CFSv2模式對淮河流域夏季氣溫降水預測能力的評估

程智，徐敏，段春鋒

（安徽省氣候中心，合肥230031）

CFSv2模式對淮河流域夏季氣溫降水預測能力的評估

程智，徐敏，段春鋒

（安徽省氣候中心，合肥230031）

基于美國環(huán)境預測中心提供的CFSv2模式回報數(shù)據(jù)以及淮河流域172個氣象臺站的氣溫降水觀測數(shù)據(jù)，評估了該模式對淮河流域夏季氣溫降水的預測能力。結果表明：模式對氣溫氣候平均態(tài)的模擬與實況較為接近，降水雖然能夠反映出南多北少的分布特征，但氣候平均值明顯偏小。模式對于氣溫和降水均方差的模擬均偏小。從頻率分布來看，回報氣溫的頻率分布與實況較為接近，回報降水不僅存在很大的負偏差，出現(xiàn)異常降水的頻率也比實況明顯偏低。對ROC曲線的分析進一步表明模式預測高溫事件的能力明顯好于低溫事件，預測降水異常事件的能力在不同起報月有差異。從主要模態(tài)的時空結構來看，模式能夠反映出其空間結構，對于增暖的趨勢模擬也相當不錯，但增暖的速率高于實況，雖然模式?jīng)]有能夠反映出降水主要模態(tài)的年代際變化特征，但對于年際變化有較高的預測技巧。這些評估為短期氣候預測和模式解釋應用提供了參考。

模式評估；CFSv2；淮河流域；氣候預測

程智，徐敏，段春鋒.CFSv2模式對淮河流域夏季氣溫降水預測能力的評估［J］.暴雨災害，2016，35（4）：351-358

CHENG Zhi，XU Min，DUAN Chunfeng.Evaluation on summer temperature and precipitation predictions in Huai River Basin by CFSv2 model［J］.Torrential Rain and Disaster，2016，35（4）：351-358

引言

淮河流域地處中國南北氣候過渡帶，受東亞季風強弱、雨帶早晚以及年際、年代際變化影響，洪澇、干旱和高溫等氣象災害頻發(fā)，氣候預測對于防災減災有極大的價值，一直受到我國科學界的高度關注，取得了一系列有應用價值的研究成果［1-5］。除傳統(tǒng)的統(tǒng)計診斷方法，氣候模式目前正發(fā)揮著越來越大的作用，許多國家和研究機構均發(fā)展了自己的季節(jié)氣候預測系統(tǒng)，如中國國家氣候中心（NCC）、美國國際氣候預測研究所（IRI）、歐洲中期天氣預報中心（ECMWF）、美國國家環(huán)境預報中心（NCEP）和東京氣候中心（TCC）等。近年來，美國NCEP將其氣候預測系統(tǒng)升級到了第二代CFSv2），包含了新的云-氣溶膠-輻射，陸面，海洋和海冰過程以及新的海陸氣資料同化系統(tǒng)，一些研究者將其應用于氣候預測和水文預測中［6-7］。從效果來看，該模式對于ENSO年際變率有較好的模擬能力［8］，對全球熱帶地區(qū)降水和表面氣溫的預測較上一版本有一定提升［9］。在亞洲區(qū)域，該模式能夠模擬出氣候場上印度季風和東亞季風降水中心、季風環(huán)流子系統(tǒng)的位置，在超前1個月時間尺度上對于季風指數(shù)預測的相關系數(shù)可以達到0.7，在季節(jié)內(nèi)尺度上也能夠模擬出季風爆發(fā)和撤退的進程［10］，Lang［11］計算了中國區(qū)域不同季節(jié)、不同起報月模式與實況降水的相關系數(shù)，發(fā)現(xiàn)對于夏季降水的預測技巧在4個季節(jié)中是最低的，其中3月起報模式的相關系數(shù)相對最高，約為0.5。以上研究側(cè)重于分析CFSv2模式對于大范圍降水中心、季風系統(tǒng)主要成員位置和強度模擬以及對ENSO這一強信號的響應能力，范圍上也主要集中在低緯地區(qū)，對于中高緯度的地區(qū)研究較少，尤其是對于淮河流域這一氣象災害頻發(fā)的地區(qū)關注較少，而這對于汛期氣候預測以及模式解釋應用都是一項基礎性工作，其對于淮河流域氣候態(tài)的回報效果如何？氣溫降水回報的概率分布是否與實況基本相符？對于流域時空分布的主要模態(tài)是否能夠模擬出來？這些都是本文需要研究的問題。

