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。     

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...     

NCEP CFSv2对中国2015年夏季月尺度降水和环流预报分析

利用美国环境预报中心的第二代气候预报系统(NCEP CFSv2)提供的1982~2010年历史回报资料和2015年6~8月预报产品、NCEP CFSR再分析资料及中国地面观测降水资料,评估了NCEP CFSv2对2015年(厄尔尼诺发展年)中国夏季月降水和环流形势的预报能力,并分析了影响模式预报技巧高低的可能因子。结果表明:1)模式对降水的预报技巧较低且表现出明显的月变化(7月最高,8月次之,6月最低),但总体水平都不高。预报技巧明显依赖于提前时间的长短。2)CFSv2对影响我国夏季降水的500h Pa关键区环流异常空间模态表现出较高的预报技巧。对全东亚区域,模式基本都可提前5~9天(7月9天,6月6天,8月5天)较为准确的预报出未来一个月高度异常空间模态。3)通过对比分析发现,CFSv2环流预报中选取12个集合成员(滑动3天)可以得到较稳定的预报结果。4)在2015年夏季月尺度环流异常模态预报中,东亚全区的环流预报水平很大程度上取决于中高纬地区的预报。CFSv2对中高纬环流月预报技巧(6~8月都能从提前4天开始就基本稳定维持在较高水平)比热带地区更高更稳定。     

NCEP CFSv2对北半球夏季中高纬阻塞高压的预测检验北大核心CSCD

利用1999 2010年共12年NCEP CFSv2(NCEP Climate Forecast System version 2)每天4个时次对未来45天预测的回报数据,检验了CFSv2模式对北半球夏季(6 8月)中高纬乌拉尔山区域(10°E70°E)和贝加尔湖-鄂霍次克海区域(110°E 180°E)阻塞高压及其与之相联系的东亚气候的预测能力。分析结果显示,CFSv2可以较好的模拟夏季北半球阻塞高压发生频率的纬向分布特征,但随着预测时效的增加阻塞发生的频率不断降低。CFSv2对两个区域阻塞预测的命中率在7天时效内为50%左右,接近2周之后基本上没有技巧。CFSv2对区域阻塞事件的预测技巧要低于区域阻塞的技巧,贝加尔湖-鄂霍次克海区域阻塞事件的技巧略低于乌拉尔山区域。CFSv2对阻塞爆发和结束的预测超过7天左右,基本没有预测技巧,对乌拉尔山区域阻塞结束日的预测技巧要低于阻塞爆发日的预测技巧。CFSv2在可用的预测时效内可以较好再现与区域阻塞相联系的环流形势以及东亚地区气温、降水异常的分布特征,尤其是夏季乌拉尔山和鄂霍茨克海地区发生阻塞时我国长江流域及其以南地区降水容易偏多的特征。     

CFSv2模式对春季逐月南极涛动预测效能及成因分析

系统评估了美国第二代气候预测系统（CFSv2）对1983～2019年北半球春季逐月南极涛动（AAO）的预测效能及可能成因。结果表明,CFSv2模式对3月、4月和5月AAO空间模态预测效能较好,但是耦合模式仅对3月的AAO年际变化具有较好的预测能力,对4月和5月AAO年际变化的预测能力较差。热带中东太平洋和澳大利亚以东太平洋海温异常有可能是3月AAO年际变化的可预测性来源。一方面,3月厄尔尼诺—南方涛动（ENSO）与AAO之间关系显著,而4、5月两者之间关系减弱。 3月ENSO激发PSA（Pacific–South American）波列传播到南太平洋上,通过影响南太平洋海温异常以及低层气旋性环流异常影响3月AAO的年际变化。另一方面,3月澳大利亚以东太平洋海温异常在副热带急流核心区域激发活跃的Rossby波列,该波列由澳大利亚东部向东南频散到南太平洋中高纬地区,造成该地区位势高度异常,使得副热带地区30°S西风减弱,南半球高纬60°S西风加强,进而影响AAO的变化。CFSv2对3月AAO的预测效能高于4月和5月的主要原因是CFSv2模式能够很好再现3月AAO与ENSO、澳大利亚以东海温之间的关系及其影响机制。     

