李忠燕，白 慧，張嬌艷，吳戰(zhàn)平

(1.貴州省氣候中心，貴州 貴陽 550002;2.貴州省山地氣候與資源重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽 550002)

DERF 2.0對貴州氣溫、降水的預(yù)測性能評估*

李忠燕1,2，白 慧1，張嬌艷1，吳戰(zhàn)平1

(1.貴州省氣候中心，貴州 貴陽 550002;2.貴州省山地氣候與資源重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽 550002)

該文基于第二代月動力延伸預(yù)測模式業(yè)務(wù)系統(tǒng)(DERF2.0)不同起報(bào)日的氣溫、降水預(yù)測數(shù)據(jù)，利用多種評分方法評估1983—2014年預(yù)測數(shù)據(jù)的月尺度預(yù)測性能，研究表明：不同起報(bào)日的預(yù)測評分差異性不大。DERF2.0對冬季和春季的氣溫預(yù)測評分較好，而DERF2.0對降水評分較好的月份主要集中在秋季，表明DERF2.0基本能夠預(yù)測出貴州的秋季總體旱澇趨勢。從空間分布來看，氣溫的3種評分明顯優(yōu)于降水，表明在空間范圍內(nèi)，氣溫的預(yù)測性能好于降水，尤其是在省的南部和西部地區(qū)預(yù)測性能較好且穩(wěn)定，參考性較高；而降水的穩(wěn)定性較差，參考性相對較低，模式仍有很大的改進(jìn)空間。從異常預(yù)測的優(yōu)勢來看，無論是氣溫還是降水，該模式對氣溫和降水異常預(yù)測具有一定的優(yōu)勢。

預(yù)測性能；評估；DERF2.0

1 引言

2011年1月5日，中國氣象局以1號文件形式下發(fā)《現(xiàn)代氣候業(yè)務(wù)發(fā)展指導(dǎo)意見》，對未來5 a(2011—2015年)我國現(xiàn)代氣候業(yè)務(wù)的科學(xué)發(fā)展提高出了指導(dǎo)性意見，其中對短期氣候預(yù)測工作，要求“探索建立季內(nèi)極端天氣氣候事件預(yù)測業(yè)務(wù)，重點(diǎn)開展降水和溫度等要素異常(或極端性)發(fā)生時段的預(yù)測”等，對省級氣候預(yù)測業(yè)務(wù)提出了更高的要求。短期氣候預(yù)測作為世界性難題，存在技術(shù)手段有限，整體水平不高，預(yù)測質(zhì)量尚不穩(wěn)定等諸多問題[1-3]，預(yù)測服務(wù)能力和社會公眾的需求之間有很大差距。另一方面，貴州氣象災(zāi)害頻發(fā)重發(fā)，持續(xù)性的高溫、干旱、暴雨洪澇等災(zāi)害性極端天氣氣候事件的頻繁發(fā)生，已引起了社會各界的高度關(guān)注，也給氣候預(yù)測工作提出更高要求。

近年來，隨著模式技術(shù)的迅速發(fā)展，短期氣候預(yù)測動力氣候模式業(yè)務(wù)系統(tǒng)逐步投入了業(yè)務(wù)應(yīng)用，日益成為我國短期氣候預(yù)測的主要參考依據(jù)[4-12]。自2005年起，國家氣候中心基于美國的CAM3.0模式不斷改進(jìn)，發(fā)展了第二代全球大氣環(huán)流譜模式BCC_AGCM2.0.1。該模式同時參考面氣壓和大氣，改進(jìn)了對流參數(shù)化的物理過程[13-14]，更改了感熱和潛熱能量的計(jì)算方案，并同時采用雪蓋參數(shù)化方案從而對模式的邊界層處理方面進(jìn)行不斷優(yōu)化和改進(jìn)[15-16]。2011年，國家氣候中心在第二代全球大氣環(huán)流譜模式BCC_AGCM2.0.1基礎(chǔ)上再進(jìn)一步的優(yōu)化和改進(jìn)最終完成對BCC_AGCM2.2版本的定型，該版本在模式分辨率和水平分辨率上都有了很大的提升，從而建立了第二代月動力延伸預(yù)測模式業(yè)務(wù)系統(tǒng)DERF2.0。該系統(tǒng)性能穩(wěn)定，于2014年投入氣候預(yù)測業(yè)務(wù)應(yīng)用。