1　資料和方法

1.1資料

模式為美國國家環(huán)境預報中心（NCEP）開發(fā)的Climate Forecast System Version 2（CFSv2）氣候預測模式［12］，它是一個大氣-海洋-陸面全耦合的系統(tǒng)，本文分析了CFSv2輸出的回報數(shù)據(jù)（1982—2010年），為每5 d輸出的未來9個月的逐月平均要素預測。在比較模式和實況夏季氣候態(tài)差異時，采用1月1日—5月26日的各起報日結果的平均；在比較逐月預測效果時，采用各月相應的6個起報日結果的平均。利用模式輸出的逐月平均氣溫（℃）和降水率（mm·d-1），得到夏季平均的氣溫和降水率（以下降水均表示降水率），由于模式輸出值為格點場，用雙線性插值將其插值到172個站點。實況資料由河南、安徽、江蘇和山東省氣象局提供，包含了淮河流域172個氣象臺站建站以來的日平均氣溫和降水量資料，空間分布均勻，適合應用于模式評估工作，進一步處理成夏季、月的平均氣溫和降水率。

1.2評估方法

通過對回報年（1982—2010年）平均值預測效果的評估，分析模式對氣候平均態(tài)的預測效果；通過對均方差預測效果的評估，考察模式對氣候變率的反映能力。

采用頻率分布圖、ROC曲線分析了模擬與觀測的概率分布之間的差異，其中ROC曲線（Relative operating characteristics curve）［13，14］又稱為接收者操作特性曲線，是根據(jù)一系列不同的分界值，以真陽性率（靈敏度）為縱坐標，假陽性率（1-特異度）為橫坐標繪制的曲線，曲線下面積越大，即高于45°參考線之上越明顯，則實驗樣本的準確性越高。該方法直觀地反映了實驗的特異性和敏感性的關系，可以從概率角度評估模式對于異常級的預測能力，對實況標準化氣溫/降水數(shù)據(jù)首先按照三分法進行分類（分成從小到大樣本量相同的3個區(qū)間），如氣溫包含低溫事件、正常事件和高溫事件，降水包含少雨事件、正常事件和多雨事件，分別利用ROC曲線分析模式對于低溫、高溫、少雨和多雨事件的預測能力。

為分離序列當中包含的不同時間尺度信息，利用Vondrak濾波器對年平均資料進行了濾波處理，保留了7 a以上的年代際信號和7 a以下的年際信號，該濾波器可以利用有限長度序列對信號進行一定程度防畸變提取，具體原理見［15］。

2　基本氣候狀態(tài)的模擬效果評估

圖1為1982—2010年平均淮河流域夏季平均氣溫和降水率的實況、模式回報以及回報與實況之差。由圖1a、c、e可以看出，CFSv2模式對氣溫氣候態(tài)的模擬與實況較為接近，實況場上流域大部平均氣溫25～27℃，西部高東部低，回報場也呈西高東低的分布特征，與實況相比在流域西北部偏高0～1℃，其余大部地區(qū)偏低0～1℃。由圖1b、d、f可以看出，降水回報與實況相比差異較大，實況降水率為流域大部4～6 mm·d-1，北部少南部多，模式能夠預測出北少南多的分布特征，但降水率明顯偏少，大部地區(qū)僅2～4 mm·d-1，與實況相比偏少2～4 mm·d-1。

