馬 浩 徐超俊 張紀偉

(1. 浙江省氣候中心，浙江 杭州 310017；2. 浙江省氣象局科技與預報處，浙江 杭州 310002)

浙江省2007—2014年短期氣候預測質(zhì)量檢驗綜合評析與相關(guān)思考

馬 浩1徐超俊2張紀偉2

(1. 浙江省氣候中心，浙江 杭州 310017；2. 浙江省氣象局科技與預報處，浙江 杭州 310002)

短期氣候預測是氣象部門的核心業(yè)務之一。中國氣象局預報與網(wǎng)絡司先后于2009年和2013年出臺了Pg和Ps兩種評分方案，用來評定短期氣候預測質(zhì)量。本文從多個角度研究了浙江省2007年3月—2014年12月氣溫和降水的月預測評分結(jié)果，發(fā)現(xiàn)浙江省氣溫預測評分略高于全國平均和華東區(qū)域平均，降水預測優(yōu)于全國平均和華東區(qū)域平均。從平均得分來說，浙江省氣溫預測排名居于全國中游前列，降水預測位居全國前列。2013年以來，相較于國家氣候中心指導預測，浙江省實際發(fā)布氣溫和降水預測分別表現(xiàn)出微弱的負技巧和顯著正技巧。通過個例分析，進一步發(fā)現(xiàn)能否科學對待指導預測、避免因循守舊的觀念干擾是影響預測效果的重要非智力因素。最后對新評分體系下業(yè)務開展中值得注意的幾個問題進行了相關(guān)討論。

氣溫預測；降水預測；Ps評分；成因分析；異常量級

0 引 言

隨著氣象科技的快速發(fā)展和服務需求的不斷提升，短期氣候預測日益成為氣象部門的核心業(yè)務之一。一方面，從氣象預報的整體格局來看，短期氣候預測為短期、中期天氣預報提供氣候背景，是時效最長的基礎(chǔ)預報。近年來公眾對氣候預測的認知水平顯著提高，人們不僅關(guān)心未來三天的天氣狀況，也關(guān)心未來較長時間內(nèi)氣象變化的整體趨勢，如梅雨何時結(jié)束、臺風何時到來、春季是否有倒春寒等，從而為短期氣候預測開拓了廣闊的服務空間。另一方面，在全球氣候變暖背景下，極端天氣氣候事件頻發(fā)[1-2]，高影響事件造成的氣象災害越來越重[3]。從預報角度來說，預報的提前量與災害損失之間呈現(xiàn)顯著的反比關(guān)系，預報提前得越早，則抗災準備越充分、災害損失越小[4-5]。氣候預測結(jié)論在一定程度上指引著防災減災的前期部署和科學調(diào)度。國家氣候中心每年3月舉行多部門參與的汛期氣候趨勢預測聯(lián)合會商，對6—8月汛期氣候的總體趨勢進行宏觀把握[6-7]，意義即在此。

我國的短期氣候預測業(yè)務經(jīng)歷了從無到有、從簡單到詳細、從定性到定量的演進過程。隨著預測機理的不斷深化和預測方法的不斷增多[8-12]，在國家級和省級兩個層面，短期氣候預測產(chǎn)品已進入常態(tài)化、定量化發(fā)布階段。就預測內(nèi)容而言，主要針對氣溫和降水開展預測。按照中國氣象局預報與網(wǎng)絡司(以下簡稱預報司)的統(tǒng)一要求，作為業(yè)務考核的重要內(nèi)容，國家氣候中心與各省(市、區(qū))氣候中心應在每月末提供次月氣溫距平和降水量距平百分率的預測結(jié)果、同時在每個自然季節(jié)(春、夏、秋、冬四季)開始之前提供針對自然季節(jié)的預測結(jié)果。與之相對應的，是短期氣候預測質(zhì)量檢驗方案應運而生。

