基于Polar WRF模型的南極冰蓋氣溫、風速和氣壓數(shù)值模擬

張玉倫，王葉堂，侯書貴

（1.南京大學地理與海洋科學學院，江蘇 南京 210023；2.山東師范大學地理與環(huán)境學院，山東 濟南 250358）

0 引言

南極冰蓋作為世界主要的冷源庫之一，不僅為大氣緯圈環(huán)流提供驅(qū)動力，影響著大洋間水汽交換以及熱量平衡［1-3］，還由于其冰雪表面反照率的變化與氣溫的正反饋效應進而對全球氣候變化產(chǎn)生一定影響［4］。此外，由于南極的淡水儲量巨大，氣溫的升高和表面冰蓋的融化會直接影響全球海平面高度和海洋環(huán)流［5-8］。另一方面，南極對全球氣候變化較為敏感，是全球氣候變化的放大鏡和重要指示器［9-10］，因此對南極的天氣氣候觀測與研究，不但有利于發(fā)覺中低緯度地區(qū)人類難以捕捉的預警性天氣變化，還可以加深我們對全球氣候系統(tǒng)的理解，探究過去發(fā)生的環(huán)境變化并且提高對天氣變化預報的水平。然而南極地區(qū)氣候環(huán)境極其惡劣，需要借助人工的實地觀測只能在較小的區(qū)域進行，大量的冰雪覆蓋區(qū)域缺乏存檔完整且時間序列長的站點［11-12］，而遙感衛(wèi)星產(chǎn)品所提供的觀測數(shù)據(jù)雖然覆蓋范圍廣泛，但時間序列較短［13］，因此南極是當前世界上最缺乏現(xiàn)場觀測資料的地區(qū)之一［14-15］。觀測數(shù)據(jù)的缺乏，不僅增加了目前對南極研究結果的不確定性，還限制了該地區(qū)氣候特征的表達以及我們對南極氣候變化機理的理解。

再分析資料作為一種可以提供較長時間序列且覆蓋范圍廣泛的格網(wǎng)數(shù)據(jù)，目前已經(jīng)取得一定的進展。然而再分析資料的質(zhì)量很大程度上取決于資料同化系統(tǒng)所用觀測的質(zhì)量和數(shù)量以及預報模式的性能。此外，Bromwich等［16］發(fā)現(xiàn)再分析資料在南半球高緯度地區(qū)的趨勢被證明存在一定的虛假性。另一方面，針對全球氣候模式在高緯度地區(qū)模擬的缺陷與難點，研究人員開發(fā)了一系列適用于極地的區(qū)域氣候模式。雖然區(qū)域氣候模式的強迫場需要在其域的邊界提供，而無法對全球氣候進行反饋，但是由于區(qū)域氣候模式的分辨率相對較高，而且在南極大陸進行的觀測數(shù)量仍然有限，使得高分辨率區(qū)域氣候模型成為動態(tài)縮小全球再分析數(shù)據(jù)尺度，生成精細尺度氣象資料的適當工具［17］。Polar WRF被認為是現(xiàn)如今最先進的極地氣候模式之一，Bromwich等［18］、Hines等［19-20］、Listowski等［21］在北極地區(qū)進行了一系列測試，結果表明模式的模擬結果較 為 良 好。Bozkurt等［13］比 較 了 南 極 半 島Polar WRF和RACMO的溫度模擬結果，研究顯示兩者在模擬南極半島的不同溫度狀況方面表現(xiàn)出良好的技巧，并且彼此之間有密切的時空變化。馬永鋒［22］的研究表明，Polar WRF模擬的500 hPa的風向和ERA-interim模擬結果的大氣活動中心的位置和強度十分一致，均很好地模擬出了南極大陸上空強大的冷低壓。Deb等［23］在西南極地區(qū)開展了高水平分辨率的模擬試驗，結果表明Polar WRF模式是一個捕捉近地表氣象條件的有利工具，在西南極地表氣壓的模擬方面表現(xiàn)出很高的技巧。此外，Steinhoff等［24］針對南極McMurdo獨特的地理環(huán)境，通過修改模式中的雪場、土地利用、土壤等的輸入，改進了對極端天氣的模擬，并首次對該區(qū)域的焚風物理機制進行了解釋。然而Wilson等［25］對Polar WRF3.1.1的試驗結果表明Polar WRF在云微物理過程中存在一定缺陷，從而進一步影響對極地的短波輻射和長波輻射的模擬。總體來看目前測試研究主要集中在北極地區(qū)，盡管在南極地區(qū)已經(jīng)展開了一些研究，但是由于計算條件的限制，所有的模擬都只局限在特定的區(qū)域［26］。另一方面，已開展的模擬試驗中所用的側(cè)邊界資料主要以NECP FNL為主，然而馬永鋒［22］的研究表明NECP FNL在南極地區(qū)的整體精度要略低于ERA-interim，且ERA-interim初始和橫向邊界條件用于南極洲氣候降尺度研究［27］，與觀測結果相比表現(xiàn)良好。所以開展以ERA-interim提供初始場條件的Polar WRF3.9.1的數(shù)值模擬研究，對其模擬結果進行分析評估是改進模式的重要前提。本文采用ERA-interim為Polar WRF3.9.1提供風、溫度、位勢和相對濕度等初始場信息，對南極冰蓋2004—2013年的2 m氣溫、10 m風速以及近地表氣壓進行模擬，并與28個氣象站的觀測資料進行對比分析進而評估模式的性能。模式的模擬結果不僅可以彌補極地地區(qū)氣象站點觀測數(shù)據(jù)缺失，為人們提供長時間序列的氣象數(shù)據(jù)進行科學研究，還可以為模式的完善與改進提供參考依據(jù)。

