欢迎访问《安徽农学通报》官方网站，今天是

安徽农学通报 >

2025 , Vol. 31 >Issue 12: 110 - 114

DOI: https://doi.org/10.16377/j.cnki.issn1007-7731.2025.12.026

农业信息·农业气象

基于韵律法的砀山县汛期分月降水量预测模型研究与应用

  • 张欣然
展开
  • 砀山县气象局，安徽砀山 235300

张欣然（1992—），女，安徽砀山人，工程师，从事气象预报、气象服务工作。

Copy editor: 杨欢

收稿日期: 2024-10-25

  网络出版日期: 2025-07-02

收起

Research and application of monthly precipitation forecast model in Dangshan County during flood season based on rhythm method

  • ZHANG Xinran
Expand
  • Dangshan County Meteorological Bureau, Dangshan 235300, China

Received date: 2024-10-25

  Online published: 2025-07-02

Fold

摘要

为提高安徽砀山县汛期降水的预测精度，本文使用砀山县国家基本气象观测站1991—2020年12月至次年4月平均气温以及5—9月降水量等数据，分析多年冬春季月平均气温与汛期各月降水量之间的相关性（韵律关系），建立汛期分月降水量预测模型，并对1991—2021年汛期分月降水量预测结果进行检验，对2022年5—9月降水量进行预测应用。结果表明，（1）该预测模型可利用汛期前12月至次年4月平均气温进行汛期分月降水量预测。（2）在1991—2021年汛期分月降水量预测结果检验中，5—9月检验准确率分别为87%、87%、84%、77%、74%，准确率较高，可以进行实际气象预测应用。（3）在2022年5—9月降水量预测应用中，对5、7、8、9月的预测完全正确，只有6月的预测错误。该模型整体预测效果较好，可应用于实际气象预报业务。本文为研究区及相似区域防汛抗旱、水资源管理以及农业生产提供支持。

关键词： 汛期; 降水量; 气象韵律法; 预测模型

本文引用格式

张欣然 . 基于韵律法的砀山县汛期分月降水量预测模型研究与应用[J]. 安徽农学通报, 2025 , 31(12) : 110 -114 . DOI: 10.16377/j.cnki.issn1007-7731.2025.12.026

Abstract

To improve the prediction accuracy of precipitation during the flood season in Dangshan County, Anhui Province, data from the National Basic Meteorological Observation Station in Dangshan County from December 1991 to April 2020, including average temperature and precipitation from May to September of the following year had used, to analyze the correlation (rhythmic relationship) between the monthly average temperature in winter and spring seasons and the precipitation in each month of the flood season for many years. A prediction model for monthly precipitation during the flood season was established, and the prediction results of monthly precipitation during the flood season from 1991 to 2021 were tested. The prediction of precipitation from May to September 2022 was applied The results indicated that (1) the model could predict the monthly precipitation during the flood season by using the monthly average temperatures from December to April of the following year before the flood season. (2) In the verification of monthly precipitation prediction during the flood season from 1991 to 2021, the accuracy of the model was 87%, 87%, 84%, 77%, and 74% in May, June, July, August, and September, respectively, and the test accuracy was high, so it can be used for forecasting. (3) In the application of precipitation forecasting from May to September 2022, the forecasts for May, July, August, and September were completely correct, but the forecast in June was wrong. The overall prediction effect is good and can be applied to actual meteorological forecasting operations. This article provides supports for flood and drought prevention, water resource management, and agricultural production in the research area and similar regions.

Key words： flood season; precipitation meteorological; rhythmic method; prediction model

气象韵律法是天气预报中的重要依据之一，其基于自然界存在的周期性和韵律性现象，通过对历史数据的分析和挖掘，寻找其中的规律和模式，从而对未来事件进行预测。气象韵律是指相距一定时间的两种天气现象或天气过程之间的某种联系，这种联系具有一定的概率和规律性。李德萍等[1]在上合青岛峰会期间延伸期气候趋势预测与检验的研究中，采用韵律法对峰会期间的天气过程进行预测，较好地把握了开幕式前后一次冷空气或降水过程的预报，提供了有效的气象决策服务。吴拓等[2]探讨了江西九江市近60年冬季降水与翌年雨季（棉花生长季）降水间的气候韵律关系，丰富了棉花气候年景的预报方法。丁耀海等[3]利用朔州市朔城区4年的日平均气温、日平均气压资料，用150 d韵律法对某一类气压、气温的开端特征降水过程进行预报，准确率较高，可将中期预报的时限延伸至150 d，也可将其应用于短期气候预测。雷冠军[4]以丰满水库流域的年径流为研究对象，选用天文、全球、流域尺度因子，挖掘各因子与流域来水的相似性、遥相关性等韵律规律，建立了多尺度因子信息融合的中长期径流预报模型。
本文将韵律法引入安徽砀山县汛期分月降水量预测中，建立研究区汛期分月降水量预测模型。通过对该地多年冬春季气温及汛期降水数据进行分析，挖掘其中的韵律特征，建立基于韵律法的汛期分月降水量预测模型，并对该模型进行检验和应用，分析其预测精度和可靠性。这不仅有助于提高该地汛期降水量的预测精度，为其防灾减灾工作提供有力支持，而且对丰富和完善该地区降水量预测方法具有一定的参考价值。

