本研究在系统检验BCC-CSM2-HR模式次季节预测能力的基础上，通过聚类分区建立动力-统计预测模型（DSPM），对我国候尺度降水异常进行预测，并对模型的可预报性来源进行了分析。该项工作发表在Climate Dynamics上。
研究表明，BCC-CSM2-HR模式能够较好抓住我国东部雨带移动的气候特征，但对大部分地区降水异常的预测技巧局限在3候左右。通过K-means聚类分析将我国按照冬半年和夏半年各分为7个气候区，对每个区域寻找降水同期环流和对流预报因子。进一步考虑次季节降水-环流/对流相互匹配的连续演变特征，利用E-SVD建立预报模型，将模式实时预测的环流和对流投影到相应模态上，重构出未来6候我国降水异常（图1）。独立样本检验表明，DSPM在华北、长江和华南等地预测技巧有明显提升，部分地区技巧可达6候。可预报性来源分析表明，当初始时刻MJO和BSISO2信号较强时，DSPM预测技巧提升更加明显（图2），表明模型可能更好地把握了MJO和BSISO的环流影响，从而将BCC模式对主模态的较高预测技巧转化到降水的预报中。
图1 动力-统计预测模型流程图。
图2 我国不同区域BCC-CSM2-HR模式（横轴）和DSPM模型（纵轴）ACC预测技巧散点图，其中实心圆和空心圆分别代表预报初始有无强MJO信号，（a）-(h)分别代表东北、华北、长江、华南、西南、高原、西北和全国。
该研究由国家气候中心气候研究开放实验室吴捷高工和中国气象科学研究院任宏利研究员合作完成，国家气候中心张培群研究员、刘颖研究员、赵崇博高工，陕西省气候中心的王延工程师和中国气象局地球系统数值预报中心的李巧萍研究员共同参与，得到国家自然科学基金（41905067和42175052）和气科院基础研究业务专项（2021Z007）等项目的共同资助。
【引文信息】
Wu J, Ren HL, Zhang P, et al. 2022. The dynamical-statistical subseasonal prediction of precipitation over China based on the BCC new-generation coupled model. Climate Dynamics, 59, 1213–1232.
点击“阅读原文”查看文章
