劉長(zhǎng)征，江遠(yuǎn)安，毛煒嶧，陳穎，白素琴

（1.國(guó)家氣候中心，北京 100081；2.新疆氣候中心，新疆烏魯木齊 830002；3.中國(guó)氣象局烏魯木齊沙漠氣象研究所，新疆烏魯木齊 830002）

新疆夏季降水和冬季氣溫預(yù)測(cè)方法及效果評(píng)估

劉長(zhǎng)征1，江遠(yuǎn)安2，毛煒嶧3，陳穎2，白素琴2

（1.國(guó)家氣候中心，北京 100081；2.新疆氣候中心，新疆烏魯木齊 830002；3.中國(guó)氣象局烏魯木齊沙漠氣象研究所，新疆烏魯木齊 830002）

利用4個(gè)國(guó)內(nèi)外先進(jìn)的氣候模式（國(guó)家氣候中心、ECMWF、NCEP和JMA）業(yè)務(wù)預(yù)測(cè)數(shù)據(jù),采用2種多模式集合方法（等權(quán)平均和超級(jí)集合）、3種降尺度方法（BP-CCA、EOF迭代、高相關(guān)回歸集成）和3種統(tǒng)計(jì)方法（CCA、最優(yōu)氣候值、高相關(guān)回歸集成）以及降尺度集成和降尺度—統(tǒng)計(jì)方法集成，分析了目前季節(jié)模式、多模式集合、降尺度、統(tǒng)計(jì)方法、降尺度—統(tǒng)計(jì)集合等目前常用氣候預(yù)測(cè)技術(shù)對(duì)新疆夏季降水和冬季氣溫的業(yè)務(wù)預(yù)測(cè)能力。研究表明,以上技術(shù)方法對(duì)新疆夏季降水和冬季氣溫的預(yù)測(cè)能力有較大差別。目前先進(jìn)的氣候業(yè)務(wù)模式的預(yù)測(cè)技巧普遍很低,多模式超級(jí)集合和降尺度方法的技巧常高于單個(gè)模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同時(shí),統(tǒng)計(jì)方法和降尺度方法的預(yù)測(cè)技巧通常較為接近,而對(duì)二者進(jìn)行超級(jí)集合可以具有相對(duì)很高的預(yù)測(cè)技巧。此外,現(xiàn)有常用氣候預(yù)測(cè)技術(shù)方法對(duì)新疆夏季降水和冬季氣溫的趨勢(shì)有一定的預(yù)測(cè)能力，但對(duì)氣候異常的空間分布基本無(wú)預(yù)測(cè)能力。建議新疆氣候預(yù)測(cè)技術(shù)圍繞統(tǒng)計(jì)和降尺度方法集合發(fā)展。

新疆氣候；氣候預(yù)測(cè)；集合預(yù)測(cè)；季節(jié)模式；降尺度；統(tǒng)計(jì)方法

新疆位于干旱半干旱區(qū)，降水很少，氣溫變率很大，當(dāng)?shù)厣鐣?huì)生活和經(jīng)濟(jì)生產(chǎn)（尤其農(nóng)牧業(yè)）對(duì)氣溫降水異常相當(dāng)敏感，對(duì)短期氣候服務(wù)一向有重大需求，從而新疆具體氣候相關(guān)的研究有重要價(jià)值[1-3]。夏季降水和冬季氣溫是短期氣候最有應(yīng)用價(jià)值的預(yù)測(cè)對(duì)象，也是氣候預(yù)測(cè)業(yè)務(wù)的核心。從氣候預(yù)測(cè)技術(shù)的歷史和現(xiàn)狀來(lái)看，動(dòng)力模式、降尺度解釋?xiě)?yīng)用、統(tǒng)計(jì)模型以及集合預(yù)報(bào)是主要的預(yù)測(cè)工具[4]。

動(dòng)力模式是目前國(guó)際上短期氣候預(yù)測(cè)業(yè)務(wù)和技術(shù)的核心[4]。由于大氣的混沌性質(zhì)，初值不確定性引起的誤差是數(shù)值模擬誤差的主要來(lái)源，多樣本集合預(yù)測(cè)能夠減少初值不確定性帶來(lái)的誤差，從而被廣泛應(yīng)用。此外，模式的預(yù)測(cè)能力主要取決于模式的性能，包括模式的物理過(guò)程和參數(shù)化方案等,模式自身的誤差是氣候預(yù)測(cè)的另一個(gè)模擬不準(zhǔn)確的來(lái)源[5]。多模式集合預(yù)測(cè)理論上能夠減少模式誤差，從而減少天氣預(yù)報(bào)和氣候預(yù)測(cè)的不確定性。研究表明對(duì)不同業(yè)務(wù)中心的預(yù)測(cè)數(shù)據(jù)進(jìn)行等權(quán)平均的效果要優(yōu)于單個(gè)模式的預(yù)報(bào)結(jié)果，使得多模式集合的發(fā)展成為了一種潮流[6-12]。在等權(quán)平均方法的基礎(chǔ)上，Krishnamurti等[13]提出利用模式回報(bào)和觀測(cè)數(shù)據(jù)進(jìn)行多元線性回歸方法進(jìn)行誤差訂正的方法，即超級(jí)集合，理論上超級(jí)集合可以明顯減小單模式和集合平均的均方根誤差，這個(gè)發(fā)現(xiàn)受到極大的關(guān)注，多模式超級(jí)集合迅速成為大氣科學(xué)領(lǐng)域的研究熱點(diǎn)，并引起較多的爭(zhēng)議[14-16]。

