月动力延伸预报产品在西北地区月降水预测中的释用

利用西北地区较密的163个气象观测站点逐月降水资料、NCEP/NCAR再分析资料500 hPa逐月高度场和月动力延伸集合预报500 hPa高度场资料, 进行了气候预报、持续性预报、实况解释检验和月动力延伸预报产品释用预测试验的比较。结果表明:实况解释检验结果的准确率 (PS) 评分最高, 气候预报平均PS最低, 月动力延伸预报解释应用方法略低于实况解释检验, 高于气候预报和持续性预报。PS的空间分布表明, 月动力延伸预报解释应用结果和实况回报试验的分布非常相似, PS最大值分布在青海南部、陇南和陕西大部等各月降水气候值相对较大的地区, PS较小的地方则在新疆部分地区、甘肃河西西部等各月降水气候值相对较小的地区, 西北其他地区PS值相差不明显。此外, 利用密集站点资料进行解释应用的效果高于利用稀疏站点资料的结果, 表明更多观测信息的应用有利于改善预测技巧。     

成都区域中心动力气候模式产品降尺度应用业务系统

利用动力气候模式(T63)产品进行降尺度解释应用,是目前以及未来开展气候预测的主要手段。本系统基于国家气候中心下发的气候模式产品、NCEP/NCAR 500 hPa高度场、西南区域84个代表站温度降水历年资料,采用动力统计相结合的技术方法,建立了“成都区域气象中心动力气候模式解释应用系统”,该系统以统计降尺度方法在西南区短期气候预测中的业务化应用为目的,实现了统计方法与动力模式相结合的业务化,经过5年业务回报试验和近2年的预测业务运行,结果表明:该系统对西南区域的月尺度温度和降水有较好的预报能力,已成为西南区域气候中心日常业务的主要参考依据。本文主要介绍该系统平台的各子系统性能及采用的技术方法。      

我国短期气候预测技术进展

经过近60年的发展,我国短期气候预测技术和方法也有了长足进步。近年来,一些新的预报技术和机理认识不断应用于短期气候预测业务。ARGO海洋观测资料的使用大大提高了业务模式的预测技巧,新一代气候预测模式系统已经投入准业务化运行,研发了多种模式降尺度释用技术,多模式气候预测产品解释应用集成系统(MODES)和动力-统计结合的季节预测系统(FODAS)逐渐应用于业务中,大气季节内振荡(MJO)逐步在延伸期预报中得到应用。近年来,对全球海洋、北极海冰、欧亚积雪、南半球环流系统对东亚季风影响的新认识也不断引入到短期气候预测业务中。这些新技术和新认识的应用极大提高了我国短期气候预测的业务能力。     

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。     

成都区域中心动力气候模式产品降尺度应用业务系统

利用动力气候模式（T63）产品进行降尺度解释应用,是目前以及未来开展气候预测的主要手段。本系统基于国家气候中心下发的气候模式产品、NCEP／NCAR500hPa高度场、西南区域84个代表站温度降水历年资料,采用动力统计相结合的技术方法,建立了“成都区域气象中心动力气候模式解释应用系统”,该系统以统计降尺度方法在西南区短期气候预测中的业务化应用为目的,实现了统计方法与动力模式相结合的业务化,经过5年业务回报试验和近2年的预测业务运行,结果表明：该系统对西南区域的月尺度温度和降水有较好的预报能力,已成为西南区域气候中心日常业务的主要参考依据。本文主要介绍该系统平台的各子系统性能及采用的技术方法。     

中国区域月气候预测方法和预测能力评估

利用我国台站降水和温度观测资料,评估了BCC_AGCM1.0月动力延伸预报的回算和预测、国家气候中心月气候预测业务统计方法、持续性预报以及业务发布预报对中国区域月气候要素的预测能力。结果表明,业务发布月平均温度和降水预测的技巧平均低于动力方法和统计方法的预测结果。温度的持续性预报和最优气候值统计方法预报技巧高于其它统计预报方法,考虑了综合相似特征的统计方法对降水预测有相对的优势。动力延伸预报的三种超前预报时间的预测结果总体高于统计方法,在月气候预测能力上具有明显优势。月尺度预测动力和统计方法评估的年际变化特征表明月降水和温度的可预报性一般在El Nio状态下较高,而在La Nia发生时偏低。     

我国短期气候动力预测模式系统的研究及试验

气候和气候异常对我国的国民经济发展具有重大影响,为提高短期气候预测的准确率,研究动力气候模式短期气候预测新技术至关重要.通过近5年的努力,建立了一套出月动力延伸预报模式,海气耦合的全球气候模式(AGCM+OGCM+海冰+高分辨率印度洋-太平洋海盆模式),区域气候模式季和年际尺度的业务动力模式组成的系统.初步把我国的短期气候预测水平由经验统计方法提高到定量和客观分析的水平上.在此基础上,已建成了一个具有物理基础的统计方法与气候动力模式相结合的综合气候预报系统.     

