BCC_CSM模式夏季關(guān)鍵區(qū)海溫回報評估

汪栩加 鄭志海 封國林 王闊 申茜

?

BCC_CSM模式夏季關(guān)鍵區(qū)海溫回報評估

汪栩加1鄭志海2封國林2王闊1申茜1

1蘭州大學(xué)大氣科學(xué)學(xué)院，蘭州730000;2國家氣候中心氣候研究開放實驗室，北京100081

利用國家氣候中心氣候系統(tǒng)模式（Beijing Climate Center Climate System Model, BCC_CSM）的汛期回報試驗數(shù)據(jù)集，評估了夏季中低緯度海表面溫度（Sea Surface Temperature，SST）的預(yù)測能力。結(jié)果表明：該模式對夏季中低緯海溫具有一定的預(yù)測能力，且在低緯地區(qū)的預(yù)測技巧尤為出色。對太平洋、熱帶印度洋和北大西洋這三個關(guān)鍵區(qū)進(jìn)一步分析發(fā)現(xiàn)，該模式對不同海區(qū)海溫的預(yù)測能力有所不同。其中，模式對夏季北太平洋海溫及Ni?o 3.4指數(shù)表現(xiàn)出顯著的預(yù)測技巧，對熱帶印度洋、北大西洋海溫及熱帶印度洋全區(qū)一致海溫模態(tài)（Indian Ocean Basin-wide Warming，IOBW）也表現(xiàn)出一定的預(yù)測技巧，而對北大西洋海溫三極子模態(tài)（North Atlantic Tripole，NAT）的技巧相對較低。研究發(fā)現(xiàn)，預(yù)測技巧與前冬的ENSO狀態(tài)密切相關(guān)，當(dāng)前冬位于ENSO異常位相時，BCC_CSM模式對于三大海區(qū)夏季海溫的預(yù)測技巧要高于前冬位于ENSO正常位相時，且對NAT指數(shù)也具有更高的預(yù)測技巧。前冬ENSO所處的位相對于該模式對夏季Ni?o 3.4指數(shù)及IOBW指數(shù)的預(yù)測技巧影響不明顯。此外，該模式對夏季海溫的預(yù)測技巧依賴于超前時間，預(yù)測技巧在大部分情形下超前1個月的預(yù)測技巧相對更高。

BCC_CSM模式 夏季海溫 回報 評估

1 引言

近幾十年來，隨著動力季節(jié)預(yù)報的迅速發(fā)展，國內(nèi)外的氣候預(yù)測部門都發(fā)展和建立了各自的季節(jié)預(yù)報模式系統(tǒng)（Vitart，2004；Saha et al., 2010，2014；吳統(tǒng)文等，2013），而且這些系統(tǒng)已逐漸在季節(jié)預(yù)報中發(fā)揮越來越重要的作用（Stockdale et al.，2010；丁一匯，2011）。圍繞動力季節(jié)預(yù)報，研究人員對這些預(yù)報模式系統(tǒng)開展了大量的評估工作（Palmer and Hagedorn，2006；Wang et al., 2005；Bader et al., 2008；NRC/NRS，2010；Kumar and Krishinamuriti，2012；董敏等，2013），在此基礎(chǔ)上對當(dāng)前的動力季節(jié)預(yù)報的水平和技巧有了更為深入的了解和認(rèn)識。目前氣候模式的季節(jié)預(yù)測技巧具有很大的空間分布差異：預(yù)測技巧主要集中在熱帶海洋區(qū)域，尤其是ENSO地區(qū)預(yù)測技巧最為顯著，熱帶印度洋區(qū)域預(yù)測技巧次之，對于中高緯海洋的預(yù)測技巧普遍較低（Wang et al., 2009）；對于我國所在的東亞夏季風(fēng)區(qū)以及汛期降水的預(yù)測技巧普遍偏低（Sun and Ding，2009；Krishinamuriti and Kumar，2012），關(guān)鍵區(qū)海溫預(yù)報不夠準(zhǔn)確以及東亞地區(qū)參數(shù)化方案不夠完善是造成技巧偏低其中的重要原因（丁一匯，2011）。

季節(jié)氣候可預(yù)測的信息源主要來自于氣候系統(tǒng)中的緩變分量的作用，海洋的記憶是全球季節(jié)氣候預(yù)測最重要的信號，因此動力模式對關(guān)鍵區(qū)海溫的預(yù)測能力備受關(guān)注。厄爾尼諾和南方濤動（ENSO）是已知的年際氣候變率最重要的可預(yù)測源（Bjerkness，1966，1969），熱帶太平洋的海氣耦合現(xiàn)象的尺度較大，對全球氣候有著重要影響（Lau and Nath，1994；Alexander et al., 2002）。對東亞地區(qū)而言，ENSO也被認(rèn)為是影響東亞夏季風(fēng)年際異常的關(guān)鍵因子（Zhang et al., 1999；Chang et al., 2000；Zhou and Chan，2007；Zhou et al., 2009），它通過大氣環(huán)流以“遙相關(guān)”的形式來影響東亞季風(fēng)系統(tǒng)。研究表明（Zhang et al., 1996；龔道溢和王紹武，1999；金祖輝和陶詩言，1999；Wu B et al., 2009；Zhou et al., 2009），東亞夏季風(fēng)的強弱與ENSO的位相和強度密切相關(guān)，且不同類型的ENSO事件對東亞季風(fēng)系統(tǒng)的影響也有明顯差異。因此，動力模式對ENSO循環(huán)的預(yù)測能力決定著它對東亞夏季風(fēng)預(yù)測的可信度。除熱帶太平洋外，其他海域的海溫對東亞地區(qū)季節(jié)氣候變率同樣存在重要影響，如北太平洋、北大西洋和熱帶印度洋。北太平洋是北半球氣候系統(tǒng)的一個重要組成部分，它包含了北太平洋濤動（North Pacific Oscillation，NPO）和太平洋年代際濤動（Pacific Decadal Oscillation，PDO）等氣候模態(tài)，北太平洋海氣耦合系統(tǒng)是對亞洲和北美等區(qū)域氣候變化影響較大的信號源之一。北大西洋海溫異常被認(rèn)為是聯(lián)系春季北大西洋濤動（North Atlantic Oscillation，NAO）和東亞夏季風(fēng)的重要橋梁（Palmer and Sun，1985），是造成東亞夏季大氣環(huán)流尤其是中高緯度環(huán)流異常的重要原因之一（Wu Z W et al., 2009；左金清等，2012），數(shù)值試驗結(jié)果也揭示了北大西洋海溫對東亞環(huán)流的重要影響（楊修群等，1992；Lu and Dong，2005）。印度洋是亞澳季風(fēng)區(qū)下墊面的一個重要組成部分，其熱力狀況的改變會通過海氣相互作用影響到亞澳季風(fēng)及亞澳地區(qū)天氣氣候異常，是東亞等地區(qū)夏季環(huán)流異常的信號來源之一（晏紅明和肖子牛，2000；Guan and Yamagata，2003）。

海溫異常是季節(jié)預(yù)測的主要信息源，因此動力模式對海溫的預(yù)測能力決定著它對東亞環(huán)流預(yù)測的能力，對模式預(yù)測海溫的能力進(jìn)行評估可以為模式對環(huán)流及降水的預(yù)測能力歸因提供參考。目前，國家氣候中心已建立了包括?！憽獨舛嗳酉嗷プ饔玫臍夂蛳到y(tǒng)模式（BCC_CSM），該模式在氣候特征、年代際變化和季節(jié)內(nèi)振蕩等方面表現(xiàn)出較好的性能（Wu et al., 2010；董敏等，2009），以該模式為基礎(chǔ)國家氣候中心建立了第二代季節(jié)預(yù)測模式系統(tǒng)（吳統(tǒng)文等，2013，2014），本文利用該模式系統(tǒng)的歷史回報資料，評估了對東亞夏季環(huán)流系統(tǒng)有顯著影響的太平洋、熱帶印度洋、北大西洋等關(guān)鍵海區(qū)夏季海溫的預(yù)測技巧，并進(jìn)一步分析了前冬ENSO位相與夏季海溫預(yù)測技巧的關(guān)系。

2 預(yù)測模式及數(shù)據(jù)

