鄒晨曦 楊昭明 張培群

(1 北京思湃德信息技術(shù)有限公司，北京 100086;2 青海省氣候中心，西寧 810001)3 國家氣候中心，北京 100081)

引 言

青海省位于我國西北內(nèi)陸，屬高原大陸性氣候。其西部地區(qū)海拔較高，呈梯型下降，向東傾斜；東部地區(qū)為青藏高原向黃土高原過渡地帶，地形復雜，地貌多樣。降水主要集中在夏季，約占全年的60%以上，夏季旱澇直接影響著青海省的農(nóng)業(yè)與經(jīng)濟。同時作為長江、黃河、瀾滄江的發(fā)源地，青海省夏季降水異常還會影響草地、湖泊等環(huán)境系統(tǒng)。因此，做好青海省夏季降水預(yù)報，對防災(zāi)減災(zāi)、維護經(jīng)濟發(fā)展和生態(tài)屏障都有著重要的意義[1-3]。

目前，全球氣候預(yù)測模式對我國西部地區(qū)氣候，尤其是降水預(yù)測的能力遠遠不能滿足防災(zāi)減災(zāi)工作的實際需求，且其預(yù)測性能在短時間內(nèi)也很難實現(xiàn)快速提升，因此，需要通過其他方法對全球氣候模式的預(yù)測產(chǎn)品進行釋用[4]。比較高效可行的方法有動力降尺度法和統(tǒng)計降尺度法[5]。

動力降尺度法是將全球氣候模式與高分辨率區(qū)域氣候模式進行嵌套，利用區(qū)域模式更高的分辨率和更細致的物理過程參數(shù)化方案來改進區(qū)域氣候、尤其是復雜下墊面區(qū)域氣候的模擬性能[6-7]。統(tǒng)計降尺度法則是利用全球模式預(yù)測的、具有較高可預(yù)報性的大尺度環(huán)流信息與局地氣候要素之間的統(tǒng)計關(guān)系，建立預(yù)測因子與預(yù)測量之間的統(tǒng)計預(yù)測模型，開展氣候預(yù)測。相比之下，統(tǒng)計降尺度法比動力降尺度法所需的計算量更小，耗時更少，更易滿足目前短期氣候預(yù)測的日常業(yè)務(wù)需要[8-11]。

統(tǒng)計降尺度法已經(jīng)在短期氣候預(yù)測中得到較多應(yīng)用，并取得了較好的預(yù)測效果[12]。Feddersen, et al[13]指出，利用多模式集合的統(tǒng)計降尺度預(yù)測方法對歐洲、美國等地區(qū)的氣溫和降水預(yù)測都明顯優(yōu)于全球模式的直接預(yù)測結(jié)果。對于我國的短期氣候預(yù)測，統(tǒng)計降尺度方法也得到了廣泛應(yīng)用。如，陳麗娟等[14]利用BCC_CSM1.1m模式預(yù)測技巧較高且對黃淮地區(qū)夏季降水影響有物理含義的環(huán)流異常作為預(yù)測因子，提高了該模式對黃淮地區(qū)夏季降水的預(yù)測技巧。蘇海晶等[15]利用兩種統(tǒng)計方法對國家氣候中心全球海氣耦合模式輸出的夏季氣溫進行了誤差訂正，可以有效提高模式的預(yù)測效果。GUO，et al[16]利用優(yōu)選的西南印度洋區(qū)域海平面氣壓和中國東部的850 hPa經(jīng)向風為預(yù)測因子，并將建立的預(yù)測模型直接應(yīng)用于CFSv2預(yù)測結(jié)果，發(fā)現(xiàn)該方法對CFSv2提前1個月的降水預(yù)測結(jié)果改進最大。ZHU, et al[17]、劉穎等[18]、秦正坤等[19]將經(jīng)驗正交(Empirical Orthogonal Function，EOF)和奇異值分解(Singular Value Decomposition, SVD)方法相結(jié)合，對全球氣候模式預(yù)報產(chǎn)品進行統(tǒng)計降尺度，結(jié)果都比模式直接預(yù)測能力有著明顯提升。

