高原气象  2019, Vol. 38 Issue (4): 673-684  DOI: 10.7522/j.issn.1000-0534.2019.00014
0

引用本文 [复制中英文]

韦志刚, 朱献, 董文杰, 等. 2019. CFSv2系统对2015年11月中国一次寒潮过程及其欧亚冷空气活动的预报评估[J]. 高原气象, 38(4): 673-684. DOI: 10.7522/j.issn.1000-0534.2019.00014
[复制中文]
Wei Zhigang, Zhu Xian, Dong Wenjie, et al. 2019. Evaluation on Forecasts of a Cold Wave in China and Its Eurasian Cold Air Activity by CFSv2 System in November 2015[J]. Plateau Meteorology, 38(4): 673-684. DOI: 10.7522/j.issn.1000-0534.2019.00014.
[复制英文]

资助项目

国家重点研发计划项目(2017YFC1502301);国家自然科学基金项目(41875089)

作者简介

韦志刚(1966-), 男, 甘肃武山人, 教授, 主要从事陆面过程与气候变化的研究.E-mail:wzg@bnu.edu.cn

文章历史

收稿日期: 2018-12-06
定稿日期: 2019-02-26
CFSv2系统对2015年11月中国一次寒潮过程及其欧亚冷空气活动的预报评估
韦志刚1,3, 朱献1,3, 董文杰2,3, 刘雅静1, 陈广宇1, 刘雨佳1     
1. 北京师范大学地理科学学部/地表过程与资源生态国家重点实验室, 北京 100875;
2. 中山大学大气科学学院, 广东 珠海 519082;
3. 北京师范大学珠海分校未来地球研究院/珠海区域气候-环境-生态预测预警协同创新中心, 广东 珠海 519087
摘要: 选择美国环境预报中心(NCEP)第二代气候预报系统CFSv2预报长度为9个月的业务化预报资料、美国NOAA气候预测中心(CPC)的全球逐日最高和最低地表气温资料、美国环境预报中心的NCEP/DOE再分析资料,评估了CFSv2系统对2015年11月21-27日发生在中国的寒潮过程的预报能力。结果表明:分辨率较高的CPC资料和分辨率比较粗的NCEP/DOE资料对这次寒潮过程的演变特征、降温幅度和温度距平都展现的很清楚,这次寒潮过程造成的降温主要发生在中国东部地区,同时里海和黑海以北地区也明显降温,降温明显的还有亚洲北部北冰洋沿岸地区;西伯利亚到我国东部地区比常年明显偏冷,西欧地区和伊朗高原气温偏低,欧亚大陆其他区域特别是北部地区气温是偏高的;CFSv2对这次速冻寒潮过程的整体降温和温度距平提前0,5,10和15天的都有一定得预报能力,但提前20天时预报能力已经较差,整体来讲,CFSv2对寒潮降温过程空间形势分布的预报比温度距平场的好,但与观测值的绝对误差比温度距平场的大;CFSv2对这次寒潮过程造成的我国华北华南及附近区域的降温预报偏低,而对俄罗斯西伯利亚、蒙古和我国东北地区的降温预报偏高,此外对里海和黑海以北地区的降温预报也明显偏低;CFSv2对整个欧亚陆地主体区域寒潮过程温度距平的预报偏低,而对周边海洋区域及其邻近海岸地区的预报偏高。
关键词: 中国    CFSv2系统    寒潮    预报评估    
1 引言

全球气候变暖是人类共同面临的巨大挑战。气候变暖导致极端天气气候事件频发, 冰川和积雪融化加剧, 水资源分布失衡, 生态系统受到威胁。2013年发布的中国《国家适应气候变化战略》(国家发展改革委员会, 2013)指出, 近100年来, 我国年平均气温上升幅度略高于同期全球升温平均值, 近50年变暖尤其明显。降水和水资源时空分布更加不均, 区域降水变化波动加大, 极端天气气候事件危害加剧。20世纪90年代以来, 我国平均每年因极端天气气候事件造成的直接经济损失超过2000多亿元。极端天气气候事件引发的气象灾害强度更大影响范围更广, 往往造成重大气候事件和天气现象。对重大气候事件和天气现象的研究, 一直受到各国政府和科学家的重视, 特别是预测和预报的模拟研究, 近年成为国际前沿和焦点。罗亚丽(2012)任福民等(2014)徐宗学等(2017)先后对极端天气气候事件的研究进行了综述和展望, 指出目前对极端气候事件的监测和预测业务能力非常有限, 对于极端气候事件变化规律和形成机理仍然不清楚, 目前的气候模式尚不能较准确模拟极端气候事件及其出现概率。需要从人与自然和谐可持续发展、科学决策与规划的需求出发, 从科学层面加强对极端天气气候事件的监测和预警研究。需要完善和改进气候数值模式, 提高气候模式对极端气候事件的模拟能力, 进而建立极端气候事件的可预测系统, 预估现在到未来数十年乃至百年内气候变化背景下极端气候事件的发展趋势。

