劉 波 馬利斌 容新堯 蘇京志 鄢鈺函 華莉娟 唐彥麗

1)(中國(guó)氣象局地球系統(tǒng)數(shù)值預(yù)報(bào)中心， 北京 100081)2)(中國(guó)氣象科學(xué)研究院災(zāi)害天氣國(guó)家重點(diǎn)實(shí)驗(yàn)室， 北京 100081)

引 言

工業(yè)革命以來(lái)，煤炭、石油等傳統(tǒng)化石能源的大量消耗是造成全球變暖的主要原因之一[1-3]。與傳統(tǒng)化石能源相比，可再生資源具有低碳環(huán)保等特性，同時(shí)也能有效減少溫室氣體排放，緩解氣候惡化。為應(yīng)對(duì)氣候變化，中國(guó)提出二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值、2060年前實(shí)現(xiàn)碳中和的目標(biāo)[4](簡(jiǎn)稱雙碳)。在雙碳戰(zhàn)略目標(biāo)下，發(fā)展綠色清潔能源是未來(lái)的主流趨勢(shì)。因此，大規(guī)模開發(fā)利用可再生資源已得到世界各國(guó)能源部門和組織的廣泛關(guān)注。太陽(yáng)能是可再生和綠色能源的一種，具有廣闊應(yīng)用前景[5-7]。

中國(guó)太陽(yáng)能資源分布具有明顯地域特征。受太陽(yáng)總輻射量等因子影響，中國(guó)西南和北方地區(qū)(包括青藏高原和內(nèi)蒙古中西部地區(qū))的太陽(yáng)能尤為豐富，適合大規(guī)模光電開發(fā)利用；中國(guó)東南地區(qū)(包括湖南、重慶和貴州)太陽(yáng)能資源缺乏，可開發(fā)利用規(guī)模較小[7-9]。國(guó)內(nèi)學(xué)者已研究了中國(guó)地表太陽(yáng)輻射(downward short-wave radiation flux，DSWRF)的變化規(guī)律及成因[10-17]，鄭有飛等[12]指出，20世紀(jì)90年代前后中國(guó)南方中東部地區(qū)地面太陽(yáng)總輻射存在明顯年代際變化。齊月等[13]發(fā)現(xiàn)該變化受人類活動(dòng)影響顯著，大氣中氣溶膠(顆粒物)濃度增加是導(dǎo)致到達(dá)地面太陽(yáng)輻射減少的重要原因。中國(guó)省會(huì)城市太陽(yáng)輻射受氣溶膠濃度的影響更為顯著[16-17]。在全球氣候變暖背景下，中國(guó)太陽(yáng)能資源變化具有顯著的時(shí)空特征。RCP85排放情景下，2006—2049年中國(guó)DSWRF呈南增北減的變化趨勢(shì)[18]。因此，建立中國(guó)太陽(yáng)能資源短期預(yù)測(cè)及預(yù)估系統(tǒng)，對(duì)超前部署開發(fā)利用太陽(yáng)能資源具有重要戰(zhàn)略指導(dǎo)意義。

因此，采用高分辨率全球氣候系統(tǒng)模式準(zhǔn)確進(jìn)行中國(guó)太陽(yáng)能資源分布短期預(yù)測(cè)和未來(lái)情景預(yù)估，對(duì)優(yōu)化電力能源結(jié)構(gòu)尤為重要。本文通過(guò)構(gòu)建合理的同化系統(tǒng)，客觀評(píng)估中國(guó)氣象科學(xué)院發(fā)展的T255全球高分辨率氣候系統(tǒng)模式(CAMS-CSM)歷史回報(bào)結(jié)果對(duì)中國(guó)區(qū)域DSWRF的預(yù)報(bào)技巧及預(yù)測(cè)能力，一方面檢驗(yàn)高分辨率氣候模式在可再生能源方面預(yù)測(cè)的適用性，另一方面也可為氣候模式的發(fā)展及預(yù)測(cè)性能改進(jìn)提供參考。

1 模式、數(shù)據(jù)和方法

1.1 高分辨率CAMS-CSM氣候模式、回報(bào)試驗(yàn)及驗(yàn)證數(shù)據(jù)

