為什么NCEP-CFSv2模式對11月西伯利亞高壓強度的預測性能較好

楊洪卿 范可 田寶強 華維

1 中山大學大氣科學學院/南方海洋科學與工程廣東省實驗室（珠海），珠海 519082

2 成都信息工程大學大氣科學學院，成都 610225

3 中國科學院大氣物理研究所竺可楨—南森國際研究中心，北京 100029

1 引言

由于海陸熱力差異的影響，冬半年在歐亞大陸對流層低層形成一個季節性大氣活動中心—西伯利亞高壓。作為東亞冬季風的關鍵系統，西伯利亞高壓是影響歐亞地區冬季氣溫和降水年際變率的主要因子之一（施能等,2000;龔道溢等,2002;Gong and Ho,2002;李勇等,2007;Hasanean et al.,2013）。同時，其強度和位置的變化會對歐亞地區極端低溫、降水以及霧霾等天氣事件產生影響（楊蓮梅等,2006;麻巨慧等,2009;Iqbal et al.,2013;Jia et al.,2015;Zhang et al.,2016;Song and Wu,2017;Riaz and Iqbal,2017）。例如，2012年1～2月歐亞大陸極端低溫事件發生時，西伯利亞高壓強度達到1979年以來的最大值（Wu et al.,2017）。因此，準確地預測西伯利亞高壓強度對歐亞地區冬季氣候形勢的預測有著重要意義。

西伯利亞高壓在動力和熱力因子共同作用下形成，地表輻射冷卻和大尺度下沉運動是高壓加強和維持的主要原因（Ding and Krishnamurti,1987;Ding,1990;丁一匯等,1991;謝安等,1992）。在全球變暖的背景下，冬季西伯利亞高壓強度在1975年前后有明顯的減弱趨勢（Sahsamanoglou et al.,1991;龔道溢和王紹武,1999;Panagiotopoulos et al.,2005）。此外，已有研究表明11月與12～1月西伯利亞高壓強度的關系存在年代際變化，1978年之前11月與12～1月西伯利亞高壓強度一致變化，之后相反（Chang and Lu,2012）。進一步研究表明，造成1978年以后11月與12～1月西伯利亞高壓強度相反的原因是9月北極海冰對11月與12～1月北極地區熱通量、北大西洋風暴軸和烏拉爾山阻塞高壓頻次的響應不同（Lü et al.,2019）。

已有研究表明，西伯利亞高壓強度不僅受北極濤動、北大西洋風暴軸等大氣內部變率的影響，同時也受海溫、海冰以及積雪等下墊面變化的影響（Wagner,1973;Parkinson,1990;Gong et al.,2001;曾鼎文等,2015;李棟梁和藍柳茹,2017）。冬季北極濤動處于負位相時，冬季的西伯利亞高壓強度越強，東亞冷涌事件頻發（Gong et al.,2001;Park et al.,2011）。同時，當冬季北大西洋風暴軸位置偏北時，高緯地區的西風增強，使得冬季西伯利亞高壓強度減弱（曾鼎文等,2015）。除了大氣內部變率對西伯利亞高壓強度的影響，9月巴倫支海—喀拉海海冰的減少會使冬季極地至中高緯的經向溫度梯度減弱，西伯利亞地區緯向西風減弱，更多的冷空氣在此地堆積，冬季西伯利亞高壓強度增強（Parkinson,1990;武炳義等,2011;Chen et al.,2018;武炳義,2018）。冬季北大西洋海溫異常通過影響烏拉爾山阻塞高壓的強度，也造成同期西伯利亞高壓強度的變化（李棟梁和藍柳茹,2017）。此外，冬半年歐亞大陸積雪的變化會對歐亞地區大氣環流以及東亞地區氣候造成影響（Wagner,1973;Barnett et al.,1988;葛旭陽和周霞瓊,2001;Robinson and Kukla,2010;陳紅,2017;Xu et al.,2018）。對于西伯利亞地區而言，10月該地區積雪覆蓋率異常增加，造成10～11月對流層低層向平流層傳播的波活動通量增加，平流層增暖，使得冬季平流層向對流層低層傳播的波活動通量加強，對流層低層位勢高度降低，冬季北極濤動出現負位相（Cohen et al.,2001;Cohen and Fletcher, 2007;Jaiser et al.,2013）。同時，歐亞地區積雪覆蓋率的變化也會通過改變地表輻射收支影響對流層低層大氣環流系統（Cohen and Rind,1991;Cohen,1994;陳海山和孫照渤,2003;張天宇等,2007）。

