CFSv2模式对淮河流域夏季气温降水预测能力的评估

基于美国环境预测中心提供的CFSv2模式回报数据以及淮河流域172个气象台站的气温降水观测数据,评估了该模式对淮河流域夏季气温降水的预测能力。结果表明:模式对气温气候平均态的模拟与实况较为接近,降水虽然能够反映出南多北少的分布特征,但气候平均值明显偏小。模式对于气温和降水均方差的模拟均偏小。从频率分布来看,回报气温的频率分布与实况较为接近,回报降水不仅存在很大的负偏差,出现异常降水的频率也比实况明显偏低。对ROC曲线的分析进一步表明模式预测高温事件的能力明显好于低温事件,预测降水异常事件的能力在不同起报月有差异。从主要模态的时空结构来看,模式能够反映出其空间结构,对于增暖的趋势模拟也相当不错,但增暖的速率高于实况,虽然模式没有能够反映出降水主要模态的年代际变化特征,但对于年际变化有较高的预测技巧。这些评估为短期气候预测和模式解释应用提供了参考。     

CFSv2模式对东北地区夏季各月降水的预测性能评估

利用距平相关系数(ACC)、距平符号一致率(Pc)、趋势异常综合检验(Ps)等3种方法,对CFSv2模式在东北地区开展的1983-2010年夏季各月降水回报试验结果、2011-2014年业务应用结果进行综合评估。结果表明,CFSv2模式在东北地区夏季各月降水的效果相对较好。尽管目前应用的业务评分办法的评分都相对较高,但年际差异明显,预测效果不稳定,需要进一步提高模式的预测技巧。     

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。     

NCEP CFSv2模式对川渝夏季降水次季节预测技巧评估及预报偏差分析

利用NCEP的第二代气候预测系统(CFSv2)提供的2000-2009年降水场历史回报试验资料以及川渝182个测站的降水实况资料。采用时间相关系数、均方根误差、距平相关系数、距平符号一致率以及PS评分等方法,对模式在川渝地区夏季降水以及夏季降水异常的次季节尺度预测技巧进行检验,并进一步分析了模式在概率密度和降水频次方面的预报偏差特征。结果表明：该模式对川渝夏季降水的可用预报时效为3候左右,能够较好地模拟出夏季降水的高值中心,但量级偏大。预报技巧高值区主要位于四川盆地西北部及渝东北地区,对攀西地区南部及川西高原部分地区也有一定的预报技巧。该模式也能够较好地把握川渝地区夏季降水异常偏少的趋势,有效预报技巧为2候以内。模式各时效预报与观测的降水概率密度主要集中在10 mm以下量级;模式预报各量级降水频次与实况相比均偏高得较为明显,且随着预报时效延长,偏差越大,其中偏高最为明显的是小雨频次。     

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...     

基于BCC_CSM模式的中国东部夏季降水预测检验及订正

基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:（1）模式能在一定程度上把握我国东部夏季降水时空变率的两个主要模态（偶极子型模态和全区一致型模态）,但是不同超前时间的预测在刻画模态方差贡献、异常空间分布特征、时间系数的年际变化等方面存在明显误差;（2）模式能够合理预测大尺度环流和海表温度（SST）的变化特征,但是对中国东部夏季降水的总体预测技巧有限,这与模式不能准确刻画西太平洋副热带高压、大陆高压、中高纬阻塞高压等环流系统以及热带太平洋、印度洋SST变率对中国东部降水模态的影响有关;（3）针对1991~2003年回报试验数据中的500 hPa位势高度、850 hPa纬向风和经向风、SST变量,在全球范围内寻找并定位与中国东部站点降水关系最密切的预报因子,进而建立针对降水预测的单因子线性回归、多因子逐步和多元回归模型。采用2004~2013年回报试验对所建立的降水预测模型进行了独立检验,结果表明:所建立的降尺度预测模型能显著提高中国东部地区夏季降水的预报技巧。以6月1日起报试验为例,预测的第一模态（第二模态）与观测的空间相关系数由原始的0.12（0.48）提高到了0.58（0.80）,时间相关系数则从0.47（0.15）提高到0.80（0.67）;其它超前时间的预测试验中,降尺度预测模型的降水预测技巧相比模式原始预测技巧也同样明显提高。     

基于CFSv2对夏季西太平洋副高逐日预测能力的检验评估

利用NCEP的气候预报系统第2版(CFSv2)提供的2000—2010年夏季逐日500 h Pa位势高度历史回报试验结果,通过均方根误差分析等方法,检验评估了该系统对夏季500 h Pa西太平洋副高的预测能力,发现CFSv2对夏季西太平洋500 h Pa位势高度场的整体相关性较高。CFSv2对副高西脊点和脊线位置的1~7 d的预报准确率在61.8%以上,对副高面积指数、强度指数以及北界位置6~42 h预报时效的预报准确率在60%以上。此外,对副高面积指数、强度值和北界位置的预测结果作功率谱分析,得出CFSv2对500 h Pa副高强度指数1~7 d预测能力的变化在6—8月存在着显著的2.2~3.3 d的变化周期。     

