基于ECC方法的青藏高原冬季气温可预报性研究

选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。     

云南8月气温与春季气温场的典型相关分析

利用典型相关理论,分析了云南８月低温与当年春季气温场之间的关系,得出了一些有意义的结果。春季影响云南的西风带南支槽、副热带高压和北方南下冷空气等天气系统的强弱（南支槽的强和弱用滇西气温的负距平和正距平表示,副热带高压的强和弱用滇东南气温的正距平和负距平表示,冷空气的强和弱用滇东气温的负距平和正距平表示）与８月份云南是否出现低温天气关系较大,８月份云南北部和西部出现低温天气与２月份冷空气和南支槽的强     

随机参数扰动方法对中国冬季降水集合预报的影响

降水数值预报有很大的不确定性,与降水预报密切相关的物理过程参数化方案中关键参数的不确定性是降水数值预报误差来源之一,对这些参数引入随机扰动的随机参数扰动方法（Stochastically Perturbed Parameterization,简称SPP方法）可以代表模式降水预报的不确定性,是国际集合预报前沿研究领域。为了认识该方法能否代表中国冬季降水数值预报的不确定性,为业务应用提供科学依据,基于中国气象局中尺度区域集合预报模式（Global/Regional Assimilation and Prediction System-Regional Ensemble Prediciton System,简称GRAPES-REPS）,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等四个参数化方案中选取了16个与降水密切相关的关键参数,引入了随机参数扰动方法,并通过2018年12月12日至2019年1月12日总计31天的冬季集合预报试验,对比分析了SPP方法对等压面要素及降水的集合预报效果。结果显示:在冬季应用SPP方法时,等压面要素的概率预报技巧总体来说优于无SPP方法扰动的对比试验,且对于低层、近地面要素的改进效果优于对中高层等压面要素的改进;但对降水概率预报而言,尽管检验评分数值略优于对比预报试验,但并未通过显著性检验,这表明,在东亚冬季风影响下,随机参数扰动方法对中国冬季降水概率预报技巧没有明显的改进。究其原因,可能是由于SPP方法主要代表对流性降水预报的不确定性,而中国冬季降水过程主要与斜压不稳定发生发展有关,模式降水以大尺度格点降水为主,对流性降水较少,故对冬季降水预报改进不明显,这为业务集合预报模式中应用随机参数扰动方法提供了科学依据。     

典型相关分析(CCA)对我国冬季气温的短期气候预测试验

利用典型相关分析(CCA)方法建立统计气候预测模型,对我国冬季气温进行了预测试验,采用历史资料独立样本检验的方法,对预报技巧给出合理的评定。结果表明,使用CCA方法对我国冬季气温进行短期气候预测,有一定的预报技巧,对于特定地区和特定时期优选的因子场组合,可以取得较为满意的预报效果。大部分地区的季平均预报时效在2个季以内时,最佳预报相关系数在0.5以上。季平均的预报水平明显高于月平均的预报。海温场是所有因子场中最好的预报因子,不仅单独海温场的预报效果较好,而且与其他因子场组合后的预报水平还可以得到进一步提高。     

用典型相关分析作副高的统计动力预报模式可预报性研究

本文提出一个关于西太平洋副热带高压（简称副高）的统计动力预报模式，利用它和典型相关分析方法对冬、春和夏季逐月副高预报的可行性进行研究。结果表明，模式的可预报性依赖于预报量场和因子场所提取的分量数，模式的差分形式及预报落后步长。对逐月和不同步长所作的可预报性分析发现步长为1个月有较高的可预报性，不同月份可预报性有所不同，一般夏季较冬季和春季要差。虽然如此，用该模式作夏季副高预报还是具有一定的可能性。在独立样本中所作的预报试验表明，月际预报符号相关系数一般均接近或超过0.60。     

