申紅艷，溫婷婷，趙仙榮，馮曉莉

（1.陜西省氣象局秦嶺和黃土高原生態(tài)環(huán)境氣象重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710014；2.青海省氣候中心，青海 西寧 810001；3.陜西省大氣探測(cè)技術(shù)保障中心，陜西 西安 710014）

青藏高原被稱(chēng)作地球“第三極”和“亞洲水塔”［1］，受東亞季風(fēng)、南亞季風(fēng)［2］和西風(fēng)帶［3］的共同影響。高原冬季降水占年總量比例雖小，但極端性強(qiáng)且年際和季內(nèi)變率大，在高原東麓及巴彥喀拉山南緣易出現(xiàn)嚴(yán)重雪災(zāi)［4］，如2018年冬季，青藏高原降雪量級(jí)大且持續(xù)時(shí)間長(zhǎng)形成歷史破紀(jì)錄事件，遭遇近60 a來(lái)最嚴(yán)重雪災(zāi)，對(duì)高寒牧區(qū)畜牧業(yè)生產(chǎn)、交通運(yùn)輸帶來(lái)很大影響。Zhou 等［5］基于國(guó)際大氣-海洋耦合模式第5階段比較計(jì)劃（CMIP5）預(yù)估了北半球未來(lái)降雪變化，結(jié)果表明2021—2050 年和2070—2100年青藏高原日降雪量和強(qiáng)降雪事件頻率將會(huì)增加，這對(duì)青藏高原地區(qū)未來(lái)雪災(zāi)防御提出新的挑戰(zhàn)。

在天氣尺度上，青藏高原東部冬春降雪的典型環(huán)流形勢(shì)有北脊南槽型、烏山脊型、階梯槽型等［6-7］。董文杰等［8］研究發(fā)現(xiàn)，造成青藏高原東部強(qiáng)降雪事件年際變化的主要原因是不穩(wěn)定的波槽氣流發(fā)展，與歐亞中高緯大型天氣系統(tǒng)的活動(dòng)和環(huán)流調(diào)整有關(guān)。Cuo 等［9］將青藏高原北部冬季降雪變化歸因于北大西洋濤動(dòng)（NAO）、北極濤動(dòng)（AO）、東亞西風(fēng)急流（WJ）和El Ni?o-Southern Oscillation（ENSO）的共同影響。Gao 等［10］研究指出，水汽通量中的動(dòng)力分量對(duì)青藏高原冬季降雪發(fā)揮重要作用。Yuan 等［11］研究指出印度洋偶極子（IOD）和厄爾尼諾-南方濤動(dòng)（ENSO）對(duì)青藏高原初冬積雪具有重要指示意義，Jiang 等［12］研究表明IOD 異?？梢鹩《妊笪鞑繉?duì)流活動(dòng)并通過(guò)激發(fā)波列在青藏高原中部產(chǎn)生氣旋性環(huán)流異常，有利于引導(dǎo)來(lái)自熱帶的水汽輸送至高原中部引起積雪異常。Shen 等［13］進(jìn)一步驗(yàn)證IOD和ENSO對(duì)青藏高原前冬降雪異常的獨(dú)立和共同作用，IOD 和ENSO 正位相時(shí)通過(guò)影響歐亞南部型遙相關(guān)型（SEA）波列，在高原上空出現(xiàn)異常上升運(yùn)動(dòng)且對(duì)流層中低層氣溫下降，為高原前冬降雪異常提供動(dòng)力和熱力條件。關(guān)于青藏高原冬季降水（雪）方面的研究，多側(cè)重針對(duì)其極端特征變化及機(jī)理歸因研究，但模式評(píng)估或數(shù)值模擬方面的工作相對(duì)較少。

