管理入口 内部文档 我要投稿
CD: 基于次季节可预报模态分析的东亚冬季气温预测
发布时间: 2023-08-10


在全球变暖的背景下,东亚地区极端高温事件频繁发生,冬季异常偏暖的形势也在不断造就最高气温纪录的诞生。然而,近年来,“霸王级”寒潮频繁袭扰东亚地区,不断打破当地历史最低气温纪录。当异常偏暖与极端寒潮在一个冬季内相继出现时,这种“冰火两重天”的现象会给电力调度、农业生产和交通安全等带来极大的负面影响,严重制约社会的良性发展。这也对冬季短期气候预测和防灾减灾体系建设提出了更高的要求。尽管动力模式的发展显著提升了冬季平均气温的预报水平,但季节内尺度上气温的预报仍是动力模式的短板,这一特征在中高纬度地区表现得更为突出。如何深入理解东亚冬季气温季节内变异的特征,并采用有效的手段进行季节预测仍是亟待解决的重要科学问题。

我系博士生钟沃谷(第一作者)和吴志伟教授(通讯作者)的最新研究提出了次季节可预报模态分析(Subseasonal Predictable Mode AnalysisS-PMA)方法,并将该方法应用到东亚冬季气温预测中,取得了良好的预测效果。S-PMA方法融合了季节依赖经验正交函数(Season-reliant Empirical Orthogonal FunctionS-EOF)和传统的PMA方法,其主要步骤如下:(1)利用S-EOF分解得到气温季节内变异的主导模态;(2)寻找具有物理意义的前兆信号作为预报因子,建立经验预报模型预测各主导模态,并评估动力模式对各主导模态的预测水平;(3)结合经验预报模型和动力模式对各主导模态的预测效果,建立较优的预测模型,组合各主导模态重建得到最终预测结果。

该研究首先利用S-EOF分解得到了东亚冬季气温季节内变异的前三个模态,分别为S-EOF1气温一致型、S-EOF2气温慢转型和S-EOF3气温快转型(图1)。S-EOF1表现为东亚冬季气温一致性偏冷或偏暖,冷空气主要沿偏北路径入侵东亚。S-EOF2表现为东亚中高纬11-12月偏暖(偏冷),次年1-2月中低纬逐渐转为偏冷(偏暖),冷空气主要由偏西转为西北路径入侵东亚。S-EOF3表现为东亚中高纬12月偏暖(偏冷),次年1-2月中低纬迅速转为偏冷(偏暖),冷空气主要沿西北路径入侵东亚。

进一步的研究表明,与这三个S-EOF模态相伴随的环流场都具有非常典型的三维结构特征。此外,这些S-EOF模态形成的物理机制非常明确,S-EOF1主要受到同期北极涛动及长江中下游陆-气正反馈的调制,而S-EOF2S-EOF3这两个反转模态是前期大气异常与下垫面相互作用的结果。基于此,我们选取了前期北极海冰、土壤湿度和大气异常等关键信号(详见原文)作为预测因子,分别建立了三个经验预报模型来预测这些S-EOF模态。经过“留十法”交叉验证,这三个模型预测的时间序列与观测的相关系数分别为0.620.630.46(图2)。我们首先利用纯经验预报模型重建了1993-2016年东亚冬季气温的预报结果,并将其与观测场进行对比。从距平相关系数(Anomaly Correlation CoefficientACC)场上可以看出,纯经验预报模型可以较为准确地预测东亚中高纬逐月气温演变,大部分地区的ACC超过了95%置信水平(图3上)。此外,我们还发现动力模式对S-EOF2的预测效果要优于经验预报模型。据此,我们建立了动力-统计相结合的混合预报模型,该模型可以进一步提升东亚冬季气温的预测水平(图3下)。

上述研究从东亚冬季气温季节内转折这一现象出发,创新性地提出了S-PMA方法,并将该方法应用到东亚冬季气温的季节预测上,所提出的预报模型可作为现有动力模式的补充,用于提升中高纬度地区气温在季节内尺度上的预报技巧。此外,该研究提出的S-PMA方法可应用于预测其他要素,如降水、海温和环流的季节内转折,具有重要的应用前景和推广价值。该项研究成果日前在《Climate Dynamics》上发表。

论文信息:Zhong Wogu, Wu Zhiwei* (2023). Forecasting East Asian Winter Temperature via Subseasonal Predictable Mode Analysis. Climate Dynamics, DOI: 10.1007/s00382-023-06916-2.


1 东亚冬季气温季节内变异的前三个S-EOF模态:(上)S-EOF1气温一致型,(中)S-EOF2气温慢转型,(下)S-EOF3气温快转型。白色交叉线(黑点)表示该模态对相应月份气温的解释方差大于35%(在15~35%之间)


2 前三个S-EOF模态的时间序列及利用经验预报模型得到的预报结果,蓝点(红色星号)表示观测与预报结果的正负号相同(相反)


3 1993-2016年观测到的东亚冬季气温与预报结果的ACC场分布:(上)利用纯经验预报模型的预测效果;(下)利用动力-统计相结合的混合预报模型的预测效果