近几年，气候模式的发展使短期气候预测总体预报水平有了较大提高，模式产品也得到广泛应用，如根据春季环流形势预测，预报我国春季北方沙尘天气趋势，根据月环流形势预测解释预报我国月气候的异常分布等。气候模式能够提供未来的环流预测，虽然模式预报场与实况场之间仍存在一定差异^[1-4]，相关不高，但它是目前对未来环流预测的唯一依据，所以在使用模式产品做解释应用时如果不加筛选，得到的效果随机性大，且可能不稳定。EOF方法是气候分析中常用的方法之一，它能够得出气候分布的主要分布模态^[5]，可以利用EOF分析的主要分布模态来进行诊断和预测^[6-7]，如利用EOF迭代法进行模式解释我国夏季降水异常分布时发现，对同一模式产品，不同区域解释效果有差异，而且有的年份好，有的年份差，其可能原因是进行EOF迭代的矩阵所用资料单一，且没有经过筛选^[8]，所以本文目的是在用EOF迭代法进行解释应用时，使用经过挑选的有效资料构建EOF迭代矩阵，从而使预报试验效果得到提高。

本文所用的资料包括:NCC_CGCM模式2月初始场的1983—2007年3—8月2.5°×2.5°的500hPa高度场､200hPa经向风和纬向风场､850hPa经向场和纬向风场等的集合回报和预报产品；1983年1月—2006年8月NCEP月平均500hPa高度场､200hPa经向风和纬向风场､850hPa经向风和纬向风等实况场；1983—2007年8月全国160站的月降水量；国家气候中心1983—2007年季降水指数等。

本文所用的方法是EOF分析迭代方案^[6]，用因子和预报的历史资料构建一个矩阵，预报年中的预报值用“0"替代，EOF分析后的恢复值替换预报场中的“0"，经过若干次替换，即将恢复值认为是预报，具体实现方案参见文献[6]和文献[8]。

用模式产品做解释应用，必须坚持两个原则:一是模式产品具有一定的可信度，这是做解释应用的基础，所以要对模式产品进行检验；二是预报对象必须与实况场有关联，如果没有关联说明对象没有可预报性，这是做预报的必要条件，所以要检查预报对象与实况的关系。只有满足这两个条件，解释应用才有意义。基于以上原则，首先考察NCC_CGCM模式夏季预报产品的距平预报相关检验效果。表 1是NCC_CGCM模式5个预报场 (500hPa高度场､200hPa纬向风场､850hPa纬向风场､200hPa经向风场､850hPa经向风场) 分别与同期NCEP实况场1983—2002年的相关点数统计。在北半球，除850hPa经向风场外，其他预报场的正相关点数都多于负相关的点数，其中500hPa高度场的正点数明显偏多，但是达到信度点数却不是最多，最多的是850hPa纬向风场，其次是200 hPa经向风场和850hPa经向风场；在南半球，除500hPa高度场外，所有项目的正相关点数都多于负的点数，正点数较多的是850hPa经向风和纬向风场，达到信度点数最多的是200hPa纬向风场，最少的是500hPa高度场。对比显示南半球风场预报比北半球风场预报效果好，200hPa纬向风､经向风场和850hPa经向风场高相关的点数对比南半球也偏多。从全球达到信度的正相关点数考虑，200hPa纬向风场为609个点，850hPa纬向风场为556个点，500hPa高度场最少，为413个点，所以，200 hPa纬向风场和850hPa纬向风场预报效果最好，500hPa高度场最差。

表 1

表 1 NCC_CGCM模式1983—2002年6—8月预报场与同期NCEP实况场相关点数统计 Table 1 The correlation of NCC_CGCM outputs to NCEP observation during June-August from 1983 to 2002

表 1 NCC_CGCM模式1983—2002年6—8月预报场与同期NCEP实况场相关点数统计 Table 1 The correlation of NCC_CGCM outputs to NCEP observation during June-August from 1983 to 2002

图 1是NCC_CGCM夏季5个预报场分别与同期NCEP实况场20年相关的空间分布。200hPa纬向风场预报效果最好的区域主要集中在赤道附近，正相关系数达到0.42以上的区域出现在南印度洋的西北部､赤道西太平洋､赤道东太平洋和南美洲北部，最高相关系数出现在赤道西太平洋新几内亚东北的海洋上空，达到0.6以上；200hPa经向风场预报效果最好的区域主要分布在中太平洋和南半球，最高正相关系数出现在赤道西太平洋北部和南极附近，达到0.6以上；850hPa纬向风场预报的正相关系数达到0.42以上的区域主要出现在印度洋至太平洋热带地区，最高达到0.6以上区域在赤道中太平洋和南极附近；850hPa经向风场预报效果最好的区域在北太平洋中西部，正相关系数也达到0.6以上；500hPa高度场预报正相关系数达到0.42以上的区域位于欧洲东南部､俄罗斯北部高纬度地区､太平洋中北部､澳大利亚东南部的南太平洋等地，超过0.6的区域在新西兰附近。