第二代月動力延伸預(yù)測模式業(yè)務(wù)系統(tǒng)DERF2.0與第一代相比無論是從模式結(jié)果本身還是從分辨率等方面相比進(jìn)行了較大的優(yōu)化和調(diào)整。該模式數(shù)據(jù)信息量大，既有每天6 h一次的模式直接預(yù)測數(shù)據(jù)，還包括不同層次環(huán)流場、風(fēng)場等數(shù)據(jù)。不少省市都相繼開展本地化業(yè)務(wù)應(yīng)用[11-12]，但怎樣高效地利用模式數(shù)據(jù)來開展本地化的業(yè)務(wù)應(yīng)用，是利用模式直接輸出的預(yù)測數(shù)據(jù)還是對空間場特征量做尺度處理再來作氣溫和降水的兩要素月尺度預(yù)測？這是在開展本地化業(yè)務(wù)工作首當(dāng)其沖應(yīng)當(dāng)解決的問題。在解決這個問題前就需要評估DERF2.0模式數(shù)據(jù)的月尺度預(yù)測性能，因此開展第二代月動力延伸預(yù)測模式預(yù)測效果評估與檢驗(yàn)已成了目前亟待解決的問題。

本文基于第二代月動力延伸預(yù)測模式業(yè)務(wù)系統(tǒng)DERF2.0不同起報(bào)日的氣溫、降水預(yù)測數(shù)據(jù)，利用多種評分方法評估其預(yù)測數(shù)據(jù)的月尺度預(yù)測性能，提升預(yù)測業(yè)務(wù)人員對預(yù)報(bào)技巧及模式性能的理解，為服務(wù)決策上提供技術(shù)支撐，更好地開展防災(zāi)減災(zāi)服務(wù)工作。

2 資料和評分方法

2.1 資料

本文所用的資料主要包括：①貴州省84站(除匯川站)1983—2014年氣溫和降水資料。②利用雙線性插值方法對DERF2.0回報(bào)的1983—2014年逐月地面氣溫和降水結(jié)果進(jìn)行插值，得到貴州省逐月地面氣溫和降水的回報(bào)結(jié)果。

2.2 評分方法

短期氣候預(yù)測結(jié)果的質(zhì)量評分方法有很多[17-20]，本文主要采用距平符號一致率評分(Pc評分)、距平相關(guān)系數(shù)(ACC)和趨勢異常綜合評分(Ps)3種指標(biāo)對DERF2.0模式預(yù)測回報(bào)試驗(yàn)結(jié)果進(jìn)行定量評估，從而評估DERF2.0模式產(chǎn)品對貴州氣溫和降水的預(yù)測性能。

距平(距平百分率)符號一致率(Pc評分)又稱同號率，是過去短期氣候預(yù)測中常用的一種評分檢驗(yàn)的方法，它以百分率的形式表現(xiàn)預(yù)報(bào)與實(shí)況距平符號一致的相似程度，即指預(yù)測值與實(shí)況距平符號相同所占總氣象站數(shù)的百分比。

(1)

式(1)中，N為氣象站總站數(shù)，Nt為預(yù)測與實(shí)況距平(距平百分率)符號相同的氣象站站數(shù)。

距平相關(guān)系數(shù)ACC主要反映的是預(yù)報(bào)值與實(shí)況值的相似程度，即使用降水距平百分率和平均氣溫距平計(jì)算距平相關(guān)系數(shù)，其公式如下：

(2)

趨勢異常綜合評分(Ps)法主要用于評定預(yù)測異常量級與實(shí)況的接近程度。在短期氣候預(yù)測評分中，將氣溫和降水的異常等級劃分為六級，根據(jù)國家局業(yè)務(wù)規(guī)定，具體的分級標(biāo)準(zhǔn)見表1。

表1 氣溫、降水趨勢預(yù)測六級評分制用語及各等級劃分標(biāo)準(zhǔn)Tab.1 Temperature and precipitation trend prediction of six grades and the grade standard

