Page 139 - 《高原气象》2025年第6期

第 44 卷 第 6 期 高 原 气 象 Vol. 44 No. 6
2025 年 12 月 PLATEAU METEOROLOGY December， 2025

谭淇昌， 张宇， 葛非，等， 2025. 基于深度学习方法改进 CMIP6 模式对中国东部沿海复合极端风雨事件的模拟能力［J］. 高原
气象， 44（6）： 1547-1561. TAN Qichang， ZHANG Yu， GE Fei，et al， 2025. Improving the Capability of CMIP6 Simulations for
Compound Extreme Wind and Precipitation Events in the Eastern Coastal Region of China Using Deep Learning Methods［J］. Pla‐
teau Meteorology， 44（6）： 1547-1561. DOI： 10. 7522/j. issn. 1000-0534. 2025. 00029. CSTR: 32265.14. gyqx. CN62-1061/
P.2025.00029.

基于深度学习方法改进CMIP6模式对中国

东部沿海复合极端风雨事件的模拟能力

1
谭淇昌 ， 张 宇 ， 葛 非 ， 蒋毅飞 ， 邬钰嫣 ， 王康宁 1
1
2
1
1
（1. 成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室/成都平原城市气象与环境四川省
野外科学观测研究站/四川省气象灾害预测预警工程实验室， 四川 成都 610225；
2. 广东海洋大学海洋与气象学院， 广东 湛江 524088）
摘要： 相对于单一极端天气气候事件， 由极端强风和极端降水造成的复合极端风雨事件（Compound
wind and precipitation extremes， CWPE）对沿海地区的经济和人民生活造成巨大的影响。本文利用第六
次国际耦合模式比较计划（Coupled Model Intercomparison Project Phase 6， CMIP6）中 17 个模式模拟
1961 -2000 年中国东部沿海地区 CWPE 作为训练集， 采用多层感知机神经网络建立深度学习（Deep
Learning， DL）模型。通过构建适用于 CWPE 损失函数的方式对模型进行优化， 发展适用于降低 CMIP6
模式对 CWPE模拟偏差和不确定性的 DL模型。研究结果表明， 大多数 CMIP6模式对中国东部沿海地区
CWPE 有较好的模拟能力， 其中多模式集合平均值（Multi-Model Ensemble Mean， MME-Mean）和多模式
集合中位数（Multi-Model Ensemble Median， MME-Median）的结果相对于单一模式的评估表现更好。以
均方误差（Mean Squared Error， MSE）函数作为损失函数构建的 DL 模型， 在泰勒技巧评分（Taylor Skill
Score， TS）和均方根误差（Root Mean Squared Error， RMSE）评分上的表现不如多模式集合统计结果。在
MSE损失函数基础上加入气候评估指标中的标准差之比（Ratio of the Standard Deviation， RSD）和构建的
低估值约束函数， 可以有效提高 DL模型在 TS和 RMSE评分上的表现。因此， 将由 MSE、 RSD以及低估
值约束函数构建的加权损失函数训练的 DL模型定义为 DL-MRM， 仅以 MSE作为损失函数训练的 DL模
型定义为 DL-MSE。对比分析 2001 -2014 年间两个 DL 模型对中国东部沿海 CWPE 模拟表现以及 DL-
MRM 相对于多模式集合方法的表现得出： （1）两个 DL模型模拟结果均表现低估， 但 DL-MRM 的偏差相
比于 DL-MSE 更低且更接近观测， 其中在研究区域内 DL-MRM 的相对偏差低于 DL-MSE 的面积约为
63%， 且相对偏差平均降低了约 20%； （2）DL-MRM 相较于 MME-Mean和 MME-Median， 整体偏差较低，
其模拟结果更接近观测， 在研究区域内 DL-MRM 的相对偏差较低的面积占比分别为 67% 和 62%， 且相
对偏差分别平均降低约 10% 和 20%。总体而言， 通过融合 RSD 和低估值约束函数构建加权损失函数的
方式对模型进行优化， 建立了适用于提高 CMIP6模式模拟 CWPE能力的 DL模型， 并表明结合深度学习
方法相对于传统多模式集合方法能更有效地降低CMIP6模式模拟CWPE的偏差。
关键词： 深度学习； 复合极端风雨事件； CMIP6； 中国东部沿海地区
文章编号： 1000-0534（2025）06-1547-15 中图分类号： P466 文献标识码： A
DOI： 10. 7522/j. issn. 1000-0534. 2025. 00029
CSTR: 32265.14.gyqx.CN62-1061/P.2025.00029

收稿日期： 2024⁃11⁃06； 定稿日期： 2025⁃03⁃09
资助项目： 国家自然科学基金项目（ 42375047， U2442210）； 四川省自然科学基金项目（2024NSFSC0064）； 高原与盆地暴雨旱涝灾害四
川省重点实验室开放研究基金项目（SZKT202304）
作者简介： 谭淇昌（2001 -）， 男， 广东肇庆人， 硕士研究生， 主要从事极端天气气候事件研究. E-mail： 3230101022@stu.cuit.edu.cn
通信作者： 张宇（1986 -）， 男， 重庆人， 副教授， 主要从事数值预报和资料同化研究. E-mail： zhangyu2@gdou.edu.cn
© Editorial Department of Plateau Meteorology （CC BY-NC-ND）