大气初始场对短期气候数值预测的影响

官元红,周广庆,陆其峰,陆维松

(1.南京信息工程大学 数学与统计学院,江苏 南京 210044;2.南京信息工程大学 资料同化研究与应用中心,江苏 南京 210044;3.气象灾害教育部重点实验室(南京信息工程大学),江苏 南京 210044;4.中国科学院 大气物理研究所,北京 100029;5.中国气象局 国家卫星气象中心,北京 100081)

大气初始场对短期气候数值预测的影响

官元红1,2,3,周广庆4,陆其峰5,陆维松3

(1.南京信息工程大学 数学与统计学院,江苏 南京 210044;2.南京信息工程大学 资料同化研究与应用中心,江苏 南京 210044;3.气象灾害教育部重点实验室(南京信息工程大学),江苏 南京 210044;4.中国科学院 大气物理研究所,北京 100029;5.中国气象局 国家卫星气象中心,北京 100081)

利用中国科学院大气物理研究所发展的九层大气环流模式(简称IAP 9L2°×2.5°-AGCM)分析了大气初始场对短期气候数值预测的影响,分别从实际观测海温、海冰的外强迫和气候态海温、海冰的外强迫出发,进行两组集合回报试验,每组包含3个试验,分别将实时NCEP-Ⅱ资料和对NCEP-Ⅱ资料经5 d平滑、11 d平滑后的资料作为大气初始场,进行17 a(1988—2004年)集合回报试验,采用相关分析方法对试验结果进行对比分析。结果表明,比较相关系数定量检验出大气初始场对热带地区可预报性影响较小,而对中、高纬度地区影响很大。通过对6个试验中对应气象要素在对流层各层距平时间相关系数以及17 a空间异常相关系数均值比较分析发现对东亚(中国)地区夏季气候而言,NCEP-Ⅱ资料经5 d平滑后生成的大气初始场对应回报试验结果相对最好。

大气初始场;短期气候数值预测;集合回报;相关分析;可预测性

0 引言

重大气候灾害的发生严重影响着人民生活和社会经济发展,因此,如何准确预测短期气候倍受关注。对于短期气候数值预测而言,研究注意力多集中在边界条件上(主要是SST(sea surface temperature,海表温度))(Harzallah and Sadourny,1995;Rowell,1998;袁重光等,2000;Lang and Wang,2010;魏凤英,2011;鞠丽霞和郎咸梅,2012),但实际上完全基于SST的预测是不够的,土壤湿度、雪盖、地表植被等的影响也不可忽视(Yeh et al.,1984;王万秋,1991;李旭,1992;马驻国,1992;朱乾根等,1996;Dirmeyer,1999;Kazuyuki et al.,2001;李忠贤等,2012)。很多研究也表明对于热带外的中高纬度地区,特别是东亚地区,由于大气运动的非线性特性,其内部混沌行为可增大气候预测不确定性,导致初始场也扮演着不可轻视的角色(范新岗和丑纪范,1999;赵彦和郭裕福,2000;Wang et al.,2000;丑纪范和徐明,2001;郎咸梅等,2004;王会军,2005;官元红等,2009)。初始场对于短期气候数值预测的影响,近些年来前人也做了很多研究工作(Chervin,1986;Zwiers,1996;Descamps and Talagrand,2007;张立凤和罗雨,2010;Fu et al.,2011;Wen et al.,2012),但至于大气初始场(初始场中的大气部分)对短期气候数值预测的影响到底有多大,目前很少有人对其量化。另一方面,虽然准确大气初始场非常重要,但目前在实时短期气候数值预测时,大多仅通过集合方式来减小其不确定性(关吉平等,2006;麻巨慧等,2011),集合成员的大气初始场通常仍采用某一时刻数值天气预报实况分析场(如NCEP分析或再分析资料),通过简单插值直接提供给气候模式,而对不同于数值天气预报的短期气候数值预测而言,它要求初始信息应尽可能地反映出一段时间内大气的持续性状态而不是某一个时刻的信息(朱宗申等,2000),因为一个时刻的资料含有很多高频信息,这些信息对短期气候预测可能都是噪音,从而很难为短期气候数值预测提供一个合适的大气初始场。那么如何改进大气初始场呢?即如何通过提高大气初值的确定性来提高预测水平?目前少见这方面的思考。鉴于以上两方面问题,本文将利用时间平滑方法生成新的大气初始场,从新的大气初始场和目前实时预测所采用的大气初始场出发,通过实际观测海温、海冰和气候态的海温、海冰强迫下的两组集合回报试验来分析大气初始场对短期气候数值预测影响;并在此基础上,提出一个相对较好的大气初始场(优于目前实时预测所采用),以期为我国短期气候数值预测提供一点参考。

