SEAS5模式對新疆月尺度氣溫和降水的預測性能評估

李雪洮，段春鋒，楊智敏，陳 穎*

（1.新疆氣候中心，新疆 烏魯木齊 830002;2.安徽省氣候中心，安徽 合肥 230031）

新疆是我國受自然災害影響較嚴重的省區之一，新疆的氣象災害及其衍生災害呈現出突發性強、種類多、強度大、頻率高、災害重、影響廣的特點，給自治區經濟社會持續發展帶來了嚴峻挑戰[1]。在這一背景下，新疆月尺度氣候預測的重要性顯得尤為突出，及時準確地提供災害性、關鍵性短期氣候預測，對于農業、能源、糧食安全、衛生健康、交通運輸和應急管理等部門的決策具有重要意義和顯著價值。

我國的短期氣候預測業務經歷了經驗性統計、數理統計、動力模式和動力與統計相結合[2-3]幾個發展階段，目前已經建立起一套較為完備的“延伸期—月—季—年”多尺度氣候預測業務系統[4-6]。其中，氣候模式集合預測已經成為全國各氣候預測業務中心的主要預測工具之一[7]，其作為月、季、年度氣溫降水趨勢預測的一種客觀方法和預測手段，為我們的短期氣候預測業務工作提供了較為可信的參考依據。但模式初始條件、邊界條件的誤差和模式計算中各種近似處理引入的誤差使預報結果不可避免地存在不確定性，進而導致模式預報技巧受到限制。根據國內外研究成果，模式可預報性存在海洋強于陸地，低緯優于高緯的分布特征[8]。新疆位于歐亞大陸腹地的干旱半干旱區，降水少且氣溫變率很大[9]，大氣的內在變率很大，影響此地區氣候變異的因素太多、太復雜[10]，這從根本上導致氣候模式對新疆的氣溫和降水預測技巧并不高。而且由于地域遼闊，東西跨度約1 900 km、南北跨度約1 800 km，“三山夾兩盆”的地形使得新疆氣候也存在著明顯的區域差異。因此對氣候模式進行全面的檢驗評估，了解模式預報技巧在新疆的時空分布特征，有利于充分發揮這一客觀預測產品在新疆短期氣候預測業務中的應用效益，提高新疆月尺度氣候預測能力。研究成果可在新疆月尺度氣候預測業務中得到實際應用。

近年來，全國各省區氣候中心在氣候預測模式檢驗評估方面做了大量工作，何慧根等[7]基于國家氣候中心第二代月動力延伸預測模式業務系統（DERF2.0）數據和全國臺站觀測資料綜合評估了DERF2.0系統對中國的氣溫和降水的預測性能，表明DERF2.0模式對極端旱、澇個例年有一定的預測能力，且對氣溫的預測明顯好于降水。重慶、廣西、貴州、江西、新疆、寧夏和陜西也有學者[11-17]做了類似針對DERF2.0模式在本地適用性的檢驗工作。但是，對于在氣候預測業務中經常使用的歐洲中心中長期模式，國內外的檢驗評估工作較少，主要有：Amulya Chevuturi等[18]利用GPCP降水數據和ERA5再分析數據檢驗了歐洲中心第五代季節預測系統SEAS5對于印度夏季風的預測技巧，發現該模式在提前一個月預測大尺度季風的動力學特征和局地尺度季風的爆發方面有顯著技巧；Wang等[19]基于SEAS5模式36年的回報數據評估了該模式對澳大利亞降水和日最高氣溫、日最低氣溫的預測水平，表明SEAS5模式對未來一個月的預測效果很好，但超出一個月預報時效后，預測技巧顯著下降；Stefanie Gubler等[20]檢驗評估了SEAS5模式在南美地區的預測水平，發現南半球夏季時該模式對熱帶地區氣溫的預測性能最優，準確率達70%，模式對南美的降水預測性能較氣溫稍差，且體現出更大的時空差異性。國內關于SEAS5模式的相關研究成果較少，鄭嘉雯等[21]基于BCC_CSM1.1m，NCEP_CFSv2和SEAS5模式的歷史回報和中國全球大氣再分析系統資料，對500 hPa位勢高度和西太平洋副熱帶高壓進行了預報性能評估和可預報性分析，表明三個模式在熱帶地區均具有較高的預報能力，BCC模式表現最為突出，SEAS5模式預報穩定性最好。

縱觀前人的研究成果，可見SEAS5模式的預測能力較強且穩定性好，但其在新疆這一中高緯度復雜地形地區的預測技巧還未可知。了解SEAS5模式預報技巧在新疆的時空分布特征，有利于充分發揮這一客觀預測產品在新疆短期氣候預測業務中的應用效果，進而提高新疆月尺度氣候預測能力。

