2015年華南區(qū)域模式貴州區(qū)域2 m氣溫預(yù)報偏差分析

朱文達(dá)，張 媛，楊 靜,劉彥華

(1.貴州省氣象臺，貴州 貴陽 550002；2.民航貴州空管分局，貴州 貴陽 550012)

1 引言

伴隨互聯(lián)網(wǎng)云技術(shù)的發(fā)展，數(shù)值預(yù)報云使得區(qū)域氣象中心的數(shù)值預(yù)報產(chǎn)品實現(xiàn)共享。在數(shù)值預(yù)報云的支持下，貴州實現(xiàn)對華南區(qū)域模式的圖形和數(shù)據(jù)快速共享。為更好的應(yīng)用該模式，有必要對其在貴州的預(yù)報偏差進行分析，從而了解華南區(qū)域模式在貴州的預(yù)報能力。貴州具有地勢高差懸殊，垂直方向差異大，各地氣候差別大，天氣變化劇烈，天氣系統(tǒng)復(fù)雜的特點，這導(dǎo)致氣溫預(yù)報成為貴州區(qū)域天氣預(yù)報的最困難的問題之一。

對于模式氣溫預(yù)報偏差的原因分析和訂正方法研究一直被學(xué)術(shù)界和數(shù)值模式應(yīng)用部門熱衷探討。目前用于評估模式氣溫預(yù)報偏差的統(tǒng)計方法較為成熟，智協(xié)飛[1]等對模式氣溫進行貝葉斯模式平均試驗，對模式采用均方根誤差、距平相關(guān)系數(shù)、連續(xù)等級概率評分等統(tǒng)計量從年際年代際上進行檢驗、評估。除多[2]等通過地面觀測站資料，運用偏差、標(biāo)準(zhǔn)偏差和相關(guān)系數(shù)等統(tǒng)計量評估了Modem-Era Retrospective Analysis for Research and Applications(簡稱：MERRA)在分析資料地面氣溫產(chǎn)品在青藏高原的適用性,指出MERRA資料在青藏高原地面氣溫表達(dá)方面有一定優(yōu)勢。賈佳[3]等基于觀測資料分析了高溫?zé)崂税l(fā)生的時空變化特征，對高溫?zé)崂诉M行了分級，運用滑動t檢驗、Mann-Kendall(MK)方法分析其變化趨勢中的突變特征。張寅[4]等利用美國大氣輻射測量項目(ARM)制作的“氣候模擬最佳估計”觀測數(shù)據(jù)集，檢驗National Centers for Environment Prediction(美國環(huán)境預(yù)報中心，NCEP)Global Forecast System(全球預(yù)報系統(tǒng)，GFS)2001—2008年在ARM Southern Great Plains站點預(yù)報的大氣溫度、相對濕度和云量的垂直分布，通過模式預(yù)報的氣溫每6 h時間演變對比，得出NCEP GFS能較好地預(yù)報出溫度垂直分布的季節(jié)變化。影響模擬氣溫預(yù)報的因素眾多，何光碧[5]等分析了復(fù)雜下墊面和降水對氣溫預(yù)報的影響，得出復(fù)雜地形對模式預(yù)報的影響較大。姜燕敏[6]等從模式水平分辨率角度評估了模式氣溫預(yù)報的能力，發(fā)現(xiàn)模式分辨率的提高，能夠更好的模式氣溫和各熱通量，尤其是在東亞地區(qū)年平均氣溫的模擬中表現(xiàn)出一定的優(yōu)勢。武敬峰[7]等對青藏高原東側(cè)復(fù)雜地形下的中央臺精細(xì)化氣溫預(yù)報進行了檢驗，指出造成氣溫偏差的主要原因是降水、冷暖平流和天氣系統(tǒng)強弱。在模式氣溫偏差分析和產(chǎn)生原因研究的基礎(chǔ)上，出現(xiàn)2種改進模式氣溫預(yù)報偏差的方法。一種是模式改進，萬子為[8]等通過改進模式積云對流參數(shù)化方案中的淺對流觸發(fā)函數(shù)，改進模式2m氣溫的預(yù)報偏差。另一種是統(tǒng)計訂正，以吳啟樹[9]等提出的準(zhǔn)對稱混合滑動訓(xùn)練期方法和國家氣象中心的MOS(Model Output Statistics)系統(tǒng)[10]為代表，能夠?qū)δＪ疆a(chǎn)品有較大的提高；同時，趙聲蓉[11]評估多模式溫度集成預(yù)報發(fā)現(xiàn)，其能夠有效避免系統(tǒng)誤差，有著較高的預(yù)報精度。此外，針對影響模式性能評估的觀測數(shù)據(jù)的質(zhì)量控制和模式數(shù)據(jù)插值到站點的插值方法也有專家和學(xué)者進行了研究。張穎超[12]等基于粒子群改進的相空間重構(gòu)法和極限學(xué)習(xí)機的集成學(xué)習(xí)算法，對地面氣溫觀測質(zhì)量控制方法進行了改進。趙濱[13]等建立了新的近地面要素三維插值方法，確保預(yù)報和觀測在三維空間上保持一致，以減少因垂直方向的一致性問題導(dǎo)致的2 m氣溫評估偏差。

