基于改進版NUIST CFS1.1的熱帶大氣季節(jié)內(nèi)信號及其對中國氣溫降水影響的預測評估

伍繼業(yè) 謝欣芮 羅京佳

摘要 基于南京信息工程大學次季節(jié)氣候預測系統(tǒng)（NUIST CFS1.1），通過調(diào)整成員的大氣初始化方案并優(yōu)化了集合預測方案，構建了性能更優(yōu)、計算成本更低的9成員NUIST CFS1.1 Pro系統(tǒng)。進一步基于實時多變量Madden-Julian Oscillation（MJO）指數(shù)和兩類北半球夏季季節(jié)內(nèi)振蕩（Boreal Summer Intraseasonal Oscillation，BSISO）指數(shù)BSISO1和BSISO2，評估了該預測系統(tǒng)對熱帶不同季節(jié)的大氣季節(jié)內(nèi)振蕩（ISO）的預測技巧。結果表明，NUIST CFS1.1 Pro能分別提前26、17、12 d有效預測（距平相關高于0.5）MJO、BSISO1、BSISO2，對強事件（振幅>1）的有效預測時長能分別延長到30、21、13 d。此預測性能對比國內(nèi)其他最新次季節(jié)動力模式如BCC_CSM2和FGOALS-f2有一定優(yōu)勢，同時在與國際S2S計劃的8個主要業(yè)務預測系統(tǒng)的技巧對比中，NUIST CFS1.1 Pro在冬季MJO和夏季BSISO1預測上處于較為領先的水平，BSISO2的預測則處于中等水平;對不同位相的計算技巧顯示，冬季MJO和夏季BSISO1的2、3、6、7位相較其他位相技巧更高。進一步的分析表明，NUIST CFS1.1 Pro能提前5候準確把握冬季MJO的東傳特征，并能在一定程度上預測出其對我國氣溫異常的影響，尤其是對位相2、3時候的冷異常預測;而在夏季，則能提前4候正確預測BSISO1的北傳、西北傳特征，尤其能較好地預測西北太平洋上的對流和低層環(huán)流異常，從而成功預測出BSISO1造成的我國東部地區(qū)降水異常的空間形態(tài)。然而預測的強度較觀測偏弱，這需要進一步的工作來改進。

關鍵詞熱帶大氣季節(jié)內(nèi)振蕩;次季節(jié)預測;中國氣溫降水

我國氣候環(huán)境復雜多樣，人口眾多，且多集中在旱澇災害頻發(fā)的季風區(qū)域中（黃榮輝，2006）。隨著人類活動導致的氣候變暖的加劇，極端天氣和氣候事件發(fā)生風險和強度加大（Chen and Sun，2015;Wang et al.，2020），并隨著經(jīng)濟社會的發(fā)展，氣象災害造成的生命財產(chǎn)損失也逐年上升（史培軍和應卓蓉，2016），因此及時準確的氣象預測極為重要。在傳統(tǒng)天氣預報和氣候預測之上，當前國際上的潮流是發(fā)展天氣-氣候的一體化無縫隙預測（Merryfield et al.，2020;孫照渤和陳海山，2020），而這其中的一個阻礙是，連接天氣預報和短期氣候預測的次季節(jié)預測仍處于技巧荒漠中（White et al.，2017）。這一時間尺度通常在兩周以上、季節(jié)以下，其初值的影響已衰竭，而邊界值的影響還不夠顯著，因而理解次季節(jié)的可預測性來源和實現(xiàn)有效的預測均面臨著巨大的挑戰(zhàn)。為此，世界天氣研究計劃、世界氣候研究計劃（WWRP／WCRP）專門啟動了次季節(jié)到季節(jié)（S2S）預測項目（Vitart et al.，2017）。

熱帶大氣季節(jié)內(nèi)振蕩（ISO）被認為是最重要的全球次季節(jié)預測信號來源（Lau and Waliser，2011）。最早觀測到的ISO主要表現(xiàn)為沿著赤道從印度洋向東傳播的對流（Madden and Julian，1971，1972），被稱為Madden-Julian Oscillation（MJO）。隨著觀測數(shù)據(jù)的不斷增加，熱帶ISO的季節(jié)性開始被關注。相較于在北半球冬季較為單一的東傳，北半球夏季的ISO呈現(xiàn)出更為復雜的傳播特征（Kikuchi，2021），除東傳之外，還在印度季風區(qū)表現(xiàn)為北傳（Yasunari，1979）、在西北太平洋表現(xiàn)為向西北傳的特征（Chen and Murakami，1988），這在后來的研究中被學者稱為北半球夏季季節(jié)內(nèi)振蕩（Boreal Summer Intraseasonal Oscillation，BSISO）（Wang and Xie，1997）。隨著相關機理研究的不斷深入以及技術的日益進步，過去二十年來熱帶ISO的動力預測取得了蓬勃的發(fā)展。各個國家的業(yè)務和研究中心相繼開發(fā)出次季節(jié)預測系統(tǒng)（Vitart et al.，2007;Lin et al.，2008;Rashid et al.，2011;Wang et al.，2014;Liu et al.，2017），它們中大多數(shù)能提前20 d以上有效預測冬季MJO（Kim et al.，2018，2019），其中較先進的模式可以延長MJO技巧到30 d以上，并能準確預測其遙相關（Vitart，2017;Xiang et al.，2021）。比較而言，我國的動力模式對MJO的預測雖然取得了長足進步，但目前與國際領先水平仍有一定差距（Liu et al.，2017）。同時，較多的文章主要關注冬季MJO的預測，而對夏季的BSISO則關注相對較少，同時BSISO復雜的傳播特征為其帶來了更大的預測難度（Lee et al.，2015）。

