《《气候预测检验 热带大气季节内振荡》编制说明》由会员分享，可在线阅读，更多相关《《气候预测检验 热带大气季节内振荡》编制说明（11页珍藏版）》请在金锄头文库上搜索。
1、气象行业标准气候预测检验 热带大气季节内振荡编制说明一、工作简况1.任务来源本标准由全国气候与气候变化标准化技术委员会（SAC/TC 540）提出并归口，国家气候中心负责起草。项目编号QX/T-2020-44，立项名称为气候预测检验 热带大气季节内振荡。 2.协作单位无。3.标准主要起草人及其所做的工作 本标准的主要起草人：吴捷、任宏利、贾小龙、张培群、赵崇博、武于洁，其分工如下： 吴捷，项目负责人，负责制定技术方案，撰写标准文本和编制说明。 任宏利、贾小龙、张培群，主要参加人，设计和把关标准技术方案。 赵崇博、武于洁，参加人，参加部分文本编写4.主要编制过程（1）2019年4月，国家气候中心
2、有关人员填报了气候预测检验 热带大气季节内振荡气象标准项目申请表，项目入库。（2）2019年4月30日，参加了标委会组织的气象标准项目立项申请答辩，并顺利通过。（3）2019年9月，气候预测检验 热带大气季节内振荡气象行业标准项目正式立项，并成立项目编制组。（4）2019年10月-2020年4月，项目编制组明确目标任务、分工，制定标准编写进程计划，并进行相关调研、文献查阅，着手编写标准征求意见稿及相关的编制说明。（5）2020年5月，完成标准征求意见稿，通过中国气象标准化网（http:/ 编制原则本标准的编制遵循以下原则：（1）科学性热带大气季节内振荡（MJO）是指热带行星尺度对流和环流相互耦
3、合并向东传播的30 d80 d准周期振荡现象。与厄尔尼诺/拉尼娜等季节年际尺度的气候现象不同，MJO有较强的传播性，因此至少需要用两个指数（如IRMM1和IRMM2）来共同表征其所处的位相和振幅；此外，由于MJO的主周期位于30 d80 d的次季节-季节尺度，因此一般采用日尺度资料对MJO进行监测和预测。综上考虑，在针对长期多次预报的历史预测检验中，宜采用双变量时间相关系数（TCC）作为检验指标。在样本量较大时，该指标结果较为稳定可靠，并能够在一定程度上避免集合预报中“信噪比悖论”造成的技巧虚高问题，在国际上得到广泛应用。然而，对于实际业务预测中非常关注的热带大气季节内振荡的实时预测检验，比如
4、如何表征近期某次MJO的预测技巧，目前学术界尚未制定出成熟的定量指标。由于动力模式在每次预报中一般均能够提供未来40 d60 d的预报结果，具有一定的样本自由度，因此考虑基于某次预报提供的未来一段时间预报结果，采用双变量距平相关系数（ACC）作为MJO实时预测检验指标，与观测进行比对，衡量模式在单次预报中对未来MJO演变过程的预测能力。在此基础上，可进一步通过线性运算转换为百分制的实时预测评分，方便的进行累加和平均，得到动力或统计预报系统在最近1个月、1个季节或者1年的实时预测水平。（2）协调性2020年，“热带大气季节内振荡（MJO）事件判别”的行业标准（QX/T 541-2020）已发布实
5、施，推荐采用两个实时多变量MJO指数（RMM指数，记为IRMM1和IRMM2）作为MJO的监测指标，并规定了其计算方法。因此，本标准的检验对象同样针对IRMM1和IRMM2指数。此外，一些现行的国家和气象行业标准，如数值天气预报产品检验规范（GB/T 34303-2017）和气候预测检验 厄尔尼诺/拉尼娜（QX/T 507-2019）等，均采用TCC作为其中一个检验指标。因此，作为“气候预测检验”系列标准中的一部分，为了保持行业标准与现行业务使用的一致性，同样拟采用类似的TCC作为历史预测检验指标。此外，考虑到MJO预报的特殊性，进一步设计了新的实时预测检验指标。（3）适用性针对RMM指数（W