中國(guó)氣象科學(xué)研究院T255全球高分辨率(約50 km)氣候系統(tǒng)模式(CAMS-CSM)包含大氣、海洋、海冰和陸面等分量模式，該模式參加CMIP6模式比較計(jì)劃[30]，模式詳情參見文獻(xiàn)[31]。該模式在Madden-Julian振蕩、印度洋偶極子以及ENSO等主要?dú)夂蜃兟视休^高模擬技巧[32-34]。通過(guò)三維松弛逼近同化方案，發(fā)展了高分辨率耦合模式的耦合資料同化系統(tǒng)。該同化系統(tǒng)與文獻(xiàn)[34]研究類似，大氣同化6 h的中國(guó)全球大氣再分析產(chǎn)品CRA40再分析數(shù)據(jù)[35]，海洋同化候平均的GODAS(Global Ocean Data Assimilation System)再分析數(shù)據(jù)[36]，通過(guò)耦合數(shù)據(jù)同化系統(tǒng)，構(gòu)建2011—2020年海洋、大氣模式分量的初始場(chǎng)。回報(bào)試驗(yàn)采用集合預(yù)報(bào)方法，每個(gè)月最后1日00:00，06:00，12:00和18:00(世界時(shí)，下同)起報(bào)，連續(xù)預(yù)報(bào)3個(gè)月，完成2011—2020年的歷史回報(bào)試驗(yàn)。本文評(píng)估回報(bào)試驗(yàn)結(jié)果時(shí)，將4個(gè)集合樣本進(jìn)行算術(shù)平均以減少不確定性。

DSWRF和總云量觀測(cè)數(shù)據(jù)均來(lái)自于中國(guó)氣象局CRA40再分析數(shù)據(jù)[36]，時(shí)段為2011—2020年，水平分辨率為0.25°×0.25°，時(shí)間分辨率為6 h。本文DSWRF指凈地表短波輻射，即到達(dá)地表的向下短波輻射與反射向上的短波輻射之差。另外，本文提到的月平均預(yù)報(bào)超前0個(gè)月(LM0)指預(yù)報(bào)下個(gè)月的月平均結(jié)果，超前1個(gè)月(LM1)、2個(gè)月(LM2)分別指預(yù)報(bào)第2個(gè)月、第3個(gè)月的月平均結(jié)果?？紤]到中國(guó)地表短波輻射存在地理差異，本文評(píng)估分析中國(guó)區(qū)域以及3個(gè)太陽(yáng)能資源較豐富的重點(diǎn)區(qū)域(圖1)：內(nèi)蒙古地區(qū)(40°～45°N，100°～120°E)、京津冀部分地區(qū)(35°～42°N，115°～120°E)以及西北地區(qū)(31°～40°N，89°～104°E)。

本文插圖中所涉及的中國(guó)國(guó)界基于審圖號(hào)為GS(2018)2512號(hào)標(biāo)準(zhǔn)地圖制作，底圖無(wú)修改。

1.2 方 法

本文基于4個(gè)樣本集合平均，從月平均角度評(píng)估模式的多年回報(bào)結(jié)果。主要評(píng)估方法包括氣候態(tài)偏差、距平相關(guān)系數(shù)(ACC)、時(shí)間相關(guān)系數(shù)(TCC)及趨勢(shì)異常綜合評(píng)分指數(shù)(P指數(shù))等。ACC主要表征預(yù)報(bào)場(chǎng)與觀測(cè)場(chǎng)空間的相似程度，即空間相似系數(shù)。TCC能較好表征模式對(duì)各格點(diǎn)異常的預(yù)測(cè)能力，取值范圍為-1～1，值越接近于1，技巧越高，通常以0.5為有預(yù)報(bào)意義的標(biāo)準(zhǔn)。

