摘要：本文使用季節(jié)到次季節(jié)（S2S）預(yù)報數(shù)據(jù)集的模式研究了TC成因的次季節(jié)概率預(yù)報。以每周的時間分辨率對整個海盆TC頻次進行預(yù)測。預(yù)報技巧使用BSS得分相對于季節(jié)性的氣候態(tài)平均來衡量，季節(jié)性氣候態(tài)在TC季節(jié)的每月都不同。技巧取決于模式特征、提前時間和集合預(yù)報的設(shè)計。大部分模式在第一周展示不錯的技巧（1-7天），這個時期的初始值很重要。本文檢驗了六個S2S模式，ECMWF模式表現(xiàn)最好，包括第二周在大西洋、西北太平洋、東北太平洋和南太平洋。類似的，澳大利亞氣象局（BoM）的模式第二周在西北太平洋、南太平洋以及橫跨北澳大利亞也有技巧。MJO調(diào)制觀測中的TC成因，并且存在一個關(guān)系，在所有的模式和提前時間中，模式的技巧得分和他們能否準確代表MJO和MJO-TC關(guān)系的能力之間有關(guān)。此外，一個模式中TC的氣候態(tài)平均也會影響它在次季節(jié)預(yù)報中的表現(xiàn)。然而，技巧得分對模擬氣候態(tài)、MJO和MJO-TC關(guān)系的依賴性因海盆而異。正如之前在天氣和季節(jié)預(yù)測研究中發(fā)現(xiàn)的，技巧得分隨著集合的大小而產(chǎn)生了提高。
結(jié)論：本文使用來自于六個不同集合預(yù)報系統(tǒng)的再預(yù)測，檢驗了海盆尺度TC成因預(yù)報的次季節(jié)預(yù)報技巧。計算確定性和概率預(yù)測的技巧得分。我們也計算了潛在概率。大部分預(yù)報在第一周（第一到七天）是有技巧的，這個時期的初始值是重要的。當模型的性能與模型模擬氣候態(tài)TC成因、MJO和MJO與TCs之間相互作用的能力相關(guān)時，預(yù)測技能在第2-5周顯著下降。
確定的說，S2S模式在提前預(yù)報海盆尺度TC發(fā)生在所有的提前時間中（從提前1-5周）是有技巧的，但是在預(yù)報成因頻次時沒有技巧。在第2-5周，所有模式概率預(yù)報的BSSs分數(shù)在ATL、WNP、ENP中被發(fā)現(xiàn)與它們能多大程度上捕捉全球MJO-TC關(guān)系的程度呈正相關(guān)。BSS與模式在ATL、SIN、NI、AUS、WNP、ENP中模擬MJO的性能和在ATL、AUS、WNP、ENP中模擬氣候態(tài)TC的準確性呈正相關(guān)。
在六個模式中，EC模式在再現(xiàn)觀測到的氣候態(tài)TC成因方面表現(xiàn)最好，并且能夠熟練的預(yù)測TC成因，在ATL和WNP中可持續(xù)到第五周，在SPC和ENP中持續(xù)到第二周，在SIN、NI和AUS中可持續(xù)到第一周。BoM系統(tǒng)在WNP中到第四周、SPC和AUS中到第二周以及在ATL和SIN的第一周中都有積極的技巧。MetFr模式在WNP的技巧可以持續(xù)到第二周，在除了NI以外的其他海盆技巧能維持一周。CMA,JMA和NECP模式在預(yù)測2-5周的TC成因時，沒有展示出技巧。在TC盆地中，次季節(jié)TC預(yù)報在印度洋和南大洋展示出了很少的技巧，因為大多數(shù)S2S模式在第一周后的技能是低于每月的氣候態(tài)概率的。相反，第一周之后，更多的S2S模型在北大西洋和北太平洋有積極的技巧。
從第2-5周，BSSs在所有的海盆中要么接近于0（與氣候預(yù)測相比技巧不足）要么低于0（內(nèi)有技巧），這表明當前一代的模式很難進行次季節(jié)尺度預(yù)測。實際技能和潛在技能之間的比較表明，S2S模型再預(yù)測所有海盆TC發(fā)生概率方面可能尚未達到其極限，盡管一些模型在某些海盆中接近這一標記。BSSs的值接近它們各自的潛在技巧水平，在ATL的EC模式和BoM的三個南半球TC海盆中。NCEP和CMA的BSSs分數(shù)離它們的潛在值最遠，盡管這可能是由于它們的實際技能較低，以及集合成員數(shù)量不足，這些都可能都導致人為的高潛在技巧。
雖然目前的技能分數(shù)依然很低，但預(yù)測是直接生成的，沒有任何偏差修正。正如Vitart提到的，通過基于后報表現(xiàn)的后處理技術(shù)進行偏差修正，模式技巧可以延長幾周。此外，也可以使用衍生參數(shù)，如GPI而不是直接輸出TC預(yù)測，這可能會產(chǎn)生有用的結(jié)果。即使沒有偏差修正，最有技巧的模式（EC和BoM）在第一周和第二周的技巧與現(xiàn)有的區(qū)域統(tǒng)計模式相當（或稍高）。值得注意的是，我們的結(jié)果可能無法反映一些模式最大的潛在技巧，如CMA,JMA和NCEP，因為它們的S2S再預(yù)報集合很小（四或五個成員）。