图 1

图 1. 1983-2002年夏季NCC_CGCM5个预报场与同期NCEP实况场相关的空间分布 （阴影部分为达到90%信度的区域） Fig 1. The correlation distribution between NCC_CGCM and the observation of NCEP in summer at 5 fields from 1983 to 2002 (the shaded denotes passing the test of 90% level)

通过对5个预报场效果检验可以看到，虽然模式预报的夏季环流与实况相比有差异，有明显的反相关区，但也存在显著的正相关区，如果预报对象与这些区域有较好的关联，就可以利用这些显著的正相关区进行解释预报应用。

我国夏季降水按统计分类可分为3类雨型^[9]:Ⅰ类是中间少南北多，长江以少为主；Ⅱ类是江淮黄淮多，长江以南偏少；Ⅲ类是长江以南偏多。所以长江流域降水的多少在很大程度上决定了夏季降水雨型的分布，也一直是汛期气候预测的重点。下面就以长江中下游夏季降水指数^[10]为例，构建预报的EOF分析迭代矩阵。

根据1951年以来的诊断分析，影响长江中下游降水异常的因子很多^[11-18]，但环流异常是导致降水异常的直接原因:当东亚阻塞高压在鄂霍次克海出现时，长江中下游降水异常偏多。图 2a和2b分别为1983—2002年夏季长江中下游降水指数与同期NCEP500hPa高度实况场､NCC_CGCM 500hPa高度预报场的相关分布。实况统计表明:当鄂霍次克海出现东亚阻塞高压､西太平洋副热带高压偏强且位置偏南､偏西时，长江中下游降水异常偏多，如1969，1983，1998年等，所以在相关分布图中，北半球130°E附近出现了“+-+"的经向分布 (图 2a)；在与NCC_CGCM500hPa高度预报场的相关分布 (图 2b) 中，120°E附近也出现了“+-+"的经向分布，只是中心略有偏移，而且南面的正相关中心值不高 (说明NCC_CGCM对西太平洋副热带高压的预测效果不理想)。对比这两张相关图的分布，相关同号且都超过95%信度 (相关系数≥0.42) 的格点有10个，主要分布在贝加尔湖—巴尔克什湖之间､南半球澳大利亚南面和新西兰岛东面的海域；同样200hPa纬向风､200hPa经向风､850hPa纬向风和850hPa经向风场相关同号且都超过95%信度 (相关系数≥0.42) 的格点数分别为41，30，60和33，分布区域见表 2。

图 2

图 2. 1983-2002年长江中下游夏季降水指数与夏季500hPa高度场的相关分布（阴影部分为达到90%信度的区域） （a）NCEP实况场，（b）NCC_CGCM模式预报场 Fig 2. The correlation distribution between summer precipitation index over the mid-lower reaches of the Yangtze and 500 hPa height field from 1983 to 2002(the shaded denotes passing the test of 90% level) (a) NCEP data, (b) NCC_CGCM outputs

表 2

表 2 1983—2002年夏季长江中下游降水指数与预报场､NCEP实况场相关同号且超过95%信度的格点统计及分布区域 Table 2 Statistics and distribution of correlations between summer precipitation index of the mid-lower reaches of the Yangtze and NCC_CGCM, NCEP with passing the test of 95% level from 1983 to 2002

表 2 1983—2002年夏季长江中下游降水指数与预报场､NCEP实况场相关同号且超过95%信度的格点统计及分布区域 Table 2 Statistics and distribution of correlations between summer precipitation index of the mid-lower reaches of the Yangtze and NCC_CGCM, NCEP with passing the test of 95% level from 1983 to 2002

为了提高预报准确率，选取表 2中相关较好区域的格点资料进行EOF分析。表 3为利用表 2格点预报资料构建的EOF迭代矩阵，预报2003—2007年长江中下游夏季降水指数距平，使用的相关阶段为1983年至预报前1年，相关系数临界值取±0.40。2003—2007年长江中下游夏季降水指数均为负值，表示降水偏少。在这5年的预报试验中，2003，2005，2006年和2007年都是4个场预报降水偏少､1个场预报降水偏多，预报偏少的概率为80%，综合场也是预报偏少，与实况一致；而2004年虽然有3个场预报降水偏少､2个场预报降水偏多，预报偏少的概率为60%，但综合场却为降水正常略偏多，与实况正常偏少相反。2004年5个场预报的概率优势与综合场预报符号相反的原因是:5个场中两个预报降水偏多的场达到信度的相关点数比预报降水偏少的3个场点数多了近1倍，在EOF分析迭代中占有主导地位，使得最后综合场的预报结果倾向偏多，在这种情况下如果取5个预报场各自预报结果的概率优势，预报趋势就是偏少，与实况一致，所以，从这个预报试验来看，解释应用对长江中下游夏季降水指数预报有较好的效果。

