劉 波 馬利斌 容新堯 蘇京志 鄢鈺函 華莉娟 唐彥麗

1)(中國氣象局地球系統(tǒng)數(shù)值預(yù)報中心， 北京 100081)2)(中國氣象科學(xué)研究院災(zāi)害天氣國家重點實驗室， 北京 100081)

引 言

工業(yè)革命以來，煤炭、石油等傳統(tǒng)化石能源的大量消耗是造成全球變暖的主要原因之一[1-3]。與傳統(tǒng)化石能源相比，可再生資源具有低碳環(huán)保等特性，同時也能有效減少溫室氣體排放，緩解氣候惡化。為應(yīng)對氣候變化，中國提出二氧化碳排放力爭于2030年前達到峰值、2060年前實現(xiàn)碳中和的目標[4](簡稱雙碳)。在雙碳戰(zhàn)略目標下，發(fā)展綠色清潔能源是未來的主流趨勢。因此，大規(guī)模開發(fā)利用可再生資源已得到世界各國能源部門和組織的廣泛關(guān)注。太陽能是可再生和綠色能源的一種，具有廣闊應(yīng)用前景[5-7]。

中國太陽能資源分布具有明顯地域特征。受太陽總輻射量等因子影響，中國西南和北方地區(qū)(包括青藏高原和內(nèi)蒙古中西部地區(qū))的太陽能尤為豐富，適合大規(guī)模光電開發(fā)利用；中國東南地區(qū)(包括湖南、重慶和貴州)太陽能資源缺乏，可開發(fā)利用規(guī)模較小[7-9]。國內(nèi)學(xué)者已研究了中國地表太陽輻射(downward short-wave radiation flux，DSWRF)的變化規(guī)律及成因[10-17]，鄭有飛等[12]指出，20世紀90年代前后中國南方中東部地區(qū)地面太陽總輻射存在明顯年代際變化。齊月等[13]發(fā)現(xiàn)該變化受人類活動影響顯著，大氣中氣溶膠(顆粒物)濃度增加是導(dǎo)致到達地面太陽輻射減少的重要原因。中國省會城市太陽輻射受氣溶膠濃度的影響更為顯著[16-17]。在全球氣候變暖背景下，中國太陽能資源變化具有顯著的時空特征。RCP85排放情景下，2006—2049年中國DSWRF呈南增北減的變化趨勢[18]。因此，建立中國太陽能資源短期預(yù)測及預(yù)估系統(tǒng)，對超前部署開發(fā)利用太陽能資源具有重要戰(zhàn)略指導(dǎo)意義。

因此，采用高分辨率全球氣候系統(tǒng)模式準確進行中國太陽能資源分布短期預(yù)測和未來情景預(yù)估，對優(yōu)化電力能源結(jié)構(gòu)尤為重要。本文通過構(gòu)建合理的同化系統(tǒng)，客觀評估中國氣象科學(xué)院發(fā)展的T255全球高分辨率氣候系統(tǒng)模式(CAMS-CSM)歷史回報結(jié)果對中國區(qū)域DSWRF的預(yù)報技巧及預(yù)測能力，一方面檢驗高分辨率氣候模式在可再生能源方面預(yù)測的適用性，另一方面也可為氣候模式的發(fā)展及預(yù)測性能改進提供參考。

1 模式、數(shù)據(jù)和方法

1.1 高分辨率CAMS-CSM氣候模式、回報試驗及驗證數(shù)據(jù)

