中國(guó)海表面風(fēng)統(tǒng)計(jì)降尺度模型研究

李正泉，肖晶晶，馬　浩，馮　濤（浙江省氣候中心，浙江杭州310017）

中國(guó)海表面風(fēng)統(tǒng)計(jì)降尺度模型研究

李正泉，肖晶晶，馬浩，馮濤
（浙江省氣候中心，浙江杭州310017）

基于CCMP衛(wèi)星風(fēng)場(chǎng)數(shù)據(jù)和NECP-DOE再分析數(shù)據(jù)兩者典型空間模態(tài)近20 a的長(zhǎng)期統(tǒng)計(jì)關(guān)系，構(gòu)建了中國(guó)海域海表面風(fēng)的統(tǒng)計(jì)降尺度模型。降尺度模型交叉驗(yàn)證結(jié)果表明：模擬與觀測(cè)兩者風(fēng)速在空間分布和變化趨勢(shì)上均具有很好的吻合性，風(fēng)速空間分布的相關(guān)性（R）可達(dá)到0.98以上，風(fēng)速變化趨勢(shì)的相關(guān)性（R）可達(dá)0.89以上。模型預(yù)測(cè)風(fēng)速的均方根誤差（RMSE）和絕對(duì)誤差（AE），在絕大多數(shù)海區(qū)均低于0.25 m/s和0.30 m/s，相對(duì)誤差（RE）＜-5%或＞5%的海區(qū)面積僅約占全海域面積的5%左右。從空間上而言，降尺度模型的模擬誤差大值區(qū)多發(fā)生在陸域附近的近海區(qū)，主要原因是近海區(qū)影響風(fēng)場(chǎng)的中小尺度天氣因子眾多。

海表面風(fēng)；統(tǒng)計(jì)降尺度；經(jīng)驗(yàn)正交函數(shù)；CCMP風(fēng)場(chǎng)；NCEP-DOE

1　引言

大尺度粗網(wǎng)格的氣候數(shù)據(jù)因空間分辨率太低，較難適用于局部區(qū)域的氣候分析和氣候變化研究。降尺度是將大尺度低分辨的空間信息轉(zhuǎn)化為小尺度高分辨率，以使得局部空間信息更加豐富和清晰可辨［1-2］。通常應(yīng)用的降尺度方法有3種，即動(dòng)力降尺度、統(tǒng)計(jì)降尺度和統(tǒng)計(jì)與動(dòng)力相結(jié)合的降尺度［3］。統(tǒng)計(jì)降尺度是通過(guò)建立大尺度信息變量與小尺度信息變量?jī)烧咧g的統(tǒng)計(jì)關(guān)系，將大尺度低分辨率的空間變量帶入統(tǒng)計(jì)模型，來(lái)獲取局地變量高分辨率的空間信息［4-5］。由于統(tǒng)計(jì)降尺度方法計(jì)算量小且簡(jiǎn)便易行，因此在國(guó)內(nèi)外區(qū)域氣候的模擬和預(yù)估研究中被廣泛使用。

利用多元回歸構(gòu)建統(tǒng)計(jì)降尺度模型，Sailor等分析了美國(guó)局部地區(qū)的氣溫變化［6］，Murphy模擬了歐洲地區(qū)的月氣溫和月降水［7］。采用ANN技術(shù)構(gòu)建統(tǒng)計(jì)降尺度模型，Mpelasoka等分析了新西蘭的月氣溫和降水［8］，Bardossy等以模糊規(guī)則分類(lèi)法為基礎(chǔ)建立統(tǒng)計(jì)降尺度模型，研究了德國(guó)和希臘的氣溫與降水［9］。Goodess等評(píng)估了20余種統(tǒng)計(jì)降尺度方法在不同氣候區(qū)不同季節(jié)對(duì)溫度與降水指數(shù)的模擬能力［10］。在國(guó)內(nèi)亦有許多研究者利用統(tǒng)計(jì)降尺度方法開(kāi)展區(qū)域氣候的模擬與預(yù)估，如范麗軍對(duì)華東區(qū)氣溫變化的集合預(yù)估［11］、崔妍等對(duì)江淮流域極端降水的預(yù)估［12］、薛春芳等對(duì)渭河流域秋雨的模擬分析［13］、郭彥等我國(guó)北方地區(qū)降水的季節(jié)預(yù)測(cè)［14］以及阮成卿等對(duì)我國(guó)西南地區(qū)后冬降水的降尺度模擬［15］，等等。從文獻(xiàn)調(diào)研來(lái)看，統(tǒng)計(jì)降尺度技術(shù)在我國(guó)區(qū)域氣候研究中已有較多應(yīng)用，但研究對(duì)象多針對(duì)于氣溫或降水，而有關(guān)風(fēng)場(chǎng)的統(tǒng)計(jì)降尺度分析尚不多見(jiàn)。湯建平等曾利用591個(gè)氣象站的風(fēng)能參數(shù)與大尺度環(huán)流場(chǎng)的統(tǒng)計(jì)關(guān)系，開(kāi)展我國(guó)風(fēng)能變化的降尺度模擬預(yù)估［16］，但其研究范圍僅限于陸域，并未涉及至我國(guó)海域，且其研究方法在海域范圍內(nèi)較難實(shí)現(xiàn)，原因是海上測(cè)風(fēng)站點(diǎn)稀少，長(zhǎng)年代測(cè)風(fēng)數(shù)據(jù)缺乏，尤其是在遠(yuǎn)海區(qū)域。

