我国已开展短期气候预测工作近70 a，是世界上开展短期气候预测研究和业务最早的国家之一。早在1954年，我国即以“气候展望”的名称第一次正式发布年度气候趋势预测。1958年，增加了月预报的内容，并易名为“长期天气预报”。从20世纪60年代开始，形成多种预报方法（张先恭和钱承植，1965；王绍武和赵宗慈，1987；章基嘉，1994；赵振国，1999；陈兴芳和赵振国，2000），制作并发布全国范围内月、季、年时间尺度的气候趋势预测产品，20世纪70年代起，留存预报档案。另外，根据政府要求和不同行业用户的需求陆续增加了各种专题预测服务产品，预测产品和服务内容及形式越来越丰富和多样化，逐步趋于科学、合理和实用。2021年3月，国家气候中心通过官网（http://www.ncc-cma.net/cn/）正式公开发布未来15~30 d、自然月和季节的气候预测公报。然而，中国气候变化受多种因素影响，且这些因素间的关系错综复杂，同时气候预测方法繁多（王会军，1997；王绍武，1998；王绍武，2001；李维京，2012；蔡宏珂等，2022；孙可可和吴小飞，2024），这些特点共同决定了我国短期气候预测的技术难度较大（丁一汇，2004；汤懋苍，2004；魏凤英，2011）。1971—2020年，随着观测事实的丰富积累、短期气候预测理论和方法的不断发展（廖荃荪和赵振国，1992；曾庆存等，2003；丁一汇等，2004；李维京等，2005；王会军等，2020；孙照渤和陈海山，2020；Duan et al.，2023）以及计算机技术的进步，我国短期气候预测的业务技术经历了逐步改进、完善和不断发展、提高的过程（赵振国和刘海波，2003；贾小龙等，2013）。近年来，通过气象科技工作者的不懈努力，我国短期气候预测的业务能力、科技水平和现代化程度都迈上了一个新台阶，目前的气候预测业务已经拓展到全国2 288站，基本做到“每县一站”的预报精度，为政府部门部署防汛抗旱、防灾减灾，制定国家经济社会发展规划等决策提供了有力的科技支撑。

随着国民经济的发展，短期气候预测显得越来越重要，国家和社会的需求和要求也越来越高。但由于气候影响因子的复杂性及它们之间的非线性相互作用，预测整体效果并不理想。陈桂英和赵振国（1998）曾对我国短期气候预测业务预报做过比较系统的评估，指出1971—1995年月气温预报效果好于降水，但均无明显的长期变化趋势。全球数值天气预报的预测技巧在过去几十年有了很大提高（Bauer et al.， 2015），随着气候模式的不断发展及统计方法的改进，我国短期气候预测水平是否也有相应提高?为此，本文对我国1971—2020年全国月气候业务预报进行了检验评估，揭示了近50 a月气候预测技术水平的发展规律及目前的预测水平，以期促进预测方法的改进和预测水平的提高，同时为综合集成决策提供依据。

本文评估的是中国气象局国家气候中心每月月末（通常为28日）发布的全国月气候趋势预测产品，包含未来1个自然月的月平均气温距平预测和降水量距平百分率预测，预测数据时段为1971—2020年1—12月。该资料在1971—2012年为全国160个站，使用双线性插值将其扩充为全国2 288个站，2013—2020年为新一代气候监测预测分析系统（CIPAS3.0）预报图模块直接输出的2 288个站，最终形成一套1971—2020年全国2 288个站月气候趋势预测数据（因港澳台地区数据暂缺，未纳入研究范围）。用于检验的实况数据为国家气象信息中心提供的全国2 288个站月值数据，每月实况数据的缺测率基本控制在2%以内。气候态为1981—2010年平均值。图1为全国2 288个气象站点空间分布。

图2为中国31个省（区、市）检验站点数量，可以看出检验站点数量排名前三的分别是四川（148站）、河北（142站）、山东和云南（各122站），另外河南、内蒙古和山西检验站点数量均超过100个。因行政区域面积较小，天津和上海（各10站）、北京和海南（各14站）检验站数较少。从各省区市站点密度（站点数除以区域面积，单位：个/万km²）来看，上海（15.8个/万km²）、北京（8.5个/万km²）、天津（8.4个/万km²）、山东（7.7个/万km²）、河北（7.5个/万km²）位居前列，西藏、青海和新疆站点密度相对较小。从大范围来看，华北和华东地区站点较为密集，而西北地区站点相对稀疏。