目前，大多數國內外先進的氣候模式對東亞冬季風的預測能力非常有限，其中對風場的預測能力由赤道向中高緯地區遞減，且利用中高緯關鍵系統定義的東亞冬季風強度指數的預測準確度則更低（張剛,2012;Yang and Lu,2014;Tian et al.,2018）。西伯利亞高壓是東亞冬季風中高緯系統的重要組成部分，科學系統地評估和提高西伯利亞高壓的預測能力將有助于東亞冬季風預測能力的提升。本文利用美國國家環境預測中心第二代氣候預測系統（NCEP-CFSv2，National Center for Environment Prediction-Climate Forecast System,version 2）對冬半年（11～2月）及逐月西伯利亞高壓的預測能力進行系統地評估，進而分析西伯利亞高壓的可預測來源和原因，為改進氣候模式對西伯利亞高壓的預測效能提供基礎。

2 數據和方法

本文使用美國國家環境預測中心—國家大氣研究中心1948～2019年月平均再分析資料（Kalnay et al.,1996），包括海平面氣壓場、經向風場和緯向風場等水平分辨率為2.5°（緯度）×2.5°（經度）的大氣環流資料以及0～10 cm土壤溫度、對外長波輻射通量、潛熱通量和感熱通量場等高斯格點的地表資料。同時，采用美國羅格斯大學全球積雪實驗室1966～2019年分辨率為89個格點（緯向）×89個格點（經向）積雪覆蓋率資料，積雪覆蓋率表示格點內積雪覆蓋面積與總面積之比（Robinson and Kukla,2010）。為了便于對該積雪覆蓋率資料進行分析，將其雙線性插值為2.5°（緯度）×2.5°（經度）。

NCEP-CFSv2模式是美國環境預測中心研制的第二代海洋—陸地—海冰—大氣全耦合的實時動力預測系統。該數據的時間段為1982～2019年，由1982～2010年的回報試驗和2011～2019年的實時預測結果共同組成，其中每月隔5天分別從00時、06時、12時、18時（協調世界時，下同）這四個時刻的初始場開始積分，共24～28個集合成員回報當月并對未來8個月進行預測，其分辨率為1°（緯度）×1°（經度）（Saha et al.,2014）。例如，模式10月預測11月的結果即為模式提前1個月起報的結果，依次類推模式10～5月預測11月的結果即為模式提前1～6個月對11月預測的結果。GloSea5（Global Seasonal forecast system version 5）模式是英國氣象局研制的第五代大氣、陸地、海洋和海冰全耦合的全球季節至季節的預報系統。其英國氣象局版本數據的時間段為1993～2019年，由1993～2015年的回報試驗和2016～2019年的實時預測結果共同組成，對未來5個月進行預測，其分辨率為1°（緯度）×1°（經度）（MacLachlan et al.,2015）。

為了便于分析和評估，本文采用雙線性插值將模式資料插值成與觀測資料相同的分辨率，同時利用時間相關系數（TCC）、空間相關系數（PCC）及均方根誤差（RMSE）等指標來評估NCEPCFSv2模式對西伯利亞高壓的預測能力。此外，本文利用信噪比（SNR）的方法[公式（1）至公式（6）]評估集合模式的潛在可預測性（Phelps et al.,2004;Peng et al., 2011）。假設集合模式完美，模式集合平均的氣候態為準確預測的結果，將各子集合成員相對于集合平均的內部變率定義為模式的噪音[公式（1）至公式（4）]，集合平均的變率則看作可預測的部分，稱為模式的外部變率，即信號[公式（1）和公式（5）]。SNR為信號和噪音的比值[公式（6）]。因此，SNR越大表明模式潛在可預測性越高。

信噪比（SNR）的計算公式如下：

其中，A為模式預測的海平面氣壓場，i為模式中的某一個集合成員（M為集合成員的總數），α為模式預測的具體年份（Y為總的年份的長度），Aˉα為模式預測的每一年集合平均的結果，Aˉ為模式預測的集合平均的氣候態， σ2E為模式可預測的信號，σ2I為模式的噪音，SNR為信噪比。

