陳溢豪，張?zhí)N斐，周倩，祖子清

（1.國(guó)家海洋環(huán)境預(yù)報(bào)中心，北京100081；2.廈門大學(xué)海洋與地球?qū)W院，福建廈門361005；3.國(guó)家海洋環(huán)境預(yù)報(bào)中心自然資源部海洋災(zāi)害預(yù)報(bào)技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京100081）

1 引言

因?yàn)槌跏紬l件的不確定性和模式物理參數(shù)化過(guò)程的不完美，任何預(yù)報(bào)都難免存在誤差。在大氣非線性過(guò)程的作用下，這些誤差會(huì)慢慢增大，最終造成預(yù)報(bào)完全失去預(yù)報(bào)技巧，因此單一性的預(yù)報(bào)是不可靠的[1-3]。為了從單一性預(yù)報(bào)轉(zhuǎn)向概率預(yù)報(bào)，Epstein[4]提出了隨機(jī)動(dòng)力預(yù)報(bào)。后來(lái)，Leith[5]通過(guò)一組大約10 個(gè)預(yù)報(bào)的集合平均，即“蒙特卡羅法”，有效改善了預(yù)報(bào)的結(jié)果，且更加實(shí)用?！懊商乜_法”有效降低了計(jì)算量，使概率預(yù)報(bào)成為了可能，并為后來(lái)集合預(yù)報(bào)技術(shù)的發(fā)展提供了理論基礎(chǔ)。

所謂的集合預(yù)報(bào)是指一個(gè)集合由多個(gè)單一的預(yù)報(bào)組成，因?yàn)榇髿饣蚝Ｑ蟮恼鎸?shí)狀態(tài)是未知的，所以每個(gè)預(yù)報(bào)都代表了一個(gè)可能發(fā)生的情況。一個(gè)設(shè)計(jì)合理的集合應(yīng)該與預(yù)報(bào)事件的概率密度分布相關(guān)。Leith[5]認(rèn)為，只要集合初始擾動(dòng)能夠很好地反映初始狀態(tài)的不確定性，集合平均的結(jié)果就會(huì)優(yōu)于確定性預(yù)報(bào)。除此之外，集合預(yù)報(bào)還可以用來(lái)評(píng)估預(yù)報(bào)的可靠性[6-7]，通過(guò)Talagrand 分布、Brier Score（BS）評(píng)分、離散度、信噪比等方法提供概率預(yù)報(bào)，甚至可以通過(guò)集合來(lái)確定觀測(cè)敏感區(qū)域。在這些敏感區(qū)域增加觀測(cè)可以較大程度地提高初始條件的準(zhǔn)確性[8-9]。

理論上來(lái)說(shuō)，一個(gè)集合的集合成員越多，集合成員樣本分布就越接近預(yù)報(bào)事件的概率密度分布。Lopez 等[10]通過(guò)將耦合模式積分3～12 d 產(chǎn)生集合，集合預(yù)報(bào)結(jié)果顯示，準(zhǔn)確預(yù)報(bào)極端厄爾尼諾-南方濤動(dòng)現(xiàn)象（El Ni?o-Southern Oscillation，ENSO）需要超過(guò)100個(gè)集合成員。但是越多的集合就意味著越高的計(jì)算代價(jià)。目前業(yè)務(wù)化集合預(yù)報(bào)系統(tǒng)使用的集合成員數(shù)目在10～50 個(gè)之間。氣候系統(tǒng)歷史預(yù)報(bào)項(xiàng)目（Climate -system Historical Forecast Project,CHFP）[11-12]和世界氣候研究計(jì)劃（World Climate Research Programme，WCRP）要求集合成員數(shù)目不應(yīng)少于10 個(gè)。因此，在集合成員有限的條件下，使用哪種初始擾動(dòng)方法及如何選取合適的集合成員，使得所選樣本能夠盡量代表預(yù)報(bào)事件的概率密度函數(shù)，是集合預(yù)報(bào)的關(guān)鍵問(wèn)題。構(gòu)建集合成員的方法有很多種，其中最具代表性的兩種提供初始擾動(dòng)的方法是奇異向量法（Singular Vector，SV）[13-14]和繁殖向量法（Breeding Vector，BV）[15]，分別由歐洲中期天氣預(yù)報(bào)中心（European Centre for Medium-Range Weather Forecasts，ECMWF）和美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction，NCEP）于1992年應(yīng)用于業(yè)務(wù)化天氣預(yù)報(bào)中。

雖然大氣的可預(yù)報(bào)性限度僅為兩周左右，但是海洋和大氣不同，海洋有“慢變”的特性。Charney等[16]認(rèn)為，由海表面溫度、氣溶膠、土壤濕度等變量驅(qū)動(dòng)的低緯變率有更長(zhǎng)的可預(yù)報(bào)性期限，季節(jié)尺度的氣候預(yù)測(cè)理論基礎(chǔ)由此而來(lái)。后來(lái)，通過(guò)在熱帶地區(qū)增加觀測(cè)[17]和對(duì)ENSO 的成功預(yù)測(cè)[18]，人們對(duì)海氣耦合系統(tǒng)有了更深入的了解，并逐漸認(rèn)識(shí)到開展耦合系統(tǒng)氣候預(yù)測(cè)的重要意義。一些預(yù)報(bào)中心也相繼開始了業(yè)務(wù)化的季節(jié)尺度氣候預(yù)測(cè)[19-21]。當(dāng)然，因?yàn)楹Ｑ笠彩且粋€(gè)非線性系統(tǒng)，所以在氣候預(yù)測(cè)發(fā)展的過(guò)程中，集合預(yù)報(bào)技術(shù)發(fā)揮了重要的作用。