注：△R表示降水距平百分率；△T表示氣溫距平

趨勢異常綜合評分(Ps)法是以考察預(yù)報(bào)對氣候趨勢、一級異常(20%<△R≤50%、-50%<△R≤-20%；-2.0<△T≤-1.0、1.0≤△T<2.0)、二級異常(△R≤-50%、△R≥50%和△T≤-2.0、△T≥2.0)以及漏報(bào)項(xiàng)的預(yù)報(bào)能力。其計(jì)算公式如下：

(3)

其中a=2，b=2，c=4，它們3項(xiàng)分別為3種異常項(xiàng)的權(quán)重系數(shù)。N0、N1和N2分別為趨勢預(yù)測正確的總站數(shù)、一級異常預(yù)測正確的總站數(shù)和二級異常預(yù)測正確的總站數(shù)，M為漏報(bào)的超異常等級的站數(shù)，即降水距平百分率超過±100%或氣溫距平超過±3 ℃的總站數(shù)。

3 結(jié)果分析

3.1 距平符號一致率(Pc)評估

距平符號一致率(Pc)反映的是預(yù)報(bào)與實(shí)況距平符號一致的相似程度。研究表明[11]，當(dāng)同號率大于50%，氣溫和降水預(yù)測優(yōu)勢才能體現(xiàn)，因此先采用該方法進(jìn)行評估，再考察異常預(yù)測的優(yōu)勢。

相對降水的同號率來說，1983—2014年年平均氣溫的同號率相對較高(圖1)，但仍然有些年份的效果不理想，甚至于沒有意義，如1983年和1986年26日起報(bào)的氣溫同號率只有40%多，這些年份的預(yù)測效果較差的原因值得進(jìn)一步探討。而降水同號率雖然相對較低，但仍然有一些年份的同號率較高，如1988年和1996年26日起報(bào)的同號率達(dá)69%以上。

從表2可知：冬季和春季各月的氣溫同號率都超過60%以上，其中2月的同號率達(dá)到了75.8%，而夏季和秋季各月的氣溫同號率相對要低些，除6月外，各月的值都超過了50%，月平均為60.8%，這一結(jié)果和21日起報(bào)的結(jié)果大體相同(表略)。降水的同號率則相對要低些，月平均為54.4%。由此可知，DERF2.0的預(yù)測總體能夠反映出氣溫的主要趨勢，對降水的預(yù)測相對要差些。

為系統(tǒng)地評估模式產(chǎn)品月尺度預(yù)測性能的空間分布特征，我們以1、4、7、10月來表征冬、春、夏、秋4個季節(jié)的評估結(jié)果。從圖2的檢驗(yàn)結(jié)果來看，1月的氣溫的距平符號一致率Pc評分總體較好，其中在貴州的西南部和西部評分相對較高，而東部和北部評分相對較低。與1月相比，4月較差的區(qū)域有所縮小并北移，貴州的南部和西部氣溫的Pc評分總體較好，其Pc值在70分以上，而北部氣溫的Pc評分相對較差，但均在55分左右。7月貴州省西部和東北部氣溫的Pc評分相對較好，而貴州省的東南部和南部的氣溫的Pc評分相對較差。10月貴州省中部和西南部的氣溫的Pc評分相對較好，基本在60分以上，而貴州省的部分邊緣地區(qū)氣溫的Pc評分相對較差，基本在55分左右。

從降水的Pc評分的空間分布來看，1月的降水Pc評分在貴州省的西部和東南部邊緣地區(qū)相對較高，其余地區(qū)相對較差。4月和7月降水的Pc評分總體偏差，基本在50分左右，甚至更低，這樣的評分沒有意義。10月降水的Pc評分相對較高，其中在貴州省的東南部和西部相對較好，而在北部和南部的邊緣地區(qū)Pc評分相對較差。

圖1 1983—2014年貴州省氣溫(a)和降水(b)的距平符號一致率Pc隨時間的變化Fig.1 The annual Pc scores of temperature (a) and precipitation (b) in Guizhou from 1983 to 2014

