浙江省2007—2014年短期气候预测质量检验综合评析与相关思考

马 浩 徐超俊 张纪伟

(1. 浙江省气候中心，浙江 杭州 310017；2. 浙江省气象局科技与预报处，浙江 杭州 310002)

浙江省2007—2014年短期气候预测质量检验综合评析与相关思考

马 浩1徐超俊2张纪伟2

(1. 浙江省气候中心，浙江 杭州 310017；2. 浙江省气象局科技与预报处，浙江 杭州 310002)

短期气候预测是气象部门的核心业务之一。中国气象局预报与网络司先后于2009年和2013年出台了Pg和Ps两种评分方案，用来评定短期气候预测质量。本文从多个角度研究了浙江省2007年3月—2014年12月气温和降水的月预测评分结果，发现浙江省气温预测评分略高于全国平均和华东区域平均，降水预测优于全国平均和华东区域平均。从平均得分来说，浙江省气温预测排名居于全国中游前列，降水预测位居全国前列。2013年以来，相较于国家气候中心指导预测，浙江省实际发布气温和降水预测分别表现出微弱的负技巧和显著正技巧。通过个例分析，进一步发现能否科学对待指导预测、避免因循守旧的观念干扰是影响预测效果的重要非智力因素。最后对新评分体系下业务开展中值得注意的几个问题进行了相关讨论。

气温预测；降水预测；Ps评分；成因分析；异常量级

0 引 言

随着气象科技的快速发展和服务需求的不断提升，短期气候预测日益成为气象部门的核心业务之一。一方面，从气象预报的整体格局来看，短期气候预测为短期、中期天气预报提供气候背景，是时效最长的基础预报。近年来公众对气候预测的认知水平显著提高，人们不仅关心未来三天的天气状况，也关心未来较长时间内气象变化的整体趋势，如梅雨何时结束、台风何时到来、春季是否有倒春寒等，从而为短期气候预测开拓了广阔的服务空间。另一方面，在全球气候变暖背景下，极端天气气候事件频发[1-2]，高影响事件造成的气象灾害越来越重[3]。从预报角度来说，预报的提前量与灾害损失之间呈现显著的反比关系，预报提前得越早，则抗灾准备越充分、灾害损失越小[4-5]。气候预测结论在一定程度上指引着防灾减灾的前期部署和科学调度。国家气候中心每年3月举行多部门参与的汛期气候趋势预测联合会商，对6—8月汛期气候的总体趋势进行宏观把握[6-7]，意义即在此。

我国的短期气候预测业务经历了从无到有、从简单到详细、从定性到定量的演进过程。随着预测机理的不断深化和预测方法的不断增多[8-12]，在国家级和省级两个层面，短期气候预测产品已进入常态化、定量化发布阶段。就预测内容而言，主要针对气温和降水开展预测。按照中国气象局预报与网络司(以下简称预报司)的统一要求，作为业务考核的重要内容，国家气候中心与各省(市、区)气候中心应在每月末提供次月气温距平和降水量距平百分率的预测结果、同时在每个自然季节(春、夏、秋、冬四季)开始之前提供针对自然季节的预测结果。与之相对应的，是短期气候预测质量检验方案应运而生。

预测的均方误差为：

气候学意义上预测的均方误差为：

从而在站点j处的MSSS可定义为：

表1 气温、降水趋势预测六级检验评分制单站评分规则

为了更好地展示短期气候预测质量检验结果，国家气候中心2013年研发了“气候预测产品检验综合信息发布平台”(http://10.1.64.147/ycjy/)，实时展示国家气候中心和各省(市、区)气候中心月预测的评分结果。该平台提供了全国各省市2007年3月至今的月预测评分，从2013年1月开始逐月发布针对预测质量检验的评估报告。

