朱文達(dá)，張 媛，楊 靜,劉彥華

(1.貴州省氣象臺(tái)，貴州 貴陽(yáng) 550002；2.民航貴州空管分局，貴州 貴陽(yáng) 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(bào)云使得區(qū)域氣象中心的數(shù)值預(yù)報(bào)產(chǎn)品實(shí)現(xiàn)共享。在數(shù)值預(yù)報(bào)云的支持下，貴州實(shí)現(xiàn)對(duì)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(duì)其在貴州的預(yù)報(bào)偏差進(jìn)行分析，從而了解華南區(qū)域模式在貴州的預(yù)報(bào)能力。貴州具有地勢(shì)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(diǎn)，這導(dǎo)致氣溫預(yù)報(bào)成為貴州區(qū)域天氣預(yù)報(bào)的最困難的問題之一。

對(duì)于模式氣溫預(yù)報(bào)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(píng)估模式氣溫預(yù)報(bào)偏差的統(tǒng)計(jì)方法較為成熟，智協(xié)飛[1]等對(duì)模式氣溫進(jìn)行貝葉斯模式平均試驗(yàn)，對(duì)模式采用均方根誤差、距平相關(guān)系數(shù)、連續(xù)等級(jí)概率評(píng)分等統(tǒng)計(jì)量從年際年代際上進(jìn)行檢驗(yàn)、評(píng)估。除多[2]等通過地面觀測(cè)站資料，運(yùn)用偏差、標(biāo)準(zhǔn)偏差和相關(guān)系數(shù)等統(tǒng)計(jì)量評(píng)估了Modem-Era Retrospective Analysis for Research and Applications(簡(jiǎn)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(shì)。賈佳[3]等基于觀測(cè)資料分析了高溫?zé)崂税l(fā)生的時(shí)空變化特征，對(duì)高溫?zé)崂诉M(jìn)行了分級(jí)，運(yùn)用滑動(dòng)t檢驗(yàn)、Mann-Kendall(MK)方法分析其變化趨勢(shì)中的突變特征。張寅[4]等利用美國(guó)大氣輻射測(cè)量項(xiàng)目(ARM)制作的“氣候模擬最佳估計(jì)”觀測(cè)數(shù)據(jù)集，檢驗(yàn)National Centers for Environment Prediction(美國(guó)環(huán)境預(yù)報(bào)中心，NCEP)Global Forecast System(全球預(yù)報(bào)系統(tǒng)，GFS)2001—2008年在ARM Southern Great Plains站點(diǎn)預(yù)報(bào)的大氣溫度、相對(duì)濕度和云量的垂直分布，通過模式預(yù)報(bào)的氣溫每6 h時(shí)間演變對(duì)比，得出NCEP GFS能較好地預(yù)報(bào)出溫度垂直分布的季節(jié)變化。影響模擬氣溫預(yù)報(bào)的因素眾多，何光碧[5]等分析了復(fù)雜下墊面和降水對(duì)氣溫預(yù)報(bào)的影響，得出復(fù)雜地形對(duì)模式預(yù)報(bào)的影響較大。姜燕敏[6]等從模式水平分辨率角度評(píng)估了模式氣溫預(yù)報(bào)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(shì)。武敬峰[7]等對(duì)青藏高原東側(cè)復(fù)雜地形下的中央臺(tái)精細(xì)化氣溫預(yù)報(bào)進(jìn)行了檢驗(yàn)，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(qiáng)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(jìn)模式氣溫預(yù)報(bào)偏差的方法。一種是模式改進(jìn)，萬(wàn)子為[8]等通過改進(jìn)模式積云對(duì)流參數(shù)化方案中的淺對(duì)流觸發(fā)函數(shù)，改進(jìn)模式2m氣溫的預(yù)報(bào)偏差。另一種是統(tǒng)計(jì)訂正，以吳啟樹[9]等提出的準(zhǔn)對(duì)稱混合滑動(dòng)訓(xùn)練期方法和國(guó)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(shí)，趙聲蓉[11]評(píng)估多模式溫度集成預(yù)報(bào)發(fā)現(xiàn)，其能夠有效避免系統(tǒng)誤差，有著較高的預(yù)報(bào)精度。此外，針對(duì)影響模式性能評(píng)估的觀測(cè)數(shù)據(jù)的質(zhì)量控制和模式數(shù)據(jù)插值到站點(diǎn)的插值方法也有專家和學(xué)者進(jìn)行了研究。張穎超[12]等基于粒子群改進(jìn)的相空間重構(gòu)法和極限學(xué)習(xí)機(jī)的集成學(xué)習(xí)算法，對(duì)地面氣溫觀測(cè)質(zhì)量控制方法進(jìn)行了改進(jìn)。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(bào)和觀測(cè)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(píng)估偏差。

