书书书

贾小龙，陈丽娟，高辉，等．我国短期气候预测技术进展．应用气象学报，２０１３，２４（６）：６４１６５５．

我国短期气候预测技术进展

贾小龙　陈丽娟　高　辉　王永光　柯宗建　刘长征　宋文玲

吴统文　封国林　赵振国　李维京（国家气候中心，北京１０００８１）

摘　　要

经过近６０年的发展，我国短期气候预测技术和方法也有了长足进步。近年来，一些新的预报技术和机理认识

不断应用于短期气候预测业务。ＡＲＧＯ海洋观测资料的使用大大提高了业务模式的预测技巧，新一代气候预测模

式系统已经投入准业务化运行，研发了多种模式降尺度释用技术，多模式气候预测产品解释应用集成系统

（ＭＯＤＥＳ）和动力统计结合的季节预测系统（ＦＯＤＡＳ）逐渐应用于业务中，大气季节内振荡（ＭＪＯ）逐步在延伸期预

报中得到应用。近年来，对全球海洋、北极海冰、欧亚积雪、南半球环流系统对东亚季风影响的新认识也不断引入

到短期气候预测业务中。这些新技术和新认识的应用极大提高了我国短期气候预测的业务能力。

关键词：气候预测；气候模式；解释应用；东亚季风

引　言

短期气候预测主要指月、季、年时间尺度的预

测，曾经被称为长期天气预报。但随着混沌现象的

揭示，人们逐渐认识到气候系统是一个复杂的混沌

系统，天气预报时效不超过两周，月以上只能作气候

预测，所以改称短期气候预测。气候预测方法研究

历史较长，可追溯到１９世纪甚至更早。近一百多年

来，利用不同的相关关系、经验规则、动力模式和非

线性混沌理论等提出了多种气候预测方法，其中有

些也在实际预报中得到了应用，然而目前气候预测

仍然是国际大气科学领域的难题，气候预测的理论、

方法和实践均不成熟，气候预测还存在很大的不确

定性，整体来看，气候预测仍处于研究、试验和业务

应用不断改进的阶段。

我国开展短期气候预测已有五十多年的历史，

是世界上开展短期气候预测业务较早且一直坚持的

少数几个国家之一。气候预测为国家防御和减轻气

象灾害做出了重要贡献，在国民经济和社会发展中

的作用也越来越大。特别是我国地处全球最为复杂

的东亚季风区，气候异常受到青藏高原、海洋、季风、

中高纬度环流系统等诸多因素的影响，气候异常的

成因极其复杂，气候预测的难度很大，人们为此做了

大量艰苦的工作。我国的短期气候预测业务经历了

简单的经验统计分析、数理统计、动力模式和动力统

计相结合几个发展阶段，目前我国已经建立了一套

较为完备的延伸期月季节年度短期气候预测业务

系统。尤其是近些年来，围绕发展短期气候预测关

键技术和提高气候预测准确率，开展了大量短期气

候预测理论和技术方法研究，加强了科研成果向业

务应用的转化，一些影响我国气候异常的新机理和

短期气候预测新方法不断在业务中得到应用，取得

了很好的效果，极大推进了我国短期气候预测的技

术发展和业务能力的提高。本文将就我国短期气候

预测技术的发展历程、业务技术现状和近些年来一

些在业务中得到应用的新技术、新方法和新的科学

认识进行概述。

２０１３０４０８收到，２０１３０８２１收到再改稿。

资助项目：公益性行业（气象）科研专项（ＧＹＨＹ２０１３０６０３３），国家自然科学基金项目（４１２７５０７３），９７３项目（２０１０ＣＢ４２８６０６），科技部科技支撑项

