趙瑞霞 代 刊 王 勇 曹 勇 朱躍建 王寶利

1.國家氣象中心，北京，100081

2.南京信息工程大學(xué)，南京，210044

3.美國國家環(huán)境預(yù)報(bào)中心/環(huán)境模式中心，馬里蘭，20740

4.北京文澤智遠(yuǎn)信息技術(shù)有限公司，北京，100081

1 引言

當(dāng)前，無縫隙精細(xì)化網(wǎng)格氣象預(yù)報(bào)已經(jīng)成為世界各國氣象業(yè)務(wù)中的主流產(chǎn)品。與傳統(tǒng)站點(diǎn)預(yù)報(bào)相比，精細(xì)網(wǎng)格預(yù)報(bào)不僅可以提供人口密集、氣象觀測良好地區(qū)的豐富預(yù)報(bào)信息，也可以為復(fù)雜地形和觀測站較稀疏地區(qū)的氣象服務(wù)提供有力支撐（Engel，et al，2012），并且更有利于氣象預(yù)報(bào)在各相關(guān)行業(yè)的應(yīng)用，尤其是水文、生態(tài)和農(nóng)業(yè)等領(lǐng)域（Walton，et al，2018）。雖然數(shù)值預(yù)報(bào)模式本身就可以提供大氣狀態(tài)的三維網(wǎng)格預(yù)報(bào)，但是基于大氣動力學(xué)的數(shù)值模式仍然無法清晰描述所有物理關(guān)系，其預(yù)報(bào)也無法解決近地面的天氣細(xì)節(jié)問題，具有較大的系統(tǒng)和隨機(jī)誤差（丁一匯，2005；Boeing，2016）。因此，在實(shí)際天氣預(yù)報(bào)業(yè)務(wù)中，仍然需要在模式預(yù)報(bào)基礎(chǔ)上利用實(shí)況信息進(jìn)行解釋應(yīng)用，提高預(yù)報(bào)技巧（Glahn，et al，1972；Carter，et al，1989；Vislocky，et al，1995；Krishnamurti，et al，1999；劉還珠等，2004；趙聲蓉等，2012；代刊等，2016；趙瑞霞等，2020；楊絢等，2022）。

氣溫是天氣預(yù)報(bào)中十分重要的要素，對農(nóng)業(yè)、航空及人民日常生活出行等都有廣泛影響。在制作氣溫網(wǎng)格預(yù)報(bào)過程中，鑒于站點(diǎn)觀測實(shí)況具備的更高可信度，通常仍然采用在站點(diǎn)上進(jìn)行模式預(yù)報(bào)統(tǒng)計(jì)后處理，獲得預(yù)報(bào)性能良好的氣溫客觀預(yù)報(bào)，然后結(jié)合網(wǎng)格背景預(yù)報(bào)場，采用克里金法、反距離權(quán)重法、梯度距離平方反比法（Nalder，et al，1998）等插值方法進(jìn)行客觀分析，使網(wǎng)格點(diǎn)預(yù)報(bào)逐步向站點(diǎn)預(yù)報(bào)逼近，形成最終的網(wǎng)格預(yù)報(bào)結(jié)果。譬如，美國為了適應(yīng)數(shù)字預(yù)報(bào)數(shù)據(jù)庫發(fā)展趨勢（Glahn，et al，2003），Glahn 等（2009）基于站點(diǎn)MOS 預(yù)報(bào)通過CRESSMAN 逐步訂正方法生成了網(wǎng)格化MOS 氣溫指導(dǎo)預(yù)報(bào)產(chǎn)品?？陀^分析過程中，考慮了氣溫垂直變率，為了正確反映垂直變率隨不同空間位置、一天中不同時(shí)間、一年中不同日期以及天氣狀況的變化，他們采用了實(shí)時(shí)統(tǒng)計(jì)每個(gè)網(wǎng)格點(diǎn)一定半徑范圍內(nèi)MOS 站點(diǎn)預(yù)報(bào)隨高度實(shí)際變化率的方法。中國當(dāng)前網(wǎng)格預(yù)報(bào)體系中，短時(shí)滾動更新氣溫預(yù)報(bào)采取格點(diǎn)化建模的方式實(shí)現(xiàn)網(wǎng)格化預(yù)報(bào)產(chǎn)品的生成（曾曉青等，2019）；短中期和延伸期氣溫都采用將網(wǎng)格點(diǎn)背景場預(yù)報(bào)逐步向站點(diǎn)釋用預(yù)報(bào)逼近的方法生成網(wǎng)格預(yù)報(bào)（金榮花等，2019），客觀分析過程中也考慮了高程影響，氣溫垂直變率目前采用固定經(jīng)驗(yàn)值。

