蘇志重，趙歡，周學(xué)鳴，黃惠镕，吳陳鋒

（1.廈門市氣象臺(tái)，廈門 361012；2.海峽氣象開放實(shí)驗(yàn)室，廈門 361012；3.武漢中心氣象臺(tái)，武漢 430074）

廈門地區(qū)地面氣溫的多模式集成統(tǒng)計(jì)降尺度預(yù)報(bào)研究

蘇志重1，2，趙歡3，周學(xué)鳴1，2，黃惠镕1，2，吳陳鋒1，2

（1.廈門市氣象臺(tái)，廈門 361012；2.海峽氣象開放實(shí)驗(yàn)室，廈門 361012；3.武漢中心氣象臺(tái)，武漢 430074）

利用雙線性插值與線性回歸方法、消除偏差集合平均（bias－removed ensemble mean，BREM）和多模式超級(jí)集合預(yù)報(bào)（Super－ensemble Prediction，SUP）方法對(duì)廈門地區(qū)的地面氣溫進(jìn)行統(tǒng)計(jì)降尺度分析，結(jié)果表明：在2013年夏季的3個(gè)月中，降尺度后三個(gè)單模式對(duì)廈門地面氣溫的預(yù)報(bào)效果顯著改善。使用多模式集成預(yù)報(bào)方法（BREM和SUP）后，預(yù)報(bào)誤差進(jìn)一步減小。對(duì)比整體預(yù)報(bào)效果最好的單模式ECMWF，降尺度后3～96h預(yù)報(bào)誤差均在3℃以下。此外，結(jié)合SUP方法的降尺度預(yù)報(bào)能最大程度的改善地面氣溫的預(yù)報(bào)誤差。

地面氣溫；多模式集成；降尺度；預(yù)報(bào)；廈門地區(qū)

引言

地面氣溫是氣象部門的基礎(chǔ)預(yù)報(bào)要素之一，隨著社會(huì)的發(fā)展，公眾和專業(yè)用戶對(duì)天氣預(yù)報(bào)的精細(xì)化要求越來越高，準(zhǔn)確提供精細(xì)化地面氣溫預(yù)報(bào)產(chǎn)品和相關(guān)服務(wù)已然成為氣象業(yè)務(wù)發(fā)展的必然要求

［1］。目前有兩種途徑可以制作精細(xì)化預(yù)報(bào)，一種是研發(fā)更高分辨率的數(shù)值模式，另一種是采用降尺度的方法［2］。數(shù)值模式方法雖然物理意義較為明確，但其計(jì)算量較大，硬件設(shè)施和技術(shù)要求較高；相對(duì)來講，統(tǒng)計(jì)降尺度方法則是建立大尺度預(yù)報(bào)因子和小尺度預(yù)報(bào)變量之間的統(tǒng)計(jì)函數(shù)關(guān)系［3－4］，其計(jì)算量較小，硬件要求較低，操作簡(jiǎn)易，更適宜在實(shí)際業(yè)務(wù)中推廣實(shí)施［5］。

氣象部門在實(shí)際業(yè)務(wù)中要結(jié)合多家預(yù)報(bào)中心的數(shù)值預(yù)報(bào)產(chǎn)品，然而不同數(shù)值模式的動(dòng)力框架、分辨率、初始場(chǎng)、資料同化技術(shù)及物理參數(shù)化方案等方面存在差異，使得不同模式在模擬和預(yù)報(bào)能力上存在地理差異［6］，因此，多模式集成技術(shù)的發(fā)展有效的減小了模式的系統(tǒng)誤差［7］。多模式集成技術(shù)在我國有較多的研究和探討，李倩等［8］應(yīng)用BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)，建立了850hPa高度區(qū)域溫度集成預(yù)報(bào)模型，預(yù)報(bào)效果比單個(gè)模式效果理想。吳振玲等采用權(quán)重分配方法開展基于混合演化算法的多模式氣溫集成預(yù)報(bào)方法研究，結(jié)果表明氣溫集成預(yù)報(bào)模型預(yù)報(bào)誤差明顯小于任一成員［9］。近年來，國內(nèi)許多研究利用多模式集合平均、消除偏差集合平均和多模式超級(jí)集合方法對(duì)地面氣溫、降水以及其它地面和高空要素進(jìn)行了多模式集成預(yù)報(bào)，取得了很好的結(jié)果［10－12］。

