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。      

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。     

时空投影模型(STPM)的次季节至季节(S2S)预测应用进展

随着数值天气预报技术和季节动力预报系统的发展,短期天气预报及长期气候预测的能力持续提高,然而介于两者之间的次季节至季节(S2S,两周至三个月)预测技巧偏低,成为当今气象学界和业务服务的难题。南京信息工程大学国家特聘专家李天明教授团队于2012年研发了基于时空投影技术的统计预报模型(STPM),成功地对中国大陆降水和气温距平,以及区域极端降水、夏季高温、冬季低温和西太平洋台风群发事件等高影响天气进行提前10~30 d的预报,并在国家气候中心及多个省份开展了业务应用。STPM也成功应用于台湾春雨预报、南海季风爆发和ENSO预测等季节至年际变化的预测。本文对S2S预测的理论基础、STPM的发展和应用进行了完整的介绍,并讨论了S2S预测业务中所面临的挑战和未来展望。     

CMIP6全球气候模式对中亚极端降水模拟能力的评估

本文基于NOAA再分析逐日降水数据和22个CMIP6模式的降水模拟数据,选取了6个极端降水指数,从气候态和相对变率两个角度对CMIP6模式在中亚地区极端降水方面的模拟能力开展了评估。结果表明,在气候态方面,中亚地区降水的空间分布表现为由西南向东北递增,其东南部山地迎风侧降水偏多;多模式集合对SDII(简单降水强度)和CDD(最大无雨期)模拟的平均误差分别为-5.43%和0.45%,对PRCPTOT(年总降水量)、R1mm(有雨日数)、Rx5day(最大连续五日降水)和CWD(最大雨期)的模拟结果存在明显高估,且在中亚东南部高海拔地区误差偏高。在相对变率方面,多模式集合模拟的中亚极端降水的相对变率偏小,其中对CWD的模拟效果相对较好,平均误差为-4.78%;对R1mm的模拟效果最差,平均误差为-36.16%。模式间进行比较,TaiESM1、EC-Earth3-Veg-LR和GFDL-ESM为22个CMIP6模式中模拟能力最好的前3个模式。     

FGOALS-g2模式模拟和预估的全球季风区极端降水及其变化

利用LASG/IAP（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）全球耦合模式FGOALS-g2,评估了其对全球季风区极端气候指标的模拟能力,并讨论了RCP8.5排放情景下21世纪季风区极端气候指标的变化特征。总体而言,模式对季风区总降水和极端气候指标1997～2014年气候态和年际变率的空间分布均具有一定的模拟能力。偏差主要表现在模式低估了亚洲季风强降水中心,低估了中雨（10～20 mm d-1）和大雨（20～50 mm d-1）的频率而高估了暴雨（>50 mm d-1）频率。在RCP8.5排放情景下,由于可降水量的增加,模式预估的全球季风区极端降水、降水总量和降水强度将持续增加。到2076～2095年,极端降水和降水强度在北美季风区增加最显著（约22%和17%）,降水总量在澳大利亚增加最显著（约37%）。然而,FGOALS-g2对全球季风区平均的日降水量低于1 mm的连续最大天数（CDD）的预估变化不显著,这是由于预估的CDD在陆地季风区将增加,而在海洋季风区将减少。对各子季风区的分析显示,CDD在南美季风区变长最显著,达到30%,在澳洲季风区变短最显著,达到40%,这与两季风区日降水量低于1 mm的降水事件发生频率变化不同有关。     