中國氣象科學(xué)研究院T255全球高分辨率(約50 km)氣候系統(tǒng)模式(CAMS-CSM)包含大氣、海洋、海冰和陸面等分量模式，該模式參加CMIP6模式比較計劃[30]，模式詳情參見文獻[31]。該模式在Madden-Julian振蕩、印度洋偶極子以及ENSO等主要氣候變率有較高模擬技巧[32-34]。通過三維松弛逼近同化方案，發(fā)展了高分辨率耦合模式的耦合資料同化系統(tǒng)。該同化系統(tǒng)與文獻[34]研究類似，大氣同化6 h的中國全球大氣再分析產(chǎn)品CRA40再分析數(shù)據(jù)[35]，海洋同化候平均的GODAS(Global Ocean Data Assimilation System)再分析數(shù)據(jù)[36]，通過耦合數(shù)據(jù)同化系統(tǒng)，構(gòu)建2011—2020年海洋、大氣模式分量的初始場?；貓笤囼灢捎眉项A(yù)報方法，每個月最后1日00:00，06:00，12:00和18:00(世界時，下同)起報，連續(xù)預(yù)報3個月，完成2011—2020年的歷史回報試驗。本文評估回報試驗結(jié)果時，將4個集合樣本進行算術(shù)平均以減少不確定性。

DSWRF和總云量觀測數(shù)據(jù)均來自于中國氣象局CRA40再分析數(shù)據(jù)[36]，時段為2011—2020年，水平分辨率為0.25°×0.25°，時間分辨率為6 h。本文DSWRF指凈地表短波輻射，即到達地表的向下短波輻射與反射向上的短波輻射之差。另外，本文提到的月平均預(yù)報超前0個月(LM0)指預(yù)報下個月的月平均結(jié)果，超前1個月(LM1)、2個月(LM2)分別指預(yù)報第2個月、第3個月的月平均結(jié)果。考慮到中國地表短波輻射存在地理差異，本文評估分析中國區(qū)域以及3個太陽能資源較豐富的重點區(qū)域(圖1)：內(nèi)蒙古地區(qū)(40°～45°N，100°～120°E)、京津冀部分地區(qū)(35°～42°N，115°～120°E)以及西北地區(qū)(31°～40°N，89°～104°E)。

本文插圖中所涉及的中國國界基于審圖號為GS(2018)2512號標準地圖制作，底圖無修改。

1.2 方 法

本文基于4個樣本集合平均，從月平均角度評估模式的多年回報結(jié)果。主要評估方法包括氣候態(tài)偏差、距平相關(guān)系數(shù)(ACC)、時間相關(guān)系數(shù)(TCC)及趨勢異常綜合評分指數(shù)(P指數(shù))等。ACC主要表征預(yù)報場與觀測場空間的相似程度，即空間相似系數(shù)。TCC能較好表征模式對各格點異常的預(yù)測能力，取值范圍為-1～1，值越接近于1，技巧越高，通常以0.5為有預(yù)報意義的標準。

趨勢異常綜合評分指數(shù)(P指數(shù))主要考慮模式預(yù)報變量的趨勢項、異常項和漏報項。參考中國氣象局降水和氣溫業(yè)務(wù)預(yù)測PS評分標準，本文將該方法用于DSWRF評估，主要差別體現(xiàn)在步驟④。趨勢項以預(yù)報和實況的距平符號是否一致為判斷依據(jù)，逐格點進行評判。當預(yù)報和實況(距平百分率)符號一致時認為該格點預(yù)報正確。本文針對DSWRF的P指數(shù)計算步驟包括：①逐格點判定預(yù)報的趨勢是否正確，統(tǒng)計出趨勢預(yù)報正確的總格點數(shù)N0；②逐格點判定一級異常預(yù)報是否正確，統(tǒng)計出一級異常預(yù)報正確的總格點數(shù)N1；③逐格點判定二級異常預(yù)報是否正確，統(tǒng)計出二級異常預(yù)報正確的總格點數(shù)N2；④統(tǒng)計未預(yù)報二級異常而實況出現(xiàn)DSWRF超過1.5倍標準差的格點數(shù)(記為M)；⑤統(tǒng)計實際參加評估的格點數(shù)N；⑥使用公式

圖1 重點區(qū)域Fig.1 Key areas

P=

(1)