引言：MJO調(diào)制著全球TC活動。TC成因概率基本上在強的MJO位相時或之后比其它時候更大。當印度洋上空有強MJO活動時，在大西洋會有很強的風暴生成。相反的，在東北太平洋，當有很強的MJO活動在中部和東北部太平洋時，會有很強的TC生成。類似的，在WNP，北部和南部印度洋以及南太平洋，當MJO在這些海盆活躍時，風暴的數(shù)目也會發(fā)生增長。此外，臺風路徑也會向東移動當MJO對流在印度洋活躍并且在西太平洋向西移動時。大西洋快速增強風暴會更頻繁，當MJO在印度洋活躍時。一個強而活躍的MJO通過系統(tǒng)性的增加低層絕對渦度和中層相對濕度來增加經(jīng)驗TC成因指數(shù)的局地數(shù)值。
在這些觀測的研究中，人們常說MJO預(yù)測的準確性和對MJO-TC關(guān)系的了解為提前幾周時間的TC成因概率預(yù)報提供了潛力。次季節(jié)TC預(yù)報的區(qū)域統(tǒng)計模式事實上已經(jīng)使用MJO指數(shù)和其他環(huán)境參數(shù)發(fā)展了多年。當MJO指數(shù)作為一個預(yù)報因子加入時，明顯的（盡管很?。?，預(yù)報技巧可以提升到三周。對于更長的提前時間而言，預(yù)報技巧被認為主要來自氣候態(tài)季節(jié)循環(huán)和年際變化。來自EC的再預(yù)報產(chǎn)品也表明MJO預(yù)測的準確性對預(yù)測TC頻數(shù)有顯著的影響。比較南半球的TC統(tǒng)計預(yù)報，EC模式在預(yù)測第一周的TC生成時有更好的技巧，盡管統(tǒng)計模型在更長的提前時間表現(xiàn)更好。此外，EC預(yù)測大西洋颶風活動的技巧對模式初始化時MJO位相和振幅很敏感。
隨著對時間尺度在天氣和季節(jié)間時間尺度（也叫作次季節(jié)時間尺度）預(yù)報需求的增加，國際社會開始努力改進和發(fā)展動態(tài)次季節(jié)預(yù)測的各個方面，包括次季節(jié)TC預(yù)測。努力的一個重要目標是提升對影響預(yù)報技巧因素的理解。多模式季節(jié)-次季節(jié)預(yù)報（S2S）數(shù)據(jù)集，包含提前時間到60天的大量再預(yù)報結(jié)果，非常適合此任務(wù)。在該研究中，我們聚焦于S2S再預(yù)報產(chǎn)品中的次季節(jié)TC成因預(yù)報。雖然全球模式在次季節(jié)時間尺度上模擬MJO-TC調(diào)制和TC成因預(yù)報預(yù)測技巧的能力已被分析過。但對于各種模式，這是第一個全面的，多模式，多年份的再預(yù)測次季節(jié)時間尺度TC成因預(yù)報。
在這里，我們使用S2S數(shù)據(jù)來建立海盆空間分辨率吧和周際時間分辨率的TC生成概率和確定再預(yù)報。預(yù)報技巧使用均方根誤差技巧得分和Heidke技巧得分對確定預(yù)報進行評估，使用布雷爾技巧得分對概率預(yù)報進行評估。再預(yù)報、觀測技巧得分和其他分析方法在第二段描述。我們接著在第三段討論了再預(yù)報產(chǎn)品中的氣候態(tài)TC并定義了熱帶風暴閾值和預(yù)測技能評估的季節(jié)性。MJO調(diào)制TC成因的模擬和觀測驗證在第四段。接著，我們在第五段分析了潛在預(yù)測的預(yù)報技巧。技巧得分和模式特征、初始化和集合預(yù)報系統(tǒng)設(shè)計之間的關(guān)系驗證在第六段。結(jié)果總結(jié)在第七段。
數(shù)據(jù)和方法
a. S2S再預(yù)報產(chǎn)品
表1為文章里使用的S2S再預(yù)報的一些基本特征。它們?yōu)閬碜粤鶄€運營中心運行的耦合全球大氣環(huán)流模式，澳大利亞氣象局（BoM）、中國氣象局（CMA）、歐洲中期天氣過程預(yù)報中心(ECMWF)、日本氣象廳(JMA)、法國國家氣象研究中心(MetFr)和美國國家環(huán)境預(yù)測中心(NCEP)。第一個集合成員是未受干擾的控制運行組。注意到因為集合預(yù)報系統(tǒng)的設(shè)計（特別是預(yù)報頻率和集合大?。┰谶@些中心中是不同的，因此再預(yù)報結(jié)果是異質(zhì)的。我們將這些系統(tǒng)設(shè)計中的差異視作影響預(yù)測技巧的額外因素。另一個異質(zhì)的特征是再預(yù)報時長的不同。雖然這可能會影響比較，但我們并不認為這會顯著的改變預(yù)報系統(tǒng)的相對技巧。更多關(guān)于S2S數(shù)據(jù)集的細節(jié)在Vitart等的文章中描述。所有的S2S再預(yù)報以天分辨率和1.5°*1.5°的格點保存。
b. S2S模式和觀測中的TCs
為了追蹤S2S模式中的TCs，我們采用V和S提供的追蹤方法。該追蹤方法定義了局地最低海平面氣壓下的風暴中心，其中
1）局地渦度最大值（>3.5*10^-5 s^-1）在附近；
2）在250和500hPa之間的垂直平均溫度（暖心，>0.5°C）的局部最高點在相當于2°緯度的距離內(nèi)（在任何方向）；