趨勢(shì)異常綜合評(píng)分指數(shù)(P指數(shù))主要考慮模式預(yù)報(bào)變量的趨勢(shì)項(xiàng)、異常項(xiàng)和漏報(bào)項(xiàng)。參考中國(guó)氣象局降水和氣溫業(yè)務(wù)預(yù)測(cè)PS評(píng)分標(biāo)準(zhǔn)，本文將該方法用于DSWRF評(píng)估，主要差別體現(xiàn)在步驟④。趨勢(shì)項(xiàng)以預(yù)報(bào)和實(shí)況的距平符號(hào)是否一致為判斷依據(jù)，逐格點(diǎn)進(jìn)行評(píng)判。當(dāng)預(yù)報(bào)和實(shí)況(距平百分率)符號(hào)一致時(shí)認(rèn)為該格點(diǎn)預(yù)報(bào)正確。本文針對(duì)DSWRF的P指數(shù)計(jì)算步驟包括：①逐格點(diǎn)判定預(yù)報(bào)的趨勢(shì)是否正確，統(tǒng)計(jì)出趨勢(shì)預(yù)報(bào)正確的總格點(diǎn)數(shù)N0；②逐格點(diǎn)判定一級(jí)異常預(yù)報(bào)是否正確，統(tǒng)計(jì)出一級(jí)異常預(yù)報(bào)正確的總格點(diǎn)數(shù)N1；③逐格點(diǎn)判定二級(jí)異常預(yù)報(bào)是否正確，統(tǒng)計(jì)出二級(jí)異常預(yù)報(bào)正確的總格點(diǎn)數(shù)N2；④統(tǒng)計(jì)未預(yù)報(bào)二級(jí)異常而實(shí)況出現(xiàn)DSWRF超過(guò)1.5倍標(biāo)準(zhǔn)差的格點(diǎn)數(shù)(記為M)；⑤統(tǒng)計(jì)實(shí)際參加評(píng)估的格點(diǎn)數(shù)N；⑥使用公式

圖1 重點(diǎn)區(qū)域Fig.1 Key areas

P=

(1)

式(1)中，a，b和c分別為氣候趨勢(shì)項(xiàng)、一級(jí)異常項(xiàng)和二級(jí)異常項(xiàng)的權(quán)重系數(shù)，取a=2，b=2，c=4。

2 結(jié)果分析

2.1 氣候態(tài)評(píng)估

圖2為觀測(cè)DSWRF不同季節(jié)的氣候態(tài)分布。由圖2可見，DSWRF存在明顯的季節(jié)變化特征，且空間分布存在較大差異。受太陽(yáng)高度角影響，春季、夏季中國(guó)DSWRF明顯高于秋季、冬季。春季、夏季中國(guó)中高緯度地區(qū)的DSWRF大多在275 W·m-2以上，青藏高原、新疆等西部地區(qū)存在大于350 W·m-2的高值區(qū)；受海拔高度影響，西北地區(qū)尤其是青藏高原常年處于高值區(qū)，即使在秋季、冬季DSWRF也較大。內(nèi)蒙古以及華北地區(qū)春季、夏季的DSWRF較強(qiáng)，大部分區(qū)域高于250 W·m-2，秋季、冬季則較弱，普遍低于150 W·m-2。

DSWRF不同超前時(shí)間預(yù)報(bào)的氣候態(tài)空間分布特征與觀測(cè)接近，預(yù)報(bào)大值區(qū)與觀測(cè)非常吻合(圖略)。圖3是DSWRF氣候態(tài)預(yù)報(bào)與觀測(cè)差異。由圖3可見，DSWRF預(yù)報(bào)強(qiáng)度存在明顯系統(tǒng)偏差。春季、夏季偏差類似，表現(xiàn)為整體偏弱，尤其是西南至青藏高原，大部分地區(qū)預(yù)報(bào)偏低20～40 W·m-2，對(duì)內(nèi)蒙古地區(qū)的DSWRF氣候態(tài)預(yù)報(bào)偏差不大。在秋季、冬季，除內(nèi)蒙古部分地區(qū)模擬偏高以外，中國(guó)區(qū)域整體模擬相對(duì)較好。由于模式系統(tǒng)性偏差在模式積分初期已基本穩(wěn)定形成，不同超前時(shí)間預(yù)報(bào)系統(tǒng)性偏差結(jié)果相差不大(圖略)。這與國(guó)家氣候中心氣候模式對(duì)氣溫、降水等變量預(yù)報(bào)的結(jié)論類似[37-39]。

