文摘

调查能力的动力为越南季节性气候预测,采用RegCM4.2执行季节性预测的2 m的意思(T2m),最大(Tx)和最小(Tn)空气温度从2012年1月至2013年11月的降尺度NCEP气候预报系统(CFS)数据。模型偏差纠正,使用CFS的构造模型,观察气候学再分析和观察到的温度在越南的1980 - 2010年期间,分别。运行RegCM4.2预测每月四次从当前月接下来的六个月。模型整体预测初始化计算从当前月的意思是月中的四分。结果表明,没有任何偏差纠正(CTL) RegCM4.2预测具有很少或没有能力tercile和预测价值。与偏差纠正(BAS)模型预测显示改善技能。BAS实验的实验结果进一步先后调整(往下)和模型偏差在一个月交货时间之前的运行显示CTL和BAS相比进一步改善。技能的分数tercile概率预测被发现超过0.3个月的目标。

1。介绍

季节性预测是至关重要的社会/经济规划和防灾。虽然短期天气预报是有效的几个小时到几天的时间尺度,季节性预测关注气象变量的长期平均水平(1]。基本产品的季节性预测在每月或季节性的平均值。可以由季节性预测统计和动态方法(2]。统计方法的预测是进行基于预测值之间的统计关系(如降水、温度和热带气旋活动)和预测(例如,位势高度、海表面温度(SST)和土壤水分)已经广泛应用(3- - - - - -6]。动态方法使用数值模型进行气候预测。这些模型可以预测气候系统的演进提前几个月(7]。模型可以在形式的大气环流模式(GCMs) (1,2)或区域气候模型(rcm) [8,9]。动态方法使用这个模型显示优势统计方法在预测大规模现象(8,10- - - - - -12]。更具体地说,一个相对粗糙的水平分辨率,气候预测系统(CFS)改善了技能预测海温如果尼诺- 3.4相比,统计方法在操作10]。CFS技能代表SST结果在合理预测大型循环如季风和厄尔尼诺-南方涛动(ENSO)事件12- - - - - -15]。这个模型的一个最重要的缺点是计算成本的高需求。因此,全球模型通常相对较粗的运行水平分辨率的复杂地形的影响以及影响的次网格尺度特征对当地天气和气候不能很好的体现。聚焦于有限领域,rcm可以执行季节性预测高分辨率相对较低的计算成本。运行在更高的分辨率,rcm提供显著的优势在全球大气环流模型生成规模小等特性对流(8,9)或气候特征在复杂地形(16,17]。RCM以来运行在有限的领域和需要GCM输出作为初始和边界条件,RCM预测的质量不仅取决于RCM本身也在GCM迫使数据的质量。此外,预测能力取决于RCM配置域的大小和频率等时间边界强迫和应用物理参数化方案。卡斯特罗et al。8]显示天气研究和预测模型(WRF)降尺度CFS降水预测北美增加价值的技能只有在温暖的季节,CFS早期预测的好技能大规模的大气环流。根据梁元,(9),在美国,在寒冷的季节WRF减少了错误季节性CFS平均降雨量的22%左右。他们还表明,WRF改善的降尺度极端降雨事件的预测。

以其复杂的地形、地表条件下,长长的海岸线,由亚洲季风系统和影响,越南有一个复杂的气候。是深受中尺度现象,比如热带扰动嵌入在热带转换区(ITCZ)和台风。在夏天期间(5月至8月),几乎整个国家经历高温条件和延长热法术除了高山地区。在冬天期间,越南北部,包括北中部,是受来自西伯利亚的寒冷的激增,这可能导致极端寒冷的法术。从5月到10月雨量贡献约80%的年度总降雨量的北部和南部越南。在越南中部,雨季持续从8月到12月18]。

季节性预测是最重要的一个问题在越南农业以及自然灾害预防,尤其是在气候变化的背景下,异常天气事件将发生更频繁。对越南经营季节性预测目前只进行了基于统计方法。动力季节性预测与高分辨率rcm对越南仍无法使用。最近,RegCM模型(19,20.在越南)已经成功地用于气候研究包括分析气候表面的年际变化和季节变化特征变量(21和极端气候在越南22]。目前,CFS版本2(以下简称CFSv2)输出可以在实时模式(10rcm),它提供了潜在的边界条件。

在这部作品中,区域气候模型版本4.2 (RegCM4.2)是采用RCM。它是由CFSv2数据执行缩减规模的季节性预测每月平均2米(T2m),最大(Tx)和最小(Tm)空气温度在2012年和2013年在越南。的主要目的是评估RegCM4.2季节性预测在越南。在本文的续集,模型提出了配置和实验设计部分2。结果部分所示3。总结和讨论了部分4。

