月动力延伸预测模式业务系统DERF2.0对中国气温和降水的预测性能评估

基于国家气候中心第二代月动力延伸预测模式业务系统（DERF2.0）开展的1982～2010 年的回报试验结果和国家气象信息中心提供的669 个台站气象观测资料,利用距平相关系数ACC、平均方差技巧评分MSSS、距平符号一致率R 和短期气候预测业务分级检验Pg 等4 种方法综合评估了DERF2.0 系统对中国的气温和降水的预测性能。结果表明,DERF2.0 模式对气温的总体预测效果较好,对气温的预测性能较DERF1.0 模式有了较明显的提升。与过去全国的短期气候预测业务评分相比,DERF2.0 对气温和降水的预测都有所提高。与气温相比,DERF2.0对降水的预测性能相对较差,对降水的预测水平与DERF1.0 相接近。DERF2.0 对发生在1998 年和2006 年的极端旱、涝个例年也有一定的预测能力,且对气温的预测明显好于降水。从空间上来看,DERF2.0 在西南地区的确定性预测效果较差,模式仍然有很大的改进空间。     

月动力延伸预测产品DERF2.0对广西气温和降水的预测评估

基于国家气候中心第二代月动力延伸预测模式业务系统(DERF2.0)开展的1983~2015年的回报试验结果和广西87个台站气象资料,利用距平相关系数ACC、距平符号一致率R和短期气候预测业务趋势异常综合评分(Ps)等3种方法,综合评估了DERF2.0系统对广西的气温和降水的预测性能。结果表明:DERF2.0模式对广西月气温的总体预测效果优于降水,气温与降水的预测效果有明显的月季变化,气温和降水在夏季的总体预报效果不好,但对降水异常的把握程度较高。DERF2.0对广西发生在1994、1996、1998、2005年6、7月的典型洪涝个例有一定的预测能力,影响模式6、7月降水预报误差的原因可能是模式对中高纬度阻塞系统预报偏差,模式仍有很大的改进空间。     

DERF2.0模式对贵州延伸期、月预测质量对比分析

利用2014—2016年第二代月动力延伸预测模式业务系统(DERF2. 0)直接输出及预报员预报的贵州省气温和降水预报数据、贵州省84站观测数据,采用Ps、Cs和Zs 3种评分方法评估了DERF2. 0对贵州月气温、降水和月内强降水过程的预测性能,并与预报员业务值班发布的预报质量进行对比分析,系统性地对DERF2. 0产品在延伸期/月尺度的预测效果进行检验评估。结果表明:DERF2. 0月预测产品总体上对贵州气温的预测性能优于降水,气温偏高预测的可参考性高于其对气温偏低的预测。DERF2. 0预报月气温的Ps评分较预报员略高,月降水较预报员略低,总体来看DERF2. 0月预测效果较预报员综合预报略差且预报性能较不稳定。预报员预测数据的Zs和Cs评分总体高于DERF2. 0预测数据,但DERF2. 0预测数据的Zs和Cs评分较预报员逐年提高,尤其在整个雨季时段较为明显。DERF2. 0对主汛期(6—8月)的预报准确率较整个雨季期(4—10月)略高。     

DERF2.0模式对江西月尺度气候预测能力的检验评估

基于国家气候中心第二代月动力延伸预测模式(DERF2.0)输出的环流场、地面气象要素场和NCEP/NCAR全球再分析场以及江西省83站气象观测数据,利用空间距平相关系数(ACC)、距平符号一致率(PC)、趋势异常综合评分(PS)三种方法,检验了DERF2.0模式对1983—2018年江西月降水和气温的预测能力,并进一步分析了模式对江西主汛期(6月)异常降水事件预测能力及造成偏差的可能原因。结果表明:1)月气温ACC总体上高于降水,冬季气温和春季降水ACC预报技巧相对较高;模式预测结果总体上能够反映出气温和降水的主要趋势,月气温、降水距平符号一致率均高于55%;模式对江西月降水和气温异常有一定的预测能力,降水PS评分比气温稍好,基本保持在70分左右。2)江西主汛期降水异常偏少时,模式的预测能力较好,而降水异常偏多时,则相对较差,这可能与模式对东亚阻塞高压系统的低估,以及对西太平洋副热带高压模拟的西伸脊点偏西、脊线偏北、强度偏强有关。     

