BCC-CSM2-MR全球气候模式对东亚地区降水和气温的模拟评估

全球气候模式BCC-CSM2-MR(Beijing Climate Center-Climate System Model version 2-Medium Resolution)由国家（北京）气候中心自主研发并参与了第六阶段国际耦合模式比较计划,该模式在BCC-CSM1.1m版本基础上对大气辐射传输、深对流过程及重力波等方面进行了优化,因此,该模式对东亚地区降水和气温模拟能力的改进亟需进一步评估。本文主要基于不同格点观测数据集与中国区域站点观测数据,系统对比分析BCC-CSM2-MR、BCC-CSM1.1m两个模式版本对东亚地区季节平均降水（气温）和日极端降水（气温）的模拟能力。结果表明：（1）相比BCC-CSM1.1m,BCC-CSM2-MR改进了对东亚大部分区域季节平均降水的模拟能力,尤其是青藏高原地区夏季平均降水,明显提高了对中国东南地区、朝鲜半岛及日本降水月际变化的模拟性能;（2）BCC-CSM2-MR对东亚地区季节平均气温模拟能力改进不明显,且对东亚大部分区域气温月际变化的模拟误差大于BCC-CSM1.1m;(3)对日极端降水（气温）,BCC-CSM2-MR的模拟能力优于B...     

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。     

青藏高原地区NCEP新再分析地面通量资料的检验

利用1979—1998年地面气象站温度观测资料和1982年8月-1983年7月高原热源观测资料,检验了NCEP／DOE新再分析地面气温和地面辐射收支在青藏高原地区的偏差。比较表明,气温和地面辐射量新再分析值能反映实际年变化特征,但其温度值系统性偏低,偏低幅度随地区和季节而变化。由于其气温和地表温度偏低造成地表长波辐射和大气逆辐射系统性偏低;冬季积雪地区的地表吸收太阳辐射和净辐射新再分析值偏小;地面净长波、净短波和总的净辐射与实测的偏差比较小。分析发现,同化模式地形高度与地面气象站海拔高度的差异是造成气温新再分析与实测偏差的主要原因,冬季积雪区地表反照率新再分析值偏大是造成冬季地面净辐射偏小的因素,并加剧了冬季气温新再分析的偏差。其研究对改进气候模拟结果分析有一定的启发。     

基于格点的中国东北中北部2 m温度数值预报检验及偏差订正

基于中国气象局陆面数据同化系统(CLDAS-V2. 0)实时产品数据集中2 m气温数据对ECMWF高分辨率数值模式2 m气温预报产品在中国东北中北部的预报能力进行初步检验并利用递减平均法对系统性偏差进行订正。结果表明,气温平均预报准确率与海拔高度呈显著负相关,山区预报准确率偏低,系统性偏差较大。气温预报偏差还表现为明显的日变化特征,在夜间表现为预报较实况显著系统性偏高,白天系统性偏差不明显。冬季夜间气温,特别是最低气温系统性偏高的特征变得更加明显。递减平均法对系统性偏差的订正效果好,订正后,东北中北部地区冬季夜间气温及最低气温预报能力有大幅度提高。另外,递减平均法对东北中北部山区3、4及9月以外其他月份夜间气温及最低气温,对冬季白天气温及最高气温有显著的订正能力。     