需要指出的是，从短期气候预测业务本身来说，对评分结果的分析长期以来没有引起足够的重视，专题探讨的论文和著作很少。其中的原因，很大程度上是由于预报员没有挖掘出评分研析的价值、以及评分结果所蕴含的指示意义。尽管现今采用的评分方案存在一定的缺陷，然而在“全国一把尺”的大背景下，评分结果能够客观真实地反映出浙江省气候预测水平在全国所处的位置、以及近年来预测能力的变化；通过和其它省市的比较，能够理性地发掘出我们的预报优势和差距所在，思考预报策略中存在的问题。从这个意义上来说，对评分结果的分析能够“反哺”业务、找出预测中存在的问题和不足，为今后改进预测策略、改善预测效果提供依据。

本文基于“气候预测产品检验综合信息发布平台”提供的月预测评分数据，对2007年3月—2014年12月浙江省逐月短期气候预测评分结果展开分析。通过对浙江评分、全国平均评分、华东区域平均评分、国家气候中心指导预测评分的比较，多角度呈现了8年来浙江气温和降水预测的总体情况；结合“预测成功”和“预测失败”的具体案例，从一个独特的视角——“预测形成”的非智力因素角度剖析了预测成败的深层次原因。最后提出了若干思考和建议。

1 浙江省短期气候预测质量与全国和区域预测质量的综合比较

为了将浙江省短期气候预测质量与全国和区域预测质量进行横向比较，我们提取了2007年3月—2014年12月浙江省、全国平均、华东区域平均的逐月评分，从气温预测(即气温距平预测)和降水预测(即降水量距平百分率预测)两个角度分别进行考量。需要说明的是，由于预报司的评价体系在2013年发生了变化、由Pg评分改为Ps评分，因此2013年之前和之后的评分分别为Pg评分和Ps评分。

1.1 气温预测

从气温预测评分来看(图1)，浙江省得分经历了3个阶段的变化：2007年3月—2008年3月总体而言得分不高(期间2007年10月未及时上传预测数据、得分为0分)，平均得分在70分左右；2008年4月—2013年12月得分较为稳定且处于较高水准，平均得分居于80～90分之间；2014年1月—2014年12月得分出现较大起伏，既有满分或近满分月，也有得分小于20分的低分月。

与全国平均得分相比，上述3个阶段也表现出鲜明的特点：2007年3月—2008年3月浙江省得分与全国平均得分相比没有明显优势；2008年4月—2013年12月浙江省得分总体高于全国平均得分，其中2008年4月—2009年8月为显著偏高时段；2014年1月—2014年12月由于出现了3月、8月、12月3个低分月，总体低于全国平均得分。

与华东区域平均得分相比，上述3个阶段的前2个阶段表现出相似的特征：2007年3月—2008年3月总体低于区域平均得分，2008年4月—2013年12月总体高于区域平均得分。值得注意的是，2014年1月以来，华东区域平均得分也出现了较大起伏，且高分与低分月份与浙江省基本相同，说明区域气候自2014年1月以来出现了较大调整、呈现出与以往不同的特点，从而直接影响了评分结果。

从2007年3月—2014年12月全时段平均得分来看，浙江省、全国平均、华东区域平均平均得分分别为75.61、74.50、75.57分，浙江省平均得分略高。

从2007年3月—2014年12月气温预测的平均得分排名来看(图2)，浙江位居全国中游前列(75.61分，第13名)，排名高于华东区域平均(75.57分，第14名)和全国平均(74.50分，第17名)。从全国总体情况来看，除云南(80.97分，第1名)和西藏(80.24分，第2名)得分具有较大优势外，青海(77.92分，第3名)—陕西(74.30分，第18名)得分差距并不大。浙江排名第13位一方面是由于2007年10月延误上传预测数据导致当月得分为0分，若该月得分正常，应当可以继续前进2—3个位次；另一方面是由于2014年气温预测整体效果不理想，出现了3个低分月。宏观而言，得分领先较多的云南和西藏可视为“第一集团”，包括青海、福建、天津、上海、北京、重庆、安徽、江西、宁夏、浙江、湖北、江苏、陕西在内的13省(市、区)可视为“第二集团”，得分居于74—78分之间。第二集团的各地区之间差距较小，通过改善预测质量将浙江排名提升2—3个位次是完全可期的。