圖2為回報年淮河流域夏季平均氣溫（a）和降水率（b）的實況和模式回報序列。由圖2a可以看出，流域氣溫序列呈較明顯的增暖趨勢，達到95%顯著水平，模式較好的模擬出了增暖趨勢，雖然還存在弱的冷偏差，但其系統(tǒng)偏差遠沒有降水那么明顯，降水率實況大部分年份4～7 mm·d-1，而模式序列基本在3 mm·d-1附近。此外從年際變率來看，模式降水的變率非常弱，量級與實況有很大的差異，而氣溫則很接近。經(jīng)過計算（表略），觀測氣溫的均方差為0.59℃，回報平均氣溫的均方差為0.44℃，觀測降水的均方差為1.24 mm·d-1，回報降水率的均方差明顯偏小，僅0.23 mm·d-1。

圖3為觀測和1—5月起報的淮河流域夏季以及分月氣溫（a）、降水率（b）回報的氣候平均，可以看出對于夏季氣溫的回報與實況差異不大，5個起報月中4、5月起報的預測最接近實況，1—3月略偏小，這些特征在對夏季分月氣溫的預測中也基本都存在。對于降水的預測，不同起報月之間差異不大，只是隨著提前時間的接近略有增加，但均比實況明顯偏少，這與前文分析是一致的；此外還可看出，對7、8月降水的預測，回報值明顯偏小，僅約為實況的1/2，而預測6月降水的誤差則相對不明顯，表明模式對夏季降水預測的誤差主要來源于對7、8月降水的低估，這一點與Jiang［10］對東亞夏季雨帶推進模擬的檢驗較為一致，CFSv2模式對江淮梅雨雨帶位置模擬較實況偏南，不能反映地處30°—36°N的淮河流域在7—8月降水迅速增加這一季節(jié)進程，模擬的逐日降水隨時間變化在該緯度帶比較平緩，從而導致對7、8月降水預測誤差很大。

3　模擬結果與觀測的概率分布之間的差異

圖4為實況和各起報月模式預測氣溫和降水率的頻率分布?；貓髿鉁氐念l率分布與實況較為接近，1—3月的結果存在弱的冷偏差，而4—5月則差別不明顯，此外回報的結果比實況略為分散一些，表現(xiàn)在實況的曲線在平均值附近的頻率更大。與氣溫相比，回報與實況降水的頻率分布則有明顯的差異，各起報月模式降水不僅存在很大的負偏差，其頻率分布曲線也過于集中，基本在2～5 mm·d-1，沒有出現(xiàn)7 mm·d-1以上的值，表明對于異常降水的量級預測能力較弱，這與圖2中均方差的分析是一致的。以上分析都表明，該模式無論是氣候平均還是均方差均存在一定誤差，尤其是降水明顯偏弱。受制于目前模式整體水平，這一現(xiàn)象普遍存在于對東亞地區(qū)的氣候預測，因此以下為避免氣候態(tài)的差異，基于標準化的氣溫降水進行分析。

對于氣候預測來說，非常關注的是一些異常事件，如高溫事件、低溫事件以及旱澇事件。為此采用受試者操作特征曲線（ROC）進一步進行了分析，按照三分法將實況標準化氣溫數(shù)據(jù)分為低溫事件、正常事件和高溫事件，標準化降水數(shù)據(jù)分為少雨事件、正常事件和多雨事件，這些異常事件中模式對應實況的ROC曲線如圖5所示，為了便于進行比較分析，圖中還繪制了1—5月起報結果的曲線，其中斜直線為參考線，若預測曲線位于其上部則表明預測效果較好，反之較差。可以看出在高溫事件圖中，除1月起報的曲線外均在參考線之上，表明對于高溫事件的預測技巧較高；但對于低溫事件的預測技巧較差，所有起報月的曲線都在參考線之下。利用合成分析，比較高、低溫年份實況和模式距平符號一致率也得出了類似的結果，同樣按照三分法，提取出了9個高溫年（1994、1997、2006、2002、2010、1990、2000、2001和2005年）和9個低溫年（1989、1993、1982、2003、1987、2008、1984、1983和1991年），高溫年的符號一致率達0.76，明顯高于低溫年的0.60。

從降水的結果來看，多雨和少雨事件預測效果的差異沒有氣溫那么大，主要為不同月份之間的差異，多雨和少雨事件各自有一些起報月份的結果位于參考線之上，對于多雨事件，3、4月份的預測效果較好，對于少雨事件，1、2、5月的預測結果較好。

