英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

次季节—季节预测项目（S2S）数据库中亚洲夏季风的模拟

Weihua Jie，^a* Frederic Vitart，^b Tongwen Wu^a and Xiangwen Liu^a

^a北京气候中心，中国气象局，中国

^bECMWF，雷丁，英国

本文运用多种季风指数评价了1999-2010年5月到10月次季节-季节预测项目中（S2S）模式数据对亚洲夏季风的模拟能力。北半球夏季季节内振荡（BSISO）的二元距平相关（BAC）指数表明，尽管随着超前时间的增加，模式可能会低估BSISO的振幅，但它可以分别提前6—24.5天和6.5—14天预测BSISO1和BSISO2事件。对于强的BSISO事件，BSISO1（BSISO2）在所有模式的3—5位相显示了较低的模拟技能，这表明BSISO1（BSISO2）在印度和海洋大陆（中国南海和孟加拉湾）是不容易被预测的。另一方面，对于不同的模式，较高的模拟技能出现在不同的位相。例如，ECMWF集合预报对强BSISO1和BSISO2事件在第6—7位相的预测技能极限可分别超过30天和28天。通过ECMWF、NCEP和CMA模式下BSISO生命周期的比较也表明ECMWF模式可以更好的预测强BSISO事件的演变。在S2S模式中其他季风环流指数的预测包括Webster—杨指数（WY）、印度夏季风指数（ISM）、南亚季风指数（SAM）和东南亚季风指数（SEAM）具有统计显著性意义，在其对应的季风区分别达到9—31、3—17、7—13和7—14天。但是，在模式中SAM和SEAM地区夏季风降水的显著性技能有显著的变化，变化范围为超前2天—2周。

关键词：次季节—季节预测；BSISO；亚洲季风；MJO；可预测性

1.引言

继短中期天气预报和长期或季节预报的成功后，近来人们试图尝试次季节-季节预报。次季节-季节（S2S）的时间尺度在很长一段时间内被认为是“可预测性沙漠”（Waliser et al.，2003；Vitart et al.，2017）。然而，这个时间尺度的预测仍具有挑战，因为这个时间尺度对大气来说太长而不能对它的边界条件仍然保留记忆，同时这个时间尺度对边界强迫（比如海洋、陆地和海冰）来说又太短而来不及改变强迫条件来超过简单的持续性预报的技巧。

为了缩小天气预报和季节预报的差距以满足使用者的需求，世界天气研究计划（WWRP）和世界气候研究计划（WCRP）于2013年11月建立了次季节-季节（S2S）预测项目（持续5年；Vitart et al.，2017）。该项目的一项重要成果是建立了一个包含次季节-季节再预测（最多60天）和来自11个业务中心（自2015年5月其可供研究者使用）的近实时预报（滞后三周）的数据库。该数据库作为研究者的重要工具，为评估和提高业务模式系统的技能提供了一个良好的机会，并且增进了我们对S2S时间尺度的理解。

