JL-NZCv1.0短期氣候預(yù)測(cè)系統(tǒng)對(duì)吉林省春、夏季氣溫、降水預(yù)測(cè)的初步檢驗(yàn)評(píng)估

曲美慧 涂 鋼 劉 洋 穆 佳

（1.吉林省氣象科學(xué)研究所，吉林長(zhǎng)春 130062；2.長(zhǎng)白山氣象與氣候變化吉林省重點(diǎn)實(shí)驗(yàn)室，吉林長(zhǎng)春 130062；3.吉林省氣象災(zāi)害防御技術(shù)中心，吉林長(zhǎng)春 130062）

1 引言

吉林省是中國(guó)最主要的產(chǎn)糧區(qū)之一，其氣候異常直接影響農(nóng)業(yè)豐歉。吉林省地處中緯度的歐亞大陸東端，東面為長(zhǎng)白山山脈環(huán)繞，中部為平原，受中高緯度環(huán)流系統(tǒng)、中低緯度?！?dú)庀到y(tǒng)、東北冷渦、副熱帶高壓等多種環(huán)流系統(tǒng)影響，區(qū)域氣候年際變率大，旱澇災(zāi)害頻發(fā)[1]。因此開(kāi)展該區(qū)域短期氣候預(yù)測(cè)技術(shù)的研究是非常必要的，同時(shí)也對(duì)防災(zāi)減災(zāi)、糧食生產(chǎn)具有重要意義。多年來(lái)，國(guó)內(nèi)外諸多學(xué)者從動(dòng)力模式、統(tǒng)計(jì)分析方法等對(duì)氣候預(yù)測(cè)開(kāi)展了大量研究工作[2-5]。國(guó)家氣候中心基于多個(gè)國(guó)內(nèi)外耦合氣候模式，設(shè)計(jì)了統(tǒng)一協(xié)調(diào)的初始化方案和后處理方案，以本地化運(yùn)行和國(guó)外業(yè)務(wù)預(yù)測(cè)數(shù)據(jù)引進(jìn)相結(jié)合方式，完成了面向月和季節(jié)預(yù)測(cè)的中國(guó)多模式集合預(yù)測(cè)系統(tǒng)CMMEv1.0，并開(kāi)展了一系列的業(yè)務(wù)預(yù)測(cè)研發(fā)和應(yīng)用工作。吳捷等[6]對(duì)國(guó)家氣候中心（BCC）第二代季節(jié)預(yù)測(cè)模式系統(tǒng)的季節(jié)可預(yù)報(bào)性問(wèn)題進(jìn)行了探討，結(jié)果表明BCC二代模式對(duì)我國(guó)冬季氣溫和夏季降水具備一定的預(yù)報(bào)能力。李菲等[7]從DERF2.0產(chǎn)品的降尺度解釋?xiě)?yīng)用角度建立了一套完整的東北地區(qū)月氣溫預(yù)測(cè)模型?？梢钥闯鐾ㄟ^(guò)集合平均、統(tǒng)計(jì)降尺度等客觀方法對(duì)動(dòng)力預(yù)測(cè)系統(tǒng)結(jié)果進(jìn)行解釋?xiě)?yīng)用以期提高氣候預(yù)測(cè)準(zhǔn)確率是目前短期氣候預(yù)測(cè)的主要發(fā)展方向，尤其是區(qū)域、省級(jí)及以下氣候業(yè)務(wù)中較為現(xiàn)實(shí)的途徑之一。

吉林省氣象科學(xué)研究所于2016年引進(jìn)中科院大氣所竺可楨—南森國(guó)際研究中心開(kāi)發(fā)的NZC-PCCSM4短期氣候預(yù)測(cè)系統(tǒng)[2]，結(jié)合降尺度方法[4-5]和觀測(cè)資料，經(jīng)過(guò)不斷地調(diào)試，初步建立了適用于本省氣候特征的面向季節(jié)預(yù)測(cè)的動(dòng)力與統(tǒng)計(jì)相結(jié)合的JL-NZCv1.0短期氣候預(yù)測(cè)系統(tǒng)（簡(jiǎn)稱(chēng)為JL-NZCv1.0系統(tǒng)）[1]，該系統(tǒng)豐富了吉林省氣候及氣候變化業(yè)務(wù)應(yīng)用的科學(xué)研究方法，自2018年開(kāi)始試運(yùn)行。

