劉 娜 李雙林

1)(中國科學(xué)院大氣物理研究所，北京100029) 2)(中國科學(xué)院大學(xué)，北京100049)

?

基于時(shí)間尺度分離的中國東部夏季降水預(yù)測

劉 娜1)2)*李雙林1)

1)(中國科學(xué)院大氣物理研究所，北京100029)2)(中國科學(xué)院大學(xué)，北京100049)

基于時(shí)間尺度分離，利用NCEP 第2代氣候預(yù)測系統(tǒng)(CFSv2)每年 4月起報(bào)的夏季月平均預(yù)測資料, 結(jié)合實(shí)際觀測資料和再分析資料，對江淮流域及華北地區(qū)夏季降水距平百分率進(jìn)行降尺度預(yù)測。將預(yù)測量和預(yù)測因子分為年際分量和年代際分量，在兩個(gè)時(shí)間尺度上分別建立降尺度模型，兩個(gè)預(yù)測分量之和為總預(yù)測量。對1982—2008年擬合時(shí)段的夏季降水距平百分率的回報(bào)結(jié)果表明：降尺度預(yù)測結(jié)果相對于原始模式結(jié)果預(yù)測技巧顯著提高。降尺度預(yù)測與實(shí)況降水在江淮流域和華北地區(qū)的空間相關(guān)系數(shù)最大值超過0.8，多年平均值也分別提高到0.53和0.51；時(shí)間相關(guān)在每個(gè)站點(diǎn)也顯著增強(qiáng)，相關(guān)系數(shù)為0.38～0.65。對2009—2013年進(jìn)行獨(dú)立樣本檢驗(yàn)，結(jié)果表明：降尺度模型能較好地預(yù)測出該時(shí)段的降水異?？臻g型態(tài)。同時(shí)，該模型對2014年夏季降水長江以南偏多、黃淮地區(qū)偏少的分布形勢也有一定預(yù)測能力。

動(dòng)力降尺度; 時(shí)間尺度分離; 短期氣候預(yù)測； 夏季降水

引 言

汛期夏季降水一直是我國短期氣候預(yù)測中的一個(gè)重大課題,汛期旱澇對社會(huì)及經(jīng)濟(jì)影響很大，在我國東部江淮流域及華北地區(qū)尤其嚴(yán)重，尋求有效方法提高夏季降水的預(yù)測水平是有必要的。近年來，夏季降水預(yù)測研究取得一定進(jìn)展，成果也被應(yīng)用于預(yù)測業(yè)務(wù)。首先，我國較早建立了短期動(dòng)力氣候預(yù)測業(yè)務(wù)系統(tǒng)，業(yè)務(wù)應(yīng)用表明這些系統(tǒng)有一定預(yù)測能力[1-2]。盡管如此，目前動(dòng)力氣候預(yù)測模式仍存在分辨率較低、物理過程不完善等問題，對區(qū)域降水的預(yù)測有很大的不確定性[3]。彌補(bǔ)這一不足一般采取兩種方法：一是提高模式分辨率、改善物理過程參數(shù)化方案，二是降尺度方法。前者不僅需要巨大的計(jì)算資源，而且對物理過程的認(rèn)識(shí)和參數(shù)化方案改進(jìn)不易實(shí)現(xiàn)。相比而言，降尺度方法的應(yīng)用更為廣泛。

目前主要的降尺度方法有3類：統(tǒng)計(jì)、動(dòng)力和動(dòng)力-統(tǒng)計(jì)相結(jié)合。統(tǒng)計(jì)方法主要通過主成分分析[4]、典型相關(guān)分析[5]、奇異值分解[6]和多元線性回歸[7]等，利用大尺度環(huán)流場和區(qū)域氣候要素之間的耦合關(guān)系建立預(yù)測模型。動(dòng)力方法則通過在全球動(dòng)力氣候預(yù)測系統(tǒng)模式中嵌套高分辨率區(qū)域模式，開展區(qū)域短期氣候預(yù)測。動(dòng)力-統(tǒng)計(jì)相結(jié)合的方法基于動(dòng)力模式對大尺度變量有高預(yù)測技巧，能大大改進(jìn)月、季節(jié)氣候預(yù)測效果并成為降水預(yù)測的一種趨勢[8-9]?；跉v史相似誤差訂正的相似-動(dòng)力短期氣候預(yù)測方法，針對不同區(qū)域給出的預(yù)測方案使得中國夏季降水的預(yù)測技巧顯著提高[10-11]。Wang等[12]提出熱帶環(huán)流相似理論改進(jìn)了我國夏季降水預(yù)測，封國林等[13]系統(tǒng)地介紹了動(dòng)力-統(tǒng)計(jì)客觀定量化預(yù)測方法，其預(yù)測的汛期降水有較高的預(yù)測技巧。