在整個(gè)格點(diǎn)站點(diǎn)預(yù)報(bào)融合生成網(wǎng)格預(yù)報(bào)的過程中，作為背景場的網(wǎng)格預(yù)報(bào)的準(zhǔn)確率和空間精細(xì)刻畫能力，對最終網(wǎng)格預(yù)報(bào)性能及精細(xì)化表征能力具有重要影響，尤其對于觀測資料較少而且地形復(fù)雜地區(qū)。由于數(shù)值模式的空間分辨率通常不能滿足網(wǎng)格預(yù)報(bào)的精細(xì)分辨率需求，為了提供精細(xì)刻畫不同地形條件下近地面天氣細(xì)節(jié)的網(wǎng)格背景預(yù)報(bào)場，首先必須進(jìn)行空間降尺度（Ben Alaya，et al，2015；曹勇等，2016；Tang，et al，2018；Price，et al，2022）。一種比較高效的統(tǒng)計(jì)降尺度方法是，基于物理原理將低分辨率預(yù)報(bào)與高分辨率數(shù)據(jù)聯(lián)系起來，譬如結(jié)合高分辨率的高程數(shù)據(jù)，采用考慮氣溫垂直變率的插值或者線性回歸等方法，將較低分辨率的模式氣溫預(yù)報(bào)降尺度為較高分辨率產(chǎn)品（Willmott，et al，1995;Gardner，et al，2009；李框宇等，2019）。近年的很多研究發(fā)現(xiàn)，早期經(jīng)常使用的0.55—0.65℃/（100 m）氣溫垂直遞減率定常數(shù)值并不能很好地支持水文及大氣研究（Minder，et al，2010；Holden，et al，2011；Shen，et al，2016；Yadav，et al，2019；He，et al，2020；羅倫等，2021，陳志軍等，2022），因?yàn)橛^測數(shù)據(jù)表明大氣近地層氣溫垂直變率具有十分明顯的時(shí)空變化。

為了提高網(wǎng)格預(yù)報(bào)背景場對高程等地理信息的精細(xì)刻畫能力，并且反映不同地區(qū)、不同時(shí)間和不同天氣形勢下氣溫隨高度的實(shí)際變化情況，本研究設(shè)計(jì)了一種動態(tài)垂直變率高程降尺度方法（DRD，Downscaling method considering elevation by Dynamic vertical lapse Rate）。針對每次起報(bào)時(shí)間、每個(gè)預(yù)報(bào)時(shí)效的每個(gè)目標(biāo)格點(diǎn)，利用該點(diǎn)周圍的數(shù)值模式地面氣溫預(yù)報(bào)，結(jié)合模式格點(diǎn)及目標(biāo)格點(diǎn)的高程數(shù)據(jù)，實(shí)時(shí)動態(tài)統(tǒng)計(jì)該點(diǎn)附近氣溫的垂直變率（VCE，the Vertical Change of surface temperature with Elevation，Glahn，et al，2009），盡可能遵照模式地表氣溫的垂直變化規(guī)律，以實(shí)現(xiàn)經(jīng)過高程訂正的降尺度預(yù)報(bào)。另外，將DRD 方法運(yùn)用在生成稠密站點(diǎn)預(yù)報(bào)中，也可以作為一種站點(diǎn)統(tǒng)計(jì)后處理預(yù)報(bào)結(jié)果，提高預(yù)報(bào)準(zhǔn)確率，可以作為站點(diǎn)多源預(yù)報(bào)產(chǎn)品融合的基礎(chǔ)產(chǎn)品之一。文中將針對中國區(qū)域，尤其是最具地形復(fù)雜性的青藏高原等地區(qū)，分析DRD 方法的合理性和應(yīng)用效果。

2 資料和方法

本研究基于0.125°×0.125°分辨率的ECMWF數(shù)值模式的地面氣溫預(yù)報(bào)開展動態(tài)垂直變率高程降尺度（DRD）試驗(yàn)，生成0.05°×0.05°目標(biāo)分辨率的網(wǎng)格預(yù)報(bào)背景場，以及中國10461 個(gè)站點(diǎn)預(yù)報(bào)。文章除了使用ECMWF 數(shù)值模式0.125°×0.125°分辨率的地面氣溫外，還使用了該模式相應(yīng)分辨率的高程數(shù)據(jù)，國際科學(xué)數(shù)據(jù)服務(wù)平臺（http://datamirror.csdb.cn）下載的0.05°×0.05°高程數(shù)據(jù)（與 ECMWF模式高程數(shù)據(jù)具備較好一致性），以及10154 個(gè)站的地面氣溫觀測資料及其經(jīng)度、緯度和海拔高度數(shù)據(jù)。網(wǎng)格預(yù)報(bào)覆蓋范圍為（EQ—60°N，70°—140°E）。

針對任意起報(bào)時(shí)間和任意預(yù)報(bào)時(shí)效，為了實(shí)時(shí)統(tǒng)計(jì)任意目標(biāo)格點(diǎn)或站點(diǎn)（簡稱“目標(biāo)地點(diǎn)”）附近氣溫的垂直變率（VCE），以ECMWF 數(shù)值模式的0.125°×0.125°分辨率網(wǎng)格為準(zhǔn)，選取目標(biāo)地點(diǎn)周圍鄰近16 個(gè)格點(diǎn)作為統(tǒng)計(jì)樣本量（圖1），利用ECMWF模式的地面氣溫及其高程數(shù)據(jù)計(jì)算VCE 值。本研究通過開展9 和16 個(gè)格點(diǎn)樣本量方案的對比分析獲知，16 個(gè)格點(diǎn)樣本量方案的預(yù)報(bào)準(zhǔn)確率相對更高（圖表略）。首先，選取目標(biāo)地點(diǎn)最近1 個(gè)格點(diǎn)作為區(qū)域內(nèi)“基準(zhǔn)點(diǎn)”，然后利用周圍其他15 個(gè)格點(diǎn)及該“基準(zhǔn)點(diǎn)”的地面氣溫和高程，求取VCE，見式（1）。

圖1 基于ECMWF 數(shù)值模式0.125°×0.125°分辨率網(wǎng)格選取目標(biāo)地點(diǎn)D 周圍最近16 個(gè)格點(diǎn)作為VCE 統(tǒng)計(jì)樣本量的示意（點(diǎn)B 為離目標(biāo)地點(diǎn)最近的基準(zhǔn)點(diǎn)（也有可能B、D 重合），綠色實(shí)心圓標(biāo)記網(wǎng)格點(diǎn)是用于與B 點(diǎn)結(jié)合求取VCE 的其他15 個(gè)點(diǎn)）Fig.1 Schematic diagram for the selection of 16 grid points nearest to the target site D as the VCE statistical samples based on the 0.125°×0.125° resolution grids of the ECMWF numerical model（Point B is the reference point closest to the target site（it is also possible that B and D coincide），and the green solid circle grid points are the other 15 points used to calculate VCE in combination with point B）