近年來(lái)伴隨氣候數(shù)值模式的快速發(fā)展，模式已成為短期氣候預(yù)測(cè)的有力工具之一。由中國(guó)發(fā)展的BCC模式對(duì)雪蓋參數(shù)化等物理過(guò)程進(jìn)行改進(jìn)［14］，發(fā)展了第二代全球大氣環(huán)流譜模式BCC_AGCM 2.0.1，在極端氣溫事件［15］、夏季雨帶的年代際變化［16］、季節(jié)大氣環(huán)流異常［17］等方面在中國(guó)區(qū)域展現(xiàn)出較好的預(yù)測(cè)性能，基于BCC_AGCM 2.2 所建立的第二代月動(dòng)力延伸期預(yù)測(cè)模式業(yè)務(wù)系統(tǒng)（DERF 2.0）對(duì)我國(guó)月尺度氣溫和降水的預(yù)測(cè)能力也明顯提升［18］。在此基礎(chǔ)上，國(guó)家氣候中心進(jìn)一步建立了包含全球碳循環(huán)和動(dòng)態(tài)植被在內(nèi)的海-陸-氣-冰多圈層耦合的氣候系統(tǒng)模式BCC_CSM 1.1，并基于全球110 km 中等分辨率的BCC_CSM 1.1 m 研發(fā)了第二代短期氣候預(yù)測(cè)模式系統(tǒng)［19］，有效提升了東亞夏季風(fēng)環(huán)流和降水預(yù)報(bào)的能力［20-22］。歐洲中期天氣預(yù)報(bào)中心（ECMWF）在上世紀(jì)90年代初就建立了基于持續(xù)性海溫異常強(qiáng)迫、高分辨率的氣候預(yù)測(cè)系統(tǒng)，并于2004年發(fā)展集合成員多達(dá)51個(gè)的海氣耦合集合預(yù)測(cè)系統(tǒng)。美國(guó)氣候預(yù)測(cè)中心（NCEP/CPC）2011年推出第二代模式系統(tǒng)CFSv2，包含了新的云-氣溶膠-輻射、陸面、海洋和海冰過(guò)程以及新的海陸氣資料同化系統(tǒng)，是大氣-海洋-陸面全耦合的系統(tǒng)，該模式對(duì)于ENSO 年際變率有較好的模擬能力，對(duì)全球熱帶地區(qū)降水和表面氣溫的預(yù)測(cè)較上一版本有一定提升。日本氣象廳（JMA）的MRI-CGCM 模式，該模式由大氣環(huán)流模式AGCM 和海洋環(huán)流模式OGCM 耦合而成。目前，基于模式針對(duì)北半球中高緯地區(qū)研究仍然較少，尤其對(duì)青藏高原的模擬性能如何尚未可知。

青藏高原氣候嚴(yán)寒，進(jìn)入11月地表氣溫已普遍降至零度以下，以固態(tài)降水（降雪）為主，極易出現(xiàn)極端強(qiáng)降雪事件且降雪不易融化造成雪災(zāi)，因而，前冬是高原雪災(zāi)高發(fā)期，因此，本文中青藏高原前冬是指11—12月這個(gè)時(shí)段，利用目前國(guó)內(nèi)外主流的季節(jié)氣候預(yù)測(cè)模式的歷史回報(bào)試驗(yàn)數(shù)據(jù)，探究多模式能否模擬再現(xiàn)青藏高原前冬降水的主要時(shí)空變化特征，通過(guò)誤差指標(biāo)評(píng)估模式間的預(yù)測(cè)性能優(yōu)劣，并從可預(yù)報(bào)性角度分析預(yù)報(bào)技巧來(lái)源，以期為高原地區(qū)冬季氣候預(yù)測(cè)及雪災(zāi)防御提供科學(xué)參考。

