马浩 高大伟

(浙江省气候中心，浙江 杭州 310017)

2016年汛期气候趋势预测技术总结*

马浩 高大伟

(浙江省气候中心，浙江 杭州 310017)

2016年浙江省汛期气候趋势预测自3月开始，9月结束。总体而言汛期预测取得了较好的成绩，准确把握了降水整体略偏多、初夏出现典型梅雨、盛夏有阶段性高温热浪、夏季影响台风偏少而秋季偏多等重要气候趋势，降水评分位居全国前列，是近年来较成功的一次汛期气候预测；但也存在一些不足，6月气温预测存在偏差，9月降水预测异常量级偏小。介绍了2016年汛期气候特征及分月变化，从定性和定量两个方面细致评估了汛期气候预测质量，同时全面总结了预测中的成功与失败之处及经验教训，指出准确把握了厄尔尼诺的气候效应是预测取得成功的关键，不应过分依赖模式结果，应科学考量气温与降水两个要素之间的内在关联。在此基础上对今后汛期预测业务展开思考，提出应当更加重视气候动力学基本原理的科学运用、逐步建立气候预测业务系统、大力推进模式解释应用技术研究。

汛期气候预测；气候特征；质量评估；气候动力学；气候模式；气候预测业务系统

1 2016年汛期整体气候特征及分月变化

1.1 整体气候特征

2016年是超强厄尔尼诺事件衰减年，外强迫对浙江省汛期气候表现出显著的调制作用。图1给出了2016年5—9月平均气温距平和降水量距平百分率的空间分布。从平均气温距平来看，全省平均25.9 ℃、比常年同期偏高0.8 ℃；除平阳外，各地均偏高，其中浙西南大部、沿海部分地区、绍兴部分地区、金华部分地区、桐乡等地偏高1 ℃以上，共有玉环、瑞安、洞头3地破历史同期最高纪录。从降水量距平百分率来看，全省平均1076.4 mm，比常年同期偏多2成；除东南沿海地区外，全省大部降水偏多，其中湖州大部、宁波部分地区、临安、嘉兴、桐乡等地偏多1倍以上，共有临安、长兴、湖州、德清、北仑5地破历史同期最多纪录。此外，汛期共有4个影响台风，分别为1601号台风“尼伯特”、1614号台风“莫兰蒂”、1616号台风“马勒卡”、1617号台风“鲇鱼”，其中“莫兰蒂”和“鲇鱼”两个台风对浙江省造成严重影响，总体而言夏季影响台风偏少、秋季影响台风偏多。整体上来看2016年汛期气候表现出对超强厄尔尼诺事件衰减的典型响应，即初夏出现典型梅雨、盛夏高温热浪显著、夏季台风影响偏弱而秋季台风影响偏强。

1.2 分月变化

从分月气候变化来看，在厄尔尼诺的调制作用下，汛期气候的阶段性、转折性特征更加突出。图2给出了2016年5—9月分月气温距平和降水量距平百分率。

从气温来看，5月全省大部气温偏高、其中浙南部分地区偏高1 ℃以上，浙西北大部气温偏低；6月全省大部气温偏高、浙中南部分地区偏高1 ℃以上，浙西北部分地区气温偏低；7月全省大部气温异常偏高，大部地区偏高1 ℃以上，浙南局部地区气温偏低；8月全省大部气温异常偏高，除沿海地区及浙南南部地区外，其它地区气温偏高1 ℃以上；9月全省大部气温偏高，其中浙北北部、西南部及沿海部分地区、浙中大部偏高0.5 ℃以上。总体而言5—9月均以气温偏高为主。

