引言
甘肃、青海、宁夏、陕西4省（区）位于西北地区中东部，地处内陆腹地，总面积约141万km2，占我国国土总面积的六分之一。该区域横跨多个气候区，有青藏高原、黄土高原、柴达木盆地、河套平原、关中平原等多种地形地貌区，下垫面条件复杂、降水分布不均、生态环境脆弱（张强等，2010;王澄海等，2021）。我国重要的生态安全屏障——三江源和祁连山，也位于这一地区，其丰富的云水和冰川资源，孕育并发源了黄河、长江、澜沧江等一级河流和黑河、党河、石羊河等内陆河流，是西北地区乃至我国重要的水源涵养地;与此同时，得益于优良的日照条件和产业政策支持，该区域目前是我国主要的光伏发电产业区，而对光伏发电影响最大的自然因素——太阳辐射强度，主要受云量覆盖程度的调控，因此云量预报对光伏发电产业至关重要（刘玉兰等，2011;孙朋杰等，2013;吕学梅等，2014）。云是常见的自然现象，它的形成、发展和消散，在地气能量平衡和水循环中起着重要作用，不仅是地气系统辐射收支极为重要的调节因子（廖国男，1985;高太长等，2010），还是空中水资源的主要载体和产生大气降水的决定性因素之一（余忠水等，2018），因此云降水是水资源可持续利用的重要来源（强安丰等，2020）;此外，云还通过吸收散射太阳辐射、捕获地表发射的红外辐射、自身向外发射热辐射等方式，调节地气系统辐射收支并进而影响大气环流和气候变化，对干旱和半干旱区的气候影响尤为显著（汪宏七和赵高祥，1994;曹越前等，2015）。因此，在该区域无论是云水资源还是光伏能源产业，云的研究都对其具有重要意义。
已有研究对西北地区云的时空分布特征进行了详细诊断（宜树华等，2003;陈勇航等，2005;范思睿等，2020），同时针对祁连山和三江源等西北云水资源丰富区，云的季节分布与演变特征也有相关研究（王宝鉴等，2006;强安丰等，2020）。这些研究揭示了相关区域云自身的分布变化趋势及云资源开发利用的意义，若更进一步实现云资源的有效利用，则需要较为准确的云预报产品作为支撑。从这一角度看，在作为主要预报手段的数值模式本身存在不确定性和误差的现状下，对模式预报云产品要进行有针对性的检验评估，这也是云预报产品应用的关键环节（Gao and Xiao，2009;Zhang et al.，2010）。相关研究针对NCEP（National Centers for Environmental Prediction）全球预报系统（Global Forecast System， GFS）（张寅等，2012）、CMA-GFS（China Meteorological Administration Global Forecast System，原GRAPES-GFS）和WRF（Weather Research and Forecasting Model）（吴伟，2011）等数值模式开展了云预报产品检验评估工作，但聚焦于西北地区中东部的模式云预报产品检验评估目前少有开展。另一方面，作为全球主流的数值天气预报模式，ECMWF-HR（European Centre for Medium-Range Weather Forecasts High Resolution）在实际业务中有广泛应用，尤其在云预报方面。以往预报业务中发现ECMWF-HR对西北地区中东部的云量预报存在一定偏差，预报准确率有待提升，因此对ECMWF-HR云量预报产品在该区域的检验评估亟待开展且有重要意义。
1 数据及方法
1.1 资料
所用卫星资料为我国FY-2G卫星的总云量反演产品，为HDF格式数据，星下点空间分辨率0.05°×0.05°，时间分辨率1 h，通过风云卫星遥感数据服务网（http://satellite.nsmc.org.cn/PortalSite/Default.aspx）获得。卫星总云量仅考虑网格点的辐射比值，由辐射传输方程计算获得，公式如下：
式中：Ac（%）为云量;
文中附图涉及的地图均基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1552号的标准地图制作，底图无修改;文中所有时间为世界时。
1.2 评估方法
利用2019年10月至2020年9月共计12个月的ECMWF-HR总云量预报产品和同时段FY-2G卫星总云量反演产品，按照ECMWF-HR总云量预报产品空间分辨率及预报时效提取对应格点相同时次的FY-2G卫星总云量反演产品，形成与模式网格点相对应的卫星反演实况格点数据，以此为基础开展针对ECMWF-HR云产品的误差评估和空间检验。
