国家气候中心多模式解释应用集成预测

多模式集合和降尺度技术是提升模式预测能力的有效工具。该文对国家气候中心多模式解释应用集成预测 (MODES) 技术与业务应用现状进行了综合介绍。MODES采用欧洲中期天气预报中心、东京气候中心、美国国家环境预报中心和中国气象局国家气候中心4个气候业务季节预测模式输出场,利用EOF迭代、变形的典型相关分析、最优子集回归和高相关回归集成4种统计降尺度方法以及等权平均、经典超级集合等集成方法进行全国月及季节降水和气温预测。目前对MODES进行了夏季回报检验和约1年的实时业务应用。回报检验和业务应用表明,MODES对气温有较好的预测能力 (月预测平均PS评分为76),对降水有一定预测技巧 (月预测平均PS评分为68),具有短期气候预测业务应用价值。     

动力延伸预报产品在辽宁短期气候预测中的释用

基于1961～2000年辽宁53个测站40 a逐年的月气温距平和月降水距平百分率资料,根据EOF(经验正交函数)展开的空间特征向量分布特征,将前3个主要特征向量时间系数作为预报量,将500 hPa高度场的高度距平、地转涡度作为预报因子,利用多元统计回归分析,建立了一套定点、定量预测辽宁各月气温与降水量的数学模型。利用该模型对2001~2005年辽宁53个测站的月气温距平和月降水距平百分率进行逐月预报试验。结果表明:对气温和降水量的趋势预报的评分均比较好,有87%以上的月气温距平预测结果的评分超过66.0分,各月的平均Ps评分均高于66.0分,年平均为75.5分或以上,总平均为83.1分;有70%的月降水距平百分率预测结果的Ps评分超过60.0分,各月的平均Ps评分都高于53.0分,年平均为58.0分以上,总平均为66.5分。但对异常气候的预测效果不明显。     

CFSv2模式对巴彦淖尔市夏季月气温和降水量预测能力的评估

基于美国环境预测中心的CFSv2模式输出的1984—2009年6—8月平均气温和降水量格点数据,以及巴彦淖尔市9个气象台站的气温和降水实况数据,评估该模式对巴彦淖尔市6—8月气温、降水的预测能力。结果表明:模式对气温气候平均态的模拟和实况分布存在差异,降水反映出东多西少的分布特征,但气候平均值明显偏小。模式预测气温明显高于实况,但能够较好地反映26a气温的变化趋势,两者年际变化相关显著;模式预测降水量平均仅为实况降水量的1/2,并且对>50mm月降水量的预测能力较差。Pc、Ps评分检验显示,6月评分高于7、8月,降水量高于气温,模式对降水量预测的Ps评分已达到业务考核标准,经量级订正后,可以业务应用。     

基于DERF 2.0产品东北地区降尺度气温预测模型研究

本文利用第二代月动力延伸预测模式业务系统(Dynamic Extended Range Forecast,DERF 2.0)提供的1983—2015年位势高度场资料、NCEP/NCAR再分析资料及东北地区气温实况场,从DERF 2.0产品降尺度解释应用角度出发,建立了一套完整的东北地区月气温预测模型的方案,对东北地区11月气温进行了降尺度解释应用,建立了基于DERF 2.0产品东北地区11月气温的预测模型。结果表明:通过对基于DERF 2.0产品建立的东北地区11月气温预测模型的检验分析可知,建立的模型对东北地区月气温具有较高的预报技巧(Ps评分较高),对月气温预测具有较明显的改进,可在实际气候预测业务中应用,并对模型的稳定性问题进行了探讨,逐步改进完善预测模型。     

新疆夏季降水和冬季气温预测方法及效果评估

本文利用4个国内外先进的气候模式（国家气候中心、ECMWF、NCEP和JMA）业务预测数据,采用2种多模式集合方法（等权平均和超级集合）、3种降尺度方法（BP-CCA、EOF迭代、高相关回归集成）和3种统计方法（CCA、最优气候值、高相关回归集成）以及降尺度集成和降尺度-统计方法集成,分析了目前季节模式、多模式集合、降尺度、统计方法、降尺度-统计集合等目前常用气候预测技术对新疆夏季降水和冬季气温的业务预测能力。 研究表明,以上技术方法对新疆夏季降水和冬季气温的预测预测能力有较大差别。目前先进的气候业务模式的预测技巧普遍很低,多模式超级集合和降尺度方法的技巧常高于单个模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同时,统计方法和降尺度方法的预测技巧通常较为接近,而对二者进行超级集合可以具有相对很高的预测技巧。此外,现有常用气候预测技术方法对新疆夏季降水和冬季气温的趋势有一定的预测能力,但对气候异常的空间分布基本无预测能力。建议新疆气候预测技术围绕统计和降尺度方法集合发展。     

