多模式預報系統對東亞冬季風預測性能的評估

吳昱樹 , 王 林 , 陳權亮

（1. 成都信息工程大學大氣科學學院, 成都 610225；2. 內蒙古自治區烏蘭察布市氣象局, 烏蘭察布 012000；3. 中國科學院大氣物理研究所季風系統研究中心, 北京 100190）

引言

東亞冬季風作為北半球冬最活躍的氣候系統，它的活動對東亞及全球冬季氣候異常有重大影響[1-4]。強冬季風年，東亞常常出現大風、低溫、寒潮、雨雪和沙塵暴等災害性天氣[5-8]。例如，2007/2008年東亞破紀錄的寒潮和極端冷事件[5-6]，2018年1月中國中東部持續性雨雪天氣[7]，都造成了嚴重的經濟和社會災難。盡管東亞冬季風會造成顯著的東亞冬季氣候異常，但與東亞夏季風相比，其季節可預報性和動力預報技巧研究較少[9-10]。在當前的季節預報系統中，東亞冬季風提前幾個月的確定性預報仍然是一個具有挑戰性的任務[4]。

東亞冬季風具有強的年際變化特征[2-4,11-13]。強冬季風年，伴隨著西伯利亞高壓加強，東亞大槽加深，東亞急流加速，東亞低層北風加強以及寒潮頻發[2-4,11-18]。研究表明東亞冬季風的年際變化受到厄爾尼諾和南方濤動（ENSO）的影響[18-19]。厄爾尼諾年，在西北太平洋（菲律賓海）和東北太平洋低層分別存在異常反氣旋和氣旋，導致東亞暖平流和東亞冬季風減弱；而拉尼娜年反之[18]。

以往對東亞冬季風的研究大多數基于觀測數據，且使用統計模型預測。已有研究表明，統計模型對東亞冬季風強度及中國東部地表氣溫具有較強的預測能力[20]。劉實等[21]根據前期10月北太平洋-北美-北大西洋異常環流型，并結合黑潮及其延伸區和熱帶西印度洋海溫異常信號建立了預測冬季風強度的統計方法，取得了較好的預測效果。Zuo 等[22]基于秋季北極海冰異常信號建立了統計模型檢驗中國冬季氣溫異常的潛在可預測性，該模型對中國大部分地區具有較高的預測技能。近年來，氣象學者更多地使用數值模式研究并預測東亞季風的變化，但多數工作[9,23-25]集中在夏季風，而對冬季風的研究較少。Li 等[26]研究發現耦合模式對東亞冬季風指數具有較高的預測技巧，該指數定義為東亞主要區域（20°～60°N，90°～150°E）850 hPa 氣溫經驗正交函數（Empirical Orthogonal Function，EOF）的第一主成分。Yang等[27]研究歐洲中心上一代多模預報系統發現，該集合模式對低緯度（30°N以南）使用對流層低層風場定義的5個東亞冬季風指數具有較高的預測技巧，這五個指數的可預測性源于它們與ENSO 密切相關。Tian等[28]研究指出第二版氣候預測系統（CFSv2）對一個與中高緯環流密切相關的東亞冬季風指數具有有限的預測技巧。盡管上述研究表明最先進模式對東亞冬季風表現出了預測技能，但是準確預測東亞冬季風的年際變率仍然是一個挑戰。

季節性預報和哥白尼氣候變化服務中心（C3S）項目是歐洲中期天氣預報中心提供的最新季節-年際尺度的氣候預測系統（包括：SEAS5、GloSea5、MFSys7、GCFS2、SPSv3），它們在北大西洋濤動（North Atlantic Oscillation，NAO）[29-31]、長江流域夏季降雨[32]、中國華南冬季降水[33]、西太平洋副熱帶高壓脊線和強度指數[34]及四川盆地東部2 m 氣溫[35]等方面均表現出顯著的預測技巧，但其對東亞冬季風的預測性能研究尚未見報道。針對這一問題，本文擬利用C3S 多模式預報系統輸出的1993～2016年回報數據，探討該多模式預報系統對東亞冬季風的預測性能。