1 資料和方法

1.1 模式資料

SEAS5（Seasonal Forecasting System 5）是2017年11月投入運行的歐洲中期天氣預報中心（ECMWF）第五代季節預測系統，也稱ECv5。與其前身ECv4相比，SEAS5使用了更高分辨率的新版大氣和海洋模塊，添加了海冰模塊。新版本模式減少了赤道太平洋冷舌的預報偏差，同時模擬的ENSO振幅更加真實準確，在中西部太平洋地區的ENSO預測技巧有所提高，而在熱帶太平洋地區，2 m溫度的預測技巧也明顯提升[22]。

模式數據為歐洲中期天氣預報中心第五代季節預測系統（SEAS5）的氣溫和降水預測產品，來源于國家氣候中心多模式解釋應用集成預測系統[23]（MODES）提供的多模式數據集V2版本，評估時段為1993年1月—2019年12月（其中2017年模式數據缺失），起報日期為每月8日，水平分辨率為1°×1°。考慮到預報時效問題，本文使用SEAS5模式提前1個月對逐月氣溫、降水的預測結果進行檢驗。

1.2 觀測資料

本研究的觀測數據來源于新疆氣候中心，包括新疆98個氣候預測檢驗站點1993年1月—2019年12月的氣溫和降水觀測數據。

1.3 檢驗方法

1.3.1Ps評分

根據中國氣象局預報與網絡司《月、季氣候預測檢驗評分方法》業務規定，分別考慮預報的趨勢項、異常項和漏報項，以短期氣候趨勢異常綜合（Ps）檢驗作為氣候預測的綜合評定方法，Ps檢驗方法的計算公式：

其中，N0為氣候趨勢預測正確的站數；N1為一級異常預測正確的站數；N2為二級異常預測正確的站數；M為沒有預報二級異常而實況出現降水距平百分率≥100%或等于-100%、氣溫距平≥3℃或≤-3℃的站數（下稱漏報站）；a、b和c分別為氣候趨勢項、一級異常項和二級異常項的權重系數，為客觀反映當前國家級和省級業務單位短期氣候預測水平，促進氣候預測業務由平均態趨勢預測向異常氣候趨勢預測轉變，中國氣象局預報司于2013年頒布《月、季氣候預測質量檢驗業務規定》規定各權重系數取值為a=2，b=2，c=4。

1.3.2Pc評分

Pc評分以預報和實況的距平符號是否一致為判據，逐站判斷，計算公式如下：

式中，N0為預測與實況距平符號相同的站數，N為參加評分的總站數。

1.3.3ACC評分

ACC評分是WMO于1996年確定并建議使用的指標，其使用降水距平百分率和平均氣溫距平計算距平空間相關系數，主要反映的是預報值與實況值空間型的相似程度，也可稱為空間相似系數。每次預報均可對預報場計算空間相似系數，需要首先計算各個格點的時間平均和異常：

式中，Xi，j代表觀測值，fi，j代表預測值，i代表評價區域的格點數，j代表時間序列，N為評分總格點數或站點數，ΔXi，j和分別為觀測的氣溫距平（降水距平百分率）和多年均值，Δfi，j和為預測的氣溫距平（降水距平百分率）和多年均值。

1.3.4TCC評分

TCC評分使用降水距平百分率和平均氣溫距平分別計算距平的時間相關系數，能夠在統計意義上較好地表征模式對各個格點異常的預報能力，得到一個完整的相關技巧空間分布。TCC范圍為-1～1，越接近于1表明技巧越高，通常取0.5的相關技巧作為有預報意義的標準。

2 月氣溫的預測質量評估

2.1 各月氣溫Ps、Pc、ACC評分的時間序列

利用SEAS5模式每月8日起報的氣溫月數據和新疆參與氣候預測質量評分的98站點的氣溫月資料（除缺測較多的大西溝站）計算得到1993—2019年各月氣溫的Ps、Pc、ACC評分的時間序列圖（圖1）。1月ACC>0的年份最多，空間相關性較其他月份更優。三種評分的年際變化表現比較一致。

圖1 SEAS5模式1—12月（a—l）氣溫Ps、Pc、ACC評分的時間序列

距平符號一致率Pc反映的是一定范圍內預測值與實況值距平（距平百分率）符號一致的站點數占總站點數的比例，是以往模式檢驗常用的方法之一。只有當同號率＞50%，主要趨勢被反映出來時，再考察強度預測才有意義。時間相關系數能夠在統計意義上較好地表征模式對各個格點異常的預報能力，得到一個完整的相關技巧空間分布。TCC范圍在-1～1，越接近于1表明技巧越高，通常取0.5的相關技巧作為有預報意義的標準。根據文獻和氣候學普遍使用的定義標準，分別統計了Pc評分≥50，Ps評分≥60，以及ACC評分≥0的年份數目在模式資料總年數（26年）中的占比。7月Pc和Ps評分具有指示意義的概率最大，分別達到70.4%和81.5%，1月空間相關系數ACC具有指示意義的年份最多。