1月2月3月4月5月6月7月8月9月10月11月12月平均氣溫630758698675634453521568554583612615608降水565528632495506456456580589578610533544

圖2 貴州1、4、7、10多年月平均Pc評分，左圖為氣溫，右圖為降水(26日起報(bào))Fig.2 The Pc scores of temperature and precipitation in Jan,Apr,Jul,and Oct form 1983 to 2014(left: temperature; right: precipitation)

3.2 距平相關(guān)系數(shù)(ACC)評估

距平相關(guān)系數(shù)ACC也是常用于短期氣候預(yù)測質(zhì)量檢驗(yàn)的方法之一。圖3給出了1983—2014年貴州省氣溫(a)和降水(b)的距平相關(guān)系數(shù)ACC隨時間的變化序列，從圖3中可以看出：無論是21日還是26號起報(bào)的結(jié)果，1983—1995年平均氣溫的距平相關(guān)系數(shù)ACC較不穩(wěn)定，從20世紀(jì)90年代后期至21世紀(jì)后，氣溫的距平相關(guān)系數(shù)ACC較穩(wěn)定且基本為正值。而降水的距平相關(guān)系數(shù)ACC的波動分為3個時期，在1983—1992年，降水的距平相關(guān)系數(shù)ACC為正值，在1993—2004年為負(fù)值，而在2005—2014為正值。

從表3可知，氣溫各月的ACC值除7月為負(fù)值外，其余各月都為正值，月平均氣溫ACC值達(dá)0.28。1—5月和10月的氣溫ACC技巧較高，都在0.3以上，其中2月的ACC評分最高，為0.66；相比較而言，7月的氣溫ACC技巧相對最低。由此可知，DERF2.0對氣溫的總體預(yù)測性能較好。而降水各月的ACC值除4、6、7月和12月為負(fù)值外，其余各月為正值，月平均值為0.1，由此表明，DERF2.0能夠預(yù)測出貴州的總體旱澇趨勢。但與氣溫的ACC值相比，降水的ACC評分較氣溫平均偏低0.18。相對而言，8—11月的降水ACC技巧相對較高，且較穩(wěn)定，都在0.16以上，其中11月最高，為0.58；而4—7月的降水ACC技巧相對較低。

從圖4的檢驗(yàn)結(jié)果來看，1月氣溫的ACC技巧總體較好，全省均為正值，其中在貴州的西南部和西部評分相對較高，而東部和北部評分相對較低。與1月相比，4月較差的區(qū)域有所縮小并北移，貴州南部氣溫的ACC技巧總體較好，其ACC值在0.5以上，而北部氣溫的ACC技巧相對較差，但均在0.3左右。7月貴州省西部和北部氣溫的ACC技巧相對較好，為正值，而貴州省東南部氣溫的ACC技巧相對較差，為負(fù)值。10月氣溫的ACC技巧分布均勻，貴州省大部的氣溫的ACC技巧相對較好，基本在0.3以上。

從降水的ACC評分的空間分布來看，1月的降水ACC技巧在貴州省的東部和北部邊緣地區(qū)為負(fù)技巧，而在其它地區(qū)為正技巧，其中在西南部降水的ACC技巧相對較高。4月降水的ACC技巧分布不均，在西南部的ACC技巧相對較高，其它無明顯的分布特征。7月降水的ACC評分除北部和西部邊緣為正技巧外，其余地區(qū)為負(fù)技巧。10月降水的ACC技巧分布均勻，貴州省大部的降水的ACC技巧相對較好，為正值。

圖3 1983—2014年貴州省氣溫(a)和降水(b)的距平相關(guān)系數(shù)ACC隨時間的變化Fig.3 The annual ACC skill scores of temperature (left) and precipitation (right) in Guizhou from 1983 to 2014

1月2月3月4月5月6月7月8月9月10月11月12月平均氣溫032066054044043013-002016026032016001028降水008014013-001002-009-013022017014058-002010