而MJO和BSISO不僅會影響局部的熱帶地區(qū)，而且會通過遙相關波列影響到中高緯廣大區(qū)域（Cassou 2008;Riddle et al.，2013）。對東亞來說，冬季MJO不同位相可造成不同區(qū)域顯著的冷暖異常（Jeong et al.，2005;Zhang，2013;Kim et al.，2020）;而夏季的MJO則被證明與我國的降水（Jia et al.，2011）密切相關。此外，MJO和BSISO也被認為是引起我國數(shù)次極端天氣氣候事件的重要成因，如2008年南方冰凍雨雪災害（Hong and Li，2009）、2020年長江中下游超強梅雨（Zhang et al.，2021）以及2021年鄭州“721”特大暴雨（Hsu et al.，2023）。因此，準確預測熱帶大氣季節(jié)內(nèi)活動，并能成功把握其對我國氣溫和降水的影響，對提升我國次季節(jié)預測具有深遠意義（梁萍等，2013;梅雙麗等，2021）。

Wu et al.（2023）在南京信息工程大學初代的季節(jié)-年際氣候預測系統(tǒng)（NUIST CFS1.0;賀嘉櫻等，2020）的基礎上，進一步發(fā)展了大氣初始化和集合方案，構建了一套次季節(jié)預測系統(tǒng)NUIST CFS1.1，其對北半球冬季MJO的預測技巧已經(jīng)達到國際先進水平。然而，其距離理論的可預測性還有較大差距（Wu et al.，2023）。此外，該系統(tǒng)對北半球夏季更為復雜的BSISO的預測能力仍不清楚，其對MJO和BSISO的有效預測能否更進一步作用到我國冬夏季的氣溫降水次季節(jié)預測上仍未可知。本文基于NUIST CFS1.1，擬進一步改進相應的預測方案，綜合評估其對熱帶多個季節(jié)內(nèi)信號及其對東亞氣候影響的預測。

1 資料和方法

1.1 觀測數(shù)據(jù)

1）美國國家海洋和大氣管理局（NOAA）提供的1983—2021年逐日對外長波輻射（Outgoing Longwave Radiation，OLR）資料（Liebmann and Smith，1996）和最優(yōu)插值海溫數(shù)據(jù)OISST v2（Reynolds et al.，2002）。2）日本氣象廳JRA-55再分析資料中1983—2021年風場、溫度場、地表氣壓場、降水場以及2 m氣溫場數(shù)據(jù)（Kobayashi et al.，2015）。

1.2 熱帶大氣季節(jié)內(nèi)信號提取

觀測中通常使用帶通濾波來提取季節(jié)內(nèi)信號，但實時監(jiān)測與預測時，數(shù)據(jù)的時間長度沒法滿足做帶通濾波的要求，因此一些替代方案被提出來，比較常見的是用向前120 d滑動平均的方式來提取季節(jié)尺度以上信號，再去除這一低頻信號以保留高頻的信號（Wheeler and Hendon，2004）。在此基礎上，Wheeler and Hendon（2004）進一步用多變量EOF的方法來提取熱帶地區(qū)東傳的MJO信號，Lee et al.（2013）采用類似的方案提取北半球夏季BSISO的信號。這里首先基于所選的時間范圍內(nèi)觀測OLR資料和JRA-55的風場（保持和大氣同化資料同源），用同樣方法表征本研究關注的MJO、BSISO信號。用Wheeler and Hendon （2004）中方法做多變量EOF分解，得到的前兩個特征向量EOF1和EOF2形態(tài)及其解釋方差與Wheeler and Hendon（2004）中的近似一致（圖略），相應的特征值PC1和PC2標準化后便是實時多變量MJO指數(shù)RMM1和RMM2。而提取BSISO信號則按照Lee et al.（2013）的方法，對亞洲夏季風區(qū)（40°～160°E，10°S～40°N）去120 d滑動平均并對標準化后的OLR和U850距平做多變量EOF分解，得到的結果與Lee et al.（2013）的近似一致（圖略）。EOF1和EOF2表示典型季風區(qū)北傳和西北傳的BSISO信號，周期為30～60 d，稱為BSISO1;而EOF3和EOF4則表示季風爆發(fā)前后北傳和西北傳的BSISO信號，周期為10～30 d，稱為BSISO2。同理，PC1和PC2標準化后為觀測中實時BSISO1的指數(shù)，PC3和PC4標準化后為實時BSISO2的指數(shù)。進一步根據(jù)RMM1和RMM2以及BSISO的PC1和PC2、PC3和PC4在二維空間上的分布，分別將MJO、BSISO1和BSISO2各自分成8個位相。而這些信號的強度（振幅）則表示為：

對于預測的數(shù)據(jù)，我們采用國際上通用的步驟（Gottschalck et al.，2010；Lee et al.，2015）來提?。?）對預測的OLR、U850和U200算出逐日的距平A（t，τ），其中t表示起報時間，τ表示預測時長。2）借助于觀測的數(shù)據(jù)求120 d滑動平均，假設預測

1.3 技巧評估指標

在常規(guī)的單變量距平相關系數(shù)（ACC）和均方根誤差（RMSE）之外，第1.2節(jié)所述的MJO和BSISO的指數(shù)均用EOF的兩個特征值來共同表示，因此這里采用前人研究中的雙變量ACC和RMSE來作為熱帶季節(jié)內(nèi)信號預測的技巧指標（Rashid et al.，2011），計算公式如下：

式中：a1t和a2t表示觀測中時刻t的MJO（或BSISO1或BSISO2）指數(shù)中的兩個特征值；b1t0，τ和b2t0，τ表示對應于觀測t時刻、t0起報預測第τ天的值。通常ACC越高，RMSE越低，預測技巧越高。