本文以衛(wèi)星觀測(cè)CCMP（Cross-Calibrated，Multi-Platform）風(fēng)場(chǎng)為基礎(chǔ)，以衛(wèi)星格點(diǎn)觀測(cè)代替站點(diǎn)觀測(cè)，建立高分辨率CCMP風(fēng)場(chǎng)與大尺度NCEP-DOE變量場(chǎng)兩者EOF（Empirical Orthogonal Function）典型模態(tài)的多元統(tǒng)計(jì)關(guān)系，進(jìn)而構(gòu)建適合于我國(guó)海表面風(fēng)的統(tǒng)計(jì)降尺度模型，意旨為海表面風(fēng)區(qū)域降尺度的模擬預(yù)估研究提供一種較為可行的研究方法。

2　資料與方法

2.1使用資料

統(tǒng)計(jì)降尺度模型構(gòu)建和模型驗(yàn)證所使用的資料為1988—2011年CCMP衛(wèi)星風(fēng)場(chǎng)數(shù)據(jù)和NCEP-DOE再分析數(shù)據(jù)，數(shù)據(jù)來(lái)源于共享網(wǎng)站http: //rda.ucar.edu/datasets/ds744.9/index.html和http: //www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis2.html。CCMP風(fēng)場(chǎng)是2010年美國(guó)國(guó)家航空航天局（NASA）發(fā)布的交叉定標(biāo)多平臺(tái)衛(wèi)星探測(cè)海表面風(fēng)場(chǎng)資料，它是可覆蓋全球范圍時(shí)空分辨率最為精細(xì)的長(zhǎng)年代風(fēng)場(chǎng)數(shù)據(jù)之一，其空間分辨率為0.25°×0.25°、時(shí)間分辨率為6 h（數(shù)據(jù)時(shí)次為00時(shí)、06時(shí)、12時(shí)、18時(shí)）。由于CCMP風(fēng)場(chǎng)融合了多系列數(shù)十顆衛(wèi)星觀測(cè)資料，因此其風(fēng)場(chǎng)數(shù)據(jù)較其它衛(wèi)星風(fēng)場(chǎng)在精度上有著很大提高，在諸多海洋大氣環(huán)境研究中被廣泛應(yīng)用［17］。NCEP-DOE再分析數(shù)據(jù)是美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction，NCEP）和美國(guó)能源部（Department of Energy，DOE）合作研制的全球大氣再分析資料（也被稱(chēng)作為NCEP-R2），它相對(duì)于NCEP/NCAR再分析數(shù)據(jù)（NCEP-R1），在較多細(xì)節(jié)上作出了改進(jìn)，是NCEP/NCAR再分析數(shù)據(jù)的更新和訂正版本［18］。本文中使用的NCEP-DOE再分析數(shù)據(jù)是海表面風(fēng)速（U，V）、海平面氣壓（Sea Level Pressure，SLP）和海表面溫度（Sea Surface Temperature，SST），數(shù)據(jù)的空間分辨率為2.5°×2.5°、時(shí)間分辨率為6 h（數(shù)據(jù)時(shí)次為00時(shí)、06時(shí)、12時(shí)、18時(shí)）。

2.2技術(shù)方法

根據(jù)1988—2011年逐日4個(gè)時(shí)次的CCMP風(fēng)場(chǎng)數(shù)據(jù)和NCEP-DOE再分析數(shù)據(jù)，計(jì)算統(tǒng)計(jì)逐年各月的氣候要素值。月平均風(fēng)速（W）的計(jì)算過(guò)程為：先依據(jù)CCMP（U，V）和NCEP-DOE（U，V）的經(jīng)向緯向風(fēng)矢量，計(jì)算各時(shí)次的風(fēng)速值，再按逐年逐月對(duì)

式中：W為風(fēng)速（m/s），u和v分別為經(jīng)向和緯向風(fēng)矢量網(wǎng)格值（m/s），δu和δv分別為經(jīng)向和緯向風(fēng)矢量網(wǎng)格值的附加值（Add Offset），ku和kv分別為經(jīng)向和緯向風(fēng)矢量網(wǎng)格值的換算因子（Scale Factor）。

