MJO预报研究进展

任宏利 吴 捷 赵崇博 刘 颖 贾小龙 张培群

1)(国家气候中心 中国气象局气候研究开放实验室，北京 100081)2)(南京信息工程大学大气科学学院，南京 210044)



MJO预报研究进展

任宏利1)*吴 捷1)2)赵崇博1)刘 颖1)贾小龙1)张培群1)

1)(国家气候中心 中国气象局气候研究开放实验室，北京 100081)2)(南京信息工程大学大气科学学院，南京 210044)

热带大气季节内振荡(Madden-Julian oscillation，MJO)是次季节-季节时间尺度气候变率的支配模态。它不仅对低纬度地区天气气候产生重要影响，还能够通过经向传播和激发大气遥相关波列对中高纬度地区产生影响，是延伸期尺度最重要的可预报性来源。因此，MJO预报是次季节-季节气候预测中极为重要的部分，近年来受到国际学术界广泛关注。该文回顾了MJO预报发展历史，概述了当前国际上主要科研业务机构的MJO预报发展现状。目前基于统计方法和气候模式的MJO预报研究取得了较大进展，特别是多个耦合气候模式和一种基于时空投影方法的统计模型均能够显著提升MJO预报技巧(有效预报可达20 d以上)。该文还介绍了中国气象局国家气候中心在MJO预报技术发展和业务系统研制方面的新进展，当前基于第2代大气环流模式的MJO业务预报填补了国内空白，技巧为16～17 d，而耦合气候模式试验的技巧已达到约20 d。总体来看，利用耦合模式预报MJO是未来发展的主要方向，其中，面向MJO的模式初始化和集合预报新方法研究将是关注重点。

MJO； 预报技术； 集合； 业务系统

引 言

近几十年来，逐日天气预报和季节气候预测均取得了较大发展，前者作为大气初值问题，可预报性上限约为2～3周；后者作为大气边值问题，其季节平均状态具有一定可预报性。然而，对介于二者之间的次季节尺度的延伸期预报而言，大气初值和边值都很重要，其预报和可预报性问题愈发引起关注。近年来，我国具有次季节尺度特征的气象灾害频发，其强度和影响范围日益扩大，如2008年1月我国南方地区发生历史罕见的持续性低温冰冻过程，造成巨大社会经济损失[1]。因此，延伸期预报是当前科研业务工作中亟待解决的关键问题，而其发展出路就在于具有高可预报性的大气季节内振荡信号的预报研究。

季节内振荡是大气多尺度振荡现象重要组成部分，其中,MJO(Madden-Julian oscillation)是热带大气季节内变化(intra-seasonal variability, ISV)的最主要模态，典型时间尺度约为30～60 d、最早在热带地区的纬向风和气压场被发现[2-3]。大量研究表明，MJO具有纬向1波的行星尺度空间结构和向东传播的主要特征[4-8]。在北半球冬季，大气季节内振荡信号较强，其振幅的大值区主要分布在5°～20°S；在北半球夏季，以东传为主的季节内振荡信号明显减弱，强度大值区主要分布在5°～20°N，且在印度洋地区向北传播，在西北太平洋向西北传播[9-11]。鉴于早期MJO研究需要对大气变量进行时间滤波，Wheeler等[12]提出了利用非滤波逐日资料的实时多变量MJO(real-time multivariate MJO，RMM)指数刻画MJO，在国际上的MJO研究和业务中得到广泛应用。

综上所述， MJO预报在次季节到季节(sub-seasonal to seasonal, S2S)气候预测中极为关键，近年来受到国际学术界广泛关注。更为重要的是，通过提高MJO预报水平、提取相关联的有效预报信息，对于填补天气预报和季节预测之间的预报薄弱区间具有重要意义。本文将首先回顾MJO预报的发展历史，概述当前国际上主要科研业务机构对于MJO预报的现状，重点介绍中国气象局国家气候中心在MJO预测技术发展和业务系统研制方面取得的最新进展，并展望下一步MJO预报研究的重点问题。

1 国际上MJO统计预报发展回顾

预报方法基本上分为两种：一种是基于数理统计的经验性方法，另一种是基于物理定律的数值模式方法，这也就是通常所说的统计方法和动力方法。下面将针对MJO预报分别介绍统计模型和动力模式两种途径的发展状况。

由于MJO具有良好的周期性及显著的前兆信号，统计模型一直是进行MJO预报的有效方法，特别是在早期，即数值模式对MJO现象无法进行有效模拟的时期。国际上针对MJO现象的统计预报方法已取得了很多进展[41-55]，利用统计模型预报MJO已具有一定预报技巧。通常以预报和观测的RMM指数相关系数超过0.5的日数作为可用MJO预报的最低预报技巧标准，基于统计模式的预报技巧可达11～25 d，但仍远小于MJO自身的时间尺度(即30～60 d)。因此，利用统计模型提升预报技巧的空间还很大。

Zhu等[55]总结了截至目前国际上对MJO的统计预报方法研究所取得的主要进展。其中，美国气候预测中心(Climate Prediction Center, CPC)以及澳大利亚气象局研究中心(Bureau of Meteorology Research Centre, BMRC)等机构已利用统计方法(如滞后回归、线性自回归等)对MJO进行预测，并将MJO的预测作为业务预报重点。CPC采用的统计预报模型CA(constructed analogue)[56]和滞后线性回归方法(PCL)[46,51]，以及经验波传播(empirical wave propagation, EWP)方法预报200 hPa速度势；BMRC采用自回归模型(auto-regressive model, ARM)对MJO指数序列进行预测[46]。其中，PCL和ARM已被引入我国MJO预报业务[57]。

