预报性能

有效自由度的计算

在进行相关系数的显著性检验时，有效自由度的计算采用 Bayley and Hammersley (1946) 给出的公式：

参考文献：

Bayley, G. V., & Hammersley, J. M. (1946). The "effective" number of independent observations in an autocorrelated time series. Supplement to the Journal of the Royal Statistical Society, 8(2), 184-197.

各指数的回报情况

关于各指数的计算方法可单击左边选项卡中的“各指数计算方法”以了解情况。

我们通过计算模式和观测资料的各指数，并对每个指数取 3 个月滑动平均，然后对每个指数计算观测和模式模拟结果的相关系数，以评估模式对各指数的预报性能。

预报的准确性还与回报的时长有关，例如提前 1 个月的预报结果一般比提前 6 个月的预报结果更为准确。

这里分析 1994 - 2021 年起报（时间跨度为 1994 - 2022 年）预报时长分别为 1 - 12 个月的回报结果。例如，分别由 1994 年 1 月 - 2021 年 12 月起报提前 1 个月预报的回报结果，对应的时间则分别为 1994 年 2 月 - 2022 年 1 月，而与之比较的观测数据序列也为 1994 年 2 月 - 2022 年 1 月的观测数据。

数值为相关系数，填色为显著性水平，横坐标为回报时长，纵坐标为各指数名称

观测和回报时长为1个月、3个月和6个月的各指数的时间序列如下图所示。

观测和回报时长为1、3、6个月的Hindcast试验各指数的时间序列

回报的气候要素场与观测的相关系数

计算方法

1. 关于相关系数的计算：

① 采用的是逐月数据。例如对于1(1)-12(+37)月的序列，若报时为1个月，则起报时间分别为12(0)-11(+37)；若报时为3个月，则起报时间分别为10(0)-9(+37)，以此类推。

② 月序列，还需扣除年（季节）循环。

2. 相关系数场各格点的时间序列均未进行时间上的滑动平均。

3. 等值线表示相关系数，填色表示显著性水平。

SSTA

在回报第 1 个月的热带SSTA（海表面温度异常）中，唯一相关性弱、不显著的是热带西印度洋。而在中长期（3 个月以上）预报中，模式对赤道中太平洋的预报好于对赤道东太平洋的预报。

模式对 SSTA 回报结果和观测的相关系数（等值线）和对应的显著性水平（填色）

SATA

模式对 SATA（海表面高度气温异常）的回报结果如下图所示。

模式对 SATA 回报结果和观测的相关系数（等值线）和对应的显著性水平（填色）

PrecipA

模式对 PrecipA（降水异常）的回报结果如下图所示。

降水场相关系数高的区域集中在热带（若报时>3月，则在热带太平洋）。而除了南美北部，模式对我国大陆等陆地的预报性较差。

原因1：机制不同。热带降水异常与海温异常相关度较高，而温带降水则主要取决于大气环流形势。

原因2：对 SATA（右）分析得知，即使在回报第1个月，大陆 SATA 相关性比起海洋太低。因为当前只同化了观测 SST ，未同化观测大气资料。若同化观测大气资料，可能大幅提高预报性能。

模式对 PrecipA 回报结果和观测的相关系数（等值线）和对应的显著性水平（填色）