第48卷第6期 2020年12月
气象科技
METEOROLOGICAL SCIENCE AMI) TECHNOLOGY
Vol.48,No. 6
Dec.2020
次季节一季节(S2S)预测数据分析与应用
胡星张志强张强王洁
(H家气象信息中心.北京100081)
摘要 SZSGSulvseasonal to Seasonal}国际合作计划的主要H标是提汗次季节-季节多模式预测能力.f(点关注〇〜60 d的预报预测技巧。中国气象局承担了 S2S数据的归档备份任务•收集参与该计划的11个中心S2S模式数据. 本文梳理了该数据资源的基本情况，介绍了数据的模式、要素及文件.研究了数据的读取和分析方法•评估了数据的正确性、完整性和时效性.运用模式回算数据.计算候、周、旬时间尺度的预
测值和距平值.开展了相关数据产品的可视化工作.对照同期EC M W F距平图形产品进行分析.推动S2 S数据产品在中国气象局预报预测业务中应用。关键词 S2 S；距平：可视化；短期气候预测
中图分类号：P468 DOI:10. 19517/j. 1671-634_5. 20190548 文献标识码：A
引S
S2S(Sub-seasonal to Seasonal)预测研究项目是由WM()下属的世界天气研究计划（World Weather Research Programm e，W W R P)和世界气候研究计划（World Climate Research Programme, W C R P)联合建立，在天气到气候的次季节多时间尺度预报预测业务里，将数值天气预报应用到短期气候预测之中.从而连接起中长期天气预报到季节预测之间的缝隙11。2013—2017年是S2S国际合作项 目的第1阶段，主要工作是评估当前最先进的S2S预 报技巧.分析与S2S预报技巧与业务应用间差距，评 估具备业务可用性的各类S2S预测预报应用。中国 气象局通过S2S国际合作项目.收集参与该项目的中国、美国、欧洲中期天气预报中心、英国、日本等11个 预报中心S2S模式输出的数据.包括实时集合预报与回算集合预报数据，预报时效最长达60 d。2018年 底，W M O发布了 S2S第2阶段工作计划.S2S国际合 作项目已正式进人第2阶段2。
作为最主要的承担单位.欧洲中期天气预报中心（FXM W F)承担全球S2S模式数据收集、归档、分 发职责，V h a r t洋细介绍了S2S项目数据库建立的情况.以及S2S数据集在M J O事件等相关场景下应用:i|.欧
洲中期天气预报中心通过网站提供距平、E F I、hovmoller、M j()等可视化产品图展示「，并提 供延迟3周（21 d)的近实时数据下载 '日本研究
人员通过使用S2S交换数据，实现A O/A A O irule x、S S T等多中心集合预报对比可视化产品展示'5。美国1RI/L D E O气候数据实验室提供S2S 在线数据服务，用户可选定特定要素.通过页面交互式窗口的区域选择、层次选择、系选择等，在线绘制所需的产品图71。S2S项目组不定期通过官方对外宣传网站更新最新的研究进展信息[8。
中国气象局和E C M W F是全球两大S2S数据 中心，两者间互为备份。中国气象局S2S数据中心对提升我国全球预报预测服务能力也有帮助°。中国气象局作为最早参加S2S国际合作项目的成员机构之一，积极参与到S2S国际合作的交流中，展 开我国的次季节尺度预测研究工作1。国家气候中心自2005年开始研制多圈层耦合的气候系统模式以来，在大气、陆面、海洋、海冰各分量模式以及关键物理过程参数化方案等方面取得了重要进展，先 后发展了不同版本的气候系统模式>"。基于全球近110 k m中等分辨率的气候系统模式BCC_ CSM1.l(m>研发的第2代短期气候预测模式系统也已投人业务运行1.该系统对于ENS()及亚洲夏
'www.qxkj气象科技
预报预测平台专项（YBQXPTXM 2019-02)、中「s|气象局“2019年山洪地质灾害防治气象保障I：程建设
”共同资助
作者简介：胡星，男，1983年生.硕士，高级X程师•研究领域为气象信息平台技术、数据分析与处理.Email:v 收稿日期：2019年12月31日；定稿日期：2020年5月28日
780第48卷
气 象科技