式(1)中，a，b和c分別為氣候趨勢項、一級異常項和二級異常項的權(quán)重系數(shù)，取a=2，b=2，c=4。

2 結(jié)果分析

2.1 氣候態(tài)評估

圖2為觀測DSWRF不同季節(jié)的氣候態(tài)分布。由圖2可見，DSWRF存在明顯的季節(jié)變化特征，且空間分布存在較大差異。受太陽高度角影響，春季、夏季中國DSWRF明顯高于秋季、冬季。春季、夏季中國中高緯度地區(qū)的DSWRF大多在275 W·m-2以上，青藏高原、新疆等西部地區(qū)存在大于350 W·m-2的高值區(qū)；受海拔高度影響，西北地區(qū)尤其是青藏高原常年處于高值區(qū)，即使在秋季、冬季DSWRF也較大。內(nèi)蒙古以及華北地區(qū)春季、夏季的DSWRF較強，大部分區(qū)域高于250 W·m-2，秋季、冬季則較弱，普遍低于150 W·m-2。

DSWRF不同超前時間預(yù)報的氣候態(tài)空間分布特征與觀測接近，預(yù)報大值區(qū)與觀測非常吻合(圖略)。圖3是DSWRF氣候態(tài)預(yù)報與觀測差異。由圖3可見，DSWRF預(yù)報強度存在明顯系統(tǒng)偏差。春季、夏季偏差類似，表現(xiàn)為整體偏弱，尤其是西南至青藏高原，大部分地區(qū)預(yù)報偏低20～40 W·m-2，對內(nèi)蒙古地區(qū)的DSWRF氣候態(tài)預(yù)報偏差不大。在秋季、冬季，除內(nèi)蒙古部分地區(qū)模擬偏高以外，中國區(qū)域整體模擬相對較好。由于模式系統(tǒng)性偏差在模式積分初期已基本穩(wěn)定形成，不同超前時間預(yù)報系統(tǒng)性偏差結(jié)果相差不大(圖略)。這與國家氣候中心氣候模式對氣溫、降水等變量預(yù)報的結(jié)論類似[37-39]。

圖4為各季節(jié)DSWRF觀測標準差。由圖4可以看到，華南各季節(jié)DSWRF觀測均為高值區(qū)，大部分地區(qū)超過14 W·m-2，其他地區(qū)DSWRF年際變率較小，大部分地區(qū)低于6 W·m-2。與觀測相比，整體上LM0預(yù)報反映了DSWRF年際變率呈南高北低的偶極子分布特征(圖略)。圖5為各季節(jié)DSWRF LM0預(yù)報與觀測標準差的差異。由圖5可以看到，春季、夏季模式低估了華南的年際變率，高估了青藏高原及東北地區(qū)的年際變率，秋季、冬季高估了華南地區(qū)的年際變率，其他地區(qū)偏差較小。不同超前時間預(yù)報的DSWRF年際變率偏差與LM0類似。除冬季內(nèi)蒙古及華北等部分地區(qū)外，大部分地區(qū)對DSWRF預(yù)報的年際變率隨超前時間增加降低(圖略)?？傮w上，高分辨率模式對中國及華北地區(qū)、內(nèi)蒙古地區(qū)和西北地區(qū)3個典型區(qū)域DSWRF的氣候態(tài)和年際變率的空間分布及季節(jié)演變均可較好再現(xiàn)，但在強度上存在明顯依賴季節(jié)的系統(tǒng)性偏差。

圖2 各季節(jié)DSWRF觀測氣候態(tài)Fig.2 Seasonal distribution of the observed DSWRF

圖3 各季節(jié)DSWRF LM0預(yù)報與觀測氣候態(tài)差異Fig.3 Difference of seasonal DSWRF between the prediction at LM0 and the observation

圖4 各季節(jié)DSWRF觀測標準差Fig.4 Seasonal standard deviation of the observed DSWRF

圖5 各季節(jié)DSWRF LM0預(yù)報與觀測標準差的差異Fig.5 Differences of seasonal DSWRF standard deviation between the prediction at LM0 and the observation

2.2 異常場預(yù)報技巧

2.2.1 時間相關(guān)系數(shù)(TCC)

