Skill Evaluation of Extended Range Forecasts for Northeast Monsoon Rainfall across Smaller Spatial Domains of South Peninsular India

技术摘要：南半岛印度东北季风降水在较小空间尺度下的延伸期预报技能评估

问题陈述
可靠地预测东北季风（NEM）降水的延伸期预报，对于南半岛印度的农业规划、水资源管理和灾害风险降低至关重要。与西南季风不同，东北季风的降水具有空间异质性，且高度集中在特定的子区域，如泰米尔纳德邦、喀拉拉邦和安得拉邦沿海地区。尽管以往的研究已在理解东北季风气候学和季节性预测方面取得了进展，但针对更细空间尺度的延伸期预报（ERF）进行的系统性诊断评估仍然有限。现有的业务预报通常依赖于较宽泛的气象分区，这可能会掩盖对区域特定决策至关重要的局部变率。本研究通过评估南半岛印度境内 11 个更小、更细粒度的空间域在不同季风年份下的业务化 ERF 表现，旨在填补这一空白。

研究方法
本研究评估了印度气象局（IMD）的业务化延伸期预报（ERF）系统，该系统利用基于 NCEP 的 CFSv2、结合 MOM4 海洋和 GFS 大气组件的耦合模型（CFSv2）。该系统生成提前量最高为四周的每周预报，每周三进行初始化。

• 研究区域与时期： 分析涵盖了南半岛印度内的 11 个特定区域（例如：北/南喀拉拉邦、各泰米尔纳德邦子区域、安得拉邦沿海/雷亚拉西玛地区以及内陆卡纳塔克邦），时间跨度为 2015 年（降水显著高于常年）、2016 年（严重偏少）和 2017 年（低于常年）的东北季风季节。
• 数据来源： 预报结果针对 1° 分辨率的 IMD-GPM 合并降水数据（结合了雨量计和卫星估算值）进行验证。
• 分类方式： 为了应对细尺度下的高变率，根据每周相对于长期平均值（LPA）的偏差，将降水分为三类：偏多（AN, >20%）、正常（NN, -19% 至 +19%）和偏少（BN, <-20%）。
• 验证指标： 通过基于 2x2 列联表的分类验证评分来评估性能。指标包括预报准确率、偏差评分（BS）、命中率（POD）、虚警率（FAR）、临界成功指数（CSI）和等效威胁分数（ETS）。

主要结果
评估显示，预报技能明显取决于提前量、空间位置和年际季风特征：

• 提前量依赖性： 预报技能在第一周（Week-1）最高，并随时间推移在第四周（Week-4）发生系统性退化。第一周预报的准确率超过 65–75%，其中“正常（NN）”类别的表现最佳（70–80% 准确率）。到第四周时，技能下降至约 40–50%。
• 类别表现：
  • 正常 (NN)： 在所有提前量和年份中，始终表现出最高的准确率和命中率（POD），其偏差评分接近单位值（即系统误差极小）。
  • 偏多 (AN)： 表现出中等的准确率，但在较长提前量下具有轻微高估的倾向（偏差 > 1）。
  • 偏少 (BN)： 表现出最低的技能，尤其是在较长提前量下，具有低估倾向（偏差 < 1）和较高的虚警率。
• 年际变率：
  • 2016 年（严重偏少）： 在所研究的三年中，展现出最高的预报能力和空间一致性，其有效技能可延伸至第三周（Week-3）。
  • 2017 年（低于常年）： 表现处于中间水平，优于 2015 年但比 2016 年更具变率。
  • 2015 年（显著偏多）： 表现出最低的技能和最高的确定性缺失。这种可预报性降低归因于占主导地位的尺度天气变率，以及天气尺度扰动与低频模态之间强烈的相互作用，这些因素在长提前量下难以被模型捕捉。
• 空间变率： 与内陆地区相比，沿海地区通常表现出更好的预报能力，特别是在较长提前量的情况下。

意义与主张
论文得出结论，业务化 ERF 系统对于南半岛印度较小空间域的东北季风降水具有实质性的预测技能，特别是在 2–3 周的提前量内。研究强调，虽然预报不确定性随提前量增加而增大，但该系统仍能以合理的可靠性区分不同的降水类型（AN, NN, BN），尤其是对于正常情况。

作者断言，这些发现支持了 ERF 在业务化农业咨询服务和基于影响的预报中的应用潜力。通过提供针对特定子区域的可靠每周展望，该系统可以协助利益相关者优化农业活动，如灌溉调度和播种决策。研究强调，虽然该系统并非完美，但只要用户考虑到第二周后技能退化的特性以及像 2 2015 年那样高度活跃的天气尺度季节所带来的特定挑战，其目前的技能水平仍是该地区决策过程中极具价值的工具。