大气科学  2017, Vol. 41 Issue (1): 71-90   PDF    
基于BCC_CSM模式的中国东部夏季降水预测检验及订正
郭渠1 , 刘向文2 , 吴统文2 , 程炳岩1 , 李瑞3 , 魏鳞骁1     
1 重庆市气候中心, 重庆 401147
2 国家气候中心, 北京 100081
3 济南市气象局, 济南 250002
摘要: 基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:(1)模式能在一定程度上把握我国东部夏季降水时空变率的两个主要模态(偶极子型模态和全区一致型模态),但是不同超前时间的预测在刻画模态方差贡献、异常空间分布特征、时间系数的年际变化等方面存在明显误差;(2)模式能够合理预测大尺度环流和海表温度(SST)的变化特征,但是对中国东部夏季降水的总体预测技巧有限,这与模式不能准确刻画西太平洋副热带高压、大陆高压、中高纬阻塞高压等环流系统以及热带太平洋、印度洋SST变率对中国东部降水模态的影响有关;(3)针对1991~2003年回报试验数据中的500 hPa位势高度、850 hPa纬向风和经向风、SST变量,在全球范围内寻找并定位与中国东部站点降水关系最密切的预报因子,进而建立针对降水预测的单因子线性回归、多因子逐步和多元回归模型。采用2004~2013年回报试验对所建立的降水预测模型进行了独立检验,结果表明:所建立的降尺度预测模型能显著提高中国东部地区夏季降水的预报技巧。以6月1日起报试验为例,预测的第一模态(第二模态)与观测的空间相关系数由原始的0.12(0.48)提高到了0.58(0.80),时间相关系数则从0.47(0.15)提高到0.80(0.67);其它超前时间的预测试验中,降尺度预测模型的降水预测技巧相比模式原始预测技巧也同样明显提高。
关键词 BCC_CSM模式      我国东部夏季降水      模态      预报超前时间      降尺度     
Verification and Correction of East China Summer Rainfall Prediction Based on BCC_CSM Model
GUO Qu1, LIU Xiangwen2, WU Tongwen2, CHENG Bingyan1, LI Rui3, WEI Linxiao1     
1 Chongqing Climate Center, Chongqing 401147
2 National Climate Center, Beijing 100081
3 Jinan Meteorological Bureau, Jinan 250002
Abstract: Based on the re-forecast data from the second-generation seasonal prediction model of National Climate Center, the model's capability to predict summer rainfall over East China and possible reasons for the forecast errors are investigated. Furthermore, the rainfall forecast skill is improved by the application of downscaling approaches. Results indicate that the model is able to capture the two major modes of spatiotemporal variability of summer rainfall over East China to some extent (i.e. the dipole mode and the uniform-distribution mode). However, forecasts at various lead times show obvious errors in variance contributions of these modes and spatial distributions of anomalies and interannual variations of time coefficients, etc. In addition, although the model can reasonably reproduce variations of large-scale circulation and sea surface temperature (SST), it shows limited skills in forecasting summer rainfall over East China. This is partially due to the model's inability to realistically depict the impacts of circulation systems such as the West Pacific subtropical high, the continental high and the middle-high-latitude blocking high. Influences of SST in the tropical Pacific and Indian Ocean on major rainfall modes over East China are also not well described in the model. Furthermore, in terms of the 500-hPa geopotential height, 850-hPa zonal and meridional winds, and SST in reforecasts for 1991-2003, predictors with the closest relationship with East China rainfall are identified on global scale and used to establish the single-factor linear regression, multi-factor stepwise regression, and multiple regression downscaling models for rainfall prediction. These downscaling rainfall prediction models are tested independently using reforecasts for 2004-2013, and significant improvements in the forecast of East China summer rainfall are obtained. For the forecast initialized on June 1, for example, the spatial correlation coefficient between predicted and observed EOF1 (EOF2) modes increases from 0.12 (0.48) for the original prediction to 0.58 (0.80) for the downscale prediction, and the corresponding temporal correlation coefficient rises from 0.47 (0.15) to 0.80 (0.67). Compared to the original forecasts by the model at other lead times, the downscaling forecast models also significantly enhance the prediction skill of rainfall.
Key words: BCC_CSM model      East China summer rainfall      Mode      Lead time      Downscaling     
1 引言

短期气候预测可以指导防灾减灾,近些年来其在经济建设和社会发展中的重要性渐趋突出。在气候变化最为复杂的东亚季风区,由于季风多尺度变率显著、年际差异大、极端天气、气候事件频发,开展有针对性的短期气候预测工作显得尤为重要。但是,鉴于东亚季风气候的影响因素众多,形成原因复杂,预测结果的不确定性很大,在一定程度上导致了短期气候预测工作的极端艰巨性。

基于数值气候模式的动力预测方法是短期气候预测的主要手段之一。早期的动力预测常采用“两步法”,即先预报出海温异常,再用预报海温驱动单独大气环流模式进行气候预测(Bengtsson et al.,1993Harzallah and Sadourny,1995)。“两步法”在实际运用中取得了一定的效果,但其不足之处是仅能刻画大气对确定边界条件的被动反应(Charney and Shukla,1981),不能描述海气耦合反馈过程,这种缺陷对东亚季风的模拟尤为突出(Wang et al.,2005Wu and Kirtman,2005)。基于多分量耦合模式的直接气候预测方法(即所谓的“一步法”)能够有效的刻画气候系统不同分量的相互耦合反馈过程,克服了“两步法”的不足,因而逐渐得到了广泛应用。经过近二十年的发展,“一步法”已经成为短期气候预测研究和业务应用的主要手段(Saha et al.,20062014Weisheimer et al.,2009; Ma et al.,2014; Liu et al.,2015)。当前,众多气候系统模式能合理预测东亚季风多时间尺度变率、主要空间模态分布、季风与其它气候系统尤其是与厄尔尼诺—南方涛动(ENSO)的关系等(Wang and Yang,2008; Lee et al.,2010; Li et al.,2012; Jiang et al.,2013; Liu et al.,20132014a)。但是,受分辨率有限、初始条件不确定、物理过程不完善、气候现象本身的可预报性有限等多种因素影响,气候模式对东亚气候的预测存在明显误差及巨大不确定性(Krishnamurti et al.,2006; Fu et al.,2009; Yang et al.,2011; Kumar and Krishnamurti,2012; Wen and Zhang,2012)。虽然气候模式对东亚季风的预测存在很多局限性,但围绕季风动力预测的订正,气 象学家们做了大量的工作,如通过提高模式分辨率、改善资料同化精度、改进物理过程、发展集合预报技术、利用统计与动力相结合的降尺度方法等来提高短期气候预测技巧(Zhu et al.,2008; Artale et al.,2010; Juneng et al.,2010; Kirtman et al.,2011; Suchul et al.,2014)。