寒潮是发生在冬春季的一种灾害性天气, 是一种重大的极端天气气候事件。寒潮的发生在时间上非常集中, 大规模的寒流导致强烈的降温, 造成出现霜冻、严寒、冻冰和大风等恶劣天气, 给农牧业生产、交通运输、人民身体健康等带来很大影响(魏凤英, 2008)。寒潮在气象学上有严格的定义和标准, 但在不同国家和地区寒潮标准是不一样的。我国幅员辽阔, 南北方气候差异显著, 因此各地区对于寒潮的定义标准也有差异(林爱兰等, 1998; 钱维宏等, 2007; 魏凤英, 2008; 丁一汇, 2017), 一般来讲, 北方采用的寒潮标准为: 24 h内气温下降10 ℃以上, 或48 h内气温下降12 ℃以上, 且最低气温下降到4 ℃以下; 南方采用的寒潮标准为: 24 h内气温下降8 ℃以上, 或48 h内气温下降到10 ℃以上, 且最低气温下降到5 ℃以下。王遵娅等(2006)将寒潮区分为单站寒潮、区域性寒潮和全国性寒潮, 单站寒潮的标准为:过程降温≥10 ℃, 且温度距平≤-5 ℃, 全国性和区域寒潮的标准则根据单站发生寒潮的站数或百分比确定。Qu et al(2015)根据日最低温度的降温程度定义了寒潮。根据这些定义, 科学家已经对我国寒潮的特征及其成因进行了深入的研究(王遵娅等, 2006; 马晓青等, 2008; 伍红雨等, 2010; 康志明等, 2010; 肖贻青, 2017; 樊威伟等, 2018; 章焕等, 2018), 使我们对寒潮有了比较系统的认识。Cellitti et al (2006)根据日最低和日最高气温变化的极端值定义并分析了美国寒潮的特征。Jiang et al (2012)Ma et al (2012)分析认为气候变暖背景下中国寒潮事件虽然在减少, 但在向华南地区偏移, 可能导致华南地区出现较长和较强的寒潮。

但是, 截至目前, 对气候模式模拟和预报寒潮过程的水平和能力的评估研究很少。Li et al (2007)检验了中国国家气候中心区域气候模式RegCM NCC对寒潮的模拟能力, 发现该模式对寒潮发生区域和频率的模拟与观测结果比较一致。

CFS (The Climate Forecast System)是美国环境预报中心(NCEP)的一个全耦合的海洋-陆地-大气动力季节预测系统, 于2004年8月在美国环境预报中心开始实施业务预报, CFSv2是其第二代气候预报系统(Saha et al, 2014)。CFSv2是北美多模式集合预测系统的参与模式(Becker et al, 2016)。CFSv2的大气部分采用NCEP的全球预报系统模式(Global Forecast System, GFS), 分辨率为0.937°, 海洋部分采用GFDL的第四代模块化海洋模式, 陆面部分采用四层NOAH陆面模式。CFSv2提供29年(1982—2010年)的历史回报, 于2011年3月提供业务化预报, 具有3种不同预报长度而且时间分辨率为6 h的业务化预报产品: 4个时段(00 : 00, 06 : 00, 12 : 00和18 : 00, 世界时, 下同), 预报长度为9个月的预报; 1个时段(00 : 00)预报长度为1个季节的预报(大概123天); 3个时段(06 : 00, 12 : 00和18 : 00)预报长度为45天的预报(郎杨, 2015)。

Riddle et al(2013)检验认为CFSv2在季节尺度上对北极涛动季有预测能力。周宁芳等(2018)利用CFSv2对未来45天预测的回报数据, 检验了该模式系统对北半球夏季中高纬乌拉尔山区域和贝加尔湖-鄂霍次克海区域阻塞高压及其与之相联系的东亚气候的预测能力, 发现CFSv2对阻塞爆发和结束的预测超过7天左右基本没有预测技巧, 但在可用的预测时效内可以较好再现与区域阻塞相联系的环流形势以及东亚地区气温、降水异常的分布特征。陶亦为等(2017)分析了ECMWF集合预报系统EPS对我国2016年1月21—25日发生的强寒潮的预报水平, 发现最低温度的极端天气预报指数(EFI)对5%和1%百分位事件的预报效果均很好, 可以提前7天预报出极端温度低温信号。Sillmann et al(2017)总结了世界范围当前对极端天气和气候事件的理解、模拟及其预测水平, 指出当前的气候模式对时空尺度较小的极端事件难以预测, 但对月-季时间尺度的极端事件有一定预报潜能。