1.4 非傳統(tǒng)帶通濾波

為了盡可能提煉季節(jié)內(nèi)信號，我們對相關的變量一方面做了如第1.2節(jié)所述的120 d滑動平均以濾除低頻信號，另一方面在此基礎上做了5 d滑動平均以濾除高頻信號，該方法被稱為“非傳統(tǒng)帶通濾波”（參照徐邦琪等（2020））。文中相關變量的季節(jié)內(nèi)異常均采用該方法得到。

2 預測系統(tǒng)簡介

這里的預測系統(tǒng)的基本框架遵照前期的NUIST CFS1.0和1.1版本（賀嘉櫻等，2020;Wu et al.，2023），氣候模式采用全球海氣耦合模式SINTEX-F（Luo et al.，2003，2005）。其中：大氣模塊為ECHAM v4.6（Roeckner et al.，1996）;海洋模塊為OPA v8（Madec et al.，1998）;大氣和海洋模塊用OASIS v2.4耦合器（Valcke et al.，2000）每2 h交換一次通量。大氣模塊在垂直方向上為19層的混合σ-p坐標系，水平方向上為T106的譜格點（約為1.1°×1.1°）；海洋模塊采用ORCA 2的設置，即垂直方向上為31層，水平方向上為2°（緯度）×2°（經(jīng)度），赤道附近的分辨率增加到0.5°，一些物理參數(shù)化方案和更具體的模式介紹參考Luo et al.（2005）和賀嘉櫻等（2020）。在這一耦合模式的基礎上，采用牛頓張弛逼近（nudging）方案，將JRA-55的由逐6 h風場換算的渦度和散度以及溫度和地表氣壓資料、逐周的OISST v2的海溫資料耦合同化得到預測所需的初始場，其基本原理（Jeuken et al.，1996）為：

式中：X表示某一變量模式自身運行得到的值；Fm（X）表示控制X演變的模式動力學方程；Xobs為X對應的觀測值；G為逼近系數(shù)（單位：s-1），等于恢復系數(shù)（restoring timescale）的倒數(shù)。

原先的NUIST CFS1.1系統(tǒng)中包含有18個集合成員，充足的成員數(shù)量可以方便實現(xiàn)概率預測。但從確定性預測的角度看，過量的成員可能會帶來計算資源的浪費。為了進一步提升預測效率和準確性，這里對NUIST CFS1.1的集合方案進行了細微的調(diào)整。集合方案借鑒了Wu et al.（2023）中的第2類9成員集合方案，包含9個不同的大氣nudging系數(shù)組合、3個不同的海溫nudging系數(shù)和3個不同的耦合方案CPL1、CPL2、CPL3（同Luo et al.（2005）中的CTL、FCPL和semi-CPL）。

該方案可增大集合離散度并獲得更高技巧。在此基礎上，考慮到原版本中第1個集合成員采用了過低的散度同化強度，預測技巧明顯低于其他成員，這里對其做了調(diào)整，從而構建了一套改進版NUIST CFS1.1（本文統(tǒng)稱為NUIST CFS1.1 Pro），其總體框架如圖1所示，每個成員具體的大氣海洋nudging系數(shù)設置列舉在表1中。同時，為了更好地適應次季節(jié)實時預測的需求，起報頻次也從舊的每月起報1次（每月1日起報）增加為每5 d起報1次（即每月1、6、11、16、21、26日起報），每次向前預測60 d。

3 MJO和BSISO技巧評估及多模式對比

基于NUIST CFS1.1 Pro的1983年1月—2021年12月的回報數(shù)據(jù)集，我們評估了其對不同季節(jié)熱帶季節(jié)內(nèi)信號的預測能力。首先我們計算了預測和觀測的熱帶區(qū)域各個格點上OLR和U850的ACC技巧。

考慮到熱帶季節(jié)內(nèi)振蕩特征存在季節(jié)性差異，這里首先對比北半球冬季（11月—次年4月）和夏季（5—10月）預測的前5候熱帶地區(qū)OLR和U850季節(jié)內(nèi)異常候平均的ACC技巧（圖2）。

由圖2可以看到，對OLR和U850同一預測時長的技巧，冬季都要高于夏季，且從預測的第2候開始，有技巧的區(qū)域在冬、夏季的位置移動，冬季主要集中在赤道兩側，夏季則更偏于赤道以北，這與熱帶季節(jié)內(nèi)變率的季節(jié)性特征較為一致（Li and Hsu，2018）;此外，模式對風場的預測技巧略微高于對流（OLR）的預測技巧，對熱帶大多數(shù)區(qū)域U850的預測ACC能提前5候保持在0.3以上，對OLR的預測ACC都能保持在0.1以上（圖2e、j），這可能與初值中對OLR的模擬技巧有限有關（Wu et al.，2021），對此尚需進一步改進。

在此基礎上，我們進一步評估了NUIST CFS1.1 Pro的9個成員和集合平均對MJO、BSISO1和BSISO2指數(shù)在不同起報時間的ACC和RMSE（圖3）。由圖3可以看到，集合平均相比于單個成員可以較大程度地提高ACC和減小RMSE，尤其是對冬季的MJO和夏季的BSISO1，集合平均能延長有效預測（ACC>0.5）4～5 d（圖3a、b、d、e）。對比不同季節(jié)內(nèi)信號的預測可以看到，模式對冬季MJO的預測能力最強，有效預測技巧可以保持到26 d（圖3a），這相比原來版本的NUIST CFS1.1有所提高（Wu et al.，2023）;其次是BSISO1，可以提前17 d以上有效預測（圖3b），最低的為BSISO2，可以提前12 d有效預測（圖3c）。這與前面提到的模式對對流和環(huán)流的冬夏季技巧差異，以及已有研究這3類季節(jié)內(nèi)信號的強度和周期差異是對應的。值得一提的是，東傳的MJO信號在夏季仍然存在，且夏季MJO的預測技巧基本能與冬季持平（圖3a、d中黑虛曲線），明顯高于BSISO1，反映了模式對赤道緯向過程的預測比對季風區(qū)經(jīng)向傳播的預測更好。