以CCMP（W）作為降尺度模型構(gòu)建的目標(biāo)變量（空間分辨率為0.25°），NCEP-DOE（W，SLP，SST）作為預(yù)測(cè)因子變量（空間分辨率為2.5°）。使用經(jīng)驗(yàn)正交函數(shù)（EOF）［19-20］對(duì)CCMP（W）矩陣和NCEP-DOE（W，SLP，SST）矩陣進(jìn)行空間模態(tài)分解，基于多元線(xiàn)性回歸技術(shù)建立CCMP（W）主模態(tài)與NCEP-DOE（W，SLP，SST）主模態(tài)之間的統(tǒng)計(jì)關(guān)系，以此構(gòu)建我國(guó)海表面風(fēng)的統(tǒng)計(jì)降尺度模型。

具體步驟是：對(duì)給定的CCMP（W）矩陣和NCEPDOE（W，SLP，SST）矩陣，分別移除各自的氣候平均態(tài)后進(jìn)行EOF分解，提取各自的空間EOF模態(tài)主成分PC，之后按照式（2）的方式，建立CCMP風(fēng)速與NCEP-DOE變量之間的統(tǒng)計(jì)關(guān)系。風(fēng)速值進(jìn)行統(tǒng)計(jì)。各時(shí)次風(fēng)速（W）的計(jì)算公式如下：

確定出CCMP風(fēng)速與NCEP-DOE變量之間的統(tǒng)計(jì)關(guān)系后，按式（3）和式（4）即可將大尺度粗分辨率的氣候變量“投影”轉(zhuǎn)化成高空間分辨率的海表面風(fēng)速。

對(duì)于統(tǒng)計(jì)降尺度模型的效果檢驗(yàn)，本文使用了方差貢獻(xiàn)（EV）、標(biāo)準(zhǔn)差（SD）、殘差標(biāo)準(zhǔn)差（SE）、相關(guān)系數(shù)（R）、均方根誤差（RMSE）、相對(duì)誤差（RE）和絕對(duì)誤差（AE）等統(tǒng)計(jì)參數(shù)，它們的定義及公式較為常見(jiàn)，在此不再累述，具體請(qǐng)參見(jiàn)文獻(xiàn)［19］。

3　結(jié)果分析

3.1統(tǒng)計(jì)降尺度模型構(gòu)建

我國(guó)海表面風(fēng)統(tǒng)計(jì)降尺度模型的構(gòu)建基于1988—2007年共20 a的長(zhǎng)期數(shù)據(jù)，模型預(yù)測(cè)的目標(biāo)變量矩陣為1988—2007年間的CCMP月平均風(fēng)速（W），預(yù)測(cè)因子矩陣為1988—2007年間NCEP-DOE的月平均海表面風(fēng)速、氣壓和溫度（W，SLP，SST）。選用NCEP-DOE（W，SLP，SST）前20個(gè)主模態(tài)（PC總方差貢獻(xiàn)EV約為97.3%）與CCMP（W）前15個(gè)主模態(tài)（PC總方差貢獻(xiàn)EV約為95.6%），按式（2）的形式，進(jìn)行構(gòu)建統(tǒng)計(jì)降尺度模型。

表1給出了CCMP（W）和NCEP-DOE（W，SLP，SST）前10個(gè)主模態(tài)的方差貢獻(xiàn)（EV）以及回歸模型的標(biāo)準(zhǔn)差（SD）和殘差標(biāo)準(zhǔn)差（SE）等統(tǒng)計(jì)參數(shù)?？梢钥闯?，目標(biāo)變量前10個(gè)主模態(tài)的PC總方差貢獻(xiàn)可達(dá)到93.5%，預(yù)測(cè)因子前10個(gè)主模態(tài)的PC總方差貢獻(xiàn)可達(dá)到92.5%。目標(biāo)變量與預(yù)測(cè)因子回歸模型的SE占SD的比重很小，前6個(gè)PC的SE占其SD的比重均不足5%。雖然PC10的SE占其SD的比重約為20%，但PC10的方差貢獻(xiàn)較?。▋H約1.6%），其在統(tǒng)計(jì)降尺度模型構(gòu)建中的實(shí)際貢獻(xiàn)很少。

3.2模型回算檢驗(yàn)