4　主要模態(tài)時空結構模擬評估

對區(qū)域主要模態(tài)時空結構的預測能力是反映模式預報性能的重要方面。對逐年標準化氣溫實況數(shù)據(jù)進行EOF分解，其前三個模態(tài)的方差貢獻分別為78.6%、8.9%和3.5%，第一模態(tài)占了絕大部分貢獻，同樣對標準化模式氣溫序列進行了EOF分解，其前三個模態(tài)的方差貢獻分別為93.4%、3.2%和2.4%，因此模式結果中第一模態(tài)的優(yōu)勢更明顯，其余模態(tài)可以忽略不計。從第一模態(tài)的空間分布型來看（圖略），兩者都為全流域一致型，因此模式對于氣溫主要模態(tài)的空間結構把握能力很好。同樣對標準化逐年降水觀測序列進行了EOF分解，前三個模態(tài)的方差貢獻分別為41.2%、17.1%和9.3%，模式降水前三個模態(tài)的方差貢獻分別為76.7%、9.3%和7.9%，因此模式同樣放大了第一模態(tài)的貢獻，這三個模態(tài)的空間分布如圖6所示，可以看出實況和回報第一模態(tài)相當一致，均為全省符號一致型分布，中心都位于流域中部地區(qū)，實況的第二模態(tài)為南北差異型，分界位于流域中部自西向東的“駐馬店—淮北—連云港”一線，第三模態(tài)為東西差異型，分界位于自北向南的“開封—商丘—淮北—蚌埠—淮南”一線，模式EOF分解的第二、三模態(tài)與之類似，只不過次序正好相反，第二模態(tài)空間分布反映了東西差異，零線位置與實況EOF第三模態(tài)對應，第三模態(tài)空間分布反映了南北差異，零線位置與實況EOF第二模態(tài)對應。因此不難看出，模式雖然一定程度上夸大了氣溫和降水EOF第一模態(tài)的方差貢獻，但主要的空間型與實況較為一致，即能夠把握主要模態(tài)的空間結構。

EOF模態(tài)時間序列反映了模式對主要時間結構的把握能力，為此比較了標準化實況和模式氣溫EOF主要模態(tài)的時間序列，由于第一模態(tài)占據(jù)了大部分方差貢獻，因此只繪制了EOF1的結果，如圖7所示，無論是實況還是模式序列都顯示出顯著的增暖趨勢，并且趨勢均達到95%顯著水平，表明模式能夠反映氣候變暖的影響，這可能與CFSv2加入了全球二氧化碳濃度的變化有關，與CFSv1相比有明顯的提升［16］，但增暖速度有所夸大，此外將它們?nèi)コ€性趨勢后，相關系數(shù)并不顯著（僅0.01），表明對流域氣溫年際變化的反映能力仍然較弱，可能還需要改進二氧化碳濃度、海冰或高緯環(huán)流系統(tǒng)等環(huán)節(jié)。

圖8a為實況和模式標準化降水EOF1時間序列，其序列顯示為不同尺度信號疊加的特征，為清晰起見，采用Vondrak濾波器進行濾波，分別提取出了7 a以上的年代際分量和7 a以下的年際分量，從圖8b可以看出在2000年之前主要為少雨階段，之后轉(zhuǎn)為多雨階段，圖8a中的高值年份如2000、2003、2005和2007年都為流域典型的洪澇年份，模式不僅沒有把握住這一由少轉(zhuǎn)多的年代際特征，甚至與實況相反，顯示出前期多雨而后期少雨的特征。當然，中國東部夏季降水年代際變化的原因非常復雜，已有的研究表明北太平洋海溫年代際振蕩、積雪、海冰、溫室氣體、太陽活動等外強迫信號都有可能起到一定作用［17-20］，具體機制目前尚不明確，因此這對于氣候模式來說是很難把握的，對此模擬能力普遍不高［21］。但模式與實況的年際分量序列非常相似（圖8c），相關系數(shù)高達0.38，達95%顯著水平，進一步從年際分量序列的一些異常年份，如1999、2002、1997、1992、1988和2001年這些異常低值年，2003、2000、1998、1984、1995和2007年這些異常高值年，模式和實況距平符號不一致的僅有1992、200和1988年，準確率達82%。不難看出，在去除年代際變化的影響后，CFSv2對于降水主要模態(tài)年際變化預測具有不錯的技巧，對氣候預測有一定參考價值。

