我国短期气候预测业务系统

中国第一代短期气候监测、预测、评价和服务业务系统主要由6个部分组成：数据库、动力气候模式系统、气候监测诊断系统、短期气候预测系统、气候影响评价系统与气候应用服务系统。在建立短期气候业务系统过程中，主要获得了三方面的成果：第一，揭示出影响中国气候异常的最强气候信号是厄尔尼诺事件、高原积雪和季风；第二，发展并建立了复杂的全球与区域动力气候模式预测系统，该系统包括T63L16全球大气环流模式、高分辨率区域气候模式、T63L30全球海洋模式和海冰模式、太平洋和印度洋高分辨率海洋模式和厄尔尼诺预测模式；第三，在高性能计算机和网络的支持下建立了完整的业务应用系统，不仅可提供短期气候预测信息，而且可以快速、客观、准确地给出气候变化对水资源、农业、林业、交通、电力、重大工程等国民经济重要部门和关键地区的影响，及时为决策部门提供决策服务。1998年开始应用以来，国家和大区两级整体预报水平比“九五”以前20年平均提高了6％～10％。但对区域性强洪涝事件的预报能力偏低，尚需进一步提高。     

动力气候模式预测系统业务化及其应用

动力气候模式是目前国际上开展气候预测的主要工具。经过 8年多的研制、发展和业务化过程 ,国家气候中心已建立起第一代动力气候模式预测业务系统 ,并以此为平台 ,形成了一套包括月、季节到年际时间尺度的动力模式预测业务。 2 0年历史回报试验和 1年多的试验性业务运行结果表明 ,该系统对东亚区域的季节预测具有较好的预测能力 ,其预测结果已经在实际业务中得到了应用 ,并成为我国短期气候预测业务的重要参考依据。该文是对该动力模式系统性能的介绍 ,也是对国家“九五”重中之重课题的加强课题“短期气候预测综合动力模式预测系统业务化”专题的总结汇报。     

谐波分析在短期气候预测中的应用

为进一步提高短期气候预测业务能力，在对泰安51年气候资料统计分析基础上，使用谐波分析，制作了短期气候预测应用系统。本文简要说明了该系统的建立思路及预报模式的作用和使用方法效果。     

国家气候中心短期气候预测模式系统业务化进展

该文简要介绍了国家气候中心短期气候预测模式系统的研发成果,并侧重于从海洋资料同化系统、陆面资料同化系统、月动力延伸预测模式系统、季节气候预测模式系统4个方面介绍了第2代短期气候预测模式系统的业务化进展。第2代海洋资料同化系统已初步建成,其对温盐的同化效果总体上优于第1代同化系统;陆面资料同化系统正在研发中,目前已完成其中的多源降水融合子系统的业务建设工作,可为陆面分量提供实时的大气降水强迫分析场;第2代月动力延伸预测系统基于国家气候中心大气环流模式BCC_AGCM2.2建立,已于2012年8月进入准业务运行阶段;第2代季节预测模式系统基于国家气候中心气候系统模式BCC_CSM1.1(m) 建立,将于2013年底投入准业务运行。初步评估表明:第2代月动力延伸预测模式系统和季节气候预测模式系统分别对候、旬、月和季节、年际时间尺度的气候变率体现出了一定的预测能力,其对降水、气温、环流等要素的预测技巧总体上要高于第1代预测系统。     

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.     

区域气候模拟研究及其应用进展

区域气候模拟研究在过去十几年里取得了显著的进步。经过广泛的发展和不断的检验,区域气候模式现在已经成为气候研究和业务预报的重要工具。目前已经发表了很多令人鼓舞的结果,其中包括过去极端气候事件的模拟,当前气候发展演变和未来气候变化的预测,特别是对月和季节尺度气候的模拟与预测。通过对高分辨率和动力连续的区域气候模式结果的分析,人们对于周-季节时间尺度的各种物理过程,包括陆面和水文过程、边界层、云和降水、云-辐射相互作用的认识也在不断的深入。然而,区域气候是多尺度扰动(如中尺度、天气尺度、行星尺度扰动)和多圈层系统(如大气圈、生物圈、水圈、冰雪圈、陆面)相互作用的结果,同时物理过程本身具有不确定性,人们对一些复杂的物理过程,特别是土壤湿度作用以及云-气候反馈过程也缺乏深刻的理解,因此该领域的研究还面临着很多挑战。作者重点总结并评述了区域气候模式对现在和未来区域气候模拟、极端天气和气候事件模拟、物理过程研究、短期气候预测几方面应用的研究进展,最后讨论了区域气候模式发展在上述各方面,特别是周-次季节时间尺度区域天气和气候的模拟与预测所面临的挑战和应用前景。     