1 模式、回报试验数据及方案

采用模式为中国科学院大气物理研究所的9层大气环流模式(简称IAP 9L2°×2.5°-AGCM)(Zhang,1990;Liang,1996),它为原始方程模式,包含较全面的物理过程参数化方案,如云辐射方案、对流调整方案和下边界层处理等。垂直方向上采用9层(0≤σ≤1)不等距σ坐标,模式顶为10 hPa,水平方向上采用均匀纬经度网格坐标,分辨率为2°×2.5°,变量按C-网格呈交错分布。模式主要预报量包括水平风速、温度、土壤湿度、水汽含量、地面气压等,诊断量则有垂直速度、位势高度等。很多研究表明该模式有较强的气候模拟能力及其动力框架和物理过程参数化的合理性(李崇银等,2000;Xue et al.,2001;Wang,2002;张凤等,2004),它是大气物理研究所每一年参与汛期预测的重要模式之一。

本研究中涉及两组试验。第一组包括3个试验:第一个试验的初始场为目前短期气候实时数值预测时所采用初始场。初始场中的大气部分为美国国家环境预报中心(NCEP)实时再分析NCEP/DOE ReanalysisⅡ数据(简称NCEP-Ⅱ),水平分辨率2°×2.5°,包括17层位势高度场、风场、相对湿度、温度场;初始场中的雪盖、夜间边界层顶高度及地表的一些通量由于没有观测资料,用模式积分回报时段内的17 a气候态代替。外强迫(各月的海温、海冰)采用的是回报时段内NCAR的月平均全球海温、海冰资料。集合回报时段为1988—2004年,利用IAP 9L2°×2.5°-AGCM,每年取4月15、18、21、24、27日的00时(世界时,下同)的初始场为5个集合样本,每年在每一个集合试验中均从4月21日00时积分至当年的8月31日24时。文中将此试验称为基础试验,简记为1_jh_ncep。

大气资料含有“广谱”信息,那么其中哪一段“谱”对短期气候预测而言是最重要、最敏感的呢?能否通过提取或者放大这种有用信息改进大气初值进而提高预测水平?对于短期气候预测,短于天气过程(3 d左右)的信息含有很多高频信息,而过长的时间信息(15 d以上)更多地反映的是边值信息。所以为了过滤高频天气过程信息,本文选取介于3 d和15 d之间的天数:5、11 d,该组第二、三个试验是对基础试验初始场中的大气部分进行了5和11 d的平滑处理。第二个试验对NCEP-Ⅱ资料(纬向风速、经向风速、位势高度、相对湿度等)进行5 d平滑,具体做法是:如准备2000年4月15日00时时刻的大气初始场,则用2000年4月13、14、15、16、17日连续5 d的00时对应的NCEP-Ⅱ资料按照比例0.05、0.15、0.6、0.15、0.05进行加权平均后得到的结果作为2000年4月15日00时时刻的值,这里权重系数的选取是按照和当天距离的远近而定,由于处理后的结果应该含有当天的信息最多,距离当天越远含有的信息越少,所以这里取当天的权重系数为0.6(5 d中的最大值),距离当天越远权重系数越小,且距离当天相同的天数所选的权重系数相同,即距离当天1 d和2 d的权重系数分别取为0.15、0.05。其余天(4月18、21、24、27日00时)的大气初始场以此类推,从而得到这个试验每一年的5个集合样本的大气初始场。初始场中其他量(雪盖、夜间边界层顶高度及地表的一些通量)、外强迫海表温度海冰、集合回报时段及积分起始日期均与基础试验一致,将此试验记为1_jh_ncph5d。第三个试验的大气初始场采用将NCEP-Ⅱ资料进行11 d平滑后的结果,类似5 d平滑方法,在NCEP-Ⅱ资料上开一个长度为11 d的时间窗口,在准备当日00时时刻的大气初始场时,距离当日前、后5 d的对应时刻的资料都用于平滑使用,但他们所占的权重不同,当日资料占比重为0.5,距离当日为5、4、3、2、1 d的资料比重分别是0.025、0.035、0.04、0.05、0.1,即其余天比重仍与该日距离有关,越接近该日的比重越大,反之越小。这样的选取同样是为了保证处理后的结果含有当天的信息最多,距离当天越远信息越少。以此得到这个试验每一年5个集合样本(15、18、21、24、27日00时)的大气初始场。初始场中其他量、外强迫海表温度海冰、集合回报时段及积分起始日期也均同基础试验,文中将此试验记为1_jh_ncph11d。即第一组的3个试验中,只有大气初始场不同,其余条件均相同。