目前我國夏季降水預(yù)測技巧仍不穩(wěn)定，不僅存在顯著的年際變化，還存在年代際變化[14]。氣候系統(tǒng)本身具有多時(shí)空尺度變化[15]，以前的預(yù)測模型沒有考慮年代際變化可能是導(dǎo)致預(yù)測技巧不穩(wěn)定的重要原因之一[16]。從物理上看，不同時(shí)間尺度上的降水特征不同，且與不同的物理過程相聯(lián)系，其預(yù)測信

號(hào)也不一致[7]。范可等[17]提出年際增量的預(yù)測方法，一定程度上考慮了年代際尺度變化的影響，因而顯著地提高了預(yù)測技巧。也有研究表明，進(jìn)行時(shí)間尺度分離，分別在年際和年代際尺度上進(jìn)行降尺度預(yù)測，是提高預(yù)測水平的一種有效方法[6,18-20]。2003年魏鳳英[18]提出了多時(shí)間尺度分離預(yù)測的構(gòu)想，對華北干旱序列的年代際和年際變率分別建立預(yù)測模型。之前的分離時(shí)間尺度研究是將區(qū)域平均降水序列作為預(yù)測對象，而對站點(diǎn)尺度降水的預(yù)測更符合實(shí)際需要。Liu等[19]和Han等[20]在這方面開展了一些工作，使用分離時(shí)間尺度模型分別對江淮流域和華北地區(qū)的站點(diǎn)降水進(jìn)行預(yù)測。考慮到年代際尺度氣候變率模態(tài)如太平洋年代際振蕩(PDO)、北大西洋年代際振蕩(AMO)等能顯著影響中國氣候[21-22]，首先對預(yù)測因子和預(yù)測量進(jìn)行年代際和年際時(shí)間尺度分離，引入PDO和AMO兩個(gè)年代際海洋模態(tài)作年代際分量的預(yù)測因子，對江淮流域和華北地區(qū)夏季降水進(jìn)行降尺度預(yù)測。結(jié)果表明：時(shí)間尺度分離方案對改進(jìn)季節(jié)降水預(yù)測很有效，是一種新的思路。然而，由于之前的研究[19-20]建立降尺度預(yù)測模型所用的模式資料來自歐盟“季節(jié)到年際預(yù)測的多模式集合發(fā)展計(jì)劃”(DEMETER)，現(xiàn)在該計(jì)劃已被新的計(jì)劃所替代，數(shù)據(jù)只更新到2001年，原來建立的模型并不能用作實(shí)時(shí)預(yù)測，因此，需要利用新的模式資料，進(jìn)一步驗(yàn)證降尺度模型的預(yù)測能力，并實(shí)現(xiàn)實(shí)時(shí)預(yù)測。

本文利用全球公開發(fā)布的、實(shí)時(shí)更新的美國環(huán)境預(yù)報(bào)中心(NCEP)的第2代氣候預(yù)測系統(tǒng)(CFSv2)數(shù)據(jù)，根據(jù)時(shí)間尺度分離的思路，研究我國夏季降水的預(yù)測模型。在對所建立的模型進(jìn)行回報(bào)檢測的基礎(chǔ)上，開展實(shí)時(shí)降尺度預(yù)測。相較于之前的分離時(shí)間尺度降尺度研究,本文是對研究區(qū)域降水的主要空間模態(tài)對應(yīng)的時(shí)間系數(shù)建立預(yù)測模型，然后回算重建得到每個(gè)站點(diǎn)的預(yù)測結(jié)果。