針對華南區(qū)域模式氣溫的預(yù)報結(jié)果，本文對2015年模式預(yù)報和實況偏差進行分析，研究其時間演變特征和空間分布規(guī)律；同時分析2 m氣溫預(yù)報偏差的空間分布特點。從而客觀評價華南區(qū)域模式在貴州的氣溫預(yù)報能力，為預(yù)報員制作智能網(wǎng)格氣溫預(yù)報主觀訂正和模式客觀釋用設(shè)計提供依據(jù)和支撐。

2 資料和方法

2.1 資料選取

模式資料選取2015年華南區(qū)域模式GRAPES (Global/ Regional Assimilation and Prediction System)[14]08 h起報的2 m氣溫預(yù)報結(jié)果，時間間隔為6 h。 其中，最大預(yù)報時效為48 h的樣本有155個，集中在1—6月；最大預(yù)報時效為24 h的樣本有152個，集中在7—12月(表1)。實況資料采用貴州區(qū)域84個國家站2 m氣溫觀測資料，臺站分布(圖1)能夠表征貴州復(fù)雜下墊面環(huán)境和海拔差異。同時在分析中選用了5個指標(biāo)站，分別為貴陽、威寧、匯川、興義和銅仁站。實況觀測數(shù)據(jù)和模式數(shù)據(jù)中存在部分?jǐn)?shù)據(jù)的缺測，計算時從樣本數(shù)中剔除，不參與統(tǒng)計量的計算和主分量的分析。

2.2 方法介紹

模式預(yù)報2 m氣溫的偏差計算，首先采用雙線性插值方案[15]將模式結(jié)果格點場插值到站點，然后采用模式站點結(jié)果減實況的方式得到氣溫預(yù)報偏差。針對偏差場，選用統(tǒng)計量方差、相關(guān)系數(shù)等，進行時間演變特征分析；同時在季節(jié)內(nèi)進行Principal Component Analysis(主分量分析,簡稱PCA)[16]，主分量個數(shù)的選取采用χ2檢驗的方法[16-17]。

表1 模式數(shù)據(jù)樣本數(shù)逐月分布Tab.1 The number of model samples per month

圖1 實況站點分布(填色為站點海拔高度，單位：m)Fig 1 The distribution of observation stations(shaded for altitude,unit:m)

設(shè)已選取k個主分量，對應(yīng)的特征值為λ1,λ2,...,λk，余下的特征值為λk+1,...,λp,則統(tǒng)計量

χ2=-F0[ln(λk+1...λp)-(p-k)ln(θ)]

是遵從自由度為(p-k+2)(p-k+1)/2的χ2分布。其中

3 偏差時間特征分析

3.1 時間平均特征

運用2015年全年的模式預(yù)報結(jié)果減去相對應(yīng)的實況觀測值，得到全年307個起報場84個觀測站48 h(24 h)預(yù)報時效內(nèi)逐6 h的偏差。對偏差場做時間平均，得到全年84站48 h(24 h)預(yù)報時效內(nèi)逐6 h的平均偏差情況(圖2a)，對偏差場求絕對值后做時間平均，得到平均絕對誤差(圖2b)。

