降尺度技術(shù)的應(yīng)用研究進(jìn)展

陳超君王欽

（1 中國氣象局武漢暴雨研究所 暴雨監(jiān)測預(yù)警湖北省重點(diǎn)實(shí)驗室，武漢 430074；2 中國民航飛行學(xué)院廣漢分院氣象臺，德陽 618307）

降尺度技術(shù)的應(yīng)用研究進(jìn)展

陳超君1王欽2

（1 中國氣象局武漢暴雨研究所 暴雨監(jiān)測預(yù)警湖北省重點(diǎn)實(shí)驗室，武漢 430074；2 中國民航飛行學(xué)院廣漢分院氣象臺，德陽 618307）

大量數(shù)值預(yù)報產(chǎn)品的應(yīng)用表明，盡管許多數(shù)值預(yù)報產(chǎn)品的參考價值很高，但預(yù)報的結(jié)果總存在一些誤差，數(shù)值模式精細(xì)化預(yù)報準(zhǔn)確性和可靠性至今仍存在不少問題?；诂F(xiàn)有條件，對數(shù)值預(yù)報產(chǎn)品進(jìn)行降尺度將成為精細(xì)化預(yù)報方法研究的一個熱點(diǎn)。降尺度技術(shù)作為一種新的精細(xì)化預(yù)報途徑，已成為一個重要的研究領(lǐng)域。為此，本文對降尺度技術(shù)的概念、該技術(shù)中各個方法的優(yōu)缺點(diǎn)進(jìn)行了概述，歸納了該技術(shù)在國內(nèi)外的研究進(jìn)展，為降尺度技術(shù)在數(shù)值模式中的應(yīng)用研究提供參考。

精細(xì)化預(yù)報，數(shù)值模式，降尺度

1 引言

隨著經(jīng)濟(jì)的發(fā)展和人民生活水平的不斷提高,人們對氣象預(yù)報的種類和精度要求越來越高[1]。中國氣象局因此提出了氣象預(yù)報要向精細(xì)化方向發(fā)展的戰(zhàn)略思想。所謂精細(xì)化,其“精”是指預(yù)報質(zhì)量,預(yù)報要精確,準(zhǔn)確率要高,要出精品。其“細(xì)”,是指天氣預(yù)報內(nèi)容的細(xì)化程度,即提高預(yù)報產(chǎn)品的時間、空間、量級的分辨率。制作“定時、定點(diǎn)、定量”的客觀精細(xì)化預(yù)報將成為天氣預(yù)報發(fā)展的必然。

數(shù)值預(yù)報由于其明確的物理機(jī)制,被認(rèn)為是精細(xì)化天氣預(yù)報的發(fā)展方向。隨著觀測手段的日益豐富和計算機(jī)水平的飛速提高,數(shù)值模式在天氣預(yù)報業(yè)務(wù)中得到了越來越廣泛的應(yīng)用[2]。但大量數(shù)值預(yù)報產(chǎn)品的應(yīng)用表明,盡管許多數(shù)值預(yù)報產(chǎn)品的參考價值很高,但由于數(shù)值預(yù)報結(jié)果受模式初始場、邊界條件、物理過程、地形、植被及模式本身的設(shè)計等諸多方面的影響,預(yù)報模式描述的畢竟是模式大氣,而非真實(shí)大氣,還有模式的可預(yù)報性問題等,所以數(shù)值模式發(fā)展還存在一定的不足,模式許多方面還不夠完善,因此數(shù)值模式輸出產(chǎn)品不可避免地會存在一定的誤差[2]。如何有效消除模式產(chǎn)品誤差是提高模式預(yù)報水平的一個重要方面,對數(shù)值預(yù)報產(chǎn)品的釋用起到重要的決策作用。