1 資料及方法

本研究分別對江淮流域28個(gè)站和華北地區(qū)21個(gè)站(如圖1所示)進(jìn)行預(yù)測。預(yù)測模型的建立和擬合回報(bào)時(shí)段為1982—2008年，獨(dú)立樣本檢驗(yàn)時(shí)段為2009—2013年。

1.1 資 料

模式數(shù)據(jù)來源于NCEP第2代氣候預(yù)測系統(tǒng)(C-FSv2)的夏季月平均資料。本研究使用該系統(tǒng)提供的所有初值積分的集合平均結(jié)果，長度為1982—2014年共33年。2014年已發(fā)布的最新資料為4月起報(bào)，為確保時(shí)間資料的一致性，所有年份均采用4月起報(bào)的6月、7月、8月資料，所用要素包括降水、500 hPa 高度場及850 hPa經(jīng)向風(fēng)場。該系統(tǒng)為全球提供最新的多時(shí)間尺度預(yù)測資料[23],并進(jìn)行實(shí)時(shí)業(yè)務(wù)預(yù)測。已有研究檢驗(yàn)了該模式對大氣環(huán)流場的預(yù)測能力，發(fā)現(xiàn)可以用來對夏季降水進(jìn)行降尺度預(yù)測[24]。

圖1 江淮流域及華北地區(qū)站點(diǎn)分布Fig.1 Stations over Yangtze-Huai Basins and North China

實(shí)況降水來自中國氣象局提供的全國160個(gè)站夏季逐月降水量，還包括ERA-interim海平面氣壓場和500 hPa位勢高度場再分析資料[25]。海表溫度則來源于NOAA擴(kuò)展重建海表溫度[26]。所有觀測及再分析資料均選取與模式資料共同的時(shí)段，即1982—2014年。

1.2 降尺度模型的建立

降尺度模型的建立基于時(shí)間尺度分離方案，通過傅里葉分解濾波對預(yù)測因子和預(yù)測量進(jìn)行時(shí)間尺度分離。將9年及以下(9年以上)的時(shí)段作為年際(年代際)分量，分別在這兩個(gè)時(shí)間尺度上建立相應(yīng)的預(yù)測方程。由于我國氣候呈現(xiàn)復(fù)雜的區(qū)域特征，以區(qū)域氣候作為預(yù)測對象獲取大尺度影響因子，能夠提高氣候可預(yù)報(bào)性[9]。因此，分區(qū)進(jìn)行預(yù)測因子的挑選和預(yù)測模型的建立是有必要的。

年代際尺度上選用兩個(gè)海洋年代際模態(tài)：太平洋年代際振蕩(PDO)和北大西洋年代際振蕩(AMO)指數(shù)作為預(yù)測因子。正如前人研究指出，我國江淮流域和華北地區(qū)的夏季降水年代際變率與前期海洋的這兩個(gè)年代際模態(tài)有很大的相關(guān)[21-22]，且已證明其可作為預(yù)測中國區(qū)域降水的有效因子[19-20]。因此，選取前一年12月PDO指數(shù)和11月AMO指數(shù)并使用最小二乘法擬合回歸預(yù)測方程，得到預(yù)測的年代際分量。

在年際尺度上，考慮大氣環(huán)流場包括500 hPa位勢高度場和850 hPa經(jīng)向風(fēng)場及海溫場作為因子場。將區(qū)域平均降水與各個(gè)待選因子場進(jìn)行相關(guān)分析(圖略)，取與預(yù)測量相關(guān)系數(shù)通過顯著性檢驗(yàn)且有物理意義的區(qū)域作為因子關(guān)鍵區(qū)。其中，同期因子來自原始模式，前期因子則來自觀測和再分析資料。所選因子時(shí)段及關(guān)鍵區(qū)如表1所示。研究的兩個(gè)區(qū)域平均降水與各個(gè)因子的顯著相關(guān)區(qū)域不同，因此最終選取的因子場也不相同，方程中江淮流域和華北地區(qū)的預(yù)測因子分別參照已有研究[19-20]的所選變量。

表1 兩個(gè)時(shí)間尺度降尺度模型所選預(yù)測因子時(shí)段及關(guān)鍵區(qū)Table 1 Periods and key regions of selected predictors in downscaling schemes on two timescales