由于季節(jié)模式對(duì)大氣環(huán)流的模擬和預(yù)測(cè)能力通常遠(yuǎn)高于對(duì)降水的模擬和預(yù)測(cè)，而且降水和大尺度環(huán)流形勢(shì)往往有密切的動(dòng)力學(xué)和統(tǒng)計(jì)學(xué)上的關(guān)系，從而利用模式預(yù)測(cè)的環(huán)流間接預(yù)測(cè)降水是動(dòng)力模式后處理的重要應(yīng)用手段。統(tǒng)計(jì)降尺度方法對(duì)計(jì)算條件要求低，易于實(shí)現(xiàn)，從而被廣泛研究和業(yè)務(wù)應(yīng)用[17-29]。國(guó)家氣候中心（NCC）發(fā)展或開(kāi)發(fā)了BP-CCA[28]、EOF迭代[26]、最優(yōu)子集回歸（OSR）方法[27]、HCRE方法[29]并在預(yù)測(cè)業(yè)務(wù)中應(yīng)用。在國(guó)外，康紅文為亞太經(jīng)合組織氣候中心開(kāi)發(fā)了一種針對(duì)臺(tái)站的最佳匹配域投影方法[24]，并在韓國(guó)氣象局用于氣候預(yù)測(cè)業(yè)務(wù)應(yīng)用，其技術(shù)方案并被日本、馬來(lái)西亞等國(guó)采用。

統(tǒng)計(jì)預(yù)測(cè)方法是氣候預(yù)測(cè)長(zhǎng)期使用的經(jīng)典工具，其本質(zhì)上和統(tǒng)計(jì)降尺度方法類似，只是采用前期觀測(cè)的氣候信息進(jìn)行統(tǒng)計(jì)建模[4]。至今，統(tǒng)計(jì)預(yù)測(cè)方法仍然是美國(guó)NCEP氣候預(yù)測(cè)中心季節(jié)預(yù)測(cè)重要的工具之一，CCA方法、最優(yōu)氣候值方法（OCN）、相似法在NCEP氣候預(yù)測(cè)中心業(yè)務(wù)中至今仍應(yīng)用廣泛[30]。在國(guó)家氣候中心，CCA、OCN等方法也得到較多的業(yè)務(wù)應(yīng)用[4]。

出于氣候預(yù)測(cè)的復(fù)雜性,在不同國(guó)家和地區(qū)，各氣候預(yù)測(cè)技術(shù)方法的適用性也并不相同，從而相應(yīng)氣候模式、多模式集合、降尺度方法、統(tǒng)計(jì)方法和降尺度—統(tǒng)計(jì)集合等具體技術(shù)發(fā)展和應(yīng)用的重點(diǎn)也有很大區(qū)別。對(duì)新疆地區(qū)開(kāi)展預(yù)測(cè)業(yè)務(wù)和技術(shù)研發(fā)而言，對(duì)當(dāng)前國(guó)內(nèi)外主要的具體預(yù)測(cè)技術(shù)進(jìn)行回報(bào)試驗(yàn)和評(píng)估是非常重要的基礎(chǔ)性工作。本文以夏季降水和冬季氣溫為例，利用美國(guó)環(huán)境預(yù)報(bào)中心（NCEP）、歐洲中期天氣預(yù)報(bào)中心（ECMWF）、日本氣象局（JMA）和國(guó)家氣候中心用于實(shí)時(shí)預(yù)測(cè)業(yè)務(wù)的季節(jié)模式數(shù)據(jù)和新疆99站月平均觀測(cè)數(shù)據(jù)，研究了氣候模式、多模式集合、降尺度方法、統(tǒng)計(jì)方法和降尺度—統(tǒng)計(jì)集合等目前國(guó)內(nèi)外氣候預(yù)測(cè)業(yè)務(wù)常用方法對(duì)新疆季節(jié)氣候的預(yù)測(cè)能力，并討論了新疆氣候預(yù)測(cè)技術(shù)發(fā)展的方向。

1 數(shù)據(jù)和方法介紹

1.1 觀測(cè)數(shù)據(jù)和模式數(shù)據(jù)

新疆99站月平均歷史觀測(cè)數(shù)據(jù)在本文中被用來(lái)檢驗(yàn)各模式、集合、降尺度和統(tǒng)計(jì)預(yù)測(cè)等方法的預(yù)測(cè)能力，以及用于降尺度方法和部分集合方法的建模工作。該數(shù)據(jù)由新疆氣候中心提供，包含氣溫和降水兩個(gè)氣象要素，時(shí)間長(zhǎng)度為1971年1月—2013年11月。

歐洲ECMWF、美國(guó)NCEP、日本JMA和國(guó)家氣候中心NCC為世界氣象組織4個(gè)長(zhǎng)期預(yù)報(bào)全球產(chǎn)品中心，基本代表了目前短期氣候預(yù)測(cè)國(guó)內(nèi)外最高水平，其氣候預(yù)測(cè)業(yè)務(wù)模式數(shù)據(jù)信息見(jiàn)表1。本文采用國(guó)家氣候中心多模式解釋?xiě)?yīng)用集成預(yù)測(cè)系統(tǒng)制作和下發(fā)的這4個(gè)業(yè)務(wù)中心的氣候預(yù)測(cè)模式數(shù)據(jù)，模式數(shù)據(jù)分辨率統(tǒng)一處理為2.5°×2.5°[29]。為了進(jìn)行統(tǒng)一評(píng)估，采用雙線性插值方法將各模式數(shù)據(jù)插值到新疆99個(gè)站點(diǎn)上代表模式對(duì)新疆的預(yù)測(cè)。本文采用各模式5月起報(bào)的夏季降水和11月起報(bào)的冬季月平均氣溫作為研究對(duì)象。

