集合预报异常的無偏计算、评估与校准

长期集合预报通常作为相对于依赖于预报时效的气候平均态的异常进行验证，以消除系统性偏差的影响。然而，即使对于完全可靠的集合，常见的异常计算方法也会导致预报异常和验证异常之间的统计不一致性。在评估集合预报系统时，考虑这些系统效应非常重要，特别是在调整模型以提高预报异常的可靠性，或比较具有不同再预报周期的系统之间的离散度-误差诊断时。在这里，我们表明，通过推导与相对于真实但未知的气候平均态计算异常时所达到的值一致的估计量，可以恢复无偏方差和离散度-误差比。一个优雅的替代方案是为每个成员分别构建预报气候态，这确保了预报异常和验证异常是相对于具有相同采样不确定性的参考气候平均态定义的。这种替代方法对预报集合均值没有影响，但会系统地修改预报异常的总方差和集合离散度，使得基于异常的离散度-误差比是无偏的，而无需对气候态样本量进行显式校正。此外，预报异常和验证异常统计一致性的提高意味着，当基础预报也完全可靠时，概率预报技巧达到最优。因此，异常计算的替代方法会影响概率预报技巧，特别是当异常是相对于小样本量的气候态定义时。最后，我们证明了在应用无偏统计校准后，使用不同方法计算的异常是等价的。