李雪洮，段春鋒，楊智敏，陳 穎*

（1.新疆氣候中心，新疆 烏魯木齊 830002;2.安徽省氣候中心，安徽 合肥 230031）

新疆是我國(guó)受自然災(zāi)害影響較嚴(yán)重的省區(qū)之一，新疆的氣象災(zāi)害及其衍生災(zāi)害呈現(xiàn)出突發(fā)性強(qiáng)、種類多、強(qiáng)度大、頻率高、災(zāi)害重、影響廣的特點(diǎn)，給自治區(qū)經(jīng)濟(jì)社會(huì)持續(xù)發(fā)展帶來(lái)了嚴(yán)峻挑戰(zhàn)[1]。在這一背景下，新疆月尺度氣候預(yù)測(cè)的重要性顯得尤為突出，及時(shí)準(zhǔn)確地提供災(zāi)害性、關(guān)鍵性短期氣候預(yù)測(cè)，對(duì)于農(nóng)業(yè)、能源、糧食安全、衛(wèi)生健康、交通運(yùn)輸和應(yīng)急管理等部門的決策具有重要意義和顯著價(jià)值。

我國(guó)的短期氣候預(yù)測(cè)業(yè)務(wù)經(jīng)歷了經(jīng)驗(yàn)性統(tǒng)計(jì)、數(shù)理統(tǒng)計(jì)、動(dòng)力模式和動(dòng)力與統(tǒng)計(jì)相結(jié)合[2-3]幾個(gè)發(fā)展階段，目前已經(jīng)建立起一套較為完備的“延伸期—月—季—年”多尺度氣候預(yù)測(cè)業(yè)務(wù)系統(tǒng)[4-6]。其中，氣候模式集合預(yù)測(cè)已經(jīng)成為全國(guó)各氣候預(yù)測(cè)業(yè)務(wù)中心的主要預(yù)測(cè)工具之一[7]，其作為月、季、年度氣溫降水趨勢(shì)預(yù)測(cè)的一種客觀方法和預(yù)測(cè)手段，為我們的短期氣候預(yù)測(cè)業(yè)務(wù)工作提供了較為可信的參考依據(jù)。但模式初始條件、邊界條件的誤差和模式計(jì)算中各種近似處理引入的誤差使預(yù)報(bào)結(jié)果不可避免地存在不確定性，進(jìn)而導(dǎo)致模式預(yù)報(bào)技巧受到限制。根據(jù)國(guó)內(nèi)外研究成果，模式可預(yù)報(bào)性存在海洋強(qiáng)于陸地，低緯優(yōu)于高緯的分布特征[8]。新疆位于歐亞大陸腹地的干旱半干旱區(qū)，降水少且氣溫變率很大[9]，大氣的內(nèi)在變率很大，影響此地區(qū)氣候變異的因素太多、太復(fù)雜[10]，這從根本上導(dǎo)致氣候模式對(duì)新疆的氣溫和降水預(yù)測(cè)技巧并不高。而且由于地域遼闊，東西跨度約1 900 km、南北跨度約1 800 km，“三山夾兩盆”的地形使得新疆氣候也存在著明顯的區(qū)域差異。因此對(duì)氣候模式進(jìn)行全面的檢驗(yàn)評(píng)估，了解模式預(yù)報(bào)技巧在新疆的時(shí)空分布特征，有利于充分發(fā)揮這一客觀預(yù)測(cè)產(chǎn)品在新疆短期氣候預(yù)測(cè)業(yè)務(wù)中的應(yīng)用效益，提高新疆月尺度氣候預(yù)測(cè)能力。研究成果可在新疆月尺度氣候預(yù)測(cè)業(yè)務(wù)中得到實(shí)際應(yīng)用。

