中国夏季降水异常EOF模态的时间稳定性分析

本文基于1980~2012年中国160个台站降水资料,利用滑动交叉检验等方法讨论了中国夏季降水距平和距平百分率EOF各模态的时间稳定性,在此基础上探讨了EOF方法在中国夏季降水短期气候预测中的应用条件和潜在能力。研究表明,随机剔除一年样本,中国夏季降水距平场前四个EOF模态表现出显著的稳定性。若时间系数完全预测准确,则潜在的可预测站点主要位于黄河以南地区,理想预测与原始降水的距平相关系数为0.6左右。相对而言,降水距平百分率各模态的时间稳定性易受极端降水事件的影响,当人为削弱这种影响后,随机剔除一年样本,其前三个模态的稳定性得到提高,潜在的可预测站点均匀分布,理想预测与原始降水的距平相关系数为0.48。但是,伴随着预报时效的增加,降水距平和距平百分率后三个EOF模态的时间稳定性下降,预示着EOF方法对未来两年以上降水的预测能力将会明显下降。     

NAO对青藏高原中东部夏季降水双极振荡模态影响的时间尺度厘定

通过对1961 2010年青藏高原中东部66个台站夏季降水的EOF分析,进一步证实在现代气候背景下南北双极振荡模态是夏季青藏高原最主要的降水空间结构,并表现出较强的稳定性,相关分析表明该模态与夏季北大西洋涛动(NAO)存在稳定密切的联系。集合经验模态分解(EEMD)能够根据NAO和青藏高原降水双极振荡模态时间系数序列自身的特点而把原序列中不同时间尺度的信息分离出来,夏季NAO与青藏高原降水双极振荡模态之间最显著的联系主要发生在以准3~4年为周期的年际信号里,因此,以NAO为主的北大西洋大气活动(而非该地区的海温变化)可能是驱动青藏高原夏季降水南北双极振荡模态形成的最主要原因之一。     

厄尔尼诺衰减年东亚夏季大气环流和降水异常的耦合模式后报试验

利用中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室(LASG)新一代耦合气候模式(FGOALS)进行了气候异常季节后报试验,通过对1982—2005年7个个例的分析,探讨了厄尔尼诺衰减年夏季东亚大气环流和降水异常发生的物理机制。分析结果表明:FGOALS可以模拟出厄尔尼诺衰减年夏季相关气候场的异常态特征,表现为在西北太平洋为负海温异常,在热带印度洋为正海温异常,从而导致西北太平洋地区大气中低层异常反气旋环流的维持,其反气旋的西南部及西部的偏南及西南气流造成中国长江中下游地区降水的异常增多。在提前3—9个月的预测模拟中,模式可以模拟出气候场的异常演变,随着预测时间的延长,产生局地耦合的西北太平洋海表温度异常信号变弱,使得模拟出的西北太平洋反气旋异常偏弱、中心东移,从而导致影响东亚降水的气候场的异常变弱,降水异常区偏东。模拟结果也揭示出,西北太平洋海表温度负异常是厄尔尼诺异常信号的转换模态,并且,由于局地海-气相互作用,热带海温异常信号可以持续到第2年夏季,从而引起东亚大气环流和降水异常。对于东亚降水的季节预测出现误差可能是模式对ENSO的模拟偏差造成的,随着预测时间延长,模式模拟的厄尔尼诺信号偏弱,这将使得海表温度异常偏弱,同时相关物理场的异常响应也减弱。     

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。     

我国东部夏季气侯基本态特征研究

利用１８８１年～１９９８年２９个观测站的夏季降水、气温资料,研究了我国东部夏季降水、气温大于３０年的慢变平均值（气候基本态）的变化特征。用经验正交分解方法研究了夏季降水与气温的气候基本态的特征模态及时间演变规律。结果表明,我国东部夏季降水、气温的气候基本态与我国夏季天气及夏季大气活动中心的气候基本态关系密切。     