為了更好地應(yīng)用JL-NZCv1.0系統(tǒng)，了解其預(yù)測(cè)性能，更好地服務(wù)于吉林省的短期氣候預(yù)測(cè)業(yè)務(wù)，提高吉林省短期氣候客觀化預(yù)測(cè)水平，本文對(duì)JL-NZCv1.0系統(tǒng)2018—2021年吉林省春、夏季氣溫和降水的預(yù)測(cè)結(jié)果進(jìn)行了檢驗(yàn)，以期為后續(xù)系統(tǒng)優(yōu)化和完善提供參考依據(jù)，為吉林省短期氣候預(yù)測(cè)業(yè)務(wù)提供支撐。

2 資料與方法

2.1 JL-NZCv1.0系統(tǒng)運(yùn)行及輸出

JL-NZCv1.0系統(tǒng)的核心是CCSM4模式，由大氣、海洋、陸面、海冰和耦合器5大模塊組成，由耦合器實(shí)現(xiàn)物理子模塊間的耦合。其中大氣模式（Community Atmosphere Model version 4，CAM4）水平分辨率為2.5°×1.9°，垂直方向?yàn)榛旌夕?p坐標(biāo)，共26層；陸面模式（Community Land Model version 4，CLM4）與CAM4使用相同的水平分辨率；海洋模式為混合層海洋模式（Slab Ocean Model，SOM），水平分辨率為1°×1°，旋轉(zhuǎn)坐標(biāo)系；海冰模式（Community Ice Code version 4，CICE4）使用與SOM相同的海陸分布配置與水平分辨率[1]。

該系統(tǒng)主要包括初始化運(yùn)行、試驗(yàn)運(yùn)行、后處理運(yùn)行3部分。初始化運(yùn)行部分用于創(chuàng)建積分試驗(yàn)所需要的初始場(chǎng)文件，目前提供了2種運(yùn)行方式，其中逐年運(yùn)行方式適用于實(shí)時(shí)預(yù)測(cè)試驗(yàn)，分模塊運(yùn)行方式適用于多年回報(bào)試驗(yàn)。大氣模式初始場(chǎng)數(shù)據(jù)為NCEPFNL和Reanalysis 1數(shù)據(jù)；陸面模式初始場(chǎng)數(shù)據(jù)為NCEP Climate Forecast System Reanalysis（CFSR）資料中的0—2 m的土壤溫度和土壤濕度數(shù)據(jù)；海洋模式初始場(chǎng)數(shù)據(jù)為美國(guó)NCEP全球海洋同化系統(tǒng)（GODAS）再分析資料中月平均0—115 m加權(quán)平均的鹽度和溫度、表層洋流速度數(shù)據(jù)；海冰模式初始場(chǎng)數(shù)據(jù)為模式的氣候態(tài)海冰。試驗(yàn)運(yùn)行部分負(fù)責(zé)實(shí)現(xiàn)積分試驗(yàn)并輸出預(yù)測(cè)結(jié)果，積分試驗(yàn)運(yùn)行腳本的起報(bào)時(shí)間、積分時(shí)間、運(yùn)行節(jié)點(diǎn)、路徑等參數(shù)已設(shè)置完畢，可以根據(jù)實(shí)際需求進(jìn)行修改，且提供了每月1日起報(bào)的12個(gè)試驗(yàn)范例，并增加了500 hPa高度場(chǎng)、200 hPa V、850 hPa V、200 hPa U、850 hPa U輸出變量。后處理運(yùn)行部分主要用于對(duì)試驗(yàn)所產(chǎn)生的數(shù)據(jù)進(jìn)行降尺度訂正、輸出預(yù)測(cè)結(jié)果及完成繪圖等。更多詳細(xì)內(nèi)容見(jiàn)文獻(xiàn)[1]。

本文研究資料包括吉林省50個(gè)自動(dòng)氣象觀測(cè)站1981—2021年逐月氣溫和降水量觀測(cè)資料，JL-NZCv1.0系統(tǒng)超前（lead time）1個(gè)月的春、夏季氣溫和降水的預(yù)測(cè)結(jié)果。如對(duì)春季而言，模式起報(bào)時(shí)間為每年2月1日；對(duì)夏季而言，模式起報(bào)時(shí)間為每年5月1日。積分時(shí)間為7個(gè)月，回報(bào)時(shí)間段為1981—2021年，氣候態(tài)采用1981—2010年多年平均值。