圖2 84個國家站2 m氣溫偏差全年時間平均特征,(a)全年時間平均偏差，(b)全年時間平均絕對誤差(x坐標(biāo)為模式預(yù)報時間，y坐標(biāo)為偏差或絕對誤差，單位：℃)Fig.2 The annual mean temperature bias of 84 observation stations,a:The annual mean temperature bias,b:The annual mean temperature absolute bias(X-axis:model forecast time,Y-axis:temperature bias/,temperature absolute bias unit:℃)

84個站的全年平均的偏差各預(yù)報時次間存在明顯差異，尤其是06 h、12 h、30 h和36 h的負(fù)偏差更為明顯?？傮w平均偏差水平在-3～4 ℃之間，最大正平均偏差出現(xiàn)在06 h，最大的負(fù)平均偏差出現(xiàn)在30 h。大部分站點的平均偏差以24 h為周期變化。年平均的絕對誤差反映的06 h和30 h平均絕對誤差最大的信號更為顯著，平均絕對誤差的大小同樣呈現(xiàn)以24 h為周期變化?？傮w平均絕對誤差的大小能控制在4 ℃以內(nèi)。無論是年平均偏差還是年平均絕對誤差，在00時都有0～2 ℃左右，這表明模式的初始場與觀測實況仍存在偏差。

模式結(jié)果與實況相減得到的偏差按季節(jié)進行時間平均處理，其中冬季為12—次年2月，春季為3—5月，夏季為6—8月，秋季為9—11月。得到基于84個站的季節(jié)平均的偏差(圖3a、3c、3e、3g)，同時計算得到了季節(jié)平均的絕對誤差(圖3b、3d、3f、3h)。季節(jié)平均的偏差表明模式偏差在冬季(圖3a)大部分站點為正偏差，而夏季(圖3e)大部分站點為負(fù)偏差，春季(圖3c)和秋季(圖3g)為過渡階段。大部分站點最大季節(jié)平均偏差同樣出現(xiàn)在30 h和36 h的預(yù)報時效(秋季除外)，次大的季節(jié)平均偏差出現(xiàn)在06 h和12 h，這與年平均的結(jié)果一致。各季節(jié)的平均絕對誤差，在冬季(圖3b)和夏季(圖3f)大部分站點的絕對誤差在3 ℃左右，個別站點接近4 ℃，對應(yīng)的在春季(圖3d) 和秋季(圖3h)大部分站點的絕對誤差在3 ℃以內(nèi)。

圖3 84個國家站2 m氣溫偏差季節(jié)平均特征,a(c、e、g)、冬季(春季、夏季、秋季)平均偏差,b(d、f、h)、冬季(春季、夏季、秋季)平均絕對誤差(x坐標(biāo)為模式預(yù)報時間，y坐標(biāo)為偏差或絕對誤差，單位：℃)Fig.3 The seasonal average temperature bias of 84 observation stations,a ( c,e,g):The seasonal average temperature bias in Winter(Spring,Summer,Autumn),b ( d,f,h):The seasonal average temperature absolute bias in Winter (Spring,Summer,Autumn)(X-axis:model forecast time,Y-axis:temperature bias/temperature absolute bias unit:℃)

無論是年平均還是季節(jié)平均，2 m氣溫偏差都在06 h、12 h、30 h和36 h(即午后到傍晚時段)更為顯著，以24 h為周期演變，最大平均絕對誤差在4 ℃左右。同時季節(jié)平均還反映出冬季偏高、夏季偏低；春秋季節(jié)相對較為平穩(wěn)的，且為冬季與夏季兩種位相的過渡期。針對于此，對于模式訂正設(shè)計，在模式在預(yù)報時效上，訂正權(quán)重以24 h為周期變化，且06 h、12 h、30 h和36 h訂正權(quán)重相對更大；在季節(jié)變化上，冬季減小，夏季增加，春秋季節(jié)周期變化為主。

3.2 指標(biāo)站時間特征分析

選取了貴陽、威寧、銅仁、興義和匯川5個指標(biāo)站,給出對應(yīng)的逐月的模式2 m氣溫偏差演變情況(圖4)，圖4中x坐標(biāo)為模式起報時間，填色序列為模式預(yù)報時效內(nèi)各個預(yù)報時次的氣溫偏差分布情況。受篇幅限制，選取各個季節(jié)的中間月為代表。季節(jié)中間月的選取能有效減少季節(jié)變化信號對偏差分析的影響。

