用非线性最优化方法研究El Niño可预报性的进展与前瞻

综述用非线性优化方法研究厄尔尼诺(El Ni(n)o)-南方涛动(ENSO)事件可预报性的进展.针对ENSO可预报性研究中的热点问题--"前期征兆"、"春季可预报性障碍",以及如何量化研究ENSO可预报性和ENSO的不对称性问题,作者在近年来的工作中先后用理论模式和中等复杂程度ENSO模式研究了ENSO可预报性的动力学,揭示了ENSO的若干重要非线性特征.主要结果如下:(1)条件非线性最优扰动(CNOP)(局部CNOP)比线性奇异向量更易发展成ENSO事件,扮演了ENSO的最优前期征兆.这些ENSO事件关于气候平均态是不对称的.理论分析表明,非线性温度平流过程是造成这种不对称性的重要原因.1980～2002年的海洋再分析资料验证了上述理论结果.(2)ENSO事件CNOP型初始误差的发展有明显的季节依赖性,该误差导致了ENSO事件最显著的春季可预报性障碍(SPB)现象.ENSO事件SPB的发生不仅依赖于气候平均态,而且依赖于ENSO事件本身及其初始误差模态,是三者综合作用的结果.(3)建立了关于ENSO可预报性的最大可预报时间下界、最大预报误差上界和最大允许初始误差下界的三类可预报性问题,分别从三个方面揭示了ENSO事件的春季可预报性障碍现象,比较有效地量化了其可预报性.(4)通过CNOP方法,揭示了非线性温度平流在年代际尺度ENSO不对称性研究中的重要作用,解释了ENSO不对称性的年代际变化,基于所用ENSO模式给出了ENSO不对称性年代际变化的机制.最后,展望了非线性优化方法在ENSO可预报性中应用的前景,并期望该方法能拓展到ENSO第二类可预报性问题的研究中.     

用非线性最优化方法研究El Nio可预报性的进展与前瞻

综述用非线性优化方法研究厄尔尼诺(El Ni~no)南方涛动(ENSO)事件可预报性的进展。针对ENSO可预报性研究中的热点问题———“前期征兆”、“春季可预报性障碍”,以及如何量化研究ENSO可预报性和ENSO的不对称性问题,作者在近年来的工作中先后用理论模式和中等复杂程度ENSO模式研究了ENSO可预报性的动力学,揭示了ENSO的若干重要非线性特征。主要结果如下:(1)条件非线性最优扰动(CNOP)(局部CNOP)比线性奇异向量更易发展成ENSO事件,扮演了ENSO的最优前期征兆。这些ENSO事件关于气候平均态是不对称的。理论分析表明,非线性温度平流过程是造成这种不对称性的重要原因。1980~2002年的海洋再分析资料验证了上述理论结果。(2)ENSO事件CNOP型初始误差的发展有明显的季节依赖性,该误差导致了ENSO事件最显著的春季可预报性障碍(SPB)现象。ENSO事件SPB的发生不仅依赖于气候平均态,而且依赖于ENSO事件本身及其初始误差模态,是三者综合作用的结果。(3)建立了关于ENSO可预报性的最大可预报时间下界、最大预报误差上界和最大允许初始误差下界的三类可预报性问题,分别从三个方面揭示了ENSO事件的春季可预报性障碍现象,比较有效地量化了其可预报性。(4)通过CNOP方法,揭示了非线性温度平流在年代际尺度ENSO不对称性研究中的重要作用,解释了ENSO不对称性的年代际变化,基于所用ENSO模式给出了ENSO不对称性年代际变化的机制。最后,展望了非线性优化方法在ENSO可预报性中应用的前景,并期望该方法能拓展到ENSO第二类可预报性问题的研究中。     

