月動力延伸預測模式業(yè)務系統(tǒng)DERF2.0對中國氣溫和降水的預測性能評估

何慧根1, 3 李巧萍2 吳統(tǒng)文2 唐紅玉1 胡澤勇3

?

月動力延伸預測模式業(yè)務系統(tǒng)DERF2.0對中國氣溫和降水的預測性能評估

何慧根李巧萍吳統(tǒng)文唐紅玉胡澤勇

1重慶市氣候中心，重慶401147;2國家氣候中心，北京100081;3中國科學院寒旱區(qū)陸面過程與氣候變化重點實驗室，蘭州730000

基于國家氣候中心第二代月動力延伸預測模式業(yè)務系統(tǒng)（DERF2.0）開展的1982～2010年的回報試驗結果和國家氣象信息中心提供的669個臺站氣象觀測資料，利用距平相關系數ACC、平均方差技巧評分MSSS、距平符號一致率和短期氣候預測業(yè)務分級檢驗Pg等4種方法綜合評估了DERF2.0系統(tǒng)對中國的氣溫和降水的預測性能。結果表明，DERF2.0模式對氣溫的總體預測效果較好，對氣溫的預測性能較DERF1.0模式有了較明顯的提升。與過去全國的短期氣候預測業(yè)務評分相比，DERF2.0對氣溫和降水的預測都有所提高。與氣溫相比，DERF2.0對降水的預測性能相對較差，對降水的預測水平與DERF1.0相接近。DERF2.0 對發(fā)生在1998年和2006年的極端旱、澇個例年也有一定的預測能力，且對氣溫的預測明顯好于降水。從空間上來看，DERF2.0在西南地區(qū)的確定性預測效果較差，模式仍然有很大的改進空間。

BCC_AGCM 月動力延伸 DERF2.0 月預測 預測性能

1 引言

業(yè)務上月尺度氣候預測嘗試始于20世紀80年代。自Miyakoda et al.（1983，1986）的一系列月平均環(huán)流場異常預測成功后，長期數值預報迅速發(fā)展。最具代表性的歐洲中期數值模式預報中心（ECMWF）于20世紀90年代初就建立了基于持續(xù)性海溫異常強迫、高分辨率的月尺度氣候預測系統(tǒng)T159L40，2004年該系統(tǒng)發(fā)展為集合成員達51個的海氣耦合月尺度集合預測系統(tǒng)（李維京，2012）。美國的氣候預測中心（NCEP/CPC）也于2004年基于NCEP的大氣、海洋和陸地同化資料，發(fā)展了分辨率為T62L64（水平近似于210 km）的海氣耦合模式CFSv1，該模式初始場由15個不同時間的樣本集合而成。2011年NCEP/CPC推出了包含16個集合成員、積分時間達45天的第二代模式系統(tǒng)CFSv2，其水平分辨率提升為T126（近似于100 km）（Saha et al., 2012）。日本氣象廳（JMA）的集合月動力延伸預報模式由日本的全球大氣環(huán)流模式TL159（近似于1.125°×1.125°）采用由JMA氣候資料同化系統(tǒng)提供的初值積分而成，系統(tǒng)集合了50個成員，每周運行兩次（JMA, 2010）。成立于2005年的亞洲太平洋經濟合作組織氣候中心（APCC）集合了美國、日本、加拿大、中國等國家的15個模式，提供全球和東亞地區(qū)未來3個月的逐月氣候預測產品（Wang et al., 2009）。以上國外模式產品被廣泛應用于短期氣候預測之中，目前已成為了月尺度氣候預測的主要工具。

“九五”期間，在國家重中之重項目“我國短期氣候預測業(yè)務系統(tǒng)的研究”的支持下，國家氣候中心和中國科學院大氣物理研究所共同研制出中等分辨率的全球大氣環(huán)流模式BCC_AGCM1.0（Beijing Climate Center Atmospheric General Circulation Model version 1.0）。該模式水平方向采用三角形截斷，取63波（近似于1.875°×1.875°），垂直方向分16層（T63L16）（丁一匯等，2002）。基于該模式建立了國家氣候中心第一代月動力延伸預測模式業(yè)務系統(tǒng)DERF1.0（Dynamic Extended Range Forecast operational system version 1.0）。該系統(tǒng)初值形成包含滯后平均法和奇異向量法，對不同的初值進行45天積分，并利用不同的方法進行集合信息提取，形成最終產品。該系統(tǒng)提供的月預測為逐旬滾動，每月運行3次（每旬一次），分別以每旬的最后4日4個時次的初始場為基本初值，海溫場選用距初值最近的周平均實況海溫，進行30天平均集合預報，集合的最大成員數可達64個（張培群等，2004）。該模式于2001年6月進行業(yè)務化試驗運行，2005年作為我國第一代短期氣候預測動力氣候模式業(yè)務系統(tǒng)的重要組成部分投入了業(yè)務應用。該模式產品已成了我國月預測的主要參考依據之一。

2005年起，國家氣候中心基于美國國家大氣研究中心NCAR（Nation Center for Atmospheric Research）的CAM3.0模式（Community Atmospheric Model version 3.0），發(fā)展了第二代全球大氣環(huán)流譜模式BCC_AGCM2.0.1。其水平分辨率為T42（近似于2.8125°×2.8125°），垂直方向采用混合坐標，共26層（郭準等，2011）。該模式引入了參考大氣和參考面氣壓，改進了對流參數化等物理過程（Zhang and Mu，2005；Wu et al., 2008），并對模式邊界層進行了處理，加入了新的感熱和潛熱通量計算方案（董敏等，2009），采用了Wu et al.,（2004）提出的雪蓋參數化方案。其他模式物理參數化方案，如輻射過程傳輸、陸面過程、邊界層過程等與CAM3.0相同（頡衛(wèi)華和吳統(tǒng)文，2010）。該模式的具體介紹詳見文獻Wu et al.（2010）。2008～2009年，BCC_AGCM2.0.1在線耦合了氣溶膠模式（CUACE）、大氣化學模式（MOZART），還實現了碳通量交換，建立了包含全球碳循環(huán)和動態(tài)植被的?！憽獨狻玉詈系臍夂蛳到y(tǒng)模式BCC_CSM1.1版本。該系統(tǒng)已用于CMIP5模式比較計劃的相關試驗。