月动力延伸预报500hPa高度场检验及其在重庆月气候预测中降尺度应用

根据2015年国家气候中心实时下发的第二代月动力延伸模式(DERF2.0)逐日资料和历史回算资料,统计构建不同时间起报的月500hPa高度场格点数据序列,针对重庆2月气温和8月降水量方差和预测难度较大的事实,分别分析2010-2014年逐年1月和7月16日、21日、26日、31日起报的2月和8月500hPa高度场预报场与同期NCEP资料实况场的分布型,结果表明：预测效果低纬好于中高纬,8月总体好于2月;基于上述滚动的500hPa预报场,试验了4个关键区和5种统计降尺度方法,对重庆2010-2015年2月气温和2010-2014年8月降水量进行回报预测和检验结果表明,16日起报的模式场对2月气温有较好的参考价值,配合最好的关键区为本区上空,而降尺度方案中Lamb方法效果最佳,二者结合的预测效果最好;8月降水回报检验表明,虽然8月降水预测效果不如2月气温,但在预测关键区取自定义关键区时,车氏方法的降尺度方案预测效果相对较好。     

DERF产品在贵州降水主分量逐步回归预报模型中的释用

从短期气候预测业务面临的实际问题出发,针对月尺度气候预测,通过多元逐步回归统计方法对1981~2010年贵州省降水主分量与NCEP/NCAR再分析资料的500 h Pa高度场建立预报模型,进而将该预报模型分别应用到2007~2013年5月16日、21日、26日起报的DERF产品500 h Pa高度场中,以检验不同起报时间DERF产品的预报能力。结果表明:贵州83站6月降水量EOF前5个模态的方差累积贡献率均达到了65%以上,PC1与同期6月降水量标准化序列的相关系数达0.955。贵州6月降水量与副热带高压位置以及中高纬度大气环流密切相关。释用DERF产品发现,该产品对贵州6月降水主分量具有一定的可预报性,其中5月26日起报的预报效果较好,其与同期NCEP/NCAR拟合值和实况值的相关系数分别为0.76和0.53。对2007~2013年5月26日起报6月的DERF产品释用预报结果进行Acc和Ps评分检验,发现除2008年预报评分较低外,其余6 a预报评分较好,Acc平均为0.45,Ps平均为82.0,尤其是2007年和2009年DERF产品释用的预报Ps评分分别达83.9和83.5,表明DERF产品在贵州降水主分量逐步回归预报模型中的释用具有较好的预报能力。     

DERF2.0模式对宁夏不同时间尺度降水的预测评估

基于DERF2.0 1983—2013年回报和2016—2017年预测的降水资料以及宁夏19个评分站降水实测资料,采用短期气候预测业务中常用的检验方法,对DERF2.0预测的宁夏未来1～50d月、候尺度降水及持续性异常降水过程进行了检验评估。结果表明:DERF2.0对月降水趋势异常预测综合评分(Ps)平均为53.2%,超前1～10d预测效果相差不大;Ps超过60%的仅有4月和11月,且年际间波动较大,最差年与最好年相差近30%。DERF2.0对月异常少雨预测Ps高于异常多雨,春、秋季Ps较高,夏季相对较低;对多雨年份降水预测Ps高于少雨年份。DERF2.0超前30d之内预测的候降水和实况以正相关为主,第1候相关最好,9月至次年3月相关系数相对较大;超前30d之内预测的候降水较实况偏大30%左右;对未来1～6候降水趋势预测正确率为40.8%,偏多趋势正确率达79.5%,明显高于偏少趋势;1月趋势预测正确率最小,8月最大;候降水偏多趋势预测正确率冬季高于夏季,偏少趋势则相反;随着超前时间的增长,趋势预测正确率下降;趋势预测正确率自北向南增大。DERF2.0对持续性异常降水过程预测的正确率为60.3%,超前时段为4～14d,对全区性过程预测效果较好,同一次过程南部预测效果好于北部,预测的降水量小于实况降水量。     

