NCEP CFSv2模式对中国西南月尺度降水预测能力评估

基于NCEP CFSv2模式逐日预测未来45 d的降水数据,结合站点观测资料,对西南地区逐月降水量空间形态和年际变化预测技巧进行评估。结果表明:模式除汛期(5—9月)在四川东北部和重庆东北部为干偏差外,其余地区和月份均为湿偏差。偏差较大的月份主要集中在夏季,区域平均偏差从1—12月呈现出“上升—下降—上升”的趋势,4月最大,10月最小。随着预报时效的增加,模式对空间形态预测技巧降低,但对量级预测技巧提升。在不同预报时效上,模式对中雨、大雨和暴雨日数的逐月“Ω”趋势预测基本正确,但小雨日与观测呈现相反特征。模式对小雨和中雨日的预测高于观测,但大雨和暴雨日低于观测。年际变化上,模式在大多数地区预测为正相关,负相关区主要集中在四川盆地至川西高原地区,以及重庆、四川和贵州三省交界地区。高相关系数区表现出春-夏-秋-冬季逐渐北推西进然后东退南落的演变特征,但均方根误差在不同月份、不同区域的偏差量级有所差异。对于区域平均降水量的年际变化,模式基本为正相关系数,且随着预报时效临近相关系数越高,但均方根误差改善不明显。

基于CFSv2产品和机器学习的东江流域月降水预报

中长期降水预报一直以来是研究水文气象变化的热点,其精度与可靠性不高的问题亟待解决。以东江流域为研究对象,通过距平相关系数ACC、标准化均方根误差NRMSE、平均绝对误差MAE和多模型稳定性指数MSI评估CFSv2模式产品在月尺度的预测精度与稳定性,采用CFSv2模式降水预报、CFSv2模式预报因子结合机器学习模型预报2种方法预测未来降水。结果表明,不同预见期下,CFSv2模式降水预测与实测降水量具有较高的相关性,对于枯水期的预测效果好于汛期,但随着起报时间发生改变,降水预测的差异性较大,模型稳定性较差;CFSv2模式预报因子结合机器学习模型提高了预测的稳定性,相较于CFSv2模式降水预测,MSI从0.45降低到0.25,在很大程度上减小了由于起报时间改变产生的预报随机性。研究成果可为中长期降水预测提供一种新的思路,并为中长期水文预报和水资源管理提供决策依据。

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。

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。

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。

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。

CFSv2模式对东北地区夏季各月降水的预测性能评估

利用距平相关系数(ACC)、距平符号一致率(Pc)、趋势异常综合检验(Ps)等3种方法,对CFSv2模式在东北地区开展的1983-2010年夏季各月降水回报试验结果、2011-2014年业务应用结果进行综合评估。结果表明,CFSv2模式在东北地区夏季各月降水的效果相对较好。尽管目前应用的业务评分办法的评分都相对较高,但年际差异明显,预测效果不稳定,需要进一步提高模式的预测技巧。

CFSv2模式对巴彦淖尔市夏季月气温和降水量预测能力的评估

基于美国环境预测中心的CFSv2模式输出的1984—2009年6—8月平均气温和降水量格点数据,以及巴彦淖尔市9个气象台站的气温和降水实况数据,评估该模式对巴彦淖尔市6—8月气温、降水的预测能力。结果表明:模式对气温气候平均态的模拟和实况分布存在差异,降水反映出东多西少的分布特征,但气候平均值明显偏小。模式预测气温明显高于实况,但能够较好地反映26a气温的变化趋势,两者年际变化相关显著;模式预测降水量平均仅为实况降水量的1/2,并且对>50mm月降水量的预测能力较差。Pc、Ps评分检验显示,6月评分高于7、8月,降水量高于气温,模式对降水量预测的Ps评分已达到业务考核标准,经量级订正后,可以业务应用。

CFSv2在湖北省梅雨特征量延伸期预报中的应用

利用NCEP的气候预报系统第二版(CFSv2)提供的逐日降水模式资料,采用集合预报方法开展区域性夏季降水预报,使用出入梅日期均方根误差(RMSE)、准确率(ACCU),梅雨期长度均方根误差(RMSE)及梅雨雨强距平符号一致率(Pc)等3种方法评估模式资料对湖北省梅雨特征量的预报能力。结果表明:入梅预报提前13 d的ACCU可达0.5以上、RMSE小于3 d,出梅预报提前14 d的ACCU可达0.5以上、RMSE小于3 d,梅雨期长度预报提前14天的RMSE小于5 d,梅雨雨强预报提前14 d的Pc可达0.5以上。梅雨特征量总体预报时效为14 d左右,CFSv2模式资料对区域性夏季降水在梅雨延伸期时段表现出一定的预报技巧。

