中国多模式集合预测系统2.0版（CMMEv2.0）月季预测能力检验和可预报性来源分析

论坛搬运工

多初值、多模式的超级集合预测系统能够同时降低模式初始条件以及模式物理过程的不确定性，从而有效提升气候预测的准确率。当前，国际主流的气候预测业务中心，如美国（NMME）和欧洲（EUROSIP）等相继建立了多模式气候预测系统，并在业务中得到了广泛应用。中国气象局国家气候中心（NCC）自2015年起，以我国国内自主模式为核心，同时接入国际主流气候预测模式数据，建立起中国多模式集合预测系统（CMME）1.0版本。近年来，通过增加模式成员，迭代模式版本、优化集合算法并扩充预报产品，至2024年正式升级为CMME的2.0版本，可实时提供次季节-季节全国/全球多尺度气候要素和气候现象预测产品。在此基础上，深入分析CMME系统的预测能力并进一步揭示其可预报性来源，对于提升系统产品的解释应用能力及未来优化具有重要意义。

国家气候中心气候研究开放实验室吴捷研究员（第一作者）和中国气象科学研究院任宏利研究员（通讯作者）等，系统性研究了CMMEv2.0月季预测产品在历史回报（1993–2016）和实时预测（2021–2024）期间的综合性能，并与CMMEv1.0进行对比；在此基础上进一步分析了其预测技巧的年际变化特征及与海温背景的可能联系，探讨了多模式集合技巧提升的来源。该项工作发表在《Journal of Meterological Research》期刊。

结果表明，在历史回报中，CMMEv2.0相较于单模式能够更好抓住热带海表温度（SST）主模态的变化特征，对Niño 3.4指数预测的时间相关系数技巧在提前6个月时达到0.87（图1）。CMMEv2.0对降水和2m温度异常的预测能力也优于单一模式，其相较于1.0版本对我国东部地区的预测能力有显著提升（图2）。可预报性来源分析表明，CMMEv2.0全球预测技巧的提升主要源于多模式集合对ENSO及其遥相关响应的较好预测。值得注意的是，东亚和南亚夏季降水的可预报性信号可能主要源于北印度洋海温异常。CMMEv2.0能够较好的捕捉印度洋“电容器”效应及其对后期雨带的影响（图3），从而提升对东亚和南亚的预测能力。近3年的实时预测检验表明，CMMEv2.0提前3个月对我国汛期主要雨带也具备相对稳定的预测能力，3年平均的Ps评分和空间相关系数ACC分别达到76.2分和0.25。进一步的集合抽样实验表明，当模式集合成员数量增加到5–6个时，CMMEv2.0理论预测能力上限趋于饱和，但中位集合技巧仍在上升，这表明通过选择最优集合子集可进一步提升预测性能，特别是对温带地区，这为未来集合方法的优化提供了方向。

该研究由国家气候中心、中国气象科学研究院、中国科学院大气物理研究所、中国气象局地球系统数值预报中心和南京信息工程大学等单位合作完成，得到国家自然科学基金（U2242206、42175052）和国家重点研发计划（2021YFA071800、2023YFC3007700)等项目以及中国气象局“智能网格气候预测” 青年创新团队（CMA2024QN06）的共同资助。

【引文信息】
Wu J, Ren HL, Wan JH, et al., 2024: Verification of seasonal prediction by the upgraded China multimodel ensemble prediction system (CMMEv2.0). J. Meteor. Res., 38(5), 880–900, doi: 10.1007/s13351-024-4001-5

拟稿：吴捷；校稿：孙小婷； 审核：左金清

来源：“国家气候中心气候研究开放实验室”公众号
            https://mp.weixin.qq.com/s/XI8IJgo7F7rVjw526Q-nLw