在多模式集成和統(tǒng)計(jì)降尺度綜合應(yīng)用方面，Von Storch等［13］最早提出了降尺度的概念并研究了如何將全球尺度氣候變化降尺度到區(qū)域尺度。Krishnamurti等［14］首先提出了統(tǒng)計(jì)降尺度與多模式超級(jí)集合（Multi－model Super－ensemble）相結(jié)合的方法，并將該方法應(yīng)用到印度季風(fēng)區(qū)降水預(yù)報(bào)中，顯著提高了預(yù)報(bào)準(zhǔn)確率。Frias等［15］將多模式集合的統(tǒng)計(jì)降尺度方法對(duì)伊比利亞半島的月最高溫度進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)多模式集合的結(jié)果優(yōu)于單模式。王亞男等［16］利用多模式集成預(yù)報(bào)進(jìn)行降水量的統(tǒng)計(jì)降尺度試驗(yàn)研究，有效改進(jìn)了各中心模式直接插值的預(yù)報(bào)效果和單中心集合平均預(yù)報(bào)場(chǎng)的降尺度預(yù)報(bào)效果。陳曉龍等［17］利用TIGGE資料對(duì)北半球地面氣溫進(jìn)行統(tǒng)計(jì)降尺度試驗(yàn)，研究表明統(tǒng)計(jì)降尺度不僅能提高預(yù)報(bào)的分辨率，預(yù)報(bào)精度相比雙線性插值的預(yù)報(bào)精度也有顯著提高。王海霞等［18］利用邏輯回歸方法首先對(duì)降水量預(yù)報(bào)進(jìn)行處理，然后對(duì)降水量進(jìn)行統(tǒng)計(jì)降尺度預(yù)報(bào)，進(jìn)一步改善了預(yù)報(bào)效果，明顯改善了降雨的空?qǐng)?bào)現(xiàn)象。

以上前人的研究結(jié)果為廈門地區(qū)統(tǒng)計(jì)降尺度預(yù)報(bào)提供了研究思路和可靠的技術(shù)方法。本文基于歐洲中期天氣預(yù)報(bào)中心（ECMWF）、美國國家環(huán)境預(yù)報(bào)中心（NCEP）、中國氣象局（CMA）三個(gè)單模式的2m氣溫預(yù)報(bào)資料，采用統(tǒng)計(jì)降尺度法對(duì)廈門地區(qū)的地面氣溫進(jìn)行精細(xì)化預(yù)報(bào)試驗(yàn)，從而為廈門市氣象業(yè)務(wù)部門開展精細(xì)化預(yù)報(bào)提供有益的指導(dǎo)。

1 資料和方法

1.1 資料說明

本文所用資料包括ECMWF細(xì)網(wǎng)格預(yù)報(bào)產(chǎn)品、NCEP的GFS和CMA的T639預(yù)報(bào)資料以及廈門市高精度的自動(dòng)站觀測(cè)資料。

多模式預(yù)報(bào)資料：ECMWF的0.25×0.25°、GFS的0.5×0.5°和T639的1×1°預(yù)報(bào)產(chǎn)品，研究時(shí)間段為2013年6月1日－8月31日逐日08時(shí)（北京時(shí)）起報(bào)的地面2m氣溫的預(yù)報(bào)資料，預(yù)報(bào)時(shí)段為1－4d（2013年9月1日－9月4日），間隔3h，預(yù)報(bào)區(qū)域?yàn)閺B門地區(qū)（117.5－118.5°E，24－25°N）。

觀測(cè)資料：2013年6月1日—9月4日117°E－120°E，23.5°N－26.5°N范圍內(nèi)773個(gè)區(qū)域自動(dòng)站地面2m氣溫，該資料為福建省氣象信息中心收集處理，經(jīng)過了氣候界限值檢查、要素主要變化檢查、要素內(nèi)部一致性檢查、要素時(shí)間和空間一致性檢查等質(zhì)量控制。利用中尺度氣象資料客觀分析系統(tǒng)［19］，采用Multiquadirc方法［20］將氣溫站點(diǎn)資料插值成網(wǎng)格分辨率為0.025×0.025°的格點(diǎn)資料。