5個站1月(圖4 a1、b1、c1、d1、e1)氣溫偏差反映的情況與年平均和季節(jié)平均的結(jié)論一致，在1月，模式預(yù)報氣溫存在明顯偏高，個別時次偏高超過10 ℃。4月(圖4 a2、b2、c2、d2、e2)氣溫偏差出現(xiàn)明顯波動，負(fù)偏差開始增多；受副熱帶系統(tǒng)影響的興義站(圖4 d2)出現(xiàn)較多時次的偏低，其它4站偏高和偏低的時次基本相當(dāng)。進入貴州易發(fā)高溫天氣的7月(圖4 a3、b3、c3、d3、e3)，除威寧站(圖4 b3)和匯川站(圖4 e3)外，其余3站大部分預(yù)報時段都表現(xiàn)出明顯的偏低，尤其是常年氣溫較高的銅仁站(圖4 c3)在7月中下旬模式預(yù)報出現(xiàn)長時間的偏低。進入秋季的10月(圖4 a4、b4、c4、d4、e4)，偏差開始向偏高位相轉(zhuǎn)換，5站中除興義站(圖4 d4)外大部分時段都出現(xiàn)了明顯的偏高，興義站的偏差由偏低向偏高轉(zhuǎn)換發(fā)生在11月中旬(圖略)，落后于其它站點2周左右，這與興義站所在的緯度存在較大關(guān)系。

圖4 5個指標(biāo)站2 m氣溫偏差時間演變特征,a、貴陽站，b、威寧站，c、銅仁站，d、興義站，e、匯川站,a1、1月，a2、4月，a3、7月，a4、10月(b、c、d、e同a，只是站點有差別)(x坐標(biāo)為模式時間，y坐標(biāo)為偏差，單位：℃)Fig.4 The temperature bias of 5 observation stations,a:Guiyang,b:Weining,c:Tongren,d:Xingyi,e:Huichuan,a1:Jan,a2:Apr,a3:July,a4:Oct (b,c,d,e same as a except for stations),(X-axis:model forecast time,Y-axis:temperature bias,unit:℃)

指標(biāo)站的偏差數(shù)值大小與年平均和季節(jié)平均結(jié)果存在差異，指標(biāo)站偏差最小值的時間出現(xiàn)在夏季，偏差波動幅度較為平緩。反而在年平均和季節(jié)平均中偏差小的冬季和轉(zhuǎn)換季節(jié)中的春季、秋季在指標(biāo)站中有著較大的偏差振幅。指標(biāo)站的偏差時間演變規(guī)律和全部站點的年平均和季節(jié)平均結(jié)果在冬季偏高、夏季偏低的結(jié)論上保持一致，但偏差大小上存在一定差異，指標(biāo)站的偏差明顯大于全部站點的年平均和季節(jié)平均；指標(biāo)站的最大偏差出現(xiàn)在偏差位相轉(zhuǎn)化的春季和秋季中，反而在夏季最為平緩。不同站點間氣溫偏差時間演變存在明顯差異，海拔、緯度、天氣系統(tǒng)都會影響模式的氣溫預(yù)報，從而影響偏差時間演變規(guī)律。在模式氣溫訂正中，需要考慮海拔差異、緯度高低、季節(jié)變化、大氣環(huán)流轉(zhuǎn)換、天氣尺度系統(tǒng)等因素的影響。

4 多統(tǒng)計量集成圖分析

Karl E.Taylor[18-20]等針對多統(tǒng)計量的集成問題，設(shè)計了Taylor(泰勒)分析。圖中經(jīng)過標(biāo)準(zhǔn)化的參考場，其自相關(guān)、標(biāo)準(zhǔn)差為1，均方根誤差(Root-Mean-Square Error，簡寫RMSE)為0。RMSE表示對比場和參考場的相似性；相對參考場的標(biāo)準(zhǔn)差表征對比場與參考場中心振幅的對比情況[21-22]。

此處選用年平均2 m氣溫偏差場作為參考場，月平均2 m氣溫偏差場作為對比場，對各場求距平標(biāo)準(zhǔn)化后，進行Taylor(圖 5)分析。圖中填色點代表了1—12月的月平均場相對于年平均場的對比情況，標(biāo)記1～9代表模式預(yù)報的00～48 h時效，參考點REF為年平均結(jié)果；月平均到原點距離表示氣溫偏差月平均相對于參考點的標(biāo)準(zhǔn)差；月平均的方位角余弦表示其與參考點的相關(guān)系數(shù)；月平均結(jié)果到參考點的距離代表其均方根誤差。其中7—12月的30～48 h預(yù)報時效作為缺測數(shù)據(jù)，不計入計算。