图1 2007年3月—2014年12月浙江省、全国平均、华东区域平均气温预测逐月Ps评分

图2 2007年3月—2014年12月全国各省(市、区)气温预测逐月评分平均值(按得分从高到低排列)

1.2 降水预测

从降水预测评分来看(图3)，浙江省2007年3月—2014年12月评分呈现出可喜的缓慢上升趋势，说明浙江省降水预测能力近几年逐步提高。与全国平均和华东区域平均相比，可以看出，尽管全国平均和华东区域平均得分也表现出一定的上升趋势，但上升速率明显慢于浙江省。

从时间变化来看，由于降水的分布和演变特征更为复杂、可预测性更低[15]，因此得分的波动也更加明显。大体来说，2007年3月—2007年12月浙江省得分低于全国平均和华东区域平均(期间2007年10月未及时上传预测数据、得分为0分)；2008年1月—2009年9月浙江省得分显著高于全国平均和华东区域平均；2009年10月—2013年2月得分振幅有所增大，值得注意的是，华东区域平均得分的振幅自2013年1月起也开始增大，说明区域气候自2013年1月起出现了重要的调整或转折；2013年3月—2014年12月浙江省得分高于全国平均和华东区域平均，其中2014年4月起显著偏高。

就2007年3月—2014年12月全时段平均得分而言，浙江省、全国平均、华东区域平均平均得分分别为62.46分、58.71分、59.87分，浙江省平均得分较高且超过60分，说明降水预测总体效果较好。

图3 2007年3月—2014年12月浙江省、全国平均、华东区域平均降水预测逐月Ps评分

从降水预测全时段平均得分的排名来看(图4)，浙江位居全国前列(62.46分，第4名)、排名显著高于华东区域平均(59.88分，第15名)和全国平均(58.71分，第18名)，然而与排名前3位的江西(63.66分)、重庆(63.63分)、安徽(63.47分)相比仍有1分以上的差距。从华东区域的情况来看，除江西、安徽、浙江外，其余各省市分列第13名(上海)、第18名(江苏)、第20名(福建)、第30名(山东)，说明整个华东地区降水预测水平不平衡，既有全国领先省份、也有全国中游和排名靠后的省市。浙江居于华东区域第3位，虽然在全国排名靠前，但在华东区域并无明显优势。

图4 2007年3月—2014年12月全国各省(市、区)降水预测逐月评分平均值(按得分从高到低排列)

2 浙江省发布短期气候预测与国家气候中心指导预测的质量比较

从2013年1月开始，“气候预测产品检验综合信息发布平台”在发布各省(市、区)月预测Ps评分的同时，也提供国家气候中心针对该地区指导预测的评分结果。指导预测是各省(市、区)制作月预测的重要参考，按照预报司的现代气候业务统一布局，各地制作的短期气候预测产品实质上应是在指导预测基础上的“订正预测”。从这个意义上来说，对指导预测的修正至关重要，修正得好与坏直接影响最终预测结果。我们比较了2013年1月—2014年12月国家气候中心指导预测与浙江省实际发布预测的Ps评分。

2.1 气温预测

从气温预测来看(图5)，多数月份发布预测与指导预测之间的差别并不大，在这些月份中，既有预测效果较好的2013年2—3月、7—10月、2014年4月、11月，也有预测效果不理想的2014年6—8月、12月。有些月份发布预测对指导预测进行了较大幅度修正，其中修正成功的月份有2013年1月、12月、2014年10月，尤其是2014年10月成功地挽救了一个低分预测，在指导预测仅有28.6分的情况下，发布预测为100分；修正失败的月份有2013年4月、2014年1月、3月，其中2014年3月指导预测为97.7分，而发布预测仅有8.7分。2年来指导预测和发布预测平均得分分别为75.83分和74.51分，发布预测总体上表现为微弱的负技巧。

