MODES系統對貴州月氣溫、降水預測初步評估

白慧，高輝，劉長征，毛煒嶧，杜良敏

（1.貴州省氣候中心，貴州貴陽 550002；2.貴州省山地氣候與資源重點實驗室，貴州貴陽 550002；3.國家氣候中心，北京 100081；4.中國氣象局烏魯木齊沙漠氣象研究所，新疆烏魯木齊 830002；5.武漢區域氣候中心，湖北武漢 430074）

MODES系統對貴州月氣溫、降水預測初步評估

白慧1，2，高輝3，劉長征3，毛煒嶧4，杜良敏5

（1.貴州省氣候中心，貴州貴陽 550002；2.貴州省山地氣候與資源重點實驗室，貴州貴陽 550002；3.國家氣候中心，北京 100081；4.中國氣象局烏魯木齊沙漠氣象研究所，新疆烏魯木齊 830002；5.武漢區域氣候中心，湖北武漢 430074）

通過對2013年1月—2015年6月（MODES）發布的最優月預測產品在貴州省月平均氣溫距平和降水距平百分率的預測檢驗評估，發現MODES對全省平均氣溫有較好的預報，分析時段內預測與實況的相關系數為0.24，距平同號率為65.5%，且對氣溫偏高預測的可參考性高于其對氣溫偏低的預測。相比于氣溫，MODES對降水預測能力較弱，參考性也相對較低，其中對貴州全省平均降水偏多趨勢的預測技巧要優于對全省平均偏少趨勢的預報技巧。逐站分析顯示，MODES對貴州氣溫預測效果較好的地區在西部、北部和東部，對降水偏多的預測效果較好的地區位于除西北部和北部邊緣地區外的其余大部地區。通過對MODES與預報員綜合預報的結果評估發現，MODES月預測總體效果較預報員好，且穩定性高于預報員，可為預報員提供參考信息。

多模式解釋應用集成預測系統（MODES）；距平同號率；Ps評分；檢驗評估

短期氣候預測對現代社會經濟活動具有重大應用價值，近20 a其科學研究和業務應用方面發展迅速。傳統上氣候預測技術主要分為物理統計方法和動力模式兩類，但隨著模式技術的迅速發展，目前氣候模式動力預測技術是世界各大氣候預測業務部門的主要工具[1-7]。大氣環流主要受海陸差異、海表溫度、積雪等空間和時間上連續性較強的大尺度要素影響，在模式中其模擬和預測水平較高，而云—輻射、對流性降水等復雜小尺度物理過程通常用參數化方案做近似描述，導致氣溫和降水難以完全準確模擬和預測。對月和季節時間尺度而言，大尺度氣溫和降水特征往往與大尺度環流特征有關。東亞季風區副熱帶高壓變化和夏季雨帶移動關系密切，西伯利亞高壓和北極濤動位相對冬季氣溫具有指示作用，因此通過大氣環流場間接預測降水溫度通常具有更高技巧[8-9]。在現有模式發展水平下，從大量的動力模式產品中最大限度地提取具有高技巧性的大尺度環流信息，利用動力和統計相結合的降尺度方法是提高短期氣候預測準確率的有效途徑[10-13]。由于氣候預測的復雜性，各種氣候預測技術方法的適用性在不同國家和地區并不相同，相應采用的氣候模式、多模式集合、降尺度方法、統計方法和降尺度—統計集合等具體技術發展和應用的重點也有很大區別。因此，在省級預測業務工作中對具體預測技術進行檢驗評估是非常重要的基礎性工作[14-18]。為了促進短期氣候預測業務向客觀定量化發展，國家氣候中心基于國內外氣候業務模式數據解釋應用集成預測技術的研發和業務應用建立了相應的多模式解釋應用集成預測系統MODES（Multi-model Downscaling Ensemble System），MODES具有等權平均、經典超級集合、區域最優和加權平均等多種集成方法，并采用等權平均和經典超級集合兩種方法對各模式的降尺度方法預測結果進行集成。劉長征等[19]采用PS評分、異常相關系數（ACC）和距平符號一致率評分方法對MODES產品在我國冬季、夏季和月平均氣溫及降水業務應用進行了預測效果評估，發現其對氣溫有較好的預測能力及對降水趨勢預測有一定的預測技巧，但對于不同區域的預測仍缺乏針對性和精細化。MODES于2012年陸續向省級推廣更新，各省（區、市）氣候中心也開展了針對本省的初步評估，但目前均缺乏針對性的客觀化檢驗評估，尤其是逐月的詳細分析，而國家氣候中心提供的MODES預測評估主要針對全國開展，也沒有針對各省開展針對性評估。同時，貴州省區域小、站點少，從國家氣候中心的評估中難以獲取足夠的信息。因此非常有必要開展有預測數據以來詳細的點對點檢驗，并客觀分析預報不好月份。本文主要對國家級逐月發布的MODES月平均氣溫及降水的最優預測產品在貴州省預測進行檢驗評估，以客觀評價其在貴州省級區域的預測能力，為MODES開發團隊在省級降尺度應用中提供基礎分析和依據，幫助找到預測偏差的原因，進而改進降尺度算法和多模式統計集合技術，從而更好地利用多個模式信息提取重要環流特征量并實現業務化，同時也為預報員對MODES月預測產品的使用提供借鑒，從而有效地獲取氣候異常預測信息。

