基于CFS模式的中国站点夏季降水统计降尺度预测

本研究针对中国夏季站点降水,研制建立了基于Climate Forecast System(CFS)实时预测数值产品及观测资料的统计降尺度预测系统。此预测系统选取了CFS模式中当年夏季500 hPa高度场和观测资料中前一年秋、冬季海表面温度场作为预测因子,两因子的关键区分别为泛东亚地区和热带太平洋地区。统计降尺度模型对1982~2011年中国夏季降水的回报效果较CFS模式原始结果显著提高,空间距平相关系数由0.03提高到0.31,时间相关系数在中国大部分地区显著提高,最大可达0.6。均方根误差较CFS模式原始结果明显降低,同时,此降尺度模型较好的回报出2011年汛期降水的距平百分率的空间分布型。     

西北偏湿背景下青海省夏季降水的统计降尺度方法研究

本文研制建立了一个预测青海省夏季降水的动力—统计相结合的组合降尺度预测方法（Hybrid Statistical Downscaling Prediction，HSDP），该方法综合利用了气候模式Climate Forecast System 2.0版本（CFSv2）实时预测的高可预报性环流信息及前期观测的与青海夏季降水具有高相关性的气候因子，采用年际增量方法，基于气候变量的年际增量规律建立统计模型，从而实现对青海夏季降水进行动力—统计相结合的气候预测。根据全球气候因子的年际增量与青海省夏季降水年际增量的相关系数，以及CFSv2预测产品对实况模拟能力的评估，选取以下关键区气候变量的年际增量作为预测因子：（1） CFSv2模式预测当年夏季包含贝加尔湖脊、乌拉尔山脊和新疆脊区域的500 hPa高度场；（2） CFSv2模式预测青藏高原以西200 hPa纬向风场；（3）观测资料中前1 a秋、冬季热带太平洋地区海表面温度场；（4）观测资料中前1 a秋、冬季西伯利亚地区的海平面气压场，对青海省夏季降水进行统计降尺度预测。统计降尺度模型利用1983—2011年进行建模，回报2012—2018年夏季青海省降水的空间分布和时间变化，并对该模型对1983—2011年的夏季青海省降水的回报能力进行了交叉检验。回报结果表明该统计降尺度模型对CFSv2的青海省夏季降水预测能力有显著的提高，能够很好地再现青海省夏季降水西北部的高原地区偏少，而在东南部偏多的特点。该模型预测所得2012—2018年夏季青海省降水的时间变化也与实况有着较高的相关系数（0.76），对于降水显著偏少的年份（如2015年）和显著偏多的年份（如2012、2018年）的降水预测都有很好的表现。对于建模时段的交叉检验结果（相关系数为0.46，比模型回报结果与实况的相关系数0.48略低）表明，该模型具有较高的稳定性和可靠性。     

基于CFS预报产品的广东省季节降水统计降尺度预测

美国国家环境预报中心（NCEP）开发的气候预报系统（CFS）预报数据资料有1981—2008年共28年历史预报数据,有实时的预报产品（含有未来9个月的预报值）。与NCEP资料相比,CFS能较好模拟季风环流的季节变化,能超前几个月模拟出ENSO发展和衰减时期的海温异常发展,可以用于广东季节降水预测。采用CFS预报产品开发基于最优子集回归和多元均生函数的广东季节降水的两种统计降尺度预报方法。经过分析检验,分别选取海平面气压场、风场和位势高度场显著影响区域作为同期预报因子,从多年（2001—2008年）的历史回报检验来看,虽然两种预测模型对于个别季节存在年内预报效果不稳定性,但综合而言,大部分季节降水的气候预测评分总体平均在64分以上。2009/2010年的实时预报检验表明,两种预测模型均达到较好的预测水平,降水预测结果与实况较接近。与基于NCEP观测资料的传统统计方法比较,CFS预报产品具有实时性、更新快等优点。基于CFS预报产品的降尺度统计方法可以超前三个季预报广东降水,丰富了传统统计方法,但预报的稳定性还需进一步改进。      

