劉長征，江遠安，毛煒嶧，陳穎，白素琴

（1.國家氣候中心，北京 100081；2.新疆氣候中心，新疆烏魯木齊 830002；3.中國氣象局烏魯木齊沙漠氣象研究所，新疆烏魯木齊 830002）

新疆夏季降水和冬季氣溫預(yù)測方法及效果評估

劉長征1，江遠安2，毛煒嶧3，陳穎2，白素琴2

（1.國家氣候中心，北京 100081；2.新疆氣候中心，新疆烏魯木齊 830002；3.中國氣象局烏魯木齊沙漠氣象研究所，新疆烏魯木齊 830002）

利用4個國內(nèi)外先進的氣候模式（國家氣候中心、ECMWF、NCEP和JMA）業(yè)務(wù)預(yù)測數(shù)據(jù),采用2種多模式集合方法（等權(quán)平均和超級集合）、3種降尺度方法（BP-CCA、EOF迭代、高相關(guān)回歸集成）和3種統(tǒng)計方法（CCA、最優(yōu)氣候值、高相關(guān)回歸集成）以及降尺度集成和降尺度—統(tǒng)計方法集成，分析了目前季節(jié)模式、多模式集合、降尺度、統(tǒng)計方法、降尺度—統(tǒng)計集合等目前常用氣候預(yù)測技術(shù)對新疆夏季降水和冬季氣溫的業(yè)務(wù)預(yù)測能力。研究表明,以上技術(shù)方法對新疆夏季降水和冬季氣溫的預(yù)測能力有較大差別。目前先進的氣候業(yè)務(wù)模式的預(yù)測技巧普遍很低,多模式超級集合和降尺度方法的技巧常高于單個模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同時,統(tǒng)計方法和降尺度方法的預(yù)測技巧通常較為接近,而對二者進行超級集合可以具有相對很高的預(yù)測技巧。此外,現(xiàn)有常用氣候預(yù)測技術(shù)方法對新疆夏季降水和冬季氣溫的趨勢有一定的預(yù)測能力，但對氣候異常的空間分布基本無預(yù)測能力。建議新疆氣候預(yù)測技術(shù)圍繞統(tǒng)計和降尺度方法集合發(fā)展。

新疆氣候；氣候預(yù)測；集合預(yù)測；季節(jié)模式；降尺度；統(tǒng)計方法

新疆位于干旱半干旱區(qū)，降水很少，氣溫變率很大，當?shù)厣鐣詈徒?jīng)濟生產(chǎn)（尤其農(nóng)牧業(yè)）對氣溫降水異常相當敏感，對短期氣候服務(wù)一向有重大需求，從而新疆具體氣候相關(guān)的研究有重要價值[1-3]。夏季降水和冬季氣溫是短期氣候最有應(yīng)用價值的預(yù)測對象，也是氣候預(yù)測業(yè)務(wù)的核心。從氣候預(yù)測技術(shù)的歷史和現(xiàn)狀來看，動力模式、降尺度解釋應(yīng)用、統(tǒng)計模型以及集合預(yù)報是主要的預(yù)測工具[4]。

動力模式是目前國際上短期氣候預(yù)測業(yè)務(wù)和技術(shù)的核心[4]。由于大氣的混沌性質(zhì)，初值不確定性引起的誤差是數(shù)值模擬誤差的主要來源，多樣本集合預(yù)測能夠減少初值不確定性帶來的誤差，從而被廣泛應(yīng)用。此外，模式的預(yù)測能力主要取決于模式的性能，包括模式的物理過程和參數(shù)化方案等,模式自身的誤差是氣候預(yù)測的另一個模擬不準確的來源[5]。多模式集合預(yù)測理論上能夠減少模式誤差，從而減少天氣預(yù)報和氣候預(yù)測的不確定性。研究表明對不同業(yè)務(wù)中心的預(yù)測數(shù)據(jù)進行等權(quán)平均的效果要優(yōu)于單個模式的預(yù)報結(jié)果，使得多模式集合的發(fā)展成為了一種潮流[6-12]。在等權(quán)平均方法的基礎(chǔ)上，Krishnamurti等[13]提出利用模式回報和觀測數(shù)據(jù)進行多元線性回歸方法進行誤差訂正的方法，即超級集合，理論上超級集合可以明顯減小單模式和集合平均的均方根誤差，這個發(fā)現(xiàn)受到極大的關(guān)注，多模式超級集合迅速成為大氣科學(xué)領(lǐng)域的研究熱點，并引起較多的爭議[14-16]。