2.1 BCC_CSM模式簡介

BCC_CSM是國家氣候中心自2004年開始在NCAR-CCSM框架基礎(chǔ)上，建立包括?！憽獨舛嗳酉嗷プ饔玫臍夂蛳到y(tǒng)模式（Wu et al., 2013），該模式能夠?qū)Υ髿?、陸面、海洋、海冰等多圈層進(jìn)行月、季、年尺度的氣候預(yù)測。BCC_CSM的大氣模式和陸面模式水平分辨率為T106（106波三角截斷）的中等分辨率耦合模式（頡衛(wèi)華和吳統(tǒng)文，2010；董敏和葉正青，2005；王璐等，2009；Wu et al., 2008, 2010；Wu，2012；Chen et al., 2012；郭準(zhǔn)等，2011）；海洋分量模式為美國地球物理流體動力學(xué)實驗室（GFDL）研發(fā)的模塊化海洋模式（MOM）4.0 版本MOM4-L40（Murray, 1996），三極網(wǎng)格，近赤道地區(qū)水平分辨率約為1/3 緯度×1經(jīng)度，中高緯約1緯度×1經(jīng)度，垂直方向40 層。

2.2 數(shù)據(jù)

本文所使用數(shù)據(jù)為由國家氣候中心提供的第二代季節(jié)預(yù)測模式系統(tǒng)的歷史回報數(shù)據(jù)，分析時間為1981～2007年，大氣初始場采用NCEP（National Centers for Environmental Prediction）再分析資料同化產(chǎn)品的多層次溫度、風(fēng)場及地面氣壓場，海冰初始場采用NOAA（National Oceanic and Atmospheric Administration）最優(yōu)插值的海冰密集度資料，海洋初值采用NOAA GODAS（Global Ocean Data Assimilation System）的多層次溫度場；為實現(xiàn)氣候系統(tǒng)多變量的整體協(xié)調(diào)性，使用松弛逼近方法完成初始化。初始場分別由每月最后4天日平均大氣場及最后三天日平均海溫場生成，積分時間6個月。模式輸出結(jié)果為月平均數(shù)據(jù)，分辨率為160×320，約1.125°×1.125°。分析的目標(biāo)季節(jié)為夏季（6～8月），使用了分別從2月底（超前3個月預(yù)測時間）及5月初（超前1個月預(yù)測時間）起報的兩組回報結(jié)果來進(jìn)行對比。為了評估該模式的性能，所用海溫再分析資料為ERRSST.v3b（Smith et al., 2008），分辨率為2°×2°。為了與再分析數(shù)據(jù)進(jìn)行比較，本文使用雙線性插值將回報數(shù)據(jù)插值到再分析數(shù)據(jù)同樣分辨率。

為了更好地反映該模式的預(yù)測性能，對各個海區(qū)有代表性的海溫指數(shù)進(jìn)行評估，所用的海溫指數(shù)有：Ni?o 3.4指數(shù)，定義為赤道中東太平洋海區(qū)（5°S～5°N，170°W～120°W）的海表溫度距平值（Sea Surface Temperature Anomalies，SSTA）；IOBW指數(shù)，定義為熱帶印度洋（20°S～20°N，40°E～110°E）區(qū)域平均的SSTA（Klein et al., 1999；Lau and Nath，2000；Meyers，1996）；NAT指數(shù)，定義為北大西洋中緯度（34°N～44°N，72°W～62°W）與高緯度（44°N～56°N，44°W～24°W）和低緯度（0°～18°N，46°W～24°W）的平均的SSTA之差（Marshall et al., 2001；李建等，2007；Wu et al., 2009；左金清等，2012；Zuo et al., 2013）。

3 BCC_CSM模式海溫預(yù)測技巧評估

圖1給出了1981～2007年觀測與模式回報的全球中低緯夏季氣候海溫及差值分布。由圖1a?c可見，觀測與模式回報的夏季氣候海溫在總體上分布較一致，能較好地反映海溫從熱帶到中高緯遞減的分布特征。赤道東太平洋冷舌區(qū)海溫變化是衡量氣候系統(tǒng)年際變化的重要指標(biāo)，從圖中可以看到模式回報結(jié)果相對觀測冷舌偏西偏強，這也是動力模式預(yù)測這些地區(qū)海溫時常見的問題，如單獨海洋模式（Stockdale et al., 1993）或是耦合模式（Mechoso et al., 1995；Latif et al., 2001；Lin，2007）中模擬的冷舌海溫都偏低且西伸幅度較大。與冷舌相對應(yīng)，模式回報的印度洋—太平洋暖池（以下簡稱“印太暖池”）范圍偏小、強度偏弱。從超前1個月預(yù)測時間模式回報與觀測的差值圖（圖1d，陰影區(qū)域為99%信度）可見，海溫差值從南到北緯向呈正負(fù)相間的分布特征，低緯地區(qū)海溫預(yù)測誤差較小，中緯度的海溫誤差相對較大，南半球的誤差分布較北半球更為顯著。不同海區(qū)的誤差分布有所不同，印度洋的預(yù)測誤差較小，誤差較大的區(qū)域主要分布在大西洋、黑潮區(qū)、親潮區(qū)及其延伸體區(qū)（Kuroshio-Oyashio extension，KOE，以下將黑潮、親潮延伸體區(qū)簡稱為KOE）以及東太平洋中緯度附近等地區(qū)。模式在不同超前時間預(yù)測誤差分布較為相似，但超前3個月時間預(yù)測的誤差（圖1e）的較之超前1月時間預(yù)測更為顯著，這說明超前預(yù)測時間增長，模式的誤差增長明顯。

圖1 觀測與模式回報1981～2007年夏季SST及偏差氣候分布：（a）觀測；（b）超前1個月預(yù)測；（c）超前3個月預(yù)測；（d）超前1個月預(yù)測偏差；（e）超前3個月預(yù)測偏差。圖（d）、（e）陰影區(qū)表示99%的信度；單位：°C

圖2給出了1981～2007年觀測與模式回報的全球中低緯夏季海溫年際方差及方差比值（模式回報的海溫年際方差與觀測的海溫年際方差比值）分布。觀測（圖2a）中海溫方差大值區(qū)（年際變率顯著區(qū)）主要集中在赤道太平洋、北太平洋以及北大西洋。模式的回報結(jié)果在一定程度上反映出了夏季海溫區(qū)域性年際變化特征，但模式回報結(jié)果（圖2b，c）在赤道太平洋區(qū)域年際變率偏強，中心位置偏西，這與氣候平均中冷舌偏西的問題相對應(yīng)；北太平洋區(qū)域除KOE區(qū)外年際變率偏小，KOE區(qū)附近年際變率明顯偏大；北大西洋區(qū)域年際變率明顯偏大，且隨著模式在超前預(yù)測時間增長，年際變率的差異明顯增大。且由方差比值圖（圖2d，e）可見，北半球尤其是北太平洋區(qū)域大部分地區(qū)方差比分布較為一致且小于1，表明模式在這些區(qū)域的年際變率要小于觀測；方差比值較大區(qū)域主要分布在南半球中緯度，其中南大西洋方差比大值分布較為明顯，表明在這些區(qū)域模式回報結(jié)果年際變率相對于觀測偏大。

為進(jìn)一步評估BCC_CSM模式對于夏季SST的預(yù)測技巧，圖3為1981～2007年夏季觀測與模式回報的全球中低緯海溫相關(guān)系數(shù)分布，從圖中來看，BCC_CSM模式在低緯地區(qū)都具有較高的預(yù)測技巧，且北半球的預(yù)測技巧明顯高于南半球。由圖3a與圖3b對比可見，預(yù)測時間延長后，模式在大部分區(qū)域預(yù)測技巧有所下降。KOE區(qū)的預(yù)測技巧相對偏低，且超前3個月的預(yù)測技巧高于超前1個月的預(yù)測技巧，這與預(yù)測技巧KOE區(qū)具有的動力與熱力、大氣和海洋間復(fù)雜的相互作用特點有關(guān)（Kelly et al., 2010），導(dǎo)致耦合系統(tǒng)很難預(yù)測該地區(qū)的海溫，且大多數(shù)的氣候模式的分辨率太低，難以預(yù)測出黑潮的位置和強度（Kwon et al.，2010）。另一個特點是模式對熱帶印度洋東部的預(yù)測技巧較低，這可能與模式回報的冷舌偏西偏強以及暖池區(qū)域較小有關(guān)，且預(yù)測時間變長后，模式的預(yù)測技巧有所下降，但分布型存在類似的結(jié)構(gòu)特征。超前預(yù)測時間為1個月時，模式在北大西洋大部分地區(qū)都擁有一定的預(yù)測技巧，但隨著預(yù)測時間的增長，預(yù)測技巧在中緯度地區(qū)下降的很快，僅在低緯以及少數(shù)地區(qū)表現(xiàn)出一定的預(yù)測技巧。從圖4a?b可以看出，模式在不同超前預(yù)測時間，均方根誤差（RMSE, Root Mean Square Error）較大值主要分布在南半球區(qū)域以及北大西洋中高緯度與KOE區(qū)附近等區(qū)域，反映了模式在這些區(qū)域的預(yù)測誤差相對較大，且隨著超前預(yù)測時間增長而增長。

