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ADVANCESINEARTHSCIENCEVol．26No．8Aug．，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0．5°～1°，

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

（RegionalClimateModel），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

（TransferFunctionMethod）、天气形势法（Weather

PatternMethod）和天气发生器（StochasticWeather

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．1Theapproachesforstatisticaldownscaling838地球科学进展第26卷（SVD），非线性方法主要以人工神经网络等为代表。

该类方法主要应用在气候情境资料的降尺度上，如

Hertig等［12］将多元线性回归和典型相关分析用于

对1990—2100年温室效应不断加剧下地中海区域

月降水量的变化研究，其他的应用实例很多，不再列

举。一般情况下，采用线性降尺度方法就能取得较

好的降尺度效果，如Huth等［13］通过对比线性回归

与神经网络2种有关气温的降尺度方法，证明了线

性方法也可以取得较好的降尺度效果。但对于非线

性的关系，采用线性降尺度就会产生较大误差。作

为非线性降尺度法的代表，基于机器学习的人工神

经网络（ANN）可以模拟任何线性与非线性的关系，

属于“万能”模型的范畴，因而也得到了广泛应

用［13，14］。Ramírez等［16～18］分别针对不同的地域，将

ANN与线性回归、CCA等线性方法用于统计降尺度

的对比研究，表明多数情形下ANN的降尺度能力更

好。支持向量机（SVM）是20世纪90年代出现的类

似于人工神经网络的另一种非线性模型，近年来也

被用于统计降尺度［19～23］。除ANN外，另外一些非

线性方法也得到一定的应用，如广义线性模型、广义

可加模型（GeneralizedAdditionalModel）、分位数回

归、基因编程（GeneticProgramming）等。

2．2天气形势法

因为降尺度时需要考虑的因子和大尺度格点较

多，若使用传递函数法建立模型，过多的因子会增加

参数拟合的难度。而基于天气形势的降尺度方法是

一种无参数方法，且计算较为简单，因而可以克服传

递函数法参数拟合难的问题。天气形势法主要有天

气分类法和相似法2类。

天气分类是根据多种大尺度天气信息如海平面

气压、位势高度场、气流指数、风向、风速、云量等对

天气形势进行分类［1］。当某时刻的大尺度天气类

别已知时，就可以推测地表区域对应的天气状况。

常用的天气分类方法很多，如模糊规则法［24～27］、人

工神经网络分类法、气压梯度分类法［28］、K均值分

类法［29，30］、非齐次隐马尔可夫过程等。

相似法也是一种按照大尺度气象条件来决定地

面气象要素的降尺度方法，但该模型并不把大尺度

气象条件分为多个类别，而是通过计算单日内大尺

度气象条件与历史上的大尺度气象条件的相似测

度，选择最相似日期所对应的地面观测资料作为降

尺度的输出。该方法由于较易实现，计算量较小，且

输出的结果能够较好地再现天气变量在时间上的自相关性和空间上任意点间变量的相关性，因而成为应用极为广泛的降尺度方法。

2．3随机天气发生器

随机天气发生器是用于随机生成在统计特征上

相似于实际观测资料的气象数据的一类统计模

型［1，31］。它最初主要用来生成缺测的历史数据，使

生成的数据的一些统计特征接近真实观测。它的优

点在于能够快速生成任意长度和较高时间分辨率的

序列。单纯的天气发生器算不上完善的统计降尺度

方法，最多可以被看作是实现时间降尺度的工具。

但若将天气发生器的参数与大尺度变量建立联系，

则就具有了真正的统计降尺度意义。

Richardson建立的基于一阶Markov过程的

WGEN是应用最多的天气发生器［32，33］，其基本思想

是将降水序列分为无雨天和有雨天2种状态，2种

状态的转换概率用一阶或二阶Markov模型来表达，

对于有雨天的降水量则采用指数分布或Gamma分

布的描述，其他变量如气温和太阳辐射则根据有雨

无雨状态随机生成。Woolhiser等［34～36］对这种基于

Markov过程的天气发生器的构建方法及参数拟合

方法进行了完善。由类似Markov过程表达的其他

天气发生器变体还有一阶自回归过程和干湿天延续

天数随机模型等。

尽管相似法、天气分类法、隐马尔可夫模型以及

基于广义线性模型的发生器等模型表达形式差异较

大，但本质上也都属于Markov链模型范畴。团聚点

过程（clusteredpointprocess）模型和乘性瀑布模型

同样属于随机降尺度方法，但这二者是基于时空多

尺度自相似理论方法，与类Markov模型有很大差

异，主要用来模拟时空降水，模拟效果较为逼真。

3统计降尺度的基本分类属性

统计降尺度方法丰富多样，各有特色。综合来

看，不同的降尺度模型主要在以下几个方面有较大

差异。

3．1时间降尺度与空间降尺度

在大多数应用中，统计降尺度的主要目的是提

高原有资料的分辨率，或者在局域的位置上提高预

报精度，即地理空间上的降尺度。而也有的降尺度

目的是获得更短时间尺度的资料［37］，如已有资料为

逐日降水或气温，通过降尺度获得逐小时的资料，这

种降尺度在有的文献中也称作解集［38］。这种针对

时间域的降尺度在水文风险预警模拟中具有应用价

值。不少学者提出了既有时间域也有空间域的时空

统计降尺度模型［10，39～41］。传递函数法、天气形势法938第8期刘永和等：气象资料的统计降尺度方法综述