氣候變量的年際增量預(yù)測技術(shù)是近十余年發(fā)展起來的一種新的技術(shù)方法[20-21]，該方法將氣候量的年際增量作為一個新的預(yù)測對象來替代原來的氣候距平值[8]，將傳統(tǒng)的基于氣候距平的預(yù)測關(guān)系，轉(zhuǎn)化為建立以年際增量為預(yù)測因子和預(yù)測對象的預(yù)測關(guān)系，在得到預(yù)測對象的年際增量的預(yù)測之后，再通過疊加前1 a預(yù)測對象的實際距平值來得到當年的預(yù)測對象氣候距平的預(yù)測值。這樣能夠有效地利用前1 a的觀測信息和氣候變量的準2～3 a變化的規(guī)律，更好地突出和捕捉氣候變量年際變化，消除年代際變化的不確定性影響。近年來在降水季節(jié)預(yù)測中得到研究應(yīng)用，并且最近研究表明，該方法在東亞夏季風[22]、冬季北大西洋濤動[23-24]和我國夏季降水季節(jié)預(yù)測[25-27]應(yīng)用中，取得了較好效果。

在實際建立年際增量預(yù)測模型時，如果預(yù)測對象是大尺度環(huán)流變量或由其導出的指數(shù)指標(如東亞夏季風指數(shù)、NAO指數(shù)等[22-23])，由于氣候模式對大尺度環(huán)流的預(yù)測能力相對較高，因而可以直接將氣候模式的環(huán)流預(yù)測結(jié)果得出的年際增量作為預(yù)測因子之一，經(jīng)過必要的統(tǒng)計訂正引入預(yù)測模型，同時引入其他大氣環(huán)流或海洋/陸面/冰雪等慢變的影響因子(同樣為年際增量)作為預(yù)測因子。如果預(yù)測對象為降水等模式直接預(yù)測能力較弱的要素[20-21，25-27]，則不能直接引入模式對要素的預(yù)測作為預(yù)測因子，而是需要采用降尺度技術(shù)，將大尺度的大氣環(huán)流或海洋/陸面/冰雪等慢變量場(同樣為年際增量)中獲取預(yù)測因子，建立預(yù)測模型。

確定預(yù)測因子既可以選取與預(yù)測對象同期因子，也可選取預(yù)測對象前期因子。同期因子由氣候模式預(yù)測得出，而前期因子可由實況資料得到，這種同時考慮不同時期預(yù)測因子信息的模型被稱為組合統(tǒng)計降尺度預(yù)測模型(HSDP)[28]。本文利用美國國家環(huán)境預(yù)報中心(National Centers for Environmental Prediction， NCEP)的第二代氣候預(yù)測系統(tǒng)(Climate Forecast System， CFSv2)模式的預(yù)測和歷史回報資料，討論建立適用于青海區(qū)域的基于年際增量預(yù)測技術(shù)的組合降尺度預(yù)測模型。

1 資料與方法

1.1 觀測與模式資料

(1)采用全球氣候?qū)崨r數(shù)據(jù)為歐洲中期天氣預(yù)測中心 ECMWF發(fā)布的第三代再分析資料ERA-Interim再分析資料[29]，包括500 hPa高度場、200 hPa風場、海平面氣壓場和海表面溫度場。該資料提供每天4次的同化分析數(shù)據(jù)，時間段為1979—2019年，水平分辨率接近79 km(0.7°×0.7°)，垂直方向為60層。

(2)降水資料采用青海省50個氣象觀測站1982—2018年的降水資料[30]，位置如圖1所示。

圖1 1982—2018年青海省夏季平均降水及50個觀測站點所處位置

(3)使用的NCEP CFSv2模式從2011年3月投入業(yè)務(wù)運行，可滾動制作全球次季節(jié)至季節(jié)的多時間尺度氣候預(yù)測[31]，且提供1982—2010年的回報試驗結(jié)果。本文使用CFSv2版本的月平均資料，模式水平分辨率為1°，起始時間為1982年，資料更新至今。各月每隔5 d分別從00、06、12和18時(世界時，下同)開始積分，積分時間為9個月，即回報當月數(shù)據(jù)并對未來1—9個月進行預(yù)報。該模式已經(jīng)得到了國內(nèi)外學者的廣泛應(yīng)用，部分結(jié)果表明該模式對東亞地區(qū)降水和環(huán)流都有著一定的預(yù)報能力[32-33]。