S2S项目研究了季风、Madden-Julian振荡（MJO）、非洲、极端事件、遥相关和验证等主要问题。众所周知，季风与许多其他天气事件（如热带气旋、暴雨）和气候现象（如厄尔尼诺/南方涛动（ENSO））密切相关，并在世界各地，特别是在亚洲，显示出巨大的社会和经济影响（例如Wang et al.，2008，2014；Liu et al.，2013a；Jie et al.，2014，2015）。然而，由于这些事件在亚洲地区（Liu et al.，2013b）的复杂性，季风很难被模拟。近几十年来（Liu et al.，2013a），季风的预报技能有了显著的提高。这是由于改进了动力学模式的开发，包括更好的初始条件、提高的分辨率、更好地表示物理过程和集合预报。许多研究表明，先进的模式不仅能够模拟亚洲季风的年际或气候学变率（Goswami，1999；Kang et al.，2002；Wang et al.，2008），而且能够提前几个月预测亚洲季风在季节-年际时间尺度上的特征，如强季风降水中心和大尺度环流模式（Yang et al.，2008；Jiang et al.，2013）。然而，季风的振幅、频率和传播的预测仍然存在困难。虽然大多数亚洲季风研究侧重于长期预测，但近年来关于次季节到季节内变率的研究，包括对季风建立和消失的预测的研究有所增加。例如，Sperber et al.（2001）研究了亚洲夏季风（ASM）在大气环流模式（AGCMs）中的季节内变化。他们发现，许多模式能够模拟次季节变化的主要动力模式，但在模拟降水模式和高阶模态次季节变化模式方面存在困难。Waliser et al.（2003）从10个AGCM模型中评估了与ASM相关的季节内变率的模拟。结果表明，一些模式显示的季节内变率的空间模式与观测是一致的。Fu et al.（2007，2009）指出，当NCEP再分析资料中作为初始条件的季风季节内振荡信号与卫星观测和原始观测中的季风季节内振荡信号相似时，海-气耦合使几乎整个亚洲-西太平洋地区的季风季节内振荡降水预测能力提高了约一周。这些预测对850hPa纬向风有提前25天的预测能力，对热带和东南亚地区的降水有提前15天的预测能力。此后，Fu et al.（2013）比较了四种业务模式下ASM的季节内预测。结果表明，ECMWF和夏威夷大学（UH）模式比美国国家环境预测中心（NCEP）气候预报系统第1版和第2版（CFSv1和CFSv2）更能反映北半球夏季季节内振荡（BSISO）的向北传播。Liu et al.（2013a，2013b）进一步表明，NCEP CFSv2对一些亚洲热带海洋区域夏季风降水的次季节预报能力是合理的。Abhilash（2014）利用NCEP CFSv2的集合预报系统，评估了印度夏季风的季节内预报技巧。他们发现，较好的概率预测可以达到第四个五天的超前时间。Lee et al.（2015）在季节内变率后报试验（ISVHE）中检验了BSISO在ASM区域上的可预测性和预测能力。他们发现，多模式平均BSISO的可预报性和预报能力分别在45天和22天具有较强初始振幅（比平均初始振幅高10%）。这表明BSISO预测还有相当大的改进空间。最近，Neena et al.（2017）对27个大气环流模式（GCMs）BSISO的预测能力进行了评估。许多GCMs可以反映出BSISO传播，但是在降水模拟中仍然可以看到明显的偏差。虽然这些先前的工作已在若干模式中表现出对亚洲季风进行次季节到季节内预测的潜力，但目前各主要业务中心的预测技能水平仍未得到评估。

S2S项目数据库为研究人员在最新的S2S业务模式中进一步探索亚洲季风预报提供了一个很好的机会，从而有助于改进业务模式的发展。本研究利用S2S资料库（韩国气象局资料上传不完整），以10个模式分析亚洲季风在次季节到季节内时间尺度的预测。本文的结构安排如下：第2节介绍了S2S数据库和观测数据，第3节给出了验证方法，第4节探讨了结果，第5节进行了总结和讨论。

2.S2S数据库与观测

S2S数据库包含了来自11个业务中心的预测超前期可达60天的重新预测和近实时预测（仅具有3周的延迟）：澳大利亚气象局（BoM）、中国气象局（CMA）、欧洲中期天气预报中心（ECMWF）、加拿大环境与气候变化部（ECCC）、大气科学与气候研究所（CNR-ISAC）、俄罗斯水文气象中心（HMCR）、日本气象厅（JMA）、韩国气象厅（KMA）、法国国家气象研究中心（CNRM）、国家环境预测中心（NCEP）和英国气象（UKMO）。每次重新预测或预测都包括一个控制预测（仅使用一个非扰动的初始值）和一些用于产生概率预测或集合平均的扰动预测。表1展示了S2S模式仅用于重新预测的主要特征（详细信息请参见Vitart et al.（2017）或https：//software.ecmwf.int/wiki/display/S2S/home）。由于各业务中心之间在重新预测时间范围和重新预测周期上的差异，本研究选取了0-31天的共同提前期和1999-2010年的5-10月的周期为研究对象。由于重新预测的频率不同，在大多数模式中，重新预测的开始日期并不相同（ECMWF从4月30日起每周初始化两次；NCEP和CMA从4月30日起每天一次；JMA从5月10日起每月三次；CNRM从5月1日起每月两次；HMCR从5月1日起每周一次；BoM从5月6日起每天五次；CNR-ISAC从5月1日起每天五次；UKMO从5月1日起每天八次；ECCC从5月5日起每天五次）。将大气模式的不同水平分辨率均匀地插值到1.5°times;1.5°网格上。此外，在各种模式中，不同模式的集合以及大气模式与海洋模式或海冰模式的耦合与否都是不一致的。尽管存在这些差异，但是如本文中所示，S2S模式中有足够多的共同点来进行相互比较。

