Plateau Meteorology

Plateau Meteorology >

2024 , Vol. 43 >Issue 5: 1138 - 1151

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00009

Evaluation of Prediction Ability of the CMA-CPSv3 Model for the South Asian High and the West Pacific Subtropical High in Summer

  • Mingsheng CHEN ,
  • Minhong SONG ,
  • Xiaoyun LIANG ,
  • Yufei PEI ,
  • Tongwen WU
Expand
  • 1. College of Atmospheric Sciences，Chengdu University of Information Technology/Sichuan Key Laboratory of Plateau Atmosphere and Environment. Chengdu 610225，Sichuan，China
    2. Earth System Numerical Prediction Center，China Meteorological Administration，Beijing 100081，China
    3. Xiangyang Meteorological Service，Xiangyang 441021，Hubei，China

Received date: 2023-09-26

  Revised date: 2024-01-22

  Online published: 2024-01-22

Fold

Abstract

In order to evaluate the predictive simulation ability of the CMA-CPSv3 climate prediction model （hereafter CMA-CPSv3 model） on two high-pressure systems， the South Asian High and the Western Pacific Subtropical High， that affect summer precipitation in China， the return simulated data by the CMA-CPSv3 model starting in March and May from 2001 to 2020 and ERA5 reanalysis data were used to firstly evaluate the model’s predictive ability on the characteristic indices of the two high-pressure systems， and then analyze the predictive ability of the differences in predicting the summer circulation system and water vapor characteristics between two high-pressure systems in the same good year and the same bad year， as well as their impact on summer precipitation in China， were compared.The possible reasons for the stronger prediction of the two high-pressure systems were explored.The main conclusions were as follows： （1） The CMA-CPSv3 model has the best prediction effect on the average ridge position of the West Pacific subtropical high and the South Asian high， with the predicted results of the intensity index and area index being significantly stronger or larger； Compared with the forecast starting in March， the forecast results starting in May have a certain improvement in the prediction of the West Pacific subtropical high.（2） The CMA-CPSv3 model has well predicted the circulation situation at 100 hPa and 500 hPa， with good predictions for temperature and wind fields.However， the predicted range of the South Asian High and the West Pacific Subtropical High is generally stronger.（3） The predicted positions of the ridge line of the two high-pressure systems in the same good year and the same poor year are relatively good， and the predicted areas and intensities are significantly stronger.The prediction deviation for the same good year is relatively small.It can better predict the spatial distribution of water vapor flux in East Asia and the distribution pattern of summer precipitation in China.（4） The upward motion of the predicted two high pressure systems in the longitude region is weaker than the ERA5 result， which may be one of the reasons for the larger range and stronger intensity of the predicted South Asian High and West Pacific Subtropical High.

Key words： CMA-CPSv3 model; simulation capability assessment; South Asian High pressure; West Pacific subtropical high; characteristic index

Cite this article

Mingsheng CHEN , Minhong SONG , Xiaoyun LIANG , Yufei PEI , Tongwen WU . Evaluation of Prediction Ability of the CMA-CPSv3 Model for the South Asian High and the West Pacific Subtropical High in Summer[J]. Plateau Meteorology, 2024 , 43(5) : 1138 -1151 . DOI: 10.7522/j.issn.1000-0534.2024.00009

1 引言

西太平洋副热带高压（以下简称西太副高）和南亚高压是东亚季风系统的主要成员， 对西太副高和南亚高压的位置、 强度的准确预报和预测影响着东亚地区夏季降水的多少和旱涝分布（陶诗言和卫捷， 2006； 徐海明等， 2001； 岑思弦等， 2021； 朱羿洁等， 2023）。随着数值模拟技术与理论研究、 观测研究成为支撑现代气候学研究的三大手段（周天军等， 2020）， 数值模式已成为气候模拟、 气候变化预测的重要工具（张武龙等， 2015； 周天军等， 2014）。数值模式对西太副高特征指数和年际变化的模拟和预测能力研究表明， 国家气候中心第二代月动力延伸预测模式（DERF2.0）对西太副高强度预测性能较好， 脊线预测相对较差（段春锋等， 2017）； 季节预测模式（CFSv2和BCC-CSMv2）对西太副高的预测技巧较高（顾伯辉等， 2017）； 全球集合预报业务模式GRAPES对西太副高脊线预测技巧较高， 强度和面积次之（高丽等， 2020）； 参与CMIP国际耦合模式计划的气候系统模式对西太副高脊线的气候态模拟较好（张潇潇等， 2022）， 但存在模拟性能整体偏弱（张宏芳和陈海山， 2011a， 2011b； 刘芸芸等， 2014）， 模式集合平均能够较好地模拟西太副高的年际变化， 但各模式间存在一定差异（Ren et al， 2017）， 气候系统模式较好地模拟出西太副高21世纪增强的年际变化（Lu and Fu， 2010）， 且对西太副高两种主要年际变率的模拟效果较好（He and Zhou， 2014； Ren et al， 2017； 刘芸芸等， 2014）。同样， 对南亚高压特征指数和年际变化的模拟能力研究表明， 全球集合预报系统GRAPES对南亚高压强度和中心纬度指数的预报技巧较高， 但对中心经度指数预报技巧相对较低（张宏芳和陈海山， 2011a， 2011b）； 中期数值预报准业务模式（T42L9）模拟再现了一次南亚高压的北跳过程和高原南侧的热力作用、 云辐射作用对其加热作用（郑庆林等， 1993）； 国家气候中心BCC_CSM1.1 模式对南亚高压也有较好的模拟能力， 特别是对南亚高压脊线和高压中心的位置及其季节变化模拟效果较好（董敏等， 2018）。可见， 集合预报系统和气候系统模式对南亚高压和西太副高都具有较好的模拟能力， 鉴于气候系统模式能够较完善地描述地球系统中多圈层的相互作用， 为此有必要开展气候系统模式对两个高压系统的预测能力评估。
中国气象局国家气候中心（BCC）气候系统预测模式BCC二代模式对全球气温、 降水和环流的预报性能整体上优于一代模式， 能够较好再现大气环流对ENSO信号的响应特征， 有效地提升了模式整体的预报性能（吴捷等， 2017）。对中国夏季降水， 特别是西南地区至长江中下游南部、 黄淮平原西部、 东北北部及藏北高原等地区季节预测技巧较高， 同时， 该模式对降水距平预报效果整体较好（吴捷等， 2017； 张丹琦等， 2019）。通过评估BCC_CSM、 ECMWF_System5、 NCEP_CFSv2等三个气候预测模式对青藏高原前冬降水和500 hPa高度场预测性能表明， BCC_CSM模式对降水历史回报的预报技巧最优， 且对热带地区的气候预测表现最突出（申红艳等， 2023； 郑嘉雯等， 2021）。2021年3月在第二代预测模式的基础上第三代季节气候预测模式系统CMA-CPSv3（China Meteorological Administration Climate Prediction System version 3）投入准业务化运行， 针对该模式对影响东亚地区夏季降水的两个环流系统的预测能力分析研究还未开展， 本文旨在评估CMA-CPSv3模式不同起报时间回报结果对西太副高和南亚高压的预测能力， 进一步分析该模式对东亚地区夏季两大环流系统的预测能力， 从而为东亚地区夏季降水的预测提供一定的参考， 并为后期相关模式参数化过程的改进提供科学依据。