以往研究表明BCC_AGCM2.0.1模式對天氣尺度的演變過程具有4～7 d的可預報性（頡衛(wèi)華和吳統(tǒng)文，2010），對熱帶大氣季節(jié)內振蕩有較好的預測效果，且明顯優(yōu)于CAM3.0模式（董敏等，2009），對極端溫度事件及其趨勢變化有較好的預測效果（Dong et al., 2012）。能預測出南澇北旱的格局，還能預測出對流層中上層變冷則西風急流向南傾斜，西南季風偏弱，雨帶也隨之偏南的相互關系，但對流層的冷中心和大尺度環(huán)流的預測存在著偏差（Chen et al., 2012）。對北半球冬季環(huán)流場也存在一定的偏差，極渦振蕩的振幅較強，振蕩的時間也有所漂移，平流層極渦存在偏冷、偏強現象，對流層副熱帶西風急流偏弱（劉玉鎮(zhèn)等，2012）。

近幾年來國家氣候中心對BCC_ AGCM2.0.1再次進行了優(yōu)化，2011年3月完成了BCC_AGCM2.2版本的定型。在模式分辨率方面，BCC_AGCM2.2比CAM3.0有所提高，水平分辨率從原來的T42提高到T106，垂直分為26層（T106L26）。在BCC_AGCM2.2版本的基礎上建立了第二代月動力延伸預測模式業(yè)務系統(tǒng)DERF2.0。第二代月動力延伸預測模式業(yè)務系統(tǒng)從模式結果本身、分辨率等方面與第一代相比進行了較大的調整。該系統(tǒng)性能穩(wěn)定，2014年應用于預測業(yè)務。DERF2.0的大氣初始場采用NCEP一日四次的再分析資料，資料使用nudging方法輸入到模式，海表溫度初始場采用NOAA 的OISST再分析資料，包括月平均資料和周平均資料，在資料能夠獲取的情況下使用最近的周平均資料，在模式中保持初始海溫異常持續(xù)。本文分析的回報試驗結果使用的是每月1日起報，預報2個月。每月集合預報采用滯后平均方案，由不同起報時間組成，從起報之日向前每隔12小時進行一次，共6個樣本成員進行集合平均。

本文基于DERF2.0開展的1982～2010年的回報試驗結果，利用對模式要求較為嚴格的距平相關系數ACC、平均方差技巧評分MSSS（Mean square skill score）、距平符號一致率和短期氣候預測業(yè)務分級檢驗Pg評分等4種方法綜合評估DERF2.0的預測性能，為科學利用該模式進行旬、月尺度氣候預測提供科學基礎，為進一步改進模式性能提供科學依據，以期提高我國短期氣候預測業(yè)務服務的準確率。

圖1 全國669個氣象站分布

2 資料來源和數據處理方法

以往的模式評估和業(yè)務預測質量評估中都采用全國160站實測資料作為評估標準（陳桂英和趙振國，1998；丁一匯等，2004）。一方面近年來模式的分辨率在不斷提高，另一方面全國160個臺站分布不均勻，呈東多西少的分布特征，很難正確反映模式對我國西部地區(qū)的預測性能。

本文所用資料主要包括：（1）從全國756個站中挑選出資料相對完整的669個氣象站1982～2010年氣溫和降水資料（來源于中國氣象局氣象信息中心），氣象站分布如圖1所示。（2）DERF2.0進行的1982～2010年逐月地面氣溫和降水的回報結果。多年平均采用1982～2010年共29年平均。格點插值到站點的方法采用的是雙線性插值法。

短期氣候預測評分方法有很多。預測業(yè)務中常用的有相關系數RR（Chen et al., 2012）、距平相關系數ACC、預報技巧評分S、異常氣候評分TS和短期預測業(yè)務評分Ps等（陳桂英和趙振國，1998；李清泉等，2004；李維京，2012）。相關系數RR法對相對較大的數比較敏感，預報技巧評分法主要是 相對于無技巧的預報技巧評分，是一個比較客觀的評分方法，但評分與預報量分級評估有關，分級越多隨機預報的準確率越低（王紹武和朱錦紅，2000）。異常氣候評分TS用于評估預報異常級的能力，以 前我國的月氣溫和降水的異常評分都比較低（陳桂英和趙振國，1998）。之前我國的業(yè)務預測評分方法由國家氣象中心長期天氣預報科使用的評分方法修改而來，經驗性較強。為了加強和規(guī)范短期 氣候預測質量評定，鼓勵預測異常級，2010年中國氣象局采用了分級業(yè)務評分Pg法。為了系統(tǒng)性地 評估模式的預測效果，改進預測技術，提高預測質量，本文選用距平相關系數ACC、平均方差技巧評分MSSS、距平符號一致率和預測業(yè)務分級檢 驗Pg評分等4種指標對預測回報試驗結果進行定量評估。

距平相關系數ACC，主要反映的是預報值與實況值的相似程度，是世界氣象組織（WMO）于1996年11月在意大利召開的第11屆工作會議上確定并建議使用的指標。“九五”期間我國短期氣候預測系統(tǒng)的評估就以此作為評估參數之一（李清泉等，2004）。距平相關系數公式如下：