我国短期气候预测业务和科研工作中先后采用多种评估方法（陈桂英和赵振国，1998；王绍武和朱锦红，2000；李清泉等，2004；李辑等，2007；何慧根等，2014），但这些评估方法大多侧重“正常”量级的预测结果。而从逐月预测实况来看，正常量级（气温距平的绝对值小于1 ℃，降水量距平百分率的绝对值小于20%）较少出现，异常量级（气温距平的绝对值大于等于1 ℃，降水量距平百分率的绝对值大于等于20%）的发生概率较高（马浩等，2015）；从气候服务效果来看，气温和降水异常可能会导致气象灾害，提前准确预测出哪些地方可能发生气候异常对我国防灾减灾具有重要意义。因此，保守的预测习惯和评估方法与气候实况及决策服务需求不相适应。为激发预报员对气候异常量级预报的积极性，并进一步提升气候预测的决策服务质量，2013年9月中国气象局预报司印发《月、季气候预测质量检验业务规定》^①(①中国气象局.气预函〔2013〕98号, 2013.)，启用新的评分方案。新的评分方法[趋势异常综合评分（P_s）]在考虑预报与实况符号一致率的基础上，加大了异常量级的权重设置，以鼓励预报异常量级。目前通过国家气象业务内网可以查询国家气候中心和31个省（区、市）气候中心气候预测产品检验评分结果。已有一些省份使用新方法对本省的气候预测业务产品和月动力延伸预测产品进行评估（马浩等，2015；陈思蓉等，2016；李菲等，2017；白慧等，2018），这些都有助于鼓励预报员对异常量级预测的尝试，突出气象灾害高风险区，从而更好地满足气候服务的需求。

趋势异常综合评分分别对气候趋势预测和异常预测设置不同权重，最终计算综合得分。评分结果比较直观，在趋势项预测正确得分的基础上，还可获得异常项预测正确得分，相当于对预测异常量级给予鼓励，预测评分能更好地反映气候预测能力和水平。趋势异常综合评分分别考虑趋势、异常和异常漏报3个方面，采用逐站、逐级进行评判。趋势以预报和实况的距平（距平百分率）符号是否一致为判断依据，当两者符号相同（0代表正）时认为该站预测的趋势正确。异常是考察预报对一级异常（气温距平：气温距平的绝对值大于等于1 ℃且小于2 ℃；降水量距平百分率：降水量距平百分率的绝对值大于等于20%且小于50%）和二级异常（气温距平：气温距平的绝对值大于等于2 ℃；降水量距平百分率：降水量距平百分率的绝对值大于等于50%）的预报能力，判别标准见表1和表2。异常漏报是指当实况出现气温距平绝对值大于等于3 ℃及降水量距平百分率绝对值大于等于100%时，气温或降水预报没有预报二级异常的情况。P_s检验方法的计算公式^①(①中国气象局.气预函〔2013〕98号, 2013.)如下：

式中：N为实际参加评估的站数（规定参加考核站数减去实况缺测站数）；N₀为气候趋势预测正确的站数；N₁和N₂分别为一级和二级异常预测正确的站数；M为异常漏报站数；a、b和c分别为气候趋势项、一级异常项和二级异常项的权重系数，分别取a=2，b=2，c=4。P_s值越大，表明预测技巧越高。如未特殊说明，P_s评分的年平均值指当年1—12月评分的算数平均。

本文除了使用P_s评分外，还分别计算了预测的气温距平、降水量距平百分率与实况的距平相关系数（Anomaly Correlation Coefficient，ACC），用来表征预报场与实况场的相似程度，在一定程度上反映了预测结果的准确率，这也是国际通用的评估方法之一。另外，还使用符号一致率来检验预报与实况的吻合程度，符号一致率是指预报距平或距平百分率的符号与其实况符号是否一致，当预测和实况符号一致时认为该站预测正确。

使用P_s评估方法对国家气候中心每月底发布的未来1个自然月的全国平均气温距平预测进行评估，图3为1971—2020年月气温距平预测评分的年平均（1—12月平均）变化，可以看出，年平均的月气温距平预测评分值具有明显的年际和年代际变化特征。1971—2020年，2013年年平均月气温距平预测评分最高（84.4分），1976年最低（54.8分）。从线性趋势看，近50 a全国月气温距平预测评分呈明显升高趋势，1996年以前，仅1972年年评分高于气候平均值，1994年和1995年评分接近气候态；1997年以后，仅2000年评分低于气候态。从各年代平均（图略）来看，20世纪70年代和80年代月气温距平预测的水平相当，20世纪90年代评分略有升高，21世纪最初十年和第二个十年气温预测评分大幅上涨，均较前一个十年增加6.5分。月气温距平预测评分的增大趋势反映我国月气温预测水平的逐步提高，尤其是近30 a，月气温距平预测准确率有显著提高。从近50 a中国年平均气温距平实况与月气温距平预测评分的年平均对比（图略）来看，两者存在显著相关关系，ACC达0.81，超过99%的置信水平。说明预测评分的提高除了体现预测技术水平的提升外，也与近些年的气候变暖紧密相关。