3）根據(jù)上述兩個標準檢測到的兩個位置在相當于8個緯度內(nèi)的距離；
4）1000-200hPa間能被識別到的相當于2個緯度距離內(nèi)的局地最大厚度
此外，探測到的風暴必須持續(xù)至少兩天才能被納入我們的分析中。
一般來說，追蹤方法使用的標準需要隨著模式分辨率變化而變化。但是，TC探測對于輸入的閾值是非常敏感的，在沒有徹底研究的情況下改變標準可能會導致結(jié)果中的瑕疵。此外，所有的S2S數(shù)據(jù)以照常格點存儲，因此，在該研究中，我們對所有的模式使用相同的標準（和前面描述的一樣）。將高分辨率模式輸出的大氣場插值到低分辨率公共網(wǎng)格的潛在影響是，它可能會降低暖核、渦度和氣壓的強度。渦度受到的影響可能最大。因為我們使用的的標準是為低分辨率模式設(shè)置的，所以這些場的減弱預(yù)計不會影響檢測到的TC數(shù)量。S2S TC軌跡包含最大持續(xù)風速和風暴位置的每日值。
熱帶氣旋路徑的觀測來自于HURDAT2數(shù)據(jù)集，由國家颶風中心和聯(lián)合臺風警報中心制作。最佳路徑數(shù)據(jù)集包括1分鐘最大持續(xù)風速、最小海平面氣壓（本文中未使用）和每6h風暴中心。
按照常規(guī)定義，TC海盆為大西洋（ATL）、北印度洋（NI）、北太平洋西部（WNP）、北太平洋東部（ENP）、南印度洋（SIN，0°–90°E）、澳大利亞北部（AUS，90°–160°E）和南太平洋（SPC，160°E以東）。
c. MJO的定義
使用200和850hPa緯向風以及向外長波輻射計算實時復(fù)合MJO指數(shù)（RMM1和RMM2）。觀測RMM指數(shù)使用ERA-Interim再分析數(shù)據(jù)計算得到。
d. 技巧得分
技能得分是相對于參考值衡量模型預(yù)測技能的指標。我們使用了三種技能得分：均方根誤差（MSE）技能得分（MSESS）、Heidke技能得分（HSS）和Brier技能得分（BSS）。MSESS和HSS用來檢驗決定性預(yù)報而BSS用來檢驗概率預(yù)報。
MSESS用于預(yù)測風暴數(shù)目定義為：
MSESS大于0意味著該模型比氣候參考具有更高的技巧。
HSS將正確分類預(yù)測的比例與隨機預(yù)測的比例進行比較，隨機預(yù)測在統(tǒng)計上獨立于觀察結(jié)果。我們在這里使用兩類：0表示無成因，1表示預(yù)測期內(nèi)形成的一個或多個風暴。正確預(yù)測數(shù)與所有預(yù)測數(shù)的比率，通常稱為正確百分比（PC），定義為
一個1預(yù)測的邊際概率為(a+b)/n，1觀測的邊際概率為(a+c)/n。因此，通過偶然性進行正確1預(yù)測的概率為(a+b)/n *(a+c)/n。類似地，通過偶然性進行正確0預(yù)測的概率為（b + d）/n *（c + d）/n。因此，由于偶然性，正確預(yù)測的概率E為
HSS因此定義為：
如果所有預(yù)測都是正確的（即PC等于1），則HHS為1；如果模型沒有技能（即PC等于E），則HHS為0。
BSS用來評估海盆尺度TC頻次相對于氣候態(tài)預(yù)報的概率預(yù)報技能。Brier skill（BS）定義為：
對于無成因，Pi、j和oi均為0；對于預(yù)測期內(nèi)的一次或多次風暴成因，Pi、j和oi均為1。因此，BS是均方概率預(yù)測誤差。BS~ref類似于BS，但用于基于觀測氣候態(tài)的參考預(yù)報。在該研究中，兩個氣候指數(shù)被使用。一種是月時間分辨率的季節(jié)變化氣候?qū)W，另一種是恒定的年平均氣候?qū)W。當一個模型與氣候態(tài)相比更有技能時，BSS是正的。
e. Candy圖分析
為了分析TC成因?qū)JO階段的依賴性，計算了每個TC海盆中風暴成因的概率密度函數(shù)（PDF），并將其劃分為MJO階段。為了確定有利和不利的MJO階段，整個期間，每周TC數(shù)目的值都會被隨機調(diào)整，以獲得獨立于MJO的PDF。然后，當未打散的PDF大于通過隨機交換數(shù)據(jù)獲得的4000個PDF中的第90個百分位時，定義為有利的MJO階段；當未緩沖PDF小于隨機PDF的第10個百分位時，定義不利的MJO階段。然后，通過沿Y軸從ATL到ENP的經(jīng)度和沿X軸的MJO相位來組織PDF，就像一片糖果一樣。
對觀測值和六個S2S模型進行糖果圖分析。然后使用r^2（即模型PDF預(yù)測的觀測PDF方差的分數(shù)）對每個S2S模型和觀測模式之間的全球模式（包括所有TC盆地的PDF）進行量化比較。在本分析中，我們僅包括當MJO指數(shù)的幅度大于一個標準差時的風暴。我們使用的風暴分數(shù)在觀測中為60%，在BoM、CMA、ECMWF、JMA、MetFr和NCEP重新預(yù)測中分別約為60%、50%、40%、52%、65%和52%。