1 數據和方法

1.1 數據

本文使用的研究數據包括：（1）ERA5月平均再分析資料，該數據來源于歐洲中期天氣預報中心網站（https://cds.climate.copernicus.eu），水平分辨率為 2.5°×2.5°，時間范圍從1979年至今，選取了海平面氣壓場、地表氣溫、850 hPa 風場、200 hPa 風場以及500 hPa 位勢高度場；（2）來源于全球降水量氣候項目（Global Precipitation Climatology Project，GPCP）[36]的降水資料，由美國國家航空航天局戈達德太空飛行中心提供（https://precip.gsfc.nasa.gov），水平空間分辨率為 2.5°×2.5°，時間范圍從1979年至今；（3）C3S 多模式預報系統輸出的月平均回報數據（https://cds.climate.copernicus.eu/#!/search?text=hindcastype=dataset），包括SEAS5[31]（歐洲中期天氣預報中心第五代季節預測系統）、GloSea5[37]（英國氣象局全球第五代季節預測系統）、MF-Sys7（法國氣象局第七版氣候預測系統）、GCFS2（德國氣象局氣候預測系統）及SPSv3（歐洲地中海氣候變化中心第三版氣候預測系統）共5個模式，水平分辨率均為 1°×1°，時間長度均為 1993年1月～2016年12月，將模式數據通過雙線性插值到與觀測一致的水平網格上。

本文只關注北半球冬季，將當年12月、次年1月和次年2月（DJF）的平均定義為北半球冬季，一共24個冬季（1993～2016年）。這里1993年冬季是指1993/1994年冬天。

模式預報時效為5個月，但本文只分析11月初始化的預報結果，即提前1個月（Lead1）預測冬季。將1993～2016年冬季的平均定義為氣候態，觀測及預測中的異常由原始數據分別減去相對應的氣候態得到。本文除了氣候態的評估之外，其他分析均基于異常場。

1.2 方法

本文選取Wang and Chen[4]利用海平面氣壓（Sea Level Pressure，SLP）定義的東亞冬季風指數（East Asian Winter Moosoon Index，EAWMI）來衡量冬季風的年際變化特征：EAWMI =2×SLP1-SLP2-SLP3，其中SLP1、SLP2 和SLP3 的區域范圍分別是40°～60°N、70°～120°E，30°～50°N、140°～170°E 和20°S～10°N、110°～160°E。本文用的統計方法有相關性分析、t 檢驗、一元線性回歸。

2 模式對東亞冬季風氣候態特征的預測性能

東亞冬季風是一個深厚系統，與整個對流層的大氣環流有關，它與對流層低層的西伯利亞高壓和阿留申低壓有關。西伯利亞高壓東側形成強烈的西北風，在25°N 附近轉為東北風，并向南吹至熱帶地區（圖1a）。東亞冬季風還與對流層中層日本附近的東亞大槽及對流層高層日本東南部的東亞高空急流有關（圖2a）。C3S 多模式都很好地再現了東亞冬季風大氣環流的氣候態特征（圖1b～f 和圖2b～f），但與觀測結果均存在一定的偏差（圖略）。SEAS5 的偏差最小，位于40°N以北西北太平洋（東北太平洋）上低于（高于）觀測的海平面氣壓及氣旋性環流（反氣旋性環流），同時海洋性大陸上存在偏東風偏差。其余四個模式都顯示出了位于10°N 以北北太平洋上海平面氣壓及低層環流的偶極子偏差，40°N 以北（南）高于（低于）觀測。GCFS2中40°N 以北歐亞大陸上存在低于觀測的海平面氣壓及偏東風偏差，同時輻散風在海洋性大陸以東為偏西風偏差，以西為偏東風偏差。GloSea5 中歐亞大陸上表現出相對于觀測正負分布不均勻的海平面氣壓以及偏東風偏差，同時海洋性大陸風場偏差與GCFS2類似。MF-Sys7 中顯示出位于歐亞大陸上東北-西南向的海平面氣壓偶極子偏差，東北（西南）部高于（低于）觀測，同時熱帶地區主要為偏東風偏差。SPSv3中歐亞大陸大部高于觀測的海平面氣壓，同時熱帶地區以偏南風偏差為主。對于500 hPa 位勢高度和200 hPa緯向風而言，偏差仍然是SEAS5 最小，日本附近高于觀測的位勢高度，東亞大槽偏弱；同時，在整個副熱帶急流區域和熱帶印度洋均高于觀測的緯向風，東亞高空急流偏強。有趣的是，其余四個模式中500 hPa 位勢高度在北太平洋上都表現出相對于觀測的南北向三極子偏差特征分布（20°N 以北的偏差結構類似于海平面氣壓偏差，具有準正壓結構），在20°N 以北、50°N 以南有最大偏差（偏低）；同時，200 hPa 緯向風偏差與其動力耦合，最大偏差同樣出現在北太平洋，緯向風偏高的北側和偏低的南側均為位勢高度偏低區；反之為偏高區。