CFSv2对2018年浙江梅雨降水多尺度预测的性能评估

从梅雨预测的业务需求出发,系统开展了CFSv2模式对2018年浙江梅雨期降水预报能力的多时间尺度评估。结果发现3月1日—5月31日的起报结果整体上未能较准确地预测6月浙江大部降水偏少的趋势、仅5月31日的预测结果与实况相符;在延伸期尺度上,CFSv2预测的梅雨期总降水量较实况偏少30%左右;基于相关系数、均方根误差和新定义的综合预报技巧指数等指标分析模式的延伸期预报性能,发现对梅雨期总降水量、逐日区域平均降水量和逐日全省各站降水量的预报技巧有限,对浙江梅雨区的预报水平总体高于浙江全省。评估结果表明CFSv2预报产品表现出显著的系统性干偏差;在延伸期尺度上,随着预报时效的缩短,预报效果并非逐步提升、而是客观存在一个最佳预报时效,各起报日也分别对应着不同的最优预报时段,整体而言梅雨降水的延伸期预测可能对初值并不敏感。     

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。     

CFSv2模式产品在汛期海南热带气旋频数预测模型中的应用

利用1982—2014年汛期影响海南的热带气旋频数、NCEP/NCAR逐月再分析资料和CFSv2模式历史回报数据,分析了热带气旋频数特征及同期环流特征,并利用逐步回归构建基于模式有效预测信息的热带气旋频数预测模型。结果表明:汛期影响海南热带气旋频数的异常与同期大尺度环流变化密切相关,且CFSv2模式对其环流影响关键区具有较好的预测技巧,包括南海到热带太平洋的海平面气压、500 h Pa位势高度场、低层风及热带太平洋纬向风切变。据此,利用逐步回归构建热带气旋频数预测模型,其26 a交叉检验中实况与预测相关为0.88,距平同号率达88%;6 a预测试验仅2 a预测与观测反号,可见模型具有良好的稳定性和预测技巧,可为汛期热带气旋频数预测提供依据。     

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。     

Seasonal and Extraseasonal Predictions of Summer Monsoon Precipitation by Gcms

ＳｅａｓｏｎａｌａｎｄＥｘｔｒａｓｅａｓｏｎａｌＰｒｅｄｉｃｔｉｏｎｓｏｆＳｕｍｍｅｒＭｏｎｓｏｏｎＰｒｅｃｉｐｉｔａｔｉｏｎｂｙＧｃｍｓ①ＺｅｎｇＱｉｎｇｃｕｎ（曾庆存），ＹｕａｎＣｈｏｎｇｇｕａｎｇ（袁重光），ＬｉＸｕ（李旭），ＺｈａｎｇＲｏｎｇ...     

Predictions of Nino3.4 SST in CFSv1 and CFSv2: a diagnostic comparison

Diagnostic evaluations of the relative performances of CFSv1 and CFSv2 in prediction of monthly anomalies of the ENSO-related Nino3.4 SST index are conducted using the common hindcast period of 1982–2009 for lead times of up to 9 months. CFSv2 outperforms CFSv1 in temporal correlation skill for predictions at moderate to long lead times that traverse the northern spring ENSO predictability barrier (e.g., a forecast for July made in February). However, for predictions during less challenging times of the year (e.g., a forecast for January made in August), CFSv1 has higher correlations than CFSv2. This seeming retrogression is caused by a cold bias in CFSv2 predictions for Nino3.4 SST during 1982–1998, and a warm bias during 1999–2009. Work by others has related this time-conditional bias to changes in the observing system in late 1998 that affected the ocean reanalysis serving as initial conditions for CFSv2. A posteriori correction of these differing biases, and of a similar (but lesser) situation affecting CFSv1, allows for a more realistic evaluation of the relative performances of the two CFS versions. After the dual bias corrections, CFSv2 has slightly better correlation skill than CFSv1 for most months and lead times, with approximately equal skills for forecasts not traversing the ENSO predictability barrier and better skills for most (particularly long-lead) predictions traversing the barrier. The overall difference in correlation skill is not statistically field significant. However, CFSv2 has statistically significantly improved amplitude bias, and visibly better probabilistic reliability, and lacks target month slippage as compared with CFSv1. Together, all of the above improvements result in a highly significantly reduced overall RMSE—the metric most indicative of final accuracy.     

利用深层地温预测夏季降水

利用1959～2004年商丘汛期降水资料和深层地温资料,对各深度层地温和汛期雨量进行相关分析,结果表明上年5～7月和夏季1.6 m地温,上年6～7月和夏季3.2 m地温与当年汛期雨量相关系数均>0.5.据此,建立了商丘汛期降水量预报方程.方程历史拟合率为72.2%;2005年业务使用中,预报结果和实况相符.     