此外，本文采用了NCEP/NCAR再分析數(shù)據(jù)第一版用于新疆季節(jié)氣候的統(tǒng)計(jì)預(yù)測(cè)建模。

1.2 多模式集合方法

本文采用氣候預(yù)測(cè)業(yè)務(wù)和科研常用的等權(quán)平均（EE）和超級(jí)集合（SE）兩種集合方法進(jìn)行多模式集合、降尺度集合、降尺度—統(tǒng)計(jì)集合預(yù)測(cè)。

超級(jí)集合方法利用多元線性回歸技術(shù)，將集合結(jié)果看作各個(gè)模式模擬結(jié)果的線性組合，依據(jù)最小二乘法原理使集合結(jié)果的均方根誤差達(dá)到最小值確定各個(gè)模式的回歸系數(shù)，而此回歸系數(shù)就是預(yù)報(bào)階段各個(gè)模式的權(quán)重，利用獲得的權(quán)重以及各個(gè)模式的預(yù)報(bào)得到最后的集合預(yù)報(bào)[13]。

對(duì)于每一個(gè)空間網(wǎng)格點(diǎn)，設(shè)第i個(gè)模式在t時(shí)刻的模擬結(jié)果為：Mit，（i=1，2，…，N），N為模式總數(shù)，則t時(shí)刻去除偏差的模式集合結(jié)果可表示為：

根據(jù)最小二乘法求得各模式權(quán)重ai，利用公式（1）求取每個(gè)空間網(wǎng)格點(diǎn)上預(yù)報(bào)階段的集合結(jié)果。

等權(quán)平均法一般也稱為算術(shù)平均，也就是通常所說(shuō)的簡(jiǎn)單集合平均，即公式（1）中ai=1/N的特殊情形。

1.3 降尺度和統(tǒng)計(jì)預(yù)測(cè)方法

本文采用了國(guó)家氣候中心發(fā)展制作的降尺度和統(tǒng)計(jì)預(yù)測(cè)方法[4，29]。

1.3.1 EOF迭代方法

EOF迭代方法通過(guò)建立一個(gè)同時(shí)包含歷史和實(shí)時(shí)預(yù)報(bào)場(chǎng)和預(yù)報(bào)對(duì)象場(chǎng)的矩陣，將其分解為空間函數(shù)場(chǎng)和時(shí)間函數(shù)，空間函數(shù)場(chǎng)反映預(yù)報(bào)場(chǎng)和預(yù)報(bào)對(duì)象場(chǎng)之間自然協(xié)調(diào)的多重關(guān)系，而時(shí)間系數(shù)反映年代際和年際變化，經(jīng)過(guò)EOF分析，選取主要模態(tài)進(jìn)行重構(gòu)和迭代，使預(yù)報(bào)場(chǎng)和預(yù)報(bào)對(duì)象場(chǎng)之間多重信息進(jìn)行交融，就可得到包涵了復(fù)雜關(guān)系在內(nèi)的預(yù)報(bào)[26]。

1.3.2 BP-CCA降尺度和統(tǒng)計(jì)預(yù)測(cè)方法

BP-CCA方法是一種基于主分量分析的“變形”的典型相關(guān)分析方法。利用模式回報(bào)的特定范圍500 hPa環(huán)流場(chǎng)和新疆99站歷史觀測(cè)數(shù)據(jù)分別進(jìn)行主分量分解，提取主要模態(tài)的時(shí)間序列進(jìn)行CCA建模，并利用模式預(yù)測(cè)場(chǎng)主要模態(tài)系數(shù)進(jìn)行預(yù)測(cè)[29]。

CCA在早期是一種統(tǒng)計(jì)預(yù)測(cè)方法并在氣候預(yù)測(cè)中應(yīng)用[31-32]。在本文中，類似美國(guó)氣候預(yù)測(cè)中心的做法，采用起報(bào)時(shí)間前1～3個(gè)月的NCEP/NCAR再分析數(shù)據(jù)平均500 hPa環(huán)流場(chǎng)數(shù)據(jù)作為預(yù)報(bào)信息，此時(shí)該方法就成為一種統(tǒng)計(jì)預(yù)測(cè)方法。

1.3.3 HCRE降尺度和統(tǒng)計(jì)預(yù)測(cè)方法

高相關(guān)回歸集成（HCRE）方法是國(guó)家氣候中心劉長(zhǎng)征制作的一種降尺度方法[29]。首先，利用國(guó)家氣候中心的環(huán)流特征量計(jì)算程序?qū)δＪ綒v史同期和當(dāng)前預(yù)測(cè)的500 hPa環(huán)流場(chǎng)計(jì)算71項(xiàng)大氣環(huán)流特征量，而后挑選高相關(guān)的單個(gè)特征量因子和臺(tái)站預(yù)報(bào)對(duì)象分別進(jìn)行一元回歸建模和預(yù)測(cè)。在選取預(yù)報(bào)因子時(shí)，兼顧相關(guān)系數(shù)和異常信號(hào)一致率，以保證因子具有足夠高的預(yù)報(bào)價(jià)值。而后利用各因子分別進(jìn)行回歸預(yù)測(cè)，并對(duì)預(yù)測(cè)降水偏多/偏少進(jìn)行分組，選取更可靠的一組，對(duì)多因子預(yù)測(cè)結(jié)果進(jìn)行集成。