中国地处东亚季风区,对东亚季风气候的预测历来比较重视。早在20 世纪80 年代,中国科学院大气物理研究所就开始了基于大气环流模式的短期气候预测研究及应用(曾庆存等,1990王会军,1997Zeng et al.,1997),其后围绕发展ENSO预报技术(Zhou et al.,1999; Zhou and Zeng,2001; Zheng et al.,2006)、改善模式物理过程和改进预报方法(Lin and Zeng,1997赵彦等,1999张凤等,2004)等方面开展了大量工作。近几年,又在美国通用气候系统模式的基础上研制预测方案,建立了一个全球气候动力预报系统(Ma et al.,2014)。此外,中国气象局国家气候中心(BCC)在“九五”重中之重科技项目资助下,基于大气环流模式和海气耦合模式建立了第一代短期气候预测模式系统(丁一汇等,20022004张培群等,2004李维京等,2005),之后自2005年起的近10年时间里又在国外模式发展的基础上引进、改良、创新,建成了包含大气、陆面、海洋、海冰分量的BCC气候系统模式,并基于其研发了第二代短期气候预测模式系统(吴统文等,20132014)。经过近二十年的发展,我国动力气候预测系统已对全球和区域气候特征尤其是ENSO、季风等主要气候现象展现出合理的预测技巧(Liu et al.,2014b2015; Ma et al.,2014),而且模式对我国气候尤其是极端气候异常事件的预测能力明显提升(林朝晖等 ,1998;郎咸梅等,2004王会军等,2008董敏等,2013)。此外,统计和动力降尺度预报方法在实际预测中的大量应用也在一定程度上提高了气候预测技巧(Zhu et al.,2008Ke et al.,2009Sun and Chen,2012Liu and Fan,20132014)。但是,从总体上看,我国短期气候预测水平仍十分有限,近些年夏季降水预测正确率基本在60%~70%,长江流域在50%左右(李维京等,2013);而且,受诸多复杂因子的影响,我国短期气候预测结果存在巨大不确定性,气候预测工作仍然面临很多挑战(Wang et al.,2015)。鉴于这种情况,持续不断的改进气候模式和预测方法、订正预测结果以提高预测准确率仍是长期需求。

针对我国短期气候动力预测的研究和应用现状,本文利用国家气候中心第二代季节预测模式系统的回报试验数据开展我国东部夏季降水检验及订正工作,主要探讨以下几个问题:BCC气候预测模式能在多大程度上再现我国东部夏季降水的主要时空变化特征?降水预测的主要误差表现在 哪里,其产生的可能原因是什么?基于现有结果 如何进一步提高模式对我国东部夏季降水的预测技巧?

2 模式与资料 2.1 模式与试验简介

BCC第二代季节气候动力预测系统基于气候系统模式BCC_CSM1.1(m)建立。该模式是一个包含大气—海洋—陆面—海冰耦合过程的中等分辨率全球气候系统模式,是参加第五次国际耦合模式比较计划(CMIP5)的模式之一。其中,大气分量模式采用BCC_AGCM2.2,水平分辨率为T106波(相当于1.125°×1.125°),垂直方向分为26 层(Wu et al.,2010);陆面分量模式采用BCC_ AVIM1.0,是在美国国家大气研究中心(NCAR)公用陆面模式物理模块的基础上引入国内发展的动态植被和土壤碳循环模型(Ji et al.,2008)而建立的;海洋分量模式采用美国国家地球物理实验室发展的精细化海洋环流模式MOM4(Murray,1996),水平分辨率在中高纬地区为1°,热带地区加密到(1/3)°,垂直方向为40层;海冰分量模式为美国国家地球物理实验室发展的海冰模拟器SIS(Winton,2000);各分量模式通过耦合器进行直接的动态耦合。

基于上述预测系统开展了1991~2013年的逐年夏季汛期回报试验:试验依次从每年3月1日、4月1日、5月1日、6月1日的初值起报,积分预测当年夏季6~8月的气候状况,其对应的预测超前时间(lead time)分别为3个月、2个月、1个月和0个月,因此下文将这些试验分别简称为LM3、LM2、LM1和LM0。预测的大气初值取自美国国家环境预测中心(NCEP)一日四次再分析资料中的温度、风场、地面气压场,海洋初值取自NCEP全球海洋同化系统的再分析海洋温度场,各变量场初值信息通过松弛逼近方法输入到模式。预测集合方案采用了滞后平均预报法,每次试验包含15个集合样本,基于起报时刻前5天的大气初值和前3天的海洋初值排列组合得到。

2.2 验证资料

由于东亚短期气候预测的巨大不确定性,当前国际上大多数气候预测模式对东亚副热带到中高纬地区的降水预测技巧十分有限,因此本文关于中国东部降水动力预测结果的分析主要针对35°N以南、105°E以东的范围。为检验模式预测结果,使用了如下验证资料:中国气象局国家气象信息中心提供的756站逐日降水资料,本文选取了其中35°N以南、105°E以东的202个站;NCEP再分析资料Ⅱ中的风场、位势高度场(Kanamitsu et al.,2002);美国国家海洋和大气管理局(NOAA)的最优插值海表温度资料(Reynolds et al.,2002)。所有资料时段均取1991年1月至2013年12月。针对中国区域降水特征的分析,采用双线性插值方法将再分析资料从格点插值到站点,并进而与实际站点观测相比较。

3 降水基本特征的预测 3.1 气候态与方差

从观测和LM0预测的降水气候态分布来看(图 1ab),模式预测基本上反映了我国东部地区夏季降水分布的主要特征,如降水量由东南沿海向西北内陆递减,在华南沿海、江淮流域和四川西部各有一高值中心,而西北、华北与东北北部地区降水相对较少。同时,模式预测也存在显著偏差:我国东部、南部地区降水约偏少1~5 mm d-1,其中江淮流域、东南沿海偏少在3 mm d-1以上;华北地区降水偏多1~2 mm d-1,青藏高原及其东北部存在8~14 mm d-1的虚假强降水中心,后者可能与观测资料不够精确、气候模式不能细致刻画局部地形等原因有关(Xu and Xu,2012)。此外,LM0、LM1、LM2、LM3预测结果的差异很小(图略),表明模式系统性偏差在预测积分阶段快速、稳定形成,对月、季尺度的预测超前时间依赖较小(Liu et al.,2015)。

图 1 观测(OBS;左列)与模式预测(右列)的1991~2013年夏季降水量(a、b)气候态及(c、d)均方差。单位: mm d-1 Figure 1 Summer rainfall (a, b) climatology and (c, d) standard deviations from observations (OBS, left column) and predictions (right column) during 1991-2013. Units: mm d-1

图 1cd进一步给出观测与LM0预测的夏季降水均方差分布。可以看出,江淮流域、东南沿海夏季降水有较大的年际变率,达2~4 mm d-1;西北地区变率较小,在0.4 mm d-1以下。预测与观测的空间分布特征总体一致,但是预测均方差量值明显偏小,尤其是华东、华中、华南地区较观测偏小1~2 mm d-1。模式预测的东部地区夏季降水的年际变率幅度相对较小,在一定程度上与模式预测结果采用了多样本集合平均有关。

中国地处东亚季风区,夏季降水的偏差与亚洲季风环流系统的偏差有密切联系。在亚洲季风区内,模式预测的气候态偏差主要表现在西太平洋副热带高压(简称副高)和南亚热带季风偏弱、西北太平洋海表温度(SST)偏低等(Liu et al.,2015)。副热带高压的强度与空间分布受下垫面热力异常尤其是与ENSO相联系的热带太平洋和印度洋SST异常的影响较大(Nitta,1987吴国雄等,2002)。观测资料显示,夏季热带西太平洋暖池区和印度洋SST均在28℃以上,暖性的下垫面使得500 hPa副高系统得以维持;与观测相比,目前大多数模式模拟的海表温度28℃等温线范围较小,西北太平洋和印度洋的SST显著偏低,对应的500 hPa位势高度明显偏弱(刘芸芸等,2014)。因此,BCC_CSM中存在的SST偏差和西太副高偏差相互对应,可能在一定程度上与我国东部降水的显著偏少有关。

