基于T106L26全球大气环流模式的夏季集合预报

朱春子，李清泉，王兰宁，王在志，刘文泉

(1．南京信息工程大学 大气科学学院，江苏 南京210044;2．国家气候中心，北京100081;3．北京师范大学全球变化与地球系统科学研究院，北京100875;4．中国气象局，北京100081)

0 引言

短期气候预测方法分为统计预测和动力预测两类。统计预测是基于对资料统计分析的方法;动力预测则主要是依靠气候模式来进行的。利用动力模式开展季到年际的短期气候预测是目前国际上气候预测的发展方向，国际上很早就开始了这方面的研究。TOGA计划的成果促使了海洋—大气模式的发展，并用模式开始制作实时季节—年际时间尺度的ENSO 与气候预报(Barnett et al．，1994;Trenberth et al．，1998)。为发展热带外地区短期气候(季节—年际)预测，一些国际组织积极地制定了专门的国际研究计划，成立了相应的气候研究机构，发展数值气候模式制作短期气候预报，如欧洲中期预报中心(ECMWF)、国际气候研究院(IRI)和美国国家环境预报中心(NCEP)等。气候变率及其可预报性研究计划(CLIVAR)的重要目标之一是发展热带外地区的短期气候(季节—年际)预报(WCRP，1985)。中国也不断发展数值气候模式制作短期气候预测，早在1988年中国科学院大气物理研究所就开始利用IAP两层大气环流模式率先开展了跨季度数值气候预测，随后又建立了IAP跨季度数值气候预测系统，并成功地对中国夏季旱涝形势进行了较为准确的预报(曾庆存等，1990)。近年来，中国利用全球环流模式作汛期降水的季、跨季与年度预报有了较大进展，中国气象局国家气候中心自1996年开始利用OSU/NCC全球大气环流模式耦合全球海洋与海冰模式对中国汛期降水进行了实时预报和多年回报(Gao and Zhao，2000)。2003年国家气候中心已建立起第一代动力气候模式预测业务系统，其中包括1个全球大气—海洋耦合模式(CGCM)、1个高分辨率东亚区域气候模式(RegCM-NCC)和5个简化的ENSO预测模式(SAOMS)，可用于季节—年际时间尺度的全球气候预测;全球海气耦合模式与区域气候模式嵌套，可以提供高分辨率的东亚区域气候模式，以制作季节预测(丁一汇等，2004)。

国家气候中心自2005年开始致力于发展新一代的气候模式，目前已建立了第二代全球大气环流模式。为了进一步提高该模式的预报技巧并将该模式业务化，有必要对该模式进行较长时间的回报试验，对模式的预报性能做出定量的评估，给出该模式所作汛期预报的可靠性程度，以利于在今后预报中使用。为此本文使用该模式，采用持续性预报海温做较长时间的夏季(6—8月)回报试验，并分析其结果。

1 模式介绍

国家气候中心在第一代全球大气环流模式BCC_AGCM1.0的基础上，参考 NCAR CAM3.0(Collins et al．，2004)，经过改进发展建立了第二代大气环流模式BCC_AGCM2.0。BCC_AGCM2.0是一个全球谱模式，其水平分辨率为T42(相当于2.5°×2.5°);垂直方向采用混合坐标，共26层。模式中考虑了比较完整的物理过程，包括云物理参数化、辐射物理参数化等物理过程的参数化，还考虑了大气水汽、二氧化碳含量对辐射的影响，且包含一个完整的陆面模式。

BCC_AGCM2.0的主要改进如下:1)引进了一个新的参考大气和参考面气压，因此原模式的预报量中的气温(t)和地面气压(ps)则分别变为它们对参考大气气温的偏差和对参考面气压的偏差;2)模式中引入了Zhang and Mu(2005)的新的对流参数化方案，同时对方案中的一些具体参数进行了调整;3)模式中采用了颜宏(1987)提出的干对流调整方案;4)模式中采用了Wu and Wu(2004)提出的雪盖参数化方案;5)鉴于洋面上潜热通量计算受风速的影响较大，采用了新的潜热通量计算方案。

本文使用的全球大气环流模式是在BCC_AGCM2.0(T42L26)版本的基础上提高了模式水平分辨率发展起来的，其水平分辨率为T106(相当于1.125°×1.125°)，垂直分辨率、模式框架和物理过程等保持不变。

2 试验方案和资料

为了系统地检验模式的预报效果，本文进行的历史回报试验和检验所取年份为1983—2004年，采用11个成员的集合预报方法。每个集合成员初始场分别取为每年的3月1日00时(世界时)至11日00时(世界时)，11个大气初始场形成11个样本，分别积分至当年的8月31日，最后对各初始场的预报做算术平均。