1 資料和評估方法

1.1 資料

MODES所用數據主要包含模式數據和臺站觀測數據兩種。模式數據包括ECMWF，NCEP，東京氣候中心（TCC）和中國氣象局國家氣候中心（NCC）實時發布的季節預測全球模式產品輸出場。在業務應用中，MODES主要針對500 hPa位勢高度、200 hPa緯向風和經向風、850 hPa氣溫4個要素的異常場采用4種降尺度方法（EOF迭代、BP-CCA、OSR和HCRE方法）及2種降尺度集成方法（等權平均和經典超級集合方法）。臺站數據包括我國2434站的月平均氣溫和月降水量觀測數據。通過對MODES各模式產品的預報因子和參數選取方案試驗建立相應的降尺度解釋應用模型和客觀集成系統，并進行業務化，它是基于先進模式系統并可供國家級和省級多層次使用的高質量月/季尺度氣候預測產品和業務系統。

文中所用的站點資料為貴州省參與中國氣象局月預測評分的85個地面氣象觀測站的月平均氣溫和降水量資料，時段為2013年1月至2015年6月共30個月。同時段的MODES模式預測資料為超前1月起報的月平均氣溫距平和降水量距平百分率的最優月預測產品，但由于2013年4月MODES預測資料出現故障未能獲取，實際使用為29個月。本文氣候平均時段均為1981—2010年。

1.2 方法

本文用到的評估方法主要為距平同號率和PS評分。

距平同號率評估以預測和實況的距平符號是否一致為判斷依據，采用逐站進行評判。當預報和實況距平符號一致時又可細分為同正率和同負率，前者指預報和實況距平均為正，后者指預報和實況距平均負。距平同號率公式定義為N0/N×100%，式中N0為距平符號預測正確站數；N為實際參加評估站數（即規定參加考核站數減去實況缺測站數）。

PS評分方法分別考慮預測的趨勢項、異常項和漏報項的綜合貢獻，定義如下：

式中，a、b和c分別為氣候趨勢項、一級異常項（對降水距平百分率Ra是50%>Ra≥20%或-20%≥Ra>-50%，對氣溫距平Ta是2℃>Ta≥1℃或-1℃≥Ta>-2℃）和二級異常項（Ra≥50%或Ra≤-50%；Ta≥2℃或Ta≤-2℃）的權重系數。按照中國氣象局規定，本辦法分別取a=2，b=2和c=4。逐站判定預測的趨勢是否正確，統計出趨勢預測正確的總站數N0，一級異常預測正確的總站數N1和二級異常預測正確的總站數N2。沒有預測二級異常而實況出現降水距平百分率Ra≥100%或Ra=-100%、氣溫距平Ta≥3℃或Ta≤-3℃的站數（稱為漏報站，記為M）。實際參加評估的站數N規定為參加考核站數減去實況缺測的站數。

2 MODES對貴州省月氣溫、降水預測效果評估

對比2013年1月—2015年6月國家級發布的MODES最優月預測產品與貴州省85站月平均氣溫距平、降水距平百分率實況（圖1）可以發現，分析時段內氣溫預測與實況的相關系數為0.24，距平同號率為65.5%，表明MODES對貴州月平均氣溫有較好的預報。進一步統計發現，預報和實況的距平同正率為75.0%、同負率為44.4%，說明MODES對貴州氣溫偏高預測的可參考性高于其對氣溫偏低的預測。相比于氣溫，研究時段內MODES月降水量的趨勢預測與觀測值的相關系數僅為-0.03，二者同號率為48.3%，其中同正率為68.8%、同負率為23.1%。表明相比于氣溫，MODES對降水預測能力較弱，參考性也相對較低，其中對貴州全省平均降水偏多趨勢的預測技巧要優于偏少的預報技巧。