天山北坡次季节-季节尺度降水集合预测北大核心CSCD

在新疆天山大地形背景下,实现了中国气象局研发的高分辨率气候业务预测系统CMA-CPSv3(China Meteorological Administration-Climate Prediction System version 3)在天山北坡经济带的本地化应用,分别评估控制预报、传统集合平均预报以及改进后的最优概率阈值集合方法(deterministic ensemble forecast using a probabilistic threshold,DEFPT)对该区域次季节-季节降水的预测水平。评估结果表明:基于CMA-CPSv3预测系统的DEFPT方法可以提升天山北坡次季节-季节尺度1~5 mm阈值降水落区以及持续性的预测效果,优于传统集合平均预报和控制预报。从2016年7月29日—8月2日、2017年6月7—12日以及2020年7月8—12日时段发生在天山北坡的降水事件个例分析结果看,不论从降水落区、降水异常还是降水持续性,DEFPT集合预报在天山北坡西部和南部均有更好的效果,但在天山北坡东部和北部预测能力相对略低,这与该区域水汽的预报偏差增大有关。     

2022年汛期四川多模式降水预报检验

采用站点观测和EC、EC订正场（ECR）、CMA_3KM、SWC_3KM模式12~36 h降水预报资料,基于TS评分、SAL检验等指标,对2022年汛期四川多模式降水预报效果进行检验和对比分析。结果表明：（1）SWC_3KM有雨日数预报最接近实况分布,EC模式雨日空报最多且在川西高原和攀西地区尤为显著,EC模式大雨日数预报优于其余模式。（2）BS评分显示EC模式大量级降水预报偏干,其余模式均以湿偏差为主。TS评分暴雨量级各月均以ECR预报最优。（3）个例评分对比,ECR预报效果最稳定,过程最高TS评分次数最多,SWC模式次数最少。（4）ECR个例预报降水强度及雨带位置、走向与实况最接近,EC模式预报偏弱。SWC_3KM模式强降水雨带位置预报在盆地西北部和凉山州北部参考性较高。CMA_3KM和SWC_3KM模式预报大量级降水在高海拔地区存在较大范围空报。     

中国夏季降水预测因子潜在技巧分布图及应用

影响我国夏季汛期降水异常的因子繁多,不同因子之间复杂的相互作用制约我国夏季降水季节预测水平。目前动力模式对降水预测技巧水平较低,如何开发客观统计预报方法,提高我国夏季降水预报技巧依然存在挑战。该文基于最小二乘法拟合和交叉检验方法,提出一种搜索预测因子潜在预测技巧的方法（潜在技巧分布图）,并基于该方法开发预测因子自动选择器,建立中国夏季降水异常自动统计预测模型。与传统线性相关分析相比,潜在技巧分布图不受极端气候事件影响,可直观展现具有显著预测技巧的前兆信号,而预测因子自动选择器则能从潜在技巧分布图中自动筛选最优预测因子,获得逐年不同的预测因子,更符合中国夏季降水异常影响因子多样性的客观事实。在完全剔除预测当年信息的回报试验中,该预测模型对1999—2019年中国夏季汛期降水异常的历史回报技巧明显高于动力模式。通过方差订正,历史回报降水的PS评分从71.00分提高到82.10分,显示了该模型的潜在预报潜力。     

基于DERF的SD方法预测月降水和极端降水日数

针对动力气候模式对区域或更小空间尺度内的日降水预测技巧偏低的问题,应用最优子集回归 (OSR) 方法对国家气候中心业务化的月动力气候模式 (DERF) 输出的高度场、风场和海平面气压场进行降尺度处理用于降水预测,旨在提高预测准确率。1982—2006年交叉检验结果表明：OSR方法能显著提高降水预测技巧,其中11~40 d改善效果最为显著。在此基础上,应用一步法和两步法两种统计降尺度方法预测极端降水日数,交叉检验结果表明:两种方法均优于随机预测,冬季两步法预测技巧略高于一步法,夏季一步法略优于两步法。综合认为OSR,OSR结合随机天气发生器 (WG) 两种统计降尺度方法对月尺度降水或极端降水日数的预测均具有较高的技巧,可作为短期气候预测的重要参考信息。     

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...     

NEX-GDDP降尺度数据对中国极端降水指数模拟能力的评估

利用1986—2005年中国地面气象台站观测的格点化逐日降水数据(CN05.1)评估了NASA高分辨率降尺度逐日数据集NEX-GDDP中21个全球气候模式在0.25?(约25 km×25 km)分辨率下对中国极端降水的模拟能力.选取年最大日降水量(RX1D)、年最大5 d降水量(RX5D)、湿日总降水量(PRCPTOT...     