圖2 同圖1，但為500 hPa 位勢高度（等值線，單位：gpm）和200 hPa 緯向風（填色，單位：m/s）

亞洲大陸上地表氣溫低于海表氣溫，西伯利亞東北部最低，東亞區域最低出現在青藏高原上，海洋性大陸上最高，該氣溫空間型被認為是東亞冬季風重要的熱力驅動機制之一（圖1a）。模式很好地再現了地表氣溫的空間分布（圖1b～f），但對于觀測同樣有偏差（圖略）。SEAS5 中偏差最小，西伯利亞東北部偏暖，中國東部偏冷。其余四個模式都在熱帶表現出暖偏差。GCFS2 和MF-Sys7 中西伯利亞東北部為最大暖偏差。GloSea5 和SPSv3 中亞洲大陸上為冷偏差。冷偏差（暖偏差）與高于（低于）觀測的海平面氣壓熱耦合，突出了海平面氣壓模擬在預測地表氣溫中的重要性。

圖1 冬季平均的地表氣溫（填色，單位：℃），海平面氣壓（等值線，單位：hPa）和850 hPa 風場(矢量，單位：m/s）氣候態分布（a. 觀測，b. GCFS2，c. GloSea5，d. SEAS5，e. MF-Sys7，f. SPSv3）

在冬季，強降水帶位于熱帶和南半球，最大降水位于海洋性大陸，風暴軸影響的北太平洋也有強降水帶，東亞地區降水很少（圖3a），模式也可以顯示出類似的降水分布（圖3b～f）。但模式在熱帶太平洋上顯示出了相對于觀測的雙赤道輻合帶降水偏差特征，即赤道上偏少，而赤道兩側偏多（GCFS2 除外），并且在北太平及東亞降水偏多（圖略）。此外，模式中降水在海洋性大陸有較大的偏差，西部（東部）較觀測少（多），而MF-Sys7 顯示出海洋性大陸降水偏多（圖略）。

圖3 同圖1，但為地表降水（單位：mm/d）

綜上所述，C3S 多模式系統可以很好地反映觀測中冬季東亞大氣環流及地表氣候的氣候態特征，準確再現了低層西伯利亞高壓、阿留申低壓、東亞沿岸偏北風、中層東亞大槽及高層東亞西風急流的強度和位置。

3 模式對東亞冬季風年際變化特征的預測性能

上述分析表明，模式對東亞冬季風大氣環流及地表氣候的氣候態特征具有很強的再現能力。本節將進一步探討模式對東亞冬季風年際變化特征的預測能力。

圖4 顯示了東亞冬季風指數時間序列及預測技巧。觀測及預測的冬季風指數具有明顯的年際變化特征（圖4a）。大多數模式對該指數表現出了預測技巧（圖4b），GCFS2 預測技巧最高，整個24 a（1993～2016年）的相關系數為0.42，通過了95%水平的顯著性檢驗，SPSv3 預測技巧最低（相關系數為-0.13），且多模式集合（Multi Model Ensemble，MME）的預測技巧并不是最高（相關系數為0.25）。同時，大多數模式與集合模式（歐洲中心上一代多模預報系統）相比預測技巧有明顯提升，集合模式對該指數幾乎沒有預測技巧[27]。

圖4 冬季平均的（a）東亞冬季風指數時間序列（OBS 為觀測值，折線為模式提前一個月預測結果，其中MF 為法國第七版氣候預測系統，ECMWF 為歐洲中心第五代氣候預測系統，UKMO 為全球第五代季節氣候預測系統，CMCC 為地中海中心氣候預測系統，DWD 為德國第二代氣候預測系統，MME 為模式集合平均）和（b）東亞冬季風指數11月初始化（Lead1）的預測技巧

圖5 顯示了冬季風指數回歸的海平面氣壓和低層水平風場的異常分布。強冬季風年，海平面氣壓在烏拉山附近呈顯著正異常，西伯利亞高壓增強（圖5a）。在北太平洋，海平面氣壓異常在阿留申群島西南部呈負異常，在白令海周圍呈正異常，類似于北太平洋濤動負位相[3-4,13]，負的海平面氣壓異常向西南延伸到海洋性大陸，再向西直至熱帶印度洋；在850 hPa 異常流場上，有日本東部的氣旋性環流、烏拉爾山脈上的反氣旋性環流以及海洋性大陸上輻合氣流與之配合，同時可以看到從中國東部至日本大部明顯的北風異常（圖5a）。大多數模式可以很好地捕獲海洋上與東亞冬季風相關的海平面氣壓及低層環流異常信息（圖5b～e）。然而，未能很好地再現亞洲大陸上熱帶外環流異常，表現出遠弱于觀測的烏拉爾山異常高壓（圖5b～f）。SPSv3 在海洋上表現出與觀測近乎相反的海平面及低層流層異常（圖5f）。觀測結果顯示出東亞低層存在氣旋異常（以40°N 和150°E 為中心）和東北太平洋存在反氣旋異常（以50°N 和140°W 為中心)（圖5a），與ENSO冷位相下大氣遙相關一致[3-4,10,18]，大多數模式可以再現該特征，只是異常環流位置略偏東（圖5b～e）。