3.2 降水时空变率的主模态

为了检验模式对我国东部夏季降水时空变率的预测技巧,将观测与模式预测夏季降水分别作经验正交函数(EOF)展开,进而探讨二者空间模态及时间系数的差异。鉴于大多数气候动力预测模式对东亚大陆中高纬地区的降水预测技巧非常有限,这里针对中国东部降水变率的分析主要限定于35°N以南、105°E以东的范围。观测第一模态(EOF1)的降水异常分布在华南地区与江淮流域呈反位相,即偶极子型分布(图 2a);第二模态(EOF2)虽在华南沿海有零星差异,但主要表现出全区同位相的降水异常,即全区一致型分布(图 2b)。与观测结果相比,模式预测能刻画前2个降水模态的主要特征,但不一一对应,模态的方差贡献及主次顺序有所差别,为了便于对比分析,将预测和观测按空间相似度最高的原则归类(图 2c-j)。由图 2可见,预测结果能基本再现偶极子型和全区一致型空间分布,EOF1的观测与各超前时间预测的空间相关系数(PCC)最高可达0.55,而EOF2的观测与不同超前时间预测的PCC均在0.69以上。同时,预测与观测之间也存在明显差异:观测EOF1和EOF2的方差贡献分别为29%和17%,预测则分别介于12%~19%和30%~49%之间;观测偶极子型的南北分界线位置与预测结果有所差别,观测全区一致型在华南沿海地区的零星降水异常在模式中未有体现。

图 2 (a、b)观测与(c-j)不同超前时间的模式预测的1991~2013年夏季降水EOF1(左列)、EOF2(右列)模态的空间分布(PCC:空间相关系数) Figure 2 Spatial distributions of the first (EOF1, left column) and second (EOF2, right column) EOF modes of summer rainfall from (a, b) observations and (c-j) predictions at different lead times during 1991-2013 (PCC: spatial correlation coefficient)

图 3进一步给出观测与模式预测的中国东部夏季降水前两个EOF模态对应的时间系数(PC1、PC2)的标准化序列。结果表明,模式预测对PC1、PC2年际变化的刻画能力较弱,虽然总体上与观测呈现正相关,但它们的时间相关系数(TCC)未通过95%的信度检验。BCC_CSM对中国东部夏季降水时间变率的预测技巧较低,这与目前大多数气候模式对东亚季风降水预测能力有限是一致的。不过,值得注意的是,模式对极端异常降水事件有一定把握能力,例如在1997、1998、2009和2010年,观测PC2的极值分布在多数预测中能得到体现。

图 3 观测与不同超前时间预测的夏季降水EOF(a)第一(PC1)、(b)第二(PC2)模态时间系数的年际变化 Figure 3 Interannual variations of time coefficients of (a) the first (PC1) and (b) second (PC2) EOF mode of summer rainfall from observations and predictions at different lead times (TCC: time correlation coefficient)
4 误差的可能原因

上述分析揭示,虽然BCC_CSM对中国夏季降水时空变率有一定描述能力,但总体预报技巧较低。考虑到模式对降水的预测技巧很大程度上依赖于其对影响降水的环流系统和下垫面条件的刻画能力,因此下面工作将分别探讨观测和模式预测结果中夏季降水PC1、PC2与亚洲—太平洋地区位势高度场、风场、海温场的线性关系,从环流和外源方面揭示模式降水预测误差的可能成因。

4.1 高度场

图 4给出了观测与模式预测的夏季降水PC1、PC2与500 hPa位势高度场的年际相关分布特征。从夏季降水PC1与高度场的相关分布可以看出,观测(图 4a)的显著相关区位于乌拉尔山、里海和华南地区上空,反映出东部夏季降水变率受高、中、低纬度环流系统的共同影响;模式预测(图 4cegi)的显著相关区主要位于我国东部到中纬度北太平洋地区,表明模式中夏季降水偶极子型模态和中纬度位势高度场的关系被明显高估。不同超前时间的模式预测结果在副热带到中纬地区基本相同,但在高纬地区有所差别:LM0预测结果表现出乌拉尔山和鄂霍克海地区负相关、贝湖附近正相关的空间分布,这种特征与观测有一定程度相似;与LM0预测不同,LM2和LM3预测在高纬地区则分别呈现出一致负相关和一致正相关的空间分布特征。

图 4 (a、b)观测和(c-j)不同超前时间模式预测的夏季降水PC1(左列)、PC2(右列)与500 hPa位势高度场的相关分布。填色区通过95%的信度检验 Figure 4 Correlation of PC1 (left column) and PC2 (right column) of summer rainfall from (a, b) observations and (c-j) predictions at different lead times with 500-hPa geopotential height. The shaded areas indicate the correlation is statistically significant above the 95% confidence level

从夏季降水PC2与高度场的相关分布可以看出,观测(图 4b)的巴尔喀什湖至贝湖、长江流域到菲律宾以东地区都存在一定程度正相关,体现了东部夏季降水第二模态受中高纬阻塞高压与副热带高压的共同影响。不同超前时间的模式预测结果(图 4df、h、j)均在中国东部到热带中西太平洋地区呈现出显著正相关,表明西北太平洋副高对东部地区夏季降水全区一致型模态的影响被明显高估,而中高纬度环流系统的影响则没有得到合理体现。

上述结果表明模式预测不能合理再现我国东部夏季降水与副热带到中高纬环流系统的关系。为了进一步定量揭示预测与观测的差异,参考以往研究工作(张庆云和陶诗言,1998赵振国,1999张庆云等,2007陈官军和魏凤英,2012),并结合模式中环流系统的表现特征,采用区域平均500 hPa位势高度定义以下环流指数:西太平洋副热带高压强度指数(10°N~45°N,110°E~180°E)、大陆高压指数(35°N~45°N,90°E~120°E)、乌拉尔山阻塞高压指数(50°N~60°N,40°E~80°E)、鄂霍次克海阻塞高压指数(50°N~60°N,120°E~160°E),进而探讨了观测和模式中这些环流指数与中国东部夏季降水的关系。

模式对中低纬环流系统的年际变率有一定预测能力,在LM0、LM1、LM2和LM3预测结果中,西太平洋副高强度指数与观测的相关系数分别为0.81、0.88、0.81和0.8,大陆高压指数与观测的相关系数分别为0.46、0.45、0.51和0.46,均通过了95%的信度检验(0.42);与之相反的是,不同超前时间预测的乌拉尔山阻塞高压指数、鄂霍次克海阻塞高压指数与观测的相关系数都在0.37以下,未通过95%的信度检验。进一步由表 1可见,大陆高压与中国东部夏季降水PC1的年际相关系数在观测中为0.08,在LM0、LM1、LM2和LM3预测中则分别为0.52、0.58、0.32和0.48,表明预测明显高估了大陆高压与夏季降水第一模态的关联;同时,观测的乌拉尔山阻塞高压指数与降水PC1存在显著的负相关(R=-0.54),而大多数预测都低估了这种关系。对于中国东部夏季降水PC2,观测中其和西太平洋副高的相关系数很小(R=0.06),但在LM0、LM1、LM2和LM3预测中这种关系被显著高估,分别达到0.53、0.52、0.64和0.62。

表 1 观测、不同超前时间预测的夏季降水PC1、PC2和各项指数(西太平洋副高指数、大陆高压指数、乌拉尔山阻高指数、鄂霍次克海阻高指数、Niño3.4 SST指数、太平洋SST主模态时间系数和印度洋SST主模态时间系数)的年际相关 Table 1 Interannual correlations between PC1/PC2 of the summer rainfall and various indices (the western Pacific subtropical high, the continental high, the Ural blocking high, the Okhotsk blocking high, Niño3.4 SST, time coefficients of the major Pacific SST mode, and time coefficients of the major Indian Ocean SST mode) for observations and predictions at different lead times
4.2 风场

图 5给出了观测与模式预测的夏季降水PC1、PC2与850 hPa风场的线性回归分布特征。从夏季降水PC1与风场的回归特征可以看出,观测的降水偶极子模态处于典型正位相时,我国江南到华南地区、中纬度北太平洋地区均存在明显的气旋性环流异常,同时从南亚季风区到热带西北太平洋盛行大范围的西风异常(图 5a)。预测结果(图 5cegi)在一定程度上再现了华南地区的气旋性环流异常,但范围明显偏大,中心位置往往位于热带西北太平洋地区;同时,在副热带到中纬度北太平洋,存在大范围的反气旋环流异常,这与图 4所示的该地区500 hPa位势高度场与降水PC1的正相关是相对应的,表明中纬度环流系统的影响被高估。