目前氣候模式(GCM)對大尺度環(huán)流場的預(yù)報還是不錯的,但是GCM的空間精度仍然比較粗糙[3],

很難捕捉到區(qū)域或是局地上的大氣物理過程,因而目前還不適合用于區(qū)域或是局地天氣預(yù)報。由于模式都是通過參數(shù)化方案對云等進(jìn)行預(yù)報的,這種預(yù)報對局地地形有很大的依賴性,加上大部分模式都是日本、歐洲或是美洲等國家研發(fā)的,對其他地區(qū)的參數(shù)化方案,考慮得可能不是很精確,從而使得這些模式在其他國家地區(qū)的預(yù)報效果并不那么理想[4]。現(xiàn)在主要有兩種方法可以彌補(bǔ)數(shù)值模式預(yù)報的不足,一是發(fā)展更高分辨率的數(shù)值模式；一是降尺度法。但要想通過增加模式時空分辨率,改進(jìn)動力模式本身的各個環(huán)節(jié),改善模式的物理過程和參數(shù)化方案來提高預(yù)報準(zhǔn)確率是很難的,為了彌補(bǔ)這種缺陷,降尺度將是目前更為可選的方法,它能在現(xiàn)有模式的基礎(chǔ)上改善預(yù)報結(jié)果,提高預(yù)報技巧,減少改進(jìn)模式成本。

在目前的天氣預(yù)報基礎(chǔ)上,如何利用數(shù)值預(yù)報產(chǎn)品的精度,在時間尺度、空間尺度和量級上做進(jìn)一步的細(xì)化,且細(xì)化后的氣象要素預(yù)報產(chǎn)品的準(zhǔn)確率要達(dá)到可以對外發(fā)布的水平,這是基層臺站精細(xì)化預(yù)報面臨的主要問題,數(shù)值預(yù)報產(chǎn)品的統(tǒng)計降尺度釋用課題也由此應(yīng)運(yùn)而生。而我國對于降尺度技術(shù)的應(yīng)用介紹較少[1,5],尤其是該方法在短期天氣預(yù)報中的應(yīng)用有限。本文就降尺度技術(shù)的應(yīng)用研究情況及其價值進(jìn)行簡述。

2 降尺度技術(shù)簡介

現(xiàn)有應(yīng)用的降尺度法有動力降尺度法、統(tǒng)計降尺度法、統(tǒng)計與動力相結(jié)合的降尺度法[6,7]。動力降尺度方法多用于氣候預(yù)測[8],即利用與氣候模式耦合的區(qū)域氣候模式(RCM)來預(yù)估區(qū)域未來氣候變化情景。目前動力降尺度方法還應(yīng)用于區(qū)域風(fēng)能資源評價[9,10]研究方面。該方法基于物理定律的初值,具有物理意義明確,可不受觀測資料的影響,能應(yīng)用于很多地方,也可應(yīng)用于不同分辨率的優(yōu)點(diǎn)；其缺點(diǎn)是計算量大、費(fèi)機(jī)時,沒有利用或沒有充分利用已有的實(shí)況歷史資料。目前來看,動力降尺度[11-13]主要有兩個發(fā)展方向:一種是提高GCM的水平分辨率,這無疑會大大增加計算量；另一個方向是在低分辨率GCM中嵌套高分辨率有限區(qū)域模式(LAM),這是一個有生命力的發(fā)展方向。但是LAM的邊值條件的確定,與GCM的嵌套技術(shù)以及局地模式系統(tǒng)性誤差的減少都是難點(diǎn),此外該方法的計算量也較大,相比之下,統(tǒng)計降尺度計算量小而易于操作。

統(tǒng)計降尺度也稱經(jīng)驗降尺度[14],是由大尺度氣候信息獲取小尺度氣候信息的有力工具,它可視作是與動力降尺度平行的降尺度方法,或者可被看做是動力降尺度的補(bǔ)充。它能由模式輸出資料與氣象要素之間的統(tǒng)計關(guān)系,建立要素預(yù)報模型,做出對要素的定量預(yù)報。該方法的基本原理在于采用統(tǒng)計經(jīng)驗的方法,利用觀測資料建立預(yù)報因子與預(yù)報要素之間的線性或非線性統(tǒng)計關(guān)系,建立要素預(yù)報模型,做出對要素的定量預(yù)報,并用獨(dú)立的觀測資料檢驗這種關(guān)系,最后再把這種關(guān)系應(yīng)用于模式輸出資料來對變量進(jìn)行預(yù)報。文獻(xiàn)[6]系統(tǒng)介紹了統(tǒng)計降尺度的原理與建模等相關(guān)問題。統(tǒng)計降尺度方法利用了大量的實(shí)況資料,有計算效率高、能輸出較高分辨率或站點(diǎn)尺度的氣象要素等優(yōu)點(diǎn),所以能彌補(bǔ)動力降尺度的一些不足,卻沒有利用或沒有充分利用已掌握的物理知識。目前來看,統(tǒng)計與動力相結(jié)合的降尺度法在實(shí)際業(yè)務(wù)中更為適用。

