徐邦琪 魏澎 錢伊恬 游立軍

摘要 介紹了西北太平洋熱帶氣旋（TC）頻次的延伸期預(yù)報(bào)方法，比較了新構(gòu)建的動(dòng)力-統(tǒng)計(jì)和統(tǒng)計(jì)預(yù)報(bào)模型的預(yù)測(cè)技巧，并探討了預(yù)報(bào)誤差來(lái)源及改進(jìn)方向。動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型是基于動(dòng)力模式預(yù)測(cè)的熱帶季節(jié)內(nèi)振蕩（ISO）信號(hào)及ISO-TC生成的同期統(tǒng)計(jì)關(guān)系來(lái)進(jìn)行預(yù)報(bào);統(tǒng)計(jì)預(yù)報(bào)模型則是基于TC生成的前兆ISO信號(hào)建模預(yù)報(bào)。預(yù)報(bào)評(píng)估結(jié)果顯示，動(dòng)力-統(tǒng)計(jì)混合預(yù)報(bào)模型的預(yù)報(bào)技巧高于統(tǒng)計(jì)預(yù)報(bào)模型，原因在于影響TC次季節(jié)變化的前兆信號(hào)并不穩(wěn)定，且隨著預(yù)報(bào)超前時(shí)間迅速消散，無(wú)法提供有效且穩(wěn)定的可預(yù)報(bào)源;相反地，TC生成與同期的ISO背景場(chǎng)顯著相關(guān)，動(dòng)力模式對(duì)ISO（預(yù)報(bào)因子）有較好的預(yù)報(bào)能力，因此動(dòng)力-統(tǒng)計(jì)相結(jié)合的預(yù)報(bào)方法為TC延伸期預(yù)報(bào)提供了有效途徑。雖然目前動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型的預(yù)報(bào)技巧可達(dá)5～6周，但仍有進(jìn)一步改進(jìn)和提高的空間。通過(guò)對(duì)不同類型TC預(yù)報(bào)技巧檢驗(yàn)和誤差分析，研究認(rèn)為年際和年代際背景場(chǎng)對(duì)ISO調(diào)控TC活動(dòng)的影響不可忽略，且熱帶外ISO信號(hào)（如羅斯貝波破碎和西風(fēng)急流強(qiáng)度等）對(duì)TC頻次和軌跡也有顯著影響，這些因子為TC延伸期預(yù)報(bào)提供了潛在可預(yù)報(bào)源。

關(guān)鍵詞熱帶氣旋;季節(jié)內(nèi)振蕩;延伸期預(yù)報(bào);可預(yù)報(bào)性來(lái)源;熱帶外信號(hào)

北半球夏季西北太平洋（WNP）的熱帶氣旋（TC）活動(dòng)給東亞沿海地區(qū)帶來(lái)了巨大的影響，熱帶氣旋所引起的狂風(fēng)、暴雨和風(fēng)暴潮等災(zāi)害性天氣給沿海地區(qū)的居民生產(chǎn)和生活造成重大的影響，造成了巨大的人員傷亡和財(cái)產(chǎn)損失。2023年7月超強(qiáng)臺(tái)風(fēng)“杜蘇芮”在登陸菲律賓卡加延省之后，再次在我國(guó)福建省晉江沿海登陸，是有史以來(lái)登陸福建省的第二強(qiáng)臺(tái)風(fēng)，其間緊急避險(xiǎn)和轉(zhuǎn)移安置76.8萬(wàn)人，損毀房屋1.5萬(wàn)余間，直接經(jīng)濟(jì)損失達(dá)147.7億元（https：／／www.mem.gov.cn／xw／yjglbgzdt／202308／t20230804_458461.shtml）。受“杜蘇芮”臺(tái)風(fēng)殘留云系北上和西風(fēng)槽疊加影響，東北地區(qū)多地出現(xiàn)強(qiáng)降雨，黑龍江、吉林部分農(nóng)田受淹，道路交通、通信電力等基礎(chǔ)設(shè)施遭損毀，直接經(jīng)濟(jì)損失達(dá)170.9億元。2023年第6號(hào)臺(tái)風(fēng)“卡努”以熱帶低壓在我國(guó)遼寧省莊河市沿海登陸，東北地區(qū)多地再度出現(xiàn)強(qiáng)降雨，遼寧、黑龍江等地共8.8萬(wàn)人不同程度受災(zāi)，農(nóng)作物受災(zāi)面積達(dá)2.15萬(wàn)hm2，直接經(jīng)濟(jì)損失為9.2億元（https：／／www.mem.gov.cn／xw／yjglbgzdt／202309／t20230906_461707.shtml）。

提高臺(tái)風(fēng)預(yù)報(bào)準(zhǔn)確率以及延長(zhǎng)預(yù)報(bào)時(shí)效，是防災(zāi)減災(zāi)的重要基礎(chǔ)。近些年隨著延伸期預(yù)報(bào)方法和技術(shù)的發(fā)展，許多極端天氣事件的次季節(jié)變化機(jī)制和延伸期預(yù)報(bào)方法的研究取得了一定的進(jìn)展（陳官軍等，2017;楊秋明，2018;章大全等，2019;徐邦琪等，2020;雷蕾等，2022;李麗平等，2022;陳春和陶麗，2023），相對(duì)降水和氣溫的延伸期預(yù)報(bào)方法和技術(shù)的快速發(fā)展，臺(tái)風(fēng)延伸期預(yù)報(bào)研究起步較晚，延伸期預(yù)報(bào)能力還偏低（Jiang et al.，2018;Lee et al.，2018，2020）?，F(xiàn)有的臺(tái)風(fēng)延伸期預(yù)報(bào)方法主要分為統(tǒng)計(jì)預(yù)報(bào)、動(dòng)力預(yù)報(bào)和混合動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)方法（金蕊等，2020）。統(tǒng)計(jì)預(yù)報(bào)模型是以影響臺(tái)風(fēng)生成的先兆信號(hào)為預(yù)報(bào)因子，利用不同的統(tǒng)計(jì)模型對(duì)臺(tái)風(fēng)活動(dòng)進(jìn)行預(yù)測(cè)，早期學(xué)者利用邏輯回歸預(yù)報(bào)方程對(duì)南半球（Leroy and Wheeler，2008）、東太平洋和北大西洋（Henderson and Maloney，2013）的熱帶氣旋生成概率進(jìn)行延伸期預(yù)報(bào)，并確認(rèn)了Madden-Julian Oscillation（MJO;Madden and Julian，1972）是臺(tái)風(fēng)延伸期預(yù)報(bào)最重要的可預(yù)報(bào)性來(lái)源之一。Zhao et al.（2022）采用相似的方法對(duì)WNP TC生成概率進(jìn)行延伸期預(yù)報(bào)，發(fā)現(xiàn)MJO和準(zhǔn)雙周振蕩（QBWO）對(duì)于整個(gè)WNP的TC生成概率預(yù)報(bào)技巧的重要性，而厄爾尼諾-南方濤動(dòng)（ENSO）則對(duì)WNP不同區(qū)域TC生成概率的預(yù)報(bào)技巧具有重要的影響。Zhu et al.（2017）利用時(shí)空投影方法對(duì)臺(tái)風(fēng)群發(fā)指數(shù)進(jìn)行延伸期預(yù)報(bào)。回報(bào)試驗(yàn)結(jié)果顯示，該方法能夠提前10（20） d成功地預(yù)報(bào)出54個(gè)臺(tái)風(fēng)群發(fā)事件中80％（69％）的臺(tái)風(fēng)群發(fā)事件。Wei et al.（2021）也利用該方法來(lái)預(yù)報(bào)MJO和QBWO的主成分，從而根據(jù)QBWO／MJO與TC逐日生成率之間的歷史統(tǒng)計(jì)關(guān)系來(lái)預(yù)報(bào)中國(guó)南海的TC生成率。