为更加直观地讨论大气初始场对短期气候数值预测的影响,本文设计了第二组试验,该组试验也包含与第一组类似的3个试验,且这3个试验的初始场与第一组中3个试验对应相同;但与第一组不同的是这里3个试验的外强迫均用NCAR月平均全球资料在回报时段17 a内对应月的平均值(气候态),即不再含有年际变化信息,模式采用季节性运行,即这组试验剔除了实际观测的外强迫对可预测性的贡献。将这三个试验分别记为:2_jh_ncep、2_jh_ncph5d、2_jh_ncph11d。

以上两组共6个试验中,每个试验在每一年均得到5个夏季回报结果(夏季为6、7、8月的平均),取这5个回报结果的算术平均与模式气候态间的距平作为当年夏季的回报结果,则在每个试验中均得到对应17 a的回报结果,其中模式气候态为回报时段内模式的17 a(1988—2004年)控制试验结果的夏季平均。

2 分析方法

受显著性水平制约的相关分析可以直接显示模式结果与实测间的接近程度,本研究采用相关分析的方法,分别计算了距平时间、空间异常相关系数,其计算公式为:

3 结果分析

3.1 距平时间相关系数

3.1.1 外强迫海温、海冰为实际观测海温、海冰为了考察模式回报结果与相应实测间的吻合程度,这里利用17 a集合回报结果,首先采用时间相关系数分析了每一个网格点的回报与NCEP-Ⅱ资料在17 a的平均相关程度,从而对模式在各个网格点上的预测能力有一个总体认识。这节先给出第一组3个试验中500 hPa位势高度场(H500)的分析结果。

图1 H500在第一组3个试验的回报结果与NCEP-Ⅱ资料在夏季的距平时间相关系数的分布(阴影区表示通过0.05信度的显著性检验) a.1_jh_ncep;b.1_jh_ncph5d;c.1_jh_ncph11dFig.1 Spatial distribution of temporal anomaly correlation coefficients at 500 hPa in summer for the period of 1988—2004(JJA)in the first set of three ensemble hindcasting experiments(the shadings indicate the significance of 95% confidence level) a.1_jh_ncep;b.1_jh_ncph5d;c.1_jh_ncph11d

图1是H500在试验1_jh_ncep、1_jh_ncph5d、1_jh_ncph11d中的夏季回报结果与NCEP-Ⅱ资料的距平时间相关系数分布,阴影区表示通过0.05信度的显著性检验的区域。可见,3个试验中,在观测海温、海冰外强迫下,模式可预测能力总体呈带状分布;在热带及低纬地区可预测性较高且可预测性区域较广,最大相关系数达0.8以上,两极地区较低;后两个试验与基础试验在热带地区的可预测性相差较小,而在热带以外地区相差较大。

为了更加细致地分析后两个试验与基础试验的可预测性差别,从而清楚地认识不同大气初始场下的可预测性,图2给出了后两个试验与基础试验的距平时间相关系数在全球及中国地区的差异。

图2 第一组试验中全球(a、c)、中国(b、d)的H500距平时间相关系数的差值分布 a,b.1_jh_ncph5d减去1_jh_ncep;c,d.1_jh_ncph11d减去1_jh_ncepFig.2 Difference of temporal anomaly correlation coefficients between (a,b)test 1_jh_ncph5d (c,d)test 1_jh_ncph11d and test 1_jh_ncep with geopotential height at 500 hPa (a,c)in the globe and (b,d)over China a,b.1_jh_ncph5d-1_jh_ncep;c,d.1_jh_ncph11d-1_jh_ncep

图2a、c分别代表H500在试验1_jh_ncph5d、1_jh_ncph11d的距平时间相关系数减去H500在试验1_jh_ncep中的距平时间相关系数(均与NCEP-Ⅱ资料进行相关)在全球的分布。可明显看出,后两个试验与基础试验在热带地区的距平时间相关系数之差几乎为零,即分别以平滑5、11 d的NCEP-Ⅱ资料和实时未平滑的NCEP-Ⅱ资料作为大气初始场所做的集合回报在热带地区的结果相差无几,而后两个试验与基础试验中虽然外强迫相同但大气初始场不同,可见大气初始场对热带地区的可预报性的作用较小,这与Shukla(1981)研究成果一致,即在热带地区缓慢变化的下边界强迫对大气运动的显著影响是短期气候预测的物理基础。