使用1988—2007年NCEP-DOE（W，SLP，SST）數(shù)據(jù)，按照式（3）和式（4），對(duì)海表面風(fēng)降尺度模型進(jìn)行回算模擬。比較模型回算風(fēng)速與CCMP觀測(cè)風(fēng)速兩者之間的相關(guān)性及其模擬誤差，對(duì)構(gòu)建的統(tǒng)計(jì)降尺度模型進(jìn)行驗(yàn)證。如圖1所示（中國(guó)海域范圍及海區(qū)劃分請(qǐng)參見(jiàn)文獻(xiàn)［21］），1988—2007年模型回算風(fēng)速與CCMP觀測(cè)風(fēng)速（20 a平均值）的空間分布形態(tài)基本完全一致，僅是在東海南部的局部區(qū)域上有些細(xì)微差別，兩者風(fēng)速分布的空間相關(guān)系數(shù)（R）達(dá)到0.998。各年份模型回算風(fēng)速與CCMP觀測(cè)風(fēng)速的空間相關(guān)性，見(jiàn)表2。

在空間各個(gè)格點(diǎn)上，模型回算與CCMP觀測(cè)兩者風(fēng)速年際變化的相關(guān)性（1988—2007年期間）和模型回算風(fēng)速的均方根誤差（RMSE）空間分布（見(jiàn)圖2）?；厮泔L(fēng)速與觀測(cè)風(fēng)速年際變化的相關(guān)系數(shù)（R），全海域的格點(diǎn)平均值約為0.93，兩者風(fēng)速的年際變化在格點(diǎn)位相上表現(xiàn)出了非常好的符合。從空間分布來(lái)看：遠(yuǎn)離陸域的遠(yuǎn)海存在相關(guān)系數(shù)的高值區(qū)（黃海中部除外），尤其是渤海、黃海北部、東海南部、巴士海峽、南海東北部等，該些海域的R值大多均超過(guò)0.95，R值最大可達(dá)到0.98（見(jiàn)圖2a）。

由于遠(yuǎn)海區(qū)影響海表面風(fēng)場(chǎng)的動(dòng)力學(xué)因素較為簡(jiǎn)單，缺乏地形等影響，因此相關(guān)系數(shù)在遠(yuǎn)海區(qū)存在高值；而在陸域近海區(qū)，影響風(fēng)場(chǎng)的因子眾多，中小尺度天氣過(guò)程活躍，風(fēng)場(chǎng)降尺度模型的誤差相對(duì)較大，如山東、浙江和廣州等近海以及臺(tái)灣島附近海區(qū)等，這些區(qū)域是相關(guān)系數(shù)低值區(qū)，其R值多在0.75以下，但R值低于0.65的海區(qū)面積較少（僅約總海域的3%）。從風(fēng)速均方根誤差（RMSE）空間分布看：回算與觀測(cè)兩者風(fēng)速的RMSE值多在0.25 m/s以下，僅是在臺(tái)灣島附近和廣州近海岸等一些局部區(qū)，RMSE值高于0.40 m/s（見(jiàn)圖2b）。

表1　目標(biāo)變量與預(yù)測(cè)因子前10個(gè)主模態(tài)的統(tǒng)計(jì)參數(shù)

表2　模型回算風(fēng)速與CCMP觀測(cè)風(fēng)速的空間相關(guān)性統(tǒng)計(jì)

圖1　CCMP觀測(cè)風(fēng)速與模型回算風(fēng)速空間分布（虛框內(nèi)為兩者重點(diǎn)差異區(qū)）

由圖1和圖2可知，無(wú)論是風(fēng)速空間分布形態(tài)，還是風(fēng)速變化趨勢(shì)及風(fēng)速誤差，統(tǒng)計(jì)降尺度模型的回算值與CCMP的觀測(cè)值均表現(xiàn)出了非常好的吻合性，這充分表明了統(tǒng)計(jì)降尺度模型的構(gòu)建合理性。為了進(jìn)一步驗(yàn)證所構(gòu)建的降尺度模型其外推預(yù)測(cè)的可靠性，利用2008—2011年數(shù)據(jù)再次對(duì)降尺度模型進(jìn)行檢驗(yàn)。

3.3模型外推預(yù)測(cè)檢驗(yàn)

基于已構(gòu)建的海表面風(fēng)降尺度模型統(tǒng)計(jì)關(guān)系（采用1988—2007年數(shù)據(jù)建立），利用2008—2011年的NCEP-DOE變量資料（未參與建模數(shù)據(jù)），按式（3）和式（4）對(duì)海表面風(fēng)進(jìn)行降尺度模擬預(yù)測(cè)。從圖3分析，2008—2011年模型預(yù)測(cè)風(fēng)速與CCMP觀測(cè)風(fēng)速（5 a平均值），兩者的空間分布形態(tài)十分相似（這與模型回算檢驗(yàn)類(lèi)同），僅是在黃海中部和東海北部的局部區(qū)域上有些差別，兩者風(fēng)速空間分布的相關(guān)系數(shù)性（R）達(dá)到0.988，各年份的R值也都在0.980以上（見(jiàn)表3）。