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。     

基于DERF2.0产品的重庆月动力延伸期预测分析及应用

根据2015年国家气候中心实时下发的第二代月动力延伸模式(DERF2.0)逐日资料和历史回算资料,统计构建不同时间起报的月500 hPa高度场格点数据序列,针对重庆2月气温和8月降水量方差和预测难度较大的事实,分别分析2010—2014年逐年1月和7月16日、21日、26日、31日起报的2月和8月500 hPa高度场预报场与同期NCEP资料实况场的分布型。结果表明:预测效果低纬好于中高纬,8月总体好于2月;基于上述滚动的500 hPa预报场,试验了4个关键区和5种统计降尺度方法,对重庆2010—2015年2月气温和2010—2014年8月降水量进行回报预测和检验。结果表明,16日起报的模式场对2月气温有较好的参考价值,配合最好的关键区为本区上空,而降尺度方案中Lamb方法效果最佳,二者结合的预测效果最好;虽然8月降水预测效果不如2月气温,但在预测关键区取自定义关键区时,车氏方法的降尺度方案预测效果相对较好。     

动力模式产品在河南省夏季降水预测中的降尺度应用

利用NCEP/NCAR再分析资料和河南省106个站点夏季降水资料,建立了河南省夏季降水降尺度预测模型。该模型利用模式产品的500 h Pa高度场信息,通过统计降尺度方法,对河南省106个站点的夏季降水进行降尺度预测,实现了气候模式产品在河南省夏季降水预测中的降尺度解释应用,弥补了气候模式空间分辨率较低的缺陷。对该模型的历史回报检验表明,该降尺度模型对河南省夏季降水预测效果较好且较为稳定,尤其对北部、西部和豫南南部地区的效果最好。利用BCC-CGCM1和ECMWF-SYSTEM4模式资料,进行了独立样本的检验,结果表明,两种模式在5月起报的预测效果要优于3月起报的预测效果,BCC-CGCM1模式3月的预测效果要好于ECMWF-SYSTEM4的,两种模式在5月的预测效果相当。目前,此方法实现了可视化开发,并集成了检验方法,已应用于河南省气候预测业务中。     

利用区域气候模式对我国南方百年气温和降水的动力降尺度模拟

本文采用NCAR的WRF3.5.1模式,以NOAA的20世纪再分析资料作为区域气候模式的初始场和侧边界场,对东亚地区进行了百年以上(1900~2010年)尺度、水平分辨率为50 km的动力降尺度数值模拟试验。通过与观测气候资料的对比,分析了驱动场(20世纪再分析资料)和区域气候模式对我国南方地区近50年(1961~2010年)气温和降水的气候平均态的模拟能力。结果表明:经过动力降尺度的区域气候模式试验结果能更好地模拟我国南方地区气温气候平均态和季节循环。WRF模式模拟的气温与观测的气温的空间相关系数均在0.97以上。年平均和夏季,WRF模式模拟的气温与观测的气温的偏差大多介于-1°C到+1°C之间。对于降水,WRF模式显著提高了我国南方降水的模拟能力。和驱动场相比,WRF模式模拟的降水与观测的偏差明显减小。夏季,WRF模式模拟的降水空间相关系数在0.5以上。由此延伸至对近百年我国南方地区三个子区域(华南地区、江淮地区和西南地区)四个时段(1914~1942年、1943~1971年、1972~2000年和2001~2010年)的分析,结果表明区域气候模式动力降尺度的结果在区域平均的气温和降水的模拟数值上与观测比较接近,夏季模拟能力有明显的提高,冬季存在气温模拟偏低的误差。对气温趋势分析表明,在20世纪40年代以后的两个时间段,区域气候模式明显提高了气温变化线性趋势的模拟性能。     

Downscaling法在贵州冬季气温和降水预测中的应用

基于CGCM模式输出500 hPa位势高度场、NCEP/NCAR再分析500 hPa高度资料、贵州冬季降水和气温历史资料,利用降尺度法,对贵州冬季降水和气温预报的技巧和预测效果进行了预测试验和改进。结果表明,该方法从动力与统计相结合的角度,给出季尺度大气环流与局地降水、气温之间的关系,有明确的动力学背景和天气学意义。20年回算及两年回报试验证明了该关系的合理性;对贵州冬季降水的预测率约70%,而对气温的预测率为65%左右。另外,通过对气温反演方程订正后,其预测率达67%左右;在极端异常年,该方法对降水的预测率变幅不大,而对气温的预测效果影响极大。最后利用该方法对2005年贵州冬季降水和气温趋势进行了展望。     