1.2 組合降尺度方案

本文所采用的的組合降尺度方案具體實施步驟如下：

(1)預(yù)測對象和預(yù)測因子來自青海省夏季降水和CFSv2預(yù)報/再分析的環(huán)流變量。計算環(huán)流因子和青海夏季降水的年際增量，作為預(yù)測因子和預(yù)測對象。具體的計算方法為某1 a的氣候變量減去前1 a的氣候變量值，所得結(jié)果即為氣候變量在該年的年際增量。

優(yōu)勢包括： ①放大了預(yù)測對象的方差，使之更容易被預(yù)測； ②充分利用了前1 a的觀測信息，預(yù)測往往更準確； ③與東亞氣候準2 a周期相契合， 物理意義更清楚； ④能夠去除氣候變暖、人為影響等長期趨勢，專注于確定性異常的預(yù)測[8-9，32]。

(2)在建模的擬合時段(1982—2011年)內(nèi)，利用EOF分析，分別對預(yù)測因子和預(yù)測變量場進行分解，提取主要特征，再基于Kaiser’s標準[34]保留主模態(tài)進而將預(yù)測因子和預(yù)測量回算到原始變量場形式，用以去除噪聲，從而實現(xiàn)濾波的目的。Kaiser’s標準如下：

(1)

其中：am為保留的EOF特征值；SK,k為所分解變量的第k個方差；T為閾值參數(shù)，取T=0.7[35-36]。

(3)將經(jīng)過EOF還原處理之后的預(yù)測因子和預(yù)測量進行奇異值分解，提取兩個變量場之間的耦合變化型，從而更多地引入預(yù)測因子對降水預(yù)測的有效信息。與EOF分析專注于單一變量場的分析不同，奇異值分解可以基于左、右兩個變量場之間的關(guān)系進行分解。SVD基于譜分析理論，可以直接對兩個空間矩陣進行分解，在充分保留左、右兩場空間信息的基礎(chǔ)上，將相關(guān)的主要信息分解提取出來。

(4)利用多元線性回歸方法，針對每個站點建立預(yù)報模型。降水預(yù)測是一個復雜的非線性過程，單純地利用多元線性回歸方法，容易造成建模的結(jié)果的不準確，因此前三步主要是為了盡量多地保留預(yù)測因子的主要特征、去除多余噪聲。

(5)將步驟(4)中針對年際增量的預(yù)測結(jié)果，與前1 a青海省夏季降水的站點實況相加，即得該年的預(yù)測結(jié)果。

對于預(yù)測因子的選取，本文遵循以下兩個原則：一是從物理機制的角度，選擇已經(jīng)被證明能對青海省夏季降水造成影響的氣候因子；二是對于上述氣候因子關(guān)鍵區(qū)的選擇，一方面要保證該區(qū)域的氣候因子與青海省夏季降水的相關(guān)系數(shù)基本都通過α=0.05信度的顯著性檢驗，另一方面也要對CFSv2模式預(yù)測產(chǎn)品進行評估，確定CFSv2模式對該區(qū)域的氣候因子具有較強的預(yù)測能力[37]。

1.3 預(yù)測結(jié)果檢驗方法

對于預(yù)測結(jié)果的檢驗，主要是進行誤差分析：分別計算預(yù)測產(chǎn)品與實況的相關(guān)系數(shù)(R)、均方根誤差(RMSE)、平均相對誤差(MFE)、平均相對偏差(MFB)[38]。對于預(yù)測產(chǎn)品的檢驗標準為：當平均相對誤差在±30%以內(nèi)，且平均相對偏差小于50%時，認為預(yù)測是準確的[39-40]。

，

(2)

(3)

，

(4)

(5)