近年來(lái)，全國(guó)各省區(qū)氣候中心在氣候預(yù)測(cè)模式檢驗(yàn)評(píng)估方面做了大量工作，何慧根等[7]基于國(guó)家氣候中心第二代月動(dòng)力延伸預(yù)測(cè)模式業(yè)務(wù)系統(tǒng)（DERF2.0）數(shù)據(jù)和全國(guó)臺(tái)站觀測(cè)資料綜合評(píng)估了DERF2.0系統(tǒng)對(duì)中國(guó)的氣溫和降水的預(yù)測(cè)性能，表明DERF2.0模式對(duì)極端旱、澇個(gè)例年有一定的預(yù)測(cè)能力，且對(duì)氣溫的預(yù)測(cè)明顯好于降水。重慶、廣西、貴州、江西、新疆、寧夏和陜西也有學(xué)者[11-17]做了類似針對(duì)DERF2.0模式在本地適用性的檢驗(yàn)工作。但是，對(duì)于在氣候預(yù)測(cè)業(yè)務(wù)中經(jīng)常使用的歐洲中心中長(zhǎng)期模式，國(guó)內(nèi)外的檢驗(yàn)評(píng)估工作較少，主要有：Amulya Chevuturi等[18]利用GPCP降水?dāng)?shù)據(jù)和ERA5再分析數(shù)據(jù)檢驗(yàn)了歐洲中心第五代季節(jié)預(yù)測(cè)系統(tǒng)SEAS5對(duì)于印度夏季風(fēng)的預(yù)測(cè)技巧，發(fā)現(xiàn)該模式在提前一個(gè)月預(yù)測(cè)大尺度季風(fēng)的動(dòng)力學(xué)特征和局地尺度季風(fēng)的爆發(fā)方面有顯著技巧；Wang等[19]基于SEAS5模式36年的回報(bào)數(shù)據(jù)評(píng)估了該模式對(duì)澳大利亞降水和日最高氣溫、日最低氣溫的預(yù)測(cè)水平，表明SEAS5模式對(duì)未來(lái)一個(gè)月的預(yù)測(cè)效果很好，但超出一個(gè)月預(yù)報(bào)時(shí)效后，預(yù)測(cè)技巧顯著下降；Stefanie Gubler等[20]檢驗(yàn)評(píng)估了SEAS5模式在南美地區(qū)的預(yù)測(cè)水平，發(fā)現(xiàn)南半球夏季時(shí)該模式對(duì)熱帶地區(qū)氣溫的預(yù)測(cè)性能最優(yōu)，準(zhǔn)確率達(dá)70%，模式對(duì)南美的降水預(yù)測(cè)性能較氣溫稍差，且體現(xiàn)出更大的時(shí)空差異性。國(guó)內(nèi)關(guān)于SEAS5模式的相關(guān)研究成果較少，鄭嘉雯等[21]基于BCC_CSM1.1m，NCEP_CFSv2和SEAS5模式的歷史回報(bào)和中國(guó)全球大氣再分析系統(tǒng)資料，對(duì)500 hPa位勢(shì)高度和西太平洋副熱帶高壓進(jìn)行了預(yù)報(bào)性能評(píng)估和可預(yù)報(bào)性分析，表明三個(gè)模式在熱帶地區(qū)均具有較高的預(yù)報(bào)能力，BCC模式表現(xiàn)最為突出，SEAS5模式預(yù)報(bào)穩(wěn)定性最好。

縱觀前人的研究成果，可見SEAS5模式的預(yù)測(cè)能力較強(qiáng)且穩(wěn)定性好，但其在新疆這一中高緯度復(fù)雜地形地區(qū)的預(yù)測(cè)技巧還未可知。了解SEAS5模式預(yù)報(bào)技巧在新疆的時(shí)空分布特征，有利于充分發(fā)揮這一客觀預(yù)測(cè)產(chǎn)品在新疆短期氣候預(yù)測(cè)業(yè)務(wù)中的應(yīng)用效果，進(jìn)而提高新疆月尺度氣候預(yù)測(cè)能力。

