近日，我院吴志勇教授团队在国际期刊《Hydrology and Earth System Sciences》上发表题为“Probabilistic subseasonal precipitation forecasts using preceding atmospheric intraseasonal signals in a Bayesian perspective”的论文。

次季节尺度降水预测对水旱灾害防御具有重要意义。大气季节内振荡（Intraseasonal Oscillation）是次季节尺度降水预测最重要的可预报性来源之一，对提高次季节尺度降水预测精度至关重要。然而，大气季节内振荡与次季节尺度降水关系存在较大的不确定性，目前大多数研究对其考虑不够充分。鉴于此，研究提出了基于前期大气季节内振荡信号的次季节尺度降水概率预测模型。该模型首先采用带通滤波方法提取全球大气季节内振荡信号（U850、U200、OLRA、H850、H500、H200），构建基于时空投影方法的次季节尺度降水预测因子。在正态化变换的基础上，进一步建立贝叶斯层次概率预测模型，定量刻画预测因子和预测变量之间的不确定性。交叉检验结果表明，该模型对我国主汛期次季节尺度降水预测具有较高精度和可靠性。同时，当预见期超过10天时，该模型预测精度高于美国NCEP数值模式预报精度。未来拟进一步考虑土壤湿度、冰川积雪等对次季节尺度降水过程的影响，进一步提高次季节尺度降水预测精度。

该研究受到了国家自然科学基金(52009027，U2240225)项目的支持。

论文链接：Li, Y., Wu, Z.Y.^*, He, H., and Yin, H.: Probabilistic subseasonal precipitation forecasts using preceding atmospheric intraseasonal signals in a Bayesian perspective, Hydrol. Earth Syst. Sci., 26, 4975–4994, https://doi.org/10.5194/hess-26-4975-2022, 2022.

图1 基于大气季节内振荡信号的次季节尺度降水概率预测模型框架