對于江淮流域降水的年際分量，共選取了3個(gè)前期因子和2個(gè)同期因子。由江淮流域平均降水與前期冬季海溫異常場年際分量的相關(guān)場(圖略)可知，在赤道東太平洋有顯著的高相關(guān)。ENSO是導(dǎo)致亞洲季風(fēng)異常和我國旱澇發(fā)生的重要因素，年際尺度上是影響長江流域汛期降水異常的強(qiáng)信號(hào)[27]。因此，將前期冬季赤道東太平洋的海表溫度異常作為第1個(gè)因子。12月500 hPa高度場上選取的因子區(qū)域位于東北亞地區(qū)，反映了冬季中高緯度地區(qū)大氣環(huán)流異常與江淮流域夏季降水的關(guān)系。該因子通過影響歐亞上空的槽脊的發(fā)展進(jìn)而決定冬季風(fēng)強(qiáng)度，而冬季風(fēng)異常有明顯的季節(jié)持續(xù)性，能夠影響到后期的夏季風(fēng)環(huán)流和降水[19,28]。此外，前期1月的南太平洋中部海表面氣壓場反映了南太平洋副熱帶高壓的變化與西北太平洋副熱帶高壓密切聯(lián)系，在之前的研究中已經(jīng)被證明可以作為江淮流域夏季降水一個(gè)重要預(yù)測因子[19]。兩個(gè)同期因子分別來自原始模式輸出的500 hPa高度場和850 hPa經(jīng)向風(fēng)場。高度場分布區(qū)域位于泛東亞地區(qū)上空，涵蓋了眾多與中國降水變化密切相關(guān)的氣候系統(tǒng)，包括西風(fēng)急流、東亞大槽、西北太平洋副熱帶高壓和越赤道氣流等。研究顯示，該區(qū)域的500 hPa位勢高度場與中國夏季降水存在高相關(guān)[24]。850 hPa經(jīng)向風(fēng)場所選區(qū)域位于中國南海和孟加拉灣地區(qū)，作為東亞的主要水汽源地，是降水變化一個(gè)很好的預(yù)測因子。

對于華北地區(qū)，分別在前期海溫場、同期500 hPa位勢高度場和850 hPa經(jīng)向風(fēng)場選取了3個(gè)因子。對華北區(qū)域平均降水與前期海溫場進(jìn)行相關(guān)分析(圖略)表明，3月熱帶西太平洋地區(qū)有顯著正相關(guān)。研究指出，春季西太平洋暖池的熱狀況與南亞季風(fēng)爆發(fā)的早晚密切相關(guān)，進(jìn)而影響華北地區(qū)夏季降水[29]。選取同期500 hPa位勢高度場作為本文預(yù)測中的第2個(gè)因子。關(guān)鍵區(qū)為相關(guān)大值區(qū)，包括索馬里越赤道氣流[30]、南亞季風(fēng)環(huán)流指數(shù)[17]等在內(nèi)的多個(gè)熱帶系統(tǒng)，這一相關(guān)分析的結(jié)果也與前人研究一致[20]。另外， 850 hPa經(jīng)向風(fēng)場將水汽從南到北向陸地輸送，為華北地區(qū)降水提供水汽，因此，同期的低層經(jīng)向風(fēng)也是預(yù)測華北降水的一個(gè)重要因子[20]。經(jīng)向風(fēng)場選擇的關(guān)鍵區(qū)位于西太平洋地區(qū)，華北地區(qū)平均降水與經(jīng)向風(fēng)場從該區(qū)域到華北地區(qū)的水汽輸送呈正相關(guān)。

對所選因子場和預(yù)測場進(jìn)行處理，根據(jù)兩者之間的耦合關(guān)系建立回歸方程：①將選定的預(yù)測因子和預(yù)測量進(jìn)行EOF分解，截?cái)嘟忉尫讲畲笥?5%的前m個(gè)模態(tài)后回算到原始變量場，以去除變量場中的噪音[24]；②將構(gòu)建的新的預(yù)測量和因子場進(jìn)行奇異值分解[31]，取前6對模態(tài)來強(qiáng)化兩者之間的關(guān)系；③利用前6對預(yù)測量與預(yù)測因子的耦合模態(tài)，建立多元線性回歸，得到降尺度預(yù)測的年際分量[19]；④總的預(yù)測量為兩個(gè)時(shí)間尺度分量的總和。