1 資料與方法

1.1 資料說(shuō)明

采用目前國(guó)內(nèi)外主流的氣候模式，包括來(lái)自國(guó)家氣候中心（BCC）實(shí)時(shí)發(fā)布的季節(jié)氣候預(yù)測(cè)模式（CSM 1.1），歐洲中期天氣預(yù)報(bào)中心（ECMWF）的海氣耦合模式集合預(yù)測(cè)系統(tǒng)（System 5），美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（NCEP）發(fā)展的第二代全耦合系統(tǒng)（CFSv 2），以及東京氣候中心（TCC）推出的大氣-海洋環(huán)流耦合模式（MRI-CGCM 3）（表1）。統(tǒng)一選取各模式歷年9月起報(bào)的青藏高原前冬回報(bào)試驗(yàn)數(shù)據(jù)進(jìn)行檢驗(yàn)，基于模式原始輸出場(chǎng)，利用各模式歷史回報(bào)時(shí)段的平均值計(jì)算模式預(yù)報(bào)的環(huán)流異常場(chǎng)。模式場(chǎng)多年平均值計(jì)算時(shí)段：1983—2010年（BCC）、1981—2010 年（ECMWF）、1982—2010 年（NCEP）和1981—2010年（TCC）。通過(guò)雙線性插值方法將模式資料從格點(diǎn)插值到站點(diǎn)，同實(shí)況場(chǎng)進(jìn)行對(duì)比。驗(yàn)證資料包括中國(guó)氣象局國(guó)家信息中心的逐月降水站點(diǎn)觀測(cè)數(shù)據(jù)，從中提取青藏高原觀測(cè)序列連續(xù)的86個(gè)站點(diǎn)資料（圖1），由于青藏高原西部觀測(cè)站網(wǎng)稀疏，文中主要討論其中東部的檢驗(yàn)結(jié)果，資料時(shí)段為1961—2020年；再分析資料來(lái)自美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心和大氣研究中心（National Centers for Enviromental Prediction/National Center for Atmospheric Research，NCEP/NCAR）的逐月位勢(shì)高度場(chǎng)和海表溫度場(chǎng)，水平分辨率為2.5°×2.5°，時(shí)間范圍自1979—2020年。前冬降水為11—12月的累計(jì)降水量，觀測(cè)資料氣候態(tài)為1981—2010年的平均值。

圖1 青藏高原氣象觀測(cè)站點(diǎn)分布Fig.1 The meteorological stations distribution on the Tibetan Plateau

表1 氣候模式信息列表Tab.1 The information list of climate models

1.2 研究方法

1.2.1 檢驗(yàn)評(píng)估方法 采用距平相關(guān)系數(shù)（Anomaly Correlation Coefficient，ACC）、時(shí)間相關(guān)系數(shù)（Temporal Correlation Coefficient，TCC）和均方根誤差（Root Mean Square Error，RMSE）［23］三項(xiàng)評(píng)估指標(biāo)，從確定性預(yù)報(bào)的角度客觀定量評(píng)估模式的預(yù)測(cè)性能。

距平相關(guān)系數(shù)（ACC），用來(lái)反映預(yù)測(cè)場(chǎng)同實(shí)況場(chǎng)的空間相似程度，計(jì)算公式如下：

時(shí)間相關(guān)系數(shù)（TCC）能夠表征模式在每個(gè)格點(diǎn)的預(yù)報(bào)能力，可得到預(yù)報(bào)技巧空間分布，計(jì)算公式如下：

ACC 和TCC 的取值范圍均在-1～1，越接近于1則表示預(yù)報(bào)技巧越高。

為比較多套資料的效果，文中采用公式（3）計(jì)算模式場(chǎng)相對(duì)實(shí)況觀測(cè)場(chǎng)的均方根誤差（RMSE），計(jì)算如下：

式中：x和y為參與對(duì)比的兩套資料。

1.2.3 氣候指數(shù)計(jì)算方法 歐亞型（Eurasian pattern，EU）遙相關(guān)型指數(shù)，反映西歐上空位勢(shì)高度與西伯利亞之間反相關(guān)，而與中國(guó)東北和日本一帶則為正相關(guān)［23］。EU指數(shù)計(jì)算如下：

式中：Z為500 hPa位勢(shì)高度場(chǎng)。

1.2.2 統(tǒng)計(jì)方法 文中所用統(tǒng)計(jì)方法包括趨勢(shì)分析、相關(guān)分析和經(jīng)驗(yàn)正交函數(shù)分解（EOF）法［24］。

2 結(jié)果與分析

2.1 多模式的歷史回報(bào)能力對(duì)比分析

青藏高原前冬降水量自西北向東南遞增（圖2a），其西北部大范圍地區(qū)前冬降水量不足3 mm，東南部為高值區(qū)可達(dá)10 mm 以上，是冬季雪災(zāi)比較頻發(fā)的地區(qū)。青藏高原前冬降水均方差同樣也呈現(xiàn)出西北少-東南多的分布格局（圖2b），在降水量級(jí)大的區(qū)域?qū)?yīng)均方差偏大，相反量級(jí)小的區(qū)域均方差則較小，高值區(qū)位于橫斷山脈東西兩側(cè)，表明上述地區(qū)的前冬降水年際變率較大，這一特征從前冬降水歷年變化（圖略）中也可得以印證，尤其自上世紀(jì)70年代中期至90年代末，年際振蕩頻繁且幅度較大。

