FODAS在新疆夏季降水预测中的应用与检验

利用国家气候中心海气耦合模式（BCC—CGCM）季节预测结果资料（2008--2012年）、降水实况资料CMAP（1983--2012年）,采用PS评分对近5年动力与统计集成的季节气候预测系统（FODAsl．0）不同方法的夏季预测产品进行回报检验,并与业务评分进行对比,从而检验FODASl．0对于新疆夏季降水的预测效果。结果表明：熊开国一固定因子一动力统计订正方法、熊开国一异常因子一动力统计订正方法、系统误差订正、熊开国一固定因子和异常因子的集成方法得分较高,高于新疆夏季降水预测业务评分。总体来看,熊开国方法（方法I）的预测效果比杨杰方法（方法II）的预测效果稳定。     

中国夏季降水预测因子潜在技巧分布图及应用

影响我国夏季汛期降水异常的因子繁多,不同因子之间复杂的相互作用制约我国夏季降水季节预测水平。目前动力模式对降水预测技巧水平较低,如何开发客观统计预报方法,提高我国夏季降水预报技巧依然存在挑战。该文基于最小二乘法拟合和交叉检验方法,提出一种搜索预测因子潜在预测技巧的方法（潜在技巧分布图）,并基于该方法开发预测因子自动选择器,建立中国夏季降水异常自动统计预测模型。与传统线性相关分析相比,潜在技巧分布图不受极端气候事件影响,可直观展现具有显著预测技巧的前兆信号,而预测因子自动选择器则能从潜在技巧分布图中自动筛选最优预测因子,获得逐年不同的预测因子,更符合中国夏季降水异常影响因子多样性的客观事实。在完全剔除预测当年信息的回报试验中,该预测模型对1999—2019年中国夏季汛期降水异常的历史回报技巧明显高于动力模式。通过方差订正,历史回报降水的PS评分从71.00分提高到82.10分,显示了该模型的潜在预报潜力。     

动力-统计客观定量化汛期降水预测研究新进展

汛期降水预测是短期气候预测的重要内容之一,也是难点之一。近20年来,动力-统计相结合的预测方法在解决这一复杂的科学难题方面取得了一定进展。该文系统地介绍了近年来国家级气候预测业务中关于动力-统计客观定量化预测的原理、最优因子订正和异常因子订正两类预测方案,及动力-统计集成的中国季节降水预测系统 (FODAS1.0)。2009—2012年的汛期降水预测中,动力-统计客观定量化预测方法4年平均PS评分为73,距平相关系数为0.16,体现了较高的预报技巧。但该方法仍存在不足,需通过加强气候因子与降水之间关系的诊断分析、完善短期气候模式的物理过程、改进参数化方案及研发有针对性的区域气候模式等手段,进一步提高模式本身的预报技巧,使动力-统计预测方法在汛期降水预测中发挥更大作用。     

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。     

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。     

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。     

两种机器学习方法在重庆夏季旱涝预测中的应用北大核心

利用1961—2010年重庆34个气象观测站夏季降水资料及国家气候中心130项环流指数,采用机器学习的决策树和随机森林方法建立重庆夏季旱涝预测模型,通过2011—2018年预测效果检验发现,夏季同期环流指数决策树模型和前冬海温指数决策树模型预测的8 a降水异常趋势均正确,比考虑单一指数的PC评分分别提高37.5%和12.5%。此外,用随机森林模型预测重庆2014—2018年的夏季降水,5 a平均PS、CC和PC评分分别是84.6、0.27和67.1,相比于业务发布预报质量均有明显提高,且随机森林的预测质量较为稳定。     

边界强迫场订正的区域气候模式对2013年夏季中国东部极端高温预测的改进试验

使用NCEP再分析资料对国家气候中心全球海气耦合模式BCC_CM1.0的多年平均场进行订正,然后嵌套区域气候模式RegCM3,建立基于边界强迫场订正的区域气候模式系统。使用该系统进行28年夏季回报及2013年夏季业务预测,并与直接使用BCC_CM1.0模式与RegCM3模式嵌套的模式系统进行对比。结果表明,引入边界强迫场订正技术后,区域气候模式系统对多年平均夏季气温、降水回报能力有了显著提高,且回报的高温界限值分布更接近于观测。除对2013年夏季东北地区气温距平预测效果变差外模式系统对于2013年中国东部中部地区夏季气温距平异常偏高、夏季高温日数异常偏多等观测事实的预测性能有显著提高。区域气候模式系统回报的多年平均夏季西太平洋副热带高压与观测更为接近是其对2013年夏季极端高温事件预测能力提高的关键所在。     