2 资料来源和方法介绍

2.1　资料简介

预测数据来自多圈层耦合的CMA-CPSv3模式， 该模式实现了对海洋、 海冰、 大气多源资料的协调同化。相较前一版本， CMA-CPSv3模式在大气、 陆面、 海洋、 海冰等子系统模块的模式分辨率、 物理过程参数化均得到提高和优化， 其中大气模式水平分辨率达到0.45°×0.45°， 垂直高度由40 km扩展至65 km， 更新陆面模拟地表覆盖资料， 改进湖泊、 农田下垫面模拟， 海洋模式水平分辨率提高到全球均匀0.25°×0.25°， 垂直深度达5.5 km。本文选取2001 -2020年3月、 5月起报的6 -8月逐月CMA-CPSv3模式回报结果， 气象要素包括位势高度、 纬向风、 经向风、 温度场、 降水、 水汽通量等。
对比数据选取欧洲中期天气预报中心（ECMWF）提供的2001 -2020年月平均0.25°×0.25°水平分辨率的ERA5 再分析资料。由于预测数据和再分析数据的水平分辨率不同， 为方便比较将所用数据的水平分辨率统一为0.5°×0.5°。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2020） 4619号的中国地图制作， 底图无修改。

2.2　研究方法

参考国家气候中心对环流指数的定义（冯琬等， 2014）和相关研究（高丽等， 2020； 雷显辉等， 2022）， 本文对西太副高和南亚高压的强度指数、 面积指数和平均脊线位置三个特征指数的相关定义如下：
（1） 强度指数： 500 hPa高度场上区域（10°N - 50°N， 110°E -180°）内位势高度的最大值定义为西太副高的强度指数； 100 hPa高度场上区域（0° -80°N， 0° -180°）内位势高度的最大值定义为南亚高压的强度指数。
（2） 面积指数： 500 hPa高度场上同样区域（10°N -50°N， 110°E -180°）内位势高度值≥588 dagpm的格点数定义为西太副高的面积指数； 100 hPa高度场上区域（15°N -55°N， 30°E -120°E）内位势高度值≥1675 dagpm的格点数定义为南亚高压的面积指数。
（3） 平均脊线位置： 500 hPa高度场上区域（10°N -50°N， 110°E -150°E）内588 dagpm等值线范围（若没有588 dagpm， 则用587 dagpm代替， 以此类推直到584 dagpm）位势高度最大值的平均纬度值为西太副高的脊线位置； 100 hPa高度场上区域（0° -80°N， 30°E -180°）内等值线1675 dagpm范围（若没有1675 dagpm， 则用1674 dagpm代替， 以此类推直到1671 dagpm）位势高度最大值的平均纬度值为南亚高压的脊线位置。
此外， 为了明确CMA-CPSv3模式对西太副高和南亚高压的空间分布和区域降水的预测能力， 计算了预测结果和再分析数据之间的皮尔逊相关系数（丁一汇和刘芸芸， 2008； 朱玉祥等， 2021）， 具体公式为：
S I = ∑ i = 0 n ∑ j = 0 n ( X i j - X ¯ ) ( Y i j - Y ) ∑ i = 0 n ∑ j = 0 n ( X i j - X ¯ ) 2 ∑ i = 0 n ( Y i j - Y ) 2
式中： X i j为CMA-CPSv3预测回报数据； X ¯为预测回报数据的区域平均值； Y i j为ERA5再分析数据； Y ¯为再分析数据的区域平均值。

3 结果分析

3.1　特征指数的评估

根据前面南亚高压和西太副高的特征指数定义， 分别计算了3月和5月起报的2001 -2020年逐年6 -8月南亚高压和西太副高特征指数的预测结果（如图1）。从图1 （a）、 （c）和（e）可以看出， 3月起报预测的西太副高脊线位置6月、 7月整体偏北， 占3/4以上， 8月明显偏南， 特别是2009年8月预测的西太副高脊线位置接近18°N， 与ERA5的结果相差近12个纬距； 强度指数则夏季整体预测结果明显偏强， 6 -8月分别占4/5、 3/4、 3/5； 面积指数则表现为预测值整体偏大。而5月起报的西太副高脊线位置预测结果较3月起报结果更接近ERA5结果， 但6 -8月表现不一致， 6月略偏北， 7月相当， 8月仍偏南； 强度指数则各月预测结果与ERA5结果相当， 面积指数仍以预测偏大为主， 且6月预测效果优于8月［图1（b）， （d）， （f）］。从图1（g~l）可以看出， 3月起报的6、 8月南亚高压脊线位置均较ERA5结果偏南， 7月整体偏北， 平均相差3个纬距左右， 强度指数和面积指数均以偏强为主， 特别是6月， 预测的南亚高压强度指数和面积指数几乎均是ERA5结果的两倍以上； 5月起报的南亚高压预测结果类似， 但三个特征指数的预测偏差较3月起报结果明显偏小。
图1 3月、 5月起报预测的2001 -2020年6 -8月西太副高（a~f）和南亚高压（g~l）特征指数（a）、 （c）、 （e）分别为3月起报预测的6 -8月西太副高特征指数； （b）、 （d）、 （f）分别为5月起报预测的6 -8月西太副高特征指数； （g）、 （i）、 （k）分别为3月起报预测的6 -8月南亚高压特征指数； （h）、 （j）、 （l）分别为5月起报预测的6 -8月南亚高压特征指数