我国现有短期气候业务预测方法综述

对我国短期气候业务预测方法的综合分析表明 :我国现有的短期气候业务预测经验和统计方法仍是主要的 ;物理因子和前兆强信号结合天气气候学分析的概念预测模型方法在业务预测中发挥重要作用 ;动力模式预测方法在业务预测中取得一定效果 .随着动力模式的进一步发展 ,短期气候业务预测将逐步走向以动力模式客观预报为指导预报的新阶段     

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件.结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型.文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案.经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35.利用该方案对超前时间分别为0、5、10 d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5 d的月动力延伸预报结果进行降水降尺度预测可在业务中参考.此外,降尺度预测模型中选取的预测因子不仪在统计上是显著的,同时也具有清楚的物理意义.     

月动力延伸预报产品在新疆月尺度降水预测中的应用检验

利用新疆101个气象观测站点逐月降水实况资料和2001~2010年国家动力气候模式产品,进行月动力延伸预报产品的应用预测检验。采用PS评分和同号率对内插预测结果进行效果评估,并与业务评分进行对比。结果表明：月动力延伸预报产品对新疆地区月降水趋势预测Ps评分高于业务评分,而对各月降水距平百分率的同号率差异较大。夏、秋季Ps评分较高,冬、春季PS评分较低,季节转换时预测Ps评分变率较大。     

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。     

基于NCEP CFSv2模式的黑龙江省夏季降水预测研究

基于1982-2017年NCEP_CFSv2（NCEP Climate Forecast System version 2）模式预测资料对黑龙江省夏季降水进行降尺度预测。通过分析黑龙江省夏季降水与同期环流因子的关系、模式对关键区环流因子的预测,选取模式模拟与再分析资料相关较好、黑龙江降水实况与再分析资料关系较好的环流因子作为预测因子,结合最优子集回归法筛选因子,建立降尺度预测模型,最后采用交叉检验法进行预测效果检验和独立样本预测。结果表明：模式降尺度预测与实况的距平符号-致率为69%,6 a独立样本预测中有5 a预测正确,优于目前的业务预测效果。进-步研究发现,在模式能够准确预测环流因子的情况下,模式降尺度可以较好地预测黑龙江省夏季降水的趋势。此外,模式降尺度在拉尼娜年预测效果较好。     

匹配域投影降尺度方法在黄河流域夏季降水预测中的应用

文章采用黄河流域夏季降水数据和BCC-CGCM模式资料,利用匹配域投影降尺度方法对黄河流域夏季降水进行预测,得到以下结论:(1)交叉验证期,匹配域投影降尺度方法对黄河流域夏季降水的预测效果要好于原始模式预测,且较模式直接输出的要素预测稳定;分月预测比夏季整体预测效果要好。(2)匹配域投影降尺度方法对各个区域的预测能力不同,在夏季(6—8月)预测中,预测较好区域比较分散,而分月预测中,预测较好的区域比较集中。月份不同,降尺度方法对于不同地区的预测能力也不同。(3)2009—2013年的独立样本检验表明,匹配域投影降尺度方法对于黄河流域夏季降水的预测效果要明显好于模式直接输出的要素预测。尤其6和7月的降尺度预测较模式直接输出的要素预测有较大提高。     

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。     

Statistical Downscaling of Pattern Projection Using Multi-Model Output Variables as Predictors

A pattern projection downscaling method is employed to predict monthly station precipitation. The predictand is the monthly precipitation at 1 station in China, 60 stations in Korea, and 8 stations in Thailand. The predictors are multiple variables from the output of operational dynamical models. The hindcast datasets span a period of 21 yr from 1983 to 2003. A downscaled prediction is made for each model separately within a leave-one-out cross-validation framework. The pattern projection method uses a moving window, which scans globally, in order to seek the most optimal predictor for each station. The final forecast is the average of the model downscaled precipitation forecasts using the best predictors and is referred to as DMME. It is found that DMME significantly improves the prediction skill by correcting the erroneous signs of the rainfall anomalies in coarse resolution predictions of general circulation models. The correlation coefficient between the prediction of DMME and the observation in Beijing of China reaches 0.71; the skill is improved to 0.75 for Korea and 0.61 for Thailand. The improvement of the prediction skills for the first two cases is attributed to three steps: coupled pattern selection, optimal predictor selection, and multi-model downscaled precipitation ensemble. For Thailand, we use the single-predictor prediction, which results in a lower prediction skill than the other two cases. This study indicates that the large-scale circulation variables, which are predicted by the current operational dynamical models, if selected well, can be used to make skillful predictions of local precipitation by means of appropriate statistical downscaling.     

