基于统计的台风影响下珠海站风速预报方法

第４２卷第４期
　２０２０年８月 广　东　气　象ＧｕａｎｇｄｏｎｇＭｅｔｅｏｒｏｌｏｇｙ
　Ｖｏｌ．４２ Ｎｏ．４　Ａｕｇｕｓｔ ２０２０　
收稿日期：２０１９－１２－１５
基金项目：国家自然科学基金国际（地区）合作与交流项目（４１８６１１６４０２７）
作者简介：王世强（１９８９年生），男，硕士，工程师，主要从事天气预报工作。

Ｅ－ｍａｉｌ：ｗｓｈｑｉａｎｇ＠ｍａｉｌ２．ｓｙｓｕ．ｅｄｕ．ｃｎ
通信作者：夏冬（１９８２年生），男，硕士，高级工程师，主要从事天气预报和大气物理与环境研究。

Ｅ－ｍａｉｌ：１６３５１６５０＠ｑｑ．ｃｏｍ
王世强，夏冬，李韵婕，等．基于统计的台风影响下珠海站风速预报方法［Ｊ］．广东气象，２０２０，４２（４）：３２－３５．
基于统计的台风影响下珠海站风速预报方法
王世强１，夏冬１，李韵婕２，黄照亮１，刘洋１，王东海３
（１．珠海市公共气象服务中心，广东珠海　５１９０００；２．珠海市气象局，广东珠海　５１９０００；
３．中山大学大气科学学院，广东珠海　５１９０８２）
摘　要：利用２００６—２０１６年中国气象局（ＣＭＡ）台风最佳路径数据集和珠海站的逐小时风速资料，通过线性回归方法，建立了一种基于台风中心位置、强度对珠海站风速预报的方法。

结果表明：（
１）珠海站周围４００ｋｍ范围内年平均有４ ６个台风活动，且主要集中在西南象限和东南象限；（２）台风位于西南象限时其中心风速与珠海站风速的线性关系最好，珠海站风速也最大；（３）利用２０１７年台风数据和珠海站实际风速数据对预报方程进行检验，其预报效果较好。

关键词：气象预报；台风；线性回归；风速预报；珠海站
中图分类号：Ｐ４５６ 文献标志码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７－６１９０．２０２０．０４．００８
台风作为一种可造成严重影响的自然灾害，
往往伴随大风、暴雨、风暴潮等灾害［１－２］
，尤其是台风造成的极端大风灾害［３］
，可造成巨大的经济
损失。

目前，台风影响下的大风预报多是基于数值模式预报的结果，但在下垫面模拟还不够精细、中小尺度系统机理不完全清晰等数值预报不完善的背景下，数值模式预报的大风仍存在一定的误差，台风精细化预报亟待提高［４］。

而基于本
地历史气象资料统计分析
［５］
建立局地风速与台
风中心位置和强度关系，从而将数值模式对于台风路径、强度的预报与本地的资料结合起来，可以有效地弥补数值预报对于台风影响下风速预报的不足。

关于台风中心位置、强度与其造成的大风的
关系，已有许多专家学者进行了研究。

Ｌｉ等［６］
通
过对华南地区部分自动气象站数据分析，建立了
热带气旋影响下阵风预报模型；梁莉等［４］
对
２００８—２０１４年的台风统计研究结果表明，６级及以上大风主要发生在距离台风中心３００ｋｍ内、强度达到台风级别以上时，且主要位于台风移动
方向的右侧；薛霖等［
５］
统计分析我国海南岛附近区域热带气旋低层风场的变化特征，结果表明台风中心位于海南岛上时出现大风比率最高，位于岛南侧时次之，岛北侧时最小。

珠海市地处珠三角南部沿海，每年都会受到
台风影响［７－１０］，大风灾害尤为严重［８］。

本研究
利用２００６—２０１６年珠海站逐小时最大风速资料和周围４００ｋｍ内的台风资料，通过线性回归方法，研究珠海站周围不同象限、距离的台风与本地大风之间的规律和关系，基于线性回归方法建立台风影响下风速预报模型，为台风造成的大风预报作参考。