6、heeler and Hendon, 2004）的一些潜在不足，如对流所占方差贡献较小、高频方差贡献较大等，国内外学界先后提出多种MJO的其他代表性指数，例如VPM指数（Ventrice et al., 2013）、OMI指数（Kiladis et al., 2014）和RMM-r指数（Liu et al., 2016）。本标准制定的检验指标可同样适用于这些类似的MJO双变量监测指数。此外，本标准还可适用于表征其他季节内振荡的双变量监测指数的预测性能检验，如BSISO指数（Lee et al., 2013）和EAWNP-ISO指数（Lin, 2013）等。（4）可操作性本标准需要进行业务应用，
7、要求意义明确，计算方便，操作相对简单。因而，项目组在制定本标准的时候充分考虑了可操作性、易用性和资料获取的可行性，针对不同时段的预测结果均可方便进行检验。2. 标准主要内容及依据（1）历史预测检验1）检验变量宜采用RMM指数（IRMM1和IRMM2）来表征观测的以及历史回报的热带大气季节内振荡状态，并对历史回报试验结果或者长时间预测结果的总体预测技巧进行综合检验。2）时间相关系数指标利用双变量时间相关系数（Temporal Correlation Coefficient；TCC）指标对长期多次热带大气季节内振荡的预测技巧进行历史预测检验，一般认为大于等于0.5代表总体预测技巧较好，通常取首次下
8、降到0.5之前持续的天数作为历史预测技巧的阈值。的计算见式（1）： （1）式中：历史上提前天热带大气季节内振荡指数预测的时间相关系数指标； 热带大气季节内振荡指数预测的超前天数； 历史回报的总样本数。 提前天的对应的预报值； 提前天的对应的预报值； IRMM1指数的第个观测样本的值； IRMM2指数的第个观测样本的值。采用指数的优点：a. 简单易用、方便推广；b. 与现行的业务惯例吻合，是国际公认的检验指标之一；c. 样本量较大时，结果稳定准确，受“信噪比悖论”影响较小。（2）实时预测检验1）检验变量宜采用RMM指数（IRMM1和IRMM2）作为检验变量，对某次预报的未来1至30天的预测结果进
9、行实时检验。2）距平相关系数指标利用双变量距平相关系数（Anomaly Correlation Coefficient；ACC）指标对某次热带大气季节内振荡的预测技巧进行实时检验, 的计算见式（2）：（2）式中： 某次热带大气季节内振荡指数预测的距平相关系数指标； 热带大气季节内振荡指数的预测天数； 实时检验所针对的预测天数，建议取30天； 预测第天的对应的预报值； 预测第天的对应的预报值； IRMM1指数的第l天的观测值；3）实时预测评分指标利用距平相关系数指标来计算热带大气季节内振荡指数实时预测的评分（Realtime Prediction Score; RPS）指标，见式（3）： （3）
10、式中： 某次热带大气季节内振荡指数预测的实时预测评分指标； 某次热带大气季节内振荡指数预测的距平相关系数指标，计算方法见式（2）。4）实时预测检验判定规定相对预测评分指标在0分100分之间变动，分值越大代表对热带大气季节内振荡近期演变的实时预测技巧越高，如果超过70分（即IACC超过0.40，通过95%显著性检验），则认为有预测技巧。利用实时预测评分指标的优点：a. 可对每次预测进行实时检验，不受样本量限制；b. 换算成为百分制，便于直观理解；c. 可直接进行不同尺度平均或累加，与相关显著性对应，具有科学意义。三、主要验证的分析及预期效果热带大气季节内振荡（MJO）是大气次季节变率的最重要模态