1.2 統(tǒng)計(jì)降尺度方案

地面氣溫的統(tǒng)計(jì)降尺度運(yùn)算方法有以下三個(gè)步驟：

首先，采用雙線性插值方法將上述三個(gè)模式的預(yù)報(bào)結(jié)果降尺度到細(xì)網(wǎng)格上，即在指定的預(yù)報(bào)區(qū)域內(nèi)，將各模式預(yù)報(bào)值統(tǒng)一插值到0.025°×0.025°經(jīng)緯網(wǎng)格上。

其次，在每一個(gè)格點(diǎn)上，建立起預(yù)報(bào)值與“實(shí)況值”的回歸關(guān)系，訂正降尺度之后的誤差?？紤]到氣溫的連續(xù)性并服從正態(tài)分布，經(jīng)試驗(yàn)后，采用一元線性回歸方法進(jìn)行降尺度之后的誤差訂正。

其中：Xi是插值后的模式預(yù)報(bào)序列；Yi是相對(duì)應(yīng)的細(xì)網(wǎng)格觀測(cè)值序列；在訓(xùn)練期中確定回歸系數(shù)a、b。在預(yù)報(bào)期中，根據(jù)插值后的數(shù)據(jù)Xi，利用回歸方程（1）可以算得預(yù)報(bào)值Yi。

最后，將降尺度訂正后的各模式結(jié)果再進(jìn)行多

模式集成。集成方案分為消除偏差集合平均（bias－removed ensemble mean，BREM）和超級(jí)集合預(yù)報(bào)（Super－ensemble Prediction，SUP）［22］。

（1）消除偏差集合平均（BREM），BREM預(yù)報(bào)值由下列公式獲得：

對(duì)于每一個(gè)格點(diǎn)，其中Fi為第i個(gè)模式的預(yù)報(bào)值，Oˉ為第i個(gè)模式預(yù)報(bào)訓(xùn)練期的時(shí)間平均值，F(xiàn)i為訓(xùn)練期觀測(cè)值平均，N為參與集合的模式個(gè)數(shù)，為消除偏差集合預(yù)報(bào)結(jié)果。這里同樣采用交叉樣本檢驗(yàn)進(jìn)行消除偏差。

2）超級(jí)集合預(yù)報(bào)（SUP）

其中，St為超級(jí)集合預(yù)測(cè)值，Oˉ為訓(xùn)練期觀測(cè)值的平均，F(xiàn)i，t為第i個(gè)模式的模擬值，F(xiàn)i為第i個(gè)模式在訓(xùn)練期的模擬值平均，ai為回歸系數(shù)（權(quán)重），t為時(shí)間，n為參與超級(jí)集合的模式總數(shù)。各個(gè)模式的權(quán)重系數(shù)通過在訓(xùn)練期使用線性回歸方法求得［10］。

本文主要采用均方根誤差（RMSE）［21－23］和距平相關(guān)系數(shù)（ACC）［16］來評(píng)價(jià)氣溫預(yù)報(bào)的技巧。

Fi為地面氣溫的預(yù)報(bào)值，Oi為相對(duì)應(yīng)的實(shí)況值，i、N分別為檢驗(yàn)區(qū)域內(nèi)的格點(diǎn)序號(hào)和總格點(diǎn)數(shù)。RMSE的大小反映了區(qū)域內(nèi)平均誤差的大小，值越小表示誤差越小。

N為總格點(diǎn)數(shù)，F(xiàn)i為第i個(gè)樣本的預(yù)報(bào)值，Oi為第i個(gè)樣本的觀測(cè)值，F(xiàn)為N個(gè)樣本的預(yù)測(cè)值的平均值，Oˉ為N個(gè)樣本的觀測(cè)值的平均值，ACC反映了預(yù)報(bào)場(chǎng)和觀測(cè)場(chǎng)之間的相似程度，值越大表示預(yù)報(bào)產(chǎn)品性能越好。

2 單個(gè)多模式的廈門市地面氣溫的統(tǒng)計(jì)降尺度預(yù)報(bào)效果檢驗(yàn)