目前對數(shù)值預(yù)報產(chǎn)品的統(tǒng)計降尺度釋用方法主要有模式輸出統(tǒng)計(Model Output Statistical,MOS)法、完全預(yù)報法(Perfect Prognostic Method, PP)、卡爾曼濾波(Kalman Filter)和人工神經(jīng)網(wǎng)絡(luò)等方法。MOS的優(yōu)點(diǎn)是在建立在統(tǒng)計學(xué)多元線性回歸模型的基礎(chǔ)上,預(yù)報方程中自動考慮了數(shù)值預(yù)報的系統(tǒng)誤差和局地氣候,同時大量引用了其他方法難以引用的物理量場作為預(yù)報因子[15](如垂直速度、假相當(dāng)位溫,渦度等物理意義明確、預(yù)報信息量較大的因子)。但常規(guī)MOS方法中大多采用統(tǒng)計回歸方法和確定的建模途徑,這些方法對樣本充分、變化較為平穩(wěn)的預(yù)報目標(biāo)的釋用效果較好,同時建立MOS預(yù)報模型需要大量的數(shù)值預(yù)報產(chǎn)品的歷史資料,因而MOS預(yù)報模型受到歷史資料樣本的限制；數(shù)值模式產(chǎn)品的變化,使得MOS預(yù)報模型的統(tǒng)計學(xué)基礎(chǔ)也隨之改變,使常規(guī)的MOS預(yù)報無法適應(yīng)數(shù)值預(yù)報模式的變化。PP法[16]要求模式預(yù)報是完全正確的,即預(yù)報的精度完全依賴模式預(yù)報的質(zhì)量?？柭鼮V波最早由卡爾曼于1960年提出[15],該方法通過處理一系列帶有誤差的實(shí)際測量數(shù)據(jù)而得到所需要的物理參數(shù)的最佳估算值。根據(jù)這一基本思想,用以處理一系列帶有誤差的預(yù)報值而得到預(yù)報值的最佳估算值,這對提高預(yù)報精度具有重要現(xiàn)實(shí)意義。該方法具有適應(yīng)性強(qiáng)、受數(shù)值預(yù)報模式更新的影響較小、所需樣本資料少等優(yōu)點(diǎn),得到氣象工作者的重視。但該方法一般只適用于線性系統(tǒng),而大部分系統(tǒng)都是非線性的,同時還要選擇物理意義清楚,相關(guān)系數(shù)高的因子。人工神經(jīng)網(wǎng)絡(luò)法則缺乏可信的物理過程。所以針對降尺度的適用性問題,發(fā)展獨(dú)立于模式和歷史樣本資料的降尺度技術(shù),將成為降尺度技術(shù)更好地應(yīng)用于數(shù)值預(yù)報的一種有效方法。

