降尺度方法在黑龙江省月气候预测中应用.pdfVIP

降尺度方法在黑龙江省月气候预测中的应用 1 1 2 娄德君 李治民 王冀 （1 齐齐哈尔市气象局 161006 ；2 北京市气候中心 100089 ） 摘 要 研究表明，GCM能很好地模拟出大尺度环流特征，但是由于空间分辨率较低，很难对区域气候情景做 详细的预测。降尺度方法是将大尺度的气候信息转化为区域尺度的地面气候变化信息（如气温，降水）， 从而弥补了GCM对区域气候变化预测的局限。因此采用降尺度的方法来提高区域气候事件模拟能力是十分必 要的。 典型相关分析作为一种较为理想的、用于研究两个场或两组变量间相关性的统计降尺度方法，能够提 取出反映两个场不同的主要相关结构，并且利用主要的相关结构作出要素场的预报，近年来已经得到了广 泛的应用。本文利用典型相关分析方法建立了黑龙江省 1 月、7 月气温和降水的预测模型，进行了 3 年的 短期气候预测试验，并与多元回归方法的预报结果对比分析，结果表明： ①CCA方法对黑龙江省冬夏气温和降水的预测都有一定的预报技巧。但是预报效果对不同要素不同区 域有差异。 ②两种方法对比来看，无论是冬季（1月）还是夏季（7月），CCA方法对温度的预报效果好于多元回 归方法，CCA 对1月和 7月温度的区域预报评分3年平均可达到74分左右。多元回归方法对1月气温的预 测效果差。 ③两种方法对降水的预测评分低于气温近 10 分。降水的分区预报结果显示，中西部地区的预测效果 较好，两种方法均在70分以上，最好时可超过90分。而北部漠河区域和东部佳木斯地区则预报效果较差， 区域评分不足40分。多元回归对降水的预测效果好于CCA 方法。CCA方法中流场因子对降水的预报效果好 于高度场因子。 ④CCA方法虽只选择了单个因子场进行预测，但高相关因子的物理意义清晰，对气温预测效果好。CCA 对降水的预测不及多元回归，可能是用于预测的初始因子场较少的缘故，还需要进一步研究。两种方法对 模式预报结果依赖性强，因此所选用的预报因子必须能被数值模式较准确的模拟。 关键词： 降尺度，典型相关分析，多元回归分析，气温，降水，预测 引言 目前的月气候预测业务中，一般采用动力学和统计学的方法对气温和降水进行趋势预 测。由于传统的统计方法无法解释气候变化的物理机制，使得全球气候模式（GCM）越来越 多的被作为气候预测的工具。然而研究结果表明，GCM能相当好地模拟出大尺度最重要的平 均特征；特别是能较好地模拟高层大气场,近地面温度和大气环流。但是由于目前GCM输出的 空间分辨率较低，缺少区域气候信息，很难对区域气候情景做详细的预测。降尺度方法[1-3] 是将大尺度的气候信息转化为区域尺度的地面气候变化信息（如气温，降水），从而弥补了 GCM对区域气候变化预测的局限。因此采用降尺度的方法来提高区域气候事件模拟能力是十 分必要的。 典型相关分析（Canonical Correlation Analysis CCA) [4]作为一种较为理想的、用于研究 两个场或两组变量间相关性的统计降尺度方法，能够提取出反映两个场不同的主要相关结 构，并且利用主要的相关结构作出要素场的预报，近年来已经得到了广泛的应用。国外对 CCA 方法的研究和应用已取得一定的成果，Barnston 等人的 CCA 模式已在美国国家环境预 测中心投入业务运行，1996 年开始 NOAA 正式使用 CCA 模式作该地区 3 个月总降水量的 [5] [6] 业务预报。国内应用 CCA 的例子还不多。毛恒青等 、黄茂怡等 分别用 CCA 方法对我国 夏季降水和进行短期气候预测试验。严华生等[7]用 CCA 研究了中国 15 个区 5 月降水与前期 [8] 和同期北半球 500hPa 高度场的相关关系。毛恒青等 用 CCA 对我国冬季气温进行了短期气 候预测试验，余金波等[9]用该方法设计的一个统计预报模式对我国 3 个月平均气温距平进行 预报试验。研究表明