由于季節(jié)模式對大氣環(huán)流的模擬和預(yù)測能力通常遠高于對降水的模擬和預(yù)測，而且降水和大尺度環(huán)流形勢往往有密切的動力學(xué)和統(tǒng)計學(xué)上的關(guān)系，從而利用模式預(yù)測的環(huán)流間接預(yù)測降水是動力模式后處理的重要應(yīng)用手段。統(tǒng)計降尺度方法對計算條件要求低，易于實現(xiàn)，從而被廣泛研究和業(yè)務(wù)應(yīng)用[17-29]。國家氣候中心（NCC）發(fā)展或開發(fā)了BP-CCA[28]、EOF迭代[26]、最優(yōu)子集回歸（OSR）方法[27]、HCRE方法[29]并在預(yù)測業(yè)務(wù)中應(yīng)用。在國外，康紅文為亞太經(jīng)合組織氣候中心開發(fā)了一種針對臺站的最佳匹配域投影方法[24]，并在韓國氣象局用于氣候預(yù)測業(yè)務(wù)應(yīng)用，其技術(shù)方案并被日本、馬來西亞等國采用。

統(tǒng)計預(yù)測方法是氣候預(yù)測長期使用的經(jīng)典工具，其本質(zhì)上和統(tǒng)計降尺度方法類似，只是采用前期觀測的氣候信息進行統(tǒng)計建模[4]。至今，統(tǒng)計預(yù)測方法仍然是美國NCEP氣候預(yù)測中心季節(jié)預(yù)測重要的工具之一，CCA方法、最優(yōu)氣候值方法（OCN）、相似法在NCEP氣候預(yù)測中心業(yè)務(wù)中至今仍應(yīng)用廣泛[30]。在國家氣候中心，CCA、OCN等方法也得到較多的業(yè)務(wù)應(yīng)用[4]。

出于氣候預(yù)測的復(fù)雜性,在不同國家和地區(qū)，各氣候預(yù)測技術(shù)方法的適用性也并不相同，從而相應(yīng)氣候模式、多模式集合、降尺度方法、統(tǒng)計方法和降尺度—統(tǒng)計集合等具體技術(shù)發(fā)展和應(yīng)用的重點也有很大區(qū)別。對新疆地區(qū)開展預(yù)測業(yè)務(wù)和技術(shù)研發(fā)而言，對當前國內(nèi)外主要的具體預(yù)測技術(shù)進行回報試驗和評估是非常重要的基礎(chǔ)性工作。本文以夏季降水和冬季氣溫為例，利用美國環(huán)境預(yù)報中心（NCEP）、歐洲中期天氣預(yù)報中心（ECMWF）、日本氣象局（JMA）和國家氣候中心用于實時預(yù)測業(yè)務(wù)的季節(jié)模式數(shù)據(jù)和新疆99站月平均觀測數(shù)據(jù)，研究了氣候模式、多模式集合、降尺度方法、統(tǒng)計方法和降尺度—統(tǒng)計集合等目前國內(nèi)外氣候預(yù)測業(yè)務(wù)常用方法對新疆季節(jié)氣候的預(yù)測能力，并討論了新疆氣候預(yù)測技術(shù)發(fā)展的方向。

1 數(shù)據(jù)和方法介紹

1.1 觀測數(shù)據(jù)和模式數(shù)據(jù)

新疆99站月平均歷史觀測數(shù)據(jù)在本文中被用來檢驗各模式、集合、降尺度和統(tǒng)計預(yù)測等方法的預(yù)測能力，以及用于降尺度方法和部分集合方法的建模工作。該數(shù)據(jù)由新疆氣候中心提供，包含氣溫和降水兩個氣象要素，時間長度為1971年1月—2013年11月。

歐洲ECMWF、美國NCEP、日本JMA和國家氣候中心NCC為世界氣象組織4個長期預(yù)報全球產(chǎn)品中心，基本代表了目前短期氣候預(yù)測國內(nèi)外最高水平，其氣候預(yù)測業(yè)務(wù)模式數(shù)據(jù)信息見表1。本文采用國家氣候中心多模式解釋應(yīng)用集成預(yù)測系統(tǒng)制作和下發(fā)的這4個業(yè)務(wù)中心的氣候預(yù)測模式數(shù)據(jù)，模式數(shù)據(jù)分辨率統(tǒng)一處理為2.5°×2.5°[29]。為了進行統(tǒng)一評估，采用雙線性插值方法將各模式數(shù)據(jù)插值到新疆99個站點上代表模式對新疆的預(yù)測。本文采用各模式5月起報的夏季降水和11月起報的冬季月平均氣溫作為研究對象。