由于數(shù)值模式分辨率不斷提高、資料同化技術(shù)和參數(shù)化方案快速發(fā)展，所以利用動(dòng)力模式對(duì)TC進(jìn)行延伸期預(yù)報(bào)成為可能。Xiang et al.（2015）評(píng)估了美國(guó)地球物理流體動(dòng)力學(xué)實(shí)驗(yàn)室（GFDL）耦合模式對(duì)颶風(fēng)Sandy和超強(qiáng)臺(tái)風(fēng)海燕生成的預(yù)報(bào)技巧，發(fā)現(xiàn)最大的預(yù)報(bào)技巧可達(dá)11 d。在Xiang et al.（2015）對(duì)個(gè)例評(píng)估的基礎(chǔ)上，Jiang et al.（2018）全面評(píng)估了GFDL耦合模式對(duì)歷史臺(tái)風(fēng)的預(yù)報(bào)技巧，并發(fā)現(xiàn)該動(dòng)力模式對(duì)臺(tái)風(fēng)生成的預(yù)報(bào)技巧約為一周。Lee et al.（2018，2020）評(píng)估了參加世界氣象組織次季節(jié)-季節(jié)（S2S）預(yù)測(cè)項(xiàng)目的所有動(dòng)力模式對(duì)TC生成、頻次和累計(jì)氣旋能量（ACE）的預(yù)報(bào)技巧，發(fā)現(xiàn)ECMWF對(duì)WNP TC頻次的預(yù)報(bào)技巧達(dá)到2～3周，然而，動(dòng)力模式對(duì)TC生成的預(yù)報(bào)技巧明顯低于對(duì)TC頻次的預(yù)報(bào)技巧。目前，國(guó)內(nèi)外越來(lái)越多的氣象業(yè)務(wù)機(jī)構(gòu)和科研中心嘗試進(jìn)行臺(tái)風(fēng)延伸期業(yè)務(wù)預(yù)報(bào)，但總體而言預(yù)報(bào)技巧仍然有限。歐洲中心從2010年起逐周發(fā)布兩次未來(lái)1～4周的TC活動(dòng)預(yù)報(bào)，包括各海盆每周TC個(gè)數(shù)或ACE和TC襲擊概率分布圖，并且在2023年增加模式成員和預(yù)報(bào)發(fā)布頻次，原來(lái)51個(gè)集合成員已增加至101個(gè)，逐日發(fā)布未來(lái)12 d內(nèi)每天全球的TC襲擊概率分布圖（https：／／charts.ecmwf.int／products／medium-tc-genesis），為TC活動(dòng)提供了更加完善和準(zhǔn)確的預(yù)報(bào)產(chǎn)品（Schreck et al.，2023）。美國(guó)國(guó)家海洋大氣管理局（NOAA）的氣候預(yù)報(bào)中心（CPC）每周提供一次全球熱帶氣旋災(zāi)害預(yù)報(bào)，包括全球熱帶氣旋軌跡概率。美國(guó)科羅拉多州立大學(xué)從2009年開始每2周預(yù)報(bào)大西洋的ACE，預(yù)報(bào)結(jié)果為整個(gè)北大西洋ACE高于或低于氣候平均以及與氣候平均持平的概率。澳大利亞氣象局對(duì)于TC的業(yè)務(wù)預(yù)報(bào)產(chǎn)品包括提前2～3周對(duì)南太平洋和提前2～4周對(duì)WNP TC進(jìn)行預(yù)報(bào)。雖然現(xiàn)有的TC延伸期業(yè)務(wù)預(yù)報(bào)產(chǎn)品越來(lái)越豐富，預(yù)報(bào)技巧也有所提高，但仍無(wú)法滿足現(xiàn)在越來(lái)越精細(xì)化的防災(zāi)減災(zāi)需求。為了進(jìn)一步滿足防災(zāi)減災(zāi)的需求，發(fā)展和提高臺(tái)風(fēng)延伸期預(yù)報(bào)水平，是亟待解決的重要科學(xué)問(wèn)題。

除了統(tǒng)計(jì)模型和動(dòng)力模式預(yù)測(cè)方法，Qian et al.（2020）在分析ISO對(duì)西北太平洋7類TC活動(dòng)調(diào)控作用的基礎(chǔ)上，構(gòu)建了西北太平洋TC延伸期動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型。該模型利用GFDL模式預(yù)報(bào)的ISO信號(hào)（動(dòng)力預(yù)報(bào)）及ISO-TC生成的統(tǒng)計(jì)方程（統(tǒng)計(jì)預(yù)報(bào)），實(shí)現(xiàn)了對(duì)未來(lái)40 d逐旬的TC個(gè)數(shù)和頻次分布（軌跡）的概率預(yù)報(bào)?；貓?bào)試驗(yàn)顯示，該模型的預(yù)報(bào)技巧達(dá)到了25 d，相比于GFDL動(dòng)力模式對(duì)TC僅有10 d的預(yù)報(bào)技巧有了很大提升。為了更好地將該模型應(yīng)用于業(yè)務(wù)預(yù)報(bào)系統(tǒng)，該模型已在國(guó)家氣候中心和福建省氣候中心進(jìn)行業(yè)務(wù)轉(zhuǎn)化，結(jié)合歐洲中期預(yù)報(bào)中心（ECMWF）實(shí)時(shí)發(fā)布的S2S預(yù)報(bào)產(chǎn)品，目前已完成對(duì)未來(lái)6周逐周滾動(dòng)的西北太平洋TC個(gè)數(shù)和頻次分布（軌跡）延伸期概率預(yù)報(bào)系統(tǒng)。本文將對(duì)該動(dòng)力-統(tǒng)計(jì)模型的實(shí)時(shí)預(yù)報(bào)結(jié)果進(jìn)行評(píng)估，并與統(tǒng)計(jì)模型的預(yù)報(bào)結(jié)果進(jìn)行比較，通過(guò)對(duì)預(yù)報(bào)誤差來(lái)源的分析，明確臺(tái)風(fēng)延伸期預(yù)報(bào)的可預(yù)報(bào)性來(lái)源，為進(jìn)一步改進(jìn)和提高現(xiàn)有的預(yù)報(bào)系統(tǒng)提供一定的物理基礎(chǔ)。

本文第一節(jié)介紹資料以及混合動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型和統(tǒng)計(jì)預(yù)報(bào)模型;第二節(jié)對(duì)預(yù)報(bào)模型的預(yù)報(bào)技巧進(jìn)行評(píng)估，并且探討預(yù)報(bào)誤差和可預(yù)報(bào)性來(lái)源;第三節(jié)綜合討論現(xiàn)有預(yù)報(bào)模型的局限性，以及改進(jìn)和完善臺(tái)風(fēng)延伸期預(yù)報(bào)模型的挑戰(zhàn)及展望。

1 資料和方法

1.1 資料

為了分析影響西北太平洋臺(tái)風(fēng)活動(dòng)的關(guān)鍵過(guò)程和因子，本文采用歐洲中期天氣預(yù)報(bào)中心（ECWMF）最新的再分析數(shù)據(jù)（ERA5;Hersbach et al.，2020）以及美國(guó)海洋和大氣管理局（NOAA）的對(duì)外長(zhǎng)波輻射（OLR）。ERA5的變量包括850 hPa 相對(duì)渦度（Vort850）、200 hPa散度（Div200）、200 hPa和850 hPa之間全風(fēng)速的垂直風(fēng)切變（VWS）、p坐標(biāo)下500 hPa垂直速度（ω500）、700 hPa比濕（q700）、海表面溫度（SST）。所有變量的水平分辨率為1°×1°。資料的時(shí)間段為1979—2021年，臺(tái)風(fēng)季的定義為6—10月。臺(tái)風(fēng)數(shù)據(jù)來(lái)自IBTrACS最佳路徑數(shù)據(jù)集（Knapp et al.，2010），包括每6 h的TC中心最大風(fēng)速、中心所在經(jīng)度和緯度。本研究的預(yù)報(bào)對(duì)象是強(qiáng)度為熱帶氣旋及以上（中心風(fēng)速大于34 kn）的TC個(gè)例。