模型預(yù)測(cè)與CCMP觀測(cè)兩者風(fēng)速的年際變化，在空間各格點(diǎn)上的相關(guān)性R值多在0.90以上，全海域的R平均值約為0.89，這表明模型預(yù)測(cè)與CCMP觀測(cè)兩者格點(diǎn)上的風(fēng)速變化趨勢(shì)具有良好吻合性（見(jiàn)圖4a）?？傮w來(lái)說(shuō)，遠(yuǎn)離陸域的遠(yuǎn)海R值較高，近海岸區(qū)R值較低，但R值低于0.65的海區(qū)面積不足全海域面積的4%，這種R值的空間分布型態(tài)與降尺度模型回算的結(jié)果大體相似（見(jiàn)圖2a），僅是R值大小略有差異，模型回算的R值略高于模型預(yù)測(cè)。

表3　模型預(yù)測(cè)風(fēng)速與CCMP觀測(cè)風(fēng)速的空間相關(guān)性統(tǒng)計(jì)

模型預(yù)測(cè)誤差分析顯示，全海域風(fēng)速預(yù)測(cè)的RMSE平均值約為0.12 m/s，絕大多數(shù)區(qū)域的RMSE值均＜0.25 m/s，僅是在臺(tái)灣島附近和南海中東部的一些零星區(qū)域，其RMSE值＞0.30 m/s（見(jiàn)圖4b）。風(fēng)速預(yù)測(cè)的絕對(duì)誤差（AE）在空間各格點(diǎn)上均＜0.50 m/s，全海域平均的AE值約為0.13 m/s，大部分海域的AE值均在0.30 m/s以下，但在渤海、黃海北部、臺(tái)灣島附近以及陸域近海岸等一些局部區(qū)，風(fēng)速預(yù)測(cè)的AE值較高些，約在0.35 m/s以上（見(jiàn)圖4c）。從風(fēng)速預(yù)測(cè)的相對(duì)誤差（RE）來(lái)看，在我國(guó)北部海域（渤海與黃海）、臺(tái)灣海峽、北部灣及海南島附近區(qū)域等，降尺度模型的模擬預(yù)測(cè)風(fēng)速較CCMP觀測(cè)風(fēng)速偏低，兩者風(fēng)速的RE值多在-2.0%左右，局部區(qū)域可達(dá)到-4%以下；在東海大部、南海大部、巴士海峽、臺(tái)灣島附近及其以東洋面海域，降尺度模型的模擬預(yù)測(cè)相比CCMP觀測(cè)的風(fēng)速值較高，尤其是在廣東、臺(tái)灣及其它一些陸域的近海區(qū)，兩者風(fēng)速的RE值可達(dá)到8.0%左右（見(jiàn)圖4d），但整體而言，全海域內(nèi)風(fēng)速預(yù)測(cè)的RE值較小，RE＜-5%或RE＞5%的空間格點(diǎn)占有量很少，不足海域總面積的5%。

圖3　CCMP觀測(cè)風(fēng)速與模型預(yù)測(cè)風(fēng)速空間分布（虛框內(nèi)為兩者重點(diǎn)差異區(qū)）

圖4　2008—2011年預(yù)測(cè)與觀測(cè)風(fēng)速比較

3.4模型誤差原因淺析

降尺度模型回算和模型外推的檢驗(yàn)結(jié)果均顯示，模型模擬風(fēng)速與CCMP觀測(cè)風(fēng)速兩者在陸域近海區(qū)（尤其是沿海岸區(qū)）的差異，相比于遠(yuǎn)海區(qū)要相對(duì)大一些。如：近海區(qū)風(fēng)速年際變化的相關(guān)性系數(shù)（R）值多低于遠(yuǎn)海區(qū)，且風(fēng)速模擬的RMSE、AE和RE的高值區(qū)也多發(fā)生在陸域近海。這種誤差分布的空間形態(tài)是由諸多因素引起的，其中近海與遠(yuǎn)海風(fēng)場(chǎng)的動(dòng)力學(xué)因子差異是其主要原因。由于遠(yuǎn)海區(qū)缺乏地形等影響，海表面風(fēng)形成的動(dòng)力學(xué)因素較為簡(jiǎn)單，而陸域近海影響風(fēng)場(chǎng)的因子眾多，中小尺度天氣過(guò)程活躍，CCMP空間分辨率精細(xì)對(duì)這種中小尺度的天氣過(guò)程具有很強(qiáng)的捕捉能力，但NCEP-DOE的空間分辨率太粗，中小尺度過(guò)程的捕捉能力太弱［19］。