我国东部夏季气侯基本态特征研究

利用１８８１年￣１９９８年２９个观测站的夏季降水、气温资料,研究了我国东部夏季降水、气温大于３０年的慢变平均值（气候基本态）的变化特征。用经验正交分解方法研究了夏季降水与气温的气候基本态的特征模态及时间演变规律。结果表明,我国东部夏季降水、气温的气候基本态与我国夏季天气及夏季大气活动中心的气候基本态关系密切。     

海温异常对山东夏季降水的影响分析

讨论了前期全球海温异常对山东夏季降水不同分布型的影响,找到了对汛期降水预测有指示意义的异常信号,并将这些异常信号与2016年的降水分布特征进行了验证。前期恩索(ENSO)处于发展状态时,易造成全省夏季降水一致的分布形势;前期ENSO处于衰减状态时,山东夏季降水易出现东西反向的分布形势。太平洋十年际振荡和热带印度洋全区一致海温模态位相与鲁东南和半岛的夏季降水存在高相关,而副热带南印度洋偶极子和热带印度洋偶极子位相对山东夏季降水的高影响区位于鲁西北。这些异常信号对山东夏季降水预测具有一定的指示意义。     

CFSv2模式对新疆夏季降水的预测评估及EOF订正

基于美国国家环境预报中心CFSv2模式1982-2019年2月起报的预测数据和新疆99个气象站的降水资料,利用EOF方法对模式预测结果进行误差订正,并评估了订正前后模式对新疆夏季降水的预测能力。结果表明：CFSv2模式能够预测出新疆夏季降水前三个模态的空间结构,对第一模态时间系数的预测能力较好,对第二、三模态预测较差;对新疆夏季降水的总体预测性能较差,对降水趋势和量级有一定的预测能力;对降水异常偏少年的预测性能好于异常偏多年;空间上对南疆降水预测性能较好,北疆西部较差。EOF订正能够显著提高模式的降水预测能力,改进了主模态方差贡献、第一、二模态空间结构的中心位置和时间系数的预测性能;独立预报评分ACC、Pc、Ps比原始模式分别提高了0.19、18%、12%;对异常年预测性能的提高好于正常年;全疆除东疆外预测性能均有所提高,尤其是北疆西部。     

黑龙江省夏季降水主模态异常型前兆信号分析

基于主成分回归法,利用1981—2010年黑龙江省15个地面气象站夏季降水观测资料、1980—2015年NCEP/NCAR(National Centers for Environmental Prediction/National Center for Atmospheric Research)再分析资料和NOAA(National Oceanic and Atmospheric Administration)月平均海表温度资料,建立了黑龙江省夏季降水统计预测模型,并分析了影响黑龙江省夏季降水主模态的前兆信号。结果表明:影响黑龙江省夏季降水主模态异常型前兆信号为前一年11月新地岛和喀拉海以南地区的高度场、前冬北太平洋中部海温和加利福尼亚附近区域海温的反相变化、南印度洋的异常海温。1981—2010年逐年交叉回报检验和4 a独立样本预测检验均表明,建立的降水预测模型对黑龙江省夏季降水具有较好的预报能力,并在2015年实现业务化,对2015年黑龙江省夏季降水的预测效果较好,具有一定的参考价值。     

中国西南夏季降水预测的统计降尺度建模分析

利用BP-CCA方法并结合当前国际先进气候预测模式结果,探讨了如何建立对西南夏季降水具有较高预测技巧的统计降尺度模型及其可预报性来源。结果表明,将热带区域海表温度作为预测因子的降尺度模型的预测能力优于亚洲区域和热带区域500 h Pa位势高度作为预测因子的模型。对模型可预报性来源的分析表明,热带区域海表温度作为预测因子的降尺度模型的预测能力年与年之间的差异主要受热带海表温度EOF第二模态的影响。该模态表现为在热带东南印度洋及西太平洋区域有正载荷值,而在热带中东太平洋区域有负载荷中心,其与影响西南夏季降水的菲律宾和海洋大陆西部对流有较好的相关,并且ECMWF和NCEP业务气候预测模式对其有较好的预测能力。     