１　资料和方法
１．１　资料
本研究使用的风速资料为珠海站逐时最大的平均风（１０ｍｉｎ）和阵风（３ｓ）值。

由于在２００６年之后珠海站才有自动观测小时资料数据，因此研究时段为２
００６—２０１６年。

台风资料为该时段中国气象局（ＣＭＡ）的最佳路径数据集，其资料包括台风定位、２ｍｉｎ平均近中心最大风速（简称台风中心风速）和中心最低气压等数据。

按照业务规定台风中心附近最大风速在１
０ｍ／ｓ以下停止定位，因此本研究的台风中心风速最低值为１０ｍ／ｓ。

１．２　方法
台风大风分布与台风强度、结构、范围大小
都有关系［
１１］
，通常情况下，台风中心风速越大、
距离越近，台风造成的大风越大（台风眼附近除外），并且台风最大风速分布在移动方向的右
侧［１１］。

本研究选取以珠海站为中心、半径４００
ｋｍ的圆形区域为研究区域，统计了２００６—２０１６年研究区域内的台风活动位置；以珠海站为中心，将其周围分为东北（ＮＥ）、东南（ＳＥ）、西北（ＮＷ）、西南（ＳＷ）４个象限，同时根据台风中心与珠海站的距离每隔５０ｋｍ分为一圈，分别统计不同象限、距离圈内的台风风速与珠海站风速的关系。

１）插分方法。

由于ＣＭＡ台风最佳路径数据集时间间隔为６ｈ，为了扩大样本数量并与珠海站的逐时风速资料相匹配，在研究时将台风按照其位置和强度（中心附近最大风速）将原来的６ｈ间隔线性插
值成１ｈ
［１２］。

在２０１７年台风资料中，登陆前２４ｈ台风资
料的时间间隔加密为３ｈ一次。

本研究对比了用分辨率６ｈ资料线性插值结果与台风实际位置（共７１个样本），结果表明两者差异并不明显，空间差值的均方差为１０ｋｍ，最大风速差值的均方差为１ ５７ｍ／ｓ。

２）线性拟合。

以台风中心附近最大风速为自变量，珠海站风速（平均风和阵风）为因变量，建立线性回归
方程，并以可决系数（Ｒ２
）作为判定线性回归拟
合程度优劣的标准。

２　珠海市周围台风活动特征
２００６—２０１６年共有５１个台风进入研究区域（图１ａ），年平均４ ６个，主要集中在６—１０月（图１
ｂ）。

对台风资料进行线性插值到１ｈ，共得到台风样本１７９６个（图１ｃ－ｄ）。

图Ｃ中研究区域划分为东北（ＮＥ）、东南（ＳＥ）、西北（ＮＷ）、西南（ＳＷ）
图１　２００６—２０１６年研究区域内台风样本分布特征
ａ．年际变化；ｂ．月变化；ｃ．各象限不同距离不同等级台风样本分布；ｄ．各象限区不同距离台风样本数目
从台风路径和强度的分布（图１ｃ）来看，东北象限的台风移动路径以偏北和西北偏西为主，较强的台风主要在近海；东南象限的台风移动路径以西北和东北偏北为主，其中东北偏北路径的台风主要集中在２５０ｋｍ以外的区域；西南象限的台风移动路径以西北为主；西北象限的台风移动路径以西北和东北为主，强度基本都在热带风暴级别以下。

