大氣再分析資料中潛在可預報性的特征及其差異

吳玲玲,張建偉,鄧偉濤,王根

(1.南京信息工程大學 數學與統(tǒng)計學院,江蘇 南京 210044;2.氣象災害教育部重點實驗室(南京信息工程大學),江蘇 南京 210044)

大氣再分析資料中潛在可預報性的特征及其差異

吳玲玲1,張建偉1,鄧偉濤2,王根1

(1.南京信息工程大學 數學與統(tǒng)計學院,江蘇 南京 210044;2.氣象災害教育部重點實驗室(南京信息工程大學),江蘇 南京 210044)

利用1957年9月—2002年8月ECMWF和NCEP/NCAR月平均再分析資料,分別討論了冬季和夏季SLP(sea level pressure,海平面氣壓)、500 hPa高度、200 hPa緯向風和850 hPa經向風年際變率的潛在可預報性特征。結果表明:熱帶地區(qū)的潛在可預報性較高,尤其是赤道中東太平洋地區(qū),而中高緯地區(qū)的潛在可預報性則較低。比較兩套資料潛在可預報性的異同后發(fā)現:南半球的差異均明顯大于北半球,特別是南極地區(qū);低層變量的差異均大于中高層變量;東亞大陸在冬、夏季均具有一定的潛在可預報性;冬季各變量均表現出東亞冬季風具有較高的年際變率潛在可預報性,且兩套資料的差異較小;500 hPa位勢高度表現的東亞夏季風潛在可預報性在兩套資料中較一致,而低層變量(SLP和850 hPa經向風)表現的東亞夏季風年際變率潛在可預報性在兩套資料中存在較大差異。

再分析資料;潛在可預報性;東亞季風

0 引言

世界氣候研究計劃的“氣候變率與可預報性研究”(CLIVAR)計劃不僅重視氣候變化機制的研究,也十分重視氣候可預報性的研究,以及實際氣候預測的試驗,并最終實現對不同時間尺度變化的預測(李崇銀,1999)。在CLIVAR計劃中已對不同時間尺度的氣候預測提出了要求,目前側重研究的是季節(jié)到年際時間尺度的數值模擬預測問題(Molteni et al.,1996;Masao et al.,1997;Mason et al.,1999)。雖然數值模擬對氣候變化進行預測已經取得了一定的成績,但是預測結果卻存在著不確定性問題。氣候變化主要是由外界強迫和大氣內部動力過程所造成的,而它們各自所占的比例并不清楚,并且它們所占的比例也是隨時間變化的,這給氣候變化預測帶來了極大的不確定性,因此氣候可預報性的研究對氣候預測具有重要的意義(Brankovic et al.,1994;Harzallah and Sadourny,1995;王會軍,1997;Chen and Van den Dool,1997;Wang et al.,1997;Rowell,1998;Zheng et al.,2000;Kumar,2003;李忠賢等,2012)。

大氣再分析資料以及模式結果的季節(jié)平均變量被廣泛地應用于分析年際尺度上氣候的變率以及可預報性問題。Madden(1976)指出氣候變率一般可以分解為不可預報的“天氣噪聲”部分和潛在可預報部分,潛在可預報性就是潛在可預報部分占總氣候變率的比重。在分析年際尺度的氣候變率時,季節(jié)平均時間序列可以分解為外界強迫部分、大氣內部動力過程部分以及天氣噪聲部分(Lorenz,1970;Leith,1973;Zwier,1996)。大氣環(huán)流模式可通過多初始場集合的方法將外界強迫和大氣內部自然變率分開(Brankovic et al.,1994;Harzallah and Sadourny,1995;Zwier,1996;王會軍,1997;Chen and Van den Dool,1997;Wang et al.,1997;Rowell,1998;Kumar,2003),而再分析資料由于樣本數量的限制難以將兩者分開(Trenberth,1984;Zheng,1996;Zheng et al.,2000)。因此再分析資料中潛在可預報部分包括了外界強迫和大氣內部動力過程兩部分變率。

本文應用ECMWF的EAR-40(簡稱E資料)和NCEP/NCAR(簡稱N資料)兩套再分析月平均資料(1957年9月—2002年8月,共45 a),分析冬季(12月—次年2月)、夏季(6—8月)SLP、500 hPa位勢高度、850 hPa和200 hPa風場在年際變率時間尺度上的潛在可預報性特征及其潛在可預報性的差異。