圖1 2013年1月—2015年6月貴州省月平均要素實況和MODES預報

進一步統計了評估時段內貴州省85站月氣溫距平和降水距平百分率實況與MODES預測間同號率、同正率和同負率的空間分布情況（圖2）?？梢钥闯?，氣溫同號率高的地區主要位于貴州省西部、北部和東部地區，數值可達60%以上，尤其在六盤水市北部、黔西南州西部和黔東南州東部地區，同號率達70%以上，其余地區均在60%以下，在貴陽市東南部和黔南州中部地區同號率低于45%。在實況氣溫偏暖情況下預報也偏暖的同正率明顯優于同號率，在貴州省西部、北部和東部地區均超過60%，局部達80%以上。和同正率相反，同負率較高的地區位于貴州省中部，數值可達60%以上，局部達80%以上。降水同號率的空間分布除貴州省之中部以西和以東的部分地區達60%以上外，其余大部地區均在50%左右。和同號率相比，同正率除在貴州省西北部和北部邊緣地區較低外，其余大部地區均在60%以上，尤其是安順大部和黔南州東部地區達80%。但降水預報和實況的同負率明顯偏低，僅在西部局地達60%，其余大部地區均在50%左右及以下。圖2的結果和圖1相近，表明MODES對貴州降水預測總體效果不如氣溫，但對貴州西部、北部和東部地區氣溫偏高和中部地區氣溫偏低的預測效果較好。

進一步挑選分析時段內月平均氣溫、降水MODES預測產品PS評分最高和最低的3個時次作為典型預報個例分析，以判斷其預測得失的原因。氣溫PS評分最高的3個月分別是2013年5月、2014年9月和2015年2月，其PS評分分別為96.3、98.7和100.0。在這3個月中，MODES氣溫預測與實況趨勢非常一致，均表現為全省大部地區一致偏高。但對于超過1℃以上的氣溫正距平，MODES預測區域和實況并不是很一致，尤其是2013年5月，一級異常預報站數為0，說明MODES預測主要依賴于其趨勢項。而在氣溫PS評分最低的3個月中（分別為2013年1月、2013年6月和2014年2月，其Ps評分分別為45.5、35.0和0.0）（表1），MODES月平均氣溫的預測趨勢與實況幾乎相反，實況表現為全省大部地區偏高、偏高和偏低，而MODES預測趨勢為全省大部地區偏低、偏低和偏高，進一步說明MODES對貴州預測主要依賴于其對正負距平趨勢的預測。

同樣挑選MODES預測產品在分析時段內月降水預測PS評分最高和最低的3個月作為典型月份分析。其中降水Ps最高的3個月為2014年7月、2014年11月和2015年5月，對應的PS評分分別為90.0、98.3和90.7。在這3個月中，MODES月降水距平趨勢預測與實況總體一致，均表現為全省大部地區偏多，距平正負趨勢預測準確站數分別為82%、100%和74%，但降水偏多偏少2成以上的異常級預測得分均不高，預測準確站數分別占總站數的32%、40%和28%。在降水預報PS評分最低的3個月中（分別是2014年12月、2015年2月和2015年3月，PS評分分別為20.2、46.0和43.0）（表1），貴州省85站的預測與實況距平基本相反，實況表現為全省大部地區偏少，而MODES預測趨勢為全省大部地區偏多，距平符號預測準確率分別為7%、20%和19%，進一步說明MODES預測評分主要依賴于其距平符號準確與否。

表1 MODES月氣溫、降水預測PS評分3個最低年預報與實況對比

通過上述典型氣溫、降水預報PS高分和低分的例子并結合圖1可以發現，MODES預測全省氣溫一致性偏低的準確率要明顯低于其預測全省一致性偏高的準確率，此時需要基于其它預測手段加以進一步分析。而MODES對全省降水預測一致性偏多的可參考性低于氣溫。

