慢增大。

(4) 多元线性回归和随机森林订正模型对$ {T_\text{co}} $均有较好的订正效果，订正后平均$ {T_\text{bs}} $由0.72 ℃分别降至0.17 ℃和0.16 ℃；随机森林模型的订正效果要略优于多元线性回归模型，其MAE、RMSE和R分别为0.75 ℃、0.99 ℃及0.994，且随机森林模型对站点气温超过35 ℃高温的订正效果要明显优于多元线性回归模型，订正后站点高温日数降幅也更大，更加符合实际情况。

本文主要从湖北省气象灾害综合风险普查工作中发现的$ {T_\text{co}} $和站点高温日数偏高现象入手，对湖北省22个防辐射罩区域自动气象站$ {T_\text{bs}} $变化规律进行了研究，对影响$ {T_\text{bs}} $的要素进行分析，建立了防辐射罩站观测气温订正模型，最后得到上述4点对$ {T_\text{co}} $异常偏高情况、偏差变化特征、订正方法研究等方面有参考意义的结论，可望为提高气象灾害综合风险普查工作中气温观测资料的可用性提供参考依据和技术支撑。但由于观测条件限制，未在防辐射罩站点当地设置气温对照试验，虽然2.2节表明$ {T_\text{ne}} $可以在一定程度上反映防辐射罩站周边实际气温情况，但下一步仍需在防辐射罩站点当地设置对比气温观测试验，用来更加准确地观测防辐射罩站和百叶箱站观测气温变化情况，以期提高防辐射罩站观测气温订正模型的订正效果。

另外，站点观测气温偏高并不仅仅只与防辐射罩有关，还与区域自动气象站地理位置、周边环境以及下垫面材质有关(Sugawara et al.，2019；Lu et al.，2023)，上述原因均可能导致$ {T_\text{co}} $进一步升高，因此后续研究中可针对不同地理环境条件，对站点高温状况和变化规律进行进一步评估。最后，研究中使用多元线性回归方法和随机森林方法来订正$ {T_\text{co}} $，均取得了较好的订正效果，但建模使用的两种模型，在线性拟合和机器学习领域均较为常见和传统；近年来，随着机器学习和深度学习方法不断发展，优秀模型不断涌现，例如较为新颖的卷积神经网络模型(Jeong et al.，2021；Lucia et al.，2022)和长短期记忆神经网络模型(Hou et al.，2022；Khedhiri，2022)，在面向大数据量训练数据集时，拟合效果优于传统机器学习方法，在面向强噪音数据集、高冗余数据集时也有着较好模拟表现。后续研究中可利用新机器学习和深度学习方法建模，并与现有模型进行对比分析，以期提升模型订正效果。