3. 氣候態(tài)熱帶氣旋
a. 強度和熱帶風暴閾值
因為他們的水平分辨率不足以代表TC內(nèi)核結(jié)構(gòu)，所以這里使用的全球模式不能模擬觀測到的最大TC強度。影響S2S存檔中所示模擬強度的另一個因素是，每24h的模型輸出會在1.5*1.5°的格點上即時存檔。結(jié)果就是，TC生命史最大強度（LMI）的累計密度分布（CDF）表明觀測到的風暴LMI中值為50kt（1kt=0.51m/s）而S2S模式的中值LMI在25-35kt范圍內(nèi)，但BoM出來，其中值為40kt（Fig. 1）。
BoM模式模擬更強的風暴時比其他S2S模式有更高的水平分辨率。這可能是由于它的物理參數(shù)化方案或動力核心影響，或二者兼有。對其它全球氣候模式的很多研究已經(jīng)提到這兩個因素是很重要的，因此模式模擬的TC最大強度不是模式水平分辨率的簡單函數(shù)。雖然S2S TC強度存在顯著的低偏移，但我們可以使用分位數(shù)分析對風暴進行分類。例如，觀測到的熱帶風暴（TS）風速閾值是34kt，在觀測的LMI分布中，其對應(yīng)于第18個百分位（圖1中的灰色線）。因此，我們定義熱帶風暴閾值為每個模式中LMI CDF的第18個百分位。對應(yīng)BoM、CMA、EC、JMA、MetFr和NCEP，他們分別對應(yīng)34,23,24,24,27和26kt。在該研究中，我們只考慮達到觀測和再預(yù)報中定義的熱帶風暴閾值的TCs。
b. 成因和TC季節(jié)的定義
成因時間在這里定義為每個預(yù)測軌跡上記錄的第一個點的時間。在模型初始化之前存在的TC認為已經(jīng)經(jīng)歷了生成過程。雖然如此，為了模式評估的目的，我們將先前存在風暴的第一次記錄時間（通常為第1天或t=24h）作為其發(fā)生時間，原因會在第五部分解釋。除第1周外，這段時間TC發(fā)生率較高，因為已經(jīng)存在的風暴其預(yù)測的氣候態(tài)成因不會隨提前時間發(fā)生很大變化。因此，即使我們在這里僅顯示第2周預(yù)測的氣候態(tài)成因（圖2），但我們的結(jié)果在較長的提前時間內(nèi)也有效。
全球來看，EC模式比觀測多了統(tǒng)計顯著20%的TC生成，而CMA、MetFr和NCEP分別有比觀測高140%、65%和80%的成因。相反，BOM和JMA模式比氣候態(tài)觀測少了35%和45%的生成。低分辨率的模式在亞熱帶經(jīng)常會有不真實的高TC生成率，當使用具有模型相關(guān)閾值的算法檢測和跟蹤風暴時。然而，模擬結(jié)果與觀測的成因數(shù)差值圖（圖2b-g）表明S2S模式并不如此，因為副熱帶的誤差比熱帶小得多。
區(qū)域來看，觀測到最強的TC陳銀率局地最大值在ENP和WNP（圖2a）。在三個南半球的海盆（SIN、AUS、SPC）觀測到的風暴形成于15°S左右的狹長區(qū)域。一般來說，S2S模式可以捕獲它們的局地最大值（圖未展示），并且EC模式有著最小的區(qū)域偏差，BoM次之。JMA模式低估了全域的TC成因率，而CMA、MetFr、NCEP高估了它。在每個海盆，模式有最小的平均誤差（每年的風暴數(shù)）的是MetFr模式（-0.01）模擬的ATL，BoM模式(0.22)模擬的NI，EC模擬的WNP（0.11），MetFr模擬的ENP（-0.24），JMA模擬的SIN（-0.3），BoM模擬的AUS（-0.6）以及EC（0.33）和BoM（0.36）模擬的SPC。CMA模式在太平洋有最大的正偏差（圖2c），并且在4-12°N每格點（4°*4°）偏差大于1個風暴，對觀測的氣候態(tài)平均每年每格點少0.2個風暴。（圖2a）
如果不管總TC數(shù)和成因空間分布的這些偏差，S2S模式很好的代表了季節(jié)TC成因的年際循環(huán)。（圖3）我們定義了區(qū)域性變化的TC季節(jié)，包括每個區(qū)域內(nèi)發(fā)生率高于年發(fā)生率5%的月份。使用該定義，TC季節(jié)在一些模式中就和觀測有所不同。例如，觀測的ECP颶風季定義為5-10月，但在BoM模式中為7-11月。EC模擬的TC季節(jié)與觀測匹配的最好。
雖然模擬的TC季節(jié)和觀測有所差異，但我們的目的是在觀測TC季節(jié)進行熟練的TC預(yù)測。因此，觀測的TC季節(jié)用于我們下面的預(yù)測技巧評估。使用該定義，TC季節(jié)在ATL為6-11月，在ENP為5-10月，在WNP為5-11月，在NI為4-7和9-11月，在SIN為10-4月，在AUS和SPC為11-4月。
4. MJO-TC 調(diào)制
接著，我們檢驗了S2S模式是否有能力模擬觀測到的MJO-TC調(diào)制作用。特別的，我們將成因的空間分布作為MJO位相的函數(shù)，如圖4,5所示的異常場和圖6所示海盆尺度的PDF。我們關(guān)注的重點是第二周的再預(yù)報，因為這個時段所有的S2S模式都展示出了預(yù)測MJO的能力。