浙江省2007—2014年短期气候预测质量检验综合评析与相关思考

短期气候预测是气象部门的核心业务之一。中国气象局预报与网络司先后于2009年和2013年出台了Pg和Ps两种评分方案,用来评定短期气候预测质量。本文从多个角度研究了浙江省2007年3月—2014年12月气温和降水的月预测评分结果,发现浙江省气温预测评分略高于全国平均和华东区域平均,降水预测优于全国平均和华东区域平均。从平均得分来说,浙江省气温预测排名居于全国中游前列,降水预测位居全国前列。2013年以来,相较于国家气候中心指导预测,浙江省实际发布气温和降水预测分别表现出微弱的负技巧和显著正技巧。通过个例分析,进一步发现能否科学对待指导预测、避免因循守旧的观念干扰是影响预测效果的重要非智力因素。最后对新评分体系下业务开展中值得注意的几个问题进行了相关讨论。     

青海省月降水、气温的动力模式解释应用及其效果检验

利用月动力延伸预报500hPa高度场资料、青海省36站实况降水、气温等资料,研究对不同月份及不同季节降水分别有重大影响的大尺度预测因子。并选取稳定高相关、物理意义明确、彼此间独立的影响因子,通过多次试验选择适合的统计降尺度方法,建立青海省月降水、气温的动力降尺度解释应用预测模型。按国家气候中心业务评分标准,用独立样本对模型预测效果进行检验,通过与近6年实际预报评分比较,模式降尺度应用后预测评分大部分超过业务评分,其中降水预测评分最高达84％,最低为67％。月平均气温降尺度解释应用评分最高达84％,最低也达到67％,平均评分虽不及业务评分高,仍是比较客观的预报方法,在短期气候预测中有实用价值。     

基于DERF的SD方法预测月降水和极端降水日数

针对动力气候模式对区域或更小空间尺度内的日降水预测技巧偏低的问题,应用最优子集回归 (OSR) 方法对国家气候中心业务化的月动力气候模式 (DERF) 输出的高度场、风场和海平面气压场进行降尺度处理用于降水预测,旨在提高预测准确率。1982—2006年交叉检验结果表明:OSR方法能显著提高降水预测技巧,其中11~40 d改善效果最为显著。在此基础上,应用一步法和两步法两种统计降尺度方法预测极端降水日数,交叉检验结果表明:两种方法均优于随机预测,冬季两步法预测技巧略高于一步法,夏季一步法略优于两步法。综合认为OSR,OSR结合随机天气发生器 (WG) 两种统计降尺度方法对月尺度降水或极端降水日数的预测均具有较高的技巧,可作为短期气候预测的重要参考信息。     

基于ASD统计降尺度的雅鲁藏布江流域未来气候变化情景

青藏高原对东亚、南亚甚至全球的气候和水文循环有重要影响,模拟和分析青藏高原未来气候状况对研究东南亚区域生态、气候、水资源格局与演变趋势具有重要意义。利用ASD统计降尺度方法,对MIROC3.2_medres模式输出的降水和气温进行降尺度,并与ERA-40再分析资料进行了对比分析和评价,在此基础上分析了2046-2065年与2081-2100年三种情景下的气候变化情况。结果表明,ASD统计降尺度模型可以较好地将雅鲁藏布江流域GCM大尺度降水和气温数据降尺度到站点尺度,气温的解释方差都在90%以上,降水的解释方差也达到12%~27%;雅鲁藏布江流域未来降水年际变化不明显,年变化趋势多数小于5%;降水年内分配将更加集中,秋、冬、春季的降水减少趋势明显,最大降幅达55.58%,夏季降水显著增加,最大增幅达到30.44%;雅鲁藏布江流域未来将显著增温,21世纪中叶增温幅度为1.60~2.12℃,21世纪末期增温幅度达2.34~3.69℃;在降水与气温的双重影响下,流域水资源问题可能会变得更加严峻。     

一种基于全球动力模式和SMART原理结合的统计降尺度区域季节气候预测方法

针对江苏夏季旱涝和高温热浪等异常气候的预测难题，以江苏夏季站点降水和气温为预测目标，建立了一种基于全球动力模式BCC_CSM1.1（m）和最优可预测气候模态和异常相对倾向（SMART）原理结合的统计降尺度季节气候预测方法。利用历史观测资料和SVD方法提取决定中国夏季降水异常相对倾向的同期热带地区向外长波辐射（Outgoing Longwave Radiation，OLR）和北半球中高纬500 hPa位势高度场异常相对倾向的最优可预测气候模态，并利用逐步回归法构建其与同期江苏站点降水和气温异常相对倾向同期关系的统计降尺度模型；将动力模式对最优可预测气候模态的预测带入统计降尺度模型，实现对区域降水和气温异常相对倾向的预测；最后通过引入观测的近期背景异常实现对降尺度的降水和气温总距平的预测。通过对1991—2019年江苏夏季降水和气温的回报检验表明，本文建立的统计降尺度模型效果较BCC_CSM1.1（m）动力模式的直接预测效果有显著提高，为区域精细化季节气候预测提供了一种有效的手段。     