平均方差技巧MSSS評分是1996年WMO建議在氣候預測中使用的評分辦法（WMO，1999），我國的第一代短期氣候預測系統(tǒng)曾用此方法進行評估（李清泉等，2004）。2006年WMO提出了標準評估系統(tǒng)，推薦模式的氣候預測采用MSSS 法進行評估（WMO，2006）。MSSS評分法主要是用于不分類的確定性預報檢驗和評估（WMO，2009）。和（=1，…，）分別表示某一格點或站點處的觀測和確定性預測時間序列。兩者的均值分別為和，方差分別為和：

（3）

預測的均方誤差為

“氣候學”預測的均方誤差為

, （5）

在點處的均方差技巧評分（MSSS）則定義為

對于不同的緯度位置，MSSS的計算應該利用下式：

（7）

距平（距平百分率）符號一致率簡稱同號率，以百分率的形式表現預報與實況的相似程度，是過去我國長期天氣預報中用來檢驗的一種有效方法，是指預測值與實況值距平符號相同，或是有一個距平為0的氣象站站數與評分的氣象站總站數的百分比。

, （8）

式中，為評分的氣象站總站數，為預測與實況距平（距平百分率）符號相同或兩者中有一個距平為0的氣象站站數。

分級檢驗Pg評分法主要用于評定預測的氣溫距平（降水距平百分率）量級與實況的氣溫距平（降水距平百分率）的接近程度。根據中國氣象局2010年1月1日起執(zhí)行的業(yè)務預測評分標準，氣溫和降水的趨勢預測按照六級評分制進行評定，具體的各級劃分標準詳見表1。

表1 氣溫、降水趨勢預測六級評分制用語及各等級劃分標準

注：Δ表示降水距平百分率；Δ表示氣溫距平

本檢驗方法最高分為100分，最低分為0分。當預測與實況的距平（距平百分率）符號和量級均一致時，評分為100分。當預測與實況的量級相差1個級別時，減20分；量級相差2個級別時，減40分；量級相差3個級別時，減60分；依次類推，減至0分為止。當預測與實況的距平符號不一致時，在量級減分的基礎上再減20分；減至0分為止。鼓勵預測異常，當預測為異常級且預測與實況相差1個量級時，可以在上述得分的基礎上再加10分。六級評分制的各級預測檢驗評分詳見表2。

表2 氣溫和降水趨勢預測六級檢驗評分制單站評分表

多站氣候趨勢預測檢驗總評分計算公式為

式中，Pg為多站氣候趨勢預測評分，P為單站的評分，為參加評分的氣象站總站數。

3 結果分析

3.1 距平相關系數ACC評估

距平相關系數ACC是短期氣候預測中最常用的檢驗方法之一，反映的是模式的總體預測性能。上世紀80～90年代我國汛期預測業(yè)務降水的ACC平均值為0.1，降水預報水平只有55%～60%（王紹武和朱錦紅，2000）。

從圖2a可知，DERF2.0回報的氣溫各年的ACC值都超過了0.14，最高的年份達到了0.43，多年平均值為0.26。由此可知，DERF2.0對氣溫的總 體預測性能較好。與DERF1.0回報的評分相 比，DERF2.0回報的氣溫各年的ACC評分都明顯高于DERF1.0，多年平均提高了0.27。由此表明，DERF2.0對氣溫的預測性能較DERF1.0有了較明顯的提升。

從圖2b可知，DERF2.0回報的降水各年的ACC值仍然都大于0，多年平均值為0.11。與氣溫的ACC值相比，降水的ACC值相對較低，年際差異大。由此表明，DERF2.0對降水的總體預測性 能相對較差，且預測性能不穩(wěn)定。DERF2.0回報 的降水與DERF1.0在大部分年份的ACC值差異 較小，且兩個模式的多年平均值相同。由此可知，DERF2.0對降水的預測性能與DERF1.0相接近。DERF2.0對于降水的預測能力仍然需要進一步改進。

圖2 1982～2010年中國的（a）氣溫和（b）降水的距平相關系數ACC隨時間的變化

從表3的各月距平相關系數來看，DERF2.0回報的氣溫ACC評分普遍較高。各月的氣溫ACC值都在0.18以上，月平均氣溫ACC值達0.26。其中1月、2月、3月的氣溫ACC技巧相對較高，都在0.3以上，其中3月評分最高，達0.4；相對而言，6月、7月和9月的氣溫ACC技巧相對較低。各月的降水ACC評分都明顯低于氣溫，降水的ACC評分較氣溫平均偏低0.15。然而，各月的降水ACC值都大于0，月平均為0.11。由此表明，DERF2.0能夠預測出全國的總體旱澇趨勢。相對而言，1月、9月和11月降水的ACC技巧相對較高，都在0.15以上；4月、5月和6月降水的ACC技巧則相對較低。與DERF1.0回報的ACC評分相比，DERF2.0各月氣溫的評分都有明顯的提高。各月氣溫的ACC增幅在0.18～0.45之間，月平均增幅為0.27。其中2月增幅最大，達0.45。1月、2月、3月、7月、8月、9月和10月降水的預測技巧略有提高，4月、5月和6月的則有所下降。總體而言，降水的月平均ACC評分與DERF1.0相一致。由此表明，DERF2.0對氣溫的預測性能明顯好于DERF1.0，尤其是2月氣溫的預測提升幅度最大。對降水的總體預測水平與DERF1.0接近。與過去的國家氣候中心業(yè)務發(fā)布的全國160站預測相比（陳桂英和趙振國, 1998；陳麗娟等，2008；李維京，2012），DERF2.0對氣溫和降水的預測性能都有了明顯提高。

