Page 147 - 《高原气象》2025年第6期

6 期 谭淇昌等：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 1555

图7 2001 -2014年DL-MRM（a）、 DL-MSE（b）、 多模式集合平均（c）和多模式集合中位数（d）对中国东部沿海
年平均复合极端风雨事件（CWPE）模拟相对于观测的相对偏差分布（单位： %）
黑色打点为超过95%显著性检验
Fig. 7 The spatial distribution of relative biases in the simulation of annual mean Compound Wind and Precipitation Extremes
（CWPE） along the eastern coastal region of China by DL-MRM （a）， DL-MSE （b）， Multi-Model Ensemble Mean （c），
and Multi-Model Ensemble Median （d） during 2001 -2014， relative to observations. Units： %.
The black points indicate exceed the 95% significance test

图8 2001 -2014年DL-MRM模型与DL-MSE模型（a）、 多模式集合平均（MME-Mean）（b）和多模式集合中位数
（MME-Median）（c）对中国东部沿海年平均复合极端风雨事件（CWPE）模拟的相对偏差对比
红色区域表示DL-MRM相对偏差较低， 表现较好； 蓝色区域表示较高， 表现较差； 白色区域表示不确定，
即两个对比结果的相对偏差不一致
Fig. 8 Comparison of relative biases in the simulation of annual average Compound Wind and Precipitation Extremes （CWPE）
over the eastern coastal region of China from 2001 to 2014 between the DL-MRM model and DL-MSE model （a）， Multi-Model
Ensemble Mean （MME-Mean） （b）， and Multi-Model Ensemble Median （MME-Median） （c）. Red areas indicate lower
relative biases for DL-MRM， performing better； blue areas indicate higher relative biases， performing worse；
white areas indicate uncertainty， i. e. ， the relative biases of the two compared results are inconsistent