1 資料和方法

1.1 模式資料

SEAS5（Seasonal Forecasting System 5）是2017年11月投入運(yùn)行的歐洲中期天氣預(yù)報(bào)中心（ECMWF）第五代季節(jié)預(yù)測(cè)系統(tǒng)，也稱ECv5。與其前身ECv4相比，SEAS5使用了更高分辨率的新版大氣和海洋模塊，添加了海冰模塊。新版本模式減少了赤道太平洋冷舌的預(yù)報(bào)偏差，同時(shí)模擬的ENSO振幅更加真實(shí)準(zhǔn)確，在中西部太平洋地區(qū)的ENSO預(yù)測(cè)技巧有所提高，而在熱帶太平洋地區(qū)，2 m溫度的預(yù)測(cè)技巧也明顯提升[22]。

模式數(shù)據(jù)為歐洲中期天氣預(yù)報(bào)中心第五代季節(jié)預(yù)測(cè)系統(tǒng)（SEAS5）的氣溫和降水預(yù)測(cè)產(chǎn)品，來(lái)源于國(guó)家氣候中心多模式解釋應(yīng)用集成預(yù)測(cè)系統(tǒng)[23]（MODES）提供的多模式數(shù)據(jù)集V2版本，評(píng)估時(shí)段為1993年1月—2019年12月（其中2017年模式數(shù)據(jù)缺失），起報(bào)日期為每月8日，水平分辨率為1°×1°?？紤]到預(yù)報(bào)時(shí)效問題，本文使用SEAS5模式提前1個(gè)月對(duì)逐月氣溫、降水的預(yù)測(cè)結(jié)果進(jìn)行檢驗(yàn)。

1.2 觀測(cè)資料

本研究的觀測(cè)數(shù)據(jù)來(lái)源于新疆氣候中心，包括新疆98個(gè)氣候預(yù)測(cè)檢驗(yàn)站點(diǎn)1993年1月—2019年12月的氣溫和降水觀測(cè)數(shù)據(jù)。

1.3 檢驗(yàn)方法

1.3.1Ps評(píng)分

根據(jù)中國(guó)氣象局預(yù)報(bào)與網(wǎng)絡(luò)司《月、季氣候預(yù)測(cè)檢驗(yàn)評(píng)分方法》業(yè)務(wù)規(guī)定，分別考慮預(yù)報(bào)的趨勢(shì)項(xiàng)、異常項(xiàng)和漏報(bào)項(xiàng)，以短期氣候趨勢(shì)異常綜合（Ps）檢驗(yàn)作為氣候預(yù)測(cè)的綜合評(píng)定方法，Ps檢驗(yàn)方法的計(jì)算公式：

其中，N0為氣候趨勢(shì)預(yù)測(cè)正確的站數(shù)；N1為一級(jí)異常預(yù)測(cè)正確的站數(shù)；N2為二級(jí)異常預(yù)測(cè)正確的站數(shù)；M為沒有預(yù)報(bào)二級(jí)異常而實(shí)況出現(xiàn)降水距平百分率≥100%或等于-100%、氣溫距平≥3℃或≤-3℃的站數(shù)（下稱漏報(bào)站）；a、b和c分別為氣候趨勢(shì)項(xiàng)、一級(jí)異常項(xiàng)和二級(jí)異常項(xiàng)的權(quán)重系數(shù)，為客觀反映當(dāng)前國(guó)家級(jí)和省級(jí)業(yè)務(wù)單位短期氣候預(yù)測(cè)水平，促進(jìn)氣候預(yù)測(cè)業(yè)務(wù)由平均態(tài)趨勢(shì)預(yù)測(cè)向異常氣候趨勢(shì)預(yù)測(cè)轉(zhuǎn)變，中國(guó)氣象局預(yù)報(bào)司于2013年頒布《月、季氣候預(yù)測(cè)質(zhì)量檢驗(yàn)業(yè)務(wù)規(guī)定》規(guī)定各權(quán)重系數(shù)取值為a=2，b=2，c=4。