1 方法

由于逐日資料具有非正態(tài)分布以及可利用性差的特征,Zheng et al.(2000)提出了利用月平均資料來估計季節(jié)平均時間序列潛在可預報性的方法,簡介如下。

首先將月平均資料減去各月的平均值,去除它的平均年循環(huán)分量;然后去除線性趨勢分量,得到時間長度為Y的時間序列x。在某一季節(jié)中,時間序列x可以表示為

xym=μy+εym。

(1)

式中:y(1,2,…,Y)代表年份;m(1,2,3)代表特定季節(jié)中的某個月;μy表示潛在可預報部分的季節(jié)異常值;εym表示不可預報部分的各月異常值。

將(1)式進行3個月的季節(jié)平均,得到

xyo=μy+εyo。

(2)

在對V(εyo)進行估計之前,必須對εym進行必要假定。首先假定εym的年際方差在各月中是獨立的,即有

V(εy1)=V(εy2)=V(εy3)。

(3)

因而它們的協(xié)方差有

V(εy1,εy2)=V(εy2,εy3)。

(4)

嚴格地說,對于過渡季節(jié)并不滿足該假設條件,而對于冬季和夏季是合理的。因此本文討論冬、夏季的情況。根據天氣過程超過一兩個星期具有不可預報性,進一步假設不相鄰月份的εym之間沒有相關性,即

V(εy1,εy3)=0。

(5)

另外,假設εy1-εy2和εy2-εy3需滿足正態(tài)分布,對于氣溫、氣壓、風場等基本上呈正態(tài)分布,但是降水卻不滿足正態(tài)分布。因此本文對SLP、500 hPa高度和850 hPa和200 hPa風場的潛在可預報性進行討論。

各參數估計量的表達式見表1,其詳細推導過程見文獻(Zheng et al.,2000),潛在可預報性的估計值(potential predictability)簡稱為IPP。

表1各參數評估量的表達式

Table 1 Formulas for parameter estimates

參數評估量表達式ν112Y∑Yy=1∑3m=1x2ym-∑m1≠m2xym1xym2[]ν212Y∑Yy=1(xy1-xy3)2^C(εy1,εy2)=^C(εy2,εy3)min0.1,max1.5-ν1ν2,0[]{}^C(εy1,εy3)0^V(εym),m=1,2,3-2ν2^C(εy1,εy2)+2ν13-4^C(εy1,εy2)^V(εyo)^V(εy1)[3+4^C(εy1,εy2)]9^V(xyo)1Y-1∑Yy=1(xyo-xoo)2^V(μy)^V(xyo)-^V(εyo)IPP^V(μy)^V(xyo)

(6)

R服從自由度為(Y-1,2Y)的F分布。給定顯著性水平α后,根據F分布表可以計算出R的臨界值,然后可計算得到臨界的IPP。

2 結果

圖1、圖2分別為冬、夏季E資料和N資料(鄭旭程和陳海山,2012;曾剛等,2013)SLP、500 hPa高度、200 hPa緯向風和850 hPa經向風的IPP分布,以及它們的差值分布(E資料-N資料)。各變量的IPP分布中,虛線(IPP≥0.3)表示通過0.10信度的顯著性檢驗,實線(IPP≥0.6)表示通過0.005信度的顯著性檢驗,陰影(IPP<0.3)表示沒有通過顯著性檢驗;在差值分布中,等值線為兩套再分析資料的IPP差值,陰影表示IPP差值的絕對值超過0.2。

2.1 冬季

兩套再分析資料的IPP分布具有很多相同之處,熱帶地區(qū)具有較高的IPP,而中緯度大部分地區(qū)IPP較低。由圖1a、c可以看出,冬季SLP在熱帶地區(qū)和極地地區(qū)都有較高的潛在可預報性,通過了0.10信度的顯著性檢驗。由圖1b、d可見,冬季500 hPa位勢高度的IPP分布與冬季SLP的情況有較大的相似性,整個熱帶地區(qū)都具有較大的IPP,而且緯向分布的特征非常明顯;極地大部分地區(qū)IPP超過了0.3。由圖1g、i可見,冬季200 hPa緯向風的IPP分布在赤道太平洋地區(qū)基本通過了0.10信度的顯著性檢驗,中東太平洋赤道附近及其南北兩側都存在IPP大于0.6的地區(qū);赤道大西洋大部分地區(qū)IPP大于0.6;東亞大陸—中國南?！獰釒в《妊蟮貐^(qū)的IPP通過了0.005信度的顯著性檢驗。由圖1h、j可看出,通過0.10信度的顯著性檢驗的冬季850 hPa經向風的IPP分布范圍較前三者均小,主要分布在熱帶地區(qū),貝加爾湖以南的東亞大陸,靠近美洲大陸一側的太平洋上和熱帶美洲的部分地區(qū)。