圖2 青藏高原前冬氣候態(tài)平均降水量(a)和均方差(b)空間分布Fig.2 The distribution of climate mean precipitation(a)and mean square deviation(b)in early winter over the Tibetan Plateau

在此根據(jù)BCC_CSM 1.1、EC_System 5、NCEP_CFSV 2、TCC_ MRI-CGCM 3 模式（分別簡(jiǎn)稱(chēng)BCC、EC、NCEP、TCC）的歷史回報(bào)結(jié)果，分析模式對(duì)青藏高原前冬降水基本特征的刻畫(huà)能力，包括氣候態(tài)和空間變率主模態(tài)特征。圖3為青藏高原前冬多年平均降水量的歷史回報(bào)結(jié)果，同圖2的降水實(shí)況相比，四個(gè)模式均能預(yù)測(cè)出青藏高原前冬降水西北少-東南多的分布格局，但對(duì)降水量級(jí)有所高估，尤其在降水量級(jí)較大的東南部，模式和實(shí)況的偏差均較大，來(lái)自BCC 和TCC 的模式預(yù)測(cè)結(jié)果均為正偏差，其中，BCC在橫斷山脈以西、昆侖山脈-柴達(dá)木盆地一帶的偏差較大，TCC在橫斷山脈西側(cè)的偏差較大，EC 和NCEP 兩種模式在高原大部分區(qū)域高估實(shí)際觀測(cè)值，但分別存在小范圍的低估區(qū)，這兩個(gè)模式和實(shí)況的偏差整體較小。

圖3 基于多模式回報(bào)的青藏高原前冬氣候態(tài)降水量（左）及其差值場(chǎng)（右）Fig.3 The distribution of climate mean precipitation(left)and its deviation(right)based on models hindcasting in early winter over the Tibetan Plateau

降水主模態(tài)的模擬刻畫(huà)能力是反映模式預(yù)測(cè)性能的重要方面，這里對(duì)青藏高原前冬降水實(shí)況進(jìn)行EOF 分解（圖4），前三模態(tài)累積方差貢獻(xiàn)率為51.4%（表2），經(jīng)North檢驗(yàn)［25］各模態(tài)間相互獨(dú)立，可代表青藏高原前冬降水的主要特征，第一模態(tài)方差貢獻(xiàn)率為32.7%，在空間上幾乎呈全區(qū)一致型分布，僅高原東南側(cè)的橫斷山脈出現(xiàn)小范圍反相荷載區(qū)；第二模態(tài)為南北反向型，祁連山區(qū)—柴達(dá)木盆地同青藏高原其他區(qū)域呈反相分布特征；第三模態(tài)表現(xiàn)為三極型分布，在青藏高原東部地區(qū)自北向南呈“正-負(fù)-正”型分布，位于青藏高原腹地的三江源區(qū)（黃河、長(zhǎng)江、瀾滄江）同其他區(qū)域呈反相分布。根據(jù)四種模式歷年9 月起報(bào)的前冬降水，同樣通過(guò)EOF 分解提取主模態(tài)，發(fā)現(xiàn)模式可以體現(xiàn)出前兩個(gè)主模態(tài)空間分布型（圖4），對(duì)于第一模態(tài)，TCC、EC和BCC 三種模式同實(shí)況的第一載荷向量場(chǎng)空間相關(guān)系數(shù)顯著通過(guò)0.10顯著性檢驗(yàn)，模式方差貢獻(xiàn)率在30%左右，其中，BCC 最接近實(shí)況（33.7%），EC 最高（42.9%），明顯高估第一模態(tài)的主導(dǎo)作用；除EC外，其余模式和實(shí)況場(chǎng)的第一模態(tài)時(shí)間系數(shù)相關(guān)性通過(guò)0.05 顯著性檢驗(yàn)，BCC 最高（0.409），顯著通過(guò)0.01信度水平檢驗(yàn)，TCC次之，EC最低（表3）。各模式對(duì)第二模態(tài)（南北反向型）的空間描述能力最佳，空間相關(guān)系數(shù)顯著通過(guò)0.05 信度水平檢驗(yàn)，其中BCC、EC 和NCEP 通過(guò)0.01 的顯著性檢驗(yàn)，BCC 最優(yōu)，空間相關(guān)系數(shù)高達(dá)0.755。對(duì)于第三模態(tài)，模式的刻畫(huà)能力明顯減弱，三極型分布特征在模式中均未得到體現(xiàn)，模式在青藏高原西部的載荷向量同實(shí)況一致，但在其東部的模擬能力較弱。模式中第二和第三模態(tài)的時(shí)間系數(shù)相關(guān)性均較弱，表明各模式對(duì)這兩類(lèi)空間型年際變化特征的刻畫(huà)能力較弱。