大气初始场的资料取自美国国家环境预报中心(NCEP)的再分析资料，包括风场、相对湿度、高度场和温度场，将这些资料插值到模式的网格点和层次上。大气模式所需要的海洋场采用基于NCEP最优插值海表面温度资料(OISST)的持续性预报海温，即将每年2月的海表面温度距平(SSTA)叠加到当年3至8月的气候海温(SSTC)上，得到持续性预报海温。之后把预报的SST和气候态海冰作为下边界条件驱动模式大气运行，利用大气环流模式获得夏季(6—8月)预报。陆面初始场使用NCAR CLM3自1980年起离线(offline)积分到每年预报起始时刻的陆面状态。

本文着重分析模式对全球及东亚地区环流场、降水、温度的预报效果。用于评估的观测500 hPa位势高度场、气温资料都是NCEP逐月再分析资料。降水资料为CMAP(Climate Prediction Center Merged Analysis of Precipitation)提供的逐月再分析资料。

用于计算各物理量距平的观测资料的气候场取1983—2004年长期平均值，模式气候场取1983—2004年22次回报预测结果的平均值。为了方便与观测资料比较，本文将模式预报的各网格点(160×320)上的物理量插值到观测网格(73×144)上。

3 预报结果检验方法

本文采用均方根误差以及距平相关系数的交叉检验来检验预报效果。均方根误差表示的是模式预报和观测的近似程度，计算公式如下:

采用空间和时间距平相关系数(anomaly correlation coefficient，ACC;WMO，1996)对回报结果进行交叉检验和评分。每次取出一年夏季为检验目标，其他年份作为已知样本来预报目标年份的夏季降水、气温和环流。公式如下:

计算相关系数的物理量有季节降水距平百分率、气温距平和500 hPa高度距平。式中:表示模式回报距平和模式回报距平平均值为相应观测距平和观测距平平均值。距平相关系数主要反映距平量级特别是距平中心位置的预报水平。若为空间距平相关系数，则N为相关场的样本点数，本试验中全球 N=51 200，热带(30°N ～30°S)N=3 600，东亚(60 ～150°E，0°～60°N)N=925;若为时间距平相关系数，则N为回报试验总年数(N=22)。

4 预报检验与评估

4.1 环流

全球500 hPa位势高度场模式气候态、观测气候态、差值场(图略)显示，模式模拟的500 hPa位势高度场基本符合观测的夏季全球大气环流型，但与观测相比，北半球高纬、南半球低纬地区偏低0～80 gpm，南半球低纬到北半球中纬地区偏高0～40 gpm，副热带高压明显偏强、面积偏大，模拟的588 dagpm等值线在海洋上呈带状分布。

为进一步分析BCC_AGCM2.0(T106)模式对全球高度场的模拟，将模式对1983—2004年夏季的回报结果与同期的实况场作了相关分析。图1为500 hPa高度场22 a空间ACC分布。可以看出，模式在太平洋、大西洋中纬度部分地区、贝加尔湖及以北附近地区预报准确率相对较高，相关系数的中心值通过90%信度检验;特别是在30°N～30°S的热带，高相关区域成带状分布，该区域通过99%信度检验;但在较高纬度地区空间ACC相关性降低，甚至出现了负相关。

图2为500 hPa高度场22 a均方根误差分布。可见，均方根误差在热带地区较小，随着纬度的增加，均方根误差加大，说明越到高纬，模式回报值和观测值的相似程度越小。

回报的经向平均500 hPa位势高度空间ACC(图3a)显示:赤道地区500 hPa纬向平均距平相关系数达最大，相关系数接近于 1，20°N ～20°S地区纬向平均的距平相关系数基本通过90%的信度检验。从全球来看，相关系数在大部分纬度上为正值，高纬度地区相关系数较低，有两个低值区位于50°S和35°N。纬向平均(30°N ～30°S)的高度场距平相关系数(图3b)显示，全部经度上的相关系数都通过了90%的信度检验，在150°E存在最大值，140°E和100°W有相对较低值，东、西半球相关系数相差不大。

此外500 hPa高度场22 a空间ACC时间分布(图略)表明，在22 a中，东亚有12 a，全球有11 a，热带有14 a正相关，均达到或超过半数，其中1984、1991、1992、1997、2002 年东亚地区(60 ～ 150°E，0°～60°N)ACC通过90%的信度检验。