用非线性最优化方法研究El Ni(n)o可预报性的进展与前瞻

综述用非线性优化方法研究厄尔尼诺(El Ni(n)o)-南方涛动(ENSO)事件可预报性的进展.针对ENSO可预报性研究中的热点问题--"前期征兆"、"春季可预报性障碍",以及如何量化研究ENSO可预报性和ENSO的不对称性问题,作者在近年来的工作中先后用理论模式和中等复杂程度ENSO模式研究了ENSO可预报性的动力学,揭示了ENSO的若干重要非线性特征.主要结果如下:(1)条件非线性最优扰动(CNOP)(局部CNOP)比线性奇异向量更易发展成ENSO事件,扮演了ENSO的最优前期征兆.这些ENSO事件关于气候平均态是不对称的.理论分析表明,非线性温度平流过程是造成这种不对称性的重要原因.1980～2002年的海洋再分析资料验证了上述理论结果.(2)ENSO事件CNOP型初始误差的发展有明显的季节依赖性,该误差导致了ENSO事件最显著的春季可预报性障碍(SPB)现象.ENSO事件SPB的发生不仅依赖于气候平均态,而且依赖于ENSO事件本身及其初始误差模态,是三者综合作用的结果.(3)建立了关于ENSO可预报性的最大可预报时间下界、最大预报误差上界和最大允许初始误差下界的三类可预报性问题,分别从三个方面揭示了ENSO事件的春季可预报性障碍现象,比较有效地量化了其可预报性.(4)通过CNOP方法,揭示了非线性温度平流在年代际尺度ENSO不对称性研究中的重要作用,解释了ENSO不对称性的年代际变化,基于所用ENSO模式给出了ENSO不对称性年代际变化的机制.最后,展望了非线性优化方法在ENSO可预报性中应用的前景,并期望该方法能拓展到ENSO第二类可预报性问题的研究中.     

基于神经网络奇异谱分析的ENSO指数预测

采用奇异谱分析方法研究了ENSO指数及相关序列, 结果表明奇异谱分析能很好的对原始序列进行信噪分离, 增大了ENSO指数的可预报性.在此基础上, 提出了人工神经网络和奇异谱分析相结合的ENSO指数预测方法, 进行了不同因子组合的预报试验, 预报效果明显优于持续性预报, 超前4季的Nio 3区、 Nio 4区预报相关系数仍高于0.5.     

ENSO机理及其预测研究

资料分析研究表明ENSO(El Ni?o和La Ni?a)实际上是热带太平洋次表层海温距平的循环,而次表层海温距平的循环是赤道西太平洋异常纬向风所驱动的,赤道西太平洋的异常纬向风又主要由异常东亚冬季风所激发。因此可以将ENSO的机理视为主要是由东亚季风异常造成的赤道西太平洋异常纬向风所驱动的热带太平洋次表层海温距平的循环。同时分析还表明,热带西太平洋大气季节内振荡(ISO)的明显年际变化,作为一种外部强迫,对ENSO循环起着十分重要的作用;El Ni?o的发生同大气ISO的明显系统性东传有关。资料分析也表明,El Ni?o持续时间的长短与大气环流异常有密切关系。 用非线性最优化方法研究El Ni?o－南方涛动(ENSO)事件的可预报性问题,揭示了最容易发展成ENSO事件的初始距平模态,即条件非线性最优扰动(CNOP)型初始距平;找出能够导致显著春季可预报性障碍(SPB),且对ENSO预报结果有最大影响的一类初始误差——CNOP型初始误差,进而探讨耦合过程的非线性在SPB研究中的重要作用,提出了关于ENSO事件发生SPB的一种可能机制;用CNOP方法揭示了ENSO强度的不对称现象,探讨ENSO不对称性的年代际变化问题,提出ENSO不对称性年代际变化的一种机制;建立了关于ENSO可预报性的最大可预报时间下界、最大预报误差上界和最大允许初始误差下界的三类可预报性问题,分别从三个方面揭示ENSO事件的春季可预报性障碍现象,比较有效地量化了模式ENSO事件的可预报性。 利用中国科学院大气物理研究所地球流体力学数值模拟国家重点实验室的ENSO预测系统,研究了海洋资料同化在ENSO预测中的应用,该系统可以同时对温、盐剖面资料和卫星高度计资料进行同化。并且在模式中采用次表层上卷海温的非局地参数化方法,可有效地改进ENSO模拟水平。采用集合卡曼滤波(Ensemble Kalman Filter,EnKF)同化方法以及在集合资料同化中“平衡的”多变量模式误差扰动方法为集合预报提供更加精确和协调的初始场,ENSO预报技巧得到提高。     