3 降尺度研究現(xiàn)狀與進(jìn)展

截至目前,學(xué)者們已將多種統(tǒng)計方法和人工智能技術(shù)應(yīng)用于氣象要素的降尺度研究。統(tǒng)計降尺度工作始于20世紀(jì)90年代[4],在近十幾年的發(fā)展過程中,降尺度取得了一系列成就,在氣候和水文方面已發(fā)展成相當(dāng)完善的領(lǐng)域。Wilby等[17-19]對降尺度方法的應(yīng)用做了較為詳細(xì)的介紹?；仡櫫四壳皻夂蛏系慕党叨燃夹g(shù),主要有4種方法:回歸的方法,基于天氣(環(huán)流)的方法,隨機(jī)天氣發(fā)生器和有限區(qū)域氣候模式。對幾個降水模式應(yīng)用降尺度方法試驗,對比表明基于環(huán)流的降尺度方法對目前的觀測和降水的預(yù)報性能最好。Fowler等[20]也回顧了水文模型中降尺度技術(shù)近來的方法,分別介紹了降尺度的概念、新方法,對比了不同的研究方法對水文模式效果的影響。一直以來,歐洲和北美國家對降尺度研究與應(yīng)用較多,得出的結(jié)論大多是某種統(tǒng)計降尺度在某地區(qū)適用,不具有普遍性,為了尋找更好、更普遍的降尺度方法,學(xué)者們也對不同降尺度方法進(jìn)行了較詳細(xì)的對比研究[21-26],如Murphy[23]分別評估了統(tǒng)計降尺度和動力降尺度對局地氣候的預(yù)報技巧。盡管統(tǒng)計方法對夏季溫度的預(yù)報比較好,動力方法對冬季降水估計稍微好些,但總的來說,動力和統(tǒng)計方法對局地溫度和降水預(yù)報性能相當(dāng)。文中認(rèn)為通過提高代表性的物理過程和增加模式分辨率有助于提高動力降尺度的預(yù)報效果,而提高統(tǒng)計降尺度預(yù)報效果則需要有更長時間序列的可靠觀測資料和更多有預(yù)報意義的變量。Schoof等[25]對比了神經(jīng)網(wǎng)絡(luò)和回歸方法對溫度和降水的降尺度預(yù)報效果。Ramirez等[26]基于線性和非線性的降尺度方法,使用人工神經(jīng)網(wǎng)絡(luò)和多元線性回歸建立了巴西東南部的觀測降水和天氣尺度環(huán)流的診斷方程,并將建立的診斷方程應(yīng)用于Eta模式的輸出,對降水進(jìn)行預(yù)報,并對人工神經(jīng)網(wǎng)絡(luò)和多元線性回歸方法的預(yù)報性能進(jìn)行了評估。除對溫度和降水的降尺度研究外,目前降尺度方法已開始應(yīng)用于更多的氣象要素預(yù)報中。如Salameh等[27]對法國南部近地面風(fēng)進(jìn)行了統(tǒng)計降尺度研究,該研究通過統(tǒng)計的方法,對大尺度的高層大氣和近地面大氣場進(jìn)行調(diào)整,從而將近地面風(fēng)的預(yù)報降尺度應(yīng)用到法國南部各個氣象站點(diǎn)的預(yù)報中,結(jié)果表明這種方法對風(fēng)速預(yù)報有一定的改進(jìn)作用。