圖4 基于觀測(cè)和多模式回報(bào)的青藏高原前冬降水EOF前三模態(tài)空間型Fig.4 The first three EOF modes of TP precipitation during early winter over the Tibetan Plateau based on observation and multi-model hindcasting

表2 觀測(cè)和模式回報(bào)的前三模態(tài)方差貢獻(xiàn)率Tab.2 The variance contribution rates of the first three modes based on the observation and model hindcasting

表3 觀測(cè)值與模式空間型及其時(shí)間系數(shù)的相關(guān)對(duì)照表Tab.3 The correlation coefficients between the observation and model hindcasting on patterns and time series

綜上所述，BCC 模式對(duì)青藏高原前冬降水主模態(tài)的模擬性能最優(yōu)，較準(zhǔn)確刻畫(huà)出全區(qū)一致型和南北反向型的主模態(tài)特征，且時(shí)間系數(shù)的演變和實(shí)況也比較相符，因此，BCC 能更好把握青藏高原前冬降水主模態(tài)的時(shí)空演變特征。TCC 和EC 模式對(duì)前兩個(gè)主模態(tài)空間型的刻畫(huà)均較好，但EC 夸大了第一模態(tài)的方差貢獻(xiàn)，CFS 則對(duì)全區(qū)一致型和三極型分布具有一定的模擬能力。

2.2 歷史回報(bào)技巧評(píng)估

RMSE是通過(guò)衡量模式預(yù)測(cè)值和觀測(cè)值的偏差來(lái)反映模式性能的優(yōu)劣，由多模式歷史回報(bào)的均方根誤差（RMSE）結(jié)果可知（圖5），在青藏高原南部RMSE 值普遍高于北部，印證了上節(jié)得出的青藏高原北部的預(yù)測(cè)技巧高于南部，青藏高原南部邊緣地帶的RMSE異常偏大，對(duì)應(yīng)降水量級(jí)較大的區(qū)域；與此同時(shí)，BCC 相比其他模式的均方根誤差偏高，尤其在青藏高原南部和西北部地區(qū)，這同圖3 中的結(jié)果相對(duì)應(yīng)，TCC模式次之，EC模式最??；除BCC模式外，其余模式的RMSE量級(jí)和空間分布都比較類(lèi)似。

圖5 多模式回報(bào)的青藏高原前冬降水均方根誤差（RMSE）分布Fig.5 RMSE skill for precipitation during early winter over the Tibetan Plateau based on multi-model hindcasting

由模式歷史回報(bào)場(chǎng)同實(shí)況場(chǎng)的時(shí)間相關(guān)系數(shù)（TCC）分布可知（圖6），模式對(duì)青藏高原前冬降水預(yù)報(bào)以正技巧為主，其中，來(lái)自BCC 模式的顯著正相關(guān)區(qū)覆蓋范圍較大，表明該模式預(yù)報(bào)正技巧較高，已有研究表明BCC模式主要對(duì)ENSO的遙相關(guān)影響區(qū)域具有較高的預(yù)報(bào)能力［26］，青藏高原正好位于該遙相關(guān)沿南支路徑所影響到的區(qū)域，有助于提升模式在該區(qū)域的預(yù)報(bào)技巧。EC 在青藏高原中西部為顯著正相關(guān)區(qū)，說(shuō)明對(duì)這些區(qū)域具有較好的預(yù)測(cè)技巧，青藏高原東部的黃河源區(qū)和西南部出現(xiàn)負(fù)技巧。NCEP 和EC 的分布類(lèi)似，正負(fù)技巧落區(qū)較一致，EC模式的顯著相關(guān)區(qū)范圍更大。來(lái)自TCC模式的顯著正相關(guān)區(qū)位于青藏高原北部，高原南部則呈負(fù)相關(guān)，橫斷山脈附近為顯著負(fù)相關(guān)區(qū)，這同EC模式正好相反，因而在實(shí)際應(yīng)用中對(duì)于該區(qū)域兩家模式可進(jìn)行互補(bǔ)性參考。就時(shí)間相關(guān)系數(shù)這一評(píng)估標(biāo)準(zhǔn)而言，BCC 模式的預(yù)報(bào)技巧最優(yōu)，EC 優(yōu)于NECP，而TCC僅對(duì)高原北部具有一定的技巧。