從有效預測時長來說，NUIST CFS1.1 Pro對冬季MJO的預測略微領先其他幾個國內(nèi)的次季節(jié)動力模式，如BCC-CSM2（24 d;Yao et al.，2023）和FGOALS-f2（23 d;Zeng et al.，2023）;而對BSISO1的預測也領先于BCC-CSM2（14 d;Fang and Liu，2019）。為進一步衡量NUIST CFS1.1 Pro在國際上的水準，我們挑選了S2S計劃中8個國際最主要業(yè)務中心的模式回報數(shù)據(jù)，包括歐洲中長期天氣預報中心（ECMWF）、法國氣象局（CNRM）、英國氣象局（UKMO）、澳洲氣象局（BOM）、美國國家環(huán)境預報中心（NCEP）、中國氣象局（CMA）、日本氣象局（JMA）和韓國氣象局（KMA）。由于NCEP的回報年份只有1999—2010年，所以為保證一致性，這里也選取NUIST CFS1.1 Pro和S2S多模式1999—2010年的回報數(shù)據(jù)（數(shù)據(jù)信息見表2），并用前述同樣的方法評估它們對MJO、BSISO1和BSISO2的預測技巧（圖4）。

相比于前面基于1983—2021年回報數(shù)據(jù)計算的技巧（圖3），圖4中NUIST CFS1.1 Pro的技巧沒有發(fā)生太大變化。對比這9個預測系統(tǒng)，ECMWF模式在預測冬季MJO、夏季BSISO1和BSISO2均表現(xiàn)出最優(yōu)的性能（圖4a—c）。同Vitart（2017）的結果，ECMWF模式可提前約33 d有效預測冬季MJO，剩余模式中除CMA的模式只能提前約15 d有效預測之外，其他中心的模式的預測性能都比較接近，能提前21～23 d有效預測。相比之下，NUIST CFS1.1 Pro中的技巧可以保持得更好，在這里選取的9模式中僅次于ECMWF系統(tǒng)（圖4a）。各模式對BSISO1的預測技巧都明顯低于MJO，最好的ECMWF系統(tǒng)可提前約25 d有效預測，NUIST CFS1.1 Pro和UKMO模式處于第2梯隊，之后的是BOM、JMA、KMA和CRNM的模式，有效預測時間為13～15 d，CMA模式最低，約為10 d（圖4b）。NUIST CFS1.1 Pro對BSISO2的預測水平在9個模式中處于中等水平，低于ECMWF、UKMO、JMA和KMA的模式（圖4c）。值得一提的是，在這里的9個模式中，僅有NUIST CFS1.1 Pro和ECMWF的模式可以提前20（15） d以上保持對MJO（BSISO1）的較高技巧（ACC>0.6;圖4d）。

一般說來，強的熱帶ISO比弱的更易引起其他地區(qū)的響應，也更易被預測。為此，我們根據(jù)振幅大于（小于）1挑選了強（弱）的冬季MJO、BSISO1和BSISO2事件，并分別計算了NUIST CFS1.1 Pro對它們的預測技巧（圖5a）。由圖5a可以看到，模式對強、弱事件預測的差異十分顯著，對強的冬季MJO甚至能提前近30 d有效預測，對強BSISO1也能提前21 d有效預測，對強BSISO2的有效預測時長提至13 d;從預測時效來看，強與弱MJO、BSISO1和BSISO2的差異分別達20、13、8 d。除受到強度影響外，ISO的位相也會對預測技巧產(chǎn)生影響。對強事件，我們細分8個位相，分別計算其技巧（圖5b—d）。

在冬季MJO的預測中，位相2、3、6、7技巧較高，位相1、5、8偏低（圖5b），這與一些其他預測系統(tǒng)如NCEP CFSv2（Wang et al.，2014）以及GFDL模式（Xiang et al.，2015）的結果類似。位相1為MJO發(fā)生的起始階段，較難預測;位相3為MJO在印度洋上達到強盛狀態(tài)，信號很強，因而預測技巧最高;之后的位相4和5為MJO東傳過海洋性大陸（Maritime Continent，MC），存在一個MC障礙，因而技巧降低;之后的6、7位相，MJO對流在西太平洋達到旺盛，預測技巧也較高。BSISO1預測隨位相的變化和冬季MJO類似，位相2、3、6、7的預測相對更好，其中位相7最好（圖5c）。相比之下，BSISO2預測技巧受位相的影響較小，各個位相的技巧分布比較均衡，對位相1和3的技巧略高于其他位相（圖5d）。

考慮到模式對冬季MJO在提前5候（21～25 d）和對BSISO1在提前4候（16～20 d）的時候，各個位相都保持著相當?shù)募记桑▓D5b、c），我們進一步分別對比了觀測和模式提前5候預測冬季MJO和提前4候預測BSISO1的對流和低層風場異常8個位相的演變圖（圖6和圖7）?？梢钥吹剑琋UIST CFS1.1 Pro可基本預測出冬季MJO和夏季BSISO1的主要特征，如冬季MJO對流在赤道上的東傳及其相應的Gill-Matsuno環(huán)流響應（圖6），以及夏季BSISO1在印度洋上的北傳和在西北太平洋的西北傳（圖7）。而一個很大的不足表現(xiàn)在對強度的預測普遍偏弱，尤其是在BSISO1的預測上，在位相1—4時，在東印度洋上的對流活躍位相，預測的強度相對觀測低很多（對比圖7的a—d和i—l）;相比之下，對位相1—4時的西北太平洋對流抑制位相和反氣旋環(huán)流，以及位相5—8時的對流活躍位相和氣旋性環(huán)流，NUIST CFS1.1 Pro能有相對更好的預測（圖7），但強度仍較為偏弱。