1 材料与方法

1.1 研究区基本情况

安徽砀山县农业资源丰富，汛期是该地区降水较为集中的时期，汛期降水量对该地区的经济社会发展、农业生产等具有重要影响。在每年汛前开展汛期降水量预测是一项常规且重要的工作，准确预测汛期分月降水量，为地方防汛抗旱决策提供较为精准的技术支持，有利于防汛抗旱工作实现早部署、早准备、早调度，促进研究区农业防灾减灾工作顺利展开。

1.2 供试材料

使用砀山县国家基本气象观测站1991—2020年12月至次年4月的月平均气温（12月份气温使用的是1990—2019年的数据）以及1991—2020年5—9月（汛期）的月降水量，通过分析12月至次年4月的月平均气温与汛期各月降水量之间的相关性（韵律关系），建立汛期分月降水量预测模型。

1.3 预测模型的建立

1.3.1 月平均气温分级

根据各月历年平均气温、最高最低气温，将1991—2020年砀山县国家基本气象观测站12月至次年4月的月平均气温进行分级，分为-3、-2、-1、0、1、2、3共7级，得到其月平均气温分级标准（表1）。
表1 月平均气温分级标准 (℃)
温度分级 12月 1月 2月 3月 4月
-3 ≤0.5 ≤-1.6 ≤1.8 ≤7.8 ≤14.5
-2 0.6~1.2 -1.5~-0.8 1.9~2.6 7.9~8.4 14.6~14.9
-1 1.3~1.9 -0.7~0 2.7~3.4 8.5~9.0 15.0~15.3
0 2.0~2.6 0.1~0.8 3.5~4.2 9.1~9.6 15.4~15.7
1 2.7~3.3 0.9~1.6 4.3~5.0 9.7~10.2 15.8~16.1
2 3.4~4.0 1.7~2.4 5.1~5.8 10.3~10.8 16.2~16.5
3 ≥4.1 ≥2.5 ≥5.9 ≥10.9 ≥16.6

1.3.2 月降水量分级

根据汛期各月历年平均降水量乘以相应百分比，将1991—2020年砀山县国家基本气象观测站汛期5—9月的总降水量进行分级，分为1、2、3、4、5、6、7共7级，得到其月降水量分级标准（表2）。
表2 月降水量分级标准 (mm)
降水量分级 5月 6月 7月 8月 9月
1 ≤18.6 ≤28.8 ≤56.1 ≤49.8 ≤20.7
2 18.7~37.2 28.9~57.6 56.2~112.2 49.9~99.6 20.8~41.4
3 37.3~55.8 57.7~86.4 112.3~168.3 99.7~149.4 41.5~62.1
4 55.9~68.2 86.5~105.6 168.4~205.7 149.5~182.6 62.2~75.9
5 68.3~86.8 105.7~134.4 205.8~261.8 182.7~232.4 76.0~96.6
6 86.9~105.4 134.5~163.2 261.9~317.9 232.5~282.2 96.7~117.3
7 ≥105.5 ≥163.3 ≥318.0 ≥282.3 ≥117.4