在北半球中高纬度地区,结果出现了较大差别。由图2a可见,除了在部分海洋、北美的东海岸,试验1_jh_ncph5d的相关系数较基础试验小外,北美的中西部、格陵兰地区在试验1_jh_ncph5d中的相关系数较基础试验均有提高,且提高后这些区域通过了显著性检验(图1)。除此之外,提高最明显的是在欧亚大陆,尤其是俄罗斯的西北部,基础试验的相关系数只有-0.3左右(图1a),而在试验1_jh_ncph5d中高达0.4以上(图1b),可见仅改变大气初始场,使负相关提高到正相关,从差值(图2a)上反映也很明显,较基础试验的相关系数提高近0.7以上。其次,在东亚地区改进也很明显,相关系数提高达0.4以上,从而使该区域也通过了显著性检验(图1b)。由图2c可看出试验1_jh_ncph11d中相关系数差值的正值区不及图2a中广,但在东亚地区仍然是大范围的正值区。

对比差值在中国地区的分布(图2b、d)可见,平滑11 d后的结果较未平滑的改进范围和程度不及平滑5 d的明显。但可明显看出,在中国的绝大部分地区均被正值区所覆盖,即仅改变大气初始场后对基础试验都有改进,甚至在部分地区的相关系数提高达0.4以上,改进非常明显。而H500在我国汛期预测中是一个很重要的参考指标,这也是本文选H500进行分析的原因(其他要素场有相似的结论,不再赘述),因此,这里相关系数的提高无疑对我国短期气候预测有一定的帮助,数值的变化大小在一定程度上说明了大气初始场对短期气候数值预测影响的程度。同时也说明在热带以外地区,气候变化的不确定性不再主要取决于外强迫,大气初始场的作用不可忽视,相对全球来说,大气初始场对短期气候预测的影响在东亚地区更为显著,这与Wang et al.(2000)、郎咸梅等(2004)的研究一致。

在南半球的中高纬地区,只有少部分地区出现距平时间相关系数差值的正值区,其余大部分地区均为负值,尤其在南极大陆,出现了数值较大、范围较广的负值区,这可能是由于在南极大陆利用的NCEP-Ⅱ资料可信度不高所引起。

3.1.2 外强迫海温、海冰为气候态海温、海冰

为了单纯讨论大气初始场对短期气候数值预测的影响,本节讨论第二组中的3个试验,它们的外强迫取为NCAR月平均全球资料在回报时段17 a内对应月的平均值,即气候态海温、海冰;初始场与第一组中对应3个试验相同。同3.1.1节,这里仍然选择H500进行对比分析。

图3a、b、c分别是H500在试验2_jh_ncep、2_jh_ncph5d、2_jh_ncph11d中的回报结果与NCEP-Ⅱ资料的距平时间相关系数分布,可明显看出,剔除了实际观测的海温、海冰的外强迫后,这里的可预测性区域明显减小(对比图1),特别是在赤道附近的热带地区,图1中通过了显著性检验的可预测性区域,而在这里不但没有通过显著性检验反而距平时间相关系数出现了广泛的负值区。再次验证了热带地区的可预测性主要来源于外强迫这一结论。但同时也可看出,虽然剔除了实际观测外强迫的影响,但对于H500仍然有一些明显的可预测性区域,这在一定程度上也说明了大气初始场在短期气候预测中扮演着不可忽视的角色,至少在这些可预测性区域。除此之外,采用平滑5 d(图3b)的大气初始场下可预测性区域最大,结果仍是相对最好。

图4a、c分别代表H500在试验2_jh_ncph5d、2_jh_ncph11d的距平时间相关系数减去H500在试验2_jh_ncep中的距平时间相关系数(均与NCEP-Ⅱ资料进行相关)在全球的分布。可见,虽然大气初始场不同,但试验2_jh_ncph5d、2_jh_ncph11d与试验2_jh_ncep在热带地区相关系数差别仍然较小。另外,即便此时的外强迫全为气候态的海温和海冰,但后两组试验与前一组试验在中高纬度地区的差别仍非常明显,尤其是在俄罗斯的西北部,距平时间相关系数通过改进初始场后提高了近0.8。显而易见,大气初始场在中高纬度对短期气候数值预测的重要作用,将月以上时效预测认为与初值无关的概念需要改变(李旭,1992)。由图4b可见,在中国的大部分地区,采用5 d平滑后大气初始场对H500的回报明显改善了实时预测所采用初始场的回报,在部分地区相关系数提高达0.6以上。从采用平滑11 d的初始场的结果来看(图4d),在中国部分地区较实时预测所采用初始场的结果有改进,但其他地区不但没有改进反而变差,这不仅说明了初始场的重要性,而且也说明了采用11 d平滑初始场不及5 d平滑初始场。这可能是因为短期气候预测是直接与时间有关气候统计特征量的预测,它是一个个天气过程的累加,而对中国地区的降水、高温及寒潮天气等的预报,东亚大槽和阻塞高压是关键性的参考因子它们的维持时间基本在5～7 d左右,更长时间的很少,因此11 d平滑后初始场可能把这些有用信息过滤掉了,所以造成结果不仅在部分地区没有改进反而变差;相反5 d平滑初始场可能提取了这些信息并且过滤了对短期气候预测而言的高频噪音,因此效果得以改进。这表明在用该模式做短期气候数值预测时,准备大气初始场时并不是平滑资料的时间窗口越长越好,否则反而会影响短期气候预测的效果。

