In this study, the forecast quality of 1993–2014 summer seasonal predictions of five global coupled models, of which three are operational seasonal forecasting systems contributing to the Copernicus Climate Change Service (C3S), is assessed for Arctic sea ice. Beyond the Pan-Arctic sea ice concentration and extent deterministic re-forecast assessments, we use sea ice edge error metrics such as the Integrated Ice Edge Error (IIEE) and Spatial Probability Score (SPS) to evaluate the advantages of a multi-model approach. Skill in forecasting the September sea ice minimum from late April to early May start dates is very limited, and only one model shows significant correlation skill over the period when removing the linear trend in total sea ice extent. After bias and trend-adjusting the sea ice concentration data, we find quite similar results between the different systems in terms of ice edge forecast errors. The highest values of September ice edge error in the 1993–2014 period are found for the sea ice minima years (2007 and 2012), mainly due to a clear overestimation of the total extent. Further analyses of deterministic and probabilistic skill over the Barents–Kara, Laptev–East Siberian and Beaufort–Chukchi regions provide insight on differences in model performance. For all skill metrics considered, the multi-model ensemble, whether grouping all five systems or only the three operational C3S systems, performs among the best models for each forecast time, therefore confirming the interest of multi-system initiatives building on model diversity for providing the best forecasts.

在这项研究中，对北极海冰评估了五种全球耦合模型的1993–2014年夏季季节预报的预报质量，其中三个是对哥白尼气候变化服务中心（C3S）做出贡献的运行季节预报系统。除了泛北极海冰浓度和范围确定性的重新预测评估之外，我们还使用海冰边缘误差指标（例如综合冰边缘误差（IIEE）和空间概率分数（SPS））来评估多模型方法的优势。预测4月下旬至5月上旬开始日期的9月海冰最低值的技能非常有限，并且只有一个模型在消除总海冰范围线性趋势时显示出显着的相关技能。在对海冰浓度数据进行偏差和趋势调整之后，在冰边缘预报误差方面，我们发现不同系统之间的结果非常相似。在1993-2014年期间，海冰最低年（2007年和2012年）的9月冰缘误差最高，这主要是由于对总范围的明显高估。对Barents–Kara，Laptev–East西伯利亚和Beaufort–Chukchi地区的确定性和概率技能的进一步分析提供了关于模型性能差异的见解。对于所考虑的所有技能指标，无论是将所有五个系统分组还是仅将三个可操作的C3S系统分组，多模型集成都在每个预测时间的最佳模型中发挥作用，因此确认了基于模型多样性的多系统计划的兴趣，以提供最好的预测。在1993-2014年期间，海冰最低年（2007年和2012年）的9月冰缘误差最高，这主要是由于对总范围的明显高估。对Barents–Kara，Laptev–East西伯利亚和Beaufort–Chukchi地区的确定性和概率技能的进一步分析提供了关于模型性能差异的见解。对于所考虑的所有技能指标，无论是将所有五个系统分组还是仅将三个可操作的C3S系统分组，多模型集成都在每个预测时间的最佳模型中发挥作用，因此确认了基于模型多样性的多系统计划的兴趣，以提供最好的预测。在1993-2014年期间，海冰最低年（2007年和2012年）的9月冰缘误差最高，这主要是由于对总范围的明显高估。对Barents–Kara，Laptev–East西伯利亚和Beaufort–Chukchi地区的确定性和概率技能的进一步分析提供了关于模型性能差异的见解。对于所考虑的所有技能指标，无论是将所有五个系统分组还是仅将三个可操作的C3S系统分组，多模型集成都在每个预测时间的最佳模型中发挥作用，因此确认了基于模型多样性的多系统计划的兴趣，以提供最好的预测。对Barents–Kara，Laptev–East西伯利亚和Beaufort–Chukchi地区的确定性和概率技能的进一步分析提供了关于模型性能差异的见解。对于所考虑的所有技能指标，无论是将所有五个系统分组还是仅将三个可操作的C3S系统分组，多模型集成都在每个预测时间的最佳模型中发挥作用，因此确认了基于模型多样性的多系统计划的兴趣，以提供最好的预测。对Barents–Kara，Laptev–East西伯利亚和Beaufort–Chukchi地区的确定性和概率技能的进一步分析提供了关于模型性能差异的见解。对于所有考虑的技能指标，无论是对所有五个系统进行分组还是仅对三个可操作的C3S系统进行分组，多模型集成都将在每个预测时间的最佳模型中发挥作用，因此确认了基于模型多样性的多系统计划的兴趣，以提供最好的预测。