2.2 檢驗(yàn)方法

參考WMO（World Meteorological Organization）推薦的標(biāo)準(zhǔn)和方法[6，8]以及中國(guó)氣象局于1999年7年執(zhí)行的《短期氣候預(yù)測(cè)質(zhì)量評(píng)定暫行辦法》，本文采用趨勢(shì)異常綜合檢驗(yàn)（Ps）[7，9-11]、距平符號(hào)一致率（Pc）[9-12]和空間相似系數(shù)（ACC）[6，11，13]對(duì)JL-NZCv1.0系統(tǒng)的預(yù)測(cè)性能進(jìn)行定量檢驗(yàn)。

Ps是中國(guó)氣象局制定的業(yè)務(wù)預(yù)測(cè)評(píng)分標(biāo)準(zhǔn)，主要考慮預(yù)報(bào)的趨勢(shì)項(xiàng)、異常項(xiàng)和漏報(bào)項(xiàng)（異常量級(jí)漏報(bào)），其計(jì)算方法是將預(yù)測(cè)區(qū)域各站的降水、氣溫趨勢(shì)預(yù)測(cè)分別按照降水距平百分率（ΔR%）、氣溫距平（ΔT，℃）實(shí)行6級(jí)評(píng)分制，具體的趨勢(shì)預(yù)報(bào)用語(yǔ)和分級(jí)標(biāo)準(zhǔn)見(jiàn)表1，計(jì)算公式為：

表1 Ps評(píng)分6級(jí)評(píng)分制趨勢(shì)預(yù)報(bào)用語(yǔ)和分級(jí)標(biāo)準(zhǔn)

式中，a、b、c分別為氣候趨勢(shì)項(xiàng)，一級(jí)異常項(xiàng)和二級(jí)異常項(xiàng)的權(quán)重系數(shù)本文取a=2、b=2、c=4；N為實(shí)際參加評(píng)估的站數(shù)；N0為趨勢(shì)預(yù)測(cè)正確的總站數(shù)；N1為一級(jí)異常預(yù)測(cè)正確的總站數(shù)；N2為二級(jí)異常預(yù)測(cè)正確的總站數(shù)；M為沒(méi)有預(yù)報(bào)二級(jí)異常而實(shí)況出現(xiàn)ΔR≥100%或ΔR=-100%、ΔT≥3℃或ΔT≤-3℃的站數(shù)（國(guó)家氣象業(yè)務(wù)內(nèi)網(wǎng)—?dú)夂驑I(yè)務(wù)：常規(guī)產(chǎn)品檢驗(yàn)方法——趨勢(shì)異常綜合評(píng)分）。

Pc是距平符號(hào)預(yù)測(cè)正確的站點(diǎn)數(shù)與總站點(diǎn)數(shù)的百分比，計(jì)算公式為：

式中，N為預(yù)測(cè)與觀測(cè)的降水距平百分率或氣溫距平的符號(hào)相同或距平為零的站點(diǎn)數(shù)；M為總站點(diǎn)數(shù)。只有當(dāng)同號(hào)率大于50%，降水或氣溫的主要趨勢(shì)被反映出來(lái)時(shí)，再考慮強(qiáng)度預(yù)測(cè)才有意義[11]。

空間相似系數(shù)（ACC）主要反映預(yù)測(cè)距平與觀測(cè)距平空間型的相似程度，展示了模式預(yù)測(cè)的空間分布技巧，也稱(chēng)為距平相關(guān)系數(shù)，計(jì)算公式為：

式中，N代表評(píng)分的站點(diǎn)數(shù)；ΔRf，i和ΔRf，i分別代表第i個(gè)站點(diǎn)的降水距平百分率或者氣溫距平的預(yù)測(cè)值和多年平均值；ΔRo，i和為相應(yīng)的觀測(cè)值。ACC取值范圍在-1到1之間，越趨近于1表示技巧越高[9]。

3 結(jié)果分析

3.1 春季氣溫和降水的預(yù)測(cè)結(jié)果檢驗(yàn)