2。模型配置和实验设计

2.1。模型配置

在这项研究中,RegCM4.2,原始方程,静水,可压缩、数值预报模型19,20.,23),使用。模型配置是一样的Ho et al。22占据了整个生物圈—大气层中交换量]包括传输方案(蝙蝠),一个外地的垂直扩散边界层方案(19),社区的气候模型版本3 (CCM3) [24辐射方案,时对流计划(25]。有18垂直σ-levels 6级别的行星边界层(低于850 mb)。顶级的压力是50 mb。模型运行通过一个决议域(图36公里1(一))集中在11.5°N和108.0°E与145年和131年在西和南北方向网格点,分别。大小的横向弛豫区网格是12点。气候学的侧边界条件模拟提供NCEP气候预测系统版本1再分析(CFSRv1)分辨率为0.5度。实时季节性预测的输入数据是由初始条件和预测每6小时的CFSv2分辨率为1.0度。

在这项研究中,观测站点的数量限制在64个车站由于数据可用性(1981 - 2010年连续系列)。的数据用于模型验证了越南国家水文气象服务(图1 (b))。

2.2。实验设计

RegCM4.2运行31年的时期从1980年到2010年从CFSRv1初始和边界条件(RegCM_CFSRv1)构建模型气候学和识别模型网格细胞可用的观测偏差。模型运行在0000 z 1980年1月01 - 0000 z 2011年1月1日。第一年(1980年)被用作模型向上,排除在进一步分析。时间序列的网格细胞提取相应的可用观测站。三十月度意味着对每一个变量的值从30年的模型模拟被用来计算第33 (q33)以及每个月的第66个百分位数(q66)和网格单元的兴趣。同样的程序应用于观测数据。

预测实验,RegCM4.2是由CFSv2预测(以下简称RegCM_CFSv2)进行季节性预测从2012年2月到2013年11月。RegCM_CFSv2初始化每7天(每月4次)从2012年1月至2013年5月,进行为期6个月。四个乐团成员初始化每个月平均(交货时间是0),形成一个意味着在接下来的6个月,也就是说,与交货时间从1到6。实验被认为是控制运行(以下标记的细胞毒性t淋巴细胞)。预测实验的示意图如图2。

温度预测在一个车站是双重的,价值,tercile预测。tercile预测三个类别进行分类:低于正常,正常的,高于正常。tercile预测,观察terciles通过比较当前观察每月平均温度与观察q33 q66相同的月。预测terciles评估通过比较当前模拟每月平均温度与模拟q33 q66相同的月。

减少模型系统误差(偏见),另外两个实验执行:模型的输出调整模型气候学偏见从30年模型计算模拟和在每个车站(BAS)和观察BAS进一步先后调整运行的结果与模型偏差在交货时间前一个月运行(往下)。

因为没有CFS追可用RegCM4.2作为边界条件,RegCM_CFSRv1数据被用来计算模型偏差纠正的气候学。做偏差纠正后仍有一些偏差包括在预测模型。额外的调整(往下)预计将进一步减少模型的偏见。不同目标的预测terciles月和交货期是观察terciles相比。这允许tercile技能的预测评估模型。技能评分(SS)计算数量的比例的纠正terciles站。价值的预测,观察(预测)每月T2m, Tx和Tn计算观察(预测)值。预计每月的意思是然后比较与观察到的意思是模型验证。在这个工作中,共有780个月(即。,31 years × 12 months of simulation with the CFSRv1 data plus 17 months from January 2012 to May 2013 × 4 cycles × 6 months forecast) or 65 years of model runs were conducted to investigate the model performance in seasonal prediction for Vietnam, except the model runs within the initial months (lead time is 0).

3所示。结果和讨论

3.1。全身温度的预测价值

CFSv2和缩减规模季节性预测的技能,也就是说,RegCM_CFSv2,分析了续集。观察和CFSv2 RegCM_CFSv2 T2m如图的预测3。可以看出CFSv2通常低估了温度对所有交货期。这低估更高更高的温度约为25.0°C(图3(一个))。RegCM_CFSv2显示更大的偏见(图更系统的冷3 (b))CFSv2相比。使用RegCM寒冷的偏见已经在先前的研究(例如,26- - - - - -28])和越南(21]。系统偏差(线性回归直线之间的偏差和完美的协议RegCM_CFSv2和观察)提供强有力的证据的一个线性偏差纠正方法的成功应用。皮尔森相关系数是提高平均(交货期)从0.82到0.89缩小规模。这意味着RegCM_CFSv2提供了一些额外的技巧,更好地代表观察到的温度变化的空间格局。

的性能分析了预测T2m RegCM_CFSv2,见图4。没有偏差校正的应用,存在明显的冷温度偏差预测细胞毒性t淋巴细胞(图4(一))。这里,寒冷的偏见更明显的低温度(冬季)。除了寒冷的偏见,CTL还能抑制大量传播。观察到17.0°C的值,例如,模型预测区间6.0°C和20.0°C(图4(一))。偏差纠正,回归的预测(图4 (b),红色)BAS实验更接近完美的线比细胞毒性t淋巴细胞(黑)。传播以及偏见可以显著降低BAS和往下(数据的应用程序4 (b)和4 (c))。尽管寒冷的偏见是BAS显著减少,模型预测仍然显示了一个系统的冷偏见所代表的回归。