月平均的2 m氣溫偏差相對于年平均，大部分月份和預(yù)報時效有較好的相關(guān)性，在0.6以上，僅有個別月的預(yù)報時效相關(guān)在0.5以下。同樣，從標(biāo)準(zhǔn)差可以反映出，28.6%落在距離1外，3.6%落在均方根比為1.75的距離外；月平均偏差標(biāo)準(zhǔn)差有71.4%小于全年平局，尤其是夏季的JJA(6—8月)的標(biāo)準(zhǔn)差在0.75內(nèi)，6—7月的標(biāo)準(zhǔn)差基本落在0.5以內(nèi)，這與年平均和季節(jié)平均及指標(biāo)站的結(jié)論一致。3.6%標(biāo)準(zhǔn)差位于1.75距離外的主要集中在季節(jié)轉(zhuǎn)換和強對流頻發(fā)的春季；28.6%位于1距離外多集中出現(xiàn)在冬春季節(jié)。同時RMSE大多分布在0.3～0.75的范圍內(nèi)。在天氣環(huán)流形勢穩(wěn)定、無明顯冷空氣活動的夏季，月平均的偏差波動幅度較小；對于受頻繁活動冷空氣影響的冬季和環(huán)流轉(zhuǎn)換的春季，月平均的偏差波動幅度較大。

圖5 多統(tǒng)計量集成圖(泰勒圖)Fig.5 The Taylor diagram

5 PCA特征

對偏差場求距平標(biāo)準(zhǔn)化后，利用PCA算法[16]，得到季節(jié)內(nèi)特征向量和對應(yīng)的時間函數(shù)?？紤]去除季節(jié)變化因素影響，采用季節(jié)內(nèi)經(jīng)驗正交函數(shù)分解，同時基于樣本預(yù)報時效的統(tǒng)一性，僅對0～24 h預(yù)報時效進行經(jīng)驗正交函數(shù)分解。根據(jù)所得PCA結(jié)果，基于χ2大于0.05顯著水平標(biāo)準(zhǔn)[16-17]，前9個主分量達(dá)到截留標(biāo)準(zhǔn)。受篇幅限制，同時基于前文春季處于轉(zhuǎn)換季節(jié)和夏季較為平穩(wěn)的結(jié)論，此處僅對12 h預(yù)報場的春季和夏季第1和第2特征向量進行分析(圖6)。春季12 h預(yù)報場的第1和第2特征向量對應(yīng)的特征值累計方差貢獻率[23-24]為73.9%，其中第1特征向量的特征值占66.7%；對應(yīng)的夏季的為49.4%和40.7%。

對于第1特征向量，春季(圖6 a)和夏季(圖6 e)都表現(xiàn)出同位相特征，春季都為負(fù)，夏季都為正，所有站點隨時間函數(shù)保持同性變化。第2特征向量(圖6 b、6 f)則出現(xiàn)顯著的位相差異，基本以貴州中部為分界線，以南以西為正位相，其余則為負(fù)位相。

春季的第1特征向量對應(yīng)的時間函數(shù)(圖6 c)在3—4月波動幅度較大，呈10～20 d周期振蕩，進入5月后逐漸平緩；結(jié)合第1特征向量的位相特征，可以得出在3—4月全省的氣溫偏差數(shù)值和波動幅度較大。春季的第2特征向量對應(yīng)的時間函數(shù)(圖6 d)呈10～20 d振蕩，波動幅度較?。唤Y(jié)合第2特征向量的位相特征，以貴州中部為界，南、北氣溫偏差呈現(xiàn)10～20 d反位相振蕩特征。