表3 DERF2.0和DERF1.0回報1982～2010年月平均距平相關系數ACC表

3.2 平均方差技巧MSSS評估

MSSS為確定性預報的主要評估方法。MSSS值越接近1，表明模式預測越準確。從圖3的檢驗結果來看，1月的氣溫確定性預報總體較差，其中西南大部地區(qū)，尤其是西藏、四川和重慶地區(qū)評分很低，東北部氣溫預測相對較好。與1月相比，4月較差區(qū)域有所縮小并西移，華南、江南和河套地區(qū)氣溫預測較好，西藏、新疆、黑龍江、長江與黃河之間地區(qū)相對較差。7月江南地區(qū)、西南的西部和西北的東部預測相對較好，華南、河套及黃淮地區(qū)相對較差。10月氣溫預測總體相對較好，較差的地區(qū)范圍明顯縮小，主要集中在西南地區(qū)東部和新疆的西部。

從圖3可知，降水的MSSS評分值相對較小，總體集中在±1之間。與氣溫相比，1月的降水MSSS評分為正值區(qū)域明顯擴大，東北及華北地區(qū)的評分能過到0.4以上，而長江流域則預測相對較差。4月除東北、華北和新疆外，大部地區(qū)評分為負值。7月和10月我國大部地區(qū)的降水MSSS評分都在－1～0之間，可見我國大部地區(qū)的降水確定性預測仍然相對較差，中高緯度地區(qū)的評分高于較低緯度地區(qū)。

綜上所述，各月氣溫的確定性預測評分較差的區(qū)域隨著季節(jié)的變化而變化。西南地區(qū)，尤其是西南的東部地區(qū)，DERF2.0的氣溫確定性預測較差。從空間分布來看，氣溫的評分正值區(qū)域明顯大于降水，表明在空間范圍內，氣溫的確定性預報好于降水。結合降水和氣溫的MSSS評分圖可見，在青藏高原南部、四川盆地的MSSS評分都較差，這可能是由于青藏高原地形的影響所致，在今后的工作中需進一步探討青藏高原地形對地面氣溫和降水預測的影響。

從表4可知，各月的氣溫和降水的MSSS評分值都較低，表明該模式對氣溫和降水的確定性預測性能仍然較低，模式仍然有很大的改進空間。氣溫只有2月和3月評分大于0，降水則在1～3月、11月和12月的評分都大于0，由此表明氣溫和降水的確定性預測相對較好的月份主要集中在冬季，夏季較差。從月平均來看，氣溫的評分反而低于降水，這主要是由于在氣溫評分的空間分布中存在評分較差的集中區(qū)域，且這些區(qū)域內的評分為較大的負值，從而影響了區(qū)域平均值。

圖3 全國1、4、7、10月平均方差技巧MSSS評分，左邊為氣溫，右邊為降水

表4 DERF2.0回報1982～2010年全國月平均均方差技巧MSSS評分表

3.3 分級檢驗Pg評估

Pg評分主要反映的是模式對預測要素在量級上的把握程度。從圖4可知，各月的氣溫Pg評分都明顯高于降水的評分。1月各地的氣溫Pg評分都在65分以上，春季和秋季的4月和10月大部地區(qū)達到了70分以上，得分最高的在夏季7月份，大部地區(qū)達到了75分以上，其中部分地區(qū)達80分以上。由此表明，DERF2.0對大部分地區(qū)的氣溫預測在量級上把握較好，預測的氣溫距平與實況相差在2°C以內，Pg評分較高。

降水的Pg評分隨季節(jié)變化較為明顯。1月Pg評分在60分以上的區(qū)域主要分布在我國中東部地區(qū)，4月我國大部地區(qū)的評分沒有達到60分，7月評分達60分以上的地區(qū)主要位于西南和西北地區(qū)，10月則位于長江與黃河之間地區(qū)。由此表明，DERF2.0對各地的降水預測在等級上把握不是很好，預測的降水距平百分率與實況符號相同時往往相差兩個等級，或是同處正常級別但符號相反，Pg評分相對較低。

從表5的各月Pg評分可知，各月的氣溫Pg評分基本保持在70分以上，月平均達73.8分。其中夏季的7、8月份得分最高，達76分以上，冬季幾個月的得分相對較低。各月的降水Pg評分則維持在60分左右。得分較低的月份分別為2月、4月和10月，夏季幾個月得分則相對較高，維持在60分左右。

2010年全國預測業(yè)務評分采用了新評分辦法——分級檢驗Pg評分法。從中國氣象局下發(fā)的2010年全國各省1～11月的業(yè)務Pg評分來看，全國各省的氣溫業(yè)務評分平均74.3分，其中最高的重慶市業(yè)務評分達84.8分，國家氣候中心的160站業(yè)務評分為72.9分。DERF2.0利用160站評分為75.1分，利用669站評分為59.3分。全國1～11月業(yè)務預測降水平均58.6分，其中最高的貴州省業(yè)務評分達70分，國家氣候中心的業(yè)務評分為56.8分。DERF2.0利用160站評分為58.8分，669站為55分。由此表明，DERF2.0直接預測的氣溫評分已明顯高于全國各省的平均分和國家氣候中心的評分。利用669站的氣溫評分結果明顯低于160站的評分結果。DERF2.0直接預測的降水評分也高于全國平均和國家氣候中心的業(yè)務評分，且利用669站評分與利用160站評分結果差異較小。總之，DERF2.0直接預測的氣溫和降水超過了目前的業(yè)務預測評分。

表5 DERF2.0回報1982～2010年全國月平均Pg評分表

表6 DERF2.0回報1982～2010年全國月平均距平符號一致率R

圖4 全國1、4、7、10月Pg評分，左邊為氣溫，右邊為降水

以往研究表明模式對降水的解釋應用評分要高于模式的直接輸出產品（林紓等，2007；王娜和方建剛，2009）。但由于解釋應用本質上依賴于模式的預報能力和解釋應用方法。因此，仍然需要模式在性能完善、模式的系統(tǒng)性誤差訂正和解釋應用方法上做進一步研究和應用。