3.3 趨勢異常綜合(Ps)評估

趨勢異常綜合(Ps)反映的不僅是對氣候趨勢的把握能力，還包括對異常等級預(yù)報(bào)的把握能力。從圖5可以看出，21日起報(bào)的氣溫(降水)的預(yù)測效果與26日起報(bào)的氣溫(降水)的差異并不大。氣溫各年的Ps(26日起報(bào)的)評分基本都超過了60分，最高的年份為1987年達(dá)到了85.9分，多年平均值為67.6，這個值相對于Pc的多年平均值(60.8)來說，高出了6.8分，體現(xiàn)了異常預(yù)測的優(yōu)勢。由此可知，DERF2.0對氣溫的總體預(yù)測性能較好。降水方面，降水各年的Ps(26日起報(bào)的)評分基本都超過了50分，最高的年份為1992年，為81.1分，多年平均值為67，同樣地，該值相對Pc的多年平均值(54.4)來說，高出了12.6分，這也體現(xiàn)該模式對降水異常預(yù)測的優(yōu)勢。

圖4 貴州1、4、7、10月多年平均ACC評分(左圖為氣溫，右圖為降水，26日起報(bào))Fig.4 The ACC skill scores of temperature and precipitation in Jan,Apr,Jul,and Oct form 1983 to 2014 (left:temperature; right: precipitation)

從表4可以看出，DERF2.0回報(bào)的氣溫月平均趨勢異常綜合Ps評分在冬季和春季的評分都較高，而在夏季和秋季相對較低，尤其是在6月最低，為54分。降水方面，DERF2.0回報(bào)的降水月平均趨勢異常綜合Ps評分在秋季的評分最高，3個月都在70分以上，而在夏季最低，尤其是7月最低，為58.6分。由此表明氣溫和降水的預(yù)測相對較好的月份分別集中在春季和秋季，夏季均最差。

從圖6的檢驗(yàn)結(jié)果來看，1月的氣溫的Ps評分總體較好，其中貴州的北部和東部，尤其是赤水地區(qū)評分很低，而在貴州的西部和南部氣溫的預(yù)測相對較高。與1月相比，4月較差的區(qū)域有所縮小并北移，貴州的南部和西部氣溫的預(yù)測較好，而北部氣溫的預(yù)測相對較差。7月和10月全省氣溫預(yù)測總體都相對較差，不同的是，7月Ps評分低值集中在貴州的南部，而10月Ps評分低值主要集中在貴州的東部等邊緣地區(qū)。

從降水的Ps評分的空間分布來看，1月和10月，降水的Ps評分較高，尤其是10月，全省大部地區(qū)Ps評分都在75分以上，而4月和7月，降水的Ps評分較低，尤其是7月，降水Ps評分在貴州省的南部和西部邊緣地區(qū)在60分以下，有的甚至在50分以下。

總的來說各月氣溫和降水的Ps評分隨著季節(jié)變化而變化。其中DERF2.0對氣溫預(yù)報(bào)性能較好集中在冬季和春季，而DERF2.0對降水預(yù)報(bào)性能較好集中在秋季。從空間分布來看，DERF2.0對降水的總體預(yù)測性能相對較差，且預(yù)測性能不穩(wěn)定。

圖5 1983—2014年貴州省氣溫(a)和降水(b)的趨勢異常綜合Ps隨時間的變化(26日起報(bào))Fig.5 The annual Ps scores of temperature(left) and precipitation(right) in Guizhou from 1983 to 2014

1月2月3月4月5月6月7月8月9月10月11月12月平均氣溫677777764751724540612639613640687683676降水680641743636637622586682712706733661670

圖6 貴州1、4、7、10月平均趨勢異常綜合Ps評分，左圖為氣溫，右圖為降水Fig.6 The Ps scores of temperature and precipitation in Jan,Apr,Jul,and Oct form 1983 to 2014 (left: temperature; right: precipitation)

續(xù)圖6 貴州1、4、7、10月平均趨勢異常綜合Ps評分，左圖為氣溫，右圖為降水Fig.6 The Ps scores of temperature and precipitation in Jan,Apr,Jul,and Oct form 1983 to 2014 (left: temperature; right: precipitation)

