近年来气候异常与极端事件频发, 短期气候预测在防灾减灾中的作用越来越突出。东亚地区地形特征复杂, 气候受众多因素共同影响, 年际差异较大, 对东亚和中国的气候预测具有较大的难度和不确定性(Krishnamurti et al, 2006; Yang et al, 2011; Kumar et al, 2012), 因此, 开展我国夏季降水季节预测研究具有重要的科学意义和应用价值。

目前, 基于气候系统模式的季节预测已成为短期气候预测的重要方法之一, 经过科学家几十年努力, 气候模式的季节预测能力有了长足的发展, 世界上已有多个国家利用气候系统模式进行短期气候业务预测(张磊等, 2018)。国外应用较为广泛的短期气候业务预测模式有美国国家环境预测中心(National Centers for Environmental Prediction, NCEP)的CFSv2模式、英国气象局季节预测系统GloSea5、日本东京气候中心(Tokyo Climate Center, TCC)的MRI-CGCM模式等, 这些模式对全球海温场、高度场等有一定的预报能力, 对东亚夏季风(East Asian Summer Monsoon, EASM)和夏季西太平洋副热带高压(Western Pacific Subtropical High, WPSH)的预测技巧较高, 对ENSO事件中的海温异常演变也有较为合理的预报, 但模式对东亚季风区气温及降水的预报技巧偏低, 预测效果年际差异明显(Saha et al, 2014)。因此, 进一步开展不同模式在东亚季风区的预测能力评估检验工作十分必要。

我国自从20世纪80年代开始利用气候模式开展短期气候预测试验, 通过提高模式分辨率、改进参数化过程和物理方案等手段, 使模式预测技巧有了较大提高。国家气候中心在“九五”期间研制出了全球海气耦合模式(BCC_CSM1.0)(丁一汇等, 2002, 2004, 2011; 李维京等, 2005, 2013), 从2005年起, 对该模式在对流参数化、陆面及海冰过程等多方面进行了优化和改进, 研制出国家气候中心包含全球碳循环和动态植被在内的海-陆-气-冰多圈层耦合气候系统模式(BCC_CSM1.1m)(Xin et al, 2013; Gao et al, 2013; Wu et al, 2013; 吴统文等, 2013, 2014), 并基于此模式研发了第二代短期气候预测模式系统(吴统文等, 2013, 2014; Wu et al, 2010)。针对该模式系统, 从全球气温、降水、环流预报及对遥相关和强信号的响应角度对模式的季节预报性能进行了评估(吴捷等, 2017; 董敏等, 2018; Wu et al, 2016), 分析了模式对我国东部夏季降水时空变率主模态预测效果(郭渠等, 2017; 顾伯辉等, 2017)。吴统文等(2013)和吴捷等(2017)研究发现, BCC第二代短期气候预测模式系统对全球气温、降水和环流的预报性能相较之前的模式有所提升, 也能够较好把握全球大气环流对ENSO信号的响应特征, 但对中国东部夏季降水的总体预测技巧有限, 主要表现在不能合理预测我国夏季降水的空间分布和降水强度等方面。

本文利用国家气候中心建立的BCC第二代短期气候预测模式系统1996—2015年的回报试验结果, 基于模式预报的降水与海温等影响因子之间的物理联系, 开展模式对中国夏季降水季节预测能力评估, 分析模式预报效果的年际差异, 从高低层物理量场配置以及降水与海温场、高度场之间的物理联系角度, 讨论模式预测产生偏差的原因。