針對(duì)華南區(qū)域模式氣溫的預(yù)報(bào)結(jié)果，本文對(duì)2015年模式預(yù)報(bào)和實(shí)況偏差進(jìn)行分析，研究其時(shí)間演變特征和空間分布規(guī)律；同時(shí)分析2 m氣溫預(yù)報(bào)偏差的空間分布特點(diǎn)。從而客觀評(píng)價(jià)華南區(qū)域模式在貴州的氣溫預(yù)報(bào)能力，為預(yù)報(bào)員制作智能網(wǎng)格氣溫預(yù)報(bào)主觀訂正和模式客觀釋用設(shè)計(jì)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(bào)的2 m氣溫預(yù)報(bào)結(jié)果，時(shí)間間隔為6 h。 其中，最大預(yù)報(bào)時(shí)效為48 h的樣本有155個(gè)，集中在1—6月；最大預(yù)報(bào)時(shí)效為24 h的樣本有152個(gè)，集中在7—12月(表1)。實(shí)況資料采用貴州區(qū)域84個(gè)國(guó)家站2 m氣溫觀測(cè)資料，臺(tái)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(shí)在分析中選用了5個(gè)指標(biāo)站，分別為貴陽(yáng)、威寧、匯川、興義和銅仁站。實(shí)況觀測(cè)數(shù)據(jù)和模式數(shù)據(jù)中存在部分?jǐn)?shù)據(jù)的缺測(cè)，計(jì)算時(shí)從樣本數(shù)中剔除，不參與統(tǒng)計(jì)量的計(jì)算和主分量的分析。

2.2 方法介紹

模式預(yù)報(bào)2 m氣溫的偏差計(jì)算，首先采用雙線性插值方案[15]將模式結(jié)果格點(diǎn)場(chǎng)插值到站點(diǎn)，然后采用模式站點(diǎn)結(jié)果減實(shí)況的方式得到氣溫預(yù)報(bào)偏差。針對(duì)偏差場(chǎng)，選用統(tǒng)計(jì)量方差、相關(guān)系數(shù)等，進(jìn)行時(shí)間演變特征分析；同時(shí)在季節(jié)內(nèi)進(jìn)行Principal Component Analysis(主分量分析,簡(jiǎn)稱PCA)[16]，主分量個(gè)數(shù)的選取采用χ2檢驗(yàn)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(shí)況站點(diǎn)分布(填色為站點(diǎn)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(gè)主分量，對(duì)應(yīng)的特征值為λ1,λ2,...,λk，余下的特征值為λk+1,...,λp,則統(tǒng)計(jì)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(shí)間特征分析

3.1 時(shí)間平均特征

運(yùn)用2015年全年的模式預(yù)報(bào)結(jié)果減去相對(duì)應(yīng)的實(shí)況觀測(cè)值，得到全年307個(gè)起報(bào)場(chǎng)84個(gè)觀測(cè)站48 h(24 h)預(yù)報(bào)時(shí)效內(nèi)逐6 h的偏差。對(duì)偏差場(chǎng)做時(shí)間平均，得到全年84站48 h(24 h)預(yù)報(bào)時(shí)效內(nèi)逐6 h的平均偏差情況(圖2a)，對(duì)偏差場(chǎng)求絕對(duì)值后做時(shí)間平均，得到平均絕對(duì)誤差(圖2b)。

