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%。     

CFSv2模式资料在成都市延伸期降水预测中的应用评估

将CFSv2模式的延伸期预测资料应用于成都市14个国家站的延伸期降水预测,采用距平相关系数ACC、趋势异常综合检验Ps及Cs/Zs评分对2016年1月至2020年12月的预测回算进行预测效果评估,通过改进的消除偏差一元线性回归方法对模式预测进行订正和预测再回算、再评估。结果表明,CFSv2的延伸期预测与成都地区实际降水的ACC为0.13,略高于目前省级和国家级发布的月预测平均成绩,对成都西南部和东南部的预报效果较好; Ps评分平均为65.7分;期间主要降水过程的Cs评分为0.48,Zs评分为0.64,空报率为38%,漏报率为34%。经过订正后,预测效果的空间差异无明显变化,ACC提高0.04,Ps评分提高4.3分,Cs评分提高0.05分,Zs评分提高0.14分,空报率降低22%,漏报率降低5%,预测准确率明显提升。     

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。      

基于DERF2.0的华南前汛期降水订正

针对我国华南前汛期（4—6月）降水,基于国家气候中心第2代月动力延伸模式（DERF2.0）结果,利用非参数百分位映射方法将模式预测结果转化为概率预报,并进行概率订正。分别选用交叉建模与独立样本建模两种订正方法,并利用偏差、偏差百分率、时间相关系数、均方根误差等统计方法检验订正效果。结果表明:订正方法对预报技巧的改善与起报时间无显著相关,且具有误差稳定性,其订正效果受预报误差影响较小;与订正前模式预测降水落区的范围和平均强度相比,订正后结果与观测更接近;按百分位区间统计的不同强度降水订正预报均有明显改进;预测时段的订正效果与回报时段的订正效果基本一致。     

东亚夏季风模式跨季预测的EOF-相似误差订正

利用国家气候中心第2代季节气候预测模式BCC_CSM1.1(m) 的1991—2010年每年2月起报的历史回算资料集,考察模式对于5个夏季风指数的预测能力,并通过发展基于经验正交函数分解与相似分析的EOF-相似误差订正方法,对5个夏季风指数的模式预测进行再修正。交叉检验和独立样本检验结果表明:该模式对1991—2010年东亚夏季风指数与西北太平洋夏季风指数预测技巧较高;EOF-相似误差订正方法适用于模式预测技巧较低的指数,这些指数经订正后预测效果均有不同程度改进,而预测技巧较高的夏季风指数经订正后改进效果不明显;在交叉检验中,线性部分订正多优于非线性部分订正效果,而对于独立试报的年份,非线性部分订正多优于线性部分订正效果,显示出良好的应用前景。     

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。     

CFSv2模式对新疆夏季降水的预测评估及EOF订正

基于美国国家环境预报中心CFSv2模式1982-2019年2月起报的预测数据和新疆99个气象站的降水资料，利用EOF方法对模式预测结果进行误差订正，并评估了订正前后模式对新疆夏季降水的预测能力。结果表明：CFSv2模式能够预测出新疆夏季降水前三个模态的空间结构，对第一模态时间系数的预测能力较好，对第二、三模态预测较差；对新疆夏季降水的总体预测性能较差，对降水趋势和量级有一定的预测能力；对降水异常偏少年的预测性能好于异常偏多年；空间上对南疆降水预测性能较好，北疆西部较差。EOF订正能够显著提高模式的降水预测能力，改进了主模态方差贡献、第一、二模态空间结构的中心位置和时间系数的预测性能；独立预报评分ACC、Pc、Ps比原始模式分别提高了0.19、18%、12%；对异常年预测性能的提高好于正常年；全疆除东疆外预测性能均有所提高，尤其是北疆西部。     

S2S模式对四川汛期极端降水的预测技巧分析

基于1995—2010年四川气象台站降水资料和世界气象组织次季节—季节(S2S)预测计划中8个模式的回报数据,采用命中率、误警率、Heidke技巧评分、误差和偏差5个指标评估分析了各模式对四川汛期极端降水事件的预测能力。结果表明,S2S各模式对四川极端降水的预测技巧整体较低,表现为"低命中率,高误警率,预测值远小于实际值,偏差较大"的特征。各模式的预测技巧随着起报时间的临近而提高,在天气尺度高于次季节尺度。各模式的最高定性预测技巧出现在川西高原南部,最低出现在盆地东部或攀西地区。预测偏差基本呈现出"盆地大,攀西地区次大,川西高原小"的分布特征,最大值均位于盆地西部沿山地区。各模式在汛期各月的预测技巧不同,定性预测技巧在主汛期尤其是盛夏高于其他时段,但定量预测技巧却在盛夏最低。综合定性和定量预测技巧,英国气象局(UKMO)和意大利国家研究委员会大气科学与气候研究所(CNR-ISAC)的模式分别在天气尺度和次季节尺度中对四川极端降水的预测能力较高。分区来看,对于盆地—攀西地区预测能力较高的模式与全省一致。而在川西高原,韩国气象局(KMA)的模式在天气尺度中预测能力较高,澳大利亚气象局(BoM)和CNR-ISAC的模式则在次季节尺度中预测能力较高。     

