曲美慧 涂 鋼 劉 洋 穆 佳

（1.吉林省氣象科學研究所，吉林長春 130062；2.長白山氣象與氣候變化吉林省重點實驗室，吉林長春 130062；3.吉林省氣象災害防御技術中心，吉林長春 130062）

1 引言

吉林省是中國最主要的產糧區(qū)之一，其氣候異常直接影響農業(yè)豐歉。吉林省地處中緯度的歐亞大陸東端，東面為長白山山脈環(huán)繞，中部為平原，受中高緯度環(huán)流系統(tǒng)、中低緯度海—氣系統(tǒng)、東北冷渦、副熱帶高壓等多種環(huán)流系統(tǒng)影響，區(qū)域氣候年際變率大，旱澇災害頻發(fā)[1]。因此開展該區(qū)域短期氣候預測技術的研究是非常必要的，同時也對防災減災、糧食生產具有重要意義。多年來，國內外諸多學者從動力模式、統(tǒng)計分析方法等對氣候預測開展了大量研究工作[2-5]。國家氣候中心基于多個國內外耦合氣候模式，設計了統(tǒng)一協調的初始化方案和后處理方案，以本地化運行和國外業(yè)務預測數據引進相結合方式，完成了面向月和季節(jié)預測的中國多模式集合預測系統(tǒng)CMMEv1.0，并開展了一系列的業(yè)務預測研發(fā)和應用工作。吳捷等[6]對國家氣候中心（BCC）第二代季節(jié)預測模式系統(tǒng)的季節(jié)可預報性問題進行了探討，結果表明BCC二代模式對我國冬季氣溫和夏季降水具備一定的預報能力。李菲等[7]從DERF2.0產品的降尺度解釋應用角度建立了一套完整的東北地區(qū)月氣溫預測模型?？梢钥闯鐾ㄟ^集合平均、統(tǒng)計降尺度等客觀方法對動力預測系統(tǒng)結果進行解釋應用以期提高氣候預測準確率是目前短期氣候預測的主要發(fā)展方向，尤其是區(qū)域、省級及以下氣候業(yè)務中較為現實的途徑之一。

吉林省氣象科學研究所于2016年引進中科院大氣所竺可楨—南森國際研究中心開發(fā)的NZC-PCCSM4短期氣候預測系統(tǒng)[2]，結合降尺度方法[4-5]和觀測資料，經過不斷地調試，初步建立了適用于本省氣候特征的面向季節(jié)預測的動力與統(tǒng)計相結合的JL-NZCv1.0短期氣候預測系統(tǒng)（簡稱為JL-NZCv1.0系統(tǒng)）[1]，該系統(tǒng)豐富了吉林省氣候及氣候變化業(yè)務應用的科學研究方法，自2018年開始試運行。

為了更好地應用JL-NZCv1.0系統(tǒng)，了解其預測性能，更好地服務于吉林省的短期氣候預測業(yè)務，提高吉林省短期氣候客觀化預測水平，本文對JL-NZCv1.0系統(tǒng)2018—2021年吉林省春、夏季氣溫和降水的預測結果進行了檢驗，以期為后續(xù)系統(tǒng)優(yōu)化和完善提供參考依據，為吉林省短期氣候預測業(yè)務提供支撐。

2 資料與方法

2.1 JL-NZCv1.0系統(tǒng)運行及輸出

JL-NZCv1.0系統(tǒng)的核心是CCSM4模式，由大氣、海洋、陸面、海冰和耦合器5大模塊組成，由耦合器實現物理子模塊間的耦合。其中大氣模式（Community Atmosphere Model version 4，CAM4）水平分辨率為2.5°×1.9°，垂直方向為混合σ-p坐標，共26層；陸面模式（Community Land Model version 4，CLM4）與CAM4使用相同的水平分辨率；海洋模式為混合層海洋模式（Slab Ocean Model，SOM），水平分辨率為1°×1°，旋轉坐標系；海冰模式（Community Ice Code version 4，CICE4）使用與SOM相同的海陸分布配置與水平分辨率[1]。

該系統(tǒng)主要包括初始化運行、試驗運行、后處理運行3部分。初始化運行部分用于創(chuàng)建積分試驗所需要的初始場文件，目前提供了2種運行方式，其中逐年運行方式適用于實時預測試驗，分模塊運行方式適用于多年回報試驗。大氣模式初始場數據為NCEPFNL和Reanalysis 1數據；陸面模式初始場數據為NCEP Climate Forecast System Reanalysis（CFSR）資料中的0—2 m的土壤溫度和土壤濕度數據；海洋模式初始場數據為美國NCEP全球海洋同化系統(tǒng)（GODAS）再分析資料中月平均0—115 m加權平均的鹽度和溫度、表層洋流速度數據；海冰模式初始場數據為模式的氣候態(tài)海冰。試驗運行部分負責實現積分試驗并輸出預測結果，積分試驗運行腳本的起報時間、積分時間、運行節(jié)點、路徑等參數已設置完畢，可以根據實際需求進行修改，且提供了每月1日起報的12個試驗范例，并增加了500 hPa高度場、200 hPa V、850 hPa V、200 hPa U、850 hPa U輸出變量。后處理運行部分主要用于對試驗所產生的數據進行降尺度訂正、輸出預測結果及完成繪圖等。更多詳細內容見文獻[1]。