从降水来看，5月除温州部分地区外，全省大部降水偏多且普遍多2成以上，浙北大部、浙西南部分地区偏多5成以上；6月降水呈现北多南少格局，浙北大部、浙中西部偏多，浙南大部及东南沿海地区偏少；7月除湖州大部外，全省大部降水异常偏少，浙北西南部、浙西南大部、台州大部、绍兴部分地区等偏少5成以上；8月除个别地区外，全省大部降水异常偏少，东部沿海地区、金衢盆地、杭州西南部等偏少5成以上；9月全省大部异常偏多，其中浙北大部、浙南大部、浙中中部偏多1倍以上，丽水大部、临安、德清、北仑、奉化、泰顺、文成等地偏多2倍以上。总体而言初夏降水偏多，盛夏7—8月降水偏少，秋季开始转为异常偏多。

此外，7月有1个台风影响浙江省(1601号台风“尼伯特”)，9月有3个影响台风(1614号台风“莫兰蒂”、1616号台风“马勒卡”、1617号台风“鲇鱼”)且“莫兰蒂”和“鲇鱼”造成严重影响。

2 2016年汛期气候趋势预测质量评估及经验教训总结

2.1 汛期气候预测质量定性评估

为了科学评价汛期气候预测效果，有必要回到汛期预测的起点。2016年3月25日发布的重要气象报告《浙江省2016年主要气象灾害趋势分析》可视为汛期气候预测结果的初次呈现。该报告中提到的“汛期降水量比常年同期偏多1～2成，梅汛期5—7月全省总降水量偏多且气温偏高，盛夏将出现较明显的高温热浪天气，夏季影响台风偏少而秋季偏多”均与实况相符；但对梅雨的预测存在一定失误，预测意见中提到“入梅偏晚”与实况不符(2016年入梅异常偏早(5月25日即入梅，国家气候中心梅雨勘定结论))，此外对梅雨的极端性考虑不足。4月28日发布的气象信息内参《2016年5—9月汛期气象灾害趋势分析》基本维持了3月预测的结果，但进一步指出台风高影响时段将集中在8月上半月至9月下半月，与实况相符(9月连续出现1614号“莫兰蒂”、1616号“马勒卡”、1618号台风“鲇鱼”3个影响台风，其中“莫兰蒂”和“鲇鱼”对浙江省造成严重影响)，梅雨预测未作调整。

2.2 汛期气候预测质量定量评估

从2014年开始，国家气候中心在内网上逐月发布全国各省市(自治区)月气候预测Ps评分，因此可以从评分角度对汛期气候预测质量开展定量评估。

从气温评分来看(表略)，5—9月评分分别为91.6、11.4、95.0、100.0、100.0，除6月得分较低外，其余各月得分均在90分以上，其中8月、9月为两个满分月。与国家气候中心指导预报相比，自5月开始分别提高了4.0%、0.0%、1.0%、0.8%、0.8%，总体而言与指导预报区别不大。5—9月平均得分为79.6分，位居全国第23位，位次较低的主要原因是6月得分较低。

从降水评分来看(表略)，5—9月评分分别为88.8、88.3、93.5、92.1、76.0，除9月外，各月降水得分均较高，说明对汛期降水的分月变化趋势有着很好的把握。与国家气候中心指导预报相比，5月得分基本持平，6月、7月小幅下降(分别下降0.3%、1.0%)，8月、9月大幅提高(均提高100%)，说明对国家气候中心指导预报的订正取得了良好的效果。5—9月平均得分为87.7分，位居全国第1位，降水预测质量排名全国第一是2016年汛期预测业务的一大亮点。

2.3 经验教训总结

2.3.1 预测成功之处及经验总结

从汛期整体预测来看，2016年3月发布的《重要气象报告》基本抓住了今年汛期的主要特征，报告中所预测的“气象灾害总体偏重、汛期降水量略偏多、夏季有阶段性高温热浪且影响台风偏少、后期台风较多”均与实况相符，总体而言预测时效较长且结论较准确，是浙江省近年来较成功的一次汛期预测。

从汛期分月预测来看，除6月气温、9月降水存在一定偏差外，汛期5—9月其它各月气温、降水预测均与实况大致相符，降水评分居于全国前列。需要特别指出的是，8月、9月连续两个月降水预测均是在国家气候中心指导预报出现重大失误的前提下、对指导预报进行了大幅修正，最终取得预测成功；说明预报员抓住了气候演变的过程和规律、降水预测具有较高技巧。