CFSv2对2018年浙江梅雨降水多尺度预测的性能评估

从梅雨预测的业务需求出发,系统开展了CFSv2模式对2018年浙江梅雨期降水预报能力的多时间尺度评估。结果发现3月1日—5月31日的起报结果整体上未能较准确地预测6月浙江大部降水偏少的趋势、仅5月31日的预测结果与实况相符;在延伸期尺度上,CFSv2预测的梅雨期总降水量较实况偏少30%左右;基于相关系数、均方根误差和新定义的综合预报技巧指数等指标分析模式的延伸期预报性能,发现对梅雨期总降水量、逐日区域平均降水量和逐日全省各站降水量的预报技巧有限,对浙江梅雨区的预报水平总体高于浙江全省。评估结果表明CFSv2预报产品表现出显著的系统性干偏差;在延伸期尺度上,随着预报时效的缩短,预报效果并非逐步提升、而是客观存在一个最佳预报时效,各起报日也分别对应着不同的最优预报时段,整体而言梅雨降水的延伸期预测可能对初值并不敏感。     

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。     

CFSv2模式对巴彦淖尔市夏季月气温和降水量预测能力的评估

基于美国环境预测中心的CFSv2模式输出的1984—2009年6—8月平均气温和降水量格点数据,以及巴彦淖尔市9个气象台站的气温和降水实况数据,评估该模式对巴彦淖尔市6—8月气温、降水的预测能力。结果表明:模式对气温气候平均态的模拟和实况分布存在差异,降水反映出东多西少的分布特征,但气候平均值明显偏小。模式预测气温明显高于实况,但能够较好地反映26a气温的变化趋势,两者年际变化相关显著;模式预测降水量平均仅为实况降水量的1/2,并且对>50mm月降水量的预测能力较差。Pc、Ps评分检验显示,6月评分高于7、8月,降水量高于气温,模式对降水量预测的Ps评分已达到业务考核标准,经量级订正后,可以业务应用。     

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。      

青海省夏季降水气候预测评估

本文运用预报评分（Ｐ）、技巧评分（Ｓｓ０和距平相关系数（Ａｃｃ）三各方法、对青海省近十几年业务上使用的２０个代表站１９８８～１９９７年１０年夏季（６～８月）降水距平百分率预报的准确程度进行了评估。结果表明：虽然青海省的地理环境特殊、各地气候差异较大,但青海省的预报质量仍较全国平均水平略高;用Ｐ方法比用以往评分方法（Ｔｓ）进行预测评定的质量高出近６个百分点;１９９８年夏季的预报质量远较前十年的平均质     

NCEP CFSv2对北半球夏季中高纬阻塞高压的预测检验

利用1999 2010年共12年NCEP CFSv2(NCEP Climate Forecast System version 2)每天4个时次对未来45天预测的回报数据,检验了CFSv2模式对北半球夏季(6 8月)中高纬乌拉尔山区域(10°E70°E)和贝加尔湖-鄂霍次克海区域(110°E 180°E)阻塞高压及其与之相联系的东亚气候的预测能力。分析结果显示,CFSv2可以较好的模拟夏季北半球阻塞高压发生频率的纬向分布特征,但随着预测时效的增加阻塞发生的频率不断降低。CFSv2对两个区域阻塞预测的命中率在7天时效内为50%左右,接近2周之后基本上没有技巧。CFSv2对区域阻塞事件的预测技巧要低于区域阻塞的技巧,贝加尔湖-鄂霍次克海区域阻塞事件的技巧略低于乌拉尔山区域。CFSv2对阻塞爆发和结束的预测超过7天左右,基本没有预测技巧,对乌拉尔山区域阻塞结束日的预测技巧要低于阻塞爆发日的预测技巧。CFSv2在可用的预测时效内可以较好再现与区域阻塞相联系的环流形势以及东亚地区气温、降水异常的分布特征,尤其是夏季乌拉尔山和鄂霍茨克海地区发生阻塞时我国长江流域及其以南地区降水容易偏多的特征。     

夏季全国降水EOF展开与黑龙江省降水的关系

用EOF对全国160个站夏季降水展开，取前5个特征向量进行分析，发现全国主要有4种雨型分布，依次呈“＋－＋”、“＋－”、“－＋－”、“－“型。与黑龙江省降为第1种，即东北区及黄河下游多雨，江浪少雨， 长江中下游流域多雨；夏末雨带南退至长江以南，华南多雨，而中国中部为广大的少雨区。     