本文以天气尺度的寒潮事件的预报评估为例, 旨在检验当前业务气候预报模式对一定尺度的极端事件的预报能力和水平, 对改进模式预报提出科学的建议。

2 数据选取和方法介绍

选择NCEP第二代气候预报系统CFSv2预报长度为9个月的业务化预报资料, 评估CFSv2系统对2015年11月21—27日发生在我国华北和东部地区的速冻寒潮过程的预报能力。CFSv2系统的预报产品每日有4次, 分别为00 : 00, 06 : 00, 12 : 00和18 : 00的预报, 本文选择高斯格点(全球:[纬度|190] ×[经度|384])的地表上2 m的气温资料(tmp2m), 以世界时00 : 00发布的预报, 分别分析提前0日(2015-11-21T00 : 00)、5日(2015-11-16T00 : 00)、10日(2015-11-11T00 : 00)、15日(2015-11-06T00 : 00)、20日(2015-11-01T00 : 00)、25日(2015-10-27T00 : 00)和30日(2015-10-22T00 : 00)对这次寒潮的预报能力。逐日气候平均值为1982年1月1日至2010年12月31日的均值。

观测资料选择美国NOAA气候预测中心(CPC)的全球逐日最高和最低地表气温资料, 分辨率为0.5°×0.5° (全球:[纬度|360] ×[经度|720])。由于该资料在海洋上无值, 文章还选择了NCEP/DOE的再分析资料逐日地表 2 m气温资料(高斯格点(全球:[纬度|94] ×[经度|192])。逐日气候平均值为1981年1月1日至2010年12月31日的均值。

综合相关文献, 对寒潮进行如下定义: (1)寒潮标准:日平均气温24 h降温幅度≥8 ℃或48 h降温幅度≥10 ℃或72 h降温幅≥12 ℃, 且温度距平≤-5 ℃。(2)寒潮始日:某次寒潮过程满足寒潮标准的初始日子。(3)寒潮终日:某站点发生寒潮后, 且温度距平> -5 ℃。(4)区域寒潮过程持续时间:一定区域内出现寒潮到无寒潮的时间。(5)寒潮过程降温:区域寒潮过程持续时间内日平均温度最高值与最低值之差; 最低温度出现时间在最高温度之后, 为正值, 表示降温值; 否则为负值, 表示增温值。(6)寒潮过程温度距平:区域寒潮过程持续时间平均温度与该时间段多年(1981—2010年, 或新标准)平均温度的差。

由于CFSv2模拟的气温低, 这里规定对CFSv2的模拟结果, 寒潮标准为:日平均气温24 h降温幅度≥4 ℃或48 h降温幅度≥6 ℃或72 h降温幅≥8 ℃。且温度距平≤-5 ℃。

本文对寒潮从降温和距平两个角度进行了定义, 首先判定单个格点是否发生寒潮, 将满足降温条件的格点用阴影标出, 将满足距平条件的范围用等值线圈定, 两个均满足才是发生寒潮的格点。一个格点满足条件称单站寒潮。某区域是否发生寒潮, 由该区域格点判断, 该区域内至少有3个格点满足寒潮条件则发生区域寒潮。标准未分南北地区。分析过程中首先利用CPC和NCEP/DOE资料, 根据寒潮标准对中国2015年11月21—27日发生的寒潮过程进行分析。然后利用CFSv2的业务预报资料, 选择00 : 00预测资料, 分析该系统在寒潮过程开始前提前0, 5, 15, 20, 25和30天预测寒潮过程的水平。在计算气温距平时, CPC或NCEP/DOE资料的逐日气候平均值为1981年1月1日至2010年12月31日的均值, CFSv2预报的气候平均值值用的是该系统预报值的1982年1月1日至2010年12月31日的均值。在比对了寒潮演变过程特征后, 针对寒潮过程降温和寒潮过程距平进行了空间相关分析和残差分析。计算模式预报的和观测的场之间空间相关系数和均方根差值时将高分辨率的CFSv2的预报资料插值到低分辨率的NCEP/DOE资料的格式(高斯格点, 全球:[纬度|94] ×[经度|192])来进行。

