范可,田寶強,劉穎

① 中國科學院 大氣物理研究所竺可楨—南森國際研究中心,北京 100029;② 南京信息工程大學 氣象災害預報預警與評估協(xié)同創(chuàng)新中心,江蘇 南京 210044;③ 國家氣候中心 氣候研究開放實驗室,北京 100081

2015/2016年極強厄爾尼諾事件下我國動力和統(tǒng)計結合實時氣候預測研究

范可①②*,田寶強①②,劉穎②③

① 中國科學院 大氣物理研究所竺可楨—南森國際研究中心,北京 100029;② 南京信息工程大學 氣象災害預報預警與評估協(xié)同創(chuàng)新中心,江蘇 南京 210044;③ 國家氣候中心 氣候研究開放實驗室,北京 100081

2016-08-14收稿，2016-09-26接受

創(chuàng)新科學基金群體(41421004);國家杰出青年科學基金(41325018);國家自然科學基金面上項目(41575079);中國科學院國際創(chuàng)新團隊

本文研究建立2015/2016年極強厄爾尼諾事件下我國動力和統(tǒng)計結合的氣候預測模型,并開展2015年夏季和2016年冬季氣候我國160個站點和主要區(qū)域實時氣候預測。夏季降水的實時預測起報于2月,冬季氣溫的預測起報于10月。研究結果表明,盡管NCEP-CFSv2耦合氣候模式能較好預測2015/2016年極強厄爾尼諾事件中海溫異常的演變,但對我國160個站點夏季降水和冬季氣溫預測仍有較大的偏差。因此,基于NCEP-CFSv2耦合模式預測結果,分別建立我國160個站點冬季氣溫和夏季降水異常的動力和統(tǒng)計結合氣候預測模型。同時,利用年際增量預測方法開展我國長江中下游夏季降水和華北冬季氣溫的區(qū)域氣候預測。研究結果表明以上預測模型在2015/2016年的實時預測中較NCEP-CFSv2有更好的預測效能。相對于NCEP-CFSv2耦合模式的預測結果,2015年夏季降水距平空間相關系數ACC從0.21提高到0.31(超過0.01信度的顯著性水平),距平同號率提高到60%,2016年冬季氣溫ACC從0.19提高到0.32(超過0.01信度的顯著性水平),距平同號率提高到75%。

2015/2016極強厄爾尼諾事件

NCEP-CFSv2耦合氣候統(tǒng)計

動力和統(tǒng)計結合年際增量

實時預測

2015/2016年厄爾尼諾(El Ni?o)事件始于2014年9月,2016年5月結束,共持續(xù)21個月;峰值強度為2.9 ℃,出現(xiàn)在2015年11月;相比于1982/1983和1997/1998年El Ni?o事件,這次事件持續(xù)時間最長,累計強度最強、峰值強度最大,是1951年以來最強的El Ni?o事件。與此同時,2015年全球地表氣溫和中國陸面氣溫創(chuàng)有觀測以來的最高記錄,中國夏季華北、河套地區(qū),內蒙古中部和環(huán)渤海灣地區(qū)降水顯著減少,中國南方地區(qū)降水顯著增多(翟盤茂等,2016)。因此,2015/2016年我國氣候預測的準確率對我國減災和防災有非常重要的意義。ENSO是全球中最顯著的海氣相互作用的現(xiàn)象和氣候年際變化最強的信號,它不僅影響熱帶地區(qū)的氣候,也通過遙相關方式影響熱帶外的氣候,因此ENSO是我國短期氣候預測中極其重要的氣候系統(tǒng)。我國科學家在ENSO機理及預測(李崇銀等,2008)、ENSO與季風的相互作用(黃榮輝等,2003)等方面取得許多重要的成果。研究結果表明ENSO循環(huán)對我國冬、夏季降水的多寡及時空變化有密切的關系。ENSO發(fā)展年的夏季我國東部以雨量偏少為主,多雨帶位于江淮之間,ENSO恢復年的夏季長江及江南雨量偏多,南北兩側偏少。在ENSO準常態(tài)年夏季,長江以北為正偏差(金祖輝和陶詩言,1999)。當發(fā)生El Ni?o時,Walker環(huán)流的上升支東移,西太平洋副高偏強偏南,東亞夏季風減弱,我國南方地區(qū)降水偏多,北方偏少(Wang et al.,2000)。然而,由于ENSO與東亞夏季風的關系具有不穩(wěn)定性(Wang,2002),在20世紀80年代之后,ENSO與我國夏季降水的關系顯著減弱(高輝和王永光,2007),由此加大我國短期氣候預測的難度。