MOS方法在动力延伸期候平均气温预报中的应用

利用1982年1月-2010年3月动力延伸预报产品及宁夏候平均气温,采用逐步回归的MOS统计方法,预报宁夏24个测站未来40 d逐候平均气温,为了对比模式直接输出结果与资料按月和按季节划分建立的MOS方法预报效果,对2009年和2010年1-3月的预报效果分别进行了对比检验.结果表明:MOS预报效果较模式直接输出有显著...     

多模式集合预报及其降尺度技术在东亚夏季降水预测中的应用

利用动力季节模式输出的匹配域投影技术和多模式集合预报技术对多个国家和城市的站点月平均降水进行预报。预报变量是北京1个站、韩国60个站和曼谷地区8个站点的月平均降水,预报因子是从多个业务动力季节预报模式输出的多个大尺度变量。模式回报数据和站点观测降水数据时段是1983—2003年。降尺度预报降水的技巧是在交叉验证的框架下进行的。匹配域投影方法是设定一个可以活动的窗口在全球范围内大尺度场上进行扫描,寻求与目标站点降水最优化的因子和最相关的区域,目标站点的降水变率就是由该匹配域上大尺度环流场信息决定的。最终预报是用多个降尺度模式预报结果的集合预报(DMME)。多个降尺度模式预报结果的集合预报能显著地提高站点降水的预报技巧。北京站,多个降尺度模式预报结果的集合预报的预报和观测降水的相关系数可以提高到0.71;韩国地区,多个降尺度模式预报结果的集合预报平均技巧提高到0.75;泰国,多个降尺度模式预报结果的集合预报技巧是0.61。     

山东夏季降水异常的环流特征及降尺度解释应用预测方法研究

基于山东省123个国家级气象观测站1961—2015年夏季降水资料、1991—2015年NCEP再分析资料,分析了山东夏季降水变化特征及其与大气环流的关系。结果表明,在山东夏季降水偏多（少）时,乌拉尔山阻塞高压偏弱（强）,副热带高压偏强（弱）,南亚高压偏强（弱）,并且200 hPa经向风场有明显的类似丝绸之路遥相关型的波列结构。利用国家气候中心第二代海气耦合模式3月起报的未来夏季海平面气压场建立降尺度预测模型,该模型对山东夏季降水的预测符号一致率达到64%,有一定的预测能力,进一步分析发现,模式对关键区环流因子的模拟预测能力显著影响降尺度预测方法的准确率。     

多模式集合优选方案在淮河流域夏季降水预测中的应用

基于国家气候中心提供的1981—2010年4种季节气候预测模式的资料,将两种互为补充的降尺度因子挑选方案应用于淮河流域夏季降水预测,利用距平符号一致率ASCR、等级评定PG、距平相关系数ACC方法,评定了每种模式及其所采用的两种降尺度方法对淮河流域夏季降水的预测效果,并采用了一种优选方案进行多模式集合。结果表明,从4种模式的降水预测效果来看,NCEP_CFSv2和TCC_CPS1模式的评分较高,NCC_CGCM1和ECMWF_SYSTEM4模式相对较低;采用2种基于最优子集回归的降尺度方法后,NCC_CGCM1、TCC_CPS1和ECMWF_SYSTEM4模式的降尺度方法相对于模式降水预测为正订正,NCEP_CFSv2模式为负订正;将模式和降尺度预测方案进行优选,其集合平均的评分不仅高于模式降水预测的集合平均,也优于降尺度方法的集合平均,该方法发挥了不同模式的区域性优势,改进了原始集合平均的效果,为提高多模式解释应用水平提供了一种参考性方案。      

Dynamical downscaling: Fundamental issues from an NWP point of view and recommendations

Dynamical downscaling has been recognized as a useful tool not only for the climate community, but also for associated application communities such as the environmental and hydrological societies. Although climate projection data are available in lower-resolution general circulation models (GCMs), higher-resolution climate projections using regional climate models (RCMs) have been obtained over various regions of the globe. Various model outputs from RCMs with a high resolution of even as high as a few km have become available with heavy weight on applications. However, from a scientific point of view in numerical atmospheric modeling, it is not clear how to objectively judge the degree of added value in the RCM output against the corresponding GCM results. A key factor responsible for skepticism is based on the fundamental limitations in the nesting approach between GCMs and RCMs. In this article, we review the current status of the dynamical downscaling for climate prediction, focusing on basic assumptions that are scrutinized from a numerical weather prediction (NWP) point of view. Uncertainties in downscaling due to the inconsistencies in the physics packages between GCMs and RCMs were revealed. Recommendations on how to tackle the ultimate goal of dynamical downscaling were also described.