集合預(yù)報(bào)技術(shù)從提出到現(xiàn)在已經(jīng)有了長(zhǎng)足的發(fā)展，一些構(gòu)建集合的方法已經(jīng)比較成熟。關(guān)于集合預(yù)報(bào)的綜述有很多[22-27]，但是大部分文獻(xiàn)發(fā)表時(shí)間較早，沒(méi)有討論集合預(yù)報(bào)最近的發(fā)展情況。此外，關(guān)于集合預(yù)報(bào)在氣候預(yù)測(cè)領(lǐng)域的應(yīng)用也鮮有論述?；谝陨显?，本文對(duì)前人的文獻(xiàn)進(jìn)行總結(jié)，介紹了集合預(yù)報(bào)技術(shù)在季節(jié)尺度氣候預(yù)測(cè)領(lǐng)域的最新研究成果。因?yàn)榧竟?jié)尺度氣候預(yù)測(cè)的技巧主要來(lái)自ENSO 預(yù)報(bào)，本文主要針對(duì)ENSO 討論集合預(yù)報(bào)的發(fā)展。文中第二部分探討了幾個(gè)常用的構(gòu)建集合的方法以及這些方法在ENSO預(yù)測(cè)方面的應(yīng)用；第三部分列出了國(guó)際和國(guó)內(nèi)應(yīng)用比較廣泛的3個(gè)季節(jié)尺度氣候預(yù)測(cè)系統(tǒng)；第四部分是全文總結(jié)以及對(duì)未來(lái)的展望。

2 構(gòu)建集合的方法

根據(jù)初始擾動(dòng)是否取決于基本流場(chǎng)的動(dòng)力特點(diǎn)，可以將集合預(yù)報(bào)方法分為非動(dòng)力學(xué)方法和動(dòng)力學(xué)方法?！懊商乜_法”通過(guò)向初始條件添加隨機(jī)擾動(dòng)來(lái)產(chǎn)生集合，屬于非動(dòng)力學(xué)方法。該方法能較容易地產(chǎn)生大量的集合成員，但并未考慮初始分析誤差的空間分布，且無(wú)法描述不穩(wěn)定的隨時(shí)間增長(zhǎng)的初始擾動(dòng)，因此在集合樣本不足的情況下，該方法的集合平均預(yù)報(bào)技巧往往較低[28-29]。Hoffman等[28]發(fā)展了滯后平均預(yù)報(bào)（Lagged Average Forecast，LAF）來(lái)代替“蒙特卡羅法”，通過(guò)延后不同長(zhǎng)度的起報(bào)時(shí)間來(lái)構(gòu)建集合。雖然LAF 提供的初始擾動(dòng)的增長(zhǎng)速度仍然較低，但該方法考慮了動(dòng)力影響，其預(yù)報(bào)技巧比“蒙特卡羅法”有較大改進(jìn)，因此在一些業(yè)務(wù)中心得到了應(yīng)用[30-33]。Toth 等[29，34]認(rèn)為相對(duì)非增長(zhǎng)型的隨機(jī)擾動(dòng)，增長(zhǎng)型擾動(dòng)能夠在預(yù)報(bào)的初始階段快速放大，成為誤差的主要來(lái)源，因此，快速增長(zhǎng)型的擾動(dòng)也是最優(yōu)擾動(dòng)。SV 和BV 就是兩種常用的獲取最優(yōu)初始擾動(dòng)的方法。除了這兩種方法外，Kalnay[35]認(rèn)為在動(dòng)力學(xué)方法中還有兩種非常有前途的方法，分別是基于資料同化的集合預(yù)報(bào)（以下簡(jiǎn)稱“資料同化法”）和多系統(tǒng)集合法。構(gòu)建集合的方法有很多種，因?yàn)槠邢蓿疚膬H對(duì)SV、BV、資料同化法和多系統(tǒng)集合法這4種集合預(yù)報(bào)方法進(jìn)行介紹。

2.1 SV

通過(guò)對(duì)切線性模式的傳播算子進(jìn)行奇異向量分解得到第一奇異向量，該奇異向量的模態(tài)就是在預(yù)報(bào)初始階段增長(zhǎng)最快的擾動(dòng)[36-39]。Moore 等[40-43]將SV 應(yīng)用在一個(gè)研究ENSO 的中等復(fù)雜程度海-氣耦合模式上，獲得了耦合切線性模式的奇異向量模態(tài)。但是，同中等復(fù)雜程度的模式不同，全耦合模式有更多的維度和更完整的物理過(guò)程。在全耦合模式中，小尺度擾動(dòng)的增長(zhǎng)速率更快，從而會(huì)“淹沒(méi)”氣候態(tài)奇異向量的增長(zhǎng)。為了濾掉這些小尺度的擾動(dòng)，Kleeman 等[44]提出了一種稱作“氣候態(tài)海溫奇異向量”的方法，并在NSIPP（NASA Seasonal-to-Interannual Prediction Project）模式上進(jìn)行了試驗(yàn)，將得到的奇異向量模態(tài)與在中等復(fù)雜程度耦合模式上精確計(jì)算得到的奇異向量進(jìn)行比較，發(fā)現(xiàn)兩者的模態(tài)具有很高的相關(guān)性。Tang 等[45]利用這個(gè)方法研究了不同初始條件對(duì)奇異向量模態(tài)的影響，這些初始條件包括不同范圍（Nino3、Nino4 和整個(gè)熱帶太平洋地區(qū)）、不同ENSO位相（厄爾尼諾開始、成熟、中立階段；拉尼娜開始、成熟階段）以及不同深度（海表、模式第12 層、模式第20 層），其結(jié)果與中等復(fù)雜程度耦合模式的結(jié)果基本相同，表明該氣候態(tài)海溫奇異向量方法可以用于計(jì)算全耦合模式的奇異向量模態(tài)。除此之外，Kug 等[46]通過(guò)近似計(jì)算切線性算子得到奇異向量模態(tài)，并用該模態(tài)來(lái)構(gòu)建初始擾動(dòng)，其集合后報(bào)（Hindcast）試驗(yàn)結(jié)果表明該預(yù)報(bào)技巧有了顯著的改進(jìn)，他們認(rèn)為該方法也具有應(yīng)用于全耦合模式的可能。