統(tǒng)計和動力數值模式氣候預測是國際上兩種主要的方法。統(tǒng)計氣候預測研究與業(yè)務應用在我國已經有多年的歷史,包括各種時間序列和空間場的預測方法等，并針對我國汛期降水建立了一些有效統(tǒng)計預測模型(王紹武和趙宗慈,1987;嚴華生和王學仁,1991;張邦林和丑紀范,1991;林振山,1992;施能和曹鴻興,1992;丁裕國等,1999;陳興芳和趙振國,2000;馬開玉,2003;魏鳳英,2007)。動力數值模式氣候預測始于20世紀90年代(曾慶存等,1990),經歷了分別預報海溫和大氣的“兩步法”和同時預測海溫和大氣的“一步法”(俞永強等,2007;馬潔華和王會軍,2014;吳統(tǒng)文等,2014),并取得了一系列研究和業(yè)務應用方面的進展。但是由于氣候數值模式可預測性主要在熱帶地區(qū),尤其對東亞季風降水的預測準確度較低。一方面可通過多模式集合結果提高預測技巧。另一方面則是發(fā)展有效的氣候預測方法，如熱帶相似的思想(Wang and Fan,2009)和年際增量預測方法(范可等,2007)等，有效改進了針對東亞夏季風(Fan et al.,2012)、季風降水(Fan and Wang,2009)、臺風(Fan and Wang,2009)、北大西洋濤動(Fan et al.,2015;Tian and Fan,2015)等氣候預測。此外,通過利用氣候模式歷史相似信息對動力模式的誤差場進行預測,改進氣候預測(王啟光等,2012)。如何將動力氣候數值模式和統(tǒng)計氣候模式有效的結合,發(fā)展高效能的動力—統(tǒng)計集合預測方法和預測模型,這是未來短期氣候預測研究發(fā)展方向之一。其中一個嘗試就是將氣候變量的統(tǒng)計規(guī)律和模式高預測效能信息結合，并據此建立動力和統(tǒng)計結合的預測系統(tǒng)(Lang,2008;Fan et al.,2012;Liu and Fan,2014;Liu and Ren,2015)。

然而,在2015/2016極強的ENSO事件背景下,氣候模式對我國降水和氣溫是否具有高效的實時預測能力?通常,國家氣象局在每年3月進行夏季氣候預測會商,11月進行冬季氣候預測會商,我國160個站點氣候預測和華北和長江流域的區(qū)域氣候是氣候預測主要內容之一。本文將從2015年夏季和2016年冬季氣候業(yè)務實時預測角度,首先研究在2015/2016年極強厄爾尼諾事件下美國NCEP-CFSv2耦合氣候模式自2015年2月和2016年10月起報對2015/2016我國氣候預測效能。然后基于NCEP-CFSv2耦合模式的2月起報的實時預測結果,研制我國160個站點2015年夏季降水和2016年冬季氣溫動力和統(tǒng)計結合的預測模型并開展實時預測。同時,利用年際增量預測方法開展2015年夏季長江中下游夏季降水和2016年華北冬季氣溫的預測。

1 資料和方法

本文的降水和溫度資料來自國家氣候中心的160個站點逐月觀測資料,時間跨度為1951—2016年。大氣資料來源于美國國家環(huán)境預測中心—國家大氣中心(簡稱:NCEP/NCAR)再分析資料,包括逐月海平面氣壓場,850 hPa水平風場,500 hPa位勢高度場,其分辨率為2.5°×2.5°(Kalnay et al.,1996)。海平面溫度資料為美國國家海洋和大氣局(NOAA)氣候診斷中心的海溫擴展資料V4,水平網格分辨率為2.0°×2.0°(Huang et al.,2015)。月平均北極海冰密集度資料來自英國大氣中心,水平網格分辨率為1.0°×1.0°(Rayner et al.,2003)。

美國預報中心的第二代氣候預報系統(tǒng)(簡稱CFSv2),該模式是一個海洋—陸地—大氣全耦合的動力實時預測系統(tǒng)。從1982年開始至今,模式每個月回報當月數據并對未來1～9個月的每月前28 d進行預測,模式數據的分辨率為1°×1°(Saha et al.,2014)。本文選取1982—2015年CFSv2預測結果,并將一天4個時次,一個月28 d的結果進行了集合。由于國家氣候中心每年3月初進行夏季氣候會商,10月進行冬季會商,因此CFSv2模式夏季氣候預測結果是從2月起報預測6—8月,冬季氣候預測是從10月起報預測12月—次年2月。利用雙線性插值的方法將模式預測結果插值到2.5°×2.5°水平網格上。觀測距平相對于1981—2010年的差值,CFSV2模式距平相對于模式氣候態(tài)1982—2015年的差值。

場信息耦合型統(tǒng)計降尺度方法(劉穎等,2013;Liu and Fan,2014)是針對預測因子和預測量的空間場的主要信息,通過提取兩變量場的最優(yōu)耦合變化型建立模型。首先,在建模的擬合時段t內,利用經驗正交函數分別對預測因子和預測量變量場進行分解并保留主模態(tài),再將預測因子和預測量回算到原始變量場形式,如公式(1)所示:

(1)

其中:λm表示保留的EOF特征值;sk,k為所分解變量的第k個方差;T為閾值參數,這里取T=0.7。其次,將預測因子和預測量利用奇異值分解,提取兩變量場之間的耦合變化型。最后,利用預測因子和預測量的奇異值模態(tài)對應的時間系數以及預測時間段t+1預測因子場,通過多元線性回歸方法進行統(tǒng)計降尺度預測。

文中夏季是6—8月的季節(jié)平均,冬季是12—2月季節(jié)平均。利用交叉檢驗檢驗預測模型。數據逐年去掉一年建模預測,減少建模對樣本長度的依賴。

圖1 2014—2016年Nio3.4區(qū)逐月海溫距平的演變(紅色柱為觀測值,藍綠色線為CFSv2模式提前4個月的預測值;單位:℃)Fig.1 Observed(red) and CFSv2-predicted monthly SST anomaly over the Nio3.4 region(5°N—5°S,170—120°W) during 2014—2016(the prediction leadtime is 4 months;units:℃)