最近，Hsu等[58]发展了一种基于大气低频信号的时空投影方法(spatial-temporal projection method, STPM)，可用于区域性低频降水的延伸期预报。它利用长期历史资料进行训练，通过奇异值分解(singular vector decomposition, SVD)建立起预报量和前期因子的联系，在预报时期将前期环流场投影到预报因子上，即可得到随时间演变的季节内尺度的预报量。Zhu等[55]进一步将STPM加以发展并应用于候平均意义的MJO预报，试验显示预报时效可达25～30 d，具有良好的延伸期预报业务应用前景。

2 国际上MJO数值模式预报发展回顾

气候模式是开展季节内振荡研究和预报的重要工具。Slingo等[59]比较了大气环流模式比较计划(AMIP)中15个模式结果，分析表明:虽然多数模式能够再现大气季节内时间尺度的振荡信号以及对流层高层速度势异常的向东传播特征，但对季节内振荡其他主要特征的模拟并不理想。Lin等[8]考察了参与政府间气候变化委员会(IPCC)第4次评估报告的14个模式对热带季节内振荡的模拟结果，发现模式对次季节时间尺度的降水强度分布、显著周期和传播特征的模拟仍存在困难。

近年来，随着观测初始场数据质量的提升、耦合气候模式中对流参数化、海气相互作用等物理过程的改善，数值模式对MJO的逐日预报技巧(图1)整体上高于统计模型的结果[51-52]，当然基于STPM的MJO候平均预报也可达到较高水平[55]。世界上各主要科研和业务机构的模式对MJO的预报技巧近些年来得到明显提升。Seo等[60]评估了美国NCEP(National Centers for Environmental Prediction)的CFSv1(Climate Forecast System Version 1)中的MJO预报，可用预报技巧为10～15 d。Wang等[61]近期研究结果显示，新一代的CFSv2可以提升到20 d。Rashid等[62]分析显示澳大利亚POAMA(Pre-dictive Ocean-Atmosphere Model for Australia)系统的MJO预报时效为21 d，Hudson等[63]发现采用耦合Breeding初始化方案的POAMA-2系统可以将MJO预报水平提升到23 d。按照Kang等[52,64]研究结果，韩国SNU(Seoul National University)耦合模式的MJO预报技巧从20 d提高到22 d，这得益于在模式中使用了经验奇异向量集合扰动方法。Fu等[65]分析了国际观测计划DYNAMO(Dynamics of the MJO)期间模式的MJO预报能力，发现NCEP的GFS(Global Forecast System)，CFSv2和UH(University of Hawaii)模式的预报技巧分别为13, 25 d 和 28 d，反映出海气耦合能显著提升MJO的预报性能。相比之下，ECMWF(European Center for Medium-range Weather Forecasting)的MJO预报技巧更高，可达25 d以上[66-68]。但这里需要注意的是，由于各模式检验的时段、长度、样本量等的差异，上述MJO预报技巧之间不一定具有可比性。

图1 国际上多家机构模式预报和回报试验的MJO指数预报技巧对比Fig.1 Skills of predictions and hindcasts based on models in the main international research and operation institutions

MJO预报水平的大幅提升，除了源于观测资料质量和模式性能的改进，还离不开模式初始化和集合预报技术的发展。当前，季节内尺度预报的模式初始化问题正成为新的研究热点。很多研究表明，预报模式的最优初始化和针对MJO的集合扰动方法能够进一步提高MJO预报技巧，特别是在预报的初始时期。Vitart等[66]分别使用ERA-40(ECMWF reanalysis-40)和ERA-15数据作为模式初始场对比MJO预报技巧，发现使用MJO信号强度更强的ERA-40作为初始场时，模式预报技巧更高，而海洋初始场对MJO预报技巧影响不大。Fu等[69]发现，与观测资料相比，NCEP再分析资料中的MJO信号明显偏弱，如果将模式初始场中的MJO信号恢复到接近观测水平，可明显提高模式对季节内振荡的预报技巧，同时在初始场中保留高频天气信号也有利于延长降水的可预报性。Fu等[70]进一步综合对比多种再分析资料作为初始场时模式对低频振荡的预报技巧，指出采用ERA-interim数据做初始场时模式预报技巧更好，而在使用信号恢复技术后，模式预报技巧在使用各种再分析资料做初始场时均有明显提高。因此，为模式提供更加准确、MJO信号更强的初始场对提高MJO的预报技巧具有重要意义。