在模型模擬與CCMP觀測(cè)兩者風(fēng)速年變化相關(guān)分析中，值得一提的是盡管黃海中部區(qū)并非靠近陸域，但其模擬與觀測(cè)的風(fēng)速相關(guān)性卻是相對(duì)較低，R值多在0.80以下，低于其周?chē)Ｓ颍ㄒ?jiàn)圖2a和圖4a）。探尋該區(qū)R值偏低的原因，海霧影響可作為一種合理解釋。黃海是我國(guó)海域中海霧最頻發(fā)的區(qū)域，而黃海中部更是黃海海霧的重發(fā)區(qū)［22］。CCMP風(fēng)場(chǎng)源于衛(wèi)星探測(cè)，云、霧、降水等天氣現(xiàn)象對(duì)遙感信號(hào)的發(fā)送與接受均會(huì)造成干擾影響［23］。盡管在風(fēng)場(chǎng)反演過(guò)程中，衛(wèi)星資料已經(jīng)過(guò)數(shù)據(jù)除噪處理，但仍無(wú)法確保該些干擾區(qū)風(fēng)場(chǎng)反演的準(zhǔn)確性。更有甚者當(dāng)干擾信號(hào)過(guò)強(qiáng)時(shí)就會(huì)造成觀測(cè)缺失，而缺失部分只能由周?chē)恼Ｓ^測(cè)值插補(bǔ)形成。NCEP-DOE資料主源于地表面（海面）站點(diǎn)觀測(cè)，基本不受天氣條件影響。在海霧頻發(fā)重發(fā)的黃海中部區(qū)，CCMP與NCEP-DOE兩者觀測(cè)資料受海霧的影響程度不一，這就可能會(huì)引起兩者風(fēng)速的不對(duì)應(yīng)變化。

另一方面，從模型外推的預(yù)測(cè)檢驗(yàn)結(jié)果中，可發(fā)現(xiàn)在東海中部至臺(tái)灣以東的遠(yuǎn)海區(qū)分布著一條風(fēng)速絕對(duì)誤差（AE）相對(duì)較大的帶狀區(qū)域，AE值多在0.25 m/s以上，比其它遠(yuǎn)海區(qū)的AE值都要大些（見(jiàn)圖4c），且?guī)顓^(qū)內(nèi)的風(fēng)速相對(duì)誤差（RE）也相對(duì)較高，局部區(qū)的RE值可在4%—6%之間（見(jiàn)圖4d）。這種有別于其它遠(yuǎn)海的誤差分布，其原因可能歸結(jié)于該區(qū)臺(tái)風(fēng)活動(dòng)影響。影響我國(guó)海域的臺(tái)風(fēng)多生成于菲律賓以東洋面，按臺(tái)風(fēng)路徑主要分為西進(jìn)型、登陸型和轉(zhuǎn)向型3類(lèi)［24］。西進(jìn)型臺(tái)風(fēng)主要影響我國(guó)南海海域，登陸型和轉(zhuǎn)向型臺(tái)風(fēng)多影響我國(guó)浙江至廣東一帶的東部海域（包括臺(tái)灣兩側(cè)海域）。西進(jìn)型臺(tái)風(fēng)在移動(dòng)路徑中因受菲律賓陸域阻擋，至我國(guó)南海時(shí)風(fēng)力多會(huì)有所減弱；而登陸型和轉(zhuǎn)向型臺(tái)風(fēng)移至浙江至廣東一帶的東部遠(yuǎn)海（含臺(tái)灣兩側(cè)海域）時(shí)，一路無(wú)地形遮擋，風(fēng)力十分強(qiáng)大，且隨臺(tái)風(fēng)逐漸向大陸靠近或受臺(tái)灣島阻擋時(shí)，風(fēng)力又會(huì)有所減弱。Hoffman等研究指出［25］，在風(fēng)速低于16 m/s的情況下，CCMP資料的風(fēng)速誤差值較為穩(wěn)定，但隨風(fēng)速進(jìn)一步增強(qiáng)，CCMP的風(fēng)速誤差值會(huì)明顯擴(kuò)大。由此推斷，臺(tái)風(fēng)活動(dòng)頻繁且風(fēng)力強(qiáng)度大，可能是引起東海中部至臺(tái)灣以東一帶遠(yuǎn)海區(qū)模型模擬誤差偏大的一個(gè)重要原因。

4　結(jié)論

本文基于1988—2007年CCMP衛(wèi)星風(fēng)場(chǎng)數(shù)據(jù)和NECP-DOE再分析數(shù)據(jù)兩者典型空間模態(tài)的長(zhǎng)期統(tǒng)計(jì)關(guān)系，構(gòu)建了我國(guó)海域海表面風(fēng)的統(tǒng)計(jì)降尺度模型，并利用2008—2011年的觀測(cè)數(shù)據(jù)對(duì)降尺度模型進(jìn)行了預(yù)報(bào)檢驗(yàn)。獲得以下幾點(diǎn)認(rèn)知：