2 CFSv2氣候模式對2015/2016氣候預測性能

2.1 2015年夏季和2016年冬季CFSv2氣候預測

首先,從業(yè)務應用角度,評估CFSv2模式提前4個月對2014—2016年逐月Nio3.4區(qū)(170～120°W,5°N～5°S,)海溫距平演變的預測能力,即2月預測6月海溫距平,3月預測7月,依次類推。圖1顯示了CFSv2模式能較好預測Nio3.4區(qū)海溫距平演變,與觀測海溫距平演變一致,并能很好預測Nio3.4在2015年11月出現(xiàn)的峰值,但模式預測Nio3.4區(qū)海溫逐月的距平值明顯強于觀測值。對于2015年我國160站點夏季降水預測,2015年夏季我國東部降水距平百分率空間分布的實況特征是“南正北負”形勢,長江流域以北(包含長江中上游)是負異常而長江流域以南降水為正異常,主要正異常區(qū)在長江中下游(圖2a)。與觀測相比,CFSv2模式在降水異常的空間分布預測有較大的偏差(圖2b),沒有預測出“南正北負”降水異常型,預測長江流域上游降水負異常,中下游正異常,我國東部和北部大部分降水正異常。其預測與觀測的空間相關系數(ACC)是0.21,顯著性通過95%,距平同號率是50%。2016年我國160站點冬季氣溫實況是內蒙,東北部分區(qū)域,西南和華南區(qū)域氣溫距平負異常,我國其它大部分區(qū)域氣溫距平正異常,而CFSv2模式預測全國氣溫距平一致偏暖,其預測氣溫距平值也顯著高于觀測,預測ACC為0.19,顯著性通過95%,距平同號率63%。

圖2 2015年全國(160站)夏季降水距平百分率(a—c,單位:%)和2015/2016年冬季2 m氣溫距平(d—f,單位:℃)空間分布 a,d.觀測;b,e.模式預測;c,f.降尺度預測Fig.2 (a—c)The percentage of the summer rainfall anomaly at 160 stations in China in 2015(units:%) and (d—f)the winter temperature anomaly at 2 m(units:℃):(a,d) observation;(b,e) CFSv2 prediction;(c,f) downscaling prediction

圖3 2015/2016年海平面氣壓異常場(單位:hPa) a.2015年夏季觀測;b.2015年夏季CFSv2模式預測;c.2016年冬季觀測;d.2016年冬季CFSv2模式預測Fig.3 SLP anomaly in 2015/2016(units:hPa):(a,b)summer;(c,d)winter;(a,c)observation;(b,d)CFsv2prediction

再分析資料顯示,2015夏季海平面氣壓(SLP)距平場顯示從巴倫支海到東西伯利亞海顯著負異常,歐亞大陸至白令海是正異常,北太平洋中部是負異常(圖3a),西北太平洋區(qū)域是正異常。表明:東亞緯向的海陸熱力差異較弱,東亞夏季風隨之減弱。與此對應,850 hPa風場,從西伯利亞到貝加爾湖區(qū)域是反氣旋性環(huán)流異常,北太平洋中部是氣旋性環(huán)流異常,進而加強東亞沿岸偏北風氣流異常。同時,西太平洋反氣旋性環(huán)流位于菲律賓及以東區(qū)域,較常年位置偏西和偏強,不利于其西北外圍的暖濕氣流北上。我國南方及長江中下游區(qū)域正好處于偏北干冷氣流和偏南暖濕氣流輻合的區(qū)域造成該地多雨(圖4a)。CFSv2模式對歐亞中高緯環(huán)流SLP距平環(huán)流預測與觀測符號相反,對北太平洋SLP距平環(huán)流的預測與觀測符號一致,但數值明顯偏小(圖3b)。CFSv2預測東亞緯向的海陸熱力差異和東亞夏季風明顯加強。在850 hPa風場上,可以看到CFSv2預測東亞沿岸盛行偏南風異常(圖4b)。由此,不難理解CFSv2模式為什么會預測我國大部分區(qū)域降水異常多,特別是北方地區(qū)夏季降水正異常,其預測結果與實際相反。

圖4 2015/2016年850 hPa水平風場異常場(單位:m/s) a.2015年夏季觀測;b.2015年夏季CFSv2模式預測;c.2016年冬季觀測;d.2016年冬季CFSv2模式預測Fig.4 Wind anomaly at 850 hPa in 2015/2016(units:m·s-1):(a,b) summer;(c,d) winter;(a,c) observation;(b,d) CFsv2 prediction

再分析資料顯示,在2016年冬季SLP異常場上,SLP正異常區(qū)域在巴爾喀什湖和貝加爾湖之間,以及東亞和北太平洋中高緯度。SLP負異常在貝加爾湖以東到白令海,表明阿留申低壓加強并主體偏東(圖3c)。并且,2016年冬季東亞大陸和北太平洋間海陸熱力差異減弱,冬季風減弱。與此對應,850 hPa風場(圖4c),我國大部分區(qū)域盛行弱的偏北風異常。CFSv2模式預測結果顯示歐亞中高緯以及歐亞大陸為SLP負異常,與觀測結果相反,但能較好地預測北太平洋高壓加強。CFSv2預測東亞沿岸和我國大部分地區(qū)是強盛的偏南氣流。顯然,CFSv2模式預測2016年冬季是顯著弱的冬季風形勢(圖3d、4d)。由此,也不難理解CFSv2模式為什么會預測出2016年冬季我國一致地偏暖,預測的氣溫正異常值高于觀測(圖2e)。