圖2 84個(gè)國(guó)家站2 m氣溫偏差全年時(shí)間平均特征,(a)全年時(shí)間平均偏差，(b)全年時(shí)間平均絕對(duì)誤差(x坐標(biāo)為模式預(yù)報(bào)時(shí)間，y坐標(biāo)為偏差或絕對(duì)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(gè)站的全年平均的偏差各預(yù)報(bào)時(shí)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(diǎn)的平均偏差以24 h為周期變化。年平均的絕對(duì)誤差反映的06 h和30 h平均絕對(duì)誤差最大的信號(hào)更為顯著，平均絕對(duì)誤差的大小同樣呈現(xiàn)以24 h為周期變化。總體平均絕對(duì)誤差的大小能控制在4 ℃以內(nèi)。無(wú)論是年平均偏差還是年平均絕對(duì)誤差，在00時(shí)都有0～2 ℃左右，這表明模式的初始場(chǎng)與觀測(cè)實(shí)況仍存在偏差。

模式結(jié)果與實(shí)況相減得到的偏差按季節(jié)進(jìn)行時(shí)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(gè)站的季節(jié)平均的偏差(圖3a、3c、3e、3g)，同時(shí)計(jì)算得到了季節(jié)平均的絕對(duì)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(diǎn)為正偏差，而夏季(圖3e)大部分站點(diǎn)為負(fù)偏差，春季(圖3c)和秋季(圖3g)為過渡階段。大部分站點(diǎn)最大季節(jié)平均偏差同樣出現(xiàn)在30 h和36 h的預(yù)報(bào)時(shí)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(duì)誤差，在冬季(圖3b)和夏季(圖3f)大部分站點(diǎn)的絕對(duì)誤差在3 ℃左右，個(gè)別站點(diǎn)接近4 ℃，對(duì)應(yīng)的在春季(圖3d) 和秋季(圖3h)大部分站點(diǎn)的絕對(duì)誤差在3 ℃以內(nèi)。

圖3 84個(gè)國(guó)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(duì)誤差(x坐標(biāo)為模式預(yù)報(bào)時(shí)間，y坐標(biāo)為偏差或絕對(duì)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(wú)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(shí)段)更為顯著，以24 h為周期演變，最大平均絕對(duì)誤差在4 ℃左右。同時(shí)季節(jié)平均還反映出冬季偏高、夏季偏低；春秋季節(jié)相對(duì)較為平穩(wěn)的，且為冬季與夏季兩種位相的過渡期。針對(duì)于此，對(duì)于模式訂正設(shè)計(jì)，在模式在預(yù)報(bào)時(shí)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(duì)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(shí)間特征分析

選取了貴陽(yáng)、威寧、銅仁、興義和匯川5個(gè)指標(biāo)站,給出對(duì)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(bào)時(shí)間，填色序列為模式預(yù)報(bào)時(shí)效內(nèi)各個(gè)預(yù)報(bào)時(shí)次的氣溫偏差分布情況。受篇幅限制，選取各個(gè)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(hào)對(duì)偏差分析的影響。

5個(gè)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(bào)氣溫存在明顯偏高，個(gè)別時(shí)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(dòng)，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(shí)次的偏低，其它4站偏高和偏低的時(shí)次基本相當(dāng)。進(jìn)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(bào)時(shí)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(bào)出現(xiàn)長(zhǎng)時(shí)間的偏低。進(jìn)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(shí)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(diǎn)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(gè)指標(biāo)站2 m氣溫偏差時(shí)間演變特征,a、貴陽(yáng)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(diǎn)有差別)(x坐標(biāo)為模式時(shí)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(shí)間出現(xiàn)在夏季，偏差波動(dòng)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(shí)間演變規(guī)律和全部站點(diǎn)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(diǎn)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(diǎn)間氣溫偏差時(shí)間演變存在明顯差異，海拔、緯度、天氣系統(tǒng)都會(huì)影響模式的氣溫預(yù)報(bào)，從而影響偏差時(shí)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(jì)量集成圖分析

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

此處選用年平均2 m氣溫偏差場(chǎng)作為參考場(chǎng)，月平均2 m氣溫偏差場(chǎng)作為對(duì)比場(chǎng)，對(duì)各場(chǎng)求距平標(biāo)準(zhǔn)化后，進(jìn)行Taylor(圖 5)分析。圖中填色點(diǎn)代表了1—12月的月平均場(chǎng)相對(duì)于年平均場(chǎng)的對(duì)比情況，標(biāo)記1～9代表模式預(yù)報(bào)的00～48 h時(shí)效，參考點(diǎn)REF為年平均結(jié)果；月平均到原點(diǎn)距離表示氣溫偏差月平均相對(duì)于參考點(diǎn)的標(biāo)準(zhǔn)差；月平均的方位角余弦表示其與參考點(diǎn)的相關(guān)系數(shù)；月平均結(jié)果到參考點(diǎn)的距離代表其均方根誤差。其中7—12月的30～48 h預(yù)報(bào)時(shí)效作為缺測(cè)數(shù)據(jù)，不計(jì)入計(jì)算。