其中：S、O分別為模式模擬所得和實況序列，該序列樣本數(shù)為n，第i個樣本記為S(i)、O(i)。Cov(S，O)為S與O的協(xié)方差，Var(S)、Var(O)分別為S和O的方差。

2 統(tǒng)計降尺度預(yù)測結(jié)果分析

2.1 青海省夏季降水氣候特征

圖1為青海省1982—2018年夏季降水多年平均的空間分布?？梢娗嗪Ｊ〉南募窘邓饕杏跂|南部地區(qū)，而位于西北部的高原地區(qū)降水較少，且觀測站較稀疏。

圖3 青海省1982—2011年夏季降水的EOF前4個模態(tài)的時間系數(shù):(a)EOF1；(b)EOF2；(c)EOF3；(d)EOF4

對1982—2011年青海省夏季降水進行EOF分析，圖2、3分別給出了青海省夏季降水前4個EOF的空間分布和對應(yīng)的時間系數(shù)變化的特征。由EOF第一模態(tài)的空間分布及時間變化曲線可見，青海省夏季降水空間分布最主要的特征就是北少南多，而且存在著一個2～3 a的振蕩周期。且EOF第一模態(tài)中的時間系數(shù)也有較為明顯的趨勢性變化，與第一模態(tài)空間分布相結(jié)合可見，青海省降水整體呈增加趨勢。EOF的第二、三、四模態(tài)中，在青海省的東南部地區(qū)都存在一個降水大值區(qū)，而位于青海西部的高原地區(qū)，降水都明顯較少。 前4個EOF的累積解釋方差超過82%。

圖2 1982—2011年青海省夏季降水的EOF第一、二、三、四模態(tài):(a)EOF1；(b)EOF2；(c)EOF3；(d)EOF4

2.2 預(yù)測因子的選取

為了定量篩選預(yù)測因子，本文對ERA-Interim再分析資料的500 hPa高度場、200 hPa風場、海平面氣壓場和海表面溫度場做EOF分析，基于Kaiser’s原則保留主要模態(tài)，還原以提取主要模態(tài)信號，然后計算其年際增量，再將其與經(jīng)過同樣處理的青海夏季降水年際增量全省平均做相關(guān)分析。圖4給出了這些環(huán)流和海溫的年際增量與青海夏季降水平均年際增量1983—2011年期間的同期和前期相關(guān)系數(shù)的分布，陰影區(qū)域的相關(guān)系數(shù)通過了α=0.05信度的顯著性檢驗。

張仲杰等[41]、陳亞寧等[42]的研究表明，夏季同期貝加爾湖脊、烏拉爾脊、新疆脊的強弱及位置，對青海省夏季降水存在顯著影響。圖4a顯示500 hPa高度年際增量場在上述地區(qū)的相關(guān)系數(shù)較高，其中(40°～60°N，70°～120°E)區(qū)域的相關(guān)系數(shù)通過了α=0.05信度的顯著性檢驗，反映出年際增量可以突出預(yù)測因子與預(yù)測對象之間原有的年際變化的聯(lián)系[22-24]。因此本文將該區(qū)域選為500 hPa高度場的關(guān)鍵區(qū)。

由于青海省位處中高緯度地區(qū)，受到青藏高原大地形影響，因此中高緯度緯向西風帶環(huán)流也會造成青海夏季降水異常[39]。同樣，圖4c顯示在亞洲中高緯地區(qū)存在顯著的相關(guān)關(guān)系，因此將200 hPa緯向風場的關(guān)鍵區(qū)域選為(40°～60°N，30°～100°E)。

圖4 基于ERA-Interim再分析資料，經(jīng)EOF分析再還原后所得1983—2011年夏季同期(a)500 hPa高度場、(c) 200 hPa緯向風場、(b)前期秋冬季海平面溫度SST、(d)地面氣壓場的年際增量與青海省夏季降水年際增量的相關(guān)系數(shù)分布(網(wǎng)格線表示通過α=0.05信度的顯著性檢驗區(qū)域)