動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型中采用的動(dòng)力模式數(shù)據(jù)為由ECMWF發(fā)布的S2S預(yù)報(bào)產(chǎn)品（Vitart et al.，2017），變量包括850 hPa和200 hPa的緯向（u）和經(jīng)向風(fēng)（v）、500 hPa垂直速度（ω500）、700 hPa比濕（q700）、海表面溫度（SST）和OLR。ECMWF每周一和周四發(fā)布一次動(dòng)力預(yù)報(bào)數(shù)據(jù)，包含往后46 d的逐日數(shù)據(jù)，共有51個(gè)集合成員。實(shí)時(shí)預(yù)報(bào)數(shù)據(jù)時(shí)間段為2016—2021年，回報(bào)數(shù)據(jù)時(shí)間段為2000—2019年。

1.2 西北太平洋臺(tái)風(fēng)延伸期預(yù)報(bào)模型

本研究構(gòu)建并評(píng)估了兩類西北太平洋臺(tái)風(fēng)頻次延伸期預(yù)報(bào)模型（圖1），分別是動(dòng)力-統(tǒng)計(jì)結(jié)合的預(yù)報(bào)模型（Qian et al.，2020）和單純基于統(tǒng)計(jì)方法的統(tǒng)計(jì)預(yù)報(bào)模型。由于臺(tái)風(fēng)活動(dòng)是非連續(xù)且小概率的事件，并且具有顯著的季節(jié)循環(huán)特征（圖2i柱狀圖），所以預(yù)報(bào)對(duì)象為臺(tái)風(fēng)季逐周TC個(gè)數(shù)異常值（相對(duì)于氣候平均的逐周TC個(gè)數(shù)）Y（t），即圖1中兩個(gè)預(yù)報(bào)方程。定義逐周TC個(gè)數(shù)為每周活躍于WNP的TC個(gè)數(shù)，若某一個(gè)TC從第一周一直活躍至第二周，則這兩周均統(tǒng)計(jì)該TC。模型訓(xùn)練的時(shí)段為1979—2015年，預(yù)報(bào)階段為2016—2021年。以下將詳細(xì)介紹西北太平洋臺(tái)風(fēng)延伸期預(yù)報(bào)模型的主要構(gòu)建步驟（圖1中（1）、（2）和（3））和預(yù)報(bào)產(chǎn)品（圖1中（4））。

1.2.1 步驟1：對(duì)歷史臺(tái)風(fēng)軌跡進(jìn)行模糊聚類分析

WNP是TC最活躍的海域，TC個(gè)例具有不同的生成位置和軌跡類型，ISO對(duì)不同類型的TC調(diào)制作用存在差異（Camargo et al.，2009;Qian et al.，2020）。為了更準(zhǔn)確地挑選出預(yù)報(bào)因子，并利用TC的氣候統(tǒng)計(jì)特征預(yù)報(bào)出TC頻次分布，這里首先對(duì)歷史TC軌跡數(shù)據(jù)（1979—2015年）進(jìn)行c-means模糊聚類分析。整個(gè)WNP的TC軌跡可以客觀地分成7類，分別用C1—C7表示（圖2b—h），WNP上所有的TC稱為“TCall”（圖2a、2i），該分類結(jié)果與前人的研究一致（Camargo et al.，2009;Kim et al.，2011）。每類TC都具有其獨(dú)特的生成位置和軌跡類型，其中占比最多的是生成于菲律賓海東部后向西北方向移動(dòng)，侵襲我國(guó)東南沿海、臺(tái)灣等地的C3類TC，占所有TC個(gè)數(shù)的22.9％，其次是北上影響日本韓國(guó)的C6類TC，占所有TC個(gè)數(shù)的20.2％，生成于WNP偏東的C2和C4類臺(tái)風(fēng)較少，分別占總數(shù)的近6.0％和6.8％。除了生成位置和軌跡，不同類型TC的季節(jié)循環(huán)信號(hào)也存在一定的差異，C5類TC個(gè)數(shù)在10月較少，更多發(fā)生在7—9月及11月（圖2f柱狀圖），而C7類TC個(gè)數(shù)在整個(gè)TC季均比較平穩(wěn)，在10月開始略微有所上升（圖2h柱狀圖）。不同類型TC的基本特征差異可能反映了不同類型TC低頻變化的物理機(jī)制有所不同，即大尺度動(dòng)力和熱力過(guò)程對(duì)不同類型TC的調(diào)控過(guò)程存在差異，因此通過(guò)分類建模預(yù)報(bào)，能夠更加準(zhǔn)確地抓住影響不同類型TC的關(guān)鍵信號(hào)，并且通過(guò)比較不同類型TC的預(yù)報(bào)技巧及其可預(yù)報(bào)性來(lái)源差異，為進(jìn)一步提高延伸期預(yù)報(bào)技巧提供了物理基礎(chǔ)。

1.2.2 步驟2：基于同期和超前相關(guān)分析挑選潛在預(yù)報(bào)因子

考慮了與TC生成有關(guān)的大尺度動(dòng)力和熱力條件（Camargo et al.2009;Qian et al.2020），本文采用的潛在預(yù)報(bào)因子包括Vort850、Div200、VWS、ω500、q700、SST和OLR。為了在延伸期尺度上挑選與每類TC生成密切相關(guān)的潛在預(yù)報(bào)因子，本研究在訓(xùn)練階段對(duì)每類TC逐周個(gè)數(shù)距平值與各個(gè)預(yù)報(bào)因子的低頻分量進(jìn)行相關(guān)分析（圖3），其中，TC逐周個(gè)數(shù)距平值定義為每周原始的TC個(gè)數(shù)與其平滑的氣候態(tài)季節(jié)循環(huán)（圖2中的黑色曲線）之間的差值，潛在預(yù)報(bào)因子的低頻ISO分量定義為逐日數(shù)據(jù)減去前三個(gè)諧波的逐日氣候平均得到的異常分量再進(jìn)行周平均。同期相關(guān)的最大值位于各類TC生成位置附近（圖3a和3h），因此以每類TC的生成區(qū)域?yàn)榉秶▓D3中的黑色方框），選擇該區(qū)域內(nèi)達(dá)到95％置信水平的格點(diǎn)［r（i，j）］進(jìn)行平均后作為動(dòng)力-統(tǒng)計(jì)結(jié)合預(yù)報(bào)的潛在預(yù)報(bào)因子（圖1綠框）。

而統(tǒng)計(jì)預(yù)報(bào)模型則是以每類TC個(gè)數(shù)距平值與低頻大尺度場(chǎng)之間的超前相關(guān)關(guān)系來(lái)確定潛在預(yù)報(bào)因子。以C6為例，在TC生成當(dāng)周（Lead w0），OLR負(fù)異常的大值區(qū)位于C6類TC生成區(qū)（圖3a中的黑色方框），在TC生成前一周（Lead w1）時(shí)，OLR負(fù)異常位于C6類TC生成的主要區(qū)域的南側(cè)，強(qiáng)度有所減弱，但隨著分析時(shí)間的進(jìn)一步提前，影響C6生成的前兆信號(hào)消失得非?？?，在提前兩周（Lead w2）時(shí)OLR負(fù)異常范圍變得很小，而在TC生成之前三周（Lead w3）以上幾乎看不出調(diào)控信號(hào)（圖3d—g）。與C6類TC不同，C7類TC的前兆信號(hào)來(lái)自于熱帶印度洋，在TC生成五周之前（Lead w5）可以觀測(cè)到位于熱帶印度洋的OLR對(duì)流向東北方向移動(dòng)，逐漸傳播至中國(guó)南海和菲律賓海地區(qū)，有利該區(qū)TC生成（圖3h—n）。為了有效地提取這些伴隨ISO傳播的前兆信號(hào)，統(tǒng)計(jì)預(yù)報(bào)模型的潛在預(yù)報(bào)因子的選擇范圍與混合預(yù)報(bào)的（黑色方框）有所不同，本文將其擴(kuò)大至更大范圍的整個(gè)亞洲季風(fēng)區(qū)（40°E～180°～60°W，20°S～40°N），以不同提前時(shí)間l相關(guān)分析圖中達(dá)到95％置信水平的格點(diǎn)［r（i，j，l）］進(jìn)行平均后，作為統(tǒng)計(jì)預(yù)報(bào)的潛在預(yù)報(bào)因子（圖1藍(lán)框內(nèi)的預(yù)報(bào)方程）。