此外，本文采用了NCEP/NCAR再分析數(shù)據(jù)第一版用于新疆季節(jié)氣候的統(tǒng)計預(yù)測建模。

1.2 多模式集合方法

本文采用氣候預(yù)測業(yè)務(wù)和科研常用的等權(quán)平均（EE）和超級集合（SE）兩種集合方法進行多模式集合、降尺度集合、降尺度—統(tǒng)計集合預(yù)測。

超級集合方法利用多元線性回歸技術(shù)，將集合結(jié)果看作各個模式模擬結(jié)果的線性組合，依據(jù)最小二乘法原理使集合結(jié)果的均方根誤差達到最小值確定各個模式的回歸系數(shù)，而此回歸系數(shù)就是預(yù)報階段各個模式的權(quán)重，利用獲得的權(quán)重以及各個模式的預(yù)報得到最后的集合預(yù)報[13]。

對于每一個空間網(wǎng)格點，設(shè)第i個模式在t時刻的模擬結(jié)果為：Mit，（i=1，2，…，N），N為模式總數(shù)，則t時刻去除偏差的模式集合結(jié)果可表示為：

根據(jù)最小二乘法求得各模式權(quán)重ai，利用公式（1）求取每個空間網(wǎng)格點上預(yù)報階段的集合結(jié)果。

等權(quán)平均法一般也稱為算術(shù)平均，也就是通常所說的簡單集合平均，即公式（1）中ai=1/N的特殊情形。

1.3 降尺度和統(tǒng)計預(yù)測方法

本文采用了國家氣候中心發(fā)展制作的降尺度和統(tǒng)計預(yù)測方法[4，29]。

1.3.1 EOF迭代方法

EOF迭代方法通過建立一個同時包含歷史和實時預(yù)報場和預(yù)報對象場的矩陣，將其分解為空間函數(shù)場和時間函數(shù)，空間函數(shù)場反映預(yù)報場和預(yù)報對象場之間自然協(xié)調(diào)的多重關(guān)系，而時間系數(shù)反映年代際和年際變化，經(jīng)過EOF分析，選取主要模態(tài)進行重構(gòu)和迭代，使預(yù)報場和預(yù)報對象場之間多重信息進行交融，就可得到包涵了復(fù)雜關(guān)系在內(nèi)的預(yù)報[26]。

1.3.2 BP-CCA降尺度和統(tǒng)計預(yù)測方法

BP-CCA方法是一種基于主分量分析的“變形”的典型相關(guān)分析方法。利用模式回報的特定范圍500 hPa環(huán)流場和新疆99站歷史觀測數(shù)據(jù)分別進行主分量分解，提取主要模態(tài)的時間序列進行CCA建模，并利用模式預(yù)測場主要模態(tài)系數(shù)進行預(yù)測[29]。

CCA在早期是一種統(tǒng)計預(yù)測方法并在氣候預(yù)測中應(yīng)用[31-32]。在本文中，類似美國氣候預(yù)測中心的做法，采用起報時間前1～3個月的NCEP/NCAR再分析數(shù)據(jù)平均500 hPa環(huán)流場數(shù)據(jù)作為預(yù)報信息，此時該方法就成為一種統(tǒng)計預(yù)測方法。

1.3.3 HCRE降尺度和統(tǒng)計預(yù)測方法

高相關(guān)回歸集成（HCRE）方法是國家氣候中心劉長征制作的一種降尺度方法[29]。首先，利用國家氣候中心的環(huán)流特征量計算程序?qū)δＪ綒v史同期和當前預(yù)測的500 hPa環(huán)流場計算71項大氣環(huán)流特征量，而后挑選高相關(guān)的單個特征量因子和臺站預(yù)報對象分別進行一元回歸建模和預(yù)測。在選取預(yù)報因子時，兼顧相關(guān)系數(shù)和異常信號一致率，以保證因子具有足夠高的預(yù)報價值。而后利用各因子分別進行回歸預(yù)測，并對預(yù)測降水偏多/偏少進行分組，選取更可靠的一組，對多因子預(yù)測結(jié)果進行集成。

在本文中，采用起報時間前1～3個月的NCEP/ NCAR再分析數(shù)據(jù)平均500 hPa環(huán)流場數(shù)據(jù)作為預(yù)報信息時，HCRE就變成一種統(tǒng)計方法用于預(yù)測新疆季節(jié)氣溫和降水。

1.3.4 OCN統(tǒng)計預(yù)測方法

氣候變化具有某些內(nèi)在規(guī)律，如階段性和周期性，簡單地用多年（如30 a）周期的氣候平均值作為來年氣溫或降水估計值的方法有明顯的不足。因此，應(yīng)力求從歷史資料中去獲取最優(yōu)的氣候值，為統(tǒng)計預(yù)報方法的建立提供依據(jù)，美國為此發(fā)展了“最優(yōu)”氣候值（Optimal climate normal，OCN）做地面氣溫的季度預(yù)報[30]。