Fig.1 Characteristic indices of the West Pacific Subtropical High (a~f) and the South Asia High (g~l) from June to August during 2001 -2020 forecasted by CMA-CPSv3 starting from March and May.InFig.1, (a), (c)and (e) characteristic indices of the West Pacific Subtropical High from June to August forecasted by CMA-CPSv3 starting from March; (b), (d) and (f) characteristic indices of the West Pacific Subtropical High from June to August forecasted by CMA-CPSv3 starting from May; (g), (i) and (k) characteristic indices of the South Asia High from June to August forecasted by CMA-CPSv3 starting from March; (h), (j) and (l) characteristic indices of the South Asia High from June to August forecasted by CMA-CPSv3 starting from May

总体而言， 5月起报的夏季各月西太副高和南亚高压特征指数的预测效果均优于3月起报的结果， 其中5月起报的6月两个高压系统预测效果最佳； 进一步比较强度指数、 面积指数和平均脊线位置的预测效果可知， CMA-CPSv3模式对两个高压系统平均脊线位置的预测效果最好， 预测的强度指数和面积指数均明显偏强， 但对西太副高的整体预测效果优于南亚高压。值得注意的是， 6 -8月无论是南亚高压还是西太副高的强度指数和面积指数之间存在一定的正相关关系， 即： 强度指数偏大， 则面积指数亦偏大， 这与雷显辉等（2022）所得结论相同。
根据图1两个高压系统特征指数的预测结果进行加权评分。首先， 对某一高压系统的任一特征指数的偏差（预测值减去再分析值）由小到大进行排序， 并从100开始以5递减标注相应得分， 这样分别得到各个特征指数的预测评分； 然后， 基于强度指数和面积指数存在一定的正相关， 将两者的权重系数均设为0.25， 脊线位置的权重系数设为0.5， 这样各个特征指数的预测评分乘以各自的权重就得到加权评分结果； 最终， 根据加权评分结果选取出南亚高压的三个评分较高年份作为预测较好年（即2020年、 2018年、 2001年）和三个预测较差年（2015年、 2004年、 2016年）， 同样， 西太副高的三个预测较好年分别为2017年、 2001年、 2010年和三个预测较差年为2015年、 2012年、 2011年， 其中2001年西太副高和南亚高压的预测效果都较好， 而2015年两者预测效果都较差。

3.2　环流特征的预测能力分析

为了进一步检验CMA-CPSv3模式对西太副高和南亚高压的预测能力， 下面将预测较好年和较差年合成的不同起报时间预测的环流形势与相应时段的ERA5结果进行对比分析。
从3月、 5月起报预测的西太副高较好年合成的东亚地区500 hPa环流形势（图2）可以看出， 6月青藏高原以北地区等高线较平直， 我国华北及高原东侧有浅槽， 高原地区盛行偏西风， -2 ℃以上的暖中心位于高原西南部， 故高原地区为暖高压控制， 西太副高主体位于台湾以南、 菲律宾以北的西太平洋地区， 而预测的高度场和温度场均呈明显正偏差， 高原主体位势高度在584 dagpm以上， 较ERA5高度场偏高4~6 dagpm， 温度中心也偏高2~4 ℃， 而风场差异较复杂， 在高原主体差异不明显， 除高原东部外其余三面均以正偏差为主； 7月、 8月在ERA5环流形势场上， 40°N以北地区呈两槽一脊型， 584 dagpm等高线位于高原北侧， 高原以北地区盛行偏西风， 7月主体北跳至我国华东及东部沿海地区， 脊线西伸至福建、 浙江沿海地区， 8月西太副高主体范围较7月减小， 由于其南界的北移， 脊线西伸至江西中部（115°E左右）区域且呈西西南-东东北走向， 预测结果显示， 我国范围内高度场和温度场均偏强， 预测的西太副高位置也表现出6月偏南、 8月偏北， 较ERA5结果均略偏北一些， 且西伸更明显， 西脊点在120°E以西。同时， 5月起报（图2右列）较3月起报的环流形势有所改善， 与ERA5结果差异减小， 西太副高的北移、 西伸也有一定程度的减弱。可见， 5月起报的预测结果略优于3月起报的。
图2 ERA5再分析（左）和3月（中）、 5月（右）起报CMA-CPSv3预测的西太副高较好年合成的东亚地区500 hPa位势高度（等值线， 单位： dagpm）、 风场（矢量， 单位： m·s-1）和温度（彩色区， 单位： ℃）的分布（a）~（c） 6月， （d）~（f） 7月， （g）~（i） 8月， 部分图右上角标注为相应要素的空间相关系数

Fig.2 Synthetic circulation of geopotential height （contour line， unit： dagpm）， wind field （vector， unit： m·s-1）， and temperature （color area， unit： ℃） on 500 hPa in East Asia as well predicted by CMA-CPSv3 model starting from March （middle） and May （right） and ERA5 reanalysis data （left）.（a）~（c） June， （d）~（f） July， （g）~（i） August， the corresponding spatial correlation coefficients marked in the upper right corner of some graphs