年际增量方法在西南夏季降水预测中的应用

利用中国西南地区80站逐月降水资料及NCEP/NCAR再分析资料等,采用降水预测新方法——年际增量法,考察影响中国西南地区夏季降水年际增量的前期冬、春季大气环流年际增量状况,并选取5个关键影响因子,采用多元回归法建立中国西南夏季降水年际增量预测模型。对降水年际增量进行预测,在1971—2010年的建模阶段,预测模型的拟合率为0.78,在2011—2017的后报检验7年中,有6年与实况值同位相。后报检验2011—2017年的降水距平百分率,均方根误差为16%。为考察对降水异常分布型的预报效果,逐站建立回归方程,并进行趋势预报检验,近5年的趋势异常综合评分高于发布预测,预报效果较好。因此,该方法的应用及模型的建立对提高西南地区夏季降水预测水平有重要意义。      

MRI-CGCM模式对东亚夏季风的模拟评估及订正

本文利用CMAP月降水资料、NCEP再分析资料、NOAA的ERSST资料和日本气象厅海气耦合模式（MRI-CGCM）的输出结果,从东亚夏季风气候态、主模态和年际变率等方面分析了MRI-CGCM模式对东亚夏季风的预测性能,并且利用观测的东亚夏季风指数（EASMI）与模拟PC（principal component）的关系建立多元线性回归方程来订正EASMI（简称PC订正法）。结果表明:MRI-CGCM模式能够较好再现东亚夏季风降水和低层风场的气候态,但模拟的西北太平洋反气旋偏弱、偏东,使得模拟的副热带地区降水量偏小。模式较好地模拟出东亚夏季风降水第一模态（EOF1）及相应的低层风场,能够较好再现出EOF1对应El Ni?o衰减位相;模拟降水的EOF1与观测之间的空间相关系数（ACC）为0.72,且能较好地再现其对应的年际变率,其时间系数PC1与观测之间的相关系数为0.41,能模拟出观测EOF1的2 a和5 a主导周期;但模拟的我国以东梅雨锋区雨带位置偏南,这与模拟的西北太平洋反气旋位置偏南有关。模式对降水第二模态EOF2的模拟能力比EOF1明显下降,模拟EOF2与观测之间的ACC降到0.36;虽然模式能较好地再现出EOF2对应El Ni?o发展位相,但模拟的西太平洋反气旋位置偏南,使得雨带位置偏南,模拟的我国梅雨锋区雨带位于江南,与观测场上江南少雨相反。模式较好地模拟出我国东部夏季降水和气温空间异常分布和年际变化,模拟与观测夏季降水和气温的多年平均ACC分别为0.74和0.68。模式模拟我国东部、江淮流域和华南地区夏季降水多年平均PS评分分别为69、70和68分,略高于我国夏季降水业务预测多年平均评分（65分）。模拟的我国东部夏季气温与观测多年平均PS评分为74分。PC订正后EASMI与实况的相关系数由0.51提高到0.65、符号一致率由84%升到91%、标准差由0.75增大到1.4、大于1个标准差年数由6年变为12年,订正后在模拟变幅偏小和梅雨锋区雨带偏南等方面均有一定的改善,对应西太平洋反气旋位置和梅雨锋区雨带位置与实况较为吻合。     

基于降水遥相关型的夏季降水模式预测改进研究

我国月—季降水分布在空间上存在类似于大气环流遥相关的空间遥相关型。本文基于中国近57年夏季降水资料研究了我国夏季降水空间遥相关型的主要空间模态特征及其年代际变化,评估并改进了BCC_CSM模式、ECMWF_SYSTEM4模式以及NCEP_CFSV2模式对中国夏季降水的预测能力。研究结果显示,中国夏季降水实况中存在华北—长江下游、华东—中国中北部、华南—长江流域、西南—东北中部等4类显著的空间遥相关型。动力模式可以预测大尺度的降水分布,而对于不同区域之间降水遥相关这种雨带细节特征的预测能力则较为薄弱,存在着较多虚假相关。为改善模式降水预测技巧,以实况中的降水遥相关型作为约束条件构建了修正方案,以此来修正模式中的降水遥相关型分布。结果显示,经过修正能够有效地改善模式对东北中部、长江下游的预测能力,4年的回报检验结果显示,模式预测的平均距平一致率从47%提高为58%;平均均方根误差从153 mm减小为120 mm;平均趋势异常综合检验（PS）评分从64提高为73。     