目（２００９ＢＡＣ５１Ｂ０５）

ｅｍａｉｌ：ｊｉａｘｌ＠ｃｍａ．ｇｏｖ．ｃｎ

第２４卷 第６期

２０１３年１２月 　　　　　　　 　

应 用 气 象 学 报

ＪＯＵＲＮＡＬＯＦＡＰＰＬＩＥＤＭＥＴＥＯＲＯＬＯＧＩＣＡＬＳＣＩＥＮＣＥ　　　　　　

Ｖｏｌ．２４，Ｎｏ．６

Ｄｅｃｅｍｂｅｒ２０１３

１　我国短期气候预测发展历程

我国是世界上开展短期气候预测研究和业务最

早的国家之一。早在２０世纪３０年代就进行了三大

涛动与中国旱涝关系等方面的研究。１９５４年以“气

候展望”的名称第１次正式对外发布年度气候趋势

展望。１９５８年增加了月预报的内容，并易名为“长

期天气预报”。１９６１年正式制作和发布汛期旱涝趋

势预测。到１９９５年国家气候中心成立后，以“每月

气候预测”、“汛期旱涝预测”、“年度气候预测”对外

发布气候预测服务，另外根据服务需求陆续增加了

各种专题预测服务产品［１］。

由于影响我国气候变化因素的多重性、相互关

系的复杂性和预测方法的多样性，我国短期气候预

测的基本技术特点是多种因子的综合分析和多种方

法的综合应用，预测技术难度非常大。近６０年来，

随着观测事实的积累和短期气候预测理论的不断发

展以及计算机技术的进步，我国短期气候预测业务

技术经历了逐步改进、完善和不断发展、提高的过

程。大体经历了经验统计分析、物理统计分析、动力

统计相结合３个主要发展阶段［２３］。

２０世纪７０年代以前，是我国短期气候预测的

艰苦创业阶段，由于资料匮乏，计算条件非常落后，

以经验统计分析为主要手段，采用历史资料和天气

气候分析，包括历史曲线演变、大气环流型分析、天

气周期和韵律活动等方法，也吸收了天气谚语中的

有益经验［２３］。２０世纪５０年代末，也曾试用过美国

纳米阿斯的月平均环流趋势法和前苏联王根盖姆、

吉尔斯的大型环流型等，另外也进行了多元回归等

数理统计方法的尝试应用。进入２０世纪６０年代，

随着资料样本的增多，相关概率、点聚图、复相关表

等方法及周期平均环流图、环流指数、环流特征量和

太阳黑子等也在业务预报中得到广泛应用。这一时

期从资料计算到预报制作完全是人工操作，但该阶

段建立了我国短期气候预测的基本业务，为此后我

国短期气候预测的业务发展奠定了良好基础［４６］。

２０世纪７０年代到９０年代前期，随着资料种类

和样本长度的增加以及计算机技术的应用，我国短

期气候预测的物理统计技术得到了很大发展。７０

年代后数理统计方法包括多元回归、逐步回归、最大

熵谱、正交函数分解、判别分析、聚类分析等在气候

分析和预测中得到广泛应用［７１０］，以多种数理统计

方法为基础建立的统计预测模型在实际业务预测中

取得了一定的效果，直到现在统计预测方法的研究

和应用也在不断发展，已成为短期气候预测的主要

手段之一［１１１５］，很多学者对此也做了较全面的总

结［２３，１５］。８０年代以来，随着短期气候预测理论研

究的发展和观测事实的不断揭示，物理因子分析受

到极大重视，对影响大气环流和气候异常的物理因

素的分析，从广度和深度方面均有很大发展，如海气

相互作用、陆地热状况、低频振荡、遥相关型等等。

８０年代初，我国气候预测工作者首次提出了中国东

部地区夏季３类雨型［１６］，三十多年来一直在全国推

广应用［１７］。“七五”、“八五”期间中国气象局重点研

究课题的实施，有力推动了我国短期气候预测研究

和业务工作的发展。先后研究了ＥＮＳＯ事件、青藏

高原热状况对东亚大气环流和中国气候的可能影

响，以及东亚遥相关型、东亚阻塞高压、西太平洋副

热带高压、亚洲季风、南亚高压、北太平洋涛动、南方

涛动、准两年振荡（ＱＢＯ）等大气环流异常与中国夏

季降水的关系，提出了各种具有一定物理意义的预

测概念模型，是这一阶段预测思路的显著特点，比如

以夏季３类雨型为主要预测对象、以ＥＮＳＯ事件和

东亚大气环流异常为主要预测因子的汛期旱涝预报

概念模型等，在我国汛期降水预测业务中发挥了重

要作用［１８］。从８０年代后期开始，我国各级气候业

务部门先后建立了第１代以物理统计方法为主的短

期气候预测自动化业务系统，使我国短期气候预测

业务向现代化迈进了一大步，基本结束了资料处理

和预报制作手工和半手工操作的局面。

２０世纪９０年代后期以来，随着国家“九五”重

中之重科技项目的实施，我国短期气候预测业务技

术和现代化水平都上了一个新台阶，进入了动力与

统计相结合的新阶段。首先，在总结前人有关物理

统计方法研究成果的基础上，更加深入地研究了海、

陆下垫面热力因素和东亚大气环流异常与我国气候

变化特别是汛期旱涝的关系，加深了对我国气候异

常物理成因的认识，以太平洋海温（ＥＮＳＯ）、青藏高

原积雪、亚洲季风、东亚阻塞高压、西太平洋副热带

高压等东、西、南、北、中五大因素为基础，建立了物

理概念比较清楚的中国夏季降水物理统计综合预测

模型［１９２０］。其次，研究建立了我国第１代动力气候

模式系统。９０年代中期以来，国家气候中心先后研

制了包括全球大气环流模式、全球海洋环流模式、东

亚区域气候模式和简化的ＥＮＳＯ预测模式等月、

２４６　　 　　　　　 　　　　　　　 　　　　　　应　用　气　象　学　报　 　　　　　　 　　　 　　　　　　第２４卷　

季、年际时间尺度的动力气候模式系列，建立起了我

国第１代动力气候模式业务系统［２１２２］。目前正在研

发新一代海陆气冰生多圈层耦合的气候系统模

式以及多模式集合、动力相似预测试验和动力模式

产品释用技术的研究、应用。

２　我国短期气候预测业务现状

我国现代短期气候预测业务的基础是在国家

“九五”重中之重科技攻关项目“我国短期气候预测

系统的研究”支持下建立的。通过５～１０年的努力，

研制了一套月、季、年时间尺度的物理统计预测模

型［３］，发展了一套月、季时间尺度的动力气候模式预

测系统［２１２３］，并进行了解释应用方法研发［２４２８］，初

步实现了动力与统计相结合思想在业务中的应用。

在后续的“十五”、“十一五”期间各类项目研发成果

的支持下，物理统计预测模型的内涵和外延不断扩

大，基于动力气候模式高技巧信息和误差分布特征

的动力与统计相结合预测方法的研发也向广度和深

度发展［２９３２］。正是在大量的研发成果的支持下，短

期气候预测业务产品和服务更具科学内涵，总体预

测能力也在稳步提高，尤其是倍受政府和用户关注

的汛期降水预测在近几年没有出现大的失误。除了

针对降水和气温的趋势预测外，还开展了季内主要

气候事件（南海夏季风、华南前汛期、梅雨、华北雨季

等）的起始时间和强度，以及各类专项预测业务

（ＥＮＳＯ、台风、冷空气过程、沙尘暴、春播、霜冻、森

林火险等）的预测，大大丰富了为用户服务的内涵。

下面简要介绍物理统计、动力模式、动力统计

相结合３类方法在我国气候预测业务中的应用和预

测技巧。

在物理统计预测模型的建立方面，预报员结合

国内外的研究成果和业务应用方面的研究，首先建

立并增强了统计预测模型的物理基础。以汛期降水

预测作为重要预报对象，从多角度分析了影响我国

汛期降水的因子，设计了一幅汛期降水物理概念模

型图，简称“东南西北中”模型［３，１７］。在后期的实际

应用中，该模型的内涵不断得到扩充。

支撑现代气候预测业务的关键业务系统是动力

气候模式预测系统。我国第１代动力气候模式预测

系统（ＤＣＭＰＳ）由气候模式子系统、预测子系统和产

品子系统构成。模式子系统由资料同化和模式运行

组成。模式运行部分主要包括了４种气候模式：全

球大气环流模式［３３］、全球海洋环流模式［３４］、高分辨

率东亚区域气候模式［３５］和简化的 ＥＮＳＯ 预测模

式［３６］。其中全球大气环流模式主要用于月尺度动

力延伸预报的集合预测（ｅＤＥＲＦ）［３７］，它与全球海洋

环流模式耦合，构成海气耦合模式［３８］，用于季节／多

季节的全球气候趋势预测。海气耦合模式与区域气

候模式嵌套，用于提供高分辨率的东亚季节气候趋

势预测。动力气候模式预测业务化系统分为资料同

化与支持子系统［３９］、模式运行子系统、预报订正与

检验子系统和产品生成与分发子系统。全部业务系

统在高性能计算机上实现运行、产品生成和分发。

月尺度动力延伸预报每天运行８个样本，每５ｄ集

成４０个样本，提供未来３０ｄ的候、旬、月多要素概

率预测和确定性预测信息（ｈｔｔｐ：∥ｃｍｄｐ．ｎｃｃ．ｃｍａ．

ｇｏｖ．ｃｎ／ｐｒｅｄ／ｍｄ．ｐｈｐ），海气耦合模式每月运行，海

洋大气初值组合共４８个样本，提供未来１１个月（８

个滚动季节）多要素概率预测和确定性预测信息

（ｈｔｔｐ：∥ｃｍｄｐ．ｎｃｃ．ｃｍａ．ｇｏｖ．ｃｎ／ｐｒｅｄ／ｃｓ．ｐｈｐ），模

式系统丰富的预报信息以及在此基础上的解释应用

产品有力地支持了全国气候预测业务。

此外，将动力数值模式和统计经验预报相结合

的思路已被广泛接受，但如何实现有效的结合经历

了漫长的探索过程。早在２０世纪５０年代，顾震

潮［４０］就指出了在数值预报中引入历史资料的重要

性和可行性。后来我国学者开展了一系列独具特色

的工作：使用过去演变资料的多时刻预报方法［４１］、

相似动力方法［４２４４］、基于大气自忆性原理的方

法［４５］、动力相似预报（ＤＡＰ）的概念和方法［２９］。尤

其是利用历史相似信息对动力模式的预报误差进行

预报的新思路和预报方法，开拓了动力统计相结合

方法的新局面，该方法也为近几年的月、季气候预测

业务提供了实时预测结果，取得可喜的成绩［４６４７］。

３　新技术和新方法的应用

３．１　犃犚犌犗海洋观测资料同化在气候预测中的应用

海洋作为气候系统中的重要成员，是气候预测

最主要的可预报性来源，全球各大洋的海温异常都

会对我国的气候变率产生影响，海温也是目前我国

短期气候预测业务中最重要的预报因子。然而，海

洋观测数据的缺乏一直是制约大气和海洋科学发展

的瓶颈。为此，２０世纪末国际上开始筹建 ＡＲＧＯ

（ＡｒｒａｙｆｏｒＲｅａｌｔｉｍｅＧｅｏｓｔｒｏｐｈｉｃＯｃｅａｎｏｇｒａｐｈｙ）

３４６　第６期　　 　 　　　　　　　　　　　　　贾小龙等：我国短期气候预测技术进展　　　　　　　　　　　　　 　　　

全球实时海洋观测网［４８］。ＡＲＧＯ海洋观测网是目

前唯一能够立体观测全球海洋的实时观测系统，为

研究大气和海洋提供了前所未有的深广视角。我国

于２００１年加入国际 ＡＲＧＯ 计划，构建了我国的

ＡＲＧＯ海洋观测网，并参与全球 ＡＲＧＯ实时海洋

观测网建设［４９５０］。利用ＡＲＧＯ海洋观测资料，我国

学者开展了海洋资料同化、海洋模式改进的研究，并

应用于海洋分析和气候预测研究，促进了我国短期

气候预测业务水平以及海洋监测分析业务能力。

张人禾等［５１］最近对我国开展的ＡＲＧＯ资料质

量控制、利用 ＡＲＧＯ资料开展的有关海洋资料同

化、短期气候预测、海洋模式改进、海洋表层流、温盐

变化特征、厄尔尼诺／拉尼娜（ＥｌＮｉ珘ｎｏ／ＬａＮｉ珘ｎａ）等

方面的研究进行了综述。这里仅简要介绍一下

ＡＲＧＯ海洋观测资料同化在国家气候中心动力模

式预测系统中的应用。国家气候中心全球海洋资料

四维变分同化系统（ＮＣＣ＿ＧＯＤＡＳ）通过引入 ＡＲ

ＧＯ的全球温盐观测资料大大改善了同化结果，其

同化结果可为海气耦合模式进行季节气候预测业

务提供更加可信的海洋初始场资料［５２５３］。在ＮＣＣ＿

ＧＯＤＡＳ中引入了ＡＲＧＯ资料后，将其与国家气候

中心全球海气耦合模式（ＮＣＣ＿ＣＧＣＭ）进行耦合，显

著提高了模式对我国夏季降水预测的技巧，模式回

报的夏季降水距平与观测降水距平相关为正的格点

数比未采用 ＡＲＧＯ资料时增加了９．３８％［５４］。自

２００５年起采用同化了ＡＲＧＯ资料的ＮＣＣ＿ＧＯＤＡＳ

后，ＮＣＣ＿ＣＧＣＭ 预报系统预报的热带太平洋

Ｎｉ珘ｎｏ３．４区海面温度距平与观测值的相关系数达到

０．５左右［５１］。

３．２　第２代短期气候预测模式系统及应用

２００５年起，国家气候中心启动了新一代多圈层

耦合的气候系统模式研制工作。几年来，研制工作

取得了重要成果，先后建成了耦合大气、陆面、海洋、

海冰分量在内的不同版本的气候系统模式ＢＣＣ＿

ＣＳＭ１．０，ＢＣＣ＿ＣＳＭ１．１和ＢＣＣ＿ＣＳＭ１．１（ｍ）。同

期，基于全球近１１０ｋｍ中等分辨率的新一代气候

系统模式ＢＣＣ＿ＣＳＭ１．１（ｍ）研发的第２代短期气候

预测模式系统也取得了长足进展，该系统包含第２

代海洋资料同化系统、陆面资料同化系统、月动力延

伸预测模式系统、季节气候预测模式系统等４个子

系统。详细的技术进展可参考文献［５５］。

第２代海洋资料同化系统已初步建成，其对海

洋温盐的同化效果总体上要优于第１代海洋资料同

化系统，未来将为第２代短期气候预测提供准确的

海洋初、边值条件。目前，正在完成从资料预处理、

质量控制到系统运行的准业务化设计工作。在陆面

资料同化系统的发展方面，土壤温度和土壤湿度同

化子系统正在研发中，而多源降水融合子系统的业

务建设工作已基本完成，其可为短期气候预测模式

系统陆面分量提供可靠的实时大气降水强迫场。第

２代月动力延伸预测模式系统基于Ｔ１０６水平分辨

率的大气环流模式ＢＣＣ＿ＡＧＣＭ２．２建立，其对全球

及区域降水、环流的气候态和年际变率等多个要素

的预测能力总体要高于第１代月动力延伸预测模式

系统。该系统已于２０１２年投入准业务化运行，实时

输出候、旬、月时间尺度和全球、北半球、东北半球、

东亚、中国等空间尺度的预报数据和图形产品。第

２代季节气候预测模式系统基于全球近１１０ｋｍ的

中等分辨率气候系统模式ＢＣＣ＿ＣＳＭ１．１（ｍ）建立，

其对降水、环流和季风指数、ＥＮＳＯ等多个要素的预

报技巧总体上要高于第１代季节气候预测模式系

统。该系统已于２０１２年底完成基本构建工作，目前

正在开展全面的性能检验以及准业务化设计等工

作，将于２０１３年实现准业务运行。

３．３　模式解释应用技术及应用

早在２０世纪５０年代，就提出了利用统计方法

对数值模式产品进行解释应用的思想，也提出了完

全预报方法（ＰＰ）和模式输出统计预报（ＭＯＳ）方法。

但无论是ＰＰ方法还是 ＭＯＳ方法均未考虑模式对

预报因子的预报能力，因此，所建立的要素预报和环

流形势之间的统计关系更多体现了统计学意义，而

缺乏明确的物理意义。李维京等［２４］利用大尺度大

气动力学方程组推导出月降水与高度场异常之间的

关系，并结合月动力延伸预报５００ｈＰａ高度场与降

水观测资料确定预报方程的系数，这种具有明确的

物理意义的模式释用在实际预报试验中取得较好的

效果。

２０世纪９０年代，随着全球气候模式的发展，统