本文采用Gong and Ho（2002）定義的西伯利亞高壓強度指數（SHI）即海平面氣壓場的區域（40°～60°N，70°～120°E）平均值，選取11～2月（+1）作為北半球的冬半年，利用1982～2018年NCEP-CFSv2模式提前1～6個月的預測結果對冬半年平均及逐月SHI的預測能力進行系統評估。

3 NCEP-CFSv2 模式對冬半年及逐月西伯利亞高壓強度的預測效能

3.1 實際預測效能

首先，利用NCEP-CFSv2模式對冬半年及逐月西伯利亞強度的預測效能進行評估。圖1a為1982～2018年冬半年（11～2月）及逐月觀測和NCEP-CFSv2模式提前1～6個月預測的SHI之間的時間相關系數（TCC），結果顯示模式對12月、1月、2月及冬半年平均的SHI的預測能力較低，其TCC接近于0甚至為負值。值得注意的是，模式對11月西伯利亞高壓具有較好的預測效能。1982～2018年，模式除了提前2個月對11月SHI預測TCC為0.23，未通過0.1的顯著性水平外，提前1、3、4、5和6個月預測的11月SHI的TCC分別為0.36、0.43、0.42、0.28和0.37，均通過0.1的顯著性水平。模式提前1～6個月預測的冬半年及逐月SHI的均方根誤差（RMSE）顯示11月的RMSE最小（圖1b）。其中，提前1個月起報時，11月SHI的RMSE為1.12，而12月、1月、2月及冬半年SHI的RMSE分別為1.37、1.40、1.23和1.43。故NCEP-CFSv2模式提前1～6個月對11月SHI的預測效能較之冬半年、12月、1月和2月相比是最好。

圖1 （a）1982～2018年冬半年（11月至次年2月）及逐月觀測與NCEP-CFSv2（National Center for Environment Prediction-Climate Forecast System, version 2）提前1～6個月預測的西伯利亞高壓強度指數（SHI）的時間相關系數（TCC），虛線為0.1的顯著性水平；（b）NCEPCFSv2提前1～6個月預測的SHI的均方根誤差（RMSE）Fig.1(a)Temporal correlation coefficient (TCC)of the Siberian high intensity index(SHI)during 1982–2018 in winter time(November–February),November,December,January,and February between the observed and predicted data by the National Center for Environment Prediction-Climate Forecast System version 2(NCEP-CFSv2)with 1-to 6-month leads.The dotted linesindicate significance at the 0.1 significance level.(b)Root mean square error (RMSE)of the SHI predicted by the NCEP-CFSv2 with 1-to 6-month leads

同時，選取GloSea5模式和NCEP-CFSv2模式重合的時間段（1993～2018年）比較兩個模式提前1～4個月對11月西伯利亞高壓的預測能力（圖略）。在1993～2018年NCEP-CFSv2和GloSea5模式提前1個月對11月SHI具有較好的預測能力。然而，較NCEP-CFSv2模式而言，GloSea5模式前2～4個月對11月SHI的預測能力較差，其TCC分別為?0.01，?0.24，0.22（均未通過0.1的顯著性水平）。

進一步分析NCEP-CFSv2模式對11月西伯利亞地區海平面氣壓場的預測能力。由1982～2018年觀測和NCEP-CFSv2模式提前1個月和6個月預測的11月海平面氣壓場的氣候態可知，11月觀測和模式預測的西伯利亞高壓地區海平面氣壓場不僅空間分布基本一致（圖2a–c），而且在高壓關鍵區內（40°～60°N，70°～120°E）平均的海平面氣壓值也相同，均為1026 hPa。觀測和模式預測的西伯利亞高壓氣候態之間的空間相關系數（PCC）也顯示提前1～6個月時PCC均達0.6以上，通過0.01的顯著性水平（圖2f）。但是，較觀測而言，NCEP-CFSv2模式對高壓中心強度的預測能力略偏低為1032 hPa（觀測為1035 hPa）。在貝加爾湖東北部地區，模式提前1個月和6個月預測的海平面氣壓氣候態較觀測偏高（圖2d,e）。