降尺度方法作為一種新的精細(xì)化預(yù)報途徑,國內(nèi)近幾年也開始了該方面的研究。2001年起中央氣象臺就發(fā)展建立了以模式直接輸出(DMO)、模式輸出統(tǒng)計(MOS)、神經(jīng)元網(wǎng)絡(luò)和綜合集成等統(tǒng)計釋用技術(shù)為基礎(chǔ)的客觀要素預(yù)報方法,通過業(yè)務(wù)預(yù)報的實(shí)踐檢驗發(fā)現(xiàn),統(tǒng)計釋用的方法對現(xiàn)在的業(yè)務(wù)數(shù)值預(yù)報結(jié)果有明顯改進(jìn)能力。劉永和等[28]對氣象中的統(tǒng)計降尺度方法做了詳細(xì)的綜述,同時認(rèn)為統(tǒng)計降尺度是解決由低分辨率氣象模式輸出到流域尺度轉(zhuǎn)換的手段之一,是未來提高天氣預(yù)報準(zhǔn)備率的主要發(fā)展趨勢。朱宏偉等[14]同時結(jié)合區(qū)域氣候中統(tǒng)計降尺度方法的應(yīng)用進(jìn)展、研究熱點(diǎn)和發(fā)展趨勢對降尺度方法概念、原理和應(yīng)用研究做了詳細(xì)綜述。針對降尺度的優(yōu)點(diǎn)及適用性,學(xué)者們也做了許多研究工作,主要是關(guān)于對未來降水和溫度預(yù)報方面的研究[29-31]。范麗軍等[6]將降尺度模擬的中國區(qū)域1和7月氣溫及月降水量結(jié)果與區(qū)域氣候模式模擬結(jié)果進(jìn)行比較發(fā)現(xiàn),將統(tǒng)計降尺度方法應(yīng)用于我國氣溫預(yù)測是可行的。趙芳芳等[32]的研究中對這方面做了重點(diǎn)分析,同時還應(yīng)用降尺度模型SDSM(Statistical Downscaling Model)對氣溫做了詳細(xì)預(yù)報。前面研究都主要是針對未來區(qū)域氣候或未來溫度、降水方面的應(yīng)用,對于降尺度方法在中尺度短期天氣預(yù)報中的應(yīng)用較少,主要就李江萍等[5]在系統(tǒng)論述統(tǒng)計降尺度法的基本原理、一般步驟的基礎(chǔ)上,初步探討了統(tǒng)計降尺度法在中期天氣預(yù)報方面的應(yīng)用。吳建秋等[1]利用1?×1?再分析資料以及自動站的氣溫觀測資料,采用線性回歸和卡爾曼濾波相結(jié)合的方法,對南京地區(qū)進(jìn)行溫度預(yù)報,預(yù)報結(jié)果表明:用該統(tǒng)計降尺度方法對南京地區(qū)溫度進(jìn)行預(yù)報的方法是可行的,可得到精度較高且穩(wěn)定的預(yù)報結(jié)果,其預(yù)報結(jié)果具有較好的使用價值和參考價值。王輝贊等[33]利用卡爾曼濾波的降尺度方法,對T106數(shù)值預(yù)報產(chǎn)品進(jìn)行了預(yù)報優(yōu)化。通過T106數(shù)值預(yù)報資料建立預(yù)報模型,其后通過獨(dú)立樣本對副高面積指數(shù)和脊線指數(shù)進(jìn)行預(yù)報。結(jié)果表明,卡爾曼濾波方法能對預(yù)報對象提供更為準(zhǔn)確、有效的跟蹤和描述,較其他統(tǒng)計預(yù)報方法的自適應(yīng)能力更強(qiáng)。

4 總結(jié)與展望

(1)精細(xì)化、定量化是未來天氣預(yù)報技術(shù)發(fā)展的主要方向,預(yù)報的時間分辨率由現(xiàn)在的以天為單位到小時為單位,空間分辨率由現(xiàn)在的以縣行政區(qū)域為單位的幾十、上百千米區(qū)域到以鎮(zhèn)為單位的幾千米區(qū)域。而實(shí)現(xiàn)這種預(yù)報業(yè)務(wù)的精細(xì)化,主要依賴于高分辨率的數(shù)值模式:要提高精細(xì)化預(yù)報質(zhì)量,就必須大力發(fā)展數(shù)值預(yù)報產(chǎn)品的降尺度釋用技術(shù)。

(2)對數(shù)值模式預(yù)報產(chǎn)品進(jìn)行降尺度釋用,得到本地區(qū)天氣要素的預(yù)報已是國際上通行的做法,其技術(shù)方法主要有:MOS、PP和卡爾曼濾波等。這些降尺度技術(shù),能夠根據(jù)模式輸出資料與氣象要素之間的

統(tǒng)計關(guān)系,建立要素預(yù)報模型,做出對要素的定量預(yù)報。但這些方法對模式及歷史資料的依賴性較強(qiáng),所以發(fā)展獨(dú)立于模式和歷史樣本資料的降尺度技術(shù),使其具有更廣的普遍性,對提供定時、定點(diǎn)、定量的預(yù)報是非常必要的。

(3)基于具有明確物理意義和可靠觀測資料模型的降尺度技術(shù)將會有更好的發(fā)展前景。它能在現(xiàn)有模式的基礎(chǔ)上改善模式預(yù)報結(jié)果,減少改進(jìn)模式的成本,提高預(yù)報技巧,不失為一條提高預(yù)報能力的捷徑。這與正面發(fā)展模式并不矛盾,通常數(shù)值模式預(yù)報結(jié)果越精確,降尺度后的效果越理想。