通過以上分析可知,具有較高IPP的地區(qū)主要位于熱帶地區(qū),說明熱帶地區(qū)大氣對下墊面海溫強迫有較強的響應,這主要是由于熱帶地區(qū)的海氣相互作用較強的緣故(Brankovic et al.,1994;Harzallah and Sadourny,1995;王會軍,1997;Chen and Van den Dool,1997;Wang et al.,1997;Rowell,1998;Zheng et al.,2000;Kumar,2003);小于0.3的IPP主要位于中高緯地區(qū),尤其是太平洋和大西洋的北部,這正是大氣瞬變波活動(風暴軸)較活躍的地區(qū)(Zheng,1996)。

兩套資料的冬季各變量的IPP分布存在一定的差異,其中最明顯的差異位于南極大陸及其附近地區(qū),與南極地區(qū)資料的可靠性較低有很大關系。在圖1e中,北半球高大地形處出現負差異,南半球的中高緯海洋和南極大陸兩者的差異較大。由圖1f可看出,兩套資料的冬季500 hPa位勢高度年際變率的IPP在北半球較一致,僅在中亞小部分地區(qū)出現了負差異,而在南半球的中高緯地區(qū)兩者的差異較大。由圖1k可看出,兩套資料的200 hPa緯向風的IPP分布在北半球基本一致,但在赤道和南半球中高緯部分地區(qū)存在一定的差異。由圖1l可看出,兩套資料的850 hPa經向風的IPP分布的差異較大,30°N以南地區(qū)都存在差異,30°N以北地區(qū)差異主要存在高大地形處。從總體上說,冬季各變量在北半球的差異要小于南半球,低層變量(SLP、850 hPa經向風)的差異均大于中高層變量(500 hPa位勢高度、200 hPa緯向風)。

圖1 冬季ECMWF(a,b,g,h)、NCEP/NCAR(c,d,i,j)再分析資料的潛在可預報性估計值IPP以及兩者的差值(e,f,k,l;ECWMF減NCEP/NCAR,陰影表示差值的絕對值大于0.2) a,c,e.SLP;b,d,f.500 hPa高度;g,i,k.200 hPa緯向風;h,j,l.850 hPa經向風Fig.1 (a,b,g,h)The ECMWF,(c,d,i,j)NCEP/NCAR reanalysis data’s estimated potential predictability in winter and (e,f,k,l)their differences(ECMWF-NCEP/NCAR, shaded areas denote the absolute value of over 0.2) a,c,e.SLP;b,d,f.500 hPa geopotential height;g,i,k.200 hPa U wind;h,j,l.850 hPa V wind

圖2 夏季ECMWF(a,b,g,h)、NCEP/NCAR(c,d,i,j)再分析資料的潛在可預報性估計值IPP以及兩者的差值(e,f,k,l;ECWMF減NCEP/NCAR,陰影表示差值的絕對值大于0.2) a,c,e.SLP;b,d,f.500 hPa高度;g,i,k.200 hPa緯向風;h,j,l.850 hPa經向風Fig.2 (a,b,g,h)The ECMWF,(c,d,i,j)NCEP/NCAR reanalysis data’s estimated potential predictability in summer and (e,f,k,l)their differences(ECMWF-NCEP/NCAR, shaded areas denote the absolute value of over 0.2) a,c,e.SLP;b,d,f.500 hPa geopotential height;g,i,k.200 hPa U wind;h,j,l.850 hPa V wind

冬季東亞大陸盛行由北向南的冬季風,東亞地區(qū)各變量(除了SLP和小范圍的850 hPa經向風)在年際變率上都存在一定的潛在可預報性;在盛行冬季風的地區(qū),兩套資料各變量的差異較小。因而就東亞冬季風在年際變率上的潛在可預報性而言,使用SLP(施能,1996)、500 hPa高度場(崔曉鵬和孫照渤,1999)、高層緯向風(Jhun and Lee,2004)以及低層經向風(Ji and Sun,1997)定義冬季風指數時兩套再分析資料基本上一致。表2給出了兩套再分析資料各東亞季風指數的潛在可預報性估計值及其差異(E資料-N資料),可以看出兩套資料各變量定義的東亞冬季風指數的IPP都通過了0.10信度的顯著性檢驗,具有一定的潛在可預報性,并且它們的差異都較小。雖然冬季SLP在東亞大陸上潛在可預報性較小,但是在東亞大陸東側的海洋上具有較高的潛在可預報性。由于施能(1996)定義的冬季風指數考慮了大陸和海洋的SLP之差,該冬季風指數的IPP也通過了0.10信度的顯著性檢驗。