PREDICTION OF FLOOD SEASON PRECIPITATION IN SOUTHWEST CHINA BASED ON IMPROVED PSO-PLS

In order to achieve the best predictive effect of the Partial Least Squares (PLS) regression model, Particle Swarm Optimization (PSO) algorithm is applied to automatically filter the optimal subset of a set of candidate factors of PLS regression model in this study. An improved version of the Particle Swarm Optimization-Partial Least Squares (PSO-PLS) regression model is applied to the station data of precipitation in Southwest China during flood season. Using the PSO-PLS regression method, the prediction of flood season precipitation in Southwest China has been studied. By introducing the precipitation period series of the mean generating function (MGF) extension as an alternative factor, the MGF improved PSO-PLS regression model was also build up to improve the prediction results. Randomly selected 10%, 20%, 30% of the modeling samples were used as a test trial; random cross validation was conducted on the MGF improved PSO-PLS regression model. The results show that the accuracy of PSO-PLS regression model and the MGF improved PSO-PLS regression model are better than that of the traditional PLS regression model. The training results of the three prediction models with regard to the regional and single station precipitation are considerable, whereas the forecast results indicate that the PSO-PLS regression method and the MGF improved PSO-PLS regression method are much better than the traditional PLS regression method. The MGF improved PSO-PLS regression model has the best forecast performance on precipitation anomaly during the flood season in the southwest of China among three models. The average precipitation (PS score) of 36 stations is 74.7. With the increase of the number of modeling samples, the PS score remained stable. This shows that the PSO algorithm is objective and stable. The MGF improved PSO-PLS regression prediction model is also showed to have good prediction stability and ability.     

Spatial and temporal variability of winter and summer precipitation over Serbia and Montenegro

Summary The main characteristics of the spatial and temporal variability of winter and summer precipitation observed at 30 stations in Serbia and Montenegro were analysed for the period 1951–2000. The rainfall series were examined spatially by means of Empirical Orthogonal Functions (EOF) and temporally by means of the Mann-Kendall test and spectral analysis. The Alexandersson test was used to detect the inhomogeneity of the data set.The EOF analysis gave three winter and summer dominant modes of variations, which explained 89.7% and 70.4% of the variance, respectively. The time series associated with the first pattern showed a decreasing trend in winter precipitation. The spectral analysis showed a 16-year oscillation for the dominant winter pattern, around a 3-year oscillation for the dominant summer pattern, and a quasi-cycle of 2.5 years for the winter third pattern.     

利用深度神经网络和先兆信号的江苏夏季降水客观预测方法

利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。      

How predictable is the northern hemisphere summer upper-tropospheric circulation?