4.2 降水

降水距平百分率与观测降水距平百分率的空间ACC经向平均分布如图3c所示，图中显示赤道地区、40°S、30°N、60°N 纬圈平均的相关系数较高，除57 ～45°S、20°S、10°N、45 ～55°N 外基本为正相关。从纬向平均(30°N～30°S)空间ACC(图3d)来看，大部分地区相关系数为正，日期变更线附近和120°E附近的相关系数较高。

图1 1983—2004年BCC_AGCM2.0(T106)回报和NCEP再分析的夏季(6—8月)500 hPa高度场平均空间距平相关系数(实线表示通过90%信度检验)Fig．1 Spatial anomaly correlation coefficients of 500 hPa geopotential height between NCEP reanalysis and BCC_AGCM2.0(T106)hindcast in summer(JJA)of 1983—2004(The solid contours represent statistical significance of the correlation coefficients at 90%confidence level)

图2 1983—2004年BCC_AGCM2.0(T106)回报和NCEP再分析的夏季(6—8月)500 hPa高度场的均方根误差分布(单位:hPa)Fig．2 Root mean square errors of 500 hPa geopotential height between NCEP reanalysis and BCC_AGCM2.0(T106)hindcast in summer(JJA)of 1983—2004(units:hPa)

BCC_AGCM2.0(T106)模式回报东亚地区(60～150°E，0°～60°N)1983—2004 年夏季结果与同期实况场的相关分析如图4所示。由图4可看出，降水距平百分率正相关区位于我国长江及其以南大部地区、华中、青藏高原南部、新疆南部、京津地区、黑龙江北部以及辽宁南部，在浙江中部存在中心值为0.6的高相关区(通过99%信度检验)。

由降水距平的均方根误差(图5)看出，我国西北地区及内蒙古地区的均方根误差小于1 mm，而我国长江中下游及以南地区的均方根误差开始增大，浙江、福建南部地区的均方根误差可达2 mm;较大均方根误差位于青藏高原南部、印度半岛西部和阿拉伯海附近。

由图6可见，模式在各年的预报效果有所不同。降水距平百分率相关系数最好的是1998年，达0.5。22 a中，全球和热带17 a为正相关，东亚16 a为正相关，均超过半数。

图3 1983—2004年BCC_AGCM2.0(T106)回报和NCEP再分析的夏季(6—8月)500 hPa高度场(a，b)、降水距平百分率(c，d)和2 m 温度(e，f)的经向平均(a，c，e)和纬向平均(b，d，f;30°N ～30°S)空间距平相关系数(超过0.3 的直线表示通过90%信度检验)Fig．3 (a，c，e)Meridional mean and(b，d，f)zonal mean(30°N—30°S)spatial anomaly correlation coefficients of(a，b)500 hPa geopotential height，(c，d)precipitation anomaly percentage，and(e，f)2 m air temperature between NCEP reanalysis and BCC_AGCM2.0(T106)hindcast in summer(JJA)of 1983—2004(The correlation coefficients above 0.3 indicate that the significance exceeds 90%)

4.3 温度

气候预测的另一个重要气象要素场是气温。模式回报的2 m气温距平与观测温度距平的空间ACC经向平均分布(图3e)显示，除50°N附近外，其他地区的相关系数为正值。模拟最好的地方位于10°S 附近，10°N、35°N、50°S 地区相关也较好。从纬向平均(30°N ～30°S)结果(图3f)来看，180°附近有极大值，150°E ～150°W 和30°E 超过90%信度检验，全球平均为正相关。

在BCC_AGCM2.0(T106)模式回报东亚地区(60 ～150°E，0°～60°N)夏季 2 m 气温距平与观测温度距平的相关系数分布(图7)中值得注意的是，在我国长江以北大部分地区ACC呈现正相关，且相关系数中心值通过了90%信度检验。其他预报准确率较高的地方位于印度、南亚和西太平洋。说明模式回报的2 m气温在我国北方地区是较可靠的，而在我国南方地区则有待改善。

夏季2 m温度的均方根误差(图8)显示，均方根误差随纬度的增高而增大，在我国北方部分地区均方根误差超过6℃，其中东北大部分地区、新疆西北部和青藏高原地区超过12℃;在华南地区均方根误差小于6℃，青藏高原东北地区以及云南地区均方根误差小于3℃。

模式气温预测效果在各年亦有所不同，距平相关系数在热带要好于全球，更好于东亚。1983、1987、1993、2000年热带2 m气温距平的相关系数通过了90%信度检验。22 a中，全球有16 a，热带有19 a，东亚有13 a为正相关，均超过半数(图略)。