2021年四川省2 m温度数值模式预报检验评估

通过对比分析3个区域数值模式（CMA-MESO-3KM、SW3KM和SW9KM）2021年3—12月逐日2 m温度（包括日最高温和最低温）预报结果和气象观测站实况数据,检验评估了3个数值模式对四川省2 m温度的预报性能。结果表明：（1）模式对最低温度预报效果好于最高温度,SW3KM模式对3—10月2 m温度预报略好于SW9KM和CMA-MESO-3KM模式,SW3KM模式对最高、最低温预报效果优于SW9KM模式,其准确率最多可分别提高13.4%、31.9%,较CMA-MESO-3KM模式最多都可提高18.8%。（2）温度误差分布有明显的日变化特征,3个模式预报温度误差从凌晨至上午逐渐减小,而下午至晚上逐渐增大,SW3KM和SW9KM模式预报温度上午较实况偏高,其它预报时段较实况偏低,CMA-MESO-3KM模式预报温度较实况偏低。（3）温度预报准确率与海拔高度密切相关,预报准确率随着海拔高度增加而降低,系统性偏差增大。（4）CMA-MESO-3KM模式冷季温度预报偏高、暖季预报偏低,12时起报略好于00时;SW3KM和SW9KM模式00时起报的20 ℃以上温度预报偏低、20 ℃以下温度预报偏高,而12时起报的低于30 ℃附近温度预报较实况偏低,但00时起报温度误差小于12时起报。     

青藏高原积雪深度对延伸期预报技巧的影响

高原积雪是重要的陆面因子,其变化的时间尺度长于大气而短于海洋。本文利用国家气候中心第二代月动力延伸期预测模式（DERF2.0）历史回报资料与被动微波资料（SMMR）、被动微波成像专用传感器（SSM/I）数据反演的逐日雪深资料,分析了1983~2014年冬季和春季转换季节高原积雪对热带外地区延伸期尺度预测技巧的影响。结果表明,高原积雪异常年动力模式在高原积雪显著影响的青藏高原地区、贝加尔湖地区和北太平洋地区预报技巧明显高于正常年份。随着预报时效的延长,高原积雪偏多年的技巧衰减最慢、其次为积雪偏少年,积雪正常年最快,表明高原积雪异常年可预报时效更长,且高原积雪异常对预报技巧的改善在第1候的预报中就显现出来,尤其是积雪偏多年,其影响时段明显要早于海洋。结果显示高原积雪对延伸期预报技巧有重要贡献,暗示高原积雪异常为东亚延伸期预报的潜在可预报源。     

CMIP5耦合模式对北半球3—4月积雪面积的历史模拟和未来预估

基于卫星观测数据,评估了23个CMIP5耦合模式对北半球3—4月积雪面积的模拟能力,在此基础上应用多模式集合平均结果,预估了未来不同温室气体排放情景下北半球3—4月积雪面积的变化情况。结果表明:整体上看,CMIP5耦合模式对北半球3—4月积雪面积具有一定的模拟能力,模式基本能再现北半球3—4月积雪面积的分布特征,但对高原等复杂地形地区积雪的模拟偏差较大并且低估了北半球积雪的减少趋势,这些可能是由卫星资料本身的缺陷以及模式参数化方案的不同造成的。多模式集合预估结果表明,未来几十年北半球3—4月积雪将继续减少并且集中发生在欧亚大陆中西部地区。温室气体排放将会对未来北半球积雪的变化产生显著影响。在RCP8.5情景下,未来北半球积雪减少最显著;在RCP4.5和RCP6.0情景下,在21世纪前半叶北半球积雪减少趋势与RCP8.5情景相当,但是在21世纪后半叶积雪的减少趋势明显小于RCP8.5情景;在RCP2.6情景下,北半球积雪减少趋势最小。所以,控制温室气体排放对于未来北半球积雪的生存至关重要。     

利用高原积雪信号改进我国南方夏季降水预测的新方法及其在2014年降水预测中的应用试验

2014年夏季我国南方出现严重洪涝、北方大部干旱,国内绝大多数预测模型在三月起报的汛期预测中均未能抓住位于南方地区的异常雨带,导致预测准确率明显偏低。基于模式对东亚地区夏季海平面气压场的高预报技巧和青藏高原冬季积雪与南方地区夏季降水的高相关性,本文提出一个针对我国夏季降水异常的组合统计降尺度预测新方法（Hybrid Statistical Downscaling Prediction,简称HSDP）,该方法综合利用了气候模式输出的高可预报性环流信息和前期观测的高原积雪异常信号,从而实现对我国南方夏季降水进行动力-统计相结合的改进预报。据此方法建立了一个基于国家气候中心气候预测模式的统计降尺度模型。对我国南方夏季降水进行跨季节预测的交叉检验结果显示,HSDP方法对于南方地区多年平均空间距平相关系数从模式原始预报的-0.006提高到0.24,且在大多数年份均有改进。基于HSDP方法于三月份制作的2014年夏季降水预测,能够很好地抓住南涝北旱的基本形势和我国南方的降水大值区,空间距平相关系数达到0.43。这表明,该方法对于我国夏季降水预测具有较好业务应用前景。     