王楠等[43]研究表明，與熱太平洋海溫相關(guān)的ENSO現(xiàn)象對我國西北部地區(qū)降水有較大影響，青藏高原東側(cè)的氣候變化敏感區(qū)對El Nio的響應(yīng)程度要高出其他區(qū)域。熱太平洋海域中(20°S～20°N，160°E～130°W)區(qū)域的前期秋冬季海表面溫度SST(Sea Surface Temperature)的年際增量與青海夏季降水年際增量的相關(guān)系數(shù)較高(圖4b)，基本通過了α=0.05信度的顯著性檢驗，這一關(guān)系反映了慢變的外強迫因子的持續(xù)影響，因此將該區(qū)域選為SST的關(guān)鍵區(qū)。

侯亞紅等[44]指出，前期秋冬季的西伯利亞高壓也是青海省夏季降水的重要影響因子之一。由圖4d可見，整個西伯利亞區(qū)域的地面氣壓年際增量與青海省夏季降水年際增量的相關(guān)系數(shù)也都通過了α=0.05信度的顯著性檢驗，因此將地面氣壓場的關(guān)鍵區(qū)選為西伯利亞區(qū)域(40°～60°N，70°～120°E)。

圖5a、c為CFS回報的夏季500 hPa高度場、200 hPa緯向風年際增量與青海夏季降水年際增量的相關(guān)系數(shù)?？梢奀FS模式對前述篩選出的關(guān)鍵區(qū)域的預(yù)測因子都有著較好的回報能力，相關(guān)系數(shù)大多通過了α=0.05信度的顯著性檢驗。圖5b、d是將CFS回報結(jié)果通過EOF分析提取主要特征、去除多余噪聲之后的變量場的年際增量與青海夏季降水年際增量的相關(guān)系數(shù)。與ERA-Interim(可以看作為實況)的相應(yīng)500 hPa高度場和200 hPa風場的的相關(guān)系數(shù)(圖4a、c)相比，可見經(jīng)過EOF處理后的CFSv2的預(yù)測變量場年際增量與降水的關(guān)系更為接近和顯著。

圖5 1982—2011年夏季同期(a) 500 hPa高度場、(b)經(jīng)EOF分解再還原后的500 hPa高度場，(c) 200 hPa緯向風場、(d)經(jīng)EOF分解再還原后的200 hPa緯向風場的年際增量，與青海省夏季降水年際增量的相關(guān)系數(shù)分布(網(wǎng)格線表示通過α=0.05信度的顯著性檢驗區(qū)域)

綜上，本文將預(yù)測因子選為CFSv2模式預(yù)測的同期(40°～60°N，70°～120°E)區(qū)域的500 hPa高度場年際增量、(40°～60°N，30°～100°E)區(qū)域的200 hPa風場年際增量，以及ERA-Interim再分析的前期秋冬季(20°S～20°N，160°E～130°W)區(qū)域的海平面溫度SST、西伯利亞區(qū)域(40°～60°N，70°～120°E)地面氣壓場的年際增量。

2.3 統(tǒng)計降尺度預(yù)測結(jié)果

將上述篩選出的預(yù)測因子(同期因子為CFSv2預(yù)測的年際增量，前期因子為ERA-Interim再分析的年際增量)，與實況資料得到的青海夏季降水的年際增量進行SVD分析，利用多元線性回歸方法，進行組合降尺度建模。建模時段為1983—2011年。并利用該建模結(jié)果，對青海省1982—2018年夏季降水進行回報，其中對2012—2018年青海夏季降水的為獨立樣本回報。回報所得1983—2018年青海省夏季降水的時間變化曲線如圖6。可見，統(tǒng)計回報的降水(紅線)與實況(藍線)更為接近，而CFSv2的降水預(yù)測結(jié)果(綠線)則與實況(藍線)距離較遠。采用1.3節(jié)中誤差分析方法計算所得1983—2011年(29 a時間序列)和2012—2018年(7 a時間序列)的CFSv2模式預(yù)測結(jié)果、統(tǒng)計降尺度方案預(yù)測結(jié)果與實況的相關(guān)系數(shù)、均方根誤差、平均相對誤差和平均偏差如表1?？梢奀FSv2預(yù)測1983—2011年和2012—2018年青海省夏季降水與實況的平均相對誤差和平均相對偏差都在正確的范圍之內(nèi)，但是預(yù)測所得降水整體比實況偏多，且對降水的時間走勢預(yù)測的并不好(1983—2011年相關(guān)系數(shù)為-0.16，2012—2018年相關(guān)系數(shù)為-0.26)。而組合統(tǒng)計降尺度方案對CFSv2的預(yù)測產(chǎn)品表現(xiàn)有著顯著的改善：預(yù)測產(chǎn)品與實況的相關(guān)系數(shù)得到了明顯提高(2012—2018年相關(guān)系數(shù)為0.76，1983—2011年相關(guān)系數(shù)為0.48，均通過了α=0.05信度的顯著性檢驗)，而且均方根誤差、平均相對誤差和平均相對偏差都比CFSv2的低[45-46]。