預測的均方誤差為：

氣候?qū)W意義上預測的均方誤差為：

從而在站點j處的MSSS可定義為：

表1 氣溫、降水趨勢預測六級檢驗評分制單站評分規(guī)則

為了更好地展示短期氣候預測質(zhì)量檢驗結(jié)果，國家氣候中心2013年研發(fā)了“氣候預測產(chǎn)品檢驗綜合信息發(fā)布平臺”(http://10.1.64.147/ycjy/)，實時展示國家氣候中心和各省(市、區(qū))氣候中心月預測的評分結(jié)果。該平臺提供了全國各省市2007年3月至今的月預測評分，從2013年1月開始逐月發(fā)布針對預測質(zhì)量檢驗的評估報告。

需要指出的是，從短期氣候預測業(yè)務本身來說，對評分結(jié)果的分析長期以來沒有引起足夠的重視，專題探討的論文和著作很少。其中的原因，很大程度上是由于預報員沒有挖掘出評分研析的價值、以及評分結(jié)果所蘊含的指示意義。盡管現(xiàn)今采用的評分方案存在一定的缺陷，然而在“全國一把尺”的大背景下，評分結(jié)果能夠客觀真實地反映出浙江省氣候預測水平在全國所處的位置、以及近年來預測能力的變化；通過和其它省市的比較，能夠理性地發(fā)掘出我們的預報優(yōu)勢和差距所在，思考預報策略中存在的問題。從這個意義上來說，對評分結(jié)果的分析能夠“反哺”業(yè)務、找出預測中存在的問題和不足，為今后改進預測策略、改善預測效果提供依據(jù)。

本文基于“氣候預測產(chǎn)品檢驗綜合信息發(fā)布平臺”提供的月預測評分數(shù)據(jù)，對2007年3月—2014年12月浙江省逐月短期氣候預測評分結(jié)果展開分析。通過對浙江評分、全國平均評分、華東區(qū)域平均評分、國家氣候中心指導預測評分的比較，多角度呈現(xiàn)了8年來浙江氣溫和降水預測的總體情況；結(jié)合“預測成功”和“預測失敗”的具體案例，從一個獨特的視角——“預測形成”的非智力因素角度剖析了預測成敗的深層次原因。最后提出了若干思考和建議。

1 浙江省短期氣候預測質(zhì)量與全國和區(qū)域預測質(zhì)量的綜合比較

為了將浙江省短期氣候預測質(zhì)量與全國和區(qū)域預測質(zhì)量進行橫向比較，我們提取了2007年3月—2014年12月浙江省、全國平均、華東區(qū)域平均的逐月評分，從氣溫預測(即氣溫距平預測)和降水預測(即降水量距平百分率預測)兩個角度分別進行考量。需要說明的是，由于預報司的評價體系在2013年發(fā)生了變化、由Pg評分改為Ps評分，因此2013年之前和之后的評分分別為Pg評分和Ps評分。

1.1 氣溫預測

從氣溫預測評分來看(圖1)，浙江省得分經(jīng)歷了3個階段的變化：2007年3月—2008年3月總體而言得分不高(期間2007年10月未及時上傳預測數(shù)據(jù)、得分為0分)，平均得分在70分左右；2008年4月—2013年12月得分較為穩(wěn)定且處于較高水準，平均得分居于80～90分之間；2014年1月—2014年12月得分出現(xiàn)較大起伏，既有滿分或近滿分月，也有得分小于20分的低分月。

與全國平均得分相比，上述3個階段也表現(xiàn)出鮮明的特點：2007年3月—2008年3月浙江省得分與全國平均得分相比沒有明顯優(yōu)勢；2008年4月—2013年12月浙江省得分總體高于全國平均得分，其中2008年4月—2009年8月為顯著偏高時段；2014年1月—2014年12月由于出現(xiàn)了3月、8月、12月3個低分月，總體低于全國平均得分。

與華東區(qū)域平均得分相比，上述3個階段的前2個階段表現(xiàn)出相似的特征：2007年3月—2008年3月總體低于區(qū)域平均得分，2008年4月—2013年12月總體高于區(qū)域平均得分。值得注意的是，2014年1月以來，華東區(qū)域平均得分也出現(xiàn)了較大起伏，且高分與低分月份與浙江省基本相同，說明區(qū)域氣候自2014年1月以來出現(xiàn)了較大調(diào)整、呈現(xiàn)出與以往不同的特點，從而直接影響了評分結(jié)果。