BCC第二代短期气候预测模式系统是基于气候系统模式BCC_CSM1.1m建立的, 其中包含了大气、陆面、海洋、海冰等多个分量, 其大气分量模式采用BCC_AGCM2.2, 水平分辨率为T106, 垂直方向分为26层; 陆面分量模式采用BCC_AVIM1.0;海洋分量采用高分辨率海洋环流模式MOM_L40, 其水平分辨率为1/3°~1°, 垂直方向分为40层; 海冰分量模式采用SIS模式(Murray, 1996), 各分量通过CPL5.1耦合器直接动态耦合在一起。进行气候预测时, 选取美国环境预测中心(NCEP)一日四次的大气再分析资料中的温度场、风场及地面气压场作为大气初值, 选取NCEP全球海洋同化系统的海洋再分析资料作为海洋初值, 从而形成初始驱动场。BCC第二代短期气候预测模式系统利用滞后平均预报(LAF)和奇异向量扰动(SV)进行集合预报, 共有24个样本集合, 从每年3月1日、4月1日和5月1日分别作为预报的起始时刻, 预报6—8月气候要素的平均值, 回报试验时段为1996—2015年夏季。本文在对回报试验结果进行评估时, 为增加样本数, 减小预报结果的不确定性, 对3—5月的预测结果进行平均, 作为模式的季节预测结果。用于检验模式预测效果的观测和再分析资料分别为NOAA全球格点海表温度资料(Reynolds et al, 2002)、NCEP/NCAR第二套再分析资料中的850 hPa风场、850 hPa比湿场和500 hPa高度场(Kanamitsu et al, 2002)以及国家气象中心提供的587站逐日降水资料。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2945的世界地图和GS(2016)2883的中国地图制作, 底图无修改。

从观测和模式预测的夏季降水总量分布[图 1(a), (b)]中可以看出, 模式在季节尺度上对我国夏季降水有一定的预报能力, 基本反映了夏季降水分布的主要特征:从东南沿海向西北内陆, 降水量不断减小, 在我国华南地区及江淮流域有降水量的大值区, 而西北、华北与东北北部地区降水相对较少。同时, 从夏季降水总量距平图[图 1(c)]中也可以看出, 模式预测也有一定的偏差, 主要表现在模式预测我国东部地区降水范围较小, 强度较弱, 尤其是在长江中下游及华南地区降水量强度预测明显偏小, 而在我国西部青藏高原地区则有一个较为明显的虚假强降水中心。从中国夏季降水总量与观测降水总量的时间相关系数[图 1(d)]中可以看出, 模式对西南至长江中下游南部、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, 而对华南、东北南部及塔里木盆地地区的降水预报能力偏低。进一步分析均方根误差的空间分布[图 1(e)]可以看出, 在我国东北部分地区、长江中下游及华南部分地区、淮河流域和我国中部大部分地区, 模式预报的降水量与观测值的均方根误差较小, 模式预报效果较好, 而在塔里木盆地、青藏高原北部、黄土高原西部等地区均方根误差较大, 模式在这些地区的预报能力偏低, 有待进一步改善。

图 1(Fig. 1)

图 1 观测与模式预测的1996—2015年平均夏季总降水量(a, b, 单位: mm)、降水距平(c, 单位: mm), 以及夏季总降水量与观测总降水量的时间相关系数(d)和均方根误差(e, 单位: mm)的空间分布 Fig. 1 The spatial distribution of observed, predicted summer precipitation (a, b, unit: mm) and its difference (c, unit: mm), the time correlation coefficients (d) and root mean square error (e, unit: mm) between total precipitation in summer and observed total precipitation during the period 1996—2015

通过对模式预测的中国夏季降水异常的空间分布(图 2)分析发现, 模式对夏季降水距平预报效果整体较好[图 2(a), (b)], 其中在长江中下游、黄淮地区、华南地区、西北地区及东北北部距平符号一致率较高, 模式对降水异常也有较好的预报能力。进一步选取15 %及以上的降水正负异常的预报准确率进行分析(孔德璿, 2013), 由图 2(c)和(d)可知, 模式对我国黄土高原西部、蒙青高原及青藏高原北部的降水正异常有一定的预报能力, 对我国东南部, 包括长江中下游、华南、黄淮等地区, 及东北北部、准格尔盆地地区的降水负异常的预报技巧较高, 而对这些地区的降水正异常预报能力较弱。以上分析表明, 模式对我国西部降水正异常及东部降水负异常的预报能力总体较强, 而在我国东部降水偏多、西部降水偏少的情况下, 模式并不能合理预测降水异常, 此时模式对中国夏季降水的季节预测技巧较低。

图 2(Fig. 2)

图 2 模式预测的1996—2015年中国夏季降水异常的空间分布 Fig. 2 Spatial distribution of summer precipitation anomalies predicted in China during the period 1996—2015