图4为1971—2020年平均的月气温距平预测评分变化。可以看出，全年各月评分均在60分以上，其中3月、5—9月、11月超过1981—2010年所有月份气温距平预测评分的平均值（68.1分），7月评分最高（73.9分），2月最低（62.5分）。从全年看，冬半年（10月至次年3月）气温预测效果相对较差，夏半年气温预测准确率较高，反映了冬季中高纬环流变化频繁，影响我国冷暖变化的因素多且关系复杂，气温预测难度较大。

从各月气温距平预测评分的年代际变化（图略）看，各月年代际变化特征大致与年平均变化相似，20世纪70年代至90年代各月气温预测评分变化不大，20世纪90年代以后评分呈升高趋势，21世纪最初十年和第二个十年各月气温预测评分大幅升高。

表3列出1971—2020年各月及年平均的月气温距平预测评分最大和最小值及其出现年份。可以看出，近50 a，1—12月气温距平预测P_s评分平均为68.1分，最高为97.2分（1972年2月），最低为15.8分（1986年2月）。各月历史最高分差距较小，均在93.0分以上；各月历史最低分差异较大，为15.8~44.1分；相对较低的最低评分基本都出现在冬半年。另外，全年平均和各月气温距平预测评分最大值基本都出现在近20 a，而最低评分大多出现在20世纪70年代和80年代，表明气温高低与预测评分可能存在一致的变化关系。计算1971—2020年各月气温距平预测P_s评分和气温距平实况的年际相关关系，发现两者在12个月均呈显著的正相关关系，ACC超过95%的置信水平，表明气温偏高的年月，其预测P_s评分往往也较高，反之，亦然。因此，近50 a气候变暖对月气温预测准确率的提高具有积极的贡献。

为更直观地分析不同月份的气温距平预测在哪些地区有预报技巧和优势，计算不同月份气温距平预测与实况的符号一致率。因为气温距平预测评分在冬季较低而夏季较高，因此选取1971—2020年1月和7月气温距平预测与实况的符号一致率空间分布（图5）进行分析。1月[图5（a）]，在东北地区北部、华北中东部、华东中部、华中中部、华南西北部、西南地区东部、西北地区大部、新疆西部和西藏北部等地气温预测与实况的符号一致率超过60%，说明上述地区1月气温距平预测准确率较高。7月[图5（b）]，除东北中北部、华东中北部、华中北部和西南部、华南大部、西南地区南部和新疆北部等地外，全国其余大部地区气温预测与实况的符号一致率都在60%以上，说明7月气温距平预测具有较高的预测技巧，尤其是在内蒙古东部、甘肃中部、青海西南部、新疆南部等地气温预测准确率超过70%。

从全年各月气温距平预测与实况的距平相关系数（ACC）空间分布（图略）及各月ACC站点占比统计（图6）可以看出，除12月外，其余月份气温距平预测与实况在全国大部地区都呈正相关，全年平均情况下，ACC>0的站点数占比为85.4%，ACC超过90%和95%置信水平的站点占比分别为27.3%和17.5%。总体上，5月相关性最好，12月最差。

图7为5月和12月气温距平预测与实况的距平相关系数空间分布。可以看出，5月我国大部地区气温距平预测与实况呈正相关关系，其中34.6%的站点超过95％的置信水平，主要分布在长江以南地区，其中，江南中南部和华南中北部及西部二者的ACC超过99％的置信水平，说明预报结果与实况一致性较高。进一步研究发现，5月长江以南大部地区的气温具有明显的年代际变化特征：1971—2010年，75%的年份偏低；而2011—2020年，70%的年份偏高。因此，5月长江以南地区气温的年代际增暖对该地区气温预测效果起到了积极作用。