季风的预报技巧与国际水平相当16].在近几年中国短期气候预测业务和服务中发挥了重要的作用。基 于改进的中等分辨率气候系统模式BCC_CSM1. 2 建立了 S2S尺度气候预测系统，其中的大气分量采用了 BCC-AGCM2(水平分辨率 1. 125°X1. 125°，垂 直40层）.陆面、海洋、海冰分量分别采用了15(：'(：-AVIM,GFDL MOM4和GFDL S IS模式。利用该系 统进行了 1994年1月1日起至今的回算和实时预测试验.每次试验积分60 d.包含4个滞后集合预报样本。对于系统预报能力的评估结果显示.改进初始化方案后该系统对于MJ()的总体预测技巧可达22 d-K]。该系统的气候预测数据产品参与到欧洲中心、美国、日本等国家和地区的数值模式产品同台竞技中h .中国气象局S2S数据中心已经初步完成建设工作，并于2015年11月上线提供服务:|8]•截至2019 年底，共有注册用户445人，用户访问次数超过270 万次.数据下载量累计达50 TB。
研究和使用S2S模式数据产品有助于建立无缝隙、全覆盖的智能网格预报业务体系，同家气象信息中心基于CIM1S S实现了全国精细化格点预报业务数据环境[19，而S2S数据产品在空间上覆盖全球范围.地面到高空各个层次，时间范围可达0〜60 d.对于衔接中长期天气预报与季节预测有着重要意义.因此有必要积极开展S2S模式数据分析与应用工作•在气象部门内部推广使用S2 S模式数据.建设可视化产品服务平台，更好的应用相关数据产品，形成对S2S短期气候预测业务的支撑能力，同时推 动S2S国际交流.制作可视化产品辐射我国周边及一■带一'路沿线的国家和地匕。
1S2S模式数据
1.1 S2S数据列表
S2S数据中心收集全球11个国家和地区的模式集合预报数据.包括实时预报和回算预报数据。11个中心和模式分别为：澳大利亚气象局（BoM)模 式为POAMA 24，开始运行时间为2013年5月22 日；中国气象局（CMA)模式为BCC-CPS-S2S v l，开 始运行时间为2015年1月]日，当前最新模式版本为BCC-CPS-S2Sv2从2019年11月7日开始运行；欧洲中期天气预报中心（E C M W F)模式版本包括CY40R1\CY41R1 \CY41R2\CY43R1 \CY43R3\ CY45R1\CY46R1，第1个版本CY40R1开始运行的时间为2013年1月1日.当前最新版本CY46R1从2019年6月11日开始运行，预报时长从32 d增 加到46 d，分辨率提升1倍.回算预报的性能也有所提升；加拿大环境及气候变化部（ECCC)模式为GEPS 6.0，开始运行
时间为2019年7月4 H ；意大 利大气科学和气候研究所（C N R-1S A C)模式开始运行时间为2015年10月19日，从2017年6月8日起.预报时长从31 d增加到32 d；俄罗斯水文气象中心（H M C R)模式为R U M S，开始运行时间为2015 年1月7日；日本气象厅（J M A)模式GSM1403C从 2014年3月5日开始运行，自2017年3月22日起 升级为GEPS1701；韩国气象局（KMA)模式为GloSea5-GC2，开始运行时间为2016年4月26日；法国国家气象研究中心（C N R M)模式为CNRM-CM 6.0.开始运行时间为2015年4月1日；美国国 家环境预测中心（N E C P)模式为CFSv2.开始运行时间为2011年4月1日；英国气象局（U K M O)模 式为 GloSea5-GC2(HadGEM3 GC2. 0)，开始运行时间为2015年2月5日.上述模式除CNRM-CM6 还处于研究阶段，其他都已经实现业务运行[M。预 报时效从0〜31 d到0〜60 d不等.水平分辨率约为r x r.垂直分辨率从17层到91层不等。
表1为S2S包括预报时效、分辨率、集合数、模 式运行频次及回算的数据信息。各预报中心模式的预报时效分别为1个月、1. 5个月、2个月，ECMWF 的水平分辨率15 d及以内为Tco639 (16 km), 15 d 以上为Tc〇319 (32 k m) 2°]。对照实时预报和回算预报不难看出.部分中心的实时预报集合数与回算预报集合数并不一致，存在部分中心回算预报集合数少于实时预报集合数的情况。BoM J M A等部分中心的实时预报运行时间和回算预报运行时间也不相同。回算预报的类型分为固定（fixed)和动态(flying)2种.对于固定版本的回算模式，只按照回算时长做了 1次回算预报.因此只有1份回算预报数据；而对于动态版本的回算模式.则每完成1次实 时预报，就会产生1份循环多年的回算预报.因此有多份回算预报数据。由表1还可知.部分中心的模式还进行了海洋耦合与海冰耦合。
第6朗胡星等：次季节季r〗（s2s)预测数据分析与应用781
表1各预报中心S2S模式数据信息
时效分辨率实时预报回算预报海洋
耦合海冰耦合
d水平垂直层数集合数运行次数类型时长集合数运行时间programme用法
