基于土壤湿度和年际增量方法的中国夏季气温预测试验

本文利用中国160站月平均气温资料和欧洲中心ERA-Interim逐月再分析表层土壤湿度资料,通过相关分析选取欧亚大陆9个关键区的土壤湿度年际增量作为预测因子,采用变形的典型相关分析(BP-CCA)结合集合典型相关分析(ECC)的方法建立集合预测模型,对我国东部夏季气温年际增量进行预测,进而预测夏季气温。其中,1980—2004年的资料用于历史拟合试验,而2005—2014年的资料用于独立样本预测试验。首先利用BP-CCA方法对9个因子分别建立单因子预测模型,然后采用ECC方法对9个预测因子按照不同的组合方式建立集合预测模型,并且分析预测技巧。结果表明,不同预测因子的组合对我国夏季气温的预测能力不同:勒拿河下游地区、中国黄河以南地区、叶尼塞河下游地区、西西伯利亚平原地区以及印度半岛西北部地区的土壤湿度对华北夏季气温预测效果较好;中国黄河以南地区、叶尼塞河下游地区、印度半岛西北部地区、贝加尔湖东北地区以及贝加尔湖以西地区的土壤湿度对江淮夏季气温有较高预测技巧。所建立的两组集合预测模型均显示了较好的实际预测能力:华北气温预测模型预测气温距平的同号率为8/10,平均均方根误差为3.4%;江淮气温预测模型预测气温距平的同号率为7/10,平均均方根误差为2.7%。并且两组模型预测出的华北和江淮气温的预测评分(PS)均超过80分,而国际上通用的距平相关系数(ACC)均在0.3以上。这说明土壤湿度因子中包含对我国夏季气温有用的预测信号,可以考虑将土壤湿度应用于夏季气温预测业务中。     

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。     

云南夏季降水异常的影响因子及物理统计预测方法

云南夏季降水年际变化较大,影响因子众多,夏季降水的预测较为困难。使用1965—2017年云南省122个气象观测站的逐日降水资料和NCEP大气环流资料,采用年际增量的方法来预测云南夏季降水。文中基于云南夏季降水年际增量变化规律和影响夏季降水的环流形势及物理过程,选取了6个具有物理意义的预测因子,包括:前期2月南太平洋海温异常、前期2月东亚北部海平面气压异常、前期4月北美500hPa位势高度异常、前期5月太平洋北部海平面气压异常、前期1月印度半岛北部500hPa位势高度异常及前期2月澳洲以南地区200hPa高度场偶极子异常,来建立云南夏季降水预测模型。并对预测模型进行逐年交叉检验和1998—2017年逐年独立样本检验。交叉检验中夏季降水年际增量预测值和观测值的相关系数为0.85,相对均方根误差为8.0%。回报检验中夏季降水年际增量的相对均方根误差为9.1%,63.0%的异常年份预测值能够准确地预报出夏季降水异常。该预测模型有较好的预测能力。     

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。      

中国东部前冬、春土壤湿度与夏季气候的关系

利用中国东部(100°E以东)139个站的1951~1999年逐月反演的土壤湿度资料以及160个气象台站的气温、降水资料,分析了我国东部不同区域前冬、春土壤湿度异常与夏季气候的关系。研究结果表明,黄河以南地区上年冬季土壤湿度与夏季降水存在正的相关关系,但这种滞后相关存在明显的地域差异。其中云贵高原和华中地区夏季气候对上年冬季土壤湿度响应最显著。黄河以北的华北和内蒙地区上年冬季土壤湿度与夏季降水有弱的负相关关系。除了云贵高原地区外,多数地区上年冬季土壤湿度与夏季温度存在负相关关系,其中负相关最显著的是华北地区。春季土壤湿度除与云贵高原的夏季气候关系密切外,与其他地区夏季气候的关系不显著。土壤湿度与气候的滞后相关表明土壤湿度在年际尺度上对后期气候有一定的影响。     

前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估

基于中国587站日最高、最低气温观测资料、月平均的ERA_interim土壤湿度（Soil Moisture,SM）再分析资料及扩展重建的海表面温度（Sea Surface Temperature,SST）资料（ERSST）,对极端气温指数进行了定义,利用变形的典型相关分析和集合典型相关分析方法（Ensemble Canonical Correlation,ECC）,分析了1979-2009年我国夏季极端气温与前期（春、前冬）SM、SST间的线性联系,建立了中国夏季极端气温预测模型,并对独立样本检验的效果进行了评估。结果表明：1）与中国夏季极端气温联系密切的前期SST异常的空间分布为类PDO（Pacific Decadal Oscillation）型,前期土壤湿度异常的区域为华南、青藏高原、东北和西北地区。2）交叉检验结果表明基于前冬预测因子的极端气温预测模型技巧高于春季,基于SM的极端气温预测模型技巧高于SST。3）独立样本检验表明基于前期SM、SST的ECC模型对中国东部夏季极端气温有一定的预测能力。因此,可以在夏季极端气温的预测业务中考虑前期SM、SST的影响。     

