- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
短期气候预测的评估问题
Ξ
短期气候预测的评估问题
王绍武
朱锦红
(北京大学地球物理系, 北京 100871)
提
要
该文系统地介绍了国内外评估月、季尺度短 期 气 候 预 测 结 果 的 方 法, 比 较 了 相 关 系 数
(R )、预报技巧分 (S ) 和准确率 (P ) 的特点, 并对当前国内外气候预测业务水平进行了分析, 着 重对大气环流、气温、降水及 EN SO 的预测水平进行了评估, 指出国内外月、季尺度的降水预 报的水平目前在 55%~ 60% 左右, 对 EN SO 的发生、结束和强度的预报水平有限. 文中探讨了 短期气候预测的可预报性问题, 提出月、季尺度气候预测的可预报性的理论上限可能为 6~ 12 月, 准确率在 80%~ 85% 之间.
关键词: 短期气候预测评估 当前短期气候预测水平 可预报性
引 言
短期气候预测, 通常指月、季尺度的预测, 有时也包括年度预测. 但这里所谓年度预测
主要不是指对分辨率为年的序列用统计方法作下一年预测, 而是指以 3 个月为季, 提前 4 个季的预测. 例如, 美国气候预测中心 (C PC ) 就建立了这种预测业务. 因此, 可以说短期气 候预测主要是月、季尺度预测.
由于逐日天气预报的可预报性为两周, 所以短期气候预测的对象是气候, 即天气的平 均值, 如月或季平均气温、总降水量或 500 h P a 高度. 因为气候预测时间长, 包括了气候的 季节变化, 所以一般预报距平. 但是用不同时段计算的多年平均值不同, 根据世界气象组 织 (W M O ) 建议, 目前采用 1961~ 1990 年平均作为多年平均. 由于气候的 20~ 30 年振荡 很强, 因此, 30 年是一个比较合适的时间尺度. 用最近的 30 年是适应气候变化的, 例如近 年来气候变暖, 如果用本世纪初 1901~ 1930 年作平均, 则近年来多为正距平, 短期气候异 常的判断就受到气候变化的干扰. 另外用最近 30 年的平均有利于使用新资料, 如卫星资 料只有近期的, 不可能用早期作多年平均. 但是计算多年平均的时段也要保持相对稳定, 以免造成预报业务及研究工作的混乱. 历史上曾经用 1901~ 1930 年、1931~ 1960 年、
1951~ 1980 年, 90 年代之后统一采用 1961~ 1990 年作多年平均.
月平均一般指日历的月, 1~ 12 月, 季则不只限于气候上的季, 如春 (3~ 5 月)、夏 (6~
8 月)、秋 (9~ 11 月)、冬 ( 12 月至翌年 2 月) , 也可以作 4~ 6 月、5~ 7 月等 3 个月平均预 报, 我国的季度预测目前以汛期降水预测为主.
Ξ 本文得到“九五”国家攻关课题《我国短期气候预测系统的研究》962908204201 专题资助.
1999210206 收到, 2000201207 收到修改稿.
? 1994-2013 China Academic Journal Electronic Publishing House. All rights reserved. http://www.c
短期气候预测的评估方法
1
目前国际上采用的评估方法主要有相关系数 (R ) 与技巧分 (S ) 两种, 有时也用预报准
确率 (P ). 我国设计了自己的评分公式, 近年来也开始采用 R 、S
国对此作了详细分析1 . (1) 相关系数
两种评分, 陈桂英与赵振
R 是广泛应用的评估方法, 特别对于数字化的预报量场, 如北半球 500 h P a 月平均高
度距平等, 就经常计算预报距平与观测距平之间的相关系数. 对于月预报, 通常认为相关 系数平均达到 0. 5, 是业务预报的最低标准.
相关系数的特点是对大的距平比较敏感. 例如一共有 20 个站, 有 19 个站气温距平在
±0. 2℃之内预报完全正确, 而有一个站距平为+ 1. 0℃, 但报- 1. 0℃, 则可能完全抵消正 确的预报, 使相关系数成为负值. 实际情况不会这样突出, 但这个例子足以说明相关系数 对大距平预报正确程度的敏感性.
关于相关系数的另一个问题是整个场距平平均问题. 因为在计算两个场 (预报场和观
测场) 的相关系数时, 先要对每个场各自求平均, 然后再各自对其平均求距平, 计算相关系 数. 如果实际情况是全国降水偏多, 且南方偏多的多, 北方偏多的少, 但预报为全国降水偏 少, 且南方偏少的少, 北方偏少的多. 可能作出来的两张距平分布图是类似的, 相关系数可 能为正, 但实际报的趋势却不对, 当然, 实际上也不会如此. 不过这个例子说明, 对一个预 报场进行检查, 计算相关系数时, 重点考虑的是预报量距平的分布. 由于对
文档评论(0)