图 5 (a、b)观测、(c-j)不同超前时间预测的夏季降水PC1(左列)、PC2(右列)与850 hPa风场的回归分布。回归系数小于3 m s-1的量值未给出,填色区通过95%的信度检验 Figure 5 Regressions of 850-hPa winds on summer rainfall PC1 (left column) and PC2 (right column) from (a, b) observations and (c-j) predictions at different lead times. Regression coefficients less than 3 m s-1 are not shown. The shaded areas indicate correlations statistically significant above the 95% confidence level

从观测降水PC2与风场的回归关系(图 5b)可见,当降水全区一致型模态处于典型正位相 时,从热带西北太平洋到我国华南地区存在明显的反气旋性环流异常,而我国东北地区到日本海附近则呈现出气旋性环流异常,表明热带和中高纬环流异常对我国东部夏季降水的共同影响。各种预测结果(图 5dfhj)虽然因超前时间不同而有所差异,但都显示了在北太平洋地区反气旋性环流异常的存在,这种特征与4.1节的分析结果一致,进一步表明模式明显高估了夏季降水全区一致型模态与西太平洋副热带高压的关系。

4.3 海温场

图 6给出了观测与模式预测的夏季降水PC1、PC2与海表温度(SST)的年际相关分布特征。从夏季降水PC1与SST场的相关分布可以看出,观测结果(图 6a)中阿拉伯海、孟加拉湾、南海到赤道西太平洋附近海域为负相关,赤道中东太平洋、我国黄海和东海海域为正相关,但总体上看这些相关并不显著。模式预测结果可以刻画我国东海海域的相关特征,但对东亚、南亚其它毗连大陆的局部海域的特征并没有合理把握,而热带东、西太平洋SST变化对东部地区夏季降水的影响更是被明显高估,尤其是赤道中东太平洋地区的相关系数比观测高出0.2左右。不同超前时间的模式预测结果(图 6cegi)基本一致,均表现出太平洋地区呈“马蹄”状的分布特征,其中热带中东太平洋为正相关,热带西太平洋和副热带南、北太平洋地区为负相关。这与ENSO强盛时期的SST异常空间分布特征有所类似,表明模式中SST对中国东部夏季降水的影响可能过分凸显了ENSO的作用。

图 6图 4,但为降水PC1(左列)、PC2(右列)与海表温度场的相关分布 Figure 6 Same as Fig. 4,but for correlations of rainfall PC1(left column)and PC2(right column)with SST

夏季降水PC2与SST场的相关分布特征表明,观测结果(图 6b)中PC2与SST的相关系数在大部分地区都不显著,其中南亚季风区、热带到副热带西北太平洋地区为弱的正相关,中东太平洋地区为弱的负相关。不同超前时间预测(图 6dfhj)的相关空间分布型态与观测基本一致,但热带太平洋、热带中东印度洋SST的影响被显著高估,局部海域的相关系数达到0.6以上。

从上述分析可知,模式没有合理刻画出热带太平洋、印度洋SST变化与中国东部夏季降水的关系。为了进一步定量揭示预测与观测的差异,计算了Niño3.4区(5°S~5°N,170°~120°W)SST指数、太平洋SST主模态时间系数[(30°S~30°N,120°E~90°W)范围的SST EOF展开第一模态对应的时间系数]、印度洋SST主模态时间系数[(30°S~30°N,30°E~110°E)范围的SST EOF展开第一模态对应的时间系数],进而考查了观测和模式预测的上述海温指数与中国东部夏季降水的关系,结果列于表 1

LM0、LM1、LM2和LM3预测的Niño3.4 SST指数与观测的相关系数为0.92、0.91、0.83和0.66,太平洋SST主模态时间系数与观测的相关系数为0.96、0.91、0.79和0.46,印度洋SST主模态时间系数与观测的相关系数为0.71、0.76、0.72和0.54,均通过了95%的信度检验;其中太平洋SST主模态时间系数与Niño3.4 SST 指数均反映了ENSO的变化特征,二者相关系数高达0.9。模式对这些指数的较高预测技巧表明其能合理的再现太平洋、印度洋SST的主要时空变率特征。不过,虽然较好的预测了热带SST,模式对SST与中国东部夏季降水关系的刻画却存在相当程度的误差。表 1揭示,观测的夏季降水PC1与太平洋SST主模态时间系数的相关为0.32,与印度洋SST主模态时间系数的相关为-0.46,而模式预测的降水PC1与太平洋SST的相关在LM1、LM2中都超过了0.5,与印度洋SST的相关系数都较小且不显著,这表明模式高估了中国东部夏季降水第一模态与太平洋SST的关系,却低估了降水第一模态与印度洋SST的关系。东部夏季降水PC2与太平洋SST主模态时间系数的相关在观测中为-0.23,在LM0、LM1、LM2和LM3预测中则为-0.44、-0.42、-0.42和-0.69,同样表明模式高估了中国东部降水第二模态与太平洋SST的关联;此外,观测的降水PC2和印度洋SST的相关很弱,而LM2、LM3预测则表现出了显著的正相关。

5 模式预测结果的订正

尽管BCC_CSM对大尺度环流和海温表现出了合理预测技巧,但对中国东部夏季降水的预测却存在明显误差,这一定程度上与模式对降水和环流、外源的关系刻画不合理有关。因此,除了进一步完善模式物理过程和预测方法外,利用模式高技巧预报信息订正降水预测结果对进一步订正模式预测效果也非常重要。相关研究发现,模式预测的大气环流、海温等大尺度环流变量通常承载着很好的局地降水预报信息(丁一汇等,2004),因此局地降水和大尺度环流变量除了具有很好的统计关系外,有时还有可靠的动力和物理联系机制(Kang et al.,2011)。在实际预测业务中,进一步挖掘模式对大气环流的高技巧预报信息,利用动力和统计相结合的降尺度方法对降水等气候要素进行预测,是提高短期气候预测准确率的有效途径之一(Zhu et al.,2008Juneng et al.,2010)。

本文选取BCC_CSM预报的500 hPa位势高度(H500)、850 hPa纬向风(U850)、850 hPa经向风(V850)、SST作为预报因子,用于中国东部夏季降水预测的降尺度建模。降尺度模型的建立分为两步:第一,利用最优窗口法选择最佳预报因子,为了避免小尺度信息的干扰,以10°×10°分辨率为活动窗口,分别在模式预测的H500U850V850、SST大尺度环流变量中进行全球范围扫描,寻找窗口区域平均与观测各台站降水相关系数绝对值最高的区域(即最优窗口),再从最优窗口中挑选单点相关系数绝对值大于窗口平均相关系数的所有格点,进而将所选格点区域的平均作为最佳预报因子,如果最优窗口扫描过程中不同区域相关系数绝对值大小相同,则将这些区域共同作为最优窗口;第二,基于统计方法建模,针对所选预报因子,采用1991~2003年回报数据分别建立各台站降水的单因子线性回归、多因子逐步回归(S-Reg)和多元回归(M-Reg)模型,然后用2004~2013年回报数据进行独立检验,找出各站降水的最优降尺度预报模型。

虽然中国东部地区台站降水与H500V850U850SST的最优相关窗口分布的空间跨度较大,但仍有一定规律可循:H500最优窗口主要分布于乌拉尔山至白令海、伊朗高原至日本海、华南到南海—关岛附近上空;V850最优窗口主要分布在华北至日本海、中南半岛至菲律宾一带;U850最优窗口主要分布于我国台湾至关岛、孟加拉湾至菲律宾一带;SST最优窗口主要分布在阿拉伯海、孟加拉湾、赤道中东太平洋和我国临近海域。这些特征显示预报因子可能与部分站点降水具有一定物理联系,能反映最优窗口区域大气环流和海温异常对中国东部降水的影响。例如,南京站的H500V850U850、SST最优预报窗口分别位于白令海峡、日本海东北部、鄂霍次克海南部、我国东海海域,这在一定程度上与中高纬度大气环流、我国近海海温异常对长江中下游降水的影响是相关联的;南宁站的H500V850U850、SST最优预报窗口分别位于台湾地区—菲律宾、南海、中南半岛、孟加拉湾,这与热带环流对华南夏季降水的密切影响是相对应的。针对南京站和南宁站各个预测因子分别建立了单因子线性回归、多因子逐步回归和多元回归模型,检验比较表明多元回归预报模型最优。