圖2 2013年1月—2015年6月貴州月平均氣溫、降水實況與MODES預報的空間分布

圖3 2013年1月—2015年6月MODES與預報員綜合預報的Ps評分

3 MODES與預報員綜合預報PS評分對比

目前我國的氣候預測主要采用動力統計相結合的方法[20]。預報員在最終發布預報時需要綜合考慮模式或模式釋用等客觀化產品和下墊面等物理因子的前兆影響。對比分析研究時段內MODES與貴州省預報員綜合預報的PS評分（圖3）可見，MODES預報月平均氣溫距平和降水距平百分率平均分分別為72.1和69.4，均較預報員綜合預報PS評分高（對應分別為69.8和63.0），其中降水的優勢更為明顯。同時，MODES氣溫和降水PS評分的均方差分別為21.9和17.6，均小于預報員綜合預報評分的均方差（對應分別為25.6和20.1），表明MODES預測不僅效果好于預報員綜合預報，而且預報性能更為穩定。從二者的差值對比來看，MODES對氣溫預報評分優于預報員的月份占51.7%，且對氣溫偏低的趨勢預測把握更好，對降水預報評分優于預報員的月份占58.6%，且對降水偏多的趨勢預測把握較省級更好。

4 結論

本文通過2013年1月—2015年6月MODES最優月預測產品對貴州省月平均氣溫距平和降水距平百分率的預測效果進行檢驗評估，得到以下結論：

（1）MODES對全省平均氣溫有較好的預報，分析時段內預測與實況的相關系數為0.24，同號率為65.5%，其中同正率和同負率分別為75.0%和44.4%。相比于氣溫，MODES對降水預測能力較弱，參考性也相對較低，分析時段內預測與實況的相關系數僅為-0.03，同號率為48.3%，其中同正率和同負率分別為68.8%和23.1%。表明MODES對全省氣溫偏高和降水偏多趨勢的預測技巧要優于其對全省氣溫偏低和平均降水偏少的預報技巧。

（2）通過評估時段內貴州省85站月氣溫距平和降水距平百分率實況與MODES預測間同號率、同正率和同負率的空間分布情況，分析顯示MODES對貴州氣溫偏高預測效果較好的地區位于該省西部、北部和東部，對降水偏多的預測效果較好的地區位于除西北部和北部邊緣地區外的其余大部地區。

（3）通過對MODES與預報員綜合預報的結果評估發現，MODES月預測總體效果更好，且穩定性高于預報員預報。對月平均氣溫而言，MODES對氣溫偏低的趨勢預測把握較預報員更好，對月降水量而言，MODES對降水偏多的趨勢預測把握較預報員好。上述分析表明，MODES可為預報員制作預報提供一定參考信息。

本文主要針對MODES在貴州氣溫、降水的月平均預測效果開展評估。隨著預測業務的發展和服務需求的提升，月平均的預測產品已經顯示出一定的服務能力不足。近年來，MODES也積極拓展其預測范圍，包括影響東亞氣候的關鍵環流因子預測及月內尺度的延伸期預測。今后將繼續加強這方面的評估，以評估更全面的該預報系統在貴州省的預測能力，為省級氣象防災減災提供一定參考信息。

[1]顏宏.關于氣候預測與模擬若干問題的思考[J].應用氣象學報，1997，8（增刊）：6-14.

[2]李維京，張培群，李清泉，等.動力氣候模式預測系統業務化及其應用[J].應用氣象學報，2005，16（增刊）：1-11.

[3]賈小龍，陳麗娟，高輝，等.我國短期氣候預測技術進展[J].應用氣象學報，2013，24（6）：641-655.

[4]吳統文，宋連春，劉向文，等.國家氣候中心短期氣候預測模式系統業務化進展[J].應用氣象學報，2013，24（5）：533-543.

[5]李維京，鄭志海，孫丞虎.近年來我國短期氣候預測中動力相似預測方法研究與應用進展[J].大氣科學，2013，37（2）：341-350.

[6]于海鵬，黃建平，李維京，等.數值預報誤差訂正技術中相似—動力方法的發展[J].氣象學報，2014，72（5）：1012-1022.

[7]任宏利，張培群，李維京，等.提高月預報業務水平的動力相似集合方法[J].氣象學報，2014，72（4）：723-730.

[8]李維京，陳麗娟.動力延伸預報產品釋用方法的研究[J].氣象學報，1999，57（3）：338-345.

