基于多模式集合方案的中国东部夏季降水概率季度预测

借助ENSEMBLES计划提供的5个海-气耦合模式（CGCM）的多初值后报降水资料,采用常用的4种多模式集合方案,即等权集合（EE）、对单个集合成员先订正再等权集合（Cali-EE）、基于多元线性回归的集合方案（MLR）、基于贝叶斯统计学的集合方案（Bayes）,制作1960—2005年中国东部夏季降水概率密度函数（PDF）季度预测。在此基础上,比较最优（技巧最高）集合方案与气候学预测（衡量概率密度函数预测是否有技巧的基准）的技巧,初步评估目前基于多模式集合方案的、中国东部夏季降水的概率密度函数季度预测能力。结果表明,Bayes方案在华南最优,Cali-EE在长江流域、江淮流域以及中国北方的中部最优,MLR在中国北方的东部最优;基于这些最优集合方案的概率密度函数预测产品均具有高校准度,且其锐度高于或接近气候学预测;并且,对于所有区域,最优集合方案的预测技巧总是高于气候学预测,这暗示即使不提取模式其他变量中所包含的预测信息,对于中国东部夏季降水季度预测,常用的多模式集合方案也已具备制作有技巧的概率密度函数预测产品的能力。