近年来，中国极端旱涝灾害事件频发，准确的月尺度降水预测对防灾减灾有重要意义。动力降尺度可以通过提高水平分辨率来更好地捕获地形、陆气相互作用等信息，进而提高降水预测技巧。变网格动力降尺度，作为一种新兴的动力降尺度方法，能准确且高效地模拟复杂的下垫面地形特征。许多研究者已将其应用于天气尺度预报和降水过程模拟，并且显示出一定的优势，但其在月尺度预测上的应用仍为空白。因此，建立全球变网格精细化预测系统，并运用其进行准确的月尺度预测，具有重要的实际意义。

研究首次运用全球变网格精细化预测系统在中国区域进行~12km的高分辨率月尺度降水预测，并评估了这种变网格动力降尺度方法对降水月预测技巧的影响。

传统的动力降尺度方法多采用区域模式进行网格嵌套加密模拟，会受到侧边界条件的限制，计算资源过大、运算耗时久，且易引起“边界误差放大效应”。全球变网格精细化预测系统在全球范围内网格连续（图1），避免了传统降尺度中存在的边界不匹配等问题，运算速度也得到显著提高。

图1 变网格精细化预测系统的网格结构与分布

研究表明，相较于降尺度前的大尺度全球“主”模式FGOALS-f2，高分辨率的变网格精细化预测系统UGPS能显著提高月尺度降水空间分布、强度（图2）以及极端事件频次的预测技巧（图3、图4），特别是在高海拔地形区域（图5）；但在降水年际变率的预测方面，变网格系统UGPS很大程度上依赖于大尺度模式FGOALS-f2的预测结果，其技巧改进不明显。

图2 2001-2020年4月中国20年平均总降雨量的观测与两模式预测情况

图3 2001-2020年4月中国20年平均极端降水日的观测与两模式预测情况

图4 2001-2020年4月中国20年平均无雨日的观测与两模式预测情况

图5 两模式对不同地形高度的5组站点的降水预测技巧

该研究指出了全球变网格精细化预测系统在月尺度降水预测方面的优势与有待改进之处，展示了其良好应用前景。这些成果对于提高月尺度预测技巧具有重要的理论意义与应用价值。

上述研究成果近期以“Gain of one-month lead predicting spring rainfall over China: A comparison between FGOALS-f2 ensemble prediction system and its driving stretched-grid downscaling prediction system”为题，发表在《Atmospheric Research》(IF=5.965/Q1)期刊上。文章第一作者为博士生范雅兰同学，通讯作者为杨静教授。

论文信息：Yalan Fan, Jing Yang*, Jinxiao Li, Xin Qi, Qing Bao (2023). Gain of one-month lead predicting spring rainfall over China: A comparison between FGOALS-f2 ensemble prediction system and its driving stretched-grid downscaling prediction system. Atmospheric Research, 283, 106570. https://doi.org/10.1016/j.atmosres.2022.106570.