China： The third pole
1
2008
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
Third Pole Environment （TPE）
1
2012
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
The dynamical effects of Xizang Plateau on the atmospheric circulation over East Asia and its importance
1
1951
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
西藏高原对东亚环流的动力影响和它的重要性
1
1951
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
Impact of the general circulation of the atmosphere
1
1952
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
西藏高原对于大气环流影响的季节变化
1
1952
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
Effects of Tibetan Plateau on East Asian atmospheric circulation and China weather
1
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
西藏高原对于东亚大气环流及中国天气的影响
1
1955
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
The large-scale circulation and heat sources over the Tibetan Plateau and surrounding areas during the early summer of 1979. Part I： Precipitation and Kinematic analyses
1983
The large-scale circulation and heat sources over the Tibetan Plateau and surrounding areas during the early summer of 1979. Part II： Heat and moisture budgets
1984
The effects of topographycal and thermal forcing on formation and maintenance of the summer monsoon over Asia
1987
地形与热源强迫在亚洲夏季风形成与维持中的物理作用
1987
Tibetan Plateau forcing and the timing of the monsoon onset over South Asia and the South China Sea
1998
Direct and global solar radiations in the region of Mt
1
1995
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
1992年夏季珠穆朗玛峰地区的太阳直接辐射和总辐射
1
1995
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
The wind structure and heat balance in the lower troposphere over Tibetan Plateau and its surrounding
1
1957
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
西藏高原及其附近的流场结构和对流层大气的热量平衡
1
1957
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
Numerical experiments on the influences of the Qinghai-Xizang Plateau topography on the summer general circulation and the asian summer monsoon
1993
青藏高原大地形对夏季大气环流和亚洲夏季风影响的数值试验
1993
World water tower： An atmospheric perspective
1
2008
... 第三极是以青藏高原为主体的平均海拔超过4 000 m的地区，具有全球最独特的地质—地理—资源—生态耦合系统［1，2］，它的面积超过500万km2，拥有世界上最大最高的山脉，其中的青藏高原是影响亚洲季风和气候异常的关键区域［3，4］.由于青藏高原地区独特的地形地貌，我国学者早在20世纪50年代就开展了针对青藏高原动力和热力作用的研究工作［5~11］.另外，大量研究也表明青藏高原地区对于全球气候变化和大气环流都有着不可忽略的调控作用［12~14］.与此同时，以青藏高原为主体的第三极地区因其复杂大地形和多变的气候特点，也是气象灾害频发的脆弱地区，低温冷害和雪灾等往往带来严重的生命财产损失.因此，开展第三极地区的气候预测评估和研究具有重要的科学意义和现实价值. ...
Verification and correction of East China summer rainfall prediction based on BCC_CSM model
1
2017
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
基于BCC_CSM模式的中国东部夏季降水预测检验及订正
1
2017
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
Evaluation and predictability analysis of seasonal prediction by BCC Second-Generation climate system model
2017
BCC二代气候系统模式的季节预测评估和可预报性分析
2017
Evaluation of Seasonal prediction for summer rainfall in China based on BCC second-generation short-range climate forecast systerm
2019
基于BCC第二代短期气候预测模式系统的中国夏季降水季节预测评估
2019
Predictability of DERF on monthly mean temperature and precipitation over China
2007
中国区域月平均温度和降水的模式可预报性分析
2007
1气候模式对全球海表温度年代际变化的回报能力评估
2017
Performance of the seasonal forecasting of the Asian summer monsoon by BCC_CSM1.1（m）
1
2015
... 前人研究表明，气候系统的可预报性来源于缓变的耦合海—陆—气—冰动力学和海洋与陆面的记忆［38］.其中，海表温度（Sea Surface Temperature）和大气环流异常的主要变率模态被认为很可能显著影响气候模式的预测结果［20］.为了进一步探究外强迫因子对于第三极地区气象要素预测效果的影响，选取预报效果最好的起报时间下模式的预报结果进行可预报来源分析.从前面的分析可知：在模式提前3个月起报（LT=3）时，气温和积雪的平均ACC技巧均能达到较高值.这里选取海温异常的变化作为影响模式预测效果的关键因子，分析海温与模式预报技巧的相关性. ...