家长和教师对学生的期望往往都是非常高的，这恰恰是造成学困生的重要因素。由于当今社会竞争过于激烈，家长和教师总是给小学生过大的压力，让他们学一些能力范围之外的知识，最终学生的完成情况不能令家长和老师满意，积少成多，孩子有了很高的挫败感，慢慢地学生对学习失去了信心，觉得学习极其困难。

准确把握了厄尔尼诺的气候效应是汛期预测取得成功的最重要经验。在超强厄尔尼诺事件衰减背景下，西太平洋副热带高压(以下简称西太副高)、东亚夏季风及季风降水易受到显著影响[1-8]，气候阶段性演变特征更为突出，此时厄尔尼诺是最重要的强迫源、也是最重要的预测因子，深入分析厄尔尼诺的后续影响，就扭住了汛期预测的“牛鼻子”。2016年是东部型极强厄尔尼诺事件的衰减年，同时夏季开始拉尼娜状态有所发展，在实际预测中预报员坚持以厄尔尼诺作为主要影响因子，同时注重把握厄尔尼诺影响的时间尺度(如初夏易出现典型梅雨、盛夏易出现高温、秋季影响台风偏多等)，是预测取得基本成功的关键因素。

从业务角度而言，将厄尔尼诺作为主导因子，意味着需要放弃一些旁枝因子，同时结合厄尔尼诺的气候效应来考虑模式预测结果的适用性。举例来说，在厄尔尼诺衰减年的盛夏，有利于西太副高偏西偏南、从而出现高温热浪；但也有一些因子不利于副高稳定地偏西偏南，从而诱发阶段性强降水；在这种情况下，坚持以厄尔尼诺为先导，就要坚持厄尔尼诺对西太副高的持续性影响(包括厄尔尼诺诱导的热带印度洋海盆一致模态对西太副高的影响[9-11])，避免因为其它因子(如热带印度洋偶极子模态、青藏高原热力异常、北半球冰雪强迫等)对西太副高也有影响而左右摇摆、举棋不定。业务实践表明，一味强调“多因子综合预测”往往难以得到最佳预测效果，这是因为预报员难以充分考虑各因子的相对权重(这是一个非常复杂的问题)而代之以均等权重处理方案，反而掩盖了优势因子的作用、使次要因子的作用得到了加强，最终出现预测与实况相背离的情形。不仅如此，当模式预测结果不符合气候动力学原理时，也应果断地站在气候动力学一边，用动力学原理去纠正模式偏差，而不是受模式结果影响去修改预测。

除了厄尔尼诺之外、汛期预测还有多个外强迫因子(图3)，各个因子随强度不同其相对重要性存在差异且因子之间存在复杂的非线性相互作用[12-14]，因此只有发生了中等以上强度的厄尔尼诺事件，才有必要将厄尔尼诺置于突出重要的位置来考虑。

2.3.2 预测失败之处及教训总结

从汛期整体预测来看，失误主要在于梅雨预测。无论是在决策服务材料、还是汛期气候预测会商中，预报员均坚持了“入梅偏晚”这一预测意见，与实况不符；此外对梅雨的极端性考虑不足。2016年浙江于5月25日入梅(常年入梅日期为6月10日，入梅异常偏早)，7月19日出梅(常年出梅日期为7月10日，出梅偏晚)，梅雨量507.3 mm(梅雨量常年值为300.2 mm，偏多68%，梅雨量异常偏多)，梅雨期55 d(常年梅雨期长度为30 d，偏多25 d，梅雨期异常偏长)。从梅雨期间降水量总体分布来看(图4)，大值区主要分布在浙北大部及浙中部分地区，为典型长江型梅雨。

图4 2016年浙江省梅雨期间降水量空间分布(单位：mm)

