基于2002—2025年IRI(International Research Institute for Climate and Society)实时多模式预测资料,构建了一个面向事件的ENSO(El Nino-Southern Oscillation)峰值诊断框架,定量评估预测系统对峰值强度与峰值时间两项关键特征的可...基于2002—2025年IRI(International Research Institute for Climate and Society)实时多模式预测资料,构建了一个面向事件的ENSO(El Nino-Southern Oscillation)峰值诊断框架,定量评估预测系统对峰值强度与峰值时间两项关键特征的可预报性。尽管IRI系统在ENSO时间序列上可维持8~9 mon的较高技巧,但传统统计指标难以反映具体事件在峰值阶段的系统性偏差。结果表明,随着预报时效延长,预测的峰值强度普遍减弱,并呈现出显著的强度依赖特征。中等和强事件往往被低估,但弱事件更容易被高估。在模式差异方面,动力模式在再现中、强事件的峰值振幅上更有优势,但在弱事件中,统计模式的预测反而更接近观测。在峰值时间方面,模式预测普遍存在偏晚现象,并且滞后误差会随着预报时效持续累积。峰值时间偏差还呈现明显的冷暖不对称结构,拉尼娜事件的滞后程度显著强于厄尔尼诺事件。在不同模式类型的比较中,统计模式在拉尼娜事件中的峰值时间偏差远大于动力模式,而在厄尔尼诺事件中两类模式的差异相对较小。总体而言,本研究揭示了现有ENSO预测系统在峰值特征上的偏差结构,并指出动力与统计模式的互补性,为改进多模式集合策略和提升ENSO预测性能提供了科学依据。展开更多
为评估Pangu气象大模型对极端暴雨的预报能力,以2021年郑州“7·20”极端暴雨事件为对象,基于ERA5再分析数据,在2021年7月10—20日时段内,对比Pangu、欧洲中期天气预报中心综合预报系统(ECMWF IFS)和GraphCast三类模型的预报性能,...为评估Pangu气象大模型对极端暴雨的预报能力,以2021年郑州“7·20”极端暴雨事件为对象,基于ERA5再分析数据,在2021年7月10—20日时段内,对比Pangu、欧洲中期天气预报中心综合预报系统(ECMWF IFS)和GraphCast三类模型的预报性能,定量分析覆盖东亚区域(10°N~60°N、80°E~140°E),定性评估聚焦郑州区域(34°N~35°N、112°E~114°E),重点考察500、700和850 h Pa层的位势高度、温度与风场。结果表明:Pangu模型在位势高度与风场预测上优势显著,500 h Pa高度场均方根误差(RMSE)较ECMWF IFS降低18.6%、较GraphCast降低9.2%,能精准捕捉大气动力系统演变;ECMWF IFS温度预报稳定性较好;Graph Cast在多数要素上存在明显偏差。综上,Pangu模型在此次极端暴雨事件中展现出最优的综合预报性能。展开更多
文摘基于2002—2025年IRI(International Research Institute for Climate and Society)实时多模式预测资料,构建了一个面向事件的ENSO(El Nino-Southern Oscillation)峰值诊断框架,定量评估预测系统对峰值强度与峰值时间两项关键特征的可预报性。尽管IRI系统在ENSO时间序列上可维持8~9 mon的较高技巧,但传统统计指标难以反映具体事件在峰值阶段的系统性偏差。结果表明,随着预报时效延长,预测的峰值强度普遍减弱,并呈现出显著的强度依赖特征。中等和强事件往往被低估,但弱事件更容易被高估。在模式差异方面,动力模式在再现中、强事件的峰值振幅上更有优势,但在弱事件中,统计模式的预测反而更接近观测。在峰值时间方面,模式预测普遍存在偏晚现象,并且滞后误差会随着预报时效持续累积。峰值时间偏差还呈现明显的冷暖不对称结构,拉尼娜事件的滞后程度显著强于厄尔尼诺事件。在不同模式类型的比较中,统计模式在拉尼娜事件中的峰值时间偏差远大于动力模式,而在厄尔尼诺事件中两类模式的差异相对较小。总体而言,本研究揭示了现有ENSO预测系统在峰值特征上的偏差结构,并指出动力与统计模式的互补性,为改进多模式集合策略和提升ENSO预测性能提供了科学依据。
文摘为评估Pangu气象大模型对极端暴雨的预报能力,以2021年郑州“7·20”极端暴雨事件为对象,基于ERA5再分析数据,在2021年7月10—20日时段内,对比Pangu、欧洲中期天气预报中心综合预报系统(ECMWF IFS)和GraphCast三类模型的预报性能,定量分析覆盖东亚区域(10°N~60°N、80°E~140°E),定性评估聚焦郑州区域(34°N~35°N、112°E~114°E),重点考察500、700和850 h Pa层的位势高度、温度与风场。结果表明:Pangu模型在位势高度与风场预测上优势显著,500 h Pa高度场均方根误差(RMSE)较ECMWF IFS降低18.6%、较GraphCast降低9.2%,能精准捕捉大气动力系统演变;ECMWF IFS温度预报稳定性较好;Graph Cast在多数要素上存在明显偏差。综上,Pangu模型在此次极端暴雨事件中展现出最优的综合预报性能。