图3 H500在第二组3个试验的回报结果与NCEP-Ⅱ资料在夏季的距平时间相关系数的分布(阴影区表示通过0.05信度的显著性检验) a.2_jh_ncep;b.2_jh_ncph5d;c.2_jh_ncph11dFig.3 Spatial distribution of temporal anomaly correlation coefficients at 500 hPa in summer for the period of 1988—2004(JJA)in the second set of three ensemble hindcasting experiments(the shadings indicate the significance of 95% confidence level) a.2_jh_ncep;b.2_jh_ncph5d;c.2_jh_ncph11d

图4 第二组试验中全球(a、c)、中国(b、d)H500距平时间相关系数的差值分布 a,b.2_jh_ncph5d减去2_jh_ncep;c,d.2_jh_ncph11d减去2_jh_ncepFig.4 Difference of temporal anomaly correlation coefficients between (a,b)test 2_jh_ncph5d (c,d)test 2_jh_ncph11d and test 2_jh_ncep with geopotential height at 500 hPa (a,c)in the globe and (b,d)over China a,b.2_jh_ncph5d-2_jh_ncep;c,d.2_jh_ncph11d-2_jh_ncep

图5 第一组试验中各气象要素场空间(中国区域)距平相关系数17 a的均值Fig.5 The average of spatial anomaly correlation coefficients in the first set of ensemble hindcasting experiments over China during the 17 years

除此之外,虽然第一组与第二组试验中每个试验对应的大气初始场一致,只有外强迫的海温、海冰不同(如1_jh_ncph5d与2_jh_ncph5d),但结果也出现了较大的不同。分别对比图2b、4b及图2d、4d可见,相同的大气初始场对不同外强迫下的相关系数有了不同程度地提高,在气候态的外强迫下,预报技巧改进最大值超过了实际海温海冰下的预报技巧,但改进的区域范围不及实际海温海冰强迫下的大。这在一定程度上说明对于东亚地区的短期气候数值预测除了大气初始场的重要作用外,实际观测的外强迫及其与准确的初始场的合理配置、相互作用也不容忽视(赵彦和郭裕福,2000)。

3.2 空间异常相关系数

以上比较了以时间平滑前、后资料作为大气初始场的夏季回报结果分别与NCEP-Ⅱ资料的距平时间相关系数及在全球和中国地区的差值分布。为深入理解不同大气初始场下东亚地区可预测性在17 a间的整体变化情况,本节将从空间异常相关系数出发做进一步地分析。分析区域为80.0～122.5°E、20.0～50.0°N(包含中国在内,简称中国区域)。

图5是第一组中3个试验的各物理量夏季回报结果在中国区域与对应NCEP-Ⅱ资料的空间异常相关系数17 a平均值的柱状分布。高层的物理量有200 hPa纬向风场(U200)、位势高度场(H200),中层有500 hPa纬向风场(U500)、位势高度场(H500)及温度场(T500),低层有850 hPa温度场(T850)、表面气温场(TAS)及海平面气压场(SLP)。可明显看出,在第一组的3个试验中,8个要素场在试验1_jh_ncph5d中的相关系数均值均为最大,相对基础试验,各个要素场提高都很明显,尤其是TAS,提高了0.13。由于地表气温不仅反映地表面各种能量过程的平衡状态,也是衡量由二氧化碳等微量气体浓度的变化而引起的气候变化的物理量,所以是一个十分重要的气象要素。采用5 d平滑的大气初始场使得相关系数提高,这将对我国汛期预测有一定的参考价值。11 d平滑大气初始场不如5 d平滑的结果好,对于中、高层要素场甚至不如实时预测时所采用的初始场的结果,同前面距平时间相关系数的结果一致,这可能是因为11 d平滑的资料将一些对短期气候预测有用的信息过滤了。同时也可看出,在8个气象要素场中,只有SLP在3个试验中的相关系数均值都为负值,这说明SLP的预测具有较高的难度,即便如此,在3个试验中,基础试验(1_jh_ncep)的相关系数均值仍然最小,其余两组试验较基础试验都有不同程度地改进,且仍是5 d平滑改进的程度要大于11 d平滑。