對模型的檢驗(yàn)，首先通過計(jì)算預(yù)測降水距平百分率和實(shí)況的相關(guān)系數(shù)及均方根誤差檢驗(yàn)1982—2008年擬合時(shí)段共27年的回報(bào)能力，然后通過對2009—2013年共5年獨(dú)立樣本進(jìn)行試驗(yàn)，對比分析預(yù)測與實(shí)況的異同。

2 結(jié)果分析

2.1 擬合效果檢驗(yàn)

首先對1982—2008年這一擬合時(shí)段的模型回報(bào)能力進(jìn)行交叉檢驗(yàn)。即將27年其中1年作為預(yù)測年，剩余26年作為模型建立時(shí)段。重復(fù)該過程27次，得到擬合時(shí)段的降水距平百分率，與相應(yīng)時(shí)段觀測進(jìn)行對比。圖2給出了1982—2008年模式預(yù)測與實(shí)況降水距平百分率的空間相關(guān)。兩個(gè)區(qū)域大多數(shù)年份的相關(guān)系數(shù)在降尺度后均有顯著提高，且達(dá)到0.05顯著性水平的年份也增多。江淮流域的空間相關(guān)系數(shù)多年平均值從-0.06提高到0.53，而華北地區(qū)則從-0.01提高到0.51，且相關(guān)系數(shù)最大值均超過0.8。說明降尺度模型相對于原始模式對降水距平百分率空間型的預(yù)測能力有顯著提高。

圖2 1982—2008年夏季實(shí)況降水距平百分率與原始模式預(yù)測和降尺度預(yù)測的空間相關(guān)(斷線為0.05顯著性水平)Fig.2 Pattern correlations of observed rainfall anomaly percentage to CFSv2 outputs，downscaling results from 1982 to 2008(dashed line denotes passing the test of 0.05 level)

同時(shí)，也比較了降尺度前后降水距平百分率與實(shí)況的時(shí)間相關(guān)。如圖3所示，原始模式預(yù)測能力在研究區(qū)域均較低，預(yù)測降水距平百分率與實(shí)況相關(guān)系數(shù)為-0.2～0.2，尤其是在長江下游、江淮東部及整個(gè)華北地區(qū)為負(fù)相關(guān)。降尺度后，相關(guān)系數(shù)為0.38～0.65，多達(dá)到0.01的顯著性水平。相對于原始模式來說，降尺度模型能更好地預(yù)測研究區(qū)域的降水距平百分率隨時(shí)間的變化。

圖3 1982—2008年夏季實(shí)況降水距平百分率與原始模式預(yù)測(a)和降尺度預(yù)測(b)的時(shí)間相關(guān)(圖3b中陰影表示達(dá)到0.01顯著性水平)Fig.3 The spatial distribution of temporal correlations of observed rainfall anomaly percentage to CFSv2 outputs(a) and downscaling results(b)(the shaded in Fig.3b denotes passing the test of 0.01 level)

另外，通過比較降尺度前后預(yù)測結(jié)果與實(shí)況的均方根誤差(E)進(jìn)行預(yù)測能力的檢驗(yàn)。這里，利用降尺度前后均方根誤差的差值與原始模式的均方根誤差之比定量表示降尺度模型對預(yù)測能力提升幅度：

D=(Er-Ed)/Er。

(1)

式(1)中，Er和Ed分別為原始模式和降尺度預(yù)測的降水距平百分率與實(shí)況的均方根誤差。降尺度預(yù)測相對于原始模式預(yù)測技巧改進(jìn)得越高，即Ed越小，D越大。圖4給出了該比值的空間分布情況，所有站均為D>0，表示在降尺度后均方根誤差均減小。且降尺度模型的預(yù)測能力相對于原始模式，在大部分站提高了10%以上。

2.2 獨(dú)立樣本檢驗(yàn)