CWRF模式对夏季降水的集合预报试验研究

以ISWS/UIUC发展的CWRF数值模式为试验模式,NOAA全球预报系统(GFS)每天4次的实时预报资料作模式初始和边界条件,同时采用NCEP每天发布的0.5°×0.5°全球SST实时分析资料,分别选取不同的云物理参数化、积云参数化、边界层参数化和辐射方案共计8种参数化组合方案,形成了8组、4个时次共计32个成员的集合预报体系,设计了时变权重分配和动态权重分配两种方案,开展了120 h的实时集合预报试验。试验结果表明,CWRF对中国区域降水有较好的预报能力;在短期降水预报中,集合成员对积云参数化方案更加敏感;考虑了前期预报误差的动态分配权重技术的集合预报方案能够及时反映模式在不同物理参数化方案下,在不同地方、不同预报时效的预报性能,总体上优于不考虑前期预报误差的时变集合预报方案和单个成员的预报。     

GRAPES_MESO区域中尺度模式对贵州温度与降水预报的检验评估

利用贵州2017年实况高温、低温以及降水数据对GRAPES_MESO区域中尺度模式预报的温度与降水产品进行检验,结果表明：该模式对贵州高温预报能力较差,对低温预报能力较好,误差在2℃以内且预报稳定性较高,该模式在小雨预报方面有一定优势,对暴雨及以上降水预报能力较差。从贵州不同区域检验结果来看,该模式在温度预报上为安顺市最好、铜仁市最差,在降水预报上为遵义市最好、黔西南州最差。检验分析结果为进一步改进GRAPES_MESO区域中尺度模式,提高要素预报准确率提供一定依据。     

夏季地面温度场月预报的统计模式

用15年北半球夏季地面温度的资料分析了月平均场与该月前后一周左右的逐日平均场在时间和波数上的相关。发现越新、越靠后的日平均场与该月的平均场相关越强。用第0天外推的未来30天平均场与实况的相关比用前30天平均场作外推的相关要显著得多。由此得出结论认为各种预报方法的效果检验应与前者定义的惯性预报作比较。文中提出了几个用于作月预报的统计模式，分别用不同时间或不同波数作预报因子。其结果均使预报准确率有所提高。既用不同时间又用不同波数作预报因子的模式更为理想。文中最后讨论了一个源于动力学考虑的统计模式。近1400个月预报例子的结果与实况的平均相关系数高达0.75，显著优于惯性预报。     

Simulations of Eurasian Winter Temperature Trends in Coupled and Uncoupled CFSv2

Conflicting results have been presented regarding the link between Arctic sea-ice loss and midlatitude cooling, particularly over Eurasia. This study analyzes uncoupled(atmosphere-only) and coupled(ocean–atmosphere) simulations by the Climate Forecast System, version 2(CFSv2), to examine this linkage during the Northern Hemisphere winter, focusing on the simulation of the observed surface cooling trend over Eurasia during the last three decades. The uncoupled simulations are Atmospheric Model Intercomparison Project(AMIP) runs forced with mean seasonal cycles of sea surface temperature(SST)and sea ice, using combinations of SST and sea ice from different time periods to assess the role that each plays individually,and to assess the role of atmospheric internal variability. Coupled runs are used to further investigate the role of internal variability via the analysis of initialized predictions and the evolution of the forecast with lead time.The AMIP simulations show a mean warming response over Eurasia due to SST changes, but little response to changes in sea ice. Individual runs simulate cooler periods over Eurasia, and this is shown to be concurrent with a stronger Siberian high and warming over Greenland. No substantial differences in the variability of Eurasian surface temperatures are found between the different model configurations. In the coupled runs, the region of significant warming over Eurasia is small at short leads, but increases at longer leads. It is concluded that, although the models have some capability in highlighting the temperature variability over Eurasia, the observed cooling may still be a consequence of internal variability.     

CWRF模式极端降水模拟误差订正

基于1980—2015年6—8月CWRF模式(Climate-Weather Research and Forecasting model)14种方案的模拟结果和全国逐日降水观测资料,对比了Q-lin,Q-tri,RQ-lin,RQ-tri,SSP-lin和CDFt 6种误差订正方法对CWRF模式控制化方案(C1)模拟中国东部夏季日极端降水的订正效果,以CWRF模式14种方案日极端降水的模拟效果排名为基础,对比了模拟效果较好的4种方案集合、模拟较差的4种方案集合以及14种方案集合的订正效果,选出相对较好的订正方案进一步评估其成员集合后订正和成员分别订正后再集合的订正效果,结果表明:采用6种误差订正方法均可明显减少日极端降水模拟误差,其中RQ-lin方法订正效果最佳。CWRF模式对中国东部的极端降水指数均表现出较好的模拟能力,不同参数化集合方案得到14种方案成员先订正再集合与观测日极端降水平均值最为接近,研究结果对于改进模拟结果、提高其预测能力有重要应用价值。     

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。