分别计算ECMWF-HR模式00：00、12：00起报的3 h预报时效的总云量平均误差（Mean Error，ME）和平均相对误差（Mean Relative Error，MRE）两种检验指标，并对计算结果进行对比检验，ME与MRE计算公式如下：
式中：
为了检验分析前了解西北地区中东部总云量的季节分布特征，利用2019年10月至2020年9月的FY-2G卫星反演数据，并参考该区域汛期和非汛期划分时间节点，以10月至次年3月代表冬半年，4—9月代表夏半年，按冬半年和夏半年分别计算总云量空间距平。总云量距平的空间分布可直观显示西北中东部冬、夏半年云量偏多或偏少的关键区域。格点云量距平计算公式如下：
式中：
2 两种云量分布特征对比
利用2019年10月至2020年9月的FY-2G卫星总云量反演产品和同时段的ECMWF-HR模式预报云量产品，绘制卫星反演和模式预报的平均总云量空间分布图（图1）。其中，卫星反演平均总云量为研究时段内所有时刻总云量的算术平均值;模式预报平均总云量为相同时段内，ECMWF-HR模式每天12：00起报的24 h内总云量算术平均值。可以看出，模式预报的平均总云量与卫星反演结果整体都呈北少南多分布;青海北部与甘肃交界处的祁连山西段为卫星反演结果大值区，而该区域模式预报平均总云量偏少;模式预报平均总云量较卫星反演结果整体偏多10%左右，且甘肃和陕西南部偏多明显。
图1
图1
2019年10月至2020年9月西北中东部地区FY-2G卫星反演（a）与ECMWF-HR模式预报（b）平均总云量（单位：%）
Fig.1
Average total cloud cover retrieved by FY-2G satellite （a） and forecasted by ECMWF-HR （b） in the central and eastern parts of Northwest China from October 2019 to September 2020 （Unit： %）
卫星反演云量产品更接近实际，为进一步了解研究区域总云量分布特征，利用2019年10月至2020年9月的FY-2G卫星反演数据计算冬、夏半年西北中东部地区云量距平，从图2可以看出，冬半年祁连山西段山区和青海南部是较为明显的2个云量偏多区域，而位于两者之间的柴达木盆地以干旱荒漠为主，云量较少;甘肃西北部和中部、宁夏大部至陕西北部一带也是云量较少区域，总云量偏少5%~10%。夏半年，西北中东部地区大部云量明显增多，尤其在青藏高原及其边坡地区云量正距平区范围较大，这与高原夏季对流活动旺盛有关（王遂缠等，2005;郑晓辉等，2013;王宝鉴等，2017;张宁瑾等，2018;刘俏华等，2021）;甘肃西北部有明显的少云区域，表明夏半年沙漠戈壁地区的云量明显偏少。
图2
图2
FY-2G卫星反演的2019年10月至2020年3月（a）与2020年4—9月（b）西北中东部地区总云量距平分布（单位：%）
Fig.2
Distribution of total cloud cover anomalies in the central and eastern parts of Northwest China from October 2019 to March 2020 （a） and from April to September 2020 （b） retrieved from FY-2G satellite data （Unit： %）
3 模式产品空间误差分析
考虑到西北中东部地区云量分布的季节性特征，模式产品空间检验中按照冬半年和夏半年分别计算ECMWF-HR总云量预报相对于FY-2G卫星反演总云量在0~72 h预报时效的平均误差、平均相对误差。冬半年平均误差（图3）显示，祁连山西段、河西北部山区ECMWF-HR预报的总云量普遍偏少10%~30%;甘肃河东、宁夏南部、陕西关中及陕南的总云量预报普遍偏多10%~20%，陇南、天水、陕南等市部分地方偏多30%~40%。除此之外，西北中东部大部地区ECMWF-HR预报的总云量平均误差在±20%以内。夏半年平均误差（图4）分布则与冬半年不同，西北中东部地区大部均为正偏差，夏半年ECMWF-HR的预报总云量整体偏多;除甘肃中部、宁夏大部偏差为20%~30%以外，其余地方偏差均为10%~20%，尤其是冬半年预报效果较差的2个区域（西北部和东南部），夏半年预报效果相对较好。
图3
图3
西北中东部地区ECMWF-HR预报总云量的平均误差（单位：%）
（a）冬半年，（b）夏半年
Fig.3