图6是第二组中3个试验的各物理量夏季回报结果在中国区域与对应NCEP-Ⅱ资料的空间异常相关系数17 a平均值的柱状分布。可见,各物理量场在试验2_jh_ncph5d中的相关系数均值较试验2_jh_ncep都有不同程度地提高;且除了H200和T500在试验2_jh_ncp11d稍大外,其他变量在试验2_jh_ncph5d中结果均最大,从这个角度来说,平滑5 d后的初始场仍好于平滑11 d及实时预测所采用的初始场。

图6 第二组试验中各气象要素场空间(中国区域)距平相关系数17 a的均值Fig.6 The average of spatial anomaly correlation coefficients in the second set of ensemble hindcasting experiments over China during the 17 years

对比图5和图6,在采用相同大气初始场前提下,第一组试验中各变量的相关系数大多比第二组试验中对应相关系数大(如1_jh_ncph5d和2_jh_ncph5d),这是因为第一组试验采用的是实际观测的外强迫,而第二组采用的是气候态的外强迫所导致。另外,在第一组试验中,1_jh_ncph11d中对1_jh_ncep的改进只有在低层,而在第二组试验中,2_jh_ncph11d中各个要素场的相关系数均值较2_jh_ncep的都有提高,这是因为第二组试验中采用的外强迫为气候态,平滑11 d的资料后可能更多地反映的是边值信息,所以使得这里的结果好于第一组试验。

4 结论与讨论

本文采用时间平滑方法生成新的大气初始场,分别从新大气初始场和目前实时预测所采用大气初始场出发,利用IAP 9L2°×2.5°-AGCM模式,初步分析了大气初始场对短期气候数值预测的影响;较目前实时预测所采用的大气初始场,经5 d平滑的大气初始场更多提取了短期气候数值预测所需的信息。

具体是利用上述模式,分别在实际观测海温、海冰(第一组)和气候态海温、海冰(第二组)的两种外强迫下,各自进行了3个集合回报试验,每一组3个集合回报试验的大气初始场分别是对应时刻的NCEP-Ⅱ资料(实时预测所采用)、NCEP-Ⅱ资料经5 d平滑和11 d平滑后的资料,初始场中其他量在6个试验中均相同,集合回报时段为1988—2004年,分别从时间和空间相关上对两组(6个)试验的结果进行了对比分析,各个气象要素场的结果都很相似,鉴于H500在我国汛期预测中是一个很重要的参考指标,所以本文只选取这个要素进行分析(其余略),结果表明:

1)两组试验中,即使大气初始场不同,但它们在热带地区相关系数差别均很小;另一方面,第二组试验在热带地区的可预测性远远小于第一组对应试验的可预测性,从这两方面进一步肯定了前人观点,即热带地区的可预报性主要来源于海温、海冰的外强迫,而与大气初始场关系较小。

2)两组试验中,虽然每一组的外强迫相同只有大气初始场不同,但在热带外的中高纬度地区差别很大,这说明此时可预报性不再主要来源于外强迫,大气初始场的作用非常重要。因此,我国在进行短期气候数值预测时,需重视对大气初始场的准备,从而增加初始场的确定性;另一方面,结合目前的集合预测方式来减小初始场的不确定性。进而可以从增加初始场确定性和减小初始场的不确定性两方面来改进短期气候数值预测。

3)由5 d平滑和11 d平滑大气初始场的回报结果可见,对中国区域而言,不论从距平时间相关、空间异常相关视角来看,还是从对流层中上、下层的空间视角来看,5 d平滑后的回报结果总体上要好于平滑11 d的结果,这可能是因为平滑5 d后的大气初始场较平滑11 d的滤掉了对短期气候预测的高频噪音部分、提取了大尺度信息,而平滑11 d后的资料滤掉了对短期气候预测的一些有用(如东亚大槽、阻塞高压等)的信息。因此,利用该模式做预测时,为了提取对短期气候预测有用的大尺度信息时,用于平滑的时间窗口并不是越长越好。

4)虽然两组试验中各个试验对应的大气初始场一致(1_jh_ncph5d、2_jh_ncph5d),只有外强迫的海温、海冰不同,但结果也出现了较大的不同,这说明在短期气候数值预测中,除了考虑大气初始场的重要影响外,它们同外强迫之间的配置及相互作用也不可轻视,另外还需综合考虑其他可预测因子(土壤湿度及雪盖等)的影响。