2.2 ENSO遙相關的氣候預測

雖然CFSv2模式能很好預測2014—2016年極強ENSO演變,但對2015/2016年夏季和冬季環(huán)流形勢,特別是歐亞大陸和中高緯氣候系統(tǒng)有誤差,但CFSv2模式對北太平洋和熱帶環(huán)流仍有較好的預測效能,特別是西北太平洋副高異常(圖3b、3d、4b、4d)。因為這些區(qū)域是海氣相互作用較強區(qū)域,受ENSO直接影響(Wang et al.,2000)。將Nio3.4區(qū)指數分別回歸到夏季和冬季850 hPa的風場(圖5),結果顯示當El Nio發(fā)生時,冬、夏季西北太平洋反氣旋性環(huán)流顯著加強,東亞沿岸盛行偏南的暖濕氣流,對應夏季西北太平洋副高偏強偏西,從而易造成我國南方降水增多。當冬季西北太平洋高壓偏強偏北時,其西北外圍的暖濕氣流在我國東部地區(qū)盛行,有利于我國東部氣溫增加。CFSv2氣候模式正確地預測2015年夏季西太平洋副高偏強和偏西(圖略)。主要由于ENSO與西太平洋副高的變化聯(lián)系密切,在2015/2016極強ENSO事件下,CFSv2氣候模式對西北太平洋副高和北太平洋環(huán)流的預測也較ENSO常態(tài)下更為準確。NZC-CCSM4耦合模式(馬潔華和王會軍,2014)也成功地預測出2015/2016西太平洋副高的變化。

然而,CFSv2模式對我國160個站點的降水和氣溫預測存在很大偏差,甚至與觀測相反。因此,要提高我國站點降水和氣溫的預測的準確度,一方面改進氣候模式對熱帶外的氣候預測效能,一方面結合模式現(xiàn)有的預測效能,發(fā)展新的預測方法,將動力模式和統(tǒng)計模式結合進行預測。

3 基于年際增量的氣候預測

3.1 2015年長江中下游夏季降水的預測

趙振國和劉海波(2003)分析長江中下游夏季洪澇預測失敗的一個原因是東亞阻塞高壓很難預測,其次長江流域的年際和年代際變化的預測信號不一致,預測難以決斷,如1999年和1954年。范可等(2007)提出年際增量的預測方法并利用冬季和春季關鍵大氣環(huán)流建立長江中下游夏季降水的物理統(tǒng)計預測模型,包含南極濤動,歐亞型大氣遙相關,印尼—澳大利亞附近的850和200 hPa的經向風垂直切變等,這個模型很好地回報長江中下游夏季降水的逐年變化,1997—2006回報預測誤差是18%,對1999年回報的相對誤差百分率僅10%,并能再現(xiàn)長江中下游在1984—1998年年代際上升趨勢和1998—2006年年代際下降趨勢。預測模型具有較好的效能主要是由于年際增量方法可以放大預測信號,特別是中高緯系統(tǒng),并且對年際和年代際趨勢有較好的預測。

圖6 1982—2014年長江中下游夏季降水百分率年際增量與預測因子之間相關場(打點部分表示通過了0.05信度的顯著性t檢驗) a.前冬海平面氣壓場;b.前冬海溫;c.前冬1 000 hPa氣溫場;d.前冬海冰密集度Fig.6 Correlation coefficients between the year-to-year increment percentage of summer rainfall over the Yangtze River valley and the year-to-year increment of the winter atmospheric circulation in the year-to-year increment form,for (a)winter SLP,(b)winter SST,(c)air temperature at 1 000 hPa,and (d)winter sea-ice intensity(dots denote significance at the 95% level)

在1982—2014年交叉檢驗得到的長江中下游夏季降水與觀測之間相關系數為0.56,顯著性超過99%水平,均方根誤差為17%;同時,利用該預測模型實時預測2015年長江中下游夏季距平百分率為38.6%,實際觀測為31%(圖7a),預測結果與觀測非常接近。預測模型也很好再現(xiàn)長江中下游夏季降水20世紀80年代至1999年的年代際上升趨勢和2000年后的年代際的下降趨勢。

3.2 2016年華北冬季氣溫的預測

相對于降水預測而言,氣溫總體上有較高的預測水平,主要的一個原因是隨著全球變暖背景下氣溫正異常事件增多,預測準確率有所提高,并且氣候模式對氣溫的高預測技巧有很大一部分依賴于氣溫變暖的趨勢。然而,在實際預測中,很難把握氣溫距平正、負異常的幅度和冷暖轉折。根據Fan(2011)

利用年際增量方法建立華北區(qū)域冬季氣溫預測模型,開展2016年冬季華北的實時預測。其中預測因子是前一年夏季和冬季的北太平洋濤動和北大西洋濤動及南極濤動等。這個模型在1967—2015年交叉檢驗得到的華北冬季氣溫與觀測之間相關系數為0.69,顯著性高于99%,均方根誤差為0.91 ℃;較好再現(xiàn)華北冬季氣溫自20世紀70年代以來上升的趨勢以及1998年后緩慢下降的趨勢。2016年實時預測華北冬季氣溫距平為1.20 ℃,實際觀測為0.51 ℃(圖7b)。距平符號正確但預測值高于觀測,由此氣溫異常幅度的準確預測還是非常困難,以后仍需要進一步改進模式。

以上兩個預測模型均顯示了年際增量方法在實時預測中的有效性,未來將考慮不同年代下的預測因子的有效性，并結合數值氣候模式結果進一步改進預測模型。

圖7 1982—2014年長江中下游夏季降水距平百分率(a;單位:%)和1967—2015年華北冬季氣溫距平(b;單位:℃)的預測模型(觀測(紅色柱);交叉檢驗(藍色柱),2015夏季、2016年冬季預測結果(藍綠色柱);黑色實線為觀測值的11 a滑動平均結果)Fig.7 The (a)observed and predicted percentage of summer rainfall over the Yangtze River valley during 1982—2014(units:%),and the (b)observed and predicted winter temperature anomaly over North China(units:℃),wherein the observation is denoted red,the cross-validation prediction blue,the forecasting of 2015/2016 green,and the 11-year sliding window black