圖2 觀測與模式回報1981～2007年夏季SST方差及方差比分布：（a）觀測；（b）超前1個月預(yù)測；（c）超前3個月預(yù)測；（d）超前1個月預(yù)測方差比；（e）超前3個月預(yù)測方差比。圖（a?c）單位：°C

圖3 模式回報與觀測1981～2007年夏季海溫相關(guān)分布：（a）超前1個月預(yù)測；（b）超前3個月預(yù)測。彩色陰影區(qū)表示95%的置信度

圖4 模式回報與觀測1981～2007年夏季海溫RMSE分布：（a）超前1個月預(yù)測；（b）超前3個月預(yù)測。單位：°C

圖5 觀測與模式回報1981～2007年夏季北太平洋SST的EOF第一模態(tài)及對應(yīng)時間系數(shù)：（a）觀測；（b）超前1個月預(yù)測；（c）超前3個月預(yù)測；（d）時間系數(shù)（實線、長虛線和短虛線分別為觀測值、超前1個月預(yù)測和超前3個月預(yù)測，下同）

3.1 夏季太平洋

前人大量關(guān)于ENSO關(guān)鍵區(qū)—熱帶太平洋的海溫研究工作揭示了大部分耦合模式在熱帶太平洋地區(qū)擁有較好的預(yù)測技巧，前文的分析也同樣證實了這一點。BCC_CSM模式對熱帶外北太平洋 海溫的預(yù)測技巧也同樣是本文關(guān)注的重點。主模態(tài)的空間分布反映了北太平洋年際變率最顯著的分布型特征，因此分析了觀測和模式預(yù)測的EOF （Empirical Orthogonal Function）模態(tài)的空間分布，限于篇幅，這里僅給出了北太平洋第一模態(tài)的空間分布圖（圖5），從圖5a中可以看出，觀測中夏季北太平洋海溫第一模態(tài)是東西反位相的空間分布，圖5b和圖5c分別為超前1個月和超前3個月的預(yù)測，可以看出模式預(yù)測的海溫第一模態(tài)分布特征與觀測的分布型比較類似，空間分布型的相關(guān)系數(shù)分別為0.8和0.81（表1）。同時，觀測的夏季海溫距平的第一模態(tài)的解釋方差比例為27.2%，模式超前1個月和3個月預(yù)測的主模態(tài)分別占了總方差的33.7%和42.9%，這表明模式預(yù)測比觀測更容易出現(xiàn)第一模態(tài)的空間分布型。模式的第二模態(tài)的空間分布與觀測的第二模態(tài)仍有較好的一致性（圖略），超前1個月和超前3個月預(yù)測的空間相關(guān)系數(shù)分別為0.79和0.78，第三模態(tài)空間分布的差異明顯變大，相關(guān)系數(shù)也僅為0.33和0.31。但第二模態(tài)的解釋方差所占總方差的比重模式預(yù)測小于觀測。

為了分析模式對觀測的第一模態(tài)空間分布型的預(yù)測能力，將模式回報結(jié)果的時空矩陣投影到由觀測時空矩陣進(jìn)行EOF分解得到的特征向量上,得到模式回報相應(yīng)的時間系數(shù)，圖5d給出了觀測和模式預(yù)測的時間系數(shù)年際變化。可以看出，觀測的時間系數(shù)和模式預(yù)測的投影系數(shù)年代際震蕩特征十分明顯且均具有一個逐漸下降的趨勢，表明在這27年間，該海區(qū)夏季平均海溫西部升高而東部降低，而模式很好的再現(xiàn)了這個特征及趨勢，超前1個月預(yù)測和超前3個月預(yù)測的時間相關(guān)系數(shù)分別為0.78和0.80，都達(dá)到了99%的置信水平，且超前3個月的預(yù)測對第一模態(tài)空間分布型的年際變率預(yù)測能力更高。第二模態(tài)和第三模態(tài)超前1個月的預(yù)測均好于超前3個月的預(yù)測，超前1個月對第二模態(tài)和第三模態(tài)的時間系數(shù)相關(guān)分別為0.77和0.53，超前3個月則分別為0.64和0.19?？梢钥闯觯?個月預(yù)測技巧高于超前3個月的主要原因是對第二模態(tài)和第三模態(tài)預(yù)測性能的提高。通過不同時效的預(yù)測效果對比，我們初步估計，春季異常的影響可能體現(xiàn)在第二和和第三模態(tài)上，第一模態(tài)的變化可能主要來自于冬季的異常信號，具體的可能原因?qū)⒘砦倪M(jìn)行詳細(xì)討論。

表1　北太平洋海溫EOF分析前3模態(tài)方差貢獻(xiàn)百分率及模式與觀測時間系數(shù)、空間模態(tài)相關(guān)系數(shù)

圖6 觀測與模式回報1981～2007年夏季Ni?o 3.4 指數(shù)和偏差：（a）Ni?o 3.4 指數(shù)；（b）偏差。單位：°C

BCC_CSM模式對表征ENSO事件的Ni?o 3.4指數(shù)的預(yù)測技巧優(yōu)劣，是本文研究夏季太平洋年際變率所關(guān)注的另一重點。圖6給出了1981～2007年觀測與模式回報的夏季平均Ni?o 3.4指數(shù)及其差值圖，結(jié)果（圖6a）顯示超前1個月時間的預(yù)測在指數(shù)位相變化與指數(shù)強度上與觀測更為接近，超前1個月和超前3個月預(yù)測的Ni?o 3.4指數(shù)與觀測的相關(guān)系數(shù)分別為0.83和0.63，都達(dá)到了99%的置信水平，超前3個月的預(yù)測技巧明顯低于超前1個月。從差值圖（圖6b）中可以看出，超前1個月的預(yù)測與觀測差值集中在0附近，變化幅度較??；超前3個月的預(yù)測與觀測的差值位相變化基本與超前1個月的差值相同，但變化幅度更大。這表明BCC_CSM模式對于夏季Nino3.4區(qū)SST異常具有較高的預(yù)測技巧，但隨著超前預(yù)測時間的增加，模式的預(yù)測技巧下降比較快。進(jìn)一步分析了夏季發(fā)生發(fā)展ENSO事件的年份的預(yù)測技巧，實況中在夏季發(fā)生El Ni?o 現(xiàn)象的年份有1982、1987、1991、1997和2002年，其中強度較強是1982、1987和1997年，模式在超前1個月預(yù)測時間回報的指數(shù)都與觀測基本吻合，其他海溫強度偏弱的年份，模式的回報的Ni?o 3.4指數(shù)皆弱于觀測；在夏季發(fā)生La Ni?a現(xiàn)象的年份為1984、1985、1988、1999、2000和2007年，其中強度較強的1988和1999年，模式回報的指數(shù)皆與觀測基本吻合，其他海溫強度偏弱的年份，模式回報的Ni?o 3.4指數(shù)皆強于觀測。

3.2 夏季熱帶印度洋

圖7a?c給出了觀測和模式回報夏季熱帶印度洋海溫EOF第一模態(tài)的空間分布。在圖7a中，觀測的第一模態(tài)顯示了熱帶印度洋海溫在夏季的空間分布為總體為全區(qū)一致型，但這種分布型已經(jīng)處于衰減狀態(tài)，逐漸在向東西偶極型分布發(fā)展，圖7b和圖7c分別為超前1個月和超前3個月的預(yù)測，可以看出模式預(yù)測的海溫第一模態(tài)分布特征與觀測的分布型基本呈現(xiàn)一致，空間分布型的相關(guān)系數(shù)分別為0.84和0.76（表2），但預(yù)測結(jié)果在不同區(qū)域都出現(xiàn)了相反位相的分布。同時，觀測的夏季海溫距平的第一模態(tài)的解釋方差比例為43.5%，模式超前1個月和3個月預(yù)測的主模態(tài)分別占了總方差的40.0%和36.0%，這表明模式預(yù)測的第一模態(tài)的空間分布型與觀測基本相當(dāng)。模式的第二、三模態(tài)的空間分布與觀測的第二、三模態(tài)的一致性有所下降（圖略），超前1個月和超前3個月預(yù)測的空間相關(guān)系數(shù)分別為0.42和0.61，第三模態(tài)空間分布的差異明顯變大，相關(guān)系數(shù)也僅為0.40和0.20。但第二模態(tài)的解釋方差所占總方差的比重模式預(yù)測均大于觀測，這表明模式預(yù)測出現(xiàn)第二模態(tài)的空間分布型的概率要大于觀測。