式中，tc和hc分別為“基準(zhǔn)點(diǎn)”的基準(zhǔn)地面氣溫和基準(zhǔn)高程，ti和hi分別為目標(biāo)點(diǎn)周圍除基準(zhǔn)點(diǎn)之外的其他m個(gè)點(diǎn)中任意點(diǎn)的地面氣溫和高程（m≤15），VCE為目標(biāo)地點(diǎn)及附近的氣溫垂直變率。

在氣溫垂直變率求取過程中，除基準(zhǔn)點(diǎn)外的其他15 個(gè)點(diǎn)中，只有與基準(zhǔn)點(diǎn)高程差值的絕對值超過130 m（秋季和冬季）或者150 m（春季和夏季）的站點(diǎn)被選入，該高程差閾值是基于降尺度預(yù)報(bào)準(zhǔn)確率對比試驗(yàn)結(jié)果確定的（圖表略），該數(shù)值與Glahn等（2009）研究中使用的130 m 比較接近。VCE 的計(jì)算過程中，針對每個(gè)起報(bào)時(shí)次、每個(gè)時(shí)效的預(yù)報(bào)場，實(shí)時(shí)動態(tài)統(tǒng)計(jì)了所有目標(biāo)地點(diǎn)對應(yīng)的全場VCE的百分位分布，當(dāng)目標(biāo)地點(diǎn)周圍所有參與計(jì)算VCE的15 個(gè)點(diǎn)與基準(zhǔn)點(diǎn)的高程差絕對值均不滿足大于130（或150）m 條件時(shí)，則該目標(biāo)點(diǎn)的VCE 值近似采用當(dāng)前VCE 分布場的50%分位值。

當(dāng)計(jì)算得到目標(biāo)地點(diǎn)及附近氣溫的VCE 后，先將目標(biāo)地點(diǎn)周圍鄰近4 個(gè)格點(diǎn)的氣溫按照該VCE 值轉(zhuǎn)化為與目標(biāo)地點(diǎn)相同海拔高度平面上的氣溫（式（2）），然后利用雙線性插值方法生成目標(biāo)地點(diǎn)地面氣溫預(yù)報(bào)值（式（3）—（5））。

本研究以2021 年4、7、10 月和2022 年1 月為例，基于ECMWF 全球數(shù)值模式，代表性分析春、夏、秋、冬四個(gè)季節(jié)VCE 的時(shí)空分布情況，并且通過與DMO 方法對比，分析中國及部分復(fù)雜地形區(qū)域DRD 站點(diǎn)氣溫預(yù)報(bào)的準(zhǔn)確率，以及DRD 網(wǎng)格氣溫預(yù)報(bào)的空間精細(xì)刻畫能力，以了解DRD 方法的合理性和效果。

3 VCE 時(shí)、空分布特征

3.1 日變化

由中國區(qū)域0.05°×0.05°網(wǎng)格DRD 預(yù)報(bào)的VCE全場不同百分位的預(yù)報(bào)時(shí)效分布可以看到（圖2），地面氣溫VCE 存在明顯日變化，不論5%、50%或是95%分位VCE 在所有季節(jié)都具有十分相似的日變化規(guī)律。各分位值一般在08 時(shí)（北京時(shí)，下同）具備逐日最大值，即地面氣溫隨高度遞減最慢或者遞增最快，其中5%分位VCE 在1 月于11 時(shí)達(dá)到最大，95%分位VCE則在4、7、10 月于05 時(shí)即達(dá)到最大。之后逐漸減小，各分位值一般至17 時(shí)達(dá)到日最小值，地面氣溫隨高度遞減最快或遞增最慢，其中5%分位VCE 在4、10、1 月，以及95%分位VCE在7 月至20 時(shí)才達(dá)到最小值。5%和50%分位VCE在各個(gè)季節(jié)平均值大部分為負(fù)值，即地面氣溫隨高度為遞減，其日內(nèi)變化幅度大約為0.3℃/（100 m）；而95%分位VCE 在大部分季節(jié)以正值為主，尤其是冬季，只有夏季正負(fù)值比例相對接近，95%分位VCE 的日內(nèi)變化幅度在不同季節(jié)內(nèi)大約為0.5—0.8℃/（100 m），明顯大于較小百分位值的日變化幅度。

圖2 基于ECMWF 模式08 時(shí)起報(bào)的中國區(qū)域2021 年4 月（紅色）、7 月（綠色）、10 月（黃色）及2022 年1 月（藍(lán)色）地面氣溫的DRD 網(wǎng)格預(yù)報(bào)中不同分位（5%（點(diǎn)劃線）、50%（實(shí)線）和95%（虛線））的VCE 隨240 h 預(yù)報(bào)時(shí)效的分布Fig.2 Monthly mean VCE variations at lead times up to 240 h during April（red），July（green），October（yellow）2021 and January 2022（blue）over China based on ECMWF surfac air temperature forecast initialized at 08:00 BT（unit: ℃/（100 m）;VCEs of 5%（dash-doted line），50%（solid line）and 95%（dashed line）quantiles are displayed respectively）