The mean error of total cloud cover forecasted by ECMWF-HR in the central and eastern parts of Northwest China （Unit： %）
（a） winter half year， （b） summer half year
图4
图4
西北中东部地区ECMWF-HR总云量预报平均相对误差（单位：%）
（a）冬半年，（b）全年
Fig.4
The mean relative error of total cloud cover forecasted by ECMWF-HR in the central and eastern parts of Northwest China （Unit： %）
（a） winter half year， （b） the whole year
在西北中东部地区，ECMWF-HR预报的夏半年总云量平均误差分布较为均匀，大部分地区平均误差均为10%~20%，预报云量比观测整体略偏多;与夏半年不同，冬半年西北中东部地区的模式云量预报偏差则有明显的区域性特征，其中祁连山区西段有负偏差（偏差中心值达-60%~-40%），该区域东南部有明显的正偏差（偏差中心值达40%~60%），其他大部地区的偏差则很小（±10%）。
从ECMWF-HR预报总云量的平均相对误差分布（图4）可以看出，西北中东部地区模式预报总云量的平均相对误差分布不均，这一特征在冬半年表现尤为明显;甘肃中部、河西走廊、陕西北部等区域的ECMWF-HR预报总云量平均相对误差小于其他地区;高海拔地区（青藏高原、祁连山中西部）和陇南、陕南等地平均相对误差普遍偏大（30%~40%）;冬半年平均相对误差和平均误差的大值中心较为一致，全年平均相对误差的大值中心则主要位于祁连山西段（约30%~35%），与之相比冬半年该区域平均相对误差更大。夏半年西北中东部地区整体平均相对误差在30%~35%以内（图略）。
4 不同区域误差对比及成因分析
选取误差特征不同的3个典型区域检验模式总云量预报平均误差的时序演变，其中祁连山西段A区（94.5°E—98.5°E，38°N—39.5°N）以及甘肃和陕西南部B区（111°E—103°E，32.5°N—36.5°N）冬季模式云量预报效果较差且偏差分布相反，平均误差可以更直观地体现预报相对实况的正负偏差程度;青海西部C区（92°E—94.5°E，35°N—36.5°N）冬半年和全年的平均误差都相对较小，预报较为稳定，可作为前2个区域的对比区（图5）。
图5
图5
2019年10月至2020年9月西北中东部地区ECMWF-HR模式总云量预报平均误差（单位：%）
（3个红色方框为典型检验区）
Fig.5
The mean error of ECMWF-HR total cloud forecast product in the central and eastern parts of Northwest China from October 2019 to September 2020 （Unit： %）
（The red boxes are three typical verification regions）
图6为典型区域从2019年10月到2020年9月00：00和12：00起报的未来240 h云量预报偏差时间序列。可以看出，与FY-2G卫星总云量反演结果相比，区域A与区域B的ECMWF-HR模式云量预报平均误差存在明显的规律性波动，前者为一致的负偏差，后者为一致的正偏差;00：00和12：00起报的总云量预报产品偏差幅度接近，且随着预报时效延长偏差无明显增大现象，预报能力相对稳定;偏差绝对值白天小、夜间大。区域C偏差整体小于A、B两个区域，偏差序列波动与区域A同相位，与区域B反相位;值得注意的是，区域C偏差序列同样反映出偏差白天小、夜间大的特征，其中0~72 h预报时效内偏差序列在-10%~10%之间振荡，72 h以后则主要为负偏差，偏差在-10%~1%之间。
图6
图6
ECMWF-HR模式0~240 h预报时效总云量平均误差序列
（阴影区域代表夜间）
（a）00：00 起报，（b）12：00起报
Fig.6
The mean error series of ECMWF-HR total cloud forecast product in the whole forecast periods （0-240 h）
（the shaded for night time）
（a） forecast starting at 00：00， （b）forecast starting at 12：00