圖2 1982～2018年11月（a）觀測、NCEP-CFSv2提前（b）1個月和（c）6個月預測的海平面氣壓的氣候平均（單位：hPa）；提前（d）1個月和（e）6個月預測的11月海平面氣壓場氣候態差值（模式－觀測）；（f）觀測和提前1～6個月預測的西伯利亞地區（40°～60°N，70°～120°E）海平面氣壓氣候態的空間相關系數（PCC），0.01的顯著性水平對應的PCC為0.24Fig.2 Climatological mean of (a)the observed and NCEP-CFSv2 predicted data of the(b)1-month and(c)6-month lead sea level pressure(unit:hPa)in November during 1982–2018.Climatological differences between the NCEP-CFSv2 predicted data with (d)1-month and (e)6-month leads and observed sea level pressure in November.(f)Spatial correlation coefficient between the observed and predicted sea level pressure anomalies in November at 1-to 6-month leadsover theregion (40°–60°N，70°–120°E).The PCCvalueof 0.24 representsthe 0.01 significancelevel

此外，評估模式對西伯利亞高壓地區海平面氣壓異常的預測能力。由圖3可以看出，模式提前1～6個月對海平面氣壓場的預測能力均較好，大部分地區通過0.01的顯著性水平。在高壓關鍵區內，隨著提前預測時間不同，海平面氣壓場預測效能最好的區域有所不同，其中提前1、2和5個月時，模式在西伯利亞西部地區有較高的預測能力（圖3a，b，e）；而提前3、4和6個月起報時，模式對其中部和北部地區的預測效能較好（圖3c，d，f）。因此，NCEP-CFSv2模式提前1～6個月能有效地預測11月西伯利亞地區的海平面氣壓場。

圖3 1982～2018年11月（a–f）觀測與NCEP-CFSv2提前1～6個月預測的海平面氣壓距平場TCC的空間分布，打點為通過0.1的顯著性水平Fig.3(a–f)TCC between the observed and predicted sea level pressure anomalies by the NECP-CSFv2 with 1-to 6-month leadsduring 1982–2018.The dotted areasindicate significant at the 0.1 significancelevel

3.2 潛在可預測性

Lorenz（1969）指出集合模式的可預測性包括兩部分，一方面是模式相對于觀測而言的預測能力，另一方面是假設集合模式的結果為完美的，將模式集合平均的結果假設為準確的結果來討論模式集合成員和集合平均之間的差異，以研究模式的潛在可預測性。近年來，針對模式內部不同集合成員的初始條件不同，模式的潛在可預測性逐漸成為影響模式預測時效的重要因素之一（Peng and Robinson,2001;Peng et al.,2011）。隨著預測時間的提前，模式不同集合成員之間的差異逐漸顯著，故本文進一步利用信噪比（SNR）方法研究西伯利亞高壓的潛在可預測性。

模式提前1～6個月預測的11月海平面氣壓場SNR顯示，西伯利亞高壓南部的潛在可預測性高于北部（圖4a–e），其中模式提前1～2個月對11月該地區海平面氣壓的潛在可預測性較高，其區域（40°～60°N，70°～120°E）平均的海平面氣壓場的SNR均為0.14。隨著預測時間的提前，模式內部的噪音逐漸增大，SNR也逐漸減小（圖4g）。但較冬半年和其它月份而言，提前1～6個月預測的11月西伯利亞區域（40°～60°N，70°～120°E）平均海平面氣壓場SNR均高于0.1，而冬半年及其它月份提前3個月以上預測的西伯利亞區域平均海平面氣壓場SNR低于0.1。因此，相比于冬半年、12月、1月、2月而言，NCEP-CFSv2模式提前1～6個月對11月西伯利亞高壓的潛在可預測性更高。

圖4 1982～2018年11月模式提前（a–f）1～6個月NCEP-CFSv2預測的海平面氣壓的信噪比（SNR）；（g）NCEP-CFSv2提前1～6個月預測的11月西伯利亞區域關鍵區（40°～60°N，70°～120°E）平均的SNRFig.4 (a–f)Signal-to-noise ratio(SNR)of the sea level pressure predicted by the NCEP-CFSv2 with 1- to 6-month leads in November during 1982–2018.(g)Regional-average SNR for the sea level pressure predicted by the NCEP-CFSv2 with 1- to 6-month leads over the region(40°–60°N,70°–120°E)in November