从样本分布数量的分布（图１ｄ）来看，在０～５０ｋｍ范围内的样本数目很少，仅有３５个，且多集中在西北象限；在５０～１００ｋｍ范围内台风数量明显增多达到１２７个，尤其是西南象限，多达５３个；在１００～１５０和１５０～２００ｋｍ范围内样本数在１７０个左右，西南象限最多，其次为东南和东北象限；在２００～２５０和２５０～３００ｋｍ范围内的样本总数在２００个以上，东南象限样本数逐渐
超过西南象限，东北、西北象限样本数目所占比例明显减少；３００～３５０和３５０～４００ｋｍ范围内的样本总数都在４００个以上，东南和西南象限的样本数目在１
４０～１８０个，东北和西北气象的样本数目大致在５
０个左右。

３　台风中心风速与珠海站风速的线性回归
３．１　回归拟合的效果
０～５０ｋｍ范围内的西南象限由于样本数目过少（只有２个），未做线性回归。

从平均风（图
２ａ）和阵风（图２ｂ）回归方程的可决系数Ｒ２
值来
看，当台风中心在０～５０ｋｍ范围内时，各个象限
拟合效果一般，最大的是东南象限，Ｒ２在０．３左
右；在５０～１００ｋｍ范围内时，拟合效果明显提
升，东南和西南象限的Ｒ２达到０ ８左右，其次是
西北象限，而东北象限只有０ ２左右；在１００～
３
３　第４期
王世强等：基于统计的台风影响下珠海站风速预报方法
１５０ｋｍ范围内时，拟合效果开始有所下降，东南
和西南象限的Ｒ２降至０ ６～０ ７，西北和东北象
限在０ ３左右；在１５０～２００ｋｍ范围内时，仅有
东南象限的Ｒ２
较１００～１５０ｋｍ有所下降；在２００～
２５０、２５０～３００和３００～３５０ｋｍ范围内时，各象限
的拟合都明显下降，西南和西北象限拟合要优于东北和东南象限；在３５０～４００ｋｍ范围内时，西
南象限的Ｒ２
仍有０ ４以上，而其它象限均已
很低。