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。     

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。     

东北地区夏季旱涝的环流型及动力气候模式解释应用

基于1991 2010年东北地区91站逐月降水资料、NCEP/NCAR再分析资料以及国家气候中心第二代月动力延伸预报模式(BCC_DERF2.0)共20年回报资料,分析了夏季各月影响东北降水的环流型,检验了BCC_DERF2.0对东北各月降水和主要环流系统的预测能力,并建立了东北地区降水的解释应用预测模型。诊断分析显示,东北地区6月降水异常主要受东北冷涡和鄂霍茨克海阻塞高压的影响,7月主要受西太平洋副热带高压(下称西太副高)的影响,而8月主要受西太副高和东北冷涡的影响;模式性能分析显示,BCC_DERF2.0模式对东北南部的个别站点降水趋势有一定的预测能力,对6月偏南风、7月西太副高、8月西太副高和东北冷涡的预测效果较好。在此基础上,提取影响我国东北夏季降水异常的关键环流区的高技巧预测信息,建立线性回归模型,交叉检验显示提高了对8月的降水预测技巧,通过了显著性检验。进一步对比分析发现,BCC_DERF2.0直接输出的20年回报夏季各月东北降水效果好于同期国家气候中心业务发布预报,而利用模式输出的高技巧环流信息建立的东北降水回归预测模型交叉检验效果高于模式直接输出降水预报。因此,基于诊断分析和BCC_DERF2.0模式超前预报时间为10天的高技巧环流信息解释降水,可以明显提高东北夏季月尺度降水的预测能力。     

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。     

最优多因子动态配置的东北汛期降水相似动力预报试验

基于中国气象局国家气候中心季节预报业务模式27a(1983—2009年)预报结果和同期美国气候预报中心组合降水分析(CMAP)资料及国家气候中心气候系统诊断预报室74项环流指数和NOAA40个气候指数(1951—2009年),提出了客观定量化的最优多因子动态配置汛期降水相似-动力预测新技术,并对中国东北地区汛期降水进行了预报试验。利用历史资料有用信息估算模式预报误差原理,选取4个历史相似年对应模式误差来估算当前模式预报误差。通过单因子交叉检验距平相关系数确定主导因子及演化相似因子,结合当前及前期优化多因子组合配置确定预报因子集,最后利用历史相似年对应模式误差来估算当前模式预报误差并订正国家气候中心季节预报业务模式的预报结果,得到预报的汛期降水。对2005—2009年进行独立样本检验的结果表明,此技术对中国东北地区汛期降水有一定预报技巧。证实了利用历史资料估计业务模式预报误差的另类途径是可行的,显示了在业务预报应用中的潜在能力。     

多模式热带西太平洋夏季降水可预测性比较分析

利用中国科学院大气物理研究所(IAP,Institute of Atmospheric Physics)3个大气环流模式(AGCM,Atmospheric General Circulation Model)和欧洲多模式集合预报计划(DEMETER,Development of a European Multimodel Ensemble System for Seasonal-to-Interannual Prediction)中7个海气耦合模式(CGCM,Coupled General Circulation Model)的1981—2000年共20 a集合回报结果,比较了不同模式在热带地区,尤其是热带西太平洋地区夏季平均降水的可预测性差异。结果表明:所有模式都能够较好地再现这20 a平均降水的空间分布特征;IAP 9层AGCM最好地再现了热带西太平洋地区,尤其是140°E以西地区降水异常的主要空间特征,而CGCM则对海洋上空的降水异常特征有较好的回报能力。回报的降水异常量值偏弱和系统偏移使得IAP的AGCM原始回报技巧评分明显低于CGCM,但是经过统计订正后AGCM对热带夏季降水表现出与CGCM相当的可预测性。统计订正方法对部分CGCM模式的预报评分也有改进效果,但是当模式原始预报评分较好时订正方法的效果并不明显。对于IAP模式,随着IAP大气模式的不断改进,模式对热带西太平洋降水预测改进最为明显,但是在太平洋东部地区,IAP大气模式依然存在降水异常偏弱的不足。     