4 模式對1 1 月西伯利亞高壓強度預測能力較好的原因

為什么NCEP-CFSv2對11月西伯利亞高壓的預測效能及潛在可預測性均較好？本文利用NCEPCFSv2模式提前1個月起報的結果為例，對影響西伯利亞高壓強度的熱力過程、動力過程以及該地區積雪狀況進行分析，由此分析該模式對11月西伯利亞高壓強度預測效能較好的原因和可預測來源。

4.1 影響西伯利亞高壓發展的熱力過程

西伯利亞地區是歐亞大陸冷空氣聚集地，其東移南下造成歐亞地區大范圍的降溫和寒潮等天氣過程發生（王遵婭和丁一匯,2006;Song and Wu,2017;Song et al.,2018）。已有研究表明，西伯利亞高壓的形成主要由于西伯利亞地區對流層低層絕熱加熱和溫度平流的作用相抵消，其熱量分布主要受非絕熱冷卻影響，其中地表對外長波輻射增加造成該地區冷空氣堆積，氣溫降低，使得海平面氣壓升高（Ding and Krishnamurti,1987）。基于此，我們分析11月SHI與西伯利亞地區0～10 cm土壤溫度之間的聯系。由圖5a顯示，當西伯利亞地區土壤溫度越低，西伯利亞高壓越強，其中在西伯利亞高壓西部和南部區域0～10 cm土壤溫度對西伯利亞高壓強度的影響最為顯著。此外，冷空氣堆積使得西伯利亞地區地表輻射冷卻加強，這將進一步造成該地區非絕熱冷卻加強，高壓強度增強，其中在巴爾喀什湖及其東部區域，輻射冷卻和土壤溫度對西伯利亞高壓強度的影響較為一致（圖5b）。由此可見，西伯利亞地區的土壤溫度、地表輻射等相關熱力過程對西伯利亞地區強度有重要的影響。

圖5 1982～2018年11月（a，b）觀測和（c,d）NCEP-CFSv2提前1個月預測的（a，c）0～10 cm深度土壤溫度（單位：K）和（b，d）對外長波輻射通量（單位：W m?2）異常對11月SHI的回歸，斜線為通過0.1的顯著性水平；SHI與（e）0～10 cm土壤溫度和（f）對外長波輻射通量的TCC差值（模式－觀測）Fig.5 Regression of (a,c)0–10 cm soil temperature (units:K)and (b,d)upward long-wave radiation flux (units:W m?2)anomalies onto the Siberian high intensity index (SHI)in November during 1982–2018 for (a, b)the observation and (c,d) NCEP-CFSv2 with a 1-month lead, theareas with slash indicate significance at the 0.1 significance level.TCC between the SHIand 0–10 cm soil temperature anomalies(e),upward long-wave radiation flux anomalies,(f) differences between the NECP-CFSv2 and observation data

那么，模式對11月西伯利亞高壓強度及其相聯熱力過程的再現能力如何？圖5c，d為1982～2018年11月NCEP-CFSv2模式提前1個月預測的0～10 cm土壤溫度和對外長波輻射異常對SHI的回歸場。可以看出，模式提前1個月能夠較好地再現11月西伯利亞高壓強度和該地區0～10 cm土壤溫度（圖5c）、對外長波輻射之間的相互作用（圖5d）。在巴爾喀什湖及其東部地區的西伯利亞高壓強度受土壤溫度和輻射冷卻影響較大，與觀測相一致。然而，在貝加爾湖東南部和巴爾喀什湖以南地區，模式較觀測而言，高估了高壓強度和土壤溫度、對外長波輻射之間的聯系（圖5e，f）。

由觀測結果可知，1982～2018年冬半年及逐月SHI和西伯利亞區域（40°～60°N，70°～120°E）平均的0～10 cm土壤溫度之間的TCC分別為?0.68、?0.67、?0.68、?0.64、?0.52，均通過0.01的顯著性水平，故冬半年及逐月西伯利亞地區的表層土壤溫度也是影響同期西伯利亞高壓強度的重要因子之一。那么模式對冬半年及其它月份西伯利亞高壓強度和該地區土壤溫度之間聯系的再現能力又如何呢？11月模式提前1個月預測的SHI和區域平均土壤溫度的TCC與觀測相一致，均為?0.67；冬半年模式預測的TCC為?0.79，與觀測相比高估冬半年土壤溫度和高壓強度的統計關系；12月、1月、2月TCC分別為?0.29、?0.37、?0.03，與觀測結果的偏差更大，均未通過0.01的顯著性水平（圖6）。因此，模式僅對11月西伯利亞高壓強度預測效能較好，可能是由于NCEP-CFSv2可以較好地再現11月西伯利亞高壓強度和表層土壤溫度等相關熱力過程之間的聯系。