1 模式、數(shù)據(jù)與方法

1.1 Polar WRF模式和數(shù)值試驗介紹

Polar WRF是極地氣象學小組和俄亥俄州立大學繼Polar MM5之后在WRF模式基礎上聯(lián)合開發(fā)的更加先進的極地區(qū)域氣候模式，它是WRF模型的極地版本［28］。Polar WRF在水平方向上求解Arakawa C格網(wǎng)完全可壓縮非靜水方程組，在垂直方向上采用地形跟隨坐標系。該模式對陸面模型中海冰的表示進行了修改，允許指定海冰厚度和積雪深度，而不是僅通過掩模劃分海冰是否存在（0表示海冰不存在，1為海冰存在），海冰反照率、海冰厚度和海冰上的積雪不再是固定的，可隨季節(jié)改變而變化［17-18］。此外模式中的Noah-LSM模型被Hines和Bromwic進行了優(yōu)化［16］，對雪的熱特征進行優(yōu)化并改進熱通量計算，并將地表雪的影響應用于模型中，使模型更適用于極地環(huán)境。

本文采用模式Polar WRF3.9.1進行數(shù)值試驗，試驗區(qū)域差分格式選擇Arakawa C跳點格式，并采用極射投影作為投影方式。模擬區(qū)域被劃分為129×129個格網(wǎng)，格點之間的水平間距為50 km，包括了南緯50°以南的整個區(qū)域。模式在垂直方向上采用質(zhì)量垂直坐標，設置最高層氣壓為5 000 Pa，最高層與地表面之間共被劃分成44個全垂直η層，垂直差值方式為SINT。模式的時間積分步長被設為150 s，實時輸入數(shù)據(jù)時間間隔為6小時，模擬所需的海表溫度場、初始土壤參數(shù)（土壤水、水分和溫度）以及地表氣溫、氣壓等初始資料由ERA-interim（6小時，0.75°×0.75°）提供。試驗中海冰場的資料和海表溫度由再分析資料提供。而土地高程數(shù)據(jù)和土地覆被信息分別來由默認的分辨率為30弧度的GTOPO30、USGS24類土地覆被資料所提供。模式還采用了分辨率為1°的深層土壤溫度數(shù)據(jù)、基于MODIS精度為30 s的植被指數(shù)數(shù)據(jù)以及精度為0.15°的月地表反照率和雪反照率數(shù)據(jù)。模式運行采用了以下物理參數(shù)化方案：（1）在微物理方案上采用了適用于高分辨率模擬，包括冰、雪、霰等過程的WSM6方案；（2）在輻射方案中采用了新版RRTM長波輻射和Goddard短波輻射方案；（3）在近地層采用了基于Monin-Obukhov相似理論的JanJicEta方案；（4）陸面過程采用了由極地氣象小組改進的適用于極地天氣的Unified-Noah陸表面模式；（5）在積云參數(shù)化過程中采用了基于集合平均方法的New Grell（G3）方案，該方案允許格點的沉降效應向周圍傳遞；（6）在行星邊界層參數(shù)化中采用了囊括了自由大氣中所有湍流狀態(tài)的MYJ PBL方案。

1.2 數(shù)據(jù)介紹

1.2.1 氣象觀測資料

本文所用南極冰蓋上的氣象觀測站點實測資料均來自于南極科學研究委員會（SCAR：Scientific Committee on Antarctic Research）的南極環(huán)境研究參考數(shù)據(jù)（READER：Reference Antarctic Data for Environmental Research）項目。該數(shù)據(jù)庫主要包括三個來源：一是時間比較久遠，相關氣象觀測資料較為匱乏的觀測數(shù)據(jù)，其主要來自于CLIMAT氣候數(shù)據(jù)的月平均；而對較早期的氣象觀測資料主要通過觀測者進行目視讀取后借助電傳磁帶打孔記錄；而近期的實時數(shù)據(jù)則是通過WMO全球電信系統(tǒng)獲取，各站點的具體位置分布和紹如表1和圖1所示。這些站點中序號為1～11的站點分布在南極半島，序號為20～28的站點分布在東南極沿岸，剩余的Byrd、Harry、Theresa站 位 于 西 南 極，Larsen_Ice_Shelf、Amundsen_Scott、Dome_C_II、Vostok、Harry位于東南極內(nèi)陸地區(qū)。

表1 觀測站地理位置、高程、觀測類型Table 1 Weather station information including locations，altitude and measurement type（The numbers represent stations are presented in Fig.1）