在本文中，采用起報(bào)時(shí)間前1～3個(gè)月的NCEP/ NCAR再分析數(shù)據(jù)平均500 hPa環(huán)流場(chǎng)數(shù)據(jù)作為預(yù)報(bào)信息時(shí)，HCRE就變成一種統(tǒng)計(jì)方法用于預(yù)測(cè)新疆季節(jié)氣溫和降水。

1.3.4 OCN統(tǒng)計(jì)預(yù)測(cè)方法

氣候變化具有某些內(nèi)在規(guī)律，如階段性和周期性，簡(jiǎn)單地用多年（如30 a）周期的氣候平均值作為來(lái)年氣溫或降水估計(jì)值的方法有明顯的不足。因此，應(yīng)力求從歷史資料中去獲取最優(yōu)的氣候值，為統(tǒng)計(jì)預(yù)報(bào)方法的建立提供依據(jù)，美國(guó)為此發(fā)展了“最優(yōu)”氣候值（Optimal climate normal，OCN）做地面氣溫的季度預(yù)報(bào)[30]。

根據(jù)國(guó)外研究成果，國(guó)家氣候中心在1998年建立了最優(yōu)氣候值方法來(lái)制作我國(guó)的月、季、年度的氣候趨勢(shì)預(yù)測(cè)[4]。由于資料長(zhǎng)度的限制，通過(guò)依次計(jì)算前25 a的平均作為來(lái)年的預(yù)測(cè)值，以預(yù)測(cè)值與實(shí)況最接近為標(biāo)準(zhǔn)統(tǒng)計(jì)出各區(qū)（站）每年“最優(yōu)”的平均年數(shù)，然后取“最優(yōu)”平均年數(shù)頻率最高的年數(shù)作為計(jì)算該地區(qū)（站）“最優(yōu)”氣候平均值應(yīng)取的年數(shù)。這樣，最接近預(yù)報(bào)時(shí)間的同樣年數(shù)年份的相應(yīng)要素值的平均為該要素的預(yù)報(bào)值。經(jīng)檢驗(yàn)，OCN方法對(duì)溫度、降水的預(yù)測(cè)效果較好，且溫度預(yù)測(cè)好于降水預(yù)測(cè)。

1.4 建模和檢驗(yàn)方法

為了模式之間具有可比較性，研究了各模式1982—2008年的后報(bào)/預(yù)測(cè)技巧。對(duì)于集合方法，等權(quán)平均方法EE采用與模式同樣的時(shí)間范圍進(jìn)行建模；超級(jí)集合方法采用1982—2008年“l(fā)eave-oneout”的方法建模并得到1982—2008年的預(yù)測(cè)結(jié)果。各降尺度方法和統(tǒng)計(jì)方法采用3月和10月起報(bào)的模式數(shù)據(jù)和上一年12月至當(dāng)年2月、7—9月的NCEP/NCAR再分析數(shù)據(jù)進(jìn)行建模，為了盡可能接近新疆氣候中心氣候預(yù)測(cè)業(yè)務(wù)實(shí)況，采用實(shí)時(shí)后報(bào)的方式得到2002—2011年的預(yù)測(cè)結(jié)果并進(jìn)行檢驗(yàn)。

本文用時(shí)間檢驗(yàn)和空間檢驗(yàn)兩種方式評(píng)估各預(yù)測(cè)方法對(duì)新疆季節(jié)氣候的預(yù)測(cè)效果。我們采用PS評(píng)分和ACC評(píng)估每次預(yù)測(cè)的效果。PS評(píng)分為國(guó)內(nèi)短期氣候預(yù)測(cè)檢驗(yàn)業(yè)務(wù)的常用方法[4]，在距平符號(hào)預(yù)報(bào)準(zhǔn)確百分率的基礎(chǔ)上增加異常級(jí)加權(quán)得分，能夠較好地反映整體趨勢(shì)預(yù)測(cè)能力。ACC則反映氣溫和降水空間異常分布預(yù)測(cè)的技巧，對(duì)于99個(gè)臺(tái)站而言，ACC分別在0.20時(shí)達(dá)到0.05的信度水平。對(duì)于各方法每年預(yù)測(cè)技巧的變化，對(duì)各模式、降尺度、統(tǒng)計(jì)方法、集合方法，分別采用后報(bào)時(shí)間內(nèi)PS和ACC技巧的平均代表該模式/方法的預(yù)測(cè)能力。由于各模式和方法對(duì)新疆夏季降水和冬季氣溫的各臺(tái)站預(yù)測(cè)技巧通常達(dá)不到0.05的信度，并且降尺度和統(tǒng)計(jì)方法評(píng)估的年份為10 a從而樣本太少，本文將各臺(tái)站歷史預(yù)測(cè)的ACC空間分布圖略去。

2 新疆夏季降水預(yù)測(cè)

利用5月起報(bào)的模式數(shù)據(jù)，評(píng)估了目前國(guó)內(nèi)外先進(jìn)的氣候模式對(duì)新疆夏季降水的預(yù)測(cè)能力，表2給出了單模式和兩種多模式集合方法對(duì)1983—2008年新疆夏季回報(bào)平均PS評(píng)分。NCEP、ECMWF、JMA和NCC的季節(jié)模式對(duì)新疆99站的平均PS評(píng)分在53.9～61.5之間；多模式集合方法表現(xiàn)出了高于單個(gè)模式的技巧，其中等權(quán)平均63.2分，略高于最佳模式（NCEP）；超級(jí)集合方法的平均PS評(píng)分為70.0分，明顯高于4個(gè)模式和等權(quán)平均集合。