4 MJO和BSISO1對中國區(qū)域影響的預測初步評估

前面的分析論證了NUIST CFS1.1 Pro在次季節(jié)尺度上（提前10～30 d）對熱帶不同季節(jié)主導的ISO信號的預測能力，這些信號進一步會影響到處于位于中緯度的中國區(qū)域。冬季MJO由于自身的對流和環(huán)流主要位于赤道上，所以主要通過激發(fā)羅斯貝波列和經(jīng)向熱力環(huán)流（Kim et al.，2020）影響我國，而夏季BSISO則由于自身的對流異常可以直接傳到西北太平洋，所以其對應的環(huán)流異常能直接影響我國區(qū)域（圖7a—h）。因此，我們進一步探究了NUIST CFS1.1 Pro能否正確預測熱帶ISO對我國氣溫降水的影響。

在冬季，極端天氣氣候事件更多地與冷空氣有關，因此這里先初步檢驗對MJO相關的溫度異常的預測能力。圖8反映了觀測（JRA-55）和模式提前5候預測的1983—2021年冬季強MJO不同位相合成的2 m溫度季節(jié)內(nèi)異常。觀測中總體的冷暖形勢與前人研究結果（Jeong et al.，2005;Kim et al.，2020）較為一致，在MJO位相1的時候，全國東部沿海區(qū)域暖異常（圖8a），之后在位相2和3時轉為大面積較強的冷異常（圖8b、c），再到位相6、7、8時轉為暖異常。模式的預測可大體預報出位相2、3時的中國區(qū)域的冷異常響應，但強度偏弱且位相3時冷異常區(qū)域相對觀測偏北（圖8f、g）。雖然模式對MJO位相6、7的熱帶對流有著較好的預測技巧，但其對我國大范圍的暖異常遙相關卻沒有預測準確，僅僅部分預測出中部的暖異常（圖8n、o），反而對位相8時的全國暖異常有一定預測能力（圖8l、p），但預測的暖中心出現(xiàn)在我國東部，與觀測中出現(xiàn)在西北和東北的事實不符。這些結果表明，一方面NUIST CFS1.1 Pro能一定程度上預測出MJO活動造成的冷暖空氣活動，另一方面對MJO遙相關的預測技巧并不能與MJO自身的預測技巧相對應，說明模式對熱帶-中高緯的相互作用的復現(xiàn)能力還需進一步提高。

在夏季，季節(jié)內(nèi)活動被認為與極端降水（Zhang et al.，2021）以及夏季風的爆發(fā)相關聯(lián)（Wang et al.，2018），因此這里進一步對比了觀測（JRA-55）和模式提前4候預測的1983—2021年夏季強BSISO1不同位相合成的降水季節(jié)內(nèi)異常（圖9）。在觀測中，位相1和5時，我國東部降水異常呈現(xiàn)南北偶極子型，在位相1時為南多北少（圖9a），而在位相5時則為南少北多（圖9i）。位相2、3、4都分別對應著我國南方地區(qū)降水異常偏多，其中異常的中心位于長江中下游，容易引起該地區(qū)洪澇（圖9b—d），而位相6、7、8則對應著南方地區(qū)降水異常偏少，其中位相6、7時異常較大，容易引發(fā)干旱（圖9j—l）。NUIST CFS1.1 Pro可以一定程度上復現(xiàn)這些降水異常的正負以及所在位置，尤其是對位相2、3、4的降水異常偏多形態(tài)有不錯的預測效果，但強度較觀測偏弱很多（圖9f—h）。同樣地，位相6、7時，南方的干旱形勢也能被模式預測出來，但強度也偏弱（圖9n、o）。這些觀測和預測中的降水異?？赡芎虰SISO1中西北太平洋對流異常造成的環(huán)流異常有關，在位相2、3、4時，我國位于BSISO相關的西北太平洋反氣旋性異常的西側（圖7b—d），因而南方地區(qū)為西南風異常，通過輸送水汽可引起多雨;反過來，在位相6、7、8時，西北太平洋為氣旋性異常（圖7f、g），我國南方地區(qū)為東北風異常，不利于水汽輸送從而導致少雨。NUIST CFS1.1 Pro能較好地預測出這些反氣旋、氣旋異常，尤其在位相2、3和6、7的時候（圖7j、k、n、o），因此它對我國東部季節(jié)內(nèi)旱澇形勢可以做出不錯的預測。

5 結論與討論

本研究在包含18個集合成員的南京信息工程大學次季節(jié)預測系統(tǒng)NUIST CFS1.1基礎上，調(diào)整了集合方案并增加了起報頻次，從而重構了一套9成員的集合預測系統(tǒng)NUIST CFS1.1 Pro，以實現(xiàn)更高性能、更小計算資源消耗和加密的預測信息發(fā)布。為評估其對熱帶多個ISO信號的技巧，我們基于NOAA的OLR資料和與大氣同化數(shù)據(jù)同源的JRA-55風場資料，參照Wheeler and Hendon（2004）和Lee et al.（2013）的多變量EOF方法，計算了熱帶的幾類大氣季節(jié)內(nèi)振蕩MJO、BSISO1和BSISO2的指數(shù)，從而進一步評估了NUIST CFS1.1 Pro對這些ISO信號及其對我國氣溫降水影響的預測能力，得到以下主要結論：