南京站和南宁站最优降尺度预报模型分别为

$\begin{align} & {{Y}_{Nanjing}}=-6754.5-47.7{{X}_{1}}-602.3{{X}_{2}}+ \\ & 564.1{{X}_{3}}-1.2{{X}_{4}}, \\ \end{align}$ (1)
$\begin{align} & {{Y}_{Nanning}}=-13169.2+169.8{{X}_{1}}+127.1{{X}_{2}}+ \\ & 166{{X}_{3}}+2.1{{X}_{4}}, \\ \end{align}$ (2)

其中,Y代表该站夏季降水量,X1X4是基于变量U850V850、SST、H500所选的预测因子,这里各变量都取原始量值。

由于建模所选的资料时段较短,需要首先考查预测对象与预测因子关系的稳定性。图 7以南宁和南京站为例给出了1991~2013年降水观测与所选预报因子的10年滑动相关。可以看出,南京站降水观测与因子X1X4的相关系数分别在-0.64、-0.70、0.75和0.55上下起伏变化(图 7a),南宁站的相关系数则分别在0.49、0.52、0.81和-0.51左右浮动(图 7b),预测对象与单因子的相关虽然在局部阶段会表现出年代际差异,但总体上没有显著的转折变化,表明降尺度预测模型所建立的降水与各因子间的线性关系有较好的稳定性。此外,对南京或南宁站,因子X1X4间的两两相关都没有通过95%的信度检验,表明建模所选的各预测因子有一定独立性。

图 7 1991~2013年(a)南京站、(b)南宁站降水观测值与所选预报因子的10年滑动相关 Figure 7 10-year moving correlations of rainfall observations at (a) Nanjing station and (b) Nanning station during 1991-2013 with selected predictors

针对2004~2013年中国东部夏季降水,图 8给出了观测、LM0原始预测(ORI)及降尺度模型预测(FST)得到的EOF1模态空间分布特征。LM0原始预测能在一定程度上刻画观测的东部沿海地区降水异常分布特征,但其总体预测技巧较低,与观测特征的PCC仅为0.12,而且16%的解释方 差也明显低于观测的31%。基于模式模拟的SST、U850V850H500建立的单因子降尺度预测模型明显订正了上述不足,预测与观测模态的PCC分别达到0.48、0.43、0.47、0.51,而且模态方差贡献均提高到了22%以上。采用逐步回归方法和多元回归方法建立的多因子预测模型进一步提高了降水预测技巧,尤其是多元回归模型的EOF1模态基本再现了华中大部份地区和中国东部、南部沿海地区降水异常反位相分布特征,与观测的PCC达到0.58,而且模态方差贡献为29.1%,与观测量值非 常接近。

图 8 2004~2013年中国东部夏季降水EOF1模态的空间分布:(a)观测;(b)LM0原始预测;(c-f)单因子线性回归模型预测[500 hPa位势高度(H500)、850 hPa纬向风(U850)、850 hPa经向风(V850)、SST];(g)多因子逐步回归模型预测;(h)多因子多元回归模型预测 Figure 8 Spatial distributions of the EOF1 mode of East China summer rainfall during 2004-2013 from (a) observations, (b) the LM0 original prediction, (c-f) single-factor linear regression predictions [500 hPa geopotential height (H500), 850 hPa zonal winds (U850), 850 hPa meridional winds (V850), SST], (g) multi-factor stepwise regression prediction, and (h) multi-factor multiple regression prediction

图 9进一步给出了观测及预测的EOF2模态空间分布特征。观测EOF2模态呈现出湖南、广西、广东等地与东部其它大部地区降水异常反位相分布特征,模态方差贡献为20.7%。LM0原始预测与观测模态的PCC为0.48,虽然高于对EOF1模态的预测技巧,但异常空间分布特征与观测存在较大差异,而且预测的模态方差贡献为35.6%,明显高于观测结果。基于模式模拟的SST、U850V850H500单因子线性回归方法和多因子逐步回归、多元回归方法建立的降尺度预测模型改善了对模态空间分布特征的刻画能力,预测与观测的PCC分别为0.64、0.49、0.34、0.54、0.78、0.80,而且预测模态的方差贡献普遍降低到20%左右。

图 9图 8,但为EOF2 Figure 9 Same as Fig. 8,but for the EOF2

此外,降尺度模型对降水预测的订正也体现在对模态时间系数的刻画上。LM0原始预测的2004~2013年夏季降水PC1、PC2与观测的TCC分别为0.47、0.15,未通过95%的信度检验(0.63);基于模式模拟的U850V850、SST、H500建立的单因子降尺度预测模型对降水PC1和PC2的预测相关技巧分别为0.58、0.47、0.52、0.61和0.21、0.37、0.35、0.49;逐步回归模型对降水PC1和PC2的预测相关技巧高于单因子降尺度预测模型,分别为0.73和0.53;多元回归模型对降水PC1和PC2的预测相关技巧最高,分别达到0.8和0.67(图 10)。

图 10 观测、LM0 原始预测及多元回归模型预测的夏季降水(a)PC1、(b)PC2 的年际变化 Figure 10 Interannual variations of (a) PC1 and(b) PC2 of the summer rainfall from observations, original prediction, and multiple regression prediction at 0-month lead time

针对其它超前时间的模式预测结果,降尺度方法同样明显提高了降水预测技巧(表 2)。LM1、LM2、LM3原始预测的EOF1的PCC为0.22、0.40、0.16,EOF2的PCC为0.39、0.42、0.58,而多元回归模型预测的EOF1的PCC提高到了0.60、0.58、0.60,EOF2的PCC则提高到了0.77、0.65、0.89。同时,模式原始预测的PC1、PC2和观测的TCC都未通过95%的信度检验水平,而多元回归预测模型得到的TCC大部分都在0.65以上,尤其是LM3预测,其在订正后的TCC高达0.95。

表 2 2004~2013年不同超前时间原始预测(ORI)、多元回归(M-Reg)降尺度模型预测的降水EOF空间模态(时间系数)与观测的空间(时间)相关 Table 2 Spatial (temporal) correlations between EOF spatial modes (time coefficients) of summer rainfall from observations and predictions at various lead times during 2004-2013. The original predictions (ORI) and multiple regression(M-Reg) downscaling predictions at different lead times are shown in turn

除了针对中国东部夏季降水空间模态外,降水原始场也是一个非常重要的关注对象。图 11进一步给出了不同超前时间的模式预测、多元回归降尺度模型预测的夏季降水异常和观测的时间、空间相关特征。可以看出,2004~2013年模式原始预测与观测降水的关系存在明显的区域性差异,或是表现为弱的不显著的相关,或是呈现出显著的反相关;多元回归模型预测结果显著提高了我国东部夏季降水的预测技巧,降尺度订正后绝大多数地区都呈现出正相关,除长江、江淮流域技巧偏低外,其它大部地区的相关技巧都比较显著,通过了95%或99%的信度检验。同时,2004~2013年LM0、LM1、LM2和LM3原始预测降水与观测的平均PCC为0.14、0.01、0.09和0.04,而多元回归降尺度模型预测与观测的平均PCC则提高到了0.83、0.69、0.70和0.70。

