The East Asian summer monsoon (EASM) is an important part of the global climate system and plays a vital role in the Asian climate. It influences the livelihood and the socioeconomic status of over a billion residents who live in the EASM dominated region. Accurate predictions of the EASM can provide enormous socio-economic advantages. This study employs multi-prediction systems to investigate the seasonal predictability of EASM. Six prediction systems consisting of coupled atmosphere-ocean general circulation models (AOGCMs: BCC-CSM1-1, CanCM4, GFDL-CM2p1, HadCM3, MIROC5 and MPI-ESMLR) were applied in initialised experiments. Applying full-field and anomaly initialisation, these six prediction systems show significant improvement in predicting the zonal winds (850 hPa) as compared to a non-initialised forecast. Two of the prediction systems (GFDLCM2p1 and MIROC5) increase the forecast skill of the EASM index substantially in the initialisation. The variability of EASM is evaluated in the eight re-analysis datasets (i.e. 20CR, CFSR, ERA-20C, ERA-Interim, JRA-55, MERRA, NCEPI and NCEPII). There is no significant difference of EASM index which has been calculated by the eight re-analyses. However, the spread of the EASM index is larger in the prediction systems than in the re-analysis datasets. One possible reason is the different depiction of EASM-ENSO coupled mode in the prediction systems. Because of the coarse resolution of the prediction systems, there is a spatial scale gap between them and the input needed for applications at high resolution. This study employs regional climate models to downscale the AOGCMs output. Five regional climate models (RCMs: COSMO-CLM, HadGEM3-RA, RegCM4, SNU-MM5 and YSU- RSM) contribute to this study. They follow a world-wide regional downscaling framework in East Asia (i.e. CORDEX-East Asia). These five RCMs have been assessed in their ability in representing the EASM. The five models are able to capture the major characteristics of monsoon precipitation. There is significant difference between models in presenting the monsoon precipitation features (e.g. mean state, inter-annual variability, monsoon precipitation intensity etc.). In general, the set up of the five RCMs can be used for dynamical downscaling in East Asia. One particular prediction system (MPI-ESM- LR) and one RCM (COSMO-CLM) are selected for studying the further dynamical downscaling in detail. Although both the simulations capture the monsoon precipitation and its associated general circulation, the RCM shows more details. The simulating skill of EASM index by the RCM strongly depends on the prediction system's driving data. Overall, the prediction systems combined with dynamical downscaling provide a perspective for a skilful seasonal prediction of EASM.
Der Ostasiatische Sommermonsun (EASM) ist ein wichtiger Bestandteil des globalen Klimasystems und spielt eine wichtige Rolle im asiatischen Klima. Er beeinflusst den Lebensunterhalt und den sozioökonomischen Status über 1 Milliarde Einwohner, die in der EASM dominierten Region leben. Genaue Vorhersagen des EASM können diese Verluste entscheidend mindern. Diese Studie stellt Multi-Vorhersage-Systeme vor, um die saisonale Vorhersagbarkeit des EASM zu untersuchen. In initialisierten Experimenten wurden sechs Vorhersagesysteme angewendet, die aus gekoppelten Atmosphäre-Ozean- Zirkulationsmodellen bestehen (AOGCMs: BCC-CSM1-1, CanCM4, GFDL-CM2p1, HadCM3, MIROC5 und MPI-ESM-LR). Bei der Anwendung der Absolut -und Anomalie- Initialisierung zeigen die sechs Vorhersagesysteme eine signifikante Verbesserung bei der Vorhersage der Zonalwinde (850 hPa) im Vergleich zur nicht-initialisierten Vorhersage. Zwei der Vorhersagesysteme (GFDL-CM2p1 und MIROC5) verbessern durch eine Initialisierung die Prognose des EASM-Indexes. Die Variabilität des EASM in verschiedenen Analysen wird in acht Reanalyse- Datensätzen (20CR, CFSR, ERA-20C, ERA-Interim, JRA-55, MERRA, NCEPI und NCEPII) betrachtet. Die verschiedenen Reanalysen weisen keinen signifikanten Unterschied bei der Reparäsentation des EASM-Index auf. Die Variationsbreite des EASM ist mit den Vorhersagesystemen größer als bei den Reanalysen. Ein möglicher Grund ist die unterschiedliche Simulation der EASM-ENSO-Kopplung in den Vorhersagesysteme. Bedingt durch die grobe Auflösung der verwendeten Modelle gibt es eine räumliche Skalenlücke zwischen den Vorhersagesystemen und den für Klimafolge-Modelle benötigen Antriebsdaten. In dieser Studie werden regionale Klimamodelle verwendet, um ein dynamisches Downscaling mit den AOGCM-Ergebnissen durchzuführen. Fünf regionale Klimamodelle (COSMO-CLM, HadGEM3-RA, RegCM4, SNU-MM5 und YSU-RSM) werden dabei ausgewertet. Die RCMs, die alle innerhalb eines internationalen Verbunds (CORDEX-Ostasien) zum regionalen Downscaling in Ostasien beitragen, wurden bezüglich ihrer Simulationsgüte des EASMs bewertet. Die fünf CORDEX-Modelle sind in der Lage, die Hauptmerkmale des Monsun-Niederschlags zu erfassen. Im Allgemeinen können diese regionalen Klimamodelle für das dynamische Downscaling in Ostasien genutzt werden. Es gibt allerdings signifikante Unterschiede zwischen den Modellen bei der Simulation des Niederschlags (mittlerer Zustand, mehrjährige Variabilität, Monsun-Niederschlagsintensität). Ein spezielles Vorhersagesystem (MPI-ESM-LR) und ein RCM (COSMO-CLM) wurden ausgewählt, um das dynamische Downscaling weiter im Detail zu untersuchen. Beide Simulationen erfassen den Monsun-Niederschlag und die damit verbundene allgemeine Zirkulation, das RCM zeigt jedoch mehr Details. Die Simulationsfähigkeit des EASM-Index durch das RCM hängt stark von den Antriebsdaten der Vorhersagesystem ab. Insgesamt bieten die Vorhersagesysteme gekoppelt mit dynamischem Downscaling eine Perspektive für eine realistische saisonale Vorhersage des EASM.