黑龙江省主汛期降水气候特征及预测检验评估

采用1961—2016年黑龙江省62个气象代表站逐日降水数据和NCEP逐日再分析资料,分析黑龙江省主汛期"七下八上"降水气候特征及其环流特征,并利用DERF2.0模式不同起报时次的结果对黑龙江省主汛期降水和环流进行了检验评估。结果表明:主汛期的降水量占夏季降水量的25%—35%,是黑龙江省夏季降水的主要时段;多雨年500 h Pa高度场出现以东北西部地区为中心的东西向的"+-+"波列,850 h Pa风场有明显的气旋存在;DERF2.0超前10 d和超前5 d对主汛期降水预测的多年平均PS评分为60分左右,超前1 d预测的PS评分为70分;DERF2.0对500 h Pa环流显著区域超前1 d的ACC多年平均为0.58,对黑龙江省南北两个区域850 h Pa纬向风显著区域超前1 d的ACC多年平均分布分别为0.48和0.52。DERF2.0对黑龙江省主汛期降水预测和环流预测均有一定的可预报性,且随着起报时间的临近,模式的预测技巧有较明显的提升。     

基于DERF2.0产品的重庆月动力延伸期预测分析及应用

根据2015年国家气候中心实时下发的第二代月动力延伸模式(DERF2.0)逐日资料和历史回算资料,统计构建不同时间起报的月500 hPa高度场格点数据序列,针对重庆2月气温和8月降水量方差和预测难度较大的事实,分别分析2010—2014年逐年1月和7月16日、21日、26日、31日起报的2月和8月500 hPa高度场预报场与同期NCEP资料实况场的分布型。结果表明:预测效果低纬好于中高纬,8月总体好于2月;基于上述滚动的500 hPa预报场,试验了4个关键区和5种统计降尺度方法,对重庆2010—2015年2月气温和2010—2014年8月降水量进行回报预测和检验。结果表明,16日起报的模式场对2月气温有较好的参考价值,配合最好的关键区为本区上空,而降尺度方案中Lamb方法效果最佳,二者结合的预测效果最好;虽然8月降水预测效果不如2月气温,但在预测关键区取自定义关键区时,车氏方法的降尺度方案预测效果相对较好。     

DERF2.0模式对月尺度西太平洋副热带高压预测能力评估

基于国家气候中心第二代月动力延伸预测模式业务系统(DERF2.0)1983—2015年回报数据,利用时间相关系数、标准化均方根误差、距平符号一致率和泰勒图分析等方法综合评估了DERF2.0模式对月尺度西太平洋副热带高压的预测性能。结果表明:模式能够预测出气候平均态上588 dagpm等值线的空间分布及强度和纬向风切变位置,但有偏大偏强的系统偏差。模式对高度场年际变率的预测性能好于纬向风场。模式较为准确地预测了副高气候态的年循环信息,但存在系统偏差,副高面积相对观测偏大,强度偏强,脊线偏北,西伸脊点偏西。模式对副高年际变率的预测性能较好,其中强度最佳,面积其次,脊线相对较差。副高预测性能依赖于超前起报时间,随着起报时间的临近,预测性能整体呈上升趋势,业务中及时更新预测。模式对副高面积超前0~20 d、强度超前0~2 d、西伸脊点超前0~5 d、脊线超前0~7 d起报对未来一个月的预测性能优于持续性预测,业务中可以重点参考。     