根據(jù)國外研究成果，國家氣候中心在1998年建立了最優(yōu)氣候值方法來制作我國的月、季、年度的氣候趨勢預(yù)測[4]。由于資料長度的限制，通過依次計算前25 a的平均作為來年的預(yù)測值，以預(yù)測值與實況最接近為標準統(tǒng)計出各區(qū)（站）每年“最優(yōu)”的平均年數(shù)，然后取“最優(yōu)”平均年數(shù)頻率最高的年數(shù)作為計算該地區(qū)（站）“最優(yōu)”氣候平均值應(yīng)取的年數(shù)。這樣，最接近預(yù)報時間的同樣年數(shù)年份的相應(yīng)要素值的平均為該要素的預(yù)報值。經(jīng)檢驗，OCN方法對溫度、降水的預(yù)測效果較好，且溫度預(yù)測好于降水預(yù)測。

1.4 建模和檢驗方法

為了模式之間具有可比較性，研究了各模式1982—2008年的后報/預(yù)測技巧。對于集合方法，等權(quán)平均方法EE采用與模式同樣的時間范圍進行建模；超級集合方法采用1982—2008年“l(fā)eave-oneout”的方法建模并得到1982—2008年的預(yù)測結(jié)果。各降尺度方法和統(tǒng)計方法采用3月和10月起報的模式數(shù)據(jù)和上一年12月至當年2月、7—9月的NCEP/NCAR再分析數(shù)據(jù)進行建模，為了盡可能接近新疆氣候中心氣候預(yù)測業(yè)務(wù)實況，采用實時后報的方式得到2002—2011年的預(yù)測結(jié)果并進行檢驗。

本文用時間檢驗和空間檢驗兩種方式評估各預(yù)測方法對新疆季節(jié)氣候的預(yù)測效果。我們采用PS評分和ACC評估每次預(yù)測的效果。PS評分為國內(nèi)短期氣候預(yù)測檢驗業(yè)務(wù)的常用方法[4]，在距平符號預(yù)報準確百分率的基礎(chǔ)上增加異常級加權(quán)得分，能夠較好地反映整體趨勢預(yù)測能力。ACC則反映氣溫和降水空間異常分布預(yù)測的技巧，對于99個臺站而言，ACC分別在0.20時達到0.05的信度水平。對于各方法每年預(yù)測技巧的變化，對各模式、降尺度、統(tǒng)計方法、集合方法，分別采用后報時間內(nèi)PS和ACC技巧的平均代表該模式/方法的預(yù)測能力。由于各模式和方法對新疆夏季降水和冬季氣溫的各臺站預(yù)測技巧通常達不到0.05的信度，并且降尺度和統(tǒng)計方法評估的年份為10 a從而樣本太少，本文將各臺站歷史預(yù)測的ACC空間分布圖略去。

2 新疆夏季降水預(yù)測

利用5月起報的模式數(shù)據(jù)，評估了目前國內(nèi)外先進的氣候模式對新疆夏季降水的預(yù)測能力，表2給出了單模式和兩種多模式集合方法對1983—2008年新疆夏季回報平均PS評分。NCEP、ECMWF、JMA和NCC的季節(jié)模式對新疆99站的平均PS評分在53.9～61.5之間；多模式集合方法表現(xiàn)出了高于單個模式的技巧，其中等權(quán)平均63.2分，略高于最佳模式（NCEP）；超級集合方法的平均PS評分為70.0分，明顯高于4個模式和等權(quán)平均集合。

為和我國汛期預(yù)測業(yè)務(wù)保持一致，基于單個模式3月起報的數(shù)據(jù)，利用EOF迭代、BP-CCA、HCRE3種降尺度方法對2002—2011年新疆夏季99站降水預(yù)測進行了獨立后報試驗，其平均技巧見表3。4種模式和3種降尺度方法組合對新疆99站夏季降水的平均PS評分在60.4～72.6之間；EOF迭代、BP-CCA、HCRE降尺度方法的平均PS評分分別為64.3、64.8、67.2，HCRE方法不僅平均技巧最高，而且在不同模式中表現(xiàn)都較穩(wěn)定，但最佳的模式—降尺度方法組合卻是基于ECMWF模式的EOF迭代方法，平均PS評分為72.6分。總體而言，對降尺度結(jié)果進行集合預(yù)測并未體現(xiàn)出明顯的優(yōu)勢，等權(quán)平均集合的平均技巧普遍低于單個模式—降尺度方法，而超級集合類似于最佳單模式—降尺度方法。