表2兩套再分析資料冬、夏季各東亞季風指數的潛在可預報性估計值及其差異

Table 2 Estimated potential predictability of some variables of East Asian winter and summer monsoon and the differences between the two sets of reanalysis data

冬季夏季變量名E資料N資料差異變量名E資料N資料差異SLP(施能,1996)0.541)0.491)0.05SLP(施能等,1996)0.200.731)-0.532)500hPa高度(崔曉鵬和孫照渤,1999)0.511)0.541)-0.03500hPa高度(Huang,2004)0.401)0.461)-0.06300hPa緯向風(JhunandLee,2004)0.481)0.451)0.03200hPa緯向風(Lauetal.,2000)0.260.200.061000hPa經向風(JiandSun,1997)0.541)0.581)-0.04850hPa經向風(Zhangetal.,1996)0.010.581)-0.572)

注：1)表示通過0.10信度的顯著性檢驗;2)表示差值的絕對值大于0.2.

2.2 夏季

夏季熱帶地區(qū)各變量都具有較高的IPP,而中高緯地區(qū)的IPP都較小(<0.3)。夏季SLP的IPP(圖2a、c)與冬季相比較而言,具有顯著可預報性的地區(qū)向赤道收縮,其中赤道中東太平洋、馬來群島以及大西洋到非洲的赤道部分都具有較高的可預報性。與冬季不同的是,夏季SLP在貝加爾湖以南的東亞大陸具有較高的潛在可預報性,尤其是東亞中緯度地區(qū)。夏季500 hPa高度場的IPP(圖2b、d)仍然具有緯向分布的特點,整個熱帶地區(qū)都具有較高的潛在可預報性。與冬季相比,潛在可預報性較高的范圍向赤道地區(qū)收縮,在中高緯地區(qū)顯著潛在可預報性的范圍明顯減少。夏季200 hPa緯向風的IPP(圖2g、i)與冬季相比,北半球顯著區(qū)域的范圍明顯減小,赤道太平洋及其南側仍具有較大的IPP,而在赤道太平洋北側大于0.6的IPP消失了,赤道大西洋地區(qū)仍為IPP較高區(qū)。夏季850 hPa經向風的IPP分布(圖2h、j)與冬季較相似,顯著區(qū)仍位于熱帶地區(qū),極地的顯著區(qū)不及冬季范圍大?？傊?夏季兩套資料在熱帶仍具有較高的潛在可預報性,而中高緯和極地地區(qū)的潛在可預報性比冬季要弱。兩套資料夏季各變量的IPP同樣也存在一定的差異?？傮w而言,北半球的差異要小于南半球,南極仍為差異較大的地區(qū)。由圖2e可見,夏季SLP在亞洲至非洲北部地區(qū)、印度洋南部、非洲南部以及美洲大陸西側為負差異區(qū);與冬季相比較,亞洲大陸、非洲北部以及南極地區(qū)的負差異加大。由圖2f可見,夏季500 hPa高度場與冬季相比較,北半球的負差異范圍有所增加,而南半球印度洋南部由冬季的正差異轉變成夏季的負差異。圖2k表明,夏季200 hPa緯向風的IPP在北半球的差異較小,南半球中高緯差異較大;與冬季相比較,印度洋北部負差異增強,太平洋西側的暖池地區(qū)負差異減弱,北半球大西洋熱帶地區(qū)負差異增強,太平洋靠北美大陸一側由冬季負差異轉變成夏季正差異。由圖2l可見,夏季850 hPa經向風具有潛在可預報性的地區(qū)都存在IPP差異,其中最顯著的地區(qū)在熱帶及亞洲大陸。盛行夏季風的東亞大陸和索馬里越赤道氣流處都有較大的負差異,比冬季的負差異明顯。