为定量化预测结果的优劣， 选取高原范围（25°N -40°N， 72°E -105°E）分别计算温度、 风速和位势高度的空间相关系数， 较好年高原地区高度、 温度和风场的空间相关系数在0.5~0.9， 其中， 温度场相关较好， 均在0.98以上； 高度场次之， 在0.96以上； 风场较差， 在0.52~0.89， 最低是5月起报预测的6月风场。就高原地区而言， 3月起报和5月起报预测的夏季500 hPa环流形势比较接近。
从图3可以看出， 预测的西太副高面积和强度存在偏大、 偏强问题， 特别是3月起报预测的西太副高整体西伸更强， 6月588 dagpm等高线最西端已达广西中部地区， 与ERA5结果相比偏西了近15个经距， 而5月起报预测的高度场明显优于3月起报结果。对比预测较好年（图2）和预测较差年（图3）夏季500 hPa合成环流形势可看出， 预测的高度场呈明显正偏差， 西太副高的预测结果均西伸明显、 范围偏大， 较好年比较差年偏差值略小， 温度场上高原南部的暖中心预测结果范围明显偏大， 延伸到华南地区甚至东海， 相应的风场也明显偏强， 整体上， CMA-CPSv3模式预测出了西太副高6 -8月的北挺西伸过程， 但较ERA5结果北挺位置更北、 西伸位置也更西。同时， 高原地区的温度场预测效果最佳， 夏季较好年和较差年均在0.98以上， 具有较强的相关性； 高度场次之， 相关系数也均在0.95以上， 同时较好年和较差年3月起报预测的高度场相关系数均略高于5月起报； 风场预测结果不稳定， 6月相关性较弱， 7 -8月相关系数均在0.72以上， 相关性较强， 从空间相关系数上看， 除7月以外3月起报预测的风场均优于5月起报。
图3 ERA5再分析（左）和3月（中）、 5月（右）起报CMA-CPSv3预测的西太副高较差年合成的东亚地区500 hPa位势高度（等值线， 单位： dagpm）、 风场（矢量， 单位： m·s-1）和温度（彩色区， 单位： ℃）的分布（a）~（c）6月， （d）~（f）7月， （g）~（i）8月， 部分图右上角标注为相应要素的空间相关系数

Fig.3 Synthetic circulation of geopotential height （contour line， unit： dagpm）， wind field （vector， unit： m·s-1）， and temperature （color area， unit： ℃） on 500 hPa in East Asia in bad predicted by CMA-CPSv3 model starting from March （middle） and May （right） and ERA5 reanalysis data （left）.（a）~（c） June， （d）~（f） July， （g）~（i） August， the corresponding spatial correlation coefficients marked in the upper right corner of some graphs

从ERA5再分析和3月、 5月起报CMA-CPSv3模式预测的南亚高压较好年合成的东亚地区100 hPa环流形势（图4）可看出， 6月100 hPa高度场上南亚高压主体1675 dagpm线基本闭合在30°N、 60°E -90°E， 风场也呈明显的顺时针旋转， 温度场上由北到南逐渐降低， 而3月、 5月起报的预测结果显示， 高度场上1675 dagpm线范围明显南北扩大， 中心位置与ERA5较一致， 温度场上也明显偏高， 相应的反气旋风场的范围也较ERA5结果偏大； 7月南亚高压主体已东伸到高原东侧的长江中下游地区， 风场呈明显的顺时针旋转， 高原南侧印度半岛基本为偏东风、 北部为偏西风， 温度场上基本在-75 ℃以下， 由北到南逐渐降低， 而预测的高度场上1675 dagpm线范围明显南北扩大且东伸10个经距以上， 中心位置与ERA5较一致， 温度场上也明显偏高， 相应的反气旋风场的范围也较ERA5结果偏大； 8月南亚高压主体又南撤西缩， 与6月位置和范围相当， 预测的温度场、 高度场、 风场均偏高， 预测结果在高原地区的空间相关系数均较强， 最低为0.82， 同时较好年和较差年（图略）100 hPa环流形势差异不明显， 南亚高压特征等高线的位置和强度还是较好年偏差略小于较差年。对比3月起报和5月起报的预测结果可看出， 5月起报的预测高原地区的温度和位势高度的相关系数均在0.96以上， 风场略差也在0.85以上， 3月起报预测的8月高原地区的温度、 位势高度和风场的相关系数均略小于5月起报预测结果。
图4 ERA5再分析（左）和3月（中）、 5月（右）起报CMA-CPSv3预测的南亚高压较好年合成的东亚地区100 hPa位势高度（等值线， 单位： dagpm）、 风场（矢量， 单位： m·s-1）和温度（彩色区， 单位： ℃）的分布（a）~（c）6月， （d）~（f）7月， （g）~（i）8月， 部分图右上角标注为相应要素的空间相关系数

Fig.4 Synthetic circulation of geopotential height （contour line， unit： dagpm）， wind field （vector， unit： m·s-1）， and temperature （color area， unit： ℃） on 100 hPa in East Asia as well predicted by CMA-CPSv3 model starting from March （middle） and May （right） and ERA5 reanalysis data （left）.（a）~（c） June， （d）~（f） July， （g）~（i） August， the corresponding spatial correlation coefficients marked in the upper right corner of some graphs

上述分析表明， CMA-CPSv3模式较好地预测了100 hPa和500 hPa环流形势的空间分布， 但预测的南亚高压和西太副高的范围整体偏强。张宏芳和陈海山（2011b）对比21个气候模式对西太副高的模拟结果表明， 11个模式对西太副高的模拟整体偏强， 这与本文的预测结果相一致。值得注意的是， CMA-CPSv3模式对100 hPa和500 hPa环流形势的预报性能虽然5月起报略优于3月起报， 但考虑预报时间越早越有利， 因此， 下面用3月起报的预测结果进行南亚高压和西太副高同好年和同差年的评估。

4 对比预测的两个高压系统同好年和同差年

下面将通过对比分析CMA-CPSv3模式预测的南亚高压和西太副高同好年（2001年）和同差年（2015年）夏季两个高压系统的特征、 水汽输送状况及其对夏季我国东部降水的影响， 进一步探讨模式对南亚高压和西太副高的预测能力。

4.1　要素场分析

由图5中ERA5结果（虚线）可看出， 2001年和2015年夏季南亚高压的平均脊线位置均位于30°N附近， 高压主体（即1675 dagpm等值线）分别位于102°E以西（呈西部型）和110°E以西（呈东部型）， 主要控制青藏高原地区和西南地区， 而西太副高的平均脊线位置均位于25°N附近， 主体在台湾以东的洋面上。相比较而言， CMA-CPSv3模式可以较好地预测了南亚高压平均脊线位置， 但预测的主体部分明显偏强， 不仅南北扩大， 而且东伸明显， 两个年份南亚高压的东伸脊点均明显偏东约30个经距， 特征等高线范围包括了除东北以外的全国大部分地区。同样的， CMA-CPSv3模式预测的西太副高也存在南北扩大、 西脊点过度西伸等现象， 其中， 2001年CMA-CPSv3预测的西太副高西伸脊点与ERA5结果相差10个纬度以上， 而2015年588 dagpm等值线贯穿青藏高原与伊朗高压相连通， 图面范围没有出现西太副高南界。
图5 2001年（a）和2015年（b）夏季南亚高压、 西太副高特征等高线（等值线， 单位： dagpm）的空间分布实线为CMA-CPSv3预测结果， 虚线为ERA5结果