VCE 的日變化規(guī)律是合理的。大氣最重要的加熱源來自地面長波輻射，白天隨著太陽照射增強(qiáng)，地表逐漸受熱升溫，來自地面的長波輻射加熱能力逐漸加強(qiáng)，靠近地表的大氣首先受熱升溫，氣溫隨高度遞減的現(xiàn)象便逐漸加強(qiáng)，原本隨高度遞增的現(xiàn)象則逐漸減弱，累積至17 或20 時(shí)VCE 變?yōu)樽钚≈?，達(dá)到垂直遞減速度最快或者垂直遞增最慢；晚上隨著到達(dá)地面太陽輻射的消失，地表逐漸降溫，地面長波輻射的加熱能力比白天明顯下降，并逐漸轉(zhuǎn)變?yōu)檩椛淅鋮s作用，高空氣溫降溫較慢，因此氣溫隨高度的遞減率逐漸減小，甚至出現(xiàn)遞增現(xiàn)象形成輻射逆溫，而冬季部分地區(qū)一整天均為遞增的情況下，則遞增率在夜里逐漸增大，經(jīng)過一晚上累積效應(yīng)，至05、08 或11 時(shí)VCE 變?yōu)樽畲螅_(dá)到最小垂直遞減率或者最大垂直遞增率。

3.2 季節(jié)差異

結(jié)合圖2—4 還可以看到，地面氣溫VCE 還存在明顯的季節(jié)差異。春季4 月、夏季7 月、秋季10 月、冬季1 月的5%至95%分位VCE 值范圍（圖2）分別為-1.44—0.57、-1.21—0.25、-1.46—0.69、-1.44—1.62℃/（100 m），冬季VCE 數(shù)值的變化范圍顯著大于其他季節(jié)，主要體現(xiàn)在部分地區(qū)近地面大氣的逆溫情況比較顯著，地面氣溫隨高度遞增，尤其是08 時(shí)（圖3）和11 時(shí)，中國以北的大片高地形區(qū)域的氣溫隨高度上升大幅度升高，最高遞增率可達(dá)到1.62℃/（100 m），有的區(qū)域（如阿爾泰山和杭愛山等地）甚至全天VCE均為正值，保持逆溫狀態(tài)（參照圖2 中的95%分位VCE 值及圖3d 和圖4d，其他時(shí)效VCE 空間分布圖略）。夏季VCE數(shù)值的波動范圍最小，表現(xiàn)為地面氣溫隨高度的最大遞減率和最大遞增率均比其他季節(jié)偏小，如最大遞增率，即使是95%分位VCE，除02、05 和08 時(shí)等3 個(gè)時(shí)次出現(xiàn)較小正值以外均為負(fù)值，表明夏季文中所研究區(qū)域的地面氣溫隨高度上升總體為遞減。春季和秋季的VCE 波動幅度相對接近，秋季幅度略大。240 h 內(nèi)80 個(gè)時(shí)效50%分位VCE 數(shù)值在春、夏、秋、冬季4 個(gè)月份預(yù)報(bào)中分別為-0.84—-0.51、-0.76— -0.51、-0.75— -0.46 和-0.63—-0.28℃/（100 m），地面氣溫隨高度上升遞減，其中冬季遞減率明顯較小，其他三季與傳統(tǒng)研究中使用的氣溫垂直遞減率（0.55—0.65℃/（100 m））接近。

圖3 2021 年4 月（a）、7 月（b）、10 月（c）、2022 年1 月（d）基于ECMWF 模式的5 km 網(wǎng)格氣溫預(yù)報(bào)垂直變率的空間分布（對應(yīng)于北京時(shí)08 時(shí)起報(bào)的24 h 預(yù)報(bào)；單位：℃/（100 m））Fig.3 Spatial distributions of 5 km resolution VCE in April（a），July（b），October（c）2021 and January（d）2022 based on ECMWF surface temperature forecast（initialized at 08:00 BT，lead time +24 h；unit：℃/（100 m））

圖4 同圖3，但為9 h 預(yù)報(bào)（17 時(shí)）Fig.4 Same as Fig.3 but for the lead time of 9 h（17:00 BT）

總體而言，冬季不同區(qū)域VCE 變化較大，地面氣溫隨高度的遞減率比其他季節(jié)明顯偏小，這與以往的研究結(jié)論一致（Blandford，et al，2008；翟丹平等，2016；馬新萍等，2017），部分高地形區(qū)域存在隨高度上升迅速遞增現(xiàn)象，這主要由于冬季夜間地面輻射降溫更加明顯，且夜晚更長，大氣低空更容易出現(xiàn)輻射逆溫層，并且蒙古高原等高緯度高地形區(qū)域冬季多受高壓系統(tǒng)控制，長時(shí)間的輻射冷卻及下沉絕熱升溫作用，都加劇了這些區(qū)域逆溫層的出現(xiàn)和保持（圖3d）。夏季地面氣溫大部分情況隨高度遞減，不同區(qū)域VCE 變化幅度相對較小，遞減率整體比較大（He，et al，2020），這與夏季白天太陽輻射對地表加熱相對更強(qiáng)、同時(shí)夜晚地表輻射的冷卻作用相對其他季節(jié)較弱有關(guān)；春季和秋季情況介于冬季與夏季之間。