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。     

基于时空统计降尺度的淮河流域夏季分月降水概率预测

针对淮河流域水资源短缺、洪涝、干旱并存的问题,基于国家气候中心第二代季节气候模式的集合回报数据集(1991—2014年),建立时空相结合的统计降尺度模型,提前1—3个月预测该流域夏季分月降水,应用ROC(relative operating characteristics)评分评估比较了不同集合预测方案的预测技巧。交叉检验结果表明,样本数取18、20、22、28时,集合预测方案对3、4、5月三个起报时次预测的夏季各月降水技巧预测均高于模式预测技巧。2015—2017年的独立样本检验进一步表明该统计降尺度模型能够明显降低3月、5月起报的6月和8月的降水预测偏差。认为可尝试将该降尺度方法应用于淮河流域夏季降水预测及进一步的流域水文预测。     

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。     

近30 a福建省前汛期极端降水事件特征及其成因

利用1981—2010年前汛期(5—6月)福建地区台站逐日降水观测资料及NCEP/NCAR再分析逐日资料,对福建地区极端降水事件发生规律及环流异常进行了分析。结果表明:近30 a福建地区前汛期各站极端降水事件的发生频次在40~62次之间,沿海台站发生次数明显少于内陆台站。区域性极端降水发生频次亦呈显著增加趋势,增幅为0.06次/a,且在1994年后,前汛期极端降水事件的发生频次明显增多。区域性极端降水86次事件平均的降水分布显示在闽西中部降水量最大,并由此向外围逐渐减小。极端降水事件对前汛期降水贡献较大,约占前汛期总降水量的两成以上。极端降水事件的发生与大气环流异常存在密切关系,对深刻认识福建地区极端降水事件的形成机制和变化规律具有重要意义。     

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。     

Multi-scheme corrected dynamic–analogue prediction of summer precipitation in northeastern China based on BCC_CSM

Based on summer precipitation hindcasts for 1991–2013 produced by the Beijing Climate Center Climate System Model (BCC_CSM), the relationship between precipitation prediction error in northeastern China (NEC) and global sea surface temperature is analyzed, and dynamic–analogue prediction is carried out to improve the summer precipitation prediction skill of BCC_CSM, through taking care of model historical analogue prediction error in the real-time output. Seven correction schemes such as the systematic bias correction, pure statistical correction, dynamic–analogue correction, and so on, are designed and compared. Independent hindcast results show that the 5-yr average anomaly correlation coefficient (ACC) of summer precipitation is respectively improved from –0.13/0.15 to 0.16/0.24 for 2009–13/1991–95 when using the equally weighted dynamic–analogue correction in the BCC_CSM prediction, which takes the arithmetical mean of the correction based on regional average error and that on grid point error. In addition, probabilistic prediction using the results from the multiple correction schemes is also performed and it leads to further improved 5-yr average prediction accuracy.     

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。     

MODES系统对贵州月气温、降水预测初步评估

通过对2013年1月—2015年6月(MODES)发布的最优月预测产品在贵州省月平均气温距平和降水距平百分率的预测检验评估,发现MODES对全省平均气温有较好的预报,分析时段内预测与实况的相关系数为0.24,距平同号率为65.5%,且对气温偏高预测的可参考性高于其对气温偏低的预测。相比于气温,MODES对降水预测能力较弱,参考性也相对较低,其中对贵州全省平均降水偏多趋势的预测技巧要优于对全省平均偏少趋势的预报技巧。逐站分析显示,MODES对贵州气温预测效果较好的地区在西部、北部和东部,对降水偏多的预测效果较好的地区位于除西北部和北部边缘地区外的其余大部地区。通过对MODES与预报员综合预报的结果评估发现,MODES月预测总体效果较预报员好,且稳定性高于预报员,可为预报员提供参考信息。     

降水邻域集合概率方法尺度敏感性试验

降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。     

前汛期福建最后一场强降水分析

前汛期最后一场强降水结束后，副高往往有一段稳定期，位置适外福建睛空，全省进入少雨阶段，人们称之伏旱。研究前汛期最后一场强降水迟早的气候特征，活动规律，成因，并对其预测，这无疑对水库的调度，以及电力，农业，水产等各行各业生产和人民生活具有重要的现实意义。