3.4 距平符號一致率評估

同號率反映的是一定范圍內預測值與實況值距平（距平百分率）符號一致的站點數占總站點數的比例，是以往模式檢驗常用的方法之一。只有當同號率大于50%，降水的主要趨勢被反映出來時，再考察強度預測才有意義（李清泉等，2004）。從表6可知，各月的氣溫同號率都達60%以上，其中3月同號率達到了71.5%，月平均為64.2%。降水的同號率則相對要低些，但各月的值都超過了50%，月平均為56.9%，由此可知，DERF2.0的預測總體上能夠反映出氣溫和降水的主要趨勢。其中1月、11月和12月降水的同號率達60%以上，而最少的月份降水同號率只有52.7%。

盡管1982～2010年月平均氣溫的同號率都較高，但仍然也有個別年份的效果較差，如1996年的1月、2001年的4月、1982年的10月的氣溫同號率只有30%多。這些年份的預測效果較差的原因值得進一步探討。盡管月平均的降水同號率較低，但仍然有一些年份的同號率較高，如1986年的1月能達到88%，2004年的10月達72%。

4 典型旱澇年預測效果分析

1998年夏季由于降水比較集中，加上暴雨的影響，長江流域發(fā)生了20世紀僅次于1954年的特大洪澇（黃榮輝等，1998）。2006年川渝地區(qū)則出現了百年不遇的重伏旱（李永華等，2009）。接下來對這兩年的氣溫和降水預測進行回報檢驗和評估，初步考察DERF2.0對極端氣候事件的預測能力。

4.1 1998年夏季回報檢驗與評估

從圖5可知，DERF2.0在1998年6月份回報結果顯示全國大面積氣溫偏低，偏高的區(qū)域主要分布在青藏高原和長江下游。實況是新疆西部、東北和長江下游出現了氣溫偏低，全國大范圍的氣溫偏高。7月回報偏低的范圍有所南移，與實況相比，偏低的區(qū)域范圍偏大。8月回報的全國仍然是大部地區(qū)以氣溫偏低為主，實況是除東北外，全國北暖南冷?？傮w而言，長江流域6、7月份的氣溫偏低預測效果較好，8月較差。DERF2.0回報的偏冷范圍較實況要偏大，偏冷區(qū)域與實況也有所出入。

圖5 1998年全國6、7、8月氣溫距平，左邊為預測，右邊為實況。多年平均為1982～2010年，下同

從圖6可知，DERF2.0在6月回報全國大范圍的降水偏多，實況是雨帶主要位于長江及以南、東北和新疆西部地區(qū)。7月回報的雨帶主要位于黃河以南地區(qū)，實況是全國大范圍的出現了降水偏多。8月回報全國大范圍降水偏多，實況也是全國大范圍的偏多，只是在河套地區(qū)、華南及長江下游相對較差。總體而言，各月DERF2.0都回報出了長江流域的降水偏多，只是在幅度上有所偏弱。

圖6 1998年全國6、7、8月降水距平百分率，左邊為預測，右邊為實況

1998年夏季全國大范圍的降水偏多，且長江流域出現了特大暴雨，6、7月份主要出現長江中下流地區(qū)，8月出現在上中游地區(qū)。從表7可知，DERF2.0在6月回報相對較差，氣溫和降水的ACC評分都為負值，氣溫的同號率只有41.9%，降水的同號率也只有46.8%。盡管同號率評分較低，但氣溫Pg評分還是達到了67.3分，降水得分相對較低些。預測效果最好的是8月，氣溫和降水的ACC評分都為正值。同號率和Pg評分都較6月明顯提高。整個夏季而言，降水的ACC評分略高于氣溫。氣溫Pg評分達到了71分，降水為56.9分，評分略低于2010年的全國業(yè)務評分。由此說明，對于出現極端洪澇的1998年，DERF2.0對氣溫和降水仍然有一定的預測性，Pg評分接近于常年的業(yè)務水平。

表7 1998年夏季各月全國氣溫和降水的ACC評分、Pg評分和同號率R

DERF2.0能夠較好地回報出1998年夏季大范圍的氣溫偏低和降水偏多。這與DERF2.0能夠較好地預測出1998年夏季500 hPa高度場上，歐亞中高緯環(huán)流呈兩脊一槽型，中緯度高度場偏低有關?；貓蟮?998年夏季氣溫偏低范圍和降水偏多的區(qū)域較實況都偏大，降水的主要落區(qū)與實況有所差異，這可能與DERF2.0預測的1998年夏季烏拉爾山地區(qū)的阻塞高壓和鄂霍次克海高壓較實況偏強，西太平洋副熱帶高壓（西太副高）較實況面積偏大，強度偏強有關（圖略）。

4.2 2006年夏季回報檢驗與評估

從圖7可知，2006年6月全國出現了大范圍的氣溫偏高，DERF2.0回報的氣溫偏低面積較實況偏大，且回報的氣溫偏高區(qū)域的增溫幅度較實況有所偏弱。7月的氣溫預測和實況都是全國大范圍的偏高。與實況相比，回報的氣溫偏低區(qū)域與實況有所差異。8月DERF2.0預測出全國大范圍的氣溫偏高，西南地區(qū)氣溫偏高的范圍比實況小?？傮w而言，2006年夏季DERF2.0對氣溫的回報較好，只是高溫范圍較實況有所偏小，在程度上有所偏弱。

圖7 2006年全國6、7、8月氣溫距平，左邊為預測，右邊為實況

從圖8可知，DERF2.0對2006年6月的北方降水回報較好，對長江流域和西南地區(qū)的降水回報較差。7月DERF2.0對雨帶的主要位置把握不是很好。對華北、黃淮的雨帶面積回報偏大，對華南的雨帶面積回報偏小偏弱。8月回報效果相對較好，把握住了全國大范圍的降水偏少形勢，對西北的降水異常偏少的回報效果也較好。