基于不同气象站资料的甘肃省汛期降水及极端降水分析

对甘肃省范围内的区域气象站和国家级气象站2011-2020年的汛期降水和极端降水等资料进行了质量控制,筛选出1253个区域气象站和75个国家气象站开展了降水特征分析。结果表明,甘肃省区域站和国家站降水的平均数量非常接近,无显著性差异,全省区域站汛期平均降水为382.9 mm,国家级站为379.7 mm;区域站各月降水平均在31.7～87.1 mm;国家站各月为30.4～86.4 mm。但两类站点降水的极端值存在显著差异,汛期总降水量区域站最大可达917.5 mm,本站最大为710.7 mm;单月降水量区域站最大为776 mm,本站为541 mm;暴雨日数区域站最大为46 d·(10a)^-1,本站为17 d·(10a)^-1;两类站点降水极大值发生的空间位置比较接近,但区域站的数值显著高于国家站。两种站点降水的空间趋势非常一致,其汛期降水相关系数达0.95,月极端降水相关系数为0.92;而区域气象站比国家站有更多小斑块的高值和低值中心;两类降水空间差异在甘肃省的东部和南部比较明显。总体上,区域气象站更精细地描绘了甘肃省的降水特征,在地形复杂区域监...     

GPM卫星降水产品在台风极端降水过程的误差评估

以雨量站观测数据为基准,利用相关系数(CC)、相对偏差(RB)、均方根误差(RMSE)以及分级评分指标(探测率POD、误报率FAR、临界成功指数CSI),对全球降水计划GPM多卫星融合产品4. 4版本准实时产品IMERG_ER(简称IMERG)在2017年接连登陆广东的3个台风"天鸽"、"帕卡"和"玛娃"极端降水过程性能进行评估。广东省内"天鸽"、"帕卡"和"玛娃"的CC分别为0. 80,0. 68和0. 47,RB为-12. 00%,-47. 06%和-29. 10%,RMSE达33. 00,40. 03和26. 40 mm。雨区的CC分别为0. 59,0. 48和0. 33,RB为2. 21%,-43. 58%和-25. 94%,RMSE为44. 34,51. 04和40. 64 mm。IM ERG低估了"天鸽"、"帕卡"、"玛娃"的总体降水强度,主要源自于对雨区的低估。从散点分布来看,IMERG高估了强降水,低估了弱降水的强度,对极端强降水的估测能力存在较大的不稳定性。降水量时序变化特征表明,IMERG较好体现了降水峰值和谷值的数量及变化趋势,但时间和强度有偏差。误差来源于复杂地形、PMW观测时间分辨率不足和IR反演降水准确度不足对卫星估测降水的影响。分级检验结果显示,相同量级内,雨区的POD更大,FAR更小,CSI评分更高,IMERG对雨区的反演能力更强。IMERG对"天鸽"估测效果最好,POD较高,FAR较小,CSI较高;"帕卡"POD较低,暴雨及以上的FAR较高,CSI下降显著;"玛娃"POD比"帕卡"高,但FAR也高,CSI中等。可见IMERG对小量级降水具有较好的估测能力,强降水估测显著偏高,暴雨及以上的降水误差起了主要贡献。     