3.3 空間分布

由DRD 方法的VCE 空間分布（圖3—4，其他時(shí)效圖略）可以看到，VCE 的空間分布與地形和海陸分布密切相關(guān)。在大地形邊緣的地形梯度大值地區(qū)，VCE 通常相對周圍區(qū)域具備更大數(shù)值，地面氣溫隨地形增高表現(xiàn)為遞減速度相對較慢或者出現(xiàn)逆溫遞增。這應(yīng)該主要是由于這些區(qū)域地形導(dǎo)致的山風(fēng)、谷風(fēng)、地形強(qiáng)迫平流上升等的山地氣流效應(yīng)，加強(qiáng)了氣流垂直交換，譬如白天的谷風(fēng)將山腳地表迅速加熱的空氣吹向山坡，與之相伴隨的是山腳上空相對較冷空氣出現(xiàn)下沉，減弱了氣溫隨高度遞減率增強(qiáng)的趨勢；而夜間的山風(fēng)將山坡地表附近迅速冷卻的空氣吹向山腳，同時(shí)伴隨山坡上空相對較暖空氣下沉，有時(shí)甚至?xí)?dǎo)致山坡地表氣溫高于山腳而促使VCE 正值出現(xiàn)。同時(shí)，與大部分研究一致（Beniston，et al，1994；Sun，et al，2017;Wang，et al，2018），復(fù)雜高地形區(qū)域的地面氣溫隨高度變化幅度一般比較大，例如青藏高原、大興安嶺、長白山、蒙古高原和斯塔諾夫山脈等地區(qū)，通常更容易出現(xiàn)較大正值VCE 或者較大負(fù)值VCE，地面氣溫隨高度上升會快速升溫或者降溫。這應(yīng)該主要是因?yàn)閺?fù)雜高地形區(qū)地表的白天升溫和夜晚降溫相對更快、日較差較大，放大了VCE 的日變化幅度。

海岸線附近，VCE 值在白天08—17 時(shí)有時(shí)表現(xiàn)為逆溫現(xiàn)象。這是由于白天海洋比陸地升溫慢導(dǎo)致海岸線附近隨地形增高氣溫也增高，因此VCE 表現(xiàn)為正值。另外，與此相似，以貝加爾湖、青海湖等為代表的陸面湖區(qū)邊緣，在春季的4 月白天（08—17 時(shí)）以及夏季全天經(jīng)常表現(xiàn)為逆溫區(qū)。但是對于秋季和冬季的高緯度貝加爾湖區(qū)則相反，除氣溫較高的11—14 時(shí)外，其他大部分時(shí)間湖區(qū)邊緣與周圍區(qū)域相比為遞減率大值區(qū)。這主要是因?yàn)榇藭r(shí)湖面氣溫經(jīng)常顯著高于周圍陸地，所以湖區(qū)邊緣隨著地形的增高地面氣溫迅速變低。

由上述可見，基于ECMWF 模式預(yù)報(bào)實(shí)時(shí)動態(tài)統(tǒng)計(jì)的地面氣溫隨高度的垂直變率，不論日循環(huán)、季節(jié)變化或是空間分布特征，均與之前基于實(shí)況觀測資料統(tǒng)計(jì)結(jié)果的大部分研究結(jié)論一致，并且符合大氣熱力和動力變化規(guī)律，說明ECMWF 地面氣溫隨高程的變化比較合理，為DRD 方法應(yīng)用的合理性和可行性提供了支撐。需要補(bǔ)充說明的是，DRD方法在華北平原、長江中下游平原、東北平原、恒河平原以及圖蘭低地等地形平坦地區(qū)和海區(qū)，由于高程差不滿足大于130（或150）m 條件，因此很大一部分區(qū)域采用了50%分位VCE 值（見圖3、4）。這在一定程度上會導(dǎo)致圖3、4 中大地形邊緣和海陸邊界（簡稱邊界線區(qū)域）等的VCE 分布與周圍的差異看起來更加明顯，但即使不考慮平坦區(qū)域的對比，由大地形內(nèi)部、海陸邊界附近陸地區(qū)域的VCE 空間分布也可以看出這些邊界線區(qū)域VCE 分布的不同。

4 DRD 氣溫預(yù)報(bào)性能評估

為了解DRD 方法預(yù)報(bào)性能，考慮站點(diǎn)觀測資料與網(wǎng)格實(shí)況分析數(shù)據(jù)相比具備更高可靠性，選取中國10154 個(gè)站對比檢驗(yàn)了DRD 與DMO 預(yù)報(bào)的誤差情況。圖5 給出了DRD 和DMO 各自預(yù)報(bào)平均絕對誤差（MAE，Mean Absolute Error）更小的站點(diǎn)分布情況，以及它們各自預(yù)報(bào)性能更優(yōu)或者相等的站點(diǎn)總和，圖中綠色表示DRD 具備更小誤差，預(yù)報(bào)性能更好，黃色至紅色表示DMO 預(yù)報(bào)性能更好，藍(lán)色表示兩者性能相等?？梢钥闯?，4 個(gè)季節(jié)的月份中，DRD 方法預(yù)報(bào)性能整體明顯優(yōu)于DMO，尤其是春、夏和秋季，DRD 預(yù)報(bào)性能更好的站點(diǎn)分別占總站點(diǎn)的65.0%、64.2%和65.7%，且大部分復(fù)雜地形區(qū)DRD 預(yù)報(bào)效果更好，例如青藏高原、太行山、大興安嶺、長白山、天山山脈等地區(qū)。同時(shí)，由春、夏和秋季預(yù)報(bào)可以看到，整體而言DRD 更好的綠色部分深色更多，DMO 更好的黃色和紅色部分一般顏色較淺，說明DRD 改進(jìn)MAE 幅度比較大，尤其是高地形及其周圍高程梯度大值區(qū)，而DMO預(yù)報(bào)性能相對更好區(qū)域的MAE 偏小幅度比較小，DMO 的MAE 較小站點(diǎn)通常集中在云貴高原東部至東南丘陵中西部的部分地區(qū)、江淮平原東部沿海區(qū)域、松嫩平原等地區(qū)，其中部分區(qū)域由于高程差不滿足大于130（150）m 條件，VCE 采用了與經(jīng)典定常數(shù)值比較接近的50%分位值，這種近似可能會影響DRD 的預(yù)報(bào)效果，業(yè)務(wù)應(yīng)用中可以嘗試這些區(qū)域采用與DMO 預(yù)報(bào)方案相結(jié)合。冬季1 月的預(yù)報(bào)中只有54.8%的站點(diǎn)DRD 預(yù)報(bào)性能更好，說明ECMWF 的地面氣溫預(yù)報(bào)在1 月隨高程的分布沒有其他3 個(gè)月份更加合理，與其他3 個(gè)季節(jié)相比，地形梯度大值區(qū)及高地形區(qū)的預(yù)報(bào)誤差改進(jìn)效果明顯變差，可能與實(shí)際氣溫的分布情況相比，ECMWF模式對于冬季這些區(qū)域的較大正值VCE 的逆溫現(xiàn)象模擬有些夸張。另外，氣溫的變化除了受高程影響外，還會受到天氣系統(tǒng)水平移動等其他因素的影響，在VCE 的計(jì)算過程中，雖然為了更多體現(xiàn)高程的作用開展了高程差閾值限制，但由于忽略了VCE統(tǒng)計(jì)范圍（ECMWF 模式分辨率下最大距離約為35 km）內(nèi)的其他影響因素，這種近似還是會帶來一定誤差，造成DRD 方法存在一定局限。