Fig.5 Spatial distribution of characteristic contour lines （contour， unit： dagpm） of the South Asian High and West Pacific Subtropical High during the summer of 2001 （a） and 2015 （b）.Solid line represents the CMA-CPSv3 result and dashed line represents the ERA5 result

通过上述分析可知， 无论是同好年还是同差年， 预测的南亚高压和西太副高明显偏强， 同好年的差异较同差年偏小； 预测的特征指数较好的是平均脊线位置， 其次是北界和东、 西伸脊点， 最差的是南界， 尤其是对西太副高南界的预测偏差较大。
对比同好年夏季东亚地区的水汽通量［图6（a）， （b）］可看出， 东亚地区夏季水汽通量大值区主要位于东南亚半岛、 南海和印度尼西亚地区， 向西从孟加拉湾东侧分为两支， 一支延伸至孟加拉湾北部和印度南部， 多以偏南水汽输送为主， 另一支向西南经孟加拉湾中部到印度南部， 以偏西水汽输送为主， CMA-CPSv3模式较好地预测了这两条水汽通量分支， 但强度明显偏强， 特别是印度北部至高原西南部， 预测的新疆、 高原中东部以及华南部分地区水汽通量偏弱， 特别是云南西部和四川西南部地区明显减弱。从图6（c）和（d）可看出， 同差年夏季预测的东亚地区水汽通量的空间分布除水汽通量大值区外整体偏小。由于CMA-CPSv3预测的西太副高南北扩大， 使得大量西太平洋的水汽被输送到我国华北地区， 但南亚高压的南北扩大使得西南季风的水汽输送减弱， 最终预测的华北地区水汽通量略低于ERA5结果。就高原地区而言， CMA-CPSv3模式预测的水汽通量与ERA5结果比较接近， 尤其是高原中部地区。
图6 2001年（a， b）和2015年（c， d）夏季东亚区域水汽通量［矢量， 单位： kg· （m·s）-1］的空间分布（a）、 （c） ERA5结果， （b）、 （d） CMA-CPSv3预测结果； 彩色区表示水汽通量数值大小［单位： kg· （m·s）-1］

Fig.6 Spatial distribution of water vapor flux ［vector， unit： kg· （m·s）-1］ in the East Asian region during the summer of 2001 （a， b） and 2015 （c， d）.In Fig.6， （a） and （c） denotes ERA5 results， （b） and （d） denotes CMA-CPSv3 results； The color area represents the magnitude of water vapor flux ［unit： kg· （m·s）-1］

对比分析了东亚地区水汽输送情况之后， 再来看一下同好年和同差年我国夏季降水的预测结果。从图7（a）、 （c）可知， CMA-CPSv3模式预测的夏季降水量均呈东南向西北递减的分布， 其中新疆、 青海北部、 甘肃和内蒙古大部分地区降水量不足5 mm， 华南地区、 四川南部和高原南侧降水最多， 均在400 mm以上， 且在华北地区存在呈东北-西南走向的带状降水； 对比与ERA5降水量的差值［图7（b）， （d）］可清楚看出， 除东北、 华北、 四川中南部、 西藏南部、 海南和台湾呈较小正偏差外， 其余地区呈负偏差， 预测降水量偏小， 特别是新疆、 广西-湖南-湖北一线绝大部分地区预测降水偏差在-25~5 mm， 甚至在新疆伊犁河谷地区、 四川东部和云南部分地区偏小100 mm以上。总之， CMA-CPSv3模式预测的夏季降水分布格局与ERA5结果比较接近， 2001年和2015年的空间相关系数均在0.70以上， 通过了0.05的显著性水平检验， 其中， 2001年预测效果（空间相关系数为0.75）优于2015年（空间相关系数为0.72）， 但量值存在差异， 预测的高原地区降水量除南部高山区外整体也偏大， 且数值不大于25 mm。
图7 2001年（a， b）和2015年（c， d）夏季中国地区降水量及其差值的空间分布（a）、 （c）CMA-CPSv3预测值， （b）、 （d） CMA-CPSv3预测值与ERA5差值

Fig.7 Spatial distribution of precipitation and its difference in China in summer of 2001 （a， b） and 2015 （c， d）.In Fig.7， （a） and （c） denotes CMA-CPSv3 results， （b） and （d） denotes difference between CMA-CPSv3 results and ERA5 results

上述分析表明， 影响CMA-CPSv3模式预测夏季降水结果的主要因素是预测的南亚高压和西太副高的位置较好， 从而夏季降水格局与ERA5结果较接近， 但预测的两个高压均整体偏强， 使得西南季风输送的水汽减少， 同时西太副高的南北扩大、 明显西伸使得西太副高输送的西太平洋暖湿气流不断北移， 从而我国大部分地区水汽通量（较ERA5再分析数据而言）相对较少， 导致降水整体偏少； 而对于降水量偏大的少部分地区水汽通量也同样较少， 主要是这些地区或周边均有高大地形， 模式可能夸大了地形作用， 故产生大量降水。