需要指出的是短期气候数值预测是一个难度很大的工作,尤其对处于东亚季风区的我国而言。本文仅对大气初始场的作用及影响作了一些初步工作,以此说明在利用IAP 9L2°×2.5°-AGCM模式进行短期气候数值预测时,提取含有大尺度信息的大气初始场非常急切和必要。但至于在集合回报时选取更多的集合样本,以及用于平滑的时间窗口只是粗略地选取介于天气过程(3 d左右)和更多反映边值信息过程(15 d以上)之间的5和11 d,对于其他天数(如6、7、8、9 d等)的平滑结果如何,出于计算量和存储量的考虑,本文没有足够多的试验。未来将考虑更加有效的方法,从理论上给出更合理的平滑时间窗口,进一步尝试提取短期气候数值预测所需的大气初始场信息。另外,本文只是对IAP 9L2°×2.5°-AGCM这一个模式而言得到了一些初步的结论,对其他模式是否有相同的结论的工作正在开展中。

丑纪范,徐明.2001.短期气候数值预测的进展和前景[J].科学通报,46(11):890-894.

范新岗,丑纪范.1999.初值信息在气候预测中的作用[J].大气科学,23(1):71-76.

关吉平,张立凤,张铭.2006.集合预报研究现状与展望[J].气象科学,26(2):228-235.

官元红,周广庆,陆维松.2009.一个用于气候模式的三维变分资料同化系统——方案设计及检验[J].大气科学学报,32(3):392-404.

鞠丽霞,郎咸梅.2012.RegCM3_IAP9L-AGCM对中国跨季度短期气候预测的回报试验研究[J].气象学报,70(2):244-252.

郎咸梅,王会军,姜大膀.2004.大气初始异常在跨季度短期气候预测中作用的研究[J].大气科学,28(2):231-240.

李崇银,穆明权,毕训强.2000.大气环流的年代际变化II.GCM数值模拟研究[J].大气科学,24(6):739-748.

李旭.1992.短期气候异常的数值模拟与预测研究[D].北京:中国科学院研究生院.

李忠贤,陈海山,倪东鸿,等.2012.土壤湿度对东亚夏季气候潜在可预报性影响的数值模拟[J].大气科学学报,35(4):423-430.

麻巨慧,朱跃建,王盘兴,等.2011.NCEP、ECMWF及CMC全球集合预报业务系统发展综述[J].大气科学学报,34(3):370-380.

马驻国.1992.中国东部土壤湿度和区域气候变化的关系及一个土壤湿度反演模型的建立[D].北京:中国科学院研究生院.

王会军.2005.来自大气内部的季节气候可预测性初探[J].大气科学,29(1):64-70.

王万秋.1991.土壤湿度异常对短期气候影响的数值模拟试验[J].大气科学,15(5):23-32.

魏凤英.2011.我国短期气候预测的物理基础及预测思路[J].应用气象学报,22(1):1-11.

袁重光,李旭,王会军,等.2000.IAP/CAS的短期气候距平数值预测研究[J].气象科学,20(3):326-338.

张凤,陈红,林朝晖,等.2004.IAP AGCM-I水平分辨率的提高及其对全球和东亚季风降水的数值模拟[J].气候与环境研究,9(2):396-408.

张立凤,罗雨.2010.初始场对暴雨数值预报的影响及集合预报试验[J].气象科学,30(5):650-656.

赵彦,郭裕福.2000.短期气候数值预测中海温和初始场作用的敏感性试验[J].应用气象学报,11(增刊):21-30.

朱乾根,兰红平,沈桐立.1996.土壤湿度和地表反射率变化对中国北方气候影响的数值研究[J].气象学报,54(4):493-500.

朱宗申,郝民,马清云,等.2000.用于短期区域气候预测的资料同化系统[C]//项目办公室.短期气候预测业务动力模式的研制.北京:气象出版社:385-392.

Chervin R M.1986.Interannual variability and seasonal climate predictability[J].J Atmos Sci,1:233-251.

Descamps L,Talagrand O.2007.On some aspects of the definition of initial conditions for ensemble prediction[J].Mon Wea Rev,135:3260-3272.

Dirmeyer P A.1999.Assessing GCM sensitivity to soil wetness using GSWP data[J].J Meteor Soc Japan,77:367-385.

Fu X H,Wang B,Lee J Y,et al.2011.Sensitivity of dynamical intraseasonal prediction skills to different initial conditions[J].Mon Wea Rev,139:2572-2592.

Harzallah A,Sadourny R.1995.Internal versus SST-forced atmospheric variability as simulated by an atmospheric general circulation model[J].J Climate,8(3):474-495.

Kazuyuki S,Judah C,Dara E.2001.Evolution of atmospheric response to early-season Eurasian snow cover anomalies[J].Mon Wea Rev,129:2746-2760.

Lang X M,Wang H J.2010.Improving extra-seasonal summer rainfall prediction by merging information from GCM and observation[J].Wea Forecasting,25:1263-1274.