圖6 PCA 12 h預(yù)報時效的特征向量和時間函數(shù),a春季第1特征向量，b春季第2特征向量,e、f同a、b但季節(jié)為夏季,c春季第1特征向量對應(yīng)的時間函數(shù)，d春季第2特征向量對應(yīng)的時間函數(shù)，g、h同c、d但季節(jié)為夏季(a、b、e、f的x坐標(biāo)為經(jīng)度，y坐標(biāo)為緯度，單位：°c、d、g、h的x坐標(biāo)為時間變量，單位：d，y坐標(biāo)為特征向量對應(yīng)的時間函數(shù))Fig.6 Eigenvectors and time series of principal component analysis at forecast time 12h,a:The first eigenvector in Spring,b:The second eigenvector in Spring,e,f same as a,b but in Summer,c:Time series of the first eigenvector in Spring,d:Time series of the second eigenvector in Spring,g,h same as c,d but in Summer,(a,b,c,d X-axis:longitude,Y-axis:latitude,unit:°c,d,g,h X-axis:time series,unit:day,Y-axis:The time function of eigenvector)

夏季的第1特征向量對應(yīng)的時間函數(shù)(圖6 g)在6—8月整體振幅相對較小，6、8月波動幅度相對7月較為明顯，表明在夏季氣溫偏差較??；7月的時間函數(shù)以負(fù)值為主，結(jié)合夏季第1特征向量位相特征，得出7月的氣溫偏差以偏低為主，這與指標(biāo)站和Taylor diagram 得出的結(jié)論一致。第2特征向量對應(yīng)的時間函數(shù)(圖6 h)大部為負(fù)值，8月逐漸轉(zhuǎn)為正值，結(jié)合第2特征向量位相特征，貴州中南部在6、7月以偏低為主，北部以偏高為主，進入8月后偏差的符號開始南北對調(diào)。

第1特征向量反映的是偏差空間分布的平均狀況，從冬季(圖略)到秋季(圖略)第1特征向量都為同一位相，全部站點氣溫偏差表現(xiàn)為相同的變化趨勢和同位相的空間分布特征，這表明模式預(yù)報偏差同位相變化占主導(dǎo)，即全部偏高或偏低的趨勢占主導(dǎo)。從第2特征向量開始出現(xiàn)位相的分化，刻畫偏差變化趨勢和空間分布特征更突出細(xì)節(jié)；春季貴州西部地區(qū)靜止鋒影響和強對流展對氣溫偏差的影響、夏季貴州南部地區(qū)副熱帶高壓和強降水[25]影響等都在第2～5特征向量(圖略)中體現(xiàn)。第1、2特征向量對應(yīng)的時間函數(shù)存在低頻振蕩特征，周期為10～20 d，這與東亞地區(qū)低頻冷空氣的活動周期和東亞季風(fēng)的振蕩周期一致[26]，可以得出冷空氣的低頻振蕩和東亞季風(fēng)的低頻活動是導(dǎo)致氣溫偏差周期變化的重要原因之一。

6 結(jié)論與討論

通過對華南區(qū)域模式GRAPES 08h預(yù)報場的2m氣溫進行雙線性插值到84個國家站后的到的結(jié)果與實況觀測相減得到偏差，對偏差進行年平均、季節(jié)平均、指標(biāo)站時間演變特征分析、Taylor diagram分析和PCA，得出以下結(jié)論：

①年平均和季節(jié)平均得出氣溫偏差在不同模式預(yù)報時次存在差異，以06 h、12 h、30 h和36 h(即午后到傍晚時段)最為顯著，并且以24 h為周期演變；最大平均絕對誤差在4 ℃左右。同時季節(jié)平均還反映出冬季偏高、夏季偏低；春秋季節(jié)相對較為平穩(wěn)，且為冬季與夏季兩種位相的過度期。

針對于此，對于模式訂正設(shè)計，在模式在預(yù)報時效上，訂正權(quán)重以24 h為周期變化，且06 h、12 h、30 h和36 h訂正權(quán)重相對更大；在季節(jié)變化上，冬季減小，夏季增加，春秋季節(jié)周期變化為主。

②指標(biāo)站的偏差時間演變規(guī)律與年平均和季節(jié)平均的結(jié)論基本一致，但偏差值明顯大于年平均和季節(jié)平均；指標(biāo)站的最大偏差出現(xiàn)在偏差位相轉(zhuǎn)化的春季和秋季中，夏季最為平緩。不同站點間氣溫偏差時間演變存在明顯差異，海拔、緯度、天氣系統(tǒng)都會影響模式的氣溫預(yù)報，從而影響偏差時間演變規(guī)律。在模式氣溫訂正中，需要考慮海拔差異、緯度高低、季節(jié)變化、大氣環(huán)流轉(zhuǎn)換、天氣尺度系統(tǒng)等因素的影響。模式氣溫偏差的出現(xiàn)不是單一條件導(dǎo)致的，模式后處理訂正需要統(tǒng)籌考慮諸因素。