全球氣候模式可以模擬觀測得到的TC成因?qū)JO的依賴性。高水平分辨率經(jīng)常被引用作為捕獲MJO-TC調(diào)制的必要條件。然而，必要的分辨率還沒有精確的定義。例如，高水平分辨率從EC和GFDL的高分辨率大氣模式（HiRAM）的50km到日本非靜力二十面體大氣模式（NICAM）的14km。此外，對流和微物理的良好表示是在全球模式中很好地模擬MJO的關(guān)鍵因素。改變水平分辨率（對相同的模式使用相同的物理方案）并不一定能改良MJO模擬。水平分辨率可能主要通過其對模式模擬TCs的能力及其與周圍環(huán)境相互作用的影響而變得重要。
S2S模式的水平格點間距為0.25°-2°。它們至少都能定性的捕獲，由于MJO位相增加而在南半球觀測到的東傳TC成因異常（圖4）。雖然觀測到的東傳信號在北半球較弱（圖5），但我們?nèi)阅芸吹秸腡C成因異常從NI傳播到ATL（如MJO的23位相到81位相）。北半球東傳信號在絕大多數(shù)S2S模式中比觀測要強。EC和FR模式中觀測到的ENP正異常在MJO67位相太強，擴展到了WNP。類似的，MJO81階段的WNP異常在BoM、CMA、EC、NCEP模式中也過預(yù)測了，并擴展到了ENP。JMA模式?jīng)]有捕獲到北半球MJO的東傳。
為了進一步判斷有利于單個海盆TC成因的MJO位相，我們進行了糖果圖分析（第二部分），這可以顯示每個熱帶氣旋盆地中由MJO階段劃分的風暴成因率。在觀測中（圖6a），當MJO對流中心位于印度洋時（MJO23位相），觀測到31%的ATL颶風形成。類似的，在SIN，有更高的成因率（總風暴數(shù)的50%）在MJO23位相時發(fā)生。TC發(fā)生的有利MJO位相為，NI3-5，AUS3-4，WNP5-6，SPC7-8，ENP7,8-1。有利的MJO位相隨經(jīng)度增加按盆地列出，因此它們在圖6a中，從左下角到右上角排列。
S2S模式中的有利MJO位相也表現(xiàn)了一個左下到右上的趨勢，除了JMA模式。EC模式（水平分辨率為0.25-0.5）最好的模擬了觀測到的MJO-TC分布（圖6b），并解釋了64%的觀測總方差。法國、美國、中國和澳大利亞的模式（模型分辨率按0.7-1排序），分別解釋了42%、50%、41%和47%的總方差。JMA模式不能捕獲MJO-TC空間態(tài)的抬升趨勢，因為MJO的56位相在模式中比觀測中發(fā)生的更頻繁。尤其在北半球的TC季節(jié)（圖6e）。作為結(jié)果，盡管水平格點距離為0.5°，JMA模式對于觀測到的MJO-TC關(guān)系，僅僅解釋了23%。我們的結(jié)果表明盡管模式分辨率在模擬TCs中作為一個重要的角色，但對于模擬觀測到MJO對TC成因的調(diào)制，它可能不是最重要的。
5. 成因預(yù)報技巧
在天氣尺度預(yù)報中（2-5天），TC頻次經(jīng)常使用決定性預(yù)報。超過5天，則使用集合系統(tǒng)的概率預(yù)報因為它們提供了有關(guān)預(yù)報不確定性的信息。此外，集合平均的預(yù)報技巧可能比單一確定性運行的更高，即使后者有更高的分辨率。在該節(jié)，我們將會展示模式在確定和概率預(yù)報中預(yù)測TC成因的技巧。我們主要關(guān)注概率性預(yù)報技巧，并且還將討論其潛在的可預(yù)測性。
a. 確定性預(yù)報：MSESS 和 HSS
確定的TC頻次預(yù)報在這兒定義為使用集合平均預(yù)報。確定預(yù)報技巧使用MSESS和HSS進行量化。HSS衡量S2S模式預(yù)測風暴頻次的能力（不包括數(shù)目），而MSESS不僅評估頻次還包括風暴數(shù)目。
與隨機預(yù)報相比，S2S模式在預(yù)測一個海盆內(nèi)的風暴頻次的大部分提前時間中更有技巧（圖7）。在第一周的頻次預(yù)測中，EC模式在除了ATL海盆外的所有海盆都有最高的HSS分數(shù)，而在ATL海盆，NCEP模式有更高的HSS分數(shù)。在第一周之后，大多數(shù)海盆中HSS的值下降明顯，很難區(qū)分它們的差別。注意到HSS將S2S模式中正確預(yù)測的比率與偶然預(yù)測的做了比較，而不考慮氣候因素。僅HSS的值不能說明S2S模式是否比氣候態(tài)更有技巧。