為了驗(yàn)證置信水平挑選潛在預(yù)報(bào)因子對(duì)預(yù)報(bào)結(jié)果的影響，本文也基于99％的置信水平來(lái)挑選潛在預(yù)報(bào)因子，進(jìn)行建模預(yù)報(bào)，結(jié)果顯示不管是混合預(yù)報(bào)模型還是統(tǒng)計(jì)預(yù)報(bào)模型的預(yù)報(bào)技巧，都沒有太大的區(qū)別（圖略），說(shuō)明基于95％置信水平挑選的預(yù)報(bào)因子已經(jīng)包含了大部分重要的信號(hào)，能夠提供有效的預(yù)報(bào)信息。

1.2.3 步驟3：建立各類TC的逐步回歸預(yù)報(bào)模型

在確定了每類TC的潛在預(yù)報(bào)因子之后，通過(guò)訓(xùn)練時(shí)期的數(shù)據(jù)建立多元逐步回歸方程，確定最終的預(yù)報(bào)因子和預(yù)報(bào)模型。多元逐步回歸方法是以赤池信息量（AIC；Akaike，1974）為準(zhǔn)則，通過(guò)選擇最小的AIC進(jìn)行預(yù)報(bào)因子的引入和剔除交替進(jìn)行，直到?jīng)]有新的預(yù)報(bào)因子可以引入或剔除為止，AIC的大小取決于預(yù)報(bào)模型的擬合能力以及模型的復(fù)雜程度（預(yù)報(bào)因子個(gè)數(shù)）。以AIC為依據(jù)選擇的預(yù)報(bào)因子往往能夠反映各潛在預(yù)報(bào)因子對(duì)該類TC單獨(dú)的影響程度。其中Vort850、Div200、SST和OLR是選擇最多的4個(gè)預(yù)報(bào)因子，而ω500和q700相對(duì)來(lái)說(shuō)被選擇的頻次較少。動(dòng)力-統(tǒng)計(jì)結(jié)合的預(yù)報(bào)流程是將動(dòng)力模式預(yù)報(bào)的未來(lái)數(shù)周ISO大尺度場(chǎng)狀態(tài)代入統(tǒng)計(jì)預(yù)報(bào)方程（圖1綠框中的方程），可以得到未來(lái)數(shù)周的各類TC個(gè)數(shù)。統(tǒng)計(jì)預(yù)報(bào)則是以前兆信號(hào)為預(yù)報(bào)因子，直接代入統(tǒng)計(jì)預(yù)報(bào)方程（圖1藍(lán)框中的方程），以得到未來(lái)數(shù)周的各類TC個(gè)數(shù)。

1.2.4 步驟4：預(yù)報(bào)和得到最終TC預(yù)報(bào)產(chǎn)品

不管是動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型還是統(tǒng)計(jì)預(yù)報(bào)模型，預(yù)報(bào)得到的均是每類TC每周個(gè)數(shù)的距平值，將它們加上TC氣候季節(jié)循環(huán)分量（圖2中的黑色曲線），即可得到每類TC的總個(gè)數(shù)。最后通過(guò)將每類TC的總個(gè)數(shù)與對(duì)應(yīng)氣候態(tài)軌跡分布概率相乘后再加總，即可得到西北太平洋TC的軌跡分布概率（圖1最下方的兩個(gè)流程）。西北太平洋TC的軌跡分布概率［P（lat，lon）］定義為：

Plat，lon=TCF（lat，lon）TCN×100%。（1）

其中“l(fā)at”和“l(fā)on”分別為緯度和經(jīng)度;TCF（lat，lon）代表每個(gè)5°×5°格點(diǎn)上的TC頻次;TCN代表整個(gè)西北太平洋上觀測(cè)的TC個(gè)數(shù)。值得注意的是，當(dāng)TCF（lat，lon）大于TCN時(shí)，P（lat，lon）可能會(huì)超過(guò)100％。例如，如果當(dāng)整個(gè)WNP上只有1個(gè)TC，而其在某個(gè)格點(diǎn)上停留超過(guò)12 h［TCF（lat，lon）=2］，那么P（lat，lon）就等于200％。

2 預(yù)報(bào)檢驗(yàn)及可預(yù)報(bào)性討論

2.1 預(yù)報(bào)技巧檢驗(yàn)

這部分將比較兩套模型對(duì)獨(dú)立預(yù)報(bào)時(shí)期（2016—2021年6—10月）WNP TC個(gè)數(shù)和頻次分布的預(yù)報(bào)技巧，TC個(gè)數(shù)預(yù)報(bào)以時(shí)間相關(guān)系數(shù)（TCC）和均方根誤差（RMSE）進(jìn)行評(píng)估，而TC頻次分布的預(yù)報(bào)技巧以空間相關(guān)系數(shù)（PCC）來(lái)進(jìn)行評(píng)估。圖4顯示，不管是混合預(yù)報(bào)模型還是統(tǒng)計(jì)預(yù)報(bào)模型，隨著提前預(yù)報(bào)時(shí)間的增加，預(yù)報(bào)技巧均下降;此外，不管是混合預(yù)報(bào)模型還是統(tǒng)計(jì)預(yù)報(bào)模型，對(duì)C1—C7類每類TC分類預(yù)報(bào)之后加總得到WNP所有臺(tái)風(fēng)的個(gè)數(shù)，由此得到的預(yù)報(bào)技巧（深綠和深藍(lán)色柱狀）均高于對(duì)所有TC直接預(yù)報(bào)（淺綠和淺藍(lán)色柱狀），這表明分類預(yù)報(bào)能夠更好地提取有效的可預(yù)報(bào)性來(lái)源，從而提高了TC延伸期預(yù)報(bào)技巧。

兩套模型相比，混合預(yù)報(bào)模型的預(yù)報(bào)技巧的下降速度慢于統(tǒng)計(jì)預(yù)報(bào)模型。在提前1周（Lead w1）預(yù)報(bào)時(shí)，混合預(yù)報(bào)的TCC和RMSE均與預(yù)報(bào)上限技巧（Lead w0的技巧，以觀測(cè)的大尺度場(chǎng)對(duì)TC進(jìn)行預(yù)報(bào)）相當(dāng)（圖4a、b），隨著動(dòng)力模式積分時(shí)間的增加，動(dòng)力模式對(duì)低頻大尺度預(yù)報(bào)因子的預(yù)報(bào)技巧下降，影響了TC預(yù)報(bào)技巧，但是在提前5～6周依然顯示出有效的預(yù)報(bào)技巧（TCC通過(guò)95％置信水平檢驗(yàn)），因此混合預(yù)報(bào)模型對(duì)逐周TC個(gè)數(shù)的預(yù)報(bào)技巧為5～6周（圖4a），而TC個(gè)數(shù)的預(yù)報(bào)誤差為0.7～0.8個(gè)TC（圖4b）。相較于混合動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型，依賴于前兆信號(hào)建模的統(tǒng)計(jì)預(yù)報(bào)模型的預(yù)報(bào)技巧下降比較快（圖4d、e），在提前1周時(shí)，TCC從0.61～0.62下降至0.52～0.53（圖4d），在提前2周預(yù)報(bào)時(shí)，模式已無(wú)法提供有技巧的預(yù)報(bào)結(jié)果（TCC不顯著，預(yù)報(bào)偏差約為1個(gè)TC），這一結(jié)果說(shuō)明了低頻大尺度場(chǎng)與TC個(gè)數(shù)的前兆信號(hào)較為不穩(wěn)定，無(wú)法有效提供可預(yù)報(bào)性來(lái)源。為了檢驗(yàn)評(píng)估閾值（0.45）的敏感性，這里也采用氣候態(tài)預(yù)測(cè)技巧（0.46）作為評(píng)估有效預(yù)測(cè)的標(biāo)準(zhǔn)，由于此兩個(gè)閾值（0.45、0.46）非常相近，并不影響有效預(yù)報(bào)時(shí)效的相關(guān)結(jié)論。