由于东亚地区气候不确定性大, 模式对东亚副热带至高纬地区的预报技巧十分有限, 因此为了进一步分析模式预报技巧的年际差异, 选取105°E以东的中国东部地区, 并计算1996—2015年间观测和模式预测的空间相关系数及均方根误差。由中国东部夏季平均预测降水量与观测降水量的空间相关系数及均方根误差的时间序列(图 3)分析可知, 模式预测技巧的年际差异较为明显, 在预报效果好的年份里, 空间相关系数(ACC)能达到0.7以上, 均方根误差(RMSE)在2.0以内, 而预报效果差的年份ACC在0.3~0.5之间, RMSE在2.4 mm以上。根据ACC和RMSE进行综合评定, 选出1998年、1999年、2003年及2008年为模式预报效果差的年份, 选出2001, 2002, 2006和2010年为模式预报效果好的年份, 并对两者分别进行合成, 分析两种情况下中国东部夏季降水及距平分布的差异。

图 3(Fig. 3)

图 3 中国东部夏季平均预测降水量与观测降水量的空间相关系数及均方根误差的时间序列 Fig. 3 Time series of spatial correlation coefficients and root mean square errors between predicted and observed summer precipitation in East China

从模式预报效果好和差的年份中, 观测的中国夏季降水总量及降水距平分布(图 4)可以看出, 对我国东部地区而言, 模式预报效果好的年份夏季总降水量偏少, 模式预报效果差的年份夏季总降水量较大, 且当长江中下游及东北北部地区降水偏多, 华南降水偏少时, 模式的预报技巧较低, 反之, 当华南降水偏多而长江中下游及东北地区降水偏少时, 模式的预报技巧较高。

图 4(Fig. 4)

图 4 模式预报效果好(左)、差(右)的年份中, 观测的夏季总降水量(a, b)及距平(c, d)的空间分布(单位: mm) Fig. 4 Spatial distributions of observed summer precipitation (a, b) and anomalies (c, d) with better (left) and worse (right) forecasting skills. Unit: mm

由上述分析可知, BCC第二代气候预测模式系统在季节尺度上对中国东部夏季降水的分布及时空变率有一定的预测能力, 但总体上的预报技巧并不高, 主要表现在模式对中国东部降水量强度预测偏小及预报技巧年际差异较大等方面。由于模式对降水的预报技巧与环流系统配置以及外强迫条件等有很大关系, 因此下面将从海温场、高度场、风场及水汽通量散度场等方面来分析模式预测降水误差产生的可能原因。

图 5给出了观测和模式预测的夏季海温场、500 hPa高度场及850 hPa风场和水汽通量散度的分布特征。从观测海温场的空间分布[图 5(a), (b)]中可以看出, 夏季西太平洋及印度洋大部分地区的海温都维持在28 ℃以上, 东亚附近海域海温甚至维持在30 ℃以上, 而模式预测的海表温度在28 ℃以上的区域范围较小, 西北太平洋和印度洋的海表温度与观测相比明显偏低, 这会使模式预测的菲律宾附近对流强度偏弱, 西太平洋副热带高压偏南。从500 hPa位势高度场图中[图 5(c), (d)]可以看出, 观测的500 hPa位势高度场的588 dagpm线西伸达东亚地区, 而模式预测中副热带高压明显偏弱, 位置明显偏东。再分析850 hPa的风场与水汽通量散度分布[图 5(e), (f)]可知, 观测中东亚地区有明显的低层水汽辐合, 而模式的预报效果明显偏弱。副高的位置及强度会影响其西南侧的东南气流及转向的西南气流的强度, 当副高偏西时, 南海和中南半岛西风减弱, 南海夏季风偏弱, 而江淮流域西风增强, 有利于副高位置南压, 副热带夏季风偏强, 低层水汽辐合区主要位于东亚地区(余丹丹等, 2014)。这样的位势高度场与风场的配置, 易使副高西部的偏南气流从海上携带充足水汽输送至副热带锋区低层, 在副高西到北部边远地区形成暖湿气流输送带, 向副高北侧的风区输送高温高湿气流, 从而导致我国东部夏季降水偏多。

图 5(Fig. 5)