(4)精細(xì)化預(yù)報作為氣象服務(wù)的一個重要組成部分,如何將氣象預(yù)報精細(xì)化到鄉(xiāng)鎮(zhèn),對鄉(xiāng)鎮(zhèn)進(jìn)行及時準(zhǔn)確的天氣預(yù)報是擺在氣象學(xué)家面前的一個更為迫切的任務(wù)。它的準(zhǔn)確性和可靠性都對國民經(jīng)濟(jì)和社會各部門趨利避害,對人們的日常生活各個方面有著非常重要的意義。因此,采用有效的降尺度技術(shù),改進(jìn)和發(fā)展適合自身的模式后處理技術(shù),對完善數(shù)值模式預(yù)報系統(tǒng)和提高模式預(yù)報準(zhǔn)確率是非常必要的研究工作。

目前, 在數(shù)值預(yù)報業(yè)務(wù)中,天氣學(xué)、統(tǒng)計學(xué)和動力學(xué)等預(yù)報方法都扮演著重要角色。如何將這些方法相互結(jié)合、發(fā)揮各自優(yōu)勢形成新的預(yù)報技術(shù), 是非常值得探討的重要科學(xué)問題。近年來國內(nèi)外數(shù)值模式后處理的發(fā)展已經(jīng)取得了豐碩的成果,但很多問題還有待解決,這些方面的研究都有待進(jìn)一步加強(qiáng)。

[1]吳建秋, 郭品文. 基于統(tǒng)計降尺度技術(shù)的精細(xì)化溫度預(yù)報. 中國科技信息, 2009, 12: 44-48.

[2]陳敏, 王迎春, 仲躋芹, 等. 北京地區(qū)中尺度數(shù)值業(yè)務(wù)預(yù)報的客觀檢驗. 應(yīng)用氣象學(xué)報, 2003, 14(5): 522-532.

[3]Coulibaly P, Dibike Y B, Anctil F. Downscaling precipitation and temperature with temporal neural networks. Journal of Hydrometeorology, 2005, 6(4): 483-496.

[4]任麗娜, 翟宇梅, 王力維. 多模式集合在統(tǒng)計降尺度應(yīng)用上的研究進(jìn)展. 科學(xué)技術(shù)與工程, 2011, 11(29): 7185-7194.

[5]李江萍, 王式功. 統(tǒng)計降尺度法在數(shù)值預(yù)報產(chǎn)品釋用中的應(yīng)用. 氣象, 2008, 34(6): 41-45.

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

[7]殷志遠(yuǎn), 賴安偉, 公穎, 等. 氣象水文耦合中的降尺度方法研究進(jìn)展. 暴雨災(zāi)害, 2010, 29(1): 89-95.

[8]陳麗娟, 李維京, 張培群, 等. 降尺度技術(shù)在月降水預(yù)報中的應(yīng)用.應(yīng)用氣象學(xué)報, 2003, 14(6): 648-655.

[9]吳瓊, 賀志明, 聶秋生, 等. 動力降尺度法對鄱陽湖區(qū)風(fēng)能資源模擬效果分析. 資源科學(xué), 2012, 34(12): 2337-2346.

[10]李艷, 湯劍平, 王元, 等. 區(qū)域風(fēng)能資源評價分析的動力降尺度研究. 氣候與環(huán)境研究, 2009, 14(2): 192-200.

[11]Rebora N, Ferraris L, von Hardenberg J, et al. RainFARM: Rainfall downscaling by a fi ltered autoregressive model. Journal of Hydrometeorology, 2006, 7(4): 724-738.

[12]Wu P L, Lin P L, Juang H M H. Local mean bias correction in a regional model downscaling: A case study of the South China Sea summer monsoon of 1998. Monthly Weather Review, 2009, 137(9): 2869-2892.

[13] Brankovi? ?, Matja?i? B, Ivatek-?ahdan S, et al. Downscaling of ECMWF ensemble forecasts for cases of severe weather: Ensemble statistics and cluster analysis. Monthly Weather Review, 2008, 136(9): 3323-3342.

[14] 朱宏偉, 楊森, 趙旭喆, 等. 區(qū)域氣候變化統(tǒng)計降尺度研究進(jìn)展.生態(tài)學(xué)報, 2011, 31(9): 2602-2609.

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

[16]Klein W H, Lewis F. Computer forecasts of maximum and minimum temperatures. Journal of Applied Meteorology, 1970, 9(3): 350-359.

[17]Wilby R L, Dawson C W, Barrow E M. SDSM-A decision support tool for the assessment of regional climate change impacts. Environmental Modelling and Software with Environment Data News, 2002, 17(2): 145-157.