The capacity of seasonal forecast models for the forecast of the East Asian summer circulation and its response to tropical SST anomaly
2
2017
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
... 对于气温和积雪的预报，模式提前3个月时的平均ACC技巧都能达到较高的值，海温等的缓变信号［38］对于模式的预测技巧有着不容忽视的影响，也是气候预测中重要的可预报源［21］，因此在接下来的研究中，我们将重点讨论海洋对于模式预测结果产生的可能影响，以解释第三极地区的可预报性来源. ...
季节预测模式对东亚夏季环流的预测能力及其对热带海洋的响应分析
2
2017
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
... 对于气温和积雪的预报，模式提前3个月时的平均ACC技巧都能达到较高的值，海温等的缓变信号［38］对于模式的预测技巧有着不容忽视的影响，也是气候预测中重要的可预报源［21］，因此在接下来的研究中，我们将重点讨论海洋对于模式预测结果产生的可能影响，以解释第三极地区的可预报性来源. ...
winter under the background of super El Ni?o event
1
2017
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
强厄尔尼诺背景下2015/2016年冬季气候预测的不确定性分析
1
2017
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
Evaluation on simulated snow depth over Qinghai-Tibetan Plateau with BCC-CSM（m） model during recent 30 years and its impact on precipitation in summer
1
2020
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
近30年BCC-CSM（m）模拟高原积雪状况评估及其对夏季降水的影响
1
2020
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau
1
2014
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
CMIP5全球气候模式对青藏高原地区气候模拟能力评估
1
2014
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
Simulation and projection of snow water equivalent over the Eurasian continent by CMIP5 coupled models
1
2017
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
CMIP5 耦合模式对欧亚大陆冬季雪水当量的模拟及预估
1
2017
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
Outlook for El Ni?o and the Indian Ocean Dipole in autumn-winter 2018-2019
1
2019
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
2018—2019年秋冬季厄尔尼诺和印度洋偶极子的预测
1
2019
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
Simulation study on precipitation recycling ratio in the Tibetan Plateau from 1982 to 2005
1
2020
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
1982—2005年青藏高原降水再循环率的模拟研究
1
2020
... 目前，气候模式已经逐渐成为短期气候预测的重要工具，也是当前开展青藏高原相关研究不可或缺的模拟和预测手段.此前，已有不少研究针对东亚及我国气温、降水等气象要素的预测结果进行了评估和检验［15~21］，如宋文玲等［22］的研究表明在强厄尔尼诺背景下，业务气候模式能够较好地预测出西藏部分地区的冬季气温的阶段性变化；宋敏红等［23］的研究发现BCC_CSM1.1m模式能够较好地预测冬季高原积雪的时空变化特征.同时也有一些学者做了针对青藏高原地区的模拟试验研究，如胡芩等［24］的结果表明CMIP5模式对青藏高原地区地表气温分布具备合理的模拟能力；杨笑宇等［25］的研究发现CMIP5的大部分模式对于青藏高原地区的积雪存在高估的情况；包庆等［26］利用FGOAL-f2系统的预测结果验证了在厄尔尼诺和正IOD（Indian Ocean Dipole）事件的共同调控下，我国包括青藏高原在内的大部分地区呈现暖冬的特征；张宏文等［27］采用动力降尺度模拟的方法，能够较好地呈现出青藏高原降水和蒸发的空间分布特征.然而，迄今专门针对第三极地区的气候模式预测评估工作和区域可预报性研究极为少见，国家气候中心的气候预测业务模式（BCC_CSM1.1m）开展了包括第三极地区在内的全球季节实时预测，但是该模式对于高原气象要素的预测效果仍未可知.因此，本文拟利用国家气候中心季节预测业务模式BCC_CSM1.1m多年历史回报数据，考察该模式对于第三极地区气温（T2m）和第三极积雪（Third pole snow depth，Tsd）的季节—年际预测性能，并通过分析预报技巧与海洋—大气外部因子之间的可能联系，探索相关预测技巧的可预报性来源. ...