當(dāng)然，SV存在一定的缺陷。在計(jì)算奇異向量時(shí)要建立與切線性模式對(duì)應(yīng)的伴隨模式，這是十分困難的，而且相對(duì)其他初始擾動(dòng)方法需要消耗更多的計(jì)算資源，所以通常需要對(duì)其進(jìn)行近似計(jì)算。但經(jīng)過(guò)近似的初始擾動(dòng)可能無(wú)法充分反應(yīng)非線性物理過(guò)程的影響，考慮到這個(gè)問(wèn)題，Mu等[47]將SV拓展到了非線性領(lǐng)域，提出了條件非線性最優(yōu)擾動(dòng)（Conditional Nonlinear Optimal Perturbation，CNOP）的方法。該方法是奇異向量法在非線性框架下的推廣。與SV相比，CNOP 的結(jié)果更能反映大氣和海洋系統(tǒng)中的非線性運(yùn)動(dòng)特征。CNOP方法被應(yīng)用到黑潮大彎曲的可預(yù)報(bào)性和熱鹽環(huán)流年代際變率等問(wèn)題的研究[48-50]，以及確定目標(biāo)觀測(cè)敏感區(qū)[51]的研究中。Duan 等[52]將CNOP 方法推廣到數(shù)值模式相互獨(dú)立的相空間中產(chǎn)生正交CNOPs，并將其作為初始擾動(dòng)應(yīng)用于臺(tái)風(fēng)路徑的集合預(yù)報(bào)研究[53]，得到的結(jié)果較正交SVs和隨機(jī)擾動(dòng)有更高的預(yù)報(bào)技巧。

2.2 BV

BV 通過(guò)模式積分，將添加微小擾動(dòng)的預(yù)報(bào)結(jié)果與未添加擾動(dòng)的預(yù)報(bào)結(jié)果的差值尺度化后作為初始擾動(dòng)，并通過(guò)不斷地循環(huán)來(lái)估計(jì)增長(zhǎng)最快速的擾動(dòng)。Toth 等[33-34]認(rèn)為，此法模擬了增長(zhǎng)型誤差的發(fā)展。事實(shí)上，BV 可以看作是李亞甫諾夫（Lyapunov）向量的一種近似計(jì)算。與SV 相比，BV更為簡(jiǎn)便，且計(jì)算量較小。Toth 等[33-34]首次將BV 應(yīng)用于天氣預(yù)報(bào)系統(tǒng)，得到了廣泛的關(guān)注。Cai 等[54]將其應(yīng)用到中等復(fù)雜程度的海氣耦合Zebiak-Cane（ZC）模式上，他們發(fā)現(xiàn)使用BV 有效提高了預(yù)報(bào)技巧，相比于隨機(jī)初始擾動(dòng)，預(yù)報(bào)技巧提高了30%左右；特別是當(dāng)預(yù)報(bào)時(shí)間超過(guò)6 M 時(shí)，BV 有效降低了“春季預(yù)報(bào)障礙”對(duì)ENSO 預(yù)報(bào)帶來(lái)的影響。Yang等[55]首次實(shí)現(xiàn)了將BV 應(yīng)用于全耦合模式NSIPP，并研究了在NSIPP 耦合模式上得到的繁殖向量的主要特點(diǎn)。其結(jié)果顯示，繁殖向量模態(tài)振幅的大值區(qū)分布在赤道東太平洋。另外，該繁殖向量模態(tài)對(duì)ENSO 的相位有很強(qiáng)的敏感性，該結(jié)果同Tang 等[46]使用氣候態(tài)海溫奇異向量法得到的結(jié)果相似。

BV 的主要缺陷是其數(shù)學(xué)理論基礎(chǔ)不如SV 完備，未必可以代表預(yù)報(bào)初始階段快速增長(zhǎng)的擾動(dòng)。Mu 等[47]認(rèn)為BV 適用于初始模態(tài)與最終模態(tài)具有相似結(jié)構(gòu)的擾動(dòng)。假如最終模態(tài)的結(jié)構(gòu)不同于初始模態(tài)，將這種最終模態(tài)尺度化后作為初始擾動(dòng)很有可能會(huì)降低誤差增長(zhǎng)率，從而無(wú)法得到快速增長(zhǎng)的初始擾動(dòng)。目前，NCEP 不再使用該集合預(yù)報(bào)方法。