我国短期气候预测的业务技术发展

首先概述了我国短期气候预测技术和业务现代化发展的历史。近40多年来，我国短期气候预测业务技术经历了经验统计分析、数理统计分析、物理统计分析、动力与统计相结合4个主要发展阶段。其次分析了“九五”以来我国短期气候预测技术的新进展，通过“九五”攻关研究，增强了我国短期气候预测的物理基础、综合决策和业务预测能力，初步实现了动力与统计相结合，提高了自动化、客观化、可视化水平。最后探讨了未来我国短期气候预测技术发展的几个主要问题，一方面要大力发展动力气候模式，另一方面要不断改进提高物理统计方法，在汛期降水物理统计预测方法的研究中，应重点加强主导因素、中纬度环流异常、海洋与大气相互作用、年代际气候背景与年际气候异关系的研究。     

我国现代气候业务现状及未来发展趋势

从气候监测诊断、气候预测、气候系统模式、气候评价与灾害风险管理、气候变化业务和气候业务平台等角度,系统概述了我国现代气候业务现状。提出了以气候监测和动力学诊断为基础,以提升气候服务、气候风险管理和应对气候变化能力为目标,以发展客观化气候预测技术和定量化气候评估方法为核心的现代气候业务概念。分析了国际气候业务发展趋势及我国气候业务的差距,明确了加强气候系统基本变量监测、提高气候系统模式分辨率和改进物理过程、发展第2代短期气候预测系统、研发气象灾害风险评估方法并建立中国气候服务系统 (CFCS) 等发展任务。     

Argo大洋观测资料的同化及其在短期气候预测和海洋分析中的应用

国际Argo(Array for Real-time Geostrophic Oceanography)计划的实施,提供了前所未有的全球深海大洋0～2000 m水深范围内的海水温度和盐度观测资料,在大气和海洋科研业务中应用这一全新的资料,是深入认识大气和海洋变异、提高我国气候预测、海洋监测分析和预报能力的一个关键所在.通过开发非线性温—盐协调同化方案和利用同化高度计资料来调整模式的温度和盐度场,建立了可同化包括Argo等多种海洋观测资料的全球海洋资料变分同化系统,提高了对全球海洋的监测分析能力.实现了海洋资料同化系统与全球海气耦合模式的耦合,显著提高了短期气候预测水平.利用Argo资料改进了海洋动力模式中的物理过程参数化方案,有效提高了海洋模式对真实大洋的模拟能力和对厄尔尼诺/拉尼娜的预测能力.开发了利用Argo浮标漂流轨迹推算全球海洋表层和中层流的方法,提高了推算的全球表层流、中层流资料质量,有效弥补了洋流观测的匮乏.     

最优气候相似法及其在降水预报中的应用

介绍了一种短期气候预测方法———最优气候相似法 ,并应用于张家界地区 1 999～ 2 0 0 2年 5～ 7月总降水预报中 ,结果显示最优气候相似法能够有效地提高短期气候的预测能力 ,特别对气候异常具有良好的反应能力 ,适合于短期气候业务预报。     

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。     

新疆夏季降水和冬季气温预测方法及效果评估

本文利用4个国内外先进的气候模式（国家气候中心、ECMWF、NCEP和JMA）业务预测数据,采用2种多模式集合方法（等权平均和超级集合）、3种降尺度方法（BP-CCA、EOF迭代、高相关回归集成）和3种统计方法（CCA、最优气候值、高相关回归集成）以及降尺度集成和降尺度-统计方法集成,分析了目前季节模式、多模式集合、降尺度、统计方法、降尺度-统计集合等目前常用气候预测技术对新疆夏季降水和冬季气温的业务预测能力。 研究表明,以上技术方法对新疆夏季降水和冬季气温的预测预测能力有较大差别。目前先进的气候业务模式的预测技巧普遍很低,多模式超级集合和降尺度方法的技巧常高于单个模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同时,统计方法和降尺度方法的预测技巧通常较为接近,而对二者进行超级集合可以具有相对很高的预测技巧。此外,现有常用气候预测技术方法对新疆夏季降水和冬季气温的趋势有一定的预测能力,但对气候异常的空间分布基本无预测能力。建议新疆气候预测技术围绕统计和降尺度方法集合发展。     