表1 S2S预测数据库中的模式列表

KMA上传的数据不完整。

本研究中使用的观测数据包括：ECMWF的ERA-Interim再分析资料水平分辨率为1.5°times;1.5°（Dee et al.，2011）和NCEP再分析资料（Kanamitsu et al.，2002）分辨率为2.5°times;2.5°的850hPa和200hPa逐日水平风场；全球降水气候学项目1DD（每天一度）1.2版本的日降水量（GPCP：Huffman et al.，2001；Prakash et al.，2015；http：//precip.gsfc.nasa.gov/）；美国国家海洋和大气管理局（NOAA）极轨卫星（Liebmann and Smith，1996）提供的水平分辨率为2.5°times;2.5°的日出射长波辐射（OLR）资料。

3.北半球夏季ISO和季风指数

热带季节内振荡（ISO）在ASM的演变中起着极其重要的作用（Waliser et al.，2003）。由Lee et al.（2013）提出的BSISO指数是基于对5月1日至10月31日期间10°S-40°N，40°-160°E区域850hPa纬向风（U850）和OLR的逐日距平进行多元经验正交函数分解（MV-EOF）得到的（例如，如图1所示的1999年至2010年观测到的EOF模态）。OLR和U850异常是同Wheeler和Hendon（2004）一样，通过滤除慢的年际循环（气候年际变率的平均和前三个谐波）和年际变率（最近120天的平均值）得到的。其中由MV-EOF前两个主分量（PCs）定义的BSISO1代表了通常与向东传播的MJO一起出现的典型北传的BSISO，而由后二个主分量定义的BSISO2则主要反映了在季风前和季风爆发期间向北传/西北传的BSISO。在这项工作中，计算了1999-2010年期间每个S2S模式的BSISO1和BSISO2指数，以评估S2S模式在ASM地区的预测能力。将OLR和U850异常投影到观测到的EOF模态上，得到各S2S模式的PC数据。

图1.（a-d）ERA-Interim/NOAA1999年至2010年12年MJJASO期间日OLR（阴影；单位：W/msup2;）和850hPa纬向风异常（矢量；单位：m/s）的EOF模式。由V850异常回归，得到850hPa（V850）的相关经向风。北半球夏季季节内振荡指数基于EOF分析，BSISO1和BSISO2分别由EOF的前两个主成分（PCs）和后两个主成分定义。[彩图可在wileyonlinelibrary.com查看]

如表2所示，包括Webster-Yang指数（WY：Webster and Yang，1992）、印度夏季风指数（ISM：Wang et al.，2001）、南亚季风指数（SAM：Goswami et al.，1999）和东南亚季风指数（SEAM：Wang and Fan，1999）在内的季风指数被应用于S2S模式以提供ASM地区大气环流或降水预报技能的补充措施。WY指数（0-20°N，40-110°E区域850至200hPa的平均纬向风切变异常）是印度夏季风的一个良好指标，尽管它与印度季风降水的相关性很低（Goswami et al.，1999）；ISM（5-15°N，40-80°E和20-30°N，70-90°E之间的U850差）不仅很好地反映了孟加拉湾、印度和阿拉伯海东部的季风异常，而且与印度降水异常高度相关；利用SAM指数（在10-30°N，70-110°E区域内850hPa-200hPa平均的经向风切变异常）对季风-哈德莱环流的模拟进行了评估。最后，利用SEAM指数（5-15°N，90-130°E的U850减去22.5-32.5°N，110-140°E的U850）对东南亚夏季风进行了评估。此外，通过分别在10-30°N、70-110°E和5-25°N、100-130°E上平均降雨量计算的SAM和SEAM季风降水指数也将用于验证这些区域的降水预测（Lau et al.，2000；Liu et al.，2013a）。

表2 由大气环流和降水定义的季风指数表

4.结果

在这一部分中，利用ASM地区不同的季风指数，评估了S2S中10个模式不同的预报时间的次季节到季节预报能力。根据表1，在S2S数据库中，只有NCEP和CMA的回报与ECMWF回报具有相同的重新预测频率。每一个再预报都对照对应的1999-2010年共12年的5到10月份的观测数据矫正到第31天。

4.1BSISO指数

图2展示了BSISO1和BSISO2事件中，ERA-Interim/NOAA与预报之间的二元距平相关（BAC）和均方差（RMSE）随着预报时间的演变。BSISO1的BACs（图2（a））表明，10个模式的控制预测（CF；虚线）可以提前6-17.5天预测BSISO1事件，相应的相关系数超过0.5，这是有效水平（黑色虚线水平线）的临界值。与CF模式相比，ECMWF、UKMO、BoM、CNRM和ECCC模

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18311]，资料为PDF文档或Word文档，PDF文档可免费转换为Word