3 寒潮演变特征

从2015年11月21—27日寒潮过程逐日演变过程(图 1)可以看出, 分辨率较高的CPC资料和分辨率比较粗的NCEP/DOE资料都能显现这次寒潮发生和演变过程, 21日, 寒潮和冷空气主要活动在俄罗斯西伯利亚、蒙古和我国东北地区, 然后在我国东部地区逐渐南侵, 24—25日达到鼎盛, 南至华南沿海地区, 27日基本消退。在我国发生寒潮的同时, 里海和黑海北部小范围地区也有较强的冷空气活动; 在寒潮消退后期, 俄罗斯远东东部有小区域的强冷空气活动。NCEP/DOE再分析资料虽然分辨率较粗, 也能较好地刻画这次速冻寒潮过程。

图 1 利用CPC资料(左)和NCEP/DOE资料(右)分析的2015年11月21—27日欧亚区域寒潮过程逐日演变 紫色阴影区表示日平均气温24 h降温幅度≥8 ℃或48 h降温幅度≥10 ℃或72 h降温幅≥12 ℃; 蓝色实线表示温度距平-5 ℃的等值线 Fig. 1 Daily evolution of the Eurasian cold wave calculated by CPC data (left) and NCEP/DOE data (right) from 21 to 27 November 2015. The purple shadow represent daily mean temperature drop range ≥8 ℃ in 24 hours or≥10 ℃ in 48 hours or ≥12 ℃ in 72 hours. Blue solid lines denote the isolines of temperature anomaly -5 ℃

从2015年11月21—27日整个寒潮过程的降温和温度距平(图 2)可以看出, 这次寒潮过程造成的降温主要发生在我国东部地区, 同时里海和黑海以北地区也明显降温, 降温明显的还有亚洲北部北冰洋沿岸地区。但俄罗斯西伯利亚和蒙古地区在寒潮南侵我国的过程中气温明显回升。从温度距平看, 西伯利亚到我国东部地区比常年明显偏冷, 西欧地区和伊朗高原气温偏低, 欧亚大陆其他区域特别是北部地区气温是偏高的。分辨率较高的CPC资料和分辨率比较粗的NCEP/DOE资料对寒潮过程降温和温度距平都展现的很清楚。

图 2 利用CPC和NCEP/DOE资料计算的2015年11月21—27日欧亚区域寒潮过程降温(上, 单位: ℃)和温度距平(下, 单位: ℃)分布 Fig. 2 Distribution of temperature drops (up, unit: ℃) and temperature anomalies (down, unit: ℃) during the cold wave calculated by CPC and NCEP/DOE data from 21 to 27 November 2015

综合来看, 2015年11月21—27日的寒潮过程主要造成我国东部地区的气温异常偏低, 分辨率较高的CPC资料和分辨率比较粗的NCEP/DOE资料对这次寒潮过程的演变特征、降温幅度和温度距平都展现的很清楚。

4 寒潮预报评估

选择提前5天(2015年11月16日00 : 00)和提前20天(2015年11月1日00 : 00)两个时次分析了CFSv2预报的11月21—27日寒潮逐日演变过程(图 3)。由于CFSv2模拟的降温低, 这里规定对CFSv2的模拟结果, 寒潮标准有所降低:日平均气温24 h降温幅度≥4 ℃或48 h降温幅度≥6 ℃或72 h降温幅≥8 ℃。温度距平的标准未变。将图 3结果与图 1的实况相比较可以看出, 提前5天的预报比较清楚地预报出了这次寒潮过程, 只是降温的幅度预报的偏低, 降温高值区略有错位, -5 ℃距平的范围偏大。而提前20天的预报比较杂乱, 基本未能显现这次寒潮过程, 且预报的-5 ℃距平的范围明显偏大。综合上述, 就目前的业务气候模式, 要提前十数日预报寒潮的逐日演变过程是很困难的, 能将寒潮过程期间的总体降温和距平预报清楚就很不错了。

图 3 2015年11月16日00 : 00(左, 提前5天)和11月1日00 : 00(右, 提前20天)CFSv2预报的11月21—27日寒潮过程逐日演变 紫色阴影区表示日平均气温24 h降温幅度≥4 ℃或48 h降温幅度≥6 ℃或72 h降温幅≥8 ℃; 蓝色实线表示温度距平-5 ℃的等值线 Fig. 3 The daily evolution of the frozen cold wave from 21 to 27 November 2015 predicted by CFSv2 at 00 : 00 on November 16 (left, 5 days in advance) and at 00 : 00 on November 1 (right, 20 days in advance). The purple shadow represents daily mean temperature drop range ≥4 ℃ in 24 hours or ≥6 ℃ in 48 hours or ≥8 ℃ in 72 hours. Blue solid lines denote the isolines of temperature anomaly -5 ℃