為了驗(yàn)證降尺度模型的預(yù)測能力，選取2009—2013年共5年的時(shí)段進(jìn)行獨(dú)立樣本檢驗(yàn)。以2009年為例，使用1982—2008年前期觀測資料和1983—2009年同期原始模式輸出場建模。依次向后滑動(dòng)，分別對5個(gè)獨(dú)立樣本進(jìn)行預(yù)測。如圖5所示，2009—2013年中降尺度預(yù)測結(jié)果與實(shí)況的空間相關(guān)系數(shù)相對于原始模式有較明顯提高。對于華北地區(qū)5年均有改進(jìn)，相關(guān)系數(shù)平均值從-0.08提高到0.44，而在江淮流域相關(guān)系數(shù)平均值從0.24提高到0.37。從具體年份的降水距平百分率空間分布的預(yù)測看，降尺度模型比原始模式的預(yù)測能力更好。

圖4 1982—2008年降尺度預(yù)測能力提高幅度空間分布Fig.4 Distributions of D from 1982 to 2008

圖6分別給出了2011年和2013年的實(shí)況、原始模式和降尺度預(yù)測的降水距平百分率分布。2011年夏季降水呈現(xiàn)長江下游及北部沿海地區(qū)降水異常偏多，其他區(qū)域降水異常偏少[32]。原始模式預(yù)測為降水整體偏少，且異常幅度也遠(yuǎn)小于實(shí)況。而降尺度模型基本預(yù)測出了與實(shí)況相似的空間分布型，且異常幅度也與實(shí)況更為接近。同時(shí)，比較了2013年的情況，實(shí)況呈現(xiàn)華北區(qū)域正異常，江淮流域?yàn)樨?fù)異常的分布，原始模式預(yù)測與實(shí)況分布型相差較大，呈現(xiàn)大部分地區(qū)降水偏多、偏北較小區(qū)域降水偏少的分布型。降尺度模型基本預(yù)測出華北地區(qū)降水偏多及長江、黃河之間區(qū)域降水偏少的分布，在長江以南則與實(shí)況的異常分布相反?？傮w來說，降尺度模型的預(yù)測能力相對于原始模式有較大改進(jìn)。

圖5 2009—2013年夏季實(shí)況降水距平百分率與原始模式預(yù)測、降尺度預(yù)測的空間相關(guān)Fig.5 The same as in Fig.2, but for the independent validation periods from 2009 to 2013

圖6 2011年和2013年實(shí)況、原始模式預(yù)測和降尺度預(yù)測的降水距平百分率分布Fig.6 The rainfall anomaly percentage patterns of observations，CFSv2 outputs and downscaling predictions for 2011 and 2013

續(xù)圖6

2.3 對2014年的預(yù)測

作為應(yīng)用，2014年5月利用所建立降尺度預(yù)測模型，對2014年夏季降水距平百分率進(jìn)行了預(yù)測，實(shí)況與預(yù)測結(jié)果如圖7顯示。由預(yù)測結(jié)果(圖7b)可見，降水距平百分率分布大體呈三極型。在長江中下游地區(qū)及黃河以北區(qū)域?yàn)榻邓惓Ｆ啵L江、黃河之間則為異常偏少。 其中，長江以南及黃河以北正異常大值中心約15%，即偏多1～2成，而負(fù)異常大值中心為10%左右，即偏少1成。從預(yù)測結(jié)果與實(shí)況(圖7a)的對比來看，二者的分布型在黃河以南基本一致,均呈現(xiàn)出長江、黃河之間降水偏少，在長江以南區(qū)域降水偏多,降尺度模型有一定的預(yù)測能力。

圖7 2014年實(shí)況(a)及降尺度預(yù)測(b)降水距平百分率分布Fig.7 The rainfall anomaly percentage patterns of observations(a) and the downscaling prediction(b) in 2014

3 小 結(jié)

基于1982—2008年NCEP CFSv2業(yè)務(wù)實(shí)時(shí)預(yù)測系統(tǒng)模式4月起報(bào)的同期夏季資料，使用時(shí)間尺度分離的方案，對江淮流域及華北地區(qū)站點(diǎn)夏季降水建立了降尺度預(yù)測模型。利用預(yù)測模型對1982—2008年擬合時(shí)段的降水距平百分率進(jìn)行回報(bào)試驗(yàn)，對2009—2013年進(jìn)行獨(dú)立樣本檢驗(yàn)。得到以下主要結(jié)果：