③Taylor diagram 反映出季節(jié)間的氣溫偏差在天氣環(huán)流形勢穩(wěn)定、無明顯冷空氣活動的夏季，月平均的偏差波動幅度較?。粚τ谑茴l繁活動冷空氣影響的冬季和環(huán)流轉(zhuǎn)換的春季，月平均的偏差波動幅度較大。環(huán)流轉(zhuǎn)換、季節(jié)變化、冷空氣活動可能是導(dǎo)致此特征的重要原因；同時同一起報時次的不同預(yù)報時次間的氣溫偏差也存在明顯差異。

④PCA得出方差比占絕對的第1特征向量反映的是偏差空間分布的平均狀況，第1特征向量都為同一位相，全部站點氣溫偏差表現(xiàn)為相同的變化趨勢和同位相的空間分布特征，這表明模式預(yù)報偏差同位相變化占主導(dǎo)，即全部偏高或偏低的趨勢占主導(dǎo)。從第2特征向量開始出現(xiàn)位相的分化，刻畫偏差變化趨勢和空間分布特征更突出細(xì)節(jié)，不同季節(jié)的天氣系統(tǒng)和環(huán)流特征的影響表現(xiàn)也更為明顯。第1、2特征向量對應(yīng)的時間函數(shù)存在低頻振蕩特征，周期為10～20 d，與東亞地區(qū)低頻冷空氣的活動周期和東亞季風(fēng)的低頻振蕩周一致，冷空氣的低頻振蕩和東亞季風(fēng)的低頻活動可能是導(dǎo)致氣溫偏差周期變化的重要原因之一。

本文分析了華南區(qū)域模式2 m氣溫的時間演變規(guī)律和空間分布特征，運用多種統(tǒng)計方法對偏差進行了分析，得出偏差不同預(yù)報時效之間的周期變化規(guī)律，不同季節(jié)的偏差振幅差異，空間站點分布的特征；偏差對于天氣系統(tǒng)活動的響應(yīng)，偏差與冷空氣及東亞季風(fēng)低頻振蕩的關(guān)系。以上結(jié)論是下一步模式客觀釋用訂正工作方案設(shè)計的基礎(chǔ)，方案要遵循預(yù)報時效內(nèi)的周期變化規(guī)律，訂正權(quán)重需有季節(jié)變化，影響因子包含空間分布和海拔差異。同時方案還需考慮冷空氣和東亞季風(fēng)活動的低頻振蕩特征，不同系統(tǒng)的影響率要依據(jù)PCA特征值方差貢獻率分布，主要影響系統(tǒng)的選取依據(jù)χ2檢驗結(jié)果。此外，在面對環(huán)流轉(zhuǎn)換、季節(jié)變化、轉(zhuǎn)折天氣時，預(yù)報員的主觀訂正尤為重要，需參考偏差Taylor diagram反映的振幅變化特征，選取適當(dāng)訂正量度。對于導(dǎo)致偏差產(chǎn)生的數(shù)值模式動力框架、參數(shù)化方案等模式本身的問題仍需要后期開展大量工作研究。

參考文獻

[1] 智協(xié)飛,王晶,林春澤,等.CMIP5多模式資料中氣溫的BMA預(yù)測方法研究[J].氣象科學(xué),2015,35(4)：405-412.

[2] 除多,楊勇,羅布堅參,等.MERRA再分析地面氣溫產(chǎn)品在青藏高原的適用性分析[J].高原氣象,2016,35(2)：337- 350.

[3] 賈佳,胡澤勇.中國不同等級高溫?zé)崂说臅r空分布特征及趨勢[J].地球科學(xué)進展,2017,32( 5) :546- 559.

[4] 張寅,羅亞麗,管兆勇.NCEP 全球預(yù)報系統(tǒng)在ARM SGP站點預(yù)報大氣溫度、濕度和云量的檢驗[J].大氣科學(xué),2012,36(1):170- 184.