圖8 2006年全國6、7、8月降水距平百分率，左邊為預測，右邊為實況

2006年夏季，西南地區(qū)氣溫偏高，川渝地區(qū)出現了極端高溫和嚴重干旱。DERF2.0對西南地區(qū)的氣溫回報6月效果較差，7、8月效果較好。對于降水的回報同樣在西南地區(qū)8月份好于6、7月份。從表7可知，對7、8月回報的氣溫ACC評分都為正值，同號率達66%以上，Pg評分更是達到了75分以上。盡管降水的同號率要低一些，但各月的降水ACC評分都為正值，表明DERF2.0對各月的旱澇總體趨勢有較好的回報。降水Pg評分最低的6月仍然達到了56.9分。最高的8月甚至達到了62.2分。整個夏季而言，氣溫的ACC評分達0.12，同號率高達65%。由此可知，DERF2.0對2006年夏季全國范圍的高溫有較好的回報效果。夏季氣溫的Pg平均分達77.6分，降水也接近60分，這兩個評分都超過了2010年的全國業(yè)務預測平均分。由此表明，對于極端干旱的2006年，DERF2.0對降水的預測仍然有一定的預測性，對氣溫的預測效果明顯好于降水。從表7和表8對比可知，無論是氣溫還是降水，DERF2.0對極端旱年的預測效果要明顯好于極端澇年。DERF2.0能夠較好地回報的2006年夏季大范圍的高溫少雨。這與DERF2.0能夠較好地預測出2006年夏季500 hPa高度場上，歐亞中高緯的環(huán)流形式呈兩槽一脊型有關?；貓蟮臍鉁仄邊^(qū)域較實況偏小，強度偏弱，這可能與DERF2.0預測的2006年夏季中緯度地區(qū)高度場偏低范圍較實況偏大，西太副高較實況面積偏小，強度偏弱，脊線位置偏南有關（圖略）。

表8 2006年夏季各月全國氣溫和降水ACC評分、Pg評分和同號率R

5 結論與討論

（1）距平相關系數ACC反映的是模式的總體預測性能。DERF2.0對月氣溫的總體預測性能較 好，較DERF1.0有了較明顯的提升。與過去全國的短期氣候預測業(yè)務評分相比，DERF2.0對氣溫和降水的預測都有所提高。DERF2.0對降水的預測水平與DERF1.0相接近，未來仍然需要進一步改進。

（2）MSSS為確定性預報的主要評估方法。DERF 2.0對氣溫的確定性預測評分較差的地區(qū)主要集中在西南地區(qū)，尤其是西南的東部地區(qū)。DERF2.0對于降水的確定性預測評分較低，較差的地區(qū)主要集中于長江流域及華南地區(qū)。

（3）Pg評分主要反映的是模式對預測要素在量級上的把握程度。DERF2.0模式對各地的氣溫預 測在量級上把握較好，但對降水的預測在等級上把握較差，黃淮地區(qū)相對較好，冬季好于其他季節(jié)。DERF2.0未經訂正的預測結果略高于2010年的業(yè)務預測評分。

（4）同號率反映的是一定范圍內預測與實況距平（距平百分率）符號一致的站點數占總站點數的比例。各月的氣溫同號率達60%以上，月降水的同號率低于氣溫。

（5）DERF2.0對發(fā)生在1998年和2006年的極端旱、澇個例年也有一定的預測能力，對于氣溫的預測好于降水。

盡管DERF2.0對月氣溫的總體預測性能較好，較DERF1.0有了較明顯的提升。但DERF2.0對降水的預測能力仍然需要進一步改進。但從空間上來看，DERF2.0對氣溫和降水的確定性預測效果 仍然較差，尤其在我國的西南地區(qū)。這可能與BCC_AGCM2.0.1模式對流層的冷中心和大尺度環(huán)流的預測偏弱有關（Chen et al., 2012）。對北半球冬季環(huán)流場也存在一定的偏差，極渦振蕩的振幅較強，振蕩的時間也有所漂移，平流層極渦存在偏冷、偏強現象，對流層副熱帶西風急流偏弱（劉玉鎮(zhèn)等, 2012），對熱帶地區(qū)大氣環(huán)流的譜結構比較分散，季節(jié)內振蕩的西移波和西太平洋地區(qū)的振蕩都偏強，印度洋則偏弱有關。也可能與BCC_ AGCM2.0.1模式預測的間接輻射強迫促使ITCZ變大，全球降水偏少（Wang et al., 2010）有關。要解決以上問題，需要對模式的各種參數化進一步改進，并考慮地形影響及海溫等初始場的影響，在不斷調試、檢驗的基礎上對模式系統(tǒng)進行再研發(fā)→再驗證→再改進。

Chen H M, Yu R C, Li J, et al. 2012. The coherent interdecadal changes of East Asia climate in mid-summer simulated by BCC_AGCM 2.0.1 [J]. Climate Dyn., 39 (1?2): 155-163.

陳麗娟, 李維京, 劉綠柳, 等. 2008. 中國區(qū)域月氣候預測方法和預測能力評估 [J]. 高原氣象, 27 (4): 838?843. Chen Lijuan, Li Weijing, Liu Lüliu, et al. 2008. Assessment and analysis of monthly climate prediction in China [J]. Plateau Meteorology (in Chinese), 27 (4): 838?843.

陳桂英, 趙振國. 1998. 短期氣候預測評估方法和業(yè)務初估 [J]. 應用氣象學報, 9 (2): 178?185. Chen Guiying, Zhao Zhenguo. 1998. Assessment methods of short range climate prediction and their operational application [J]. Journal of Applied Meteorological Science (in Chinese), 9 (2): 178?185.

丁一匯, 劉一鳴, 宋永加, 等. 2002. 我國短期氣候動力預測模式系統(tǒng)的研究及試驗 [J]. 氣候與環(huán)境研究, 7 (2): 236?246. Ding Yihui, Lui Yiming, Song Yongjia, et al. 2002. Research and experiments of the dynamical model system for short-term climate prediction [J]. Climatic and Environmental Research (in Chinese), 7 (2): 236?246.