（1）CCMP風(fēng)場(chǎng)風(fēng)速（W）的前15個(gè)空間模態(tài)和NCEP-DOE（W，SLP，SST）變量的前20個(gè)空間模態(tài)，分別占各自總方差貢獻(xiàn)的95.6%和97.3%，基本涵蓋了CCMP風(fēng)場(chǎng)風(fēng)速及NCEP-DOE海表面風(fēng)速、氣壓、溫度等變量的絕大部分信息；

（2）利用CCMP（W）與NECP-DOE（W，SLP，SST）兩者典型空間模態(tài)的長(zhǎng)期統(tǒng)計(jì)關(guān)系，能夠較為合理地構(gòu)建出適合于我國(guó)海域的海表面風(fēng)統(tǒng)計(jì)降尺度模型。模型交叉驗(yàn)證結(jié)果證實(shí)：模擬與觀測(cè)兩者風(fēng)速空間分布的相關(guān)性R值可達(dá)0.98以上，風(fēng)速變化趨勢(shì)的相關(guān)性R值可達(dá)0.89（預(yù)測(cè)模擬）和0.93（回算模擬）；

（3）在陸域沿岸的近海區(qū)，統(tǒng)計(jì)降尺度模型的模擬能力相對(duì)較弱，預(yù)測(cè)風(fēng)速的RMSE、AE及RE的大值區(qū)多發(fā)生在陸域近海，但模型的總體預(yù)測(cè)誤差相對(duì)較小，絕大多數(shù)海域的RMSE值和AE值均低于0.25 m/s和0.30 m/s，RE＜-5%或RE＞5%的海區(qū)面積僅約占全海域的5%左右。

本文僅以NCEP-DOE（W，SLP，SST）作為預(yù)測(cè)因子，以CCMP（W）作目標(biāo)變量，構(gòu)建了我國(guó)海域海表面風(fēng)的統(tǒng)計(jì)降尺度模型，意在能為區(qū)域海表面風(fēng)的降尺度研究提供一些相關(guān)參考。如果用全球環(huán)流模式（GCM）預(yù)估數(shù)據(jù)替代NCEP-DOE數(shù)據(jù)，以其作為統(tǒng)計(jì)降尺度模型的預(yù)測(cè)因子，那么便可開(kāi)展我國(guó)海表風(fēng)未來(lái)情景變化的降尺度分析，這方面研究將是我們下一步需開(kāi)展的工作。

［1］范澤孟，岳天祥，陳傳法，等.中國(guó)降水未來(lái)情景的降尺度模擬［J］.地理研究，2012，31（12）:2283-2291.

［2］陳威霖，江志紅，黃強(qiáng).基于統(tǒng)計(jì)降尺度模型的江淮流域極端氣候的模擬與預(yù)估［J］.大氣科學(xué)學(xué)報(bào)，2012，35（5）:578-590.

［3］成愛(ài)芳，馮起，張健愷，等.未來(lái)氣候情景下氣候變化響應(yīng)過(guò)程研究綜述［J］.地理科學(xué)，2015，35（1）:84-90.

［4］朱宏偉，楊森，趙旭喆，等.區(qū)域氣候變化統(tǒng)計(jì)降尺度研究進(jìn)展［J］.生態(tài)學(xué)報(bào)，2011，31（9）:2602-2609.

［5］陳華，郭家力，郭生練，等.統(tǒng)計(jì)降尺度方法及其評(píng)價(jià)指標(biāo)比較研究［J］.水利學(xué)報(bào)，2012，43（8）:891-897.

［6］Sailor D J，Li X S.A semiempirical downscaling approach for predicting regional temperature impacts associated with climatic change［J］.Journal of Climate，1999，12（1）:103-114.

［7］Murphy J.Predictions of climate change over Europe using statistical and dynamical downscaling techniques［J］.International Journal of Climatology，2000，20（5）:489-501.

［8］Mpelasoka F S，Mullan A B，Heerdegen R G.New Zealand climate change information derived by multivariate statistical and artificial neuralnetworksapproaches［J］.InternationalJournalof Climatology，2001，21（11）:1415-1433.

［9］Bárdossy A，Stehlík J，Caspary H J.Automated objective classificationofdailycirculationpatternsforprecipitationand temperature downscaling based on optimized fuzzy rules［J］. Climate Research，2002，23:11-22.

［10］Goodess C M，Hall J，Best M，et al.Climate scenarios and decision making under uncertainty［J］.Built Environment，2007， 33（1）:10-30.

［11］范麗軍.統(tǒng)計(jì)降尺度方法集合預(yù)估華東氣溫的初步研究［J］.高原氣象，2010，29（2）:392-402.

［12］崔妍，江志紅，陳威霖.典型相關(guān)分析方法對(duì)21世紀(jì)江淮流域極端降水的預(yù)估試驗(yàn)［J］.氣候變化研究進(jìn)展，2010，6（6）:405-410.