根據(jù)圖1流程介紹，該預(yù)報(bào)模型預(yù)報(bào)得到每類TC的個(gè)數(shù)后，乘以每類TC的氣候態(tài)軌跡分布概率后進(jìn)行加總，即可得到WNP海盆上TC軌跡的空間概率分布。圖5為基于動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型預(yù)報(bào)的4個(gè)TC軌跡空間分布，可見該模型不僅能夠預(yù)報(bào)出諸如單個(gè)超強(qiáng)臺(tái)風(fēng)天鵝（圖5a）、臺(tái)風(fēng)沙德爾（圖5c）、超強(qiáng)臺(tái)風(fēng)莎莉嘉（圖5d）的西行軌跡，而且能預(yù)報(bào)出群發(fā)臺(tái)風(fēng)個(gè)例，如發(fā)生于2018年8月10—16日的“貝碧嘉”“溫比亞”和“麗琵”臺(tái)風(fēng)（圖5b）。對(duì)于這4個(gè)個(gè)例，提前4周預(yù)報(bào)的TC頻次分布與觀測(cè)的空間相關(guān)系數(shù)仍有0.6左右。然而模型可能出現(xiàn)空?qǐng)?bào)或漏報(bào)，因此所有預(yù)報(bào)時(shí)次的平均PCC技巧約為0.3（圖4c），但依舊通過(guò)了95％置信水平檢驗(yàn)。由于統(tǒng)計(jì)預(yù)報(bào)模型對(duì)各類TC個(gè)數(shù)的預(yù)報(bào)技巧（圖4d中的深藍(lán)色柱狀）低于混合預(yù)報(bào)（圖4a中的深綠色柱狀），因此造成統(tǒng)計(jì)預(yù)報(bào)對(duì)TC頻次分布的預(yù)報(bào)技巧（圖4c中的深綠色柱狀）也低于混合預(yù)報(bào)（圖4f中的深藍(lán)色柱狀）。

2.2 WNP TC延伸期預(yù)報(bào)的可預(yù)報(bào)性來(lái)源分析

為了進(jìn)一步探討TC延伸期預(yù)報(bào)的可預(yù)報(bào)性來(lái)源，這里以TCC評(píng)估結(jié)果為例，比較了混合預(yù)報(bào)和統(tǒng)計(jì)預(yù)報(bào)對(duì)不同類型TC個(gè)數(shù)距平值的預(yù)報(bào)技巧（圖6），以了解TC延伸期預(yù)報(bào)誤差的可能來(lái)源。結(jié)果顯示，與TC總數(shù)（距平值加上氣候年循環(huán)）的預(yù)報(bào)技巧（圖4d）相似，混合預(yù)報(bào)模型對(duì)TC個(gè)數(shù)距平值的預(yù)報(bào)技巧也高于統(tǒng)計(jì)預(yù)報(bào)模型的技巧（圖6h），混合預(yù)報(bào)模型在提前4周預(yù)報(bào)時(shí)，預(yù)報(bào)技巧依然達(dá)到0.27，通過(guò)了95％置信水平檢驗(yàn)。而統(tǒng)計(jì)預(yù)報(bào)模型的預(yù)報(bào)技巧下降非常迅速，提前1周預(yù)報(bào)的預(yù)報(bào)技巧為0.28，提前2周預(yù)報(bào)時(shí)已沒有預(yù)報(bào)技巧，因此接下來(lái)主要以混合預(yù)報(bào)模型為例，探討各類TC的預(yù)報(bào)誤差和可預(yù)報(bào)性來(lái)源。

通過(guò)比較不同類型TC的預(yù)報(bào)技巧（圖6a—g），本文發(fā)現(xiàn)不同類型的TC存在較大的差異：C1、C3、C5—C7類TC的TCC技巧隨著預(yù)報(bào)時(shí)效的增加，下降得比較緩慢，預(yù)報(bào)能力較為穩(wěn)定，但是另外兩類TC的TCC技巧偏低，C2類臺(tái)風(fēng)即使基于同期的觀測(cè)場(chǎng)進(jìn)行預(yù)報(bào)，也無(wú)法預(yù)報(bào)出TC個(gè)數(shù)（圖6b中w0），而C4類臺(tái)風(fēng)的預(yù)報(bào)技巧下降非常迅速，在提前3周以上的預(yù)報(bào)中，兩個(gè)模型都顯現(xiàn)出對(duì)該類TC無(wú)預(yù)報(bào)技巧。

為了探尋模型無(wú)法預(yù)報(bào)C2類TC的原因，這里分析訓(xùn)練階段（1979—2015年）和獨(dú)立預(yù)報(bào)階段（2016—2021年）的預(yù)報(bào)因子與C2類TC之間的相關(guān)關(guān)系（圖7a—d）。通過(guò)比較這兩個(gè)階段的相關(guān)分布可以看到，模式訓(xùn)練階段C2類TC與熱帶WNP東北部的正渦度異常和東南部的負(fù)渦度異常存在顯著的相關(guān)性（圖7a1），這些信號(hào)被選為預(yù)報(bào)因子，然而，在獨(dú)立預(yù)報(bào)階段，這些信號(hào)消失了（圖7a2）。換句話說(shuō)，獨(dú)立預(yù)報(bào)階段C2類TC生成與渦度異常無(wú)關(guān)，無(wú)法以渦度異常信號(hào)對(duì)該類TC進(jìn)行預(yù)報(bào);相似地，其他預(yù)報(bào)因子在訓(xùn)練和預(yù)報(bào)階段也出現(xiàn)相異的特征（圖7b—d），在訓(xùn)練階段，C2類TC生成與WNP SST的相關(guān)圖中呈現(xiàn)負(fù)-正-負(fù)的三極子形態(tài)（圖7c1），而在獨(dú)立預(yù)報(bào)階段則呈現(xiàn)北冷南暖的偶極子模態(tài)（圖7c2）。這些相關(guān)關(guān)系的變化說(shuō)明C2類TC活動(dòng)及其與大尺度預(yù)報(bào)因子的關(guān)系存在年代際變化，建模時(shí)期挑選的預(yù)報(bào)因子在獨(dú)立預(yù)報(bào)階段已無(wú)法提供可預(yù)報(bào)源，因而導(dǎo)致預(yù)報(bào)模型失效。