错误的预测T2m不同的运行(BAS CTL,往下)在不同观测点在图所示5。CTL运行,RegCM_CFSv2显示负偏差,平均超过3.0°C。错误是在冬季(> 5.0°C)比在夏季(约2.0 - -3.0°C)和更大的车站位于高海拔(越南北部和中部高地)。只有从交货期(数据影响不大5(一个)- - - - - -5 (c),最高)。3.0 - -5.0°C的大大大错误CTL暗示RegCM_CFSv2没有偏差纠正不能直接用于季节性预测。

节中描述2。2,该模型从RegCM_CFSRv1气候学估计使用输出而不是RegCM4.2 CFS追跑。CFSRv1可以被视为完美的边界条件;因此获得的RegCM_CFSRv1偏见是由于从专门RCM模型错误。结果表明,RegCM_CFSRv1代表观察到的温度在1981 - 2010年期间(未显示),有相关系数大于0.6的大部分时间。平均绝对误差(梅斯)和均方根误差(rmse)之间2.0°C和4.0°C。有明显的系统的模拟T2m冷偏见与月度意味着偏见站从−1.5°C到−3.5°C。冷RegCM模型的偏差是在协议与表象et al。21]。

BAS的实验中,冷偏见明显减少。绝对的错误减少到小于2.5°C几乎所有车站。大约50%的电台的绝对误差小于1°C(数字5(一个)- - - - - -5 (c)、中)。同样的CTL,错误与交货时间不显著增加。寒冷的偏见BAS在几乎所有的电台和交货期(数字5(一个)- - - - - -5 (c),中间)巩固提高了校正方法的必要性。进一步逐次修正法(往下),如部分所述2,整个冷偏见降低(图4 (c))。车站BAS比较,错误为所有交货期和目标月(数字5(一个)- - - - - -5 (c),底部)减少,特别是在南部。

有关预测错误的依赖在不同地区的越南,可以看出预测错误更大相比,越南北部的越南中部和南部地区的所有实验(图5)。推测,复杂的地形(使用的海拔更高的相对偏差在RCM)以及更大的温度季节性变化在越南北部造成更大的错误。进一步的分析是必需的,但超出了本文的范围。

3.2。Tercile全身温度的预测

图6显示了观察terciles在64个车站不同的目标。它发现,在2012 - 2013年期间,大部分的南部站经验高于正常概率,而通常RegCM_CFSv2预测低于正常概率没有任何偏差纠正(图的应用7,最高)。这导致主要零技能分数(图8,最高)。BAS的实验中,RegCM_CFSv2可以更好地捕捉观察terciles,尤其是越南北部(图7、中)。然而,学生还小,对于大多数电台(图0.2下方8、中)。往下实验给出证据tercile预测来提高技能。往下调整,tercile预测可以捕获大部分的观察高于正常terciles相当不错(图7,底部)。党卫军值显著增加从0.3到0.6不管预测提前期(图8,底部)。

3.3。最高和最低温度的预测

预测错误的Tx不同交货期在图所示9。可以看出,类似于T2m, CTL的预测Tx实验受到寒冷的偏见的影响。交货期,大部分的预测错误(预测-观察)从−6.0°C−1.0°C(图9,白色bar)。BAS的实验中,寒冷的偏见在Tx可以减少(图9点画栏)。往下,精度进一步提高了误差在±1.0°C(图之间不等9黑条)。虽然往下实验中的错误减少,有温暖的偏见增加预测Tx铅倍(三个月数据9(一个)- - - - - -9 (c))。

Tn图的预测错误10类似于Tx。Tn的CTL实验显示了重要的冷偏见最值从−10.0°C−1.0°C(图10,白色的酒吧)。BAS实验,减少错误,从−2.0°C + 2.0°C(图10点画酒吧)。往下实验1到2个月的交货期显示错误从−1.0°C + 1.0°C。预计交货时间大于2个月,预测错误显示温暖偏差值从2.0°C到3.0°C(图10黑条)。

4所示。摘要和结论

经营季节性预测对于越南完全是基于统计学方法和有限的可用性和技能。在这项研究中,我们首次探索动态方法的技巧。RegCM4.2模型被用来执行季节性预测的意思是,最大的展览和最小温度从2012年1月到2013年11月。边界条件是NCEP气候预测系统。技能预测tercile概率和价值进行了分析。RegCM_CFSv2模拟进行每月四次未来六个月。结果表明,没有任何偏差纠正,在越南RegCM_CFSv2没有技能。偏差纠正后,RegCM_CFSv2预测显示有所改善,但仍有限的技能操作模式。进一步的改善可以通过往下实验。

更详细的研究是必要的,以提高技能的动力季节性预测越南。因为它是至关重要的农业、自然灾害预防、以及水资源管理在越南,降雨将集中在未来的可预测性研究。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持的越南科学技术部基础下的项目没有。DT.NCCB-DHUD.2011-G / 09年。这项工作也鼓励的管理委员会Danida 11-P04-VIE项目。