表2 印度洋海溫EOF分析前3模態(tài)方差貢獻(xiàn)百分率及模式與觀測時間系數(shù)、空間模態(tài)相關(guān)系數(shù)

圖7 觀測與模式回報1981～2007年夏季印度洋SST的EOF第一模態(tài)及對應(yīng)的時間系數(shù)：（a）觀測；（b）超前1個月預(yù)測；（c）超前3個月預(yù)測；（d）時間系數(shù)

同樣利用投影的方法得到了印度洋夏季海溫模式回報相應(yīng)的時間系數(shù)，圖7d給出了觀測和模式預(yù)測的時間系數(shù)年際變化?？梢钥闯?，模式基本再現(xiàn)了夏季熱帶印度洋海溫的變化特征，超前1個月預(yù)測和超前3個月預(yù)測的時間相關(guān)系數(shù)分別為0.74和0.71，都達(dá)到了99%的置信水平，且超前1個月的預(yù)測對第一模態(tài)空間分布型的年際變率預(yù)測能力更高。第二模態(tài)超前3個月的預(yù)測好于超前1個月的預(yù)測，第三模態(tài)超前1個月的預(yù)測好于超前3個月的預(yù)測，超前1個月對第二模態(tài)和第三模態(tài)的時間系數(shù)相關(guān)分別為0.44和0.36，超前3個月則分別為0.37和0.19。可以看出，模式對于印太暖池的預(yù)測誤差使得模式對熱帶印度洋以及太平洋海溫的主模態(tài)的空間分布誤差增大，且該地區(qū)海溫異常信號的持續(xù)性要弱于太平洋，主要體現(xiàn)在第二模態(tài)和第三模態(tài)，導(dǎo)致了預(yù)測誤差增長。

圖8給出了1981～2007年觀測與模式回報的夏季季節(jié)平均IOBW指數(shù)及其差值圖，模式的預(yù)測結(jié)果的年際變化特征基本與觀測一致，超前1個月時間預(yù)測和超前3個月的預(yù)測與觀測指數(shù)的相關(guān)系數(shù)分別為0.75和0.69，均達(dá)到了99%的置信水平，但模式預(yù)測的強度與觀測存在差異，在1996年之前表現(xiàn)為強度偏弱，在此之后表現(xiàn)為偏強。從圖中（圖8a）可以看出，觀測的IOBW指數(shù)振幅在隨著時間減小，且負(fù)指數(shù)的絕對值在隨著時間減小。模式回報的指數(shù)振幅比較平緩，在前期振幅較觀測偏小，即指數(shù)強度小于觀測；在后期模式回報的指數(shù)數(shù)值較之觀測偏向冷位相，且對于負(fù)指數(shù)的上升趨勢預(yù)測技巧偏低。結(jié)合差值圖（圖8b）可見，模式雖然對夏季IOBW指數(shù)的變化趨勢具有一定的技巧，但是對強度的預(yù)測還是存在一定的偏差。

圖8 觀測與模式回報1981～2007年夏季IOBW指數(shù)和偏差：（a）IOBW指數(shù)；（b）偏差。單位：°C

3.3 夏季北大西洋

圖9a?c給出了觀測和模式回報夏季北大西洋海溫EOF第一模態(tài)的空間分布。在圖9a中，觀測的第一模態(tài)顯示了北大西洋海溫在夏季的空間分布為北高南低的分布型，圖9b和圖9c分別為超前1個月和超前3個月的預(yù)測，可以看出模式預(yù)測的海溫第一模態(tài)分布特征與觀測的分布型基本呈現(xiàn)一致，空間分布型的相關(guān)系數(shù)分別為0.73和0.67（表3），但預(yù)測結(jié)果的南北位相差異偏大。同時，觀測的夏季海溫距平的第一模態(tài)的解釋方差比例為39.1%，模式超前1個月和3個月預(yù)測的主模態(tài)分別占了總方差的41.9%和63.7%，這表明模式預(yù)測尤其是超前3個月的預(yù)測更容易出現(xiàn)第一模態(tài)的空間分布型。模式的第二、三模態(tài)的空間分布與觀測的第二、三模態(tài)的一致性下降很快（圖略），且除超前3個月預(yù)測的第三模態(tài)外基本表現(xiàn)為不相關(guān)，超前1個月和超前3個月預(yù)測的空間相關(guān)系數(shù)分別為－0.19和0.03，第三模態(tài)空間分布的差異明顯變大，相關(guān)系數(shù)也僅為－0.10和0.42。且第二、三模態(tài)的解釋方差所占總方差的比重模式預(yù)測均小于觀測。

圖9d給出了北大西洋觀測和模式預(yù)測特征向量投影對應(yīng)的時間系數(shù)年際變化?？梢钥闯?，模式總體表現(xiàn)為與觀測一致上升趨勢，這表明最近27年夏季北大西洋海溫有明顯的升高趨勢，但模式回報的時間系數(shù)變化幅度小于觀測，超前1個月預(yù)測和超前3個月預(yù)測的時間相關(guān)系數(shù)分別為0.88和0.70，都達(dá)到了99%的置信水平，且超前1個月的預(yù)測對第一模態(tài)空間分布型的年際變率預(yù)測能力更高。第二模態(tài)與第三模態(tài)超前1個月的預(yù)測皆好于超前3個月的預(yù)測，超前1個月對第二模態(tài)和第三模態(tài)的時間系數(shù)相關(guān)分別為0.59和0.45，超前3個月則分別為0.59和0.30。可以看出，北大西洋海溫的春季海溫異常信號明顯強于冬季，第一模態(tài)的差異尤為明顯，這使得超前1個月預(yù)測技巧高于超前3個月。

圖9 觀測與模式回報1981～2007年夏季北大西洋SST EOF第一模態(tài)及對應(yīng)的時間系數(shù)：（a）觀測；（b）超前1個月預(yù)測；（c）超前3個月預(yù)測；（d）時間系數(shù)

表3　北大西洋洋海溫EOF分析前3模態(tài)方差貢獻(xiàn)百分率及模式與觀測時間系數(shù)、空間模態(tài)相關(guān)系數(shù)

圖10給出了1981～2007年觀測與模式回報的夏季季節(jié)平均NAT指數(shù)及其差值圖，從圖10a可以看出，超前1個月預(yù)測時間與觀測的指數(shù)相關(guān)系數(shù)為0.42，通過了95%的置信水平，超前3個月預(yù)測與觀測的指數(shù)相關(guān)系數(shù)為0.20，這表明模式對NAT指數(shù)的預(yù)測技巧很低，尤其是超前3個月的預(yù)測。從差值圖（圖10b）中可以看出，模式在不同超前預(yù)測時間對夏季NAT指數(shù)的預(yù)測技巧基本一致，且在NAT 高指數(shù)年1987、1993和1997年，指數(shù)的差值很大，模式回報的指數(shù)變化比較平緩，未能反映出指數(shù)強烈振蕩的特征，在其他年份，模式超前1個月的預(yù)測對于NAT指數(shù)的回報結(jié)果大多偏高?？傮w來說，模式對NAT指數(shù)的預(yù)測技巧相對于Ni?o 3.4 指數(shù)與IOBW指數(shù)來說較低，僅在超前1個月的預(yù)測表現(xiàn)出一定的預(yù)測技巧。

圖10 觀測與模式回報1981～2007年夏季NAT指數(shù)和偏差：（a）NAT 指數(shù)；（b）偏差。單位：°C

圖11 模式對各指數(shù)的預(yù)測時效（長虛線和短虛線分別為2月和5月提供初值）：（a）Ni?o 3.4指數(shù)；（b）IOBW指數(shù)；（c）NAT指數(shù)。單位：°C