图 11 不同超前时间(a、c、e、g)原始预测、(b、d、f、h)多元回归降尺度模型预测的2004~2013年中国东部夏季降水与观测的时间相关系数分布;(i)原始预测和多元回归降尺度模型预测降水与观测的空间相关系数的年际变化 Figure 11 Time correlation coefficients of East China summer rainfalls between observations with (a, c, e, g) original predictions and (b, d, f, h) multiple regression downscaling predictions at different lead times during 2004-2013. (i) Interannual variations of spatial correlation coefficients of the rainfalls between observations with original predictions and with multiple regression downscaling results
6 结论

基于国家气候中心气候系统模式BCC_ CSM1.1(m)的1991~2013年夏季气候回报试验数据,本文探讨了模式对中国东部夏季降水时空变率特征的预测技巧,并从环流和海温角度分析了夏季降水前两个模态存在误差的可能原因,进而应用降尺度方法提高了模式降水预测技巧。主要结论如下:

(1) 模式能一定程度再现中国东部夏季降水的气候态及方差分布特征,但存在明显的偏差,尤其是青藏高原及其东北侧降水偏多,江淮流域及其以南地区降水明显偏少。不同超前时间的回报试验均能合理的刻画东部夏季降水前两个主要模态的空间分布特征,但对模态方差贡献、异常中心位置和强度的预测存在明显不足,而且模式对降水主要模态的时间变率的预测技巧较低。

(2) 虽然模式能合理预测大尺度环流和热带海温的变化特征,但对中国东部夏季降水时空变率的预测技巧有限,这一定程度上与模式不能较好刻画降水模态与大尺度环流和海温的联系有关。对于夏季降水第一模态,预测明显高估了其与大陆高压和热带太平洋SST主要变率模态的相关,低估了其与乌拉尔山阻塞高压和热带印度洋SST主要变率模态的相关;对于夏季降水第二模态,预测不仅显著高估了西太平洋副热带高压的贡献,而且也在一定程度夸大了热带太平洋、印度洋SST变率的影响。

(3) 基于1991~2003年回报试验的500 hPa高度、850 hPa纬向风和经向风、SST变量,建立了针对我国东部地区夏季降水的单因子线性回归、多因子逐步回归、多元回归降尺度预测模型,进而利用2004~2013回报试验结果开展了独立检验。结果表明,降尺度预测模型能够明显提高中国东部夏季降水预测技巧,其中多元回归降尺度预测模型效果最好:LM0、LM1、LM2和LM3原始预测中,EOF1与观测的PCC为0.12、0.22、0.40和0.16,EOF2与观测的PCC为0.48、0.39、0.42和0.58;多元回归降尺度模型的预测结果中,EOF1与观测的PCC提高到0.58、0.60、0.58和0.60,EOF2与观测的PCC提高到0.80、0.77、0.65和0.89。此外,不同超前时间原始预测的PC1、PC2和观测的TCC普遍不够显著,而多元回归预测模型得到的TCC大部分都高于0.65。