2.3 資料同化法

資料同化方法使用同化系統(tǒng)來(lái)產(chǎn)生初始集合。1995 年，Houtekamer 等[56]使用一個(gè)最優(yōu)插值同化方法產(chǎn)生初始擾動(dòng)并進(jìn)行集合預(yù)報(bào)試驗(yàn)，后來(lái)，Houtekamer 等[57]又在該同化系統(tǒng)中引入了模式的不確定性。他們?cè)诓煌姆治鲅h(huán)中對(duì)所用模式的物理參數(shù)進(jìn)行擾動(dòng)，希望通過(guò)集合平均來(lái)消除模式本身存在的誤差。雖然該方法存在一些問(wèn)題，例如得到的擾動(dòng)在經(jīng)過(guò)數(shù)次同化循環(huán)后具有很強(qiáng)的非線性，并且集合離散度較低，但是它提供了一種通過(guò)擾動(dòng)模式物理參數(shù)來(lái)產(chǎn)生集合成員的方法。資料同化方法中的一種具有代表性的方法是集合卡爾曼濾波法（Ensemble Kalman Filter，EnKF），由Evensen 于1994 年 提 出[58]。EnKF 方 法 在 給 定 時(shí) 間段內(nèi)通過(guò)不斷的模式積分來(lái)產(chǎn)生集合，并使用預(yù)報(bào)集合的經(jīng)驗(yàn)協(xié)方差來(lái)更新所有的集合成員[59]。EnKF 方法在集合預(yù)報(bào)實(shí)驗(yàn)中取得了較好的結(jié)果。鄭飛等[60-61]利用海氣耦合模式構(gòu)建了一個(gè)ENSO 的集合預(yù)報(bào)系統(tǒng)，在這個(gè)集合預(yù)報(bào)系統(tǒng)中，初始擾動(dòng)由EnKF 產(chǎn)生，并用一個(gè)一階馬爾可夫微分方程來(lái)產(chǎn)生代表模式誤差的擾動(dòng)，該系統(tǒng)共有100 個(gè)集合成員。集合后報(bào)試驗(yàn)結(jié)果表明，集合預(yù)報(bào)的結(jié)果優(yōu)于確定性預(yù)報(bào)，甚至優(yōu)于一些更加復(fù)雜的耦合環(huán)流模式。在Ham 等[62]的實(shí)驗(yàn)中，他們?cè)谝粋€(gè)海氣耦合的模式上使用EnKF 產(chǎn)生了16 個(gè)集合，然后通過(guò)計(jì)算誤差增長(zhǎng)率，選取增長(zhǎng)率最大的兩個(gè)成員認(rèn)為是快速增長(zhǎng)的擾動(dòng)。結(jié)果顯示，擾動(dòng)快速增長(zhǎng)的集合相比其他集合有更高的預(yù)報(bào)技巧，并且在ENSO 發(fā)展和消亡這兩個(gè)可預(yù)報(bào)性最低的時(shí)間段，預(yù)報(bào)技巧有了較好的改進(jìn)。雖然EnKF 同樣需要消耗較大的計(jì)算資源，但是隨著計(jì)算機(jī)性能的提高，該方法逐漸被人們接受。但是EnKF 同樣存在不足，例如該方法假定觀測(cè)誤差符合高斯分布，那么對(duì)于非高斯分布的觀測(cè)誤差可能無(wú)法很好地描述其發(fā)展特征?；谙嗤募匣枷?，一系列EnKF 的衍生算法也相繼被提出，如集合變換卡爾曼濾波（Ensemble Transform Kalman Filter，ETKF）、集合調(diào)整卡爾曼濾波（Ensemble Adjustment Kalman Filter，EAKF）、集合平方根濾波（Ensemble Square Root Filter，EnSRF）等。

最近，越來(lái)越多的研究提出[63-66]，模式誤差對(duì)ENSO 的預(yù)測(cè)有很大的影響。這里的模式誤差不僅指模式物理過(guò)程參數(shù)化時(shí)產(chǎn)生的誤差，還包括模式無(wú)法表達(dá)的但自然界存在的過(guò)程可能給模式帶來(lái)的較大偏差。Zheng 等[67]在一個(gè)中等復(fù)雜程度的耦合模式中加入了一個(gè)一階馬爾可夫模式，用來(lái)近似描述由于缺少大氣隨機(jī)強(qiáng)迫、印度洋偶極子（Indian Ocean Dipole，IOD）等過(guò)程而造成的模式誤差。另外，Tao 等[68]提出了基于非線性強(qiáng)迫奇異向量（Nonlinear Forcing Singular Vector，NFSV）的同化方法，也可用來(lái)描述模式誤差。實(shí)驗(yàn)結(jié)果顯示，這些同化方法可以更加真實(shí)地表達(dá)模式誤差的發(fā)展，因而取得了更好的預(yù)報(bào)效果。