圖1 研究區(qū)及氣象站點地理位置分布Fig.1 Study area and locations of meteorological stations

1.2.2 再分析資料

本文采用ERA-interim為模式提供運行所需要的近地面氣溫、平均海表氣壓、相對濕度、風速風向等驅(qū)動數(shù)據(jù)。ERA-interim是ECMWF借助ERA-40數(shù)據(jù)同化經(jīng)驗上發(fā)布的更為先進的全球氣象資料同化數(shù)據(jù)，其同化系統(tǒng)基于2006年發(fā)布的IFS（Cy31r2）。該數(shù)據(jù)的分辨率在水平方向上為T255（80 km），在垂直方向上從地表至10 Pa分為60層。ERA-interim數(shù)據(jù)包括自1979—2019年的每日四次（0000、0600、1200和1800 UTC）分析資料和每天兩次的10天氣象預測資料（初始化時間分別為0000、1200 UTC）。

1.3 方法介紹

為分析Polar WRF3.9.1對南極冰蓋的氣候模擬能力，本文采用最鄰近法將模式結果提取出來與相應站點進行對比分析。

由于海拔高度會對溫度、氣壓產(chǎn)生影響，而模式輸出的格網(wǎng)數(shù)據(jù)的格點值是該格網(wǎng)覆蓋區(qū)域的平均值，提取的模式結果與對應氣象站點的海拔高度并不一致，因而有必要在對比兩組數(shù)據(jù)前對其進行訂正，消除由海拔高度不一致帶來的誤差

通過氣溫與海拔的關系，對2 m氣溫的訂正如下：

式中：T1為訂正后的氣溫；T2為氣象站所在格點的模擬溫度；α為溫度衰減率，取值為1℃·（100m）-1［29-30］；H1為觀測站點的海拔高度；H2為模式對應格點的海拔高度。

而對地表氣壓需要依據(jù)拉普拉斯壓髙公式進行訂制，公式如下：

式中：P1為訂正后的氣壓；P2為氣象站對應格點的模式氣壓；g為重力；R為干空氣比氣體常數(shù)；T為同一時刻對應的氣溫。

對風速的計算公式如下：

式中：V為格點對應的10 m風速；U10為10 m風場的緯向分量；V10為10 m風場的經(jīng)向分量。

人工氣象站的觀測高度是在10 m處，但自動氣象觀測站的風速測量通常在地表以上3 m處測量［31］，因此在與數(shù)值模擬結果的10 m高度風速進行比較之前，需要將觀測到的風速修正到10 m高。我們根據(jù)在中性大氣條件下的冪律風廓線公式，將AWS風速觀測外推至10 m高度［32-33］。

式中：h10是10 m風速的高度（10 m）；h是觀測站點的高度（3 m）；α是無量綱風切變指數(shù)。其中α用于土地時取值為0.143［34］，用于水時取值為0.11［35］。

本文提取模式結果進行訂正后與氣象站數(shù)據(jù)進行了對比，其中采用平均偏差（Bias）、均方根誤差（RMSE）、平均絕對誤差（MAE）以及相關系數(shù)（R）等作為統(tǒng)計參量。上述統(tǒng)計參量的計算公式如下：

2 結果分析

2.1 2 m氣溫

模式模擬年平均2 m氣溫在各氣象站點的具體誤差及分布情況如圖2～3所示。從各站點均方根誤差和平均絕對誤差分布來看，Great_wall、Jubany（站點編號2，3）等沿岸站點的誤差最小，在2℃左右，而位于內(nèi)陸地區(qū)的Amunder、Dome_C_II和Vostok（站點編號16，17，18）等站點年平均氣溫值與實測值相差較大，在4℃左右，其中Amunder和Vostok站均方根誤差和平均絕對誤差的差異較其他站點要偏高，說明這些站點受極端值影響較大。從所有站點的誤差的分布狀況可看出，南極沿岸地區(qū)的均方根誤差和平均絕對誤差明顯小于南極內(nèi)陸地區(qū)。而分析各站點的偏差可以看出，呈冷偏差與呈暖偏差的站點數(shù)大體相同，其中在東南極沿岸除Davis以來其他站點均為冷偏差，整個南極內(nèi)陸大部分站點均為暖偏差，而在南極半島既存在冷偏差站點也存在暖偏差站點，且冷暖偏差的站點數(shù)大致相同。此外所有站點的模擬年平均氣溫與實測年平均氣溫的相關系數(shù)都通過了α=0.1的顯著性檢驗，數(shù)值范圍在0.60至0.99之間，其中東南極沿岸和南極內(nèi)陸的站點的相關性總體較好，而南極半島不同站點的相關系數(shù)差異較大。而對所有站點的模擬年平均氣溫和實測年平均氣溫求均值，比較整個南極冰蓋的年際變化趨勢（圖4）可看出，在2004—2013年期間模擬氣溫和實測氣溫分別呈-0.04℃·a-1和-0.05℃·a-1的下降趨勢，較實測氣溫而言，模擬氣溫下降更為平緩。