1）NUIST CFS1.1 Pro對冬夏季熱帶東傳的MJO都有著不錯的預測技巧，均能提前約26 d有效預測;相比之下，對夏季北傳和西北傳的BSISO1的預測難度更大，有效預測可以維持17 d;而對BSISO2，由于其本身的周期較短，僅可以提前12 d左右有效預測。這些技巧對比國內(nèi)其他最新的次季節(jié)動力模式有一定的優(yōu)勢，而與國際上8個主要的S2S動力模型一起評比發(fā)現(xiàn)，該預測系統(tǒng)在預測冬季MJO和夏季BSISO1落后于ECMWF模式，但領先于其他多數(shù)模式，對BSISO2的預測水平則處于中等水平。

2）預測技巧受振幅的影響較大，強弱事件的預測差異較大，NUIST CFS1.1 Pro對強的冬季MJO、夏季BSISO1和BSISO2的有效預測時長能分別延長到30 d、21 d和13 d。進一步對強的事件分位相1—8進行評估發(fā)現(xiàn)，對冬季MJO和夏季BSISO1的位相2、3、6、7的技巧高于其他位相，其中對冬季強MJO位相3的有效預測能達到37 d，對強BSISO1位相7的預測能接近30 d。

3）在冬季，NUIST CFS1.1 Pro能提前5候準確預測MJO的東傳特征，且能在一定程度上預測出MJO的不同位相對我國氣溫的影響;相比之下，對位相2、3時我國冷異常的預測比對位相6、7時我國暖異常的效果更佳。在夏季，模式能提前4候較大程度上預測出BSISO1在印度洋的北傳和西北太平洋的西北傳，特別是對西北太平洋上對流和低層氣旋反氣旋式環(huán)流異常的預測效果較好，因而能相對準確預測出我國東部降水異常的主要形勢。

綜上所述，NUIST CFS1.1 Pro具備了對不同季節(jié)的多個熱帶ISO信號可觀的預測能力，且能在延伸期尺度（2周以上）復現(xiàn)這些ISO的演變特征及對我國氣溫降水的影響，可為我國次季節(jié)預測提供有價值的參考信息。然而，其不足之處在于，模式對這些ISO信號及其造成的我國氣溫降水異常的振幅預測偏弱，且對一些區(qū)域遙相關響應的預測容易出現(xiàn)符號相反的情況，且異常中心相對觀測有偏移。這些急需進一步完善NUIST CFS1.1 Pro對熱帶-中高緯相互作用過程的復現(xiàn)能力。

參考文獻（References）

Cassou C，2008.Intraseasonal interaction between the Madden-Julian Oscillation and the North Atlantic Oscillation［J］.Nature，455（7212）：523-527.doi：10.1038／nature07286.

Chen H P，Sun J Q，2015.Changes in climate extreme events in China associated with warming［J］.Int J Climatol，35（10）：2735-2751.doi：10.1002／joc.4168.

Chen T C，Murakami M，1988.The 30—50 day variation of convective activity over the western Pacific Ocean with emphasis on the northwestern region［J］.Mon Wea Rev，116（4）：892-906.doi：10.1175／1520-0493（1988）116<0892：tdvoca>2.0.co;2.

Fang Y J，Li B，Liu X W，2019.Predictability and prediction skill of the boreal summer intra-seasonal oscillation in BCC_CSM model［J］.J Meteor Soc Jpn，97（1）：295-311.doi：10.2151／jmsj.2019-019.

Gottschalck J，Wheeler M，Weickmann K，et al.，2010.A framework for assessing operational Madden-Julian Oscillation forecasts：a CLIVAR MJO working group project［J］.Bull Amer Meteor Soc，91（9）：1247-1258.doi：10.1175／2010bams2816.1.

賀嘉櫻，伍繼業(yè)，羅京佳，2020.南京信息工程大學氣候預測系統(tǒng)1.0版簡介［J］.大氣科學學報，43（1）：128-143. He J Y，Wu J Y，Luo J J，2020.Introduction to climate forecast system version 1.0 of Nanjing University of Information Science and Technology［J］.Trans Atmos Sci，43（1）：128-143.doi：10.13878／j.cnki.dqkxxb.20191110007.（in Chinese）.

Hong C C，Li T，2009.The extreme cold anomaly over Southeast Asia in February 2008：roles of ISO and ENSO［J］.J Climate，22（13）：3786-3801.doi：10.1175／2009jcli2864.1.

Hsu P C，Xie J H，Lee J Y，et al.，2023.Multiscale interactions driving the devastating floods in Henan Province，China during July 2021［J］.Weather Clim Extrem，39：100541.doi：10.1016／j.wace.2022.100541.

黃榮輝，2006.我國重大氣候災害的形成機理和預測理論研究［J］.地球科學進展，21（6）：564-575. Huang R H，2006.Progresses in research on the formation mechanism and prediction theory of severe climatic disasters in China［J］.Adv Earth Sci，21（6）：564-575.doi：10.3321／j.issn：1001-8166.2006.06.002.（in Chinese）.

Jeong J H，Ho C H，Kim B M，et al.，2005.Influence of the Madden-Julian Oscillation on wintertime surface air temperature and cold surges in East Asia［J］.J Geophys Res：Atmos，110（D11）：D11104.doi：10.1029／2004JD005408.

Jeuken A B M，Siegmund P C，Heijboer L C，et al.，1996.On the potential of assimilating meteorological analyses in a global climate model for the purpose of model validation［J］.J Geophys Res：Atmos，101（D12）：16939-16950.doi：10.1029／96jd01218.

Jia X L，Chen L J，Ren F M，et al.，2011.Impacts of the MJO on winter rainfall and circulation in China［J］.Adv Atmos Sci，28（3）：521-533.doi：10.1007／s00376-010-9118-z.

Kikuchi K，2021.The boreal summer intraseasonal oscillation （BSISO）：a review［J］.J Meteor Soc Jpn，99（4）：933-972.doi：10.2151／jmsj.2021-045.