本文研究資料包括吉林省50個自動氣象觀測站1981—2021年逐月氣溫和降水量觀測資料，JL-NZCv1.0系統(tǒng)超前（lead time）1個月的春、夏季氣溫和降水的預測結果。如對春季而言，模式起報時間為每年2月1日；對夏季而言，模式起報時間為每年5月1日。積分時間為7個月，回報時間段為1981—2021年，氣候態(tài)采用1981—2010年多年平均值。

2.2 檢驗方法

參考WMO（World Meteorological Organization）推薦的標準和方法[6，8]以及中國氣象局于1999年7年執(zhí)行的《短期氣候預測質量評定暫行辦法》，本文采用趨勢異常綜合檢驗（Ps）[7，9-11]、距平符號一致率（Pc）[9-12]和空間相似系數（ACC）[6，11，13]對JL-NZCv1.0系統(tǒng)的預測性能進行定量檢驗。

Ps是中國氣象局制定的業(yè)務預測評分標準，主要考慮預報的趨勢項、異常項和漏報項（異常量級漏報），其計算方法是將預測區(qū)域各站的降水、氣溫趨勢預測分別按照降水距平百分率（ΔR%）、氣溫距平（ΔT，℃）實行6級評分制，具體的趨勢預報用語和分級標準見表1，計算公式為：

表1 Ps評分6級評分制趨勢預報用語和分級標準

式中，a、b、c分別為氣候趨勢項，一級異常項和二級異常項的權重系數本文取a=2、b=2、c=4；N為實際參加評估的站數；N0為趨勢預測正確的總站數；N1為一級異常預測正確的總站數；N2為二級異常預測正確的總站數；M為沒有預報二級異常而實況出現ΔR≥100%或ΔR=-100%、ΔT≥3℃或ΔT≤-3℃的站數（國家氣象業(yè)務內網—氣候業(yè)務：常規(guī)產品檢驗方法——趨勢異常綜合評分）。

Pc是距平符號預測正確的站點數與總站點數的百分比，計算公式為：

式中，N為預測與觀測的降水距平百分率或氣溫距平的符號相同或距平為零的站點數；M為總站點數。只有當同號率大于50%，降水或氣溫的主要趨勢被反映出來時，再考慮強度預測才有意義[11]。

空間相似系數（ACC）主要反映預測距平與觀測距平空間型的相似程度，展示了模式預測的空間分布技巧，也稱為距平相關系數，計算公式為：

式中，N代表評分的站點數；ΔRf，i和ΔRf，i分別代表第i個站點的降水距平百分率或者氣溫距平的預測值和多年平均值；ΔRo，i和為相應的觀測值。ACC取值范圍在-1到1之間，越趨近于1表示技巧越高[9]。

3 結果分析

3.1 春季氣溫和降水的預測結果檢驗

表2是JL-NZCv1.0系統(tǒng)預測2018—2021年春季吉林省氣溫和降水的Ps評分、距平符號一致率Pc、ACC技巧。可以看到2018—2021年春季氣溫的Ps評分平均達到84.9分，各年Ps評分均在73分以上，尤其是2019年春季氣溫的Ps評分高達96分，可見系統(tǒng)對春季氣溫異常的預測效果較高且預測性能穩(wěn)定；春季氣溫預測的Pc平均為74.6%，其中2019年最高，為91.9%，但2020年僅58%；ACC技巧除2021年為負外，2018—2020年ACC技巧均為正，其中2018年ACC技巧最高，為0.34。

JL-NZCv1.0系統(tǒng)對2018—2021年春季降水預測的Ps評分均在63分以上，4年平均達到了74.2分，其中2021年最高，為83.5分；Pc除2019年為47%，其余均在60%以上，4年平均為59.9%；ACC技巧除2021年為負外，其余3年均為正，其中2020年ACC技巧最高，為0.39。

在不考慮特殊性的情況下，以2020年為例，對比吉林省2020年春季氣溫、降水的預測與觀測的空間分布（圖1、圖2）。從表2的檢驗評分來看，2020年春季氣溫和降水的預測評分在4年中不屬于特別突出的年份，Ps評分處于平均水平，溫度的Pc屬于4年最低，降水的ACC屬于4年最高。

