初始土壤湿度异常对季度气候预测技巧的影响

【摘要】：利用美国气候预测中心(CPC)土壤湿度资料、中国台站观测降水资料和NCEP/NCAR再分析资料,在去除了降水资料中的ENSO信号的影响后,分析了6月份长江中下游降水和春季东亚季风区土壤湿度的关系,结果表明长江中下游6月份降水和前期春季土壤湿度之间存在很显著的正相关关系,即春季长江中下游土壤湿度异常偏湿时,6月份该区域降水很可能偏多;反之春季长江中下游土壤湿度异常偏干时,6月份该区域降水很可能偏多。上述分析表明,前期土壤湿度异常确实与后期降水存在显著的关系,那么在季度预测中,初始土壤湿度异常对季度气候预测技巧的影响如何呢?鉴于不同来源的土壤湿度具有较大的差异,使得一个陆面模式产生的土壤湿度不能直接应用于另一个陆面模式,因此本文采用"距平耦合"的土壤湿度初始化方案,即将再分析土壤湿度和卫星遥感反演土壤湿度的异常分别加在模式气候土壤湿度之上,得到与气候预测模式相协调的初始土壤湿度。需要提到的是,卫星遥感反演土壤湿度仅限于地表以下3～5cm,本文采用再分析土壤湿度的垂直分布信息,根据表层的卫星遥感反演土壤湿度异常得到深层的土壤湿度异常。针对2008年1月中国南方极端雨雪天气导致的后期土壤湿度异常偏湿的情况,利用耦合了通用陆面过程模式CoLM的中国科学院大气物理研究所九层大气环流模式IAP9L_CoLM,通过三组集合预测试验,考察了2008年2月中国江淮地区土壤湿度异常对当年春季中国气候异常预测技巧的影响。结果表明,考虑了2008年2月份江淮地区改进了的初始土壤湿度异常后,模式对中国华北、西北等地区春季降水异常的预测结果都有显著的改善,对整个中国区域的春季降水预测技巧有明显提高;具体表现为,考虑了江淮地区NCEP/NCAR初始土壤湿度异常的影响后,模式预测与观测的中国春季降水距平相关系数(ACC)从0.12提高到0.29,考虑了江淮地区AMSR-E初始土壤湿度异常的影响后,模式预测与观测的中国春季降水距平相关系数(ACC)由0.12提高至0.19。