ECMWF集合预报和确定性预报对淮河流域暴雨预报的对比分析

本文运用2012年5—9月欧洲中期天气预报中心(ECMWF)的集合预报系统(Ensemble Prediction System,EPS)和确定性模式(High-resolution Deterministic forecast,HDet)资料对比分析了淮河流域暴雨的预报效果。对于集合预报,主要对比了基于EPS的日降水量极端天气预报指数(Extreme Forecast Index,EFI),和改进的贝叶斯模型平均(Modified Bayesian Model Averaging,MBMA)法对降水的订正后概率。由于ROC(Relative Operating Characteristic)检验是与模式的系统性偏差无关的,所以选用ROC检验,对比了不同空报率下的TS评分,以及不同方法的相对经济价值。对比检验的结果显示,各时效预报MBMA预报效果最好,其次是HDet,EFI的预报效果最差,其中2 d内的预报HDet接近MBMA,随着预报时效的延长,MBMA相对于HDet和EFI的优势不断增强。在不同标准下确定三种方法对淮河流域暴雨预报的阈值,结果显示MBMA同样优于HDet,EFI预报效果最差。但MBMA的优势是通过增加预报偏差得到,如果将预报偏差限定为主观预报的1.37,此时MBMA的效果和HDet的效果接近。     

中国冬季气温异常EOF分析的改进

采用站网均匀化订正方法处理了中国160站站网1951—2010年冬季（12月-次年2月）气温距平序列,订正后的序列较好地处理了由站网不均匀性引起的方差不均匀。对订正前、后序列分别作了EOF分析,结果表明：1）订正后序列的前2个典型场上的高绝对值区比订正前序列的前2个特征向量有更好的组织性,其高值区主要位于三北地区（西北、华北、东北）及青藏高原,与均方差场的高值区基本一致;2）订正前、后主要模态时间系数演变特征相似（rh≥0．886,h=^-1,2）,但订正后的前2个时间系数的线性分量和年代际变化分量对它们的方差贡献更加集中于第一模态;3）订正后资料EOF分析的第一个典型场和时间系数中的线性分量可以给出中国最近60a冬季主要强增暖区的分布;其年代际分量与分析期间中国强年代际变化分布区域的一致性也优于订正前资料的EOF分析结果。     

中国东北南部地区冬季气温异常的海气背景分析

利用1951—2005年中国沈阳、通化、营口、丹东气温和北半球500 hPa高度及北太平洋海温资料,分析了中国东北南部地区冬季气温的异常变化及其海气背景。结果表明:中国东北南部地区冬季气温具有明显的年代际变化特征;冬季异常冷暖年份,其同期与前期500 hPa高度和海温距平场分布具有明显不同;前期春季(3—5月)贝加尔湖高压和西太平洋副热带高压的强弱变化,西风漂流区海温、赤道东太平洋关键区海温及2个海区海温距平差,对中国东北南部地区冬季气温的异常变化均具有较好的预测指示意义。前期夏季(7—9月)赤道东太平洋关键区海温对中国东北南部地区冬季气温异常变化具有指示性。     

ECC方法在中国夏季气温预测研究中的应用

以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。     

我国东南夏季干旱指数的ECC预测方法

根据中国东南夏季气温和降水显著负相关的特点,构造合适的干旱指数。选取美国NCEP／NCAR再分析月平均海表温度场、北半球500hPa高度场、亚欧大陆表面温度场作为预测因子,取由国家气象中心整理的中国160站月平均降水和温度资料计算出的东南部干旱指数作为预测对象,采用集合典型相关分析方法（ensemble canonical correlation,ECC）预测东南夏季干旱指数。预测与实况之间的空间相关性和时间相关性均表明,该方法优于单因子场典型相关分析（canonical correlation analysis,CCA）预测方法,其中采用超级集合平均法又比等权集合平均法具有更高的预测技巧。     

Individual Variations of Winter Surface Air Temperature over Northwest and Northeast China and Their Respective Preceding Factors