從2007年3月—2014年12月全時段平均得分來看，浙江省、全國平均、華東區(qū)域平均平均得分分別為75.61、74.50、75.57分，浙江省平均得分略高。

從2007年3月—2014年12月氣溫預測的平均得分排名來看(圖2)，浙江位居全國中游前列(75.61分，第13名)，排名高于華東區(qū)域平均(75.57分，第14名)和全國平均(74.50分，第17名)。從全國總體情況來看，除云南(80.97分，第1名)和西藏(80.24分，第2名)得分具有較大優(yōu)勢外，青海(77.92分，第3名)—陜西(74.30分，第18名)得分差距并不大。浙江排名第13位一方面是由于2007年10月延誤上傳預測數(shù)據(jù)導致當月得分為0分，若該月得分正常，應當可以繼續(xù)前進2—3個位次；另一方面是由于2014年氣溫預測整體效果不理想，出現(xiàn)了3個低分月。宏觀而言，得分領(lǐng)先較多的云南和西藏可視為“第一集團”，包括青海、福建、天津、上海、北京、重慶、安徽、江西、寧夏、浙江、湖北、江蘇、陜西在內(nèi)的13省(市、區(qū))可視為“第二集團”，得分居于74—78分之間。第二集團的各地區(qū)之間差距較小，通過改善預測質(zhì)量將浙江排名提升2—3個位次是完全可期的。

圖1 2007年3月—2014年12月浙江省、全國平均、華東區(qū)域平均氣溫預測逐月Ps評分

圖2 2007年3月—2014年12月全國各省(市、區(qū))氣溫預測逐月評分平均值(按得分從高到低排列)

1.2 降水預測

從降水預測評分來看(圖3)，浙江省2007年3月—2014年12月評分呈現(xiàn)出可喜的緩慢上升趨勢，說明浙江省降水預測能力近幾年逐步提高。與全國平均和華東區(qū)域平均相比，可以看出，盡管全國平均和華東區(qū)域平均得分也表現(xiàn)出一定的上升趨勢，但上升速率明顯慢于浙江省。

從時間變化來看，由于降水的分布和演變特征更為復雜、可預測性更低[15]，因此得分的波動也更加明顯。大體來說，2007年3月—2007年12月浙江省得分低于全國平均和華東區(qū)域平均(期間2007年10月未及時上傳預測數(shù)據(jù)、得分為0分)；2008年1月—2009年9月浙江省得分顯著高于全國平均和華東區(qū)域平均；2009年10月—2013年2月得分振幅有所增大，值得注意的是，華東區(qū)域平均得分的振幅自2013年1月起也開始增大，說明區(qū)域氣候自2013年1月起出現(xiàn)了重要的調(diào)整或轉(zhuǎn)折；2013年3月—2014年12月浙江省得分高于全國平均和華東區(qū)域平均，其中2014年4月起顯著偏高。

就2007年3月—2014年12月全時段平均得分而言，浙江省、全國平均、華東區(qū)域平均平均得分分別為62.46分、58.71分、59.87分，浙江省平均得分較高且超過60分，說明降水預測總體效果較好。

圖3 2007年3月—2014年12月浙江省、全國平均、華東區(qū)域平均降水預測逐月Ps評分

從降水預測全時段平均得分的排名來看(圖4)，浙江位居全國前列(62.46分，第4名)、排名顯著高于華東區(qū)域平均(59.88分，第15名)和全國平均(58.71分，第18名)，然而與排名前3位的江西(63.66分)、重慶(63.63分)、安徽(63.47分)相比仍有1分以上的差距。從華東區(qū)域的情況來看，除江西、安徽、浙江外，其余各省市分列第13名(上海)、第18名(江蘇)、第20名(福建)、第30名(山東)，說明整個華東地區(qū)降水預測水平不平衡，既有全國領(lǐng)先省份、也有全國中游和排名靠后的省市。浙江居于華東區(qū)域第3位，雖然在全國排名靠前，但在華東區(qū)域并無明顯優(yōu)勢。