對于盛行西南東亞夏季風地區(qū),其中低層SLP和850 hPa經向風的兩套資料的差異較明顯,高層500 hPa位勢高度和200 hPa緯向風的差異較小。因而就東亞夏季風年際變率的潛在可預報性而言,使用SLP(施能,1996)、850 hPa經向風(Zhang et al.,1996)定義東亞夏季風時使用兩套再分析資料就會存在一定差異,它們的差異分別為-0.53、-0.57(表2);而在使用500 hPa高度場(Huang,2004)、高層緯向風(Lau et al.,2000)定義夏季風時兩套再分析資料基本上一致,它們的差異僅-0.06、0.06(表2)。但是由于兩套資料夏季200 hPa緯向風在中緯度均為IPP小值區(qū),使得其東亞夏季風指數(Lau et al.,2000)都沒有通過0.10信度的顯著性檢驗。

3 結論

利用EWMWF和NCEP/NCAR月平均再分析資料,探討了冬、夏季SLP、500 hPa高度、200 hPa緯向風以及850 hPa經向風年際變率的潛在可預報性問題,并比較了兩套資料的潛在可預報性的差異,得到以下結論。

1)熱帶地區(qū)有較高的潛在可預報性,尤其是在赤道中東太平洋地區(qū),而中高緯地區(qū)的潛在可預報性較小。

2)兩套再分析資料年際變率的潛在可預報性之間存在一定差異,其中南半球的差異明顯大于北半球。南極地區(qū)差異比較顯著,這可能與南極資料的可靠性較差有很大的關系。中高層變量(500 hPa高度和200 hPa緯向風)之間的差異小于低層變量(SLP和850 hPa經向風)。

3)不論冬季還是夏季,各變量在東亞大陸地區(qū)均有一定的潛在可預報性,說明兩套再分析資料都能反映出東亞冬季風和夏季風的年際變率。從各變量計算得到的季風指數來看,冬季各變量都較好地表現出季風年際變率的潛在可預報性,且兩套資料的差異較小。使用500 hPa位勢高度定義的夏季風指數潛在可預報性在兩套資料中較一致;而使用SLP和850 hPa經向風定義的夏季風指數潛在可預報性在兩套資料中存在較大差異,EWMWF資料不及NCEP/NCAR資料。

崔曉鵬,孫照渤.1999.東亞冬季風強度指數及其變化的分析[J].南京氣象學院學報,22(3):321-325.

李崇銀.1999.21世紀的氣候變化及其可預測性研究——國際CLIVAR計劃及科學大會介紹[J].應用氣象學報,10(增刊):158-160.

李忠賢,陳海山,倪東鴻,等.2012.土壤溫度對東亞夏季氣候潛在可預報性影響的數值模擬.大氣科學學報,35(4):423-430.

施能.1996.近40年東亞冬季風強度的多時間尺度變化特征及其與氣候的關系[J].應用氣象學報,7(2):175-182.

施能,魯建軍,朱乾根.1996.夏季風百年強度指數及其氣候變化[J].南京氣象學院學報,19(2):168-177.

王會軍.1997.試論短期氣候預測的不確定性[J].氣候與環(huán)境研究,2(4):333-338.

曾剛,伯忠凱,倪東鴻,等.2013.多套大氣再分析資料的南亞高壓強度變化特征及其與海表溫度異常關系的比較分析.大氣科學學報,36(5):577-585.

鄭旭程,陳海山.2012.全球春、夏陸面熱力狀況變化特征:NCEP/NCAR與EAR40再分析資料的比較.大氣科學學報,35(1):41-50.

Brankovic C,Palmer T N,Ferranti L.1994.Predictability of seasonal atmospheric variations[J].J Climate,7(2):217-237.

Chen W Y,Van den Dool H M.1997.Atmospheric predictability of seasonal,annual,and decadal climate means and the role of the ENSO cycle:A model study[J].J Climate,10(6):1236-1254.

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.

Huang G.2004.An index measuring the interannual variation of the East Asian summer monsoon——the EAP index[J].Adv Atmos Sci,21(1):41-52.

Jhun J G,Lee E J.2004.A new East Asian winter monsoon index and associated characteristics of the winter monsoon[J].J Climate,17(4):711-726.

Ji L R,Sun S Q.1997.Model study on the interannual variability of Asian winter monsoon and its influence[J].Adv Atmos Sci,14(1):1-22.

Kumar A.2003.Variability and predictability of 200 mb seasonal mean heights during summer and winter[J].J Geophys Res,108(D5):4169.doi:10.1029/2002JD002728.

Lau K M,Kim K M,Yang S.2000.Dynamical and boundary forcing characteristics of regional components of the Asian summer monsoon[J].J Climate,13(14):2461-2482.

