基于区域气候模式的动力降尺度方法，是获取未来高分辨率天气气候信息的重要途径。动力降尺度在气象、水文、农业、生态、风能、大气环境等研究与预测方面，有着十分广泛的应用前景和需求。针对未来区域气候变化预估，传统的动力降尺度方法直接采用全球模式的预测结果驱动区域模式，从而得到精细时空尺度上的区域气候变化信息。然而，这样做会将全球模式的误差传递到区域模式中，从而降低降尺度模拟的可信度。

基于以上原因，中国科学院大气物理研究所的徐忠峰等人在2012年发展了一个改进的动力降尺度方法。该方法首先对全球模式系统误差（气候平均态和年际变化的方差）进行订正，然后再驱动区域模式。通过4组30年的模拟试验证明，在不考虑区域模式系统误差的前提下，改进的动力降尺度方法不仅可以显著提高区域模式对气候平均态的模拟，还可以显著改善对极端天气气候事件统计特征的模拟能力（图1）。

考虑到区域模式同样存在显著的系统误差，徐忠峰等人在2012年工作的基础上,进一步发展了该动力降尺度方法：即在全球模式系统误差订正的基础上,在区域模式积分过程中引入谱逼近方法(spectral nudging)。前者约束全球模式误差，后者约束区域模式误差。通过8个30年的动力降尺度模拟试验证明：全球模式误差和区域模式误差都会显著影响降尺度的模拟结果。当全球模式和区域模式误差同号时，会放大降尺度模拟的误差；当两个误差异号时会相互抵消，得到看似接近观测的结果。利用新的动力降尺度方法，即同时采用全球模式误差订正和区域模式谱逼近方法，可以有效限制全球模式和区域模式的系统误差。从图2可以看出，新的动力降尺度方法的均方根误差是所有以全球模式为驱动场的模拟结果中最小的。当单独采用全球模式误差订正时（图2a中蓝色虚线），降尺度结果在对流层低层仍存在较大误差；当单独采用谱逼近方法时（图2a中绿色实线），降尺度结果的误差也没有明显改善。可见，在动力降尺度过程中，需要同时限制全球模式和区域模式的误差（即采用全球模式系统误差订正＋谱逼近方法），这样才能得到更接近于观测的降尺度模拟结果（图2中红色和蓝色实线）。新动力降尺度方法，同样可以显著改善对气候变率和极端天气气候事件统计特征的模拟。

Zhongfeng Xu and Zong-Liang Yang, 2012: An Improved Dynamical Downscaling Method with GCM Bias Corrections and Its Validation with 30 Years of Climate Simulations. J. Climate, 25, 6271–6286.

http://journals.ametsoc.org/doi/abs/10.1175/JCLI-D-12-00005.1

Zhongfeng Xu and Zong-Liang Yang, 2015: A new dynamical downscaling approach with GCM bias corrections and spectral nudging. J. Geophys. Res. Atmos., doi:10.1002/2014JD022958

http://onlinelibrary.wiley.com/doi/10.1002/2014JD022958/abstract