圖4 2007年3月—2014年12月全國各省(市、區(qū))降水預測逐月評分平均值(按得分從高到低排列)

2 浙江省發(fā)布短期氣候預測與國家氣候中心指導預測的質(zhì)量比較

從2013年1月開始，“氣候預測產(chǎn)品檢驗綜合信息發(fā)布平臺”在發(fā)布各省(市、區(qū))月預測Ps評分的同時，也提供國家氣候中心針對該地區(qū)指導預測的評分結(jié)果。指導預測是各省(市、區(qū))制作月預測的重要參考，按照預報司的現(xiàn)代氣候業(yè)務統(tǒng)一布局，各地制作的短期氣候預測產(chǎn)品實質(zhì)上應是在指導預測基礎(chǔ)上的“訂正預測”。從這個意義上來說，對指導預測的修正至關(guān)重要，修正得好與壞直接影響最終預測結(jié)果。我們比較了2013年1月—2014年12月國家氣候中心指導預測與浙江省實際發(fā)布預測的Ps評分。

2.1 氣溫預測

從氣溫預測來看(圖5)，多數(shù)月份發(fā)布預測與指導預測之間的差別并不大，在這些月份中，既有預測效果較好的2013年2—3月、7—10月、2014年4月、11月，也有預測效果不理想的2014年6—8月、12月。有些月份發(fā)布預測對指導預測進行了較大幅度修正，其中修正成功的月份有2013年1月、12月、2014年10月，尤其是2014年10月成功地挽救了一個低分預測，在指導預測僅有28.6分的情況下，發(fā)布預測為100分；修正失敗的月份有2013年4月、2014年1月、3月，其中2014年3月指導預測為97.7分，而發(fā)布預測僅有8.7分。2年來指導預測和發(fā)布預測平均得分分別為75.83分和74.51分，發(fā)布預測總體上表現(xiàn)為微弱的負技巧。

圖5 2013年1月—2014年12月浙江省氣候中心發(fā)布氣溫預測與國家氣候中心指導預測的Ps評分比較

2.2 降水預測

從降水預測的情況來看(圖6)，發(fā)布預測的修正幅度顯然比氣溫預測更大，這在一定程度上是由于降水的局地性更強，預報員在借鑒指導預測結(jié)果的同時，還需要對降水落區(qū)進行更為細致的甄別和修正。整體上而言，發(fā)布預測基本遵循了指導預測的“基調(diào)”，進行了較大修正的月份有2013年2月、2013年6月、2014年6月、2014年12月。其中，2013年2月、2014年6月、2014年12月是修正成功的3個個例，2013年2月指導預測僅有15.2分，發(fā)布預測為85.7分；2014年6月指導預測為50.0分，發(fā)布預測為87.4分；2014年12月指導預測僅有3.0分，發(fā)布預測為94.4分。2年來指導預測和發(fā)布預測平均得分分別為58.69分和68.26分，發(fā)布預測總體上表現(xiàn)為顯著的正技巧，說明浙江對降水指導預測具備較好的修正能力。

圖6 2013年1月—2014年12月浙江省氣候中心發(fā)布降水預測與國家氣候中心指導預測的Ps評分比較

3 個例分析：成功與失敗的理性思考

知其然，更要知其所以然。在分析浙江省短期氣候預測評分演變的基礎(chǔ)上，以下結(jié)合預測中的不同個例，探尋預測成敗背后的原因。需要指出的是，預測成功與失敗的原因是多方面的，涉及知識儲備、預測思路、預測工具、預測方法、預測經(jīng)驗、預測習慣等多個環(huán)節(jié)，本文側(cè)重于分析預測習慣、預測定勢、預測觀念等非智力因素，以期獲得具有可操作性的認識、在今后的業(yè)務實踐中更好地改善預測效果。

