气象资料的统计降尺度方法综述

第26卷第8期2011年8月

地球科学进展

ADVANCES IN EARTH SCIENCE

Vol．26No．8

Aug．，2011

文章编号：1001-8166（2011）08-0837-11

气象资料的统计降尺度方法综述?

刘永和1，郭维栋2，冯锦明3，张可欣4

（1．河南理工大学资源环境学院，河南焦作454000；2．南京大学气候与全球变化研究院，大气科学学院，江苏南京210093；3．中国科学院东亚区域气候—环境重点实验室，全球变化东亚区域研究中心，中国科学院大气物理研究所，北京100029；

4．山东省临沂市气象局，山东临沂276004）

摘要：统计降尺度是解决由气象模式输出的低分辨率资料到流域尺度资料转换的手段之一，已成为一个重要的研究领域。统计降尺度方法十分丰富，分为传递函数法、天气形势法和天气发生器3类，3类之间并无严格的界限。统计降尺度涉及到时间与空间降尺度、随机型与确定型降尺度、时间自相关与空间相关性以及面向格点与面向站点的降尺度这4个方面的属性与分类问题，各种具体方法在这些方面的表现有所不同。近年来，相似法、隐马尓可夫模型、广义线性模型、Poisson点过程以及乘性瀑布过程获得了较大的发展和应用，并诞生了各种非线性模型以及物理—统计模型等新方法，已有一些影响较大的统计降尺度模型软件。新的方法在不断涌现，其中非线性模型、气候情境随机模拟技术、短期预报资料降尺度技术以及结合物理机理的统计降尺度方法是未来的主要发展趋势。

关键词：统计降尺度；天气发生器；天气分类；传递函数；非线性模型

中图分类号：P432+．1文献标志码：A

全球气候模式（GCM）能够较好地模拟出未来的气候变化情境，是预估未来全球气候变化的最重要工具。然而GCM输出的空间分辨率较低，不能反映流域尺度的精确气候特点和区域内部的气候差异。在流域水资源状况的未来预测预警研究中，尤其是在借助分布式水文模型模拟时，需要较高分辨率的降水以及其他用于估算蒸散发量的变量信息，但GCM的输出不能很好地满足这个需求。同样，在短期天气预报方面，数值预报模式能够输出一周左右的可靠天气预报，但空间分辨率仍为0．5ʎ 1ʎ，不能体现更小尺度上的天气状况差异，这也难以满足使用这些预报资料进行分布式水文预报的需求。有3种方法可以弥补这个不足，一是发展更高分辨率的GCM或天气预报模式，二是借助区域气候模式（Regional Climate Model），三是发展统计降尺度技术。而GCM及天气预报模式计算量较大，对分辨率提高潜力有限，因此后面2种方法更为有效。使用区域模式即动力降尺度方法，可以内嵌入全球模式，或者利用全球模式的输出作为边界条件单独运行。动力降尺度具有物理意义明确、不受观测资料影响和面向覆盖区域的所有格点等很多优点，但它计算量大，模拟和配置不便。统计降尺度与动力降尺度方法相比，缺点在于模型缺少物理机理，受训练模型的观测资料影响较大，且一般难以获得区域中空间上连续的结果，但它具有以下优点：一是计算量小得多，二是模型相对易于构造，三是方法众多，形式灵

?收稿日期：2011-02-14；修回日期：2011-04-14．

*基金项目：国家自然科学基金项目“汶川巨震对降水过程激发机制的初步控制”（编号：40975049）；国家自然科学基金重大国际（地区）合作研究项目“亚洲和北美半干旱区大气—植被—水相互作用的比较研究”（编号：40810059003）；淮河流域气象开放研究基

金项目“沂沭河流域暴雨洪水预警及灾害评估业务化技术”（编号：HRM200904）资助．

作者简介：刘永和（1976-），男，内蒙古卓资人，讲师，主要从事统计降尺度、分布式水文模型以及地球信息科学研究．

E-mail：sucksis@163．com

活多变。因此，统计降尺度可以弥补动力降尺度的一些缺点，因而也被广泛应用。有关统计降尺度的原理与建模等相关问题，文献［1］给出了系统介绍。学者们根据不同的应用目的和需求，从不同的角度提出了不同的统计降尺度方法。国外的相关研究已经很多，但国内以中文发表的研究仅限于文献［2 7］，所涉及的方法较为有限。本文就这些统计降尺度方法及其各自的特点和应用价值进行阐述。

1降尺度的相关概念

气象要素的降尺度技术是连接GCM低分辨率输出到地表高分辨率气象要素的桥梁［8］。降尺度的主要目的是将全球气候模式输出的粗空间分辨率和较长时间间隔的预报数据转化为地表几十千米以下尺度和短时间间隔的气象数据，为水文、生态、环境模拟和预警研究提供数据资料和参考依据。常用于降尺度的气象要素有降水、气温、气压、湿度、风速、蒸散发量等，其中降水在时间与空间上高度不连续，是最难模拟的变量，同时它也是对洪涝模拟最为敏感的驱动参数，因而成为降尺度研究的主要气象要素。

降尺度有2层涵义，第一层涵义为提高原有低分辨率数据的分辨率，但由于目前降尺度方法本身能力有限，很难获得完全接近真实的降尺度结果。目前可采用一些随机方法来获得统计特征接近真实数据的高精度数据，这种数据在一些农作物长势、生态演化、土壤侵蚀、水量平衡及长期的气候变化模拟中具有实用意义。统计降尺度的第二层涵义为由大尺度资料来获得代表局地尺度特征的资料。

统计降尺度方法的基本原理在于采用统计经验的方法建立大尺度气象变量与区域气象变量之间的线性或非线性联系［9］。统计降尺度有以下优点：①能够以很高的计算效率由大尺度气象要素得到区域尺度的气象要素；②能输出较高分辨率或站点尺度的气象要素；③模型参数可以受区域下垫面特征的控制。统计降尺度能够弥补动力降尺度的一些不足，因而也得到了广泛应用［10］。

2三大类统计降尺度方法

统计降尺度方法十分丰富，主要分传递函数法（Transfer Function Method）、天气形势法（Weather Pattern Method）和天气发生器（Stochastic Weather Generator）［11］3类（图1）。近年来的发展趋势表明以上3类方法并无严格界限，天气发生器常被作为传递函数法的输出后端，而天气形势法本身也是具有Markov发生器随机模拟的特点。现就这三大类方法分别进行介绍。

2．1传递函数法

传递函数法是应用最早和最广泛的降尺度技术，使用线性和非线性模型建立大尺度气象场与局地气象要素之间的函数关系。线性方法主要有多元线性回归、典型相关分析（CCA）和奇异值分

解

图1统计降尺度方法

Fig．1The approaches for statistical downscaling

838地球科学进展第26卷