ECMWF-HR模式总云量预报偏差出现非常规律的日变化特征，主要由以下原因造成：ECMWF-HR模式云量预报中同化了可见光波段卫星资料，夜间可见光波段卫星资料缺失，有可能降低ECMWF-HR模式对夜间云量预报的能力，造成云量预报偏差的日变化。此外，ECMWF-HR模式诊断云方案中单层云量的计算来源于对流云量和用相对湿度阈值法计算的大尺度云量，所有模式单层云量合成总云量;总云量的计算利用了对流云量和相对湿度，其中对流云量计算依赖于相对湿度、垂直速度及经验系数（郑晓辉等，2013）。在模式总云量计算方案中，作为关键因子的相对湿度会随着温度的日变化而呈现出日变化特征（Moradi， et al.， 2016），因此ECMWF-HR模式总云量预报产品也随之表现出一定的日变化特征。
值得注意的是，区域A地处青藏高原东北缘及祁连山西端，西与阿尔金山脉相接，西北与西南方向分别为库姆塔格沙漠和柴达木盆地，境内有党河南山、野马南山、疏勒南山、托勒南山等，山峰海拔多在4 000~5 500 m，山间谷地海拔在3 000~3 500 m之间，属于高原高寒气候，大气干洁、云系偏少。ECMWF-HR作为全球模式，对于区域A高山地形带来的小尺度气流抬升、山谷风等局地的动力及热力效应无法充分考虑（Skjerdal and Sundvor，2009;张超等，2018;王平等，2018;肖玉华等，2019）。区域B地处秦岭及以北黄土高原，海拔一般为1 000~2 000 m，属暖温带气候，因季风及绕高原气流的作用，大气温湿状况有明显的季节差异，导致该区域总云量具有显著的季节差异（李栋梁等，2013）。综上，地理气候等因素使得A、B两区域云系本身具有显著的分布差异。
5 模式云量订正
为了在实际预报应用中对ECMWF-HR总云量预报产品做出有效订正，有必要对2个偏差明显的区域的总云量特征进行更进一步研究。利用2019年10月至2020年9月FY-2G卫星观测反演数据，统计2个区域总云量的日变化序列（图7）。可以看出，区域A的总云量在夜间呈明显减少趋势，总云量相对于白天减少接近10%，夜间平均总云量在46%左右，白天总云量平均约54%;区域B恰恰相反，夜间总云量增多，从白天的34%左右增加到接近45%。基于模式预报结果，区域A云量预报需要在模式预报基础上调高10%~30%，而区域B需要在模式预报基础上降低20%~30%。根据区域A、B统计得到的订正方案，对2019年10月至2020年9月ECMWF-HR模式00：00起报的前24 h云量预报结果进行订正，得到00：00—24：00平均云量预报曲线（图7）。可以看出，2个区域订正后的模式云量预报与卫星反演结果较为接近，平均绝对偏差约4.5%，且与卫星反演结果具有相似的日变化特征。
图7
图7
2个区域FY-2G卫星总云量和订正后的ECMWF-HR模式预报总云量日变化
（阴影代表夜间）
Fig.7
The diurnal variation of total cloud cover retrieved from FY-2G satellite data and the corrected values of ECMWF-HR cloud forecast products in two regions
（the shaded for night time）
6 结论
本文利用2019年10月至2020年9月的FY-2G卫星总云量反演产品，对西北中东部地区同时段ECMWF-HR模式总云量预报产品进行检验评估，并选取关键区域分析ECMWF-HR总云量预报偏差的日变化特征，并对其可能原因进行了讨论。结果表明：
（1）ECMWF-HR模式对西北中东部地区大部的总云量预报相对稳定，白天预报偏差较小、夜间偏差增大;夜间预报偏差绝对值增幅在祁连山西段以及甘肃和陕西南部2个区域分别为10%和20%。
（2）模式总云量预报在西北中东部地区有明显的季节特征，夏半年模式云量预报整体偏多且偏差空间分布均匀，冬半年模式云量预报祁连山区西段明显偏低，而甘肃和陕西南部明显偏多，其他大部地区预报偏差低于夏半年。
造成ECMWF-HR模式总云量预报日变化特征的可能原因：一方面考虑模式云量计算关键因子相对湿度本身由于温度变化而存在日变化特征;另一方面FY-2G卫星观测反演数据夜间质量略高于白天。总体来说，ECMWF-HR模式对西北中东部地区大部的总云量预报相对可信，但在2个明显异常区需要进行偏差订正，其中祁连山西段需要在模式预报基础上调高10%~30%，而甘肃和陕西南部则需要在模式预报基础上降低20%~30%。
参考文献
半干旱区云量变化特征及基与太阳-辐射关系的研究
[J].