Based on monthly mean surface air temperature （SAT） from 71 stations in northern China and NCEP/ NCAR and NOAA-CIRES （Cooperative Institute for Research in Environmental Sciences） twentieth century reanalysis data, the dominant modes of winter SAT over northem China were explored. The results showed that there are two modes that account for a majority of the total variance over northern China. The first mode is unanimously colder （warmer） over the whole of northern China. The second mode is characterized by a dipole structure that is colder （warmer） over Northwest China （NWC） and warmer （colder） over Northeast China （NEC）, accounting for a fairly large proportion of the total variance. The two components constituting the second mode, the individual variations of winter SAT over NWC and NEC and their respective preceding factors, were further investigated. It was found that the autumn SAT anomalies are closely linked to persistent snow cover anomalies over Eurasia, showing the delayed effects on winter climate over northern China. Specifically, the previous autumn SAT anomalies over the Lake Baikal （LB; 50-60°N, 85-120°E） and Mongolian Plateau （MP; 42-52°N, 80-120°E） regions play an important role in adjusting the variations of winter SAT over NWC and NEC, respectively. The previous autumn SAT anomaly over the MP region may exert an influence on the winter SAT over NEC through modulating the strength and location of the East Asian major trough. The previous autumn SAT over the LB region may modulate winter westerlies at the middle and high latitudes of Asia and accordingly affects the invasion of cold air and associated winter SAT over NWC.     

东北盛夏月尺度气温的时空分布特征及预测试验

利用1961～2004年东北地区53个测站7—8月逐月气温资料及太平洋海温场、北半球500hPa高度场和环流特征量资料,采用场经验正交函数展开和主成分分析方法,研究近44a东北地区盛夏月尺度气温的时空分布特征;借助典型相关系数,对场与场的关系进行分析,利用多因子场预测未来要素场的典型相关方法,对东北地区盛夏逐月气温进行了预测及评估检验。结果表明：东北地区7、8月份平均气温分布的一致性比较好,分别占总方差的65％和72％;东北地区盛夏7、8月气温主要有全区一致型、南北型和东西型等几种主要空间类型。通过实践检验,典型相关分析方法对2005—2006年东北地区盛夏7、8月份月尺度气温趋势有较好的预测能力。     

简化典型相关预测模型面雨量中期预报试验

以５天平均的５００ｈＰａ高度场格点高度值为预报因子,三峡地区４个区的候面雨量为预报对象,建立简化的典型相关预报模型,并采用历史资料独立样本检验的方法进行预报试验。对预报效果的分析表明：简化的典型相关预报模型对三峡地区面雨量的中期预报有一定的技巧,预报效果基本睦能达到中期天气预报业务的要求,对预报员有一定的参考价值。     

基于组合统计降尺度的华西南部地区冬季气温预测技术研究

利用1982—2017年华西南部地区冬季气温和NCEP再分析资料以及CFS模式实时预测资料,通过SVD诊断分析,选取影响华西南部地区冬季气温的同期关键区大气环流和前期海温及OLR因子场,建立预测与观测场相结合的组合统计降尺度预测模型。该统计降尺度预测模型对1982—2017年的回报结果显示：与观测场的空间相关系数较CFS模式原始预测结果有显著提高,多年均值从-0.06提升到0.38,最高可达0.85。同时,此降尺度预测模型可较好地回报出华西南区冬季气温的空间分布型。     

Changes of Warmer Winter and Winter Temperature over China During 1956-2005

 A reasonable warmer winter index (IWWI) in the framework of the three equiprobability categories (i.e. warmer, normal and colder categories) is proposed based on the winter temperature data observed at 565 stations in China during 1956-2005, where IWWI is defined as the ratio of the station number of warmer category over the total number of stations. The results suggest that the trend of IWWI was consistent with that of the winter temperature on decadal time scale, and their rates of change were 10%/10 a and 0.4 ℃/10 a, respectively. It is found that only 13 warmer winter events in total were detected by IWWI over the past 50 years, and 85% of them occurred after 1986.     