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。     

SEAS5模式对新疆月尺度气温和降水的预测性能评估

基于欧洲中期天气预报中心第五代季节预测系统SEAS5模式的历史回报数据和新疆98个气象站的气温、降水观测资料,利用距平符号一致率P_c、趋势异常综合评分P_s、距平相关系数ACC、时间相关系数TCC等方法,综合评估SEAS5模式对新疆1993—2019年月尺度气温和降水的预测性能。结果表明：SEAS5模式对新疆月气温、降水的总体预测性能较好,对降水趋势和量级有一定的预测能力。模式的预测性能存在明显的月际差异和空间差异。模式对新疆4—9月气温和4月、6—8月降水的预测性能较好。气温预测评分中,4月P_c最高(61.3分),7月P_s最高(74.4分),6月ACC最高(0.17)。降水预测评分中,4月P_c最高(58.7分),7月P_s最高(72.1分),4月ACC最高(0.16)。空间分布上,模式对1、3、6和12月南疆的气温预测性能普遍高于北疆,对7和9月南疆西部的预测性能低于其他地区。模式对南疆的降水预测性能普遍高于北疆。     

基于DERF 2.0产品东北地区降尺度气温预测模型研究

本文利用第二代月动力延伸预测模式业务系统(Dynamic Extended Range Forecast,DERF 2.0)提供的1983—2015年位势高度场资料、NCEP/NCAR再分析资料及东北地区气温实况场,从DERF 2.0产品降尺度解释应用角度出发,建立了一套完整的东北地区月气温预测模型的方案,对东北地区11月气温进行了降尺度解释应用,建立了基于DERF 2.0产品东北地区11月气温的预测模型。结果表明:通过对基于DERF 2.0产品建立的东北地区11月气温预测模型的检验分析可知,建立的模型对东北地区月气温具有较高的预报技巧(Ps评分较高),对月气温预测具有较明显的改进,可在实际气候预测业务中应用,并对模型的稳定性问题进行了探讨,逐步改进完善预测模型。     

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。     

多模式对东北地区月气温的预测性能对比评估

基于BCC的DERF 2.0(中国)、CFSv2(美国)、EC(欧洲)、TCC(日本)4种模式开展的1983—2010年对东北地区的回报试验结果、2011—2014年业务应用结果和国家气象信息中心提供的东北地区172个台站气象观测资料,利用距平相关系数(ACC)、趋势异常综合检验(PS)评估和距平符号一致率(PC)3种定量方法对比评估了4种模式对东北地区月气温的预测性能。结果表明,EC模式和CFSv2模式与BCC模式和TCC模式相比,对月气温的总体预测效果较好,有一定的预测技巧。从空间上来看,CFSv2的PC在前半年表现的比后半年的略好,PC超过80%的范围比较大。CFSv2和EC模式对东北地区夏季典型低温年有一定的预测能力。     

基于LSTM网络的中国夏季降水预测研究

基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆（Long Short-Term Memory,LSTM）网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。     

2015/2016年极强厄尔尼诺事件下我国动力和统计结合实时气候预测研究

本文研究建立2015/2016年极强厄尔尼诺事件下我国动力和统计结合的气候预测模型,并开展2015年夏季和2016年冬季气候我国160个站点和主要区域实时气候预测。夏季降水的实时预测起报于2月,冬季气温的预测起报于10月。研究结果表明,尽管NCEP-CFSv2耦合气候模式能较好预测2015/2016年极强厄尔尼诺事件中海温异常的演变,但对我国160个站点夏季降水和冬季气温预测仍有较大的偏差。因此,基于NCEP-CFSv2耦合模式预测结果,分别建立我国160个站点冬季气温和夏季降水异常的动力和统计结合气候预测模型。同时,利用年际增量预测方法开展我国长江中下游夏季降水和华北冬季气温的区域气候预测。研究结果表明以上预测模型在2015/2016年的实时预测中较NCEP-CFSv2有更好的预测效能。相对于NCEP-CFSv2耦合模式的预测结果,2015年夏季降水距平空间相关系数ACC从0.21提高到0.31（超过0.01信度的显著性水平）,距平同号率提高到60%,2016年冬季气温ACC从0.19提高到0.32（超过0.01信度的显著性水平）,距平同号率提高到75%。     

