白慧，高輝，劉長(zhǎng)征，毛煒嶧，杜良敏

（1.貴州省氣候中心，貴州貴陽(yáng) 550002；2.貴州省山地氣候與資源重點(diǎn)實(shí)驗(yàn)室，貴州貴陽(yáng) 550002；3.國(guó)家氣候中心，北京 100081；4.中國(guó)氣象局烏魯木齊沙漠氣象研究所，新疆烏魯木齊 830002；5.武漢區(qū)域氣候中心，湖北武漢 430074）

MODES系統(tǒng)對(duì)貴州月氣溫、降水預(yù)測(cè)初步評(píng)估

白慧1，2，高輝3，劉長(zhǎng)征3，毛煒嶧4，杜良敏5

（1.貴州省氣候中心，貴州貴陽(yáng) 550002；2.貴州省山地氣候與資源重點(diǎn)實(shí)驗(yàn)室，貴州貴陽(yáng) 550002；3.國(guó)家氣候中心，北京 100081；4.中國(guó)氣象局烏魯木齊沙漠氣象研究所，新疆烏魯木齊 830002；5.武漢區(qū)域氣候中心，湖北武漢 430074）

通過對(duì)2013年1月—2015年6月（MODES）發(fā)布的最優(yōu)月預(yù)測(cè)產(chǎn)品在貴州省月平均氣溫距平和降水距平百分率的預(yù)測(cè)檢驗(yàn)評(píng)估，發(fā)現(xiàn)MODES對(duì)全省平均氣溫有較好的預(yù)報(bào)，分析時(shí)段內(nèi)預(yù)測(cè)與實(shí)況的相關(guān)系數(shù)為0.24，距平同號(hào)率為65.5%，且對(duì)氣溫偏高預(yù)測(cè)的可參考性高于其對(duì)氣溫偏低的預(yù)測(cè)。相比于氣溫，MODES對(duì)降水預(yù)測(cè)能力較弱，參考性也相對(duì)較低，其中對(duì)貴州全省平均降水偏多趨勢(shì)的預(yù)測(cè)技巧要優(yōu)于對(duì)全省平均偏少趨勢(shì)的預(yù)報(bào)技巧。逐站分析顯示，MODES對(duì)貴州氣溫預(yù)測(cè)效果較好的地區(qū)在西部、北部和東部，對(duì)降水偏多的預(yù)測(cè)效果較好的地區(qū)位于除西北部和北部邊緣地區(qū)外的其余大部地區(qū)。通過對(duì)MODES與預(yù)報(bào)員綜合預(yù)報(bào)的結(jié)果評(píng)估發(fā)現(xiàn)，MODES月預(yù)測(cè)總體效果較預(yù)報(bào)員好，且穩(wěn)定性高于預(yù)報(bào)員，可為預(yù)報(bào)員提供參考信息。

