RegCM4.4对中国夏季气候的回报和2014年预测

利用区域气候模式对全球气候模式季节预测产品进行动力降尺度,是获取未来高分辨率季节气候预测结果的重要途径。使用区域气候模式RegCM4.4单向嵌套国家气候中心气候系统模式BCC_CSM1.1(m)输出结果,进行东亚19912013年逐年3月1日—9月1日的气候回报试验及2014年3月1日9月1日的气候预测试验。分析模式对中国地区夏季（6-8月）地面气温和降水的回报结果表明:RegCM4.4对夏季气候态的回报优于驱动场模式BCC_CSM1.1(m),并能提供更详细可靠的局地信息;RegCM4.4回报和观测的多年平均气温、降水的空间距平相关系数（ACCs）分别为-0.04和0.01,空间距平符号一致率（PCs）分别为51.1%和50.6%,趋势异常综合评分（PS）分别为64.2和70.3,均方差误差（MSE）分别为1.09 ℃和0.30 mm/d。RegCM4.4对中国地区2014年夏季气候预测结果表明,模式对夏季气温、降水距平整体分布的预测较好,但在次区域尺度上预测结果和观测存在差别。本研究只进行了一个区域气候模式RegCM4.4嵌套一个全球模式BCC_CSM1.1(m)单样本回报和预测试验的动力降尺度试验研究,未来在改进驱动场模式和区域气候模式模拟预测性能、订正驱动场模式输出系统误差及提高运算能力的基础上,进行多模式多样本的集合试验研究,有助于提高精细化短期气候预测产品的质量。     

长江流域年降水预测动力-统计降尺度方法及其应用

基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解（EOF,Empirical Orthogonal Function）迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数（ACC）平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。     

西南夏季降水多因子降维客观预测方法研究

本文改进了现有的多模态时间稳定性判别标准,提出一种筛选稳定高相关预测信号的思路,对1981～2016年西南夏季降水距平百分率多模态的时间稳定性、时空特征和可预测模态关键信号等进行了分析研究,在此基础上构建了多因子降维预测模型。结果表明,前9个模态在预测时效为3年和近10年内稳定,累计方差贡献率占70%,是西南夏季降水的主要模态。结合稳定高相关概念和最优子集回归方法得到主模态PC（Principal Component）系数的最优预测信号和预测方程。回报检验结果表明,各方程对PC系数有较好的拟合效果,复相关系数为0.62～0.84,均通过了99.99%的显著性检验,同号率均大于69%。构建的多因子降维预测模型对西南夏季降水的空间分布,正负趋势和异常级有较好的回报效果:距平相关系数（Anomaly Correlation Coefficient,简称ACC）平均值为0.58;时间相关系数（Temporal Correlation Coefficient,简称TCC）在除零星站点外的整个区域通过90%的显著性检验,且大部分区域通过99.9%的显著性检验;趋势异常综合评分（PS）平均分为84,其中区域降水最异常的十年,PS平均分为87.1。经过13年（1971～1980年和2017～2019年）的预报检验,该模型的PS平均分为72。其中2017～2019年的PS均分为77,优于发布预测评分。     

基于海气耦合模式的山西省夏季降水统计降尺度预测研究

基于中国气象局国国家气候中心海气耦合模式(CGCM/NCC)预测产品和山西省50站夏季降水资料,利用典型因子回归的方法(CCA),建立了山西省夏季降水的统计降尺度预测模型。该预测模型选取了CGCM/NCC模式夏季500 h Pa高度场和海平面气压作为预测因子,分别选取了长江中下游地区和热带中东太平洋作为预报关键区。统计降尺度模型对2007~2014年山西省夏季降水的回算较模式原始结果有显著提高,除2008年外,空间距平相似系数(ACC)均通过了0.01的显著性检验,时间相关系数(TCC)在山西省大部分地区都有显著提高,最大可达0.6,降水预测(PS)评分在70分以上。检验结果显示,基于CCA降尺度方法建立的预测模型对山西省夏季降水模态预测的准确率较高且比较稳定,其预测效果远高于CGCM/NCC直接输出降水结果。     