4 基于CFSv2的動力和統(tǒng)計結合的預測

考慮到CFSv2模式的主要氣候預測效能在熱帶地區(qū),雖然對我國160站點的降水和氣溫預測效能有限(圖2),但對東亞地區(qū)環(huán)流預測有一定的預測能力。基于劉穎等(2013)建立的基于CFSv2實時預測數值產品及觀測資料的統(tǒng)計降尺度的預測系統(tǒng)的思路，分別開展我國160個站點2015年夏季和2016年冬季的氣溫預測。一方面選取CFSv2模式的同期高預測效能的氣候場,另一方面選取具有物理過程的前期氣候場作為預測場,結合兩者開展預測。

選取前期秋季熱帶太平洋海溫(160°E～90°W,10°S～10°N)、CFSv2夏季東亞地區(qū)SLP場(60°E～180°,5～55°N)作為預測因子場,采用場耦合預測的方法,開展2015年夏季我國160站點夏季降水的實時預測(圖2c)。降尺度后的結果較原始模式結果有顯著提高,尤其是我國北方區(qū)域降水的預測,較好地再現(xiàn)了“北旱南澇”降水異常型,其預測結果更接近觀測。降尺度后的預測ACC從0.21提高到0.31,預測距平同號率從50%提高到60%。

近幾十年,北極海冰異常對歐亞冬季異常有著重要的作用。隨著北極海冰的減少,歐亞中高緯環(huán)流更具有波浪狀,經向環(huán)流加大,歐亞冬季極端事件更易發(fā)生。20世紀80年代中期之后,9月北極海冰對我國冬季氣溫的影響顯著增強(李維京等,2013)。選取前期夏季北極海冰(0°～360°,60～90°N)和CFSv2冬季東亞地區(qū)2 m溫度(70～140°E,15～55°N)的預測結果,采用場耦合預測的方法建立預測系統(tǒng),開展2016年我國160站點冬季的氣溫預測(圖2f)。顯然,降尺度預測結果較CFSv2原始模式結果有加大改進,預測ACC從0.19提高到0.32,距平同號率從63%提高到75%。

作為伊利集團掌舵人，他攻克了“乳糖不耐受”的行業(yè)難題，通過奧運、世博契機推動了中國乳業(yè)升級，打造中國母乳數據庫，以創(chuàng)新引領未來；他不斷推動“創(chuàng)新”和“國際化”兩個輪子，實施“反式創(chuàng)新”，提高“實驗室經濟”效能，帶動中國乳業(yè)品牌登上世界新高度。

5 結論和討論

本文研究了2015/2016年極強ENSO異常下CFSv2氣候模式對我國冬、夏季的業(yè)務實時預測能力,并基于CFSv2耦合模式有效的預測效能,結合我國夏季降水和氣溫變化規(guī)律,研制動力和統(tǒng)計結合的我國160個站點降尺度預測模型并開展2015/2016實時預測。此外,利用年際增量的預測方法,開展2015/2016我國長江中下游區(qū)域夏季降水和華北區(qū)域冬季氣溫的實時預測。研究結果表明:CFSv2模式較成功地預測了2014—2016年逐月ENSO的演變,包括2015年11月ENSO峰值的預測。并且,CFSv2模式能成功地預測2015年夏季西北太平洋副熱帶高壓和冬季的北太平洋高壓的變化,由此說明極強的ENSO事件的確有利于耦合模式正確地預測ENSO時間演變及其ENSO密切相關的氣候系統(tǒng),但對歐亞中高緯環(huán)流系統(tǒng)的預測效能不高,進而影響對我國160站點的降水和氣溫預測的準確度。

年際增量的氣候預測方法可放大中高緯的氣候預測信息,能有效地應用于2015/2016長江中下游夏季降水和華北冬季氣溫的實時預測?；诜犊傻?2007)的預測模型和前人工作的基礎上,本文采用4個冬季(2月以前)的預測因子建立長江中下游夏季降水的預測模型,在1982—2014年交叉檢驗下,相關系數達到0.69,均方根誤差是17%,并能很好再現(xiàn)20世紀80年代的降水多雨的變化趨勢和2000年后的少雨變化趨勢,對2015年長江中下游夏季降水距平百分率的實時預測是38.6%,觀測是31%,預測值與觀測值非常接近。根據Fan(2011)建立華北冬季氣溫的預測模型進行2016年冬季氣溫預測,其結果顯示模型能很好地再現(xiàn)20世紀70年代變暖的趨勢和1998年后氣溫降低的趨勢,2016華北冬季氣溫距平預測是1.20 ℃,高于觀測值0.51 ℃。

最后,考慮前期熱帶太平洋海溫和北極海冰的變化,以及CFSv2較好的預測效能,研制并開展2015/2016我國160站動力和統(tǒng)計結合的降尺度氣候預測,其降尺度氣溫和降水預測結果(ACC,同號率等)顯著高于CFSv2模式直接預測的結果。

然而,我國短期氣候預測研究是世界難題之一,我國氣候變異規(guī)律極其復雜,要提高我國短期氣候預測準確度,要不斷改進耦合模式對熱帶外氣候的預測效能,發(fā)展地球系統(tǒng)模式,深入研究我國氣候變異的規(guī)律,探索研究適合我國氣候預測的創(chuàng)新的理論、方法和預測系統(tǒng)。其中,探索如何有效地將統(tǒng)計和動力氣候模式結合是未來提高我國氣候預測準確度的有效方法之一。

References)

陳興芳,趙振國,2000.中國汛期降水預測研究及其應用[M].北京:氣象出版社. Chen X F,Zhao Z G,2000.The research and application of the rainfall prediction in the flood period of China[M].Beijing:China Meteorological Press.(in Chinese).