中国夏季月际—季节平均降水动力和统计结合实时预测模型

中国夏季降水大幅度月际尺度变化往往造成极端旱涝事件交替或转折,但其月际异常会被季节平均掩盖,影响季节尺度气候预测准确度,因此亟需考虑月际气候预测,提升月际—季节尺度气候预测准确度。本文首先采用年际增量和场信息耦合型预测方法研制中国夏季6～8月月际尺度降水动力和统计结合气候预测模型,之后根据月际尺度降水预测,开展季节平均降水预测。首先,基于前期观测信息和美国第二代气候预测系统（CFSv2）预测结果,选取前期12月观测的南太平洋中高纬关键区海温、1月北极关键区海冰密集度以及CFSv2预测系统2月起报的夏季同期关键区海温作为月际尺度降水预测因子,分别研制以上具有物理意义的单预测因子预测模型,并采用奇异值分解（SVD）误差订正方法对其改进;之后,利用多因子择优集合方案,研制预测效能较高且稳定的中国160站夏季月际尺度降水动力和统计结合预测模型,进而基于月际尺度预测开展夏季季节平均气候预测。1983～2022年夏季（6～8月）中国160站逐月降水预测模型的交叉检验结果表明：逐月回报与观测降水距平百分率的时间相关系数通过90%置信水平的站点占比分别为90%,88%,82%,多年平均的空间相关系数分...     

陆面热力因子应用于中国夏季降水预测的初步试验

基于对中国东部夏季降水与欧亚大陆土壤温度和全球海表温度的相关分析,选取不同关键区的土壤温度和海表温度作为夏季降水的预测因子。利用1961-1990年的资料,分别以土壤温度作为第1组预测因子,海表温度作为第2组预测因子,综合海表温度与土壤温度因子作为第3组预测因子,使用改进的典型相关分析和集合典型相关分析法对中国东部夏季降水场进行预测,建立了相应的预测模型。然后,利用1991—2010年的资料进行了独立样本预测试验。在独立样本预测试验中,综合海表温度与土壤温度因子建立的模型比只用海表温度进行预测的各项预测评分高,说明加入土壤温度因子后预测效果有所提高。基于陆面热力因子的预测模型对夏季降水有一定的技巧,而综合海温与陆面热力因子的预测模型对中国东部夏季降水有较高的预测能力。     

第二松花江流域夏季降水年际增量预测模型研究

利用1980—2016年第二松花江流域（SSR）夏季（6—8月）平均降水量资料、NCEP/NCAR再分析月平均环流场资料、NOAA的月平均海温场资料，采用年际增量预测方法，通过分析与SSR夏季降水年际增量相关的环流及海温，确定了超前12个月内的6个预测因子，包括：11月东亚200hPa纬向风、12月西藏高原-2指数、12月赤道中东太平洋200hPa纬向风、2月印度洋海温、10月西太平洋暖池海温、4月东亚100hPa经向风。在此基础上利用这 6个预测因子，利用1980—2010资料建立SSR夏季降水年际增量的统计预测模型，最后根据年际增量给出SSR夏季降水的预测结果。经检验，1981—2010年，SSR夏季降水年际增量的预测拟合系数是0.83，SSR夏季降水预测结果拟合系数为0.67，SSR夏季降水预测结果相对均方根误差为15%，均通过了显著性检验；对2011—2016年进行试报实验，该模型也很好的预测出降水的年际增量变化趋势，除2014年以外，SSR夏季降水预测结果相对均方根误差绝对值都控制在23%以内，2016年仅为-9.9%。因此，通过预测降水的年际增量，进而再预测降水的方法，具有一定的预测技巧，可作为有效方法投入实际业务应用。     

基于年际增量法的青藏高原南部汛期降水预测研究

针对青藏高原南部汛期降水预测研究少和预测难度大的问题,通过分析1981-2010年青藏高原南部汛期降水与国家气候中心发布的88项大气环流指数、26项海温指数和16项其他指数年际增量的相关性,采用逐步回归法筛选出与降水相关的最优预测因子组合,在此基础上建立了高原南部汛期降水年际增量与预测因子的物理统计预测模型,并对2011-2019年的汛期降水进行了独立样本回报检验。结果表明,该模型的预测准确率很高,降水年际增量和距平同号率均达到7/9,距平百分率均方根误差为13%,降水相对误差在±15%以内的年份占比高达8/9。可见,该模型能够提高高原南部汛期降水预测能力。最后,利用NCEP/NCAR再分析月平均资料和NOAA海表温度月平均资料研究了预测因子影响高原南部汛期降水的物理机制。     

A Seasonal Prediction Model for the Summer Rainfall in Northeast China Using the Year-To-Year Increment Approach

Using the year-to-year increment approach, this study investigated the relationship of selected climatic elements with the increment time series of the summer rainfall between successive years in Northeast China, including the soil moisture content, sea surface temperature, 500 hPa geopotential height, and sea level pressure in the preceding spring for the period 1981–2008. Two spring predictors were used to construct the seasonal prediction model: the area mean soil moisture content in Northwest Eurasia and the 500 hPa geopotential height over Northeast China. Both the cross-validation and comparison with previous studies showed that the above two predictors have good predicting ability for the summer rainfall in Northeast China.     