图 4为CFSv2提前0, 5, 10, 15, 20, 25和30天预报的2015年11月21—27日寒潮过程降温和温度距平。将图 4结果与图 2的实况比较, 无论对过程降温还是温度距平, 在提前0, 5, 10和15天的预报图上, 可以看出与实况一致的特征, 但随着预报日数的提前, 表征特征的能力下降。提前20, 25和30天的预报已经没有效果了, 预报与实况甚至相反。通过计算CFSv2预报的寒潮过程降温场和温度距平场与观测场(NCEP/DOE资料)间的空间相关系数和均方根差值, 分中国区域(18°N—55°N, 70°E— 132°E)和整个欧亚区域(10°N—80°N, 10°W—160°E)分别计算可知, CFSv2预报的2015年11月21—27日寒潮过程与观测值(NCEP/DOE资料)的空间相关系数和均方根差值随提前预报日数的变化结果(图 5)表明, 相关系数随提前预报日数的增加波动式减小, 整体来讲, 降温场的相关系数高于温度距平场, 但降温场的均方根差值比温度距平场大, 说明CFSv2对寒潮降温过程空间形势分布的预报比温度距平场的好, 但与观测值的绝对误差比温度距平场的大。从空间相关系数看, 对整个欧亚区域或中国区域寒潮过程降温和温度距平提前0, 5和10天的相关系数通过了α=0.05置信水平检验, 但提前20天时相关系数较低或已为负值; 对整个欧亚区域寒潮过程降温和温度距平、以及对中国区域温度距平提前15天的预报的相关系数也通过了α=0.05置信水平检验, 但对中国区域寒潮过程降温提前15天的预报的相关系数不好; 表明CFSv2气候业务系统对这次寒潮过程的整体降温和温度距平提前0, 5, 10和15天的都有一定得预报能力, 但提前20天时预报能力已经较差。从均方根差值来看, 寒潮过程降温差值随提前预报日数明显升高, 整个欧亚区域比中国区域温差小, 但温度距平差值随提前预报日数的变化平缓, 整个欧亚区域比中国区域温差大。

图 4 CFSv2预报的2015年11月21—27日寒潮过程降温(左, 单位: ℃)和温度距平(右, 温度: ℃)分布 Fig. 4 Distribution of temperature drops (left, unit: ℃) and temperature anomalies (right, unit: ℃) of the cold wave from 21 to 27 November 2015 predicted by CFSv2
图 5 CFSv2预报的2015年11月21—27日寒潮过程与观测值(NCEP/DOE资料)的空间相关系数(a)和均方根差值(b) Fig. 5 Pattern correlation coefficient (a) and root mean square difference (b) between CFSv2 forecast and observation values (NCEP/DOE data) for the cold wave from 21 to 27 November 2015

从CFSv2提前0, 5, 10, 15, 20, 25和30天预报的2015年11月21—27日寒潮过程降温与观测值(NCEP/DOE资料)的差值(图 6)可以看出, 各时次差值场的分布形势基本一致, 只是随着预报提前日数增加, 差值增大; 总的来讲, 对这次寒潮过程造成的我国华北华南及附近区域的降温预报低, 而对俄罗斯西伯利亚、蒙古和我国东北地区的降温预报偏高, 此外对里海和黑海以北地区的降温预报也明显偏低。通过CFSv2预报的2015年11月21—27日寒潮过程距平与观测值(NCEP/DOE资料)的差值(图 7)可以看出, 各时次差值场的分布形势也基本一致, 随着预报提前日数增加, 平均差值增大; 整体上, 对整个欧亚陆地主体区域寒潮过程温度距平的预报偏低, 而对周边海洋区域及其邻近海岸地区的预报偏高。

图 6 CFSv2预报的2015年11月21—27日寒潮过程降温与观测值(NCEP/DOE资料)的差值(单位: ℃) Fig. 6 Differences of the temperature drops between CFSv2 forecast and observation values (NCEP/DOE data) for the cold wave from 21 to 27 November 2015. Unit: ℃
图 7 CFSv2预报的2015年11月21—27日寒潮过程距平与观测值(NCEP/DOE资料)的差值(单位: ℃) Fig. 7 Differences of the temperature anomalies between CFSv2 forecast and observation values (NCEP/DOE data) for the cold wave from 21 to 27 November 2015. Unit: ℃