除氣候態(tài)評估指標，異常態(tài)也是評估模式預(yù)報是否準確的重要考量因素。圖6是DSWRF LM0預(yù)報與觀測時間相關(guān)系數(shù)(TCC)。TCC正值偏多偏強表明預(yù)報場與觀測場具有較好時間相關(guān)性，正值越大時間相關(guān)性越高。由圖6可以看到，對西北地區(qū)各季節(jié)DSWRF的預(yù)報技巧均較高，大部分地區(qū)達到0.1顯著性水平，東北地區(qū)秋季也展現(xiàn)出較高預(yù)報技巧，內(nèi)蒙古及京津冀地區(qū)秋季、冬季預(yù)報技巧均達到0.1顯著性水平。但隨著超前時間的增加，TCC明顯下降(圖略)。

中國及3個重點區(qū)域DSWRF預(yù)報區(qū)域平均與觀測的TCC(圖7)表明：對中國區(qū)域，DSWRF LM0預(yù)報與觀測的TCC均為正值，除秋季外，其他季節(jié)TCC均超過0.3，冬季TCC可超過0.55，達到0.1顯著性水平。春季和冬季DSWRF的LM1預(yù)報與觀測TCC均超過0.3。各季節(jié)DSWRF的LM2預(yù)報與觀測TCC均較低。對京津冀部分地區(qū)，LM0預(yù)報與觀測的TCC最高，秋季和冬季的TCC超過0.35，冬季TCC接近0.5。夏季和冬季的LM1預(yù)報較好。春季和冬季DSWRF的LM2預(yù)報與觀測的TCC仍在0.2以上。對內(nèi)蒙古地區(qū)，LM0預(yù)報在各個季節(jié)均有較好技巧，TCC在夏季最低(約為0.2)，其他季節(jié)均高于0.4，秋季接近0.6。不同超前時間預(yù)報在不同季節(jié)TCC差別較大，LM1預(yù)報在春季和冬季技巧較高，LM2預(yù)報在春季和秋季技巧較高，均在0.4以上。對西北地區(qū)， 4個季節(jié)LM0預(yù)報和LM1預(yù)報與觀測TCC較高，其中LM0預(yù)報在夏季和冬季與觀測的TCC最高(0.6以上)，達到0.1顯著性水平，LM1預(yù)報與觀測的TCC除夏季較低以外，其他季節(jié)均在0.2以上。

圖6 DSWRF LM0預(yù)報異常與觀測時間相關(guān)系數(shù)(黑色打點表示達到0.1顯著性水平)Fig.6 TCC of DSWRF between the prediction at LM0 and the observation(black dots denote passing the test of 0.1 level)

圖7 各季節(jié)DSWRF不同超前時間預(yù)報區(qū)域平均與觀測的時間相關(guān)系數(shù)Fig.7 TCC of DSWRF between regional averaged prediction at different lead months and the observation in different seasons

2.2.2 距平相關(guān)系數(shù)(ACC)

圖8是DSWRF預(yù)報與觀測整體空間相似程度。對中國區(qū)域，LM0預(yù)報與觀測的ACC從春季到冬季逐漸增大，冬季最高，約為0.55。LM1和LM2預(yù)報與觀測的ACC隨季節(jié)變化趨勢與LM0預(yù)報類似，但數(shù)值偏低。3個重點區(qū)域的情況稍有不同：對京津冀部分地區(qū)，春季和冬季ACC最高，LM0預(yù)報為0.3～0.4，冬季LM1預(yù)報與觀測ACC下降較快，且僅在春季超過0.2(圖8b)。對內(nèi)蒙古區(qū)域，綜合看秋季的ACC最高，LM0預(yù)報與觀測的ACC約為0.5，LM1預(yù)報和LM2預(yù)報與觀測的ACC約為0.3。對西北區(qū)域，綜合看秋季的ACC最高，LM0預(yù)報和LM1預(yù)報與觀測的ACC分別為0.4和0.2。夏季和冬季LM0預(yù)報與觀測的ACC均高于0.2，仍具備一定預(yù)測能力。

圖8 各季節(jié)DSWRF不同超前時間預(yù)報區(qū)域平均與觀測的距平相關(guān)系數(shù)Fig.8 ACC of DSWRF between regional averaged prediction at different lead months and observation in different seasons