表 3

表 3 用NCC_CGCM输出的不同要素解释2003—2007年长江中下游夏季降水指数距平预报 Table 3 The downscaling of summer precipitation index anomaly over the mid-lower reaches of the Yangtze using NCC_CGCM different fields from 2003 to 2007

表 3 用NCC_CGCM输出的不同要素解释2003—2007年长江中下游夏季降水指数距平预报 Table 3 The downscaling of summer precipitation index anomaly over the mid-lower reaches of the Yangtze using NCC_CGCM different fields from 2003 to 2007

对2003—2007年的长江中下游夏季降水距平百分率预报进行了对比 (表 4)。在5年的预报试验中，模式的直接输出结果只有2007年正确 (距平符号一致)，用未挑选的模式环流场的预报结果有3年正确，而用挑选的模式环流因子的预报有4年正确，可见，用经过挑选的有效因子进行解释应用比模式直接预报及用未挑选的模式环流做预报效果好，预报能力有提高，这是因为模式的环流预测比降水预测的可信度高，所以用环流因子解释的效果比降水直接输出好；由于模式的环流预测与实况仍有差距，不是每个区域都有预报能力，所以挑选模式有预报能力的区域预报值来做解释应用，效果要好于用未挑选的环流预报的结果，但在5年的试验中仍有1年预报不正确，原因是模式对关键区的预测不正确所导致。

表 4

表 4 2003—2007年夏季长江中下游降水距平预报与实况对比 Table 4 The observation and forecast with different methods of summer precipitation index anomaly over the mid-lower reaches of the Yangtze from 2003 to 2007

表 4 2003—2007年夏季长江中下游降水距平预报与实况对比 Table 4 The observation and forecast with different methods of summer precipitation index anomaly over the mid-lower reaches of the Yangtze from 2003 to 2007

用同样的方法预报了2003-2007年全国15个区域夏季降水指数^[9-10](表 5)。15个区域的预测效果相比，预测与实况距平符号一致率达到80%的有3个区，除长江中下游以外还有内蒙古区和江南区；距平符号一致率为60%的也有3个区:华北､云南和青藏高原；距平符号一致率为40%的有6个区:淮河､华南､云南､河套和河 (套) 西部及新疆北部；距平符号一致率只有20%的主要在东北和新疆南部地区。由此可以看出，不是每个区域都有较好的解释预报效果。

表 5

表 5 2003—2007年全国15个区域夏季降水指数距平综合预测及实况 Table 5 The observation and downscaling of summer precipitation index anomaly over 15 regions from 2003 to 2007

表 5 2003—2007年全国15个区域夏季降水指数距平综合预测及实况 Table 5 The observation and downscaling of summer precipitation index anomaly over 15 regions from 2003 to 2007

另外，在长江中下游2004年预测中取预测趋势概率的方法，在其他14个区域5年的预报中，没有表现出明显的优势:在新疆南部区域将距平符号一致率提高到60%，但在江南区却将距平符号一致率降低至60%，还有5个区域降低了20%，所以取平均的方式不适宜推广。

在预测过程中还有一个特点，有的预报场在解释应用中找不到达到信度的点，如200hPa纬向风场和500hPa高度场没有找到5个以上达到信度的点来预测云南区，500hPa高度场也没能找到5个以上达到信度的点来预测河套区和河西区等。出现这种情况主要因为预报对象与这些环流实况场的相关程度本身就不显著；在与实况相关显著的区域，模式预报的效果不高､不稳定。这两个方面都是预报员无法解决的，所以在用模式做解释应用之前要多了解影响预报对象的因子，了解模式的预报性能，只有这样才能使释用有成效。

1) NCC_CGCM模式2月的初始场对夏季500hPa高度场，200hPa纬向风､经向风场，850hPa纬向风和经向风场预报结果与实况有一定的差距，但也存在预报效果好的区域；在5个预报场1983—2002年的检验对比中发现，预报效果最好的是200hPa和850hPa纬向风场，正相关达到95%信度的点数最多，500hPa高度场正相关达到95%信度的点数最少。

2) 用5个预报场解释2003—2007年长江中下游夏季降水指数的试验显示出，除500hPa高度场预报的效果较低外，其他4个预报场预报效果都较高，将5个预报场综合使用效果最好。对比显示，挑选模式有预报能力的区域值来做解释应用，效果要好于模式的直接预报以及用未挑选的环流预报结果。

3) 通过利用NCC_CGCM模式5个预报场解释全国15个区的夏季降水指数结果对比表明，只有长江中下游､江南区和内蒙古区的检验效果达到80%的准确率，华北区､川贵区和青藏高原区达到60%，其他区的效果较差。这个结果说明预测的复杂性及预测因子的多元化，EOF的解释方法只适合局部地区，在上述预测效果较差的区域，需要从其他角度出发做进一步研究。