Updated high-resolution grids of monthly climatic observations-the CRU TS3.10 Dataset
1
2014
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
An overview of China climate change over the 20th century using UK UEA/CRU high resolution grid data
1
2006
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
英国CRU高分辨率格点资料揭示的20世纪中国气候变化
1
2006
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
An overview of temperature variations on the Qinghai-Tibetan Plateau in the recent hundred years using UK CRU high resolution grid data
2012
英国CRU高分辨率格点资料揭示的近百年来青藏高原气温变化
2012
Evaluation of the performance of Beijing Climate Center Climate System Model with different horizontal resolution in simulating the annual surface temperature over central Asia
1
2015
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
不同水平分辨率BCC_CSM模式对中亚地面气温模拟能力评估
1
2015
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
The ERA‐Interim reanalysis： Configuration and performance of the data assimilation system
1
2011
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
Role of snow depth in spring of Tibetan Plateau in onset of South China Sea China summer monsoon
1
2008
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
青藏高原春季积雪在南海夏季风爆发过程中的作用
1
2008
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
reanalysis data
1
2006
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
利用NSIDC雪盖资料和ERA-40资料对比分析青藏高原积雪的时空分布特征
1
2006
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
An improved in situ and satellite SST analysis for climate
1
2002
... 在本研究中，第三极区域范围取25°~50°N，67°~105°E.由于第三极地区观测站点非常稀少、且分布很不均匀，为了便于开展模式预测评估，本文的检验数据均选用了国际上较为认可的格点化和再分析资料.检验所用到的2 m气温资料来自CRU（Climatic Research Unit）数据集［28］，此前已有学者使用CRU数据集探究青藏高原地区的气温变化并基于该数据集进行检验评估研究［29-31］.积雪数据来自ERA-interim再分析资料［32］，对该积雪资料的适用性，前人也做过相关的研究进行验证［33，34］.海温数据来自NOAA Optimum Interpolation SST［35］，选取1991—2018年作为海温气候态. ...
The Beijing Climate Center atmospheric general circulation model： Description and its performance for the present-day climate
1
2010
... 模式数据来自于国家气候中心第二代气候预测业务系统中的模式BCC_CSM1.1m.该模式集合了全球大气、海洋、陆地、海冰多个圈层气候分量：大气分量模式是水平分辨率为T106、垂直层为26层的BCC_AGCM2.2；陆地模型为BCC_AVIM1.0，其水平分辨率与大气分量模式相同；海洋分量模式MOM4_L4Ov2和海冰分量模式SIS具有相同的水平分辨率［36］（1/3°~30 km）.本文选取BCC_CSM1.1m模式中历史回报资料中的气温和积雪深度数据，其中气温按季节划分为夏季（JJA）平均和冬季（DJF）平均，积雪深度选取冬季平均.首先对系统生成的24个成员进行集合平均，对于夏季而言，对5月1日的后1~3个月的预测结果进行平均即得到提前起报时间为1个月（Lead Time=1，LT）的模式预报结果，对4月1日的后2~4个月的预报结果进行平均即得到LT=2的模式预报结果，依次类推得到各个LT，冬季同理. ...