DERF2.0模式对贵州延伸期、月预测质量对比分析

利用2014—2016年第二代月动力延伸预测模式业务系统(DERF2. 0)直接输出及预报员预报的贵州省气温和降水预报数据、贵州省84站观测数据,采用Ps、Cs和Zs 3种评分方法评估了DERF2. 0对贵州月气温、降水和月内强降水过程的预测性能,并与预报员业务值班发布的预报质量进行对比分析,系统性地对DERF2. 0产品在延伸期/月尺度的预测效果进行检验评估。结果表明:DERF2. 0月预测产品总体上对贵州气温的预测性能优于降水,气温偏高预测的可参考性高于其对气温偏低的预测。DERF2. 0预报月气温的Ps评分较预报员略高,月降水较预报员略低,总体来看DERF2. 0月预测效果较预报员综合预报略差且预报性能较不稳定。预报员预测数据的Zs和Cs评分总体高于DERF2. 0预测数据,但DERF2. 0预测数据的Zs和Cs评分较预报员逐年提高,尤其在整个雨季时段较为明显。DERF2. 0对主汛期(6—8月)的预报准确率较整个雨季期(4—10月)略高。     

基于LSTM网络的中国夏季降水预测研究

基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆（Long Short-Term Memory,LSTM）网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。     

SEAS5模式对新疆月尺度气温和降水的预测性能评估

检验评估气候模式，有利于发挥这一客观预测方法在新疆气候预测业务中的应用效果，提高新疆气候预测能力。基于欧洲中期天气预报中心第五代季节预测系统SEAS5模式的历史回报数据和新疆98个气象站的气温、降水观测资料，利用距平符号一致率Pc、趋势异常综合评分Ps、距平相关系数ACC、时间相关系数TCC等方法，综合评估了SEAS5模式对新疆1993—2019年月尺度气温和降水的预测性能。结果表明：SEAS5模式对新疆月气温、降水的总体预测性能较好，对降水趋势和量级有一定的预测能力。模式的预测性能存在明显的月际差异和空间差异。模式对新疆4—9月气温和4月、6—8月降水的预测性能较好。气温预测评分中，4月Pc最高（61.3分），7月Ps最高（74.4分），6月ACC最高（0.17）。降水预测评分中，4月Pc最高（58.7分），7月Ps最高（72.1分），4月ACC最高（0.16）。空间分布上，模式对1月、3月、6月和12月南疆的气温预测性能普遍高于北疆，对7月和9月南疆西部的预测性能低于其他地区。模式对南疆的降水预测性能普遍高于北疆。     

西南地区植被变化与气温及降水关系的初步分析

利用卫星遥感植被归一化指数(NDVI)资料和西南地区96个实测台站的月平均气温以及降水资料,初步分析了西南地区植被变化与气温及降水的关系。结果表明:近20年来西南地区植被覆盖状况较好,其中夏季植被覆盖最好,冬季植被分布空间差异最大;西南地区植被整体呈增加趋势,同时也存在较明显的季节和区域差异:春季西南大部分地区植被以增加为主,夏季、秋季全区以减少为主,冬季则以增加为主且存在明显的东西反向特征,东部减少西部增加。时滞互相关分析表明:西南地区11~2月份的植被对超前其1~2个月的气温以及夏季的植被对春季气温的敏感性比较大,3~4月的植被生长对上年夏季的降水敏感性比较大;同期时,1~3月植被和气温为正相关关系,6~9月的植被生长和降水为明显的负相关关系;在植被超前气候的条件下,1~2月的植被和滞后1~2个月的气温呈正相关关系,与滞后1个月的降水有明显的负相关关系。      

Spatial interpolation of monthly climate data for Finland: comparing the performance of kriging and generalized additive models

The Finnish Meteorological Institute has calculated statistics for the new reference period of 1981–2010. During this project, the grid size has been reduced from 10 to 1 km, the evaluation of the interpolation has been improved, and comparisons between different methods has been performed. The climate variables of interest were monthly mean temperature and mean precipitation, for which the spatial variability was explained using auxiliary information: mean elevation, sea percentage, and lake percentage. We compared three methods for spatial prediction: kriging with external drift (KED), generalized additive models (GAM), and GAM combined with residual kriging (GK). Every interpolation file now has attached statistical key figures describing the bias and the normality of the prediction error. According to the cross-validation results, GAM was the best method for predicting mean temperatures, with only very small differences relative to the other methods. For mean precipitation, KED produced the most accurate predictions, followed by GK. In both cases, there was notable seasonal variation in the statistical skill scores. For the new reference period and future interpolations, KED was chosen as the primary method due to its robustness and accuracy.     