2.4 多系統(tǒng)集合法

通過(guò)改變模式的各種參數(shù)值或者參數(shù)化方案可能會(huì)造成一些問(wèn)題，因?yàn)槟Ｊ皆诒辉O(shè)計(jì)出來(lái)時(shí)已經(jīng)經(jīng)過(guò)了無(wú)數(shù)次的調(diào)試，達(dá)到了所謂的“最佳狀態(tài)”，改變某些參數(shù)可能會(huì)對(duì)模式造成巨大的影響。同時(shí)，人們發(fā)現(xiàn)不同業(yè)務(wù)中心的模式的集合平均結(jié)果優(yōu)于單個(gè)預(yù)報(bào)，于是提出了多模式集合的方法。多模式集合的優(yōu)勢(shì)在于該方法綜合考慮了來(lái)自初始條件和模式不確定性的誤差；另外，由于不同模式使用的參數(shù)化方案不同，多模式集合可能可以抵消一部分由于對(duì)大氣的描述不夠充分而帶來(lái)的誤差[69]。在多模式集合的思想上又發(fā)展出了多系統(tǒng)集合。當(dāng)前各氣候研究機(jī)構(gòu)都建立了獨(dú)立的氣候預(yù)測(cè)系統(tǒng)。一個(gè)氣候預(yù)測(cè)系統(tǒng)不僅包括耦合模式，還包括了同化方案、構(gòu)建集合的策略、評(píng)估系統(tǒng)等。制作一個(gè)頂尖的氣候預(yù)測(cè)系統(tǒng)，并將其投入業(yè)務(wù)化運(yùn)作的費(fèi)用是非常昂貴的。為了將世界范圍內(nèi)各大研究中心最好的預(yù)測(cè)系統(tǒng)整合成一個(gè)超級(jí)集合，國(guó)際上發(fā)起了許多合作項(xiàng)目，例如，歐洲多模式集合氣候預(yù)測(cè)系統(tǒng)計(jì)劃（Development of an European Multimodel Ensemble for Seasonal-to-Interannual Prediction，DEMETER）[70]、氣候預(yù)測(cè)與社會(huì)應(yīng)用項(xiàng)目（Climate Prediction and its Application to Society，CliPAS）和CHFP 等等。國(guó)內(nèi)則由中國(guó)氣象局國(guó)家氣候中心建立了第一代的中國(guó)國(guó)家多模式集合預(yù)測(cè)系統(tǒng)，并在國(guó)家氣候中心官網(wǎng)發(fā)布預(yù)測(cè)產(chǎn)品。但是，這些項(xiàng)目的實(shí)現(xiàn)存在許多挑戰(zhàn)，例如要統(tǒng)一各個(gè)預(yù)測(cè)系統(tǒng)使用的變量、單位、數(shù)據(jù)的保存方式和預(yù)測(cè)的時(shí)間范圍等。

Wang 等[71]評(píng)估了一個(gè)由14 個(gè)模式組成的多模式集合的季節(jié)尺度氣候預(yù)測(cè)能力。在5月起報(bào)超前6 M 預(yù)報(bào)時(shí)，14 個(gè)模式集合平均的Nino3.4 指數(shù)的相關(guān)性達(dá)到0.87，而單一模式的相關(guān)性最高只有0.66。這個(gè)集合中的7 個(gè)模式來(lái)自CliPAS，另外7 個(gè)模式來(lái)自DEMETER。Liu 等[72]用多模式集合研究了IOD的可預(yù)報(bào)性及潛在可預(yù)報(bào)性。他們發(fā)現(xiàn)多模式集合平均得到的結(jié)果優(yōu)于單一模式的結(jié)果，符合其他研究的結(jié)論[73-75]。一般來(lái)說(shuō)，由于模式數(shù)量有限，所得結(jié)果在統(tǒng)計(jì)上不夠顯著，而且模式間的不等同性較大，所得結(jié)果可能有較大系統(tǒng)偏差。此外，在構(gòu)建多系統(tǒng)集合的過(guò)程中，需要充分考慮每個(gè)預(yù)測(cè)系統(tǒng)的特點(diǎn)，分配不同的權(quán)重。如何構(gòu)造多系統(tǒng)集合是集合預(yù)報(bào)領(lǐng)域中的一個(gè)前沿問(wèn)題。

3 業(yè)務(wù)化的氣候預(yù)測(cè)

氣候預(yù)測(cè)能在社會(huì)各個(gè)方面發(fā)揮巨大作用，特別是對(duì)一些受自然環(huán)境影響較大的國(guó)家，氣候預(yù)測(cè)不僅可以減少自然災(zāi)害帶來(lái)的損失，還可以建議決策者們?nèi)绾伟l(fā)展那些受氣候影響較大的產(chǎn)業(yè)。從20 世紀(jì)80 年代起，一些業(yè)務(wù)預(yù)報(bào)中心就開始了季節(jié)尺度的氣候預(yù)測(cè)研究[76-78]。隨著對(duì)各種自然過(guò)程的深入了解和計(jì)算機(jī)技術(shù)的飛速發(fā)展，耦合模式取得了巨大進(jìn)步。各個(gè)預(yù)報(bào)中心相繼建立了業(yè)務(wù)化的季節(jié)尺度氣候預(yù)測(cè)系統(tǒng)[21，79]，這些系統(tǒng)主要基于海氣耦合或者海-陸-氣耦合模式。最近，通過(guò)將海冰模塊加入到耦合模式中，并考慮了二氧化碳、氣溶膠和輻射等因素的影響，同時(shí)使用了更高的分辨率，氣候預(yù)測(cè)又向前邁進(jìn)了一大步。于是，各個(gè)預(yù)報(bào)中心相繼推出了新一代的季節(jié)性氣候預(yù)測(cè)系統(tǒng)，并投入了業(yè)務(wù)化應(yīng)用。例如，NCEP 氣候預(yù)測(cè)系統(tǒng)版本2（Climate Forecast System version 2，CFSv2）[80]、ECMWF 季 節(jié) 尺 度 氣 候 預(yù) 測(cè) 系 統(tǒng)5（SEASonal Forecast System 5，SEAS5）[81]、國(guó)家氣候中心第二代短期（季節(jié)尺度）氣候預(yù)測(cè)系統(tǒng)（Beijing Climate Center Second-Generation Climate System，BCCv2）[82]等。本文對(duì)以上這3 個(gè)具有代表性的、應(yīng)用較為廣泛的季節(jié)尺度氣候預(yù)測(cè)系統(tǒng)進(jìn)行介紹，并繪制了不同季節(jié)尺度氣候預(yù)測(cè)系統(tǒng)對(duì)Nino 3.4 指數(shù)的相關(guān)系數(shù)預(yù)報(bào)技巧及使用的集合預(yù)報(bào)方法（見(jiàn)表1）。