参考文献
[] Artale V, Calmanti S, Carillo A, et al. 2010. An atmosphere-ocean regional climate model for the Mediterranean area:Assessment of a present climate simulation[J]. Climate Dyn., 35(5) : 721–740 DOI:10.1007/s00382-009-0691-8
[] Bengtsson L, Schlese U, Roeckner E, et al. 1993. A two-tiered approach to long-range climate forecasting[J]. Science, 261(5124) : 1026–1029 DOI:10.1126/science.261.5124.1026
[] Charney J G, Shukla J. 1981. Predictability of monsoons[M]//Lighthill J, Pearce R P. Monsoon Dynamics. Cambridge:Cambridge University Press.
[] 陈官军, 魏凤英. 2012. 基于低频振荡特征的夏季江淮持续性降水延伸期预报方法[J]. 大气科学, 36(3) : 633–644. Chen Guanjun, Wei Fengying. 2012. An extended-range forecast method for the persistent heavy rainfall over the Yangtze-Huaihe River valley in summer based on the low-frequency oscillation characteristics[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36(3) : 633–644 DOI:10.3878/j.issn.1006-9895.2011.11111
[] 丁一汇, 刘一鸣, 宋永加, 等. 2002. 我国短期气候动力预测模式系统的研究及试验[J]. 气候与环境研究, 7(2) : 236–246. Ding Yihui, Liu 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 DOI:10.3878/j.issn.1006-9585.2002.02.11
[] 丁一汇, 李清泉, 李维京, 等. 2004. 中国业务动力季节预报的进展[J]. 气象学报, 62(5) : 598–612. Ding Yihui, Li Qingquan, Li Weijing, et al. 2004. Advance in seasonal dynamical prediction operation in China[J]. Acta Meteor. Sinica (in Chinese), 62(5) : 598–612 DOI:10.3321/j.issn:0577-6619.2004.05.007
[] 董敏, 吴统文, 王在志, 等. 2013. BCC_CSM1.0模式对20世纪降水及其变率的模拟[J]. 应用气象学报, 24(1) : 1–11. Dong Min, Wu Tongwen, Wang Zaizhi, et al. 2013. Simulation of the precipitation and its variation during the 20th century using the BCC climate model (BCC_CSM1.0)[J]. Journal of Applied Meteorological Science (in Chinese), 24(1) : 1–11 DOI:10.3969/j.issn.1001-7313.2013.01.001
[] Fu X H, Wang B, Bao Q, et al. 2009. Impacts of initial conditions on monsoon intraseasonal forecasting[J]. Geophys. Res. Lett., 36(8) : L14812 DOI:10.1029/2009GL037166
[] Harzallah A, Sadourny R. 1995. Internal versus SST-forced atmospheric variability as simulated by an atmospheric general circulation model[J]. J. Climate, 8(3) : 474–495 DOI:10.1175/1520-0442(1995)008<0474:IVSFAV>2.0.CO;2
[] Ji J J, Huang M, Li K R. 2008. Prediction of carbon exchanges between China terrestrial ecosystem and atmosphere in 21st century[J]. Science in China Series D:Earth Science, 51(6) : 885–898 DOI:10.1007/s11430-008-0039-y
[] Jiang X W, Yang S, Li Y Q, et al. 2013. Seasonal-to-interannual prediction of the Asian summer monsoon in the NCEP Climate Forecast System Version 2[J]. J. Climate, 26(11) : 3708–3727 DOI:10.1175/JCLI-D-12-00437.1
[] Juneng L, Tangang F T, Kang H W, et al. 2010. Statistical downscaling forecasts for winter monsoon precipitation in Malaysia using multimodel output variables[J]. J. Climate, 23(1) : 17–27 DOI:10.1175/2009JCLI2873.1
[] Kanamitsu M, Ebisuzaki W, Woollen J, et al. 2002. NCEP-DOE AMIP-II Reanalysis (R-2)[J]. Bull. Amer. Meteor. Soc., 83(11) : 1631–1643 DOI:10.1175/BAMS-83-11-1631
[] Kang H W, Zhu C W, Zuo Z Y, et al. 2011. Statistical downscaling of pattern projection using multi-model output variables as predictors[J]. Acta Meteorologica Sinica, 25(3) : 293–302 DOI:10.1007/s13351-011-0305-3
[] Ke Z J, Zhang P Q, Dong W J, et al. 2009. A new way to improve seasonal prediction by diagnosing and correcting the intermodel systematic errors[J]. Mon. Wea. Rev., 137(6) : 1898–1907 DOI:10.1175/2008MWR2676.1
[] Kirtman B P, Schneider E K, Straus D M, et al. 2011. How weather impacts the forced climate response[J]. Climate Dyn., 37(11-12) : 2389–2416 DOI:10.1007/s00382-011-1084-3
[] Krishnamurti T N, Mitra A K, Kumar T S V V, et al. 2006. Seasonal climate forecasts of the South Asian monsoon using multiple coupled models[J]. Tellus A, 58(4) : 487–507 DOI:10.1111/j.1600-0870.2006.00184.x
[] Kumar V, Krishnamurti T N. 2012. Improved seasonal precipitation forecasts for the Asian monsoon using 16 atmosphere-ocean coupled models[J]. Part I:Climatology[J]. J. Climate, 25(1) : 39–64 DOI:10.1175/2011JCLI4125.1
[] 郎咸梅, 王会军, 姜大膀. 2004. 应用九层全球大气格点模式进行跨季度短期气候预测系统性试验[J]. 地球物理学报, 47(1) : 19–24. Lang Xianmei, Wang Huijun, Jiang Dabang. 2004. Extraseasonal short-term predictions of summer climate with IAP9L-AGCM[J]. Chinese J. Geophys. (in Chinese), 47(1) : 19–24 DOI:10.3321/j.issn:0001-5733.2004.01.004
[] Lee J Y, Wang B, Kang I S, et al. 2010. How are seasonal prediction skills related to models' performance on mean state and annual cycle?[J]. Climate Dyn., 35(2) : 267–283 DOI:10.1007/s00382-010-0857-4
[] Li C F, Lu R Y, Dong B W. 2012. Predictability of the western North Pacific summer climate demonstrated by the coupled models of ENSEMBLES[J]. Climate Dyn., 39(2) : 329–346 DOI:10.1007/s00382-011-1274-z
[] 李维京, 张培群, 李清泉, 等. 2005. 动力气候模式预测系统业务化及其应用[J]. 应用气象学报, 16(S1) : 1–11. Li Weijing, Zhang Peiqun, Li Qingquan, et al. 2005. Research and operational application of dynamical climate model prediction system[J]. J. Appl. Meteor. Sci. (in Chinese), 16(S1) : 1–11 DOI:10.3969/j.issn.1001-7313.2005.z1.001
[] 李维京, 郑志海, 孙丞虎. 2013. 近年来我国短期气候预测中动力相似预测方法研究与应用进展[J]. 大气科学, 37(2) : 341–350. Li Weijing, Zheng Zhihai, Sun Chenghu. 2013. Improvements to dynamical analogue climate prediction method in China[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37(2) : 341–350 DOI:10.3878/j.issn.1006-9895.2012.12311
[] 林朝晖, 李旭, 赵彦, 等. 1998. 中国科学院大气物理研究所短期气候预测系统的改进及其对1998年全国汛期旱涝形势的预测[J]. 气候与环境研究, 3(4) : 339–348. Lin Zhaohui, Li Xu, Zhao Yan, et al. 1998. An improved short-term climate prediction system and its application to the extraseasonal rediction of rainfall anomaly in China for 1998[J]. Climatic and Environmental Research (in Chinese), 3(4) : 339–348 DOI:10.3878/j.issn.1006-9585.1998.04.06
[] Lin Z H, Zeng Q C. 1997. Simulation of East Asian summer monsoon by using an improved AGCM[J]. Adv. Atmos. Sci., 14(4) : 513–526 DOI:10.1007/s00376-997-0069-y
[] Liu X W, Yang S, Kumar A, et al. 2013. Diagnostics of subseasonal prediction biases of the Asian summer monsoon by the NCEP climate forecast system[J]. Climate Dyn., 41(5-6) : 1453–1474 DOI:10.1007/s00382-012-1553-3
[] Liu X W, Yang S, Li Q P, et al. 2014a. Subseasonal forecast skills and biases of global summer monsoons in the NCEP Climate Forecast System version 2[J]. Climate Dyn., 42(5-6) : 1487–1508 DOI:10.1007/s00382-013-1831-8
[] Liu X W, Wu T W, Yang S, et al. 2014b. Relationships between interannual and intraseasonal variations of the Asian-western Pacific summer monsoon hindcasted by BCC_CSM1[J]. 1(m)[J]. Adv. Atmos. Sci., 31(5) : 1051–1064 DOI:10.1007/s00376-014-3192-6
[] Liu X W, Wu T W, Yang S, et al. 2015. Performance of the seasonal forecasting of the Asian summer monsoon by BCC_CSM1[J]. 1(m)[J]. Adv. Atmos. Sci., 32(8) : 1156–1172 DOI:10.1007/s00376-015-4194-8
[] Liu Y, Fan K. 2013. A new statistical downscaling model for autumn precipitation in China[J]. Int. J. Climatol., 33(6) : 1321–1336 DOI:10.1002/joc.3514
[] Liu Y, Fan K. 2014. An application of hybrid downscaling model to forecast summer precipitation at stations in China[J]. Atmos. Res., 143 : 17–30 DOI:10.1016/j.atmosres.2014.01.024
[] 刘芸芸, 李维京, 左金清, 等. 2014. CMIP5模式对西太平洋副热带高压的模拟和预估[J]. 气象学报, 72(2) : 277–290. Liu Yunyun, Li Weijing, Zuo Jinqing, et al. 2014. Simulations and projections of the western Pacific subtropical high in CMIP5 models[J]. Acta Meteor. Sinica (in Chinese), 72(2) : 277–290 DOI:10.11676/qxxb2014.025
[] Ma J H, Wang H J, Fan K. 2014. Dynamic downscaling of summer precipitation prediction over China in 1998 using WRF and CCSM4[J]. Adv. Atmos. Sci., 32(5) : 577–584 DOI:10.1007/s00376-014-4143-y