利用兰州大学半干旱气候与环境观测站2008年全天空成像仪、微脉冲激光雷达和太阳总辐射观测资料，分析了不同时间段内云量的变化特征及其与太阳辐射的关系。结果表明：2008年3~8月总云量经历了先上升后下降的过程，其中3~5月缓慢上升，各月总云量都在8成以上；6~8月显著下降，但各月总云量都大于6成，说明半干旱区春夏季云量充足，属“不缺云”状态；同一时段内，太阳总辐射先“变亮”后“变暗”， 即3~5月大幅上升，6~8月逐步下降；总云量与太阳总辐射存在显著的负相关关系, 相关因子R2=0.68；低云、中云、高云对地面太阳辐射的相对影响值分别为-23.01%、-3.33%和13.09%。
西北地区空中云水资源的时空分布特征
[J].利用1983年7月至1998年12月国际卫星云气候计划ISCCP D2的月平均云资料,对西北地区空中云水资源的时空分布特征进行了系统的研究。结果表明:三个不同区域的月平均总云量、光学厚度和云水路径的区域平均值分别在52.5%~58.3%,2.6~6.6和44.9~77.6 g·m<sup>-2</sup>之间;西北地区空中云水资源多年平均分布有其沿地形分布的特点,总云量、中云量、总光学厚度和总云水路径的高值区均在天山、昆仑山、祁连山一带,而低值中心一般分布在塔里木盆地-内蒙古西部戈壁沙漠-黄土高原西北部一带。此外,祁连山、青海所在的高原气候区云水资源近年呈上升趋势,特别是总光学厚度和总云水路径15年来呈明显上升趋势,分别约上升了0.8和16.4 g·m<sup>-2</sup>。
中国东亚副热带夏季风北边缘带研究进展
[J].东亚副热带夏季风北边缘带作为季风区和非季风区的过渡带， 对我国西北地区东部、 华北和东北地区， 特别是黄河流域的天气、 气候变化和极端灾害性天气气候事件的发生具有重要影响。本文回顾了有关中国夏季风北边缘带的定义、 边缘带的空间界定和变化特征以及边缘带内气候变化趋势等不同角度的主要研究进展， 并总结了影响夏季风北边缘带变化的可能因子。东亚副热带夏季风北边缘带是位于东亚大陆性气候系统与海洋性气候系统的交界区， 在现代气候上表现为东北—西南向的半干旱、 半湿润气候区。边缘带内气候变化复杂、 自然灾害多以及影响因素多。最后提出了现有研究中关于夏季风北边缘时空分布精细化等方面的一些不足和值得进一步研究的问题。
FY-2G云量产品与地面观测云量对比分析
[J].为推动地面云观测自动化，利用2015-2016年全国范围内不同时段FY-2G卫星观测云覆盖率和总云量反演产品与同时段地面气象站人工观测总云量资料进行对比分析，评估卫星观测与地面人工观测的一致性和偏差。结果表明，FY-2G卫星观测云产品较地面观测偏低，总云量较云覆盖率偏低明显。定义晴天、少云、多云、阴天四种不同云量等级，进一步分析卫星数据，结果显示不同云量等级下云覆盖率与总云量与地面人工观测的一致性和偏差有所不同，晴天和少云状态下总云量产品一致性较好，阴天时云覆盖率一致性较好。从分布上分析发现西部和西南部观测偏差较大，且根据云量等级呈现不同的状态。因此在云观测自动化布局中，卫星观测不能完全替代地面云量观测。地面观测应在西部和西南部，以及天气状况较为复杂的区域加强观测。
祁连山云和空中水汽资源的季节分布与演变