图4 1983—2004年 BCC_AGCM2.0(T106)回报和 CMAP观测的东亚地区(60～150°E，0°～60°N)夏季(6—8月)降水距平百分率的空间距平相关系数(阴影区表示正相关)Fig．4 Spatial anomaly correlation coefficients of precipitation anomaly percentage between CMAP observation and BCC_AGCM2.0(T106)hindcast in East Asia(0°—60°N，60—150°E)in summer(JJA)of 1983—2004(Areas with positive correlation coefficients are shaded)

图5 1983—2004年BCC_AGCM2.0(T106)回报和CMAP观测的东亚地区(60～150°E，0°～60°N)夏季(6—8月)降水距平的均方根误差(单位:mm)Fig．5 Root mean square errors of precipitation anomaly between CMAP observation and BCC_AGCM2.0(T106)hindcast in East Asia(0°—60°N，60—150°E)in summer(JJA)of 1983—2004(units:mm)

表1综合给出了位势高度、气温、降水在不同区域的平均ACC。可以看出，无论是高度场、气温还是降水，模式预报在热带都好于全球和东亚。位势高度场预报较好的是热带和东亚，相关系数均为0.06。气温预报最好的是热带，相关系数为0.15，全球平均为0.10。降水预报最好的地方是热带，其相关系数为0.10，东亚地区相关系数为0.06，全球平均相关系数为0.08。

图6 1983—2004年BCC_AGCM2.0回报与NCEP再分析的降水距平百分率空间距平相关系数的时间序列(相关系数超过0.36表示通过90%信度检验)Fig．6 Time series of spatial anomaly correlation coefficients of precipitation anomaly percentage between NCEP reanalysis and BCC_AGCM2.0(T106)hindcast from 1983 to 2004(the coefficients larger than 0.36 represent statistical significance at 90%confidence level)

图7 1983—2004年BCC_AGCM2.0(T106)回报和NCEP观测的东亚地区(60～150°E，0°～60°N)夏季2 m温度的空间距平相关系数(阴影区表示正相关)Fig．7 Spatial anomaly correlation coefficients of 2 m air temperature between NCEP reanalysis and BCC_AGCM2.0(T106)hindcast in East Asia(0°—60°N，60—150°E)in sumer(JJA)of 1983—2004(Areas with positive correlation coefficients are shaded)

图8 1983—2004年BCC_AGCM2.0(T106)回报和NCEP再分析的东亚地区(60～150°E，0°～60°N)夏季2 m温度距平的均方根误差(单位:℃)Fig．8 Root mean square errors of 2 m air temperature anomaly between NCEP reanalysis and BCC_AGCM2.0(T106)hindcast in East Asia(0°—60°N，60—150°E)in summer(JJA)of 1983—2004(units:℃)

表1 1983—2004年位势高度、2 m气温、降水在不同区域的平均空间距平相关系数Table 1 Average spatial anomaly correlation coefficients of geopotentail height，2 m air temperature and precipitation in different regions from 1983 to 2004

5 单样本与多样本预测效果比较

大气运动的可预报性问题最终可归结为两种误差的影响问题，一是模式不完善引起的系统误差，二是对初始状态的不精确描述引起的初值误差，所以模式的预测结果就依赖于模式的大气初值。由于观测的不准确和资料分析、同化处理中导入的误差，所以我们赖以进行定量化的数值预报的初始大气分析场只是实际大气的一个可能的近似值而已。为了尽可能消除这种误差，尽可能反映大气的真实状态，本文采用时间滞后(lagged average forecast，LAF)多初值集合预测方法，并将多个预测样本进行算术平均得到集合预测结果，即使用每年的3月1日00时(世界时)至11日00时(世界时)11个大气初始场形成的11个样本进行集合。

图9和10分别为2 m气温和降水的全球单样本和集合平均预测与同期观测的距平相关系数逐年变化。由图9和10可以看出，相关系数在－0.4～0.7之间变化，同一年的各样本之间存在差异。例如，图10 中，1983、1989、1998、2004 年 11 个样本的降水距平相关系数中有10个较一致，1个偏离较远。可见，相对集中的10个样本更能反映实际的回报情况，集合平均能消除这种奇异值。其余年份则是取各单样本的平均。图9表明，温度距平相关系数除1983、1988、2001年外，其余19 a多样本集合预测与观测的相关均为正值，其中1986、1987、1989年相关较高。图10也显示，除1984、1992年外，其余20 a多样本集合预测与观测的相关也均为正值，最好的是1998年。两图都显示，最后22 a的集合平均值要好于任何一个单样本的22 a平均值，无论是单年份还是多年平均多样本集合预测都要比单样本预测的可信度高。