Leith C E.1973.The standard error of time-average estimates of climatic means[J].J Appl Meteor,12(6):1066-1069.

Lorenz E N.1970.Climate change as a mathematical problem[J].J Appl Meteor,9(3):325-329.

Madden R A.1976.Estimates of the natural variability of time averaged sea level pressure[J].Mon Wea Rev,104(7):942-952.

Masao K,Arun K Hann-Ming H J,et al.1997.NCEP dynamical seasonal forecast system[J].Bull Amer Meteor Soc,83(7):1019-1037.

Mason S J,Goddard L,Graham N E,et al.1999.The IRI seasonal climate prediction system and the 1997/98 El Nio event[J].Bull Amer Meteor Soc,80(9):1853-1873.

Molteni F,Buizza R,Palmer T N,et al.1996.The ECMWF ensemble prediction system:Methodology and validation[J].Quart J Roy Meteor,122(529):73-119.

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

Trenberth K E.1984.Some effects of finite sample size and persistence on meteorological statistics.Part Ⅱ:Potential predictability[J].Mon Wea Rev,112(12):2369-2379.

Wang H J,Xue F,Bi X Q.1997.The interannual variability and predictability in a global climate model[J].Adv Atmos Sci,14(4):554-562.

Zhang R H,Sumi A,Kimoto M.1996.Impact of El Nio on the East Asian monsoon:A diagnostic study of 86/87 and 91/92 events[J].J Meteor Soc Japan,74(1):49-62.

Zheng X G.1996.Unbiased estimation of autocorrelations of daily meteorological variables[J].J Climate,9(9):2197-2203.

Zheng X G,Nakamura H,Renwick J A.2000.Potential predictability of seasonal means based on monthly time series of meteorological variables[J].J Climate,13(14):2591-2604.

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

(責任編輯：張福穎)

Characteristicsofpotentialpredictabilityinatmosphericreanalysisdataandtheirdifferences

WU Ling-Ling1,ZHANG Jian-wei1,DENG Wei-tao2,WANG Gen1

(1.School of Mathematics and Statistics,NUIST,Nanjing 210044,China;2.Key Laboratory of Meteorological Disaster(NUIST),Ministry of Education,Nanjing 210044,China)

By using ECWMF and NCEP/NCAR monthly mean reanalysis data(from September 1957 to August 2002),characteristics of interannual potential predictability of SLP,500 hPa geopotential height,200 hPa zonal wind and 850 hPa meridional wind in winter and summer are analyzed respectively.The results show that the potential predictability is high in the tropics,especially the equatorial area and eastern Pacific.In contrast,the potential predictability is relatively low over the middle and high latitudinal areas.After comparing the differences between these two sets of reanalysis data,we find that the difference in the Southern Hemisphere is more obvious than that in the Northern Hemisphere,especially around the South Pole.The difference in low-level variables is larger than those in middle-and high-level variables.There exists some potential predictability in East Asian in both winter and summer.East Asian winter monsoon described by all the variables in both two sets of reanalysis data has high potential predictability with little difference.Only the East Asian summer monsoon described by 500 hPa geopotential height shows high potential predictability with little difference.There are obvious differences in East Asian summer monsoon’s potential predictability with low-level variables including SLP and 850 hPa meridional wind between the two sets of reanalysis data.

reanalysis data;potential predictability;East Asian monsoon

2012-03-12;改回日期2012-10-08

國家自然科學基金資助項目(41205035;61173072);江蘇省高校自然科學研究面上項目(13KJB170013;10KJB170007);江蘇省普通高校研究生科研創(chuàng)新計劃項目(CXZZ11_0627);氣象災害省部共建教育部重點實驗室開發(fā)課題(KLME1104)

張建偉,博士,教授,博士生導師,研究方向為數值分析與算法和空間天氣建模,Zhangjw@nuist.edu.cn.

10.13878/j.cnki.dqkxxb.20120312005.

1674-7097(2014)04-0509-08

P468

A

10.13878/j.cnki.dqkxxb.20120312005

吳玲玲,張建偉,鄧偉濤，等.2014.大氣再分析資料中潛在可預報性的特征及其差異[J].大氣科學學報,37(4):509-516.

Wu Ling-Ling,Zhang Jian-wei,Deng Wei-tao,et al.2014.Characteristics of potential predictability in atmospheric reanalysis data and their differences[J].Trans Atmos Sci,37(4):509-516.(in Chinese)