因此，我們創(chuàng)造了一個沒有技巧的參考預(yù)報來表示僅知道氣候態(tài)季節(jié)的技巧得分（圖7中的虛線）。該無技巧參考是通過驗證S2S預(yù)測和按年份重組的觀測值來計算的。例如，使用隨機挑選的觀測年份來評估2005年的S2S預(yù)測。這樣做，我們在無序觀測中保留了季節(jié)性信號，但消除了年復(fù)一年的依賴性。除了一下例外，無技巧參考預(yù)報的HSS的值為正。這是因為S2S模式很好的模擬了觀測到的季節(jié)性成因，正如第三節(jié)討論的那樣。在模式HSS的值接近無技巧參考值的情況下，氣候態(tài)對大多數(shù)預(yù)測技巧都有貢獻。在圖7中，除EC外，大多數(shù)模式的實線在第二周后都與虛線合并。BoM和CMA模式在大西洋海盆的預(yù)報，即使在第一周也很大程度上取決于對氣候態(tài)季節(jié)的理解。在EC模式中，所有海盆的HSS都要比相應(yīng)的無技巧參考更大，表示對于確定性預(yù)報技巧還有其他因素。
MSESS的分析結(jié)果表明，除EC模式在第一周預(yù)測NI、AUS、WNP、ENP和BoM模式在第一周預(yù)測SPC和AUS外，S2S模式在預(yù)測TC頻率時是無技巧的（圖未表明）。
b. 概率預(yù)測：BSS
接著，我們研究了S2S模式預(yù)測周際TC頻次概率的性能。我們計算了兩個不同而布雷爾技巧得分。第一個（稱作BSS_c，這兒的c意為：“常數(shù)”；為圖8中的虛線）為將預(yù)測的布雷爾分數(shù)與觀測的年平均氣候常數(shù)進行比較。BSS_c的正值意味著模式比氣候態(tài)常數(shù)預(yù)測更有技巧。我們考慮所有月份的風暴成因，并使用該得分，預(yù)測可以正確匹配TC成因頻率的年周期。這與驗證短期天氣預(yù)報的標準做法是一致的，在這種做法中，氣象變量的總值與季節(jié)氣候?qū)W的異常相對，是根據(jù)觀測值進行驗證的。
第二個BSS（這里稱為無腳本BSS，圖8中的實線）為將預(yù)測的布雷爾技巧與觀測到的每月變化的其后進行比較。在這種情況下，只考慮在觀測的TC季節(jié)生成的風暴（像第三部分的定義）。這在季節(jié)預(yù)測中更為典型，并為評估TC成因預(yù)測技能提供了更嚴格的措施。當S2S模式捕捉到與觀測的季節(jié)性偏差時，得到正的BSS值。這種情況下，正的BSS意味著該模式比氣候態(tài)月際變化更有技巧。
BSS_c的值經(jīng)常是正的，表明S2S模式在大多數(shù)海盆比年際常數(shù)預(yù)測更有技巧。由于用于BSS_c的參考預(yù)測不如BSS的熟練，因此BSS_c值也通常明顯大于BSS的值。CMA的預(yù)測和對于NI的預(yù)測是例外。在CMA預(yù)測中，BSSc的值在SIN、AUS和WNP比其他模式更接近BSS的值。這是因為CMA模式的氣候態(tài)太差了，在觀測的淡季產(chǎn)生了太多的風暴（圖3）。NI的BSSc和BSS之間的差異比其他海盆小得多，第1周后沒有正的BSS_c值。換句話說，在預(yù)測熱帶氣旋季節(jié)方面，沒有一個S2S模型比NI第1周后的年際常數(shù)預(yù)測更熟練。相反，直到第5周，JMA、ECMWF、NCEP和MetFr在ATL中都有正的BSS_c，盡管ECMWF是唯一在第1周后還有正BSS的模式。
類似于圖7的HSS值，所有模式的BSS值在從第一周到第二周時也都會有顯著的下降（圖8）。這一大落差與我們一開始的定義有關(guān)，因為考慮了模式初始化前就存在的風暴，這導致了觀測和預(yù)測之間存在高度關(guān)聯(lián)（因此BSS較高）。若去除先前存在的TCs（當追蹤到在第1天識別出強度大于各自TS閾值的風暴時，以及在模擬風暴500 km距離內(nèi)觀察到大于34 kt（觀察的TS閾值）的風暴時，定義為先前存在的TC），第一周的BSS值（圖八中的三角標記）很接近但仍略微高于第二周。通過保留先前存在的風暴，我們發(fā)現(xiàn)初始化是影響動力模式預(yù)報技巧的因素之一。大多數(shù)S2S模式對大部分海盆在第一周是有技巧的，除了NI海盆。該海盆較低甚至為負的第一周BSS值與這些區(qū)域較差的模式初始化有關(guān)。從第2-5周，大多數(shù)模式的BSS值趨于平穩(wěn)，預(yù)測誤差在第2周達到飽和。這與氣候態(tài)成因在第二周后沒有明顯變化的事實一致。在一些案例中，如EC模式預(yù)測SPC和NCEP預(yù)測NI，模式誤差會繼續(xù)增長并且因此BSS值會隨著提前時間的增加而下降。法國模式的BSS值在SIN和NI地區(qū)波動很大，并且在第3-5周有比第2-4周相對較高的值。我們猜測這些波動沒有意義，是因為樣本量不足導致的。