图5 2013年1月—2014年12月浙江省气候中心发布气温预测与国家气候中心指导预测的Ps评分比较

2.2 降水预测

从降水预测的情况来看(图6)，发布预测的修正幅度显然比气温预测更大，这在一定程度上是由于降水的局地性更强，预报员在借鉴指导预测结果的同时，还需要对降水落区进行更为细致的甄别和修正。整体上而言，发布预测基本遵循了指导预测的“基调”，进行了较大修正的月份有2013年2月、2013年6月、2014年6月、2014年12月。其中，2013年2月、2014年6月、2014年12月是修正成功的3个个例，2013年2月指导预测仅有15.2分，发布预测为85.7分；2014年6月指导预测为50.0分，发布预测为87.4分；2014年12月指导预测仅有3.0分，发布预测为94.4分。2年来指导预测和发布预测平均得分分别为58.69分和68.26分，发布预测总体上表现为显著的正技巧，说明浙江对降水指导预测具备较好的修正能力。

图6 2013年1月—2014年12月浙江省气候中心发布降水预测与国家气候中心指导预测的Ps评分比较

3 个例分析：成功与失败的理性思考

知其然，更要知其所以然。在分析浙江省短期气候预测评分演变的基础上，以下结合预测中的不同个例，探寻预测成败背后的原因。需要指出的是，预测成功与失败的原因是多方面的，涉及知识储备、预测思路、预测工具、预测方法、预测经验、预测习惯等多个环节，本文侧重于分析预测习惯、预测定势、预测观念等非智力因素，以期获得具有可操作性的认识、在今后的业务实践中更好地改善预测效果。

2014年4月和2014年2月分别是降水预测中的成功和失败个例。

3.1 预测成功案例

4月正值气候转换时节，预测难度较大。在3月下旬的气候分析中，预报员首先摒弃了“持续性预测”思维(即考虑3、4月降水的连续性)，着重从环流分析和模式集合的角度开展预测。通过环流演变分析，预报员作出了4月西太平洋副热带高压(西太副高)偏弱、脊线偏南的判断，进而推定4月降水的主落区不在江南北部；结合气候模式的预测结果，多数模式预测4月浙江大部降水偏少；最终给出了4月降水偏少的结论(图7a)。实况表明(图7b)，4月除湖州北部、平湖、石浦、平阳外，全省大部降水偏少，其中浙南大部、浙中局部地区偏少5成以上，预测与实况相符。

图7 2014年4月降水量距平百分率预测(a)与实况(b)

3.2 预测失败案例

2014年2月降水预测失败的背后有着深刻的根源。首先，从气候模式及其解释应用结果来看，部分结果支持降水偏少、部分结果支持降水偏多，然而支持降水偏少的成员数量占据优势；第二，1月降水偏少，历史上1、2月降水连续偏少的情形并不少见；第三，国家气候中心给出了长江中下游及其以南地区整体降水偏少的指导意见，虽然经过分析，预报员认为浙江全省偏少的可能性不大，然而“降水偏少”的基调却已打下了深深的烙印。由于环流预测结论为西太副高强度偏弱、脊线偏南、西伸脊点偏东，有利于浙江沿海地区降水偏多，因此预报员对指导预测结论进行了小幅修正，预测沿海降水偏多、其它地区降水偏少(图8a)。然而这一结论仍然与实况出入较大(图8b)。应当说，指导预测在相当程度上影响了预报员的倾向，在缺少物理依据的情况下，如何把握指导预测仍是实践中尚未解决的难题之一。

图8 2014年2月降水量距平百分率预测(a)与实况(b)

4 结 语

本文系统分析了2007年3月—2014年12月浙江省短期气候预测评分结果。通过和全国平均和华东区域平均评分的比较，发现浙江省气温和降水评分的起伏较大、预测效果不稳定，总体而言气温得分略高于全国平均和华东区域平均，排名居于全国中游前列(第13名)；降水得分显著高于全国平均和华东区域平均，排名居于全国前列(第4名)。与国家气候中心指导预测相较，气温发布预测表现为微弱的负技巧，降水发布预测表现为显著正技巧。