4.2　可能原因的讨论

前面的分析表明， CMA-CPSv3模式预测的南亚高压和西太副高存在明显的范围偏大， 可能与预测的海陆热力差异大小有关。为了进一步确定两个高压系统均明显偏强的原因， 下面就沿着两个高压系统主体所在的经度区域作北半球平均经圈环流， 通过分析经圈环流上升支和下沉支的位置和强度来讨论海陆热力差异对两大高压系统的影响。
夏季沿120°E -150°E北半球平均经圈环流的气候态［图8（a）］显示， 中低纬度地区有强的上升运动， 且在0° -20°N和30°N处600~300 hPa层上存在两个明显的大值中心， 低纬度地区的垂直运动中心无论从控制范围还是中心值上均明显强于中纬度地区的。上升气流在200 hPa处出现风向偏转， 在100 hPa转为南风， 这表明上升运动主要集中在中低层， 高空100 hPa处垂直风速几乎为零。
图8 气候态（左）、 2001年（中）和2015年（右）夏季沿120°E -150°E北半球平均经圈环流剖面（矢量和彩色区， 单位： m·s-1）（a）~（c）ERA5结果， （d）~（f）CMA-CPSv3结果

Fig.8 Profile of mean meridional circulation （vector and color area， unit： m·s-1） along averaged 120°E -150°E in the northern hemisphere in summer in climate state （left）， 2001 （middle） and 2015 （right）.（a）~（c） ERA5 results， （d）~（f） CMA-CPSv3 results

通过对比CMA-CPSv3模式预测结果［图8（d）］可以看出， CMA-CPSv3模式较好预测了夏季沿120°E -150°E北半球平均经圈环流的整体分布特征， 准确预测出两个垂直运动大值区的位置， 其中预测的中纬度垂直运动相较于ERA5结果控制范围偏大， 且2015年垂直运动强度也相对偏强， 而预测的低纬度平均经圈环流相对整体偏小。同时， 结合预测2001年和2015年的平均经圈环流可明显看出， CMA-CPSv3模式对中纬度地区垂直运动的模拟无论是其控制范围还是垂直运动的最大值均要偏大， 其中2001年的预测结果最为明显， 垂直运动大值区（>3 m·s-1）在40°N以南的中低纬度地区形成一个双极值中心的分布， 低纬度地区的较强中心在10°N附近， 中心值在6 m·s-1以上， 弱于ERA5； 而中纬度地区则整体呈现偏大结果， 特别是垂直运动中心偏北10个纬距， 上升运动亦偏北。总之， 较ERA5结果而言， 预测的20°N -60°N范围的上升运动偏弱， 这可能导致预测的西太副高范围偏大、 强度偏强。
由夏季沿60°E -120°E北半球平均经圈环流的气候态［图9（a）］可看出， 从赤道到35°N地区均存在整层强垂直运动， 垂直上升运动沿赤道向北先增大后减小在15°N -25°N范围内风速最大， 且最强中心（8 m·s-1以上）位于500~300 hPa。通过对比CMA-CPSv3模式预测的气候态结果［图9（d）］可知， 模式在赤道地区对平均经圈环流的高空预测整体偏强， 已到达14 km以上（即150 hPa）， 但25oN以北的高空预测结果明显偏弱。同时ERA5结果显示， 在40°N附近的底层大气存在最大速度为8 m·s-1的下沉运动， 但CMA-CPSv3模式预测的结果却明显偏小， 仅4~5 m·s-1 ［图9（a）， （d）］。对比2001年［图9（b）， （e）］和2015年［图9（c）， （f）］的结果也验证了上述结果， 即： 较ERA5结果而言， 预测的400 hPa以下10°N -30°N的上升运动偏弱， 这可能导致预测的南亚高压范围偏大、 强度偏强。
图9 气候态（左）、 2001年（中）和2015年（右）夏季沿60°E -120°E北半球平均经圈环流剖面（矢量和彩色区， 单位： m·s-1）（a）~（c）ERA5结果， （d）~（f）CMA-CPSv3结果

Fig.9 Profile of mean meridional circulation （vector and color area， unit：m·s-1） along averaged 60°E -120°E in the northern hemisphere in summer in climate state （left）， 2001 （middle） and 2015 （right）.（a）~（c） ERA5 results， （d）~（f） CMA-CPSv3 results

5 结论

利用2001 -2020年夏季CMA-CPSv3模式预测结果和ERA5再分析数据初步评估了CMA-CPSv3模式不同起报时间预测的夏季南亚高压和西太副高强度指数、 面积指数和平均脊线位置的预测能力， 然后选取两个高压系统预测同好年和同差年对比了夏季环流系统、 水汽输送特征的预测偏差以及对我国夏季降水的影响， 最后探讨了两个高压系统预测偏差的可能原因， 得出的主要结论如下：
（1） CMA-CPSv3模式5月起报的夏季各月西太副高和南亚高压特征指数的预测效果均优于3月起报的， 预测偏差明显较小； 对两个高压系统平均脊线位置的预测效果最好， 强度指数和面积指数预测结果均明显偏强， 但对西太副高的整体预测效果优于南亚高压。
（2） CMA-CPSv3模式较好地预测了100 hPa和500 hPa环流形势的空间分布， 其中温度场和风场的预测效果较好， 但预测的南亚高压和西太副高的范围整体偏强； 相比3月起报， 5月起报的预测偏差较小。
（3） 无论是两个高压系统预测的同好年还是同差年， 两个高压的脊线位置预测较好， 预测的面积和强度均明显偏强， 同好年的预测偏差明显优于同差年； 能够较好地预测出东亚地区水汽通量的空间分布， 但较ERA5结果水汽通量数值整体偏小； 预测的我国夏季降水分布格局与ERA5结果较接近， 同好年的空间相关系数在0.74以上。
（4） 预测的两个高压系统所在经度区域的上升运动较ERA5结果偏弱， 可能是引起预测的南亚高压和西太副高范围偏大、 强度偏强的原因之一。