圖2 模式各站點年平均2 m氣溫誤差和相關系數(shù)統(tǒng)計Fig.2 Correlations and differences between simulations and observations for annual average 2 m temperature

圖4 2004—2013年2 m氣溫模擬值和觀測值對比Fig.4 Comparison of simulated and observed annual mean 2 m temperature during 2004—2013

圖5為各站點四季模擬誤差及相關系數(shù)的具體分布狀況。比較所有站點的平均絕對誤差、均方根誤差可看出，東南極沿岸的各站點在四個季節(jié)的誤差普遍較低，但在秋季和冬季Davis、Dumont_Durville和Casy等站點的誤差要高于春季和夏季；南極半島在夏季所有站點的誤差較低，而在春季、秋季和冬季，既存在誤差較大的站點也存在誤差較小的站點；而在南極內(nèi)陸，各站點在四個季節(jié)均呈現(xiàn)較高的誤差，但秋季各站點的整體誤差要小于其他三個季節(jié)。分析圖6可看出，四季的模擬誤差均低于3.00℃，其中模式對夏季和秋季的模擬誤差要低于春季和冬季。而從偏差值的分布來看，東南極沿岸各站點的模擬氣溫在四季均較實際氣溫偏冷，南極半島上較實際氣溫偏暖和偏冷的站點均存在，而南極內(nèi)陸均較實際氣溫偏暖，且暖偏差值較大，說明內(nèi)陸的系統(tǒng)性誤差偏大。比較各站點相關性可發(fā)現(xiàn)，四季整體相關性都較為良好，但是在春季和夏季南極半島和南極內(nèi)陸部分站點相關性較低，秋季南極半島和東南極各站點的相關系數(shù)都高于0.60，整體相關性要略高于南極內(nèi)陸，冬季各站點的相關性整體較好，其在南極內(nèi)陸和東南極羅斯冰架附近站點的相關性要明顯高于春季和夏季。統(tǒng)計所有站點四季的2 m氣溫相關系數(shù)，分析可看出四季相關性大致相同，都高于0.97。

圖3 年平均2 m氣溫誤差分布Fig.3 The error spatial distribution of annual average 2 m temperature

圖5 四季平均2 m氣溫誤差和相關性數(shù)分布Fig.5 Correlations and differences between simulations and observations for seasonal average 2 m temperature

圖6 四季2 m氣溫模擬誤差統(tǒng)計Fig.6 Statistics of seasonal mean 2 m temperature errors

圖7是模式和氣象數(shù)據(jù)的月平均氣溫誤差統(tǒng)計。從圖中可看出除4月模擬氣溫略低于實測氣溫以外，其他月份氣溫均呈現(xiàn)被高估的狀態(tài)，其中11月的月偏差值最大約為-1.50℃。進一步分析各月份誤差可看出，1月、12月模擬誤差值最低，均方根誤差和平均絕對誤差分別約為2.50℃、2.00℃，7月和11月誤差最高，均方根誤差和平均絕對誤差分別約為5.50℃、2.75℃。此外統(tǒng)計各月的相關系數(shù)可得到12個月份相關系數(shù)范圍為0.980～0.995，相關性很高，這表明模擬月平均氣溫與實測月平均氣溫十分吻合，Polar WRF可以很好地再現(xiàn)南極的月平均氣溫。

圖7 月平均2 m氣溫模擬值和觀測值年內(nèi)變化和誤差統(tǒng)計Fig.7 Variation and errors between simulated and observed monthly mean 2 m temperature

為進一步分析模式的模擬結果，本文選取分別位于南極點、南極半島、東南極沿岸的Amundsen_Scott、Zhongshan、Great_wall為代表性站點，給出各站點的模擬2 m氣溫與觀測2 m氣溫的月平均分析結果。如圖8所示，Amundsen_Scott在4—9月氣溫變化曲線十分平緩，表現(xiàn)出了南極大陸地區(qū)“無心”現(xiàn)象。Zhongshan、Great_Wall在冬半年整體變化略大，最低氣溫出現(xiàn)在7、8月。與實測氣溫相比，Amundsen_Scott站的模擬氣溫在所有月份都偏高，Zhongshan站的模擬氣溫在所有月份都偏低，而Great_wall在冬半年（4—10月）的模擬氣溫偏高，在其余月份模擬氣溫偏低。而從誤差來看，Amundsen_Scott在各月份的誤差相差較小，其在12月的誤差最大為4.59℃，在7月誤差最小為1.99℃；中山站在5—12月的模擬誤差偏小，而在1—4月誤差較大，誤差范圍在2.67～3.38℃；Great_wall在1—5月和10—12月誤差較小，而在6—9月誤差較大，誤差范圍在1.60℃左右。

圖8 代表站點月平均2 m氣溫模擬值和觀測值Fig.8 Simulated and observed monthly mean 2 m temperature in representative stations