多模式解釋應(yīng)用集成預(yù)測(cè)系統(tǒng)（MODES）；距平同號(hào)率；Ps評(píng)分；檢驗(yàn)評(píng)估

短期氣候預(yù)測(cè)對(duì)現(xiàn)代社會(huì)經(jīng)濟(jì)活動(dòng)具有重大應(yīng)用價(jià)值，近20 a其科學(xué)研究和業(yè)務(wù)應(yīng)用方面發(fā)展迅速。傳統(tǒng)上氣候預(yù)測(cè)技術(shù)主要分為物理統(tǒng)計(jì)方法和動(dòng)力模式兩類，但隨著模式技術(shù)的迅速發(fā)展，目前氣候模式動(dòng)力預(yù)測(cè)技術(shù)是世界各大氣候預(yù)測(cè)業(yè)務(wù)部門的主要工具[1-7]。大氣環(huán)流主要受海陸差異、海表溫度、積雪等空間和時(shí)間上連續(xù)性較強(qiáng)的大尺度要素影響，在模式中其模擬和預(yù)測(cè)水平較高，而云—輻射、對(duì)流性降水等復(fù)雜小尺度物理過程通常用參數(shù)化方案做近似描述，導(dǎo)致氣溫和降水難以完全準(zhǔn)確模擬和預(yù)測(cè)。對(duì)月和季節(jié)時(shí)間尺度而言，大尺度氣溫和降水特征往往與大尺度環(huán)流特征有關(guān)。東亞季風(fēng)區(qū)副熱帶高壓變化和夏季雨帶移動(dòng)關(guān)系密切，西伯利亞高壓和北極濤動(dòng)位相對(duì)冬季氣溫具有指示作用，因此通過大氣環(huán)流場(chǎng)間接預(yù)測(cè)降水溫度通常具有更高技巧[8-9]。在現(xiàn)有模式發(fā)展水平下，從大量的動(dòng)力模式產(chǎn)品中最大限度地提取具有高技巧性的大尺度環(huán)流信息，利用動(dòng)力和統(tǒng)計(jì)相結(jié)合的降尺度方法是提高短期氣候預(yù)測(cè)準(zhǔn)確率的有效途徑[10-13]。由于氣候預(yù)測(cè)的復(fù)雜性，各種氣候預(yù)測(cè)技術(shù)方法的適用性在不同國(guó)家和地區(qū)并不相同，相應(yīng)采用的氣候模式、多模式集合、降尺度方法、統(tǒng)計(jì)方法和降尺度—統(tǒng)計(jì)集合等具體技術(shù)發(fā)展和應(yīng)用的重點(diǎn)也有很大區(qū)別。因此，在省級(jí)預(yù)測(cè)業(yè)務(wù)工作中對(duì)具體預(yù)測(cè)技術(shù)進(jìn)行檢驗(yàn)評(píng)估是非常重要的基礎(chǔ)性工作[14-18]。為了促進(jìn)短期氣候預(yù)測(cè)業(yè)務(wù)向客觀定量化發(fā)展，國(guó)家氣候中心基于國(guó)內(nèi)外氣候業(yè)務(wù)模式數(shù)據(jù)解釋應(yīng)用集成預(yù)測(cè)技術(shù)的研發(fā)和業(yè)務(wù)應(yīng)用建立了相應(yīng)的多模式解釋應(yīng)用集成預(yù)測(cè)系統(tǒng)MODES（Multi-model Downscaling Ensemble System），MODES具有等權(quán)平均、經(jīng)典超級(jí)集合、區(qū)域最優(yōu)和加權(quán)平均等多種集成方法，并采用等權(quán)平均和經(jīng)典超級(jí)集合兩種方法對(duì)各模式的降尺度方法預(yù)測(cè)結(jié)果進(jìn)行集成。劉長(zhǎng)征等[19]采用PS評(píng)分、異常相關(guān)系數(shù)（ACC）和距平符號(hào)一致率評(píng)分方法對(duì)MODES產(chǎn)品在我國(guó)冬季、夏季和月平均氣溫及降水業(yè)務(wù)應(yīng)用進(jìn)行了預(yù)測(cè)效果評(píng)估，發(fā)現(xiàn)其對(duì)氣溫有較好的預(yù)測(cè)能力及對(duì)降水趨勢(shì)預(yù)測(cè)有一定的預(yù)測(cè)技巧，但對(duì)于不同區(qū)域的預(yù)測(cè)仍缺乏針對(duì)性和精細(xì)化。MODES于2012年陸續(xù)向省級(jí)推廣更新，各?。▍^(qū)、市）氣候中心也開展了針對(duì)本省的初步評(píng)估，但目前均缺乏針對(duì)性的客觀化檢驗(yàn)評(píng)估，尤其是逐月的詳細(xì)分析，而國(guó)家氣候中心提供的MODES預(yù)測(cè)評(píng)估主要針對(duì)全國(guó)開展，也沒有針對(duì)各省開展針對(duì)性評(píng)估。同時(shí)，貴州省區(qū)域小、站點(diǎn)少，從國(guó)家氣候中心的評(píng)估中難以獲取足夠的信息。因此非常有必要開展有預(yù)測(cè)數(shù)據(jù)以來詳細(xì)的點(diǎn)對(duì)點(diǎn)檢驗(yàn)，并客觀分析預(yù)報(bào)不好月份。本文主要對(duì)國(guó)家級(jí)逐月發(fā)布的MODES月平均氣溫及降水的最優(yōu)預(yù)測(cè)產(chǎn)品在貴州省預(yù)測(cè)進(jìn)行檢驗(yàn)評(píng)估，以客觀評(píng)價(jià)其在貴州省級(jí)區(qū)域的預(yù)測(cè)能力，為MODES開發(fā)團(tuán)隊(duì)在省級(jí)降尺度應(yīng)用中提供基礎(chǔ)分析和依據(jù)，幫助找到預(yù)測(cè)偏差的原因，進(jìn)而改進(jìn)降尺度算法和多模式統(tǒng)計(jì)集合技術(shù)，從而更好地利用多個(gè)模式信息提取重要環(huán)流特征量并實(shí)現(xiàn)業(yè)務(wù)化，同時(shí)也為預(yù)報(bào)員對(duì)MODES月預(yù)測(cè)產(chǎn)品的使用提供借鑒，從而有效地獲取氣候異常預(yù)測(cè)信息。