月平均的2 m氣溫偏差相對(duì)于年平均，大部分月份和預(yù)報(bào)時(shí)效有較好的相關(guān)性，在0.6以上，僅有個(gè)別月的預(yù)報(bào)時(shí)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(qiáng)對(duì)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(shí)RMSE大多分布在0.3～0.75的范圍內(nèi)。在天氣環(huán)流形勢(shì)穩(wěn)定、無(wú)明顯冷空氣活動(dòng)的夏季，月平均的偏差波動(dòng)幅度較??；對(duì)于受頻繁活動(dòng)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(dòng)幅度較大。

圖5 多統(tǒng)計(jì)量集成圖(泰勒?qǐng)D)Fig.5 The Taylor diagram

5 PCA特征

對(duì)偏差場(chǎng)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(duì)應(yīng)的時(shí)間函數(shù)。考慮去除季節(jié)變化因素影響，采用季節(jié)內(nèi)經(jīng)驗(yàn)正交函數(shù)分解，同時(shí)基于樣本預(yù)報(bào)時(shí)效的統(tǒng)一性，僅對(duì)0～24 h預(yù)報(bào)時(shí)效進(jìn)行經(jīng)驗(yàn)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(gè)主分量達(dá)到截留標(biāo)準(zhǔn)。受篇幅限制，同時(shí)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(duì)12 h預(yù)報(bào)場(chǎng)的春季和夏季第1和第2特征向量進(jìn)行分析(圖6)。春季12 h預(yù)報(bào)場(chǎng)的第1和第2特征向量對(duì)應(yīng)的特征值累計(jì)方差貢獻(xiàn)率[23-24]為73.9%，其中第1特征向量的特征值占66.7%；對(duì)應(yīng)的夏季的為49.4%和40.7%。

對(duì)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(diǎn)隨時(shí)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(duì)應(yīng)的時(shí)間函數(shù)(圖6 c)在3—4月波動(dòng)幅度較大，呈10～20 d周期振蕩，進(jìn)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(dòng)幅度較大。春季的第2特征向量對(duì)應(yīng)的時(shí)間函數(shù)(圖6 d)呈10～20 d振蕩，波動(dòng)幅度較小；結(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(bào)時(shí)效的特征向量和時(shí)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(duì)應(yīng)的時(shí)間函數(shù)，d春季第2特征向量對(duì)應(yīng)的時(shí)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(shí)間變量，單位：d，y坐標(biāo)為特征向量對(duì)應(yīng)的時(shí)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(duì)應(yīng)的時(shí)間函數(shù)(圖6 g)在6—8月整體振幅相對(duì)較小，6、8月波動(dòng)幅度相對(duì)7月較為明顯，表明在夏季氣溫偏差較??；7月的時(shí)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(duì)應(yīng)的時(shí)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(jìn)入8月后偏差的符號(hào)開始南北對(duì)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(diǎn)氣溫偏差表現(xiàn)為相同的變化趨勢(shì)和同位相的空間分布特征，這表明模式預(yù)報(bào)偏差同位相變化占主導(dǎo)，即全部偏高或偏低的趨勢(shì)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(shì)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(qiáng)對(duì)流展對(duì)氣溫偏差的影響、夏季貴州南部地區(qū)副熱帶高壓和強(qiáng)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(duì)應(yīng)的時(shí)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(dòng)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(dòng)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(duì)華南區(qū)域模式GRAPES 08h預(yù)報(bào)場(chǎng)的2m氣溫進(jìn)行雙線性插值到84個(gè)國(guó)家站后的到的結(jié)果與實(shí)況觀測(cè)相減得到偏差，對(duì)偏差進(jìn)行年平均、季節(jié)平均、指標(biāo)站時(shí)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(bào)時(shí)次存在差異，以06 h、12 h、30 h和36 h(即午后到傍晚時(shí)段)最為顯著，并且以24 h為周期演變；最大平均絕對(duì)誤差在4 ℃左右。同時(shí)季節(jié)平均還反映出冬季偏高、夏季偏低；春秋季節(jié)相對(duì)較為平穩(wěn)，且為冬季與夏季兩種位相的過度期。