6 结论与讨论

本文使用中国国家气候中心新一代大气环流模式BCC_AGCM2.0(T106L26)进行了22 a夏季(6—8月)11个成员的集合回报试验，通过对回报试验数据的分析和检验表明:

图9 1983—2004年全球夏季2 m气温多样本集合及单样本预测与观测距平相关系数的时间序列(点表示单样本预测，线条表示集合平均预测)Fig．9 Time series of anomaly correlation coefficients of global 2 m air temperature between observation and hindcast in summer(JJA)of 1983—2004(The dots denote the single-sample hindcast，and the curve shows the ensemble hindcast)

图10 1983—2004年全球夏季降水距平百分率多样本集合及单样本预测与观测距平相关系数的时间序列(点表示单样本预测，线条表示集合平均预测)Fig．10 Time series of anomaly correlation coefficients of global precipitation between observation and hindcast in summer(JJA)of 1983—2004(The dots denote the single-sample hindcast，and the curve shows the ensemble hindcast)

1)模式回报500 hPa高度场形势较符合夏季全球大气环流型。但副热带高压明显偏强、面积偏大，588 dagpm等高线在海洋上呈带状分布。模式对太平洋、大西洋中纬度部分地区、欧亚大陆上贝加尔湖及其以北附近地区的预报准确率相对较高，特别是在30°N～30°S的热带海洋上，通过了99%的信度检验。

2)模式回报降水在我国长江及其以南、华中、青藏高原南部、新疆南部、京津地区、黑龙江北部、辽宁南部地区以及浙江中部的预报是比较可信的。对2 m气温模式回报的分析显示，模式回报的2 m气温在北方地区的可信度较高，而在南方地区则有待改善。从全球来看，热带地区的模拟效果要好于全球。

3)集合预报效果明显好于单样本预报，集合预测可以消除单样本预测引起的某些不确定性，预报能力有明显提高。本文使用的是算数平均集合方法，还可以尝试其他集合平均方法，如权重平均等，以进一步检测预报效果。

本文主要介绍了国家气候中心高分辨率大气环流模式(T106L26)的预测试验结果。我们同时还用低分辨率大气环流模式(T42L26)进行相同的预报试验，比较两个模式的回报结果发现，T106L26对热带500 hPa高度场、热带2 m气温、东亚降水等的预测效果比T42L26的预测效果要好。由此可见，模式分辨率的提高在一定程度上有助于预报效果的改善。

丁一汇，李清泉，李维京，等．2004．中国业务动力季节预报的进展［J］．气象学报，10(5):598-612．

颜宏．1987．初始方程P-σ混合坐标细网格嵌套模式的设计［J］．高原气象，6(增刊):64-139．

曾庆存，袁重光，王万秋，等．1990．跨季度气候距平预测试验［J］．大气科学，14(1):10-25．

Barnett P，Bengtsson L，Arpe K，et al．1994．Forecasting global ENSO-related climate anomalies［J］．Tellus，46A:381-397．

Collins W D，Rash P J，Boville B A，et al．2004．Description of the NCAR Community Atmosphere Model(CAM3.0)［R］//NCAR Tech notes NCAR/TN-464+STR．Boulder，Colo:National Center for Atmosphere Research．

Gao Xuejie，Zhao Zongci．2000．Experiments of short-term climate prediction by the OSU/NCC GCM for summer season in China［J］．Acta Meteor Sinica，14(3):280-291．

Trenberth K E，Branstator G W，Karoly D，et al．1998．Progress during TOGA in understanding and modeling global teleconnections associated with tropical sea surface temperatures［J］．J Geophys Res，103:14291-14324．

WCRP．1985．CLIVAR science plan:A study of climate variability and predictability［R］//WCRP289，WMO/TD No．690，ICSU，WMO，UNESCO．

WMO．1996．The eleventh WMO working group session，Italy［R］．

Wu T，Wu G．2004．An empirical formula to compute snow cover fractionin GCMs ［J］．Adv AtmosSci，21:529-535．doi:10.1007/BF02915720．

Zhang G J，Mu M．2005．Effects of modifications to the Zhang-McFarlane convection parameterization on the simulation of the tropical precipitation in the National Center for Atmospheric Research Community Climate Model，version 3［J］．J Geophys Res，110，D09109．doi:10.1029/2004JD005617．