研究显示，集合预报系统的预报技巧依赖于集合扰动的空间结构[71]。对于季节内变率，其集合扰动的生成方法可类似于数值天气预报大致划分为4类:①滞后平均法(lagged average forecast, LAF)。Rashid等[62]使用LAF方法构建10个集合样本，利用POAMA模式进行对MJO的预报，发现集合平均的预报技巧约为21 d。②增长模繁殖法(breeding growing mode, BGM)。Liess等[72]利用BGM方法产生适用于MJO预报的初始扰动，并研究其可预报性。Chikamoto等[73]也成功提取了与MJO有关的热带地区增长模态，发现它具有纬向1波和东传特征，但没有继续利用该扰动进行MJO的集合预报，进而验证最优扰动对提高MJO预报的重要性。③奇异向量法(singular vector, SV)。Vitart等[66]利用针对热带气旋的奇异向量进行MJO的集合预报，发现MJO预报技巧为17～20 d，并通过敏感性试验进一步说明，扰动会对MJO的预报技巧产生重要影响。④经验奇异向量法(empirical SV, ESV)。Kug等[74]针对SV方法的一些不足，如需要耦合模式的线性版本和额外的计算资源等，提出了经验奇异向量法。该方法利用模式已有的回算资料，通过经验线性算子可有效提取最快增长模态，按照一定比例对振幅进行调整后作为经验的最优初值扰动加入模式中。Ham等[75]将ESV方法应用于MJO预报，发现可有效提高MJO预报技巧(达到17 d左右)，特别是针对控制试验中预报技巧较低的初始位相。Kang等[64]综合比较了LAF，BGM和ESV方法的预报技巧，进一步提出综合多种集合扰动的MP(multi-perturbation)方法，可将MJO的预报技巧提高到20 d以上。

近年来，MJO的动力可预报性研究也取得了很大进展。2009年国际上联合发起了针对MJO的控制试验和回报试验比较计划, 即ISVHE(Intraseasonal Variability Hindcast Experiment)，目的是定量检验模式回报试验中北半球冬季和夏季的季节内变率的可预报性。Neena等[76]采用计算理想模式的信噪比的方式定量估计模式对MJO的可预报性，并对各个模式在北半球冬季对MJO的单样本和集合预报技巧进行评估。就集合预报而言，澳大利亚气象局ABOM2的预报技巧为24 d，欧洲中期天气预报中心ECMWF的预报技巧为28 d，性能最优，其他模式，如日本气象厅、欧洲地中海气候变化中心、韩国首尔国立大学SNU模式和美国CPC/CFSv2模式的预报技巧集中于15～20 d。

3 我国MJO预报研究的新进展

从前面回顾可以看出，国际上MJO统计和数值模式预报方面正在经历快速发展阶段。国内也有相关MJO统计预测研究工作，贾小龙等[57]利用两种统计方法(PCL和ARM)进行了针对MJO指数的预测研究。结果显示，滞后线性回归方法和自回归模型均能较好地描述MJO强度和传播特征，与国外同类预测产品有很好的一致性；MJO在两周内有较好的预测技巧，其中,利用滞后线性回归方法的预测技巧要高于自回归模型。

尽管我国在短期气候预测业务技术方面取得了长足进步[77-81]，但在MJO预报科研业务方面进展有限，特别是在MJO数值模式预报的核心技术和业务能力尚处于空白状态，严重滞后于国际发展步伐。为此，2013年以来，中国气象局国家气候中心启动了MJO预报业务系统研发计划，作为第2代短期气候预测业务系统建设和业务技术发展的重要组成部分，以填补我国在气候模式MJO预报方面的空白。图2给出了中国气象局国家气候中心ISV/MJO监测预测系统(ISV/MJO Monitoring and Prediction System, IMPRESS)的组成结构和发展思路。这一系统主要包含监测分析和预测两个部分。其监测分析将使用中国气象局数值预报中心提供的T639全球风场分析场和国家卫星气象中心提供的风云三号气象卫星(FY-3B)射出长波辐射(outgoing long-wave radiation, OLR)场，实现观测数据完全自主化；其预测部分采用BCC第2代大气环流模式(Atmospheric General Circulation Model, AGCM)和气候系统模式以及统计的STPM方法相结合的技术路线。IMPRESS系统业务产品将以MJO/ISV各项指数的监测预测及基于指数重构的变量场的数据和图形产品为主。作为对S2S预报的重要支撑，该系统将进一步提供基于ISV/MJO等低频信号的延伸期过程预报和应用产品。这一系统的建成将实现我国完全自主的S2S预报业务能力。

图2 中国气象局国家气候中心ISV/MJO监测预测系统发展概念图Fig.2 Conceptual diagram of ISV/MJO monitoring and prediction system being developed in National Climate Center of China Meteorological Administration

截止2015年夏天，中国气象局国家气候中心主要在3个方面取得了显著进展。

3.1 基于BCC第2代大气环流模式的IMPRESS1.0

国际上主要采用动力延伸预报模式开展延伸期时段的试验性预测，如美国的NCEP/CFS、日本的月内数值集合预报系统均利用海气耦合模式或大气环流模式预报未来1个月或更长时间的逐日要素信息。我国科学家很早就认识到MJO对于东亚天气气候异常的重要价值，在MJO数值模拟研究方面做出了一系列有意义的工作[82]。然而，在国际上利用当代最先进模式系统开展MJO预报研究和大力发展业务能力之时，我国在这一领域的研究工作尚属空白。这一方面是由于国内学界有关MJO对于我国气候影响程度的长期争论，另一方面，国内各家模式研发机构并没有针对MJO现象开展系统性研究工作。2013年开始，中国气象局国家气候中心基于BCC第2代气候模式，开展了一系列针对MJO以及ISV的模拟、预报性能评估和预报技术研发工作。

首先，Zhao等[83]①Zhao C B,Ren H L,Song L C,et al.Madden-Julian oscillation in BCC Climate models.Dyn of Atmos and Oceans,2015,in press.综合评估了中国气象局国家气候中心BCC_CSM模式系列版本[84-85]对于MJO和北半球夏季大气季节内振荡(boreal summer intra-seasonal oscillation，BSISO)的模拟性能，主要结果显示，BCC_CSM1.1模式模拟印度洋地区的BSISO方差比观测偏小，在西北太平洋地区则偏大，西传信号过强导致传播带呈西南—东北向倾斜分布，且在西北太平洋地区比印度洋地区北传速度更快，与观测不一致。BCC_CSM各版本模式模拟的MJO信号普遍表现出主周期明显偏短、信号东传过快、西传过强、伴随的低频降水在赤道印度洋偏弱而在西太平洋严重偏强等特征。

2014年底中国气象局短期气候预测团队/气候现象预测研发小组基于中国气象局数值预报中心的T639全球风场分析场、国家卫星气象中心FY-3B OLR场以及国家气候中心的BCC_AGCM2.2建立了IMPRESS1.0系统，发展了MJO实时监测预测一体化技术和业务产品，图3给出了国家气候中心IMPRESS1.0结构图。该系统首次实现了我国风云卫星分析数据在气候预测业务产品中应用，也首次建立了我国完全自主业务能力的MJO实时监测预测一体化业务，填补了国内该领域空白。对于该系统的全面评估结果显示，其MJO指数的预报时效约为16～17 d(如图4所示)，接近于美国CFSv2的预报技巧(19～20 d)，但与国际领先水平(图1)仍有明显差距。这主要由于当前BCC模式对于MJO周期性和传播等主要特征模拟性能还不够理想；且模式初始场资料并非由该模式同化产生，当前的初始化处理又过于简单，导致初值与模式之间存在动力不协调问题，而最近研究表明，有效的初始化过程对预报至关重要[86]；此外，模式集合方案仅采用了每日4个时刻初值的滞后平均预报，距离最优集合扰动仍相差甚远。这些均为导致目前该预报系统技巧偏低的主要因素。

图3 IMPRESS1.0结构图Fig.3 Organizational chart of IMPRESS1.0 established in National Climate Center of China Meteorological Administration

图4 IMPRESS1.0对于不同季节RMM指数的历史回报相关系数技巧评分Fig.4 Correlation coefficient skill scores for bivariate RMM index of IMPRESS1.0 hindcasts in different seasons

目前，IMPRESS1.0中建立了两套实时的MJO监测预测业务产品，第1套采用国内自主数据，即T639全球分析场和风云卫星资料，第2套采用美国NOAA卫星资料和NCEP1再分析资料，而模式均采用中国气象局国家气候中心的BCC_AGCM2.2，实现对MJO进行实时监测和预测，目的是直接对基于完全国产的和进口数据的业务产品进行对比。针对2015年MJO个例对比显示，两类产品的监测和预测结果基本一致(图略)。运用这一自动化业务系统，可给出近期RMM指数监测和未来RMM指数预测的空间位相图及数据，展示模式近期对RMM指数的预报性能，并提供与MJO相关联的重建逐日实时850 hPa纬向风和OLR监测预测时间演变图和空间分布。目前，这两类MJO监测预测业务产品在中国气象局气象业务内网和国家气候中心气候系统监测、诊断、预测、评估网站(http:∥cmdp.ncc-cma.net/Monitoring/moni_mjo.php)每日实时发布。与此同时，还针对BSISO开发了指数空间相图、指数序列图和重构异常场空间分布图的监测预测业务产品，同样在网站每日实时发布。

3.2 基于STPM的MJO候平均实时预报

在MJO统计预报方面，鉴于Zhu等[55]利用NCEP2再分析资料建立了STPM统计预报模型，可对MJO的RMM指数、OLR场和850 hPa纬向风异常场进行预报，中国气象局国家气候中心科研人员进一步利用NOAA观测资料和NCEP1再分析资料，以非传统滤波-时空投影模型为基础，根据业务需求，改进MJO指数和空间分布的预报方法，发展了适用于实时业务化应用的预报技术，为MJO和延伸期预报提供参考依据。

为满足业务需求，利用STPM进行实时预报，预报因子(predictors)可选取实时更新的NCEP1逐日再分析资料[78]的850 hPa 和200 hPa纬向风(U850和U200)，850 hPa辐散场(D850)，700 hPa相对湿度场(R700)，850 hPa,500 hPa和200 hPa高度场(H850,H500和H200)，以及NOAA的OLR逐日再分析资料，范围在30°S～30°N整个纬度带。预报因子简称为U850，U200，D850，R700，H850，H500，H200和OLR，预报对象(predictand)为RMM指数、U850和OLR。采用非传统滤波方法针对MJO进行RMM指数、OLR异常场和U850异常场的实时监测预测。

STPM模式的独立样本检验和个例分析均表明：模式在夏季对RMM1指数的预报技巧可达20～25 d，对RMM2指数的预报技巧可达25～30 d。但在冬季预报技巧则相对偏低，RMM1和RMM2均为15～20 d，这是值得深入研究的问题。需要指出的是，STPM所能提供的是具有候平均意义的MJO指数预报，与逐日RMM指数预报有区别。STPM模型对MJO具有可观的预测技巧，适合开展实时业务预报。目前，该方法已在中国气象局国家气候中心气候预测中试平台提供实时预报产品，在2015年汛期供业务预报员作为延伸期预报的参考。

3.3 基于BCC第2代耦合气候模式的MJO预报技术

近年来，国际上MJO预报水平的大幅提升，主要得益于海气耦合的气候模式对MJO的模拟性能有了明显改进、包含更多MJO等低频振荡信息的高质量分析场数据被用于模式预报，以及基于耦合模式的预报初始化和集合扰动技术得到了长足发展。已有研究表明，考虑了海气相互作用的耦合气候模式比单纯大气模式具有更高的MJO可预报性。为此，在利用大气环流模式构建MJO预报系统同时，中国气象局国家气候中心研发小组也开展了大量工作，研发适用于BCC第2代耦合气候预测模式的MJO初始化预报方案和集合扰动生成技术。

经过两年来的技术开发，研发小组开发出了3种不同类型的BCC气候模式初始化方案，每种方案单独初值预报技巧均可达到约16 d，在此基础上，进一步发展了基于不同初始化方案的集合方法，使得集合平均后的MJO有技巧预报时效延长到约19～22 d②Ren H L,Wu J,Zhao C,et al.MJO ensemble prediction in BCC_CSM 1.1m based on different initialization schemes.Atmos Ocean Sci lett,2015,in press.。更为全面的试验和检验分析工作仍在进行中。通过持续地围绕MJO甚至更一般性的ISV预报技术创新，中国气象局国家气候中心的MJO预报技巧有望达到国际先进水平，从而为S2S预报打下坚实的基础，为业务人员提供更为可靠的依据。

4 小 结

MJO在次季节-季节时间尺度气候变率预测中扮演着极为关键的角色，是这一时间尺度上可预报性的最主要来源。它一方面对低纬度地区天气气候产生直接影响，还通过空间传播和激发热带外大气遥相关波列对全球广大区域产生重要影响。 总体来看，目前国际上MJO预报已达到较高且相对稳定的水平，有技巧的MJO预报日数一般可达到20 d以上。我国学者在MJO预报研究方面起步较晚，特别是在利用气候模式进行MJO预报的研究方面仍是空白。因此，中国气象局国家气候中心科研人员近两年来围绕MJO监测预测的关键问题，开展了大量攻关研究工作，利用BCC第2代大气环流模式、耦合气候系统模式以及STPM统计模型进行MJO预报科研和业务，取得了较为显著的进展。目前，中国气象局国家气候中心已具备MJO实时监测预测业务能力，有技巧的预报达到16～17 d，基于STPM的候平均MJO预报技巧达到20 d以上，基于耦合气候模式的MJO关键技术研发也取得较大进展(技巧约为20 d)，有望达到国际先进水平。

对于未来发展，基于统计预报和动力模式的MJO实时监测预测是最值得关注的方向。一方面，在现有IMPRESS1.0基础上，未来仍需要根据业务需求，不断优化产品，发展集合概率的实时MJO指数预报产品，开发更能表征东亚地区季节内变率(如BSISO指数等)的监测、预测产品。同时利用CFSR等高质量再分析资料和非滤波方法，继续开展STPM对MJO的预报应用研究。另一方面，逐步改进BCC第2代模式对于MJO的模拟性能是提升预报水平的根本之路，这需要深入开展MJO机制的科学研究，寻找模式中影响MJO机制的关键物理过程，并加以优化和改进。此外，鉴于短时期内提升模式MJO模拟能力可能有难度，还需要同时发展适于MJO预报的耦合模式初始化方案和集合扰动生成方法，并研究将利用历史资料信息的模式预报订正方法等[87-90]有针对性地应用于MJO预报，探索出一条富有成效的发展之路。

[1] 国家气候中心.2008 年初我国南方低温雨雪冰冻灾害及气候分析.北京:气象出版社,2008.

[2] Madden R A,Julian P R.Detection of a 40-50 day oscillation in the zonal wind in the tropical Pacific.JAtmosSci,1971,28(5):702-708.

[3] Madden R A,Julian P R.Description of global-scale circulation cells in the tropics with a 40-50 day period.JAtmosSci,1972,29(6):1109-1123.

[4] Lau K M,Chan P H.Aspects of the 40-50 day oscillation during the northern summer as inferred from outgoing longwave radiation.MonWeaRev,1986,114(7):1354-1367.

[5] Li C,Wu P.An observational study of the 30-50 day atmospheric oscillations.Part I:Structure and propagation.AdvAtmosSci,1990,7:294-304.

[6] Sperber K R.Propagation and the vertical structure of the Madden-Julian Oscillation.MonWeaRev,2003,131:3018-3037.

[7] Zhang C.Madden-Julian Oscillation.RevGeophys,2005,43,RG 2003,doi:10.1029/2004RG000158.

[8] Lin A L,Kiladis G N,Mapes B E,et al.Tropical intraseasonal variability in 14 IPCC AR4 climate models.Part Ⅰ:Convective signals.JClim,2006,19(12):2665-2690.

[9] Jiang X A,Li T,Wang B.Structures and mechanism of the northward propagating boreal summer intraseasonal oscillation.JClim,2004,18:1022-1039.

[10] 贾小龙,李崇银.热带大气季节内振荡的季节性特征及其在SAMIL-R42L9中的表现.热带气象学报,2007,23(2):219-228.

[11] Lin A,Li T.Energy spectrum characteristics of boreal summer intraseasonal oscillations:Climatology and variations during the ENSO developing and decaying phases.JClim,2008,21:6304-6320.

[12] Wheeler M,Hendon H H.An all-season real-time multivariate MJO index:Development of an index for monitoring and prediction.MonWeaRev,2004,132:1917-1932.

[13] 李崇银,周亚萍.热带大气季节内振荡和ENSO的相互关系.地球物理学报,1994,37:17-26.

[14] Zhang C,Gottschalck J.SST anomalies of ENSO and the Madden-Julian Oscillation in the equatorial Pacific.JClim,2002,15:2429-2445.

[15] Bastone C,Hendon H H.Characteristics of stochastic variability associated with ENSO and the role of the MJO.JClim,2005,18:1773-1789.

[16] 何金海,Murakami T,Nakazawa T.1979年夏季亚洲季风区域40—50天周期振荡的环流及其水汽输送场的变化.南京气象学院学报,1984,7(2):163-175.

[17] 穆明权,李崇银.1998年南海夏季风爆发与大气季节内振荡的活动.气候与环境研究,2000,5(4):375-387.

[18] Annamalai H,Slingo J M.Active/break cycles: Diagnosis of the intraseasonal variability over the Asian summer monsoon.ClimDyn,2001,18:85-102．

[19] Chan J C L,Ai W X,Xu J J.Mechanisms responsible for the maintenance of the 1998 South China Sea summer monsoon.JMeteorSocJapan,2002,80:1103-1113.

[20] 琚建华,钱诚,曹杰.东亚夏季风的季节内振荡研究.大气科学,2005,29(2):187-194.

[21] 琚建华,孙丹,吕俊梅.东亚季风涌对我国东部大尺度降水过程的影响分析.大气科学,2007,31(26):1129-1139.

[22] 韩荣青,李维京,董敏.北半球副热带-中纬度太平洋大气季节内振荡的纬向传播与东亚夏季旱涝.气象学报,2006,64(2):149-163.

[23] Wen M,Zhang R H.Quasi-biweekly oscillation of the convection around Sumatra and low-level tropical circulation in boreal spring.MonWeaRev,2008,136:189-205.

[24] Lawrence D M,Webster P J.The boreal summer intraseasonal oscillation:Relationship between northward and eastward movement of convection.JAtmosSci,2002,59:1593-1606.

[25] Rao S,Yamagata T.Abrupt termination of Indian Ocean dipole events in response to intraseasonal disturbances.GeophysResLett,2004,31(19):329-340.

[26] Han W Q,Shinoda T,Fu L L,et al.Impact of atmospheric intraseasonal oscillations on the Indian Ocean dipole during the 1990s.JPhysOceanogr,2006,36:670-690.

[27] Liebmann B,Hendon H,Glick J.The relationship between tropical cyclones of the western Pacific and Indian oceans and the Madden-Julian Oscillation.JMeteorSocJapan,1994,72:401-411.

[28] Molinari J,Knight D,Dickinson M,et al.Potential vorticity, easterly waves,and eastern Pacific tropical cyclogenesis.MonWeaRev,1997,125:2699-2708.

[29] Maloney E D,Hartmann D L.Modulation of eastern North Pacific hurricanes by the Madden-Julian Oscillation.JClim,2000,13:1451-1460.

[30] Higgins R W,Shi W.Intercomparison of the principal modes of interannual and intraseasonal variability of the North American monsoon system.JClim,2001,14:403-417.

[31] Bessafi M,Wheeler M C.Modulation of south Indian Ocean tropical cyclones by the Madden-Julian oscillation and convectively coupled equatorial waves.MonWeaRev,2006,134:638-656.

[32] 金小霞,何金海,占瑞芬,等.大气季节内振荡对热带气旋活动影响的研究进展.热带气象学报,2011,27(1):133-138.

[33] Jeong J H,Kim B M,Ho C H,et al.Systematic variation in wintertime precipitation in East Asia by MJO-induced extratropical vertical motion.JClim,2008,21:788-801.

[34] 吴俊杰,袁卓建,钱钰坤,等.热带季节内振荡对2008年初南方持续性冰冻雨雪天气的影响.热带气象学报,2009,25(增刊Ⅰ):103-112.

[35] Jia X L,Chen L J,Ren F M,et al.Impacts of the MJO on winter rainfall and circulation in China.AdvAtmosSci,2011,28(3):521-533.

[36] 贾小龙,梁潇云.热带MJO对2009年11月我国东部大范围雨雪天气的可能影响.热带气象学报,2011,27(5):639-648.

[37] Zhang R,Li T,Wen M,et al.Role of intraseasonal oscillation in asymmetric impacts of El Ni o and La Nia on the rainfall over southern China in boreal winter.ClimDyn,2015,45:559-567.

[38] Li T,Zhang R,Wen M.Impact of ENSO on the precipitation over China in winter half-years.JTropMeteorol,2015,21:161-170.

[39] 梁萍,丁一汇.基于季节内振荡的延伸期预报试验.大气科学,2012,36(1):102-116.

[40] 梁萍,何金海,穆海振.MJO在延伸期预报中的应用进展.气象科技进展,2013,3(1):31-38.

[41] Storch H,Xu J.Principal oscillation pattern analysis of the 30-60-day oscillation in the tropical troposphere.ClimDyn,1990,4:175-190.

[42] Waliser D E,Jones C,Schemm J K E,et al.A statistical extended-range tropical forecast model based on the slow evolution of the Madden-Julian Oscillation.JClim,1999,12:1918-1939.

[43] Lo F,Hendon H H.Empirical extended-range prediction of the Madden-Julian Oscillation.MonWeaRev,2000,128:2528-2543.

[44] Mo K C.Adaptive filtering and prediction of intraseasonal oscillations.MonWeaRev,2001,129:802-817.

[45] Wheeler M,Weickmann K M.Real-time monitoring and prediction of modes of coherent synoptic to intraseasonal tropical variability.MonWeaRev,2001,129:2677-2694.

[46] Jones C,Carvalho L M V,Wayne H R,et al.A statistical forecast model of tropical intraseasonal convective anomalies.JClim,2004,17:2078-2095.

[47] Maharaj E A,Wheeler M C.Forecasting an index of the Madden-oscillation.IntJClimatol,2005,25:1611-1618.

[48] Jiang X,Waliser D E,Wheeler M C,et al.Assessing the skill of an all-season statistical forecast model for the Madden-Julian Oscillation.MonWeaRev,2008,136:1940-1956.

[49] Love B S,Matthews A J,Janacek G J.Real-time extraction of the Madden-Julian Oscillation using empirical mode decomposition and statistical forecasting with a VARMA model.JClim,2008,21:5318-5335.

[50] Love B S,Matthews A J.Real-time localised forecasting of the Madden-Julian Oscillation using neural network models.QJRMeteorolSoc,2009,135:1471-1483.

[51] Seo K H,Wang W,Gottschalck J,et al.Evaluation of MJO forecast skill from several statistical and dynamical forecast models.JClim,2009,22:2372-2388.

[52] Kang I S,Kim H M.Assessment of MJO predictability for boreal winter with various statistical and dynamical models.JClim,2010,23:2368-2378.

[53] Kondrashov D,Chekroun M D,Robertson A W,et al.Loworder stochastic model and “past-noise forecasting” of the Madden-Julian Oscillation.GeophysResLett,2013,40:5305-5310.

[54] Cavanaugh N R,Teddy A,Subramanian A,et al.The skill of atmospheric linear inverse models in hindcasting the Madden-Julian Oscillation.ClimDyn,2014,44:897-906.

[55] Zhu Z W,Li T,Hsu P C,et al.A spatial-temporal projection for extended-range forecast in the tropics.ClimDyn,2015,45(3):1085-1098.

[56] Van den Dook H M.Searching for analogues,how long must we wait?Tellus,1994,46A:314-324.

[57] 贾小龙,袁媛,任福民,等.热带大气季节内振荡(MJO)实时监测预测业务.气象,2012,38(4):425-431.

[58] Hsu P C,Li T,You L,et al.A spatial-temporal projection method for 10-30-day forecast of heavy rainfall in Southern China.ClimDyn,2015,44(5):1227-1244.

[59] Slingo J M,Sperber K R,Boyle J S,et al.Intraseasonal oscillations in 15 atmospheric general circulation models:Results from an AMIP diagnostic subproject.ClimDyn,1996,12(5):325-357.

[60] Seo K H,Wang W.The Madden-Julian oscillation simulated in the NCEP Climate Forecast System model:The importance of stratiform heating.JClim,2009,23:4770-4793.

[61] Wang W Q,Jang P H,Almazroui M.Examination of multi-perturbation methods for ensemble prediction of the MJO during boreal summer.ClimDyn,2014,42:2627-2637.

[62] Rashid H A,Hendon H H,Wheeler M C,et al.Prediction of the Madden-Julian oscillation with the POAMA dynamical prediction system.ClimDyn,2011,36:649-661.

[63] Hudson D,Marshall A G,Yin Y H,et al.Improving intraseasonal prediction with a new ensemble generation strategy.MonWeaRev,2013,141:4429-4449.

[64] Kang I S,Jang P H,Almazroui M.Examination of multi-perturbation methods for ensemble prediction of the MJO during boreal summer.ClimDyn,2014,42:2627-2637.

[65] Fu X H,Lee J Y,Hsu P C,et al.Multi-model MJO forecasting during DYNAMO/CINDY period.ClimDyn,2013,41:1067-1081.

[66] Vitart F,Woolnough S,Balmaseda M A,et al.Monthly forecast of the Madden-Julian Oscillation using a coupled GCM.MonWeaRev,2007,135:2700-2715.

[67] Vitart F,Molteni F.Simulation of the MJO and its teleconnections in the ECMWF forecast system.QJRMeteorolSoc,2010,136:842-855.

[68] Vitart F.Evolution of ECMWF sub-seasonal forecast skill scores.QJRMeteorolSoc,2014,140:1889-1899.

[69] Fu X,Wang B,Bao Q,et al.Impacts of initial conditions on monsoon intraseasonal forecasting.GeophysResLett,2009,36,L08801,doi:10.1029/2009GL037166.

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

[71] Toth Z,Kalnay E.Ensemble forecasting at NMC: The generation of perturbations.BullAmerMeteorSoc,1993,74:2317-2330.

[72] Liess S,Waliser D E,Schubert S D.Predictability studies of the intraseasonal oscillation with the ECHAM5 GCM.JAtmosSci,2005,62:3320-3336.

[73] Chikamoto Y,Mukougawa H,Kubota T,et al.Evidence of growing bred vector associated with the tropical intraseasonal oscillation.GeophysResLett,2007,34:L04806,doi:10.1029/2006GL028450.

[74] Kug J S,Ham Y G,Kimoto M,et al.New approach for optimal perturbation method in ensemble climate prediction with empirical singular vector.ClimDyn,2010,35:331-340.

[75] Ham Y G,Schubert S D,Chang Y.Optimal Initial perturbations for ensemble prediction of the Madden-Julian Oscillation during boreal winter.JClim,2012,25:4932-4945.

[76] Neena J M,Lee J Y,Waliser D.Predictability of the Madden-Julian Oscillation in the Intraseasonal Variability Hindcast Experiment (ISVHE).JClim,2014,27:4531-4543.

[77] 宋连春,肖风劲,李威.我国现代化气候业务现状及未来发展趋势.应用气象学报,2013,24(5):513-520.

[78] 贾小龙,陈丽娟,高辉,等.我国短期气候预测技术进展.应用气象学报,2013,24(6):641-655.

[79] 封国林,赵俊虎,支蓉,等.动力-统计客观定量化汛期降水预测研究新进展.应用气象学报,2013,24(6):656-665.

[80] 李清泉,孙丞虎,袁媛,等.近20年我国气候监测预测业务技术的主要进展.应用气象学报,2013,24(6):666-676.

[81] 刘长征,杜良敏,柯宗建,等.国家气候中心多模式解释应用集成预测.应用气象学报,2013,24(6):677-685.

[82] 贾小龙,李崇银.热带大气季节内振荡及其数值模拟.北京:气象出版社,2010.

[83] Zhao C B,Zhou T J,Song L C,et al.The boreal summer intraseasonal oscillation simulated by four Chinese AGCMs participating in the CMIP5 project.AdvAtmosSci,2014,31(5):1167-1180.

[84] 吴统文,宋连春,刘向文.国家气候中心短期气候预测模式系统业务化进展.应用气象学报,2013,24(5):533-543.

[85] Wu T,Song L,Li W,et al.An overview of BCC climate system model development and application for climate change studies.JMeteorRes,2014,28(1):34-56.

[86] Xiang B,Zhao M,Jiang X,et al.The week MJO prediction skill in a GFDL Coupled Model.JClimate,2015,28:5351-5364, doi:10.1175/JCLI-D-15-0102.1.

[87] 丑纪范,任宏利.数值天气预报——另类途径的必要性和可行性.应用气象学报,2006,17(2):240-244.

[88] 任宏利.动力季节预测中预报误差与物理因子的关系.应用气象学报,2008,19(3):276-286.

[89] 郑志海,封国林,丑纪范,等.数值预报中自由度的压缩及误差相似性规律.应用气象学报,2010,21(2):139-148.

[90] 谭桂容,段浩,任宏利.中高纬度地区500 hPa高度场动力预测统计订正.应用气象学报,2012,23(3):304-311.

Progresses of MJO Prediction Researches and Developments

Ren Hongli1)Wu Jie1)2)Zhao Chongbo1)Liu Ying1)Jia Xiaolong1)Zhang Peiqun1)

1)(LaboratoryforClimateStudies,NationalClimateCenter,CMA,Beijing100081)2)(InstituteofAtmosphericScience,NanjingUniversityofInformationScience&Technology,Nanjing210044)

Madden-Julian oscillation (MJO) is the dominant mode of the sub-seasonal to seasonal (S2S) time-scale variability. It has great impacts on weather and climate events at low latitudes, and also influences the circulation at mid-high latitudes by its meridional propagation and stimulating teleconnection wave trains, which presents a primary source of predictability on extended-range time scale. Therefore, the MJO prediction, which is the crucial part of S2S climate prediction, has been paid much attention in recent years. Firstly, the history of MJO prediction is reviewed, and then the current status of MJO prediction in main international research and operation institutions is summarized. Furthermore, the latest progress of the MJO prediction technique development and operation system establishment in National Climate Center of China Meteorological Administration (NCC/CMA) is focused on. The development goal and research plan for the MJO prediction on next step in NCC/CMA are prospected finally.

Basic methodologies for the MJO prediction include the statistical and dynamical models. In recent years, big progresses have been made for two methodologies. For the former, the so-called spatial-temporal projection method (STPM) can extend the valid length of the MJO prediction to 25-30 days in terms of pentad mean. For the latter, atmospheric and coupled general circulation models (GCMs) have significantly pushed skills of the MJO prediction forward. Until now, the major research and operational institutions in the world have the valid prediction length longer than 20 days generally. More and more evidences indicate that the dynamical prediction based on GCMs is the most promising direction of MJO prediction. Indeed, it plays the crucial role in the model prediction that the GCMs need more adequate initial values including strong MJO signals, well designed initialization schemes making initial values dynamically consistent with model, and effectively perturbed ensemble members in terms of uncertainties from both initial values and model physics.

In NCC/CMA, its own MJO prediction system using both the statistical and model is developed. On one hand, the STPM is now applied to the quasi-operational MJO prediction and the countrywide extended-range pentad-mean prediction of China station precipitation. On the other hand, methods and techniques of using BCC_AGCM2.2 and BCC_CSM1.1(m) models are being developed quickly in NCC/CMA, where particularly, a real-time MJO monitoring prediction system based on BCC_AGCM2.0 is established, fed by observations which all from CMA. By this system, daily real-time monitoring and prediction operational products are issued for forecaster use. Recently, a new ensemble method has been put forwards by averaging prediction results of BCC_CSM 1.1(m) with three different initialization schemes, which can significantly improve the MJO prediction and make the valid length reach about 20 days. Further studies are necessary for the MJO prediction, especially for that using the coupled GCMs.

MJO; prediction technique; ensemble; operational system

10.11898/1001-7313.20150602

公益性行业(气象)科研专项(GYHY201406022)，国家重点基础研究发展计划(2015CB453203)，国家自然科学基金项目(41375062)

任宏利,吴捷,赵崇博,等. MJO预报研究进展. 应用气象学报，2015，26(6)：658-668.

2015-09-25收到， 2015-10-14收到再改稿。

* email: renhl@cma.gov.cn