2010年国家级和自治区级业务预测产品对内蒙古短期气候预测能力的检验

对2010年1-12月和春季(3-5月)、夏季(6-8月)国家气候中心和内蒙古气候中心的短期气候预测业务质量进行评分,以检验国家级和自治区级气候预测业务对内蒙古的预测能力.通过对比分析表明:总体来看,2010年短期气候预测质量检验评分内蒙古气候中心91.7％的月份温度预测和75％的月份降水预测高于国家气候中心,其中,春季温度预测较差;夏季降水预测较差.平均而言,业务预测质量明显高于模式产品质量.因此,需要在内蒙古业务预测分析参考时注意,降水预测的指导能力相对较弱.     

BCC_CSM1.1m模式对福建前汛期降水预测的误差订正

采用1991—2017年BCC_CSM1.1m季节预测模式的月降水预测数据及福建省前汛期（4—6月）66个国家气象站降水资料,利用距平相关系数(ACC)、时间相关系数(TCC)、平均方差技巧评分(MSSS)和趋势异常综合评分(Ps)等评估方法,检验评估了提前0、1、2和5个月模式对福建省前汛期降水的预测能力。采用系统偏差、一元线性回归和EOF-相似误差（EOFL和EOFNL）等4种统计方法对回报结果进行订正,并进行效果检验。BCC_CSM1.1m在不同起报时间对福建省前汛期降水的预测均能抓住降水的前两个主模态：全省一致和南北反向分布的空间特征,但预测的气候平均值较实况存在负偏差。模式在不同起报时间对前汛期降水预测的TCC高技巧区主要位于福建省北部,ACC技巧和Ps评分存在比较大的年际差异,负系统偏差的存在使得MSSS技巧不高。经订正后,模式的预测能力得到明显提升。系统偏差、线性回归、EOF相似误差线性和非线性订正方法提前2个月起报的2011—2017年平均Ps评分分别提高5.9、3.5、6.7和7.8分;不同起报时间线性回归订正的2011—2017年平均ACC技巧分别提高0.02、0.21、0.12和0.11;上述4种方法订正的MSSS评分均有了显著提高,其中系统偏差和线性回归订正后达正技巧。综合而言,线性回归订正较其他3种订正方法表现出更为稳定的订正技巧。     

中国区域月平均温度和降水的模式可预报性分析

基于中国台站降水和温度观测资料、中国气象局国家气候中心月动力延伸预报的回算和预测结果讨论了中国区域月平均温度和降水模式可预报性的时空变化特征。文中以持续性预报来表征中国区域月平均温度和降水受外强迫影响下的可预报性,持续性预报技巧存在明显的年际和年代际变化特征;春末夏初和秋季预报评分相对偏低;在中国区域气候变暖和平均降水强度极值增加的背景下,温度的持续性预报评分有明显提高,降水的持续性预报略有下降。月动力延伸预报对月降水和温度的预报能力也存在明显的年际和年代际变化特征;与持续性预报相比,月动力延伸温度预报总体优于持续性预报,降水预报在初春略差,温度预报在8月相对最低。近20余年,月动力延伸预报相对于持续性预报的温度和降水的均方根误差技巧均大于零,其年际变化表现为模式对降水的预测略有提高。两种预报评估结果的空间分布分析表明月动力延伸预报达到显著性水平的正相关区域总体上比持续性预报的范围大,并基本涵盖了持续性预报的高相关区。原因是可预测信息部分来源于外强迫异常的影响,部分来源于对大气内部动力过程的模拟。     

CCM3大气环流模式月-季尺度预报初步试验

以1991和1994年NCEP再分析格点资料作初始场, 用NCAR气候模式CCM3进行了48次月、季预报, 针对500 hPa高度和中国降水资料对其预测能力进行了检验.结果表明, CCM3对月尺度的高度场的预报有一定的能力.对中国160站的降水距平进行月尺度和季节预报, 其准确程度可以和目前经验预报的水平相当.比较使用实际海温和用外推法预测的海温两种下边界条件所作的预报结果发现, 两者的效果差异不大.