1.3.3 降水量预测模型建立

统计1991—2020年12月至次年4月份出现各级气温时汛期5—9月出现各级降水的次数，并计算汛期各月各降水量级别出现的气候概率，建立基于韵律法的砀山县汛期分月降水量预测模型（表3~7）。
表3 5月份降水量的气候概率预测模型
气温分级 气候概率/%
12月 1月 2月 3月 4月
5月降水量分级 0 1 0 2 0 0 1 0 0 2 0 2 0 0 0 3 1 0 0 0 0 2 0 0 0 1 0 1 0 1 2 0 0 0 1 13
0 0 1 1 2 0 0 0 2 0 1 0 1 0 1 0 2 0 0 0 1 0 1 0 1 1 0 1 0 1 1 0 0 1 1 13
1 1 2 1 2 1 0 0 2 2 1 0 2 1 1 2 0 2 3 0 0 2 0 2 0 2 1 1 1 0 1 2 0 2 2 27
0 0 1 0 1 1 0 0 0 2 0 1 0 0 0 0 1 1 1 0 0 1 0 0 1 0 0 1 1 1 0 0 0 0 1 10
0 0 1 0 1 1 0 1 0 0 0 1 1 0 0 1 0 0 0 0 2 0 1 0 0 1 0 1 0 0 2 0 0 1 0 10
0 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 2 0 0 0 0 1 1 0 0 0 0 0 2 0 0 0 0 0 0 7
1 1 1 0 1 2 0 0 0 4 0 0 1 1 0 0 1 1 1 1 2 0 0 3 0 2 0 1 1 0 2 1 0 1 1 20
表4 6月份降水量的气候概率预测模型
气温分级 气候概率/%
12月 1月 2月 3月 4月
6月降水量分级 1 1 0 0 0 3 0 0 0 3 0 1 0 1 0 1 1 1 1 1 0 1 0 1 1 2 0 0 1 1 0 1 0 1 1 17
0 0 2 0 2 0 0 0 0 2 0 1 0 1 0 1 1 0 1 0 1 0 0 1 0 1 0 2 0 0 0 1 0 1 2 13
0 0 2 1 3 0 0 1 2 2 0 0 1 0 1 1 1 1 2 0 0 2 2 1 0 1 0 0 1 1 2 0 0 2 0 20
0 0 0 2 0 1 1 0 0 1 0 2 1 0 0 1 2 0 1 0 0 1 0 1 0 1 0 1 1 0 2 0 0 0 1 13
0 1 1 1 1 0 0 0 1 2 1 0 0 0 1 0 1 1 0 0 1 1 1 0 1 0 1 0 1 0 1 0 0 1 1 13
1 1 1 1 0 1 0 0 0 1 1 1 2 0 0 2 0 0 0 0 3 1 0 1 0 1 0 2 0 1 3 1 0 0 0 17
0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 0 0 0 0 1 0 1 1 0 0 0 0 0 1 7
表5 7月份降水量的气候概率预测模型
气温分级 气候概率/%
12月 1月 2月 3月 4月
7月降水量分级 0 0 0 0 2 0 0 0 1 1 0 0 0 0 0 0 0 0 2 0 0 0 0 2 0 0 0 0 0 0 1 0 0 0 1 7
0 1 1 3 1 1 0 1 0 1 0 2 2 1 0 2 2 2 0 1 0 2 2 1 0 1 0 1 3 0 2 0 0 2 0 23
0 1 3 1 1 2 0 0 0 4 0 1 2 1 0 2 1 1 2 0 2 2 0 2 0 1 0 3 0 1 2 2 0 1 2 27
1 0 1 1 0 1 0 0 1 0 2 1 0 0 0 1 0 1 1 0 1 0 0 0 2 1 1 0 0 1 1 1 0 0 1 13
1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 3
0 2 0 0 1 0 1 0 0 4 0 0 0 0 1 1 2 0 0 0 0 2 1 0 0 1 0 0 1 0 1 0 0 1 1 13
0 0 1 0 2 1 0 0 2 0 0 1 1 0 1 0 1 0 0 0 2 0 0 0 0 2 0 2 0 1 1 0 0 1 1 13
表6 8月份降水量的气候概率预测模型
气温分级 气候概率/%
12月 1月 2月 3月 4月
8月降水量分级 0 0 0 1 0 1 0 0 1 0 0 0 0 1 0 0 0 1 0 1 0 0 0 1 0 0 1 0 0 0 0 0 0 1 1 7
0 2 2 2 1 1 1 0 1 3 0 2 2 1 0 2 3 2 0 0 2 2 0 1 0 3 0 3 2 1 3 2 0 0 1 30
1 0 2 0 1 1 0 0 0 3 0 1 1 0 1 0 1 0 1 0 2 2 0 0 0 2 0 1 1 0 1 0 0 3 0 17
1 1 0 0 1 0 0 0 1 1 1 0 0 0 1 2 0 0 0 0 0 1 0 0 0 2 0 0 0 1 0 1 0 0 1 10
0 0 0 1 1 0 0 0 1 0 0 0 1 0 0 0 1 0 1 0 0 0 1 1 0 0 0 0 0 0 1 0 0 1 0 7
0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 1 0 0 2 0 1 0 0 2 1 0 0 1 0 0 2 0 0 0 2 13
0 1 1 2 1 0 1 0 3 0 1 0 0 0 1 2 1 1 0 0 1 2 0 1 0 0 1 2 1 1 0 0 0 1 17
表7 9月份降水量的气候概率预测模型
气温分级 气候概率/%
12月 1月 2月 3月 4月
9月降水量分级 0 0 0 0 2 2 1 0 1 2 0 1 1 0 0 0 1 0 3 0 1 0 0 2 1 1 0 1 0 1 3 0 0 0 1 17
1 2 2 1 1 0 0 0 1 1 2 1 2 0 1 2 0 1 0 0 3 0 0 1 1 3 0 2 1 1 4 1 0 0 0 23
1 1 0 3 0 1 0 0 1 3 0 1 1 0 0 1 3 2 0 0 0 2 1 0 0 2 1 0 2 0 0 1 0 1 2 20
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 2 0 2 0 0 1 0 2 0 1 0 0 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 1 0 0 1 1 13
0 1 2 1 2 2 0 0 1 3 0 1 1 2 1 2 2 0 2 1 0 3 1 2 0 0 0 2 1 1 0 1 0 3 2 27

