统计降尺度方法预测长江中下游气温初步探究.docxVIP

统计降尺度方法预测长江中下游气温初步探究 摘要：文章利用经验正交函数(EOF)和逐步线性 回归相结合的统计降尺度方法建立大尺度信息与长江中下 游地区25个气象站1月及7月，月平均气温之间的统计关 系共计36个统计降尺度模型，其中联合预报因子变量场采 用空间联合的经验正交函数分解法。结果表明：(1)长江中 下游地区25个站点建立的模型通过独立检验，均取得了较 好的Pc得分。(2)对于1月的模拟性能都高于7月，这可 能与当地处于亚热带季风区，夏季较冬季多雨气温变化较大 有关。(3)分析得分较高方案发现海拔较高站点模拟效果优 势明显且采用联合预报因子变量场的效果更好。 关键词：统计降尺度；联合EOF分解；长江中下游；短 期气温预测 引言 虽然随着数值预报的发展，天气预报对气温已有很好的 预报，肖明静等［1］对2010年6月至2011年5月WRF-RUC 和T639模式预报的24h2m温度预报产品进行分析与订正， 阈值2度的预报准确率均达到80%以上，但是短期气候预测 效果依然不尽如人意。例如08年发生南方冰冻雨雪灾害， 虽然天气预报当时已经可以很好的预报出未来几天的天气 变化，但是却没能提供良好的短期气候预测，依旧造成非常 大的影响和损失。目前，常用的短期气候预测方法有天气气 候学、统计气候学和动力气候学方法。天气气候学和统计气 候学方法难以从根本上解释气候形成的物理机制，虽历史拟 合率可能较好，但预报准确率有限且不稳定，同样大气环流 模式（GCMs）是进行气候预测最行之有效的方法之一［2-4］, 然而由于它的空间分辨率一般是上百公里，虽然对大尺度信 息的模拟与预测是不错的，却不能达到局地或区域气候预测 空间尺度的精度［5］。可以弥补大气环流模式的这种不足目 前有两种方法［6］, —是发展更高精度的气候模式，另外一 种即是采用降尺度方法。第一种方法计算代价巨大耗时，结 果却未必理想，“性价比”不高。相形之下，降尺度可以在 已有模式的基础上通过动力或者统计的方法来提高局地气 候预测的精度，是更可性的方法。 从90年代初变开始了统计降尺度的研究，这是一门较 新的科学，经历初期集中在欧洲等地的研究和应用后，近年 来国内也开始对统计降尺度展开研究。无论是线性方法、非 线性方法以及动力-统计降尺度［7-9］,很多学者都将落脚点 放在降尺度方法本身，而对预报因子变量、预报区域选取和 对不同区域的适用性问题关注较少。本文采用PCA与逐步回 归相结合的统计降尺度方法，通过改变初始输入的预报因子 变量区域、预报因子变量场和输入回归方程中主成分的个 数，建立了不同模型，再通过对长江中下游各台站气温多个 统计降尺度模拟结果进行研究比对，选择最优预报方程，从 而提高该地区气温预测精度。值得注意的是由于统计降尺度 多种不确定性，未来方向［10］将是不断提高气候模式的预测 能力，将模式良好的输出信息作为预报因子才能提高区域降 尺度的发展，同时用不同的气候模式驱动不同的降尺度模型 即超级集合以期得到更好的关于未来短期或长期等的气候 预测，同时将降尺度的方法应用在各种复杂多样的区域气候 下，尤其气候累计观测资料较少的地区，可以用不同统计降 尺度方法进行对比试验，来提高资料稀少地区的区域气候预 测能力。 1资料选取 对统计降尺度的研究可知［11-13］,在建立统计降尺度 模型时，需要观测的预报因子变量及观测的预报量两种数据 进行建模，前者代表大尺度信息，后者代表区域尺度。中国 地域辽阔，不同教材对各区域有不同的划分，为了便于统计 降尺度方法的研究与应用，Liu Y等［14］对中国南方地区进 行重新划分，本文在此基础上，选取了长江中下游地区共计 25个站点1961-2010年1月和7月的月平均温度资料。图1 为长江中下游地区25个测站分布图，图中长江中下游地区 包括湖南、湖北、江苏、浙江、安徽五省，由图1可以看出 25个站点分布较均匀。由表1可知，站点地形海拔较为均匀, 除个别站点外，海拔都低于lOOmo 预报因子来自于同时期NCEP/NCAR分辨率为 2. 5° *2. 5°的月平均资料，包括17个等压面(1000, 925, 850, 700, 600, 500, 400, 300, 250, 150, 200, 100, 70, 50, 30, 20, 10 (hPa))上 的温度(t),位势高度(hPa),全风速，u分量风速，v分 量风速，以及垂直风速(w)等共计102个预报因子。首先 对预报因子做距平化处理，然后对预报因子进行初选，即102 个因子分别与25个站点做全球相关场分析，选出温度场中 相关性最好的850hPa温度场、高度场中相关性最好500hPa 位势高度场(1月是lOOOhPa)和海平面气压场，选取了站 点与区域为(110°?125° E；