圖6 1982～2018年冬半年（11～2月）及逐月觀測（黑色柱）和NCEP-CFSv2（灰色柱）提前1個月預測的SHI和區域（40°～60°N,70°～120°E）平均的土壤溫度的TCC，虛線為0.01的顯著性水平Fig.6 TCC between the SHIand regional-averaged soil temperature over the region(40°–60°N，70°–120°E)in winter time(November–February),November,December,January,and February for the observation(black bar)and NECP-CFSv2 with a 1-month lead(white bar)during 1982–2018.The dotted linesindicatesignificanceat the 0.01 significance level

4.2 影響西伯利亞高壓發展的動力環流

影響西伯利亞高壓發展的動力成因主要是對流層中、上層強的質量輻合和強的下沉運動（丁一匯等,1991）。圖7a，b為1982～2018年緯向平均的（70°～120°E）散度異常、垂直速度異常對SHI的回歸場。結果顯示，在對流層中高層，高壓中心（50°N）北側為強的輻合運動，使得更多的冷空氣在對流層中高層聚集造成強下沉運動（圖7a，b）。西伯利亞高壓地區對流層低層的輻散運動也相應的增強，西伯利亞高壓強度加強。

與觀測相比，在高壓中心北側的對流層中高層，模式預測結果與觀測均為一致的輻合運動；在對流層低層，觀測和模式均為一致的輻散環流（圖7c）。同時，模式可以較好地再現西伯利亞高壓中心北側的高壓強度與其對應的下沉運動（圖7d）。但由模式提前1個月預測的緯向平均的（70°～120°E）散度異常、垂直速度異常對SHI的回歸場可以看出，在高壓中心（50°N）南側，模式高估對流層中高層輻散環流、對流層低層下沉運動對西伯利亞高壓強度的影響（圖7e，f）。

圖7 1982～2018年11月（a,b）觀測和（c,d）NCEP-CFSv2提前1個月預測的緯向平均（70°～120°E）（a，c）散度（單位：10?7 s?1）和（b，d）垂直速度（單位：10?3 Pa s?1）異常對11月SHI的回歸，打點為通過0.1的顯著性水平；SHI與緯向平均（70°～120°E）的（e）散度場和（f）垂直速度場的TCC差值（模式－觀測）Fig.7 Regression of the zonal(70°–120°E)mean horizontal(a,c)divergence(units:10?7 s?1)and(b,d)vertical velocity(units:10?3 Pa s?1)anomalies of the SHIin November during 1982–2018 for(a,b)the observation and (c,d) NCEP-CFSv2 with a 1-month lead,the dotted areasindicate significanceat the 0.1 significancelevel.TCC between the SHIand zonal mean horizontal(70°–120°E)divergence(e),vertical velocity (f)differences between the NECP-CFSv2 and observation data

進一步分析12月、1月和2月SHI和該地區垂直速度之間的聯系。圖8為1982～2018年12～2月觀測的緯向平均的（70°～120°E）垂直速度異常對SHI的回歸場。結果顯示，在12月、1月和2月，對流層高層至低層的下沉運動加強，西伯利亞高壓強度也增強，其中1月在高壓中心北側對流層中層下沉運動和高壓強度之間的聯系最為密切（圖8a–c）。觀測結果也表明12月高壓強度和下沉運動統計關系最顯著的中心位于50°N以北，但模式預測的中心卻位于43°N和57°N附近（圖8a，d）。此外，觀測的12月、1月和2月對流層低層下沉運動越強，高壓強度越強，模式預測結果卻與之相反（圖8）。因此，相對于冬半年其它月份而言，模式能較好地再現11月西伯利亞高壓強度及其動力過程的聯系是NCEP-CFSv2模式對11月西伯利亞高壓強度預測能力較好的另一原因。