2.2.3 趨勢異常綜合評分指數(shù)(P指數(shù))

P指數(shù)是評估模式對變量趨勢、異常和漏報情況的綜合指標，DSWRF預(yù)報的P指數(shù)如圖9所示。由圖9可見，對中國區(qū)域，4個季節(jié)LM0預(yù)報的P指數(shù)均集中在70～80分，最高在秋季(82分)。LM1預(yù)報和LM2預(yù)報的P指數(shù)雖低于LM0，但仍高于65分，整體秋季最高，平均值約為75分；對京津冀部分地區(qū)，P指數(shù)整體低于中國區(qū)域，其中春季最高，LM0預(yù)報大于75分，LM0，LM1預(yù)報和LM2預(yù)報的平均值高于70分。夏季和秋季的P指數(shù)稍低于春季，LM0預(yù)報均在70分以上。冬季LM0，LM1預(yù)報和LM2預(yù)報較其他季節(jié)低；對內(nèi)蒙古地區(qū)，春季、夏季、秋季3個季節(jié)P指數(shù)較高，其中秋季LM0預(yù)報的P指數(shù)最高，為88分。LM1預(yù)報和LM2預(yù)報的春季、夏季、秋季3個季節(jié)的P指數(shù)接近，LM1預(yù)報均在70分以上，LM2預(yù)報有所增加。內(nèi)蒙古地區(qū)冬季LM0，LM1預(yù)報和LM2預(yù)報的P指數(shù)相當，平均為65分。與上述兩個典型區(qū)域類似，西北地區(qū)LM0預(yù)報的P指數(shù)最高，尤其在夏季和秋季，二者P指數(shù)均超過80分，春季和冬季相當，約為70分。LM1預(yù)報和LM2預(yù)報的P指數(shù)較LM0預(yù)報偏低。LM1預(yù)報四季接近，均能達到70分左右，LM2預(yù)報在秋季最高，保持在70分左右。整體上，3個典型區(qū)域在LM0預(yù)報和LM1預(yù)報各季節(jié)的P指數(shù)大多為65分以上，說明模式超前0～1個月對DSWRF預(yù)報具備一定可信度。

圖9 各季節(jié)DSWRF不同超前時間預(yù)報區(qū)域平均的P指數(shù)Fig.9 Regional averaged P index of DSWRF predicted at different lead months in different seasons

2.3 模式預(yù)報偏差可能原因

大氣中云、氣溶膠等吸收、反射以及散射多重作用均會影響到達地表的短波輻射通量。為了探討模式對DSWRF預(yù)報偏差產(chǎn)生的可能原因，下面分析模式整層大氣總云量預(yù)報偏差對DSWRF預(yù)測的影響。圖10是模式LM0預(yù)報的不同季節(jié)整層大氣云量預(yù)報偏差與DSWRF預(yù)報偏差的相關(guān)關(guān)系空間分布。由圖10可以看到，春季和夏季DSWRF預(yù)報偏差與總云量預(yù)報偏差在中國區(qū)域為一致負相關(guān)，且大部分地區(qū)達到0.1顯著性水平，說明春季、夏季模式總云量的預(yù)報偏差是造成DSWRF預(yù)報偏差的主要原因，因為總云量預(yù)測偏高時，通過云的反射等效應(yīng)，到達地表的短波輻射通量減小，造成DSWRF預(yù)報偏小。秋季和冬季DSWRF預(yù)報偏差與總云量預(yù)報偏差相關(guān)關(guān)系的空間分布與春季和夏季不同。秋季、冬季顯著負相關(guān)主要分布在中國南方地區(qū)。而中高緯度部分地區(qū)出現(xiàn)正相關(guān)，盡管上述地區(qū)未通過顯著性檢驗，但從側(cè)面反映影響中國北部地區(qū)秋季、冬季DSWRF預(yù)報偏差的因子發(fā)生了明顯變化，可能是北方冬季氣溶膠的作用。但CAMS-CSM尚未考慮氣溶膠的影響，因此預(yù)報結(jié)果未能體現(xiàn)其作用。需要指出的是，模式中云量與短波輻射緊密相關(guān)，相互影響，而云微物理過程是造成氣候模式模擬不確定性最大的因素，因而DSWRF預(yù)報偏差還與模式物理過程有關(guān)，需要進一步分析。另外，由于到達地表的短波輻射還受下墊面的反射作用，陸面過程也是造成凈短波輻射預(yù)報偏差的可能因子。