基于IAP AGCM4的欧亚大陆春季雪水当量可预报性评估

欧亚大陆积雪是重要的气候预测因子,评估其在气候模式中的预测潜力可为季节气候预测和模式发展提供重要参考。本文利用IAP AGCM4的多年集合后报结果,分析了欧亚大陆春季雪水当量的可预报性。结果表明该模式对提前1月后报的欧亚大陆春季雪水当量的空间分布,主要模态及变化趋势具有较好的可预报能力。此外模式对欧亚中高纬积雪的年际异常也具有较高的预报技巧,特别是高纬度区域。可预报性来源分析则表明,大气初始异常对欧亚中高纬积雪可预报性的影响与海温异常相比显得更为重要。     

高分辨率模式对中国地表短波辐射季节预测

基于中国气象科学研究院T255全球高分辨率气候系统模式(CAMS-CSM)2011—2020年多样本集合回报试验,评估模式在中国及3个典型区域地表短波辐射(downward short-wave radiation flux,DSWRF)的季节预测能力。结果表明：CAMS-CSM模式能较好预测DSWRF的季节变化特征,但春季、夏季预测强度偏弱,秋季、冬季偏强。不同季节、不同地区DSWRF异常场的预报技巧差异明显。由DSWRF异常的空间相关系数和时间相关系数可以看到,内蒙古和西北地区秋季、冬季预报技巧较高,京津冀部分地区夏季、秋季节预报技巧较低。从趋势异常综合评分指数看,中国区域超前1个月预报各季节评分均超过70分,对西北地区夏季、秋季的评分指数最高,超过80分。整体而言,高分辨率气候模式对中国区域DSWRF超前0~1个月预报有一定预测能力,尤其是太阳能资源丰富的西北地区,可为未来DSWRF短期预测及太阳能清洁能源选址等提供参考。除模式系统性偏差外,春季、夏季DSWRF预报偏差主要来源于总云量预报的模拟偏差,改进模式云微物理过程是提高DSWRF季节预测能力的重要途径。     

BCC_CSM1.1对10年尺度全球及区域温度的预测研究

近期10～30年时间尺度的年代际预测是第五次耦合模式国际比较计划(CMIP5)重要内容之一。按照CMIP5试验要求, 国家气候中心利用气候系统模式BCC_CSM1.1完成并提交了年代际试验结果。本文评估了该模式年代际试验对10年尺度全球及区域地表温度的预测能力, 并通过与20世纪历史气候模拟试验的对比分析, 研究模式模拟对海洋初始观测状态的依赖程度。分析结果表明:(1)在有、无海洋初始化条件下, 模式均能模拟出1960～2005年间全球10年平均实测地表温度的变暖趋势, 但在有海洋初始化条件下, 可以明显减小BCC_CSM1.1模式模拟的全球升温趋势, 使得年代际试验比历史试验的结果更接近观测值。这一特点在观测资料相对丰富的南北纬50°以内地区更为显著。(2)在年代际试验预测前期, 通过Nudging方法, 利用SODA再分析海洋温度资料对模式进行初始化, 经过前期8～12月的协调后, 模式预测的第1年南北纬50°范围海洋、陆面的平均地表气温接近于观测值(CRUTEM3, HadSST2)。由于模式初值SODA再分析SST资料与HadSST2观测值存在明显的全球大洋系统暖偏差以及模式本身系统偏差的影响, 年代际试验模拟的地表气温在2～7年之内, 从观测SST状态逐渐恢复到模式系统本身状态。在同组Decadal试验中, 陆面和海洋恢复调整的时间长度几乎一致。(3) 从10年平均气候异常在区域尺度上的预报技巧来看, 有、无海洋初始同化对预测结果影响不大, 高预测技巧区主要分布在南半球印度洋中高纬度、热带西太平洋以及热带大西洋区域。(4)SST变化与下垫面热通量密切相关, 在热带和副热带海洋区域, 长波辐射和感热通量是影响10年时间尺度SST变化较大的物理量, 在中高纬度海洋, 洋面温度变化主要受潜热通量的影响相对较大。     