乌鲁木齐区域数值预报业务系统降水预报检验与评估分析

基于乌鲁木齐区域数值预报业务系统,运用Ts和Bias评分方法,对2012年9月1日—2015年8月31日逐日2个起报时次的逐6 h累积降水量的年与季节预报性能进行检验,并从空间上分析了2015年全疆站点逐6 h累积降水量在4个预报时段的评分特征。结果表明:(1)2个起报时次的降水评分相差较小,00 UTC起报略优于12 UTC起报,2015年系统改进了白天大量级降水的空报现象。(2)系统对晴雨预报较为准确,Bias接近1,空报、漏报率很小;随着降水阈值的升高,Ts评分减小,Bias变幅增大,空、漏报率也随之增加。系统对强降水过程以漏报为主。(3)系统的降水预报能力存在季节差异,夏季Ts评分最高,秋季次之,冬季最小;随时间模式对四季降水预报能力均有提高,降低了冬季大量级降水的漏报率和夏季大量级降水的空报率。(4)在新疆地区,08—14 BT(Beijing Time)、14—20 BT、20—次日02 BT空报站点数多于漏报,14—20 BT空报率最高;在02—08 BT整体呈漏报。(5)各站点整体来看,白天Ts评分高于夜间,山区及邻近地区评分高于平原地区;西天山评分略优于东天山,夜间晴雨预报有天山北坡漏报、南坡空报的趋势。     

BCC_CSM1.1m模式对福建前汛期降水预测的误差订正

采用1991—2017年BCC_CSM1.1m季节预测模式的月降水预测数据及福建省前汛期（4—6月）66个国家气象站降水资料,利用距平相关系数(ACC)、时间相关系数(TCC)、平均方差技巧评分(MSSS)和趋势异常综合评分(Ps)等评估方法,检验评估了提前0、1、2和5个月模式对福建省前汛期降水的预测能力。采用系统偏差、一元线性回归和EOF-相似误差（EOFL和EOFNL）等4种统计方法对回报结果进行订正,并进行效果检验。BCC_CSM1.1m在不同起报时间对福建省前汛期降水的预测均能抓住降水的前两个主模态：全省一致和南北反向分布的空间特征,但预测的气候平均值较实况存在负偏差。模式在不同起报时间对前汛期降水预测的TCC高技巧区主要位于福建省北部,ACC技巧和Ps评分存在比较大的年际差异,负系统偏差的存在使得MSSS技巧不高。经订正后,模式的预测能力得到明显提升。系统偏差、线性回归、EOF相似误差线性和非线性订正方法提前2个月起报的2011—2017年平均Ps评分分别提高5.9、3.5、6.7和7.8分;不同起报时间线性回归订正的2011—2017年平均ACC技巧分别提高0.02、0.21、0.12和0.11;上述4种方法订正的MSSS评分均有了显著提高,其中系统偏差和线性回归订正后达正技巧。综合而言,线性回归订正较其他3种订正方法表现出更为稳定的订正技巧。     

2013年汛期华中区域业务数值模式降水预报检验

为充分了解华中区域中尺度业务数值预报模式更新为WRF后的预报性能,对该模式2013年汛期24 h和48 h的累积降水预报产品,采用TS评分、预报正确率、漏报率、空报率、偏差及ETS评分等统计量对其进行了较详细的评估。结果表明：从日平均降水率分布来看,24 h预报的降水中心位置和强度与实况更接近,48 h的预报明显偏大、偏强;汛期总体降水检验表明,该模式的降水预报以偏大为主,随着降水量级的增大,TS和ETS评分逐渐减小,且ETS评分逐渐靠近TS;逐月降水检验结果发现,该区域汛期月晴雨预报正确率与雨日率呈正相关;通过梅雨期WRF与GRAPES_Meso的预报对比检验可见,两个模式都表现出了较好的预报性能。值得指出的是,随着降水量级的增大,WRF模式降水预报优势逐渐显现。总的来说,该模式的降水预报产品具有一定的参考价值。