[] Murray R J. 1996. Explicit generation of orthogonal grids for ocean models[J]. J. Comput. Phys., 126(2) : 251–273 DOI:10.1006/jcph.1996.0136
[] Nitta T. 1987. Convective activities in the tropical western Pacific and their impact on the Northern Hemisphere summer circulation[J]. J. Meteor. Soc. Japan Ser. II, 65(3) : 373–390
[] Reynolds R W, Rayner N A, Smith T M, et al. 2002. An improved in situ and satellite SST analysis for climate[J]. J. Climate, 15(13) : 1609–1625 DOI:10.1175/1520-0442(2002)015<1609:AIISAS>2.0.CO;2
[] Saha S, Nadiga S, Thiaw C, et al. 2006. The NCEP climate forecast system[J]. J. Climate, 19(15) : 3483–3517 DOI:10.1175/JCLI3812.1
[] Saha S, Moorthi S, Wu X R, et al. 2014. The NCEP climate forecast system version 2[J]. J. Climate, 27(6) : 2185–2208 DOI:10.1175/JCLI-D-12-00823.1
[] Suchul K, Jina H, Joong B A. 2014. Statistical downscaling methods based on APCC multi-model ensemble for seasonal prediction over South Korea[J]. Int. J. Climatol., 34(14) : 3801–3810 DOI:10.1002/joc.3952
[] Sun J Q, Chen H P. 2012. A statistical downscaling scheme to improve global precipitation forecasting[J]. Meteor. Atmos. Phys., 117(3-4) : 87–102 DOI:10.1007/s00703-012-0195-7
[] Wang B, Yang H W. 2008. Hydrological issues in lateral boundary conditions for regional climate modeling:Simulation of East Asian summer monsoon in 1998[J]. Climate Dyn., 31(4) : 477–490 DOI:10.1007/s00382-008-0385-7
[] Wang B, Ding Q H, Fu X H, et al. 2005. Fundamental challenge in simulation and prediction of summer monsoon rainfall[J]. Geophys. Res. Lett., 32(15) : L15711 DOI:10.1029/2005GL022734
[] 王会军. 1997. 试论短期气候预测的不确定性[J]. 气候与环境研究, 2(4) : 333–338. Wang Huijun. 1997. A preliminary study on the uncertainty of short-term climate prediction[J]. Climatic and Environmental Research (in Chinese), 2(4) : 333–338 DOI:10.3878/j.issn.1006-9585.1997.04.02
[] 王会军, 孙建奇, 郎咸梅, 等. 2008. 几年来我国气候年际变异和短期气候预测研究的一些新成果[J]. 大气科学, 32(4) : 806–814. Wang Huijun, Sun Jianqi, Lang Xianmei, et al. 2008. Some new results in the research of the interannual climate variability and short-term climate prediction[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32(4) : 806–814 DOI:10.3878/j.issn.1006-9895.2008.04.09
[] Wang H J, Fan K, Sun J Q, et al. 2015. A review of seasonal climate prediction research in China[J]. Adv. Atmos. Sci., 32(2) : 149–168 DOI:10.1007/s00376-014-0016-7
[] Weisheimer A, Doblas-Reyes F J, Palmer T N, et al. 2009. ENSEMBLES:A new multi-model ensemble for seasonal-to-annual predictions-Skill and progress beyond DEMETER in forecasting tropical Pacific SSTs[J]. Geophys. Res. Lett., 36(21) : L21711 DOI:10.1029/2009GL040896
[] Wen M, Zhang R H. 2012. Impacts of model resolutions and initial conditions on predictions of the Asian summer monsoon by the NCEP climate forecast system[J]. Wea. Forecasting, 27(3) : 629–646 DOI:10.1175/WAF-D-11-00128.1
[] Winton M. 2000. A reformulated three-layer sea ice model[J]. J. Atmos. Oceanic Technol., 17(4) : 525–531 DOI:10.1175/1520-0426(2000)017<0525:ARTLSI>2.0.CO;2
[] 吴国雄, 丑纪范, 刘屹岷, 等.2002. 副热带高压形成和变异的动力学问题[M]. 北京: 科学出版社 . Wu Guoxiong, Chou Jifan, Liu Yimin, et al.2002. Dynamics of the Formation and Variation of Subtropical Anticyclones (in Chinese)[M]. Beijing: Science Press .
[] Wu R G, Kirtman B P. 2005. Roles of Indian and Pacific Ocean air-sea coupling in tropical atmospheric variability[J]. Climate Dyn., 25(2-3) : 155–170 DOI:10.1007/s00382-005-0003-x
[] 吴统文, 宋连春, 刘向文, 等. 2013. 国家气候中心短期气候预测模式系统业务化进展[J]. 应用气象学报, 24(5) : 533–543. Wu Tongwen, Song Lianchun, Liu Xiangwen, et al. 2013. Progress in developing the short-range operational climate prediction system of China National Climate Center[J]. J. Appl. Meteor. Sci. (in Chinese), 24(5) : 533–543 DOI:10.3969/j.issn.1001-7313.2013.05.003
[] 吴统文, 宋连春, 李伟平, 等. 2014. 北京气候中心气候系统模式研发进展——在气候变化研究中的应用[J]. 气象学报, 72(1) : 12–29. Wu Tongwen, Song Lianchun, Li Weiping, et al. 2014. An overview on progress in Beijing Climate Center Climate System Model-Its development and application to climate change studies[J]. Acta Meteor. Sinica (in Chinese), 72(1) : 12–29 DOI:10.11676/qxxb2013.084
[] 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 DOI:10.1007/s00382-008-0487-2
[] Xu Y, Xu C H. 2012. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models[J]. Atmospheric and Oceanic Science Letter, 5(6) : 489–494 DOI:10.1080/16742834.2012.11447041
[] Yang S, Wen M, Yang R Q, et al. 2011. Impacts of land process on the onset and evolution of Asian summer monsoon in the NCEP climate forecast system[J]. Adv. Atmos. Sci., 28(6) : 1301–1317 DOI:10.1007/s00376-011-0167-8
[] 曾庆存, 袁重光, 王万秋, 等. 1990. 跨季度气候距平数值预测试验[J]. 大气科学, 14(1) : 10–25. Zeng Qingcun, Yuan Chongguang, Wang Wanqiu, et al. 1990. Experiments in numerical extraseasonal prediction of climate anomalies[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 14(1) : 10–25 DOI:10.3878/j.issn.1006-9895.1990.01.03
[] Zeng Q C, Yuan C G, Li X, et al. 1997. Seasonal and extraseasonal predictions of summer monsoon precipitation by Gems[J]. Adv. Atmos. Sci., 14(2) : 163–176 DOI:10.1007/s00376-997-0017-x
[] 张凤, 陈红, 林朝晖, 等. 2004. IAP AGCM-Ι水平分辨率的提高及对全球和东亚区域气候的数值模拟[J]. 气候与环境研究, 9(2) : 396–408. Zhang Feng, Chen Hong, Lin Zhaohui, et al. 2004. Improvement of horizontal resolutions of IAP AGCM-I and its influence on the simulations of global and East Asian climate[J]. Climatic and Environmental Research (in Chinese), 9(2) : 396–408 DOI:10.3878/j.issn.1006-9585.2004.02.16
[] 张培群, 李清泉, 王兰宁, 等. 2004. 我国动力气候模式预测系统的研制及应用[J]. 科技导报, 22(7) : 17–20. 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), 22(7) : 17–20 DOI:10.3321/j.issn:1000-7857.2004.07.006
[] 张庆云, 陶诗言. 1998. 亚洲中高纬度环流对东亚夏季降水的影响[J]. 气象学报, 56(2) : 199–211. Zhang Qingyun, Tao Shiyan. 1998. Influence of Asian mid-high latitude circulation on East Asian summer rainfall[J]. Acta Meteor. Sinica (in Chinese), 56(2) : 199–211 DOI:10.11676/qxxb1998.019
[] 张庆云, 吕俊梅, 杨莲梅, 等. 2007. 夏季中国降水型的年代际变化与大气内部动力过程及外强迫因子关系[J]. 大气科学, 31(6) : 1290–1300. Zhang Qingyun, Lü Junmei, Yang Lianmei, et al. 2007. The interdecadal variation of precipitation pattern over China during summer and its relationship with the atmospheric internal dynamic processes and extra-forcing factor[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 31(6) : 1290–1300 DOI:10.3878/j.issn.1006-9895.2007.06.23
[] 赵彦, 李旭, 袁重光, 等. 1999. IAP短期气候距平预测系统的定量评估及订正技术的改进研究[J]. 气候与环境研究, 4(4) : 353–364. Zhao Yan, Li Xu, Yuan Chongguang, et al. 1999. Quantitative assessment and improvement to correction technology on prediction system of short-term climate anomaly[J]. Climatic and Environmental Research (in Chinese), 4(4) : 353–364 DOI:10.3878/j.issn.1006-9585.1999.04.04
[] 赵振国.1999. 中国夏季旱涝及环境场[M]. 北京: 气象出版社 : 297pp . Zhao Zhenguo.1999. Drought and Flood in Summer of China and the Circulation Back Ground (in Chinese)[M]. Beijing: China Meteorological Press : 297pp .
[] Zheng F, Zhu J, Zhang R H, et al. 2006. Ensemble hindcasts of SST anomalies in the tropical Pacific using an intermediate coupled model[J]. Geophys. Res. Lett., 33(19) : L19604 DOI:10.1029/2006GL026994
[] Zhou G Q, Zeng Q C. 2001. Predictions of ENSO with a coupled atmosphere-ocean general circulation model[J]. Adv. Atmos. Sci., 18(4) : 587–603 DOI:10.1007/s00376-001-0047-8
[] Zhou G Q, Zeng Q C, Zhang R H. 1999. An improved coupled ocean-atmosphere general circulation model and its numerical simulation[J]. Prog. Nat. Sci., 9(5) : 374–381
[] Zhu C W, Park C K, Lee W S, et al. 2008. Statistical downscaling for multi-model ensemble prediction of summer monsoon rainfall in the Asia-Pacific region using geopotential height field[J]. Adv. Atmos. Sci., 25(5) : 867–884 DOI:10.1007/s00376-008-0867-x