基于BSS的評估，EC模式預(yù)測TC頻次時，在ATL和WNP技巧可達第5周，在SPC和ENP可達第2周，但是在SIN、NI以及AUS在第一周后就沒有了技巧。BoM模式在WNP到第五周和SPC到第二周都有正的技巧。法國模式在WNP到第二周有技巧。CMA,JMA和NCEP模式在第一周后都沒有技巧。與已有的海盆尺度統(tǒng)計模式比較（雖然統(tǒng)計模型中的數(shù)學公式在不同海盆之間相似，但預(yù)測因子及其敏感性各不相同。Leroy和Wheeler（2008）專注于南大洋，并使用了兩個MJO指數(shù)，即ENSO SST指數(shù)、印度-太平洋SST和區(qū)域TC季節(jié)氣候態(tài)指數(shù)。Slade和Maloney（2013）專注于大西洋和東太平洋盆地，使用了MJO和ENSO指數(shù)，以及區(qū)域成因氣候?qū)W。對于大西洋盆地，使用了另一個代表主要開發(fā)區(qū)SST變化的預(yù)測因子。在我們的討論中，我們不區(qū)分不同的統(tǒng)計模型，但請感興趣的讀者參考這些研究）。EC,BoM和法國模式有可以比擬的技巧。在第一周，這些多重邏輯回歸模式的BSS得分為0.13（ATL）、0.17（ENP）、0.09（SIN）、0.06-0.08（AUS）和0.045（SPC）。最高的S2S BSS值為EC模式中，0.7（ATL,WNP,ENP）,0.35（AUS），0.25（SPC,SIN），0.06（NI）。（若不考慮先前存在的風暴，這些值分別為0.127(ATL),0.36(WNP),0.27(ENP),0.126(AUS),0.07(SIN,NI),0.01(SPC)。）在第2周，統(tǒng)計模式BSS值為0.11(ATL), 0.16(ENP), 0.07(SIN), 0.05-0.07(AUS), 0.001(SPC)。最高的S2S BSS值在相同的提前時間為0.15(ATL), 0.19(WNP), 0.105(EC->ENP), 0.056(SPC), 0.08(BoM->AUS)。沒有S2S模式在第二周于SIN和NI海盆有正技巧。從第三周開始，統(tǒng)計模式的BSS值全面優(yōu)于S2S模式。
c. 潛在可預(yù)報性
BSS值在所有全球海盆的第2-5周較低，即使是那些有技巧的模型（圖8中）。這引出了一個問題，在這些S2S模式中，次季節(jié)TC成因預(yù)報的上限是什么的問題。我們通過計算潛在的可預(yù)測性來估計這些限制（這里討論的潛在可預(yù)測性取決于模型，而不是TC成因內(nèi)在的潛在可預(yù)測性）。對于每個S2S模式，來自集合成員之一的再預(yù)報被視作虛假的“觀測”，使用BSS驗證其余成員的預(yù)測（與用于計算實際技能的分數(shù)相同）。對每個集合成員重復(fù)該過程，接著平均技巧得分。將觀測值替換為模式預(yù)測將使模式“完美”，因為預(yù)測中的大氣代表與被預(yù)測目標中的大氣表示是相同的，沒有任何系統(tǒng)偏差。剩余誤差來源依然為不確定的初始條件和模式中不可預(yù)測的噪音。
通常來說，但并非總是，潛在技巧是大于實際技巧的。有了完美的觀測數(shù)據(jù)，徹底的集合傳播以及沒有偏差的模式，潛在和實際技巧水平間的正差異可以被解釋為模式中存在改進空間。在觀測數(shù)據(jù)可能存在誤差，集合傳播不徹底和模式存在系統(tǒng)偏差的情況下，正差異可能是這些缺陷的后果。觀測誤差導致了人為低的實際技巧，而集合傳播不足和模式的偏差可能導致人為的高潛在技巧。
這里稱潛在技巧得分為BSS_p，p的意思為潛在的。例如，圖9展示了BoM，EC,NCEP模式在ATL和SIN的BSSp結(jié)果（虛線）。S2S模式在ATL的表現(xiàn)較其他海盆更好，而SIN是一個更有挑戰(zhàn)的海盆。類似于BSS，BSSp（虛線）在第一周后也有顯著下降，在2-5周趨于平緩。全部S2S模式全部提前時間的BSSp值處處為正（圖未顯示）。
BSSp和BSS值的差異（圖9中實線和虛線的間隔）隨著提前時間、海盆和模式的變化而變化。它們通常在第一周很小，表明著來自初始化的正貢獻。模式間相比，NCEP模式中的差異最大。除了有很低的實際技巧，NCEP模式只有四個模式成員，這可能導致了不足的集合延展度，并因此導致了人為的高BSSp。在三個南半球TC的海盆（SPC, AUS未展示），BoM模式的實際技巧接近各自的潛在技巧。EC模式在ATL的BSS值接近它們BSSp的值。橫向比較下來，BSSp和BSS的正差異在CMA中最大，在EC中最小（圖未展示）。類似于NCEP，CMA的實際技巧較低且僅有四個集合成員。雖然沒有容易的方法明確解釋潛在和實際技能水平間的差距，但巨大的差異表明模型，集合系統(tǒng)或數(shù)據(jù)中存在缺陷。
6. 討論概率預(yù)測可預(yù)報性的來源
全球模式表征TC成因的能力依賴于模式特征，包括動力內(nèi)核、物理參數(shù)化方案和模式分辨率。這些特征反映了模式有多好的代表了氣候態(tài)成因、MJO和MJO與TCs的關(guān)系（或通常為兩個天氣系統(tǒng)間的相互作用）。一個好的TC預(yù)測（至少在天氣尺度上）很大程度上依賴于模式的初始化（如數(shù)據(jù)同化方案）。另外，集合預(yù)報系統(tǒng)的技巧對預(yù)測的設(shè)計很敏感，如集合大小和模式擴展的范圍——即天氣、季節(jié)性和年代際的背景。在該節(jié)，我們討論模式特征，初始化和集合大小對次季節(jié)成因概率預(yù)報技巧的影響。
