[论文解读] The Assessment and Calibration of Ensemble Seasonal Forecasts of Equatorial Pacific Ocean Temperature and the Predictability of Uncertainty

Stephen Jewson, Francisco J. Doblas‐Reyes+1 more|ArXiv.org|Aug 16, 2003

Climate variability and models参考文献 8被引用 7

一句话总结

该论文提出了一种基于JBZ模型的统计校准框架，用于评估和改进赤道太平洋海表温度的集合季节性预报。研究发现，尽管集合均值在六个月内仍具预测能力，但集合离散度仅能可靠预测两至四个月的不确定性，具体取决于模型，揭示了预报不确定性存在春季可预报性障碍。

ABSTRACT

We evaluate the performance of two 44 year ensemble seasonal hindcast time series for the Nino3 index produced as part of the DEMETER project. We show that the ensemble mean carries useful information out to six months. The ensemble spread, however, only carries useful information out to four months in one of the models, and two months in the other.

研究动机与目标

• 开发一个统一的统计框架，用于评估和校准赤道太平洋海表温度的集合季节性预报。
• 确定集合均值与离散度在季节性预报中的可预报性极限。
• 评估ECMWF与MF模型中哪一个在预测结果完整分布方面表现更优。
• 探究预报不确定性本身是否可预测，尤其是在与春季可预报性障碍相关的情境下。
• 为用户提供一种系统性、基于统计的校准方法，利用长期历史回算数据评估预报的可靠性。

提出的方法

• 应用JBZ校准模型，该模型假设观测海表温度服从正态分布，其均值与标准差与集合均值和离散度呈线性关系。
• 使用最大似然估计法拟合校准参数α、β、γ、δ，以校准预报均值与不确定性。
• 采用给定校准预报下观测海表温度的似然值作为拟合优度度量，以评估模型性能。
• 分析ECMWF与MF模型的44年历史回算时间序列，聚焦Niño3指数，使用9成员集合。
• 使用异常相关系数与连续排名概率评分（CRPS）比较不同模型与预报时效的预报技能。
• 进行季节性分解，以评估不同起报月份下不确定性可预报性的变异性。

实验结果

研究问题

• RQ1 集合季节性预报的均值在超越气候学基准之外，是否包含有用的预测信息？
• RQ2 集合离散度作为预报不确定性指标的可靠性持续时间有多长？其表现是否因模型或季节而异？
• RQ3 不确定性可预报性能否被量化？其是否表现出季节变异性，例如春季可预报性障碍？
• RQ4 在预测结果完整分布方面，ECMWF与MF模型中哪一个提供更优的概率预报？
• RQ5 如何系统性地应用预报校准，以提升季节性预报的可靠性与技能？

主要发现

• ECMWF模型的集合均值在全部六个预报时效内均保持技能，而其集合离散度仅在前两个月具有有用的预测信息。
• MF模型的集合均值在六个预报时效内均具技能，其集合离散度在前四个月内保持预测能力，但在第五和第六个月预测能力下降。
• MF模型中不确定性可预报成分相对于总不确定性比例显著，表明在对精度要求较高的场景中，应将其纳入不确定性估计。
• ECMWF模型在不确定性方面表现出春季可预报性障碍，其中2月时离散度的可预报性最低，与季节变异性一致。
• 基于似然的技能度量显示，MF模型在第2至第6个预报时效中略优于ECMWF，尽管差异较小，可能反映抽样变异性。
• 本研究证实，长期历史回算数据集对于可靠识别预报技能并校准季节性预报至关重要，尤其在不确定性估计方面。