為更直觀地分析SEAS5模式對各月氣溫預測評分的情況，統計計算了1993—2019年平均的各月氣溫Pc、Ps和ACC評分（表1）。Pc評分≥50，Ps評分≥60，以及ACC評分≥0時，平均評分具有指示意義，可見SEAS5模式對新疆氣溫的預測評分較高，全年平均得分也都具有指示意義。4—9月，三項評分均大于評判指標，預測效果很好。4月氣溫的距平符號一致率評分Pc最高，為61.3分；12月的Pc評分最低，為50.2分。7月的趨勢異常綜合評分Ps評分最高，為74.4分；2月的Ps評分最低，為59.6分。6月的空間相關系數ACC最高，達到0.17；5月和11月的ACC評分最低，分別為0.01和-0.01。

表1 SEAS5模式1993—2019年平均各月氣溫評分

2.2 各月氣溫Pc評分的空間分布

圖2為1993—2019年平均的各月氣溫Pc評分空間分布。4、8、10、11月全疆Pc評分均>50分，從空間一致率角度而言，模式的月氣溫預測質量較高。7、9月除南疆西部外的全疆大部地區Pc評分也＞50分，氣溫預測較成功。1、3、6、12月北疆大部、東疆大部的Pc評分＜50分，南疆地區的Pc評分高于北疆地區。2、5月全疆大部的Pc評分＜50分，模式預測的氣溫趨勢可參考性較小。

圖2 SEAS5模式1—12月（a～l）氣溫Pc評分的空間分布

2.3 各月氣溫TCC評分的空間分布

圖3為1993—2019年平均的各月氣溫TCC評分空間分布。5、6、12月的南疆西部，4月的北疆東部和東疆北部以及8月的東疆大部TCC評分均為0.4～0.6，說明模式對相應時段各區域的氣溫異常具有較好的預測能力。1月的北疆沿天山東段，2月的北疆北部和3月的吐魯番地區、東疆南部和巴州北部TCC評分均為-0.4～-0.6，時間負相關性較強。

圖3 SEAS5模式1—12月（a～l）氣溫TCC評分的空間分布

3 月降水的預測質量評估

3.1 各月降水Ps、Pc、ACC評分的時間序列

計算1993—2019年平均的各月降水Ps、Pc、ACC評分時間序列（圖4）。4月和6—8月的三項評分均較高，預測效果相較其他月份更好。根據文獻和氣候學普遍使用的定義標準，對各月評分中具有指示意義的年數占比進行了統計。分別統計了Pc評分≥50，Ps評分≥60，以及ACC評分≥0的年份數目在模式資料總年數（26 a）中的占比。12月Pc評分具有指示意義的概率最大，達到70.4%。

圖4 SEAS5模式1—12月（a～l）降水Ps、Pc、ACC評分的時間序列

6月Ps評分具有指示意義的概率最大，為81.5%。4月空間相關系數ACC具有指示意義的年份最多，可達66.7%。

為更直觀地分析SEAS5模式對各月降水模擬評分的情況，統計計算了1993—2019年平均的各月降水Pc、Ps和ACC評分，見表2。Pc評分≥50，Ps評分≥60，以及ACC評分≥0時，平均評分具有指示意義。可見SEAS5模式對新疆降水預測評分較好，基本所有月份的三項評分多年均值都大于評判標準，全年平均得分也都具有指示意義。4月、6—8月三項評分均大于評判指標，預測效果較好。4月降水的距平符號一致率評分Pc最高，為58.7分；9月的Pc評分最低，為48.4分。7月的趨勢異常綜合評分Ps評分最高，為72.1分；11月的Ps評分最低，為58.9分。4月降水的空間相關系數ACC最高，達到0.16；9月和11月的ACC評分最低，為0.01。

表2 SEAS5模式1993—2019年平均的各月降水評分

3.2 各月降水Pc評分的空間分布

由為1993—2019年平均的各月降水Pc評分空間分布圖（圖5）可知，4、7、8月SEAS5模式對全疆降水的距平符號一致率評分均>50分，參考性較好。模式對于南疆各月降水的預測水平普遍高于北疆，其中1、2、4、5月南疆大部的Pc評分>60分，預測效果很好。1、2、5、6、9、10、11月北疆大部的Pc評分為30～50分，其中9月除阿勒泰地區和阿克蘇地區外的全疆大部Pc評分均＜50，預測水平較低。