综上所述, CFSv2气候业务系统提前5天的预报比较清楚地预报出了2015年11月21—27日的寒潮过程, 只是降温的幅度预报的偏低, 降温高值区略有错位, -5 ℃距平的范围偏大。而提前20天的预报比较杂乱, 基本未能显现这次寒潮过程, 且预报的-5 ℃距平的范围明显偏大。CFSv2对这次速冻寒潮过程的整体降温和温度距平提前0, 5, 10和15天的都有一定得预报能力, 但提前20天时预报能力已经较差; CFSv2预报的寒潮过程降温场和温度距平场与观测场间的空间相关系数随提前预报日数的增加波动式减小, 整体来讲, 降温场的相关系数高于温度距平场, 但降温场的均方根差值比温度距平场大, 说明CFSv2对寒潮降温过程空间形势分布的预报比温度距平场的好, 但降温场与观测值的绝对误差比温度距平场的大(图略)。CFSv2预报的寒潮过程降温与观测实况的均方根差值随提前预报日数明显升高, 整个欧亚区域比中国区域差值小, 但预报的温度距平与观测实况的均方根差值随提前预报日数的变化平缓, 整个欧亚区域比中国区域差值大。CFSv2对这次寒潮过程造成的我国华北华南及附近区域的降温预报偏低, 而对俄罗斯西伯利亚、蒙古和我国东北地区的降温预报偏高, 此外对里海和黑海以北地区的降温预报也明显偏低; CFSv2对整个欧亚陆地主体区域寒潮过程温度距平的预报偏低, 而对周边海洋区域及其邻近海岸地区的预报偏高。

5 结论和讨论

选择美国环境预报中心第二代气候预报系统CFSv2预报长度为9个月的业务化预报资料、美国NOAA气候预测中心(CPC)的全球逐日最高和最低地表气温资料、美国环境预报中心的NCEP/DOE再分析资料, 评估了CFSv2系统对2015年11月21—27日发生在我国的寒潮过程的预报能力。主要结论如下:

(1) 这次寒潮过程主要造成我国东部地区的气温异常偏低, 分辨率较高的CPC资料和分辨率比较粗的NCEP/DOE资料对这次寒潮过程的演变特征、降温幅度和温度距平都展现的很清楚。11月21日, 寒潮和冷空气主要活动在俄罗斯西伯利亚、蒙古和我国东北地区, 然后在我国东部地区逐渐南侵, 24—25日达到鼎盛, 南至华南沿海地区, 27日基本消退。这次寒潮过程造成的降温主要发生在我国东部地区, 同时里海和黑海以北地区也明显降温, 降温明显的还有亚洲北部北冰洋沿岸地区。从温度距平看, 西伯利亚到我国东部地区比常年明显偏冷, 西欧地区和伊朗高原气温偏低, 欧亚大陆其他区域特别是北部地区气温是偏高的。

(2) CFSv2气候业务系统提前5天的预报比较清楚地预报出了这次寒潮过程, 只是降温的幅度预报的偏低, 降温高值区略有错位, -5 ℃距平的范围偏大。CFSv2对这次速冻寒潮过程的整体降温和温度距平提前0, 5, 10和15天的都有一定得预报能力, 但提前20天时预报能力已经较差; CFSv2预报的寒潮过程降温场和温度距平场与观测场间的空间相关系数随提前预报日数的增加波动式减小, 整体来讲, CFSv2对寒潮降温过程空间形势分布的预报比温度距平场的好, 但与观测值的绝对误差比温度距平场的大。CFSv2预报的寒潮过程降温与观测实况的均方根差值随提前预报日数明显升高, 整个欧亚区域比中国区域差值小, 但预报的温度距平与观测实况的均方根差值随提前预报日数的变化平缓, 整个欧亚区域比中国区域差值大。

(3) CFSv2对这次寒潮过程造成的我国华北华南及附近区域的降温预报偏低, 而对俄罗斯西伯利亚、蒙古和我国东北地区的降温预报偏高, 此外对里海和黑海以北地区的降温预报也明显偏低; CFSv2对整个欧亚陆地主体区域寒潮过程温度距平的预报偏低, 而对周边海洋区域及其邻近海岸地区的预报偏高。该结论只是由CFSv2系统对单次寒潮过程的预报能力评估得出, 缺乏普遍性, 尚需对多次寒潮过程的预报进行评估检验而确定。