表1 不同預(yù)測(cè)系統(tǒng)對(duì)Nino 3.4指數(shù)的相關(guān)系數(shù)預(yù)報(bào)技巧及其使用的集合預(yù)報(bào)方法

3.1 CFSv2

2004 年，NCEP 第一代季節(jié)尺度氣候預(yù)測(cè)系統(tǒng)（Climate Forecast System version 1，CFSv1）投入業(yè)務(wù)化使用，這是NCEP 第一個(gè)海-陸-氣完全耦合的季節(jié)性氣候預(yù)測(cè)系統(tǒng)。CFSv1 得到了廣泛的應(yīng)用，并且因?yàn)槠涑錾谋憩F(xiàn)，在2011 年3 月新系統(tǒng)CFSv2投入業(yè)務(wù)化使用的一年多后（2012年9月）才完全停止了CFSv1 的使用。CFSv2 在CFSv1 的基礎(chǔ)上有了全方位的改進(jìn)，并且有許多創(chuàng)新，例如一個(gè)新的4 層土壤模塊、一個(gè)相互作用的3 層海冰模塊、增長(zhǎng)的CO2濃度的過(guò)程等。CFSv2 實(shí)時(shí)業(yè)務(wù)化預(yù)報(bào)的初始條件由氣候數(shù)據(jù)同化系統(tǒng)（Climate Data Assimilation System，CDAS）提供。CFSv2 采用LAF 方法產(chǎn)生集合，業(yè)務(wù)化預(yù)報(bào)每天分4 個(gè)時(shí)段（0、6、12、18時(shí)，世界時(shí)），每次運(yùn)行4個(gè)預(yù)報(bào)，一共運(yùn)行16 個(gè)，其中4 個(gè)超前9 M 的預(yù)報(bào)，3 個(gè)超前123 d的預(yù)報(bào)，9 個(gè)超前45 d 的預(yù)報(bào)。CFSv2 的后報(bào)由氣候預(yù)測(cè)系統(tǒng)再分析數(shù)據(jù)（Climate Forecast System Reanalysis，CFSR）提供初始條件。CFSv2 的后報(bào)和業(yè)務(wù)化預(yù)報(bào)在物理過(guò)程的參數(shù)化、參數(shù)值的設(shè)置和集合的設(shè)計(jì)上略有不同。同業(yè)務(wù)化預(yù)報(bào)相比，后報(bào)每天有同樣的4 個(gè)時(shí)段，不同的是每5 d做一次超前9 M的預(yù)報(bào)，即每個(gè)月做6次預(yù)報(bào)，一共24個(gè)集合；另外每年11 月多做一次預(yù)報(bào)，因此11 月有28 個(gè)集合。超前9 M的后報(bào)時(shí)間范圍從1982—2010年，共29 a。

通過(guò)對(duì)CFSv2 預(yù)測(cè)能力的評(píng)估發(fā)現(xiàn)，CFSv2 在各方面都有不錯(cuò)的表現(xiàn)，其超前0.5 M 和3 M 平均的Nino3.4指數(shù)的相關(guān)性達(dá)到了0.82，優(yōu)于美國(guó)國(guó)家多 模 式 集 合（National Multi-Model Ensemble，NMME）中的其他成員，等權(quán)重的多模式集合平均則達(dá)到了0.87。在概率性預(yù)報(bào)方面，同樣選取15 個(gè)集合，CFSv2 的可靠性和BS 評(píng)分都高于CFSv1，因此可以認(rèn)為，擁有24個(gè)集合的CFSv2的概率性預(yù)報(bào)技巧比CFSv1 有了很大改進(jìn)。此外，CFSv2 對(duì)熱帶季節(jié)內(nèi)振蕩（Madden Julian Oscillation，MJO）的預(yù)測(cè)有了較大改進(jìn)，其有效的預(yù)報(bào)時(shí)長(zhǎng)從6 d 增加到了17 d，大大提高了次季節(jié)尺度的預(yù)測(cè)能力。