[18]Wilby R L, Hay L E, Gutowski W J, et al. Hydrological responses to dynamically and statistically downscaled climate model output. Geophysical Research Letters, 2000, 27(8): 1199-1202.

[19]Wilby R L, Wigley T M L. Downscaling general circulation model output: A review of methods and limitations. Progress in Physical Geography, 1997, 21(4): 530-548.

[20]Fowler H J, Blenkinsop S, Tebaldi C. Linking climate change modelling to impacts studies: Recent advances in downscaling techniques for hydrological modelling. International Journal of Climatology, 2007, 27(12): 1547-1578.

[21]Zorita E, von Storch H. The Analog method as a simple statistical downscaling technique: Comparison with more complicated methods. Journal of Climate, 1999, 12(8): 2474-2489.

[22]Gutmann E D, Rasmussen R M, Liu C, et al. A Comparison of statistical and dynamical downscaling of winter precipitation over complex terrain. Journal of Climate, 2011, 25(1): 262-281.

[23]Murphy J. An evaluation of statistical and dynamical techniques for downscaling local climate. Journal of Climate, 1999, 12(8): 2256-2284.

[24]Wood A W, Leung L R, Sridhar V, et al. Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs. Climatic Change, 2004, 62(1-3): 189-216.

[25]Schoof J T, Pryor S C. Downscaling temperature and precipitation: A comparison of regression-based methods and artificial neural networks. International Journal of Climatology, 2001, 21(7): 773-790.

[26]Ramírez M C, Ferreira N J, Velho H F C. Linear and nonlinear statistical downscaling for rainfall forecasting over southeastern Brazil. Weather and Forecasting, 2006, 21(6): 969-989.

[27]Salameh T, Drobinski P, Vrac M, et al. Statistical downscaling of near-surface wind over complex terrain in southern France. Meteorology and Atmospheric Physics, 2008, 103(1-4): 253-265.

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

[29]范麗軍. 統(tǒng)計降尺度方法集合預(yù)估華東氣溫的初步研究. 高原氣象, 2010, 29(2): 392-402.

[30]魏鳳英, 黃嘉佑. 我國東部夏季降水量統(tǒng)計降尺度的可預(yù)測性研究. 熱帶氣象學(xué)報, 2010, 26(4): 483-488.

[31]高紅霞, 湯劍平. 黃河源區(qū)未來地面氣溫變化的統(tǒng)計降尺度分析. 南京大學(xué)學(xué)報（自然科學(xué)）, 2010, 46(6): 631-641.

[32]趙芳芳, 徐宗學(xué). 黃河源區(qū)未來地面氣溫變化的統(tǒng)計降尺度分析. 高原氣象, 2008, 27(1): 153-161.

[33]王輝贊, 張韌, 王彥磊, 等. 基于 Kalman 濾波的副熱帶高壓數(shù)值預(yù)報誤差修正. 熱帶氣象學(xué)報, 2006, 22(6): 661-666.

Recent Advances on the Application for the Downscaling Technology

Chen Chaojun1, Wang Qin2
(1 Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, China Meteorological Administration, Wuhan 430074 2 Civil Aviation Flight University of China, Deyang 618307)

A great number of applications of NWP (Numerical Weather Prediction) products show that, although many NWP products have a high reference value, the prediction results always have some deviations. Moreover, problems about the accuracy and predictability of the fine forecasting by numerical models still exist so far. Conducting the downscaling interpretation to the NWP product will be a hot spot in the fine forecasting research. Downscaling techniques, as a new way to fine forecasting, have become an important field for study. In this paper, the concept for downscaling techniques, the technology advantages and disadvantages of each method are outlined. Technology in the domestic and foreign research progress in the application of numerical models is summed up for reference.

fine forecast, numerical model, downscaling

10.3969/j.issn.2095-1973.2014.02.008

2013年9月30日；

2013年12月27日

陳超君（1985—），Email：lvcha-52314@163.com

資助信息：國家自然科學(xué)基金（41275107）；湖北省氣象局科技發(fā)展基金（2014Q04）；水利部公益性行業(yè)科研專項（201201063）