3.4 海溫指數(shù)的預(yù)測時效

圖11 給出了模式采取不同初值時對三個海溫指數(shù)逐月預(yù)測技巧隨時間的演變特征。從圖中可以看出，對于6至8月的各指數(shù)預(yù)測，5月的初值相對而言具有更高的預(yù)測技巧，即模式超前1個月的指數(shù)預(yù)測更具有技巧。各指數(shù)的預(yù)測技巧基本都隨積分時間的增長而下降，大部分情形前期技巧下降比較明顯。比較圖11中的各圖可以看出，模式對Ni?o 3.4 指數(shù)（圖11a）一直保持了一個較高的預(yù)測技巧，而在模式使用5月作為初值時，后期的技巧在甚至要高于前期。IOBW指數(shù)（圖11b）從二月起報一直表現(xiàn)出一定的預(yù)測技巧，在8月份的預(yù)測技巧甚至略高于5月份初值；而5月份的海溫初值在模式積分四個月之后到11月份表現(xiàn)出較弱的相關(guān)，這可能與熱帶印度洋全區(qū)一致海溫模態(tài)春夏季較強而在秋季表現(xiàn)的不是很顯著有關(guān)；模式對NAT（圖11c）的預(yù)測技巧一直較低，預(yù)測技巧下降趨勢也較為明顯，后期預(yù)測技巧雖有提升但技巧很低。

4 前冬ENSO位相對于模式對夏季海溫預(yù)測技巧的影響

4.1 前冬不同ENSO位相SST合成分析

眾多研究表明，赤道中東太平洋年際變率最強信號ENSO 事件，它在大平洋、印度洋和北大西洋都存在著顯著的相關(guān)，表明這些海區(qū)的海溫變化受到來自熱帶太平洋的影響（Latif and Barnett，1995；Lau，1994；吳國雄和孟文，1998；Alexander et al., 2002）。由于ENSO的成熟期一般在冬季，本文根據(jù)1981～2007年的前冬的尼諾三四區(qū)海溫異常，將回報結(jié)果分為El Ni?o年、La Ni?a年和正常年三種情況（表4），以此來分析前冬ENSO位于不同位相時，對模式三個海區(qū)夏季海溫預(yù)測技巧有何影響。

將模式回報與觀測的夏季海溫分別在ENSO不同位相下進(jìn)行合成后進(jìn)行差值分析,前冬不同ENSO位相模式回報與觀測的夏季海溫差值如圖12示。前冬ENSO處于不同位相時，模式回報的海溫差值分布特征基本一致，差值從北到南為一個負(fù)正相間的排列，但其強度和通過顯著性檢驗的區(qū)域范圍有所不同：前冬處于ENSO正常位相時（圖12a），海溫的差異（通過99%的置信水平的區(qū)域）比前冬處于異常位相（圖12b?c）更為明顯，這表明前冬的ENSO事件為夏季中低緯度的海溫提供了可預(yù)報性來源；前冬處于El Ni?o位相（圖12b）與La Ni?a位相時（圖12c）兩種情形除在南太平洋等少數(shù)地區(qū)有細(xì)微差異外基本一致。隨著超前預(yù)測時間的增長，如圖13a?c示，海溫差值的總體分布特征與圖12相似，但相對于超前1個月時間預(yù)測海溫誤差明顯增大。

圖13 同圖12，但為超前3個月回報結(jié)果

4.2 不同ENSO位相各指數(shù)預(yù)測技巧的評估

為了進(jìn)一步分析ENSO對于模式對夏季關(guān)鍵區(qū)海溫預(yù)測技巧的影響，本文對前冬ENSO處于不同位相下的模式回報各指數(shù)進(jìn)行了分類，以便深入分析。如圖所示，在前冬ENSO異常位相下（圖14a? b）觀測的夏季Ni?o 3.4 指數(shù)數(shù)值總體低于ENSO正常位相下（圖14c），模式的回報在一定程度上也反映了這個特點。本文計算了在前冬位于El Ni?o、 La Ni?a及正常位相下模式回報的Ni?o 3.4 指數(shù)與觀測值的差值。計算公式如下：

其中，代表預(yù)測場，代表觀測場，代表同一前冬位相下同一超前預(yù)測時間的所有預(yù)測。超前1個月時間預(yù)測的差值依次為－0.31、0.36和0.31；超前3個月時間預(yù)測的差值依次為－0.58、0.44和0.53，表明前冬ENSO為正常位相與El Ni?o位相時，模式超前1個月的預(yù)測對于Ni?o 3.4 指數(shù)的回報與觀測更為接近，且El Ni?o位相時回報偏低，正常位相回報偏高； La Ni?a位相預(yù)測技巧再次之，且回報的指數(shù)偏高。而超前3個月的預(yù)測情形正好與前者相反，即模式在前冬位于 La Ni?a位相時預(yù)測技巧更高?？傮w來看，前冬ENSO位相對該模式的夏季Ni?o 3.4 指數(shù)預(yù)測技巧影響較小。

熱帶印度洋的IOBW指數(shù)滯后響應(yīng)于赤道東太平洋ENSO 事件 ( Nigam and Shen, 1993；Tourre and White, 1995；Chambers et al., 1999)，前冬ENSO位相為El Ni?o時（圖15a），IOBW指數(shù)較高且大多位于正位相；前冬ENSO位相為La Ni?a時（圖15b），IOBW指數(shù)較低且大多位于負(fù)位相；前冬ENSO位相為正常時（圖15c），IOBW指數(shù)位于0附近波動，模式的回報在一定程度上反映了該指數(shù)對于ENSO滯后響應(yīng)這一特點，其中前冬位于La Ni?a位相時（圖15b），觀測的IOBW指數(shù)逐漸由負(fù)位相向正位相變化的趨勢，而模式未能反映出指數(shù)的這個變化特點。超前1個月預(yù)測時間與觀測的差值依次為－0.11、0.13和0.12；超前3個月預(yù)測時間的差值依次為－0.14、0.15和0.11，表明前冬ENSO位相為El Ni?o時，模式超前1個月的預(yù)測對于IOBW 指數(shù)的回報與觀測更為接近，且回報的指數(shù)總體偏低；正常位相時預(yù)測技巧次之，La Ni?a位相預(yù)測技巧再次之，且這兩種位相回報的指數(shù)總體偏高。模式超前3個月的預(yù)測情形有所不同，模式在前冬位于正常位相時更具有預(yù)測技巧。

圖14 前冬ENSO處于不同位相對應(yīng)的夏季Ni?o 3.4指數(shù)：（a）El Ni?o年；（b）La Ni?a年；（c）中性年。單位：°C，橫坐標(biāo)為挑選對應(yīng)個例的年份，下同

圖15 前冬ENSO處于不同位相對應(yīng)的夏季IOBW指數(shù)：（a）El Ni?o年；（b）La Ni?a年；（c）中性年。單位：°C

如圖16a?c所示，在前冬ENSO位相下的NAT指數(shù)的變率較小，而位于正常位相時變率較大。超前1個月時間的預(yù)測與觀測的差值依次為0.48、0.49和－0.63；超前3個月時間預(yù)測的差值依次為0.63、0.37和－0.62。表明前冬ENSO位相為El Ni?o時，模式超前1個月的預(yù)測對于NAT 指數(shù)的回報與觀測更為接近，La Ni?a位相時次之，正常位相預(yù)測技巧再次之，且正常位相回報的指數(shù)總體偏低。模式超前3個月的預(yù)測情形也有所不同，模式在前冬位于La Ni?a位相時更具有預(yù)測技巧，且預(yù)測技巧高于超前1個月的預(yù)測。

圖16 前冬ENSO處于不同位相對應(yīng)的夏季NAT指數(shù)：（a）El Ni?o年；（b）La Ni?a年；（c）中性年。單位：°C

5 結(jié)論與討論

本文評估了國家氣候中心BCC_CSM模式對夏季關(guān)鍵區(qū)海溫的預(yù)測能力。首先對模式回報的夏季海溫的氣候態(tài)及年際變化等特征進(jìn)行了整體分析；其次，對關(guān)鍵區(qū)海溫進(jìn)行了EOF分析，旨在了解模式對于夏季關(guān)鍵區(qū)海溫的年際變率模態(tài)及其年際變化特征的刻畫能力；再次，對關(guān)鍵區(qū)海溫的代表性年際變化指數(shù)進(jìn)行了分析，以此來了解模式對于關(guān)鍵區(qū)海溫的年際變率的預(yù)測能力；最后，分析了前冬的ENSO位相對于模式預(yù)測夏季海溫的影響，用來分析模式的預(yù)測技巧與前期外強迫的聯(lián)系。結(jié)果表明：