图２　各象限不同距离平均风（ａ）和阵风（ｂ）的回归方程可决系数（Ｒ２
）
３．２　建立回归方程查算表
根据线性拟合结果，建立出回归方程查算表（表１、表２）。

除０～５０ｋｍ外，其它几乎所有的回归方程均通过Ｐ＝０ ０５的显著性Ｆ检验，大部
分方程更是都通过了Ｐ＝
０ ０１的非常显著性Ｆ检验。

对比不同象限回归方程斜率可以看出，台风位于西南象限时的珠海站风速最大，其次东南象限，西北和东北象限最小。

表１　不同象限平均风回归方程
距离／ｋｍＮＥＳＥＳＷＮＷ０～５００．０４·Ｖｔｃ＋
４．５０．１·Ｖｔｃ＋
２．８—
－０．１·Ｖｔｃ＋
２．８５０～１０００．１·Ｖｔｃ＋４．５１）０．４·Ｖｔｃ－２．８１）
０．５·Ｖｔｃ－１．０１）
０．４·Ｖｔｃ＋０．７１）
１００～１５００．１·Ｖｔｃ＋３．０１）０．３·Ｖｔｃ－１．８１）０．５·Ｖｔｃ－１．０１）０．３·Ｖｔｃ＋１．３１）１５０～２０００．１·Ｖｔｃ＋２．７１）
０．２·Ｖｔｃ＋０．８１）０．４·Ｖｔｃ＋１．０１）０．４·Ｖｔｃ－０．４１）２００～２５００．０６·Ｖｔｃ＋３．２１）０．１·Ｖｔｃ＋１．５１）０．４·Ｖｔｃ＋０．２１）０．２·Ｖｔｃ＋１．５１）２５０～３０００．０７·Ｖｔｃ＋３．０２）０．１·Ｖｔｃ＋２．３１）０．２·Ｖｔｃ＋３．４１）０．２·Ｖｔｃ＋１．５１）３００～３５００．０６·Ｖｔｃ＋
２．８１）
０．０５·Ｖｔｃ＋２．９１）０．２·Ｖｔｃ＋２．９１）０．３·Ｖｔｃ＋１．０１）３５０～４００
０．０４·Ｖｔｃ＋
２．８０．０６·Ｖｔｃ＋
２．５１）
０．２·Ｖｔｃ＋
３．７１）０．３·Ｖｔｃ＋
１．０１） １）通过Ｐ＝０．０１的Ｆ检验；２）通过Ｐ＝０．０５的Ｆ检验
表２　不同象限阵风回归方程
距离／ｋｍＮＥＳＥＳＷＮＷ０～５００．１·Ｖｔｃ＋
７．８０．１·Ｖｔｃ＋
７．７—
－０．２·Ｖｔｃ＋
１１．５５０～１０００．３·Ｖｔｃ＋６．７１）
０．８·Ｖｔｃ－５．９１）
０．７·Ｖｔｃ－０．８１）
０．６·Ｖｔｃ＋３．５２）
１００～１５００．３·Ｖｔｃ＋４．８１）
０．６·Ｖｔｃ－４．２１）０．７·Ｖｔｃ＋０．２１）０．４·Ｖｔｃ＋４．５２）１５０～２０００．２·Ｖｔｃ＋３．５１）０．４·Ｖｔｃ＋１．０１）０．５·Ｖｔｃ＋３．２１）０．３·Ｖｔｃ＋６．３１）２００～２５００．１·Ｖｔｃ＋５．６１）０．３·Ｖｔｃ＋２．０１）０．６·Ｖｔｃ＋１．８１）０．６·Ｖｔｃ＋１．２１）２５０～３０００．２·Ｖｔｃ＋５．５２）０．３·Ｖｔｃ＋１．６１）０．４·Ｖｔｃ＋５．８１）０．５·Ｖｔｃ＋１．９１）３００～３５００．２·Ｖｔｃ＋３．５１）０．１·Ｖｔｃ＋４．２１）０．３·Ｖｔｃ＋５．１１）０．５·Ｖｔｃ＋１．７１）３５０～４００
０．２·Ｖｔｃ＋
３．８１）
０．１·Ｖｔｃ＋
５．１１）０．３·Ｖｔｃ＋
６．１１）０．５·Ｖｔｃ＋
２．４１） １）通过Ｐ＝０．０１的Ｆ检验；２）通过Ｐ＝０．０５的Ｆ检验
４３广东气象第４２卷
３．３　回归方程检验
为了检验回归方程效果，将２０１７年的台风路径资料插值到每小时，共得到１８８个样本。

据查算表得到对应珠海站的时最大平均风和阵风，并与珠海站录得风速实况进行对比。

图３为回归方程的预测风速与实际风速差值的标准差。

从图３可以看出，西南象限误差最
大，其次为东南象限，东北和西北象限误差最小；距离越远，误差越小。

西南象限的效果可能由２个原因引起：（１）西南象限的样本数目很少，全部样本数量仅有２３个；（２）台风“天鸽”、“帕卡”是２０１７年影响珠海站最严重的台风，其都在西南象限１
５０ｋｍ范围内经过，而回归方程对极端
台风的预测结果明显偏低。

图３　利用回归方程预报的平均风（ａ）和阵风（ｂ）风速与珠海站实际风速差值的标准差
４　结论
１）珠海站附近区域年均有４ ６个台风活动，主要集中在６—１０月，以西北行路径为主；东南象限和西南象限是台风主要活动象限。

２）不同象限台风中心风速与珠海站风速的线性关系差异较大，其中西南象限和东南象限最好。

３）在相同台风中心风速和距离圈内时，台风位于西南象限时的珠海站风速最大，其次为东南象限，在西北象限和东北象限时最小。

４）通过２０１７年台风数据对预报方程进行检验，结果表明其对东北、东南、西北象限活动台风均有较好的预测效果，而西南象限由于样本少、２０１７年极端台风较多等原因，检验效果较差。