［13］薛春芳，董文杰，毛明策，等.渭河流域秋雨統(tǒng)計(jì)降尺度預(yù)估的試驗(yàn)研究［J］.熱帶氣象學(xué)報(bào)，2013，29（5）:849-856.

［14］Guo Y，Li J P，Li Y.Seasonal forecasting of North China summer rainfall using a statistical downscaling model［J］.Journal of Applied Meteorology and Climatology，2014，53（6）:1739-1749.

［15］阮成卿，李建平，馮娟.中國(guó)西南地區(qū)后冬降水的統(tǒng)計(jì)降尺度模型［J］.中國(guó)科學(xué):地球科學(xué)，2015，45（7）:1020-1033.

［16］湯劍平，高紅霞，李艷，等.IPCC-A2情景下我國(guó)21世紀(jì)風(fēng)能變化的統(tǒng)計(jì)降尺度方法研究［J］.太陽(yáng)能學(xué)報(bào)，2009，30（5）: 655-666.

［17］Atlas R，Hoffman R N，Ardizzone J，et al.A cross-calibrated，multiplatformoceansurfacewindvelocityproductfor meteorological and oceanographic applications［J］.Bulletin of the American Meteorological Society，2011，92（2）:157-174.

［18］趙天保，符淙斌，柯宗建，等.全球大氣再分析資料的研究現(xiàn)狀與進(jìn)展［J］.地球科學(xué)進(jìn)展，2010，25（3）:242-254.

［19］姚志剛.全球氣候變化對(duì)美國(guó)東海岸區(qū)域氣候變化和風(fēng)暴潮活動(dòng)影響的研究［D］.青島:中國(guó)海洋大學(xué)，2012:13-24.

［20］孫龍，于華明，王朋，等.東中國(guó)海及毗鄰海域海面風(fēng)場(chǎng)季節(jié)及年際變化特征分析［J］.海洋預(yù)報(bào)，2010，27（2）:30-37.

［21］王慧，隋偉輝.基于CCMP風(fēng)場(chǎng)的中國(guó)近海18個(gè)海區(qū)海面大風(fēng)季節(jié)變化特征分析［J］.氣象科技，2013，41（4）:720-725.

［22］Fu G，Zhang S P，Gao S H，et al.Understanding of sea fog over the China seas［M］.Beijing:China Meteorological Press，2011: 91-127.

［23］齊義泉，施平，王靜.衛(wèi)星遙感海面風(fēng)場(chǎng)的進(jìn)展［J］.遙感技術(shù)與應(yīng)用，1998，13（1）:56-61.

［24］袁俊鵬，江靜.西北太平洋熱帶氣旋路徑及其與海溫的關(guān)系［J］.熱帶氣象學(xué)報(bào)，2009，25（S1）:69-78.

［25］Hoffman R N，Ardizzone J V，Leidner S M，et al.Error estimates for ocean surface winds:applying desroziers diagnostics to the cross-calibrated，multi-platform analysis of wind speed［J］.Journal of Atmospheric and Oceanic Technology，2013，30（11）:2596-2603.

Studies of statistical downscaling model of sea surface wind over China seas

LI Zheng-quan，XIAO Jing-jing，MAHao，F(xiàn)ENG Tao
（Zhejiang Climate Center，Hangzhou 310017 China）

Based on long-term statistical relationship of typical spatial modes derived from CCMP wind data and NCEP-DOE reanalysis data，a statistical downscaling model of sea surface wind over China seas is constructed. The results of cross-validation indicate that the simulated wind speed agrees well with the wind speed from CCMP observation，both in spatial pattern and in annual variation.The correlation coefficient（R）of model simulating and CCMP observation is above 0.98 for wind speed spatial pattern，and higher than 0.89 for wind speed annual variation.Moreover，simulating errors of the statistical downscaling model are very low.In most of sea areas，RMSE of wind speed is lower than 0.25 m/s and AE is lower than 0.30 m/s.Only in about 5%sea areas，its RE is higher than 5%or lower than-5%.The errors spatial patterns show that large errors often occur in some offshore areas，because the offshore winds are affected by many factors that come from active local weather systems in meso-scale and small-scale.

sea surface wind；statistic downscaling；empirical orthogonal function；CCMP wind field；NCEPDOE

P732

A

1003-0239（2016）04-0071-09

10.11737/j.issn.1003-0239.2016.04.009

2015-10-16

中國(guó)氣象局氣候變化專(zhuān)項(xiàng)（CCSF201427）；浙江省氣象科技計(jì)劃重點(diǎn)項(xiàng)目（2014ZD05）；公益性行業(yè)（氣象）科研專(zhuān)項(xiàng)（GYHY201306050）。

李正泉（1978-），男，高級(jí)工程師，博士，主要從事氣候變化與生態(tài)研究。E-mail∶lzq110119@163.com