Kim H，Vitart F，Waliser D E，2018.Prediction of the Madden-Julian Oscillation：a review［J］.J Climate，31（23）：9425-9443.doi：10.1175／JCLI-D-18-0210.1.

Kim H，Janiga M A，Pegion K，2019.MJO propagation processes and mean biases in the SubX and S2S reforecasts［J］.J Geophys Res：Atmos，124（16）：9314-9331.doi：10.1029／2019JD031139.

Kim S，Kug J S，Seo K H，2020.Impacts of MJO on the intraseasonal temperature variation in East Asia［J］.J Climate，33（20）：8903-8916.doi：10.1175／JCLI-D-20-0302.1.

Kobayashi S，Ota Y，Harada Y，et al.，2015.The JRA-55 reanalysis：general specifications and basic characteristics［J］.J Meteor Soc Jpn，93（1）：5-48.doi：10.2151／jmsj.2015-001.

Lau W K M，Waliser D E，2011.Intraseasonal variability in the atmosphere-ocean climate system［M］.Springer Science ＆ Business Media.

Lee J Y，Wang B，Wheeler M C，et al.，2013.Real-time multivariate indices for the boreal summer intraseasonal oscillation over the Asian summer monsoon region［J］.Clim Dyn，40（1）：493-509.doi：10.1007／s00382-012-1544-4.

Lee S S，Wang B，Waliser D E，et al.，2015.Predictability and prediction skill of the boreal summer intraseasonal oscillation in the intraseasonal variability hindcast experiment［J］.Clim Dyn，45（7）：2123-2135.doi：10.1007／s00382-014-2461-5.

Li T，Hsu P C，2018.Fundamentals of tropical climate dynamics［M］.Cham：Springer.

梁萍，何金海，穆海振，2013.MJO在延伸期預報中的應用進展［J］.氣象科技進展，3（1）：31-38. Liang P，He J H，Mu H Z，2013.Application of MJO in extended-range forecast［J］.Adv Meteor Sci Technol，3（1）：31-38.doi：10.3969／j.issn.2095-1973.2013.01.005.（in Chinese）.

Liebmann B，Smith C A，1996.Description of a complete （interpolated） outgoing longwave radiation dataset［J］.Bull Amer Meteor Soc，77：1275-1277.

Lin H，Brunet G，Derome J，2008.Forecast skill of the Madden-Julian Oscillation in two Canadian atmospheric models［J］.Mon Wea Rev，136（11）：4130-4149.doi：10.1175／2008mwr2459.1.

Liu X W，Wu T W，Yang S，et al.，2017.MJO prediction using the sub-seasonal to seasonal forecast model of Beijing Climate Center［J］.Clim Dyn，48（9）：3283-3307.doi：10.1007／s00382-016-3264-7.

Luo J J，Masson S，Behera S，et al.，2003.South Pacific origin of the decadal ENSO-like variation as simulated by a coupled GCM［J］.Geophys Res Lett，30（24）：2250.doi：10.1029／2003gl018649.

Luo J J，Masson S，Behera S，et al.，2005.Seasonal climate predictability in a coupled OAGCM using a different approach for ensemble forecasts［J］.J Climate，18（21）：4474-4497.doi：10.1175／JCLI3526.1.

梅雙麗，李勇，馬杰，2020.熱帶季節(jié)內(nèi)振蕩在延伸期預報中的應用進展［J］.地球科學進展，35（12）：1222-1231. Mei S L，Li Y，Ma J，2020.Review of the application of MJO in the extended range forecast［J］.Adv Earth Sci，35（12）：1222-1231.（in Chinese）.

Madden R A，Julian P R，1971.Detection of a 40—50 day oscillation in the zonal wind in the tropical Pacific［J］.J Atmos Sci，28（5）：702-708.doi：10.1175／1520-0469（1971）028<0702：doadoi>2.0.co;2.

Madden R A，Julian P R，1972.Description of global-scale circulation cells in the tropics with a 40—50 day period［J］.J Atmos Sci，29（6）：1109-1123.doi：10.1175／1520-0469（1972）029<1109：dogscc>2.0.co;2.

Madec G，Delecluse P，Imbard M，et al.，1997.Ocean general circulation model reference manual［R］.Note du Ple de modélisation.

Merryfield W J，Baehr J，Batté L，et al.，2020.Current and emerging developments in subseasonal to decadal prediction［J］.Bull Amer Meteor Soc，101（6）：E869-E896.doi：10.1175／BAMS-D-19-0037.1.

Rashid H A，Hendon H H，Wheeler M C，et al.，2011.Prediction of the Madden-Julian Oscillation with the POAMA dynamical prediction system［J］.Clim Dyn，36（3）：649-661.doi：10.1007／s00382-010-0754-x.

Reynolds R W，Rayner N A，Smith T M，et al.，2002.An improved in situ and satellite SST analysis for climate［J］.J Climate，15（13）：1609-1625.doi：10.1175／1520-0442（2002）0151609：AIISAS>2.0.CO;2.

Riddle E E，Stoner M B，Johnson N C，et al.，2013.The impact of the MJO on clusters of wintertime circulation anomalies over the North American region［J］.Clim Dyn，40（7）：1749-1766.doi：10.1007／s00382-012-1493-y.

Roeckner E，Arpe K，Bengtsson L，et al.，1996.The atmospheric general circulation model ECHAM-4：model description and simulation of present-day climate［R］.Hamburg，Germany：Max-Planck-Institutfür Meteorologie.