動(dòng)力-統(tǒng)計(jì)模型對(duì)C4類TC的預(yù)報(bào)技巧下降十分迅速（圖6d），為了分析原因，這里分析觀測(cè)數(shù)據(jù)（w0）與動(dòng)力模式在提前1周至3周（w1—w3）起報(bào)的預(yù)報(bào)因子與C4類TC個(gè)數(shù)的相關(guān)系數(shù)分布（圖8a—d）。結(jié)果顯示，C4類TC的信號(hào)在WNP關(guān)鍵信號(hào)區(qū)域（圖8a中的黑色方框）的東北部，可能與一些中緯度信號(hào)有關(guān)（如急流或羅斯貝波破碎等）。這一中緯度信號(hào)在動(dòng)力模式提前1周的預(yù)報(bào)中基本能夠被準(zhǔn)確預(yù)報(bào)（圖8b），但是在動(dòng)力模式提前2周的預(yù)報(bào)中，動(dòng)力模式預(yù)報(bào)的Vort850、Div200、ω500、q700和SST信號(hào)減弱，VWS幾乎沒有信號(hào)（圖8c），且在提前3周的預(yù)報(bào)中，動(dòng)力模式無(wú)法預(yù)報(bào)出這些預(yù)報(bào)因子在C4關(guān)鍵信號(hào)區(qū)域（圖8d中的黑色方框）東北部的異常，從而導(dǎo)致C4類TC在提前3周預(yù)報(bào)時(shí)，預(yù)報(bào)技巧完全消失（圖6d）。

以上討論分析了混合動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型和統(tǒng)計(jì)預(yù)報(bào)模型的預(yù)報(bào)技巧，并以混合預(yù)報(bào)模型的預(yù)報(bào)技巧（TCC）為例，討論了預(yù)報(bào)較差的兩類TC（C2和C4類）的誤差產(chǎn)生原因，如年代際變化和中緯度信號(hào)對(duì)TC次季節(jié)變化的影響，為下一步改進(jìn)模型提供了物理基礎(chǔ)和思路。

3 討論與展望

本文介紹了基于臺(tái)風(fēng)聚類的WNP TC頻次的延伸期預(yù)報(bào)方法，分別從動(dòng)力-統(tǒng)計(jì)相結(jié)合的方法和傳統(tǒng)統(tǒng)計(jì)方法進(jìn)行建模和預(yù)報(bào)（圖1—3）。預(yù)報(bào)技巧評(píng)估顯示，現(xiàn)有的預(yù)報(bào)模型仍然有較大的提升空間，其中動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型由于依賴現(xiàn)有動(dòng)力模式對(duì)低頻大尺度場(chǎng)的預(yù)報(bào)技巧，以及ISO與TC生成個(gè)數(shù)之間的同期相關(guān)關(guān)系，所以預(yù)報(bào)技巧較高且較為穩(wěn)定;而統(tǒng)計(jì)預(yù)報(bào)模型依賴ISO前兆信號(hào)，由于前兆信號(hào)的穩(wěn)定性和持續(xù)性較低，所以統(tǒng)計(jì)預(yù)報(bào)的技巧低于現(xiàn)有的動(dòng)力-統(tǒng)計(jì)預(yù)報(bào)模型（圖4—6）。通過(guò)對(duì)不同類型TC的預(yù)報(bào)技巧進(jìn)行分析后，探討了TC延伸期預(yù)報(bào)的誤差來(lái)源（圖7—8），結(jié)果顯示目前構(gòu)建的TC頻次延伸期預(yù)報(bào)模型還存在著以下幾方面的局限，有待進(jìn)一步提升突破。

1）不同年際-年代際背景下ISO-TC的影響作用

本文的研究表明ISO（預(yù)報(bào)因子）與C2類TC（預(yù)報(bào)量）的關(guān)系可能存在著年代際轉(zhuǎn)變（圖7），導(dǎo)致了C2類TC預(yù)報(bào)技巧偏低。而現(xiàn)有模型尚未考慮預(yù)報(bào)因子和預(yù)報(bào)量關(guān)聯(lián)性的年際-年代際變化，這可能是預(yù)報(bào)誤差來(lái)源的重要原因之一。例如，前人的研究表明，在不同的年際信號(hào)影響下，ISO對(duì)TC的次季節(jié)調(diào)控機(jī)制可能存在差異，即在不同的ENSO位相下，MJO和QBWO對(duì)TC次季節(jié)活動(dòng)的調(diào)控作用顯示出不同的特征（Li et al.，2012;Han et al.，2020）。本文首先嘗試考慮ENSO位相對(duì)WNP TC延伸期預(yù)報(bào)的影響，為了有更充分的分析樣本量，利用動(dòng)力模式回報(bào)階段（2000—2019年）的大尺度場(chǎng)，以及基于1979—2015年的統(tǒng)計(jì)關(guān)系建立的統(tǒng)計(jì)預(yù)報(bào)模型進(jìn)行混合預(yù)報(bào)。El Nio（La Nia）年定義為1979—2015年臺(tái)風(fēng)季的Nio 3.4指數(shù)>0.65σ（<-0.65σ）的年份，其余年份定義為中性年，σ為1979—2015年每年臺(tái)風(fēng)季Nio 3.4指數(shù)的標(biāo)準(zhǔn)差。通過(guò)比較回報(bào)階段（2000—2019年）每年的預(yù)報(bào)技巧（圖9a）發(fā)現(xiàn)，在不同的ENSO位相背景態(tài)下，模式回報(bào)的TCC技巧也存在著顯著的年際變化（圖9a）。進(jìn)一步合成不同ENSO位相下的預(yù)報(bào)技巧發(fā)現(xiàn)，C4（圖9e）和C5類（圖9f）這兩類生成于WNP東南象限的TC在El Nio年的預(yù)報(bào)技巧明顯高于其余年份，而C3（圖9d）和C7類（圖9h）生成于WNP西側(cè)的兩類TC在La Nia年的預(yù)報(bào)技巧則高于其余年份。這一結(jié)果表明，利用不同年際背景態(tài)下預(yù)報(bào)因子（ISO）為不同類型TC提供的可預(yù)報(bào)源存在差異，充分考慮年際信號(hào)（如ENSO）對(duì)預(yù)報(bào)因子-預(yù)報(bào)量關(guān)聯(lián)性的影響，可能是提高預(yù)報(bào)技巧的途徑之一。

基于這一推論，本文將動(dòng)力模式回報(bào)階段（2000—2019年）的El Nio年、La Nia年和中性年分別建立預(yù)報(bào)模型，依ENSO位相分別預(yù)報(bào)TC活動(dòng)后，再進(jìn)行評(píng)分。本文將這一方法預(yù)報(bào)得到的結(jié)果稱為“ENSO-FCST”，并將這一結(jié)果與原本的預(yù)報(bào)結(jié)果（不區(qū)分ENSO位相，稱為“clim-FCST”）進(jìn)行比較（圖10）。結(jié)果顯示“ENSO-FCST”的預(yù)報(bào)技巧高于“clim-FCST”，說(shuō)明ENSO也是WNP TC延伸期預(yù)報(bào)的重要可預(yù)報(bào)性來(lái)源，引入ENSO信號(hào)及其對(duì)ISO-TC關(guān)系的調(diào)制作用能夠有效地提高預(yù)報(bào)技巧。未來(lái)可在此基礎(chǔ)上，進(jìn)一步把ENSO和其他年代際模態(tài)的作用考慮進(jìn)TC延伸期預(yù)報(bào)模型中。

2）熱帶外信號(hào)對(duì)TC次季節(jié)變化的影響

前人的研究更多關(guān)注熱帶信號(hào)（如熱帶ISO）對(duì)WNP TC次季節(jié)變化的影響（Zhao et al.，2016），目前構(gòu)建的模型中僅以熱帶ISO信號(hào)為預(yù)報(bào)因子。Camargo et al.（2019）總結(jié)了影響TC次季節(jié)變化的關(guān)鍵信號(hào)和物理機(jī)制，除了最重要的MJO之外，赤道波動(dòng)、熱帶外的羅斯貝波破碎等對(duì)TC次季節(jié)變化也有重要影響（Li et al.，2018）。Schreck et al.（2023）更新了自Camargo et al.（2019）之后、2019—2022年TC次季節(jié)變化機(jī)制的最新研究進(jìn)展，