12月，全国负相关站数的占比为52.4%，主要分布在我国中东部地区，包括内蒙古中西部、华北、华东中部和北部、华中、西北地区东部、西南地区东部，其余大部地区气温距平预测与实况为正相关，其中西南地区中西部、西藏中东部、新疆中部和南部等地ACC超过95%的置信水平，约站全国总站数的9.8%。总体上，12月气温预测效果较差。北半球冬季中高纬度环流强盛且变化复杂，数值模式在中高纬地区的预报能力远差于低纬地区（Zhu et al.，2022），而我国中东部地区不仅受中高纬环流的作用，还受热带环流的影响，综合形势更为复杂。大范围的负相关恰好说明预报员在综合预报时，对冬季我国中东部地区的冷暖把握相对更困难。此外，虽然12月在我国中东部气温预测效果不佳，但在西南地区中西部仍存在较大范围的显著正相关区域。进一步分析发现这一区域的气温存在明显的年代际变化规律：1971—2000年该地区12月平均气温以偏低为主，偏低概率为76.7%，2001年之后气温以偏暖为主，偏暖概率达80.0%。西南地区中西部气温预报较好可能与其明显的年代际增暖及数值模式对中低纬地区相对较高的预报技巧有关。

使用P_s评估方法，对国家气候中心每月底发布的未来1个自然月的降水量距平百分率预测进行评估。从1971—2020年月降水量距平百分率预测评分的年平均变化（图8）来看，月降水量距平百分率预测评分年平均最高为2015年（71.1分），最低为1994年（58.7分）。与气温相比，虽然降水量距平百分率预测评分的最低值略高，但最高值明显偏低，评分的高低值之差也明显小于气温距平预测评分的最大和最小值之差。从线性趋势来看，降水量距平百分率预测评分具有上升趋势，但幅度明显小于气温距平预测评分。20世纪70年代至90年代月降水量距平百分率预测评分接近并略有下降，21世纪最初十年和第二个十年降水量距平百分率预测评分呈上涨趋势，但上涨幅度较气温预测明显偏弱（图略）。近50 a降水量距平百分率预测评分呈波动上升趋势，尤其是近30 a预测评分曲线的斜率为0.18，即21世纪前两个年代平均每个年代升高1.8分，表明我国月降水量距平百分率预测准确率有明显提高，但与气温相比，降水受更多气象要素的影响，且降水的局地性较强，因此降水预报水平的提高较气温预报困难很多。

图9为1971—2020年中国降水量距平百分率预测评分的月际变化。可以看出，各月评分均在60分以上，其中有8个月（3—9月、11月）超过1981—2010年所有月份降水量距平百分率预测评分的平均值（64.2分），5月预测评分最高，1月最低。冬半年（10月至次年3月）降水预测效果相对较差，除3月和11月外，其余月份评分均低于平均水平。

表4列出1971—2020年各月及年平均降水量距平百分率预测评分最大和最小值及其出现年份。可以看出，近50 a月降水量距平百分率预测P_s评分最高为84.7分（2020年12月），最低为29.7分（1979年5月）。各月历史最高分基本接近，为76.0~84.7分；各月历史最低分差异相对较大，为29.7~54.0分。相对而言，各月降水量距平百分率预测评分在21世纪最初十年出现最大值的频率更高。各月降水量距平百分率预测评分最低值在过去5个年代都有出现，20世纪90年代出现的频次最多（6次）。说明降水预测与气温预测有较大区别，虽然降水预测的技巧有提升，但预报难度相对气温预测而言更大，降水预报成功或失败的随机性更强。

图10为1971—2020年1月和7月降水量距平百分率预测与实况的符号一致率空间分布。可以看到，1月[图10（a）]，东北地区西部、内蒙古大部、华北大部、华东中部和西北部、华中东北部、西南地区东南部、西北地区北部和西南部、新疆西部和西藏中部等地降水量距平百分率预测与实况的符号一致率超过60%，说明在上述地区1月降水预测具有一定的预测技巧，相对而言预测准确率更大。7月[图10（b）]，全国大部地区降水量距平百分率预测与实况的符号一致率超过50%，其中华北西部、华东南部、华南东北部、西北地区东部、新疆南部等地一致率超过60%。

从1971—2020年各月降水量距平百分率预测与实况的距平相关系数（ACC）空间分布（图略）及各月ACC站点占比统计（图11）可以看出，大多数月份ACC>0的站点占比为60%左右，全年平均情况下，ACC超过90%和95%置信水平的站点占比分别为12.6%和7.3%，与气温相比明显偏少。预测与实况的ACC空间分布主要有3种形态，第1种（1、5、6、7、11月）是全国大范围以正相关为主，尤其是中东部地区；第2种（2、3、4、9、12月）是我国南方地区为正相关，北方地区为负相关；第3种（8、10月）与第2种基本呈相反分布，我国北方地区为正相关。ACC空间分布形态的多样性也说明降水预测比气温预测更为复杂。