為和我國(guó)汛期預(yù)測(cè)業(yè)務(wù)保持一致，基于單個(gè)模式3月起報(bào)的數(shù)據(jù)，利用EOF迭代、BP-CCA、HCRE3種降尺度方法對(duì)2002—2011年新疆夏季99站降水預(yù)測(cè)進(jìn)行了獨(dú)立后報(bào)試驗(yàn)，其平均技巧見(jiàn)表3。4種模式和3種降尺度方法組合對(duì)新疆99站夏季降水的平均PS評(píng)分在60.4～72.6之間；EOF迭代、BP-CCA、HCRE降尺度方法的平均PS評(píng)分分別為64.3、64.8、67.2，HCRE方法不僅平均技巧最高，而且在不同模式中表現(xiàn)都較穩(wěn)定，但最佳的模式—降尺度方法組合卻是基于ECMWF模式的EOF迭代方法，平均PS評(píng)分為72.6分?？傮w而言，對(duì)降尺度結(jié)果進(jìn)行集合預(yù)測(cè)并未體現(xiàn)出明顯的優(yōu)勢(shì)，等權(quán)平均集合的平均技巧普遍低于單個(gè)模式—降尺度方法，而超級(jí)集合類似于最佳單模式—降尺度方法。

統(tǒng)計(jì)預(yù)測(cè)方法是我國(guó)夏季降水預(yù)測(cè)最常用的工具，CCA、OCN和HCRE3種統(tǒng)計(jì)預(yù)測(cè)方法對(duì)2002—2011年夏季降水進(jìn)行后報(bào)的平均PS評(píng)分分別為63.6、64.0、70.7分，其技巧和上文3種降尺度方法基本一致。為了同時(shí)利用模式預(yù)報(bào)信息與前期信息，利用12個(gè)模式—降尺度方法組合和3種統(tǒng)計(jì)方法進(jìn)行集合預(yù)測(cè)應(yīng)用。表4表明，等權(quán)平均集合EE的技巧低于大部分的降尺度方法和全部的統(tǒng)計(jì)方法，但超級(jí)集合SE的平均技巧為PS73.8分，高于各降尺度方法和統(tǒng)計(jì)方法。

從表2～4可以看出，在本文各方法中，對(duì)降尺度—統(tǒng)計(jì)方法進(jìn)行超級(jí)集合平均是新疆夏季降水最有技巧的方法，圖1～2給出了該方法2002—2011年后報(bào)的具體評(píng)估。在10 a后報(bào)檢驗(yàn)中，該方法PS評(píng)分在62～82之間，80%的年份中高于70分，體現(xiàn)了較高的技巧。但從空間ACC來(lái)看，該方法對(duì)新疆夏季降水空間分布的把握能力很低，這種特征在各模式、多模式集合、降尺度、降尺度集合等方法中也很明顯，這類方法平均值都達(dá)不到0.05。可以看出，以上方法對(duì)新疆夏季降水的趨勢(shì)預(yù)測(cè)有部分技巧，但對(duì)降水異常的空間分布技巧很低。

3 新疆冬季氣溫預(yù)測(cè)

利用11月起報(bào)的模式數(shù)據(jù)，評(píng)估了目前國(guó)內(nèi)外先進(jìn)的氣候模式對(duì)新疆冬季氣溫的預(yù)測(cè)能力，表5給出了單模式和兩種多模式集合方法1982—2008年后報(bào)的平均PS評(píng)分。NCEP、ECMWF、JMA和NCC的季節(jié)模式對(duì)新疆99站的平均PS評(píng)分在48.0～67.5之間，其中NCEP模式技巧最高，為67.5；多模式集合方法表現(xiàn)出了模式中等與偏上的技巧，其中等權(quán)平均為60.8分，處于4個(gè)模式的中等水平；超級(jí)集合方法的平均PS評(píng)分為65.2分，僅次于NCEP模式。

為和我國(guó)年度預(yù)測(cè)業(yè)務(wù)保持一致，基于模式10月起報(bào)的數(shù)據(jù)，利用EOF迭代、BP-CCA、HCRE 3種降尺度方法對(duì)2002—2011年新疆冬季99站氣溫預(yù)測(cè)進(jìn)行了獨(dú)立后報(bào)，平均技巧見(jiàn)表6。4種模式和4種降尺度方法組合的平均PS評(píng)分在49.1～74.0之間；EOF迭代、BP-CCA、HCRE降尺度方法的平均PS評(píng)分分別為60.4～65.2之間。與夏季降水不同，對(duì)冬季氣溫預(yù)測(cè)中，3種降尺度方法中EOF迭代技巧最高，而HCRE方法技巧最低。最佳的模式—降尺度方法組合為基于NCEP模式的BP-CCA方法，平均PS評(píng)分為74.0分。對(duì)降尺度結(jié)果進(jìn)行集合預(yù)測(cè)與夏季降水類似，等權(quán)平均集合的平均技巧普遍低于單個(gè)模式—降尺度方法，而超級(jí)集合略高于最佳單模式—降尺度方法。

統(tǒng)計(jì)預(yù)測(cè)方法是我國(guó)冬季氣溫預(yù)測(cè)常用的工具，CCA、OCN和HCRE3種統(tǒng)計(jì)預(yù)測(cè)方法對(duì)2002—2011年冬季氣溫預(yù)測(cè)的平均PS評(píng)分在52.1～82.9之間，其中HCRE統(tǒng)計(jì)方法表現(xiàn)出遠(yuǎn)高于其他方法的預(yù)測(cè)技巧。為了同時(shí)利用模式預(yù)報(bào)信息與前期信息，利用12種模式—降尺度方法和3種統(tǒng)計(jì)方法進(jìn)行集合預(yù)測(cè)應(yīng)用。表7表明，等權(quán)平均集合低于大部分的降尺度方法和全部的統(tǒng)計(jì)方法，但超級(jí)集合SE的平均技巧為PS72.2分，高于各降尺度方法和統(tǒng)計(jì)方法中的絕大多數(shù)。

