2015/2016年极强厄尔尼诺事件下我国动力和统计结合实时气候预测研究

发布时间：2021-07-14 23:38

　　本文研究建立2015/2016年极强厄尔尼诺事件下我国动力和统计结合的气候预测模型,并开展2015年夏季和2016年冬季气候我国160个站点和主要区域实时气候预测。夏季降水的实时预测起报于2月,冬季气温的预测起报于10月。研究结果表明,尽管NCEP-CFSv2耦合气候模式能较好预测2015/2016年极强厄尔尼诺事件中海温异常的演变,但对我国160个站点夏季降水和冬季气温预测仍有较大的偏差。因此,基于NCEP-CFSv2耦合模式预测结果,分别建立我国160个站点冬季气温和夏季降水异常的动力和统计结合气候预测模型。同时,利用年际增量预测方法开展我国长江中下游夏季降水和华北冬季气温的区域气候预测。研究结果表明以上预测模型在2015/2016年的实时预测中较NCEP-CFSv2有更好的预测效能。相对于NCEP-CFSv2耦合模式的预测结果,2015年夏季降水距平空间相关系数ACC从0.21提高到0.31（超过0.01信度的显著性水平）,距平同号率提高到60%,2016年冬季气温ACC从0.19提高到0.32（超过0.01信度的显著性水平）,距平同号率提高到75%。 

【文章来源】：大气科学学报. 2016,39(06)北大核心CSCD

【文章页数】：12 页

【部分图文】：

—2016年Ni?o3.4区逐月海温距平的演变(红色柱为观测值，蓝绿色线为CFSv2模式提前4个月的预测值;单位:℃)

范可，等:2015/2016年极强厄尔尼诺事件下我国动力和统计结合实时气候预测研究论著图22015年全国(160站)夏季降水距平百分率(a—c，单位:%)和2015/2016年冬季2m气温距平(d—f，单位:℃)空间分布a，d．观测;b，e．模式预测;c，f．降尺度预测Fig．2(a—c)Thepercentageofthesummerrainfallanomalyat160stationsinChinain2015(units:%)and(d—f)thewintertemperatureanomalyat2m(units:℃):(a，d)observation;(b，e)CFSv2prediction;(c，f)downscalingprediction图32015/2016年海平面气压异常场(单位:hPa)a．2015年夏季观测;b．2015年夏季CFSv2模式预测;c．2016年冬季观测;d．2016年冬季CFSv2模式预测Fig．3SLPanomalyin2015/2016(units:hPa):(a，b)summer;(c，d)winter;(a，c)observation;(b，d)CFsv2prediction3b)。CFSv2预测东亚纬向的海陆热力差异和东亚夏季风明显加强。在850hPa风场上，可以看到CFSv2预测东亚沿岸盛行偏南风异常(图4b)。由此，不难理解CFSv2模式为什么会预测我国大部分区域降水异常多，特别是北方地区夏季降水正异常，其预测结果与实际相反。747

范可，等:2015/2016年极强厄尔尼诺事件下我国动力和统计结合实时气候预测研究论著图22015年全国(160站)夏季降水距平百分率(a—c，单位:%)和2015/2016年冬季2m气温距平(d—f，单位:℃)空间分布a，d．观测;b，e．模式预测;c，f．降尺度预测Fig．2(a—c)Thepercentageofthesummerrainfallanomalyat160stationsinChinain2015(units:%)and(d—f)thewintertemperatureanomalyat2m(units:℃):(a，d)observation;(b，e)CFSv2prediction;(c，f)downscalingprediction图32015/2016年海平面气压异常场(单位:hPa)a．2015年夏季观测;b．2015年夏季CFSv2模式预测;c．2016年冬季观测;d．2016年冬季CFSv2模式预测Fig．3SLPanomalyin2015/2016(units:hPa):(a，b)summer;(c，d)winter;(a，c)observation;(b，d)CFsv2prediction3b)。CFSv2预测东亚纬向的海陆热力差异和东亚夏季风明显加强。在850hPa风场上，可以看到CFSv2预测东亚沿岸盛行偏南风异常(图4b)。由此，不难理解CFSv2模式为什么会预测我国大部分区域降水异常多，特别是北方地区夏季降水正异常，其预测结果与实际相反。747


本文编号：3285123