并且指出除了熱帶信號(hào)ISO之外，熱帶和熱帶外相互作用對(duì)提高臺(tái)風(fēng)次季節(jié)預(yù)報(bào)具有重要性，模式對(duì)ISO預(yù)報(bào)具有重要性。

本文初步探索中緯度信號(hào)對(duì)不同類型臺(tái)風(fēng)頻次的影響（圖11），尤其關(guān)注對(duì)登陸我國(guó)的臺(tái)風(fēng)（C1、C3、C6）活動(dòng)的作用。首先將TC頻次的空間分布在反氣旋性羅斯貝波破碎（AWB）的正負(fù)位相進(jìn)行合成，AWB的正／負(fù)位相定義為周平均的AWB頻次（130°E～180°～150°W、10°～30°N區(qū)域平均）超過(guò)一個(gè)標(biāo)準(zhǔn)差／小于一個(gè)負(fù)標(biāo)準(zhǔn)差。結(jié)果顯示AWB對(duì)WNP TC的次季節(jié)變化存在顯著的調(diào)控作用，其不利于WNP開放海域的TC活動(dòng)（圖11a、c），但有利于中國(guó)南海地區(qū)的TC活動(dòng)（圖11d）。此外，本文比較了東亞西風(fēng)急流強(qiáng)度對(duì)WNP TC活動(dòng)的影響（圖11e—h），發(fā)現(xiàn)增強(qiáng)的急流有利于150°E以西的TC活動(dòng)，特別是有利于登陸TC的活動(dòng)，其主要是通過(guò)增強(qiáng)季風(fēng)槽和東南風(fēng)引導(dǎo)氣流來(lái)影響的。如何有效地提取這些中緯度影響TC次季節(jié)活動(dòng)的關(guān)鍵信號(hào)，并引入到現(xiàn)有的延伸期預(yù)報(bào)模型中，是未來(lái)進(jìn)一步完善和提高目前WNP TC延伸期預(yù)報(bào)模型的關(guān)鍵。

近些年有關(guān)TC次季節(jié)變化特征和物理機(jī)制的理論研究不斷涌現(xiàn)，TC的延伸期預(yù)報(bào)技術(shù)和方法發(fā)展越來(lái)越成熟。更加全面且深入地挖掘TC延伸期預(yù)報(bào)的可預(yù)報(bào)性來(lái)源，診斷動(dòng)力模式對(duì)ISO及TC次季節(jié)活動(dòng)模擬的誤差來(lái)源、構(gòu)建訂正模型，應(yīng)用最新的統(tǒng)計(jì)方法（如機(jī)器學(xué)習(xí)）進(jìn)行建模等，將是我們今后研究工作的方向和重點(diǎn)。

致謝：本文的數(shù)值計(jì)算得到了南京信息工程大學(xué)高性能計(jì)算中心的計(jì)算支持和幫助。

參考文獻(xiàn)（References）

Akaike H，1974.A new look at the statistical model identification［J］.IEEE Trans Autom Contr，19（6）：716-723.doi：10.1109／TAC.1974.1100705.

Camargo S J，Wheeler M C，Sobel A H，2009.Diagnosis of the MJO modulation of tropical cyclogenesis using an empirical index［J］.J Atmos Sci，66（10）：3061.doi：10.1175／2009JAS3101.1.

Camargo S J，Camp J，Elsberry R L，et al.，2019.Tropical cyclone prediction on subseasonal time-scales［J］.Trop Cyclone Res Rev，8（3）：150-165.doi：10.1016／j.tcrr.2019.10.004.

陳春，陶麗，2023.熱帶氣旋潛在生成指數(shù)的對(duì)比分析及其在西北太平洋的改進(jìn)［J］.大氣科學(xué)學(xué)報(bào)，46（4）：615-629. Chen C，Tao L，2023.A comparison of tropical cyclone Genesis Potential Indices （GPIs） and a modified version for the western North Pacific［J］.Trans Atmos Sci，46（4）：615-629.doi：10.13878／j.cnki.dqkxxb.20210130001.（in Chinese）.

陳官軍，魏鳳英，姚文清，等，2017.基于低頻振蕩信號(hào)的中國(guó)南方冬半年持續(xù)性低溫指數(shù)延伸期預(yù)報(bào)試驗(yàn)［J］.氣象學(xué)報(bào)，75（3）：400-414. Chen G J，Wei F Y，Yao W Q，et al.，2017.Extended range forecast experiments of persistent winter low temperature indexes based on intra-seasonal oscillation over southern China［J］.Acta Meteorol Sin，75（3）：400-414.doi：10.11676／qxxb2017.024.（in Chinese）.

Han X，Zhao H K，Li X，et al.，2020.Modulation of boreal extended summer tropical cyclogenesis over the northwest Pacific by the quasi-biweekly oscillation under different El Nio-Southern Oscillation phases［J］.Int J Climatol，40（2）：858-873.doi：10.1002／joc.6244.

Henderson S A，Maloney E D，2013.An intraseasonal prediction model of Atlantic and East Pacific tropical cyclone genesis［J］.Mon Wea Rev，141（6）：1925-1942.doi：10.1175／mwr-d-12-00268.1.

Hersbach H，Bell B，Berrisford P，et al.，2020.The ERA5 global reanalysis［J］.Quart J Royal Meteor Soc，146（730）：1999-2049.doi：10.1002／qj.3803.

Jiang X N，Xiang B Q，Zhao M，et al.，2018.Intraseasonal tropical cyclogenesis prediction in a global coupled model system［J］.J Climate，31（15）：6209-6227.doi：10.1175／jcli-d-17-0454.1.

金蕊，余暉，吳志偉，等，2020.次季節(jié)-季節(jié)尺度熱帶氣旋活動(dòng)研究和預(yù)測(cè)技術(shù)進(jìn)展［J］.大氣科學(xué)學(xué)報(bào)，43（1）：238-254. Jin R，Yu H，Wu Z W，et al.，2020.Sub-seasonal to seasonal prediction of tropical cyclone activity in the western North Pacific：a review［J］.Trans Atmos Sci，43（1）：238-254.doi：10.13878／j.cnki.dqkxxb.20191025006.（in Chinese）.

Kim H S，Kim J H，Ho C H，et al.，2011.Pattern classification of typhoon tracks using the fuzzy c-means clustering method［J］.J Climate，24（2）：488-508.doi：10.1175／2010jcli3751.1.

Knapp K R，Kruk M C，Levinson D H，et al.，2010.The international best track archive for climate stewardship （IBTrACS）［J］.Bull Amer Meteor Soc，91（3）：363-376.doi：10.1175／2009bams2755.1.

Lee C Y，Camargo S J，Vitart F，et al.，2018.Subseasonal tropical cyclone genesis prediction and MJO in the S2S dataset［J］.Wea Forecasting，33（4）：967-988.doi：10.1175／waf-d-17-0165.1.

Lee C Y，Camargo S J，Vitart F，et al.，2020.Subseasonal predictions of tropical cyclone occurrence and ACE in the S2S dataset［J］.Wea Forecasting，35（3）：921-938.doi：10.1175／waf-d-19-0217.1.

雷蕾，徐邦琪，高慶九，等，2022.基于卷積神經(jīng)網(wǎng)絡(luò)的長(zhǎng)江流域夏季日最高溫度延伸期預(yù)報(bào)方法研究［J］.大氣科學(xué)學(xué)報(bào)，45（6）：835-849. Lei L，Hsu P C，Gao Q J，et al.，2022.Extended-range forecasting method of summer daily maximum temperature in the Yangtze River Basin based on convolutional neural network［J］ Trans Atmos Sci，45（6）：835-849.doi：10.13878／j.cnki.dqkxxb.20211101001.（in Chinese）.

Leroy A，Wheeler M C，2008.Statistical prediction of weekly tropical cyclone activity in the Southern Hemisphere［J］.Mon Wea Rev，136（10）：3637-3654.doi：10.1175／2008mwr2426.1.