圖4為各季節(jié)DSWRF觀測(cè)標(biāo)準(zhǔn)差。由圖4可以看到，華南各季節(jié)DSWRF觀測(cè)均為高值區(qū)，大部分地區(qū)超過(guò)14 W·m-2，其他地區(qū)DSWRF年際變率較小，大部分地區(qū)低于6 W·m-2。與觀測(cè)相比，整體上LM0預(yù)報(bào)反映了DSWRF年際變率呈南高北低的偶極子分布特征(圖略)。圖5為各季節(jié)DSWRF LM0預(yù)報(bào)與觀測(cè)標(biāo)準(zhǔn)差的差異。由圖5可以看到，春季、夏季模式低估了華南的年際變率，高估了青藏高原及東北地區(qū)的年際變率，秋季、冬季高估了華南地區(qū)的年際變率，其他地區(qū)偏差較小。不同超前時(shí)間預(yù)報(bào)的DSWRF年際變率偏差與LM0類似。除冬季內(nèi)蒙古及華北等部分地區(qū)外，大部分地區(qū)對(duì)DSWRF預(yù)報(bào)的年際變率隨超前時(shí)間增加降低(圖略)?？傮w上，高分辨率模式對(duì)中國(guó)及華北地區(qū)、內(nèi)蒙古地區(qū)和西北地區(qū)3個(gè)典型區(qū)域DSWRF的氣候態(tài)和年際變率的空間分布及季節(jié)演變均可較好再現(xiàn)，但在強(qiáng)度上存在明顯依賴季節(jié)的系統(tǒng)性偏差。

圖2 各季節(jié)DSWRF觀測(cè)氣候態(tài)Fig.2 Seasonal distribution of the observed DSWRF

圖3 各季節(jié)DSWRF LM0預(yù)報(bào)與觀測(cè)氣候態(tài)差異Fig.3 Difference of seasonal DSWRF between the prediction at LM0 and the observation

圖4 各季節(jié)DSWRF觀測(cè)標(biāo)準(zhǔn)差Fig.4 Seasonal standard deviation of the observed DSWRF

圖5 各季節(jié)DSWRF LM0預(yù)報(bào)與觀測(cè)標(biāo)準(zhǔn)差的差異Fig.5 Differences of seasonal DSWRF standard deviation between the prediction at LM0 and the observation

2.2 異常場(chǎng)預(yù)報(bào)技巧

2.2.1 時(shí)間相關(guān)系數(shù)(TCC)

除氣候態(tài)評(píng)估指標(biāo)，異常態(tài)也是評(píng)估模式預(yù)報(bào)是否準(zhǔn)確的重要考量因素。圖6是DSWRF LM0預(yù)報(bào)與觀測(cè)時(shí)間相關(guān)系數(shù)(TCC)。TCC正值偏多偏強(qiáng)表明預(yù)報(bào)場(chǎng)與觀測(cè)場(chǎng)具有較好時(shí)間相關(guān)性，正值越大時(shí)間相關(guān)性越高。由圖6可以看到，對(duì)西北地區(qū)各季節(jié)DSWRF的預(yù)報(bào)技巧均較高，大部分地區(qū)達(dá)到0.1顯著性水平，東北地區(qū)秋季也展現(xiàn)出較高預(yù)報(bào)技巧，內(nèi)蒙古及京津冀地區(qū)秋季、冬季預(yù)報(bào)技巧均達(dá)到0.1顯著性水平。但隨著超前時(shí)間的增加，TCC明顯下降(圖略)。

中國(guó)及3個(gè)重點(diǎn)區(qū)域DSWRF預(yù)報(bào)區(qū)域平均與觀測(cè)的TCC(圖7)表明：對(duì)中國(guó)區(qū)域，DSWRF LM0預(yù)報(bào)與觀測(cè)的TCC均為正值，除秋季外，其他季節(jié)TCC均超過(guò)0.3，冬季TCC可超過(guò)0.55，達(dá)到0.1顯著性水平。春季和冬季DSWRF的LM1預(yù)報(bào)與觀測(cè)TCC均超過(guò)0.3。各季節(jié)DSWRF的LM2預(yù)報(bào)與觀測(cè)TCC均較低。對(duì)京津冀部分地區(qū)，LM0預(yù)報(bào)與觀測(cè)的TCC最高，秋季和冬季的TCC超過(guò)0.35，冬季TCC接近0.5。夏季和冬季的LM1預(yù)報(bào)較好。春季和冬季DSWRF的LM2預(yù)報(bào)與觀測(cè)的TCC仍在0.2以上。對(duì)內(nèi)蒙古地區(qū)，LM0預(yù)報(bào)在各個(gè)季節(jié)均有較好技巧，TCC在夏季最低(約為0.2)，其他季節(jié)均高于0.4，秋季接近0.6。不同超前時(shí)間預(yù)報(bào)在不同季節(jié)TCC差別較大，LM1預(yù)報(bào)在春季和冬季技巧較高，LM2預(yù)報(bào)在春季和秋季技巧較高，均在0.4以上。對(duì)西北地區(qū)， 4個(gè)季節(jié)LM0預(yù)報(bào)和LM1預(yù)報(bào)與觀測(cè)TCC較高，其中LM0預(yù)報(bào)在夏季和冬季與觀測(cè)的TCC最高(0.6以上)，達(dá)到0.1顯著性水平，LM1預(yù)報(bào)與觀測(cè)的TCC除夏季較低以外，其他季節(jié)均在0.2以上。