[9]陳麗娟，李維京，張培群，等.降尺度技術在月降水預報業務中的應用[J].應用氣象學報，2003，14（6）：648-655.

[10]顧偉宗，陳麗娟，張培群，等.基于月動力延伸預報最優信息的中國降水降尺度預測模型[J].氣象學報，2008，67（2）：280-287.

[11]賈小龍，陳麗娟，李維京，等.BP-CCA方法用于中國冬季溫度和降水的可預報性研究和降尺度季節預測[J].氣象學報，2010，68（3）：398-410.

[12]顧偉宗，陳麗娟，李維京，等.降尺度方法在中國不同區域夏季降水預測中的應用[J].氣象學報，2012，70（2）：202-212.

[13]康紅文，祝從文，左志燕，等.多模式集合預報及其降尺度技術在東亞夏季降水預測中的應用[J].氣象學報，2012，70（2）：192-201.

[14]閆敬華.華南區域短期氣候模式及其性能分析[J].熱帶氣象學報，2000，16（1）：9-17.

[15]杜良敏，柯宗建.一種適用于延伸期過程事件預報的檢驗方法[J].應用氣象學報，2013，24（6）：686-694.

[16]王毅，金榮花，代刊，等.2008年1月歐亞阻塞形勢的ECMWF集合預報效果評估檢驗[J].大氣科學學報，2014，37（3）：257-267.

[17]成璐，沈潤平，師春香，等.CMORPH和TRMM 3B42降水估計產品的評估檢驗[J].氣象，2014，40（11）：1372-1379.

[18]劉長征，江遠安，毛煒嶧，等.新疆夏季降水和冬季氣溫預測方法及效果評估[J].沙漠與綠洲氣象，2015，9（2）：1-8.

[19]劉長征，杜良敏，柯宗建，等.國家氣候中心多模式解釋應用集成預測[J].應用氣象學報，2013，24（6）：677-685.

[20]李維京.現代氣候業務[M].北京：氣象出版社，2012.

Assessment of Multi-model Downscaling Ensemble Prediction System for Monthly Temperature and Precipitation Prediction in Guizhou

BAIHui1，2，GAO Hui3，LIU Changzheng3，MAOWeiyi4，DU Liangmin5
（1.Guizhou Climate Center,Guiyang 550002，China；2.Guizhou Key Laboratory ofMountainous Climate and Resource，Guiyang 550002，China；3.National Climate Center，Beijing 100081，China；4.Institute of Desert Meteorology，China Meteorological Administration，Urumqi830002，China；5.Wuhan Regional Climate Center Wuhan 430074，China）

Based on the outputs of different climate models,National Climate Center of China Meteorological Administration（CMA）established amulti-model downscaling ensemble prediction system（MODES）in 2011.Since then the system has been used widely in the domestic seasonal prediction operation.By assessing and verifying the prediction of MODES for monthly temperature and precipitation in Guizhou province during January 2013 to June 2015,this paper indicates that the system has a good temperature prediction skill in the province.The correlation coefficient and the total ration of same anomaly symbol between MODES and observation are 0.24 and 65.5%. Prediction skill of positive temperature anomaly is higher than the negative anomaly.Compared to temperature prediction,the prediction skill for precipitation in MODES is lower,but the prediction skill of positive precipitation anomaly is higher than the negative anomaly.Spatial distribution of verification results show that the high skill scores appear in the western,northern and eastern part of Guizhou province for temperature,and in most regions for precipitation except in part of northwestern and northern regions.During the research period,the prediction skill scores are stably higher than the scores of the subjective forecasts made by the forecaster,especially for negative temperature anomaly and for positive precipitation anomaly.

multi-model sownscaling ensemble prediction system（MODES）；ratio of the same anomaly symbol；PS score;assessmentand verification

P456.7

A

1002-0799（2016）05-0058-06

10.3969/j.issn.1002-0799.2016.05.009

2015-12-31；

2016-03-22

貴州省科技廳攻關項目—貴州省干旱災害風險評估研究，貴州省氣象局氣象科技開放研究基金項目和2016年貴州省氣象局氣候預測業務項目共同資助。

白慧（1984-），女，工程師，主要從事短期氣候預測研究工作。E-mail：baihui926@aliyun.com

白慧，高輝，劉長征，等.MODES系統對貴州月氣溫、降水預測初步評估[J].沙漠與綠洲氣象，2016，10（5）：58-63.