H o M(a m m c)0〜62〜2。X2。17332/周固定1981 —2013331/6/11/16/21/26是否C'M A(babj)0〜60〜0. 5。X0. 5。4042周动态2004—20184周一、四 00:00是是E C CC'( cw a o)0〜320.45° X0.45°40211周动态1995 -20144每周否否K C M W F( t‘c m f)0〜4616 k m(T639)、91512/周动态过去20年11周一、四 00:00是否
32 k m(T319)
C'N R I S A C(isac)0〜310. 8°X0. 56°54411/周间定1981 —20101每5日否否H M C'R(rums)0〜61i. r x i.r28201阓动态1985 —201010每周否J M A(r j t d)0〜33〜0.5。X0.5。60252周固定1981—2010510/20/31否否K M A(r k s l)0〜60〜0. 5〇X0. 5。8541日动态1996 -200931/9/17/25是是C N R M(
l f p w)0〜61〜0. 7°X0. 7°91511/月间定1993—2014151/15是是N C E P(k w b c)0〜44〜r x r64161/日固定1999—20104每曰是是U K M()(egrr)0〜60〜0.5。X0.8。8541/日动态1996—200931/9/17/25是是法：~表示分辨率约为|表中时间为世界时；1/6/11/16721/26，表示每月1、6、11、16,21..28日.余同,
1.2 S2S气象要素
S2S数据的气象要素共有45个•所有中心的模 式数据都包括了重要的基础要素.例如高空的高度场.温度场风场，比湿；地面的温度、降水等。其中高度场，温度场，风场包括高空的1000、925、850、700、500、300、200、100、50、10 hPa共 10个等压面层次，比湿包括高空的1000、925、850、700、500、300、200 h P a共7个等压面层次，地面要素包括2 m温度、10 m风、降水等。按要素类别可分为温度、降水、气压、湿度、风、高空环流场、辐射、地面通量等。表2详细列举45种要素的信息。
表2S2S气象要素
名称简写单位名称简写单位
高度g h g p m海面温度sst K
温度t K1深水当量sd k g»m L，风m分量u m.s 1地面气压sp P a
风^分量V m*s~ 1平均海面气压m s l P a
比湿k g*k g1总云量ICC%
垂直速度w ps*s 1 2 m最低气温m n2t6K
潜在涡度pv K•m2•kg1»s 1 2 m最高气温m x2t6K
10 m风1/分鬚：lOu m*s 1对流降水cp k g-m2 10 m风I分M lOv m.s—1北向湍流表面应力（累积）nsss N*m2-s 对流有效位能cape J-k g1东向湍流表面应力（累积）e w s s N»m2•s 表面温度skt K径流排水ro k g*m2地形orog g p m地表水径流ro k g.m2雪密度rsn k g»m'陆地海洋掩码Ism
降筲水当量sf k g•m-100里面土壤温度st 100K
雪反照率asn%露点温度2d K
20 c m土壤水分s m20k g•m■'顶部净热辐射时间积分ttr W•m」•s 100 c m土壤水分s m l O O k g-m3地表潜热通量时间积分slhf W.m 2.s 20 c m土壤温度st20K地表净太阳（短波〉辐射时间积分ssr W•m」•s 总降水tp kg •m J地表净热（长波）辐射时间积分str W•m" •s 垂迕总含水M tew k g-m2地表显热通M时间积分sshf W•m2•s 土壤类型sit类地表太阳向下（短波）辐射时间积分ssrd W•m" •s 2 m气温2t K地表向下热（长波>辐射时间积分strd W»m*s 海冰檀盖c i
782象第48卷
气2019年底.S 2S 数据的气象要素新增9个海洋 相关要素.截至2020年4月.新增海洋要素的预报 中心有中国气象局、欧洲中期天气预报中心、加拿大 环境及气候变化部，新增海洋要素如表3所示。
表
3S 2S 海洋要素
名称
简写单位20 °C 等温线深度
t20d m
上部300 m 平均海水盐度sav300丄•.部300 m 平均海水温度m s w p t 300K 海洋混合层厚度mlotstOlO
m 洋流《分量ocu m • s 1洋流p 分量ocv m. s— 1海冰厚度sithick m 海面高度zos m