欧亚大陆积雪对我国春季气候可预报性的影响

利用大气环流模式IAP9L_CoLM,通过两组集合后报试验,考察了欧亚大陆积雪对我国春季气候可预报性的影响。一组试验为常规后报试验,积雪是由模式陆面过程预报得到的,另一组试验为积雪试验,模式积分过程中欧亚大陆雪水当量由微波遥感积雪资料替代,一天替换一次。通过分析两组试验后报结果的差异,来考察欧亚大陆积雪对我国春季（3~5月）气候可预报性的影响。分析表明:欧亚大陆积雪模拟水平的改善能提高春季欧亚大陆中高纬环流场（海平面气压场和中、高层位势高度场）的可预报性,模式对我国春季气温异常的年际变化和空间分布的可预报能力也有显著增强。对我国春季降水,虽然预报技巧较低,但引入较真实的欧亚积雪作用后,由于中高纬环流场预报技巧的改进导致降水的预测能力也有所改进。个例分析也表明,欧亚中高纬春季积雪异常模拟水平的改善导致了欧亚中高纬贝加尔湖及以南区域环流场可预报性的提高,最终使中国东部区域春季气候异常模拟技巧得以改善。以上结果也证实,欧亚大陆积雪是影响东亚区域春季气候的一个重要因子,要提高模式对中国春季气候的预报技巧,积雪模拟水平的改进是非常必要的。     

Assessing the Impacts of Eurasian Snow Conditions on Climate Predictability with a Global Climate Model

On the basis of two ensemble experiments conducted by a general atmospheric circulation model (Institute of Atmospheric Physics nine-level atmospheric general circulation model coupled with land surface model, hereinafter referred to as IAP9L_CoLM), the impacts of realistic Eurasian snow conditions on summer climate predictability were investigated. The predictive skill of sea level pressures (SLP) and middle and upper tropospheric geopotential heights at mid-high latitudes of Eurasia was enhanced when improved Eurasian snow conditions were introduced into the model. Furthermore, the model skill in reproducing the interannual variation and spatial distribution of the surface air temperature (SAT) anomalies over China was improved by applying realistic (prescribed) Eurasian snow conditions. The predictive skill of the summer precipitation in China was low; however, when realistic snow conditions were employed, the predictability increased, illustrating the effectiveness of the application of realistic Eurasian snow conditions. Overall, the results of the present study suggested that Eurasian snow conditions have a significant effect on dynamical seasonal prediction in China. When Eurasian snow conditions in the global climate model (GCM) can be more realistically represented, the predictability of summer climate over China increases.     

BCC模式及其开展的CMIP6试验介绍

世界气候研究计划（WCRP）正在组织实施第六次国际耦合模式比较计划（CMIP6),国家气候中心作为参与单位之一,通过近几年的模式研发,推出3个最新模式版本参与该计划,包括含有气溶胶化学模块的地球系统模式BCC-ESM1.0、中等分辨率气候模式BCC-CSM2-MR和高分辨率气候模式BCC-CSM2-HR。除了CMIP6中的气候诊断、评估和描述试验（DECK）和历史气候模拟试验（Historical),这3个模式共将参与CMIP6中的10个模式比较子计划。文中主要介绍这3个模式的基本情况以及所开展的CMIP试验,并对BCC-CSM2-MR模式的Historical试验结果进行简要评估,为试验数据使用者提供参考。     