圖5 中國區(qū)域10154 站基于ECMWF 模式北京時(shí)08 時(shí)起報(bào)的3—72 h 時(shí)效DRD 與DMO 氣溫預(yù)報(bào)平均絕對誤差的差值（單位：℃；a.2021 年4 月，b.7 月，c.10 月，d.2022 年1 月；圖中DRD 和DMO 對應(yīng)數(shù)字表示它們各自平均絕對誤差小于對方的站點(diǎn)數(shù)目，綠色為DRD 誤差更小的站點(diǎn)，黃色至紅色為DMO 誤差更小的站點(diǎn)，藍(lán)色為兩者誤差相等）Fig.5 Differences（unit：℃）between MAEs of DRD and DMO 2m temperature forecasts at 10154 stations in China based on the ECMWF model（initialized at 08:00 BT，lead time up to 72 h）during（a）April，（b）July and（c）October 2021 and（d）January 2022（the corresponding numbers of DRD and DMO refers to their respective better performance stations；the green points correspond to the stations where DRD forecast is better，the yellow ones indicate the DMO forecast is better，and the blue ones indicate the DRD and DMO perform the same）

需要說明的是，由于中國10154 個(gè)站的空間覆蓋范圍相對較小，站點(diǎn)DRD 預(yù)報(bào)的VCE 變化幅度（圖6）比（EQ—60°N，70°—140°E）范圍網(wǎng)格預(yù)報(bào)（圖2）小，春季的4 月、夏季的7 月、秋季的10 月、冬季的1 月的5%至95%分位VCE 值范圍分別為-1.23—0.40、-1.18—0.00、-1.18—0.39、-1.27—0.73℃/（100 m），但同樣是冬季的VCE 變化范圍最大，而且VCE 的日變化和季節(jié)差異特征與網(wǎng)格預(yù)報(bào)也基本一致。

圖6 同圖2，但為中國10154 個(gè)站地面氣溫的VCEFig.6 Same as in Fig.2 but for 10154 stations

選取青藏高原南部（Tibet：22°—34°N，85°—110°E）和天山山脈區(qū)域（Tianshan：42°—43°N，80°—90°E）作為復(fù)雜地形區(qū)域代表，分析它們以及中國區(qū)域（CHN，China）的DRD 和DMO 預(yù)報(bào)性能。由圖7 可知，就中國范圍而言，4 個(gè)月份的預(yù)報(bào)幾乎所有時(shí)效都是DRD 預(yù)報(bào)的MAE 明顯小于DMO 預(yù)報(bào)，MAE 減小幅度分別為0.10—0.39、0.06—0.52、0.09—0.53 和0.04—0.40℃，與圖5 結(jié)論一致，春、夏和秋季的改進(jìn)效果優(yōu)于冬季。青藏高原南部和天山山脈的MAE 減小幅度更大，分別為：4 月約為0.65—1.85 和0.26—1.26℃，7 月約為0.16—1.37 和0.28—1.22℃，10 月約為0.08—1.23 和0.38—1.29℃，1 月約為-0.44—0.49 和0.19—1.16℃，可以看到，青藏高原南部4 月改進(jìn)幅度最大，MAE 減小幅度為14.3%—52.5%，但是1 月高原南部除了17 和20 時(shí)為DRD的MAE 更小外，其他時(shí)間反而是DMO 預(yù)報(bào)性能更好，而天山山脈則4 個(gè)月份都是DRD 預(yù)報(bào)性能明顯優(yōu)于DMO 預(yù)報(bào)。另外，還可以看到，所有區(qū)域DRD 的改進(jìn)效果總體隨著預(yù)報(bào)時(shí)效的延長存在較小幅度的變?nèi)踮厔荩f明隨著預(yù)報(bào)時(shí)效的延長，ECMWF 模式對于VCE 的模擬性能有輕微下降；與此同時(shí)，DRD 的改進(jìn)效果還存在明顯的日變化，一般分別在08 和17 時(shí)達(dá)到最小和最大的改進(jìn)幅度，恰好對應(yīng)于VCE 值達(dá)到最大和最小的時(shí)間點(diǎn)，說明與白天地表加熱大氣過程相比，ECMWF 模式對夜間地表輻射逐漸冷卻大氣過程中地表氣溫隨高程變化的模擬性能相對較差。