丁一匯, 李清泉, 李維京, 等. 2004. 中國業(yè)務動力季節(jié)預報的進展 [J]. 氣象學報, 62 (5): 598?612. Ding Yihui, Li Qingquan, Li Weijing, et al. 2004. Advance in seasonal dynamical prediction operation in China [J]. Acta Meteorologica Sinica (in Chinese), 62 (5): 598?612.

Dong M, Wu T, Wang Z, et al. 2012. A simulation study on the extreme temperature events of the 20th century by using the BCC_AGCM [J]. Acta Meteorologica Sinica, 26 (4): 489?507.

董敏, 吳統(tǒng)文, 王在志, 等. 2009. 北京氣候中心大氣環(huán)流模式對季節(jié)內振蕩的模擬[J]. 氣象學報, 67 (6): 912?922. Dong Min, Wu Tongwen, Wang Zaizhi, et al. 2009. Simulations of the tropical intraseasonal oscillations by the AGCM of the Beijing climate center [J]. Acta Meteorologica Sinica (in Chinese), 67 (6): 912?922.

郭準, 吳春強, 周天軍, 等. 2011. LASG/IAP和BCC大氣環(huán)流模式模擬的云輻射強迫之比較 [J]. 大氣科學, 35 (4): 739?752. Guo Zhun, Wu Chunqiang, Zhou Tianjun, et al. 2011. A comparison of cloud radiative forcings simulated by LASG/IAP and BCC atmospheric General Circulation models [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 35 (4): 739?752.

黃榮輝, 徐予紅, 王鵬飛, 等. 1998. 1998年夏季長江流域特大洪澇特征及其成因探討 [J]. 氣候與環(huán)境研究, 3 (4): 300?313. Huang Ronghui, Xu Yuhong, Wang Pengfei, et al. 1998. The features of the catastrophic flood over the Changjiang River basin during the summer of 1998 and cause exploration [J]. Climate and Environmental Research (in Chinese), 3 (4): 300?313.

頡衛(wèi)華, 吳統(tǒng)文. 2010. 全球大氣環(huán)流模式BCC_AGCM2. 0.1對1998年夏季江淮流域強降水過程的回報試驗研究 [J]. 大氣科學, 34 (5): 962?978. Jie Weihua, Wu Tongwen. 2010. Hindcast for 1998 summer heavy precipitation in the Yangtze and Huaihe River valley suing AGCM BBC_AGCM2.0.1 model [J]. Chinese Journal of Atmosphere Sciences (in Chinese), 34 (5): 962?978.

李維京. 2012. 現代氣候業(yè)務 [M] 北京: 氣象出版社, 202?315. Li Weijing. 2012. Contemporary Climate Services [M] (in Chinese). Beijing: China Meteorological Press, 202?315.

李清泉, 丁一匯, 張培群. 2004. 一個全球?！獨怦詈夏Ｊ娇缂径妊雌陬A測能力的初步檢驗和評估 [J]. 氣象學報, 62 (6): 740?751. Li Qingquan, Ding Yihui, Zhang Peiqun. 2004. Primary verification and assessment on extra-seasonally predictive capability of a global atmospheric-oceanic coupled model in raining season [J]. Acta Meteorologica Sinica (in Chinese), 62 (6): 740?751.

李永華, 徐海明, 劉德. 2009. 2006年夏季西南地區(qū)東部特大干旱及其大氣環(huán)流異常 [J]. 氣象學報, 67 (1): 122?132. Li Yonghua, Xu Haiming, Liu De. 2009. Features of the extremely severe drought in the east of Southwest China and anomalies of atmospheric circulation in summer 2006 [J]. Acta Meteorologica Sinica (in Chinese), 67 (1): 122?132.

林紓, 陳麗娟, 陳彥山, 等. 2007. 月動力延伸預報產品在西北地區(qū)月降水預測中的釋用 [J]. 應用氣象學報, 18 (4): 555?560. Lin Shu, Chen Lijuan, Chen Yanshan, et al. 2007. Interpretation of monthly dynamical extended range forecast products in northwest China [J]. Journal of Applied Meteorological Science (in Chinese), 18 (4): 555?560.

劉玉鎮(zhèn), 任榮彩, 何編. 2012. 兩個大氣環(huán)流模式SAMIL和BCC_AGCM 對北半球冬季極渦振蕩的預測對比 [J]. 大氣科學, 36 (6): 1191?1206. Liu Yuzhen, Ren Rongcai, He Bian. 2012. Comparison of SAMIL and BCC_AGCM simulations of the polar vortex oscillation in the Northern Hemisphere winter [J]. Chinese Journal of Atmosphere Sciences (in Chinese), 36 (6): 1191?1206.

JMA. 2010. Outline of the operational Ensemble Prediction System for extended- and long-range forecasting. http://ds.data.jma.go.jp/tcc/tcc/ products/model/outline/index.html [2013-07-15].

Miyakoda K, Gordon T, Caverly R, et al. 1983. Simulation of a blocking event in January 1976 [J]. Mon. Wea. Rev., 111: 846?869.

Miyakoda K, Sirutis J, Ploshay J. 1986. One month forecast experiments- without anomaly boundary forcings [J]. Mon. Wea. Rev., 114 (12): 2363?2401.

Saha S, Moorthi S, Pan H L, et al. 2010. The NCEP climate forecast system reanalysis [J]. Bull. Amer. Meteor. Soc., 91 (8): 1015?1057.

Saha S, Moorthi S, Wu X R, et al. 2012. The NCEP climate forecast system version 2 [J]. Journal of Climate, 27 (6): 2185?2208.