基于BCC_CSM模式的山西省盛夏降水降尺度预测

降尺度方法是目前弥补气候系统模式预测结果不足的重要手段,为获得具有较高预测技巧的山西盛夏降水客观化预测产品,本文选取1990—2017年6月起报的BCC_CSM气候系统模式输出盛夏结果和同期NCEP/NCAR再分析资料同时与山西盛夏降水异常典型模态具有统计显著的因子,利用逐步回归方法建立了山西盛夏降水降尺度模型。进一步研究发现,降尺度模型的预测能力与BCC_CSM对影响山西盛夏降水关键区海温的预测技巧密切相关。检验回报与观测的时间和空间距平相关系数(TCC和ACC)、回报与观测的距平符号一致率(PC)以及趋势异常综合评分(PS),表明降尺度模型对山西盛夏降水的预测技巧较BCC_CSM输出有明显改进,BCC_CSM模拟降水TCC在山西全区没有通过95%信度检验,降尺度模型回报TCC在山西大部分地区通过95%信度检验,中南部通过99%信度检验;相应的ACC由-0.02提高到0.35,PC由53.3%提高到66.8%,PS由65.6%提高到78.9%。2018年盛夏业务试运行,ACC为0.42,PS为70.8%。     

基于BP-CCA统计降尺度的中亚春季降水的多模式集合模拟与预估

利用中亚地区30个观测台站逐月降水资料及同期ERA-40再分析资料,结合8个CMIP5全球气候模式模拟与未来预估大尺度环流场,使用基于变形典型相关分析的统计降尺度方法（BP-CCA）建立降尺度模型,评估多个气候模式对当前气候下中亚地区春季降水的降尺度模拟能力,并对春季降水进行降尺度集合未来预估。结果表明,建立的降尺度模型能够很好地模拟出交叉检验期内春季降水的时间变化和空间结构：降尺度春季降水与相应观测序列的平均时间相关系数为0.35,最高为0.62,平均空间相关系数为0.87。气候模式对中亚春季降水的模拟能力通过降尺度方法得到了显著提高：8个模式降尺度后模拟的降水气候平均态相对误差绝对值降至0.2%—8%,相比降尺度前减小了10%—60%,模拟的降水量场与相应观测场的空间相关均超过0.77;对比降尺度前多模式集合结果,多模式降尺度集合模拟的相对误差绝对值由64%减小至4%,空间相关系数由0.47增大至0.81,标准化均方根误差降至0.59,且多模式降尺度集合结果优于大部分单个模式降尺度结果。多模式降尺度集合预估结果表明,在RCP4.5排放情景下,21世纪前期（2016—2035年）、中期（2046—2065年）和末期（2081—2100年）的全区平均降水变化率分别为-5.3%、3.0%和17.4%。21世纪前期中亚大部分地区降水呈减少趋势,降水呈增多趋势的站点主要分布在南部。21世纪中期整体降水变化率由减少变为增多趋势,21世纪末期中亚大部分台站降水增多较为明显。21世纪初期和末期可信度高的台站均主要位于中亚西部地区。     

南京信息工程大学气候预测系统1.0版简介

南京信息工程大学气候预测系统1.0版(NUIST CFS1.0)是基于日本海洋科学技术开发机构(JAMSTEC)的SINTEX-F模式发展而来,可以实现对全球气候异常的季节-年际预测。对过去近40 a的集合历史回报预测试验结果的评估发现,该预测系统对热带太平洋和印度洋海温异常具有良好的预测技巧,并且该系统能提前1.5~2 a对ENSO(Nino3.4指数)做出有技巧的预测(即相关系数达0.5),同时也可以提前1~2个季节对印度洋偶极子(IOD)做出有较高技巧的预测,展现了对主要热带气候信号的良好预测技巧。但是与国内外所有动力模式预测系统类似,该系统对东亚地区的气候异常预测还存在较大的不足。考虑到ENSO对东亚地区气候异常的强烈影响,本文尝试去除与ENSO预测相关的系统偏差来初步订正东亚地区夏季温度异常和降水距平百分率的预测结果。对比订正前后的结果表明,这一简单的订正方法有助于提高我国气候异常的预测准确率。同时选取2019年夏季气温异常和降水距平百分率的实时预测结果作为个例进行分析,发现订正能够提供一定的技巧改善,但与观测结果相比仍存在较大偏差,需要在今后的工作中不断改进完善。此外,本文也初步评估了NUIST CFS1.0对我国冬春季的气候预测技巧,并提供了经简单订正后的2019/2020年冬季和2020年春季的实时预测结果。     