1.3.2Pc評(píng)分

Pc評(píng)分以預(yù)報(bào)和實(shí)況的距平符號(hào)是否一致為判據(jù)，逐站判斷，計(jì)算公式如下：

式中，N0為預(yù)測(cè)與實(shí)況距平符號(hào)相同的站數(shù)，N為參加評(píng)分的總站數(shù)。

1.3.3ACC評(píng)分

ACC評(píng)分是WMO于1996年確定并建議使用的指標(biāo)，其使用降水距平百分率和平均氣溫距平計(jì)算距平空間相關(guān)系數(shù)，主要反映的是預(yù)報(bào)值與實(shí)況值空間型的相似程度，也可稱為空間相似系數(shù)。每次預(yù)報(bào)均可對(duì)預(yù)報(bào)場(chǎng)計(jì)算空間相似系數(shù)，需要首先計(jì)算各個(gè)格點(diǎn)的時(shí)間平均和異常：

式中，Xi，j代表觀測(cè)值，fi，j代表預(yù)測(cè)值，i代表評(píng)價(jià)區(qū)域的格點(diǎn)數(shù)，j代表時(shí)間序列，N為評(píng)分總格點(diǎn)數(shù)或站點(diǎn)數(shù)，ΔXi，j和分別為觀測(cè)的氣溫距平（降水距平百分率）和多年均值，Δfi，j和為預(yù)測(cè)的氣溫距平（降水距平百分率）和多年均值。

1.3.4TCC評(píng)分

TCC評(píng)分使用降水距平百分率和平均氣溫距平分別計(jì)算距平的時(shí)間相關(guān)系數(shù)，能夠在統(tǒng)計(jì)意義上較好地表征模式對(duì)各個(gè)格點(diǎn)異常的預(yù)報(bào)能力，得到一個(gè)完整的相關(guān)技巧空間分布。TCC范圍為-1～1，越接近于1表明技巧越高，通常取0.5的相關(guān)技巧作為有預(yù)報(bào)意義的標(biāo)準(zhǔn)。

2 月氣溫的預(yù)測(cè)質(zhì)量評(píng)估

2.1 各月氣溫Ps、Pc、ACC評(píng)分的時(shí)間序列

利用SEAS5模式每月8日起報(bào)的氣溫月數(shù)據(jù)和新疆參與氣候預(yù)測(cè)質(zhì)量評(píng)分的98站點(diǎn)的氣溫月資料（除缺測(cè)較多的大西溝站）計(jì)算得到1993—2019年各月氣溫的Ps、Pc、ACC評(píng)分的時(shí)間序列圖（圖1）。1月ACC>0的年份最多，空間相關(guān)性較其他月份更優(yōu)。三種評(píng)分的年際變化表現(xiàn)比較一致。

圖1 SEAS5模式1—12月（a—l）氣溫Ps、Pc、ACC評(píng)分的時(shí)間序列

距平符號(hào)一致率Pc反映的是一定范圍內(nèi)預(yù)測(cè)值與實(shí)況值距平（距平百分率）符號(hào)一致的站點(diǎn)數(shù)占總站點(diǎn)數(shù)的比例，是以往模式檢驗(yàn)常用的方法之一。只有當(dāng)同號(hào)率＞50%，主要趨勢(shì)被反映出來(lái)時(shí)，再考察強(qiáng)度預(yù)測(cè)才有意義。時(shí)間相關(guān)系數(shù)能夠在統(tǒng)計(jì)意義上較好地表征模式對(duì)各個(gè)格點(diǎn)異常的預(yù)報(bào)能力，得到一個(gè)完整的相關(guān)技巧空間分布。TCC范圍在-1～1，越接近于1表明技巧越高，通常取0.5的相關(guān)技巧作為有預(yù)報(bào)意義的標(biāo)準(zhǔn)。根據(jù)文獻(xiàn)和氣候?qū)W普遍使用的定義標(biāo)準(zhǔn)，分別統(tǒng)計(jì)了Pc評(píng)分≥50，Ps評(píng)分≥60，以及ACC評(píng)分≥0的年份數(shù)目在模式資料總年數(shù)（26年）中的占比。7月Pc和Ps評(píng)分具有指示意義的概率最大，分別達(dá)到70.4%和81.5%，1月空間相關(guān)系數(shù)ACC具有指示意義的年份最多。