5　結論

本文評估了CFSv2模式回報數(shù)據(jù)對于淮河流域氣溫和降水的預測能力。分析結果如下：

（1）模式對氣溫氣候平均態(tài)的模擬與實況較為接近，降水雖然能夠反映出南多北少的分布特征，但氣候平均值明顯偏小，這主要是由于對于7、8月降水的低估。此外模式對于氣溫和降水均方差的模擬均偏小。

（2）從頻率分布來看，回報氣溫的頻率分布與實況較為接近，回報降水不僅存在很大的負偏差，出現(xiàn)異常降水的頻率也比實況明顯偏低，其預測高溫事件的能力明顯好于低溫事件，預測降水異常事件的能力在不同起報月有差異。

（3）從主要模態(tài)的時空結構來看，模式能夠反映出其空間結構，但EOF1的方差貢獻明顯高于實況；對于增暖趨勢的模擬相當不錯，但增暖速率高于實況；雖然模式?jīng)]有能夠反映出主要模態(tài)的年代際變化特征，但對年際變化的預測具有較高的技巧。

近年來隨著同化技術、計算能力和物理框架等方面的進步，氣候模式又得到了進一步發(fā)展，一些機構也紛紛對其模式進行了升級，雖然在系統(tǒng)偏差、中高緯環(huán)流和季風模擬等許多方面仍有較多的提升空間，但在短期氣候預測和水文預測方面已展現(xiàn)出一定的應用價值，因此針對不同區(qū)域開展性能評估有助于更合理的應用模式，需要盡可能挖掘模式可利用信息特別是所關注時間、空間尺度信息的預測能力，本研究表明雖然CFSv2模式對于淮河流域氣溫降水預測仍有較大的系統(tǒng)性誤差，但對一些異常事件、主要模態(tài)時空結構有一定的預測技巧，可以為短期氣候預測提供參考，當然考慮到還存在的誤差，進行針對性的訂正是下一步需要開展的工作。

［1］陶詩言，徐淑英.夏季江淮流域持久性旱澇現(xiàn)象的環(huán)流特征［J］.氣象學報，1962，32（1）：1-10

［2］張一平，喬春貴，梁俊平.淮河上游短時強降水天氣學分型與物理診斷量閾值初探［J］.暴雨災害，2014，33（2）：129-138

［3］謝五三，王勝.近40 a淮河流域暴雨特征分析［J］.暴雨災害，2010，29（4）：83-86

［4］許建玉，王艷杰.基于ERA Interim資料的2003年淮河流域梅雨期水汽收支分析［J］.暴雨災害，2013，34（4）：324-329

［5］劉靜，葉金印，張曉紅，等.淮河流域汛期面雨量多模式預報檢驗評估［J］.暴雨災害，2014，33（1）：58-64

［6］Pokhrel S，Rahaman H，Parekh A，et al.Evaporation-precipitation variability over Indian Ocean and its assessment in NCEP climate forecast system（CFSv2）［J］.Climate Dynamics，2012，39（9-10）：2 585-2 608

［7］Silva G A M，Mendes D.Comparison results for the CFSv2 hindcasts and statistical downscaling over the northeast of Brazil［J］.Advances in Geosciences，2013，35（79）：79-88

［8］Kim Hye-Mi，Webster Peter J，Curry Judith A.Asian summer monsoon prediction in ECMWF System 4 and NCEP CFSv2 retrospective seasonal forecasts［J］.Climate Dynamics，2012，39（12）：2 975-2 991

9］Yuan X，Wood E F，Roundy J K，et al.CFSv2-based seasonal hydroclimatic forecasts over conterminous United States［J］.Journal of Climate，2013，26（13）：4 828-4 847