1 資料和評(píng)估方法

1.1 資料

MODES所用數(shù)據(jù)主要包含模式數(shù)據(jù)和臺(tái)站觀測(cè)數(shù)據(jù)兩種。模式數(shù)據(jù)包括ECMWF，NCEP，東京氣候中心（TCC）和中國(guó)氣象局國(guó)家氣候中心（NCC）實(shí)時(shí)發(fā)布的季節(jié)預(yù)測(cè)全球模式產(chǎn)品輸出場(chǎng)。在業(yè)務(wù)應(yīng)用中，MODES主要針對(duì)500 hPa位勢(shì)高度、200 hPa緯向風(fēng)和經(jīng)向風(fēng)、850 hPa氣溫4個(gè)要素的異常場(chǎng)采用4種降尺度方法（EOF迭代、BP-CCA、OSR和HCRE方法）及2種降尺度集成方法（等權(quán)平均和經(jīng)典超級(jí)集合方法）。臺(tái)站數(shù)據(jù)包括我國(guó)2434站的月平均氣溫和月降水量觀測(cè)數(shù)據(jù)。通過對(duì)MODES各模式產(chǎn)品的預(yù)報(bào)因子和參數(shù)選取方案試驗(yàn)建立相應(yīng)的降尺度解釋應(yīng)用模型和客觀集成系統(tǒng)，并進(jìn)行業(yè)務(wù)化，它是基于先進(jìn)模式系統(tǒng)并可供國(guó)家級(jí)和省級(jí)多層次使用的高質(zhì)量月/季尺度氣候預(yù)測(cè)產(chǎn)品和業(yè)務(wù)系統(tǒng)。

文中所用的站點(diǎn)資料為貴州省參與中國(guó)氣象局月預(yù)測(cè)評(píng)分的85個(gè)地面氣象觀測(cè)站的月平均氣溫和降水量資料，時(shí)段為2013年1月至2015年6月共30個(gè)月。同時(shí)段的MODES模式預(yù)測(cè)資料為超前1月起報(bào)的月平均氣溫距平和降水量距平百分率的最優(yōu)月預(yù)測(cè)產(chǎn)品，但由于2013年4月MODES預(yù)測(cè)資料出現(xiàn)故障未能獲取，實(shí)際使用為29個(gè)月。本文氣候平均時(shí)段均為1981—2010年。

1.2 方法

本文用到的評(píng)估方法主要為距平同號(hào)率和PS評(píng)分。

距平同號(hào)率評(píng)估以預(yù)測(cè)和實(shí)況的距平符號(hào)是否一致為判斷依據(jù)，采用逐站進(jìn)行評(píng)判。當(dāng)預(yù)報(bào)和實(shí)況距平符號(hào)一致時(shí)又可細(xì)分為同正率和同負(fù)率，前者指預(yù)報(bào)和實(shí)況距平均為正，后者指預(yù)報(bào)和實(shí)況距平均負(fù)。距平同號(hào)率公式定義為N0/N×100%，式中N0為距平符號(hào)預(yù)測(cè)正確站數(shù)；N為實(shí)際參加評(píng)估站數(shù)（即規(guī)定參加考核站數(shù)減去實(shí)況缺測(cè)站數(shù)）。

PS評(píng)分方法分別考慮預(yù)測(cè)的趨勢(shì)項(xiàng)、異常項(xiàng)和漏報(bào)項(xiàng)的綜合貢獻(xiàn)，定義如下：