3.2 SEAS5

ECMWF 從1997 年開始運(yùn)行業(yè)務(wù)化的季節(jié)性氣候預(yù)測(cè)系統(tǒng)。該系統(tǒng)每5 a左右更新一次，SEAS5作為第五代氣候預(yù)測(cè)系統(tǒng)于2017 年11 月被投入業(yè)務(wù)化應(yīng)用。相較于上一代的預(yù)測(cè)系統(tǒng)，SEAS5 的各個(gè)模塊都得到了改進(jìn)，其物理過(guò)程參數(shù)化更加完善，分辨率顯著提高，同時(shí)也引入了一個(gè)海冰模塊，這些變化使得SEAS5 整體的預(yù)測(cè)能力有了很大提升。值得一提的是，SEAS5 季節(jié)尺度預(yù)測(cè)和延伸期預(yù)測(cè)的系統(tǒng)設(shè)置之間幾乎沒(méi)有什么差別，也就是說(shuō)，季節(jié)尺度預(yù)測(cè)和天氣預(yù)測(cè)的系統(tǒng)設(shè)置之間的差別正在逐漸減小，SEAS5向無(wú)縫系統(tǒng)（Seamless System）又邁進(jìn)了一步。SEAS5 業(yè)務(wù)化預(yù)報(bào)使用ECWMF 業(yè)務(wù)化的分析數(shù)據(jù)作為大氣和陸地模塊的初始條件，海洋模塊則由業(yè)務(wù)化海洋分析系統(tǒng)5（OCEAN5）提供初始條件。業(yè)務(wù)化預(yù)報(bào)共產(chǎn)生51個(gè)集合成員，每個(gè)集合成員積分7 M。為了能更好預(yù)測(cè)ENSO 的發(fā)展，分別在2 月、3 月、8 月和11 月的1 日，對(duì)其中的15 個(gè)集合多做6 M 的預(yù)報(bào)。SEAS5大氣和陸地模塊的初值擾動(dòng)分別由SV 方法和資料同化集合（Ensemble of Data Assimilation，EDA）產(chǎn)生。關(guān)于海洋模塊的初值擾動(dòng)，OCEAN5 會(huì)提供5個(gè)初始成員，然后在這5 個(gè)成員上添加擾動(dòng)得到初值擾動(dòng)集合。除了初值擾動(dòng)，為了代表次網(wǎng)格尺度過(guò)程的缺失帶來(lái)的不確定性，SEAS5 對(duì)大氣模塊的物理過(guò)程進(jìn)行擾動(dòng)，主要使用了SPPT（Stochastically Perturbed Physical Tendency）和SKEB（Stochastic Kinetic Energy Backscatter）兩種方案。同業(yè)務(wù)化預(yù)報(bào)相比，SEAS5 后報(bào)的集合成員僅有25 個(gè)，使用的初始條件也不同，后報(bào)時(shí)間范圍從1981—2016 年，其中，1993—2016 年的后報(bào)數(shù)據(jù)集被用來(lái)計(jì)算業(yè)務(wù)化預(yù)報(bào)中的距平值。

通過(guò)對(duì)SEAS5 的評(píng)估發(fā)現(xiàn)，SEAS5 相比于上一代的預(yù)測(cè)系統(tǒng)在大部分情況下都有了顯著的改進(jìn)。SEAS5 對(duì)Nino3.4 指數(shù)的預(yù)測(cè)在超前6 M 時(shí)的異常相關(guān)系數(shù)達(dá)到了0.84，而超前13 M 的異常相關(guān)系數(shù)從上一個(gè)版本的0.48 提升到0.63，均方根誤差也有了顯著的降低。

3.3 BCCv2

2005 年，我國(guó)第一代海氣耦合的季節(jié)尺度氣候預(yù)測(cè)系統(tǒng)正式投入運(yùn)行并發(fā)揮了巨大的作用。之后，國(guó)家氣候中心啟動(dòng)了多圈層耦合的氣候系統(tǒng)模式的研制工作，并于2012年發(fā)布了BCC_CSM1.1和BCC_CSM1.1m 兩個(gè)版本的海-陸-氣-冰耦合的氣候系統(tǒng)模式。這兩個(gè)版本的氣候系統(tǒng)模式得到了廣泛的應(yīng)用，并都被加入到耦合模式比較計(jì)劃-第五階段（Coupled Model Intercomparison Project-Phase 5，CMIP5）之中。隨后，國(guó)家氣候中心基于BCC_CSM1.1 m 建立了BCCv2并投入了業(yè)務(wù)運(yùn)行。研究表明，BCCv2 對(duì)東亞夏季風(fēng)環(huán)流和降水表現(xiàn)出一定的預(yù)報(bào)能力[83-85]。BCCv2 包含第二代海洋資料同化系統(tǒng)、陸面資料同化系統(tǒng)、月動(dòng)力延伸預(yù)測(cè)模式系統(tǒng)和季節(jié)性氣候預(yù)測(cè)模式系統(tǒng)4個(gè)子系統(tǒng)。2015年開始業(yè)務(wù)化的季節(jié)尺度氣候預(yù)測(cè)，使用LAF 方法產(chǎn)生15 個(gè)集合成員，使用SV 方法產(chǎn)生9 個(gè)集合成員，共24 個(gè)集合成員，積分13 M，后報(bào)范圍從1991—2014年。

Ren 等[86]檢驗(yàn)了該氣候預(yù)測(cè)系統(tǒng)對(duì)主要的氣候變率模態(tài)的預(yù)測(cè)能力。他們發(fā)現(xiàn)該系統(tǒng)對(duì)印度洋海盆模具有很高的預(yù)報(bào)技巧，超前12 M的預(yù)報(bào)相關(guān)系數(shù)仍高于0.5，但是對(duì)IOD 的預(yù)測(cè)技巧仍然較低。此外，為了對(duì)不同類型的ENSO進(jìn)行有效預(yù)測(cè)，國(guó)家氣候中心基于BCC_CSM1.1 m 發(fā)展了新一代的ENSO 檢測(cè)、分析和預(yù)測(cè)業(yè)務(wù)系統(tǒng)（SEMAP2.0）[87]。SEMAP2.0提供了3種ENSO 預(yù)測(cè)方法，分別為一個(gè)基于物理過(guò)程的統(tǒng)計(jì)模型、BCC_CSM1.1 m和一個(gè)基于模擬的誤差校正方案。評(píng)估顯示，BCC_SM1.1 m對(duì)超前6 M 預(yù)報(bào)的Nino3.4 指數(shù)的相關(guān)系數(shù)達(dá)到了0.7，而3種方法平均的相關(guān)系數(shù)則達(dá)到了0.8。在實(shí)際的預(yù)報(bào)中，SEMAP2.0 較為準(zhǔn)確地預(yù)報(bào)出了2014/2015 年弱中部型厄爾尼諾及之后的發(fā)展趨勢(shì)和類型轉(zhuǎn)換。