首先檢驗(yàn)氣溫預(yù)報(bào)的ACC和RMSE。利用2013年6月1日—8月31日資料計(jì)算3個(gè)模式在預(yù)報(bào)時(shí)效為2013年9月1日—4日地面氣溫在廈門地區(qū)（117.5－118.5°E，24－25°N）的ACC和RMSE，0－60h的時(shí)效間隔為3h，60－96h時(shí)效間隔為6h。如圖1所示，在短時(shí)效內(nèi)，對(duì)于廈門大部地區(qū)3個(gè)模式預(yù)報(bào)的ACC隨著預(yù)報(bào)時(shí)效增加而減小，RMSE隨預(yù)報(bào)時(shí)效增加而增大，在4d的預(yù)報(bào)時(shí)效內(nèi)，兩個(gè)指標(biāo)均出現(xiàn)振蕩的變化趨勢(shì)。

圖1 2013年9月1日—4日3個(gè)單模式統(tǒng)計(jì)降尺度訂正后廈門地區(qū)區(qū)域平均地面氣溫預(yù)報(bào)的ACC（a）和RMSE（b）（BI：雙線性插值；DS：降尺度訂正）

降尺度訂正以后，三個(gè)模式預(yù)報(bào)的地面氣溫與實(shí)測(cè)氣溫的ACC有較大程度的改善，在大部分時(shí)效內(nèi)，降尺度訂正后的ACC小于雙線性插值（圖1a）；三個(gè)模式的RMSE均在3℃以內(nèi)（圖1b），預(yù)報(bào)效果較好的ECMWF的RMSE在2℃以內(nèi)，但T639降尺度訂正RMSE在部分時(shí)效內(nèi)反而比直接插值的大。三個(gè)模式的預(yù)報(bào)效果均有一定程度的改善，其中ECMWF降尺度訂正改善效果最好。不同模式雙線性插值以后的預(yù)報(bào)效果不同，可能是由于模式初始邊界值的不同導(dǎo)致本身預(yù)報(bào)效果的不同，也有可能是模式分辨率的不同導(dǎo)致統(tǒng)一插值到0.025°0.025°精度上，預(yù)報(bào)效果差別較大。T639降尺度訂正效果相對(duì)不如其他兩個(gè)模式，有可能是原始數(shù)據(jù)是1°1°插值到較高的0.025°0.025°精度的誤差導(dǎo)致。由以上分析結(jié)果可見降尺度訂正明顯的改善了單模式的預(yù)報(bào)誤差，提高了預(yù)報(bào)地面氣溫的準(zhǔn)確率。

3 多模式集成的廈門地面氣溫的統(tǒng)計(jì)降尺度預(yù)報(bào)效果檢驗(yàn)

為了進(jìn)一步改進(jìn)降尺度預(yù)報(bào)效果，得到高精度的地面氣溫資料，對(duì)3個(gè)模式的降尺度訂正預(yù)報(bào)進(jìn)行多模式集成。多模式集成方案主要選取以下兩種：消除偏差集合平均（BREM）和超級(jí)集合預(yù)報(bào)（SUP）。

研究時(shí)段與單模式的降尺度訂正預(yù)報(bào)試驗(yàn)一致，為2013年6月1日—8月31日，預(yù)報(bào)時(shí)段為2013年9月1日—4日。由于訓(xùn)練期的長(zhǎng)短對(duì)多模式集成結(jié)果有較大的影響，因此在多模式集成之前，首先要對(duì)訓(xùn)練期長(zhǎng)度進(jìn)行調(diào)試，選取最佳訓(xùn)練期。在整個(gè)資料時(shí)間序列中將訓(xùn)練期長(zhǎng)度進(jìn)行滑動(dòng)，并分別計(jì)算不同訓(xùn)練期長(zhǎng)度對(duì)應(yīng)的RMSE。由圖2可以看出，不同的預(yù)報(bào)時(shí)效，不同訓(xùn)練期長(zhǎng)度對(duì)應(yīng)的RMSE整體趨勢(shì)是一致的。10d之內(nèi)，隨著訓(xùn)練期變長(zhǎng)，RMSE先增大后減小，10d－45d左右的訓(xùn)練期長(zhǎng)度對(duì)應(yīng)的RMSE變化較為平緩，45d以后，隨著訓(xùn)練期的增長(zhǎng)，RMSE反而有所增加了。對(duì)于大多數(shù)預(yù)報(bào)時(shí)效，45d左右的訓(xùn)練期對(duì)應(yīng)的RMSE最小。因此將45d選定為最佳訓(xùn)練期，并在多模式集成方法中予以使用。