從表5～7可以看出，在新疆冬季氣溫預(yù)測(cè)中，HCRE統(tǒng)計(jì)方法在本文各方法中平均技巧最高，圖2給出了該方法2002—2011年后報(bào)的具體評(píng)估。在10 a后報(bào)檢驗(yàn)中，該方法PS評(píng)分在70～96之間，50%的年份中高于85分，體現(xiàn)了較高的技巧。從空間ACC來(lái)看，該方法對(duì)新疆冬季氣溫ACC平均為0.08，雖然明顯高于新疆夏季降水預(yù)測(cè)，但仍遠(yuǎn)遠(yuǎn)達(dá)不到0.05的信度水平（注：此時(shí)ACC臨界值為0.20），說(shuō)明該方法對(duì)新疆冬季氣溫空間分布的把握能力仍然較低。

4 結(jié)論

季節(jié)預(yù)測(cè)一向是氣候預(yù)測(cè)業(yè)務(wù)和科研的要點(diǎn)和難點(diǎn)。針對(duì)新疆夏季降水和冬季氣溫，本文利用國(guó)內(nèi)外4家先進(jìn)氣候預(yù)測(cè)業(yè)務(wù)單位（ECMWF、NCEP、JMA、NCC）的季節(jié)模式數(shù)據(jù)、等權(quán)平均和超級(jí)集合兩種常用的集合方法、國(guó)家氣候中心BP-CCA、EOF迭代、HCRE3種統(tǒng)計(jì)降尺度方法和CCA、最優(yōu)氣候值（OCN）、高相關(guān)回歸集成（HCRE）3種統(tǒng)計(jì)方法，采用后報(bào)這一接近氣候業(yè)務(wù)的方式，研究了模式、多模式集合、降尺度解釋?xiě)?yīng)用、統(tǒng)計(jì)方法、降尺度—統(tǒng)計(jì)集合技術(shù)對(duì)新疆季節(jié)氣候的預(yù)測(cè)能力。

對(duì)新疆夏季降水預(yù)測(cè)，4個(gè)國(guó)內(nèi)外頂尖的氣候業(yè)務(wù)模式的預(yù)測(cè)技巧都很低；多模式集合中等權(quán)平均并未提高模式預(yù)測(cè)的技巧，而超級(jí)集合則較大改進(jìn)了模式預(yù)測(cè)的技巧；降尺度的技巧隨模式和降尺度方法變化，基于ECMWF模式數(shù)據(jù)的EOF迭代方法技巧最高，強(qiáng)于最佳的多模式集合；對(duì)降尺度方法進(jìn)行集合的技巧和最佳降尺度方法類似；統(tǒng)計(jì)方法表現(xiàn)的技巧和降尺度方法近似；對(duì)降尺度方法和統(tǒng)計(jì)方法進(jìn)行超級(jí)集合具有最高的預(yù)測(cè)技巧。

對(duì)新疆冬季氣溫預(yù)測(cè)，4個(gè)國(guó)內(nèi)外頂尖的氣候業(yè)務(wù)模式的預(yù)測(cè)技巧都很低；多模式集合的技巧與模式預(yù)測(cè)接近；降尺度的技巧隨模式和降尺度方法變化，基于NCEP模式數(shù)據(jù)的EOF迭代方法技巧最高，強(qiáng)于最佳的多模式集合；對(duì)降尺度方法進(jìn)行超級(jí)集合的技巧高于最佳降尺度方法；3種統(tǒng)計(jì)方法表現(xiàn)的技巧差異很大，和降尺度方法近似；最佳的統(tǒng)計(jì)方法HCRE具有最高的預(yù)測(cè)技巧。

本文中的最佳方法對(duì)新疆99站夏季降水和冬季氣溫的平均預(yù)測(cè)技巧為PS評(píng)分73.8和82.9，而平均ACC都不高于0.1，遠(yuǎn)遠(yuǎn)達(dá)不到90%的信度，說(shuō)明對(duì)新疆短期氣候的趨勢(shì)有一定的預(yù)測(cè)技巧，但對(duì)氣候異常的空間分布基本無(wú)預(yù)測(cè)技巧。本文采用了目前氣候預(yù)測(cè)業(yè)務(wù)中的多種常用技術(shù)手段和與實(shí)際業(yè)務(wù)一致的獨(dú)立后報(bào)方式，研究結(jié)果基本體現(xiàn)了目前國(guó)內(nèi)外業(yè)務(wù)技術(shù)對(duì)新疆季節(jié)氣候預(yù)測(cè)的真實(shí)水平，即趨勢(shì)預(yù)測(cè)有部分預(yù)測(cè)能力，但氣候異常的空間分布預(yù)測(cè)能力很低。