由于珠海站逐时最大风速观测资料时间年限有限，回归方程使用的样本数量还相对较少，在累积了更多的台风资料后，扩大样本数量，相信可以进一步提升方程的预报效果。

参考文献：
［１］杨彩福，吴业强．华南沿海特大风暴潮统计分析［Ｊ］．
广东气象，２０１１，３３（１）：３７－３９．
［２］阮惠华，刘三梅，徐美红．台风风圈模型的比较分析
［Ｊ］．广东气象，２０１５，３７（１）：１９－２１．
［３］赵珊珊，任福民，高歌，等．近十年我国热带气旋灾害
的特征研究［Ｊ］．热带气象学报，２０１５，３１（３）：４２４－４３２．
［４］梁莉，崔晓鹏，王成鑫，等．我国登陆热带气旋引起的
大陆地面风场分布［Ｊ］．大气科学，２０１８，４２（１）：９６－１０８．
［５］薛霖，李英，王丙兰，等．海南岛附近区域热带气旋低
层风场的变化特征［Ｊ］．气候与环境研究，２０１８，２３（３）：２９９－３１０．
［６］ＬｉＱＬ，ＸｕＰＣ，ＷａｎｇＸＢ，ｅｔａｌ．Ａｎｏｐｅｒａｔｉｏｎａｌｓｔａｔｉｓｔｉ
ｃａｌｓｃｈｅｍｅｆｏｒｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｉｎｄｕｃｅｄｗｉｎｄｇｕｓｔｆｏｒｅ ｃａｓｔｓ［Ｊ］．ＷｅａｔｈｅｒａｎｄＦｏｒｅｃａｓｔｉｎｇ，２０１６，３１（６）：１８１７－１８３２．
［７］黄莉莉．两个移速快、强度强、路径相似的台风过程
分析［Ｊ］．广东气象，２０１０，３２（５）：５－７．
［８］郑浩阳，涂建文，詹棠，等．“韦森特”台风的路径和强
度分析［Ｊ］．广东气象，２０１４，３６（１）：１２－１９．［９］陈诗琳．影响斗门热带气旋的气候特征［Ｊ］．广东气
象，２０１６，３８（３）：２９－３２．
［１０］陈劲，杨玺，汤振鹏．登陆广东的台风强度和路径特
征分析［Ｊ］．气象研究与应用，２０１８，３９（３）：３５－３７．［１１］许映龙，张玲，高拴柱．我国台风预报业务的现状及
思考［Ｊ］．气象，２０１０，３６（７）：４３－４９．
［１１］何洁琳，管兆勇．桂东南热带气旋大风的统计特征
及典型个例研究［Ｊ］．热带气象学报，２００６，２２（２）：１８４－１９１．
［１２］姚日升，曹艳艳，涂小萍．插值方法在提高热带气旋
路径预报时效分辨率中的应用［Ｊ］．广东气象，２０１１，３３（１）：１２－１５．
（下转第３９页）
５
３　第４期
王世强等：基于统计的台风影响下珠海站风速预报方法
变化特征分析［Ｊ］．广东气象，２０１２，３４（５）：２２－２６．［７］杨万春．曲江前期气温、地温与汛期降水关系的分析
及预测［
Ｊ］．广东气象，２００８，３０（１）：４０－４１．［８］李丽．用深层地温资料建立多元非线性回归方程预