2014年4月和2014年2月分別是降水預測中的成功和失敗個例。

3.1 預測成功案例

4月正值氣候轉(zhuǎn)換時節(jié)，預測難度較大。在3月下旬的氣候分析中，預報員首先摒棄了“持續(xù)性預測”思維(即考慮3、4月降水的連續(xù)性)，著重從環(huán)流分析和模式集合的角度開展預測。通過環(huán)流演變分析，預報員作出了4月西太平洋副熱帶高壓(西太副高)偏弱、脊線偏南的判斷，進而推定4月降水的主落區(qū)不在江南北部；結(jié)合氣候模式的預測結(jié)果，多數(shù)模式預測4月浙江大部降水偏少；最終給出了4月降水偏少的結(jié)論(圖7a)。實況表明(圖7b)，4月除湖州北部、平湖、石浦、平陽外，全省大部降水偏少，其中浙南大部、浙中局部地區(qū)偏少5成以上，預測與實況相符。

圖7 2014年4月降水量距平百分率預測(a)與實況(b)

3.2 預測失敗案例

2014年2月降水預測失敗的背后有著深刻的根源。首先，從氣候模式及其解釋應用結(jié)果來看，部分結(jié)果支持降水偏少、部分結(jié)果支持降水偏多，然而支持降水偏少的成員數(shù)量占據(jù)優(yōu)勢；第二，1月降水偏少，歷史上1、2月降水連續(xù)偏少的情形并不少見；第三，國家氣候中心給出了長江中下游及其以南地區(qū)整體降水偏少的指導意見，雖然經(jīng)過分析，預報員認為浙江全省偏少的可能性不大，然而“降水偏少”的基調(diào)卻已打下了深深的烙印。由于環(huán)流預測結(jié)論為西太副高強度偏弱、脊線偏南、西伸脊點偏東，有利于浙江沿海地區(qū)降水偏多，因此預報員對指導預測結(jié)論進行了小幅修正，預測沿海降水偏多、其它地區(qū)降水偏少(圖8a)。然而這一結(jié)論仍然與實況出入較大(圖8b)。應當說，指導預測在相當程度上影響了預報員的傾向，在缺少物理依據(jù)的情況下，如何把握指導預測仍是實踐中尚未解決的難題之一。

圖8 2014年2月降水量距平百分率預測(a)與實況(b)

4 結(jié) 語

本文系統(tǒng)分析了2007年3月—2014年12月浙江省短期氣候預測評分結(jié)果。通過和全國平均和華東區(qū)域平均評分的比較，發(fā)現(xiàn)浙江省氣溫和降水評分的起伏較大、預測效果不穩(wěn)定，總體而言氣溫得分略高于全國平均和華東區(qū)域平均，排名居于全國中游前列(第13名)；降水得分顯著高于全國平均和華東區(qū)域平均，排名居于全國前列(第4名)。與國家氣候中心指導預測相較，氣溫發(fā)布預測表現(xiàn)為微弱的負技巧，降水發(fā)布預測表現(xiàn)為顯著正技巧。

通過預測成功與失敗的個例分析，探討了非智力因素對預測結(jié)果的影響。堅持理性判斷、科學分析指導預測有助于獲得正確的結(jié)論；在缺少物理依據(jù)的情況下，輕易倒向指導預測意見將加大預測的風險。除此之外，以下問題值得進一步討論。