為更直觀地分析SEAS5模式對(duì)各月氣溫預(yù)測(cè)評(píng)分的情況，統(tǒng)計(jì)計(jì)算了1993—2019年平均的各月氣溫Pc、Ps和ACC評(píng)分（表1）。Pc評(píng)分≥50，Ps評(píng)分≥60，以及ACC評(píng)分≥0時(shí)，平均評(píng)分具有指示意義，可見SEAS5模式對(duì)新疆氣溫的預(yù)測(cè)評(píng)分較高，全年平均得分也都具有指示意義。4—9月，三項(xiàng)評(píng)分均大于評(píng)判指標(biāo)，預(yù)測(cè)效果很好。4月氣溫的距平符號(hào)一致率評(píng)分Pc最高，為61.3分；12月的Pc評(píng)分最低，為50.2分。7月的趨勢(shì)異常綜合評(píng)分Ps評(píng)分最高，為74.4分；2月的Ps評(píng)分最低，為59.6分。6月的空間相關(guān)系數(shù)ACC最高，達(dá)到0.17；5月和11月的ACC評(píng)分最低，分別為0.01和-0.01。

表1 SEAS5模式1993—2019年平均各月氣溫評(píng)分

2.2 各月氣溫Pc評(píng)分的空間分布

圖2為1993—2019年平均的各月氣溫Pc評(píng)分空間分布。4、8、10、11月全疆Pc評(píng)分均>50分，從空間一致率角度而言，模式的月氣溫預(yù)測(cè)質(zhì)量較高。7、9月除南疆西部外的全疆大部地區(qū)Pc評(píng)分也＞50分，氣溫預(yù)測(cè)較成功。1、3、6、12月北疆大部、東疆大部的Pc評(píng)分＜50分，南疆地區(qū)的Pc評(píng)分高于北疆地區(qū)。2、5月全疆大部的Pc評(píng)分＜50分，模式預(yù)測(cè)的氣溫趨勢(shì)可參考性較小。

圖2 SEAS5模式1—12月（a～l）氣溫Pc評(píng)分的空間分布

2.3 各月氣溫TCC評(píng)分的空間分布

圖3為1993—2019年平均的各月氣溫TCC評(píng)分空間分布。5、6、12月的南疆西部，4月的北疆東部和東疆北部以及8月的東疆大部TCC評(píng)分均為0.4～0.6，說(shuō)明模式對(duì)相應(yīng)時(shí)段各區(qū)域的氣溫異常具有較好的預(yù)測(cè)能力。1月的北疆沿天山東段，2月的北疆北部和3月的吐魯番地區(qū)、東疆南部和巴州北部TCC評(píng)分均為-0.4～-0.6，時(shí)間負(fù)相關(guān)性較強(qiáng)。

圖3 SEAS5模式1—12月（a～l）氣溫TCC評(píng)分的空間分布

3 月降水的預(yù)測(cè)質(zhì)量評(píng)估

3.1 各月降水Ps、Pc、ACC評(píng)分的時(shí)間序列

計(jì)算1993—2019年平均的各月降水Ps、Pc、ACC評(píng)分時(shí)間序列（圖4）。4月和6—8月的三項(xiàng)評(píng)分均較高，預(yù)測(cè)效果相較其他月份更好。根據(jù)文獻(xiàn)和氣候?qū)W普遍使用的定義標(biāo)準(zhǔn)，對(duì)各月評(píng)分中具有指示意義的年數(shù)占比進(jìn)行了統(tǒng)計(jì)。分別統(tǒng)計(jì)了Pc評(píng)分≥50，Ps評(píng)分≥60，以及ACC評(píng)分≥0的年份數(shù)目在模式資料總年數(shù)（26 a）中的占比。12月Pc評(píng)分具有指示意義的概率最大，達(dá)到70.4%。