Influence of the Eurasian snow cover on the Indian summer monsoon variability in observed climatologies and CMIP3 simulations

The present study is aimed at revisiting the possible influence of the winter/spring Eurasian snow cover on the subsequent Indian summer precipitation using several statistical tools including a maximum covariance analysis. The snow–monsoon relationship is explored using both satellite observations of snow cover and in situ measurements of snow depth, but also a subset of global coupled ocean–atmosphere simulations from the phase 3 of the Coupled Model Intercomparison Project (CMIP3) database. In keeping with former studies, the observations suggest a link between an east–west snow dipole over Eurasia and the Indian summer monsoon precipitation. However, our results indicate that this relationship is neither statistically significant nor stationary over the last 40 years. Moreover, the strongest signal appears over eastern Eurasia and is not consistent with the Blanford hypothesis whereby more snow should lead to a weaker monsoon. The twentieth century CMIP3 simulations provide longer timeseries to look for robust snow–monsoon relationships. The maximum covariance analysis indicates that some models do show an apparent influence of the Eurasian snow cover on the Indian summer monsoon precipitation, but the patterns are not the same as in the observations. Moreover, the apparent snow–monsoon relationship generally denotes a too strong El Niño-Southern Oscillation teleconnection with both winter snow cover and summer monsoon rainfall rather than a direct influence of the Eurasian snow cover on the Indian monsoon.     

北京气候中心CMIP6数据共享平台及应用

为保障北京气候中心（Beijing Climate Center,BCC）气候模式在第6次耦合模式比较计划（Coupled Model Intercomparison Project Phase 6,CMIP6）中的大量试验数据产品面向国内外实现共享,建立了试验数据共享平台。由于模式试验数据具有数据量大、要素种类繁多、元数据多样等特征,为提供高效的数据管理,平台采用分布式存储架构,数据通过气候模式输出重写（climate model output rewriter,CMOR）软件进行格式规范,并实现基于THREDDS（thematic real-time environmental distributed data services）的数据组织与共享。在平台建设及软件设计部署等层面,充分考虑数据安全。该平台实现BCC 3个模式约190 TB的试验数据稳定、高效共享,为国内外气候变化领域科研工作者提供获取数据的方便快捷途径与方法,成为推动我国气候模式国际应用的有力技术手段。     

CMIP6 BCC等模式对青藏高原土壤冻融模拟性能分析

利用CMIP6 模式模拟的多层土壤温度资料,结合鄂陵湖草地站土壤观测资料和欧洲中心ERA5再分析资料,评估了BCC陆面过程模式对青藏高原土壤冻融过程的模拟能力。结果表明：BCC-CSM2-MR对青藏高原冻融总天数,特别是对于消融过程阶段的模拟接近观测值,但其完全冻结阶段和消融过程阶段的日期都有所推迟,可能与陆面模式物理参数化过程不完善导致土壤温度下降更慢有关。BCC-CSM2-MR 对青藏高原土壤冻结时段前期的冻土深度变化曲线模拟效果最佳,但由于网格分辨率低且对地形刻画不准确,BCC-CSM2-MR 不能模拟出青藏高原西南部相间分布的冻土深度特征。BCC-CSM2-MR 可以模拟青藏高原土壤温度在 1985~2014 年的升高趋势。对于气候倾向率空间分布,BCC-CSM2-MR模拟结果相较于集合平均,在青藏高原东北部偏低而西部偏高,且不能模拟出北部存在的少量相对低值区域。     

自组织映射神经网络(SOM)降尺度方法对江淮流域逐日降水量的模拟评估

利用1961~2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-Organizing Maps,简称SOM)的统计降尺度方法,对江淮流域夏季(6~8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(Brier Score)均近似为0,显著性评分(Significance Score)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%~60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。