Skill improvement of the yearly updated reforecasts in ECMWF S2S prediction from 2016 to 2022

在2016年至2022年间,ECMWF次季节预测系统不断升级并逐年完成新的回报试验。本文考察该预测系统逐年升级带来的预测技巧提升潜力.从2米气温和降水来看,在起报之后的前两周内天气尺度上预测技巧表现出逐年稳定提升的趋势;在从第三周开始的次季节时间尺度上,预测技巧的提升仅限于热带部分区域.MJO预测技巧并不随着模式升级而逐年单调提升.尽管目前S2S预测技巧存在局限性,但目前已有的进展增强了在未来深入合作以提高S2S预测技术的信心.

基于NCEP-GEFS回算资料的我国极端温度变化特征研究

利用美国NCEP全球集合预报系统(GEFS)历史回算资料和中国均一化格点观测数据,分析了我国近30 a来极端温度变化特征,重点考察了该模式预报系统对这一变化特征的刻画性能。通过估算格点观测和模式资料中2 m温度的历史气候百分位,分析了我国冬夏两季极端温度的气候特征以及极端温度日数的气候分布和多年变化趋势。结果表明,我国冬季极端低温和夏季极端高温的空间分布表现出较强区域性特征:东北、华北和青藏高原区域冬季极端低温的百分位阈值对应的温度较低,而华南、西北和长江流域夏季极端高温的阈值温度则较高;近30 a来我国夏季平均温度和极端高温日数几乎都呈现上升趋势,冬季平均温度则在我国大部分区域呈上升趋势、西北和东北部分地区呈下降趋势,相应地冬季极端低温日数在大部分区域呈下降趋势、仅在西北、东北和华南部分地区略有上升。NCEP-GEFS回算资料能较好地再现我国冬夏两季平均气温、冬季极端低温和夏季极端高温日数的气候趋势和年际变化,但在各区域都有不同程度的冷偏差,冬季偏差明显大于夏季,并随着预报时长的增加,冬季冷偏差逐渐增强,而夏季冷偏差则逐渐减弱。因此,本文建议采用基于百分位阈值的相对极端性定义,可自动修正模式分析场和预报场中的系统性偏差。

GEFSv12降水再预报数据在淮河流域的适用性评估

新一代全球集合预报(global ensemble forecast system version 12,GEFSv12)是美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)发布的最新的再预报数据集,对该数据集中的降水数据在淮河流域的适用性进行评估。由于原始预报存在系统偏差,所以应用贝叶斯联合概率模型(Bayesian joint probability,BJP),对原始GEFSv12再预报数据进行统计后处理。预报验证的评价指标包括均方根误差(E)、Brier技巧评分(E)、连续等级概率技巧评分(E)、α指数及可靠性框图,注重从预报偏差、精度以及可靠性3方面评价原始预报及经过后处理的预报。结果表明:GEFSv12降水再预报数据对淮河流域具有较好的适用性,在预见期1~7 d具有预报技能;BJP统计后处理方法能有效降低预报系统性偏差,增加预报精度以及预报可靠性,经过后处理的降水集合预报将有利于进一步的水文集合预报应用。