圖5 SEAS5模式1—12月（a～l）降水Pc評分的空間分布

3.3 各月降水TCC評分的空間分布

由1993—2019年平均的各月降水TCC評分空間分布圖（圖略）可知。1、9月的和田地區，3月的南疆西部，5月的巴州大部，7月的昌吉州、克州，8月的阿勒泰地區和12月的北疆沿天山一帶TCC評分為0.4～0.6，說明模式對相應時段各區域的降水異常具有較好的預測能力。1月的吐魯番地區，5月的南疆西部山區，6月的東疆北部，8月的東疆南部，10月的阿勒泰北部和12月的巴州北部TCC評分為-0.4～-0.6，說明相應時段各區域模式和觀測的降水時間負相關性較強。

4 結論與討論

基于國際先進氣候模式SEAS5的歷史回報數據和新疆98個氣象站的觀測資料，利用Pc、Ps、ACC、TCC評分計算方法，對1993—2019年模式在新疆的月尺度氣候預測能力進行了全面的檢驗評估。主要結論如下：

在新疆月氣溫預測方面，4—9月的Pc、Ps和ACC三項評分均大于評判指標，預測效果很好。其中，7月Pc和Ps評分具有指示意義的概率最大，分別達到70.4%和81.5%；4月氣溫的Pc評分最高（61.3分），12月的Pc評分最低（50.2分）；7月的Ps評分最高（74.4分），2月的Ps評分最低（59.6分）；6月的空間相關系數ACC最高（0.17），5和11月的ACC系數最低（分別為0.01和-0.01）。從空間差異方面分析，SEAS5模式對7和9月南疆西部的Pc評分較其余地區低，而1、3、6、12月南疆地區的Pc評分高于北疆地區；從時間相關性TCC評分角度，5、6、12月的南疆西部，4月的北疆東部和東疆北部以及8月的東疆大部TCC評分均為0.4～0.6，1月的北疆沿天山東段，2月的北疆北部和3月的吐魯番地區、東疆南部和巴州北部TCC評分均為-0.4～-0.6，說明模式對相應時段各區域的氣溫異常具有較好的預測能力。總體而言，SEAS5模式在夏秋季對全疆氣溫的預測水平較高。

在新疆月降水預測方面，4月、6—8月的Pc、Ps和ACC三項評分均大于評判指標，預測效果較好。其中，Pc、Ps和ACC評分具有指示意義概率最大的月份分別是12月（70.4%）、6月（81.5%）和4月（66.7%）；4月降水的Pc評分最高（58.7分），9月的Pc評分最低（48.4分）；7月的Ps評分最高（72.1分），11月的Ps評分最低（58.9分）；4月降水的空間相關系數ACC最高（0.16），9月和11月的ACC評分最低（0.01）。從空間差異方面分析，SEAS5模式對南疆各月降水的距平符號預測水平普遍高于北疆，1、2、5、6、9、10、11月北疆大部的Pc評分為30～50分，預測水平較低；從時間相關性TCC評分角度，1、9月的和田地區，3月的南疆西部，5月的巴州大部，7月的昌吉州、克州，8月的阿勒泰地區和12月的北疆沿天山一帶TCC評分為0.4～0.6，1月的吐魯番地區，5月的南疆西部山區，6月的東疆北部，8月的東疆南部，10月的阿勒泰北部和12月的巴州北部TCC評分為-0.4～-0.6，說明模式對相應時段各區域的降水異常具有較好的的預測能力。

SEAS5模式對南疆的降水預測水平高于北疆可能是由于降水預測受水汽輸送、地形的影響極大，而“三山夾兩盆”的地形使得南北疆存在著明顯的區域差異。北疆多山地、丘陵地貌，海拔落差很大，地形和下墊面狀況較南疆更為復雜，SEAS5模式水平分辨率為1°×1°，對北疆的復雜地形考慮不足。其次，新疆區域觀測站點稀疏，在復雜地形上的觀測數據代表性也具有一定的不確定性。從氣候預測業務應用的角度，計算了2014—2019年新疆氣候中心6—8月逐月降水的Ps評分，平均為66.9分，SEAS5模式預測的同期Ps評分平均為67.5分，SEAS5模式可為新疆6—8月降水預測提供一種可靠的客觀精細化預測依據。在今后的月尺度氣候趨勢預測中可以著重參考SEAS5模式對新疆6—8月的氣溫、降水預測結果，同時應繼續加強新疆冬、春季月尺度氣候模式解釋應用的研究。