图 5 观测(左)和模式预测(右)的1996—2015年海温场(a, b, 单位: ℃)、500 hPa位势高度场(c, d, 单位: dagpm)及850 hPa风场(矢量, 单位: m·s-1)和水汽通量散度[阴影区, 单位: g·(s·cm2·hPa)-1] (e, f)的空间分布 Fig. 5 Spatial distributions of observed (left) and predicted (right) SST (a, b, unit: ℃), 500 hPa geopotential height (c, d, unit: dagpm), 850 hPa zonal, meridional winds (unit: m·s-1) and vapor flux divergence[the shaded, unit: g·(s·cm2·hPa)-1] (e, f) during the period 1996—2015

从上述分析可知, 模式在预测夏季海温场时有一定偏差, 不能合理刻画出在夏季西太平洋及印度洋海温分布及强度, 从而在预测位势高度场及低层风场和水汽辐合区时也相应出现了偏差, 这可能是导致模式对我国东部夏季降水预测显著偏少的原因之一。

根据上述分析可知, 在模式对中国东部夏季降水预报效果好的年份里, 从降水距平的分布来看, 华南地区和我国中部降水偏多, 而长江中下游和东北地区降水偏少, 这与模式预报效果不好的年份的我国东部降水距平分布整体上相反, 说明模式对降水预报效果的年际差异可能与夏季的降水区域分布有关。为进一步研究二者之间的关系, 将中国东部根据地理位置划分为华南地区、长江中下游地区、中部地区及东北地区四个部分, 并分别将四个地区的夏季降水与海温场及850 hPa风场做相关分析。

通过分析观测和模式预测的我国华南、长江中下游地区、中部和东北地区的夏季降水量与SST和850 hPa风场的相关分布(图 6)分析可知, 华南地区夏季降水与黄海、日本海及副热带东太平洋地区海表温度(SST)有显著正相关, 与赤道西太平洋地区SST有显著的负相关, 与印度洋大部分地区SST为弱的负相关。模式预测结果[图 6(b)]可以大体刻画华南降水与SST相关分布的特征, 但对黄海、日本海的正相关没有合理把握, 且明显高估印度洋和赤道西太平洋地区SST对华南降水的影响。从观测的长江中下游地区降水与SST的相关分布[图 6(c)]中可看出, 菲律宾群岛附近的热带西太平洋及日本岛附近海域为显著的正相关, 赤道中东太平洋地区为显著负相关, 而印度洋海域SST与长江中下游地区降水有一定相关关系, 但整体上看并不显著。与模式预测结果[图 6(d)]对比可知, 模式明显高估印度洋SST对长江中下游地区降水的影响, 而对日本群岛附近海域SST的影响没有合理预测出来。对中部地区降水而言, 在观测中[图 6(e)], 其与西北太平洋及赤道西太平洋海域SST有显著的正相关, 而与日本群岛以东及印度洋大部分海域SST呈显著负相关, 而模式[图 6(f)]对中部地区夏季降水与SST的正相关关系并没有合理把握, 对印度洋地区SST相关关系的预报也显著偏弱。东北地区[图 6(g), (h)]观测的夏季降水与西北太平洋及热带西太平洋地区SST有显著正相关, 而模式将西北太平洋地区SST与东北地区降水预测为负相关, 而明显高估了印度洋对我国东北地区降水的影响。

图 6(Fig. 6)

图 6 观测(左)和模式预测(右)的我国华南(a、b)、长江中下游地区(c、d)、中部(e、f)和东北地区(g、h)的夏季降水量与SST(阴影, 单位: mm)和850 hPa风场(矢量, 单位: m·s-1)的相关分布打点区域通过95 %的信度检验 Fig. 6 Distributions of the observed (left) and model-projected (right) correlation coefficients between the regional-mean precipitation of South China (a, b), middle and lower reaches of the Yangtze River (c, d), central China (e, f) and North China (g, h) and SST (the shaded, unit: mm), 850 hPa winds (vector, unit: m·s-1) in summer. Dots indicate statistically significant correlations at the 95 % confidence level