Improve the prediction of summer precipitation in the Southeastern China by a hybrid statistical downscaling model

We attempt to apply year-to-year increment prediction to develop an effective statistical downscaling scheme for summer (JJA, June–July–August) rainfall prediction at the station-to-station scale in Southeastern China (SEC). The year-to-year increment in a variable was defined as the difference between the current year and the previous year. This difference is related to the quasi-biennial oscillation in interannual variations in precipitation. Three predictors from observations and six from three general circulation models (GCMs) outputs of the development of a European multi-model ensemble system for seasonal to interannual prediction (DEMETER) project were used to establish this downscaling model. The independent sample test and the cross-validation test show that the downscaling scheme yields better predicted skill for summer precipitation at most stations over SEC than the original DEMETER GCM outputs, with greater temporal correlation coefficients and spatial anomaly correlation coefficients, as well as lower root-mean-square errors.     

EFFECTS OF SPRING SOIL MOISTURE IN THE INDOCHINA PENINSULA ON SUMMER PRECIPITATION OVER THE SOUTH CHINA SEA AND ITS SURROUNDING AREAS: A SIMULATION STUDY FOR 1999

Using the regional climate model RegCM4.4.5, coupled with the land model CLM4.5, we investigated the effects of springtime soil moisture in the Indochina Peninsula on summer precipitation over the South China Sea and its surrounding areas in 1999. Results have indicated that there exists positive correlation between soil moisture and summer precipitation over the western Pacific Ocean and negative correlation between soil moisture and summer precipitation over the eastern Indian Ocean. Summer precipitation in the South China Sea and its surrounding areas responds to springtime soil moisture in the Indochina Peninsula (the northwest region is critical) because general atmospheric circulation is sensitive to the near-surface thermodynamic state. Increased (decreased) soil moisture would result in decreased (increased) local surface temperatures. Latitudinal, small-scale land–sea thermal differences would then result in northeasterly wind (southwesterly wind) anomalies in the upper layer and southwesterly wind (northeasterly wind) anomalies in the lower layer, which strengthen (weaken) monsoon development. As a result, precipitation would enter the Western Pacific region earlier (later), and water vapor over the eastern Indian Ocean would enter the South China Sea earlier (later), causing a precipitation reduction (increase) in the eastern Indian Ocean and increase (reduction) in the Western Pacific.     

阿勒泰地区夏季降水概念模型及预测模型

在相关普查及分析各因子物理意义的基础上,建立阿勒泰地区夏季降水概念模型及预测模型,结果表明：夏季500hPa高度场,若极涡偏南、偏强,欧洲到里成海、贝湖到蒙古为脊区,西西伯利亚到巴湖为槽区,西太副高西伸北挺明显,北非副高东伸以及伊朗副高北挺明显,有ElNino或LaNina现象出现,加上前期5月降水量偏多,则该地区夏季降水易偏多,反之易偏少。     

西北地区东部降水的大气环流及水汽特征

基于西北地区东部81站1961—2010年夏季(6—8月)逐月降水资料和NCEP/NCAR再分析资料,利用距平合成分析,探讨其多雨年和少雨年逐月500 hPa高度场和700 hPa湿度场特征。结果表明:西北地区东部多雨年,影响降水的天气特征表现为乌拉尔山脊逐月偏强,7月鄂霍次克海脊偏强,贝加尔湖高压脊转为低槽,7月巴尔喀什湖低槽较6月偏强。8月贝加尔湖长波槽较7月偏强;少雨年天气系统表现为6—8月西北地区东部受高压脊前西北气流控制。西太平洋副热带高压(以下简称:副高)多雨年较少雨年偏西偏强。6—8月多(少)雨年比湿的变化表明,西北地区东部降水多雨年,大气的含水量较高,西北地区东部降水少雨年,大气的含水量较低。     

中国东部夏季降水特征及其与西太平洋副高的关系

利用中国东部160个气象观测站1951年-2012年夏季（6-8月）的月平均降水资料,运用EOF分析方法,分析中国东部夏季降水的时空分布特征及其与西太平洋副热带高压的关系。结果表明:（1)夏季,中国东部降水大值区域从华南移到江淮流域,然后到达华北和东北地区。（2) 中国东部夏季降水EOF第一模态空间分布为长江以北与黄河以南地区之间存在一个降水大值雨带, EOF第二模态显示出整个东部沿海地区的降水量以长江为界,长江以南降水偏少,长江以北降水偏多,且江南与江北的降水呈反位相。（3)在西太平洋副热带高压较强的年份,江淮流域降水偏少,华北地区降水偏多;西太平洋副热带高压较弱的年份,江淮流域降水偏多,华南地区降水偏少。