降雪含水比研究进展

降雪深度预报与定量降水预报(QPF)一样是冬季天气预报最重要的业务之一,而降雪含水比是降雪深度预报中所必须的重要参数,国外一般多将其称为snow-to-liquid ratio(SLR)。本文回顾了过去几十年来国内外在SLR的变化特征、影响因素等方面的主要研究进展,并对其预报技术和方法进行了总结和比较。研究表明:SLR具有明显的时间变化,并且存在季节和空间分布差异;大气温度和相对湿度是影响SLR的两个最重要气象因子,气压、垂直运动等气象因素,以及地表风、积雪自重、太阳辐射和积雪融化也会不同程度地影响SLR;随着预报技术的发展,SLR的预报方法可概括为气候学的、统计学的和基于物理基础的三类预报方法,气候学方法过于简单化,统计学方法的应用提高了SLR的预报能力,但仍无法摆脱统计方法自身的缺陷,比较而言,基于数值模式的瞬时预报更符合未来雪深预报业务的精细化发展趋势;目前,国内降雪深度观测资料较少、观测频率较低,有效开展地面降雪和探空加密观测,解决观测资料不足是今后SLR研究中亟待解决的问题;基于数值天气预报业务模式,探索气象因子对SLR的影响机理,建立适合我国冬季天气预报业务需求的降雪预报系统是未来的发展方向。     

T63 月延伸预报在西南区域短期气候预测中的应用研究

利用国家气候中心1996、1997年1~12月T63模式所作的500 hPa　70次月延伸预报产品和1966~1996年ECMWF的500 hPa旬平均高度场以及西南区域月气温和月雨量场资料,建立了用T63动力产品预测西南区域月要素场的一种完全预报（PP）的动力-统计关系。并对西南区域1996年2月至1998年1月逐月气温和降水进行了预报试验。结果表明,这种利用动力延伸集合预报产品制作西南区域月要素场预报的动力与统计相结合的释用方法具有明显的预报能力。     

Grapes模式预报西南地区夏季2m温度的检验评估

利用西南地区2004、2005年夏季的实况温度对G rapes模式输出的2m温度预报产品进行检验,结果表明,不管是单日预报误差还是月平均预报误差,都没有随预报时效的延长而增大,对四川盆地大部分地区,模式预报温度偏高,对重庆、云南、贵州及川西高原南部的温度预报,基本上表现为14时偏高,02时偏低,对川西高原北部和西藏则表现为预报温度偏低。分析表明,模式中对高原地形处理的不真实是温度预报产生误差的重要原因之一,利用回归分析方法能对模式温度预报进行有效的订正。检验分析结果为进一步改进模式,提高要素预报产品质量提供了一定的依据。      

中国东部冬季降水的动力结合统计预测方法研究

针对中国东部6个气候关键区,首先,通过相关分析指出,冬季降水既与前期气候因子有关,又受同期大气环流的影响。因此,有必要采用动力与统计相结合的方法进行气候预测研究。然后,从实时预测的角度出发,综合考虑前期预测因子的观测信息和具有数值可预测性的同期气候因子的数值模式结果,使用多元线性回归分析方法就各区域平均冬季降水逐一建立了短期气候预测模型,并在预测模型中考虑了模型结果中系统误差的订正。交叉检验分析结果表明,所建立的各区域预测模型普遍具有较好的预测效果,预测优势主要表现在对冬季降水的变化趋势、年际变化、以及异常符号的预测准确率上。就6个区域平均而言,1982—2008年交叉检验结果与实况间的相关系数和距平同号率分别为0.69和78%,表明该预测思想具有可行性。     

