利用不同ENSO背景下历史相似性信息的中国冬季降水统计降尺度预测新方法研究

It is very complicated to predict winter precipitation in China, which is influenced by the various large-scale circulations. Especially, the prediction capability is not good as the relatively coarse spatial resolution, when using the General Circulation Models (GCM). Therefore, it is an effective way to improve the prediction skill of winter precipitation in China, that the development in statistical downscaling methods by extracting the atmospheric circulation anomaly information to improve the precipitation prediction. Because El Niño-Southern Oscillation (ENSO) can make significant influence in the climate, it is significantly different that the two types of ENSO could be certain to influence the atmospheric circulation which is closely related to China winter precipitation. For that, based on the different ENSO backgrounds, the current study will aim to use the analogue information of the large-scale circulation anomalies with significant discrepancies, and develop different types of the new statistical downscaling methods for the China winter precipitation, respectively. First, we will study the characteristics of the China winter precipitation and the related physical processes of the large-scale circulation, respectively. And then, the statistical downscaling model will be developed using the historical analogue information of the large-scale circulation, on the background of different ENSO. Further，using historical analogue information on the different ENSO backgrounds, the new statistical downscaling method for the winter precipitation over China is established by combination the current influential factors from GCM and previous predictors from observation. It is expected to improve the prediction capability in the winter precipitation over China.

我国冬季降水受多种大气环流因素影响，其预测问题极为复杂，特别是在利用气候模式进行预测时，较粗的空间分辨率往往导致预测效果不理想，因此，发展基于气候模式的统计降尺度预测方法、通过提取大气环流异常信息改进降水预报，是提高我国冬季降水预报能力的有效途径。由于厄尔尼诺和南方涛动（ENSO）对气候影响显著，其表现出的两种类型必然会影响与我国冬季降水密切相关的大气环流显著不同。为此，本项目拟在不同ENSO背景下，分别利用具有明显差别的大尺度环流异常相似信息，发展不同类型的我国冬季降水的统计降尺度新方法。首先，研究观测和模式中不同ENSO背景下我国冬季降水特征及相关大尺度环流；利用不用ENSO背景下大尺度环流因素的历史相似性数据信息发展不同的统计降尺度模型；进一步探索综合利用模式同期因子和观测前期因子，形成不同ENSO背景下历史相似性信息的中国冬季降水统计降尺度预测新方法，有望提高我国冬季降水预测能力。

通过对国内外不同气候模式冬季气候异常的评估和对比分析，找出模式当中预测性能较好的大尺度环流信息。并评估了各模式对中国冬季降水的预测性能，其中，GloSea模式对中国冬季降水的预测ACC为0.09，BCC_CSM1.1m为0.04。针对我国冬季降水异常，基于表征两类不同ENSO类型的冷舌指数Nct和暖池指数Nwp，利用回归、相关分析等方法，对影响我国冬季降水规律的大尺度环流异常的相似性信息进行分类并提取了预测因子：冷舌型ENSO背景条件下选取的同期因子为海平面气压场，暖池型ENSO背景条件下选取的同期因子为200hPa纬向风，建立统计降尺度模型，同时将前期秋季热带太平洋海表面温度纳入到模型当中。为了能够了解在气候模式预测性能最好情况下，统计降尺度模型的预测能力，将来自于气候模式中的同期因子由观测值代替进行理想化试验，进行对比分析。结果显示，理想化试验的预测效果优于模式统计降尺度预测结果，其中对1997年冬季降水的预测ACC分别为：0.62和0.54，2015年冬季降水的预测ACC分别为：0.68和0.63，因此，在某种程度上，气候模式对预测因子的预测性能对统计降尺度模型的预测性能有一定影响。另外，基于CFSv2气候模型，建立了中国冬季降水统计降尺度模型，纳入了秋季北极海冰信息，其预测技巧较CFSv2模式原始结果有显著提高，并有效降低了预测均方根误差。