丁裕國,江志紅,施能,等,1999.奇異交叉譜分析及其在氣診斷中的應用[J].大氣科學,23(1):91-100. Ding Y G,Jiang Z H,Shi N,et al.,1999.Singular cross-spectrum analysis and its applicability in climatic diagnosis[J].Chin J Atmos Sci,23(1):91-100.(in Chinese).

Fan K,2011.A statistical scheme for seasonal forecasting of North China winter temperature[J].Atmos Oceanic Sci Lett,4:81-85.

Fan K,Wang H J,2009.A new approach to forecasting typhoon frequency over the western North Pacific[J].Wea Forecasting,24(4):974-978.doi:10.1175/2009WAF2222194.1.

范可,王會軍,Choi Young-Jean,2007.一個長江中下游夏季降水的物理統(tǒng)計預測模型[J].科學通報,52(24):2900-2905. Fan K,Wang H J,Choi Y J,2007.A physically-based statistical forecast model for the middle-lower reaches of the Yangtze River Valley summer rainfall[J].Chin Sci Bull,52(24):2900-2905.(in Chinese).

Fan K,Liu Y,Chen H P,2012.Improving the prediction of the East Asian summer monsoon:New approaches[J].Wea Forecasting,27:1017-1030.doi:10.1175/WAF-d-11-000921.

Fan K,Tian B Q,Wang H J,2015.New approaches for the skillful prediction of the winter North Atlantic Oscillation based on coupled dynamic climate models[J].Int J Climatol,36:82-94.doi:10.1002/joc.4330.

高輝,王永光,2007.ENSO對中國夏季降水可預測性變化的研究[J].氣象學報,65(1):131-137. Gao H,Wang Y G,2007.On the weakening relationship between summer precipitation in China and ENSO[J].Acta Meteorologica Sinica,65(1):131-137.(in Chinese).

Huang B,Freeman E,Lawrimore J H,et al.,2015.Extended reconstructed sea surface temperature version 4(ERSST.v4),Part I.Upgrades and intercomparisons[J].J Climate,28(3):911-930.

黃榮輝,陳文,丁一匯,等,2003.關于季風動力學以及季風與ENSO循環(huán)相互作用的研究[J].大氣科學,27(4):484-502. Huang R H,Chen W,Ding Y H,et al.,2003.Studies on the monsoon dynamics and the interaction between monsoon and ENSO cycle[J].Chin J Atmos Sci,27(4):484-502.(in Chinese).

金祖輝,陶詩言,1999.ENSO循環(huán)與中國東部夏季和冬季降水關系的研究[J].大氣科學,23(6):663-672. Jin Z H,Tao S Y,1999.A study on the relationships between ENSO cycle and rainfalls during summer and winter in the Eastern China[J].Chin J Atmos Sci,23(6):663-672.(in Chinese).

Kalnay E,Kanamitsu M,Kistler R,et al.,1996.The NCEP/NCAR 40-year reanalysis project[J].Bull Amer Meteor Soc,77(3):437-471.

Lang X M,2008.Prediction model for spring dust weather frequency in North China[J].Science in China,Series D,51:709-720.

李崇銀,穆穆,周廣慶,等,2008.ENSO機理及其預測研究[J].大氣科學,32(4):761-780. Li C Y,Mu M,Zhou G Q,et al.,2008.Mechanism and prediction studies of the ENSO[J].Chin J Atmos Sci,32(4):761-780.(in Chinese).

李維京,李怡,陳麗娟,等,2013.我國冬季氣溫與影響因子關系的年代際變化[J].應用氣象學報,24(4):385-396. Li W J,Li Y,Chen L J,et al.,2013.Inter decadal variability of the relationship between winter temperature in China and its impact factors[J].J Appl Meteor Sci,24(4):385-396.(in Chinese).

林振山,1992.長期預報的相空間近鄰等距法[J].大氣科學,16(5):530-537. Lin Z S,1992.The model of equal distance of near neighborhood in the phase space for long-term forecast[J].Scientia Atmospherica Scinica,16(5):530-537.(in Chinese).

劉舸,張慶云,孫淑清,2008.澳大利亞東側環(huán)流及海溫異常與長江中下游夏季旱澇的關系[J].大氣科學,32(2):231-240. Liu G,Zhang Q Y,Sun S Q,2008.The relationship between circulation and SST anomaly east of Australia and the summer rainfall in the middle and lower reaches of the Yangtze River[J].Chin J Atmos Sci,32(2):231-240.(in Chinese).

Liu Y,Fan K,2014.An application of hybrid downscaling model to forecast summer precipitation at stations in China[J].Atmos Res,143:17-30.doi:10.1016/j.atmosres.2014.01.024.

Liu Y,Ren H L,2015.A hybrid statistical downscaling model for prediction of winter precipitation in China[J].Int J Climatol,35:1309-1321.doi:10.1002/joc.4058.

劉穎,范可,張穎,2013.基于CFS模式的中國站點夏季降水的統(tǒng)計降尺度預測[J].大氣科學,37(6):1287-1299. Liu Y,Fan K,Zhang Y,2013.A statistical downscaling model for summer rainfall over China stations based on the Climate Forecast System[J].Chin J Atmos Sci,37(6):1287-1299.(in Chinese).

馬潔華,王會軍,2014.一個基于耦合氣候系統(tǒng)模式的氣候預測系統(tǒng)的研制[J].中國科學:地球科學,44:1689-1700. Ma J H,Wang H J,2014.Design and testing of a global climate prediction system based on a coupled climate model[J].Science China:Earth Sciences,44:1689-1700.(in Chinese).