圖6 多模式回報(bào)的青藏高原前冬降水時(shí)間相關(guān)系數(shù)（TCC）Fig.6 Temporal correlation coefficient(TCC)skill for precipitation during early winter over the Tibetan Plateau based on multi-model hindcasting

印度洋和太平洋海溫年際變率異常是氣候預(yù)測(cè)的重要信號(hào)，ENSO 事件是季節(jié)預(yù)測(cè)最重要的可預(yù)報(bào)性來(lái)源，已有研究表明，BCC二代模式對(duì)ENSO預(yù)報(bào)的相關(guān)技巧與一代模式相比有顯著提升［26-27］。那么模式預(yù)測(cè)性能同海溫異常背景是否存在關(guān)聯(lián)？選用Ni?o 3.4 海溫指數(shù)和印度洋偶極子（IOD）指數(shù)分別代表太平洋和印度洋海溫狀況，由BCC和TCC 模式預(yù)測(cè)的ACC 分別同秋季（9—10 月）Ni?o 3.4 和IOD指數(shù)的散點(diǎn)關(guān)系圖可以發(fā)現(xiàn)（圖7），當(dāng)Ni?o 3.4 和IOD 為正位相時(shí)，對(duì)應(yīng)模式預(yù)測(cè)結(jié)果以正技巧為主，其中BCC 模式表現(xiàn)最優(yōu)，相反二者為負(fù)位相時(shí)，則模式出現(xiàn)正技巧和負(fù)技巧的概率相當(dāng)，表明模式預(yù)測(cè)的不確定性增大，尤其當(dāng)IOD為負(fù)位相時(shí)，TCC 模式的ACC 以負(fù)值為主，說(shuō)明此時(shí)模式已不具備預(yù)測(cè)能力，可見(jiàn)Ni?o 3.4 和IOD 的位相對(duì)BCC、TCC模式的預(yù)報(bào)技巧具有指示作用，二者正位相均有利于這兩種模式呈現(xiàn)出正技巧，而負(fù)位相時(shí)預(yù)測(cè)不確定性增大，預(yù)測(cè)性能隨之降低，且TCC模式更依賴(lài)于IOD 位相變化，IOD 負(fù)位相時(shí)該模式易出現(xiàn)負(fù)技巧。

圖7 BCC和TCC模式的距平相關(guān)系數(shù)（ACC）同Ni?o 3.4、IOD指數(shù)的散點(diǎn)關(guān)系Fig.7 Scatter plot of the Ni?o 3.4,IOD indices and ACC in early winter during 1961-2018 by BCC and TCC models

2.3 歷史典型年檢驗(yàn)評(píng)估

青藏高原2018 年前冬降水突破有歷史記錄以來(lái)的歷史極值，造成嚴(yán)重雪災(zāi)，由2018 年前冬降水量及其距平百分率可知（圖8），降水高值區(qū)位于青藏高原東南部，且大部分地區(qū)降水較氣候值偏多1倍以上，模式對(duì)如此典型的降水異常年的模擬能力如何？對(duì)2018年歷史典型異常年，檢驗(yàn)多模式對(duì)極端降水的預(yù)測(cè)效果，進(jìn)而評(píng)估模式對(duì)極端性的預(yù)測(cè)能力。

圖8 2018年青藏高原前冬降水量和降水距平百分率Fig.8 The precipitation and its anomalous percentage during early winter 2018 over the Tibetan Plateau