a. BSS和氣候態(tài)、MJO以及MJO-TC關(guān)系
為了檢驗?zāi)Ｊ降腡C成因預(yù)測技巧能多大程度上被觀測氣候態(tài)TC、MJO和MJO-TC關(guān)系所影響，我們計算了BSS值和三個驗證指數(shù)間的相關(guān)系數(shù)，包括各個提前時間和模式。三個驗證指數(shù)分別為，1. 對TC氣候態(tài)模擬和觀測之間全海盆、月際、成因頻率的相關(guān)性，2. RMM指數(shù)的雙變量相關(guān)性，用于評估模型模擬MJO的性能，3.?觀察到的MJO-TC關(guān)系中，由糖果圖分析的模型解釋的方差r^2的部分（圖6）。相關(guān)系數(shù)使用第1-5周（rw1-5）及第2-5周（rw2-5）的數(shù)據(jù)計算，后者排除了初始化對衡量的影響。
圖10展示了BSS和這三個驗證指數(shù)在ATL關(guān)系的散點圖。第1-5周（rw1-5），BSS值與對氣候態(tài)TC、MJO和MJO-TC關(guān)系的驗證指數(shù)為正相關(guān)關(guān)系。正相關(guān)可以部分的歸因于兩個量對提前時間的依賴性；第1周的BSS和第1周氣候?qū)W成因（或MJO和MJO-TC關(guān)系）的測量值均高于第二周的測量值。使用第2-5周的數(shù)據(jù)，正相關(guān)性仍保持，并且相關(guān)系數(shù)（rw2-5）變得更小，尤其是BSS和MJO模擬指數(shù)間的相關(guān)性。圖10的結(jié)果表明ATL BSS從第2-5周是模式表示MJO-TC關(guān)系的結(jié)果，而不是氣候態(tài)TC和MJO的結(jié)果。rw2-5均通過90%顯著性檢驗。
應(yīng)用類似的分析到其他海盆，檢驗發(fā)現(xiàn)BSS對三個指數(shù)的依賴性并不一致（圖11）。在SIN和IN，BSS值與模式模擬MJO的性能呈正相關(guān)。AUS和WNP的BSS值則與全部三個驗證指數(shù)正相關(guān)。氣候態(tài)TC和MJO-TC關(guān)系在WNP一樣強，而在ENP則是氣候態(tài)TC最強。BSS和對氣候態(tài)以及MJO-TC關(guān)系的驗證指數(shù)rw2-5在WNP和ENP高于90%顯著性水平。值得注意的是，相關(guān)關(guān)系并不一定代表因果關(guān)系。此外，BSS和三個驗證指數(shù)相互之間并不獨立，即使它們超過了90%顯著性水平。圖11的結(jié)果基本上展示了它們的依賴性。可能存在因果關(guān)系或這兩個量都可能受到此處未討論的某些因素的影響。
b. BSS和初始MJO大小
B等（2010）發(fā)現(xiàn)EC模式預(yù)測次季節(jié)大西洋颶風依賴于模式初始化時MJO的大小。效仿他的工作，我們將初始化時MJO的大小考慮進再預(yù)報。我們得到EC模式在ATL的結(jié)果（圖9灰色虛線）與B等人的結(jié)果一致，隨著MJO大小的增加，BSS的值也隨之增加。然而，我們在其他海盆卻沒有再找到類似的關(guān)系。對于BoM和NCEP模式（圖9）以及其他S2S模式（圖未展示），跨海盆的BSS和初始MJO大小之間沒有一致的依賴性關(guān)系。
c. BSS和模式大小
接著，我們考慮集合大小對次季節(jié)TC預(yù)報預(yù)測技巧的影響。特別的，我們想知道NCEP模式較低的技巧得分是否由于它在S2S再預(yù)報中較小的集合（只有四個成員）。（在氣候態(tài)和糖果圖分析分析中，NCEP系統(tǒng)的性能和BoM以及法國模式相當，但它的技巧得分在第一周后為負的。）為了檢驗這個問題，我們首先在計算BSS強減少了所有S2S模式的集合成員到四個。我們在第2周和第5周重點分析了BoM、ECMWF和MetFr模型，因為CMA和JMA模型分別只有4個和5個集成成員。正如所料，當計算中僅使用四個集合成員時，ECMWF、BoM和MetFr BSS值降至零以下（圖12）。ECMWF系統(tǒng)仍然比具有四個集成成員的NCEP更熟練，盆地中的BoM模型也是如此，在那里它能夠熟練地處理所有33個集成成員。
我們進一步計算了隨著集合大小增加的BSS值，發(fā)現(xiàn)BoM模型達到飽和點，大約為15個集合成員處；也就是說，集合大小的進一步增加不利于成因預(yù)測技巧。EC和Fr模式各自有11和15個集合成員，看起來似乎也接近它們的飽和點，盡管他們的BSS值還在波動。換句話說，EC和Fr的預(yù)測策略可能比BoM選擇的更有效率。因此，我們可以預(yù)計，NCEP、JMA和CMA模型將使用更大的集合規(guī)模獲得更好的技能分數(shù)。在NCEP模型的情況下尤其如此，因為JMA和CMA模型在其模擬的氣候態(tài)TC成因中還有較大的偏差。