圖8 1982～2018年12～2月（a–c）觀測和（d–f）NCEP-CFSv2提前1個月預測的緯向平均（70°～120°E）垂直速度（單位：10?3 Pa s?1）異常對12～2（+1）SHI的回歸，打點為通過0.1的顯著性水平Fig.8 Regression of the zonal(70°–120°E) mean horizontal vertical velocity(units:10?3 Pa s?1)anomalies of the SHI in December,January,and February during 1982–2018 for(a–c)the observation and(d–f) NCEP-CFSv2 with a 1-month lead.The dotted areas indicate significance at the 0.1 significance level

4.3 11月西伯利亞地區積雪

積雪作為陸氣相互作用的主要因子之一，其較高的反照率和低的熱傳導性不僅使得地表熱量分布發生變化，也對大氣環流和氣候有重要影響（陳海山和孫照渤,2003;Gong et al.,2004;Cohen and Fletcher,2007;Ao and Sun,2016）。觀測結果顯示，從9～1月歐亞大陸積雪覆蓋率逐漸增加（圖略），但西伯利亞地區11月積雪覆蓋率年際變率最大。1982～2018年9～2月西伯利亞地區（40°～60°N,70°～120°E）平均的積雪覆蓋率標準差分別為1.29、8.14、8.34、3.85、3.44和3.15。1982～2018年11月觀測的積雪覆蓋率氣候態顯示，巴爾喀什湖以北地區的積雪覆蓋率達到90%以上，以南地區積雪覆蓋率為20%左右（圖9a）。模式提前1個月和6個月預測的西伯利亞地區的積雪覆蓋率氣候態的空間分布與觀測結果較為一致（圖9b,c），但模式提前1個月和6個月預測的11月巴爾喀什湖至貝加爾湖以南地區積雪覆蓋率較觀測偏少（圖9d,e）。此外，觀測和模式提前1～6個月預測的西伯利亞地區積雪覆蓋率氣候態之間的PCC均達0.8以上（圖9f），通過0.01的顯著性水平。因此，NCEP-CFSv2模式可以較好地預測11月西伯利亞地區積雪覆蓋率氣候態的空間分布狀況。

圖9 1982～2018年11月（a）觀測、NCEP-CFSv2提前（b）1個月和（c）6個月預測的積雪覆蓋率氣候平均（陰影）；提前（d）1個月和（e）6個月預測的11月積雪覆蓋率（陰影）氣候態差值（模式－觀測）；（f）觀測和提前1～6個月預測的西伯利亞地區（40°～60°N，70°～120°E）積雪覆蓋率氣候態的PCC，0.01的顯著性水平對應的PCC為0.24Fig.9 Climatological mean of (a)the observed and NCEP-CFSv2 predicted data of the(b)1-month and(c)6-month snow cover extent(shaded)for November during 1982–2018.The climatological differences between the NCEP-CFSv2 predicted data with(d)1-month and(e)6-month leads and observed snow cover extent(shaded)in November.(f)The PCC between the observed and predicted snow cover extents in November with 1-to 6-month leads over theregion (40°–60°N,70°–120°E).The PCC valueof 0.24 isthe0.01 significancelevel

由1982～2018年11月西伯利亞地區積雪覆蓋率、潛熱通量、感熱通量異常對SHI的回歸場可以看出，當積雪覆蓋率升高時，該地區潛熱通量減少，且較高的反照率使得該地區吸收熱量減少，釋放的感熱通量增加，造成該地區的氣溫降低，西伯利亞高壓強度增強（圖10a–c）。進一步分析1982～2018年11月西伯利亞區域（40°～60°N,70°～120°E）平均的積雪覆蓋率與該區域平均土壤溫度的TCC為?0.7，通過0.01的顯著性水平。因此說明西伯利亞積雪異常可能影響西伯利亞地區的熱力過程，進一步對西伯利亞高壓強度造成影響。