圖2 2013年9月1日－4日在不同預(yù)報(bào)時(shí)效中訓(xùn)練期的選取

圖3 2013年9月1日－4日不同預(yù)報(bào)時(shí)效內(nèi)三個(gè)模式與BREM、SUP的氣溫的區(qū)域平均ACC圖

將三個(gè)模式的降尺度結(jié)果進(jìn)行消除偏差集合平均，利用自動(dòng)站資料對(duì)集成后的結(jié)果進(jìn)行檢驗(yàn)。分別計(jì)算研究時(shí)段內(nèi)降尺度以后三個(gè)單模式以及多模式

集成1－4d預(yù)報(bào)時(shí)效的地面氣溫預(yù)報(bào)值與“實(shí)況值”之間的ACC，由圖3可知，在整個(gè)預(yù)報(bào)時(shí)效內(nèi)，BREM和SUP與地面氣溫的“實(shí)況值”的ACC明顯高于單模式降尺度后的值，隨著預(yù)報(bào)時(shí)效的延長(zhǎng)，ACC呈現(xiàn)波動(dòng)的變化趨勢(shì)，且BREM的ACC高于SUP，從ACC發(fā)的角度看，BREM的集成效果優(yōu)于SUP。

圖4將三個(gè)模式分別與消除偏差集合平均的RMSE相減，得到各個(gè)預(yù)報(bào)時(shí)效內(nèi)區(qū)域平均的RMSE差值圖。由圖可知，03－12h預(yù)報(bào)時(shí)效內(nèi)，BREM的RMSE只小于T639，大于EC和GFS兩個(gè)單模式，從15h預(yù)報(bào)時(shí)效以后BREM的效果開始得到改善，多數(shù)預(yù)報(bào)時(shí)效內(nèi)的RMSE小于GFS和T639，但是多數(shù)預(yù)報(bào)時(shí)效的預(yù)報(bào)效果不如ECMWF單模式，可能是由于T639單模式效果較差，BREM集成的時(shí)候是平均權(quán)重的，所以T639效果差對(duì)BREM效果有較大影響，但在48h、51h、72h預(yù)報(bào)時(shí)效，BREM的RMSE相比三個(gè)單模式都有較大的優(yōu)勢(shì)。從圖中也可以看出，T639的預(yù)報(bào)誤差相比BREM的誤差隨著時(shí)效的延長(zhǎng)是在增大的。

超級(jí)集合方法區(qū)別于消除偏差集合平均的最重要一點(diǎn)就是按照各個(gè)模式的預(yù)報(bào)效果分配權(quán)重進(jìn)行集成。圖5位將三個(gè)模式分別與超級(jí)集合的RMSE相減，得到各個(gè)預(yù)報(bào)時(shí)效內(nèi)區(qū)域平均的SUP差值圖。由圖5可知，不同預(yù)報(bào)時(shí)效的SUP效果整體優(yōu)于BREM的效果。在某些時(shí)效上，SUP的RMSE大于單模式ECMWF，但相比BREM，SUP對(duì)單模式的改善效果更加明顯。在21h、27h、42h、48h、51h和54h預(yù)報(bào)時(shí)效時(shí)，SUP的RMSE明顯小于三個(gè)單模式?？傮w來看，在一定程度上，多模式集成能改善降尺度以后的預(yù)報(bào)效果，使得集成后結(jié)果的準(zhǔn)確性有較大的提高。

圖4 2013年9月1日－4日單模式與BREM的氣溫的區(qū)域平均RMSE差值圖

4 結(jié)論

本文利用ECMWF、GFS和T639三個(gè)模式2013年夏季廈門地面2m氣溫預(yù)報(bào)的集合平均預(yù)報(bào)資料，采用雙線性插值方法、線性回歸分析結(jié)合兩種多模式集成（BREM和SUP）方法進(jìn)行統(tǒng)計(jì)降尺度預(yù)報(bào)研究，得到以下結(jié)論：