1) 降尺度模型預(yù)測的降水距平百分率與實(shí)況空間相關(guān)在大多數(shù)年份達(dá)到0.05顯著性水平。相對于原始模式預(yù)測，相關(guān)系數(shù)有很大提高。江淮流域及華北地區(qū)降尺度預(yù)測和實(shí)況的相關(guān)系數(shù)的多年平均值分別提高到0.53和0.51。

2) 從時(shí)間相關(guān)的空間分布來看，降尺度預(yù)測相對于原始模式預(yù)測，研究區(qū)域的相關(guān)系數(shù)由-0.2～0.2提高到0.5左右。從均方根誤差看，大多數(shù)站點(diǎn)降尺度模型相對于原始模式的預(yù)測改進(jìn)能力為10%～20%。

3) 獨(dú)立樣本檢驗(yàn)時(shí)段內(nèi)降尺度預(yù)測結(jié)果和實(shí)況的空間相關(guān)也有很大提高，江淮流域和華北地區(qū)相關(guān)系數(shù)多年平均值分別提高到0.37和0.44。降尺度模型大體上預(yù)測出2011年和2013年的降水異常分布型，且異常幅度相對原始模式預(yù)測與實(shí)況更為接近。

但從2014年預(yù)測結(jié)果來看，預(yù)測的降水異常幅度比實(shí)況偏小，預(yù)測的干旱區(qū)比實(shí)況范圍偏小,因此，該降尺度模型仍需改進(jìn)。

Short-term Climate Prediction for Summer Rainfall Based on Time-scale Decomposition

Liu Na1)2)Li Shuanglin1)

1)(InstituteofAtmosphericPhysics,ChineseAcademyofSciences,Beijing100029)2)(UniversityofChineseAcademyofSciences,Beijing100049)

By using one set of hindcasted integration of NCEP Climate Forecast System Version 2.0 (CFSv2) beginning from April during 1982-2008, for summer seasonal forecast, along with observations and reanalysis datasets, a downscaling scheme with time-scale decomposition is developed for summer rainfall prediction of the Yangtze-Huai Basins and North China. First, both the predictand and selected predictors are decomposed into inter-annual and decadal scales through Fast Flourier Transformation filtering. And then two downscaling models are separately built, predicted results for two timescales are combined to represent the total prediction.

By using the scheme, the summer rainfall of 1982-2008 is hindcasted and compared with CFSv2 raw prediction first. A cross validation shows that skills in the present scheme are significantly improved with increased spatial and temporal correlation coefficients and decreased root mean square error, in comparison with the raw prediction. The spatial correlations with observations for both the Yangtze-Huai Basins and North China have the maximum exceeding 0.8 and a long-term average of 0.53,0.51, greater than the original -0.06,-0.01 for two regions. The predicted rainfall temporal correlation at each station is also improved, with the regional mean increased from -0.2 to 0.2 in raw model prediction to about 0.5 after downscaling, significant at 0.01 level. The root mean square error exhibits a decrease with the rate of exceeding 10% at most of stations.

Then a five-year hindcast from 2009 to 2013 is performed and used for validation as independent samples. Results suggest that spatial correlations of the predicted rainfall with the observed in five samples are significantly higher than the raw prediction, with the mean increased from 0.24,0.08 to 0.37,0.44 for two regions. Spatial patterns of rainfall anomaly percentage in two of these independent samples are reasonably closer to observations. Also, the predicted rainfall strength is much closer to the observation, comparing to the raw prediction.

Finally, the scheme is applied for the real-time prediction of summer rainfall in 2014. The prediction result displays more rainfall over the mid-lower Reaches of the Yangtze and over the north region of the Yellow River valley, with an anomaly percentage of 20%, along with rainfall anomaly percentage of -10%. Compared with observations, the rainfall anomaly pattern can be predicted to some extent through the downscaling method, especially over the southern region of Yellow River.

dynamical downscaling; time-scale decomposition; short-term climate prediction; summer rainfall

10.11898/1001-7313.20150308

公益性行業(yè)(氣象)科研專項(xiàng)(GYHY201006022)

劉娜,李雙林. 基于時(shí)間尺度分離的中國東部夏季降水預(yù)測. 應(yīng)用氣象學(xué)報(bào)，2015，26(3)：328-337.

2014-09-25收到， 2015-02-28收到再改稿。

* email: liuna0209@mails.ucas.ac.cn