（1）BCC_CSM的回報結(jié)果基本再現(xiàn)了全球夏季中低緯度海溫的氣候分布特征，但也存在一定的偏差，低緯地區(qū)如赤道太平洋的冷舌、暖池區(qū)，中緯地區(qū)誤差較大的地區(qū)為KOE區(qū)、大西洋中緯度地區(qū)等；從不同超前時間來看，模式預(yù)測技巧在超前1個月預(yù)測的氣候態(tài)特征更接近實際觀測；

（2）從方差分析與相關(guān)分析來看，模式在南半球的海溫預(yù)測技巧較低，預(yù)測技巧較高的區(qū)域主要分布在赤道附近，且隨著超前預(yù)測時間的增長，低緯地區(qū)的可預(yù)測性有所增強，但絕大部分地區(qū)的預(yù)測技巧都有所降低；

（3）通過分析BCC_CSM對夏季回報關(guān)鍵海區(qū)海溫的EOF分析可知，模式對于北太平洋、熱帶印度洋、北大西洋的夏季海溫前三個模態(tài)的空間分布型及其時間系數(shù)的演變均具有一定的預(yù)測技巧，北太平洋區(qū)域技巧最高。海溫不同模態(tài)的預(yù)測技巧來自于不同的超前時間的海溫異常，導(dǎo)致了不同模態(tài)的預(yù)測技巧的差異；

（4）BCC_CSM對夏季Ni?o 3.4 指數(shù)、IOBW指數(shù)和NAT指數(shù)均具有一定的預(yù)測技巧，其中對超前1個月預(yù)測的Ni?o 3.4指數(shù)的預(yù)測技巧最高，但在超前3個月的預(yù)測中技巧有所下降；對IOBW指數(shù)也表現(xiàn)出一定的預(yù)測技巧；而對NAT指數(shù)的技巧稍遜一籌，尤其是在超前3個月的預(yù)測中，模式幾乎表現(xiàn)的技巧很低；

（5）前冬ENSO位于不同位相時，BCC_CSM對夏季海溫預(yù)測技巧的特征有所不同，前冬位于ENSO位相時模式對于三大洋夏季海溫的預(yù)測技巧高于前冬位于正常位相，前冬處于El Ni?o位相與La Ni?a位相時模式的預(yù)測除在南太平洋等少數(shù)地區(qū)有些許差異外基本一致；

（6）NAT指數(shù)在前冬位于La Ni?a位相時，BCC_CSM模式在超前3個月的預(yù)測表現(xiàn)出最高的預(yù)測技巧；Ni?o 3.4指數(shù)與IOBW指數(shù)在前冬不同ENSO位相下，該模式的預(yù)測技巧差別不大。

國家氣候中心在研發(fā)BCC_CSM模式的過程中，針對東亞區(qū)域的地形和氣候特點，對提高和改進(jìn)模式對東亞區(qū)域氣候的模擬能力進(jìn)行了大量的工作（吳統(tǒng)文等，2013），對模式的物理參數(shù)化方案進(jìn)行了調(diào)整（Zhang and Mu，2005；顏宏，1987；Wu and Wu，2004），大量的試驗表明，該模式對東亞氣候具有一定的預(yù)測能力，且改進(jìn)和發(fā)展了一新的積云對流參數(shù)化方案（Wu et al., 2010），通過AMIP試驗的初步檢驗評估，表明改進(jìn)了BCC_ AGCM對印度和孟加拉灣地區(qū)夏季季風(fēng)降水的模擬能力。通過本文對BCC_CSM模式對于夏季關(guān)鍵區(qū)海溫的預(yù)測技巧進(jìn)行了初步評估，進(jìn)一步發(fā)現(xiàn)BCC_CSM模式對于夏季關(guān)鍵區(qū)海溫的主要特征同樣具有較好的預(yù)測能力，能為我國的汛期預(yù)測工作提供參考。同時BCC_CSM模式還是存在一定的不足，如模式中各子系統(tǒng)的研發(fā)工作同時進(jìn)行，導(dǎo)致資料同化和預(yù)測模式子系統(tǒng)的銜接不夠完善；且NCEP、TCC（Tokyo Climate Center）等預(yù)測中心使用的大氣模式在水平分辨率上相差不大，但大氣和海洋垂直分辨率與國際上主流業(yè)務(wù)機構(gòu)相比還是略有差距（吳統(tǒng)文等，2013）。通過本文的評估工作，加深了對海溫的預(yù)測能力的認(rèn)識，而對于該模式對造成這些關(guān)鍵區(qū)域海溫的預(yù)測技巧差異的原因還待有進(jìn)一步的研究。同時，由于模式存在系統(tǒng)性誤差，下一步工作還將結(jié)合誤差特征研發(fā)動力統(tǒng)計預(yù)測方法來提高該模式預(yù)測水平。

（References：）

Alexander M A, Bladé I, Newman M, et al. 2002. The atmospheric bridge: The influence of ENSO teleconnections on air–sea interaction over the global oceans [J]. J. Climate, 15 (16): 2205–2231.

Bader D, Covey C, Gutkowski W, et al. 2008. Climate Models: An Assessment of Strengths and Limitations. U. S. Climate Change Science Program Synthesis and Assessment Product 3.1 [R]. Department of Energy, Office of Biological and Environmental Research, 124pp.

Bjerkness J. 1966. A possible response of the atmospheric Hadley circulation to equatorial anomalies of ocean temperature [J]. Tellus, 18 (4): 820–829.

Bjerkness J. 1969. Atmospheric teleconnections from the equatorial Pacific [J]. Mon. Wea. Rev., 97 (3): 163–172.

Chambers D P, Tapley B D, Stewart R H. 1999. Anomalous warming in the Indian Ocean coincident with El Ni?o [J]. J. Geophys. Res., 104 (C2): 3035–3047.

Chang C P, Zhang Y, Li T. 2000. Interannual and interdecadal variations of the East Asian summer monsoon and tropical Pacific SSTs. Part I: Roles of the subtropical ridge [J]. J. Climate, 13 (24): 4310–4325.

Chen Haoming, Yu Rucong, Li Jian, et al. 2012. The coherent interdecadal changes of East Asia climate in mid-summer simulated by BCC_AGCM 2.0.1 [J]. Climate Dyn., 39 (1): 155–163.

丁一匯. 2011. 季節(jié)氣候預(yù)測的進(jìn)展和前景[J]. 氣象科技進(jìn)展, 1 (3): 14–27. Ding Yihui. 2011. Progress and prospects of seasonal climate prediction [J]. Advances in Meteorological Science and Technology (in Chinese), 1 (3): 14–27.

董敏, 葉正青. 2005. 國家氣候中心大氣模式的驗證研究——AMIP-II結(jié)果分析[J]. 應(yīng)用氣象學(xué)報, 16 (S1): 22–29. Dong Min, Ye Zhengqing. 2005. A verification study of national climate center’s AGCM-AMIP-II result analysis [J]. Journal of Applied Meteorological Science (in Chinese), 16 (S1): 22–29.

董敏, 吳統(tǒng)文, 王在志, 等. 2009. 北京氣候中心大氣環(huán)流模式對季節(jié)內(nèi)振蕩的模擬[J]. 氣象學(xué)報, 67 (6): 912–922. Dong Min, Wu Tongwen, Wang Zaizhi, et al. 2009. Simulations of the tropical intraseasonal oscillation by the atmospheric general circulation model of the Beijing Climate Center [J]. Acta Meteorologica Sinica (in Chinese), 67 (6): 912– 922.

董敏, 吳統(tǒng)文, 王在志, 等. 2013. BCC_CSM1.0模式對20世紀(jì)降水及其變率的模擬[J]. 應(yīng)用氣象學(xué)報, 24 (1): 1–11. Dong Min, Wu Tongwen, Wang Zaizhi, et al. 2013. Simulation of the precipitation and its variation during the 20th century using the BCC climate model (BCC_CSM1.0) [J]. Journal of Applied Meteorological Science, 24 (1): 1–11.

Guan Z Y, Yamagata T. 2003. The unusual summer of 1994 in East Asia: IOD teleconnections [J]. Geophys. Res. Lett., 30 (10): 1541–1544.