Research on the error and predictability of climate model
1
2005
... 从图1可以看出，当BCC_CSM1.1m的提前起报时间相同时，该地区夏季气温和冬季气温的ACC预测技巧比冬季积雪ACC技巧的年际变化振幅更大，预测技巧评分的波动变化也更加明显，这说明相对于第三极地区的冬季积雪，BCC_CSM1.1m模式对于气温预报结果的不确定性更大、预测效果更不稳定.此前，已有研究［37］表明：大气初始场异常对于复杂的东亚气候预测的影响远大于全球平均的情况，导致东亚地区气候异常的可预测性的年际变化幅度要比全球大得多.在本研究中，由于青藏高原及周边地区独特的地形特点，青藏高原的气候较大程度地依赖于下边界条件和环流系统的异常状况，当影响第三极气温的外强迫因子较强时、在某些年份更容易被模式抓住，在模式的气温预报结果上表现为技巧较高；而外强迫因子较弱时，则信号难以被模式抓住，此时模式对于该区域气温的预报技巧则相对较低.但是从预报技巧平均值（图1虚线和图2）来看，夏季气温ACC均值比冬季气温和冬季积雪的ACC均值更高.对于较长的提前起报时间（LT>1），夏季气温和冬季气温预测技巧ACC年际变化的极小值相对于LT=1的结果更低，LT=4下冬季气温的预报技巧最低可达到-0.8以下.随着LT的延长，冬季气温的预报水平最高值也会有所下降，LT=5时ACC的极大值已达不到0.6.同时从预报技巧平均值（图1虚线和图2）看出，BCC_CSM1.1m模式的预报技巧存在回升现象.分析其可能原因是：在模式资料同化或者初始化不够充分时，预报初始场会与模式状态不协调，其初始误差通常会使得预报在起始阶段出现初始震荡现象，导致模式的预报技巧偏低；在后续预报过程中，随着模式积分时间的延长，系统通过内在调整、初始振荡会有所减弱，使得预测技巧有回升的现象，在某一个提前起报时间下能够达到较好的预报效果. ...
气候模式的误差及其可预报性研究
1
2005
... 从图1可以看出，当BCC_CSM1.1m的提前起报时间相同时，该地区夏季气温和冬季气温的ACC预测技巧比冬季积雪ACC技巧的年际变化振幅更大，预测技巧评分的波动变化也更加明显，这说明相对于第三极地区的冬季积雪，BCC_CSM1.1m模式对于气温预报结果的不确定性更大、预测效果更不稳定.此前，已有研究［37］表明：大气初始场异常对于复杂的东亚气候预测的影响远大于全球平均的情况，导致东亚地区气候异常的可预测性的年际变化幅度要比全球大得多.在本研究中，由于青藏高原及周边地区独特的地形特点，青藏高原的气候较大程度地依赖于下边界条件和环流系统的异常状况，当影响第三极气温的外强迫因子较强时、在某些年份更容易被模式抓住，在模式的气温预报结果上表现为技巧较高；而外强迫因子较弱时，则信号难以被模式抓住，此时模式对于该区域气温的预报技巧则相对较低.但是从预报技巧平均值（图1虚线和图2）来看，夏季气温ACC均值比冬季气温和冬季积雪的ACC均值更高.对于较长的提前起报时间（LT>1），夏季气温和冬季气温预测技巧ACC年际变化的极小值相对于LT=1的结果更低，LT=4下冬季气温的预报技巧最低可达到-0.8以下.随着LT的延长，冬季气温的预报水平最高值也会有所下降，LT=5时ACC的极大值已达不到0.6.同时从预报技巧平均值（图1虚线和图2）看出，BCC_CSM1.1m模式的预报技巧存在回升现象.分析其可能原因是：在模式资料同化或者初始化不够充分时，预报初始场会与模式状态不协调，其初始误差通常会使得预报在起始阶段出现初始震荡现象，导致模式的预报技巧偏低；在后续预报过程中，随着模式积分时间的延长，系统通过内在调整、初始振荡会有所减弱，使得预测技巧有回升的现象，在某一个提前起报时间下能够达到较好的预报效果. ...
Progress and prospects of seasonal climate prediction
2
2011
... 对于气温和积雪的预报，模式提前3个月时的平均ACC技巧都能达到较高的值，海温等的缓变信号［38］对于模式的预测技巧有着不容忽视的影响，也是气候预测中重要的可预报源［21］，因此在接下来的研究中，我们将重点讨论海洋对于模式预测结果产生的可能影响，以解释第三极地区的可预报性来源. ...