动力季节预测中预报误差与物理因子的关系

为了在动力季节预测中更好地运用统计经验来改进预报, 从研究气候系统物理因子影响模式预报误差的角度入手, 探讨了与气候模式有关的统计经验获取问题, 并利用国家气候中心海-气耦合模式的历史回报数据, 考察了动力季节预测中夏季环流和降水的预报误差与主要物理因子, 包括Ni?o3区海温指数、太平洋年代际振荡指数、南北半球环状模指数以及北大西洋涛动指数相关关系。分析结果显示:上述物理因子与模式预报的夏季环流和降水误差之间存在前期或同期的某种显著相关关系, 并且显著关系分布随因子的不同而表现出明显不同的区域性特征, 这为发展一种基于预报因子的误差订正新方法提供了新思路。     

月动力延伸预测产品DERF2.0对广西气温和降水的预测评估

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1983~2015年的回报试验结果和广西87个台站气象资料,利用距平相关系数ACC、距平符号一致率R和短期气候预测业务趋势异常综合评分(Ps)等3种方法,综合评估了DERF2.0系统对广西的气温和降水的预测性能。结果表明:DERF2.0模式对广西月气温的总体预测效果优于降水,气温与降水的预测效果有明显的月季变化,气温和降水在夏季的总体预报效果不好,但对降水异常的把握程度较高。DERF2.0对广西发生在1994、1996、1998、2005年6、7月的典型洪涝个例有一定的预测能力,影响模式6、7月降水预报误差的原因可能是模式对中高纬度阻塞系统预报偏差,模式仍有很大的改进空间。     

云南夏季降水异常的影响因子及物理统计预测方法

云南夏季降水年际变化较大,影响因子众多,夏季降水的预测较为困难。使用1965—2017年云南省122个气象观测站的逐日降水资料和NCEP大气环流资料,采用年际增量的方法来预测云南夏季降水。文中基于云南夏季降水年际增量变化规律和影响夏季降水的环流形势及物理过程,选取了6个具有物理意义的预测因子,包括:前期2月南太平洋海温异常、前期2月东亚北部海平面气压异常、前期4月北美500hPa位势高度异常、前期5月太平洋北部海平面气压异常、前期1月印度半岛北部500hPa位势高度异常及前期2月澳洲以南地区200hPa高度场偶极子异常,来建立云南夏季降水预测模型。并对预测模型进行逐年交叉检验和1998—2017年逐年独立样本检验。交叉检验中夏季降水年际增量预测值和观测值的相关系数为0.85,相对均方根误差为8.0%。回报检验中夏季降水年际增量的相对均方根误差为9.1%,63.0%的异常年份预测值能够准确地预报出夏季降水异常。该预测模型有较好的预测能力。     

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。     

粒子群-神经网络在华南夏季降水短期气候预测中应用研究

使用1961~2013年广东、广西、海南三省共110个气象观测站的日降水资料、CMAP格点降水、国家气候中心74项和美国NOAA CPC 40项指数资料、NCEP/NCAR再分析资料,利用经验正交公式(EOF)等方法分析华南夏季降水气候变化特征,查找其影响关键因子,使用粒子群-神经网络建模预报。结果表明:利用高相关因子的粒子群-神经网络建模预报,从近10a华南夏季降水回报结果对比来看,粒子群-神经网络效果略好于国家气候中心第二代海-陆-冰-气耦合的气候系统动力模式,动力模式好于逐步回归方法。从7年华南出现异常降水年份的预报试验来看,利用异常因子的粒子群-神经网络建模预报误差均小于动力模式预报,预报与实况同号率高达到85.7%,高于动力模式,可见粒子群-神经网络建模预测具有很好的应用前景。     

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。