NCEP CFSv2对北半球夏季中高纬阻塞高压的预测检验

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模式产品对贵州一次区域暴雨过程的预报能力分析

基于美国国家环境预报中心提供的CFSv2未来45 d的气候模式产品资料、NCEP/NCAR再分析逐日资料和贵州省85个地面气象观测站的逐日降水资料,评估了CFSv2延伸期时段降水量预报产品对贵州省2019年6月5—9日区域暴雨过程的预报能力。结果表明,CFSv2在提前15~10 d时段对贵州区域暴雨过程的预报能力较好,对6月8日最大降水日的预报信号稳定、持续。通过500 hPa环流形势的预报场与实况场的对比分析,发现影响暴雨过程预报量级偏小的原因主要在于西太平洋副热带高压预报的强度偏小、位置偏南。

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的ACC为0.13,略高于目前省级和国家级发布的月预测平均成绩,对成都西南部和东南部的预报效果较好;Ps评分平均为65.7分;期间主要降水过程的Cs评分为0.48,Zs评分为0.64,空报率为38%,漏报率为34%。经过订正后,预测效果的空间差异无明显变化,ACC提高0.04,Ps评分提高4.3分,Cs评分提高0.05分,Zs评分提高0.14分,空报率降低22%,漏报率降低5%,预测准确率明显提升。

CFSv2系统对2015年11月中国一次寒潮过程及其欧亚冷空气活动的预报评估

选择美国环境预报中心(NCEP)第二代气候预报系统CFSv2预报长度为9个月的业务化预报资料、美国NOAA气候预测中心(CPC)的全球逐日最高和最低地表气温资料、美国环境预报中心的NCEP/DOE再分析资料,评估了CFSv2系统对2015年11月21-27日发生在中国的寒潮过程的预报能力。结果表明:分辨率较高的CPC资料和分辨率比较粗的NCEP/DOE资料对这次寒潮过程的演变特征、降温幅度和温度距平都展现的很清楚,这次寒潮过程造成的降温主要发生在中国东部地区,同时里海和黑海以北地区也明显降温,降温明显的还有亚洲北部北冰洋沿岸地区;西伯利亚到我国东部地区比常年明显偏冷,西欧地区和伊朗高原气温偏低,欧亚大陆其他区域特别是北部地区气温是偏高的;CFSv2对这次速冻寒潮过程的整体降温和温度距平提前0,5,10和15天的都有一定得预报能力,但提前20天时预报能力已经较差,整体来讲,CFSv2对寒潮降温过程空间形势分布的预报比温度距平场的好,但与观测值的绝对误差比温度距平场的大;CFSv2对这次寒潮过程造成的我国华北华南及附近区域的降温预报偏低,而对俄罗斯西伯利亚、蒙古和我国东北地区的降温预报偏高,此外对里海和黑海以北地区的降温预报也明显偏低;CFSv2对整个欧亚陆地主体区域寒潮过程温度距平的预报偏低,而对周边海洋区域及其邻近海岸地区的预报偏高。

Verification and Improvement of the Ability of CFSv2 to Predict the Antarctic Oscillation in Boreal Spring

The boreal spring Antarctic Oscillation(AAO)has a significant impact on the spring and summer climate in China.This study evaluates the capability of the NCEP's Climate Forecast System,version 2(CFSv2),in predicting the boreal spring AAO for the period 1983-2015.The results indicate that CFSv2 has poor skill in predicting the spring AAO,failing to predict the zonally symmetric spatial pattern of the AAO,with an insignificant correlation of 0.02 between the predicted and observed AAO Index(AAOI).Considering the interannual increment approach can amplify the prediction signals,we firstly establish a dynamical-statistical model to improve the interannual increment of the AAOI(DY AAOI),with two predictors of CFSv2-forecasted concurrent spring sea surface temperatures and observed preceding autumn sea ice.This dynamical-statistical model demonstrates good capability in predicting DY AAOI,with a significant correlation coeffcient of 0.58 between the observation and prediction during 1983-2015 in the two-year-out cross-validation.Then,we obtain an improved AAOI by adding the improved DY AAOI to the preceding observed AAOI.The improved AAOI shows a significant correlation coeffcient of 0.45 with the observed AAOI during 1983-2015.Moreover,the unrealistic atmospheric response to March-April-May sea ice in CFSv2 may be the possible cause for the failure of CFSv2 to predict the AAO.This study gives new clues regarding AAO prediction and short-term climate prediction.