梅雨预测出现较大偏差，背后的原因值得深思，说明预报员对东亚夏季风系统的认识和理解仍然有待进一步深化。首先，过于依赖南海夏季风爆发与梅雨爆发之间的统计关系。从气候角度来看，南海夏季风爆发之后，东亚夏季风逐步向北推进，在长江中下游地区附近形成稳定少动的梅雨带，产生梅雨暴雨，因此南海夏季风爆发对梅雨爆发有着很好的指示意义[15-16]。然而并非南海夏季风爆发偏早/偏晚一定对应着入梅偏早/偏晚，二者之间并无确定性联系；在实际预测中，预报员过于相信二者之间的统计相关性，由南海夏季风爆发偏晚(5月第5候爆发)推测入梅偏晚。其次，没有深入解读春季南半球环状模(Southern Annular Mode，SAM)与梅雨强度之间的关系。已有研究表明，春季4—5月SAM指数与后期梅雨强度之间有着较好的相关性[17-23]。2016年4月开始SAM指数转为负位相，且4—5月整体表现为负位相，对这一现象的过分解读(SAM偏弱，预示着梅雨强度可能偏弱)，是预测失利的重要原因。尽管预报员考虑到春季SAM对后期梅雨的指示意义，但事实上前人工作主要研究的是4—5月SAM强度与6月降水之间的关联，因此如果梅期过长(如2016年7月19日才出梅)则这一关系很难对应。过于重视春季SAM与梅雨之间的关联，导致预报员对梅雨异常偏强的情况考虑不足。第三，过度强化了厄尔尼诺对浙江梅雨的调制作用。尽管厄尔尼诺年有利于长江流域梅雨量偏多，但对南方地区初夏降水是否可能整体偏多或异常偏多并无指示意义。事实上，强厄尔尼诺衰减年有助于形成典型梅雨(即主雨带位于长江流域及江淮地区)，从而对浙江省而言，主雨带应位于浙北及浙中部分地区，而浙南降水缺少判据；在这一前提下，全省梅雨量是否可能整体偏多/异常偏多仍然需要深入研究。厄尔尼诺究竟如何影响浙江梅雨(是否可能形成极端梅雨)目前仍是一个缺乏了解的问题，有待于在今后的研究中深入探索。

从分月气候预测来看，失误主要在于6月气温、9月降水预测与实况偏差较大，这两个月的情况各有不同。

图5 2007—2015年6月气温距平合成结果

图6 基于FODAS(a)和MODES(b)的6月气温距平预测结果

就9月降水预测而言，尽管预报员较好地把握了9月全省降水偏多的整体趋势，但对降水强度的预测仍然偏弱，这在很大程度上受到了指导预报的影响。在国家气候中心对9月降水趋势的预测意见中(图7)，将浙北大部划为降水异常偏少的区域，仅浙南南部区域降水偏多。在浙江省气候中心的发布预报中，考虑到9月台风影响的概率较大、且冷空气趋于活跃，认为全省大部降水偏多2成以上、其中温州大部偏多5成以上，但湖州、嘉兴两地降水偏少；这一预测意见虽然对指导预报进行了大幅调整，仍然与指导预报之间存在着一定的承接关系。从大尺度环流系统相互作用的角度出发，如果考虑台风影响与冷空气相结合的情形，就应大胆地预报全省性降水偏多；在台风倒槽与南下冷空气的共同作用下，往往易出现全省性强降水，浙北北部降水偏少的例外情况是极少出现的。