4 結(jié)論與討論

本文主要采用距平符號一致率評分(Pc評分)、距平相關(guān)系數(shù)(ACC)和趨勢異常綜合評分(Ps)法3種指標(biāo)對1983—2014年預(yù)測回報(bào)試驗(yàn)結(jié)果進(jìn)行定量評估，從而檢驗(yàn)月動力延伸期預(yù)測模式業(yè)務(wù)系統(tǒng)(DERF2.0)模式產(chǎn)品對貴州氣溫和降水的預(yù)測性能。通過上述分析，得到以下結(jié)論：

①21日起報(bào)的結(jié)果和26日起報(bào)的結(jié)果差異性不大，且進(jìn)入21世紀(jì)后，氣溫和降水的穩(wěn)定性較好，尤其是氣溫。

②3種評分方法均表明DERF2.0的預(yù)測產(chǎn)品總體能夠反映出氣溫的主要趨勢，對降水的預(yù)測相對較差。各月氣溫和降水的評分隨著季節(jié)變化而變化，DERF2.0對氣溫預(yù)報(bào)性能較好集中在冬季和春季，而DERF2.0對降水預(yù)報(bào)性能較好集中在秋季，在秋季DERF2.0基本能夠預(yù)測出貴州的總體旱澇趨勢。

③從空間分布來看，氣溫的3種評分明顯優(yōu)于降水，表明在空間范圍內(nèi)，氣溫的預(yù)測性能好于降水，尤其是在省的南部和西部地區(qū)預(yù)測性能較好且穩(wěn)定，參考性較好；而降水的穩(wěn)定性較差，參考性相對較低。

④從異常預(yù)測的優(yōu)勢來看，無論是氣溫還是降水，Ps的多年平均值較Pc的多年平均值都高，體現(xiàn)該模式對氣溫和降水異常預(yù)測具有一定的優(yōu)勢。

本文主要針對DERF2.0直接輸出模式預(yù)測產(chǎn)品在貴州的氣溫、降水的預(yù)測性能評估，隨著業(yè)務(wù)的發(fā)展，今后將加強(qiáng)對該模式產(chǎn)品在延伸期預(yù)測方面的評估等。

[1] 王會軍,周廣慶,林朝暉.我國近年來短期氣候預(yù)測研究的若干進(jìn)展[J].氣候與環(huán)境研究,2002,7(2):220-226.

[2] 王紹武.短期氣候預(yù)測的可預(yù)報(bào)性與不確定性[J].地球科學(xué)進(jìn)展,1998,13(1):8-14.

[3] 楊金虎,孫蘭東,林婧婧,等.1961-2012年盛夏持續(xù)性旱澇異常分析及預(yù)測[J].資源科學(xué),2015,37(10):2 078-2 085.

[4] 顏宏.關(guān)于氣候預(yù)測與模擬若干問題的思考[J].應(yīng)用氣象學(xué)報(bào),1997,8(增刊):6-14.

[5] 李維京,張培群,李清泉,等.動力氣候模式預(yù)測系統(tǒng)業(yè)務(wù)化及其應(yīng)用[J].應(yīng)用氣象學(xué)報(bào),2005,16(增刊):1-11.

[6] 賈小龍,陳麗娟,高輝,等.我國短期氣候預(yù)測技術(shù)進(jìn)展[J].應(yīng)用氣象學(xué)報(bào),2013,24(6):641-655.

[7] 吳統(tǒng)文,宋連春,劉向文,等.國家氣候中心短期氣候預(yù)測模式系統(tǒng)業(yè)務(wù)化進(jìn)展[J].應(yīng)用氣象學(xué)報(bào),2013,24(5):533-543.

[8] 李維京,鄭志海,孫丞虎.近年來我國短期氣候預(yù)測中動力相似預(yù)測方法研究與應(yīng)用進(jìn)展[J].大氣科學(xué),2013,37(2):341-350.

[9] 于海鵬,黃建平,李維京,等.數(shù)值預(yù)報(bào)誤差訂正技術(shù)中相似—動力方法的發(fā)展[J].氣象學(xué)報(bào)，2014,72(5):1012-1022.

[10]任宏利,張培群,李維京,等.提高月預(yù)報(bào)業(yè)務(wù)水平的動力相似集合方法[J].氣象學(xué)報(bào),2014,72(4):723-730.