表2 2018—2021年春季吉林省氣溫和降水的Ps評分、Pc和ACC技巧

從圖1、圖2可以看出，JL-NZCv1.0系統(tǒng)預測2020年春季氣溫西部及東部略高，中部、東南部部分地區(qū)略低，西部、東部高于中部、南部的空間溫度梯度分布，與觀測相比預測成功，但距平絕對值較觀測偏低，且觀測最南部很小的負距平區(qū)沒有預測出來（圖1b），這應該是Pc評分較低的表現；系統(tǒng)對降水空間分布的預測與觀測相比，系統(tǒng)準確地預測出吉林省西部地區(qū)降水偏多（圖2a），具體來說白城、松原、四平地區(qū)多雨，遼源、通化、白山地區(qū)北多南少的形勢，以及對延邊南部少雨均預測正確，僅中部長春、吉林地區(qū)預測的距平反號，ACC評分為0.39。

圖1 2020年春季吉林省氣溫距平的預測（a）和觀測（b）

圖2 2020年春季吉林省降水距平百分率的預測（a）和觀測（b）

3.2 夏季氣溫和降水的預測結果檢驗

表3是JL-NZCv1.0系統(tǒng)對2018—2021年夏季吉林省氣溫和降水預測的Ps評分、距平符號一致率Pc和ACC技巧。可以看出，JL-NZCv1.0系統(tǒng)預測夏季吉林省氣溫Ps評分均在72分以上，4年平均分為81.7分；Pc均在57%以上，4年平均為69.9%，Ps、Pc均比春季略低；ACC技巧2019年較高，為0.42，其余年份ACC技巧均為負。

表3 2018—2021年夏季吉林省氣溫和降水的Ps評分、Pc和ACC技巧

夏季降水的Ps評分、Pc均低于春季，也低于夏季氣溫；Ps評分2020年只有50.1分，2019年最高為71.1分，4年平均為61.6分；Pc的4年平均僅44.6%，只有2019年分數在50%以上；ACC技巧只有2019年為正，為0.35，其余年份均為負。

同樣不考慮特殊性，選取2021年的預測為例，圖3、圖4分別給出2021年夏季吉林省氣溫距平、降水距平百分率的預測和觀測的空間分布。氣溫觀測的空間分布呈自東向西的4階梯變化（圖3b），而預測的空間分布為從東部到中部的2階梯變化?？烧J為是異常趨勢預測正確，但西部地區(qū)氣溫距平符號預報正確，量級較觀測偏高，而通榆地區(qū)反號，因此Ps評分和Pc較高，但ACC只有-0.03。降水空間分布的預測與觀測相比，JL-NZCv1.0系統(tǒng)抓住了吉林省中部降水異常的空間分布趨勢（圖4a），但西部和東部差異較大（圖4b），因此Pc只有46%，ACC只有-0.19，但Ps為64分，超過了60分。

圖3 2021年夏季吉林省氣溫距平的預測（a）和觀測（b）

圖4 2021年夏季吉林省降水距平百分率的預測（a）和觀測（b）

4 結語

（1）4年平均，春季氣溫的Ps平均可以達到84.9分、距平符號一致率Pc平均達到74.6%，夏季氣溫的Ps平均為81.7分、距平符號一致率Pc平均為69.9%；春季降水的Ps平均達到74分、距平符號一致率Pc平均為59.9%，夏季降水的Ps平均為61.6分，而距平符號一致率Pc平均只有44.6%，未超過50%。可見，JL-NZCv1.0系統(tǒng)對吉林省春、夏季氣溫和降水有一定的預測能力，對氣溫的預測能力高于降水，對春季的預測能力高于夏季。

（2）ACC技巧的檢驗結果顯示，JL-NZCv1.0系統(tǒng)有能力較好地再現吉林省春、夏季氣溫、降水的空間分布，而且4年的檢驗結果發(fā)現春季ACC預測技巧優(yōu)于夏季；比較而言該系統(tǒng)預測氣溫異常的空間型與觀測比較一致，對降水的空間分布預測稍差。

（3）總體來說，通過對JL-NZCv1.0系統(tǒng)4年來春、夏季預測結果的初步檢驗，一方面可以肯定JL-NZCv1.0系統(tǒng)對吉林省春、夏季氣溫和降水有一定的預測能力，另一方面也看到對氣溫的預測效果高于降水，尤其對近幾年春、夏季氣溫偏高趨勢的預測較為準確；對春季的氣溫和降水的預測效果優(yōu)于夏季，但預測技巧不穩(wěn)定。同時，也發(fā)現該系統(tǒng)對氣溫距平和降水距平百分率預測的量級較觀測偏低，可能由數值模式的系統(tǒng)誤差引起的，是數值模式普遍存在的問題，需要進行更多數值模擬試驗和統(tǒng)計分析來進行訂正或去除。

（4）由于模式本身的積云對流參數化方案對降水空間分布有影響，云微物理過程對降水量的模擬也有影響。因此，在東北地區(qū)短期氣候預測業(yè)務實踐中，尋找影響東北初夏、盛夏及夏季降水的關鍵環(huán)流系統(tǒng)，遴選出對預報區(qū)域溫度、降水綜合模擬效果最好的參數化方案的組合，研發(fā)新的客觀預測方法，引進新的統(tǒng)計降尺度方案等，都應該是未來努力的方向。