預報因子

預報因子（predictor），天氣預報相關因子的簡稱，是指天氣預報方案中與預報量建立統計關係的氣象變量。它的優化選擇是水文、氣象預報工作中常遇到的問題。 ^[1] 

閻清元對天氣預報相關因子的選擇、使用、注意的問題等作出了系統的闡述。 ^[2] 

從預報測站前期不同氣象要素的各種時段——季、月、旬、候、節氣、時令、關鍵期的平均值中選擇，也可選擇預報要素前期不同時段大型環流類型或特徵量作為預報因子，還可選用上游區域指標站和相鄰測站的資料作為預報因子。

由海氣關係可知，海温是具有數月以上持續性的重要物理量。從尺度的對應原理考慮，選取海温作為預報因子，更適用預報長期天氣。

常用的天文因子是太陽黑子。部分台站用太陽黑子的演變週期作為預報因子，預報夏季降水、冬季冷暖和黑白災趨勢，也收到了一定效果。少數站選用太陽光譜作為預報因子，主要用於製作大雨、暴雨和颱風等天氣的中短期預報。

一方面是從預報要素前期的逐日氣象資料中選擇，或從單站時間剖面圖等預報工具中選擇不同的類型作為預報因子，另一方面是從預報要素前期的天氣系統和物理量資料中選擇因子。還可針對天氣形勢這一預報要素選取相關因子。以天氣諺語為線索，依據重點是在天象和物象所對應的氣象要素中選擇預報因子。

此外，也有的以羣眾經驗為線索，選擇具有明顯物理意義的經驗或指標所對應的氣象要素作為預報因子。

選擇預報因子主要由客觀和主觀兩種預報方法，即依據因子與預報量之間的相關性和依據經驗。 ^[3] 

（1）含義

又稱兩步法，即由粗選到精選的方法。粗選：是將預報要素前期不同時段的大量氣象資料、大型環流類型和特徵量，按距平相關或0、1二級編碼後一一對應預報要素，選出擬合率高的相關因子。精選：是在粗選普查的基礎上，對所選的預報因子逐個分析，或點圖或計算相關係數，或使用計算機處理，最終篩選出物理意義清楚，數值相關好、具有獨立性的相關穩定的預報因子。

（2）關鍵環節

使用普查法的關鍵環節是，粗選前要擁有或準備儘可能多的氣象、氣候資料和特徵物理量，且對預報要素要逐一對應普查。精選則要通過對粗選的相關因子認真分析和多種方法處理，剔除那些不合格因子。

（3）優點

選擇範圍廣，簡便易行，可充分利用所掌握的大量氣象、氣候資料和特徵物理量，易發現好的預報因子。

此法是以羣眾測天經驗為線索，測天經驗主要表現形式是天氣諺語，選擇預報因子。實踐證明，用千百年流傳下來的羣眾經驗為線索，進行氣候環流背景的物理分析是一條有效的途徑。

要保證預報因子的相關穩定性，應注意以下幾點：

（1）要儘可能選擇天氣學意義、物理意義比較清楚，與羣眾測天經驗比較吻合的預報因子。

（2）所選預報因子應儘量將單站要素與天氣系統有機結合起來，要考慮能夠反映大氣運動的規律和本質。

（3）要選取在整個預報時段相關都較好的預報因子，避免選取在某一階段內預報全對，而在另一階段內預報連續錯的預報因子。

通過計算預報量和因子的相關係數或對二變量極值的反常分析，選擇同預報量數值相關好的因子，即二變量一一對應的數量，特別是極值對應關係好且較穩定。這類預報因子用於預報反常天氣效果明顯，對提高預報量級的準確率有重要意義。

在多因子使用中，由於氣象要素之間的相互聯繫，有些預報因子，雖然與預報量的相關很高，但這些因子之間相關也很高，這種情況下，應選擇具有代表性的因子即可，重複使用，會人為地加大該類因子的作用，對預報不利。

預報因子之間關係愈小愈好，而與預報量之間的關係愈大愈好。

從天氣學意義來説，影響某一預報量的要素是十分複雜的，但其中有一些是主要影響因子，只有注意選用的預報因子具有獨立性，才能使所選預報因子有代表意義。

同一預報方法，使用預報因子要注意少而精。單站資料年代短、樣本少，這種情況下，在同一方法中使用過多的因子，就抓不住主要矛盾。由於在過多的因子當中，佔有數量多但作用小的因子會削弱主要影響因子的作用。現單站資料多為35年左右，預報因子在同一方法中，選用3~5個為宜。

不同的預報方法應選用不同的預報因子，各種方法綜合運用、得出的預報結果會更客觀準確。 ^[2] 

預報因子的分級是預報因子的選擇和使用中都要遇到的問題。分級是否合適，直接影響預報因子的取捨和在預報中所起作用的大小。

預報因子的分級常見的有二級分法（0、1分級）和多級分法（3~5級劃分，個別也有劃分為≥6級的）。

二級分法，多用於數理統計預報方法中的標準化處理和計算機的編碼。該分級法，其一，是按正負距平劃分。優點是較客觀，不因人而異，但缺點是不能很好利用相關因子的數值特點，故多用試驗性劃分的方法。該方法為：首先試定一個界限；初步劃分後，檢查分級的因子與預報要素的相關程度，通過不斷地調整分級界限，直到找出預報的樣本個數最多時，即該分級的因子與預報要素的相關程度最好時，同時應考慮預報因子臨界值空間和時間的連續性，確定劃分0、1級的界限。

通過多級劃分，可找出預報因子和預報要素的級數相關，進而將多個預報因子分級建立綜合指標，使預報對象的趨勢範圍儘可能縮小，便於確定預報量，從而明顯地提高預報因子的使用效果。

預報因子的多級劃分，要依據預報因子和預報要素自身變幅和離散程度來確定，且劃分級別的個數儘可能均等。 ^[2]