郭準(zhǔn), 吳春強, 周天軍, 等. 2011. LASG/IAP和BCC大氣環(huán)流模式模擬的云輻射強迫之比較[J]. 大氣科學(xué), 35 (4): 739–752. Guo Zhun, Wu Chunqiang, Zhou Tianjun, et al. 2011. A comparison of cloud radiative forcings simulated by LASG/IAP and BCC atmospheric general circulation models [J]. Chinese J. Atmos. Sci. (in Chinese), 35 (4): 739– 752.

龔道溢, 王紹武. 1999. ENSO對中國四季降水的影響[J]. 自然災(zāi)害學(xué)報, 7 (4): 44–52. Gong Daoyi, Wang Shaowu. 1999. Impact of ENSO on the seasonal rainfall in China [J]. Journal of Natural Disasters (in Chinese), 7 (4): 44–52.

頡衛(wèi)華, 吳統(tǒng)文. 2010. 全球大氣環(huán)流模式BCC_AGCM2.0.1對1998 年夏季江淮流域強降水過程的回報試驗研究[J]. 大氣科學(xué), 34 (5): 962–978. Jie Weihua, Wu Tongwen. 2010. Hindcast for the 1998 summer heavy precipitation in the Yangtze and Huaihe River valley using BCC_AGCM 2. 0. 1 model [J]. Chinese J. Atmos. Sci. (in Chinese), 34 (5): 962–978.

金祖輝, 陶詩言. 1999. ENSO循環(huán)與中國東部地區(qū)夏季和冬季降水關(guān)系的研究[J]. 大氣科學(xué), 23 (6): 663–672. Jin Zuhui, Tao Shiyan. 1999. A study on the relationships between ENSO cycle and rainfalls during summer and winter in eastern China [J]. Chinese J. Atmos. Sci. (in Chinese), 23 (6): 663–672.

Kelly K A, Small R J, Samelson R, et al. 2010. Western boundary currents and frontal air–sea interaction: Gulf Stream and Kuroshio Extension [J]. J. Climate, 23 (21): 5644–5667.

Klein S A, Soden B J, Lau N C. 1999. Remote sea surface temperature variations during ENSO: Evidence for a tropical atmospheric bridge [J]. J. Climate, 12 (4): 917–932.

Kumar V, Krishnamurti T N. 2012. Improved seasonal precipitation forecasts for the Asian monsoon using 16 atmosphere–ocean coupled models. Part I: Climatology [J]. J Climate, 25 (1): 39–64.

Krishnamurti T N, Kumar V. 2012. Improved seasonal precipitation forecasts for the Asian monsoon using 16 atmosphere–ocean coupled models. Part II: Anomaly [J]. J. Climate, 25 (1): 65–88.

Kwon Y O, Alexander M A, Bond N A, et al. 2010. Role of the Gulf Stream and Kuroshio–Oyashio systems in large-scale atmosphere–ocean interaction: A review [J]. J. Climate, 23 (12): 3249–3281.

Latif M, Barnett T P. 1995. Interactions of the tropical oceans [J]. J. Climate, 8 (4): 952–964.

Latif M, Sperber K, Arblaster J, et al. 2001. ENSIP: The El Ni?o simulation intercomparison project [J]. Climate Dyn., 18 (3?4): 255–276.

Lau N C, Nath M J. 1994. A modeling study of the relative roles of tropical and extratropical SST anomalies in the variability of the global atmosphere–ocean system [J]. J. Climate, 7 (8): 1184–1207.

Lau N C, Nath M J. 2000. Impact of ENSO on the variability of the Asian–Australian monsoons as simulated in GCM experiments [J]. J. Climate, 13 (24): 4287–4309.

李建, 周天軍, 宇如聰. 2007. 利用大氣環(huán)流模式模擬北大西洋海溫異常強迫響應(yīng)[J]. 大氣科學(xué), 31 (4): 561–570, doi:10.3878/j.issn.1006 9895. 2007.04.01. Li Jian, Zhou Tianjun, Yu Rucong. 2007. Atmospheric response to the North Atlantic SST anomalies in CAM2 [J]. Chinese J. Atmos. Sci. (in Chinese), 31 (4): 561–570.

Lin J L. 2007. The double-ITCZ problem in IPCC AR4 coupled GCMs: Ocean–atmosphere feedback analysis [J]. J. Climate, 20 (18): 4497–4525.

Lu R, Dong B. 2005. Impact of Atlantic sea surface temperature anomalies on the summer climate in the western North Pacific during 1997–1998 [J]. J. Geophys. Res., 110: D16102, doi:10.1029/2004JD005676.

Marshall J, Kushnir Y, Battisti D, et al. 2001. North Atlantic climate variability: Phenomena, impacts and mechanisms [J]. Inter. J. Climatol., 21 (15): 1863–1898.

Mechoso C R, Robertson A W, Barth N, et al. 1995. The seasonal cycle over the tropical Pacific in coupled ocean–atmosphere general circulation models [J]. Mon. Wea. Rev., 123 (9): 2825–2838.

Meyers G. 1996. Variation of Indonesian throughflow and El Ni?o/Southern Oscillation [J]. J. Geophys. Res., 101(C5): 12255–12263.

Murray R J. 1996. Explicit generation of orthogonal grids for ocean models [J]. J. Comput. Phys., 126 (2): 251–273.

NRC/NAS. 2010. Assessment of Intraseasonal to Interannual Climate Prediction and Predictability [M]. Washington D C: The National Academies Press.

Nigam S, Shen H S. 1993. Structure of oceanic and atmospheric low- frequency variability over the tropical Pacific and Indian Oceans. Part I: COADS observations [J]. J. Climate, 6 (4): 657–676.

Palmer T N, Sun Z B. 1985. A modelling and observational study of the relationship between sea surface temperature in the North-West Atlantic and the atmospheric general circulation [J]. Quart. J. Roy. Meteor. Soc., 111 (470): 947–975.

Palmer T N, Hagedorn R. 2006. Predictability of Weather and Climate [M]. Cambridge, UK: Cambridge University Press.

Saha S, Shrinivas M, Pan H L, et al. 2010. The NCEP climate forecast system reanalysis [J]. Bull. Amer. Meteor. Soc., 91 (8): 1015–1057.

Saha S, Moorthi S, Wu X R, et al. 2014. The NCEP climate forecast system version 2 [J]. J. Climate, 27 (6): 2185–2208.

Smith T M, Reynolds R W, Peterson T C, et al. 2008. Improvements to NOAA’s historical merged land–ocean surface temperature analysis (1880–2006) [J]. J. Climate, 21 (10): 2283–2296.

Stockdale T, Anderson D L T, Davey M, et al. 1993. Intercomparison of tropical ocean GCMs. World Climate Research Programme [R]. Report No.79 (WMO/TD-No. 545), World Meteorological Organization, Geneva, Switzerland.

Stockdale T N, Alves O, Boer G, et al. 2010. Understanding and predicting seasonal-to-interannual climate variability—The producer perspective [J]. Procedia Environmental Sciences, 1: 55–80.

Sun Y, Ding Y H. 2009. A projection of future changes in summer precipitation and monsoon in East Asia [J]. Science China (Earth Sciences), 53 (2): 284–300.

Tourre Y M, White W B. 1995. ENSO signals in global upper ocean temperature [J]. J. Phys. Oceanogr., 25 (6): 1317–1332.

Vitart F. 2004. Monthly forecasting at ECMWF [J]. Mon. Wea. Rev., 132 (12): 2761–2779.

王璐, 周天軍, 吳統(tǒng)文, 等. 2009. BCC大氣環(huán)流模式對亞澳季風(fēng)年際變率主導(dǎo)模態(tài)的模擬[J]. 氣象學(xué)報, 67 (6): 973–982. Wang Lu, Zhou Tianjun, Wu Tongwen, et al. 2009. Simulation of the leading mode of Asian–Australian monsoon interannual cariability with the Beijing Climate Center atmospheric general circulation model [J]. Acta Meteorologica Sinica (in Chinese), 67 (6): 973–982.

Wang Bin, Ding Qinghua, Fu Xiouhua, et al. 2005. Fundamental challenge in simulation and prediction of summer monsoon rainfall [J]. Geophys. Res. Lett., 32: L 5711, doi:10.1029/2005GL022734.

Wang B, Lee J Y, Kang I S, et al. 2009. Advance and prospectus of seasonal prediction: Assessment of the APCC/CliPAS 14-model ensemble retrospective seasonal prediction (1980–2004) [J]. Climate Dyn., 33 (1): 93?117.