计降尺度方法作为一个崭新的学科方向在国际上流

行开来，它的主要思想就是模式解释应用。统计降

尺度方法可以将气候模式输出中物理意义较好、模

拟较准确的气候信息应用于统计模式，从而纠正气

候模式的系统误差。大量研究结果表明，基于模式

高技巧输出信息的统计降尺度预报明显改进了气候

预测的效果［２４２８，３０３２，５６６４］。统计降尺度方法很多，主

要包括转换函数法、天气分型技术和天气发生器。

４４６　　 　　　　　 　　　　　　　 　　　　　　应　用　气　象　学　报　 　　　　　　 　　　 　　　　　　第２４卷　

在月、季气候预测中，转换函数法最为常用。转换函

数可以是线性，也可以是非线性，其中线性回归方法

在统计降尺度研究中最为常用，包括多元线性回归、

逐步线性回归、最优子集回归（ＯＳＲ）、典型相关分析

（ＣＣＡ）、奇异值分解（ＳＶＤ）等。

从统计降尺度预报模型的特点来看，一般可以

分为两类，分别是大尺度预报因子对区域要素主要

模态的预报以及对站点（格点）要素的预报。当预报

对象是区域要素主要模态时，通常用经验正交函数

（ＥＯＦ）、典型相关分析等方法得到区域要素的主要

模态，并利用其主成分与大尺度预报因子建立回归

模型，最后利用空间模态与主成分对预报场进行还

原［３１］。统计降尺度更多应用于对站点（格点）要素

的预报，当预报对象为站点要素时，由于区域气候环

境及局地复杂地形影响，站点要素的变率可能较大，

导致与大尺度环流之间的关系不密切或者不稳定，

这会影响到降尺度模型的预测能力。基于该特点，

提出了空间分区技术，利用区域要素的平均状态来

消除站点可能存在的不确定性［５７５８］。随着统计降尺

度预报技术的发展，如何更好地应用模式信息建立

稳定有效的降尺度模型始终是关注重点，已有研究

表明结合前期大气海洋的异常信号与模式输出的有

用信息一起建立预测模型可以取得更好的预测效

果［５９］。此外，分别利用多个单模式的有用信息进行

统计降尺度再对降尺度结果进行集合的预报方案也

已经被提出［６０］。若要素预报量包含了不同时间尺

度信息，会对降尺度模型的构建带来不利影响，因

此，提出了分离时间尺度的统计降尺度思路，并取得

较好的预测效果［６１］。

统计降尺度已经在气候预测领域开展了大量的

研究工作，是当前及未来一段时间内短期气候预测

技术发展的重要方向之一，而基于模式输出结果的

释用技术的业务应用一直是国家气候中心关注的问

题。利用月动力延伸预报（ＤＥＲＦ）５００ｈＰａ高度场

对中国区域降水的解释应用在月气候预测中得到较

好的应用［２４２５］。基于ＤＥＲＦ模式最优信息提取技

术也被应用到月气候预测业务中，逐月提供气温和

降水的降尺度预报产品［３０］。在月尺度预测基础上，

利用ＤＥＲＦ逐候结果结合统计降尺度方法开发了

逐候滚动的延伸期逐旬气温和降水预测产品，并将

预测对象拓展到极端降水日数、最高（低）气温距平

等［６４］。而基于国家气候中心全球海气耦合模式

（ＮＣＣ＿ＣＧＣＭ）的输出结果得到的统计降尺度产品

对季节预测起了很好的参考作用［３１，６２］。这些模式

解释应用技术的业务化为月、季气候预测提供了重

要支撑。而如何更好地利用国内外优秀气候模式的

有用信息来指导月、季气候预测是国家气候中心气

候业务发展关注的问题。

３．４　多模式气候预测产品解释应用集成系统

由于气候系统自身的混沌性特征，模式预测对

初始值误差和模式自身误差敏感。采用多个模式进

行集合预报时，能够同时减少模式不确定性和初始

值不确定性，从而成为有效的解决方案，并因此得到

广泛应用［６５］。

多模式集合最早出现在天气预报领域，研究均

表明［６６］，多个模式集合平均后的效果优于单模式，

并因此提出利用多个业务中心的天气预测模式数据

进行平均得到更优预测的ＰｏｏｒＭａｎ集合的思路和

应用方法［６７］。在集合平均方法的基础上，Ｋｒｉｓｈ

ｎａｍｕｒｔｉ等［６８］提出超级集合的概念。在上述相关研

究中，并不是将多模式模拟结果进行简单的集合平

均，而是将多模式预报过程分为训练和预报两个阶

段。在训练阶段，通过已有的模式结果和实际观测

资料利用多元线性回归方法求取各个模式的权重，

并将其用于预报阶段。与单模式相比，多模式超级

集合可以明显减小单模式和集合平均的均方根误

差，Ｋｒｉｓｈｎａｍｕｒｔｉ等的发现受到了极大关注，多模式

集合预报迅速成为大气科学领域的研究热点。多模

式集合预报可以提高天气预报水平得到广泛认同，

但在气候预测领域，多模式超级集合能否提高集合

平均预测能力仍存在争议［６９７０］。

随着气候模式的发展，多模式集合在短期气候

预测方面的预测能力倍受关注。欧洲中期天气预报

中心（ＥＣＭＷＦ）的ＰＲＯＶＯＳＴ项目［７１］和美国ＮＣＥＰ

的ＤＳＰ项目［７２］利用多个ＡＧＣＭ进行集合肯定了多

模式集合的效果。随后，ＥＣＭＷＦ的ＤＥＭＥＴＥＲ计

划［７３］利用欧洲国家的７个模式细致研究了多个耦

合模式集合在短期气候预测应用的效果和前景，利

用概率性预报结果阐明了多模式集合预报的思想，

讨论了简单的集合平均对于单模式的优势，回答了

多模式集合平均优于单模式的平均预报水平的原因

以及不用最好的单模式取代多模式集合等问题［７４］，

提出了概率方法应用于多模式集合预报的思想和应

用方法［７５］。此外，ＡＰＣＣ利用亚太经合组织国家的

１４个模式开展了ＣｌｉＰＡＳ项目［７６］，详细评估了多模

式集合预测在短期气候尺度的预测效果。从现有多

５４６　第６期　　 　 　　　　　　　　　　　　　贾小龙等：我国短期气候预测技术进展　　　　　　　　　　　　　 　　　

模式集合预测技巧来看，在气温预测方面，ＤＥＭＥ

ＴＥＲ和ＣｌｉＰＡＳ两个多模式集合项目均在热带地区

预测技巧较高，在北半球中纬度地区也有一定的预

测能力；在降水方面，均仅在热带和副热带海洋有较

高的预测技巧。在气候预测业务中，多模式集合首

先涉及到多个质量稳定的耦合模式数据的实时获

得。目前，ＡＰＣＣ，ＩＲＩ，ＥＣＭＷＦ，ＮＣＥＰ先后根据能

获得的数个模式推出了自己的多模式集合预报业务

产品。

我国科学家在利用多模式集合在气候预测领域

也开展了很多研究工作。康红文等［６３］用亚太气候

中心（ＡＰＥＣＣｌｉｍａｔｅＣｅｎｔｅｒ，ＡＰＣＣ）收集到的多个

动力季节预报模式产品，利用动力季节模式输出的

匹配域投影技术和多模式集合预报技术对多个国家

和城市的站点月降水进行预报。李芳［７７］借助ＥＮ

ＳＥＭＢＬＥＳ 计 划 提 供 的 ５ 个 海气 耦 合 模 式

（ＣＧＣＭ）的多初值后报降水资料，采用常用的４种

多模式集合方案，制作了１９６０—２００５年中国东部夏

季降水概率密度函数（ＰＤＦ）季度预测。在此基础上

评估了目前基于多模式集合方案的中国东部夏季降

水的概率密度函数季度预测能力。张刚［７８］利用

ＤＥＭＥＴＥＲ多模式集合预测系统１９８０—２００１年的

回报试验，研究了欧洲７个耦合模式对东亚地区（０°

～６０°Ｎ，７０°～１４０°Ｅ）冬季大气环流和气候异常的预

测效果。在实时业务中，２０１１年起开展多模式集合

业务。２０１１年基于美国环境预报中心（ＮＣＥＰ）、欧

洲中期天气预报中心（ＥＣＭＷＦ）、东京气候中心

（ＴＣＣ）和中国气象局国家气候中心（ＮＣＣ）的气候

模式，中国气象局国家气候中心开始进行多模式集

合技术应用方面的初步探索，并结合多种统计方法

初步 建 立 了 多 模 式 解 释 应 用 集 成 预 测 系 统

（ＭＯＤＥＳ），目前 ＭＯＤＥＳ系统已经实现逐月运行，

开始在国家气候中心月、季气候预测业务中发挥作

用。从４个模式及 ＭＯＤＥＳ多模式集合对我国１６０

个站夏季和冬季气温、降水预测效果的初步评估看，

多模式集合预测的效果和最佳模式相同或接近，甚

至有部分改进。但由于现有４个模式预测性能之间

差异过大，目前直接进行集合尚未表现出明显的优

势。ＭＯＤＥＳ系统详细的技术进展可参考文献

［７９］。

多模式集合技术本质上通过减小由于模式自身

不确定性带来的误差而提高预测能力，在各个模式

预测能力有限时，多模式集合的效果依赖于各单一

模式的预测能力，在单一模式没有预测能力的同时，

多模式集合也不能提供足够有用的预测信息。因

此，获取更多的高质量气候模式数据，模式后处理和

选择最优的模式组合进行超级集合是国家气候中心

多模式集合预报工作下一步的方向。

３．５　动力统计集成的季节降水预测系统

动力统计相结合是提高短期气候预测准确率

的有效途径之一。２００８年以来，中国气象局公益性

行业（气象）科研专项“由历史资料改进动力季节预

测的关键技术研究”利用国家气候中心的季节预报

业务模式和较全面的历史资料，发展了利用相似年

的模式误差信息实现对预报年气候模式预报误差预

报的汛期降水动力统计客观定量化预测方法，并利

用两类动力统计预测方案，建立了动力与统计集成

的季节降水预测系统（ＦＯＤＡＳ１．０）。该系统在动

力统计客观定量化预测理论和方法的基础上，充分

借鉴国家气候中心和区域、省级气候中心现有科研

和业务成果，尤其是预报员的诊断技术和预报经验，

研制适合区域气候特点的预测方案。目前，ＦＯ

ＤＡＳ１．０已在国家气候中心、８个区域气候中心和

广西、山东等多省市气候中心实现准业务试用，近几

年的实际预报效果也比较理想。详细的技术进展可

参考文献［８０］。

ＦＯＤＡＳ１．０系统主要包括以下模块：实时数据

接收模块、历史检索模块、相似因子客观选取模块、

统计相似预测模块、全国降水因子诊断订正模块、区

域相似因子订正模块、动力统计客观定量化预测模

块、预测评分模块。预报产品主要包括全国（或区

域）季节降水的统计相似预测图、动力统计客观定

量化预测图以及预测产品的检验图形等。此外，该

系统还可以检索历年降水距平百分率、因子演变曲

线等，供预报员参考。ＦＯＤＡＳ１．０的推广应用，为

区域和省级气候中心进一步加强月季节尺度的降

水等的客观定量化预报提供了有力支撑，使之更好

地为国家和区域的防灾减灾决策服务。

采用该动力统计客观定量化预测方法对

２００９—２０１２年我国夏季汛期降水进行了实际预测，

预测结果（３月预测）的ＰＳ评分分别为７９，７２，７０，

７０；距平相关系数分别为０．３８，０．１０，０．１２，０．０３。

３．６　犕犑犗在延伸期月尺度预测中的应用

热带大气季节内振荡（ＭＪＯ）作为热带地区大

气环流异常的一个主要模态，由于其代表了一种可

重复发生的低频现象，因此目前成为进行次季节气

６４６　　 　　　　　 　　　　　　　 　　　　　　应　用　气　象　学　报　 　　　　　　 　　　 　　　　　　第２４卷　

候预测研究的焦点。ＭＪＯ和它的演变对１～４周时

间尺度的热带环流变化预报非常关键，而有技巧性

的ＭＪＯ预报在某种程度上对１～２周的副热带天气

和３～４周的热带外气流变化预报是有意义的［８１］。

因此，ＭＪＯ被认为可以填补天气预报和季节预测之

间的“预报缝隙”，可以作为进行延伸期（１０～３０ｄ）

预报的重要可预报性来源之一，将有助于提高两周

到月时间尺度的短期气候预测能力。

大气季节内振荡在我国东部天气、气候演变中

扮演了重要角色，国内相关研究工作较多。何金海

等［８２］指出我国夏季降水主要受１０～２０ｄ和３０～

６０ｄ低频振荡的影响。李崇银［８３］研究也表明，华北

汛期降水偏多年份，降水量的３０～６０ｄ低频振荡明

显，降水偏少年份，该振荡不明显。夏季风在北进过

程中存在明显的准双周和季节内振荡现象，季风雨

带的北进、停滞和中断等现象都与季节内振荡关系

密切［８２］。与东亚夏季风活动相联系的低纬度风场、

位势高度场及向外长波辐射场在夏季风爆发前均出

现明显的季节内振荡，且振荡以低频形式向中高纬

度地区传播，从而影响中高纬度地区的天气和气

候［８４］。琚建华等［８５］研究指出，东亚强季风涌年，准

３０～６０ｄ振荡的影响显著，易造成长江中下游多

雨；东亚弱季风涌年，准３０～６０ｄ振荡减弱，１０～

２０ｄ低频振荡为主要的振荡周期，容易造成长江中

下游干旱。长江流域旱涝年的低频风场表现出显著

的不同，涝年降水是由南北方低频涡旋相向运动在

长江流域汇合所形成；旱年降水则由热带西太平洋

低频涡旋向西北方移动影响长江流域所造成［８６］。

尽管大量研究表明，我国东部洪涝很大程度上

与大气季节内振荡有关，特别是长江中下游、华南地

区降水与低频振荡及其传播联系密切。这些研究成

果均基于诊断分析，对认识季节内振荡与我国气候

异常关系有重要作用，但在国内，无论是中期预报还

是月季节尺度预报一直难以得到有效应用。其中

主要原因之一是滤波方法的限制，缺乏一个能客观、

实时提取 ＭＪＯ演变信息（比如强度和位置）的方

法；另一方面，由于 ＭＪＯ主要是大气内部动力过

程，其可预报性有很大的不确定性，并缺乏有效的预

报手段。正是由于这两方面原因，限制了 ＭＪＯ在

“次季节”预报中的应用。但最近几年，国际上在这

两方面的研究均取得了较大进展，为 ＭＪＯ的业务

应用提供了技术上的支持。

２００４年 Ｗｈｅｅｌｅｒ等［８７］利用多变量ＥＯＦ方法设

计了一个二维 ＭＪＯ指数，该指数没有使用传统的

滤波技术，因此可以实时提取 ＭＪＯ信息（包括 ＭＪＯ

对流的位置和强度）。该指数将 ＭＪＯ沿全球热带

地区的传播在空间上分为８个位相（空间位置），组

成了一个完整的 ＭＪＯ对流从西印度洋发展到中太

平洋消亡的生命循环过程。由于该指数较为直观且

方便使用，目前该指数已在澳大利亚以及 ＣＰＣ／

ＮＣＥＰ等多家国外气候中心的 ＭＪＯ监测、诊断、预

测业务中广泛使用。近几年，国家气候中心也利用

该指数在延伸期预报领域进行了相关研究和应用工

作，初步建立了 ＭＪＯ的监测预测和应用模型，并逐

步引入到延伸期月尺度预测和台风预测业务

中［８８９０］。近年来，上海市气候中心、沈阳中心气象

台、兰州中心气象台根据所关心地区较强降水过程

与低频环流系统的关系，采用基于时间滤波的低频

天气图方法给出未来１０～３０ｄ较强降水的发生时

段，投入于汛期延伸期预报准业务应用，取得了较

好的预报效果［９１］。梁平等［９２］在利用集合经验模态

分解（ＥＥＭＤ）及多变量ＥＯＦ方法获取梅雨区降水

及其影响系统低频信号的基础上，采用最优子集回

归方法、经验波传播（ＥＷＰ）方法及全球海气耦合模

式产品，对梅雨季节内演变的延伸期预报方法进行

了预报和试验，试验结果表明：大气季节内振荡对梅

雨区降水的延伸预报具有重要的应用价值，可能是

联系天气过程及异常的重要系统；通过ＥＥＭＤ方法

提取前期降水演变及影响因子的季节内振荡信号，