2.2 10 m風速

風分為風速與風向，在對風速評估前有必要對風向進行一定的研究，圖9給出了再分析資料與模式模擬的10 m風速的分布圖。從圖中可以看出兩者都很好地模擬出了南極大陸的下降風、近海岸繞極渦旋的強度及位置。圖10～11給出了所有站點年平均風速的誤差及相關系數(shù)的大小分布狀況。從中可以看出所有站點年平均風速的均方根誤差和平均絕對誤差的數(shù)值范圍分別為0.55～8.44 m·s-1、1.65～8.71 m·s-1。與沿岸站點相比，位于內(nèi)陸的各站點的誤差整體較小，均低于5.00 m·s-1；東南極沿岸地區(qū)Marble_Point、Novolazarevskay、Mawso等站（站點序號8、20、22）的均方根誤差較大，其余站點較?。欢谀蠘O半島各個站點上差異較大，如在Jubany、Marambio（站點序號3、6）的誤差均大于7.5 m·s-1，而Larsen_Ice_Shelf（站點序號15）的均方根誤差和平均絕對誤差僅為1.95 m·s-1、0.75 m·s-1。此外從不同誤差指標的差異來看，San_Martin、Syoma、Marble_Point（站點序號10、21、8）的均方根誤差要明顯高于平均絕對誤差，說明這些站點部分年份的誤差極值偏大。統(tǒng)計所有站點的正負偏差數(shù)可以看出，有82%的站點呈現(xiàn)正偏差（正偏差表示模式結果高估了實測結果），剩余站點呈負偏差，風速整體上以低估為主。從相關性上來看，所有站點模擬值與觀測值的相關系數(shù)范圍為0.30～0.94，86%的站點通過了α=0.1的顯著性檢驗，而未通過顯著性檢驗的站點主要分布在南極沿岸，與沿岸相比內(nèi)陸的年平均風速的相關性更優(yōu)良。圖12比較了年時間尺度上模擬風速和實測風速的變化和趨勢。兩種數(shù)據(jù)變化趨勢相似，模擬風速和實測風速的上升趨勢都約為0.02 m·s-1·a-1。此外，在2003—2013年，模式對28個站點總體模擬結果均低于實際風速值，模擬結果與實測數(shù)據(jù)的年均變化趨勢比較吻合?？偟膩碚f，Polar WRF的模擬結果比實測數(shù)據(jù)偏低，但兩者年均變化趨勢比較吻合，模式能夠在一定程度上反映10 m風速的年變化。

圖9 再分析資料與模擬結果10 m風向Fig.9 10 m wind direction from ERA-Interim reanalysis data and Polar WRF simulation

圖10 模式年平均10 m風速誤差和相關系數(shù)統(tǒng)計Fig.10 Correlations and differences between simulations and observations for annual average 10 m wind speed

圖12 2004—2013年10 m風速模擬值和觀測值對比Fig.12 Comparison of simulated and observed annual 10 m wind speed during 2004—2013

圖13為各站點2004—2013年四季模擬風速的誤差及相關系數(shù)具體分布狀況。從誤差分布來說，東南極沿岸Novolazarevskaya、Mawson站在四季誤差都偏高，Syowa、zhongshan、Dumont_Durville在四季誤差都較低，其余站點在不同季節(jié)平均誤差差異較大；南極半島上，Jubany、King_Sejong、Marsh、Great_wall在四季誤差整體偏高，其余站點在四季誤差都較低；而在南極內(nèi)陸，夏季Larsen_Ice_Shelf、Amundsen_Scott、Harry三個的均方根誤差要高于其他三個季節(jié)。結合圖13來看，模式對10 m風速的模擬在冬季誤差最低，其均方根誤差和絕對誤差分別為2.67 m·s-1、2.63 m·s-1，春季和秋季次之、夏季誤差最高，其均方根誤差和絕對誤差分布為3.42 m·s-1、3.44 m·s-1。比較不同季節(jié)各站點偏差值分布可發(fā)現(xiàn)，春季和秋季除Henry、Novolazarevskaya、Syowa、Theresa四個站以外其余站點風速均被高估，冬季所有站點的模擬風速均高于實測風速，而夏季風速值被低估的站點數(shù)明顯多于其他三個季節(jié)。而在相關性上來看，東南極沿岸不同站點在四季的相關性差異較大，既存在相關性較高的站點，也存在相關性較低站點；南極半島在夏季的相關性整體較高，秋季和冬季次之，春季僅Marmbio站點相關性較高，其余站點相關性都偏低；在南極內(nèi)陸，春季、夏季和秋季的相關性略低，而冬季相關較高，所有站點的相關性都高于0.60。統(tǒng)計2003—2014年四季模擬值與實測值相關性（圖14），可以看出模式對整個南極冰蓋模擬結果在夏季相關性最高，春季次之，冬季和秋季相關性相對較低。

圖11 年平均10 m風速誤差分布Fig.11 The error spatial distribution of annual average 10 m wind speed

圖13 各站點季節(jié)平均10 m風速誤差和相關性數(shù)分布Fig.13 Correlations and differences between simulations and observations for seasonal average10 m wind speed

圖14 四季10 m風速誤差統(tǒng)計Fig.14 Statistics of seasonal average 10 m wind speed errors