报韶关站前汛期降水量［Ｊ］．广东气象，２００３，２５（２）：８－１０．
［９］杨万春．试用曲江冬春季地温作汛期月降水趋势预
测［Ｊ］．广东气象，２００３，２５（１）：１－２．
ＯｎｔｈｅＲｅｌａｔｉｏｎｓｈｉｐｓＢｅｔｗｅｅｎＰｒｅｃｅｄｅｎｔＳｏｉｌＴｅｍｐｅｒａｔｕｒｅａｎｄ
ＲａｉｎｉｎｇＳｅａｓｏｎＰｒｅｃｉｐｉｔａｔｉｏｎｉｎＤｉａｎｂａｉ
ＧＵＭｉｎｇ ｍｅｉ，ＺＨＡＮＧＴａｏ，ＬＵＯＪｉａｎ，ＣＡＩＳｈｉ ｔｏｎｇ
（ＭｅｔｅｏｒｏｌｏｇｉｃａｌＢｕｒｅａｕｏｆＤｉａｎｂａｉＤｉｓｔｒｉｃｔ，ＭａｏｍｉｎｇＣｉｔｙ，Ｍａｏｍｉｎｇ５２５４００）
Ａｂｓｔｒａｃｔ：Ｕｓｉｎｇｔｈｅｍｅｔｈｏｄｓｏｆｓｔａｔｉｓｔｉｃｓａｎｄｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ（ｔｈｅＰｅａｒｓｏｎｔｅｓｔ），ｔｈｉｓｐａｐｅｒａｎａｌｙ
ｚｅｓｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｓｏｉｌｔｅｍｐｅｒａｔｕｒｅａｔａｎａｔｉｏｎａｌｂａｓｅｓｔａｔｉｏｎｉｎＤｉａｎｂａｉ，Ｍａｏｍｉｎｇｆｒｏｍ１９９２ｔｏ２０１７ａｎｄｓｕｂｓｅｑｕｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｄｕｒｉｎｇｉｔｓｒａｉｎｉｎｇｓｅａｓｏｎ．Ｔｈｅｒｅｓｕｌｔｉｓｓｈｏｗｎａｓｆｏｌｌｏｗｓ．Ｔｈｅｆｕｒｔｈｅｒｕｐｔｏｗａｒｄｓｔｈｅｌａｎｄｓｕｒｆａｃｅ，ｔｈｅｇｒｅａｔｅｒｔｈｅｓｏｉｌｔｅｍｐｅｒａｔｕｒｅｖａｒｉｅｓ．Ｉｔｉｓｍｏｒｅｃｏｎｓｅｒｖａｔｉｖｅａｎｄｌａｇｓｍｏｒｅｂｅ ｈｉｎｄａｓｉｔｇｏｅｓｄｅｅｐｅｒｉｎｔｈｅｓｏｉｌ．Ｗｈｉｌｅｍｏｎｔｈｌｙａｎｄｓｅａｓｏｎａｌｓｏｉｌｔｅｍｐｅｒａｔｕｒｅｉｎｐｒｅｃｅｄｉｎｇｐｅｒｉｏｄｓａｒｅｐｏｏｒｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｒａｉｎｉｎｇｓｅａｓｏｎｓａｓｗｅｌｌａｓｔｈｅｗｈｏｌｅｓｕｍｍｅｒ，ｉｔｓｌｉｎｋｓｗｉｔｈｔｈｅｐｒｅ ｃｉｐｉｔａｔｉｏｎｏｆｔｈｅｆｏｌｌｏｗｉｎｇｙｅａｒｓａｒｅｓｌｉｇｈｔｌｙｂｅｔｔｅｒｗｉｔｈｍｕｌｔｉｐｌｅｓｉｇｎｉｆｉｃａｎｔｃｏｒｒｅｌａｔｉｏｎｓ．