圖4 SEAS5模式1—12月（a～l）降水Ps、Pc、ACC評(píng)分的時(shí)間序列

6月Ps評(píng)分具有指示意義的概率最大，為81.5%。4月空間相關(guān)系數(shù)ACC具有指示意義的年份最多，可達(dá)66.7%。

為更直觀地分析SEAS5模式對(duì)各月降水模擬評(píng)分的情況，統(tǒng)計(jì)計(jì)算了1993—2019年平均的各月降水Pc、Ps和ACC評(píng)分，見表2。Pc評(píng)分≥50，Ps評(píng)分≥60，以及ACC評(píng)分≥0時(shí)，平均評(píng)分具有指示意義?？梢奡EAS5模式對(duì)新疆降水預(yù)測(cè)評(píng)分較好，基本所有月份的三項(xiàng)評(píng)分多年均值都大于評(píng)判標(biāo)準(zhǔn)，全年平均得分也都具有指示意義。4月、6—8月三項(xiàng)評(píng)分均大于評(píng)判指標(biāo)，預(yù)測(cè)效果較好。4月降水的距平符號(hào)一致率評(píng)分Pc最高，為58.7分；9月的Pc評(píng)分最低，為48.4分。7月的趨勢(shì)異常綜合評(píng)分Ps評(píng)分最高，為72.1分；11月的Ps評(píng)分最低，為58.9分。4月降水的空間相關(guān)系數(shù)ACC最高，達(dá)到0.16；9月和11月的ACC評(píng)分最低，為0.01。

表2 SEAS5模式1993—2019年平均的各月降水評(píng)分

3.2 各月降水Pc評(píng)分的空間分布

由為1993—2019年平均的各月降水Pc評(píng)分空間分布圖（圖5）可知，4、7、8月SEAS5模式對(duì)全疆降水的距平符號(hào)一致率評(píng)分均>50分，參考性較好。模式對(duì)于南疆各月降水的預(yù)測(cè)水平普遍高于北疆，其中1、2、4、5月南疆大部的Pc評(píng)分>60分，預(yù)測(cè)效果很好。1、2、5、6、9、10、11月北疆大部的Pc評(píng)分為30～50分，其中9月除阿勒泰地區(qū)和阿克蘇地區(qū)外的全疆大部Pc評(píng)分均＜50，預(yù)測(cè)水平較低。

圖5 SEAS5模式1—12月（a～l）降水Pc評(píng)分的空間分布

3.3 各月降水TCC評(píng)分的空間分布

由1993—2019年平均的各月降水TCC評(píng)分空間分布圖（圖略）可知。1、9月的和田地區(qū)，3月的南疆西部，5月的巴州大部，7月的昌吉州、克州，8月的阿勒泰地區(qū)和12月的北疆沿天山一帶TCC評(píng)分為0.4～0.6，說(shuō)明模式對(duì)相應(yīng)時(shí)段各區(qū)域的降水異常具有較好的預(yù)測(cè)能力。1月的吐魯番地區(qū)，5月的南疆西部山區(qū)，6月的東疆北部，8月的東疆南部，10月的阿勒泰北部和12月的巴州北部TCC評(píng)分為-0.4～-0.6，說(shuō)明相應(yīng)時(shí)段各區(qū)域模式和觀測(cè)的降水時(shí)間負(fù)相關(guān)性較強(qiáng)。

4 結(jié)論與討論

基于國(guó)際先進(jìn)氣候模式SEAS5的歷史回報(bào)數(shù)據(jù)和新疆98個(gè)氣象站的觀測(cè)資料，利用Pc、Ps、ACC、TCC評(píng)分計(jì)算方法，對(duì)1993—2019年模式在新疆的月尺度氣候預(yù)測(cè)能力進(jìn)行了全面的檢驗(yàn)評(píng)估。主要結(jié)論如下：