圖15給出了模式輸出結果和氣象觀測數(shù)據(jù)各月的誤差統(tǒng)計。從誤差分布來看，12個月的偏差、均方根誤差和絕對誤差范圍為2.50～4.50 m·s-1，所有月份均表現(xiàn)為正偏差，即模擬氣壓高于實際氣壓。誤差自2月到5月不斷減小，從6月到9月誤差上下波動，其中最小誤差出現(xiàn)在7月份，自9月到11月風速誤差不斷增大，最大誤差出現(xiàn)在11月。統(tǒng)計12個月份月平均風速的模擬值與實測值的相關系數(shù)可得到，相關性最差和最高的月份分別出現(xiàn)在1月和12月。12個月份相關系數(shù)呈上下不斷波動狀態(tài)，2、4、6、9、11、12月相關性較高其余月份相關性較低。整體來看，所有月份的相關系數(shù)都超過了0.50且均通過了α=0.1的顯著性檢驗，模擬月平均風速與實測風速較為吻合。

圖15 10 m風速月平均模擬值和觀測值Fig.15 Variation and errors between simulated and observed monthly average 10 m wind speed

圖16為Amundsen_Scott、Zhongshan、Great_wall三個代表站點的模擬10 m風速與觀測10 m風速的月平 均 分 析 結 果。Amundsen_Scott、Zhongshan、Great_Wall月平均風速值分別在8.46～11.30 m·s-1、9.72～15.62 m·s-1、12.50～16.42 m·s-1，三個站點的最高值分別出現(xiàn)在9月、6月和6月，而最低值均出現(xiàn)在1月和12月。與沿岸相比內(nèi)陸的風速整體偏低，且風速變化值較為平緩。與實測風速相比，三個站點的模擬風速均低于實測風速，其中位于內(nèi)陸的Amundsen_Scott在1—2月、10—12月（夏半年）的誤差偏小，但在3—9月誤差較大；中山站與其他兩個站點相比，整體誤差偏低，尤其是在1—2月和8—12月；Great_wall的風速值最高，誤差也整體高于另外兩個站點，各個月份誤差大致相同大概在4.21～5.24 m·s-1。

圖16 代表站點10 m月平均風速模擬值和觀測值Fig.16 Simulated and observed monthly average 10 m wind speed in representative stations

2.3 近地面氣壓

由于King_Sejong和Rother站近地面氣壓觀測數(shù)據(jù)大量缺失，在驗證模式對近地面氣壓的試驗中去除了對這兩個站的對比分析。各氣象站點模擬誤差及分布情況如圖17～18所示。所有站點中Vostok站（站點編號18）的均方根誤差和平均絕對誤差最大，分別為5.00 hPa、4.26 hPa，Jubany站最小（站點編號3），分別1.19 hPa、0.81 hPa。從區(qū)域分布來看，東南極沿岸各站點的均方根誤差和平均絕對誤差較小，僅Pegasus_North（站點編號27）的誤差高于3 hPa，南極半島整體誤差略高，但除Palmer站（站點編號7）以外其余站點的誤差均小于4 hPa，而和沿岸相比，南極內(nèi)陸的誤差明顯偏大，除Byrd站（站點編號12）以外其余站點的誤差明顯較高。統(tǒng)計所有站點平均偏差可以得到，地表氣壓的偏差范圍在-4.20～3.97 hPa之間，有19個站點為負偏差，7個站點為正偏差，總體而言模式對地面氣壓整體呈高估狀態(tài)，其中呈正偏差的站點主要分布在南極半島和南極內(nèi)陸。地表氣壓的模擬值與實測值的相關系數(shù)范圍為0.50～0.98，其中有81%的站點相關系數(shù)大于0.80。所有站點的相關系數(shù)都通過了α=0.1的顯著性檢驗，模擬氣壓與實測氣壓較為吻合。從相關性分布來看，東南極沿岸所有站點的相關性都高于0.80，相關性很高，而在南極半島和南極內(nèi)陸僅有部分站點相關性較低，其余站點相關性都普遍較好。圖19對比分析了2003—2014年模擬氣壓和實測氣壓整體的年際變化和趨勢。與年平均模擬氣壓相比，Polar WRF模擬氣壓的年平均值除2011年以外其余年份均偏低。而從兩者年變化趨勢來看，模擬值和觀測值均呈下降趨勢，年下降幅度分別為-0.44 hPa·a-1和-0.51 hPa·a-1，模式能夠較好呈現(xiàn)氣壓的年變化趨勢。

圖17 模式年平均近地面氣壓精度評估Fig.17 Correlations and differences between simulations and observations for annual average near surface pressure

圖18 年平均近地面氣壓誤差分布Fig.18 The error spatial distribution of annual average near surface pressure

圖19 2004—2013年近地面氣壓模擬結果和觀測值對比Fig.19 Comparison of simulated and observed annual mean near surface pressure during 2004—2013