Liang X Z.1996.Description of a nine-level grid point atmospheric general circulation model[J].Adv Atmos Sci,13:269-298.

Rowell D P.1998.Assessing potential seasonal predictability with an ensemble of multidecadal GCM simulation[J].J Climate,11(2):109-120.

Shukla J.1981.Dynamical predictability of monthly mean[J].J Atmos Sci,38:2547-2572.

Wang H J.2002.The Mid-Holocene climate simulated by a grid-point AGCM coupled with a Biome model[J].Adv Atmos Sci,19:205-218.

Wang H J,Matsuno T,Kurihara Y.2000.Ensemble hindcast experiment for the flood period over China in 1998 by use of the CCSR/NIES atmosphere general circulation model[J].J Meteor Res Japan,78:357-365.

Wen M,Yang S,Vintzileos A,et al.2012.Impacts of model resolutions and initial conditions on predictions of the Asian summer monsoon by the NCEP climate forecast system[J].Wea Forecasting,27:629-646.

Xue F,Bi X Q,Lin Y H.2001.Modelling the global monsoon system by IAP 9L AGCM[J].Adv Atmos Sci,18:404-412.

Yeh T C,Wetherald R T,Manabe S.1984.The effect of soil moisture on the short-term climate and hydrology change——A numerical experiment[J].Mon Wea Rev,112:474-490.

Zhang X H.1990.Dynamical framework of IAP nine-level atmospheric general circulation model[J].Adv Atmos Sci,7:67-77.

Zwiers F W.1996.Interannual variability and predictability in an ensemble of AMIP climate simulations conducted with the CCC GCM2[J].Climate Dyn,12:825-847.

(责任编辑：张福颖)

Influenceofinitialatmosphericconditionsonshort-termclimatenumericalprediction

GUAN Yuan-hong1,2,3,ZHOU Guang-qing4,LU Qi-feng5,LU Wei-song3

(1.School of Mathematics and Statistics,NUIST,Nanjing 210044,China;2.Center for Data Assimilation Research and Application,NUIST,Nanjing 210044,China;3.Key Laboratory of Meteorological Disaster(NUIST),Ministry of Education,Nanjing 210044,China;4.Institute of Atmospheric and Physics,Chinese Academy of Sciences,Beijing 100029,China;5.National Satellite Meteorological Center,China Meteorological Administration,Beijing 100081,China)

In order to analyze the influence of initial atmospheric conditions on short-term climate numerical prediction,two different sets of ensemble hindcasting experiments were performed with IAP9L2x2.5-AGCM(a grid-point Atmospheric General Circulation Model which was developed by the Institute of Atmospheric Physics,the Chinese Academy of Sciences) forced by observed and climatic surface sea temperature(SST),sea ice respectively for seventeen years(1988—2004).In each set of the experiment,there were three tests under three different initial atmospheric conditions,namely,NCEP-Ⅱdata,smoothed 5-day NCEP-Ⅱdata and smoothed 11-day NCEP-Ⅱdata.The method of correlation analysis was used here.The results showed that the influence of initial atmospheric conditions on short-term climate prediction in the extratropical areas is greater than that in the tropical areas.As to summer in East Asia(China),the initial atmospheric conditions of smoothed 5-day NCEP-Ⅱ data performed better than smoothed 11-day NCEP-Ⅱdata and NCEP-Ⅱdata(adopted by real-time prediction at present) by comparing the temporal anomaly correlation and the average of spatial anomaly correlation of meteorological elements during the 17 years.In contrast to the initial atmospheric conditions adopted at present,the work in this paper unveiled some useful information that is suitable for short term prediction for IAP 9L2°×2.5°-AGCM,which is valuable.

initial atmospheric conditions;short-term climate numerical prediction;ensemble hindcasting;correlation analysis;predictability

2012-04-11;改回日期2012-09-17

国家自然科学基金资助项目(41105057;41275111;41375115);公益性行业(气象)科研专项(GYHY201206002);国家重点基础研究发展计划(973计划)项目(2010CB951901)

官元红,博士,副教授,研究方向为资料同化与短期气候预测,guanyh@nuist.edu.cn.

10.13878/j.cnki.dqkxxb.20120411001.

1674-7097(2014)05-0631-11

P461.2;P435

A

10.13878/j.cnki.dqkxxb.20120411001

官元红,周广庆,陆其峰，等.2014.大气初始场对短期气候数值预测的影响[J].大气科学学报,37(5):631-641.

Guan Yuan-hong,Zhou Guang-qing,Lu Qi-feng,et al.2014.Influence of initial atmospheric conditions on short-term climate numerical prediction[J].Trans Atmos Sci,37(5):631-641.(in Chinese)