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。     

湖南省夏季极端降水异常时空特征及其成因分析

利用湖南省88站常规观测资料、NCEP全球再分析资料,采用EOF分解和合成分析方法研究了湖南省1961—2014年极端降水的年际变化异常和时空特征,以及极端降水异常的环流成因。并主要分析了由EOF方法分析得出的第一类极端降水形态(一致偏多或偏少型)与环流异常之间的联系。结果表明,湖南省夏季极端降水分布有较大的空间差异,且湖南省极端降水呈明显增强的趋势。由于极端降水的变化周期与大尺度环流固有的2～4 a周期相同,因此大尺度环流的变化是湖南省极端降水异常的主要成因。大尺度环流的变异引起中国东部经向排列的环流异常分布,使得高度场和风场等气候场产生变异,从而引起湖南省极端降水的异常。从极端降水偏多年与偏少年大气环流的差值场可以看出:湖南省处于显著差异区,湖南省极端降水偏多(偏少)主要是由于北方的偏北风加强(减弱)和经西太平洋—南海进入湖南地区的西南风加强(减弱)并在湖南地区产生辐合(辐散)。当夏季东亚副热带西风急流偏南时,湖南正处在偏南较强西风急流的南侧,较强西风急流所产生的抽吸现象使得上层空气辐散,增加了湖南省极端降水的强度。副热带高压强度偏强、位置偏南、偏西,使得东亚夏季风偏弱,导致气流辐合稳定在湖南省,造成极端降水偏强。前冬中东太平洋海温偏暖(EI Ni1o)/偏冷(La Ni1a),湖南地区的极端降水容易一致偏多/偏少。同时黑潮暖流区也是影响湖南极端降水变化的可能原因。     

区域海气耦合模式对我国极端降水模拟分析

使用区域海气耦合模式40年的降水模拟结果,采用百分位的方法定义极端降水事件,分析了耦合模式模拟的夏季中国极端降水事件的特征。结果表明,区域海气耦合模式基本能够模拟出气候平均极端降水阈值的空间分布型及极端降水事件在长江中游、西南部分地区和长江下游局部地区的显著增加、增强趋势,在中西部、华北北部和东北局部的显著减少、减弱趋势。EOF分析发现,模式模拟的极端降水事件几个特征量在我国江南地区长江以南与华南沿海及长江以北的呈反位相变化,这一变化以年代际为主要特征。区域耦合模式基本能够模拟出极端降水量、夏季总降水量、极端降水日数两两间的高时空相关关系。     

春季海温对中国夏季降水影响的诊断研究和预测试验

文中利用季降水异常集合的典型相关预测模式 ,以全球春季 (3～ 5月 )海温场作为因子场 ,对中国夏季降水场进行了诊断研究 ,并对 1998,1999及 2 0 0 0年这几个典型的中国夏季降水进行了回报试验。结果表明 ,春季海温与中国夏季降水之间存在较好的关系 ,春季海温在较大程度上决定了中国夏季降水雨带及其分布类型。考虑面积因子的集合典型相关预测方案对中国夏季降水具有较强的回报能力 ,此模式不仅能诊断出降水场和海温场中一些比较典型的空间模态和时间变化规律 ,而且可以再现 1998和 2 0 0 0年中国大部分地区的旱涝灾害。揭示了全球春季海温的异常变化在中国夏季 (6～ 8月 )降水异常中的作用。     

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。     

S2S气候模式产品在黄河流域径流预测中的应用

次季节气候和径流预测是主动减灾的一个关键。基于国家气候中心第三代气候模式系统的次季节到季节模式(CMA-CPS v3 S2S)的气候预测信息和HBV水文模型,应用集合预测技术研发了未来40 d时段平均径流量和时段内极端干旱概率预测模型,应用平均方差技巧评分、距平相关系数、相对操作特征曲线面积、布赖尔技巧评分开展了回报检验,并检验了2021年黄河流域径流异常预测效果。结果表明,所建模型能够以较高技巧预测黄河流域未来40 d时段平均的径流量,且表现出枯季预测技巧高、湿季技巧低的季节差异;对秋末11月和冬季3个月(12月、1月、2月)的极端干旱概率预测也有较高技巧。对于2021年5—8月黄河上中游干旱和9—10月的秋汛,该方法正确预测了除6月、9月外的其他4个月的径流异常方向,但异常程度与实况存在差异。对径流预测水平影响因素的进一步分析表明,S2S降水预测能力影响径流预测水平,特别是丰水期的径流预测,但还有降水之外的其他因素影响径流预测技巧。