圖6 DSWRF LM0預(yù)報(bào)異常與觀測(cè)時(shí)間相關(guān)系數(shù)(黑色打點(diǎn)表示達(dá)到0.1顯著性水平)Fig.6 TCC of DSWRF between the prediction at LM0 and the observation(black dots denote passing the test of 0.1 level)

圖7 各季節(jié)DSWRF不同超前時(shí)間預(yù)報(bào)區(qū)域平均與觀測(cè)的時(shí)間相關(guān)系數(shù)Fig.7 TCC of DSWRF between regional averaged prediction at different lead months and the observation in different seasons

2.2.2 距平相關(guān)系數(shù)(ACC)

圖8是DSWRF預(yù)報(bào)與觀測(cè)整體空間相似程度。對(duì)中國(guó)區(qū)域，LM0預(yù)報(bào)與觀測(cè)的ACC從春季到冬季逐漸增大，冬季最高，約為0.55。LM1和LM2預(yù)報(bào)與觀測(cè)的ACC隨季節(jié)變化趨勢(shì)與LM0預(yù)報(bào)類似，但數(shù)值偏低。3個(gè)重點(diǎn)區(qū)域的情況稍有不同：對(duì)京津冀部分地區(qū)，春季和冬季ACC最高，LM0預(yù)報(bào)為0.3～0.4，冬季LM1預(yù)報(bào)與觀測(cè)ACC下降較快，且僅在春季超過(guò)0.2(圖8b)。對(duì)內(nèi)蒙古區(qū)域，綜合看秋季的ACC最高，LM0預(yù)報(bào)與觀測(cè)的ACC約為0.5，LM1預(yù)報(bào)和LM2預(yù)報(bào)與觀測(cè)的ACC約為0.3。對(duì)西北區(qū)域，綜合看秋季的ACC最高，LM0預(yù)報(bào)和LM1預(yù)報(bào)與觀測(cè)的ACC分別為0.4和0.2。夏季和冬季LM0預(yù)報(bào)與觀測(cè)的ACC均高于0.2，仍具備一定預(yù)測(cè)能力。

圖8 各季節(jié)DSWRF不同超前時(shí)間預(yù)報(bào)區(qū)域平均與觀測(cè)的距平相關(guān)系數(shù)Fig.8 ACC of DSWRF between regional averaged prediction at different lead months and observation in different seasons

2.2.3 趨勢(shì)異常綜合評(píng)分指數(shù)(P指數(shù))