統(tǒng)計預(yù)測方法是我國夏季降水預(yù)測最常用的工具，CCA、OCN和HCRE3種統(tǒng)計預(yù)測方法對2002—2011年夏季降水進行后報的平均PS評分分別為63.6、64.0、70.7分，其技巧和上文3種降尺度方法基本一致。為了同時利用模式預(yù)報信息與前期信息，利用12個模式—降尺度方法組合和3種統(tǒng)計方法進行集合預(yù)測應(yīng)用。表4表明，等權(quán)平均集合EE的技巧低于大部分的降尺度方法和全部的統(tǒng)計方法，但超級集合SE的平均技巧為PS73.8分，高于各降尺度方法和統(tǒng)計方法。

從表2～4可以看出，在本文各方法中，對降尺度—統(tǒng)計方法進行超級集合平均是新疆夏季降水最有技巧的方法，圖1～2給出了該方法2002—2011年后報的具體評估。在10 a后報檢驗中，該方法PS評分在62～82之間，80%的年份中高于70分，體現(xiàn)了較高的技巧。但從空間ACC來看，該方法對新疆夏季降水空間分布的把握能力很低，這種特征在各模式、多模式集合、降尺度、降尺度集合等方法中也很明顯，這類方法平均值都達不到0.05?？梢钥闯?，以上方法對新疆夏季降水的趨勢預(yù)測有部分技巧，但對降水異常的空間分布技巧很低。

3 新疆冬季氣溫預(yù)測

利用11月起報的模式數(shù)據(jù)，評估了目前國內(nèi)外先進的氣候模式對新疆冬季氣溫的預(yù)測能力，表5給出了單模式和兩種多模式集合方法1982—2008年后報的平均PS評分。NCEP、ECMWF、JMA和NCC的季節(jié)模式對新疆99站的平均PS評分在48.0～67.5之間，其中NCEP模式技巧最高，為67.5；多模式集合方法表現(xiàn)出了模式中等與偏上的技巧，其中等權(quán)平均為60.8分，處于4個模式的中等水平；超級集合方法的平均PS評分為65.2分，僅次于NCEP模式。

為和我國年度預(yù)測業(yè)務(wù)保持一致，基于模式10月起報的數(shù)據(jù)，利用EOF迭代、BP-CCA、HCRE 3種降尺度方法對2002—2011年新疆冬季99站氣溫預(yù)測進行了獨立后報，平均技巧見表6。4種模式和4種降尺度方法組合的平均PS評分在49.1～74.0之間；EOF迭代、BP-CCA、HCRE降尺度方法的平均PS評分分別為60.4～65.2之間。與夏季降水不同，對冬季氣溫預(yù)測中，3種降尺度方法中EOF迭代技巧最高，而HCRE方法技巧最低。最佳的模式—降尺度方法組合為基于NCEP模式的BP-CCA方法，平均PS評分為74.0分。對降尺度結(jié)果進行集合預(yù)測與夏季降水類似，等權(quán)平均集合的平均技巧普遍低于單個模式—降尺度方法，而超級集合略高于最佳單模式—降尺度方法。

統(tǒng)計預(yù)測方法是我國冬季氣溫預(yù)測常用的工具，CCA、OCN和HCRE3種統(tǒng)計預(yù)測方法對2002—2011年冬季氣溫預(yù)測的平均PS評分在52.1～82.9之間，其中HCRE統(tǒng)計方法表現(xiàn)出遠高于其他方法的預(yù)測技巧。為了同時利用模式預(yù)報信息與前期信息，利用12種模式—降尺度方法和3種統(tǒng)計方法進行集合預(yù)測應(yīng)用。表7表明，等權(quán)平均集合低于大部分的降尺度方法和全部的統(tǒng)計方法，但超級集合SE的平均技巧為PS72.2分，高于各降尺度方法和統(tǒng)計方法中的絕大多數(shù)。

從表5～7可以看出，在新疆冬季氣溫預(yù)測中，HCRE統(tǒng)計方法在本文各方法中平均技巧最高，圖2給出了該方法2002—2011年后報的具體評估。在10 a后報檢驗中，該方法PS評分在70～96之間，50%的年份中高于85分，體現(xiàn)了較高的技巧。從空間ACC來看，該方法對新疆冬季氣溫ACC平均為0.08，雖然明顯高于新疆夏季降水預(yù)測，但仍遠遠達不到0.05的信度水平（注：此時ACC臨界值為0.20），說明該方法對新疆冬季氣溫空間分布的把握能力仍然較低。