[11]何慧根,李巧萍,吳統(tǒng)文,等.月動力延伸預(yù)測模式業(yè)務(wù)系統(tǒng)DERF2.0對中國氣溫和降水的預(yù)測性能評估[J].大氣科學(xué),2014,38(5):950-964.

[12]白慧,段瑩,王興菊,等.基于DERF2.0模式產(chǎn)品對單站旬、月極端降水日數(shù)的預(yù)測[J].貴州氣象,2016,40(1):1-6.

[13]Zhang G J,Mu M Q.2005.Effects of modifications to the Zhang-McFarlane convection parameterization on the simulation of the tropical precipitation in the National Center for Atmospheric Research Community Climate Model,Version 3 [J].Journal of Geophysical Research,110 (D9):D09109,doi:10.1029/2004JD005617.

[14]Wu T W,Yu R C,Zhang F.2008.A modified dynamic framework for the atmospheric spectral model and its application [J].Journal of the Atmospheric Sciences,65 (7):2235-2253.

[15]董敏,吳統(tǒng)文,王在志,等.2009.北京氣候中心大氣環(huán)流模式對季節(jié)內(nèi)振蕩的模擬[J].氣象學(xué)報(bào),67 (6):912-922.

[16]Wu T W,Wu G X.2004.An empirical formula to compute snow cover fraction in GCMs [J].Advances in Atmospheric Sciences,21 (4):529-535.

[17]陳桂英,趙振國.短期氣候預(yù)測評估方法和業(yè)務(wù)初估[J].應(yīng)用氣象學(xué)報(bào),2012,9(2):178-185.

[18]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(yù)測能力的初步檢驗(yàn)和評估[J].氣象學(xué)報(bào),2004.

[19]李維京.現(xiàn)代氣象業(yè)務(wù)[M].北京：氣象出版社,2012,202-315.

[20]白慧,高輝,劉長征,等.MODES系統(tǒng)對貴州月氣溫、降水預(yù)測初步評估[J].沙漠與綠洲氣象,2016,10(5):67-73.

Temperature and precipitation evaluation of Monthly Dynamic Extended RangeForecast Operational System in Guizhou

LI Zhongyan1,2, BAI Hui1, ZHANG Jiaoyan1, WU Zhanping1

(1. Guizhou Climate Center, Guiyang 550002, China;2. Guizhou Key Laboratory of MountainousClimate and Resource, Guiyang 550002, China)

Base on the forecast data of the National Climate Centre second-generation monthly Dynamic Extended Range Forecast operational system (DERF2.0) from 1983 to 2014, temperature and precipitation in the prediction performance were evaluated and analyzed. The results indicate that there were no significant differences in the prediction scores of different reporting date. And DERF2.0 has better performance in winter and spring, while DERF2.0 has better performance in precipitation in autumn. DERF2.0 can predict the basic trend of the overall drought in the autumn. From the spatial distribution, the temperature of the three scores was better than precipitation which indicates that the temperature prediction performance is better than precipitation, especially in the southern and western regions of Guizhou. The forecast performance of temperature is better and stable, with high reference. And the stability of precipitation is poor, the reference is relatively low. Thus, DERF2.0 should be improved. The mean value of different assessment methods indicates that DERF2.0 has some advantage in predicting the temperature and precipitation anomalies.

prediction performance; evaluation; DERF2.0

2017-02-07

李忠燕(1986—)，女，工程師，主要從事氣候變化、短期氣候預(yù)測工作，E-mail:523257762@qq.com。

貴州省氣象局青年基金項(xiàng)目(黔氣科合QN[2017]04號)；貴州省氣象局氣象科技開放研究基金項(xiàng)目(黔氣科合KF[2016] 06號)；貴州省重大專項(xiàng)“主、客觀預(yù)測產(chǎn)品檢驗(yàn)評估系統(tǒng)”(黔氣科合ZD[2016] 04號)和2017貴州省核心業(yè)務(wù)發(fā)展專項(xiàng)共同資助。

1003-6598(2017)03-0001-09

P423.3,P426.62

A