式中，a、b和c分別為氣候趨勢(shì)項(xiàng)、一級(jí)異常項(xiàng)（對(duì)降水距平百分率Ra是50%>Ra≥20%或-20%≥Ra>-50%，對(duì)氣溫距平Ta是2℃>Ta≥1℃或-1℃≥Ta>-2℃）和二級(jí)異常項(xiàng)（Ra≥50%或Ra≤-50%；Ta≥2℃或Ta≤-2℃）的權(quán)重系數(shù)。按照中國(guó)氣象局規(guī)定，本辦法分別取a=2，b=2和c=4。逐站判定預(yù)測(cè)的趨勢(shì)是否正確，統(tǒng)計(jì)出趨勢(shì)預(yù)測(cè)正確的總站數(shù)N0，一級(jí)異常預(yù)測(cè)正確的總站數(shù)N1和二級(jí)異常預(yù)測(cè)正確的總站數(shù)N2。沒有預(yù)測(cè)二級(jí)異常而實(shí)況出現(xiàn)降水距平百分率Ra≥100%或Ra=-100%、氣溫距平Ta≥3℃或Ta≤-3℃的站數(shù)（稱為漏報(bào)站，記為M）。實(shí)際參加評(píng)估的站數(shù)N規(guī)定為參加考核站數(shù)減去實(shí)況缺測(cè)的站數(shù)。

2 MODES對(duì)貴州省月氣溫、降水預(yù)測(cè)效果評(píng)估

對(duì)比2013年1月—2015年6月國(guó)家級(jí)發(fā)布的MODES最優(yōu)月預(yù)測(cè)產(chǎn)品與貴州省85站月平均氣溫距平、降水距平百分率實(shí)況（圖1）可以發(fā)現(xiàn)，分析時(shí)段內(nèi)氣溫預(yù)測(cè)與實(shí)況的相關(guān)系數(shù)為0.24，距平同號(hào)率為65.5%，表明MODES對(duì)貴州月平均氣溫有較好的預(yù)報(bào)。進(jìn)一步統(tǒng)計(jì)發(fā)現(xiàn)，預(yù)報(bào)和實(shí)況的距平同正率為75.0%、同負(fù)率為44.4%，說明MODES對(duì)貴州氣溫偏高預(yù)測(cè)的可參考性高于其對(duì)氣溫偏低的預(yù)測(cè)。相比于氣溫，研究時(shí)段內(nèi)MODES月降水量的趨勢(shì)預(yù)測(cè)與觀測(cè)值的相關(guān)系數(shù)僅為-0.03，二者同號(hào)率為48.3%，其中同正率為68.8%、同負(fù)率為23.1%。表明相比于氣溫，MODES對(duì)降水預(yù)測(cè)能力較弱，參考性也相對(duì)較低，其中對(duì)貴州全省平均降水偏多趨勢(shì)的預(yù)測(cè)技巧要優(yōu)于偏少的預(yù)報(bào)技巧。

圖1 2013年1月—2015年6月貴州省月平均要素實(shí)況和MODES預(yù)報(bào)

進(jìn)一步統(tǒng)計(jì)了評(píng)估時(shí)段內(nèi)貴州省85站月氣溫距平和降水距平百分率實(shí)況與MODES預(yù)測(cè)間同號(hào)率、同正率和同負(fù)率的空間分布情況（圖2）?？梢钥闯?，氣溫同號(hào)率高的地區(qū)主要位于貴州省西部、北部和東部地區(qū)，數(shù)值可達(dá)60%以上，尤其在六盤水市北部、黔西南州西部和黔東南州東部地區(qū)，同號(hào)率達(dá)70%以上，其余地區(qū)均在60%以下，在貴陽(yáng)市東南部和黔南州中部地區(qū)同號(hào)率低于45%。在實(shí)況氣溫偏暖情況下預(yù)報(bào)也偏暖的同正率明顯優(yōu)于同號(hào)率，在貴州省西部、北部和東部地區(qū)均超過60%，局部達(dá)80%以上。和同正率相反，同負(fù)率較高的地區(qū)位于貴州省中部，數(shù)值可達(dá)60%以上，局部達(dá)80%以上。降水同號(hào)率的空間分布除貴州省之中部以西和以東的部分地區(qū)達(dá)60%以上外，其余大部地區(qū)均在50%左右。和同號(hào)率相比，同正率除在貴州省西北部和北部邊緣地區(qū)較低外，其余大部地區(qū)均在60%以上，尤其是安順大部和黔南州東部地區(qū)達(dá)80%。但降水預(yù)報(bào)和實(shí)況的同負(fù)率明顯偏低，僅在西部局地達(dá)60%，其余大部地區(qū)均在50%左右及以下。圖2的結(jié)果和圖1相近，表明MODES對(duì)貴州降水預(yù)測(cè)總體效果不如氣溫，但對(duì)貴州西部、北部和東部地區(qū)氣溫偏高和中部地區(qū)氣溫偏低的預(yù)測(cè)效果較好。