王娜, 方建剛. 2009. 月動力延伸預報產品在陜西月降水預測中的釋用 [J]. 氣象科技, 37 (5): 520?522. Wang Na, Fang Jian’gang. 2009. Interpretation and application of monthly dynamical extended range forecast products in Shaanxi province [J]. Meteorological Science and Technology (in Chinese), 37 (5): 520?522.

王紹武, 朱錦紅. 2000. 短期氣候預測的評估問題 [J]. 應用氣象學報, 11 (A06): 1?10. Wang Shaowu, Zhu Jinhong. 2000. Evaluation of short-term climate prediction [J]. Journal of Applied Meteorological Science (in Chinese), 11 (A06): 1?10.

Wang B, Lee J Y, Kang I S, et al. 2009. Advance and prospectus of seasonal prediction: assessment of the APCC/CliPAS 14-model ensemble retrospective seasonal prediction (1980?2004) [J]. Climate Dyn., 33 (1): 93?117.

Wang Z, Zhang H, Shen X, et al. 2010. Modeling study of aerosol indirect effects on global climate with an AGCM [J]. Advances in Atmospheric Sciences, 27 (5): 1064?1077.

WMO. 1999. Abridged final report with resolutions and recommendations [R]. Secretariat of the WMO, Geneva, Switzerland, No. 896: 154?157.

WMO. 2006. Standardised Verification System (SVS) for Long-Range Forecasts (LRF): New attachment II-8 to the manual on the GDPFS (WMO-No. 485), Volume I [R].

WMO, 2009. New Attachment II-8 to the Manual on the GDPFS (WMO-No. 485), Volume I: Standardised Verification System (SVS) for Long-Range Forecasts (LRF) [R]. http://www.bom.gov.au/wmo/lrfvs/scores.shtml/ Attachment_II-8.doc. [2012-05-21].

Wu T W, Wu G X. 2004. An empirical formula to compute snow cover fraction in GCMs [J]. Advances in Atmospheric Sciences, 21 (4): 529?535.

Wu T W, Yu R C, Zhang F. 2008. A modified dynamic framework for the atmospheric spectral model and its application [J]. Journal of the Atmospheric Sciences, 65 (7): 2235?2253.

Wu T W, Yu R C, Zhang F, et al. 2010. The Beijing Climate Center atmospheric general circulation model: Description and its performance for the present-day climate [J]. Climate Dyn., 34 (1): 123?147.

Zhang G J, Mu M Q. 2005. Effects of modifications to the Zhang- McFarlane convection parameterization on the simulation of the tropical precipitation in the National Center for Atmospheric Research Community Climate Model, Version 3 [J]. Journal of Geophysical Research, 110 (D9): D09109, doi: 10.1029/2004JD005617.

張培群, 李清泉, 王蘭寧, 等. 2004. 我國動力氣候模式預測系統(tǒng)的研制及應用 [J]. 科技導報, (7): 17?21. Zhang Peiqun, Li Qingquan, Wang Lanning, et al. 2004. Development and application of dynamic climate model prediction system in China [J]. Science & Technology Review (in Chinese), (7): 17?21.

何慧根, 李巧萍, 吳統(tǒng)文, 等. 2014. 月動力延伸預測模式業(yè)務系統(tǒng)DERF2.0對中國氣溫和降水的預測性能評估[J]. 大氣科學, 38 (5): 950?964, doi:10.3878/j.issn.1006-9895.1401.13166. He Huigen, Li Qiaoping, Wu Tongwen, et al. 2014. Temperature and precipitation evaluation of monthly Dynamic Extended Range Forecast operational system DERF2.0 in China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (5): 950?964.

Temperature and Precipitation Evaluation of Monthly Dynamic Extended Range Forecast Operational System DERF2.0 in China

HE Huigen, LI Qiaoping, WU Tongwen, TANG Hongyu, and HU Zeyong

1,4011472,1000813,,730000

On the basis of the data of 669 observed weather stations supplied by the National Meteorological Information Center and hindcast data of the National Climate Centre second-generation monthly Dynamic Extended Range Forecast operational system (DERF2.0) from 1982 to 2010, temperature and precipitation in the prediction performance were evaluated and analyzed by using the anomaly correlation coefficient (ACC), mean square skill score (MSSS), anomaly sign consistency rate (), and short-term climate prediction operational grading evaluation scores (Pg). The results indicated that the temperature prediction performance of DERF2.0 was significantly better than that of the DERF1.0 operational system in current usage and that the ACC skill score of temperature was noticeably higher than the operational score of the short-range climate forecast. Compared with temperature, the precipitation prediction performance of DERF2.0 was relatively poor. The ACC skill score of precipitation of DERF2.0 was close to that of DERF1.0. DERF2.0 was somewhat skillful in extreme drought and flood years such as 1998 and 2006. Furthermore, the prediction performance of temperature was significantly better than that of precipitation in extreme drought and flood years. From space, the prediction performance of DERF2.0 on the deterministic prediction was poor in the southwest. Thus, DERF2.0 should be improved.

BCC_AGCM, Monthly dynamic extended range forecast, DERF2.0, Monthly prediction, Prediction performance

1006?9895(2014)05?0950?15

P435+.2

A

10.3878/j.issn.1006-9895.1401.13166

2013?05?02，2014?01?24收修定稿

國家重點基礎研究發(fā)展計劃（973計劃）“氣候變暖背景下我國南方旱澇災害的變化規(guī)律和機理及其影響與對策”2013CB430204，國家科技支撐項目“持續(xù)性異常氣象事件預測業(yè)務技術研究”2009BAC51B01，中國科學院寒旱區(qū)陸面過程與氣候變化重點實驗室開放基金LPCC201202，中國氣象局氣象關鍵技術集成與應用面上項目CMAGJ2013M40，重慶市氣象局業(yè)務技術攻關面上項目ywgg-201311

何慧根，男，1979年出生，碩士，主要從事短期氣候預測和評估研究。E-mail: hhg0258@163.com