基于多种集合的中国冬季气温逐月滚动预测

利用1979—2015年中国国家气候中心整编的160站月平均气温和NCEP/NCAR全球大气再分析资料,从1979/1980—2008/2009年冬季前期500 h Pa高度场、200 h Pa势函数和850 h Pa势函数场选择预测因子,考虑不同时效因子的组合及其独立性,综合应用多因子回归集合、交叉检验集合、逐月滚动集合,建立了针对中国冬季气温的逐月滚动预测模型,并利用该模型对2010/2011—2014/2015年冬季气温进行了独立预测试验和检验。结果表明,综合运用多种集合可提高短期气候客观定量预测的可行性和稳定性。多因子回归集合能增加可预测站点数,交叉检验集合可减少因统计关系不稳定而产生的对预报效果的影响,逐月滚动集合的应用不仅增加了可预测站点数,而且使预测效果更加稳定。本文建立的预测模型可对中国冬季气温进行长时效的预测,且有一定的预报技巧,对实际的季节预测业务有重要应用价值。     

基于FSS的高分辨率模式华北对流预报能力评估

目前高分辨率数值预报模式已具有一定的对流系统结构和演变特征预报能力,但对其预报能力的客观评估仍存在较多不足。选取2017年7—9月华北地区在不同天气系统背景下、具有不同组织模态的7次对流天气个例,使用模糊检验方法中的分数技巧评分（fraction skill score,简称FSS）指标评估不同高分辨率模式（包括快速更新同化GRAPES_Meso,GRAPES_3 km及华东区域中尺度模式）对中小尺度对流过程的预报能力。结果表明:分数技巧评分能够实现当模式预报存在位移和强度偏差时仍然给出有价值的评分结果,其优势还在于可以给出表征模式空间位移偏差尺度的预报技巧尺度信息;所用3个模式的雷达回波强度预报均偏弱,当回波强度小于44 dBZ时,华东区域中尺度模式预报最接近实况,而对于44 dBZ以上的较强回波,GRAPES_3 km模式预报偏差最小;采用百分位阈值（通过升序排列求出预报和实况数列的相同百分位数作为其相应的阈值）进行检验发现,对于预报难度更大的高阈值、小尺度的对流事件,GRAPES_3 km模式预报能力更强。     

Grapes模式预报西南地区夏季2m温度的检验评估

利用西南地区2004、2005年夏季的实况温度对G rapes模式输出的2m温度预报产品进行检验,结果表明,不管是单日预报误差还是月平均预报误差,都没有随预报时效的延长而增大,对四川盆地大部分地区,模式预报温度偏高,对重庆、云南、贵州及川西高原南部的温度预报,基本上表现为14时偏高,02时偏低,对川西高原北部和西藏则表现为预报温度偏低。分析表明,模式中对高原地形处理的不真实是温度预报产生误差的重要原因之一,利用回归分析方法能对模式温度预报进行有效的订正。检验分析结果为进一步改进模式,提高要素预报产品质量提供了一定的依据。     

A Hybrid Dynamical-Statistical Approach for Predicting Winter Precipitation over Eastern China

Correlation analysis revealed that winter precipitation in six regions of eastern China is closely related not only to preceding climate signals but also to synchronous atmospheric general circulation fields.It is therefore necessary to use a method that combines both dynamical and statistical predictions of winter precipitation over eastern China(herein after called the hybrid approach).In this connection,seasonal real-time prediction models for winter precipitation were established for the six regions.The models use both the preceding observations and synchronous numerical predictions through a multivariate linear regression analysis.To improve the prediction accuracy,the systematic error between the original regression model result and the corresponding observation was corrected.Cross-validation analysis and real-time prediction experiments indicate that the prediction models using the hybrid approach can reliably predict the trend,sign,and interannual variation of regionally averaged winter precipitation in the six regions of concern.Averaged over the six target regions,the anomaly correlation coefficient and the rate with the same sign of anomaly between the cross-validation analysis and observation during 1982-2008 are 0.69 and 78%,respectively.This indicates that the hybrid prediction approach adopted in this study is applicable in operational practice.