進(jìn)一步挑選分析時(shí)段內(nèi)月平均氣溫、降水MODES預(yù)測(cè)產(chǎn)品PS評(píng)分最高和最低的3個(gè)時(shí)次作為典型預(yù)報(bào)個(gè)例分析，以判斷其預(yù)測(cè)得失的原因。氣溫PS評(píng)分最高的3個(gè)月分別是2013年5月、2014年9月和2015年2月，其PS評(píng)分分別為96.3、98.7和100.0。在這3個(gè)月中，MODES氣溫預(yù)測(cè)與實(shí)況趨勢(shì)非常一致，均表現(xiàn)為全省大部地區(qū)一致偏高。但對(duì)于超過1℃以上的氣溫正距平，MODES預(yù)測(cè)區(qū)域和實(shí)況并不是很一致，尤其是2013年5月，一級(jí)異常預(yù)報(bào)站數(shù)為0，說明MODES預(yù)測(cè)主要依賴于其趨勢(shì)項(xiàng)。而在氣溫PS評(píng)分最低的3個(gè)月中（分別為2013年1月、2013年6月和2014年2月，其Ps評(píng)分分別為45.5、35.0和0.0）（表1），MODES月平均氣溫的預(yù)測(cè)趨勢(shì)與實(shí)況幾乎相反，實(shí)況表現(xiàn)為全省大部地區(qū)偏高、偏高和偏低，而MODES預(yù)測(cè)趨勢(shì)為全省大部地區(qū)偏低、偏低和偏高，進(jìn)一步說明MODES對(duì)貴州預(yù)測(cè)主要依賴于其對(duì)正負(fù)距平趨勢(shì)的預(yù)測(cè)。

同樣挑選MODES預(yù)測(cè)產(chǎn)品在分析時(shí)段內(nèi)月降水預(yù)測(cè)PS評(píng)分最高和最低的3個(gè)月作為典型月份分析。其中降水Ps最高的3個(gè)月為2014年7月、2014年11月和2015年5月，對(duì)應(yīng)的PS評(píng)分分別為90.0、98.3和90.7。在這3個(gè)月中，MODES月降水距平趨勢(shì)預(yù)測(cè)與實(shí)況總體一致，均表現(xiàn)為全省大部地區(qū)偏多，距平正負(fù)趨勢(shì)預(yù)測(cè)準(zhǔn)確站數(shù)分別為82%、100%和74%，但降水偏多偏少2成以上的異常級(jí)預(yù)測(cè)得分均不高，預(yù)測(cè)準(zhǔn)確站數(shù)分別占總站數(shù)的32%、40%和28%。在降水預(yù)報(bào)PS評(píng)分最低的3個(gè)月中（分別是2014年12月、2015年2月和2015年3月，PS評(píng)分分別為20.2、46.0和43.0）（表1），貴州省85站的預(yù)測(cè)與實(shí)況距平基本相反，實(shí)況表現(xiàn)為全省大部地區(qū)偏少，而MODES預(yù)測(cè)趨勢(shì)為全省大部地區(qū)偏多，距平符號(hào)預(yù)測(cè)準(zhǔn)確率分別為7%、20%和19%，進(jìn)一步說明MODES預(yù)測(cè)評(píng)分主要依賴于其距平符號(hào)準(zhǔn)確與否。

表1 MODES月氣溫、降水預(yù)測(cè)PS評(píng)分3個(gè)最低年預(yù)報(bào)與實(shí)況對(duì)比

通過上述典型氣溫、降水預(yù)報(bào)PS高分和低分的例子并結(jié)合圖1可以發(fā)現(xiàn)，MODES預(yù)測(cè)全省氣溫一致性偏低的準(zhǔn)確率要明顯低于其預(yù)測(cè)全省一致性偏高的準(zhǔn)確率，此時(shí)需要基于其它預(yù)測(cè)手段加以進(jìn)一步分析。而MODES對(duì)全省降水預(yù)測(cè)一致性偏多的可參考性低于氣溫。