P指數(shù)是評(píng)估模式對(duì)變量趨勢(shì)、異常和漏報(bào)情況的綜合指標(biāo)，DSWRF預(yù)報(bào)的P指數(shù)如圖9所示。由圖9可見，對(duì)中國(guó)區(qū)域，4個(gè)季節(jié)LM0預(yù)報(bào)的P指數(shù)均集中在70～80分，最高在秋季(82分)。LM1預(yù)報(bào)和LM2預(yù)報(bào)的P指數(shù)雖低于LM0，但仍高于65分，整體秋季最高，平均值約為75分；對(duì)京津冀部分地區(qū)，P指數(shù)整體低于中國(guó)區(qū)域，其中春季最高，LM0預(yù)報(bào)大于75分，LM0，LM1預(yù)報(bào)和LM2預(yù)報(bào)的平均值高于70分。夏季和秋季的P指數(shù)稍低于春季，LM0預(yù)報(bào)均在70分以上。冬季LM0，LM1預(yù)報(bào)和LM2預(yù)報(bào)較其他季節(jié)低；對(duì)內(nèi)蒙古地區(qū)，春季、夏季、秋季3個(gè)季節(jié)P指數(shù)較高，其中秋季LM0預(yù)報(bào)的P指數(shù)最高，為88分。LM1預(yù)報(bào)和LM2預(yù)報(bào)的春季、夏季、秋季3個(gè)季節(jié)的P指數(shù)接近，LM1預(yù)報(bào)均在70分以上，LM2預(yù)報(bào)有所增加。內(nèi)蒙古地區(qū)冬季LM0，LM1預(yù)報(bào)和LM2預(yù)報(bào)的P指數(shù)相當(dāng)，平均為65分。與上述兩個(gè)典型區(qū)域類似，西北地區(qū)LM0預(yù)報(bào)的P指數(shù)最高，尤其在夏季和秋季，二者P指數(shù)均超過(guò)80分，春季和冬季相當(dāng)，約為70分。LM1預(yù)報(bào)和LM2預(yù)報(bào)的P指數(shù)較LM0預(yù)報(bào)偏低。LM1預(yù)報(bào)四季接近，均能達(dá)到70分左右，LM2預(yù)報(bào)在秋季最高，保持在70分左右。整體上，3個(gè)典型區(qū)域在LM0預(yù)報(bào)和LM1預(yù)報(bào)各季節(jié)的P指數(shù)大多為65分以上，說(shuō)明模式超前0～1個(gè)月對(duì)DSWRF預(yù)報(bào)具備一定可信度。

圖9 各季節(jié)DSWRF不同超前時(shí)間預(yù)報(bào)區(qū)域平均的P指數(shù)Fig.9 Regional averaged P index of DSWRF predicted at different lead months in different seasons

2.3 模式預(yù)報(bào)偏差可能原因

大氣中云、氣溶膠等吸收、反射以及散射多重作用均會(huì)影響到達(dá)地表的短波輻射通量。為了探討模式對(duì)DSWRF預(yù)報(bào)偏差產(chǎn)生的可能原因，下面分析模式整層大氣總云量預(yù)報(bào)偏差對(duì)DSWRF預(yù)測(cè)的影響。圖10是模式LM0預(yù)報(bào)的不同季節(jié)整層大氣云量預(yù)報(bào)偏差與DSWRF預(yù)報(bào)偏差的相關(guān)關(guān)系空間分布。由圖10可以看到，春季和夏季DSWRF預(yù)報(bào)偏差與總云量預(yù)報(bào)偏差在中國(guó)區(qū)域?yàn)橐恢仑?fù)相關(guān)，且大部分地區(qū)達(dá)到0.1顯著性水平，說(shuō)明春季、夏季模式總云量的預(yù)報(bào)偏差是造成DSWRF預(yù)報(bào)偏差的主要原因，因?yàn)榭傇屏款A(yù)測(cè)偏高時(shí)，通過(guò)云的反射等效應(yīng)，到達(dá)地表的短波輻射通量減小，造成DSWRF預(yù)報(bào)偏小。秋季和冬季DSWRF預(yù)報(bào)偏差與總云量預(yù)報(bào)偏差相關(guān)關(guān)系的空間分布與春季和夏季不同。秋季、冬季顯著負(fù)相關(guān)主要分布在中國(guó)南方地區(qū)。而中高緯度部分地區(qū)出現(xiàn)正相關(guān)，盡管上述地區(qū)未通過(guò)顯著性檢驗(yàn)，但從側(cè)面反映影響中國(guó)北部地區(qū)秋季、冬季DSWRF預(yù)報(bào)偏差的因子發(fā)生了明顯變化，可能是北方冬季氣溶膠的作用。但CAMS-CSM尚未考慮氣溶膠的影響，因此預(yù)報(bào)結(jié)果未能體現(xiàn)其作用。需要指出的是，模式中云量與短波輻射緊密相關(guān)，相互影響，而云微物理過(guò)程是造成氣候模式模擬不確定性最大的因素，因而DSWRF預(yù)報(bào)偏差還與模式物理過(guò)程有關(guān)，需要進(jìn)一步分析。另外，由于到達(dá)地表的短波輻射還受下墊面的反射作用，陸面過(guò)程也是造成凈短波輻射預(yù)報(bào)偏差的可能因子。