與觀測結果相比，模式能較好地再現11月西伯利亞高壓強度和該地區積雪及其相關過程（圖10d–f）。然而，較觀測而言，在巴爾喀什湖以北地區，模式低估西伯利亞高壓強度與積雪覆蓋率之間的聯系，而在以南地區又高估兩者之間的相互作用（圖10g）。在貝加爾湖地區，模式低估西伯利亞高壓強度和潛熱通量之間的聯系，而在巴爾喀什湖以南地區模式高估其與感熱通量之間的聯系（圖10h，i）。進一步分析觀測和模式中12～2月逐月西伯利亞地區積雪覆蓋率對西伯利亞高壓強度的影響。由12～2月的積雪覆蓋率異常對同期SHI的回歸場顯示，在巴爾喀什湖地區，12月積雪覆蓋率升高，西伯利亞高壓強度增強，而模式預測結果卻與之相反（圖11a，b）。此外，觀測結果顯示，在1月和2月巴爾喀什湖東南部地區的積雪覆蓋率越高時，西伯利亞高壓強度越強，模式預測結果卻也與之相反（圖11c–f）。因此，模式對11月西伯利亞高壓強度預測效能較好的另一原因是模式在一定程度上可以較合理再現11月西伯利亞高壓強度和該地區積雪狀況。

圖10 1982～2018年11月（a，b，c）觀測和（d，e，f）NCEP-CFSv2提前1個月預測的（a，d）積雪覆蓋率（陰影）、（b，e）潛熱通量（陰影，單位：W m?2）和（c，f）感熱通量（陰影，單位：W m?2）異常對11月SHI的回歸，斜線為通過0.1的顯著性水平；SHI與（g）積雪覆蓋率、（h）潛熱通量和（i）感熱通量的TCC差值（模式－觀測）Fig.10 Regression of the(a,b,c)observed and(d,e,f) NCEP-CFSv2 predicted(a,d)snow cover extent(shaded),(b,e)latent heat flux(shaded,units:W m?2),and(c,f)sensible heat flux(shaded,units:W m?2)anomalies with a 1-month lead for the November SHI, the slashed areas indicate significance at the 0.1 significance level.Temporal correlation coefficient between the SHIand(g)snow cover extent anomalies,(h)latent heat flux anomalies,(i)sensibleheat flux anomalies,differences between the NECP-CFSv2 and observation data

圖11 1982～2018年12～2月（a，c，e）觀測和（b，d，f）NCEP-CFSv2提前1個月預測的積雪覆蓋率（陰影）異常對12～2（+1）月SHI的回歸分析，斜線為通過0.1的顯著性水平Fig.11 Regression of the snow cover extent(shaded)anomalies in the SHI in December,January,and February during 1982–2018 for the(a,c,e)observation and (b,d,f) NCEP-CFSv2 with a 1-month lead.Theslashed areasindicatesignificanceat the 0.1 significance level

5 總結和討論

本文首先系統評估了NCEP-CFSv2模式對1982～2018年冬半年及逐月西伯利亞高壓強度的預測效能，研究結果表明NCEP-CFSv2模式對冬半年及12月、1月、2月西伯利亞高壓強度預測效能偏低，僅對11月西伯利亞高壓強度的預測能力和可預測性較好。同時，NCEP-CFSv2模式在不同起報月份對11月西伯利亞高壓強度的預測能力均高于GloSea5模式。

研究結果表明，西伯利亞高壓強度的變化不僅受西伯利亞地區熱力和動力過程的影響，同時也與西伯利亞地區積雪狀況有關。首先，土壤溫度及相關的熱力過程是造成西伯利亞地區地表熱量分布及強度變化的因素之一。冬半年及逐月的西伯利亞高壓強度與地表熱力過程之間聯系密切，而NCEPCFSv2模式僅能較好地再現11月西伯利亞高壓強度與土壤溫度等熱力因素之間的聯系。同時，西伯利亞地區對流層中高層的輻合下沉運動以及對流層低層的輻散是造成西伯利亞高壓加強的動力因素。模式也能較好地再現11月西伯利亞高壓及其該地區中高層輻合下沉運動以及低層輻散環流。此外，模式在一定程度上也能再現11月西伯利亞高壓和該地區積雪及其相關過程。

西伯利亞高壓是北半球冬半年主要的大氣環流系統之一，通過上述分析表明西伯利亞地區的局地熱力過程、動力過程以及該地區的積雪是11月西伯利亞高壓強度的主要可預測來源。但在分析中我們注意到，NCEP-CFSv2模式對11月西伯利亞高壓強度提前2個月的預測卻低于提前6個月的預測能力，這說明氣候模式對季節內尺度的預測更為復雜和不穩定。因此，在未來工作中，除了季節平均的預測外，將進一步深入研究西伯利亞高壓季內變化的物理過程、可預測來源，進而提高西伯利亞高壓的季節平均和季內的預測水平。