[J].祁连山云和空中水汽资源具有明显的季节变化特征：总云量春季最多，夏季次之，低云量夏季最多，春季次之。近45年中的春季和夏季，总云量在减少，低云量在增加，对应降水也在增加；秋季三者都为减少趋势；冬季总云量和降水在增加，但低云却呈减少趋势。相关分析表明，总云和降水在夏季、秋季呈显著正相关，低云和降水在春季、夏季及秋季呈正相关；值得注意的是冬季低云和降水在祁连山的中东段呈负相关，但通不过信度检验。空中水汽主要沿两条路径输送到祁连山，平均状况下祁连山存在较强的水汽辐合，且东段辐合（-0.1～-0.05 kg/(m<sup>2</sup>·s）)强于中西段（-0.05～0 kg/(m<sup>2</sup>·s））。地中海、黑海、里海、咸海、阿拉伯海和孟加拉湾是祁连山的水汽输送源地，但各个季节又有所不同。祁连山区域的水汽收支表明，春季净水汽通量在1979年以后一直为正且呈增加趋势，夏季整个区域基本上是个“水汽汇”，秋季和冬季则一直为负。分析认为祁连山春、夏两季空中云水资源具有较好的开发潜力。
青藏高原东北侧夏季降水的气候特征分析
[J].利用西北地区均匀分布的126个地面测站，采用REOF和模糊聚类方法对降水的空间特征进行研究发现，青藏高原东北侧是西北地区夏季降水最为敏感的自然区，主要雨季为7-8月，几乎占全年总降水的一半，该区域少雨年的概率大于多雨年，旱年和多雨年交替出现。6月降水在近40 a里呈上升趋势,7月降水总体变化不大，8月呈下降趋势，从降水线性趋势来看，整个夏季降水无明泉变化。另外，y温距平和降水距平百分率具有明显的反位相变化关系，近40 a来气温呈缓慢升高趋势。
1979—2016年青藏高原降水时空特征
[J].根据青藏高原1979—2016年逐日降水资料，采用统计方法分析近38 a青藏高原降水及降水集中度（PCD）、降水集中期（PCP）的时空特征。结果表明：青藏高原降水量分布自东南向西北递减。青藏高原全区PCD介于0.61～0.71之间；PCP介于38～41候。青藏高原各区降水分布不均匀，其中高原南部降水最集中且PCP最晚，高原东北部降水相对均匀，高原西北部PCD、PCP年际间波动幅度最大。降水量与PCD相关阿里最好，聂拉木为负相关。降水量与PCP的相关表现为以90°E为界，东部为正相关、西部为负相关。夏季降水偏多年500 hPa乌拉尔山和蒙古下游高压脊偏强，夏季降水偏少年东亚大槽加深。夏季降水偏多年对流层低层气流辐合、高层辐散。
Dependence of the accuracy of precipitation and cloud simulation on temporal and spatial scales
[J].
Impact of ERS scatterometer winds in ECMWF's assimilation system
[J].
Stochastic representations of model uncertainties at ECMWF: state of the art and future vision
[J].
Diurnal variation of tropospheric relative humidity in tropical regions
[J].
Variability of precipitation in complex terrain and the investigation of representativeness of a single point measurement for the Matre Hydro System, Western Norway
[J].