采用最优子集回归统计学方法对梅雨区逐候降水量

演变进行超前３０ｄ预报是有可能的。

４　关键影响系统影响机理的新认识及应用

４．１　全球海洋对东亚季风的影响

４．１．１　热带中东太平洋海温的影响

作为亚洲气候变化最主要的影响系统，ＥＮＳＯ

异常及其与东亚夏季风的相互作用将直接导致我国

夏季旱涝灾害的形成。Ｈｕａｎｇ等［９３］研究指出，在

ＥｌＮｉ珘ｎｏ事件的发展阶段，我国江淮流域夏季风降

水偏多，华北和江南地区降水偏少；而在ＥｌＮｉ珘ｎｏ事

件的衰减阶段，上述地区降水异常分布相反。同样，

ＬａＮｉ珘ｎａ事件的不同阶段，我国降水距平分布也不

同。但近２０年来，ＥＮＳＯ与我国夏季降水的相关性

已大大衰减。作为我国夏季降水的主要预测指标，

ＥＮＳＯ的指示意义也相应减弱。在汛期预测业务中

７４６　第６期　　 　 　　　　　　　　　　　　　贾小龙等：我国短期气候预测技术进展　　　　　　　　　　　　　 　　　

参考ＥＮＳＯ的作用时必须充分考虑年代际背景的

差异［９４］。近几十年，ＥＮＳＯ的形态格局也发生很大

变化，频繁出现暖池型（ＷＰ）ＥｌＮｉ珘ｎｏ（或称中部型

ＥｌＮｉ珘ｎｏ或ＥｌＮｉ珘ｎｏＭｏｄｏｋｉ事件）。研究显示，两类

ＥｌＮｉ珘ｎｏ海温型对我国降水影响显著不同［９５］。在近

些年的业务预测中，不同类型ＥｌＮｉ珘ｎｏ海温的影响

也越来越被关注。

４．１．２　印度洋海温的影响

继Ｓａｊｉ等［９６］提出印度洋偶极子（ＩＯＤ）后，中国

气象工作者更加关注印度洋海温异常对我国气候的

影响。事实上，罗绍华等［９７］早就指出阿拉伯海和南

孟加拉湾的前期海温变化与后期长江中下游夏季降

水有较好的相关关系。研究表明，当ＩＯＤ指数为正

位相时，汛期华北及江淮流域干旱少雨，而华南沿海

地区为多雨带；反之，汛期雨带分布基本为南北多雨

而长江流域少雨［９８］。但对于ＩＯＤ与ＥＮＳＯ是否独

立尚有争议。琚建华等［９９］发现可以将 ＥＮＳＯ 与

ＩＯＤ作为一个统一的太平洋—印度洋海温异常模

态来考虑。杨辉等［１００］定义了一个热带太平洋—印

度洋异常综合模指数，发现在综合模正位相时南亚

高压偏弱，位置偏东、偏南，反之南亚高压偏强，位置

偏西、偏北。

在南印度洋也存在一个海温偶极子型振荡且明

显独立于ＥＮＳＯ。贾小龙等［１０１］将标准化的２５°～

４０°Ｓ，６５°～８０°Ｅ与１０°～２０°Ｓ，９５°～１０５°Ｅ区域平均

海温距平差定义为南印度洋偶极子指数，发现前期

夏、秋季偶极子正位相时次年夏季印度洋、南海（东

亚）夏季风偏弱，副热带高压加强且南撤、西伸，南亚

高压偏强且位置偏东，易形成我国长江流域降水偏

多，华南降水偏少；负位相年相反。后期冬季西太平

洋暖池是联系南印度洋偶极子与次年我国夏季降水

异常关系的一条重要途径。杨明珠等［１０２］也揭示出

印度洋全海盆的增温趋势与我国夏季降水的气候线

性变化趋势十分一致。该工作进一步将热带外南印

度洋出现西南印度洋为正（负）、其东北部为（负）正

海温异常的分布模态定义为正（负）南印度洋偶极子

ＰＳＩＯＤ（ＮＳＩＯＤ）事件。ＳＩＯＤ事件对我国夏季降水

具有重要影响，ＰＳＩＯＤ年，５月我国江南和西南以及

长江中下游的降水偏多；６—８月华北、东北区域、长

江中游以及华南地区降水增多，华南与华北之间的

区域降水偏少，即主要为两条雨带的分布。ＮＳＩＯＤ

年，５月我国大部降水偏少；６—８月我国西南、江南

地区以及黄淮地区降水偏多。

４．１．３　大西洋海温的影响

近年来，对大西洋—东亚夏季风的研究逐渐成

为海气相互作用的另一热点，并成功应用于短期气

候预测［１０３］。观测分析和数值模拟结果均表明，北

大西洋三极子型的海温异常可以通过激发出一支跨

越欧亚大陆的纬向遥相关波列进而影响到东亚夏季

风的年际变率［１０４１０５］。同时，我国夏季梅雨的年代

际与年际变化与前期冬季北大西洋三极子型的海温

异常也密切相关［１０４，１０６］，当经向海温距平呈“－＋

－”型分布时，梅雨偏少；反之，当海温距平呈“＋－

＋”分布时，梅雨偏多。一般认为，在年际时间尺度

上北大西洋三极子型的海温异常主要受局地上方北

大西洋涛动（ＮＡＯ）型的环流异常控制［１０７］。其中，

ＮＡＯ是影响东亚夏季风及季风降水年际变异的重

要前期因子［１０４］。值得注意的是，东亚夏季风环流

对北大西洋三极子型海温异常的响应敏感于后者的

经向位置［１０５］。

虽然近１０年气象工作者将更多的眼光投向

ＥＮＳＯ之外的海域，但与ＥＮＳＯ相比，这些研究依

旧不多，尤其是各海域海温如何相互作用和调制及

其具体机制仍需深入分析，包括ＩＯＤ与ＥＮＳＯ的关

系问题［１０８］。这些因子是否稳定适用于我国夏季降

水的短期气候预测也需要在业务中进一步加以检

验。

４．２　北极海冰的影响

当前，全球变暖导致北极增暖，夏季海冰减少，

北冰洋海水温度升高。特别是２０世纪９０年代后期

以来，北极海冰快速减少。北极海冰对东亚气候异

常的影响近些年来在业务预报中也越来越受到重

视。研究表明［１０９］，７６．５°～８３．５°Ｎ，６０．５°～１４９．５°Ｅ

区域平均的９月海冰密集度（ＳＩＣ）与冬季西伯利亚

高压相关显著（相关系数为０．６５，去除趋势后二者

相关系数为０．６０）。９月北极海冰密集度为预测冬

季西伯利亚高压强度，进而预测冬季气温高低提供

了一个前期因子。伴随着北极海冰的减少，欧亚大

陆经历了严冬频发和极端降水或降雪事件，特别是

２００８年以来，我国经历了频繁的冬季低温。欧亚大

陆北部冬季平均海平面气压的升高是近期严冬频发

的原因。

对去除趋势的９月ＳＩＣ与后期冬季大气环流异

常进行回归分析［１０９］，负的海平面气压异常出现在

欧亚大陆北部，在欧洲北部存在一个异常中心。负

的地面气温异常主要位于北欧海—巴伦支海—喀拉

８４６　　 　　　　　 　　　　　　　 　　　　　　应　用　气　象　学　报　 　　　　　　 　　　 　　　　　　第２４卷　

海，正的地面气温异常出现在欧亚大陆中高纬度、东

亚及其边缘海域。显著的正地面气温异常出现在东

亚和西北太平洋部分区域。

春季（３—５月）白令海和鄂霍次克海冰面积与

夏季（６—７月）我国南方降水有很好的关系［１１０］。春

季少冰年与多冰年我国夏季降水的差异显示，华南

西部、贵州至长江中下游地区降水有显著的正异常，

长江中下游梅雨偏强。白令海和鄂霍次克海冰的多

少为汛期气候预测提供了下垫面强迫前兆信号。

春季多冰年与少冰年５００ｈＰａ高度差异显示，

贝加尔湖至我国河套地区上空有显著的正高度异

常，河套高压偏强［１１０］。春季少冰年，我国大陆盛行

北风，夏季风偏弱；假相当位温大值区位于江南上空

的对流层中层，这一带上升运动偏强，对流活跃，降

水偏多。海冰的减少强迫向东传播的波活动通量，

导致欧洲高压发展，降水减少，土壤湿度降低，地表

温度升高，夏季感热通量增加，进一步加强了欧洲静

止波。向东传播的波能量和强度在东亚夏季产生高

气压响应，欧洲大陆成为海冰变化和东亚夏季风变

化的桥梁［１１０］。

４．３　陆面过程的影响

陆面过程影响大气环流和气候变化的基本物理

过程、生化过程、生态过程，在大气陆面相互作用中

扮演着重要角色，虽然陆面过程很早就被气象所认

知，但陆面过程对天气气候变化影响的重要性还是

在近几十年才被进一步认识。特别是随着对全球气

候和气候异常重视程度的增加，陆面过程研究成为

当代气候系统和天气研究的热点之一。

在当前实际气候预测业务中，陆面过程对气候

的影响信息来源于两个途径，一是含有陆面过程参

数化模块的动力气候模式的预测结果，另一方面是

基于观测和诊断分析的陆面异常对短期气候的影

响。相比海洋异常信号持续时间长和影响显著的特

征，陆面异常信号的持续时间相对较短，同时由于陆

地上各种各样的下垫面不断向大气输送动量、感热

和潜热、反射短波和发射长波辐射、形成地表径流，

而这些量又是时空多变的，要精确地刻画和诊断并

非易事。另外，由于陆面观测资料长度、代表性、实

时性的限制，很多陆面过程的信息还未在实时气候

预测业务中使用。目前我国短期气候预测业务中使

用较多的是欧亚大陆积雪异常对亚洲季风的影响。

一些学者对该领域进行了系统回顾［１１１１１２］，本文主

要关注积雪研究成果在气候预测业务中应用的部分

内容。

国内学者几十年来的大量研究集中在青藏高原

积雪对东亚季风的影响，早期研究就认识到青藏高

原积雪偏多会导致东亚夏季风偏弱［１１３１１４］，东亚季

风系统的季节变化进程比常年偏晚，初夏华南降水

偏多［１１５］，夏季长江及江南北部降水偏多，华北和华

南降水偏少［１１６］。基于诊断分析和数值模拟，青藏

高原积雪影响东亚季风的物理过程［１１７］可概括为青

藏高原积雪多（少），春夏高原感热弱（强），感热加热

引起的上升运动弱（强），青藏高原强（弱）风场不利

于（有利于）高原感热通量向上输送，青藏高原上空

对流层加热弱（强），对流层温度低（高），青藏高原南

侧温度对比弱（强），造成夏季风弱（强），我国长江流

域易涝（旱）。另外，青藏高原积雪异常对ＥＮＳＯ与

东亚夏季风之间的关系发挥着显著的调制作用。在

青藏高原积雪异常偏多年，ＥＮＳＯ与东亚夏季风之

间的联系减弱；在积雪异常偏少年，ＥＮＳＯ与东亚夏

季风联系则加强。研究结果表明，青藏高原积雪异

常减少，有助于北太平洋上空的西风急流减弱，从而

有利于与ＥＮＳＯ相关联的热带外大气 Ｒｏｓｓｂｙ波从

西传播抵达东亚地区，进而增强 ＥＮＳＯ与东亚夏季

风的联系，反之亦然［１１８］。

欧亚大陆中纬度地区积雪和东亚夏季风之间的

关系研究相对青藏高原较少，但最近１０年也取得了

显著进展。最早研究认为冬季欧亚大陆积雪和华北

夏季风为弱的负相关关系［１１９］，进一步分析发现欧

亚大陆积雪对中国不同区域的影响不同，欧亚大陆

冬季雪盖与华南、华北的降水为正相关，与东北的降

水为弱负相关［１２０］，与长江流域降水为负相关［１２１］。

而冬季欧亚大陆北部新增雪盖面积偏大时，江南降

水偏少［１２２］。欧亚大陆中纬度积雪影响东亚季风的

物理过程可概括为欧亚积雪偏多或者新增积雪偏

多，欧亚积雪融化进程减慢，至夏季积雪和冻土的融

化加剧，积雪的水文效应和反照率效应造成土壤温

度明显偏低，地面冷却作用造成高度场偏低，并加强

中高纬度异常北风，东亚南北热力差异增强，东亚副

热带急流增强，西太平洋副热带高压易加强、西伸、

北扩，江南高温干旱［１２２］，东亚从北向南的环流型呈

“－＋－”的遥相关波列［１２３］。

实际上，无论是青藏高原积雪还是欧亚大陆积

雪对亚洲季风的影响均不呈线性的，也不是独立的，

还受到ＥＮＳＯ循环、北大西洋涛动（ＮＡＯ）等外强迫

和大气内部动力过程的作用［１２４］。此外，采用不同

９４６　第６期　　 　 　　　　　　　　　　　　　贾小龙等：我国短期气候预测技术进展　　　　　　　　　　　　　 　　　

的积雪资料和积雪指数，积雪面积或积雪深度也会

得到有差异的环流特征［１２５］。在实际的短期气候预

测业务中会遇到反例或不同区域积雪特征与其他监

测变量不匹配的情况，因此积雪异常的气候效应远

比海洋异常的影响复杂。

４．４　南半球环流系统的影响

近年来研究发现，作为东亚夏季风的气流源地，

南半球大气环流在夏季降水的预测中具有重要指示

意义，可做为预报因子在业务中使用。李曾中

等［１２６］指出，６—９月８５０ｈＰａ东半球越赤道气流总

量偏多的年份，当年夏季我国大陆降水亦偏多。王

会军等［１２７］进一步研究发现，春季索马里急流与夏

季我国长江中下游及华南地区降水均呈负相关。除

我国东部降水外，青藏高原大部分地区夏季降水与

５月索马里急流有很好的正相关关系［１２８］，东半球的

越赤道气流还影响到初夏季风的建立。李崇银

等［１２９］研究发现，对应于南海夏季风爆发，总是先期

在赤道印度洋地区有西风加强和索马里跨赤道南风

气流的建立。而且，若南海夏季风爆发偏早（晚），前

期赤道印度洋地区西风的加强和索马里跨赤道南风

气流的建立也偏早（晚）。高辉等［１３０］指出，当前期

索马里和南海越赤道气流建立偏早（晚）、强度偏强

（弱）时，南海夏季风爆发易偏早（晚）。

南半球热带外大气环流同样具有重要影响。王

绍武等［１３１］指出，当南太平洋高压偏北时我国夏季

多干旱，偏南时我国多洪涝。陈国珍等［１３２］研究发

现，６—８月南半球极涡异常偏弱（强）时，北半球副

热带高压偏南（北），长江流域多（少）雨，华南华北少

（多）雨。吴仁广等［１３３］认为，当２月南印度洋中高纬

度地区经向环流发展时，长江中下游地区梅雨期降

水容易偏多。薛峰等［１３４］指出当北半球从春到夏马

斯克林高压偏强时，夏季我国长江流域至日本一带

多雨，我国华南到台湾以东的西太平洋以及东亚中

纬度大部分地区少雨。

近年来，南极涛动（ＡＡＯ）或南半球环状模

（ＳＡＭ）成为南半球大气环流的研究热点，并广泛应

用于短期气候预测。高辉等［１３５］研究表明，５月南极

涛动加强，江淮梅雨量多，出梅晚，梅雨期长。Ｎａｎ

等［１３６］研究也表明，４—５月南极涛动与长江中下游

的夏季降水呈显著的正相关关系，春季南极涛动强，

对应着东亚夏季风减弱和西太平洋副热带高压加强

西伸。范可等［１３７１３８］研究结果也证实我国长江中下

游涝（旱）年往往对应着春季南极涛动正（负）异常

年。这一关系可通过南半球高纬度地区到北半球东

亚沿岸经向分布的正压遥相关波列得以部分解释。

秋季ＳＡＭ 和东亚冬季风存在显著相关［１３９］，“海气

耦合桥”理论被用来揭示其中的物理机制，明确了

ＳＡＭ 是东亚季风季节预测新的前期信号［１４０１４１］。

此外，范可等［１４２］的研究还揭示了南极涛动与我国

北方的沙尘频次显著的反相关关系。

５　总　结

本文回顾了我国短期气候预测技术的历程和现

状，重点总结了近些年来在业务上发展的一些新的

预测技术和方法，以及对影响我国气候异常因子的

新认识，包括：

１）通过引入 ＡＲＧＯ海洋观测资料，全球海洋

资料同化系统（ＮＣＣ＿ＧＯＤＡＳ）大大改善了同化结

果，其同化结果也为海气耦合模式ＮＣＣ＿ＣＧＣＭ 进

行季节气候预测业务提供更加可信的海洋初始场资

料，显著提高了模式对我国夏季降水预测的技巧。

２）第２代短期气候预测模式系统基本完成，其

中基于大气环流模式ＢＣＣ＿ＡＧＣＭ２．２（Ｔ１０６水平

分辨率）动力延伸预报系统已于２０１２年准业务化运

行。第２代短期气候预测模式系统无论在模式分辨

率还是物理过程方面都有较大提高和改进，其对全

球及区域降水、环流、季风、ＥＮＳＯ等多个要素的预

报技巧总体上高于第１代短期气候预测模式系统。