圖6 觀測、CFSv2模式、組合降尺度預(yù)測1982—2018年夏季青海省降水的時間曲線

為進一步檢驗?zāi)Ｐ皖A(yù)測能力，本文對統(tǒng)計建模時段(1983—2011年)內(nèi)青海省夏季降水的回報結(jié)果進行了交叉檢驗(圖7)。可知1983—2011年青海省夏季降水與實況的相關(guān)系數(shù)為0.46，略低于組合降尺度預(yù)測結(jié)果與實況的相關(guān)系數(shù)(0.48)，但也通過了α=0.05信度的顯著性檢驗，可見該預(yù)測模型比較可靠和穩(wěn)定。

圖7 組合降尺度預(yù)測1982—2011年青海省夏季降水的交叉檢驗

由圖6可見，2012—2018年期間，對青海夏季降水整體的獨立回報預(yù)測除在2012和2015年與實況差異較大外，其余的5 a都較好。圖8給出了2012—2018年7 a青海夏季降水的實況和不同方法的預(yù)測分布。對比分析可見，CFSv2模式預(yù)測的降水基本表現(xiàn)為北多南少，而實際上，青海省的降水更多地呈現(xiàn)出位于西北部的高原地區(qū)偏少，東南部地區(qū)偏多的特點。在降水的空間分布形態(tài)方面，統(tǒng)計降尺度預(yù)測方法回報的結(jié)果更為接近實況，但是存在容易將青海省南部的降水大值區(qū)位置預(yù)測地較實況偏西。為了更客觀、定量地比較降尺度預(yù)測降水和實況降水的空間特征，本文計算了2012—2018年每年的站點實況與降尺度預(yù)測所得降水之間的相關(guān)系數(shù)、均方根誤差、平均相對誤差和平均相對偏差。這些統(tǒng)計量隨年份變化的曲線如圖9?？梢?，2012—2018年，降尺度預(yù)測結(jié)果與實況的空間相關(guān)系數(shù)基本都在0.5以上，均方根誤差也都基本不超過1.0。平均相對誤差MFE和平均相對偏差MFB，分別都在30%和50%的閾值以下。這些空間統(tǒng)計量與時間序列的統(tǒng)計量(表1)相比都略顯不足，表明降尺度預(yù)測結(jié)果對于青海省夏季降水的空間分布也有著較強的預(yù)報能力，但是還是比再現(xiàn)青海省夏季降水時間變化的能力稍弱。

圖8 2012—2018年夏季實況降水(a、d、g、i、m、p、s)，CFSv2模式預(yù)測降水(b、e、h、k、n、q、t)，統(tǒng)計降尺度方案預(yù)測降水(e、f、i、l、o、r、u)

圖9 2012—2018年夏季實況降水與統(tǒng)計降尺度方案預(yù)測降水空間分布的相關(guān)系數(shù)、均方根誤差、平均相對X誤差和平均相對偏差

表1 1983—2011年、2012—2018年CFSv2模式預(yù)測夏季降水、統(tǒng)計降尺度方案預(yù)測夏季降水分別與實況的相關(guān)系數(shù)、均方根誤差、平均相對誤差和平均相對偏差