馬開玉,2003.統(tǒng)計預測技術的回顧和展望[J].熱帶氣象學報,19(4):436-441. Ma K Y,2003.Reviewing the statistical techniques of climatic forecasting[J].J Trop Meteor,19(4):436-441.(in Chinese).

Rayner N A,Parker D E,Horton E B,et al.,2003.Global analyses of sea surface temperature,sea ice,and night marine air temperature since the late nineteenth century[J].J Geophys Res,108(D14):1063-1082.

Saha S,Moorthi S,Wu X,et al.,2014.The NCEP climate forecast system version 2[J].J Climate,27(6):2185-2208.

施能,曹鴻興,1992.基于所有可能回歸的最優(yōu)氣候預測模型[J].南京氣象學院學報,4(15):21-26. Shi N,Cao H X,1992.The optimum climate forecasting model based on all possible regressions[J].J Nanjing Inst Meteor,4(15):21-26.(in Chinese).

Tian B Q,Fan K,2015.A skillful prediction model for winter NAO based on Atlantic sea surface temperature and Eurasian snow cover[J].Wea Forecasting,30:197-205.doi:10.1175/WAF-D-14-00100.1.

Wang B,Wu R,Fu X,2000.Pacific-East Asian teleconnection:How does ENSO affect East Asian climate?[J].J Climate,13:1517-1536.

Wang H J,2002.Instability of the East Asian Summer monsoon-ENSO relations[J].Adv Atmos Sci,19(1):1-11.

Wang H J,Fan K,2009.A new scheme for improving the seasonal prediction of summer precipitation anomalies[J].Wea Forecasting,24:548-554.doi:10.1175/2008WAF2222171.1.

王啟光,封國林,支蓉,等,2012.長江中下游汛期降水數值預報業(yè)務模式誤差場預報研究[J].氣象學報,70(4):789-796. Wang Q G,Feng G L,Zhi R,et al.,2012.A study of the error field of the flood period precipitation of the mid-lower reaches of the Yangtze River as predicted by an operational numerical prediction model[J].Acta Meteorologica Sinica,70(4):789-796.(in Chinese).

王紹武,趙宗慈,1987.長期天氣預報基礎[M].上海:上?？茖W技術出版社. Wang S W,Zhao Z C,1987.The basis of long-term weather forecast[M].Shanghai:Shanghai Scientific and Technical Publishers.(in Chinese).

魏鳳英,2007.現(xiàn)代氣候統(tǒng)計診斷預測技術[M].2版.北京:氣象出版社. Wei F Y,2007.Modern climate diagnostic and statistical forecasting techniques [M].2nd Edition.Beijing:China Meteorology Press.(in Chinese).

武炳義,黃榮輝,1999.冬季北大西洋濤動極端異常變化與東亞冬季風[J].大氣科學,23(6):641-651. Wu B Y,Huang R H,1999.Effects of the extremes in the North Atlantic Oscillation on East Asia winter monsoon[J].Chin J Atmos Sci,23(6):641-651.(in Chinese).

吳統(tǒng)文,宋連春,李偉平,等,2014.北京氣候中心氣候系統(tǒng)模式研發(fā)進展—在氣候變化研究中的應用[J].氣象學報,72(1):12-29. Wu T W,Song L C,Li W P,et al.,2014.An overview on progress in Beijing Climate Center Climate System Model—Its development and application to climate change studies[J].Acta Meteorologica Sinica,72(1):12-29.(in Chinese).

徐康,何金海,祝從文,2011.近50年中國東部夏季降水與貝加爾湖地表氣溫年代際變化的關系[J].氣象學報,69(4):570-580. Xu K,He J H,Zhu C W,2001.The interdecadal linkage of the summer precipitation in eastern China with the surface air temperature over Lake Baikal in the past 50 years[J].Acta Meteorologica Sinica,69(4):570-580.(in Chinese).

徐志清,范可,2012.冬季和春季印度洋海溫異常年際變率模態(tài)對中國東部夏季降水的可能影響過程[J].大氣科學,36(5):879-888. Xu Z Q,Fan K,2012.Possible process for influences of winter and spring Indian Ocean SST anomalies interannual variability mode on summer rainfall over eastern China[J].Chin J Atmos Sci,36(5):879-888.(in Chinese).

嚴華生,王學仁,1991.多因變量及要素場的統(tǒng)計預報[M].北京:氣象出版社. Yan H S,Wang X R,1991.Multi-variable factors and statistic forecast of elements field[M].Beijing:China Meteorological Press.(in Chinese).

俞永強,鄭偉鵬,張學洪,等,2007.LASG耦合氣候系統(tǒng)模式FGCM-1.0[J].地球物理學報,50(6):1677-1687. Yu Y Q,Zheng W P,Zhang X H,et al.,2007.LASG coupled climate system model FGCM-1.0[J].Chin J Geophys,50(6):1677-1687.(in Chinese).

曾慶存,袁重光,王萬秋,等,1990.跨季度氣候距平氣候數值預測試驗[J].大氣科學,14(1):10-25. Zeng Q C,Yuan C G,Wang W Q,et al.,1990.Experiments in numerical extraseasonal prediction of climate anomalies[J].Scientia Atmospherica Scinica,14(1):10-25.(in Chinese).

翟盤茂,余榮,郭艷君,等,2016.2015/2016 年厄爾尼諾過程及其對全球和中國氣候的主要影響[J].氣象學報,74(3):309-321. Zhai P M,Yu R,Guo Y J,et al.,2016.The strong El Nio in 2015/2016 and its dominant impacts on global and China’s climate.Acta Meteorologica Sinica,74(3):309-321.(in Chinese).