圖7 青藏高原南部、天山山脈及全中國區(qū)域08 時(shí)起報(bào)的240 h 內(nèi)DMO 和DRD 預(yù)報(bào)的平均絕對誤差對比（單位：℃；a.2021 年4 月，b.7 月，c.10 月，d.2022 年1 月）Fig.7 Time series of MAEs（unit：℃）for DMO and DRD forecasts at lead times up to 240 h initialized at 08:00 BT in（a）April，（b）July，（c）October 2021 and（d）January 2022 over China and the regions of southern Qinghai-Tibet plateau and Tianshan mountain

可見，對于ECMWF 模式地面氣溫，基于DRD方法制作的預(yù)報(bào)比使用雙線性插值的DMO 預(yù)報(bào)具有更好的預(yù)報(bào)性能，尤其對于復(fù)雜地形區(qū)，春、夏、秋季改進(jìn)效果比冬季更加穩(wěn)定和顯著。DRD 方法對于預(yù)報(bào)性能的提升，進(jìn)一步說明DRD 方法的合理性和應(yīng)用于智能網(wǎng)格預(yù)報(bào)流程的可行性。

但考慮DMO 也存在相對優(yōu)勢的區(qū)域和時(shí)段，業(yè)務(wù)應(yīng)用中可以考慮在這些情況下將DRD 和DMO 方法結(jié)合使用，例如在高程差不滿足大于130（或150）m 時(shí)，將VCE 采用50%分位值的方案直接切換為采用DMO 預(yù)報(bào)，其他區(qū)域仍然采用DRD預(yù)報(bào)，簡稱為COM1 綜合方案。由圖8 可以看到，COM1 綜合方案在全國和天山山脈區(qū)域的MAE 在所有時(shí)效都比單純DRD 方法有所減小，青藏高原南部地區(qū)的MAE也在大部分時(shí)效減小，減小量級比較小，冬季相對大一些?？梢姡珼RD 和DMO 組合可以進(jìn)一步小幅度提升預(yù)報(bào)性能。另外，針對冬季青藏高原等VCE出現(xiàn)極大正值情況，后期也可以嘗試使用VCE 中位值或固定遞減率，或者與DMO預(yù)報(bào)相結(jié)合。

圖8 青藏高原南部、天山山脈及整個(gè)中國區(qū)域08 時(shí)起報(bào)的240 h 內(nèi)COM1 預(yù)報(bào)方案的MAE 與DRD 預(yù)報(bào)的MAE 的差異（DIF，單位：℃；a.2021 年4 月，b.7 月，c.10 月，d.2022 年1 月）Fig.8 Time series of difference（DIF；unit: ℃）between MAEs for COM1 and DRD forecasts at lead times up to 240 h initialized at 08:00 BT in（a）April，（b）July，（c）October 2021，and（d）January 2022 over China and the regions of southern Qinghai-Tibet plateau and Tianshan mountains

5 DRD 氣溫預(yù)報(bào)的空間精細(xì)特征

青藏高原地勢陡峭復(fù)雜，受到復(fù)雜動力、熱力和摩擦作用（丑紀(jì)范，1989）影響，氣象要素的空間變率很大。因此，選取高原地區(qū)作為代表，并且考慮預(yù)報(bào)效果改進(jìn)及對應(yīng)的VCE 分布合理性，選擇2021 年4 月15 日ECMWF 模式08 時(shí)起 報(bào)的3 h 預(yù)報(bào)個(gè)例，對比分析DRD 和DMO 氣溫預(yù)報(bào)的空間精細(xì)特征刻畫能力。圖9 中DMO 和DRD 氣溫預(yù)報(bào)均為0.05°×0.05°分辨率，但是可以看到，DRD 氣溫預(yù)報(bào)清晰細(xì)致地刻畫出了隨地形的變化細(xì)節(jié)，更好地捕捉到高原地形的溝壑起伏、河流等區(qū)域的氣溫變化特征，這是因?yàn)橥ㄟ^結(jié)合更加精細(xì)的地理高程信息，可以識別出0.05°分辨率下的精細(xì)河谷和山脈等的分布特征，進(jìn)一步基于數(shù)值模式的VCE 規(guī)律，實(shí)現(xiàn)了對小尺度地形造成的氣溫變化細(xì)節(jié)的識別；而DMO 預(yù)報(bào)雖然分辨率比原始0.125°有所提高，但是由于只是簡單雙線性插值，并沒有增加任何可以提供降尺度信息的內(nèi)容，所以DMO 氣溫的空間分布無法刻畫出比原始分辨率模式預(yù)報(bào)更豐富的變化細(xì)節(jié)。對比之下，DRD 方法顯著提高了對地面氣溫預(yù)報(bào)空間特征的精細(xì)刻畫能力，明顯優(yōu)于DMO 方法。

圖9 2021 年4 月15 日08 時(shí)起報(bào)的青藏高原南部（a）DMO 和（b）DRD 氣溫3 h 預(yù)報(bào)平面分布對比（單位：℃）Fig.9 Maps of（a）DMO and（b）DRD surfac air temperature（unit: ℃）forecasts at 3 h lead time over the south of the Qinghai-Tibet Plateau initialized at 08:00 BT on 15 April 2021