CFSv2模式延伸期逐日预报对强降温过程的预测能力评估

利用CFSv2模式的延伸期逐日预报,分析了CFSv2模式对2017年冬季黑龙江省发生的三次强降温过程预测能力。结果发现CFSv2可以提前10 d以上预报出黑龙江省冬季的强降温过程,发现模式对第一次的强降温过程的预测效果要好于第二次和第三次的预测效果。针对CFSv2延伸期逐日预报来说,需要综合分析连续几日的预报时段内的逐日信息,才能确定是否发生强降温过程。CFSv2逐日预报对黑龙江省冬季的强降温过程的预报能力有一定的技巧,但预报能力还是有限,为了有效提升预报准确率,还必须提高CFSv2模式对北半球中高纬环流的预测技巧和研发与之相适应的解释应用技术。     

站网均匀化订正对中国夏季气温EOF分析的改进

本文对中国160站站网上1960～2010年夏季(6～8月)气温距平场序列进行了站网均匀化订正,对订正前、后的气温距平场序列作了EOF分析.结果表明:(1)订正后的前3个典型场高绝对值区均衡分布在三北(东北、华北、西北)地区、青藏高原和长江中下游地区,与夏季气温均方差场高值区位置基本一致;订正前的前3个特征向量高绝对值...     

冬季积雪对我国夏季降水预测的评估分析

根据高原积雪和高纬积雪与我国夏季降水相关分析的结果，将高原积雪和高纬积雪作为独立因子分别对我国夏季降水预测做了检验，结果表明：高原积雪较高纬积雪效果要好，冬季高原积雪异常偏多时，长江流域夏季易发生洪涝，这也是预测汛期降水的一个重要信号。     

CFSv2模式对春季逐月南极涛动预测效能及成因分析

系统评估了美国第二代气候预测系统（CFSv2）对1983～2019年北半球春季逐月南极涛动（AAO）的预测效能及可能成因。结果表明,CFSv2模式对3月、4月和5月AAO空间模态预测效能较好,但是耦合模式仅对3月的AAO年际变化具有较好的预测能力,对4月和5月AAO年际变化的预测能力较差。热带中东太平洋和澳大利亚以东太平洋海温异常有可能是3月AAO年际变化的可预测性来源。一方面,3月厄尔尼诺—南方涛动（ENSO）与AAO之间关系显著,而4、5月两者之间关系减弱。 3月ENSO激发PSA（Pacific–South American）波列传播到南太平洋上,通过影响南太平洋海温异常以及低层气旋性环流异常影响3月AAO的年际变化。另一方面,3月澳大利亚以东太平洋海温异常在副热带急流核心区域激发活跃的Rossby波列,该波列由澳大利亚东部向东南频散到南太平洋中高纬地区,造成该地区位势高度异常,使得副热带地区30°S西风减弱,南半球高纬60°S西风加强,进而影响AAO的变化。CFSv2对3月AAO的预测效能高于4月和5月的主要原因是CFSv2模式能够很好再现3月AAO与ENSO、澳大利亚以东海温之间的关系及其影响机制。     

CWRF模式在中国夏季极端降水模拟的误差订正

利用1980—2015年6—8月我国逐日降水观测数据评估CWRF模式（Climate-Weather Research and Forecasting model）多种参数化方案对我国夏季日降水的模拟能力,并考察累积概率变换偏差订正法（CDFt）的订正效果。通过将广义帕累托分布（GPD）引入到偏差订正模型中,提出针对极端降水的累积概率变换偏差订正法（XCDFt）,检验和评估其对极端降水订正的适用性。结果显示:CWRF模式微物理过程选用Morrison-aerosol参数化方案组合对我国降水场的模拟较好,CDFt订正效果良好;XCDFt偏差订正模型能够较好地提取模式建模与验证时期变化信号,订正后相比订正前与观测极端降水的概率分布更为接近;经过XCDFt订正后华南、华中和华北地区20年一遇的极端降水重现水平较模拟值更接近观测值,可为CWRF模式提高极端降水的业务预测水平提供参考。     

一种基于神经网络的中国区域夏季降水预测订正算法

基于CWRF(climate extension of WRF)区域气候模式的动力降尺度预测技术对夏季降水预测存在一定偏差,难以实现准确预测。本文立足于中国区域夏季降水特点,分析与夏季降水相关的气象要素,采用树突(dendrite, DD)网络与人工神经网络(artificial neural networks, ANN)相结合的方法,针对CWRF模式回报的1996—2019年夏季降水量进行订正,检验其订正效果。结果表明：人工树突神经网络(artificial dendritic neural network, ADNN)算法模型订正的中国夏季降水量整体好于CWRF模式历史回报,距平相关系数和时间相关系数较订正前均提高约0.10,均方误差下降约26%,趋势异常综合检验评分提高6.55,表明ADNN机器学习方法能够对CWRF模式夏季降水预测实现一定程度的订正,从而提高该模式降水预测精度。