３）基于模式结果的释用技术在业务中得到广

泛应用。针对动力延伸预报模式（ＤＥＲＦ）和海气耦

合季节预测模式（ＮＣＣ＿ＣＧＣＭ），多种模式释用方法

表现出了一定的订正效果，为月、季气候预测提供了

重要支撑。

４）使用国内外４个业务模式，结合多种降尺度

和集合技术，发展了多模式解释应用集成预测系统

（ＭＯＤＥＳ），并实现了业务应用，在国家气候中心

月、季气候预测业务中展现出了良好的应用前景。

５）基于动力统计结合的思想，发展了动力统

计集成的季节预报系统（ＦＯＤＡＳ１．０），在国家级、区

域和省级业务单位实现了准业务使用。ＦＯＤＡＳ１．０

系统对２００９—２０１２年的实时预报取得了较好效果，

表现出了良好的稳定性。

６）大气低频振荡逐渐在延伸期预测业务中开

展应用，建立了国家级 ＭＪＯ的监测预测和应用业

务，多种大气低频振荡方法在区域气候预测业务中

０５６　　 　　　　　 　　　　　　　 　　　　　　应　用　气　象　学　报　 　　　　　　 　　　 　　　　　　第２４卷　

也取得了较好的预报效果。

７）在关键影响系统影响机理的应用方面，对全

球海温、海冰、积雪、南半球环流系统的认识不断加

深，除了赤道中东太平洋海温，印度洋和大西洋海温

的影响也逐渐在业务预报中加以考虑；海冰、欧亚积

雪、南半球环流系统也成为季节预报中重点考虑的

因子。

６　讨　论

经过几十年的发展，尽管气候预测在技术、方法

和业务系统建设方面都取得了长足的进步，短期气

候预测目前仍然面临着很多的科学难点，限制了短

期气候预测水平的提高［１４３］。

首先，受到气候预测可预报性的限制。气候系

统属于不稳定系统，其可预报性有一定限度。一般

而言，天气预报的上限大约为两周，２～３周以上的

逐日预报是不可能的，因此未来１个月或１个季度

的气候预测不可能达到１００％的准确率，一般认为

气候预测的准确率上限为７５％～８５％。我国地处

东亚季风区，影响我国气候异常的因子极为复杂，因

此气候可预报性的限度更短，气候预测的难度和不

确定性更大。且在不同区域、不同季节、不同要素可

预报性究竟有多大，也是一个值得研究的问题。

其次，由于影响我国气候异常因子的多样性和

复杂性，目前对东亚季风变异的机理认识还远远不

够，尤其是年代际、年际、季节不同时间尺度、不同空

间尺度以及气候系统不同影响因子间的相互作用对

我国旱涝的影响还需深入研究；在气候变暖和气候

年代际转折背景下，大气环流、海温、积雪等影响因

子与我国气候异常的关系也发生了变化，传统的气

候预测理论和方法也需要重新认识和应用；目前对

极端事件的变化规律和形成机理还缺乏深入认识，

预测能力非常有限，而１～２次极端降水往往会改变

整个月甚至季节的降水量变化，这也给短期气候预

测带来了极大的不确定性。

第三，目前气候预测方法具有不确定性。统计

预测方法由于本身的局限性，不能完全充分描述气

候异常的动力学机制，因此预测技巧不稳定，对极端

事件的预测难以奏效。而动力模式由于目前科学水

平的限制，预测也存在很大不确定性，目前国际上先

进模式对东亚季风区的气候预测能力也不高。因

此，我国的短期气候预测技术应以加快发展动力模

式技术为主，走动力统计相结合的道路。但如何进

行动力和统计相结合，还需要不断进行理论上、方法

上的研究和实践检验。

第四，用于气候预测的历史和实时资料比较欠

缺。气候系统作为一个整体，各圈层存在复杂的相

互作用，能够获取并使用大量的气候资料是开展气

候预测的基础，目前气候预测使用的资料中大气和

海洋较多，其他圈层较少，这也在一定程度上限制了

对气候异常的科学认识。

参 考 文 献

［１］　陈兴芳，赵振国．中国汛期降水预测研究及应用．北京：气象出

版社，２０００．

［２］　王绍武．短期气候预测研究的历史及现状．北京：气象出版社，

１９９６．

［３］　赵振国，刘海波．我国短期气候预测的业务技术发展．浙江气

象，２００３，２４（３）：１６．

［４］　张先恭，钱承植．长期天气预报方法．北京：农业出版社，１９６５．

［５］　王绍武，赵宗慈．长期天气预报基础．上海：科技出版社，１９８７．

［６］　章基嘉．中长期天气预报基础（修订本）．北京：气象出版社，

１９９４．

［７］　赵溱．分类逐步筛选相似预报．气象，１９７８，４（１）：７８．

［８］　张家诚，赵溱，许协江．统计预报中的组合因子方法．大气科

学，１９７８，２（１）：４８５４．

［９］　魏凤英，赵溱，张先恭．逐步回归周期分析．气象，１９８３，９（２）：

２４．

［１０］　黄文杰，曹鸿兴，顾岚，等．时间序列的ＡＲＩＭＡ季节模型在长

期预报中的应用．科学通报，１９８０，２５（２２）：１０３０１０３２．

［１１］　魏凤英，曹鸿兴．建立长期预测的新方案及其应用．科学通报，

１９９０，３５（１０）：７７７７８０．

［１２］　魏凤英，张先恭．中国夏季降水趋势分布的客观预报方法．气

候与环境研究，１９９８，３（３）：２１８２２６．

［１３］　ＧｕＸｉａｎｇｑｉａｎ，ＪｉａｎｇＪｉａｎｍｉｎ．Ａｃｏｍｐｌｅｘａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌ

ａｎｄａｐｐｌｉｃａｔｉｏｎｔｏ ｍｏｎｔｈｌｙｔｅｍｐｅｒａｔｕｒｅｆｏｒｅｃａｓｔｓ．犃狀狀犪犾犲狊

犌犲狅狆犺狔狊犻犮犪，２００５，２３：３２２９３２３５．

［１４］　ＷｅｉＦｅｎｇｙｉｎｇ，ＸｉｅＹｕ，ＭｉｃｈａｅＥＭ．Ｐｒｏｂａｂｉｌｉｓｔｉｃｔｒｅｎｄｏｆａ

ｎｏｍａｌｏｕｓｓｕｍｍｅｒｒａｉｎｆａｌｌｉｎＢｅｉｊｉｎｇ：Ｒｏｌｅｏｆｉｎｔｅｒｄｅｃａｄａｌｖａｒｉ

ａｂｉｌｉｔｙ．犑犌犲狅狆犺狔狊犚犲狊，２００８，１１３，Ｄ２０１０６．ｄｏｉ：１０．１０２９／

２００８ＪＤ０１０１１１．

［１５］　魏凤英．我国短期气候预测的物理基础及其预测思路．应用气

象学报，２０１１，２２（１）：１１１．

［１６］　廖荃荪，陈桂英，陈国珍．北半球西风带环流和我国夏季降水

∥全国中长期预报经验交流会编辑组．长期天气预报文集．北

京：气象出版社，１９８２：１０３１１４．

［１７］　赵振国．中国夏季旱涝及环境场．北京：气象出版社，１９９９．

［１８］　廖荃荪，赵振国．我国东部夏季降水分布的季节预报方法．应

用气象学报，１９９２，３（增刊）：１１０．

［１９］　赵振国，陈国珍，王永光，等．影响中国汛期降水物理因素的分

析∥国家气候中心．气候变化与预测研究———国家气候中心

成立五周年纪念文集．北京：气象出版社，２０００：６５７０．

［２０］　王绍武．现代气候学研究进展．北京：气象出版社，２００１．

１５６　第６期　　 　 　　　　　　　　　　　　　贾小龙等：我国短期气候预测技术进展　　　　　　　　　　　　　 　　　

［２１］　丁一汇，李清泉，李维京，等．中国业务动力季节预报的进展．

气象学报，２００４，６２（５）：５９８６１２．

［２２］　李维京，张培群，李清泉，等．短期气候综合动力模式系统业务

化及其应用．应用气象学报，２００５，１６（增刊）：１１１．

［２３］　丁一汇，刘一鸣，宋永加，等．我国短期气候动力预测模式系统

的研究和试验．气候与环境研究，２００２，７（２）：２３６２４６．

［２４］　李维京，陈丽娟．动力延伸预报产品释用方法的研究．气象学

报，１９９９，５７（３）：３３８３４５．

［２５］　陈丽娟，李维京．月动力延伸预报产品的评估和解释应用．应

用气象学报，１９９９，１０（４）：４８６４９０．

［２６］　陈丽娟，李维京，张培群，等．降尺度技术在月降水预报业务中

的应用．应用气象学报，２００３，１４（６）：６４８６５５．

［２７］　江双五，田红，陈丽娟．动力延伸预报产品释用方法改进试验．

应用气象学报，２００５，１６（６）：７７９７８６．

［２８］　林纾，陈丽娟，陈彦山，等．月动力延伸预报产品在西北地区月

降水预测中的释用．应用气象学报，２００７，１８（４）：５５５５６０．

［２９］　郑志海，任宏利，黄建平．基于季节气候可预报分量的相似误

差订正方法和数值试验．物理学报，２００９，５８（１０）：７３５９７３６７．

［３０］　顾伟宗，陈丽娟，张培群，等．月动力延伸预报最优信息提取和

对中国降水的降尺度应用．气象学报，２００９，６７（２）：２８０２８７．

［３１］　贾小龙，陈丽娟，李维京，等．ＢＰＣＣＡ方法用于中国冬季温度

和降水的可预报性研究和降尺度季节预测．气象学报，２０１０，

６８（３）：３９８４１０．

［３２］　覃志年，陈丽娟，唐红玉，等．月尺度动力模式产品解释应用系

统及预测技巧．应用气象学报，２０１０，２１（５）：６１４６２０．

［３３］　董敏．国家气候中心大气环流模式基本原理和使用说明．北

京：气象出版社，２００１．

［３４］　ＪｉｎＸＺ，ＺｈａｎｇＸＨ，ＺｈｏｕＴＪ．Ｆｕｎｄａｍｅｎｔａｌｆｒａｍｅｗｏｒｋａｎｄ

ｅｘｐｅｒｉｍｅｎｔｓｏｆｔｈｅｔｈｉｒｄｇｅｎｅｒａｔｉｏｎｏｆＩＡＰ／ＬＡＳＧｗｏｒｌｄｏ

ｃｅａｎｇｅｎｅｒａｌｃｉｒｃｕｌａｔｉｏｎｍｏｄｅｌ．犃犱狏犃狋犿狅狊犛犮犻，１９９９，１６（２）：

１９７２１５．

［３５］　ＤｉｎｇＹＨ，ＬｉｕＹＭ，ＳｈｉＸＬ，ｅｔａｌ．Ｍｕｌｔｉｙｅａｒｓｉｍｕｌａｔｉｏｎｓａｎｄ

ｅｘｐｅｒｉｍｅｎｔａｌｓｅａｓｏｎａｌｐｒｅｄｉｃｔｉｏｎｓｆｏｒｒａｉｎｙｓｅａｓｏｎｓｉｎＣｈｉｎａ

ｂｙｕｓｉｎｇａｎｅｓｔｅｄｒｅｇｉｏｎａｌｃｌｉｍａｔｅｍｏｄｅｌ（ＲｅｇＣＭ＿ＮＣＣ）．

ＰａｒｔＩＩ：Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｓｅａｓｏｎａｌｐｒｅｄｉｃｔｉｏｎ．犃犱狏犃狋犿狅狊

犛犮犻，２００６，２３（４）：４８７５０３．

［３６］　赵宗慈，李清泉，张祖强．ＥＮＳＯ 年际变化预测模式研制∥国

家“九五”重中之重９６２９０８项目办公室．短期气候预测业务动

力模式的研制．北京：气象出版社，２０００：３２３３３３．

［３７］　李维京．月动力延伸预报研究进展∥李维京．动力延伸预报研

究（文集）．北京：气象出版社，２０００．

［３８］　张学洪，赵其庚，杨修群，等．海洋环流海冰模式和海气耦合

研究进展∥国家“九五”重中之重９６２９０８项目办公室．短期气

候预测业务动力模式的研制．北京：气象出版社，２０００：１６１

１６９．

［３９］　刘益民，李维京，张培群．国家气候中心全球海洋同化业务系

统在热带太平洋的结果初步分析∥国家“九五”重中之重

９６２９０８项目办公室．短期气候预测系统的总装与业务化试验

研究．北京：气象出版社，２００４：４９８５０９．

［４０］　顾震潮．天气数值预报中过去资料的使用问题．气象学报，

１９５８，２９：１７６１８４．

［４１］　丑纪范．天气数值预报中使用过去资料的问题．中国科学，

１９７４（６）：６３５６４４．

［４２］　邱崇践，丑纪范．天气预报的相似动力方法．大气科学，１９８９，

１３（１）：２２２８．

［４３］　黄建平，王绍武．相似动力模式的季节预报试验．中国科学：Ｂ

辑，１９９１，２１（２）：２１６２２４．

［４４］　鲍名，倪允琪，丑纪范．相似动力模式的月平均环流预报试

验．科学通报，２００４，４９（１１）：１１１２１１１５．

［４５］　ＦｅｎｇＧｕｏｌｉｎ，ＣａｏＨｏｎｇｘｉｎｇ，ＧａｏＸｉｎｑｕａｎ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｏｎｏｆ

ｐｒｅｃｉｐｉｔａｔｉｏｎｄｕｒｉｎｇｓｕｍｍｅｒ ｍｏｎｓｏｏｎ ｗｉｔｈ ｓｅｌｆｍｅｍｏｒｉａｌ

ｍｏｄｅｌ．犃犱狏犃狋犿狊犛犮犻，２００１，１８（５）：７０１７０９．

［４６］　赵俊虎，封国林，王启光，等．２０１０年我国夏季降水异常气候

成因分析及预测．大气科学，２０１１，３５（６）：１０６９１０７８．

［４７］　赵俊虎，杨杰，张世轩，等，２０１１年我国夏季降水动力统计预

测与异常成因．应用气象学报，２０１３，２４（１）：４３５４．

［４８］　许建平．阿尔戈全球海洋观测大探秘．北京：海洋出版社，

２００２．

［４９］　许建平．西太平洋 ＡＲＧＯ剖面浮标观测及其应用研究论文

集．北京：海洋出版社，２０１０．

［５０］　许建平，刘增宏．中国 ＡＲＧＯ大洋观测网试验．北京：气象出

版社，２００７．

［５１］　张人禾，朱江，许建平，等．ＡＲＧＯ大洋观测资料的同化及其

在短期气候预测和海洋分析中的应用．大气科学，２０１３，３７

（２）：４１１４２４．

［５２］　ＬｉｕＹＭ，ＺｈａｎｇＲＨ，ＹｉｎＹＨ，ｅｔａｌ．ＴｈｅａｐｐｌｉｃａｔｉｏｎｏｆＡＲ

ＧＯｄａｔａｔｏｔｈｅｇｌｏｂａｌｏｃｅａｎｄａｔａａｓｓｉｍｉｌａｔｉｏｎｏｐｅｒａｔｉｏｎａｌｓｙｓ

ｔｅｍｏｆＮＣＣ．犃犮狋犪犕犲狋犲狅狉犛犻狀犻犮犪，２００５，１９（３）：３５５３６５．

［５３］　张人禾，刘益民，殷永红，等．利用 ＡＲＧＯ资料改进海洋资料

同化和海洋模式中的物理过程．气象学报，２００４，６２（５）：６１３

６２２．

［５４］　张人禾，殷永红，李清泉，等．利用 ＡＲＧＯ资料改进ＥＮＳＯ和

我国夏季降水气候预测．应用气象学报，２００６，１７（５）：５３８

５４７．

［５５］　吴统文，刘向文，梁潇云，等．国家气候中心短期气候预测模式

系统业务化进展．应用气象学报，２０１３，２４（５）：５３３５４３．

［５６］　魏凤英，黄嘉佑．大气环流降尺度因子在中国东部夏季降水预

测中的作用．大气科学，２０１０，３４（１）：２０２２１２．

［５７］　ＣｈｅｎＬＪ，ＣｈｅｎＤＬ，ＷａｎｇＨＪ，ｅｔａｌ．Ｒｅｇｉｏｎａｌｉｚａｔｉｏｎｏｆｐｒｅ

ｃｉｐｉｔａｔｉｏｎｒｅｇｉｍｅｓｉｎＣｈｉｎａ．犃狋犿狅狊犗犮犲犪狀犛犮犻犔犲狋狋，２００９，２：

３０１３０７．

［５８］　顾伟宗，陈丽娟，李维京，等．降尺度方法在中国不同区域夏季

降水预测中的应用．气象学报，２０１２，７０（２）：２０２２１２．

［５９］　ＬｉｕＹ，ＦａｎＫ．ＰｒｅｄｉｃｔｉｏｎｏｆｓｐｒｉｎｇｐｒｅｃｉｐｉｔａｔｉｏｎｉｎＣｈｉｎａｕｓｉｎｇ

ａｄｏｗｎｓｃａｌｉｎｇａｐｐｒｏａｃｈ．犕犲狋犲狅狉狅犾犃狋犿狅狊犘犺狔狊，２０１２，１１８：６３

７９．

［６０］　ＫａｎｇＨ Ｗ，ＡｎＫ，ＰａｒｋＣ．Ｍｕｌｔｉｍｏｄｅｌｏｕｔｐｕｔｓｔａｔｉｓｔｉｃａｌｄｏｗｎ

ｓｃａｌｉｎｇｐｒｅｄｉｃｔｉｏｎｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｔｈｅＰｈｉｌｉｐｐｉｎｅｓａｎｄＴｈａｉｌａｎｄ．