吳國雄, 孟文. 1998. 赤道印度洋—太平洋地區(qū)海氣系統(tǒng)的齒輪式耦合和ENSO 事件. I. 資料分析[J]. 大氣科學(xué), 2 2(4): 470–480. Wu Guoxiong, Meng Wen. 1998. Gearing between the Indo-monsoon circulation and the Pacific–Walker circulation and the ENSO. Part I: Data analyses [J]. Chinese J. Atmos. Sci. (in Chinese), 22 (4): 470–480.

Wu Z W, Wang B, Li J P, et al. 2009. An empirical seasonal prediction model of the East Asian summer monsoon using ENSO and NAO [J]. J. Geophys. Res., 114: D18120, doi:10.1029/2009JD011733.

Wu B, Zhou T J, Li T M. 2009. Seasonally evolving dominant interannual variability modes of East Asian climate [J]. J. Climate, 22 (11): 1992–3005.

Wu Tongwen, Li Weiping, Ji Jinjun, et al. 2013. Global carbon budgets simulated by the Beijing Climate Center Climate System Model for the last century [J]. J. Geophys. Res. Atmos., 118 (10): 4326–4347.

Wu T W, Wu G X. 2004. An empirical formula to compute snow cover fraction in GCMs [J]. Adv. Atmos. Sci., 21 (4): 529–535.

Wu T W, Yu R C, Zhang F. 2008. A modified dynamic framework for the atmospheric spectral model and its application [J]. J. Atmos. Sci., 65 (7): 2235–2253.

Wu T W, Yu R C, Zhang F, et al. 2010. The Beijing Climate Center atmospheric general circulation model: Description and its performance for the present-day climate [J]. Climate Dyn., 34 (1): 123–147.

Wu T W. 2012. A mass-flux cumulus parameterization scheme for large- scale models: Description and test with observations [J]. Climate Dyn., 38 (3–4): 725–744.

吳統(tǒng)文, 宋連春, 劉向文, 等. 2013. 國家氣候中心短期氣候預(yù)測模式系統(tǒng)業(yè)務(wù)化進(jìn)展[J]. 應(yīng)用氣象學(xué)報, 24 (5): 533–543. Wu Tongwen, Song Lianchun, Liu Xiangwen et al. 2013. Progress in developing the short-range operational climate prediction system of China National Climate Center [J]. J. Appl. Meteor. Sci., 24 (5): 533–543.

吳統(tǒng)文, 宋連春, 李偉平, 等. 2014. 北京氣候中心氣候系統(tǒng)模式研發(fā)進(jìn)展——在氣候變化研究中的應(yīng)用[J]. 氣象學(xué)報, 72 (1): 12–29. Wu Tongwen, Song Lianchun, Li Weiping, et al. 2014. Overview on progress in Beijing Climate Center Climate System Model—Its development and application to climate change studies [J]. Acta Meteorologica Sinica (in Chinese), 72 (1): 12–29.

晏紅明, 肖子牛. 2000. 印度洋海溫異常對亞洲季風(fēng)區(qū)天氣氣候影響的數(shù)值模擬研究[J]. 熱帶氣象學(xué)報, 16 (1): 18–27. Yan Hongming, Xiao Ziniu. 2000. The numerical simulation of the Indian Ocean SSTA influence on climatic variations over Asia monsoon region [J]. Journal of Tropical Meteorology (in Chinese), 16 (1): 18–27.

顏宏. 1987. 初始方程P-σ混合坐標(biāo)細(xì)網(wǎng)格嵌套模式的設(shè)計 (二)數(shù)值模式中次網(wǎng)格物理過程參數(shù)化[J]. 高原氣象, 6 (增刊): 64–139. Yan H. 1987. Design of a nested fine-mesh model over the complex topography. Part 2: Parameterization of the subgrid physical processes [J]. Plateau Meteorology (in Chinese), 6 (Suppl.): 64–139.

楊修群, 謝倩, 黃士松. 1992. 大西洋海溫異常對東亞夏季大氣環(huán)流影響的數(shù)值試驗[J]. 氣象學(xué)報, 50 (3): 349–354. Yang Xiuqun, Xie Qian, Huang Shisong. 1992. Numerical experiments of effect of warm SST anomalies in Atlantic Ocean on the East Asian general circulation during the Northern Hemisphere summer [J]. Acta Meteorologica Sinica (in Chinese), 50 (3): 349–354.

Zhang G J, Mu M Q. 2005. Effects of modification 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.

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

Zhang R, Sumi A, Kimoto M. 1999. A diagnostic study of the impact of El Ni?o on the precipitation in China [J]. Adv. Atmos. Sci., 16 (2): 229–241.

Zhou L T, Tam C Y, Zhou W, et al. 2009. Influence of South China Sea SST and the ENSO on winter rainfall over South China [J]. Adv. Atmos. Sci., 27 (4): 832–844.

Zhou T J, Wu B, Wang B. 2009. How well do atmospheric general circulation models capture the leading modes of the interannual variability of Asian–Australian monsoon? [J]. J. Climate, 22 (5): 1159– 1173.

Zhou W, Chan J C L. 2007. ENSO and the South China Sea summer monsoon onset [J]. Int. J. Climatol., 27 (2): 157–167.

左金清, 李維京, 任宏利, 等. 2012. 春季北大西洋濤動與東亞夏季風(fēng)年際關(guān)系的轉(zhuǎn)變及其可能成因分析[J]. 地球物理學(xué)報, 55 (2): 384–395. Zuo Jinqing, Li Weijing, Ren Hongli, et al. 2012. Change of the relationship between spring NAO and East Asian summer monsoon and its possible mechanism [J]. Chinese J. Geophys. (in Chinese), 55 (2): 384–395.

Zuo J Q, Li W J, Sun C H, et al. 2013. Impact of the North Atlantic sea surface temperature tripole on the East Asian summer monsoon [J]. Adv. Atmos. Sci., 30 (4): 1173–1186.

汪栩加, 鄭志海, 封國林，等. 2015. BCC_CSM模式夏季關(guān)鍵區(qū)海溫回報評估[J]. 大氣科學(xué), 39 (2): 271?288, 10.3878/j.issn.1006-9895.1408.13329. Wang Xujia, Zheng Zhihai, Feng Guolin, et al. 2015. Summer prediction of sea surface temperatures in key areas in BCC_CSM model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 39 (2): 271?288.

Summer Prediction of Sea Surface Temperatures in Key Areas in BCC_CSM Model

WANG Xujia1, ZHENG Zhihai2, FENG Guolin2, WANG Kuo1, and SHEN Qian1

1730000;2100081

In this paper, the authors assess the summer prediction skill of retrospective forecasts of global midlatitudes and low latitudes sea surface temperatures (SSTs) in the Beijing Climate Center Climate System Model (BCC_CSM). Results indicate that the SST forecasts exhibit certain skills in middle and low latitude areas and the skills over much of the low latitude areas are better. Further analysis reveals that model forecasts in different areas of the sea have different skills. Specifically, the SST forecasts exhibit significant skills over much of the North Pacific and the Ni?o 3.4 index in summer, followed by the Indian Ocean, Atlantic Ocean, and the Indian Ocean Basin-wide Warming (IOBW), while the North Atlantic Tripole (NAT) shows a lower forecast skill. Recent investigations have revealed that prediction skill is closely related to the El Ni?o Southern Oscillation (ENSO) phases of the previous winter. When the previous winter phase is characterized by ENSO, SST forecasts exhibit higher skills than when preceded by a neutral phase, and the NAT index also has higher forecast skills. The ENSO phases of the previous winter have little effect on the skills of the Ni?o 3.4 and IOBW indexes. In most cases, as the lead time becomes longer, the model will show a drop in forecast skills for summer SSTs and these indexes.

BCC_CSM model, Summer SST, Hindcast, Assess

1006-9895(2015)02-0271-18

P462

A

10.3878/j.issn.1006-9895.1408.13329

2013-12-11；網(wǎng)絡(luò)預(yù)出版日期2014-09-10

國家重點基礎(chǔ)研究發(fā)展計劃項目2013CB430204，公益性行業(yè)（氣象）科研專項GYHY201306021，國家自然科學(xué)基金青年科學(xué)基金項目41105070、41005051

汪栩加，男，1989年出生，碩士，主要從事短期氣候預(yù)測研究。E-mail: wangxj2012@lzu.edu.cn

鄭志海，E-mail: zhengzh@cma.gov.cn