新疆降水預(yù)測(cè)的難度較大，主要在于以下幾個(gè)原因：第一，降水局地性較強(qiáng)，尤其南疆降水常為南亞氣流向北越過(guò)青藏高原所致，這種天氣過(guò)程主導(dǎo)的降水與氣候尺度大氣和海洋環(huán)流的關(guān)系較弱，從而本質(zhì)上可預(yù)測(cè)性較低，這也是國(guó)內(nèi)外先進(jìn)模式預(yù)測(cè)技巧都很低的原因；第二，新疆作為干旱半干旱區(qū)，大部分臺(tái)站降水為非正態(tài)分布，而常用的氣候預(yù)測(cè)降尺度方法、統(tǒng)計(jì)方法則采用適用于正態(tài)分布變量的回歸建模方法進(jìn)行預(yù)測(cè)，從而二者本質(zhì)上有矛盾。新疆冬季氣溫本質(zhì)上呈正態(tài)分布或準(zhǔn)正態(tài)分布，因此在回歸方法進(jìn)行預(yù)測(cè)建模時(shí)不存在變量正態(tài)性不匹配的問(wèn)題，但主要受歐亞中高緯環(huán)流控制，比如烏拉爾山和貝加爾湖阻塞形勢(shì)等，而歐亞中高緯環(huán)流本質(zhì)上是天氣尺度現(xiàn)象，在季節(jié)尺度上可預(yù)測(cè)性很低，目前國(guó)際領(lǐng)先的模式表現(xiàn)的相關(guān)預(yù)測(cè)基本無(wú)技巧。

從本文各種方法的表現(xiàn)以及氣候預(yù)測(cè)難度偏低的原因來(lái)看，對(duì)新疆季節(jié)預(yù)測(cè)，發(fā)展和改進(jìn)降尺度方法和統(tǒng)計(jì)方法，并進(jìn)行有效集合的技術(shù)發(fā)展方向最為可行。關(guān)于新疆降水的非正態(tài)性，根據(jù)作者經(jīng)驗(yàn)，構(gòu)建預(yù)測(cè)信息相似方法[30]比進(jìn)行正態(tài)轉(zhuǎn)換（如Cox-Box變換）可能效果更好。

[1]張家寶，陳曉梅.新疆短期氣候預(yù)測(cè)研究的回顧[J].新疆氣象，2001，24（4）：1-6.

[2]白莉，藺波，江新安，等.伊寧市終霜?dú)夂蛱卣骷八獌鲎畹蜏囟阮A(yù)報(bào)方法研究[J].沙漠與綠洲氣象，2007，1（2）：19-22.

[3]孫東霞，謝小紅，郭曉靜.克拉瑪依特強(qiáng)大風(fēng)的氣候特征及天氣分析與預(yù)報(bào)[J].沙漠與綠洲氣象，2008，2（4）：18-21.

[4]李維京.現(xiàn)代氣候業(yè)務(wù)[M].第一版.北京：氣象出版社，2012.

[5]Stockdale T N,Alves O，Boer G，et al.Understanding and predicting seasonal and inter-annual climate variabilitythe producer perspective[J].White Paper for WCC-3，2009.

[6]Atger F.The skill of ensemble prediction systems.Mon Wea Rev，1999，127：1941-1953.

[7]杜鈞.集合預(yù)報(bào)的現(xiàn)狀和前景[J].應(yīng)用氣象學(xué)報(bào)，2002，13（1）：16-28.

[8]Stephenson D B，Coehlo C A S，Doblas-Reyes F J,et al. Forecast assimilation：a unified framework for the combination of multi-model weather and climate predictions[J].Tellus A，2005，57（3）：253-264.

[9]Wang B，Jug J S，Kyung J，et al.Advance and prospectus of seasonal prediction:assessment of the APCC/CliPAS 14-model ensemble retrospective seasonal prediction（1980-2004）[J].Climate Dynamics，2009，33（1）：93-117

[10]陳超輝，李崇銀，譚言科，等.基于交叉驗(yàn)證的多模式超級(jí)集合預(yù)報(bào)方法研究[J].氣象學(xué)報(bào)，2010，68（4）：464-476.

[11]Feng J M，Lee D K,Fu C B，et al.Comparison of four ensemble methods combining regional climate simulations over Asia[J].Meteorol Atmos Phys，2011，111：41-53.

[12]Palmer T，Andersen U，Cantelaube P，et al.Development of a European Multi-Model Ensemble System for Seasonal to Inter-Annual Prediction（DEMETER）[J]. Bulletin of the American Meteorological Society，2002，85（6）：853-872.

[13]Krishnamurti T N，Kishtawal C M，LaRow T E,et al. Improved skills for weather and seasonal climate forecasts from multimodel superensemble[J].Science，1999，285：1548-1550.

[14]Pavan V，Doblas-Reyes J.Multi-model seasonal hindcasts over the Euro-Atlantic：skill scores and dynamic features[J].Climate Dynamics，2000，16：611-625.

[15]Doblas-Reyes F J，Hagedorn R，Palmer T N.The rationale behind the success of multi-model ensembles in seasonal forecasting-II.Calibration and combination[J]. Tellus，2005，57A：234-252.

[16]Ke Z J，Dong W J，Zhang P Q，et al.An analysis of the difference between the multiple linear regression approach and the multimodel ensemble mean[J]. Advances in Atmospheric Sciences，2009，26（6）：1157-1168.

[17]Wilby R L.Downscaling general circulation model output: a review of methods and limitations[J].Journal of the American Water Resources Association，2000，36（2）：387-397.

[18]范麗軍，符淙斌，陳德亮.統(tǒng)計(jì)降尺度法對(duì)華北地區(qū)未來(lái)區(qū)域氣溫變化情景的預(yù)估[J].大氣科學(xué)，2007，31（5）：887-897.

[19]覃志年，陳麗娟，唐紅玉，等.月尺度動(dòng)力模式產(chǎn)品解釋?xiě)?yīng)用系統(tǒng)及預(yù)測(cè)技巧[J].應(yīng)用氣象學(xué)報(bào)，2010，21（5）：614-620

[20]李江萍，王式功.統(tǒng)計(jì)降尺度法在數(shù)值預(yù)報(bào)產(chǎn)品釋用中的應(yīng)用[J].氣象，2008，34（6）：41-45.