犌犲狅狆犺狔狊 犚犲狊 犔犲狋狋，２００７，３４：Ｌ１５７１０，ｄｏｉ：１０．１０２９／

２００７ＧＬ０３０７０３０．

［６１］　郭彦，李建平．一种分离时间尺度的统计降尺度模型的建立和

应用以华北汛期降水为例．大气科学，２０１２，３６（２）：３８５３９６．

［６２］　ＫｅＺＪ，ＺｈａｎｇＰＱ，ＣｈｅｎＬＪ，ｅｔａｌ．Ａｎｅｘｐｅｒｉｍｅｎｔｏｆａｓｔａｔｉｓ

ｔｉｃａｌｄｏｗｎｓｃａｌｉｎｇｆｏｒｅｃａｓｔｍｏｄｅｌｆｏｒｓｕｍｍｅｒｐｒｅｃｉｐｉｔａｔｉｏｎｏ

ｖｅｒＣｈｉｎａ．犃狋犿狅狊犗犮犲犪狀犛犮犻犔犲狋狋，２０１１，４：２７０２７５．

［６３］　康红文，祝从文，左志燕，等．多模式集合预报及其降尺度技术

２５６　　 　　　　　 　　　　　　　 　　　　　　应　用　气　象　学　报　 　　　　　　 　　　 　　　　　　第２４卷　

在东亚夏季降水预测中的应用．气象学报，２０１２，７０（２）：１９２

２０１．

［６４］　刘绿柳，孙林海，廖要明，等．基于ＤＥＲＦ的ＳＤ方法预测月降

水和极端降水日数．应用气象学报，２０１１，２２（１）：７７８５．

［６５］　丁一汇．季节气候预测的进展和前景．气象科技进展，２０１１，１

（３）：１５２７．

［６６］　ＡｔｇｅｒＦ．Ｔｈｅｓｋｉｌｌｏｆｅｎｓｅｍｂｌｅｐｒｅｄｉｃｔｉｏｎｓｙｓｔｅｍｓ．犕狅狀犠犲犪

犚犲狏，１９８８，１２７：１９４１１９５３．

［６７］　ＥｂｅｒｔＥＥ．ＡｂｉｌｉｔｙｏｆａＰｏｏｒＭａｎ’ｓｅｎｓｅｍｂｌｅｔｏｐｒｅｄｉｃｔｔｈｅ

ｐｒｏｂａｂｉｌｉｔｙａｎｄｄｉｓｔｒｉｂｕｔｉｏｎｏｆｐｒｅｃｉｐｉｔａｔｉｏｎ．犕狅狀犠犲犪犚犲狏，

２００１，１２９：２４６１２４８０．

［６８］　ＫｒｉｓｈｎａｍｕｒｔｉＴＮ，ＫｉｓｈｔａｗａｌＣＭ，ＬａＲｏｗＴ，ｅｔａｌ．Ｉｍｐｒｏｖｅｄ

ｓｋｉｌｌｓｆｏｒｗｅａｔｈｅｒａｎｄｓｅａｓｏｎａｌｃｌｉｍａｔｅｆｏｒｅｃａｓｔｓｆｒｏｍｍｕｌｔｉ

ｍｏｄｅｌｓｕｐｅｒｅｎｓｅｍｂｌｅ．犛犮犻犲狀犮犲，１９９９，２８５：１５４８１５５０．

［６９］　ＫｈａｒｉｎＶＶ，ＺｗｉｅｒｓＦＷ．Ｃｌｉｍａｔｅｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｍｕｌｔｉｍｏｄｅｌ

ｅｎｓｅｍｂｌｅｓ．犑犆犾犻犿犪狋犲，２００２，１５：７９３７９９．

［７０］　ＫｅＺＪ，ＤｏｎｇＷＪ，ＺｈａｎｇＰＱ，ｅｔａｌ．Ａｎａｎａｌｙｓｉｓｏｆｔｈｅｄｉｆｆｅｒ

ｅｎｃｅｂｅｔｗｅｅｎｔｈｅｍｕｌｔｉｐｌｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎａｐｐｒｏａｃｈａｎｄｔｈｅ

ｍｕｌｔｉｍｏｄｅｌｅｎｓｅｍｂｌｅｍｅａｎ．犃犱狏犃狋犿狅狊犛犮犻，２００９，２６：１１５７

１１６８．

［７１］　ＢｒａｎｋｏｖｉｃＣＣ，ＰａｌｍｅｒＴＮ．Ｓｅａｓｏｎａｌｓｋｉｌｌａｎｄｐｒｅｄｉｃｔａｂｉｌｉｔｙ

ｏｆＥＣＭＷＦＰＲＯＶＯＳＴｅｎｓｅｍｂｌｅｓ．犙狌犪狉狋犲狉犾狔犑狅狌狉狀犪犾狅犳狋犺犲

犚狅狔犪犾犕犲狋犲狅狉狅犾狅犵犻犮犪犾犛狅犮犻犲狋狔，２０００，１２６（５６７）：２０３５２０６７．

［７２］　ＳｈｕｋｌａＪ，ａｎｄＣｏａｕｔｈｏｒｓ．Ｄｙｎａｍｉｃａｌｓｅａｓｏｎａｌｐｒｅｄｉｃｔｉｏｎ．犅狌犾犾

犃犿犲狉犕犲狋犲狅狉犛狅犮，２０００，８１：２５９３２６０６．

［７３］　ＰａｌｍｅｒＴ，ＡｎｄｅｒｓｅｎＵ，ＣａｎｔｅｌａｕｂｅＰ，ｅｔａｌ．Ｄｅｖｅｌｏｐｍｅｎｔｏｆａ

Ｅｕｒｏｐｅａｎｍｕｌｔｉｍｏｄｅｌｅｎｓｅｍｂｌｅｓｙｓｔｅｍｆｏｒｓｅａｓｏｎａｌｔｏｉｎｔｅｒ

ａｎｎｕａｌｐｒｅｄｉｃｔｉｏｎ （ＤＥＭＥＴＥＲ）．犅狌犾犾犃犿犲狉 犕犲狋犲狅狉犛狅犮，

２００２，８５（６）：８５３８７２．

［７４］　ＨａｇｅｄｏｒｎＲ，ＤｏｂｌａｓＲｅｙｅｓＦＪ，ＰａｌｍｅｒＴＮ．Ｔｈｅｒａｔｉｏｎａｌｅｂｅ

ｈｉｎｄｔｈｅｓｕｃｃｅｓｓｏｆｍｕｌｔｉｍｏｄｅｌｅｎｓｅｍｂｌｅｓｉｎｓｅａｓｏｎａｌｆｏｒｅ

ｃａｓｔｉｎｇ—Ｉ．Ｂａｓｉｃｃｏｎｃｅｐｔ．犜犲犾犾狌狊，２００５，５７：２１９２３３．

［７５］　ＳｔｅｐｈｅｎｓｏｎＤＢ，ＣｏｅｌｈｏＣＡＳ，ＤｏｂｌａｓｒｅｙｅｓＦＪ，ｅｔａｌ．Ｆｏｒｅ

ｃａｓｔａｓｓｉｍｉｌａｔｉｏｎ：Ａｕｎｉｆｉｅｄｆｒａｍｅｗｏｒｋｆｏｒｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆ

ｍｕｌｔｉｍｏｄｅｌｗｅａｔｈｅｒａｎｄｃｌｉｍａｔｅｐｒｅｄｉｃｔｉｏｎｓ．犜犲犾犾狌狊，２００５，５７

（３）：２５３２６４．

［７６］　ＷａｎｇＢ，ＬｅｅＪｕｎｅＹｉ，ＫａｎｇＩｎＳｉｋ，ｅｔａｌ．Ａｄｖａｎｃｅａｎｄｐｒｏ

ｓｐｅｃｔｕｓｏｆｓｅａｓｏｎａｌｐｒｅｄｉｃｔｉｏｎ：Ａｓｓｅｓｓｍｅｎｔｏｆｔｈｅ ＡＰＣＣ／

ＣｌｉＰＡＳ１４ｍｏｄｅｌｅｎｓｅｍｂｌｅｒｅｔｒｏｓｐｅｃｔｉｖｅｓｅａｓｏｎａｌｐｒｅｄｉｃｔｉｏｎ

（１９８０—２００４）．犆犾犻犿犪狋犲犇狔狀犪犿犻犮狊，２００９，３３（１）：９３１１７．

［７７］　李芳．基于多模式集合方案的中国东部夏季降水概率季度预

测．气象学报，２０１２，７０（２）：１８３１９１．

［７８］　张刚．欧洲多个耦合气候模式对东亚冬季气候预测的性能研

究．气象学报，２０１２，７０（４）：６９０７０３．

［７９］　刘长征，柯宗建，陈丽娟，等．多模式集合和降尺度问题．应用

气象学报，２０１３，２４（６）：６７７６８５．

［８０］　封国林，赵俊虎，支蓉，等．动力统计客观定量化汛期降水预

测研究新进展．应用气象学报，２０１３，２４（６）：６５６６６５．

［８１］　ＷａｌｉｓｅｒＤｕａｎｅ，ＫｌａｕｓＷｅｉｃｋｍａｎｎ，ＲａｎｄａｌｌＤｏｌｅ，ｅｔａｌ．ＴｈｅＥｘｐｅｒ

ｉｍｅｎｔａｌＭＪＯＰｒｅｄｉｃｔｉｏｎＰｒｏｊｅｃｔ．ＢＡＭＳ，２００６：４２５４３１．

［８２］　何金海，ＭｕｒａｋａｍｉｔＴ，ＮａｋａｚａｗａＴ．１９７９年夏季亚洲季风区

域４０５０天周期振荡的环流及水汽输送场变化．南京气象学

院学报，１９８４，２（２）：１６３１７５．

［８３］　李崇银．华北地区汛期降水的一个分析研究．气象学报，１９９２，

５０（１）：４１４９．

［８４］　史学丽，丁一汇．１９９４年中国华南大范围暴雨过程的形成与

夏季风活动的研究．气象学报，２０００，５８（６）：６６６６７８．

［８５］　踞建华，赵尔旭．东亚夏季风区的低频振荡对长江中下游旱涝

的影响．热带气象学报，２００５，２１（２）：１６３１７１．

［８６］　黄静，朱乾根．与长江流域旱涝相联系的全球低频环流场．热

带气象学报，１９９７，１３（２）：１４６１５７．

［８７］　ＷｈｅｅｌｅｒＭＣ，ＨｅｎｄｏｎＨＨ．Ａｎａｌｌｓｅａｓｏｎｒｅａｌｔｉｍｅｍｕｌｔｉｖａ

ｒｉａｔｅＭＪＯＩｎｄｅｘ：Ｄｅｖｅｌｏｐｍｅｎｔｏｆａｎｉｎｄｅｘｆｏｒｍｏｎｉｔｏｒｉｎｇａｎｄ

ｐｒｅｄｉｃｔｉｏｎ．犕狅狀犠犲犪犚犲狏，２００４，１３２：１９１７１９３２．

［８８］　贾小龙，袁媛，任福民，等．热带大气季节内振荡（ＭＪＯ）的实

时监测预测业务．气象，２０１２，３８（４）：４５７４６３．

［８９］　ＪｉａＸＬ，ＣｈｅｎＬＪ，ＲｅｎＦＭ，ｅｔａｌ．ＩｍｐａｃｔｓｏｆｔｈｅＭＪＯｏｎｗｉｎ

ｔｅｒｒａｉｎｆａｌｌａｎｄｃｉｒｃｕｌａｔｉｏｎｉｎＣｈｉｎａ．犃犱狏犃狋犿狅狊犛犮犻，２０１１，２８

（３）：５２１５３３．

［９０］　贾小龙，梁潇云．热带 ＭＪＯ对２００９年１１月我国东部大范围

雨雪天气的可能影响．热带气象学报，２０１１，２７（５）：６３９６４８．

［９１］　孙国武，孔春燕，信飞，等．天气关键区大气低频波延伸期预报

方法．高原气象，２０１１，３０（３）：５９４５９９．

［９２］　梁萍，丁一汇．基于季节内振荡的延伸预报试验．大气科学，

２０１２，３６（１）：１０２１１６．

［９３］　ＨｕａｎｇＲＨ，ＷｕＹＦ．ＴｈｅｉｎｆｌｕｅｎｃｅｏｆＥＮＳＯｏｎｔｈｅｓｕｍｍｅｒ

ｃｌｉｍａｔｅｃｈａｎｇｅｉｎＣｈｉｎａａｎｄｉｔｓｍｅｃｈａｎｉｓｍ．犃犱狏犃狋犿狅狊犛犮犻，

１９８９，６（１）：２１３０．

［９４］　高辉，王永光．ＥＮＳＯ对中国夏季降水可预测性变化的研究．

气象学报，２００７，６５（１）：１３１１３７．

［９５］　ＦｅｎｇＪｕａｎ，ＣｈｅｎＷｅｎ，ＴａｍＣＹ，ｅｔａｌ．ＤｉｆｆｅｒｅｎｔｉｍｐａｃｔｓｏｆＥｌ

Ｎｉ珘ｎｏａｎｄＥｌＮｉ珘ｎｏＭｏｄｏｋｉｏｎＣｈｉｎａｒａｉｎｆａｌｌｉｎｔｈｅｄｅｃａｙｉｎｇ

ｐｈａｓｅｓ．犐狀狋犑犆犾犻犿犪狋狅犾，２０１１，３１：２０９１２１０１，ｄｏｉ：１０．１００２／

ｊｏｃ．２２１７．

［９６］　ＳａｊｉＮＨ，ＧｏｓｗａｍｉＢＮ，ＶｉｎａｙａｃｈａｎｄｒＰＮ，ｅｔａｌ．Ａｄｉｐｏｌｅｉｎ

ｔｈｅｔｒｏｐｉｃａｌＩｎｄｉａｎＯｃｅａｎ．犖犪狋狌狉犲，１９９９，４０１：３６０３６３．

［９７］　罗绍华，金祖辉，陈烈庭．印度洋和南海海温与长江中下游夏

季降水的相关分析．大气科学，１９８５，９（３）：３１４３２０．

［９８］　肖子牛，晏红明，李崇银．印度洋地区异常海温的偶极振荡与

中国降水及温度的关系．热带气象学报，２００２，１８（４）：３３５

３４４．

［９９］　琚建华，陈琳玲，李崇银．太平洋印度洋海温异常模态及其指

数定义的初步研究．热带气象学报，２００４，２０（６）：６１７６２４．

［１００］杨辉，李崇银．热带太平洋印度洋海温异常综合模对南亚高

压的影响．大气科学，２００５，２９（１）：９９１１０．

［１０１］贾小龙，李崇银．南印度洋海温偶极子型振荡及其气候影响．

地球物理学报，２００５，４８（６）：１２３８１２４９．

［１０２］杨明珠，丁一汇．中国夏季降水对南印度洋偶极子的响应研

究．大气科学，２００７，３１（４）：６８５６９４．

［１０３］贾小龙，陈丽娟，龚振淞，等．２０１０年海洋和大气环流异常及

对中国气候的影响．气象，２０１１，３７（４）：４４６４５３．

［１０４］ＷｕＺ，ＷａｎｇＢ，ＬｉＪ，ｅｔａｌ．Ａｎｅｍｐｉｒｉｃａｌｓｅａｓｏｎａｌｐｒｅｄｉｃｔｉｏｎ

ｍｏｄｅｌｏｆｔｈｅＥａｓｔＡｓｉａｎｓｕｍｍｅｒｍｏｎｓｏｏｎｕｓｉｎｇＥＮＳＯａｎｄ

ＮＡＯ．犑犌犲狅狆犺狔狊犚犲狊，２００９，１１４，Ｄ１８１２０，ｄｏｉ：１０．１０２９／

２００９ＪＤ０１１７３３．

［１０５］ＺｕｏＪＱ，ＬｉＷＪ，ＳｕｎＣＨ，ｅｔａｌ．ＩｍｐａｃｔｏｆｔｈｅＮｏｒｔｈＡｔｌａｎｔｉｃ

３５６　第６期　　 　 　　　　　　　　　　　　　贾小龙等：我国短期气候预测技术进展　　　　　　　　　　　　　 　　　

ｓｅａｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｔｒｉｐｏｌｅｏｎｔｈｅＥａｓｔＡｓｉａｎｓｕｍｍｅｒ

ｍｏｎｓｏｏｎ．犃犱狏犃狋犿狅狊犛犮犻，２０１３，３０（４）：１１７３１１８６．

［１０６］ＧｕＷ，ＬｉＣＹ，ＷａｎｇＸ，ｅｔａｌ．ＬｉｎｋａｇｅｂｅｔｗｅｅｎＭｅｉｙｕｐｒｅｃｉｐ

ｉｔａｔｉｏｎａｎｄＮｏｒｔｈＡｔｌａｎｔｉｃＳＳＴｏｎｔｈｅｄｅｃａｄａｌｔｉｍｅｓｃａｌｅ．犃犱狏

犃狋犿狅狊犛犮犻，２００９，２６（１）：１０１１０８．

［１０７］周天军，宇如聪，郜永琪，等．北大西洋年际变率的海气耦合模

式模拟Ⅰ：局地海气相互作用．气象学报，２００６，６４（１）：１１７．

［１０８］肖莺，张祖强，何金海．印度洋偶极子研究进展综述．热带气象

学报，２００９，２５（５）：６２１６２７．

［１０９］ＷｕＢＹ，ＳｕＪＺ，ＺｈａｎｇＲＨ．ＥｆｆｅｃｔｓｏｆａｕｔｕｍｎｗｉｎｔｅｒＡｒｃｔｉｃ

ｓｅａｉｃｅｏｎｗｉｎｔｅｒＳｉｂｅｒｉａｎｈｉｇｈ．犆犺犻狀犲狊犲犛犮犻犅狌犾犾，２０１１，５６，

ｄｏｉ：１０．１００７／ｓ１１４３４０１１４６９６４．

［１１０］ＺｈａｏＰ，ＺｈａｎｇＸ，ＺｈｏｕＸＪ，ｅｔａｌ．Ｓｅａｉｃｅｅｘｔｅｎｔａｎｏｍａｌｙｉｎ

ｔｈｅＮｏｒｔｈＰａｃｉｆｉｃａｎｄｉｍｐａｃｔｏｎｔｈｅＥａｓｔＡｓｉａｎｓｕｍｍｅｒｍｏｎ

ｓｏｏｎｒａｉｎｆａｌｌ．犑犆犾犻犿犪狋犲，２００４，１７：３４３４３４４７．

［１１１］朱玉祥，丁一汇．青藏高原积雪对气候影响的研究进展和问

题．气象科技，２００７，３５（１）：１８．

［１１２］李栋梁，王春学．积雪分布及其对中国气候影响的研究进展．

大气科学学报，２０１１，３４（５）：６２７６３６．

［１１３］陈烈庭，阎志新．青藏高原冬春季积雪对大气环流和我国南方

汛期降水的影响∥中长期水文气象预报文集（第一集），北京：

水利电力出版社，１９７９：１４５１４８．

［１１４］陈丽娟，吕世华，罗四维．青藏高原春季积雪异常对亚洲季风

降水影响的数值试验．高原气象，１９９６，１５（１）：１２４１３０．

［１１５］陈烈庭．青藏高原冬春季异常雪盖与江南前汛期降水关系的

检验和应用．应用气象学报，１９９８，９（增刊）：１８．

［１１６］韦志刚，罗四维，董文杰，等．青藏高原积雪资料分析及其与我

国夏季降水的关系．应用气象学报，１９９８，９（１）：３９４６．

［１１７］张顺利，陶诗言．青藏高原积雪对亚洲夏季风影响的诊断及数

值研究．大气科学，２０００，２５（３）：３７２３９０．

［１１８］ＷｕＺｈｉｗｅｉ，ＬｉＪｉａｎｐｉｎｇ，ＪｉａｎｇＺｈｉｈｏｎｇ，ｅｔａｌ．Ｍｏｄｕｌａｔｉｏｎｏｆ

ｔｈｅＴｉｂｅｔａｎＰｌａｔｅａｕｓｎｏｗｃｏｖｅｒｏｎｔｈｅＥＮＳＯｔｅｌｅｃｏｎｎｅｃ

ｔｉｏｎｓ：ＦｒｏｍｔｈｅＥａｓｔＡｓｉａｎｓｕｍｍｅｒｍｏｎｓｏｏｎｐｅｒｓｐｅｃｔｉｖｅ．犑

犆犾犻犿犪狋犲，２０１２，２５：２４８１２４８９．

［１１９］赵溱．欧亚大陆雪盖与东亚夏季风．气象，１９８４，１０（７）：２７２９．

［１２０］ＹａｎｇＳｏｎｇ，ＸｕＬｉｚｈａｎｇ．ＬｉｎｋａｇｅｂｅｔｗｅｅｎＥｕｒａｓｉａｎｗｉｎｔｅｒ

ｓｎｏｗｃｏｖｅｒａｎｄｒｅｇｉｏｎａｌＣｈｉｎｅｓｅｓｕｍｍｅｒｒａｉｎｆａｌｌ．犐狀狋犲狉狀犪

狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犆犾犻犿犪狋狅犾狅犵狔，１９９４，１４：７３９７５０．

［１２１］陈兴芳，宋文玲．欧亚和青藏高原冬春积雪与我国夏季降水关

系的分析和预测应用．高原气象，２０００，１９（２）：２１５２２３．

［１２２］穆松宁，周广庆．冬季欧亚大陆北部新增雪盖面积变化与中国

夏季气候异常的关系．大气科学，２０１０，３４（１）：２１３２２６．

［１２３］陈兴芳，宋文玲．冬季高原积雪和欧亚积雪对我国夏季旱涝不

同影响关系的环流特征分析．大气科学，２０００，２４（５）：５８５

５９２．

［１２４］彭京备，陈烈庭，张庆云．青藏高原异常雪盖和 ＥＮＳＯ的多尺

度变化及其与中国夏季降水的关系．高原气象，２００５，２４（３）：

３６６３７７．

［１２５］许立言，武炳义．欧亚大陆春季融雪量与东亚夏季风的可能联

系．大气科学，２０１２，３６（６）：１１８０１１９０．

［１２６］李曾中，李月安，晁淑懿．越赤道气流与我国洪涝灾害关系的

初探．应用气象学报，１９９８，９（增刊）：１３２１３６．

［１２７］王会军，薛峰．索马里急流的年际变化及其对半球间水汽输送

和东亚夏季降水的影响．地球物理学报，２００３，４６（１）：１８２５．

［１２８］周顺武，假拉．印度季风的年际变化与高原夏季旱涝．高原气

象，２００３，２２（４）：４１０４１５．

［１２９］李崇银，吴静波．索马里跨赤道气流对南海夏季风爆发的重要

作用．大气科学，２００２，２６（２）：１８５１９２．

［１３０］高辉，薛峰．越赤道气流的季节变化及其对南海夏季风爆发的

影响．气候与环境研究，２００６，１１（１）：５７６８．

［１３１］王绍武，赵宗慈．长期天气预报基础．上海：上海科学技术出版

社，１９８７：１１６１３０．

［１３２］陈国珍，肖红，杨义文，等．南半球极涡与北半球大气环流的关

系及其对我国夏季降水影响∥章基嘉．长期天气预报论文集．

北京：海洋出版社，１９９２：６９７７．

［１３３］吴仁广，陈烈庭．长江中下游地区梅雨期降水与全球５００ｈＰａ

环流的关系．大气科学，１９９４，１８：６９１７００．

［１３４］薛峰，王会军，何金海．马斯克林高压和澳大利亚高压的年际

变化及其对东亚夏季风降水的影响．科学通报，２００３，４８（３）：

２８７２９１．

［１３５］高辉，薛峰，王会军．南极涛动年际变化对江淮梅雨的影响及

预报意义．科学通报，２００３，４８（增刊）：８７９２．

［１３６］ＮａｎＳＬ，ＬｉＪＰ．Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｓｕｍｍｅｒｐｒｅｃｉｐ

ｉｔａｔｉｏｎｉｎｔｈｅＹａｎｇｔｚｅＲｉｖｅｒｖａｌｌｅｙａｎｄｔｈｅｂｏｒｅａｌｓｐｒｉｎｇ

ＳｏｕｔｈｅｒｎＨｅｍｉｓｐｈｅｒｅａｎｎｕｌａｒｍｏｄｅ．犌犲狅狆犺狔狊犚犲狊犔犲狋狋，２００３，

３０（２４）：２２６６，ｄｏｉ：１０．１０２９／２００３ＧＬ０１８３８１．

［１３７］范可，王会军．南极涛动异常与２００６年我国东部夏季降水形

势预测．应用气象学报，２００６，１７（３）：３８３３８４．

［１３８］ＦａｎＫ，ＷａｎｇＨＪ，ＣｈｏｉＹＪ．Ａｐｈｙｓｉｃａｌｌｙｂａｓｅｄｓｔａｔｉｓｔｉｃａｌ

ｆｏｒｅｃａｓｔｍｏｄｅｌｆｏｒｔｈｅｍｉｄｄｌｅｌｏｗｅｒｒｅａｃｈｅｓｏｆｔｈｅＹａｎｇｔｚｅ

ＲｉｖｅｒＶａｌｌｅｙｓｕｍｍｅｒｒａｉｎｆａｌｌ．犆犺犻狀犛犮犻犅狌犾犾，２００８，５３：６０２

６０９．

［１３９］ＷｕＺｈｉｗｅｉ，ＬｉＪｉａｎｐｉｎｇ，ＷａｎｇＢｉｎ，ｅｔａｌ．ＣａｎｔｈｅＳｏｕｔｈｅｒｎ

ＨｅｍｉｓｐｈｅｒｅａｎｎｕｌａｒｍｏｄｅａｆｆｅｃｔＣｈｉｎａｗｉｎｔｅｒｍｏｎｓｏｏｎ？犑

犌犲狅狆犺狔狊 犚犲狊，２００９，１１４： Ｄ１１１０７，ｄｏｉ：１０．１０２９／

２００８ＪＤ０１１５０１．

［１４０］南素兰，李建平．春季南半球环状模与长江流域夏季降水的关

系Ｉ．基本事实．气象学报，２００５，６３（６）：８３７８４６．

［１４１］南素兰，李建平．春季南半球环状模与长江流域夏季降水的关

系ＩＩ．印度洋、南海海温的“海洋桥”作用．气象学报，２００５，６３

（６）：８４７８５６．

［１４２］范可，王会军．异常弱的南极涛动和２００６年我国春季沙尘气

候形势．气候与环境研究，２００７，１２（４）：４７５４８０．

［１４３］李维京．现代气候业务．北京：气象出版社，２０１２．

４５６　　 　　　　　 　　　　　　　 　　　　　　应　用　气　象　学　报　 　　　　　　 　　　 　　　　　　第２４卷　

犃犱狏犪狀犮犲狊狅犳狋犺犲犛犺狅狉狋狉犪狀犵犲犆犾犻犿犪狋犲犘狉犲犱犻犮狋犻狅狀犻狀犆犺犻狀犪

ＪｉａＸｉａｏｌｏｎｇ　ＣｈｅｎＬｉｊｕａｎ　ＧａｏＨｕｉ　ＷａｎｇＹｏｎｇｇｕａｎｇ　ＫｅＺｏｎｇｊｉａｎ　ＬｉｕＣｈａｎｇｚｈｅｎｇ

ＳｏｎｇＷｅｎｌｉｎｇ　ＷｕＴｏｎｇｗｅｎ　ＦｅｎｇＧｕｏｌｉｎ　ＺｈａｏＺｈｅｎｇｕｏ　ＬｉＷｅｉｊｉｎｇ

（犖犪狋犻狅狀犪犾犆犾犻犿犪狋犲犆犲狀狋犲狉，犅犲犻犼犻狀犵１０００８１）

犃犫狊狋狉犪犮狋

Ｔｈｒｏｕｇｈｔｈｅｐａｓｔ６０ｙｅａｒｄｅｖｅｌｏｐｍｅｎｔ，ｔｈｅｓｈｏｒｔｒａｎｇｅｃｌｉｍａｔｅｐｒｅｄｉｃｔｉｏｎｏｐｅｒａｔｉｏｎｈａｓｍａｄｅｇｒｅａｔ