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。     

黄淮地区夏季降水的统计降尺度预测

利用1991-2011年黄淮地区夏季降水、NCEP/NCAR再分析资料和国家气候中心第2代动力气候模式（BCC_CSM1.1m）夏季回报结果,研究黄淮地区夏季降水降尺度预测模型和可预报性来源。诊断发现,黄淮地区夏季降水与同期南亚高压、乌拉尔山附近阻塞高压、西风急流、西太平洋赤道上空200 hPa纬向风场呈明显正相关。分析BCC_CSM1.1m对夏季环流的回报结果发现,模式对200 hPa和500 hPa位势高度场、200 hPa纬向风场和850 hPa经向风场上影响黄淮地区夏季降水的部分关键区域有较好的模拟能力。利用模式预报技巧较高且对黄淮地区夏季降水的影响有物理含义的环流特征作为预测因子,对比预测因子进行独立性筛选前后分别建立的降尺度预测模型发现,黄淮地区夏季降水预测与实况的距平符号一致率由61%提高到72%。预测技巧来源分析发现,降尺度预测能力与BCC_CSM1.1m对影响黄淮地区夏季降水的3个关键因子乌拉尔山附近环流、南亚高压、西太平洋赤道上空西风强弱的预测技巧密切相关,尤其是模式对西太平洋赤道上空西风的模拟能力起到决定性作用。     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

S2S模式对四川汛期候尺度降水预测技巧评估和误差订正

针对四川汛期候降水距平百分率（PAP）,采用距平相关系数（ACC）、时间相关系数（TCC）、符号一致率（SCR）和趋势异常综合评分（PS）4种预测评分方法对S2S计划中10个模式的预测技巧进行检验评估,并在误差分析的基础上提出“正负概率异常订正”方案对各模式候降水距平百分率预测结果进行订正。结果表明,随着预测时效延长,多数模式的预测技巧快速降低,模式间预测技巧的差距缩小。至第10天左右,各模式进入低技巧时段,预测技巧随时效变化的幅度减小,各模式仅对降水趋势异常有一定预测能力,其中BoM模式明显高于其他模式。除BoM模式外的其他模式对降水年际变化幅度都存在低估,降水距平百分率异常偏差为?33%—?18%,不随预测时效发生太大变化,但空间分布不均。经过误差订正各模式的距平相关系数和符号一致率有所提高,趋势异常综合评分有效提高,并且对次季节尺度的订正效果优于天气尺度。订正后,各模式在次季节尺度的平均趋势异常综合评分均高于76.8, 66.7%的模式评分为79.2—80.2,超过业务评分标准（72.0）近8分。订正效果在4 a独立样本检验中也得到验证。      

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。     

基于时间尺度分离的中国东部夏季降水预测

基于时间尺度分离,利用NCEP第2代气候预测系统 (CFSv2) 每年4月起报的夏季月平均预测资料, 结合实际观测资料和再分析资料,对江淮流域及华北地区夏季降水距平百分率进行降尺度预测。将预测量和预测因子分为年际分量和年代际分量,在两个时间尺度上分别建立降尺度模型,两个预测分量之和为总预测量。对1982—2008年拟合时段的夏季降水距平百分率的回报结果表明:降尺度预测结果相对于原始模式结果预测技巧显著提高。降尺度预测与实况降水在江淮流域和华北地区的空间相关系数最大值超过0.8,多年平均值也分别提高到0.53和0.51;时间相关在每个站点也显著增强,相关系数为0.38~0.65。对2009—2013年进行独立样本检验,结果表明:降尺度模型能较好地预测出该时段的降水异常空间型态。同时,该模型对2014年夏季降水长江以南偏多、黄淮地区偏少的分布形势也有一定预测能力。     