[21]Zhu C W，Park C K，Lee W S，et al.Statistical downscaling for multi-model ensemble prediction of summer monsoon rainfall in the Asia-pacific region using geopotential height field[J].Advances in Atmospheric Sciences，2008，25（5）：867-884.

[22]陳學(xué)君，蘇仲岳，李仲龍，等.年降水量數(shù)據(jù)的正態(tài)變換方法對(duì)比分析[J].干旱氣象，2012，30（3）：460-465.

[23]魏鳳英，黃嘉佑.我國(guó)東部夏季降水量統(tǒng)計(jì)降尺度的可預(yù)測(cè)性研究.熱帶氣象學(xué)報(bào)，2010，26（4）：483-48.

[24]康紅文，祝從文，左志燕，等.多模式集合預(yù)報(bào)及其降尺度技術(shù)在東亞夏季降水預(yù)測(cè)中的應(yīng)用.氣象學(xué)報(bào)，2012，70（2）：192-201.

[25]陳麗娟，李維京，張培群，等.降尺度技術(shù)在月降水預(yù)報(bào)中的應(yīng)用.應(yīng)用氣象學(xué)報(bào)，2003，14（6）：648-655.

[26]艾孑兌秀，董文杰，張培群.一種基于EOF分析的迭代方法在業(yè)務(wù)預(yù)報(bào)中的應(yīng)用.熱帶氣象學(xué)報(bào)，2008，24（4）：320-326.

[27]柯宗建，張培群，董文杰，等.最優(yōu)子集回歸方法在季節(jié)氣候預(yù)測(cè)中的應(yīng)用.大氣科學(xué)，2009，33（5）：994-1002.

[28]賈小龍，陳麗娟，李維京，等.BP-CCA方法用于中國(guó)冬季溫度和降水的可預(yù)報(bào)性研究和降尺度季節(jié)預(yù)測(cè).氣象學(xué)報(bào)，2010，68（3）：398-410.

[29]劉長(zhǎng)征，杜良敏，柯宗建，等.國(guó)家氣候中心多模式解釋?xiě)?yīng)用集成預(yù)測(cè).應(yīng)用氣象學(xué)報(bào)，2013，24（6）：677-685

[30]Huug van Den Dool著，張勤，肖子牛，江志紅譯.短期氣候預(yù)報(bào)的經(jīng)驗(yàn)（統(tǒng)計(jì)）方法.北京：氣象出版社，2011.

[31]毛恒青，李小泉.典型相關(guān)分析（CCA）對(duì)我國(guó)冬季氣溫的短期氣候預(yù)測(cè)試驗(yàn).應(yīng)用氣象學(xué)報(bào)，1997，8（4）：385-392.

[32]黃茂怡，黃嘉佑.近年來(lái)CCA在氣候分析與氣候預(yù)測(cè)中的應(yīng)用.北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2000，37（1）：128-135.

The Prediction of Summer Precipitation and Winter Temperature over Xinjiang

LIU Changzheng1，JIANG Yuan’an2，MAO Weiyi3，CHEN Ying2，BAI Suqin2
（1.National Climate Center，Beijing 100081，China；2.Xinjiang Climate Center，Urumqi 830002，China；3.Institute of Desert Meteorology，CMA，Urumqi 830002，China）

The operational prediction ability of summer precipitation and winter temperature over Xinjiang is studied with the common techniques including seasonal models，multi-model ensemble，statistical downscaling，statistical methods，ensemble of both downscaling and statistical methods. The operational seasonal models from National Climate Center，ECMWF，NCEP，JMA，two mulitimodel ensemble methods（the average and super-ensemble）,three downscaling methods（BPCCA，EOF-ITE，HCRE）and three statistical methods（BP-CCA，OCN，HCRE）used in National Climate Center are employed in this paper.Our study shows that the above techniques and methods have much different prediction abilities on the summer precipitation and winter temperature over Xinjiang.The skill scores of the leading operational seasonal models are very low.Meanwhile,the super-ensemble of models and downscaling methods are often better than single model while the best downscaling method shows higher score than the best multi-model ensemble method.Besides，the skills of statistical methods are similar to the downscaling ones.The super-ensemble of both downscaling and statistical methods often holds quite higher prediction accuracy.What is more,it is indicated that the common methods used in present operation are of certain ability on the prediction of the trend but of few ability on the spatial distribution of the climate anomalies over Xinjiang.It is suggested that the technique on seasonal prediction over Xinjiang should be developed focusing on the ensemble of statistical and downscaling methods.

Xinjiang climate;climate prediction;ensemble prediction;seasonal model; downscaling;statistical methods

P456

B

1002-0799（2015）02-0001-08

劉長(zhǎng)征，江遠(yuǎn)安，毛煒嶧，等.新疆夏季降水和冬季氣溫預(yù)測(cè)方法及效果評(píng)估[J].沙漠與綠洲氣象，2015，9（2）：1-8.

10.3969/j.issn.1002-0799.2015.02. 001

2014-11-20；

2015-01-16

中國(guó)沙漠氣象科學(xué)研究基金（Sqj2011012）；國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃（2013CB430203）；公益性行業(yè)（氣象）科研專項(xiàng)（GYHY201306024）共同資助。

劉長(zhǎng)征（1978-），男，高級(jí)工程師，從事短期氣候預(yù)測(cè)業(yè)務(wù)和科研工作。E-mail：czliu@cma.gov.cn

江遠(yuǎn)安（1969-），女，高級(jí)工程師，從事新疆氣候預(yù)測(cè)業(yè)務(wù)和科研工作。E-mail：jya_69@163.com