4 結(jié)論

季節(jié)預(yù)測一向是氣候預(yù)測業(yè)務(wù)和科研的要點和難點。針對新疆夏季降水和冬季氣溫，本文利用國內(nèi)外4家先進氣候預(yù)測業(yè)務(wù)單位（ECMWF、NCEP、JMA、NCC）的季節(jié)模式數(shù)據(jù)、等權(quán)平均和超級集合兩種常用的集合方法、國家氣候中心BP-CCA、EOF迭代、HCRE3種統(tǒng)計降尺度方法和CCA、最優(yōu)氣候值（OCN）、高相關(guān)回歸集成（HCRE）3種統(tǒng)計方法，采用后報這一接近氣候業(yè)務(wù)的方式，研究了模式、多模式集合、降尺度解釋應(yīng)用、統(tǒng)計方法、降尺度—統(tǒng)計集合技術(shù)對新疆季節(jié)氣候的預(yù)測能力。

對新疆夏季降水預(yù)測，4個國內(nèi)外頂尖的氣候業(yè)務(wù)模式的預(yù)測技巧都很低；多模式集合中等權(quán)平均并未提高模式預(yù)測的技巧，而超級集合則較大改進了模式預(yù)測的技巧；降尺度的技巧隨模式和降尺度方法變化，基于ECMWF模式數(shù)據(jù)的EOF迭代方法技巧最高，強于最佳的多模式集合；對降尺度方法進行集合的技巧和最佳降尺度方法類似；統(tǒng)計方法表現(xiàn)的技巧和降尺度方法近似；對降尺度方法和統(tǒng)計方法進行超級集合具有最高的預(yù)測技巧。

對新疆冬季氣溫預(yù)測，4個國內(nèi)外頂尖的氣候業(yè)務(wù)模式的預(yù)測技巧都很低；多模式集合的技巧與模式預(yù)測接近；降尺度的技巧隨模式和降尺度方法變化，基于NCEP模式數(shù)據(jù)的EOF迭代方法技巧最高，強于最佳的多模式集合；對降尺度方法進行超級集合的技巧高于最佳降尺度方法；3種統(tǒng)計方法表現(xiàn)的技巧差異很大，和降尺度方法近似；最佳的統(tǒng)計方法HCRE具有最高的預(yù)測技巧。

本文中的最佳方法對新疆99站夏季降水和冬季氣溫的平均預(yù)測技巧為PS評分73.8和82.9，而平均ACC都不高于0.1，遠遠達不到90%的信度，說明對新疆短期氣候的趨勢有一定的預(yù)測技巧，但對氣候異常的空間分布基本無預(yù)測技巧。本文采用了目前氣候預(yù)測業(yè)務(wù)中的多種常用技術(shù)手段和與實際業(yè)務(wù)一致的獨立后報方式，研究結(jié)果基本體現(xiàn)了目前國內(nèi)外業(yè)務(wù)技術(shù)對新疆季節(jié)氣候預(yù)測的真實水平，即趨勢預(yù)測有部分預(yù)測能力，但氣候異常的空間分布預(yù)測能力很低。

新疆降水預(yù)測的難度較大，主要在于以下幾個原因：第一，降水局地性較強，尤其南疆降水常為南亞氣流向北越過青藏高原所致，這種天氣過程主導(dǎo)的降水與氣候尺度大氣和海洋環(huán)流的關(guān)系較弱，從而本質(zhì)上可預(yù)測性較低，這也是國內(nèi)外先進模式預(yù)測技巧都很低的原因；第二，新疆作為干旱半干旱區(qū)，大部分臺站降水為非正態(tài)分布，而常用的氣候預(yù)測降尺度方法、統(tǒng)計方法則采用適用于正態(tài)分布變量的回歸建模方法進行預(yù)測，從而二者本質(zhì)上有矛盾。新疆冬季氣溫本質(zhì)上呈正態(tài)分布或準正態(tài)分布，因此在回歸方法進行預(yù)測建模時不存在變量正態(tài)性不匹配的問題，但主要受歐亞中高緯環(huán)流控制，比如烏拉爾山和貝加爾湖阻塞形勢等，而歐亞中高緯環(huán)流本質(zhì)上是天氣尺度現(xiàn)象，在季節(jié)尺度上可預(yù)測性很低，目前國際領(lǐng)先的模式表現(xiàn)的相關(guān)預(yù)測基本無技巧。

從本文各種方法的表現(xiàn)以及氣候預(yù)測難度偏低的原因來看，對新疆季節(jié)預(yù)測，發(fā)展和改進降尺度方法和統(tǒng)計方法，并進行有效集合的技術(shù)發(fā)展方向最為可行。關(guān)于新疆降水的非正態(tài)性，根據(jù)作者經(jīng)驗，構(gòu)建預(yù)測信息相似方法[30]比進行正態(tài)轉(zhuǎn)換（如Cox-Box變換）可能效果更好。

[1]張家寶，陳曉梅.新疆短期氣候預(yù)測研究的回顧[J].新疆氣象，2001，24（4）：1-6.