1956-2005年中国暖冬和冬季温度变化

Areasonable warmer winter index(IwwI)in the framework of the three equiprobability categories(i.e.warmer,normal and colder categories)is proposed based on the winter temperature data observed at 565 stations in China during 1956-2005,where IwwI is defined as the ratio of the station number of warmer category over the total number of stations.The results suggest that the trend of IwwI was consistent with that of the winter temperature on decadal time scale,and their rates of change were 10%/10 a and 0.4℃/10 a,respectively.It is found that only 13 warmer winter events in total were detected by IwwI over the past 50 years,and 85% of them occurred after 1986.     

The China Multi-Model Ensemble Prediction System and Its Application to Flood-Season Prediction in 2018

Multi-model ensemble prediction is an effective approach for improving the prediction skill short-term climate prediction and evaluating related uncertainties. Based on a combination of localized operation outputs of Chinese climate models and imported forecast data of some international operational models, the National Climate Center of the China Meteorological Administration has established the China multi-model ensemble prediction system version 1.0 (CMMEv1.0) for monthly-seasonal prediction of primary climate variability modes and climate elements. We verified the real-time forecasts of CMMEv1.0 for the 2018 flood season (June-August) starting from March 2018 and evaluated the 1991-2016 hindcasts of CMMEv1.0. The results show that CMMEv1.0 has a significantly high prediction skill for global sea surface temperature (SST) anomalies, especially for the El Nino-Southern Oscillation (ENSO) in the tropical central-eastern Pacific. Additionally, its prediction skill for the North Atlantic SST triple (NAST) mode is high, but is relatively low for the Indian Ocean Dipole (IOD) mode. Moreover, CMMEv1.0 has high skills in predicting the western Pacific subtropical high (WPSH) and East Asian summer monsoon (EASM) in the June-July-August (JJA) season. The JJA air temperature in the CMMEv1.0 is predicted with a fairly high skill in most regions of China, while the JJA precipitation exhibits some skills only in northwestern and eastern China. For real-time forecasts in March-August 2018, CMMEv1.0 has accurately predicted the ENSO phase transition from cold to neutral in the tropical central-eastern Pacific and captures evolutions of the NAST and IOD indices in general. The system has also captured the main features of the summer WPSH and EASM indices in 2018, except that the predicted EASM is slightly weaker than the observed. Furthermore, CMMEv1.0 has also successfully predicted warmer air temperatures in northern China and captured the primary rainbelt over northern China, except that it predicted much more precipitation in the middle and lower reaches of the Yangtze River than observation.     

欧洲中心集合预报在中国区域中期时效离散度预报技巧关系分析

预测数值模式对于中期天气预报能力是集合预报的重要应用之一。为研究集合预报在中国区域中期时效(96～360h)预报技巧的预测能力,本文基于欧洲中期天气预报中心(ECMWF)全球集合预报系统2007—2011年500 hPa高度场和850hPa温度场预报数据,采取两种不同的离散度-预报技巧关系表征方法进行对比分析,结果表明:(1)以均方根误差为表征的预报技巧(RMS_(ENS))和离散度(SP_(RMSE))表现出季节循环特征,即冬(夏)季值高(低),这是大气内在性质的表现。而以距平相关为表征的预报技巧(AC_(ENS))和离散度(SP_(AC))没有显著的内在季节变化特征。(2)对比分析两种不同表征的离散度-预报技巧关系可知,以距平相关为表征的离散度-预报技巧关系更能反映中期时效的预报技巧,且850 hPa温度场较500 hPa高度场二者的相关性更好。(3)定量分析离散度-预报技巧关系表明,小离散度情况下更能体现高的预报技巧,但这种关系从96～360 h样本百分比下降了20%左右,而在大离散度情况下离散度-预报技巧关系相对弱一些,且随预报时效的延长样本百分比没有显著的降低。(4)样本统计显示中期各时效SP_(RMSE)和SP_(AC)二者一致的样本占59%～66%,并没有显示较高的一致性特征。上述分析结果为集合预报在中期时效预报技巧预测方面提供定性和定量的参考。