圖20為各站點四季模擬近地面氣壓的精度分布狀況。比較所有站點平均絕對誤差、均方根誤差的分布來看，東南極沿岸的整體誤差普遍偏低，在各個季節(jié)均要低于南極半島和南極內(nèi)陸；南極半島在春季誤差略高，其余三個季節(jié)整體誤差較??；南極內(nèi)陸在春、夏、秋三季誤差偏高，大于南極半島，而在冬季其誤差略低，與南極半島相差不大。結合表4來看，模式對近地表氣壓的模擬精度在冬季最高均方根誤差和絕對誤差分別為2.00 hPa、1.90 hPa，其次是秋季和夏季，春季的模擬精度最低，均方根誤差和絕對誤差分別為2.52 hPa、2.22 hPa。從各季節(jié)的偏差分布可得到，模式對四個季節(jié)近地表氣壓的模擬主要以高估為主，其中少數(shù)模擬氣壓較實測值偏低的站點主要位于南極沿岸，而位于內(nèi)陸的各站點模擬氣壓均被高估。進一步比較不同季節(jié)相關性可發(fā)現(xiàn)，大部分站點在四個季節(jié)的相關性都高于0.6，但是與其他季節(jié)相比，春季位于南極半島上的各站點相關性要略低于其他季節(jié)。統(tǒng)計2003—2014年四季模擬氣壓與實測氣壓相關性（圖21），可以看出模式對氣壓的模擬在四個季節(jié)的相關性都很高，均大于0.9，其中冬季相關性最高，春季和夏季次之，秋季最低。

圖20 各站點季節(jié)平均近地面氣壓誤差和相關性數(shù)分布Fig.20 Correlations and differences between simulations and observations for seasonal average near surface pressure

圖21 四季近地面氣壓季誤差統(tǒng)計Fig.21 Statistics of seasonal average near surface pressure errors

對月平均近地面氣壓模擬值和觀測值進行統(tǒng)計比較，計算不同月份的誤差大小和相關系數(shù)（圖22），進而分析模式對近地表氣壓在月時間尺度的模擬精度。從圖中可看出1—3月、5—7月和9月的模擬氣壓要高于實測氣壓，而其他月份氣壓則被低估，其中3月的月偏差值最低為-1.29 hPa，而8月的月偏差值最高為0.76 hPa。進一步分析均方根誤差和平均絕對誤差可看出，模擬誤差在2—6月不斷減小，在6—8月又不斷增加，8月誤差值達到最大均方根誤差和平均絕對誤差分別為2.37 hPa、1.80 hPa，隨后在8—12月誤差呈上下波折趨勢。此外統(tǒng)計各月的相關系數(shù)可得到12個月份相關系數(shù)范圍為0.79～0.99，相關性最高和最低月份分別為3月和7月，整體來看所有月份相關性較高且都通過了α=0.05的顯著性檢驗，這表明模擬月平均氣溫與實測月平均氣溫吻合性良好。

圖22 月平均近地面氣壓模擬值和觀測值年內(nèi)變化和誤差統(tǒng)計Fig.22 Variation and errors between simulated and observed monthly average near surface pressure

圖23給出了三個代表站點近地表氣壓模擬值與觀測值的月平均分析結果。Amundsen_Scott、Zhongshan、Great_Wall月平均近地表氣壓值分別在677.17～687.96 hPa、981.16～987.48 hPa、986.15～993.03 hPa，三個站點中Amundsen_Scott的變化幅度最大，Zhongshan和Great_Wall次之。與觀測結果相比，Amundsen_Scott、Zhongshan的模擬氣壓值較實際氣壓偏低，而Great_Wall的模擬氣壓值較實際氣壓偏高。而從誤差大小來看，各站點氣壓的模擬誤差都較小，其中Amundsen_Scott的誤差最大，其在2月誤差最大，約為4.04 hPa，4—6月的誤差最小，其余月份誤差偏大；Zhongshan的誤差次之，其在1、7、11—12月誤差小于0.80 hPa，誤差最小；Great_wall的誤差最小，其在8月誤差最大為1.04 hPa，其余月份誤差都小于1.00 hPa。

圖23 代表站點月平均近地面氣壓模擬值和觀測值Fig.23 Simulated and observed monthly average near surface pressure in representative stations

3 討論

本文統(tǒng)計了模式的驅(qū)動資料ERA-interim與實測值在所有月份的誤差分布情況（表2）。從相關性上，部分月份的Polar WRF模擬值與觀測值的相關性要略低于ERA-interim。但就從誤差指標來看，模式與ERA-interim相比，其精度有了一定的提升。首先從溫度上來，模式模擬結果與再分析資料相比，比較接近，模式在1月、3—7月以及9月的偏差、平均絕對誤差、均方根誤差要低于ERA-interim，而在8月雖然模式的偏差和平均絕對誤差的誤差小于ERA-interim，但是均方根誤差略大，說明部分站點存在較大的誤差。與溫度相比，模式對再分析資料的風速和氣壓有明顯的改進，模式在各月份的誤差均小于ERA-interim。

表2 ERA-interim 2 m氣溫、10 m風速、地表氣壓月誤差統(tǒng)計Table 2 Error statistics obtained from the ERA-interim reanalysis data for monthly mean 2 m temperature，10 m wind speed，and surface pressure