本文利用中国2 288个气象观测站观测资料，使用中国气象局预报与网络司发布的趋势异常综合评分（P_s）方法对1971—2020年全国月气温距平和降水量距平百分率预测进行评估分析，得到如下主要结论。

1）近50 a中国月气温距平预测水平有明显升高趋势。月气温距平预测评分年平均最高的是2013年（84.4分），最低是1976年（54.8分）。20世纪70年代和80年代月气温距平预测的水平相当，20世纪90年代评分略有升高，21世纪最初十年和第二个十年气温距平预测评分大幅上涨。

2）夏半年气温距平预测准确率较高，而冬半年预测效果相对较差，说明冬半年尤其是冬季，寒潮、强冷空气多发，中高纬环流变化频繁，阶段性强冷空气对月尺度气温的影响较难把握。全年中除了12月外，其余月份气温距平预测与实况的ACC在全国大部地区都呈正相关，在一定程度上说明在多数月份全国大部地区的月平均气温预报具有一定的预报技巧。

3）20世纪70年代至90年代前期，月降水量距平百分率预测评分呈降低趋势，从20世纪90年代中后期开始评分呈上升趋势。月降水量距平百分率预测评分年平均最高的是2015年（71.1分），最低为1994年（58.7分）。降水预测评分的增大趋势能够反映我国月降水预测水平的逐步提高，尤其是近30 a，呈现出较为稳定的提升态势。

4）各月降水量距平百分率预测的多年平均评分均在60分以上，冬半年降水预测效果相对较差，除3月和11月外，其余月份评分均低于全年平均水平。降水量距平百分率预测与实况的ACC空间分布主要有3种形态，即全国大范围正相关、南正北负以及北正南负，说明降水预测比气温预测更为复杂。

本文分析显示，无论是气温还是降水，冬半年预测效果均较夏半年差。其直接原因可能是冬半年月平均气温和降水量距平百分率的年际变率明显大于夏半年，尤其是冬季我国北方地区降水量基数小，只需一两次明显降水过程，其距平百分率就会有很大异常。更深层的原因可能是冬、夏半年影响我国气候的主导环流系统的差异。冬半年西风带南移，几乎整个中国大陆都在西风环流控制下，随着西风带槽脊的波动，中高纬环流系统不断影响我国，造成雨雪和降温天气，而数值模式对中高纬度天气系统的预报技巧明显偏低。夏半年，副热带系统北上控制我国中东部大部地区，热带海温是重要的外强迫源，因此我国夏季气候的可预报性相对冬季要高。

近50 a来，我国月气温距平和降水量距平百分率预测技巧均有明显提升，尤其是气温预测评分的提高幅度远大于降水。一方面，这是由气温和降水的自然属性决定的，降水异常的原因更为复杂，降水自身的极端性和不均匀性对预测的影响较大。另一方面，这可能与气候变暖有关，气候变暖对气温的影响较降水更为直接。近50 a全国平均气温和预测P_s评分的ACC达0.81，表明偏暖年，预测评分偏高，偏冷年，预测评分偏低。研究表明中国地表温度持续升高与寒潮频次的减少有密切联系（王遵娅和丁一汇，2006；朱万林等，2022）。寒潮多发月份有利于气温偏低，预报效果往往不理想，P_s评分容易偏低。在气候变暖背景下，应加强分析导致全国大部地区偏冷的原因，评估数值模式等客观预测方法对全国偏冷月份的预测能力。

相比天气预报，短期气候预测的准确率提高较为缓慢。虽然气候变暖整体有利于月气温预测准确率的提高，但也增加了极端事件的发生（智协飞等，2011；Zhang et al.，2020），特别是冬季极端冷事件对月气温预测可能产生较大影响。气候变暖使得冬季中高纬度环流经向度加大（智协飞等，2011），但数值模式对中高纬度天气系统的预报技巧明显偏低，从而增加我国冬季气候（包括极端事件）的预报难度。另一方面，热带海表温度（如厄尔尼诺）是短期气候可预报性重要来源，但2000年以后ENSO（El Niño-Southern Oscillation）的发生频率没有明显规律，并且更接近于白噪声过程，加上次表层热含量与ENSO的关系也减弱，导致ENSO的预报技巧降低（Hu et al.，2017）。此外，月内延伸期重要天气过程的预测对把握月趋势也具有重要作用。为进一步提高气候预测准确率，提升气候决策服务效果，这些问题都有待在今后的工作中深入研究。