... 前人研究表明，气候系统的可预报性来源于缓变的耦合海—陆—气—冰动力学和海洋与陆面的记忆［38］.其中，海表温度（Sea Surface Temperature）和大气环流异常的主要变率模态被认为很可能显著影响气候模式的预测结果［20］.为了进一步探究外强迫因子对于第三极地区气象要素预测效果的影响，选取预报效果最好的起报时间下模式的预报结果进行可预报来源分析.从前面的分析可知：在模式提前3个月起报（LT=3）时，气温和积雪的平均ACC技巧均能达到较高值.这里选取海温异常的变化作为影响模式预测效果的关键因子，分析海温与模式预报技巧的相关性. ...
季节气候预测的进展和前景
2
2011
... 对于气温和积雪的预报，模式提前3个月时的平均ACC技巧都能达到较高的值，海温等的缓变信号［38］对于模式的预测技巧有着不容忽视的影响，也是气候预测中重要的可预报源［21］，因此在接下来的研究中，我们将重点讨论海洋对于模式预测结果产生的可能影响，以解释第三极地区的可预报性来源. ...
... 前人研究表明，气候系统的可预报性来源于缓变的耦合海—陆—气—冰动力学和海洋与陆面的记忆［38］.其中，海表温度（Sea Surface Temperature）和大气环流异常的主要变率模态被认为很可能显著影响气候模式的预测结果［20］.为了进一步探究外强迫因子对于第三极地区气象要素预测效果的影响，选取预报效果最好的起报时间下模式的预报结果进行可预报来源分析.从前面的分析可知：在模式提前3个月起报（LT=3）时，气温和积雪的平均ACC技巧均能达到较高值.这里选取海温异常的变化作为影响模式预测效果的关键因子，分析海温与模式预报技巧的相关性. ...
Snow cover data on Qinghai-Xizang Plateau and its correlation with summer rainfall in China
1
1988
... 青藏高原冬季积雪与亚洲季风和我国夏季雨带的变化密切相关［39，40］，其与厄尔尼诺的协同作用对我国1998年夏季长江流域洪涝也有着不可忽视的影响［41］.本研究利用BCC_CSM1.1m对于积雪深度的回报数据，评估了模式对第三极地区冬季积雪的预测能力.与夏季气温和冬季气温相比，第三极地区积雪预报TCC的分布较为分散，模式在提前1个月起报时，青藏高原东部地区的预报技巧值较高，此时最高可达到0.6以上，通过了可信度为95%的显著性检验.总体来看，该模式对于青藏高原的中部和东部地区的积雪预测效果比西部地区的预测效果更好一些. ...
青藏高原积雪资料分析及其与我国夏季降水的关系
1
1998
... 青藏高原冬季积雪与亚洲季风和我国夏季雨带的变化密切相关［39，40］，其与厄尔尼诺的协同作用对我国1998年夏季长江流域洪涝也有着不可忽视的影响［41］.本研究利用BCC_CSM1.1m对于积雪深度的回报数据，评估了模式对第三极地区冬季积雪的预测能力.与夏季气温和冬季气温相比，第三极地区积雪预报TCC的分布较为分散，模式在提前1个月起报时，青藏高原东部地区的预报技巧值较高，此时最高可达到0.6以上，通过了可信度为95%的显著性检验.总体来看，该模式对于青藏高原的中部和东部地区的积雪预测效果比西部地区的预测效果更好一些. ...
The spatiotemporal variation of snow cover at the Tibetan Plateau during recent 50 years and the relationship with atmospheric circulation
1
2008
... 青藏高原冬季积雪与亚洲季风和我国夏季雨带的变化密切相关［39，40］，其与厄尔尼诺的协同作用对我国1998年夏季长江流域洪涝也有着不可忽视的影响［41］.本研究利用BCC_CSM1.1m对于积雪深度的回报数据，评估了模式对第三极地区冬季积雪的预测能力.与夏季气温和冬季气温相比，第三极地区积雪预报TCC的分布较为分散，模式在提前1个月起报时，青藏高原东部地区的预报技巧值较高，此时最高可达到0.6以上，通过了可信度为95%的显著性检验.总体来看，该模式对于青藏高原的中部和东部地区的积雪预测效果比西部地区的预测效果更好一些. ...