3 結(jié)論

本文利用組合統(tǒng)計降尺度方法，結(jié)合氣候模式預(yù)測產(chǎn)品和前期觀測實況，利用年際增量預(yù)測方法，結(jié)合EOF和SVD分析，提取預(yù)測因子和預(yù)測量之間的耦合信息場，利用多元線性回歸方法進行統(tǒng)計建模，從而實現(xiàn)對青海省夏季降水的降尺度預(yù)測。用于訓練建模時段為1983—2011年，用該統(tǒng)計降尺度模型對1983—2018年青海省夏季降水進行了回報。本文從已有研究表明與青海省夏季降水存在較強的相關(guān)，且物理機制明確的氣候因子中，篩選CFSv2模式有著較強預(yù)測能力的關(guān)鍵區(qū)和氣候因子，最終確定預(yù)測因子為以下幾個氣候變量的年際增量：CFSv2回報所得當期(40°～60°N，70°～120°E)區(qū)域的500 hPa高度場、(40°～60°N，30°～100°E)區(qū)域的200 hPa風場，以及前期秋冬季的ERA-Interim資料中(20°S～20°N，160°～130°W)區(qū)域的海平面溫度SST、西伯利亞區(qū)域(40°～60°N，70°～120°E)地面氣壓場。

為了更好地保留預(yù)測因子的主要特征、過濾多余噪聲，本文對預(yù)測因子進行了EOF分析后，再通過EOF主模態(tài)還原的處理。為了增加預(yù)測因子中所包含的預(yù)測量(即青海省夏季降水年際增量)的信息，本文對預(yù)測因子和預(yù)測量進行了SVD分解，之后再利用多元線性回歸方法進行建模。

對該統(tǒng)計降尺度方案預(yù)測降水的檢驗結(jié)果表明，該方案對CFSv2模式對青海省夏季降水的預(yù)測結(jié)果有著顯著的改善。對青海省1982—2018年夏季降水的EOF分析結(jié)果表明，青海省夏季降水存在南多北少的特點，并且存在著一個2～3 a的振蕩周期。利用組合統(tǒng)計降尺度預(yù)測方案，基本能夠再現(xiàn)青海省夏季降水由西北地區(qū)向東南地區(qū)逐漸增加的特點。相關(guān)系數(shù)、均方根誤差、平均相對誤差、平均相對偏差等統(tǒng)計量的計算表明，統(tǒng)計降尺度方案對于2012—2018年青海省夏季降水的預(yù)測結(jié)果都比CFSv2直接預(yù)測產(chǎn)品更加接近實況，其降水總量與實況偏差更小，相關(guān)系數(shù)也將CFSv2模式的-0.26提高到了0.76。交叉檢驗的結(jié)果也表明該預(yù)測模型具有較強的穩(wěn)定性和可靠性。此外，統(tǒng)計降尺度預(yù)測方案對于降水顯著偏少的年份(如2015年)和顯著偏多的年份(如2012、2018年)的降水預(yù)測都有很好的表現(xiàn)。

利用動力氣候模式對我國夏季降水進行降尺度預(yù)測的技術(shù)已經(jīng)得到較廣泛應(yīng)用，也有著一定的預(yù)報能力。通過對CFSv2模式預(yù)測結(jié)果應(yīng)用于青海省夏季降水的檢驗發(fā)現(xiàn)，模式預(yù)測的直接應(yīng)用或簡單的統(tǒng)計降尺度釋用效果都不好。為此，本文研發(fā)了基于CFSv2模式產(chǎn)品、結(jié)合年際增量預(yù)測技術(shù)的組合統(tǒng)計降尺度模型，利用1983—2011年的歷史資料進行建模，并做了歷史回報和交叉檢驗，以及2012—2018年的獨立樣本預(yù)測與檢驗，表明該方法對青海夏季降水具有較好的預(yù)測能力和效果。近年來，該方法已經(jīng)根據(jù)業(yè)務(wù)需求，集成到《青海省智能化氣候預(yù)測平臺》[27]當中，成為青海省氣候預(yù)測業(yè)務(wù)的重要支撐工具之一，豐富了氣候預(yù)測服務(wù)產(chǎn)品，服務(wù)于日常業(yè)務(wù)和防災(zāi)減災(zāi)工作需要。