中国夏季降水的多模式集合概率预测方案研究

中国夏季降水动力季度预测具有很大不确定性，而目前的多模式集合方案主要用于制作确定性预报，其产品不能反映中国夏季降水的预报不确定性，从而造成大量信息流失。已有的、用于制作概率密度函数（PDF）预报的贝叶斯（Bayes）多模式集合方案因局限于预测正态分布的、高模拟技巧的、高误差-散度关系的目标变量，不适合中国夏季降水PDF季度预测。因此，本项目拟借助 ENSEMBLES多模式后报资料，从非正态分布数据处理、集合成员优化、似然函数方差的估计方案改进三个方面发展Bayes集合预测理论，拓展其适用范围；进而构建适合中国夏季降水PDF季度预测的Bayes 多模式集合模型，减少并定量估计预报不确定性（包括初值不确定性和模式不确定性），提供给业务季度预测更多、更准确的参考信息。项目研究成果对于多模式集合理论和方法的发展以及中国夏季降水季度预测水平的提高具有重要意义。

中国夏季降水季度预测是我国短期气候业务预测的首要任务。目前关于中国夏季降水的多模式集合季度预测方案多用于制作确定性预测，其产品不能反映预报不确定性，造成预报信息大量丢失。而国际上常用的四种多模式集合概率密度（PDF）预测方案对中国夏季降水的预测接近气候态预测(衡量PDF预测是否有技巧的基准)。本项目从非正态函数正态化、集合成员优化、改进似然函数分布方差估算三个方面发展已有的贝叶斯集合PDF预测理论和方法，使其不再局限于预测正态分布的、高模拟技巧的、高误差-散度关系的目标变量。在此基础上，本项目提出一套新的适合中国夏季降水的PDF集合季度预测方案。以长江流域夏季降水季度预测为例，我们借助ENSEMBLES多模式后报资料评估了其预测技巧。结果表明：该方案的PDF预测具有高校准度和高锐度，并且校准度、锐度、PDF预测综合技巧均明显高于旧的贝叶斯集合方案和等权集合方案，也明显优于气候态预测。项目研究成果对贝叶斯集合预测理论和方法作了重要的发展；并为定量化中国夏季降水预测的不确定性、制作PDF预测提供了有效途径，是这方面的首个示范。