《表4 7月GPT2w模型气压、温度、水汽压的精度统计Tab.4 Accuracy statistics of pressure, temperature and water vapor pressu

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《GPT2w模型在南极地区精度分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表3和表4为GPT2w模型气压、温度、水汽压的分层分季节Bias和RMS统计结果。从表中可以看出，随着层数（高度）的增加，三者的Bias和RMS均呈现增大的趋势；当到达第7、8层左右，随着高度增加，气压的Bias有减小趋势，其Bias最大出现在第8层（10~15km）左右，数值为7月的41mb左右；温度的Bias逐渐减小为负数，但其绝对值仍远大于地面附近数值，其Bias绝对值最大出现在第9层（15km以上），数值为7月的-45K左右；水汽压的Bias和RMS也有增加趋势，但是没有气压和温度变化显著，其Bias最大出现在第9层（15km以上），数值为7月的38mb。对比发现，在全年时间尺度上，GPT2w在地面附近精度较高，但是随高度增加，精度大致呈下降趋势。GPT2w模型一般提供地面高度的气象参数初值，其他高度气象参数的计算都是从地面进行归算的，随着高度增加，误差会累积，从而导致精度降低。