1.4 降水量预测模型的预测

对研究区汛期分月降水量进行预测，根据表1，找出汛期前12月至次年4月各月平均气温对应的级别；再根据表3，将12月至次年4月所对应的温度级别（共5列）数据进行复制，粘贴到Excel表格中，以计算汛期5—9月各降水量级别出现的频次，除以各月总频次，可得出汛期5—9月各降水量级别出现的频率；用频率减去该降水量级别出现的气候概率（表3~7），差值越大，说明正相关性越强，取概率差最大的级别作为该月降水量的预测级别，其对应的降水量值即该月降水量预测值（表2）。

1.5 降水量预测模型的检验

用汛期分月降水量预测模型分别对1991—2021年汛期5—9月降水量进行检验。如果降水实况值在模型预测值范围内，则记预测结果正确；如果降水实况值不在模型预测值范围内，则记预测结果错误。共检验31年，每年取5个检验样本，共155个检验样本。

1.6 降水量预测模型的应用

用研究区汛期分月降水量预测模型对该地2022年汛期5—9月降水量进行预测应用。将模型预测值和降水实况值进行比较，如果降水实况值在模型预测值范围内，则记模型应用结果正确；如果降水实况值不在模型预测值范围内，则记应用结果错误。

2 结果与分析

2.1 汛期分月降水量预测模型的检验结果

采用基于韵律法的砀山县汛期分月降水量预测模型对该地1991—2021年共31年汛期5—9月的降水量进行检验，31年中5月有27年预测正确，6月有27年预测正确，7月有26年预测正确，8月有24年预测正确，9月有23年预测正确。1991—2021年155个检验样本中，5—9月分别有4、4、5、7、8共28个样本预测结果错误；5—9月检验准确率分别为87%、87%、84%、77%、74%。整体检验准确率较高，可以进行预测应用（表8）。
表8 模型检验
月份 预测正确年数/年 预测错误年数/年 检验准确率/%
5 27 4 87
6 27 4 87
7 26 5 84
8 24 7 77
9 23 8 74

2.2 汛期分月降水量预测模型的应用

用砀山县汛期分月降水量预测模型对该地2022年汛期分月降水量进行预测应用。2022年5月降水量预测结果≤18.6 mm，降水量实况6.9 mm，预测结果正确；6月降水量预测值在86.5 ~ 105.6 mm，降水量实况183.3 mm，预测结果错误；7月降水量预测结果≥318.0 mm，降水量实况332.2 mm，预测结果正确；8月降水量预测值在49.9 ~ 99.6 mm，降水量实况66.7 mm，预测结果正确；9月降水量预测结果≤20.7 mm，降水量实况0 mm，预测结果正确（表9）。
表9 模型预测应用
月份 降水量预测结果/mm 降水量实况/mm 预测结果
5 ≤18.6 6.9 正确
6 86.5~105.6 183.3 错误
7 ≥318.0 332.2 正确
8 49.9~99.6 66.7 正确
9 ≤20.7 0 正确
基于韵律法的砀山县汛期分月降水量预测模型在2022年5—9月降水量预测应用中，5、7、8、9月的预测结果完全正确，仅6月的预测结果错误。整体预测效果较好，可应用于实际气象预报业务。