[5] 何光碧,肖玉華,張利紅,等.GRAPES-Mesov3.1在西南地區(qū)2011年汛期的預(yù)報檢驗分析[J].成都信息工程學(xué)院學(xué)報,2015,30(1):63 -71.

[6] 姜燕敏,黃安寧,吳昊旻.不同水平分辨率BCC_CSM模式對中亞地面氣溫模擬能力評估[J].大氣科學(xué),2015,39 (3):535-547.

[7] 武敬峰,黃超,陳茂強.川西高原地區(qū)SCMOC溫度精細(xì)化指導(dǎo)預(yù)報質(zhì)量檢驗及影響因子分析[J].高原山地氣象研究，2017,37(1):41- 48.

[8] 萬子為,王建捷,黃麗萍,等.GRAPES-MESO模式淺對流參數(shù)化的改進與試驗[J].氣象學(xué)報,2015,73( 6):1 066-1 079.

[9] 吳啟樹,韓美,郭弘,等.MOS溫度預(yù)報中最優(yōu)訓(xùn)練期方案[J].應(yīng)用氣象學(xué)報,2016,27(4):426-434.

[10]劉還珠,趙聲蓉,陸志善,等.國家氣象中心氣象要素的客觀預(yù)報—MOS系統(tǒng)[J].應(yīng)用氣象學(xué)報,2004,15(2):181-191.

[11]趙聲蓉.多模式溫度集成預(yù)報[J].應(yīng)用氣象學(xué)報,2006,17(1):52- 58.

[12]張穎超,姚潤進,熊雄,等.PSO-PSR-ELM集成學(xué)習(xí)算法在地面氣溫觀測資料質(zhì)量控制中的應(yīng)用[J].氣候與環(huán)境研究,2017,22 (1):59- 70.

[13]趙濱,李子良,張博.三維插值方法在2m溫度評估中的應(yīng)用[J].南京信息工程大學(xué)學(xué)報,2016,8(4):343- 355.

[14]陳德輝,薛紀(jì)善,楊學(xué)勝,等.GRAPES新一代全球/區(qū)域多尺度統(tǒng)一數(shù)值預(yù)報模式總體設(shè)計研究[J].科學(xué)通報,2008,53(20):2396- 2407.

[15]王守榮,黃榮輝,丁一匯.水溫模式DHSVM與區(qū)域氣候模式RegCM2/China嵌套模擬實驗[J].氣象學(xué)報,2002,60(4):421- 426.

[16]黃嘉佑.氣象統(tǒng)計分析與預(yù)報方法[M].氣象出版社,2004,121-141.

[17]Buell C E,Bundgard R C.A factor analysis of winds to 60kmover Battery Mackenzie,C.Z.[J].J,Appl,Meteor.,1971,10:803-810.

[18]Taylor K E.Summarizing multiple aspects of model performance in a single diagram[J].J.Geophys,Res.,2001,106(D7):7183- 7192.

[19]Gleckler P J,Taylor K E,Doutriaux C.Performance metrics for climate models[J].J.Geophys,Res.,2008,113(D6):304- 312.

[20]Baker N C,Taylor P C.A Framework for Evaluating Climate Model Performance Metrics[J].J.Climate,2016,29(5):1 773- 1 782.

[21]張莉,丁一匯,孫穎.全球海氣耦合模式對東亞季風(fēng)降水的模擬檢驗[J].大氣科學(xué),2008,32(2):261- 276.

[22]潘留杰,張宏芳,朱偉軍,等.ECMWF 模式對東北半球氣象要素場預(yù)報能力的檢驗[J].氣候與環(huán)境研究,2013,18 (1):111-123.

[23]李志方.太平洋海溫與我國大陸降水的EOF分析[J].貴州氣象,2012,36(1):18- 20.

[24]白慧,陳貞紅,李長波,等.貴州省主汛期暴雨的氣候特征分析[J].貴州氣象,2012,36(3):1- 6.

[25]朱文達(dá),萬雪麗,彭芳,等.2015年5—8月貴州區(qū)域中尺度WRF模式降水檢驗[J].貴州氣象,2016,40(3):24- 30.

[26]陸爾,丁一匯.1991年江淮特大暴雨與東亞大氣低頻振蕩[J].氣象學(xué)報,1996,6:730- 736.