圖10 模式LM0預(yù)報(bào)的不同季節(jié)DSWRF預(yù)報(bào)偏差與總云量預(yù)報(bào)偏差相關(guān)分布(黑色打點(diǎn)表示達(dá)到0.1顯著性水平)Fig.10 Correlation coefficients between DSWRF biases and total cloud cover biases at LM0(black dots denote passing the test of 0.1 level)

3 結(jié)論和討論

本文使用中國(guó)氣象科學(xué)研究院發(fā)展的全球高分辨率氣候模式CAMS-CSM，通過(guò)三維松弛逼近同化方案發(fā)展了高分辨率耦合模式的耦合資料同化系統(tǒng)，并開展2010—2020年歷史回報(bào)試驗(yàn)。針對(duì)中國(guó)及3個(gè)典型區(qū)域的DSWRF氣候態(tài)及異常場(chǎng)的季節(jié)預(yù)測(cè)進(jìn)行了系統(tǒng)性評(píng)估，得到以下結(jié)論：

1) 不同起報(bào)時(shí)間DSWRF氣候態(tài)預(yù)報(bào)的空間分布與觀測(cè)接近，季節(jié)變化特征再現(xiàn)合理，但模式預(yù)報(bào)結(jié)果存在明顯的系統(tǒng)性偏差。春季、夏季表現(xiàn)為預(yù)報(bào)整體偏弱，尤其是西南至青藏高原一帶，整體偏低20～40 W·m-2。秋季、冬季除內(nèi)蒙古部分地區(qū)外均有不同程度的偏高。不同超前時(shí)間預(yù)報(bào)的氣候態(tài)偏差相差不大。

2) DSWRF的LM0預(yù)報(bào)年際變率呈南高北低的偶極子分布特征，與觀測(cè)一致，但明顯低估了華南春季、夏季的年際變率，高估了青藏高原及東北地區(qū)的年際變率，華南地區(qū)秋季、冬季有所高估，其他地區(qū)偏差相對(duì)較小。不同超前時(shí)間預(yù)報(bào)的DSWRF年際變率偏差型態(tài)與LM0預(yù)報(bào)類似，部分地區(qū)DSWRF預(yù)報(bào)的年際變率存在不同程度的偏低。

3) 預(yù)報(bào)技巧存在明顯的空間差異。模式對(duì)內(nèi)蒙古及西北地區(qū)各季節(jié)的預(yù)報(bào)技巧較高，大部分地區(qū)達(dá)到0.1顯著性水平。秋季東北地區(qū)TCC也較高。隨著預(yù)報(bào)超前時(shí)間的增加，TCC呈顯著下降趨勢(shì)。從趨勢(shì)異常綜合評(píng)估角度看，LM1預(yù)報(bào)對(duì)中國(guó)地區(qū)各季節(jié)的P指數(shù)均超過(guò)70分，對(duì)西北地區(qū)夏季、秋季表現(xiàn)最好，均超過(guò)80分。

總體而言，CAMS-CSM對(duì)中國(guó)DSWRF的氣候態(tài)、異常態(tài)空間分布及年際變化在超前0～1個(gè)月預(yù)報(bào)存在一定預(yù)報(bào)技巧，可為未來(lái)短波輻射預(yù)報(bào)及太陽(yáng)能清潔能源選址等提供參考。此外，模式的DSWRF預(yù)報(bào)偏差與云量預(yù)報(bào)偏差存在明顯負(fù)相關(guān)關(guān)系，說(shuō)明模式對(duì)云量的預(yù)報(bào)偏差是造成DSWRF預(yù)報(bào)偏差的主要原因，尤其是中國(guó)春季、夏季以及華南地區(qū)的秋季和冬季。值得注意的是，氣溶膠、水汽以及陸面過(guò)程也是影響DSWRF預(yù)報(bào)偏差的因子[6,15-16,22]，但CAMS-CSM未充分考慮上述影響，因此還需進(jìn)一步研究，可從提高模式對(duì)云微物理過(guò)程描述的準(zhǔn)確性或減小不確定性角度提高其對(duì)DSWRF預(yù)報(bào)的準(zhǔn)確性。同時(shí)，未來(lái)還可通過(guò)對(duì)預(yù)報(bào)結(jié)果進(jìn)行區(qū)域模式動(dòng)力降尺度處理[40]，即利用全球模式的模擬結(jié)果作為邊界條件直接驅(qū)動(dòng)區(qū)域模式，從而獲得高分辨率氣候信息。