圖10 模式LM0預(yù)報的不同季節(jié)DSWRF預(yù)報偏差與總云量預(yù)報偏差相關(guān)分布(黑色打點表示達到0.1顯著性水平)Fig.10 Correlation coefficients between DSWRF biases and total cloud cover biases at LM0(black dots denote passing the test of 0.1 level)

3 結(jié)論和討論

本文使用中國氣象科學(xué)研究院發(fā)展的全球高分辨率氣候模式CAMS-CSM，通過三維松弛逼近同化方案發(fā)展了高分辨率耦合模式的耦合資料同化系統(tǒng)，并開展2010—2020年歷史回報試驗。針對中國及3個典型區(qū)域的DSWRF氣候態(tài)及異常場的季節(jié)預(yù)測進行了系統(tǒng)性評估，得到以下結(jié)論：

1) 不同起報時間DSWRF氣候態(tài)預(yù)報的空間分布與觀測接近，季節(jié)變化特征再現(xiàn)合理，但模式預(yù)報結(jié)果存在明顯的系統(tǒng)性偏差。春季、夏季表現(xiàn)為預(yù)報整體偏弱，尤其是西南至青藏高原一帶，整體偏低20～40 W·m-2。秋季、冬季除內(nèi)蒙古部分地區(qū)外均有不同程度的偏高。不同超前時間預(yù)報的氣候態(tài)偏差相差不大。

2) DSWRF的LM0預(yù)報年際變率呈南高北低的偶極子分布特征，與觀測一致，但明顯低估了華南春季、夏季的年際變率，高估了青藏高原及東北地區(qū)的年際變率，華南地區(qū)秋季、冬季有所高估，其他地區(qū)偏差相對較小。不同超前時間預(yù)報的DSWRF年際變率偏差型態(tài)與LM0預(yù)報類似，部分地區(qū)DSWRF預(yù)報的年際變率存在不同程度的偏低。

3) 預(yù)報技巧存在明顯的空間差異。模式對內(nèi)蒙古及西北地區(qū)各季節(jié)的預(yù)報技巧較高，大部分地區(qū)達到0.1顯著性水平。秋季東北地區(qū)TCC也較高。隨著預(yù)報超前時間的增加，TCC呈顯著下降趨勢。從趨勢異常綜合評估角度看，LM1預(yù)報對中國地區(qū)各季節(jié)的P指數(shù)均超過70分，對西北地區(qū)夏季、秋季表現(xiàn)最好，均超過80分。

總體而言，CAMS-CSM對中國DSWRF的氣候態(tài)、異常態(tài)空間分布及年際變化在超前0～1個月預(yù)報存在一定預(yù)報技巧，可為未來短波輻射預(yù)報及太陽能清潔能源選址等提供參考。此外，模式的DSWRF預(yù)報偏差與云量預(yù)報偏差存在明顯負相關(guān)關(guān)系，說明模式對云量的預(yù)報偏差是造成DSWRF預(yù)報偏差的主要原因，尤其是中國春季、夏季以及華南地區(qū)的秋季和冬季。值得注意的是，氣溶膠、水汽以及陸面過程也是影響DSWRF預(yù)報偏差的因子[6,15-16,22]，但CAMS-CSM未充分考慮上述影響，因此還需進一步研究，可從提高模式對云微物理過程描述的準確性或減小不確定性角度提高其對DSWRF預(yù)報的準確性。同時，未來還可通過對預(yù)報結(jié)果進行區(qū)域模式動力降尺度處理[40]，即利用全球模式的模擬結(jié)果作為邊界條件直接驅(qū)動區(qū)域模式，從而獲得高分辨率氣候信息。