從2018 年10 月模式起報(bào)的青藏高原前冬降水量及距平百分率分布可知（圖9），BCC、EC 和NCEP模式存在對(duì)青藏高原西北部降水一致高估、東南部低估現(xiàn)象，而TCC 模式則對(duì)整個(gè)青藏高原地區(qū)高估，且在西南側(cè)高估最明顯。比較來(lái)看，BCC 同實(shí)況最接近，偏差可控制在10%以?xún)?nèi)，對(duì)降水分布型及大值中心具有預(yù)測(cè)能力；TCC次之，在青藏高原西南側(cè)偏差較大（高于20%），其余地區(qū)的偏差在10%左右；EC和NCEP同實(shí)測(cè)的偏差比較明顯。根據(jù)降水距平百分率分布，BCC 模式預(yù)測(cè)結(jié)果除在青藏高原東側(cè)和南側(cè)與實(shí)況相反，其余大部分地區(qū)同實(shí)況場(chǎng)相一致，可預(yù)測(cè)出降水異常偏多，但其異常程度同實(shí)況存在差異；EC和NCEP僅在青藏高原西北部預(yù)測(cè)出偏多的特征，而在2018年雪災(zāi)異常嚴(yán)重的高原東南部出現(xiàn)預(yù)報(bào)失誤；TCC 模式結(jié)果顯示在青藏高原大部地區(qū)前冬降水偏多為主，但異常量級(jí)遠(yuǎn)不及實(shí)況。綜合而言，BCC 和TCC 模式可較好預(yù)測(cè)出2018年青藏高原降水偏多的趨勢(shì)，但其異常量級(jí)和落區(qū)同實(shí)況存在一定差異，EC和NCEP模式對(duì)青藏高原西北部偏多趨勢(shì)預(yù)測(cè)準(zhǔn)確，但在其東南部出現(xiàn)明顯誤判。

環(huán)流是直接影響降水異常的主要因素，2018年前冬500 hPa位勢(shì)高度距平場(chǎng)顯示（圖10a），自北大西洋北部-歐洲西部-亞洲區(qū)域呈“負(fù)-正-負(fù)”波列式分布，歐洲高壓脊明顯偏強(qiáng)，在斯堪的納維亞上空出現(xiàn)明顯正高度異常中心，同時(shí)在東北亞地區(qū)存在一個(gè)正異常中心，有利于鄂霍茨克海阻塞高壓的發(fā)展，而極地—西伯利亞為負(fù)異常并向南延伸至我國(guó)西南地區(qū)，東亞大槽偏強(qiáng)，青藏高原位于負(fù)高度距平控制區(qū)，這種水平環(huán)流異常特征正好對(duì)應(yīng)歐亞遙相關(guān)型（EU）的負(fù)位相特征［28］。遙相關(guān)指數(shù)計(jì)算結(jié)果顯示（圖10b），2018 年前冬EU 指數(shù)為-129.4，為近58 a來(lái)歷史第三低值，僅次于2011 年（151.9）和1968 年（-129.1），可見(jiàn)2018年前冬EU型遙相關(guān)負(fù)位相特征異常顯著。分析不同模式對(duì)2018年前冬環(huán)流場(chǎng)的預(yù)測(cè)能力，在此利用NCEP 再分析資料進(jìn)行對(duì)比，BCC模式可預(yù)測(cè)出中緯度的波列結(jié)構(gòu)（圖11），從北大西洋至東亞地區(qū)的“負(fù)-正-負(fù)”波列式分布，大西洋東北部為負(fù)異常、斯堪的納維亞半島—東歐平原的正異常、貝加爾湖及其以南的負(fù)異常，高技巧區(qū)與歐亞遙相關(guān)型（EU）波列分布類(lèi)似。BCC 模式預(yù)測(cè)的北半球高度距平場(chǎng)同實(shí)況場(chǎng)相似系數(shù)為0.533，顯著通過(guò)0.01 信度水平檢驗(yàn)，同實(shí)況較吻合，對(duì)提升降水預(yù)測(cè)性能具有直接作用，但對(duì)巴爾喀什湖—貝加爾湖地區(qū)的預(yù)測(cè)技巧為負(fù)，對(duì)冬季高原高度場(chǎng)異常會(huì)產(chǎn)生直接影響，從而削弱對(duì)降水的預(yù)報(bào)性能，而其他模式對(duì)中緯度的波列也有所體現(xiàn)，但強(qiáng)度和中心位置存在明顯差異，在該區(qū)域的預(yù)測(cè)性能也為負(fù)或明顯減弱，進(jìn)一步說(shuō)明改善模式對(duì)冬季中緯度地區(qū)的預(yù)測(cè)性能至關(guān)重要，同時(shí)也為重點(diǎn)改進(jìn)區(qū)域提供一定思路。

