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。     

MDERF产品在贵州月气候预测中的释用

基于MDERF(Monthly Dynamic Extension Range Forecast)模式输出500hPa位势高度场资料和贵州各月干旱综合指数、降水和气温等历史样本,利用秩序回归降尺度法,研究该方法对贵州月干旱综合指数、降水和气温的预报技巧和预测效果.结果表明:该方法从穷尽所有因子组合中选出彼此独立的3个最佳组合因子共同作为预报因子,从而增强可预报性;模型5 a回报试验和2007年8月试报结果表明该方法在实际预测业务中的应用潜力;各气候要素多年的距平相关系数评分比较稳定,其中月干旱综合指数、降水距平百分率、气温距平全年平均距平相关系数评分分别为0.14、0.15和0.14;各气候要素中月气温预报的Pc最高,平均为73%.综合分析表明,该方法在月动力延伸预报产品对贵州月气候要素预测释用中具有较好的应用前景.     

成都区域气象中心短期气候预测业务评估

采用预报评分（P）、技巧评分（S）、距平相关系数（Acc）三种参数，对10年来成都中心气象台月降水距平百分率和月平均气温距平预测、汛期（6－8月）降水距平百分率预测、以及年度降水距平百分率和年平均气温距平预测进行了评估，并对评估结果作了分析。     

短期气候预测评估方法和业务初估

根据短期气候预测业务目前的基本现状,提出了短期气候业务预测效果评估的几种参数。使用这些参数对国家气候中心气候预测室近20多年来全国范围月、季、年几种主要预测业务的降水距平百分率和平均气温距平的预测效果进行了初步评估。结果表明,月尺度预报中,温度预报好于降水预报;年度降水预报以对春季预报为最好;汛期降水预报水平有明显提高。     

MODES月预测产品在贵州的释用

基于符号一致率评分(Pc)法,对多模式解释应用集成预测系统(MODES)的6种模式产品开展贵州85站2要素月预测释用,根据评估结果进一步采用等权平均方案和最优方案对6种模式产品展开2012—2015年48个月的回算统计。分析表明:不同的模式产品的预报性能各不相同,其中ECMWF的模式产品的预测性能较NCC和NCEP来说相对较高;模式产品释用时,最优方案的预报评分均高于其它6个模式产品的Pc评分平均值,且最优方案的预报评分高于等权平均方法的预报评分;回算结果,无论是气温还是降水,最优方案的Pc评分均都高于省级发布的月预测产品评分,这说明利用最优方案可以有效地提高MODES对贵州月气温和降水预测能力。     

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。     

长江中下游降水偏多中东部气温起伏较大——2004年1月

1月份,我国长江中下游地区降水偏多,降水的时间、空间分布不均;气温在前期偏高,后期特别是南方降温明显。1　天气概况本月,我国淮河流域及以南大部地区、云贵、四川盆地月降水量为1 0～50mm ,其中长江中下游沿江地区、江南大部、广西东部、广东西部达50～1 0 0mm ;其余地区较少或无降水。与历史同期相比(图1 ) ,月降水量偏多的地区是:长江中下游地区、广西东部、贵州中部部分地区、云南的北部和东部地区偏多5成至1倍以上;新疆北部、甘肃大部、内蒙古中部、黑龙江北部降水量也偏多5成至1倍。月平均气温距平(图2 ) ,全国大部地区接近常年或偏…     

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.     

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。     

铜川市月气候预测方法

通过统计铜川单站53a历史气候,用Spss11.5对铜川站历史各项气象要素与各月平均气温、降水量进行相关性分析,找出前期各气象要素与预报月的降水、气温相关性好的因子,用逐步回归方法进行模拟,得出铜川站的月平均降水、气温预报模型,用可视化语言Visual Basic 6.0程序设计中的Adodc数据库技术方法,分别建立了铜川站的月降水、平均气温预测因子数据库,63个相关性较好的因子进入模型,实现自动预测,并以Datagrib表格显示预测结果和预测因子组合。从近三年预测结果看,降水距平百分率在20%以内的准确率为30.6%;气温预报误差在1℃以内的准确率为50.0%。需要在实际业务中进一步检验,找出预报和实况的误差关系。     

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。     

利用高原积雪信号改进我国南方夏季降水预测的新方法及其在2014年降水预测中的应用试验

2014年夏季我国南方出现严重洪涝、北方大部干旱,国内绝大多数预测模型在三月起报的汛期预测中均未能抓住位于南方地区的异常雨带,导致预测准确率明显偏低。基于模式对东亚地区夏季海平面气压场的高预报技巧和青藏高原冬季积雪与南方地区夏季降水的高相关性,本文提出一个针对我国夏季降水异常的组合统计降尺度预测新方法（Hybrid Statistical Downscaling Prediction,简称HSDP）,该方法综合利用了气候模式输出的高可预报性环流信息和前期观测的高原积雪异常信号,从而实现对我国南方夏季降水进行动力-统计相结合的改进预报。据此方法建立了一个基于国家气候中心气候预测模式的统计降尺度模型。对我国南方夏季降水进行跨季节预测的交叉检验结果显示,HSDP方法对于南方地区多年平均空间距平相关系数从模式原始预报的-0.006提高到0.24,且在大多数年份均有改进。基于HSDP方法于三月份制作的2014年夏季降水预测,能够很好地抓住南涝北旱的基本形势和我国南方的降水大值区,空间距平相关系数达到0.43。这表明,该方法对于我国夏季降水预测具有较好业务应用前景。     