[2]白莉，藺波，江新安，等.伊寧市終霜氣候特征及霜凍最低溫度預(yù)報方法研究[J].沙漠與綠洲氣象，2007，1（2）：19-22.

[3]孫東霞，謝小紅，郭曉靜.克拉瑪依特強大風的氣候特征及天氣分析與預(yù)報[J].沙漠與綠洲氣象，2008，2（4）：18-21.

[4]李維京.現(xiàn)代氣候業(yè)務(wù)[M].第一版.北京：氣象出版社，2012.

[5]Stockdale T N,Alves O，Boer G，et al.Understanding and predicting seasonal and inter-annual climate variabilitythe producer perspective[J].White Paper for WCC-3，2009.

[6]Atger F.The skill of ensemble prediction systems.Mon Wea Rev，1999，127：1941-1953.

[7]杜鈞.集合預(yù)報的現(xiàn)狀和前景[J].應(yīng)用氣象學(xué)報，2002，13（1）：16-28.

[8]Stephenson D B，Coehlo C A S，Doblas-Reyes F J,et al. Forecast assimilation：a unified framework for the combination of multi-model weather and climate predictions[J].Tellus A，2005，57（3）：253-264.

[9]Wang B，Jug J S，Kyung J，et al.Advance and prospectus of seasonal prediction:assessment of the APCC/CliPAS 14-model ensemble retrospective seasonal prediction（1980-2004）[J].Climate Dynamics，2009，33（1）：93-117

[10]陳超輝，李崇銀，譚言科，等.基于交叉驗證的多模式超級集合預(yù)報方法研究[J].氣象學(xué)報，2010，68（4）：464-476.

[11]Feng J M，Lee D K,Fu C B，et al.Comparison of four ensemble methods combining regional climate simulations over Asia[J].Meteorol Atmos Phys，2011，111：41-53.

[12]Palmer T，Andersen U，Cantelaube P，et al.Development of a European Multi-Model Ensemble System for Seasonal to Inter-Annual Prediction（DEMETER）[J]. Bulletin of the American Meteorological Society，2002，85（6）：853-872.

[13]Krishnamurti T N，Kishtawal C M，LaRow T E,et al. Improved skills for weather and seasonal climate forecasts from multimodel superensemble[J].Science，1999，285：1548-1550.

[14]Pavan V，Doblas-Reyes J.Multi-model seasonal hindcasts over the Euro-Atlantic：skill scores and dynamic features[J].Climate Dynamics，2000，16：611-625.

[15]Doblas-Reyes F J，Hagedorn R，Palmer T N.The rationale behind the success of multi-model ensembles in seasonal forecasting-II.Calibration and combination[J]. Tellus，2005，57A：234-252.

[16]Ke Z J，Dong W J，Zhang P Q，et al.An analysis of the difference between the multiple linear regression approach and the multimodel ensemble mean[J]. Advances in Atmospheric Sciences，2009，26（6）：1157-1168.

[17]Wilby R L.Downscaling general circulation model output: a review of methods and limitations[J].Journal of the American Water Resources Association，2000，36（2）：387-397.

[18]范麗軍，符淙斌，陳德亮.統(tǒng)計降尺度法對華北地區(qū)未來區(qū)域氣溫變化情景的預(yù)估[J].大氣科學(xué)，2007，31（5）：887-897.

[19]覃志年，陳麗娟，唐紅玉，等.月尺度動力模式產(chǎn)品解釋應(yīng)用系統(tǒng)及預(yù)測技巧[J].應(yīng)用氣象學(xué)報，2010，21（5）：614-620

[20]李江萍，王式功.統(tǒng)計降尺度法在數(shù)值預(yù)報產(chǎn)品釋用中的應(yīng)用[J].氣象，2008，34（6）：41-45.

[21]Zhu C W，Park C K，Lee W S，et al.Statistical downscaling for multi-model ensemble prediction of summer monsoon rainfall in the Asia-pacific region using geopotential height field[J].Advances in Atmospheric Sciences，2008，25（5）：867-884.