圖5 東亞冬季風指數回歸的海平面氣壓（填色，單位：hPa）和850 hPa 風場（矢量，單位：m/s）的異常分布（a. 觀測，b. GCFS2，c. GloSea5，d. SEAS5，e. MF-Sys7，f. SPSv3）

在對流層中，強冬季風的顯著特征之一是熱帶地區負的位勢高度異常（圖6a），它與海平面氣壓異常相一致（圖5a），這意味著東亞冬季風與熱帶地區之間緊密聯系。在北半球熱帶外，烏拉爾山脈附近顯著的正位勢高度異常，日本周圍負位勢高度異常，即強冬季風年東亞大槽加深（圖6a）。在對流層高層，強冬季風年東亞西風急流增強（圖6a）。大多數模式可以很好地捕捉海洋上與東亞冬季風相關的位勢高度及緯向風異常，但未能再現歐亞大陸熱帶外的異常（圖6b～e）。SPSv3 在海洋上顯示出與觀測相反且位置偏西的位勢高度和緯向風異常（圖6f）。

圖6 同圖5，但為500 hPa 位勢高度（等值線，單位：gpm）和200 hPa 緯向風（填色，單位：m/s）

強東亞冬季風年，地表氣溫從西伯利亞中部到東亞副熱帶地區，再到南海、海洋性大陸和印度洋上，均為顯著的冷異常（圖7a）。熱帶東太平洋的冷異常和東北太平洋的暖異常分布與ENSO 冷位相地表氣溫空間特征類似（圖7a）[3-4,10,18]。大多數模式捕獲了地表氣溫的異常分布，但亞洲大陸上的異常強度明顯弱于觀測（圖7b～f）。這些偏差說明模式對中高緯度環流的預測能力有限[28]。同樣，SPSv3 在海洋上表現為與觀測符號相反且位置偏西的異常溫度場（圖7f）。

圖7 同圖5，但為地表氣溫（單位：℃）

強烈的東亞冬季風與西太平洋暖池（海洋性大陸和菲律賓海）降水增加及赤道中太平洋降水減少有關，類似ENSO 冷位相降水空間型，即20°N 以北的東亞（從中國東南部至日本南部）降水減少及北太平洋降水增加（圖8a）。大多數模式可以再現觀測的降水空間分布且大于觀測強度（圖8b～e），尤其是GCFS2（圖8b），再次說明東亞冬季風的預測技巧與ENSO 有關[10,27]。SPSv3 在海洋上表現出與觀測相反的降水空間分布（圖8f）和環流異常（圖5f 和圖6f），對東亞冬季風指數的預測技巧為負。

圖8 同圖5，但為地表降水（單位：mm/d）

綜上所述，C3S 中多數模式（SEAS5、GloSea5、MFSys7、GCFS2）對于用海平面氣壓定義的東亞冬季風指數顯示出了預測技巧，可以很好地預測與東亞冬季風相關的位于海洋上的大氣環流、地表氣溫及降水異常，即捕獲與ENSO 冷位相一致的降水分布及大氣環流遙相關特征[3-4,10,18]，暗示了東亞冬季風預測技巧源于ENSO[10,27]。

4 結論

本文基于C3S 多模式預報系統的回報數據，結合ERA5 再分析資料和GPCP 降水資料，評估了C3S多模式預報系統對東亞冬季風的預測性能，得到如下主要結論：

（1）C3S 多模式預報系統很好地預測了東亞冬季風氣候態的主要特征，包括低層西伯利亞高壓、阿留申低壓、東亞上空低層風場、中層東亞大槽、高層高空急流、地表氣溫和降水強度及位置。偏差分析上，SEAS5 偏差最小，GCFS2 偏差最大。

（2）多數模式對用SLP 定義的東亞冬季風指數顯示出了預測技巧，且與集合模式相比預測性能有明顯提升，其中以GCFS2 對該指數的預測技巧最佳。

（3）多數模式可以很好地預測與東亞冬季風相關的位于海洋上的大氣環流、地表氣溫及降水異常，顯示出與ENSO 冷位相一致的降水空間型及大氣環流遙相關。SPSv3 顯示出位于海洋上與觀測相反且位置偏西的環流、地表氣溫及降水異常分布，該模式對東亞冬季風指數表現為負技巧。