Ｆｏｒｓｏｍｅｄｅｐｔｈｓ，ｔｈｅｍｏｎｔｈｌｙｓｏｉｌｔｅｍｐｅｒａｔｕｒｅｃｏｒｒｅｌａｔｅｓｗｅｌｌｗｉｔｈｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｓｕｃｃｅｓｓｉｖｅｍｏｎｔｈｓ（ｗｉｔｈｉｎｇｔｈｅｒａｉｎｉｎｇｓｅａ ｓｏｎ），ｗｉｔｈａｓｍａｎｙａｓ７５ｃｏｅｆｆｉｃｉｅｎｔｓｏｆｓｉｇｎｉｆｉｃａｎｔｃｏｒｒｅｌａｔｉｏｎ，ｏｆｗｈｉｃｈｔｈｅｈｉｇｈｅｓｔｉｓ－０．６１７．Ｔｈｅｃｏｒｒｅ ｌａｔｉｏｎｉｓｍａｉｎｌｙｎｅｇａｔｉｖｅ，ｗｅｌｌｒｅｆｌｅｃｔｉｎｇｔｈｅｏｓｃｉｌｌａｔｏｒｙｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｍｏｎｔｈｌｙｓｏｉｌｔｅｍｐｅｒａｔｕｒｅａｎｄｔｈｅｍｏｎｔｈｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｓｕｂｓｅｑｕｅｎｔｒａｉｎｉｎｇｓｅａｓｏｎｓ．Ｄｕｒｉｎｇｔｈｅｗｉｎｔｅｒｈａｌｆｙｅａｒ（ｆｒｏｍｔｈｅｐｒｅｃｅｄｉｎｇＯｃ ｔｏｂｅｒｔｏｔｈｅｃｕｒｒｅｎｔＭａｒｃｈ），ｄｅｅｐ ｌａｙｅｒｓｏｉｌｔｅｍｐｅｒａｔｕｒｅａｎｏｍａｌｉｅｓａｒｅｇｅｎｅｒａｌｌｙｃｏｎｓｉｓｔｅｎｔｗｉｔｈｔｈｅｙｅａｒ ｔｏ ｙｅａｒｖａｒｉａｔｉｏｎｃｕｒｖｅｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｖａｒｉａｂｉｌｉｔｙｉｎｔｈｅｆｏｌｌｏｗｉｎｇｒａｉｎｉｎｇｓｅａｓｏｎ（ｆｒｏｍＡｐｒｉｌｔｏＳｅｐｔｅｍｂｅｒ），ｗｉｔｈｇｅｎｅｒａｌｌｙｃｏｒｒｅｓｐｏｎｄｉｎｇｏｃｃｕｒｒｅｎｃｅｏｆｂｏｔｈｐｅａｋｓａｎｄｖａｌｌｅｙｓ（ｔｈｏｕｇｈｗｉｔｈｓｏｍｅｃａｓｅｓｔｈａｔｌａｇｂｅ
ｈｉｎｄ）． Ｋｅｙｗｏｒｄｓ：ｃｌｉｍａｔｏｌｏｇｙ；ｐｒｅｃｅｄｅｎｔｓｏｉｌｔｅｍｐｅｒａｔｕｒｅ；ｒａｉｎｉｎｇｓｅａｓｏｎｐｒｅｃｉｐｉｔａｔｉｏｎ；檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰檰Ｄｉａｎｂａｉ（上接第３５页）
ＡＳｔａｔｉｓｔｉｃａｌＡｐｐｒｏａｃｈｏｆＦｏｒｅｃａｓｔｉｎｇＷｉｎｄＳｐｅｅｄ
ａｔａＺｈｕｈａｉＳｔａｔｉｏｎＵｎｄｅｒｔｈｅＥｆｆｅｃｔｏｆＴｙｐｈｏｏｎＶｉｓｉｔｓ
ＷＡＮＧＳｈｉ ｑｉａｎｇ１，ＸＩＡＤｏｎｇ１，ＬＩＹｕｎ ｊｉｅ２，ＨＵＡＮＧＺｈａｏ ｌｉａｎｇ１，ＬＩＵＹａｎｇ１，ＷＡＮＧＤｏｎｇ ｈａｉ
３
（１．ＣｅｎｔｅｒｏｆＰｕｂｌｉｃＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｅｒｖｉｃｅｆｏｒＺｈｕｈａｉＣｉｔｙ，Ｚｈｕｈａｉ５１９０００；