圖2 2013年1月—2015年6月貴州月平均氣溫、降水實(shí)況與MODES預(yù)報(bào)的空間分布

圖3 2013年1月—2015年6月MODES與預(yù)報(bào)員綜合預(yù)報(bào)的Ps評(píng)分

3 MODES與預(yù)報(bào)員綜合預(yù)報(bào)PS評(píng)分對(duì)比

目前我國(guó)的氣候預(yù)測(cè)主要采用動(dòng)力統(tǒng)計(jì)相結(jié)合的方法[20]。預(yù)報(bào)員在最終發(fā)布預(yù)報(bào)時(shí)需要綜合考慮模式或模式釋用等客觀化產(chǎn)品和下墊面等物理因子的前兆影響。對(duì)比分析研究時(shí)段內(nèi)MODES與貴州省預(yù)報(bào)員綜合預(yù)報(bào)的PS評(píng)分（圖3）可見，MODES預(yù)報(bào)月平均氣溫距平和降水距平百分率平均分分別為72.1和69.4，均較預(yù)報(bào)員綜合預(yù)報(bào)PS評(píng)分高（對(duì)應(yīng)分別為69.8和63.0），其中降水的優(yōu)勢(shì)更為明顯。同時(shí)，MODES氣溫和降水PS評(píng)分的均方差分別為21.9和17.6，均小于預(yù)報(bào)員綜合預(yù)報(bào)評(píng)分的均方差（對(duì)應(yīng)分別為25.6和20.1），表明MODES預(yù)測(cè)不僅效果好于預(yù)報(bào)員綜合預(yù)報(bào)，而且預(yù)報(bào)性能更為穩(wěn)定。從二者的差值對(duì)比來看，MODES對(duì)氣溫預(yù)報(bào)評(píng)分優(yōu)于預(yù)報(bào)員的月份占51.7%，且對(duì)氣溫偏低的趨勢(shì)預(yù)測(cè)把握更好，對(duì)降水預(yù)報(bào)評(píng)分優(yōu)于預(yù)報(bào)員的月份占58.6%，且對(duì)降水偏多的趨勢(shì)預(yù)測(cè)把握較省級(jí)更好。

4 結(jié)論

本文通過2013年1月—2015年6月MODES最優(yōu)月預(yù)測(cè)產(chǎn)品對(duì)貴州省月平均氣溫距平和降水距平百分率的預(yù)測(cè)效果進(jìn)行檢驗(yàn)評(píng)估，得到以下結(jié)論：

（1）MODES對(duì)全省平均氣溫有較好的預(yù)報(bào)，分析時(shí)段內(nèi)預(yù)測(cè)與實(shí)況的相關(guān)系數(shù)為0.24，同號(hào)率為65.5%，其中同正率和同負(fù)率分別為75.0%和44.4%。相比于氣溫，MODES對(duì)降水預(yù)測(cè)能力較弱，參考性也相對(duì)較低，分析時(shí)段內(nèi)預(yù)測(cè)與實(shí)況的相關(guān)系數(shù)僅為-0.03，同號(hào)率為48.3%，其中同正率和同負(fù)率分別為68.8%和23.1%。表明MODES對(duì)全省氣溫偏高和降水偏多趨勢(shì)的預(yù)測(cè)技巧要優(yōu)于其對(duì)全省氣溫偏低和平均降水偏少的預(yù)報(bào)技巧。

（2）通過評(píng)估時(shí)段內(nèi)貴州省85站月氣溫距平和降水距平百分率實(shí)況與MODES預(yù)測(cè)間同號(hào)率、同正率和同負(fù)率的空間分布情況，分析顯示MODES對(duì)貴州氣溫偏高預(yù)測(cè)效果較好的地區(qū)位于該省西部、北部和東部，對(duì)降水偏多的預(yù)測(cè)效果較好的地區(qū)位于除西北部和北部邊緣地區(qū)外的其余大部地區(qū)。