根据上述分析可知, 我国东部夏季降水主要受西北太平洋、热带西太平洋及北印度洋SST的共同影响, 这些区域的海温异常会引起高度场和风场产生相应变化, 从而导致中国地区的降水分布异常。图 7给出了西北太平洋、热带西太平洋及北印度洋SST与500 hPa位势高度场的相关分布。从观测和模式预测的西北太平洋与500 hPa位势高度场的相关分布[图 7(a), (b)]可以看出, 观测中西北太平洋地区的海温与欧洲地区、蒙古高原地区、印度洋地区及白令海地区显著负相关, 与西西伯利亚地区及鄂霍茨克海地区显著正相关, 而模式预测并没有合理把握相关特征, 预测欧洲地区及东亚, 一直延伸到太平洋和北美地区均为正相关区, 仅在印度洋地区预测出较弱的负相关。对热带西太平洋SST与500 hPa位势高度场的相关分布[图 7(c), (d)]而言, 观测中的热带西太平洋SST与亚州南部及热带西太平洋地区500 hPa位势高度场呈显著的正相关, 与中西伯利亚平原、太平洋及北美地区高度场也呈负相关, 与天山山脉及蒙古高原地区高度场呈负相关, 但总体上看这些相关并不显著。而模式预测中, 在中纬度地区为负相关带, 其中大值区出现在欧洲和日本群岛地区, 而在热带和副热带地区普遍为正相关区, 其中大值区位于副热带太平洋, 这表明模式没有合理预测出中纬度500 hPa高度场与热带西太平洋SST的关系。观测和模式预测的北印度洋SST与500 hPa高度场的相关分布[图 7(e), (f)]有一定程度的相似, 主要表现在热带及副热带地区均为较显著的正相关, 而在北太平洋地区有小范围负相关。总体来说, 模式对西北太平洋和热带西太平洋SST与500 hPa位势高度场的相关关系的预测能力有限, 可能也是模式预测中国东部降水效果年际差异较大的原因之一。

图 7(Fig. 7)

图 7 观测(左)和模式预测(右)的夏季西北太平洋(a、b)、热带西太平洋(c、d)和北印度洋(e、f)海表温度与500 hPa位势高度场的相关(等值线)分布 打点区域通过95 %的信度检验, 阴影区为陆地 Fig. 7 Distributions of the observed (left) and model-projected (right) correlation coefficients (contour) between SST and 500 hPa geopotential height in summer over Northwest Pacific (a, b), tropical western Pacific (c, d) and North Indian Ocean (e, f). Dots indicate statistically significant correlations at the 95 % confidence level

图 8给出了模式预报中国东部夏季降水效果好和差的年份的SST和500 hPa位势高度场的距平分布。从观测SST的距平分布[图 8(a), (b)]中可看出, 在三个对我国夏季降水影响较大的海温关键区中, 鄂霍次克海附近的西北太平洋地区SST在预报效果不同的年份中差别最大, 在预报效果好的年份里, 该区有一个明显的负SST异常, 而预报效果差的年份里该区正、负SST异常均有出现, 但SST异常幅度较小。热带西太平洋SST距平在不同年份中差异不大, 均为较弱的SST正距平区。对北印度洋而言, 在预报效果较好的年份里, 该区为较弱的正距平区, 而预报效果不好的年份里大部分为较弱的负距平区。从模式预报结果[图 8(c), (d)]中可以看出, 模式对日本群岛地区的正海温异常有一定的预测能力, 但在西北太平洋和北印度洋预测出强SST负距平区, 在北美西岸预测出强SST正距平区, 与观测分布不一致, 说明总体上而言, 模式对SST距平分布的预测技巧较低。

图 8(Fig. 8)

图 8 观测(a, b, e, f)、模式预测(c, d, g, h)的预报效果好(左)和预报效果不好(右)年份海表温度(a~d, 单位: ℃)和500 hPa位势高度场(e~h, 单位: dagpm)距平分布 Fig. 8 Observed (a, b, e, f) and predicted (c, d, g, h) spatial distributions of SST anomalies (a~d, unit: ℃) and 500 hPa geopotential height anomalies (e~h, unit: dagpm)with better (left) and worse (right) forecasting skills