２．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＢｕｒｅａｕｏｆＺｈｕｈａｉＣｉｔｙ，Ｚｈｕｈａｉ５１９０００；
３．ＳｃｈｏｏｌｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅ，ＳｕｎＹｅｔ ｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｚｈｕｈａｉ５１９０８２）
Ａｂｓｔｒａｃｔ：Ｕｓｉｎｇｔｈｅ２００６－２０１６ＣＭＡｔｙｐｈｏｏｎｂｅｓｔｔｒａｃｋｄａｔａｓｅｔｓａｎｄｈｏｕｒｌｙｗｉｎｄｓｐｅｅｄｄａｔａｆｒｏｍａ
ｓｔａｔｉｏｎａｔＺｈｕｈａｉ，ｔｈｉｓｗｏｒｋｕｓｅｓｔｈｅｍｅｔｈｏｄｏｆｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｔｏｓｅｔｕｐａｐｒｏｃｅｄｕｒｅｂｙｗｈｉｃｈｔｈｅｗｉｎｄｓｐｅｅｄａｔｔｈｅＺｈｕｈａｉｓｔａｔｉｏｎｉｓｆｏｒｅｃａｓｔｂａｓｅｄｏｎｔｈｅｌｏｃａｔｉｏｎｏｆｔｙｐｈｏｏｎｅｙｅｓａｎｄｔｙｐｈｏｏｎｉｎｔｅｎｓｉｔｙ．Ｔｈｅｒｅｓｕｌｔｉｓｓｈｏｗｎａｓｆｏｌｌｏｗｓ．（１）Ｆｏｒｔｈｅａｎｎｕａｌａｖｅｒａｇｅ，ｔｈｅｒｅｗｅｒｅ４．６ｔｙｐｈｏｏｎｓｉｎｔｈｅａｒｅａｓ４００ｋｍａｒｏｕｎｄｔｈｅｃｉｔｙ，ｗｉｔｈｔｈｅｓｏｕｔｈｗｅｓｔａｎｄｓｏｕｔｈｅａｓｔｑｕａｄｒａｎｔｓｈａｖｉｎｇｔｈｅｍｏｓｔｆｒｅｑｕｅｎｃｙ．（２）Ｗｈｅｎｔｈｅｔｙｐｈｏｏｎｗａｓｉｎｔｈｅｓｏｕｔｈｗｅｓｔｑｕａｄｒａｎｔ，ｉｔｓｃｅｎｔｅｒｗｉｎｄｓｐｅｅｄｗａｓｉｎｔｈｅｂｅｓｔｌｉｎｅａｒｃｏｒｒｅｌａｔｉｏｎｗｉｔｈｔｈｅＺｈｕｈａｉｓｔａｔｉｏｎｗｉｎｄ
ｓｐｅｅｄ，ｗｈｉｃｈｗａｓａｌｓｏａｔｔｈｅｐｅａｋｏｆｉｔｓｆｏｒｃｅ．（３）Ｖｅｒｉｆｉｅｄａｇａｉｎｓｔｔｈｅａｃｔｕａｌｄａｔａｏｆｔｙｐｈｏｏｎｓａｎｄｗｉｎｄｓｐｅｅｄｉｎ２０１７ａｔｔｈｅＺｈｕｈａｉｓｔａｔｉｏｎ，ｔｈｅｆｏｒｅｃａｓｔｉｎｇｅｑｕａｔｉｏｎｗａｓｓｈｏｗｎｔｏｈａｖｅｓａｔｉｓｆａｃｔｏｒｙｆｏｒｅｃａｓｔｉｎｇｒｅｓｕｌｔ． Ｋｅｙｗｏｒｄｓ：ｗｅａｔｈｅｒｆｏｒｅｃａｓｔ；ｔｙｐｈｏｏｎ；ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎ；ｗｉｎｄｓｐｅｅｄｆｏｒｅｃａｓｔｉｎｇ；Ｚｈｕｈａｉｓｔａｔｉｏｎ
９
３　第４期
古明媚等：电白前期地温与汛期降水的关系。