（3）通過對(duì)MODES與預(yù)報(bào)員綜合預(yù)報(bào)的結(jié)果評(píng)估發(fā)現(xiàn)，MODES月預(yù)測(cè)總體效果更好，且穩(wěn)定性高于預(yù)報(bào)員預(yù)報(bào)。對(duì)月平均氣溫而言，MODES對(duì)氣溫偏低的趨勢(shì)預(yù)測(cè)把握較預(yù)報(bào)員更好，對(duì)月降水量而言，MODES對(duì)降水偏多的趨勢(shì)預(yù)測(cè)把握較預(yù)報(bào)員好。上述分析表明，MODES可為預(yù)報(bào)員制作預(yù)報(bào)提供一定參考信息。

本文主要針對(duì)MODES在貴州氣溫、降水的月平均預(yù)測(cè)效果開展評(píng)估。隨著預(yù)測(cè)業(yè)務(wù)的發(fā)展和服務(wù)需求的提升，月平均的預(yù)測(cè)產(chǎn)品已經(jīng)顯示出一定的服務(wù)能力不足。近年來，MODES也積極拓展其預(yù)測(cè)范圍，包括影響東亞氣候的關(guān)鍵環(huán)流因子預(yù)測(cè)及月內(nèi)尺度的延伸期預(yù)測(cè)。今后將繼續(xù)加強(qiáng)這方面的評(píng)估，以評(píng)估更全面的該預(yù)報(bào)系統(tǒng)在貴州省的預(yù)測(cè)能力，為省級(jí)氣象防災(zāi)減災(zāi)提供一定參考信息。

[1]顏宏.關(guān)于氣候預(yù)測(cè)與模擬若干問題的思考[J].應(yīng)用氣象學(xué)報(bào)，1997，8（增刊）：6-14.

[2]李維京，張培群，李清泉，等.動(dòng)力氣候模式預(yù)測(cè)系統(tǒng)業(yè)務(wù)化及其應(yīng)用[J].應(yīng)用氣象學(xué)報(bào)，2005，16（增刊）：1-11.

[3]賈小龍，陳麗娟，高輝，等.我國(guó)短期氣候預(yù)測(cè)技術(shù)進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，2013，24（6）：641-655.

[4]吳統(tǒng)文，宋連春，劉向文，等.國(guó)家氣候中心短期氣候預(yù)測(cè)模式系統(tǒng)業(yè)務(wù)化進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，2013，24（5）：533-543.

[5]李維京，鄭志海，孫丞虎.近年來我國(guó)短期氣候預(yù)測(cè)中動(dòng)力相似預(yù)測(cè)方法研究與應(yīng)用進(jìn)展[J].大氣科學(xué)，2013，37（2）：341-350.

[6]于海鵬，黃建平，李維京，等.數(shù)值預(yù)報(bào)誤差訂正技術(shù)中相似—?jiǎng)恿Ψ椒ǖ陌l(fā)展[J].氣象學(xué)報(bào)，2014，72（5）：1012-1022.

[7]任宏利，張培群，李維京，等.提高月預(yù)報(bào)業(yè)務(wù)水平的動(dòng)力相似集合方法[J].氣象學(xué)報(bào)，2014，72（4）：723-730.

[8]李維京，陳麗娟.動(dòng)力延伸預(yù)報(bào)產(chǎn)品釋用方法的研究[J].氣象學(xué)報(bào)，1999，57（3）：338-345.

[9]陳麗娟，李維京，張培群，等.降尺度技術(shù)在月降水預(yù)報(bào)業(yè)務(wù)中的應(yīng)用[J].應(yīng)用氣象學(xué)報(bào)，2003，14（6）：648-655.

[10]顧偉宗，陳麗娟，張培群，等.基于月動(dòng)力延伸預(yù)報(bào)最優(yōu)信息的中國(guó)降水降尺度預(yù)測(cè)模型[J].氣象學(xué)報(bào)，2008，67（2）：280-287.

[11]賈小龍，陳麗娟，李維京，等.BP-CCA方法用于中國(guó)冬季溫度和降水的可預(yù)報(bào)性研究和降尺度季節(jié)預(yù)測(cè)[J].氣象學(xué)報(bào)，2010，68（3）：398-410.

[12]顧偉宗，陳麗娟，李維京，等.降尺度方法在中國(guó)不同區(qū)域夏季降水預(yù)測(cè)中的應(yīng)用[J].氣象學(xué)報(bào)，2012，70（2）：202-212.