综上可知, 当前业务模式对尺度较短的天气气候事件的预报能力有限, 从对这次寒潮过程的评估来看, 提前15天尚有一定预报能力, 提前20天就已无能力进行预报了。要提高预报能力和水平, 需要不断对模式预报系统加以改进。下一步将增加寒潮事件和业务气候模式, 进一步检验模式对寒潮事件及其气候影响因子的预报水平, 对改进模式预报提出科学的建议。

参考文献
Becker E, Dool H. 2016. Probabilistic seasonal forecasts in the North American multimodel ensemble:A baseline skill assessment[J]. Journal of Climate, 29: 3015–3026. DOI:10.1175/JCLI-D-14-00862.1
Cellitti M P, Walsh J E, Rauber R M, et al. 2013. Extreme cold air outbreaks over the United States, the polar vortex, and the large-scale circulation[J]. Journal of Geophysical Research:Atmospheres, 111: D02114. DOI:10.1029/2005JD006273
Jiang Z H, Ma T T, Wu Z W. 2012. China cold wave duration in a warming winter:Change of the leading mode[J]. Theoretical and Applied Climatology, 110(1/2): 65–75. DOI:10.1007/s00704-012-0613-2
Li Q P, Ding Y H, Dong W J, et al. 2007. A numerical study on the winter monsoon and cold surge over East Asia[J]. Advances in Atmospheric Sciences, 24(4): 664–678. DOI:10.1007/s00376-007-0664-y
Ma T T, Wu Z W, Jiang Z H. 2012. How does cold wave frequency in china respond to a warming climate?[J]. Climate Dynamics, 39: 2487–2496. DOI:10.1007/s00382-012-1354-8
Qu W J, Wang J, Zhang X Y, et al. 2015. Effect of cold wave on winter visibility over eastern China[J]. Journal of Geophysical Research:Atmospheres, 120: 2394–2406. DOI:10.1002/2014JD021958
Riddle E, Amy H, Butler J, et al. 2013. CFSv2 ensemble prediction of the wintertime Arctic Oscillation[J]. Climate Dynamics, 41: 1099–1116. DOI:10.1007/s00382-013-1850-5
Saha S, Moorthi S, Wu X, et al. 2014. The NCEP climate forecast system Version 2[J]. Journal of Climate, 27(6): 2185–2208. DOI:10.1175/JCLI-D-12-00823.1
Sillmann J, Thorarinsdottir T, Keenlyside N, et al. 2017. Understanding, modeling and predicting weather and climate extremes:Challenges and opportunities[J]. Weather and Climate Extremes, 18: 65–74. DOI:10.1016/j.wace.2017.10.003
丁一汇. 2017. 中国气候[M]. 北京: 科学出版社有限责任公司, 1-55.
樊威伟, 马伟强, 郑艳, 等. 2018. 青藏高原地面加热场年际变化特征及其与西风急流关系研究[J]. 高原气象, 37(3): 591–601. DOI:10.7522/j.issn.1000-0534.2017.00062
康志明, 金荣花, 鲍媛媛. 2010. 1951-2006年期间我国寒潮活动特征分析[J]. 高原气象, 29(2): 420–428.
郎杨, 2015. CFSv2在中国区域的季节干旱可预报性研究[D].北京: 北京师范大学, 1-40. http://cdmd.cnki.com.cn/Article/CDMD-10027-1015033036.htm
林爱兰, 吴尚森. 1998. 近40多年广东省的寒潮活动[J]. 热带气象学报, 14(4): 337–343.
罗亚丽. 2012. 极端天气和气候事件的变化[J]. 气候变化研究进展, 8(2): 90–98. DOI:10.3969/j.issn.1673-1719.2012.02.003
马晓青, 丁一汇, 徐海明, 等. 2008. 2004/2005年冬季强寒潮事件与大气低频波动关系的研究[J]. 大气科学, 32(2): 380–394. DOI:10.3878/j.issn.1006-9895.2008.02.16
钱维宏, 张玮玮. 2007. 我国近46年来的寒潮时空变化与冬季增暖[J]. 大气科学, 31(6): 1266–1278. DOI:10.3878/j.issn.1006-9895.2007.06.21
任福民, 高辉, 刘绿柳, 等. 2014. 极端天气气候事件监测与预测研究进展及其应用综述[J]. 气象, 40(7): 860–874.
陶亦为, 代刊, 董全, 等. 2017. 2016年1月寒潮天气过程极端性分析及集合预报检验[J]. 气象, 43(10): 1176–1185. DOI:10.7519/j.issn.10000526.2017.10.002
王遵娅, 丁一汇. 2006. 近53年中国寒潮的变化特征及其可能原因[J]. 大气科学, 30(6): 1068–1076. DOI:10.3878/j.issn.1006-9895.2006.06.02
魏凤英. 2008. 气候变暖背景下我国寒潮灾害的变化特征[J]. 自然科学进展, 18(3): 289–295. DOI:10.3321/j.issn:1002-008X.2008.03.007
伍红雨, 杜尧东. 2010. 1961-2008年华南区域寒潮变化的气候特征[J]. 气候变化研究进展, 6(3): 192–197. DOI:10.3969/j.issn.1673-1719.2010.03.007
肖贻青. 2017. 乌拉尔山阻塞与北大西洋涛动的关系及其对中国冬季天气的影响[J]. 高原气象, 36(6): 1499–1511. DOI:10.7522/j.issn.1000-0534.2016.00109
徐宗学, 刘琳, 杨晓静. 2017. 极端气候事件与旱涝灾害研究回顾与展望[J]. 研究探讨, 27(1): 66–74.