The retrospective forecast skill of three coupled climate models (NCEP CFS, GFDL CM2.1, and CAWCR POAMA 1.5) and their multi-model ensemble (MME) is evaluated, focusing on the Northern Hemisphere (NH) summer upper-tropospheric circulation along with surface temperature and precipitation for the 25-year period of 1981–2005. The seasonal prediction skill for the NH 200-hPa geopotential height basically comes from the coupled models’ ability in predicting the first two empirical orthogonal function (EOF) modes of interannual variability, because the models cannot replicate the residual higher modes. The first two leading EOF modes of the summer 200-hPa circulation account for about 84% (35.4%) of the total variability over the NH tropics (extratropics) and offer a hint of realizable potential predictability. The MME is able to predict both spatial and temporal characteristics of the first EOF mode (EOF1) even at a 5-month lead (January initial condition) with a pattern correlation coefficient (PCC) skill of 0.96 and a temporal correlation coefficient (TCC) skill of 0.62. This long-lead predictability of the EOF1 comes mainly from the prolonged impacts of El Niño-Southern Oscillation (ENSO) as the EOF1 tends to occur during the summer after the mature phase of ENSO. The second EOF mode (EOF2), on the other hand, is related to the developing ENSO and also the interdecadal variability of the sea surface temperature over the North Pacific and North Atlantic Ocean. The MME also captures the EOF2 at a 5-month lead with a PCC skill of 0.87 and a TCC skill of 0.67, but these skills are mainly obtained from the zonally symmetric component of the EOF2, not the prominent wavelike structure, the so-called circumglobal teleconnection (CGT) pattern. In both observation and the 1-month lead MME prediction, the first two leading modes are accompanied by significant rainfall and surface air temperature anomalies in the continental regions of the NH extratropics. The MME’s success in predicting the EOF1 (EOF2) is likely to lead to a better prediction of JJA precipitation anomalies over East Asia and the North Pacific (central and southern Europe and western North America).     

广东省降水的多尺度时空投影预测方法

采用多尺度时空投影(MSTP)预测思路建立广东月降水和季节降水预测方法。通过EOF分解、小波分析和Lanczos滤波方法进行周期分解, 采用MSTP方法进行预测。借鉴年际增量法, 对预报结果用最小二乘法进行误差订正, 得到降水预测结果。PS预测评分和均方根误差10年独立样本检验(2006—2015年)结果显示:订正后, PS预测评分起伏较小, 68.8%的月降水和季节降水PS预测评分明显提高的年份超过6年, 且有87.5%的月降水和季节降水PS预测平均分达到70以上; 在±0.5个标准差范围内, 订正后均方根误差在40%以上的概率分布明显高于订正前, 订正后的月和季节降水占81.3%, 订正前占31.3%;在±1个标准差范围内, 概率分布在70%以上的月季降水订正前后相差不多, 订正后占56.3%, 订正前占50%。     

基于年际增量法的卷积神经网络模型对中国夏季降水的预测研究

将前冬的500 hPa位势高度、向外长波辐射和海表温度的年际增量作为预测因子,建立基于卷积神经网络(Convolutional Neural Network, CNN)的非线性预测模型,对中国160个测站夏季降水展开预测研究,并与基于线性奇异值分解(Singular Value Decomposition, SVD)的预测模型进行效果对比。结果表明：CNN在1981—2020年的交叉检验中所回报的降水平均PS评分和距平相关系数(ACC)分别为74.33和0.12,比SVD高2.15和0.06,说明CNN比SVD在整体上对夏季降水具有更好的预测能力。其中,CNN对SVD预测较好年份的预测效果提升较为明显,对SVD预测较差的年份则改进不大。CNN对中国降水预测存在一定的系统性偏差,订正后CNN对拉尼娜年的降水预测改进较大。结果表明,基于年际增量法的CNN预测模型展示出较好的潜在应用价值。     

西南季风期间斯里兰卡降水的年代际、年际变化及其与热带印度洋的联系

本文主要研究了1979—2016期间斯里兰卡在西南季风期间降水的年代际、年际变化以及与印度洋海温的联系.首先用经验正交的方法分析了斯里兰卡以及周边地区降水的时空分布,发现前两个模态能够解释超过70%的方差.其中第一模态为均一模态,且其PC1以及斯里兰卡7 a滑动平均降水序列都有年代际变化,降水异常在2000年前后异常偏多和偏少.通过合成分析发现2000年之后降水的异常减少与热带西部、中部印度洋的暖海温异常有关.暖海温异常通过调整经向环流引起了斯里兰卡上空的下沉运动,抑制了降水.在第二模态中,负的信号出现在斯里兰卡大部分地区,只有在斯里兰卡北部海角很小地区出现了正的信号.PC2表现出了年际变化,且与热带东南印度洋海温异常有显著的关系.通过Gill-Matsuno响应,热带东南印度洋海温异常造成热带北印度洋上空的气旋性环流异常,引起了水汽的辐合,从而利于降水.