[13]康紅文，祝從文，左志燕，等.多模式集合預(yù)報(bào)及其降尺度技術(shù)在東亞夏季降水預(yù)測(cè)中的應(yīng)用[J].氣象學(xué)報(bào)，2012，70（2）：192-201.

[14]閆敬華.華南區(qū)域短期氣候模式及其性能分析[J].熱帶氣象學(xué)報(bào)，2000，16（1）：9-17.

[15]杜良敏，柯宗建.一種適用于延伸期過程事件預(yù)報(bào)的檢驗(yàn)方法[J].應(yīng)用氣象學(xué)報(bào)，2013，24（6）：686-694.

[16]王毅，金榮花，代刊，等.2008年1月歐亞阻塞形勢(shì)的ECMWF集合預(yù)報(bào)效果評(píng)估檢驗(yàn)[J].大氣科學(xué)學(xué)報(bào)，2014，37（3）：257-267.

[17]成璐，沈潤(rùn)平，師春香，等.CMORPH和TRMM 3B42降水估計(jì)產(chǎn)品的評(píng)估檢驗(yàn)[J].氣象，2014，40（11）：1372-1379.

[18]劉長(zhǎng)征，江遠(yuǎn)安，毛煒嶧，等.新疆夏季降水和冬季氣溫預(yù)測(cè)方法及效果評(píng)估[J].沙漠與綠洲氣象，2015，9（2）：1-8.

[19]劉長(zhǎng)征，杜良敏，柯宗建，等.國(guó)家氣候中心多模式解釋應(yīng)用集成預(yù)測(cè)[J].應(yīng)用氣象學(xué)報(bào)，2013，24（6）：677-685.

[20]李維京.現(xiàn)代氣候業(yè)務(wù)[M].北京：氣象出版社，2012.

Assessment of Multi-model Downscaling Ensemble Prediction System for Monthly Temperature and Precipitation Prediction in Guizhou

BAIHui1，2，GAO Hui3，LIU Changzheng3，MAOWeiyi4，DU Liangmin5
（1.Guizhou Climate Center,Guiyang 550002，China；2.Guizhou Key Laboratory ofMountainous Climate and Resource，Guiyang 550002，China；3.National Climate Center，Beijing 100081，China；4.Institute of Desert Meteorology，China Meteorological Administration，Urumqi830002，China；5.Wuhan Regional Climate Center Wuhan 430074，China）

Based on the outputs of different climate models,National Climate Center of China Meteorological Administration（CMA）established amulti-model downscaling ensemble prediction system（MODES）in 2011.Since then the system has been used widely in the domestic seasonal prediction operation.By assessing and verifying the prediction of MODES for monthly temperature and precipitation in Guizhou province during January 2013 to June 2015,this paper indicates that the system has a good temperature prediction skill in the province.The correlation coefficient and the total ration of same anomaly symbol between MODES and observation are 0.24 and 65.5%. Prediction skill of positive temperature anomaly is higher than the negative anomaly.Compared to temperature prediction,the prediction skill for precipitation in MODES is lower,but the prediction skill of positive precipitation anomaly is higher than the negative anomaly.Spatial distribution of verification results show that the high skill scores appear in the western,northern and eastern part of Guizhou province for temperature,and in most regions for precipitation except in part of northwestern and northern regions.During the research period,the prediction skill scores are stably higher than the scores of the subjective forecasts made by the forecaster,especially for negative temperature anomaly and for positive precipitation anomaly.

multi-model sownscaling ensemble prediction system（MODES）；ratio of the same anomaly symbol；PS score;assessmentand verification

P456.7

A

1002-0799（2016）05-0058-06

10.3969/j.issn.1002-0799.2016.05.009

2015-12-31；

2016-03-22

貴州省科技廳攻關(guān)項(xiàng)目—貴州省干旱災(zāi)害風(fēng)險(xiǎn)評(píng)估研究，貴州省氣象局氣象科技開放研究基金項(xiàng)目和2016年貴州省氣象局氣候預(yù)測(cè)業(yè)務(wù)項(xiàng)目共同資助。

白慧（1984-），女，工程師，主要從事短期氣候預(yù)測(cè)研究工作。E-mail：baihui926@aliyun.com

白慧，高輝，劉長(zhǎng)征，等.MODES系統(tǒng)對(duì)貴州月氣溫、降水預(yù)測(cè)初步評(píng)估[J].沙漠與綠洲氣象，2016，10（5）：58-63.