由上述分析可知, 鄂霍次克海附近西北太平洋地区SST的正负异常对模式预报效果年际差异的影响最大, 结合图 7对该区SST和500 hPa位势高度场相关关系的分析可知, 当该区有SST负异常时, 欧洲地区、蒙古高原地区及白令海地区的500 hPa位势高度场为正异常, 西西伯利亚地区及鄂霍茨克海地区高度场为负异常, 这与观测的500 hPa位势高度场距平分布一致, 而在预报效果不好的年份中, 高度场距平分布与预报好的年份几乎相反, 但SST与高度场的对应关系并不明显。这说明西北太平洋海温异常变化对模式预报我国夏季降水的能力影响显著, 也是模式预测效果年际差异产生的原因之一。

图 9给出了观测和模式预测的预报效果好和差年份850 hPa风场的距平分布情况。从观测[图 9(a), (b)]和预报[图 9(c), (d)]中可以看出, 预报效果好的年份在30°N以南的热带地区为西风异常带, 而在副热带太平洋地区为较弱的东风异常区, 这与模式预测结果较为相近; 与之相反, 预报效果不好的年份30°N以南的太平洋地区有较强的东风异常, 而在副热带中太平洋地区有较强的西风异常, 与模式预测结果基本相反。由此可知, 预报效果好的年份中, 模式能够合理把握风场异常, 而在预报效果差的年份中, 由于SST与高度场、风场的对应关系不明显等原因, 模式并不能合理预测出低层风场异常, 从而对我国夏季降水的预测能力也较低。

图 9(Fig. 9)

图 9 观测(a, b)、模式预测(c, d)的预报效果好(左)和预报效果不好(右)年份850 hPa风场距平分布(单位: m·s-1) Fig. 9 Observed (a, b) and predicted (c, d) spatial distributions of 850 hPa zonal and meridional wind field anomaly with good (left) and poor (right) forecasting skill. Unit: m·s-1

基于BCC第二代气候预测模式系统1996—2015年的夏季气候回报试验结果, 分析了模式对中国夏季降水的预报能力和模式预报效果的年际差异, 从海温场、高度场、风场等方面探讨了夏季降水预测误差产生的可能原因, 得到以下主要结论:

(1) 模式对中国夏季降水的分布特征有一定预测能力, 在西南至长江中下游南部、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, 对降水距平预报效果整体较好。同时模式预测也有一定的偏差, 主要表现在模式对我国东部降水预测偏小, 对青藏高原地区降水预测偏多, 且对塔里木盆地、青藏高原北部、黄土高原西部等地区的预报能力偏低。在我国东部降水偏多、西部降水偏少的情况下, 模式并不能合理预测降水异常。

(2) 虽然模式能够较为合理地预测海温场、500 hPa位势高度场及850 hPa风场的基本分布型, 但对夏季西太平洋及印度洋SST的预测明显偏低, 高温区范围小, 对副热带高压和低层水汽辐合的预测强度明显偏弱, 从而导致高低层风场与环流场的配置出现偏差。这可能是导致模式对我国东部夏季降水预测显著偏少的原因之一。

(3) 模式对中国东部夏季降水预测效果的年际差异较大, 在模式预报效果好的年份中, 华南地区总降水偏多, 而长江中下游及东北地区总降水量偏少, 反之, 模式的预报技巧较低。对降水与海温的相关分布进行分析可知, 夏季西北太平洋、热带西太平洋和北印度洋是对中国东部降水影响较大的三个关键区, 其中又以西北太平洋的影响最为显著, 海温场和高度场、风场的相互配置导致了中国东部夏季降水的分布及强度差异。而模式不能合理预测海温场与高度场、风场间的关系, 因此, 改进模式对外强迫因子与降水异常相关关系的预测能力是提高我国夏季降水季节预测技巧的主要途径。

总体而言, BCC第二代短期气候预测模式系统与第一代气候模式预测业务系统相比, 对我国夏季降水的季节预测技巧有明显改进, 且对环流和物理量场的预报性能明显优于第一代模式(丁一汇等, 2004; 吴统文等, 2013; 吴捷等, 2017)。本文主要讨论了模式对1996—2015年夏季降水的季节预测效果, 重点关注了预测效果的空间、年际差异及原因。考虑到不同的强迫场和因子对模式预测结果会产生一定影响, 提高预测信号与降水之间物理联系的预测能力, 对进一步提升模式的预测效果有较大帮助。未来国家气候中心将研发更高分辨率、物理过程更加优化的新一代气候模式系统, 其对降水季节预测的改进效果将有待于后续的进一步分析。