史培軍，應卓蓉，2016.中國氣象災害對宏觀經(jīng)濟增長的影響分析［J］.北京師范大學學報（自然科學版），52（6）：747-753. Shi P J，Ying Z R，2016.Impacts of meteorological disaster on economic growth in China［J］.J Beijing Norm Univ Nat Sci，52（6）：747-753.doi：10.16360／j.cnki.jbnuns.2016.06.012.（in Chinese）.

孫照渤，陳海山，2020.短期氣候預測：南京信息工程大學60年回顧與展望［J］.大氣科學學報，43（5）：745-767. Sun Z B，Chen H S，2020.Short-term climate prediction：a review for the related work in NUIST in the past 60 years and an outlook for the future［J］.Trans Atmos Sci，43（5）：745-767.doi：10.13878／j.cnki.dqkxxb.20200905017.（in Chinese）.

Valcke S，Terray L，Piacentini A，2000.The OASIS coupler user guide version 2.4［R］.Tech Rep TR／CMGC／00-10，CERFACS.

Vitart F，Woolnough S，Balmaseda M A，et al.，2007.Monthly forecast of the Madden-Julian Oscillation using a coupled GCM［J］.Mon Wea Rev，135（7）：2700-2715.doi：10.1175／MWR3415.1.

Vitart F，Ardilouze C，Bonet A，et al.，2017.The subseasonal to seasonal （S2S） prediction project database［J］.Bull Amer Meteor Soc，98（1）：163-173.

Vitart F，2017.Madden-Julian Oscillation prediction and teleconnections in the S2S database［J］.Quart J Roy Meteor Soc，143（706）：2210-2220.doi：10.1002／qj.3079.

Wang B，Xie X S，1997.A model for the boreal summer intraseasonal oscillation［J］.J Atmos Sci，54（1）：72-86.doi：10.1175／1520-0469（1997）0540072：AMFTBS>2.0.CO;2.

Wang G，Zhang Q，Yu H Q，et al.，2020.Double increase in precipitation extremes across China in a 1.5 ℃／2.0 ℃ warmer climate［J］.Sci Total Environ，746：140807.doi：10.1016／j.scitotenv.2020.140807.

Wang H，Liu F，Wang B，et al.，2018.Effects of intraseasonal oscillation on South China Sea summer monsoon onset［J］.Clim Dyn，51（7）：2543-2558.doi：10.1007／s00382-017-4027-9.

Wang W Q，Hung M P，Weaver S J，et al.，2014.MJO prediction in the NCEP Climate Forecast System version 2［J］.Clim Dyn，42（9）：2509-2520.doi：10.1007／s00382-013-1806-9.

Wheeler M C，Hendon H H，2004.An all-season real-time multivariate MJO index：development of an index for monitoring and prediction［J］.Mon Wea Rev，132（8）：1917-1932.doi：10.1175／1520-0493（2004）1321917：AARMMI>2.0.CO;2.

White C J，Carlsen H，Robertson A W，et al.，2017.Potential applications of subseasonal-to-seasonal （S2S） predictions［J］.Meteor Appl，24（3）：315-325.doi：10.1002／met.1654.

Wu J Y，Li Y，Luo J J，et al.，2021.Assessing the role of air-sea coupling in predicting Madden-Julian Oscillation with an atmosphere-ocean coupled model［J］.J Climate，34（24）：9647-9663.doi：10.1175／jcli-d-20-0989.1.

Wu J Y，Li Y，Luo J J，et al.，2023.Prediction and predictability of boreal winter MJO using a multi-member subseasonal to seasonal forecast system of NUIST （NUIST CFS 1.1）［J］.Clim Dyn.doi：10.1007／s00382-023-07047-4.

Xiang B Q，Zhao M，Jiang X N，et al.，2015.The 3—4-week MJO prediction skill in a GFDL coupled model［J］.J Climate，28（13）：5351-5364.doi：10.1175／jcli-d-15-0102.1.

Xiang B Q，Harris L，Delworth T L，et al.，2022.S2S prediction in GFDL SPEAR：MJO diversity and teleconnections［J］.Bull Amer Meteor Soc，103（2）：E463-E484.doi：10.1175／bams-d-21-0124.1.

徐邦琪，臧鈺歆，朱志偉，等，2020.時空投影模型（STPM）的次季節(jié)至季節(jié)（S2S）預測應用進展［J］.大氣科學學報，43（1）：212-224. Hsu P C，Zang Y X，Zhu Z W，et al.，2020.Subseasonal-to-seasonal （S2S） prediction using the spatial-temporal projection model （STPM）［J］.Trans Atmos Sci，43（1）：212-224.doi：10.13878／j.cnki.dqkxxb.20191028002.（in Chinese）.

Yao J C，Liu X W，Wu T W，et al.，2023.Progress of MJO prediction at CMA from phase I to phase II of the sub-seasonal to seasonal prediction project［J］.Adv Atmos Sci，40（10）：1799-1815.doi：10.1007／s00376-023-2351-z.

Yasunari T，1979.Cloudiness fluctuations associated with the Northern Hemisphere summer monsoon［J］.J Meteor Soc Jpn，57（3）：227-242.doi：10.2151／jmsj1965.57.3_227.

Zeng L J，Bao Q，Wu X F，et al.，2023.Impacts of humidity initialization on MJO prediction：a study in an operational sub-seasonal to seasonal system［J］.Atmos Res，294：106946.doi：10.1016／j.atmosres.2023.106946.

Zhang C D，2013.Madden-Julian Oscillation：bridging weather and climate［J］.Bull Amer Meteor Soc，94（12）：1849-1870.doi：10.1175／bams-d-12-00026.1.

Zhang W J，Huang Z C，Jiang F，et al.，2021.Exceptionally persistent Madden-Julian Oscillation activity contributes to the extreme 2020 East Asian summer monsoon rainfall［J］.Geophys Res Lett，48（5）：e2020GL091588.doi：10.1029／2020gl091588.