從模式對氣溫、風速、氣壓的模擬結果來看，模式對氣壓的模擬精度整體偏高。Nigro等［36］對基于Polar WRF的AMPS進行評估，認為在較長的預報時間內(nèi)，模型在對氣壓的預測比其他氣象因素更準確。Polar WRF模式對溫度的模擬在沿岸以偏冷為主，而在內(nèi)陸以偏暖為主，這與Tastula等［15］利用ERA-40驅(qū) 動 的Polar WRF3.1.1和 馬 永 鋒［22］以ERA-Interim為初始場驅(qū)動的Poalr WRF3.21的模擬結果較為一致。這種冷暖偏差的區(qū)域分布與ERA-interim在南極冰蓋內(nèi)陸偏暖而在沿岸偏冷的現(xiàn)象較為一致［22］，說明模式的誤差一部分源自初始場資料。另一方面，Valkonen等［37］研究表明模型在云模擬方面存在一定缺陷，導致與輻射通量建模相關的問題，進而影響溫度模擬。對風速的驗證有必要將自動氣象站的風速外推到10 m高度，在使用外推法后，所有自動氣象站點的RMSE都有了明顯降低。雖然誤差有所降低，部分站點的風速模擬誤差仍偏大，其模擬年平均值總體上低于實際風速值，且沿岸地區(qū)的誤差要略大于內(nèi)陸地區(qū)。Tastula等［15］的試驗表明風速模擬的整體相關性偏低；Deb等［23］利用Poalr WRF3.5.1對西南極進行嵌套模擬，模擬風速與實測相比略微偏低估，且內(nèi)陸地區(qū)的模擬結果更為優(yōu)良，這與本文的模擬的結果較為一致。而溫度的偏差一定程度上會引起風速的誤差［38］。另一方面，風速在沿岸地區(qū)的誤差偏大，其原因可能是由于沿岸等地區(qū)地形比較陡峭，而模擬格網(wǎng)無法精確地再現(xiàn)區(qū)域地形的復雜變化，這從一定程度上為海岸區(qū)域的風速模擬帶來了誤差，并且由于格網(wǎng)的風速值為覆蓋區(qū)域風速的平均值，而風速在地理空間的變化幅度比較劇烈，因此這也會給模擬結果帶來一定的誤差。此外，模型的冰表面粗糙度為1 mm，高于Budd等［29］在Byrd的實測值，這也會對風速的模擬造成影響。

針對模式的上述缺陷，在以后工作中可以采取以下措施提高模式的模擬精度：（1）可以嘗試采用高分辨率的DEM代替現(xiàn)有的模式地形數(shù)據(jù)，提高對復雜地形刻畫的精度，并采用更加符合極地的冰表面粗糙度數(shù)據(jù)；（2）修改和完善模式的部分物理過程；（3）Glisan等［39］在北極地區(qū)以及Deb等［23］在西南極地區(qū)的敏感性實驗發(fā)現(xiàn)，采用譜推進技術使沿海地區(qū)夏季風速和氣壓的相關系數(shù)增加了0.1左右，使用譜推進的模擬比不使用的模擬要更好，因此可以在模擬中加入譜推進，從而進一步降低模式的誤差。

4 結論

本研究利用28個站點的氣象觀測資料驗證了以ERA-interim為側(cè)邊界驅(qū)動資料的Polar WRF模式對南極冰蓋2 m氣溫、10 m風速以及地面氣壓的模擬能力。具體結論如下：

（1）Polar WRF對氣溫、風速、氣壓的模擬結果在四季和各個月份誤差分別小于4℃、2.4 hPa、4.5 m·s-1，且在2004—2013年間的模擬值與觀測值的年際變化趨勢大致一致，整體而言模式能夠捕捉南極氣溫、氣壓和風速的年際變化特征，模擬效果較為優(yōu)良。

（2）模式對年平均氣溫和年平均風速的模擬值和實測值在各個站點的相關性都較高，所有站點都通過了α=0.1的顯著性檢驗，而對風速的模擬有25%的站點未通過α=0.1的顯著性檢驗，這些站點主要分布在沿岸部分誤差較大的站點。此外Polar WRF對2 m氣溫、近地面氣壓和10 m風速模擬結果的年均方根誤差范圍分別為1.3～5.3℃、1.19～5.00 hPa、1.65～8.71 m·s-1。

（3）模擬結果從空間分布來看，氣溫的模擬在東南極沿岸呈冷偏差，在南極內(nèi)陸呈暖偏差，在南極半島既存在冷偏差也存在暖偏差，而對氣壓和風速的模擬在整個南極冰蓋主要呈高估。而從誤差來看，模擬氣溫和氣壓在沿岸的誤差低于內(nèi)陸，而對風速的模擬精度在沿岸要低于內(nèi)陸地區(qū)。

（4）季節(jié)上，模式對氣溫的模擬在夏季和秋季的模擬誤差要低于春季和冬季，對風速的模擬在冬季誤差最高，春秋次之，夏季最低，而對氣壓的模擬在冬季誤差最低，秋季和夏季次之，春季誤差最高。