海面实际盐度
SOS
1.3 S 2S 文件名规则
S 2S 模式数据文件采用GRIB 2编码格
式2—2 2 ]，通过数据文件名规则可丨X ：分实时预报数据 和回算数据。S 2S 文件命名规则如下：
s2s_[centre]_{ year()fCycle}_[dataDate]_{ s h o r t N a m e }. grib
其中，S 2s 为固定代码，表示S 2S 数据产品；[centre ] 为模式中心代码；{ yearOfCycle }为数据产品生成年 份；[dataDate ]为数据文件起报时间；{shortNamt '} 为要素名简称；实时预报：{yearOfCyle } = [year]of [dataDate ]；回算预报：{ yearOfCyle 丨〉[year ] of [dataDate ] 〇
根据文件名中的年份信息可以区分实时预报数 据与回算数据。实时预报数据文件名中.第1个年 份数据生成年与第2个数据起报时间中的年份相 等。回算预报数据文件名中.第1个数据生成年的 年份大于第2个数据起报时间中的年份。2 S 2S 数据分析2. 1
数据读取
S 2S 模式数据量较大，如果多份存储将造成存
储空间极大的浪费，因此集约高效成为数据存储的 一大目标。为了方便共享使用，S 2S 数据文件通过
N A S ( Network Attached Storage )共享存储。处理
程序按照特定的目录结构规则读取数据.目录规 则为：
$ ； daladir^ /[centre]./[cyear]/[year] [m o n t h ]/[d a y ]
科 技其中，centre 为各中心的模式编码•对应文件名中的
centre ; c y e a r 为数据运行年份.对应文件名中的 yearOfCycle ;year 、month 、d a y 为数据中预报的起报
时次.对应数据文件名中的dataData ，G R IB 编码格 式的要素级文件分别存储在对应的H 期目录下。这
一目录结构的设计仍有优化的空间.在数据拆解中. 对于高空多层次的数据•可加人层次的信息.这样有 助于在服务界面直接向用户提供特定层次的高空要 素格点数据；在制作可视化产品图时，按照预报时 次、产品时效等维度产生不同规格的产品文件，需在 当前的数据文件根目录外新创建独立的产品目录， 目录结构按照前述数据文件目录体系编排。
同时采用多台数据处理服务器并行读取数据. 以加快数据产品的读取速度，提升数据处理能力。 可通过2种方式读取S 2S 模式数据.一种是通过ec -
C odes 工具.E C M W F 开发了多款气象模式数据读
取、处理软件，GRIB -A P I 、ec F lo w 等软件在全国气 象业务中多有应用[〜。ecC odes 是E C M W F 在完 善GRIB -A P 丨的基础上开发的一款软件.能综合处 理GRIB 、B U F R 、G T S 等多种编码格式的数据文 件…]，在ecCodes 2. 0. 0版本稳定运行后，EC'MWF 对G R IB 格式文件的编解码支持重点放在ecCodes 中推广更新.而2018年底后GRIB -A P 1的技术不再 进行更新，之后需安装ecC odes 替代原有GRIB -
A P I 软件，由于在ecC o d es 中特別设置了 GR 1
B 函
数库，对于已经部署使用GRIB -A P I 的程序和应用， 用户可透明的使用ecC o d es 替换GRIB -A P I 。ec
Codes 对于 GRIB 编码格式数据文件的处理遵循 WM () FM -92 C ;R IB 规范[21_22]，并对用户提供封装
函数、处理G R IB 小工具、以及函数和工具的使用示 例等。例如，grib _d u m p 可查看G R IB 格式文件的 内容，grib _filte r 可在G R IB 文件的读取处理中使用 特定的规则，grib _to _n e tc d f 可以将G R IB 格式文件 转换为N e tC D F 格式文件等。其他常用功能还包括
grib_get 读取.grib_set 修改，grib_ls 列出，grib _ co m p are 比较等。第2种方法是直接读取分析 G R IB 格式文件。按照WMO FM -92 G R I B 规范， G R IB 二进制格式编码分为9段（0〜8段），其中0
段是指示符段，1段产品标识段包括数据的时间信 息，2段为本地使用段，3段网格定义段描述数据文 件网格投影方式，4段产品定义段描述数据时序、水 平、垂直、集合等信息，5段数据表示段描述格点数