圖5 2013年9月1日－4日3個(gè)單模式與SUP的氣溫的區(qū)域平均RMSE差值圖

（1）三個(gè)單模式對(duì)廈門地區(qū)地面氣溫的預(yù)報(bào)經(jīng)過降尺度處理后，其預(yù)報(bào)誤差均明顯減小。統(tǒng)計(jì)降尺度研究后，08時(shí)起報(bào)2013年9月1日－4日預(yù)報(bào)的ACC有明顯增大，RMSE維持在3℃以下。

（2）把預(yù)報(bào)期內(nèi)的降尺度結(jié)果進(jìn)行多模式超級(jí)集合和消除偏差集合平均集成預(yù)報(bào)，預(yù)報(bào)技巧得到進(jìn)一步提高，超級(jí)集合對(duì)降尺度的改善效果一定程度優(yōu)于消除偏差集合平均。對(duì)比綜合表現(xiàn)最好的單模式ECMWF的預(yù)報(bào)結(jié)果，預(yù)報(bào)期內(nèi)多數(shù)時(shí)效的統(tǒng)計(jì)降尺度及多模式集成預(yù)報(bào)的誤差明顯減小，RMSE也有一定程度的改善。其中，基于超級(jí)集合預(yù)報(bào)的降尺度方案預(yù)報(bào)誤差小于基于消除偏差集合平均的降尺度方案。

由于本文所使用的三個(gè)的模式預(yù)報(bào)資料均是在夏季3個(gè)月中，對(duì)于冬季或其他季節(jié)的預(yù)報(bào)效果檢驗(yàn)還有待進(jìn)一步研究。本文所用的降尺度預(yù)報(bào)方案均是把原始資料降到了0.025×0.025°的高分辨率，最大程度的提高預(yù)報(bào)準(zhǔn)確率，為廈門地區(qū)以后的預(yù)報(bào)工作提供更加準(zhǔn)確的資料。

［1］薛志磊，張書余.2009.氣溫預(yù)報(bào)方法研究及其應(yīng)用進(jìn)展綜述［J］.干旱氣象，2012，30（3）：451－458.

［2］DibikeYB，CoulibalyP.Validationofhydro－logic models for climatescenariosimulation：thecaseof SaguenaywatershedinQuebec［J］.Hydrological Processes，2007，21（23）：3123－3235.

［3］范麗軍，符淙斌，陳德亮.2005.統(tǒng)計(jì)降尺度法對(duì)未來區(qū)域氣候變化情景預(yù)估的研究進(jìn)展［J］.地球科學(xué)進(jìn)展，20（3）：320－329.

［4］劉永和，郭維棟，馮錦明，等.氣象資料的統(tǒng)計(jì)將尺度方法綜述［J］.地球科學(xué)進(jìn)展，2011，26（8）：837－847.

［5］Mearns L O，Bogardi I，Giorgi F，et al.Comparison ofclimatechangescenariosgeneratedfromregional climate model experiment s and statistical downscaling［J］.Journal of Geophysical Research，1999，104（D6）：6603－6621.

［6］智協(xié)飛，季曉東，張璟，等.基于TIGGE資料的地面氣溫和降水的多模式集成預(yù)報(bào)［J］.大氣科學(xué)學(xué)報(bào)，2013，36（3）：257－266.

［7］楊學(xué)勝.業(yè)務(wù)集合預(yù)報(bào)系統(tǒng)的現(xiàn)狀及展望［J］.氣象，2001，17（1）：3－9.

［8］李倩，胡邦輝，王學(xué)忠，等.基于BP人工神經(jīng)網(wǎng)絡(luò)的區(qū)域溫度多模式集成預(yù)報(bào)試驗(yàn)［J］，干旱氣象2011，29（2）：231－235.

［9］吳振玲，潘璇，董昊，等.天津市多模式氣溫集成預(yù)報(bào)方法應(yīng)用氣象學(xué)報(bào)［J］.應(yīng)用氣象學(xué)報(bào)，2014，25（3）：293－301.

［10］智協(xié)飛，林春澤，白永清，等.北半球中緯度地區(qū)地面氣溫的超級(jí)集合預(yù)報(bào)［J］.氣象科學(xué)，2009，29（5）：569－594.

［11］林春澤，智協(xié)飛，韓艷，等.基于TIGGE資料的地面氣溫多模式超級(jí)集合預(yù)報(bào)［J］.應(yīng)用氣象學(xué)報(bào)，2009，20（6）：706－712.