图7 9月降水趋势国家气候中心指导预报

3 对今后汛期气候预测业务的思考

随着客观化气候预测产品的不断丰富，国内外各种气候模式结果获得了越来越广泛的应用，动力预测(或动力与统计相结合预测)逐渐成为短期气候预测的主流方法，然而如何科学看待、使用动力预测结果并未引起足够的重视。很多预报员倾向于采用“主观集成”的方式来使用模式结果，这一做法为气候预测带来了很大的风险。首先，从模式角度来说，不同模式在不同时段对不同区域的预测性能存在很大差异，而模式预测结果是否抓住了后期气候演变的关键特征往往难以判断，只有结合实况对前期模式预报水平开展深入分析、才能对其后期预报能力有所把握；其次，从预报员角度来说，大多习惯于采用“优势概率”(相信多数模式的一致预报结果)来进行主观集合，或给预报性能较好的“优秀模式”(如美国CFSv2模式、欧洲EC模式等)赋予较大权重，这种较粗糙的处理方式并没有体现出使用技巧、难以取得良好的预测效果。更为重要的是，如果仅仅重视模式结果，可能会使我们偏离气候预测的本质。气候预测的核心应是气候动力学原理的综合应用。以2016年汛期中8月、9月两个月的预测为例，8月多数模式给出了降水偏多的结果，9月则相反、多数模式预报降水偏少。事实恰恰相反，浙江省8月降水异常偏少、9月降水异常偏多。从气候动力学机理而言，厄尔尼诺衰减年的8月，由于厄尔尼诺和热带印度洋海盆一致模态的综合调控作用，江南地区极易出现高温[24]；由于暖池热力状况的不断增强，有利于夏季台风偏少而秋季台风偏多[25-27]，因此9月有必要重点考虑台风活动的影响。这些都是非常扎实的气候预测依据，但不幸的是模式没有捕捉到正确的气候演变信息。如果只注重模式结果的分析研判，无疑得不出正确的结论。因此，气候预测应是气候动力学基本原理、气候预测理论最新研究进展、动力模式预测结果与数理统计分析相结合的研究型业务，“没有正确的理论，就无法科学地指导实践”，这一点在意义重大的汛期气候预测中尤其值得注意。

在现代气候业务建设进程中，业务系统建设无疑非常重要。然而浙江省气候预测业务系统尚未建立起来，气候查询、分析、计算、绘图很大程度上依靠手工劳动，无形中大大降低了工作效率，也大大增加了业务产品的制作时间。在汛期气候预测中，没有成熟的分析工具，气候分析诊断水平就难以大幅提高，业务产品的美观度也不尽如人意。在今后业务建设过程中，有必要尽快补齐这一“短板”，逐步建立并完善短期气候预测业务系统。

在数值模式与动力预测深入人心、各省市大力推进客观化气候预测业务的洪流中，浙江省模式释用水平仍显薄弱。当前，模式结果获取已非难事，然而如何使用模式结果体现着业务水平与业务能力，特别是如何将模式预测结果与本地气候特征相结合更是一个值得探索的问题。各种释用方法对浙江省的适用性并不完全相同，生搬硬套其中一两种方法势必不会取得好的效果，西方人将不假思索的集合平均称为“穷人的集合”[28-29]，是非常生动形象的。“思想是行为的先导”，通过深入分析挖掘出适用于浙江省的模式释用方法，并根据气候特点进行一定的“改良”，在此基础上逐步建立模式释用业务系统与显示平台，应是今后业务中需要着重开展的工作。

[1] Huang R, Wu Y. The influence of ENSO on the summer climate change in China and its mechanism[J]. Advances in Atmospheric Sciences,1989,6(1):21-32.

[2] Wang B, Wu R, Fu X, et al. Pacific-East Asian teleconnection: How does ENSO affect East Asian climate[J]. Journal of Climate,2000,13(9):1517-1536.

[3] 黄荣辉，陈文，丁一汇，等．关于季风动力学以及季风与ENSO循环相互作用的研究[J]．大气科学，2003，27(4)：484-502．

[4] Ding Y, Chan J C L. The East Asian summer monsoon: An overview[J]. Meteorology and Atmospheric Physics,2005,89(1):117-142.

[5] Wu B, Li T, Zhou T. Relative contributions of the Indian Ocean and local SST anomalies to the maintenance of the western North Pacific anomalous anticyclone during El Nio decaying summer[J]. Journal of Climate,2010,23(11):2974-2986.

[6] Wu B, Li T, Zhou T. Asymmetry of atmospheric circulation anomalies over the western North Pacific between El Nio and La Nia[J]. Journal of Climate,2010,23(18):4807-4822.