通过预测成功与失败的个例分析，探讨了非智力因素对预测结果的影响。坚持理性判断、科学分析指导预测有助于获得正确的结论；在缺少物理依据的情况下，轻易倒向指导预测意见将加大预测的风险。除此之外，以下问题值得进一步讨论。

1)为何2014年之后，气温预测的Ps评分显著下降？不可否认的是，预测定势在其中起到了重要作用。长期以来，气温预测中有两个重要的着眼点：一是全球增暖的气候背景；二是各月的气候平均态。关于第一点，在2010年之前，统一采用1971—2000年的气候平均值作为气温预测的参考基准，在气候增暖的背景下，预测“气温偏高”往往是较安全的策略、也为预报员所乐用；然而2010年之后，启用1981—2010年的气候平均值作为新的参考基准、较原先的平均值显著升高，而全球气候并非线性增暖、而是在增暖中会出现减缓和停滞[16-20]，这一现象在2000年之后表现得尤为明显，因此“气温偏高”预报策略在很大程度上失效。关于第二点，在前期信号较弱、模式结果之间存在较大差异即没有明确物理依据的情况下，预报员往往会偏向于“气候概率”预报策略、用“优势概率”来进行气候预测，如夏季易出现高温，则预报夏季月份气温偏高；冬季易出现低温，则预报冬季月份气温偏低。然而在全球变暖背景下，极端天气气候事件频发，在很大程度上打破了原先的气候概率和气候常态，2014年夏季连续出现低温月份就是一个鲜明的例子，因此“气候概率”预报策略面临着越来越大的风险。

2)如何科学应用国家气候中心指导预测？指导预测凝聚了国家气候中心多位专家的智慧，具有很高的参考价值，然而它也是面向全国的大范围预测、应用于区域未必准确，因此科学借鉴、有效吸收显得尤为关键。在分析指导预测时，首先应当注意指导预测的结论从何而来？重点参考了环流的影响、模式结果还是二者兼顾？其中确定性的结论有哪些、不确定的结论又有哪些？其次，应当对国家气候中心的区域预测能力有所了解。随着气候动力学特别是季风动力学理论的不断成熟[21-25]，国家气候中心对东部季风区的预测能力不断增强，该区域也是预测机理最为成熟的区域，然而这并不意味着对区域内各省(市、区)的预测在每个月都能达到较高的精度。从预测逻辑和预测技巧两方面入手，才能对指导预测进行有针对性的订正，力求“锦上添花”、“雪中送炭”。

3)Ps评分体系的启用对浙江省气候预测业务有何启示？在预测实践中，预报员的预测倾向往往偏保守，“略偏高”、“略偏低”、“略偏多”、“略偏少”之类的用语频繁出现。保守的预测习惯与极端天气气候事件频发的现状是不相适应的，从逐月气候的实况来看，正常量级极少出现、异常气候的发生概率很高。为了鼓励预报员预测异常量级，预报司用Ps评分方案取代了原先的Pg评分，如果仍然沿袭保守的预测习惯，势必会在评分上蒙受损失。举例来说，2013年1月，气温预测符号正确的有45站、但并未预报出异常量级，Ps得分仅为68.2分；2013年9月，降水预测同样有45站符号正确、且其中1站一级异常预报正确，Ps得分达到81.4分，可见预测异常量级的重要性。从服务角度来说，预测异常和极端气候也是提高服务水平的必然要求。新的评分体系要求预报员不能仅仅满足于对气候趋势的把握，更要树立“敢于预测异常”的理念，更好地满足服务需求。

评分是展示短期气候预测效果的一面镜子。诚然，任何评分体系都不是完美的，Ps评分方案同样带有主观性和人为性，然而评分的出现为全国各省(市、区)提供了统一的度量标准，使得不同地区的预测质量能够在同一平台上进行比较。从这个意义上来说，研究评分的目的在于“由果索因”，通过对评分的分析反思预测中的成败得失。本文从多个角度分析了2007年以来浙江省短期气候预测评分，然而仅限于月预测；由于季预测评分尚未完整发布，这样的分析显然不够全面。待季预测评分正式发布后，将月、季评分放在一起两相对比，将会得到更加完整、深刻、系统的认识，更好地“反哺”预测业务。

[1] Rahmstorf S, Coumou D. Increase of extreme events in a warming world[J]. Proceedings of the National Academy of Sciences, 2011, 108(44): 17905-17909.