References

null
He C， Zhou T J， 2014.The two interannual variability modes of the Western North Pacific Subtropical High simulated by 28 CMIP5-AMIP models［J］.Climate Dynamics， 43： 2455-2469.
null
Lu R Y， Fu Y H， 2010.Intensification of East Asian summer rainfall interannual variability in the twenty-first century simulated by 12 CMIP3 Coupled Models［J］.Journal of Climate， 23： 3316-3331.
null
Ren Y J， Zhou B T， Song L C， et al， 2017.Interannual variability of western North Pacific subtropical high， East Asian jet and East Asian summer precipitation： CMIP5 simulation and projection［J］.Quaternary International， 440： 64-70.
null
岑思弦， 陈文， 胡鹏， 等， 2021.南亚高压演变过程及其变异机制研究进展［J］.高原气象， 40（6）： 1304-1317.DOI： 10.7522/j.issn. 1000-0534.2021.zk014.Cen S X ，
null
Chen W， Hu P， et al， 2021.Progresses in understanding the seasonal evolution of the South Asian High and the mecha‐nisms of its variations［J］.Plateau Meteorology， 40（6）： 1304-1317.DOI： 10.7522/j.issn.1000-0534.2021.zk014 .
null
丁一汇， 刘芸芸， 2008.亚洲-太平洋季风区的遥相关研究［J］.气象学报， 66（5）： 670-682.DOI： 10.11676/qxxb2008.062.Ding Y H ，
null
Liu Y Y， 2008.A study of the teleconnection in the Asian-Pacific monsoon region［J］.Acta Meteorologica Sinica， 66（5）： 670-682.DOI： 10.11676/qxxb2008.062 .
null
段春锋， 徐敏， 程智， 等， 2017.DERF2.0模式对月尺度西太平洋副热带高压预测能力评估［J］.气象， 43（10）： 1267-1277.
null
DO 1 ： 10.7519/j.issn.1000-0526.2017.10.011.Duan C F， Xu M， Cheng Z，et al， 2017.Evaluation on monthly prediction of western Pacific subtropical high by DERF2.0 Model［J］.Meteorological Monthly， 43（10）： 1267-1277.DO1： 10.7519/j.issn.1000-0526.2017.10.011.
null
董敏， 吴统文， 左群杰， 等， 2018.气候系统模式对南亚高压气候特征的模拟比较研究［J］.高原气象， 37（2）： 455-468.DOI： 10.7522/j.issn.1000-0534.2017.00051.Dong M ，
null
Wu T W， Zuo Q J， et al， 2018.A simulation comparison study on the climatic characteristics of the South Asia High by the BCC Climate System Model［J］.Plateau Meteorology， 37（2）： 455-468.DOI： 10.7522 /j.issn.1000-0534.2017.00051 .
null
冯琬， 范广洲， 朱丽华， 等， 2014.夏季南亚高压与西太平洋副热带高压的相关性分析［J］.热带气象学报， 30（5）： 963-970.DOI： 10.3969/j.issn.1004-4965.2014.05.016.Feng W ，
null
Fan G Z， Zhu L H， et al， 2014.Relationships between the South Asia High （SAH） and Western Pacific Subtropical Anticyclone（WPSA） during summer［J］.Journal of Tropical Meteorology， 30（5）： 963-970.DOI： 10.3969/j.issn.1004-4965.2014.05.016 .
null
高丽， 任鹏飞， 周放， 等， 2020.GRAPES-GEPS对西太平洋副热带高压和南亚高压的集合预报评估与集合方法研究［J］.地球科学进展， 35（7）： 715-730.DOI： 10.11867/j.issn.1001-8166.2020.060.Gao L R ，
null
Peng F， Zhou F， et al， 2020.Evaluations and ensemble approaches of Western Pacific subtropical high and South-Asian high ensemble forecasting in GRAPES-GEPS［J］.Advances in Earth Science， 35（7）： 715-730.DOI： 10.11867/j.issn.1001-8166.2020.060 .
null
顾伯辉， 郑志海， 封国林， 等， 2017.季节预测模式对东亚夏季环流的预测能力及其对热带海洋的响应分析［J］.大气科学， 41（1）： 91-105.DOI： 10.3878/j.issn.1006-9895.1603.15154.Gu B H ，
null
Zheng Z H， Feng G L， et al， 2017.The capacity of seasonal forecast models for the forecast of the East Asian summer circulation and its response to tropical SST anomaly ［J］.Chinese Journal of Atmospheric Sciences， 41 （1）： 91-105.DOI： 10.3878/j.issn.1006-9895.1603.15154 .
null
雷显辉， 宋敏红， 张少波， 2022.夏季南亚高压和西太副高活动特征指数与中国东部降水分布的联系［J］.高原气象， 41（2）： 489-501.DOI： 10.7522/j.issn.1000-0534.2021.00099.Lei X H ，
null
Song M H， Zhang S B， 2022.Association between summer activity characteristic indices of the South Asia High and the West Pacific subtropical high and precipitation distribution in Eastern China［J］.Plateau Meteorology， 41（2）： 489-501.DOI： 10.7522/j.issn.1000-0534.2021.00099 .
null
刘芸芸， 李维京， 左金清， 等， 2014.CMIP5模式对西太平洋副热带高压的模拟和预估［J］.气象学报， 72（2）： 277-290.DOI： 10.11676/qxxb2014.025.Liu Y Y ，
null
Li W J， Zuo J Q， et al， 2014.Simulations and projections of the western Pacifle subtropical high in CMIP5 models［J］.Acta Meteorologica Sinica， 72（2）： 277-290.DOI： 10.11676/qxxb2014.025 .
null
申红艳， 温婷婷， 赵仙荣， 等， 2023.基于多模式的青藏高原前冬降水预测性能评估［J］.干旱区研究， 40（7）： 1-14.DOI： 10.13866/j.azr.2023.07.01.Shen H T ，
null
Wen T T， Zhao X R， et al， 2023.Evaluation of multi-model precipitation simulation over the Tibetan Plateau in early winter ［J］.Arid Zone Research， 40（7）： 1-14.DOI： 10.13866/j.azr.2023.07.01 .
null
陶诗言， 卫捷， 2006.再论夏季西太平洋副热带高压的西伸北跳［J］.应用气象学报， 17（5）： 513-525.
null
Tao S Y， Wei J， et al， 2006.The westward northward advance of the subtropical high over the West Pacific in summer ［J］.Applied Meteorological Science， 17（5）： 513-525.
null