多模式对东北地区月气温的预测性能对比评估

基于BCC的DERF 2.0(中国)、CFSv2(美国)、EC(欧洲)、TCC(日本)4种模式开展的1983—2010年对东北地区的回报试验结果、2011—2014年业务应用结果和国家气象信息中心提供的东北地区172个台站气象观测资料,利用距平相关系数(ACC)、趋势异常综合检验(PS)评估和距平符号一致率(PC)3种定量方法对比评估了4种模式对东北地区月气温的预测性能。结果表明,EC模式和CFSv2模式与BCC模式和TCC模式相比,对月气温的总体预测效果较好,有一定的预测技巧。从空间上来看,CFSv2的PC在前半年表现的比后半年的略好,PC超过80%的范围比较大。CFSv2和EC模式对东北地区夏季典型低温年有一定的预测能力。     

DERF2.0模式对江西月尺度气候预测能力的检验评估

基于国家气候中心第二代月动力延伸预测模式(DERF2.0)输出的环流场、地面气象要素场和NCEP/NCAR全球再分析场以及江西省83站气象观测数据,利用空间距平相关系数(ACC)、距平符号一致率(PC)、趋势异常综合评分(PS)三种方法,检验了DERF2.0模式对1983—2018年江西月降水和气温的预测能力,并进一步分析了模式对江西主汛期(6月)异常降水事件预测能力及造成偏差的可能原因。结果表明:1)月气温ACC总体上高于降水,冬季气温和春季降水ACC预报技巧相对较高;模式预测结果总体上能够反映出气温和降水的主要趋势,月气温、降水距平符号一致率均高于55%;模式对江西月降水和气温异常有一定的预测能力,降水PS评分比气温稍好,基本保持在70分左右。2)江西主汛期降水异常偏少时,模式的预测能力较好,而降水异常偏多时,则相对较差,这可能与模式对东亚阻塞高压系统的低估,以及对西太平洋副热带高压模拟的西伸脊点偏西、脊线偏北、强度偏强有关。     

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。     

CWRF降尺度提高BCC_CSM1.1m对中国夏季降水跨季度动力预测能力

利用CWRF模式(Climate-Weather Research and Forecasting model)对国家气候中心BCC_CSM1.1m业务预测模式短期气候预测结果进行中国区域降尺度,并使用1991—2010年3—8月逐日气温降水观测数据评估预测能力。结果表明:CWRF预测地面2 m气温、降水气候平均态的空间分布比BCC_CSM1.1m更接近观测,分布误差更小;在保持总体技巧不低于BCC_CSM1.1m的同时,CWRF对我国华东和华中地区的降水年际变化预测准确率更高;对不同强度的降水预测CWRF表现均优于BCC_CSM1.1 m模式,尤其在极端降水预测准确率上更优。总之,得益于更高的空间分辨率和优化的低空物理过程模拟,CWRF降尺度可以提高中国夏季跨季度降水预测能力。     

CCSM4.0模式及其驱动下RegCM4.4模式对中国夏季气候的回报分析

使用区域气候模式Reg CM4.4(Regional Climate Model version 4.4)单向嵌套CCSM4.0(Community Climate System Model version 4.0)气候系统模式输出结果,进行了2001~2010年逐年2月1日至9月1日共10年长度的季节尺度气候预测回报试验,针对平均气温和降水,分析了两个模式对中国地区夏季(6~8月)气候的回报能力。首先对气候态的分析表明,Reg CM4.4对气温和降水的回报/模拟效果均较CCSM4.0有所改进,特别是在提供更详细可靠的局地信息方面,其中降水回报与观测的空间相关系数,由CCSM4.0的0.39提高到Reg CM4.4的0.53,但同时Reg CM4.4对中国东部季风降水的回报表现出类似CCSM4.0北方偏多的偏差。对两个模式2001~2010年逐年气温和降水距平的回报能力,通过回报与观测空间和时间距平相关系数(ACCs和ACCt)、回报与观测空间和时间距平符号一致率(PCs和PCt)以及趋势异常综合评分(PS)进行了考察,结果表明两个模式的表现在整体分布上有一定相似的同时,Reg CM4.4能够提供更多的空间分布细节,并对降水的回报结果有一定的改善,如CCSM4.0和Reg CM4.4回报降水的ACCs多年平均分别为0.03和0.10,PS分别为70.4和71.4。同时给出了两个具体年份(2003年和2009年)的个例分析。     