章焕, 范广洲, 张永莉, 等. 2018. 青藏高原土壤湿度对一例高原涡影响的数值模拟[J]. 高原气象, 37(4): 886–898. DOI:10.7522/j.issn.1000-0534.2018.00004
中国国家发展改革委员会, 2013.国家适应气候变化战略[EB/OL].中国政府网.[2018-11-09]. http://www.gov.cn/gzdt/att/att/site1/20131209/001e3741a2cc140f6a8701.pdf.
周宁芳, 贾小龙. 2018. NCEP CFSv2对北半球夏季中高纬阻塞高压的预测检验[J]. 高原气象, 37(2): 469–480. DOI:10.7522/j.issn.1000-0534.2017.00036
Evaluation on Forecasts of a Cold Wave in China and Its Eurasian Cold Air Activity by CFSv2 System in November 2015
WEI Zhigang1,3 , ZHU Xian1,3 , DONG Wenjie2,3 , LIU Yajing1 , CHEN Guangyu1 , LIU Yujia1     
1. State Key Laboratory of Earth Surface Processes and Resource Ecology, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China;
2. School of Atmospheric Sciences, Sun Yat-Sen University, Zhuhai 519082, Guangdong, China;
3. Zhuhai Joint Innovative Center for Climate-Environment-Ecosystem, Future Earth Research Institute, Beijing Normal University, Zhuhai 519087, Guangdong, China
Abstract: The operational forecast data of the second generation climate prediction system (CFSv2) with the length of 9 months and the NCEP/DOE reanalysis data from National Centers for Environmental Prediction (NCEP), and the global daily highest and lowest surface temperature data from the NOAA Climate Prediction Center (CPC) in the USA are selected, the forecasts of the CFSv2 system to a cold wave process occurred in China from 21 to 27 November 2015 are evaluated. The results show that the CPC data with high resolution and the NCEP/DOE data with coarse resolution are both very clear to show the evolution characteristics, temperature drop and temperature anomaly of this cold wave process. The temperature drops caused by the cold wave occurred mainly in the eastern part of China, and in the north of the Caspian Sea and the Black Sea at the same time. The temperature drops is also evident in the Arctic Ocean coast of northern Asia. The temperatures between Siberia and the eastern part of China are obviously colder than usual, the temperatures in Western Europe and the Iranian Plateau are lower, and the temperatures in other regions of Eurasia, especially in the north, are higher. The CFSv2 has certain abilities to forecast the whole temperature drops and temperature anomalies of this rapid freezing cold wave for 0, 5, 10 and 15 d in advance, but the prediction ability is poor 20 d in advance. On the whole, the CFSv2 can predict the spatial distribution of temperature drops better than the temperature anomalies, but the absolute errors with the observed values of temperature drops are greater than that of the temperature anomalies. The temperature drops from the CFSv2 forecasts are obviously low than the ones from the observation by the cold wave in North China, South China and nearby areas, but higher in Siberia, Mongolia and Northeast China. In addition, the temperature drops from the CFSv2 forecasts in the north of the Caspian Sea and the Black Sea is also obviously low than the ones from the observation. The temperature anomalies from the CFSv2 forecasts are obviously low than the ones from the observation by the cold wave in the whole Eurasian land area, but higher in the surrounding ocean area and the adjacent coastal area.
Key words: China    CFSv2 operational forecasts    cold wave    forecast evaluation