圖10 基于NCEP再分析資料的2018年前冬500 hPa位勢(shì)高度距平場(chǎng)(a)和前冬歐亞遙相關(guān)型指數(shù)（EU）的演變曲線(b)Fig.10 The anomalous field of 500 hPa geopotential height in early winter 2018(a)and the temporal variation of EU index based on NCEP dataset(b)

圖11 多模式預(yù)測(cè)的2018年前冬500 hPa位勢(shì)高度距平場(chǎng)Fig.11 The anomalous field of 500 hPa geopotential height in early winter 2018 based on multi-model prediction

2018年海溫異常監(jiān)測(cè)顯示（圖12），赤道中東太平洋海溫異常偏暖，白令海附近為顯著正異常，北大西洋地區(qū)為北大西洋三極子（NAT）正位相特征，北印度洋一致偏暖，南印度洋具有西正東負(fù)型分布特征；多模式較一致地預(yù)測(cè)出赤道太平洋地區(qū)海溫正異常的特征（圖13），同時(shí)對(duì)于北大西洋海溫三極型（NAT）正位相結(jié)構(gòu)也均有體現(xiàn)，尤其是BCC和EC模式對(duì)關(guān)鍵區(qū)海溫的模擬同實(shí)況較接近，以BCC模式表現(xiàn)最突出，表現(xiàn)在對(duì)南印度洋偶極型海溫、北大西洋海溫、ENSO暖位相特征均和實(shí)況最接近，綜合上述分析結(jié)果，BCC模式對(duì)2018年青藏高原前冬降水和中高緯波列結(jié)構(gòu)的預(yù)測(cè)技巧均比較高，由此推測(cè)模式可通過(guò)提高對(duì)關(guān)鍵區(qū)海溫的預(yù)報(bào)技巧并準(zhǔn)確把握海溫對(duì)熱帶以外地區(qū)的遙相關(guān)影響，從而提升整體預(yù)測(cè)性能。

圖12 2018年前冬海表溫度距平場(chǎng)Fig.12 The SSTA in early winter 2018

圖13 2018年前冬海溫預(yù)報(bào)場(chǎng)Fig.13 The SSTA prediction in early winter 2018 from models

3 結(jié)論

采用國(guó)內(nèi)外主流推廣的4 種業(yè)務(wù)模式，評(píng)估多模式對(duì)青藏高原前冬降水變化特征及其異常的預(yù)測(cè)性能。主要結(jié)論如下：

（1）多模式能體現(xiàn)出降水西北多-東南少的整體分布格局，但一致高估了降水量級(jí)；多模式對(duì)全區(qū)一致型降水主模態(tài)的模擬能力較好，來(lái)自BCC的模式可較好模擬出降水主模態(tài)的時(shí)空變化特征。

（2）多模式對(duì)低緯熱帶環(huán)流的預(yù)報(bào)技巧一致較好，而在中緯度地區(qū)，各模式的預(yù)報(bào)技巧較低，以負(fù)技巧為主，夏秋季出現(xiàn)ENSO 或印度洋海溫正位相時(shí)模式的預(yù)報(bào)技巧會(huì)顯著提高，且預(yù)報(bào)技巧對(duì)IOD指數(shù)的依賴(lài)性更高，初秋IOD 正異常有利于提升BCC和TCC模式的預(yù)測(cè)性能。

（3）對(duì)于2018 年歷史典型異常年，BCC 模式預(yù)測(cè)結(jié)果更接近實(shí)況，偏差可控制在10%以?xún)?nèi)，是由于BCC 模式對(duì)2018 年中高緯波列結(jié)構(gòu)的預(yù)測(cè)技巧較高，對(duì)關(guān)鍵區(qū)海溫的預(yù)測(cè)同實(shí)況較接近，由此推測(cè)模式是通過(guò)提高對(duì)關(guān)鍵區(qū)海溫的預(yù)報(bào)技巧并準(zhǔn)確把握海溫對(duì)熱帶外地區(qū)的遙相關(guān)影響，從而提升整體預(yù)測(cè)性能。