[22]陳學(xué)君，蘇仲岳，李仲龍，等.年降水量數(shù)據(jù)的正態(tài)變換方法對比分析[J].干旱氣象，2012，30（3）：460-465.

[23]魏鳳英，黃嘉佑.我國東部夏季降水量統(tǒng)計降尺度的可預(yù)測性研究.熱帶氣象學(xué)報，2010，26（4）：483-48.

[24]康紅文，祝從文，左志燕，等.多模式集合預(yù)報及其降尺度技術(shù)在東亞夏季降水預(yù)測中的應(yīng)用.氣象學(xué)報，2012，70（2）：192-201.

[25]陳麗娟，李維京，張培群，等.降尺度技術(shù)在月降水預(yù)報中的應(yīng)用.應(yīng)用氣象學(xué)報，2003，14（6）：648-655.

[26]艾孑兌秀，董文杰，張培群.一種基于EOF分析的迭代方法在業(yè)務(wù)預(yù)報中的應(yīng)用.熱帶氣象學(xué)報，2008，24（4）：320-326.

[27]柯宗建，張培群，董文杰，等.最優(yōu)子集回歸方法在季節(jié)氣候預(yù)測中的應(yīng)用.大氣科學(xué)，2009，33（5）：994-1002.

[28]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(yù)報性研究和降尺度季節(jié)預(yù)測.氣象學(xué)報，2010，68（3）：398-410.

[29]劉長征，杜良敏，柯宗建，等.國家氣候中心多模式解釋應(yīng)用集成預(yù)測.應(yīng)用氣象學(xué)報，2013，24（6）：677-685

[30]Huug van Den Dool著，張勤，肖子牛，江志紅譯.短期氣候預(yù)報的經(jīng)驗（統(tǒng)計）方法.北京：氣象出版社，2011.

[31]毛恒青，李小泉.典型相關(guān)分析（CCA）對我國冬季氣溫的短期氣候預(yù)測試驗.應(yīng)用氣象學(xué)報，1997，8（4）：385-392.

[32]黃茂怡，黃嘉佑.近年來CCA在氣候分析與氣候預(yù)測中的應(yīng)用.北京大學(xué)學(xué)報（自然科學(xué)版），2000，37（1）：128-135.

The Prediction of Summer Precipitation and Winter Temperature over Xinjiang

LIU Changzheng1，JIANG Yuan’an2，MAO Weiyi3，CHEN Ying2，BAI Suqin2
（1.National Climate Center，Beijing 100081，China；2.Xinjiang Climate Center，Urumqi 830002，China；3.Institute of Desert Meteorology，CMA，Urumqi 830002，China）

The operational prediction ability of summer precipitation and winter temperature over Xinjiang is studied with the common techniques including seasonal models，multi-model ensemble，statistical downscaling，statistical methods，ensemble of both downscaling and statistical methods. The operational seasonal models from National Climate Center，ECMWF，NCEP，JMA，two mulitimodel ensemble methods（the average and super-ensemble）,three downscaling methods（BPCCA，EOF-ITE，HCRE）and three statistical methods（BP-CCA，OCN，HCRE）used in National Climate Center are employed in this paper.Our study shows that the above techniques and methods have much different prediction abilities on the summer precipitation and winter temperature over Xinjiang.The skill scores of the leading operational seasonal models are very low.Meanwhile,the super-ensemble of models and downscaling methods are often better than single model while the best downscaling method shows higher score than the best multi-model ensemble method.Besides，the skills of statistical methods are similar to the downscaling ones.The super-ensemble of both downscaling and statistical methods often holds quite higher prediction accuracy.What is more,it is indicated that the common methods used in present operation are of certain ability on the prediction of the trend but of few ability on the spatial distribution of the climate anomalies over Xinjiang.It is suggested that the technique on seasonal prediction over Xinjiang should be developed focusing on the ensemble of statistical and downscaling methods.

Xinjiang climate;climate prediction;ensemble prediction;seasonal model; downscaling;statistical methods

P456

B

1002-0799（2015）02-0001-08

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

10.3969/j.issn.1002-0799.2015.02. 001

2014-11-20；

2015-01-16

中國沙漠氣象科學(xué)研究基金（Sqj2011012）；國家重點基礎(chǔ)研究發(fā)展計劃（2013CB430203）；公益性行業(yè)（氣象）科研專項（GYHY201306024）共同資助。

劉長征（1978-），男，高級工程師，從事短期氣候預(yù)測業(yè)務(wù)和科研工作。E-mail：czliu@cma.gov.cn

江遠安（1969-），女，高級工程師，從事新疆氣候預(yù)測業(yè)務(wù)和科研工作。E-mail：jya_69@163.com