Seasonal Prediction of the Yangtze River Runoff Using a Partial Least Squares Regression Model

ABSTRACT

As the longest river in Asia and the third-longest river in the world, the Yangtze River drains a large land area of the Eurasian continent. Seasonal prediction of the Yangtze River runoff is of crucial importance yet is a challenging issue. In this study, observed monthly runoff data are used to develop a new Yangtze River runoff index (YRI) for the 1950–2016 period. The YRI is not only able to quantify the runoff state of the Yangtze River but is also able to evaluate the intensity of the East Asian summer monsoon (EASM). The YRI is highly correlated with summer precipitation in the Yangtze River basin. It can also capture the principal components of the EASM circulation system.

To predict the Yangtze River summer runoff, we employed a partial least squares (PLS) regression method to seek sea surface temperature (SST) modes in the previous winter associated with the YRI time series. The findings indicate that the first SST mode exhibits a strong link with the decaying phase of El Niño (or La Niña), while the second SST mode is related to a persistant mega-La Niña (or mega-El Niño). These suggest that an El Niño–Southern Oscillation (ENSO) or mega-ENSO may be an essential source of predictability for the Yangtze River summer runoff. After a 47-year training period (1950–1996), a physical-empirical PLS model is built then a 3-month-lead forecast is used to validate the model from 1997 to 2016. The PLS model exhibits promising predictive skill that is better than some state-of-the-art reanalysis data systems.

Résumé

[Traduit par la rédaction] En tant que premier fleuve d’Asie et troisième fleuve du monde quant à sa longueur, le Yang Tsé draine une grande partie du continent eurasien. La prévision saisonnière du ruissellement du Yang Tsé est essentielle, mais pose un défi de taille. Nous utilisons ici les observations mensuelles de ruissellement afin de définir un nouvel indice de ruissellement du Yang Tsé pour la période de 1950 à 2016. Cet indice quantifie non seulement l’état du ruissellement du Yang Tsé, mais il évalue l’intensité de la mousson estivale de l’Asie de l’est. Il est fortement corrélé avec les précipitations estivales dans le bassin du Yang Tsé. Il représente également les principales caractéristiques de la circulation de la mousson estivale de l’Asie de l’est.

Pour prévoir le ruissellement estival du Yang Tsé, nous avons effectué une analyse de régression partielle par les moindres carrés nous permettant de déterminer les modes de la température de surface de la mer (SST) de l’hiver précédent associés aux séries temporelles de l’indice. Les résultats indiquent que le premier mode de la SST possède un lien fort avec la phase de dissipation d’El Niño (ou de La Niña), tandis que le deuxième mode de la SST est lié à un épisode majeur et persistant de La Niña (ou d’El Niño). Ces résultats laissent penser que le phénomène El Niño-oscillation australe (ENSO) ou qu’un ENSO majeur serait un prédicteur essentiel pour le ruissellement estival du fleuve Yang Tsé. Après une période d’entraînement de 47 ans (1950 à 1996), nous construisons le modèle de régression physique-empirique, puis nous utilisons une prévision de 3 mois pour valider le modèle de 1997 à 2016. Le modèle de régression partielle fait preuve d’une capacité de prévision prometteuse, qui est supérieure à celle de certains systèmes de données de réanalyse de pointe.

Keywords:

• Yangtze River runoff
• partial least squares regression
• seasonal prediction

Additional information

Funding

This work was jointly supported by the National Natural Science Foundation of China [grant number 41790475], the Ministry of Science and Technology of the People's Republic of China [grant number 2016YFA0601801] [grant number 2015CB453201], and [grant number 2015CB953904], and the National Natural Science Foundation of China [grant number 91637312], [grant number 41575075], and [grant number 91437216].