針對(duì)于此，對(duì)于模式訂正設(shè)計(jì)，在模式在預(yù)報(bào)時(shí)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(duì)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(shí)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(diǎn)間氣溫偏差時(shí)間演變存在明顯差異，海拔、緯度、天氣系統(tǒng)都會(huì)影響模式的氣溫預(yù)報(bào)，從而影響偏差時(shí)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(shì)穩(wěn)定、無(wú)明顯冷空氣活動(dòng)的夏季，月平均的偏差波動(dòng)幅度較?。粚?duì)于受頻繁活動(dòng)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(dòng)幅度較大。環(huán)流轉(zhuǎn)換、季節(jié)變化、冷空氣活動(dòng)可能是導(dǎo)致此特征的重要原因；同時(shí)同一起報(bào)時(shí)次的不同預(yù)報(bào)時(shí)次間的氣溫偏差也存在明顯差異。

④PCA得出方差比占絕對(duì)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(diǎn)氣溫偏差表現(xiàn)為相同的變化趨勢(shì)和同位相的空間分布特征，這表明模式預(yù)報(bào)偏差同位相變化占主導(dǎo)，即全部偏高或偏低的趨勢(shì)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(shì)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(duì)應(yīng)的時(shí)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(dòng)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(dòng)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(shí)間演變規(guī)律和空間分布特征，運(yùn)用多種統(tǒng)計(jì)方法對(duì)偏差進(jìn)行了分析，得出偏差不同預(yù)報(bào)時(shí)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(diǎn)分布的特征；偏差對(duì)于天氣系統(tǒng)活動(dòng)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(jì)的基礎(chǔ)，方案要遵循預(yù)報(bào)時(shí)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(shí)方案還需考慮冷空氣和東亞季風(fēng)活動(dòng)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(xiàn)率分布，主要影響系統(tǒng)的選取依據(jù)χ2檢驗(yàn)結(jié)果。此外，在面對(duì)環(huán)流轉(zhuǎn)換、季節(jié)變化、轉(zhuǎn)折天氣時(shí)，預(yù)報(bào)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(duì)于導(dǎo)致偏差產(chǎn)生的數(shù)值模式動(dòng)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(xiàn)

[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(cè)方法研究[J].氣象科學(xué),2015,35(4)：405-412.

[2] 除多,楊勇,羅布堅(jiān)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(guó)不同等級(jí)高溫?zé)崂说臅r(shí)空分布特征及趨勢(shì)[J].地球科學(xué)進(jìn)展,2017,32( 5) :546- 559.

[4] 張寅,羅亞麗,管兆勇.NCEP 全球預(yù)報(bào)系統(tǒng)在ARM SGP站點(diǎn)預(yù)報(bào)大氣溫度、濕度和云量的檢驗(yàn)[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(bào)檢驗(yàn)分析[J].成都信息工程學(xué)院學(xué)報(bào),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(duì)中亞地面氣溫模擬能力評(píng)估[J].大氣科學(xué),2015,39 (3):535-547.

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

[8] 萬(wàn)子為,王建捷,黃麗萍,等.GRAPES-MESO模式淺對(duì)流參數(shù)化的改進(jìn)與試驗(yàn)[J].氣象學(xué)報(bào),2015,73( 6):1 066-1 079.

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

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

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

[12]張穎超,姚潤(rùn)進(jìn),熊雄,等.PSO-PSR-ELM集成學(xué)習(xí)算法在地面氣溫觀測(cè)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(píng)估中的應(yīng)用[J].南京信息工程大學(xué)學(xué)報(bào),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(bào)模式總體設(shè)計(jì)研究[J].科學(xué)通報(bào),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(shí)驗(yàn)[J].氣象學(xué)報(bào),2002,60(4):421- 426.

[16]黃嘉佑.氣象統(tǒng)計(jì)分析與預(yù)報(bào)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(duì)東亞季風(fēng)降水的模擬檢驗(yàn)[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(duì)東北半球氣象要素場(chǎng)預(yù)報(bào)能力的檢驗(yàn)[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(guó)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(zhǎng)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(wàn)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(yàn)[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(bào),1996,6:730- 736.