第6期胡星等：次季芾季疗（S2S)预测数据分析与应用783
据的压缩方式，6段为位图段.7段数据段为文件存储数据主体，8段结束段为“7777”.按照官方说明对应读取数据段内数据即可。相较而言，采用ec-C o d e s的读取G R I B数据相对方便，需要在服务器安装ecCodes软件包.适用一般的用户读取需求.但目前ecC odes版本只提供L in u x平台运行软件；直 接读取分析G R IB文件的方式则更为灵活.比起ec-C o d e s的固定功能，可自主灵活的实现更多计算和统计功能，更能满足提升自主研发能力和处理大批量数据的要求。
2.2数据分析
S2S数据主要覆盖次季节到季节（0〜60 d)的时间范围.模式数据分析及后处理方法包括：热带、温带、极地等不同区域的预报预测技术，使用ACC (Anomaly Correlation Coefficient)、RMSE (Root Mean Squared E rror)等方法进行检验评估，对各不同预报中心数据进行对比分析揭示预测性能，参照 检验评
估等开展模式订正等。本文开展的数据分析以候（5 d)、周（7 d)、旬（10 d)时间尺度为主，分析其中几类主要要素的变化情况，主要关注实时预测均值.以及实时预测均值相较N年历史同期均值的距平。以2 m气温要素为例.要得到2 m气温实时要素的预测值.需读取1个预报时次的文件数据，对于 空间范围中特定经纬度的点.将多个集合、多个时效 的数值计算算数平均值。距平的计算需要用到N 年历史同期均值.选取N年同一时次、同一位置数据做算术平均。文件中的特殊值处理在G R I B文件格式的数据压缩中，对于数据文件中的NaNKNot a valid N um ber•非有效数字）特殊值[2|•在统计时跳过.不参与求和与求平均等计算。距平 需要先计算历史同期均值.先要选定带计算的回算时长，回算时长确定可对比的历史值时间范围•最长不超过表1中“回算预报时长”标注的范围。S2S 回算预报的计算频次固定.可事先将特定N年的历史值采用对应网格点算数平均的方法，计算得到历史N年的均值，为距平计算做好准备。距平的计算公式如下：
距平值=实时预测值一历史同期均值
计算距平值应使用与实时预测数据同月同H的 回算数据。例如，实时预测的时次为2017年12月1曰，那么回算数据也应当选择12月1日这个时次。在具体计算时，读取同一时次的实时预测数据文件和历史N年均值数据文件，按照候、周、旬等时 间尺度计算出对应时段的实时预测均值和历史同期均值，求差得到当前实时预测较N年历史同期的距平。
数据的正确性，到报的及时性和数据的完整性都是S2S数据应用时需要重点评估的指标。可视 化制图的正确需要通过数据解码的正确和处理算法的正确来保证。在能获取到模式输出原始文件时.数据解码正确性可通过G R IB文件解码数据减去原始文件数据的差值进行评估，或采用前述两种不同的G R IB文件读取方法分別读取文件数据，对2种 独立方式所读取数据的差值进行评估，考虑计算机系统存在着计算误差情况，当差值足够小即可认为解码正确。处理算法的正确性验证，主要是对比C M A和E C M W F的距平计算结果，E C M W F距平计算使用WMW-t e s t检验，在通过该检验的区域比较中，C'M A和EC'M W F相同要素、相同时次、相同 时效、相同区域内的产品图近乎一致。S2 S各中心模式的运行时间和产品更新时间如表4所示。
表4 S2S数据及时性
_家代码模式运行时间
数据收
集时效
中国C M A(b a b j)每周一、四延迟1d
欧洲中心E C M W F(c c m f)每周一、四3天到达
美国N E C P(k w b c)每曰延迟1d
英国U K M()(cgrr)每日延迟1d
日本J M A(r j t d)每周三延迟2 d
意大利ISAC'( isac)每周四延迟1d
法国C N R M(l f p w)每周四延迟1d
加拿大HC'CC'( c w a o)每周四延迟1d
澳大利亚B o M(a m m c)每周四、日延迟1d
韩国K M A(r k s l)每日延迟1(3
俄罗斯H M C R(r u m s)每周三不定期史新表4中延迟时间按国际时计算，其中C M A的 模式由于计算资源错峰等原因，并不是周一/周四 00:00U T C启动.因此数据收集延迟约1d.多数中 心的到报时间在1〜2 d.E C M W F的数据未经中转.国际时当天可达。俄罗斯模式运行为每周三00:00U T C，但其更新方式为不定期更新。各中心数据到报及时性较稳定，当天镜监视到数据出现延迟的情况，通过邮件自动反馈，如果是延迟则
发表评论