表2是JL-NZCv1.0系統(tǒng)預(yù)測(cè)2018—2021年春季吉林省氣溫和降水的Ps評(píng)分、距平符號(hào)一致率Pc、ACC技巧。可以看到2018—2021年春季氣溫的Ps評(píng)分平均達(dá)到84.9分，各年P(guān)s評(píng)分均在73分以上，尤其是2019年春季氣溫的Ps評(píng)分高達(dá)96分，可見(jiàn)系統(tǒng)對(duì)春季氣溫異常的預(yù)測(cè)效果較高且預(yù)測(cè)性能穩(wěn)定；春季氣溫預(yù)測(cè)的Pc平均為74.6%，其中2019年最高，為91.9%，但2020年僅58%；ACC技巧除2021年為負(fù)外，2018—2020年ACC技巧均為正，其中2018年ACC技巧最高，為0.34。

JL-NZCv1.0系統(tǒng)對(duì)2018—2021年春季降水預(yù)測(cè)的Ps評(píng)分均在63分以上，4年平均達(dá)到了74.2分，其中2021年最高，為83.5分；Pc除2019年為47%，其余均在60%以上，4年平均為59.9%；ACC技巧除2021年為負(fù)外，其余3年均為正，其中2020年ACC技巧最高，為0.39。

在不考慮特殊性的情況下，以2020年為例，對(duì)比吉林省2020年春季氣溫、降水的預(yù)測(cè)與觀測(cè)的空間分布（圖1、圖2）。從表2的檢驗(yàn)評(píng)分來(lái)看，2020年春季氣溫和降水的預(yù)測(cè)評(píng)分在4年中不屬于特別突出的年份，Ps評(píng)分處于平均水平，溫度的Pc屬于4年最低，降水的ACC屬于4年最高。

表2 2018—2021年春季吉林省氣溫和降水的Ps評(píng)分、Pc和ACC技巧

從圖1、圖2可以看出，JL-NZCv1.0系統(tǒng)預(yù)測(cè)2020年春季氣溫西部及東部略高，中部、東南部部分地區(qū)略低，西部、東部高于中部、南部的空間溫度梯度分布，與觀測(cè)相比預(yù)測(cè)成功，但距平絕對(duì)值較觀測(cè)偏低，且觀測(cè)最南部很小的負(fù)距平區(qū)沒(méi)有預(yù)測(cè)出來(lái)（圖1b），這應(yīng)該是Pc評(píng)分較低的表現(xiàn)；系統(tǒng)對(duì)降水空間分布的預(yù)測(cè)與觀測(cè)相比，系統(tǒng)準(zhǔn)確地預(yù)測(cè)出吉林省西部地區(qū)降水偏多（圖2a），具體來(lái)說(shuō)白城、松原、四平地區(qū)多雨，遼源、通化、白山地區(qū)北多南少的形勢(shì)，以及對(duì)延邊南部少雨均預(yù)測(cè)正確，僅中部長(zhǎng)春、吉林地區(qū)預(yù)測(cè)的距平反號(hào)，ACC評(píng)分為0.39。

圖1 2020年春季吉林省氣溫距平的預(yù)測(cè)（a）和觀測(cè)（b）

圖2 2020年春季吉林省降水距平百分率的預(yù)測(cè)（a）和觀測(cè)（b）

3.2 夏季氣溫和降水的預(yù)測(cè)結(jié)果檢驗(yàn)

表3是JL-NZCv1.0系統(tǒng)對(duì)2018—2021年夏季吉林省氣溫和降水預(yù)測(cè)的Ps評(píng)分、距平符號(hào)一致率Pc和ACC技巧?？梢钥闯?，JL-NZCv1.0系統(tǒng)預(yù)測(cè)夏季吉林省氣溫Ps評(píng)分均在72分以上，4年平均分為81.7分；Pc均在57%以上，4年平均為69.9%，Ps、Pc均比春季略低；ACC技巧2019年較高，為0.42，其余年份ACC技巧均為負(fù)。

表3 2018—2021年夏季吉林省氣溫和降水的Ps評(píng)分、Pc和ACC技巧

夏季降水的Ps評(píng)分、Pc均低于春季，也低于夏季氣溫；Ps評(píng)分2020年只有50.1分，2019年最高為71.1分，4年平均為61.6分；Pc的4年平均僅44.6%，只有2019年分?jǐn)?shù)在50%以上；ACC技巧只有2019年為正，為0.35，其余年份均為負(fù)。