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。      

A statistical downscaling scheme to improve global precipitation forecasting

Based on hindcasts obtained from the “Development of a European Multimodel Ensemble system for seasonal to inTERannual prediction” (DEMETER) project, this study proposes a statistical downscaling (SD) scheme suitable for global precipitation forecasting. The key idea of this SD scheme is to select the optimal predictors that are best forecast by coupled general circulation models (CGCMs) and that have the most stable relationships with observed precipitation. Developing the prediction model and further making predictions using these predictors can extract useful information from the CGCMs. Cross-validation and independent sample tests indicate that this SD scheme can significantly improve the prediction capability of CGCMs during the boreal summer (June–August), even over polar regions. The predicted and observed precipitations are significantly correlated, and the root-mean-square-error of the SD scheme-predicted precipitation is largely decreased compared with the raw CGCM predictions. An inter-model comparison shows that the multi-model ensemble provides the best prediction performance. This study suggests that combining a multi-model ensemble with the SD scheme can improve the prediction skill for precipitation globally, which is valuable for current operational precipitation prediction.     

Progress in Predictability Studies in China （2003-2006）

Since the last International Union of Geodesy and Geophysics General Assembly(2003),predictability studies in China have made significant progress.For dynamic forecasts,two novel approaches of conditional nonlinear optimal perturbation and nonlinear local Lyapunov exponents were proposed to cope with the predictability problems of weather and climate,which are superior to the corresponding linear theory.A possible mechanism for the"spring predictability barrier"phenomenon for the El Ni(?)o-Southern Oscillation (ENSO)was provided based on a theoretical model.To improve the forecast skill of an intermediate coupled ENSO model,a new initialization scheme was developed,and its applicability was illustrated by hindcast experiments.Using the reconstruction phase space theory and the spatio-temporal series predictive method, Chinese scientists also proposed a new approach to improve dynamical extended range(monthly)prediction and successfully applied it to the monthly-scale predictability of short-term climate variations.In statistical forecasts,it was found that the effects of sea surface temperature on precipitation in China have obvious spatial and temporal distribution features,and that summer precipitation patterns over east China are closely related to the northern atmospheric circulation.For ensemble forecasts,a new initial perturbation method was used to forecast heavy rain in Guangdong and Fujian Provinces on 8 June 1998.Additionally, the ensemble forecast approach was also used for the prediction of a tropical typhoons.A new downscaling model consisting of dynamical and statistical methods was provided to improve the prediction of the monthly mean precipitation.This new downsealing model showed a relatively higher score than the issued operational forecast.     

Comparison of extended medium-range forecast skill between KMA ensemble,ocean coupled ensemble,and GloSea5

This article describes a three way inter-comparison of forecast skill on an extended medium-range time scale using the Korea Meteorological Administration (KMA) operational ensemble numerical weather prediction (NWP) systems (i.e., atmosphere-only global ensemble prediction system (EPSG) and ocean-atmosphere coupledEPSG) and KMA operational seasonal prediction system, the Global Seasonal forecast system version 5 (GloSea5). The main motivation is to investigate whether the ensemble NWP system can provide advantage over the existing seasonal prediction system for the extended medium-range forecast (30 days) even with putting extra resources in extended integration or coupling with ocean with NWP system. Two types of evaluation statistics are examined: the basic verification statistics - the anomaly correlation and RMSE of 500-hPa geopotential height and 1.5-meter surface temperature for the global and East Asia area, and the other is the Real-time Multivariate Madden and Julian Oscillation (MJO) indices (RMM1 and RMM2) - which is used to examine the MJO prediction skill. The MJO is regarded as a main source of forecast skill in the tropics linked to the mid-latitude weather on monthly time scale. Under limited number of experiment cases, the coupled NWP extends the forecast skill of the NWP by a few more days, and thereafter such forecast skill is overtaken by that of the seasonal prediction system. At present stage, it seems there is little gain from the coupled NWP even though more resources are put into it. Considering this, the best combination of numerical product guidance for operational forecasters for an extended medium-range is extension of the forecast lead time of the current ensemble NWP (EPSG) up to 20 days and use of the seasonal prediction system (GloSea5) forecast thereafter, though there exists a matter of consistency between the two systems.     

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。     

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。