基于集合预报产品的降尺度降水预报试验

利用降水距平百分率的降尺度预报方法和1951-2008 NCEP资料及我国降水资料,建立了降水距平百分率的预报模型,基于T106L19模式的月动力延伸集合预报结果,进行了2007-2009年3 a的预报试验和效果检验.结果表明,基于集合预报产品的统计降尺度方法对降水距平百分率的预报技巧高于模式降水的预报技巧;500 hPa月平均高度场的预报技巧直接影响到降水距平百分率的预报技巧,平均环流的预报技巧越高,降水距平百分率的预报技巧越高;无论集合成员数为多少,集合预报的结果都明显优于控制预报,随着集合成员数的增多,预报技巧呈增大的趋势;我国降水具有显著的季节性和区域性,以江淮地区的降水距平百分率预报技巧最高,华南地区的预报技巧其次.     

基于印度洋海温信号的我国西北地区东部夏季降水组合降尺度预测方法研究

利用国家气候中心第二代气候模式预测业务系统(BCC-CPSv2)预测产品,引入印度洋海温信号,采用组合降尺度方法建立了西北地区东部汛期降水预测模型。该预测模型对1991—2017年西北地区东部夏季降水的回报技巧较BCC-CPSv2预测技巧显著提高,空间相关系数由0.42提高到0.75,均方根误差明显减小,最多下降达80%。预测模型对降水空间分布型的预测能力较好,很好地回报了典型年份（1987年和2010年）夏季的降水距平百分率分布。通过抓住气象变量的空间分布特征,组合降尺度方法可以修正动力模式产品的预测误差,为西北地区东部夏季降水预测提供科学依据和技术支持,具有较好的应用前景。     

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。     

集成物理统计模型在南海夏季风预测中的应用

利用影响南海夏季风年际变化的主要气候现象厄尔尼诺-南方涛动（El Ni?o-Southern Oscillation,ENSO）和对流层准两年振荡（Tropospheric Biennial Oscillation,TBO）相关的气候因子,提出了以过程判别函数确定物理过程的持续性,建立年际尺度的集成物理统计预测模型,而非年际尺度变率由经验统计模型预测,二者相结合,发展了集成物理-经验统计预测模型。经验模型在拟合时段的回报结果很好,但在独立样本预测时效果明显降低,其中预测评分（PS）降低了23%,距平相关系数（ACC）降低了63%;相比之下,集成物理-经验统计预测模型在独立样本预测时比经验模型有更好的预测结果（PS评分提高了9.5%,ACC提高了75%）,且预测结果相对稳定。此外,集成物理-经验统计预测模型对南海夏季风降水的空间分布也有一定预测能力。     

多模式对东北地区月降水预测性能对比评估

基于中国、美国、欧洲和日本的4种气候模式对1983—2010年东北地区降水的回报试验结果,利用2011—2014年东北地区业务应用的结果和国家气象信息中心提供的东北地区172个气象站的观测资料,采用距平相关系数(ACC)、趋势异常综合评分(Ps)和距平符号一致率(Pc)3种定量方法对比评估了4种模式对东北地区月降水的预测性能。结果表明:EC模式和CFSv 2模式与BCC模式和TCC模式相比,EC模式和CFSv 2模式对东北地区月降水的总体预测效果较好,具有一定的预测技巧。从空间上来看,CFSv 2模式各月Pc的分布存在较明显的差异,模式仍有较大的改进空间。CFSv 2模式对东北地区初夏典型旱涝年具有一定的预测能力,对典型涝年的预测效果优于典型旱年。