11、，也是延伸期到次季节尺度气候预测最重要的可预报性来源。大量研究表明，MJO对季风爆发（林爱兰等，2016）、厄尔尼诺和南方涛动（ENSO）事件的触发和发展（Kessler and Kleeman，2000）、热带气旋生成（Fu and Hsu，2011）均有重要影响；还能通过激发Rossby能量向外频散影响热带外的遥相关型异常（如北大西洋涛动NAO、太平洋-北美型PNA等）（Cassou，2008; Seo and Lee，2017），并与季风活动相互作用对我国天气气候变化产生显著调制作用（毛江玉等，2005；林爱兰等，2008；Zhang et al.，2009；Jia et al.，201
12、0；Zhang，2013）。因此，准确、客观的衡量各种动力模式和统计模型对MJO的预报能力，可为模式/模型的改进和实际业务应用提供重要的参考依据。目前国内外对热带大气季节内振荡有很多种预测方法和预测模式，如何定量地检验不同的预测方法对热带大气季节内振荡事件的总体技巧水平、如何定量地检验某一次热带大气季节内振荡事件的实时预测技巧，这两个问题亟待建立相应的气象行业标准来解决。目前国际上已有一些技术方案检验热带大气季节内振荡的总体预测技巧（Lin et al., 2008; Gottschalck et al., 2010；Kim et al., 2018），例如双变量时间相关系数（TCC）、均方根
13、误差（RMSE）、均方技巧评分（MSSS）等，各个方法的检验思路有所差异，得到的结果有时也会各不相同，需要编制组明确一个易用的检验技术；而针对某一次热带大气季节内振荡事件的实时预测，目前在科学研究方面关注较少，然而对实际业务应用却十分必要，需要编制组设计一个合理的检验技术。在制定本标准时，我们利用了国家气候中心BCC_AGCM2.2模式和BCC_CSM1.2模式、美国CFSv2以及英国气象局UKMO模式对改标准进行了验证分析。在历史预测检验方面，本标准采用国际上广泛使用的时间相关系数（TCC）作为检验指标，取TCC大于或者等于0.5的超前时间作为预历史预测技巧的阈值。图1以国家气候中心BCC_
14、AGCM2.2模式1983-2014的历史回报为例，给出TCC技巧，并与RMSE和MSSS进行对比。由图1a可见，TCC技巧随着预报时效的延长而缓慢下降，超过16天时TCC降至0.5，因此可取16天代表BCC_AGCM2.2模式的历史长期回报技巧。TCC主要反映观测和预测RMM指数的演变趋势的一致性，RMSE则可衡量RMM指数二维相空间中观测和预测之间的距离，通常取RMM指数振幅的气候平均，即2作为阈值。由图1b可见，随预报时效的延长，RMSE缓慢上升，同样在16天时超过阈值。MSSS则反映了预测误差与气候变率的比率，当预测误差超过气候变率时，认为预测失去技巧，因此取0位阈值。由图1c可见，M
15、SSS随预报时效的延长而缓慢下降，同样在16天时小于0。由此可见，TCC与RMSE和MSSS具有较好的一致性。图1 国家气候中心BCC_AGCM2.2模式1983-2014年历史回报阶段MJO预测技巧检验，从上至下依次为TCC技巧、RMSE技巧和MSSS技巧，横坐标为超前预报时间（天），虚线代表预报技巧的阈值，分别为0.5、2和0然而，最近的研究提出“信噪比悖论”问题（Kumar et al., 2014; Scaife and Smith, 2018），即模式中预报信号的方差远远小于观测的方差时，会造成预报技巧高于信噪比估计得到的可预报性，这在成员数较多的集合预报以及热带地区均会发生。该问题会导致RMSE、MSSS、BSS等依赖于预报振幅的检验方法无法得到准确的检验结果。然而TCC方法由于不依赖于集合预报的振幅，因而不会受到“信噪比悖论”的影响。因此，本标准推荐TCC作为历史预测检验方法。需要指出的是，由于受到有效自由度的影响，TCC方法需要达到一定样本量即预报个例数，检