1)為何2014年之后，氣溫預測的Ps評分顯著下降？不可否認的是，預測定勢在其中起到了重要作用。長期以來，氣溫預測中有兩個重要的著眼點：一是全球增暖的氣候背景；二是各月的氣候平均態(tài)。關(guān)于第一點，在2010年之前，統(tǒng)一采用1971—2000年的氣候平均值作為氣溫預測的參考基準，在氣候增暖的背景下，預測“氣溫偏高”往往是較安全的策略、也為預報員所樂用；然而2010年之后，啟用1981—2010年的氣候平均值作為新的參考基準、較原先的平均值顯著升高，而全球氣候并非線性增暖、而是在增暖中會出現(xiàn)減緩和停滯[16-20]，這一現(xiàn)象在2000年之后表現(xiàn)得尤為明顯，因此“氣溫偏高”預報策略在很大程度上失效。關(guān)于第二點，在前期信號較弱、模式結(jié)果之間存在較大差異即沒有明確物理依據(jù)的情況下，預報員往往會偏向于“氣候概率”預報策略、用“優(yōu)勢概率”來進行氣候預測，如夏季易出現(xiàn)高溫，則預報夏季月份氣溫偏高；冬季易出現(xiàn)低溫，則預報冬季月份氣溫偏低。然而在全球變暖背景下，極端天氣氣候事件頻發(fā)，在很大程度上打破了原先的氣候概率和氣候常態(tài)，2014年夏季連續(xù)出現(xiàn)低溫月份就是一個鮮明的例子，因此“氣候概率”預報策略面臨著越來越大的風險。

2)如何科學應用國家氣候中心指導預測？指導預測凝聚了國家氣候中心多位專家的智慧，具有很高的參考價值，然而它也是面向全國的大范圍預測、應用于區(qū)域未必準確，因此科學借鑒、有效吸收顯得尤為關(guān)鍵。在分析指導預測時，首先應當注意指導預測的結(jié)論從何而來？重點參考了環(huán)流的影響、模式結(jié)果還是二者兼顧？其中確定性的結(jié)論有哪些、不確定的結(jié)論又有哪些？其次，應當對國家氣候中心的區(qū)域預測能力有所了解。隨著氣候動力學特別是季風動力學理論的不斷成熟[21-25]，國家氣候中心對東部季風區(qū)的預測能力不斷增強，該區(qū)域也是預測機理最為成熟的區(qū)域，然而這并不意味著對區(qū)域內(nèi)各省(市、區(qū))的預測在每個月都能達到較高的精度。從預測邏輯和預測技巧兩方面入手，才能對指導預測進行有針對性的訂正，力求“錦上添花”、“雪中送炭”。

3)Ps評分體系的啟用對浙江省氣候預測業(yè)務有何啟示？在預測實踐中，預報員的預測傾向往往偏保守，“略偏高”、“略偏低”、“略偏多”、“略偏少”之類的用語頻繁出現(xiàn)。保守的預測習慣與極端天氣氣候事件頻發(fā)的現(xiàn)狀是不相適應的，從逐月氣候的實況來看，正常量級極少出現(xiàn)、異常氣候的發(fā)生概率很高。為了鼓勵預報員預測異常量級，預報司用Ps評分方案取代了原先的Pg評分，如果仍然沿襲保守的預測習慣，勢必會在評分上蒙受損失。舉例來說，2013年1月，氣溫預測符號正確的有45站、但并未預報出異常量級，Ps得分僅為68.2分；2013年9月，降水預測同樣有45站符號正確、且其中1站一級異常預報正確，Ps得分達到81.4分，可見預測異常量級的重要性。從服務角度來說，預測異常和極端氣候也是提高服務水平的必然要求。新的評分體系要求預報員不能僅僅滿足于對氣候趨勢的把握，更要樹立“敢于預測異?！钡睦砟?，更好地滿足服務需求。

評分是展示短期氣候預測效果的一面鏡子。誠然，任何評分體系都不是完美的，Ps評分方案同樣帶有主觀性和人為性，然而評分的出現(xiàn)為全國各省(市、區(qū))提供了統(tǒng)一的度量標準，使得不同地區(qū)的預測質(zhì)量能夠在同一平臺上進行比較。從這個意義上來說，研究評分的目的在于“由果索因”，通過對評分的分析反思預測中的成敗得失。本文從多個角度分析了2007年以來浙江省短期氣候預測評分，然而僅限于月預測；由于季預測評分尚未完整發(fā)布，這樣的分析顯然不夠全面。待季預測評分正式發(fā)布后，將月、季評分放在一起兩相對比，將會得到更加完整、深刻、系統(tǒng)的認識，更好地“反哺”預測業(yè)務。

[1] Rahmstorf S, Coumou D. Increase of extreme events in a warming world[J]. Proceedings of the National Academy of Sciences, 2011, 108(44): 17905-17909.