3 结论与讨论

准确开展汛期分月降水量预测，将其预测值应用于气象决策服务，可以为研究区防汛抗旱决策提供较为精准的技术支持，有利于防汛抗旱工作的早部署、早准备、早调度，促进该地农业防灾减灾工作的顺利开展。相关学者采用不同方法对不同地区汛期降水量预测进行研究[5-8]，研究结果均表明汛期降水量预测对农业生产服务有重要作用。胡鑫等[5]对块泽河流域降水量趋势进行分析与预测，研究成果可为后期区域水资源管理、水生态调度、防汛抗旱等工作提供参考。霍延风等[6]对安徽池州石台县主汛期降水特征及其影响进行分析，明确主汛期降水天气特征对该地防汛抗洪抢险的决策作用以及对农业生产和旅游发展的意义。高健[7]对内蒙古乌兰浩特汛期降水变化特征及其对农业的影响进行分析，结果表明，汛期降水天气易导致农田排水不畅、土壤质量下降及洪涝灾害等问题，对农业生产造成较大影响，需引起高度重视。潘先洁等[8]对安徽淮南暖冬事件与汛期降水的关系进行研究，研究结果可以更好地服务当地农业生产、防灾减灾及汛期降水预测等工作。
本文使用砀山县国家基本气象观测站1991—2020年12月至次年4月的月平均气温以及5—9月的降水量数据，通过分析冬春季月平均气温与汛期各月降水量之间的相关性（韵律关系），建立研究区汛期分月降水量预测模型，利用1991—2021年汛期分月降水量的数据进行预测模型检验，并对2022年汛期分月降水量进行预测应用。结果表明，（1）基于韵律法的砀山县汛期分月降水量预测模型在1991—2021年汛期降水量预测检验中，对1991—2021年汛期5—9月共155个样本进行检验，其中5—9月分别有4、4、5、7、8共28个样本的预测结果错误，5—9月检验准确率分别为87%、87%、84%、77%、74%。整体检验准确率较高，可以进行气象预测应用。（2）基于韵律法的砀山县汛期分月降水量预测模型在2022年砀山县5—9月降水量预测应用中，5、7、8、9月降水量预测范围和降水实况值吻合，预测结果正确；6月降水量预测结果错误。2022年汛期5个月中有4个月的预测结果正确，1个月预测错误，模型预测整体效果较好，可以应用于气象预报业务。
基于韵律法的砀山县汛期分月降水量预测模型具有两个方面的创新性。一是预测的快速性。仅利用汛期之前的12月至次年4月平均气温即可快速得出汛期降水量的预测结果。二是预测模型使用的灵活性。在4月前，利用12、1、2、3月的月平均气温即可快速得出汛期降水量预测结果。总之，该预测模型可以快速、灵活地对研究区汛期各月降水量进行预测，是一种使用方便、预测快速、准确率较高的方法。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
李德萍，张凯静，耿敏，等. 上合青岛峰会期间延伸期气候趋势预测与检验[J]. 陕西气象，2019（3）：43-48.

2
吴拓，江国振，王磊，等. 赣北地区棉花生长季降水的韵律特征浅析[J]. 棉花科学，2019，41（3）：45-48.

3
丁耀海，马志强. 韵律法在气象预报中的应用分析[J]. 山西科技，2015，30（4）：61-63.

4
雷冠军.基于数据融合的丰满水库长期径流预报研究[D]. 北京：中国水利水电科学研究院，2020.

5
胡鑫，吴捷，王东升，等. 块泽河流域1959—2020年降水量趋势分析与预测[J]. 海河水利，2025（2）：66-72.

6
霍延风，严忠国. 石台主汛期降水特征及其影响分析[J]. 科技创新与应用，2019，9（29）：64-66.

7
高健. 乌兰浩特市汛期降水变化特征分析及对农业的影响[J]. 棉花科学，2024，46（8）：77-79.

8
潘先洁，李侠丽，黄国贵，等. 淮南暖冬事件及汛期降水响应分析[J]. 中国农学通报，2019，35（22）：130-135.

Options
文章导航

/

〈 〉

主管：安徽省科学技术协会
主办：安徽省农学会
邮发代号：26-146
ISSN 1007-7731　CN 34-1148/S
地址：合肥市洞庭湖路3355号安徽省农业农村厅南区《安徽农学通报》杂志社
邮政编码：230091
电话：0551-62675980、62678400
E-mail:anhuinxtb1995@163.com; ahnxtb2023@163.com
访问统计
    总访问量
    今日访问
    在线人数
版权所有 © 《安徽农学通报》杂志社　技术支持：北京玛格泰克科技发展有限公司