2017年底，國(guó)家氣候中心發(fā)布了新一代的BCC氣候系統(tǒng)模式（BCC_CSM2.0）用于CMIP6計(jì)劃[88-89]。BCC_CSM2.0 有3 種設(shè)置，分別為BCC-CSM2-MR、BCC-CSM2-HR 和BCC-ESM1.0。Wu 等[89]比較了BCC-CSM2-MR 和BCC_CSM1.1 m 的模擬能力，結(jié)果表明BCC-CSM2-MR 在各方面都有較好的改進(jìn)，BCC-CSM2-MR 模擬的Nino3.4 指數(shù)也更加符合HadISST 觀測(cè)資料。相比BCCv2，基于BCC_CSM2.0 建立的季節(jié)尺度氣候預(yù)測(cè)系統(tǒng)的預(yù)測(cè)能力將會(huì)得到有效提升。

4 總結(jié)及展望

集合預(yù)報(bào)不僅可以通過(guò)集合平均等方式提高預(yù)報(bào)技巧，還可以提供預(yù)報(bào)概率和預(yù)報(bào)可靠性等更多有用的信息，近年來(lái)，集合預(yù)報(bào)技術(shù)得到了廣泛應(yīng)用。本文從ENSO 集合預(yù)報(bào)的角度介紹了4 類常用的構(gòu)建集合的方法，分別是奇異向量法、繁殖向量法、資料同化法和多模式集合法。這些方法各有優(yōu)劣，需要根據(jù)不同的情況選擇合適的方法。集合預(yù)報(bào)方法總體的發(fā)展趨勢(shì)是從考慮初值誤差到考慮模式誤差，再到多模式集合，最后到多系統(tǒng)集合。

此外，本文從氣候預(yù)測(cè)系統(tǒng)的集合設(shè)計(jì)方案和對(duì)ENSO 等氣候變率的預(yù)報(bào)技巧的角度，介紹了國(guó)外比較先進(jìn)的兩個(gè)氣候預(yù)測(cè)系統(tǒng)和國(guó)內(nèi)使用的比較廣泛的一個(gè)氣候預(yù)測(cè)系統(tǒng)，即CFSv2、SEAS5 和BCCv2。除了國(guó)家氣候中心之外，國(guó)內(nèi)許多科研和業(yè)務(wù)單位在這方面也做了大量的工作。中科院大氣物理研究所基于氣候系統(tǒng)模式（Flexible Global Ocean-Atmosphere-Land System model，F(xiàn)GOALS）[90]建立的FGOALS-s2[91]和FGOALS-f2[92]，作為中國(guó)國(guó)家多模式集合的集合成員，都在國(guó)家氣候中心得到了業(yè)務(wù)化的應(yīng)用。國(guó)家海洋環(huán)境預(yù)報(bào)中心從2008年開始進(jìn)行業(yè)務(wù)化的氣候預(yù)測(cè)[93]，后來(lái)基于通用地球 系 統(tǒng) 模 式（Community Earth System Model，CESM），采用牛頓松弛逼近（Nudging）的海洋資料同化方法，建立了新一代的業(yè)務(wù)化全球氣候預(yù)測(cè)系統(tǒng)[94-95]，后報(bào)結(jié)果的評(píng)估表明該系統(tǒng)具有較好的預(yù)測(cè)能力[96-97]?？傮w上來(lái)說(shuō)，從“蒙特卡洛法”的提出到現(xiàn)在，集合預(yù)報(bào)方法的研究取得了較大的進(jìn)展，但是考慮到計(jì)算效率等因素，許多集合預(yù)報(bào)方法還無(wú)法應(yīng)用到實(shí)際的預(yù)測(cè)之中，目前廣泛使用的季節(jié)尺度氣候預(yù)測(cè)系統(tǒng)仍然選用較為簡(jiǎn)單、計(jì)算成本較低的集合預(yù)報(bào)方法。因此，如何將先進(jìn)的集合預(yù)報(bào)方法應(yīng)用到實(shí)際的業(yè)務(wù)系統(tǒng)中也是一個(gè)亟需解決的問(wèn)題。另外，和國(guó)際最先進(jìn)的氣候預(yù)測(cè)系統(tǒng)相比，國(guó)內(nèi)氣候預(yù)測(cè)業(yè)務(wù)系統(tǒng)的發(fā)展較為迅速，但仍存在一些差距。國(guó)家海洋環(huán)境預(yù)報(bào)中心計(jì)劃發(fā)展以氣候態(tài)奇異向量、CNOP 或以資料同化方法為基礎(chǔ)的集合預(yù)報(bào)系統(tǒng)，以提升我國(guó)高影響海氣環(huán)境事件的預(yù)測(cè)能力。