同樣不考慮特殊性，選取2021年的預(yù)測(cè)為例，圖3、圖4分別給出2021年夏季吉林省氣溫距平、降水距平百分率的預(yù)測(cè)和觀測(cè)的空間分布。氣溫觀測(cè)的空間分布呈自東向西的4階梯變化（圖3b），而預(yù)測(cè)的空間分布為從東部到中部的2階梯變化?？烧J(rèn)為是異常趨勢(shì)預(yù)測(cè)正確，但西部地區(qū)氣溫距平符號(hào)預(yù)報(bào)正確，量級(jí)較觀測(cè)偏高，而通榆地區(qū)反號(hào)，因此Ps評(píng)分和Pc較高，但ACC只有-0.03。降水空間分布的預(yù)測(cè)與觀測(cè)相比，JL-NZCv1.0系統(tǒng)抓住了吉林省中部降水異常的空間分布趨勢(shì)（圖4a），但西部和東部差異較大（圖4b），因此Pc只有46%，ACC只有-0.19，但Ps為64分，超過(guò)了60分。

圖3 2021年夏季吉林省氣溫距平的預(yù)測(cè)（a）和觀測(cè)（b）

圖4 2021年夏季吉林省降水距平百分率的預(yù)測(cè)（a）和觀測(cè)（b）

4 結(jié)語(yǔ)

（1）4年平均，春季氣溫的Ps平均可以達(dá)到84.9分、距平符號(hào)一致率Pc平均達(dá)到74.6%，夏季氣溫的Ps平均為81.7分、距平符號(hào)一致率Pc平均為69.9%；春季降水的Ps平均達(dá)到74分、距平符號(hào)一致率Pc平均為59.9%，夏季降水的Ps平均為61.6分，而距平符號(hào)一致率Pc平均只有44.6%，未超過(guò)50%?？梢?jiàn)，JL-NZCv1.0系統(tǒng)對(duì)吉林省春、夏季氣溫和降水有一定的預(yù)測(cè)能力，對(duì)氣溫的預(yù)測(cè)能力高于降水，對(duì)春季的預(yù)測(cè)能力高于夏季。

（2）ACC技巧的檢驗(yàn)結(jié)果顯示，JL-NZCv1.0系統(tǒng)有能力較好地再現(xiàn)吉林省春、夏季氣溫、降水的空間分布，而且4年的檢驗(yàn)結(jié)果發(fā)現(xiàn)春季ACC預(yù)測(cè)技巧優(yōu)于夏季；比較而言該系統(tǒng)預(yù)測(cè)氣溫異常的空間型與觀測(cè)比較一致，對(duì)降水的空間分布預(yù)測(cè)稍差。

（3）總體來(lái)說(shuō)，通過(guò)對(duì)JL-NZCv1.0系統(tǒng)4年來(lái)春、夏季預(yù)測(cè)結(jié)果的初步檢驗(yàn)，一方面可以肯定JL-NZCv1.0系統(tǒng)對(duì)吉林省春、夏季氣溫和降水有一定的預(yù)測(cè)能力，另一方面也看到對(duì)氣溫的預(yù)測(cè)效果高于降水，尤其對(duì)近幾年春、夏季氣溫偏高趨勢(shì)的預(yù)測(cè)較為準(zhǔn)確；對(duì)春季的氣溫和降水的預(yù)測(cè)效果優(yōu)于夏季，但預(yù)測(cè)技巧不穩(wěn)定。同時(shí)，也發(fā)現(xiàn)該系統(tǒng)對(duì)氣溫距平和降水距平百分率預(yù)測(cè)的量級(jí)較觀測(cè)偏低，可能由數(shù)值模式的系統(tǒng)誤差引起的，是數(shù)值模式普遍存在的問(wèn)題，需要進(jìn)行更多數(shù)值模擬試驗(yàn)和統(tǒng)計(jì)分析來(lái)進(jìn)行訂正或去除。

（4）由于模式本身的積云對(duì)流參數(shù)化方案對(duì)降水空間分布有影響，云微物理過(guò)程對(duì)降水量的模擬也有影響。因此，在東北地區(qū)短期氣候預(yù)測(cè)業(yè)務(wù)實(shí)踐中，尋找影響東北初夏、盛夏及夏季降水的關(guān)鍵環(huán)流系統(tǒng)，遴選出對(duì)預(yù)報(bào)區(qū)域溫度、降水綜合模擬效果最好的參數(shù)化方案的組合，研發(fā)新的客觀預(yù)測(cè)方法，引進(jìn)新的統(tǒng)計(jì)降尺度方案等，都應(yīng)該是未來(lái)努力的方向。