6 結(jié)論與討論

為提高智能網(wǎng)格天氣預(yù)報(bào)的空間精細(xì)特征刻畫能力和預(yù)報(bào)準(zhǔn)確率，針對網(wǎng)格預(yù)報(bào)初始背景場及站點(diǎn)初始預(yù)報(bào)的制作過程，設(shè)計(jì)研發(fā)了動態(tài)垂直變率高程降尺度預(yù)報(bào)方法（DRD），基于ECMWF 數(shù)值模式08 時(shí)起報(bào)的預(yù)報(bào)和精細(xì)高程數(shù)據(jù)開展了DRD氣溫降尺度試驗(yàn)，分析動態(tài)垂直變率（VCE）的日變化、季節(jié)差異及空間分布特征，對比DRD 與DMO氣溫預(yù)報(bào)的準(zhǔn)確性及其對復(fù)雜地形區(qū)域空間精細(xì)特征的刻畫能力。得到如下結(jié)論：

（1）基于ECMWF 模式的中國區(qū)域地面氣溫VCE 存在明顯的日變化、季節(jié)差異和空間變化。適應(yīng)大氣最重要的加熱源——地面長波輻射的日循環(huán)，白天VCE 逐漸減小，至17 時(shí)（或20 時(shí)）達(dá)到日最小值，夜里VCE 逐漸增大，至08 時(shí)（或05、11 時(shí)）達(dá)到日最大值。VCE 在冬季變化幅度最大，突出表現(xiàn)為中國以北大片高地形區(qū)等區(qū)域的VCE 出現(xiàn)較大正值，部分區(qū)域甚至全天均為逆溫狀態(tài)，主要是由于冬季夜間地面輻射降溫強(qiáng)烈而進(jìn)一步增強(qiáng)了這些區(qū)域的低空輻射逆溫層；夏季地面氣溫大部分情況隨高度上升遞減，VCE 空間和日變化幅度相對較小，這與夏季地表輻射白天加熱較強(qiáng)和夜晚冷卻較弱有關(guān)；春季和秋季情況介于冬、夏季之間。VCE 分布與地形地勢、海陸和內(nèi)陸湖分布等密切相關(guān)。大地形邊緣受山地氣流垂直交換加強(qiáng)影響，VCE 數(shù)值明顯大于周圍區(qū)域；青藏高原等高地形區(qū)由于白天升溫和夜間降溫都相對更快，通常更容易出現(xiàn)較大正值或負(fù)值VCE；另外，受水體和陸面熱容量差異影響，部分海岸線在08—17 時(shí)，以及貝加爾湖和青海湖等內(nèi)陸湖區(qū)邊緣在春季08—17 時(shí)和夏季全天，VCE 通常突出表現(xiàn)為正值區(qū)，而秋冬季高緯度的貝加爾湖區(qū)情況相反，大部分時(shí)間（除11—14 時(shí)外）表現(xiàn)為遞減率大值區(qū)。

（2）中國區(qū)域DRD 氣溫預(yù)報(bào)的準(zhǔn)確性以及對空間精細(xì)特征的刻畫能力均明顯優(yōu)于DMO。全國DRD 預(yù)報(bào)的平均絕對誤差（MAE）全年均比DMO明顯減小，改進(jìn)效果在復(fù)雜地形區(qū)更為顯著，尤其是4、7 和10 月，以青藏高原南部和天山山脈地區(qū)為例，MAE 減小幅度最大可達(dá)1.22—1.85℃。DRD改進(jìn)效果隨著預(yù)報(bào)時(shí)效延長存在變?nèi)踮厔?，還存在明顯的日變化，一般分別在08 和17 時(shí)達(dá)到最小和最大改進(jìn)幅度，說明ECMWF 模式對VCE 的模擬性能隨預(yù)報(bào)時(shí)效延長有輕微下降，且對白天地表氣溫隨高程變化的模擬性能更好一些。另外，DRD 預(yù)報(bào)清晰細(xì)致地刻畫出地面氣溫隨地形的變化細(xì)節(jié)，較好地捕捉到復(fù)雜地形的溝壑起伏、河流等區(qū)域的氣溫變化特征，而DMO 氣溫預(yù)報(bào)的空間分布則無法刻畫出比原始分辨率模式預(yù)報(bào)更加豐富的變化細(xì)節(jié)。

綜上所述，DRD 氣溫預(yù)報(bào)的VCE 具備比較合理的日變化、季節(jié)差異和空間分布特征，并且DRD氣溫預(yù)報(bào)準(zhǔn)確性和空間精細(xì)特征刻畫能力整體顯著優(yōu)于DMO，因此DRD 方法可以有效運(yùn)用于智能網(wǎng)格預(yù)報(bào)初始背景場以及站點(diǎn)初始預(yù)報(bào)的制作過程中。

與此同時(shí)，考慮到DMO 預(yù)報(bào)在某些區(qū)域和時(shí)間段也存在一定性能優(yōu)勢，后續(xù)業(yè)務(wù)應(yīng)用中可以進(jìn)一步探索將DRD 和DMO 氣溫預(yù)報(bào)合理集成的有效方案，持續(xù)提升降尺度預(yù)報(bào)性能；另外，本研究主要基于ECMWF 數(shù)值模式08 時(shí)起報(bào)的氣溫開展了DRD 預(yù)報(bào)試驗(yàn)，針對20 時(shí)起報(bào)數(shù)據(jù)選取2021 年4 月15 日、7 月15 日、10 月15 日和2022 年1 月15 日等代表日期開展了個(gè)例分析（圖表略），結(jié)果表明，VCE 的時(shí)空分布特征以及DRD 的預(yù)報(bào)性能，與08 時(shí)起報(bào)預(yù)報(bào)的試驗(yàn)結(jié)論大致相同。