[2] Peterson T C, Hoerling M P, Stott P A, et al. Explaining extreme events of 2012 from a climate perspective[J]. Bulletin of the American Meteorological Society, 2013, 94(9): S1-S74.

[3] 杨秋明.10-30天延伸期天气预报及发展趋势[J].中国新技术新产品，2008，23(7)：96-97.

[4] 丁一汇.我国短期气候预测业务系统[J].气象，2004，30(12)：11-16.

[5] 马浩，雷媛，毛燕军，等.高分辨率区域海-气耦合模式：短期气候预测新的春天[J].浙江气象，2014，35(2)：6-11.

[6] 王绍武.短期气候预测的可预报性与不确定性[J].地球科学进展，1998，13(1)：8-14.

[7] 汤懋苍.短期天气预报与短期气候预测发展道路的对比思索[J].干旱气象，2004，22(1)：57-64.

[8] 赵振国.我国短期气候预测的业务技术发展[J].山东气象，2001，21(3)：4-7.

[9] 赵振国，刘海波.我国短期气候预测的业务技术发展[J].浙江气象，2003，24(3)：1-6.

[10] 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.

[11] 李维京.现代气候业务[M].北京：气象出版社，2012：480.

[12] 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.

[13] 李清泉，丁一汇，张培群.一个全球海-气耦合模式跨季度汛期预测能力的初步检验和评估[J].气象学报，2004，62(6)：740-751.

[14] 何慧根，李巧萍，吴统文，等.月动力延伸预测模式业务系统DERF2.0对中国气温和降水的预测性能评估[J].大气科学，2014，38(5)：950-964.

[15] 王会军.试论短期气候预测的不确定性[J].气候与环境研究，1997，2(4)：333- 338.

[16] Solomon S, Plattner G K, Knutti R. Irreversible climate change due to carbon dioxide emissions[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(6): 1704-1709.

[17] Abraham J P, Baringer M, Bindoff N L. A review of global ocean temperature observations: Implications for ocean heat content estimates and climate change[J]. Reviews of Geophysics, 2013, 51(3): 450-483.

[18] Kaufmann R F, Kauppi H, Mann M L, et al. Reconciling anthropogenic climate change with observed temperature 1998-2008[J]. Proceedings of the National Academy of Sciences of the United States of America, 2011, 108(29): 11790-11793.

[19] Kosaka Y, Xie S-P. Recent global-warming hiatus tied to equatorial Pacific surface cooling[J]. Nature, 2013, 501(7467): 403-407.

[20] Chen X, Tung K-K. Varying planetary heat sink led to global-warming slowdown and acceleration[J]. Science, 2014, 345(6199): 897-903.

[21] Wang B, Ding Q, Fu X, et al. Fundamental challenges in simulation and prediction of summer monsoon rainfall[J]. Geophysical Research Letters, 2005, 32(15), L15711, doi: 10.1029/2005GL02273412.

[22] Wang B, Ding Q. Changes in global monsoon precipitation over the past 56 years[J]. Geophysical Research Letters, 2006, 33(6), L06711, doi: 10.1029/2005GL025347.

[23] Wang B, Lee J-Y, Kang I-S, et al. Advance and prospectus of seasonal prediction: Assessment of the APCC/CliPAS 14-model ensemble retrospective seasonal prediction (1980-2004)[J]. Climate Dynamics, 2009, 33(1): 93-117.

[24] 丁一汇，孙颖，刘芸芸，等.亚洲夏季风的年际和年代际变化及其未来预测[J].大气科学，2013，37(2)：253-280.

[25] Wang B, Lee J-Y, Xiang B. Asian summer monsoon rainfall predictability: A predictable mode analysis[J]. Climate Dynamics, 2015, 44(1-2): 61-74.

2015-07-20