ｐｒｏｇｒｅｓｓｉｎＣｈｉｎａｉｎｔｅｒｍｓｏｆｔｈｅｔｅｃｈｎｏｌｏｇｙａｎｄｍｅｔｈｏｄｏｌｏｇｙ，ｕｎｄｅｒｇｏｉｎｇｔｈｅｓｔａｇｅｓｆｒｏｍｔｈｅｓｉｍｐｌｅｅｘ

ｐｅｒｉｅｎｔｉａｌｓｔａｔｉｓｔｉｃｍｅｔｈｏｄｓｔｏｎｕｍｅｒｉｃａｌｍｏｄｅｌ．Ｅｓｐｅｃｉａｌｌｙｉｎｒｅｃｅｎｔｙｅａｒｓ，ｍａｎｙｏｂｊｅｃｔｉｖｅｐｒｅｄｉｃｔｉｏｎｔｅｃｈ

ｎｉｑｕｅｓａｎｄｍｅｔｈｏｄｓａｒｅｗｅｌｌｄｅｖｅｌｏｐｅｄａｎｄａｐｐｌｉｅｄｉｎｒｅａｌｔｉｍｅｏｐｅｒａｔｉｏｎ．Ｍｅａｎｗｈｉｌｅ，ｍａｎｙｉｍｐｒｏｖｅｄｕｎ

ｄｅｒｓｔａｎｄｉｎｇａｎｄｎｅｗｋｎｏｗｌｅｄｇｅｏｆｔｈｅｃｌｉｍａｔｅｓｙｓｔｅｍａｒｅａｌｓｏｇｒａｄｕａｌｌｙｕｓｅｄｂｙｃｌｉｍａｔｅｆｏｒｅｃａｓｔｅｒｓ．

ＴｈｅＡＲＧＯ （ＡｒｒａｙｆｏｒＲｅａｌｔｉｍｅＧｅｏｓｔｒｏｐｈｉｃＯｃｅａｎｏｇｒａｐｈｙ）ｇｌｏｂａｌｏｃｅａｎｄａｔａａｒｅａｐｐｌｉｅｄｉｎｔｈｅ

ｇｌｏｂａｌｏｃｅａｎｄａｔａａｓｓｉｍｉｌａｔｉｏｎｓｙｓｔｅｍｓｉｎＮＣＣ（ＮＣＣ＿ＧＯＤＡＳ），ｗｈｉｃｈｅｎｈａｎｃｅｓｔｈｅｍｏｎｉｔｏｒｉｎｇａｎｄａｎａｌｙ

ｚｉｎｇｃａｐａｂｉｌｉｔｙｆｏｒｔｈｅｇｌｏｂａｌｏｃｅａｎ．ＴｈｅＮＣＣ＿ＧＯＤＡＳｉｓｉｎｔｅｇｒａｔｅｄｗｉｔｈｃｏｕｐｌｅｄａｔｍｏｓｐｈｅｒｅｏｃｅａｎｍｏｄ

ｅｌｓｏｆＮＣＣ＿ＣＧＣＭ，ｗｈｉｃｈｉｎｃｒｅａｓｅｓｔｈｅｆｏｒｅｃａｓｔｓｋｉｌｌｓｆｏｒｔｈｅｓｈｏｒｔｔｅｒｍｃｌｉｍａｔｅｐｒｅｄｉｃｔｉｏｎ．ＡＲＧＯｄａｔａ

ａｒｅａｌｓｏａｐｐｌｉｅｄｆｏｒｉｍｐｒｏｖｉｎｇｐｈｙｓｉｃａｌｐａｒａｍｅｔｅｒｉｚａｔｉｏｎｓｃｈｅｍｅｓｉｎｏｃｅａｎｉｃｍｏｄｅｌｓ，ａｎｄｔｈｅｍｏｄｅｌｃａｐａｂｉｌｉ

ｔｙｏｆｄｅｓｃｒｉｂｉｎｇｔｈｅｒｅａｌｏｃｅａｎｓａｎｄｆｏｒｅｃａｓｔｉｎｇＥｌＮｉ珘ｎｏ／ＳｏｕｔｈｅｒｎＯｓｃｉｌｌａｔｉｏｎｉｓｉｍｐｒｏｖｅｄ．Ｔｈｅｓｅｃｏｎｄｇｅｎ

ｅｒａｔｉｏｎｓｈｏｒｔｒａｎｇｅｃｌｉｍａｔｅｆｏｒｅｃａｓｔｍｏｄｅｌ，ｗｈｉｃｈｕｐｇｒａｄｅｓｍａｎｙａｓｐｅｃｔｓｏｆｔｈｅｒｅｓｏｌｕｔｉｏｎａｎｄｐｈｙｓｉｃａｌ

ｐｒｏｃｅｓｓ，ｅｘｈｉｂｉｔｓａｈｉｇｈｅｒｐｒｅｄｉｃｔｉｏｎｓｋｉｌｌｃｏｍｐａｒｉｎｇｔｏｔｈｅｆｉｒｓｔｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍ．Ａｐｒｅｌｉｍｉｎａｒｙｅｖａｌｕａ

ｔｉｏｎｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｓｅｃｏｎｄｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍｓｈｏｗｓａｃｅｒｔａｉｎｃａｐａｂｉｌｉｔｙｉｎｐｒｅｄｉｃｔｉｎｇｔｈｅｐｅｎｔａｄ，ｔｅｎ

ｄａｙ，ｍｏｎｔｈｌｙ，ｓｅａｓｏｎａｌａｎｄｉｎｔｅｒａｎｎｕａｌｃｌｉｍａｔｅｖａｒｉａｂｉｌｉｔｙ．Ｔｈｅｄｏｗｎｓｃａｌｉｎｇｍｅｔｈｏｄｓｂａｓｅｄｏｎｄｙｎａｍｉｃａｌ

ｃｌｉｍａｔｅｍｏｄｅｌａｒｅｅｘｔｅｎｓｉｖｅｌｙｕｓｅｄｉｎｏｐｅｒａｔｉｏｎｉｎｃｌｕｄｉｎｇｍｏｎｔｈｌｙｐｒｅｄｉｃｔｉｏｎ，ｓｅａｓｏｎａｌｐｒｅｄｉｃｔｉｏｎａｎｄｅｘ

ｔｒｅｍｅｃｌｉｍａｔｅｅｖｅｎｔｐｒｅｄｉｃｔｉｏｎ，ｉｍｐｒｏｖｉｎｇｔｈｅｐｒｅｄｉｃｔｉｏｎｓｋｉｌｌｏｆｍｏｄｅｌｐｒｏｄｕｃｔｉｏｎ．Ｄｕｅｔｏｔｈｅｌｉｍｉｔｅｄｐｒｅ

ｄｉｃｔａｂｉｌｉｔｙｏｆａｓｉｎｇｌｅｍｏｄｅｌ，ｍｕｌｔｉｍｏｄｅｌｅｎｓｅｍｂｌｅ（ＭＭＥ）ｉｓｅｆｆｉｃｉｅｎｔｌｙｅｍｐｌｏｙｅｄ．Ｂａｓｅｄｏｎｆｏｕｒｏｐｅｒａ

ｔｉｏｎａｌｄｙｎａｍｉｃａｌｍｏｄｅｌｓｆｒｏｍＮＣＣ，ＮＣＥＰ，ＥＣＭＷＦａｎｄＴＣＣ，ａｍｕｌｔｉｍｏｄｅｌｅｎｓｅｍｂｌｅｓｙｓｔｅｍ（ＭＯＤＥＳ）

ｉｓｄｅｖｅｌｏｐｅｄｉｎＮＣＣｉｎ２０１１，ｉｎｗｈｉｃｈｄｏｗｎｓｃａｌｉｎｇｔｅｃｈｎｉｑｕｅｉｓｉｎｔｒｏｄｕｃｅｄａｎｄａｄｄｅｄｔｏｔｈｅｅｎｓｅｍｂｌｅｐｒｅ

ｄｉｃｔｉｏｎｓｙｓｔｅｍ．Ａｔｐｒｅｓｅｎｔ，ｔｈｉｓｆｏｒｅｃａｓｔｓｙｓｔｅｍｃａｎｉｓｓｕｅｍｏｎｔｈｌｙａｎｄｓｅａｓｏｎａｌｅｎｓｅｍｂｌｅｐｒｅｄｉｃｔｉｏｎｐｒｏｄ

ｕｃｔｓａｎｄｉｓａｐｐｌｉｅｄｂｙｒｅｇｉｏｎａｌｃｌｉｍａｔｅｃｅｎｔｅｒ．Ｂａｓｅｄｏｎｔｈｅｄｙｎａｍｉｃａｌｓｔａｔｉｓｔｉｃａｌｉｎｔｅｇｒａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ

ｍｅｔｈｏｄ，ａｆｏｒｅｃａｓｔｉｎｇｓｙｓｔｅｍｆｏｒｓｅａｓｏｎａｌｐｒｅｃｉｐｉｔａｔｉｏｎ（ＦＯＤＡＳ１．０）ｉｓｄｅｖｅｌｏｐｅｄ，ｗｈｉｃｈｈａｓａｌｒｅａｄｙｂｅｅｎ

ｉｎｑｕａｓｉｏｐｅｒａｔｉｏｎａｌｕｓｅ，ｓｈｏｗｉｎｇｓｔａｂｌｅｐｒｅｄｉｃｔｉｏｎｓｋｉｌｌ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅｉｎｔｒａｓｅａｓｏｎａｌｏｓｃｉｌｌａｔｉｏｎｉｎ

ｔｈｅｏｐｅｒａｔｉｏｎａｌｅｘｔｅｎｄｅｄｒａｎｇｅｆｏｒｅｃａｓｔｈａｓｍａｄｅａｇｒｅａｔｐｒｏｇｒｅｓｓｉｎｃｌｕｄｉｎｇｔｈａｔａＭＪＯｍｏｎｉｔｏｒｉｎｇ，ｐｒｅｄｉｃ

ｔｉｏｎａｎｄａｐｐｌｉｃａｔｉｏｎｏｐｅｒａｔｉｏｎａｌｓｙｓｔｅｍｉｓｂｕｉｌｔｕｐ，ａｎｄｓｅｖｅｒａｌｆｏｒｅｃａｓｔｍｅｔｈｏｄｓｂａｓｅｄｏｎｔｈｅｉｎｔｒａｓｅａｓｏｎ

ａｌｏｓｃｉｌｌａｔｉｏｎａｒｅａｐｐｌｉｅｄ．Ｎｅｗｋｎｏｗｌｅｄｇｅａｎｄｒｅｓｅａｒｃｈａｃｈｉｅｖｅｍｅｎｔｓａｒｅｇｒａｄｕａｌｌｙｉｎｔｒｏｄｕｃｅｄｉｎｔｏｏｐｅｒａ

ｔｉｏｎｂｙｆｏｒｅｃａｓｔｅｒ，ｆｏｒｅｘａｍｐｌｅ，ｉｎａｄｄｉｔｉｏｎｔｏｔｈｅｓｅａｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ（ＳＳＴ）ｉｎｔｈｅｅｑｕａｔｏｒｉａｌｍｉｄｅａｓｔ

Ｐａｃｉｆｉｃ，ｔｈｅＳＳＴｉｎｔｈｅＩｎｄｉａｎＯｃｅａｎａｎｄｔｈｅＡｔｌａｎｔｉｃＯｃｅａｎａｒｅａｌｓｏｓｅｒｉｏｕｓｌｙｃｏｎｓｉｄｅｒｅｄ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅ

ｓｅａｉｃｅ，ｓｎｏｗｃｏｖｅｒｏｖｅｒｔｈｅＥｕｒａｓｉａａｎｄｔｈｅｃｌｉｍａｔｅｓｙｓｔｅｍｉｎｔｈｅＳｏｕｔｈｅｒｎＨｅｍｉｓｐｈｅｒｅａｒｅａｌｓｏｃｏｎｓｉｄ

ｅｒｅｄａｓｔｈｅｉｍｐｏｒｔａｎｔｉｍｐａｃｔｆａｃｔｏｒｓｉｎｓｅａｓｏｎａｌｐｒｅｄｉｃｔｉｏｎ．

犓犲狔狑狅狉犱狊：ｃｌｉｍａｔｅｐｒｅｄｉｃｔｉｏｎ；ｃｌｉｍａｔｅｍｏｄｅｌ；ｉｎｔｅｒｐｒｅｔａｔｉｏｎ；ＥａｓｔＡｓｉａＭｏｎｓｏｏｎ

５５６　第６期　　 　 　　　　　　　　　　　　　贾小龙等：我国短期气候预测技术进展