10］JIANG Xingwen，YANG Song，LI Yueqing.Seasonal-to-interannual prediction of the Asian summer monsoon in the NCEP climate forecast system version 2［J］.Journal of Climate，2013，26（3）：3 708-3 727

11］LANG Yang，YE Aizhong，GONG Wei，et al.Evaluating skill of seasonal precipitation and temperature predictions of NCEP CFSv2 forecasts over 17 hydroclimatic regions in China［J］.Journal of Hydrometeorology，2014，15（4）：1 546-1 559

［12］Saha S，Moorthi S，Wu X，et al.The NCEP climate forecast system version 2［J］.Journal of Climate，2014，27（6）：2 185-2 208

［13］Centor RM，Schwartz J S.An evaluation of methods for estimating the area under the receiver operating statistic（ROC）curve［J］.Med Decis Making，1985，5（2）：149-156

［14］LUO Lifeng，TANG Wei，LIN Zhaohui，et al.Evaluation of summer temperature and precipitation predictions from NCEP CFSv2 retrospective forecast over China［J］.Clim Dyn，2013，41（7-8）：2 213-2 230

［15］鄭大偉，董大南.用多級濾波期實現(xiàn)極移序列的窄帶濾波［J］.天文學報，1986，27（4）：369-375

［16］Peng P，Barnston AG，Kumar A.A comparison of skill between two versions of NCEP climate forecast system（CFS）and CPC's operational short-lead seasonal outlooks［J］.Wea Forecasting，2013，28（2）：445-462

［17］魏鳳英，張婷.淮河流域夏季降水的振蕩特征及其與氣候背景的聯(lián)系［J］.中國科學（D輯），2009，39（10）：1 360-1 374

［18］高輝.淮河夏季降水與赤道東太平洋海溫對應關系的年代際變化［J］.應用氣象學報，2006，17（1）：1-9

［19］朱益民，楊修群.太平洋年代際振蕩與中國氣候變率的聯(lián)系［J］.氣象學報，2003，61（6）：641-654

［20］朱玉祥，丁一匯，徐懷剛.青藏高原大氣熱源和冬春積雪與中國東部降水的年代際變化關系［J］.氣象學報，2007，65（6）：946-958

［21］陳紅.CMIP5氣候模式對中國東部夏季降水年代際變化的模擬性能評估［J］.氣候與環(huán)境研究，2014，19（6）：773-786

（責任編輯：鄧雯）

Evaluation on summer temperature and precipitation predictions in Huai River Basin by CFSv2 model

CHENG Zhi，XU Min，DUAN Chunfeng

（Anhui Climate Centre，Hefei 230031）

Based on CFSv2 model reforested data supplied by the National Climate Center and observed temperature and precipitation data at 172 stations in the Huai River Basin，the skills of model prediction for summer temperature and precipitation are evaluated.Results show that simulated climatological mean temperature is similar to observation，while simulated precipitation is clearly less than observation mainly due to the underestimation in July and August，despite of the similar northern dry and southern wet spatial distribution.The negative bias is also found in root mean square deviation.From the view of frequency distribution，reforested temperature is similar to observation，but there are great differences for precipitation both in a negative bias and a low frequency of extreme events.Analysis of ROC further indicates that the skill of predicting high-temperature events is better than that of predicting low-temperature events，while the skill of predicting abnormal precipitation depends on leading months.The main spatial structures are well displayed in the main modes.The warming trend is well simulated but with a positive bias in warming speed.There is some skill in predicting annual variability of the main precipitation EOF mode，though the decadal change cannot be embodied.The results from this article can serve as a reference to climate prediction and model interpretation and application.

model evaluation；CFSv2；Huai River Basin；climate prediction

P435

A

10.3969/j.issn.1004-9045.2016.04.007

2015-11-23；定稿日期：2016-03-01

公益性行業(yè)（氣象）科研專項（GYHY201406021）；安徽省自然科學基金項目（1408085MD73）

程智，主要從事氣候?qū)W研究。E-mail：alexclimate@sina.com