吴捷， 任宏利， 张帅， 等， 2017.BCC二代气候系统模式的季节预测评估和可预报性分析［J］.大气科学， 41（6）： 1300-1315.DOI： 10.3878/j.issn.1006-9895.1703.16256.Wu J ，
null
Ren H L， Zhang S， et al， 2017.Evaluation and predictability analysis of seasonal prediction by BCC second-generation climate system model ［J］.Chinese Journal of Atmospheric Sciences， 41 （6）： 1300-1315.DOI： 10.3878/j.issn.1006-9895.1703.16256 .
null
徐海明， 何金海， 周兵， 2001.江淮入梅前后大气环流的演变特征和西太平洋副高北跳西伸的可能机制［J］.应用气象学报， 12 （2）： 150-158.
null
Xun H M， He J H， Zhou B， 2001.The features of atmospheric circulation during Meiyu onset and possible mehanisms for westward extension （northward shift） of pacific subtropical high ［J］.Applied Meteorological Science， 12（2）： 150-158.
null
张丹琦， 孙凤华， 张耀存， 2019.基于BCC第二代短期气候预测模式系统的中国夏季降水季节预测评估［J］.高原气象， 38（6）： 1229-1240.DOI： 10.7522/j.issn.1000-0534.2018.00149.Zhang D Q ，
null
Sun F H， Zhang Y C， 2019.Evaluation of seasonal prediction for summer rainfall in China based on BCC second-generation short-range climate forecast systerm［J］.Plateau Meteorology， 38（6）： 1229-1240.DOI： 10.7522/j.issn.1000-0534.2018.00149 .
null
张宏芳， 陈海山， 2011a.21个气候模式对东亚夏季环流模拟的评估Ⅰ： 气候态［J］.气象科学， 31（2）： 119-128. Chen H F， Chen S H， 2001a.Evaluation of East Asian summer circulation simulations over East Asia by 21 climate models I： climatology［J］.Journal of the Meteorological Sciences， 31（2）： 119-128.
null
张宏芳， 陈海山， 2011b.21个气候模式对东亚夏季环流模拟的评估Ⅱ： 年际变化［J］.气象科学， 31（3）： 247-257. Chen H F， Chen S H， 2001a.Evaluation of East Asian summer circulation simulations over East Asia by 21 climate models Ⅱ： climatology［J］.Journal of the Meteorological Sciences， 31（3）： 247-257.
null
张武龙， 张井勇， 范广洲， 2015.CMIP5模式对我国西南地区干湿季降水的模拟和预估［J］.大气科学， 39（3）： 559-570.DOI： 10.3878/j.issn.1006-9895.1408.14136.Zhang W L ，
null
Zhang J Y， Fan G Z， 2015.Evaluation and projection of dry-and wet-season precipitation in southwestern China using CMIP5 models ［J］.Chinese Journal of Atmospheric Sciences， 39 （3）： 559-570.DOI： 10.3878/j.issn.1006-9895.1408.14136 .
null
张潇潇， 薛峰， 董啸， 等， 2022.国家气候中心两个CMIP6模式模拟的东亚夏季风的季节内演变［J］.气候与环境研究， 27（6）： 729-746.DOI： 10.3878/j.issn.1006-9585.2021.21112.Zhang X X ，
null
Xue F， Dong X， et al， 2022.Subseasonal evolution of the East Asian summer monsoon simulated by two BCC Climate Models Participating in CMIP6 ［J］.Climatic and Environmental Research， 27 （6）： 729-746.DOI： 10.3878/j.issn.1006-9585.2021.21112 .
null
郑嘉雯， 蔡宏珂， 吴捷， 等， 2021.三个气候系统模式对500hPa高度场预报的检验对比分析［J］.高原山地气象研究， 41（2）： 115-124.DOI： 10.3969/j.issn.1674-2184.2021.02.014.Zheng J W ，
null
Cai H K， Wu J， et al， 2021.Performance of seasonal prediction of 500 hPa geopotential height with three operational climate prediction models［J］.Plateau and Mountain Meteorology Research， 41（2）： 115-124.DOI： 10.3969/j.issn.1674-2184.2021.02.014 .
null
郑庆林， 燕启民， 宋青丽， 1993.一次南亚高压中期活动过程的数值研究［J］.热带气象学报， 9（1）： 37-45.
null
Zheng Q L， Yan Q M， Song Q L， 1993.A numerical study of the mid-term activity process of the South Asian high［J］.Journal of Tropical Meteorology， 9（1）： 37-45.
null
周天军， 陈梓明， 邹立维， 等， 2020.中国地球气候系统模式的发展及其模拟和预估［J］.气象学报， 78（3）： 332-350.DOI： 10.11676/qxxb2020.029.Zhou T J ，
null
Chen Z M， Zhou L W， et al， 2020.Simulations and projections of the western Pacifle subtropical high in CMIP5 models［J］.Acta Meteorologica Sinica， 78（3）： 332-350.DOI： 10.11676/qxxb2020.029 .
null
周天军， 邹立维， 吴波， 等， 2014.中国地球气候系统模式研究进展： CMIP计划实施近20年回顾［J］.气象学报， 72（5）： 892-907.DOI： 10.11676/qxxb2014.083.Zhou T J ，
null
Zou L W， Wu B， et al， 2014.Development of earth/climate system models in China： a review from the Coupled Model Intercomparison Project perspective［J］.Acta Meteorologica Sinica， 72（5）： 892-907.DOI： 10.11676/qxxb2014.083 .
null
朱玉祥， 江剑民， 赵亮， 等， 2021.不同计算形式的相关分析在气象中的应用综述［J］.热带气象学报， 37（1）： 1-13.DOI： 10.16032/j.issn.1004-4965.2021.001.Zhu Y X ，
null
Jiang J M， Zhao L， et al， 2021.Survey on application of correlation analysis of calculation forms in meteorology［J］.Journal of Tropical Meteorology， 37（1）： 1-13.DOI： 10.16032/j.issn.1004-4965.2021. 001 .
null
朱羿洁， 张飞民， 杨耀先， 等， 2023.夏季南亚高压位置与青藏高原降水年际变化的关系研究［J］.高原气象， 42（1）： 60-67.DOI： 10.7522/j.issn.1000-0534.2022.00020.Zhu Y J ，
null
Zhang F M， Yang Y X， et al， 2023.Relation between inter-annual variation of the South Asian High location and precipitation over the Qinghai-Xizang Plateau in summer［J］.Plateau Meteorology， 42（1）： 60-67.DOI： 10.7522/j.issn.1000-0534.2022.00020 .
Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn