六个气候系统模式对西南地区2 m温度的预报检验分析

蔡宏珂 , 郑嘉雯, , 毛雅琴 , 衡志炜 , 曾 琳

（1. 成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室, 成都 610225；2. 广东省广州市气象台, 广州 511430；3. 中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610072）

引言

我国西南地区地形复杂，以盆地、丘陵地形为主，被高山包围，又处于中国气候南北分界线附近，这种复杂的地形使得西南地区长期处于冷空气与暖湿气流交汇地带，夏季闷热潮湿，冬季阴冷多雨，春秋季多云多雾。西南气候极其复杂，尤其是地形不连续、海拔高度差异较大的地区还有着显著的立体气候特征，高温热浪、阶段性严寒等极端天气频发。不同地区高温、严寒等极端天气的强度以及维持时间也随地形等因素的变化存在着明显的差异，使得开展西南区域预报时经常无法把握地形、地貌等因素对气象要素的影响，严重降低了气候模式在西南地区的预测准确度，这也是众多模式在西南地区预报能力偏弱的原因。模式在西南地区的预测水平普遍低下，不同模式之间模拟能力差异显著，但均在青藏高原地区效果最差，相对而言对气温空间分布的模拟效果优于气温变化。

评估一种模式大都是介绍模式的基本内容，选定不同的评判方法将预报值与实测值做比较，得出模式预报场与实况场的差别，进而找出存在的不足，不断地优化模式[1]。BCC_CSM1.1m、ECMWF_SYSTEM5、NCEP_CFSv2是现在比较成熟的数值预报模式，已经得到了广泛的应用。BCC_CSM1.1m气候模式是国家气候中心研制的全球海气耦合模式，能够很好地模拟我国降水、气温特征，但与实况相比，仍存在着温度场、风场、高度场的配置差异[2-7]。ECMWF_SYSTEM5气候模式是欧洲中心的中期天气预报模式，具有较高的预报水平[8-9]。NCEP气候模式是美国国家环境预测中心研制的短期气候业务预测模式，受到各国广泛应用，该模式对中国降水预报能力的总体水平不高，但空间态预测较为准确[10-11]。FGOALS_f、FGOALS_s2、PCCSM4是我国近几年新研发的气候模式系统，对这3种模式的研究不多。其中，FGOALS_f、FGOALS_s2气候模式是中国科学院大气物理研究所研发的海气耦合模式，能够很好地模拟出东亚气候态和降水空间分布，但对于局部气温和降水演变的模拟效果较差[12-15]。而PCCSM4气候模式是我国基于美国国家大气研究中心CCSM4.0研发的一个气候预测系统。总的说来，已有很多科学家对BCC_CSM1.1m、ECMWF_SYSTEM5、NCEP_CFSv2这3种模式在中国区域的模拟能力进行了评估[16-20]，而对近年来才研发的FGOALS_f、FGOALS_s2、PCCSM4模式的研究较少，并且相关研究集中于我国东南部地区，对我国西南部的研究较少，缺乏对这6种模式在西南地区预测能力的系统性评估。

本文拟通过计算BCC_CSM1.1m、ECMWF_SYSTEM5、NCEP_CFSv2、FGOALS_f、FGOALS_s2、PCCSM4共6种气候模式预报1994~2018年西南地区2 m气温的空间相关系数和时间距平相关系数，评估不同气候模式在西南地区的预测能力，以期为不断完善气候模式并提高模式在西南地区的预测能力提供科技支撑。

1 数据和方法

1.1 模式资料和再分析数据资料

本文选取了6种气候模式对我国西南地区气温的逐月预报数据，水平分辨率均为1°×1°，时间长度均为1994年1月~2018年12月。这6种海气动力耦合模式分别是：BCC_CSM1.1m（国家气候中心）、ECMWF_SYSTEM5（欧洲中心天气预报中心季节预测系统）、NCEP_CFSv2（ 美国国家环境预测中心第二代气候预测系统）、FGOALS_f（中国科学院大气物理研究所）、FGOALS_s2（中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室，LASG）和PCCSM4（中国科学院竺可桢-南森国际研究中心）；BCC_CSM1.1m、NCEP CFSv2、ECMWF_SYSTEM5、FGOALS_f、FGOALS_s2、PCCSM4气 候模式的预报时效分别为12个月、9个月、6个月、6个月、6个月和6个月，为进行各模式预报效果对比分析，均选用预报时效为1~6个月的数据进行研究。

此外，本文中用于检验的数据是气象部门研发的我国第一代全球大气和陆面再分析资料（CRA），水平分辨率为34 km，为了方便分析，将其双线性插值到与模式一致的水平网格上。

1.2 评估方法

本文将BCC_CSM1.1m、ECMWF_SYSTEM5、NCEP_CFSv2、FGOALS_f、FGOALS_s2和PCCSM4模式的预测数据与CRA再分析资料（代替实况数据）进行对比分析，评估上述6种模式的预报能力。

令xi,j代 表观测值，fi,j代表预测值，其中i=1, 2,3,···,M代 表 评 价 区 域 的 格 点 数，j= 1, 2, 3,···,N代 表时间序列。

距平相关系数（Anomaly Correlation Coefficient，简称ACC），主要反映出预报与观测异常场空间型的相似程度，也可称为空间相关系数，计算公式如下：

与ACC不同，时间距平相关系数（Temporal Correlation Coefficient，简称TCC）能够表征模式在每个格点的预报能力，得到预报技巧的空间分布，其计算公式如下：

ACC和TCC的取值范围均为[-1，1]，越接近于1代表预报技巧越高。

2 西南地区2 m温度气候背景分析

从我国西南地区海拔高度的空间分布（图1）可以看出，西南区域地形极为复杂，拥有盆地、高原及丘陵等地形特征，并且区域及海拔跨度大。结合1994~2018年多年平均2 m温度空间分布（图2a）可知，西南地区温度分布呈自西北向东南逐渐递增的态势，其中四川盆地温度较同一经纬度地区偏高，该分布特征与西南地区海拔高度的变化趋势较为一致。

图1 西南地区地形

结合6个气候系统模式1994~2018年预测场与实况场均方根误差空间分布（图2b~g）可知：对于海拔高度>3000 m的高原区域2 m温度，各模式预测场和实况差异较大，其中ECMWF_SYSTEM5和FGOALS_s2模式的误差更为明显；除此之外，各模式预测场和实况的均方根误差空间分布均从西南向东北呈递增趋势，即模式对西南地区西南部2 m温度的初始误差较小，但上述两种模式的初始误差仍为最大。值得注意的是，对于四川东部盆地地区2 m温度，ECMWF_SYSTEM5模式预测场的均方根误差较小，说明该模式的2 m温度预报对我国西南地区地形变化的敏感程度最高。总体而言，FGOALS_f模式的均方根误差最小，FGOALS_s2和ECMWF_SYSTEM5模式的均方根误差最大，其余模式差异较小。

图2 1994~2018年平均西南地区2 m温度空间分布(a. CRA再分析资料，单位：K)；不同气候系统模式模拟西南地区2 m气温的预测场与实况场均方根误差空间分布（b. BCC_CSM1.1m，c. ECMWF_SYSTEM5，d. NCEP_CFSv2，e. FGOALS_f，f. FGOALS_s2，g. PCCSM4）

3 各模式对西南地区2 m温度预测的ACC分析

空间相关系数（ACC）是体现模式在同一空间下的预测空间型和观测的相似程度，也是短期气候预测中最常用的检验方法之一，着重体现模式是否能预测要素场空间分布的特征，从而反映模式的总体预测性能。

从1994~2018年不同模式年最大ACC的变化（图3a）来看，各模式对西南区域2 m温度的空间型均有一定的预报能力，除PCCSM4和ECMWF_SYSTEM5模式的最大ACC随时间变化有所下降外，其余模式无明显变化趋势，其中尤以ECMWF_SYSTEM5模式在2016~2018年下降趋势最为明显；对比分析各模式的年最大ACC可知，PCCSM4、NCEP_CFSv2和FGOALS_f模式对西南区域的空间刻画能力较强。从各气候模式年最小ACC的变化（图3b）来看，除NCEP_CFSv2模式在2010年和ECMWF_SYSTEM5模式在2017年的最小ACC>0，1994~2018年其余模式的最小ACC均<0；ECMWF_SYSTEM5模式对西南区域2 m温度预报的年最小ACC随时间有上升的变化趋势，其上升趋势在2016~2018年最为显著，其余模式变化趋势较小；结合ECMWF_SYSTEM5模式年最大ACC的变化趋势可知，该模式自2016年起预报稳定度有所提升，其原因可能与欧洲中心模式升级有关，仍需进一步研究。

图3 1994~2018年各模式年最大ACC（a）和年最小ACC（b）

从上述分析可看出，模式对西南区域不同子区域的预报效果有所差异，并且由于各模式的预报时效不一致，为对比分析各模式在不同子区域的预报效果，本文综合考虑地形（图1）和模式预测场误差（图2），将西南地区分为西南（97°~105°E、21°~28°N）、东部（105°~111°E、21°~35°N）和西北（97°~105°E、28°~35°N）3个子区域，并选取预报时效为1~6个月各子区域的平均ACC（图4）进行对比分析。BCC_CSM1.1m模式对西南区域海拔较高的西北部和海拔较低的东部区域2 m温度的预报效果较好，其ACC几乎均在0以上，但在海拔高度为1000~3000 m西南部的预报效果欠佳，可看出该模式模拟地形变化较大地区的能力较差。对于西南地区的西南和东部区域，采用ECMWF_SYSTEM5模式进行预报的ACC较高，但随着预报时效的延长，采用FGOALS_f和FGOALS_s的预报效果逐渐提升。对于海拔较高的西北地区，在不同的预报时效下，采用BCC_CSM1.1m的预报效果均为最佳。不同气候模式对西南地区2 m温度预报的ACC并非都随预报时效的延长而降低。在西南子区域（图4a），各模式预报的ACC随着预报时效的延长呈先减小后增大的变化趋势。在东部子区域（图4b），BCC_CSM1.1m、NCEP_CFSv2和ECMWF_SYSTEM5模式预报的ACC并不随预报时效的延长而显著变化，模式预报稳定度较高；FGOALS_f模式预报的ACC随预报时效的延长表现出双峰结构，其余各模式预报的ACC仍随预报时效的延长呈先减后增的变化趋势。在西北子区域（图4c），各模式的预报稳定度高于其余子区域，ACC并不随预报时效的延长而显著改变，其成因仍需进一步分析。

图4 不同预报时效各模式在西南地区各子区域的平均ACC（a. 西南，b. 东部，c. 西北）

4 各模式对西南地区2 m温度预测的TCC分析

时间距平相关系数（TCC）多用于比较同一格点上模式预测值与实测值的差异，体现的是时间序列的位相相似性。本节首先分析了各模式在预报时效为1个月时的TCC空间分布特征，然后对各模式预报西南区域的平均TCC进行对比，进而全面评估各模式对西南区域2m温度的预报效果。

当预报时效为1个月时，从各模式对西南区域2 m温度预报的TCC空间分布（图5）来看，各模式对西南区域2 m温度有一定的预报效果，TCC数值在大部分区域超过0.5。整体而言，各模式对西南区域东部的预报效果优于西部；尤其是NCEP_CFSv2和FGOALS_f模式对西南区域西部的预报TCC介于0~0.1，预报效果较差，这可能是西部地势较高且天气物理过程具有特殊性导致的。PCCSM4模式对高原区域预报效果较NCEP_CFSv2和FGOALS_f模式好，但对于盆地和高原的过渡区域，即地形起伏较大的区域，其预报效果较差。而对于其他气候模式而言，地形影响较小，2 m温度预报的TCC水平分布较均匀，其中FGOALS_s2模式在预报时效为1个月时对西南区域2 m温度预报的平均TCC最高。

图5 预报时效为1个月时不同气候模式预报西南地区2 m气温的TCC空间分布（a. BCC_CSM1.1m，b. ECMWF_SYSTEM5，c.NCEP_CFSv2，d. FGOALS_f，e. FGOALS_s2，f. PCCSM4）

如图6所示，各模式预报西南地区不同子区域2 m温度的平均TCC均高于0，且并不随预报时效的延长而有显著变化，可见各气候模式对西南区域2 m温度均有一定的预报效果且预报稳定度较高。在西南子区域（图6a），采用FGOALS_s2和PCCSM4模式的整体预报效果较好；在东部子区域（图6b），采用PCCSM4和NCEP_CFSv2模式的预报效果较好；在西北子区域（图6c），采用FGOALS_s2和ECMWF_SYSTEM5模式的预报效果较好。和ACC不同，各模式预报西南地区不同子区域2 m温度的平均TCC随预报时效的延长均呈“双峰”变化特征，其中各模式在预报时效为1~3个月时的TCC变化趋势较为一致。

图6 同图4，但为TCC

从上述分析可知，各模式对西南区域2 m温度预报的TCC并非随着预报时效的延长而呈现出单一下降的变化趋势。图7给出了各模式在预报时效为1~3个月时的TCC变化趋势空间分布。如图所示，对于预报时效为1个月时的TCC数值相对较高且预报效果分布较均匀的BCC_CSM1.1m、ECMWF_SYSTEM5模式，其预报的TCC变化趋势变化较小，预报稳定度较高。而对于其他模式，在预报时效为1个月时的TCC数值较高的区域，其预报的TCC呈下降趋势；在预报时效为1个月时的TCC数值较低的区域，其预报的TCC呈增加趋势。这可能是模式系统性偏差与预报误差相抵消或者模式本身的不稳定性导致的。

图7 预报时效为1~3个月时不同气候模式预报西南地区2 m气温的TCC变化趋势空间分布（a. BCC_CSM1.1m，b. ECMWF_SYSTEM5，c. NCEP_CFSv2，d. FGOALS_f，e. FGOALS_s2，f. PCCSM4）

5 结论

本文通过计算BCC_CSM1.1m、ECMWF_SYSTEM5、NCEP_CFSv2、FGOALS_f、FGOALS_s2、PCCSM4气候模式预报1994~2018年西南地区2 m气温的空间相关系数和时间距平相关系数，对比分析了这6种气候模式在西南地区的初始误差和预测能力，得到以下结论：

（1）FGOALS_s2和ECMWF_SYSTEM5模式的均方根误差最大，其余模式差异较小，FGOALS_f模式的均方根误差最小。ECMWF_SYSTEM5模式模拟四川东部盆地地区2 m温度的均方根误差较小，说明该模式的2 m温度预报对我国西南地区地形变化的敏感程度最高。

（2）对于西南地区的西南和东部区域，采用ECMWF_SYSTEM5模式进行预报的ACC较高，但随着预报时效的延长，采用FGOALS_f和FGOALS_s的预报效果逐渐提升。对于海拔较高的西北地区，在不同的预报时效下，采用BCC_CSM1.1m的预报效果均为最佳。不同气候模式对西南地区2 m温度预报的ACC并非都是随着预报时效的延长而降低。在西南子区域，各模式预报的ACC都随着预报时效的延长呈先减小后增大的变化趋势。在东部子区域，BCC_CSM1.1m、NCEP_CFSv2和ECMWF_SYSTEM5模式预报的ACC并不随预报时效的变化而显著改变，模式预报稳定度较高；FGOALS_f模式预报的ACC随预报时效的变化表现出双峰结构，其余各模式预报的ACC仍随预报时效的延长呈先减后增的变化趋势。在西北子区域，各模式的预报稳定度高于其余子区域，ACC并不随预报时效的变化而显著改变。

（3）当预报时效为1个月时，从各模式对西南区域2 m温度预报的TCC空间分布来看，各模式对西南区域东部的预报效果优于西部，这可能是西部地势较高且天气物理过程具有特殊性导致的。PCCSM4模式对高原区域预报效果较好，但对于盆地和高原的过渡区域，即地形起伏较大的区域，其预报效果仍然较差。对西南子区域，采用FGOALS_s2和PCCSM4模式的预报效果较好；对于西北子区域，采用FGOALS_s2和ECMWF_SYSTEM5模式的预报效果较好；对于东部子区域，采用PCCSM4和NCEP_CFSv2模式的预报效果较好。随预报时效的延长，各模式预报西南地区不同子区域2 m温度的平均TCC均呈“双峰”变化特征，其中当预报时效为1~3个月时的TCC变化趋势较为一致。

（4）对于预报时效为1个月时的TCC数值相对较高且预报效果分布较均匀的BCC_CSM1.1m、ECMWF_SYSTEM5模式，其预报的TCC变化趋势变化较小，预报稳定度较高。而对于其他模式，在预报时效为1个月时的TCC数值较高的区域，其预报的TCC呈下降趋势；在预报时效为1个月时的TCC数值较低的区域，其预报的TCC呈增加趋势。这可能是模式系统性偏差与预报误差相抵消或者模式本身的不稳定性导致的。