基于CFSv2的四川省延伸期三类天气过程预报研究

为建立四川省延伸期高温、降水和强降温过程的预报模型,利用第二代气候预报系统(climate forecast system version 2,CFSv2)预报的延伸期逐日环流场和四川省台站逐日降水、最高温度和最低温度,采用动力应用法,通过把预报环流场按预报时效逐日分组,以各组预报环流场与站点要素同期变化显著相关区域的环流场作为预报因子,逐日建立各站点的多因子线性预报方程。将站点预报插值为格点预报,得到四川省延伸期逐日降水、高温和强降温格点预报。3次预报试验和回报结果表明:该方法能够提前11~30天报出大型天气的主要发生时段、落区和强度。该方法对高温和强降温过程的预报效果比降水预报好,随着预报提前时间增加,3种要素预报效果逐渐降低。研究结果对延伸期精细化气象服务具有重要参考价值。

基于CFSv2的延伸期空气质量数值预报技术及效果评估

介绍了基于CFSv2产品开展空气质量数值模拟的技术方法以及基于该技术的成都市延伸期空气质量预报系统,评价了2019年9月25日至12月25日的预报结果,以2019年12月为例分析了系统对具体污染过程的预报能力。结果表明,系统AQI预报准确率为36.67%,等级预报准确率为68.93%,“时段1”的预报效果优于其余时段,但“时段2”和“时段3”在污染物浓度水平上仍然具有较高的参考价值。系统在PM2.5浓度、气温和气压的变化趋势上提供21 d左右的参考。后续工作中,将针对CFSv2产品开展气象模型参数方案优选,并尝试结合基于GFS产品驱动的常规业务数值预报产品为延伸期空气质量预报提供污染物浓度初始场,减少误差传递,从而提高延伸期空气质量预报产品的准确性和可用性。

Seasonal Prediction for May Rainfall over Southern China Based on the NCEP CFSv2

In this study,we assess the prediction for May rainfall over southern China(SC)by using the NCEP CFSv2 outputs.Results show that the CFSv2 is able to depict the climatology of May rainfall and associated circulations.However,the model has a poor skill in predicting interannual variation due to its poor performance in capturing related anomalous circulations.In observation,the above-normal SC rainfall is associated with two anomalous anticyclones over the western tropical Pacific and northeastern China,respectively,with a low-pressure convergence in between.In the CFSv2,however,the anomalous circulations exhibit the patterns in response to the El Ni?o-Southern Oscillation(ENSO),demonstrating that the model overestimates the relationship between May SC rainfall and ENSO.Because of the onset of the South China Sea monsoon,the atmospheric circulation in May over SC is more complex,so the prediction for May SC rainfall is more challenging.In this study,we establish a dynamic-statistical forecast model for May SC rainfall based on the relationship between the interannual variation of rainfall and large-scale ocean-atmosphere variables in the CFSv2.The sea surface temperature anomalies(SSTAs)in the northeastern Pacific and the centraleastern equatorial Pacific,and the 500-h Pa geopotential height anomalies over western Siberia in previous April,which exert great influence on the SC rainfall in May,are chosen as predictors.Furthermore,multiple linear regression is employed between the predictors obtained from the CFSv2 and observed May SC rainfall.Both cross validation and independent test show that the hybrid model significantly improve the model’s skill in predicting the interannual variation of May SC rainfall by two months in advance.

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.

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。

基于CFSv2.0西南地区机场10~30d延伸期预报产品设计与实现

延伸期逐日预报对于民航属于新兴气象业务。针对民航运行服务需求,根据CFSv2.0气候模式预报产品,运用双线性站点插值技术,基于5 d集合滑动平均和实况报文订正方案生成10~30 d西南地区各机场延伸期逐日最高温度、最低温度、降水量和风向风速的时序柱状曲线预报产品。选取2020年冬季双流机场和贵阳机场强降温和持续性降水过程进行预报效果检验,结果表明:机场延伸期逐日预报产品在强降温与持续性降水预报方面表现出较好的预报性能,能平均提前16 d预报强降温过程,提前20 d预报持续性降水过程。与实况数据相比,强降温和持续性降水预报的时段、强度略有偏差,但预报的变化趋势基本一致。