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。      

月动力延伸预测模式业务系统DERF2.0对中国气温和降水的预测性能评估

基于国家气候中心第二代月动力延伸预测模式业务系统（DERF2.0）开展的1982～2010 年的回报试验结果和国家气象信息中心提供的669 个台站气象观测资料,利用距平相关系数ACC、平均方差技巧评分MSSS、距平符号一致率R 和短期气候预测业务分级检验Pg 等4 种方法综合评估了DERF2.0 系统对中国的气温和降水的预测性能。结果表明,DERF2.0 模式对气温的总体预测效果较好,对气温的预测性能较DERF1.0 模式有了较明显的提升。与过去全国的短期气候预测业务评分相比,DERF2.0 对气温和降水的预测都有所提高。与气温相比,DERF2.0对降水的预测性能相对较差,对降水的预测水平与DERF1.0 相接近。DERF2.0 对发生在1998 年和2006 年的极端旱、涝个例年也有一定的预测能力,且对气温的预测明显好于降水。从空间上来看,DERF2.0 在西南地区的确定性预测效果较差,模式仍然有很大的改进空间。     

Hindcast Experiment of Extraseasonal Short-Term Summer Climate Prediction over China with RegCM3_IAP9L-AGCM

The regional climate model RegCM3 has been one-way nested into IAP9L-AGCM,the nine-level atmospheric general circulation model of the Institute of Atmospheric Physics,Chinese Academy of Sciences,to perform a 20-yr(1982-2001)hindcast experiment on extraseaonal short-term prediction of China summer climate.The nested prediction system is referred to as RegCM3_IAP9L-AGCM in this paper.The results show that hindcasted climate fields such as 500-hPa geopotential height,200-and 850-hPa zonal winds from RegCM3_IAP9L-AGCM have positive anomaly correlation coefficients (ACCs) with the observations,andare better than those from the stand-alone IAP9L-AGCM.Except for the 850-hPa wind field,the positive ACCs of the other two fields with observations both pass the 90% confidence level and display a zonal distribution.The results indicate that the positive correlation of summer precipitation anomaly percentage between the nested prediction system and observations covers most parts of China except for downstream of the Yangtze River and north of Northeast and Northwest China.The nested prediction system and the IAP9L-AGCM exhibit different hindcast skills over different regions of China,and the former demonstrates a higher skill over South China than the latter in predicting the summer precipitation.     

Regional Arctic sea ice variations as predictor for winter climate conditions

Seasonal prediction skill of winter mid and high northern latitudes climate from sea ice variations in eight different Arctic regions is analyzed using detrended ERA-interim data and satellite sea ice data for the period 1980–2013. We find significant correlations between ice areas in both September and November and winter sea level pressure, air temperature and precipitation. The prediction skill is improved when using November sea ice conditions as predictor compared to September. This is particularly true for predicting winter NAO-like patterns and blocking situations in the Euro-Atlantic area. We find that sea ice variations in Barents Sea seem to be most important for the sign of the following winter NAO—negative after low ice—but amplitude and extension of the patterns are modulated by Greenland and Labrador Seas ice areas. November ice variability in the Greenland Sea provides the best prediction skill for central and western European temperature and ice variations in the Laptev/East Siberian Seas have the largest impact on the blocking number in the Euro-Atlantic region. Over North America, prediction skill is largest using September ice areas from the Pacific Arctic sector as predictor. Composite analyses of high and low regional autumn ice conditions reveal that the atmospheric response is not entirely linear suggesting changing predictive skill dependent on sign and amplitude of the anomaly. The results confirm the importance of realistic sea ice initial conditions for seasonal forecasts. However, correlations do seldom exceed 0.6 indicating that Arctic sea ice variations can only explain a part of winter climate variations in northern mid and high latitudes.     

S2S气候模式产品在黄河流域径流预测中的应用

次季节气候和径流预测是主动减灾的一个关键。基于国家气候中心第三代气候模式系统的次季节到季节模式(CMA-CPS v3 S2S)的气候预测信息和HBV水文模型,应用集合预测技术研发了未来40 d时段平均径流量和时段内极端干旱概率预测模型,应用平均方差技巧评分、距平相关系数、相对操作特征曲线面积、布赖尔技巧评分开展了回报检验,并检验了2021年黄河流域径流异常预测效果。结果表明,所建模型能够以较高技巧预测黄河流域未来40 d时段平均的径流量,且表现出枯季预测技巧高、湿季技巧低的季节差异;对秋末11月和冬季3个月(12月、1月、2月)的极端干旱概率预测也有较高技巧。对于2021年5—8月黄河上中游干旱和9—10月的秋汛,该方法正确预测了除6月、9月外的其他4个月的径流异常方向,但异常程度与实况存在差异。对径流预测水平影响因素的进一步分析表明,S2S降水预测能力影响径流预测水平,特别是丰水期的径流预测,但还有降水之外的其他因素影响径流预测技巧。     

2009—2010年贵州秋、冬、春季干旱气象要素与环流特征分析

利用2009年9月—2010年5月贵州88个气象站地面观测资料,800个自动气象站温度、降水资料以及NCEP再分析资料,分析了持续干旱过程中的大尺度环流背景及气象要素分布特征,同时运用气候干湿指数、综合气象干旱指数对此次持续干旱程度进行了模拟。结果表明,贵州此次持续干旱天气主要发生在西太平洋副热带高压呈带状分布,强度偏强、位置偏西、南支系统偏弱及冷空气活动路径偏北偏东的环流条件下。在干旱期间,贵州西部地区气温为正距平,降水为负距平,空气相对湿度为38%～73%,气候干湿指数<0.6;东部地区气温除2009年11月和2010年4～5月为负距平外,其余月份均为正距平,降水基本上为负距平,空气相对湿度为60%～81%,除2009年11月和2010年4～5月气候干湿指数>1.0外,其余月份均<0.6。总体上,贵州西部地区的旱情较东部地区严重。