[2] Peterson T C, Hoerling M P, Stott P A, et al. Explaining extreme events of 2012 from a climate perspective[J]. Bulletin of the American Meteorological Society, 2013, 94(9): S1-S74.

[3] 楊秋明.10-30天延伸期天氣預報及發(fā)展趨勢[J].中國新技術(shù)新產(chǎn)品，2008，23(7)：96-97.

[4] 丁一匯.我國短期氣候預測業(yè)務系統(tǒng)[J].氣象，2004，30(12)：11-16.

[5] 馬浩，雷媛，毛燕軍，等.高分辨率區(qū)域海-氣耦合模式：短期氣候預測新的春天[J].浙江氣象，2014，35(2)：6-11.

[6] 王紹武.短期氣候預測的可預報性與不確定性[J].地球科學進展，1998，13(1)：8-14.

[7] 湯懋蒼.短期天氣預報與短期氣候預測發(fā)展道路的對比思索[J].干旱氣象，2004，22(1)：57-64.

[8] 趙振國.我國短期氣候預測的業(yè)務技術(shù)發(fā)展[J].山東氣象，2001，21(3)：4-7.

[9] 趙振國，劉海波.我國短期氣候預測的業(yè)務技術(shù)發(fā)展[J].浙江氣象，2003，24(3)：1-6.

[10] 魏鳳英.我國短期氣候預測的物理基礎(chǔ)及其預測思路[J].應用氣象學報，2011，22(1)：1-11.

[11] 李維京.現(xiàn)代氣候業(yè)務[M].北京：氣象出版社，2012：480.

[12] 賈小龍，陳麗娟，高輝，等.我國短期氣候預測技術(shù)進展[J].應用氣象學報，2013，24(6)：641-655.

[13] 李清泉，丁一匯，張培群.一個全球海-氣耦合模式跨季度汛期預測能力的初步檢驗和評估[J].氣象學報，2004，62(6)：740-751.

[14] 何慧根，李巧萍，吳統(tǒng)文，等.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，2014，38(5)：950-964.

[15] 王會軍.試論短期氣候預測的不確定性[J].氣候與環(huán)境研究，1997，2(4)：333- 338.

[16] Solomon S, Plattner G K, Knutti R. Irreversible climate change due to carbon dioxide emissions[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(6): 1704-1709.

[17] Abraham J P, Baringer M, Bindoff N L. A review of global ocean temperature observations: Implications for ocean heat content estimates and climate change[J]. Reviews of Geophysics, 2013, 51(3): 450-483.

[18] Kaufmann R F, Kauppi H, Mann M L, et al. Reconciling anthropogenic climate change with observed temperature 1998-2008[J]. Proceedings of the National Academy of Sciences of the United States of America, 2011, 108(29): 11790-11793.

[19] Kosaka Y, Xie S-P. Recent global-warming hiatus tied to equatorial Pacific surface cooling[J]. Nature, 2013, 501(7467): 403-407.

[20] Chen X, Tung K-K. Varying planetary heat sink led to global-warming slowdown and acceleration[J]. Science, 2014, 345(6199): 897-903.

[21] Wang B, Ding Q, Fu X, et al. Fundamental challenges in simulation and prediction of summer monsoon rainfall[J]. Geophysical Research Letters, 2005, 32(15), L15711, doi: 10.1029/2005GL02273412.

[22] Wang B, Ding Q. Changes in global monsoon precipitation over the past 56 years[J]. Geophysical Research Letters, 2006, 33(6), L06711, doi: 10.1029/2005GL025347.

[23] Wang B, Lee J-Y, Kang I-S, 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.

[24] 丁一匯，孫穎，劉蕓蕓，等.亞洲夏季風的年際和年代際變化及其未來預測[J].大氣科學，2013，37(2)：253-280.

[25] Wang B, Lee J-Y, Xiang B. Asian summer monsoon rainfall predictability: A predictable mode analysis[J]. Climate Dynamics, 2015, 44(1-2): 61-74.

2015-07-20