張邦林,丑紀范,1991.經驗正交函數在數值模擬中的應用[J].中國科學B,4:442-448. Zhang B L,Chou J F,1991.Application of EOF in the climate numerical simulation[J].Science in China(Series B),4:442-448.(in Chinese).

趙振國,劉海波,2003.我國短期氣候預測的業(yè)務技術發(fā)展[J].浙江氣象,24(3):1-6. Zhao Z G,Liu H B,2003.The development on the operational technique for short term climate forecast[J].Journal of Zhejiang Meteorology,24(3):1-6.(in Chinese).

周波濤,2011.冬季澳大利亞東側海溫與長江流域夏季降水的聯(lián)系及可能物理機制[J].科學通報,56(16):1301-1307. Zhou B T,2011.Linkage between winter sea surface temperature east of Australia and summer precipitation in the Yangtze River valley and a possible physical mechanism[J].Chin Sci Bull,56(16):1301-1307.(in Chinese).

Hybrid dynamical and statistical climate prediction in China during the extremely strong El Nio of 2015/2016

FAN Ke1,2,TIAN Baoqiang1,2,LIU Ying2,3

1Nansen-ZhuInternationalResearchCentre,InstituteofAtmosphericPhysics,ChineseAcademyofSciences,Beijing100029,China;

2CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters,NanjingUniversityofInformationScience&Technology(CIC-FEMD),Nanjing210044,China;

3LaboratoryforClimateStudies,NationalClimateCenter,ChinaMeteorologicalAdministration,Beijing100081,China

Real-time seasonal climate prediction was performed in China during the extremely strong El Nio event of 2015/2016,through a combination of dynamical and statistical climate prediction.Generally,real-time summer(winter) climate prediction in China starts in February(October) in every year.The results showed that,although the NCEP-CFSv2 coupled model predicted the evolution of the extremely strong El Nio event in 2015/2016 well,its performance in predicting the summer rainfall anomaly of 2015 and the winter temperature of 2016 at 160 stations in China was limited.Compared to observation,CFSv2 predicted a stronger East Asian summer monsoon and weaker East Asian winter monsoon.One of the reasons for this is that CFSv2 is poor at predicting the extratropical climate system.Thus,based on the climate prediction direct outputs of the NCEP-CFSv2 model,we created a hybrid dynamical and statistical prediction model for forecasting the precipitation anomaly and temperature anomaly at 160 stations in China in 2015/2016.The skill of the hybrid of statistical and dynamical prediction model was higher than that of the direct prediction results of the NCEP-CFSv2 model.The spatial anomaly correlation coefficient(ACC) of summer rainfall at 160 stations in China in 2015 increased from 0.21 to 0.31(exceeding the 99% significance level),along with the percentage of the same sign of the rainfall anomaly improving to 60% from 50%.The model reproducedthe observed flood pattern in southern China,as well as the drought pattern in summer 2015.Meanwhile,the prediction ACC of winter temperature in China in 2016 increased to 0.32 from 0.19,and the percentage of the same sign of the temperature anomaly increased to 75% from 62%.Moreover,the year-to-year increment prediction method proposed by Fan et al.(2007) was applied successfully to predict summer rainfall over the Yangtze River valley in 2015,and winter temperature over North China in 2016.The year-to-year increment method predicts the year-to-year increment of the climate variable instead of the climate anomaly,in which the year-to-year increment of the climate is defined as the climate variable of the current year minus that of the previous year.The year-to-year increment of the climate variable was firstly predicted by the statistical or dynamical model,and then the predicted climate anomaly or climate variable of the current year could be obtained by adding the predicted year-to-year increment to the observed one of the previous year.The advantage of the year-to-year increment is that it can amplify the prediction signal,especially the extra tropical climate signal.Furthermore,as the observed climate in the previous year is an accurate value containing the interannual and interdecadal signals,it further promotes the level of accuracy in predicting the interannual and interdecadal climate variable.The results showed that the summer rainfall anomaly over the middle and lower reaches of the Yangtze River valley in 2015 could be predicted successfully by the year-to-year increment;the predicted(observed) value in 2015 was 38.6%(31%).Meanwhile,the upward trend of the summer rainfall anomaly over the middle and lower reaches of the Yangtze River valley since the 1980s,and the downward trend since 2000,were also reproduced.The model reproduced the warming trend since the 1970s,and the slowly cooling trend since 1998,with the predicted(observed) winter temperature anomaly over North China being 1.20 ℃(0.51 ℃).However,there is still a long way to go in terms of improving the prediction skill level in China to a sufficiently high level.The extratropical climate prediction skill should be improved by improvement to thedynamical model.It is necessary to explore how to combine the dynamical climate model with the statistical climate model more effectively.Importantly,climate theory,methods and techniques,models,as well as climate dynamics suited for climate variability in China,should be further developed.

(責任編輯：張福穎)

范可,田寶強,劉穎,2016.2015/2016年極強厄爾尼諾事件下我國動力和統(tǒng)計結合實時氣候預測研究[J].大氣科學學報,39(6):744-755. Fan K,Tian B Q,Liu Y,2016.Hybrid dynamical and statistical climate prediction in China during the extremely strong El Nio of 2015/2016[J].Trans Atmos Sci,39(6):744-755.

10.13878/j.cnki.dqkxxb.20160814003.(in Chinese).

10.13878/j.cnki.dqkxxb.20160814003

*聯(lián)系人，E-mail:fanke@mail.iap.ac.cn