李麗平，付佳麗，梁闊，等，2022.大氣低頻振蕩對(duì)2015年冬季華北強(qiáng)降溫事件的影響［J］.大氣科學(xué)學(xué)報(bào)，45（5）：778-790. Li L P，F(xiàn)u J L，Liang K，et al.，2022.The influences of atmospheric low-frequency oscillation on extreme cold events in northern China in the winter of 2015［J］.Trans Atmos Sci，45（5）：778-790.doi：10.13878／j.cnki.dqkxxb.20200914003.（in Chinese）.

Li R C Y，Zhou W，Chan J C L，et al.，2012.Asymmetric modulation of western North Pacific cyclogenesis by the Madden-Julian Oscillation under ENSO conditions［J］.J Climate，25（15）：5374-5385.doi：10.1175／JCLI-D-11-00337.1.

Li W W，Wang Z，Zhang G，et al.，2018.Subseasonal variability of Rossby wave breaking and impacts on tropical cyclones during the North Atlantic warm season［J］.J Climate，31（23）：9679-9695.doi：10.1175／JCLI-D-17-0880.1.

Madden R A，Julian P R，1972.Description of global-scale circulation cells in the tropics with a 40—50 day period［J］.J Atmos Sci，29（6）：1109-1123.doi：10.1175／1520-0469（1972）029<1109：dogscc>2.0.co;2.

Qian Y T，Hsu P C，Murakami H，et al.，2020.A hybrid dynamical-statistical model for advancing subseasonal tropical cyclone prediction over the western North Pacific［J］.Geophys Res Lett，47（20）：e2020GL090095.doi：10.1029／2020gl090095.

Schreck C J，Vitart F，Camargo S J，et al.，2023.Advances in tropical cyclone prediction on subseasonal time scales during 2019—2022［J］.Trop Cyclone Res Rev，12（2）：136-150.doi：10.1016／j.tcrr.2023.06.004.

Vitart F，Ardilouze C，Bonet A，et al.，2017.The subseasonal to seasonal （S2S） prediction project database［J］.Bull Amer Meteor Soc，98（1）：163-173.doi：10.1175／bams-d-16-0017.1.

Wei X W，Yang Y，Chen L，2021.The extended-range forecast of tropical cyclogenesis over the South China Sea based on the intraseasonal oscillation［J］.Meteor Atmos Phys，133（5）：1577-1589.doi：10.1007／s00703-021-00830-0.

Xiang B Q，Zhao M，Jiang X N，et al.，2015.The 3—4-week MJO prediction skill in a GFDL coupled model［J］.J Climate，28（13）：5351-5364.doi：10.1175／jcli-d-15-0102.1.

徐邦琪，臧鈺歆，朱志偉，等，2020.時(shí)空投影模型（STPM）的次季節(jié)至季節(jié)（S2S）預(yù)測(cè)應(yīng)用進(jìn)展［J］.大氣科學(xué)學(xué)報(bào)，43（1）：212-224. Hsu P C，Zang Y X，Zhu Z W，et al.，2020.Subseasonal-to-seasonal （S2S） prediction using the spatial-temporal projection model（STPM）［J］.Trans Atmos Sci，43（1）：212-224.doi：10.13878／j.cnki.dqkxxb.20191028002.（in Chinese）.

楊秋明，2018.長(zhǎng)江下游夏季低頻溫度和高溫天氣的延伸期預(yù)報(bào)研究［J］.地球科學(xué)進(jìn)展，33（4）：385-395. Yang Q M，2018.A study of the extended-range forecast for the low frequency temperature and high temperature weather over the lower reaches of Yangtze River valley in summer［J］.Adv Earth Sci，33（4）：385-395.doi：10.11867／j.issn.1001-8166.2018.04.0385.（in Chinese）.

章大全，鄭志海，陳麗娟，等，2019.10～30 d延伸期可預(yù)報(bào)性與預(yù)報(bào)方法研究進(jìn)展［J］.應(yīng)用氣象學(xué)報(bào)，30（4）：416-430. Zhang D Q，Zheng Z H，Chen L J，et al.，2019.Advances on the predictability and prediction methods of 10—30 d extended range forecast［J］.J Appl Meteor Sci，30（4）：416-430.doi：10.11898／1001-7313.20190403.（in Chinese）.

Zhao H K，Wang C Z，Yoshida R，2016.Modulation of tropical cyclogenesis in the western North Pacific by the quasi-biweekly oscillation［J］.Adv Atmos Sci，33（12）：1361-1375.doi：10.1007／s00376-016-5267-z.

Zhao H K，Lu Y，Jiang X N，et al.，2022.A statistical intraseasonal prediction model of extended boreal summer western North Pacific tropical cyclone genesis［J］.J Climate，35（8）：2459-2478.doi：10.1175／JCLI-D-21-0110.1.

Zhu Z W，Li T，Bai L，et al.，2017.Extended-range forecast for the temporal distribution of clustering tropical cyclogenesis over the western North Pacific［J］.Theor Appl Climatol，130（3）：865-877.doi：10.1007／s00704-016-1925-4.

·ARTICLE·

A hybrid dynamic-statistical prediction model for tropical cyclone frequency over the western North Pacific and its evaluation

HSU Pangchi1，WEI Peng1，QIAN Yitian1，YOU Lijun2，3

1 Key Laboratory of Meteorological Disaster，Ministry of Education（KLME）／Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disaster（CIC-FEMD），Nanjing University of Information Science ＆ Technology，Nanjing 210044，China;

2Fujian Key Laboratory of Severe Weather／Key Laboratory of Straits Severe Weather，China Meteorological Administration，F(xiàn)uzhou 350028，China;

3Fujian Meteorological Information Center，F(xiàn)uzhou 350028，China

Abstract Prediction of tropical cyclone （TC） genesis at the extended-range to subseasonal timescale （a week to several weeks） is a gap between weather and climate predictions，which is a challenge for TC forecast.This study presents an extended-range hybrid dynamical-statistical prediction model and a statistical prediction model for TC frequency over the western North Pacific.The models are based on tropical intraseasonal oscillation signals and the TC clustering method.The fuzzy c-mean clustering method categorizes TCs over the western North Pacific into seven track patterns.Predicting anomalous TC counts in each week involves adding the observed climatological mean of weekly TC counts to obtain total genesis counts for each cluster.The probability of TC track distributions each week is derived by involving the climatology of each track probability.This model could not only predict TC number for each cluster but also the TC track distribution pattern each week.The hybrid dynamical-statistical model relies on contemporaneous statistical relationships between low-frequency variabilities and the output of the ECMWF dynamical model from the S2S dataset.The predictand is the TC genesis number over the western North Pacific during each week.Evaluation of prediction results indicates that the forecast skill of the hybrid dynamic-statistical forecast surpasses that of the statistical forecast model.The precursor signals associated with sub-seasonal TC changes dissipate rapidly，making stable forecasts challenging.In contrast，the dynamic model simulates the low-frequency background field （predictors） effectively，enhancing the hybrid models forecast skill.While，the current forecast skill of the hybrid dynamic-statistical forecast model extends to six weeks，further improvement is possible.Evaluation of prediction skills and error analysis of different TC clusters reveal that interannual and interdecadal variabilities of background fields on the modulations of intraseasonal oscillations on TC activity cannot be ignored.Statistical relationships between TC counts and low-frequency variabilities differ in distinct ENSO phases，suggesting potential improvement by developing forecast models based on different ENSO phases.Additionally，extratropical intraseasonal signals （e.g.，Rossby wave breaking and westerly jet intensity） significantly impact TC frequency and trajectory，which may provide more source of predictability for TC extended-range prediction.

Keywords tropical cyclone;intraseasonal oscillation;extended-range prediction;predictability source;extra-tropical signal

doi：10.13878／j.cnki.dqkxxb.20230922001

（責(zé)任編輯：劉菲）