［12］Zhi X F，Qi H X，Bai Y Q，et al.A comparison ofthreekindsofmultimodelensembleforecast techniquesbasedontheTIGGEdata［J］.Acta Meteorologica Sinica，2012，26（1），41－51.

［13］von Storch H，Zorita E，Cubasch U.Downscaling of global climate change estimates to regional scales：an application to Iberian rainfall in wintertime［J］.J.Climate，1993，6：1161－1171.

［14］Krishnamurti T N，Mishra A K.Improving Global ModelPrecipitationForecastsoverIndiaUsing Downscaling and the FSU Superensemble（Part I）：1－5－Day Forecasts［J］.Monthly Weather Review，2009，137：2713－2735.

［15］Frias MD，F(xiàn)ernandez J，Saenz J，et al.Operational predictability of monthly average maximum temperature overtheIberianPeninsulausingDEMETER simulationsanddownscaling［J］.Tellus，2005，57A：448－463.

［16］王亞男，智協(xié)飛.多模式降水集合預(yù)報(bào)的統(tǒng)計(jì)降尺度研究［J］.暴雨災(zāi)害，2012，31（1）：1－7.

［17］陳曉龍，智協(xié)飛.基于TIGGE資料的北半球地面氣溫預(yù)報(bào)的統(tǒng)計(jì)降尺度研究［J］.大氣科學(xué)學(xué)報(bào)，2014，37（3）：268－275.

［18］王海霞，智協(xié)飛.基于TIGGE多模式降水量預(yù)報(bào)的統(tǒng)計(jì)降尺度預(yù)報(bào)研究［J］.氣象科學(xué)，2015，35（4）430－437.

［19］何斌，黃淵，陳亮.Multiquadric方法在中尺度氣象資料客觀分析中的應(yīng)用［J］.高原氣象，2014，33（1）：171－178.

［20］NussWA，TitleyDW.UseofMultiquadric interpolationformeteorologicalobjectiveanalysis［J］.Mon Wea Rev，1994.122：161－1631.

［21］楊昌賢，鄭艷，林建興，等.數(shù)值預(yù)報(bào)產(chǎn)品檢驗(yàn)和評(píng)估［J］.氣象研究與應(yīng)用，2008，29（2）：32－37.

［22］劉澤軍，黃嘉宏，林振敏.廣西中尺度數(shù)值模式格點(diǎn)產(chǎn)品檢驗(yàn)系統(tǒng)［J］.氣象研究與應(yīng)用，2007，28（4）：34－36.

［23］林建興，石娟.不同物理過程組合對(duì)臺(tái)風(fēng)“尼格”的降水預(yù)報(bào)試驗(yàn)［J］.氣象研究與應(yīng)用，2012，33（1）：24－26.

The multi-model super-ensemble statistical downscaling forecast of the air temperature of Xiamen District

Su Zhizhong1,2Zhao Huan3Zhou Xueming1,2Huang Huirong1,2Wu Chenfeng1,2
(1.Xiamen Municipal Meteorological Service,Xiamen 361012,China;2.Xiamen Meteorological Observatory,Xiamen,361012,China 3.Wuhan Meteorological center,Wuhan 430074,China)

Based on the ensemble mean outcomes from forecasts of the surface temperature 2 m over the ground in Xiamen，which were provided by ECMWF，GFS and T639 data archive,a statistical downscaling forecast was studied by using the interpolation,linear regression in conjunction with biasremoved ensemble mean(BREM)and multi-model super ensemble(SUP).The results showed that the statistical downscaling technique significantly improved the forecast skill of four single models during three months of 2013 summer.The SUP and BREM methods further reduced the errors of the single model downscaling forecast.The improvement percentage of the 3-96h forecast error of the downscaling forecast with BREM and SUP forecast schemes of the best single model ECMWF was below 3℃.In addition,the forecast skill of the statistical downscaling with SUP forecast was superior to that with BREM forecast.

surface temperature;multi-model super-ensemble;statistical downscaling;forecast;Xiamen District

P457.3

A

1673-8411（2016）03-0042-06

2015-11-18

中國氣象局氣象關(guān)鍵技術(shù)集成與應(yīng)用項(xiàng)目CMAGJ2013M23。

蘇志重（1982－），男，工程師，主要從事短期天氣預(yù)報(bào)。