近50年青藏高原积雪的时空变化特征及其与大气环流因子的关系
1
2008
... 青藏高原冬季积雪与亚洲季风和我国夏季雨带的变化密切相关［39，40］，其与厄尔尼诺的协同作用对我国1998年夏季长江流域洪涝也有着不可忽视的影响［41］.本研究利用BCC_CSM1.1m对于积雪深度的回报数据，评估了模式对第三极地区冬季积雪的预测能力.与夏季气温和冬季气温相比，第三极地区积雪预报TCC的分布较为分散，模式在提前1个月起报时，青藏高原东部地区的预报技巧值较高，此时最高可达到0.6以上，通过了可信度为95%的显著性检验.总体来看，该模式对于青藏高原的中部和东部地区的积雪预测效果比西部地区的预测效果更好一些. ...
The role of the anomalous snow cover over the Qinghai-Xizang Plateau and ENSO in the great floods of 1998 in the Changjiang River Valley
1
2001
... 青藏高原冬季积雪与亚洲季风和我国夏季雨带的变化密切相关［39，40］，其与厄尔尼诺的协同作用对我国1998年夏季长江流域洪涝也有着不可忽视的影响［41］.本研究利用BCC_CSM1.1m对于积雪深度的回报数据，评估了模式对第三极地区冬季积雪的预测能力.与夏季气温和冬季气温相比，第三极地区积雪预报TCC的分布较为分散，模式在提前1个月起报时，青藏高原东部地区的预报技巧值较高，此时最高可达到0.6以上，通过了可信度为95%的显著性检验.总体来看，该模式对于青藏高原的中部和东部地区的积雪预测效果比西部地区的预测效果更好一些. ...
青藏高原异常雪盖和ENSO在1998年长江流域洪涝中的作用
1
2001
... 青藏高原冬季积雪与亚洲季风和我国夏季雨带的变化密切相关［39，40］，其与厄尔尼诺的协同作用对我国1998年夏季长江流域洪涝也有着不可忽视的影响［41］.本研究利用BCC_CSM1.1m对于积雪深度的回报数据，评估了模式对第三极地区冬季积雪的预测能力.与夏季气温和冬季气温相比，第三极地区积雪预报TCC的分布较为分散，模式在提前1个月起报时，青藏高原东部地区的预报技巧值较高，此时最高可达到0.6以上，通过了可信度为95%的显著性检验.总体来看，该模式对于青藏高原的中部和东部地区的积雪预测效果比西部地区的预测效果更好一些. ...
The methods and problems of the treatment of orographic influence in the NWP models
1
1989
... BCC_CSM1.1m模式对于第三极地区各基本要素（夏季气温、冬季气温和冬季积雪）预测结果的评分不同，这不仅与预测变量本身的物理属性有关，还会受到季节、大气环流等因素的影响.由于高原及其周边地区地形复杂，下垫面热力和摩擦作用会显著影响到模式的预测效果［42，43］，因此预报技巧在第三极的不同地区会有不同的表现.一般而言，起报时间越临近，模式预测的结果越接近观测，但从本文的研究中不难看出模式的预报技巧与起报时间之间不存在明确的线性相关关系，可知第三极地区的可预报性不仅仅来自于模式本身，亦与复杂多样的外部因子有关. ...