在新疆月氣溫預(yù)測(cè)方面，4—9月的Pc、Ps和ACC三項(xiàng)評(píng)分均大于評(píng)判指標(biāo)，預(yù)測(cè)效果很好。其中，7月Pc和Ps評(píng)分具有指示意義的概率最大，分別達(dá)到70.4%和81.5%；4月氣溫的Pc評(píng)分最高（61.3分），12月的Pc評(píng)分最低（50.2分）；7月的Ps評(píng)分最高（74.4分），2月的Ps評(píng)分最低（59.6分）；6月的空間相關(guān)系數(shù)ACC最高（0.17），5和11月的ACC系數(shù)最低（分別為0.01和-0.01）。從空間差異方面分析，SEAS5模式對(duì)7和9月南疆西部的Pc評(píng)分較其余地區(qū)低，而1、3、6、12月南疆地區(qū)的Pc評(píng)分高于北疆地區(qū)；從時(shí)間相關(guān)性TCC評(píng)分角度，5、6、12月的南疆西部，4月的北疆東部和東疆北部以及8月的東疆大部TCC評(píng)分均為0.4～0.6，1月的北疆沿天山東段，2月的北疆北部和3月的吐魯番地區(qū)、東疆南部和巴州北部TCC評(píng)分均為-0.4～-0.6，說(shuō)明模式對(duì)相應(yīng)時(shí)段各區(qū)域的氣溫異常具有較好的預(yù)測(cè)能力?？傮w而言，SEAS5模式在夏秋季對(duì)全疆氣溫的預(yù)測(cè)水平較高。

在新疆月降水預(yù)測(cè)方面，4月、6—8月的Pc、Ps和ACC三項(xiàng)評(píng)分均大于評(píng)判指標(biāo)，預(yù)測(cè)效果較好。其中，Pc、Ps和ACC評(píng)分具有指示意義概率最大的月份分別是12月（70.4%）、6月（81.5%）和4月（66.7%）；4月降水的Pc評(píng)分最高（58.7分），9月的Pc評(píng)分最低（48.4分）；7月的Ps評(píng)分最高（72.1分），11月的Ps評(píng)分最低（58.9分）；4月降水的空間相關(guān)系數(shù)ACC最高（0.16），9月和11月的ACC評(píng)分最低（0.01）。從空間差異方面分析，SEAS5模式對(duì)南疆各月降水的距平符號(hào)預(yù)測(cè)水平普遍高于北疆，1、2、5、6、9、10、11月北疆大部的Pc評(píng)分為30～50分，預(yù)測(cè)水平較低；從時(shí)間相關(guān)性TCC評(píng)分角度，1、9月的和田地區(qū)，3月的南疆西部，5月的巴州大部，7月的昌吉州、克州，8月的阿勒泰地區(qū)和12月的北疆沿天山一帶TCC評(píng)分為0.4～0.6，1月的吐魯番地區(qū)，5月的南疆西部山區(qū)，6月的東疆北部，8月的東疆南部，10月的阿勒泰北部和12月的巴州北部TCC評(píng)分為-0.4～-0.6，說(shuō)明模式對(duì)相應(yīng)時(shí)段各區(qū)域的降水異常具有較好的的預(yù)測(cè)能力。

SEAS5模式對(duì)南疆的降水預(yù)測(cè)水平高于北疆可能是由于降水預(yù)測(cè)受水汽輸送、地形的影響極大，而“三山夾兩盆”的地形使得南北疆存在著明顯的區(qū)域差異。北疆多山地、丘陵地貌，海拔落差很大，地形和下墊面狀況較南疆更為復(fù)雜，SEAS5模式水平分辨率為1°×1°，對(duì)北疆的復(fù)雜地形考慮不足。其次，新疆區(qū)域觀測(cè)站點(diǎn)稀疏，在復(fù)雜地形上的觀測(cè)數(shù)據(jù)代表性也具有一定的不確定性。從氣候預(yù)測(cè)業(yè)務(wù)應(yīng)用的角度，計(jì)算了2014—2019年新疆氣候中心6—8月逐月降水的Ps評(píng)分，平均為66.9分，SEAS5模式預(yù)測(cè)的同期Ps評(píng)分平均為67.5分，SEAS5模式可為新疆6—8月降水預(yù)測(cè)提供一種可靠的客觀精細(xì)化預(yù)測(cè)依據(jù)。在今后的月尺度氣候趨勢(shì)預(yù)測(cè)中可以著重參考SEAS5模式對(duì)新疆6—8月的氣溫、降水預(yù)測(cè)結(jié)果，同時(shí)應(yīng)繼續(xù)加強(qiáng)新疆冬、春季月尺度氣候模式解釋應(yīng)用的研究。