[7] Wu B, Zhou T. Relationships between ENSO and the East Asian-western North Pacific monsoon: Observations versus 18 CMIP5 models[J]. Climate Dynamics,2016,46(3-4):729-743.

[8] Xie S-P, Kosaka Y, Du Y, et al. Indo-western Pacific ocean capacitor and coherent climate anomalies in post-ENSO summer: A review[J]. Advances in Atmospheric Sciences,2016,33(4):411-432.

[9] Xie S-P, Hu K, Hafner J, et al. Indian Ocean capacitor effect on Indo-western Pacific climate during the summer following El Nio[J]. Journal of Climate, 2009, 22(3): 730-747.

[10] Huang G, Hu K, Xie S-P. Strengthening of tropical Indian Ocean teleconnection to the Northwest Pacific since the Mid-1970s: An atmospheric GCM study[J]. Journal of Climate, 2010, 23(19): 5294-5304.

[11] Xie S-P, Deser C, Vecchi G, et al. Towards predictive understanding of regional climate change[J]. Nature Climate Change, 2015, 5(10): 921-930.

[12] 丁一汇．季节气候预测的进展和前景[J]．气象科技进展，2011，1(3)：14-27．

[13] 魏凤英．我国短期气候预测的物理基础及其预测思路[J]．应用气象学报，2011，22(1)：1-11．

[14] 贾小龙，陈丽娟，高辉，等．我国短期气候预测技术进展[J]．应用气象学报，2013，24(6)：641-655．

[15] 陈文玉，陈文诚，张红岩．南海季风爆发与梅雨活动[J]．海洋预报，2000，17(1)：38-42．

[16] 王慧，姚建群，施春红，等．夏季风强度与梅雨异常的对应关系[J]．高原气象，2008，27(增刊)：109-117．

[17] 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[J]．科学通报，2003，48(增刊2)：87-92．

[18] Nan S, Li J. The relationship between the summer precipitation in the Yangtze River valley and the boreal spring Southern Hemisphere annular mode[J]. Geophysical Research Letters, 2003, 30(24), 2266, doi: 10.1029/2003GL018381.

[19] 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[J]．气象学报，2005，63(6)：837-846．

[20] 范可．南半球环流异常与长江中下游夏季旱涝的关系[J]．地球物理学报，2006，49(3)：672-679．

[21] 范可，王会军．有关南半球大气环流与东亚气候的关系研究的若干新进展[J]．大气科学，2006，30(3)：402-412．

[22] 吴志伟，何金海，韩桂荣，等．长江中下游梅雨与春季南半球年际模态(SAM)的关系分析[J]．热带气象学报，2006，22(1)：79-85．

[23] Sun J, Wang H, Yuan W. A possible mechanism for the co-variability of the boreal spring Antarctic Oscillation and the Yangtze River valley summer rainfall[J]. International Journal of Climatology, 2009, 29(9): 1276-1284.

[24] Hu K, Huang G, Wu R. A strengthened influence of ENSO on August high temperature extremes over the southern Yangtze River Valley since the late 1980s[J]. Journal of Climate, 2013, 26(7): 2205-2221.

[25] Du Y, Yang L, Xie S-P. Tropical Indian Ocean influence on Northwest Pacific tropical cyclones in summer following strong El Nio[J]. Journal of Climate, 2011, 24(1): 315-322.

[26] 祝丽娟，王亚非，尹志聪．热带MJO和ENSO对西北太平洋热带气旋影响研究综述[J]．气象科技，2012，40(1)：65-73．

[27] Yuan Y, Yang S. Impacts of different types of El Nio on the East Asian climate: Focus on ENSO cycles[J]. Journal of Climate, 2012, 25(21): 7702-7722.

[28] Ebert E E. Ability of a poor man’s ensemble to predict the probability and distribution of precipitation[J]. Monthly Weather Review, 2001, 129(10): 2461-2479.

[29] 杜钧，李俊．集合预报方法在暴雨研究和预报中的应用[J]．气象科技进展，2014，4(5)：6-20．

2017-03-03

*资助项目：浙江省气象局预报员专项项目(2016YBY26)