数值模式中处理地形影响的方法和问题
1
1989
... BCC_CSM1.1m模式对于第三极地区各基本要素（夏季气温、冬季气温和冬季积雪）预测结果的评分不同，这不仅与预测变量本身的物理属性有关，还会受到季节、大气环流等因素的影响.由于高原及其周边地区地形复杂，下垫面热力和摩擦作用会显著影响到模式的预测效果［42，43］，因此预报技巧在第三极的不同地区会有不同的表现.一般而言，起报时间越临近，模式预测的结果越接近观测，但从本文的研究中不难看出模式的预报技巧与起报时间之间不存在明确的线性相关关系，可知第三极地区的可预报性不仅仅来自于模式本身，亦与复杂多样的外部因子有关. ...
An experimental study on the effects of topography on numerical prediction
1
1996
... BCC_CSM1.1m模式对于第三极地区各基本要素（夏季气温、冬季气温和冬季积雪）预测结果的评分不同，这不仅与预测变量本身的物理属性有关，还会受到季节、大气环流等因素的影响.由于高原及其周边地区地形复杂，下垫面热力和摩擦作用会显著影响到模式的预测效果［42，43］，因此预报技巧在第三极的不同地区会有不同的表现.一般而言，起报时间越临近，模式预测的结果越接近观测，但从本文的研究中不难看出模式的预报技巧与起报时间之间不存在明确的线性相关关系，可知第三极地区的可预报性不仅仅来自于模式本身，亦与复杂多样的外部因子有关. ...
地形效应影响数值预报结果的试验研究
1
1996
... BCC_CSM1.1m模式对于第三极地区各基本要素（夏季气温、冬季气温和冬季积雪）预测结果的评分不同，这不仅与预测变量本身的物理属性有关，还会受到季节、大气环流等因素的影响.由于高原及其周边地区地形复杂，下垫面热力和摩擦作用会显著影响到模式的预测效果［42，43］，因此预报技巧在第三极的不同地区会有不同的表现.一般而言，起报时间越临近，模式预测的结果越接近观测，但从本文的研究中不难看出模式的预报技巧与起报时间之间不存在明确的线性相关关系，可知第三极地区的可预报性不仅仅来自于模式本身，亦与复杂多样的外部因子有关. ...
IOD influence on the early winter Tibetan Plateau snow cover： Diagnostic analyses and an AGCM simulation
1
2012
... 冬季气温的ACC预测技巧与大部分的Niño指数能够达到95%的显著正相关性，其中秋季（提前1个季节）和冬季（提前0个季节）的Niño EP指数与冬季气温的预报技巧之间更是存在可信度超过99%的正相关关系，这反映出从秋季开始的东部型厄尔尼诺可能会使得模式对于第三极地区冬季气温的预报技巧升高.对于第三极地区的可预报性来源，海温是不可忽略的调制因子：主要的Niño指数与冬季气温的预报技巧之间主要存在正相关关系（图9），与夏季气温的预报技巧之间存在负相关关系（图10）.太平洋海区海温持续增暖（厄尔尼诺）的现象是冬季气温的可预报性来源之一；而太平洋海温持续变冷（拉尼娜）的现象可能是夏季气温的可预报性来源之一.事实上，在前人研究中已经关注到了海洋因子对于青藏高原地区气候异常的影响，如Yuan等［44］发现在没有厄尔尼诺事件发生时，印度洋偶极子（Indian Ocean Dipole）引起的暖湿西南风气流会从孟加拉湾进入高原，导致高原积雪增多，从初冬持续至随后春季和初夏.由此可见，深入研究外强迫因子的调制作用有助于理解第三极地区气象要素的预报技巧变化，值得在未来的可预报性研究中重点关注和讨论. ...
Impact of the Indian Ocean SST basin mode on the Asian summer monsoon
1
2007
... 为了继续探寻第三极地区气温的预报性来源，寻找夏季气温和冬季气温存在与海洋、大气因子之间的直接关联，我们探究了同期Niño指数、印度洋海温指数（Indian Ocean Basin Mode）［45］对第三极地区气温的影响.图11给出了第三极地区气温与上述海洋、大气因子的相关系数分布，易知第三极地区的气温除了会受到太平洋海温异常（Niño3）的影响，还会受到印度洋海温指数的影响. ...