ENSO hindcast skill of the IAP-DecPreS near-term climate prediction system:comparison of full-field and anomaly initialization

本文使用中国科学院大气物理研究所近期气候预测系统IAP-DecPreS,评估了全场初始化和异常场初始化对ENSO的预测技巧。结果表明:采用异常场初始化方法对典型ENSO和El NioModoki的预报技巧均优于采用全场初始化方法的预报技巧。采用异常场初始化方法的回报结果能超前10个月回报强ENSO事件,超前4-7个月回报相对较弱的ENSO事件。采用异常场初始化方法对El Nio Modoki和典型ENSO的预报技巧相当。此外,采用异常场初始化方法的回报结果能超前1-4个月模拟出典型ENSO和El NioModoki的冬季海表面温度、降水以及大气环流异常的主要空间分布特征。     

从Nio-3指数看MJO不确定性对ENSO可预报性的影响北大核心CSCD

通过在Zebiak Cane数值模式中引入参数化MJO随机外强迫,着重从Nio 3指数的演变发展探讨了MJO不确定性对ENSO可预报性的影响。结果表明,对Zebiak Cane模式而言,MJO不确定性对由条件非线性最优扰动(CNOP)导致的ENSO事件最大预报误差影响较小;与初始误差相比,由MJO不确定性产生的模式误差在ENSO预报不确定性的产生中具有较小作用,对ENSO可预报性的影响不显著。该结果强调了初始误差在ENSO预报不确定性中的主要作用,从而为ENSO预测的资料同化提供了理论基础。     

从Nio-3指数看MJO不确定性对ENSO可预报性的影响

通过在Zebiak Cane数值模式中引入参数化MJO随机外强迫,着重从Nio 3指数的演变发展探讨了MJO不确定性对ENSO可预报性的影响。结果表明,对Zebiak Cane模式而言,MJO不确定性对由条件非线性最优扰动(CNOP)导致的ENSO事件最大预报误差影响较小;与初始误差相比,由MJO不确定性产生的模式误差在ENSO预报不确定性的产生中具有较小作用,对ENSO可预报性的影响不显著。该结果强调了初始误差在ENSO预报不确定性中的主要作用,从而为ENSO预测的资料同化提供了理论基础。     

ENSO事件对梧州市汛期降水的滞后影响效应

对ENSO事件进行划分及评定,从汛期预报时效出发,分析了ENSO事件对梧州市汛期降水的滞后影响效应,希望能从中发现一些规律性的东西,对汛期的降水预报提供一些有参考价值的信息。     

国外海气耦合模式及其季、年际预报的研究现状

通过对国外各类海气耦合模式及其预报试验的综合分析，从海气耦合模式的分类、模式气候漂移和ENSO年际变化的处理、模式分辨率、耦合方式和模式参数的变化对模式年际变化的影响、ENSO年际预报与预报起始时间和资料的关系、ENSO和季风的海陆气耦合系统等方面评述了影响季和年际数值预报水平的有关问题及发展现状，并对开展我国相应试验研究工作提出了看法。     

Application of the Analogue-Based Correction of Errors Method in ENSO Prediction

In this study, a method of analogue-based correction of errors（ACE） was introduced to improve El Ni？o-Southern Oscillation（ENSO） prediction produced by climate models. The ACE method is based on the hypothesis that the flow-dependent model prediction errors are to some degree similar under analogous historical climate states, and so the historical errors can be used to effectively reduce such flow-dependent errors. With this method, the unknown errors in current ENSO predictions can be empirically estimated by using the known prediction errors which are diagnosed by the same model based on historical analogue states. The authors first propose the basic idea for applying the ACE method to ENSO prediction and then establish an analogue-dynamical ENSO prediction system based on an operational climate prediction model. The authors present some experimental results which clearly show the possibility of correcting the flow-dependent errors in ENSO prediction, and thus the potential of applying the ACE method to operational ENSO prediction based on climate models.     

MSSA-SVD典型回归模型及其用于ENSO预报的试验

文中提出了一种基于多通道奇异谱分析 (MSSA)的广义典型混合回归模式。其基本思想是 ,利用MSSA SVD提取预报因子场和预报变量场的显著耦合振荡信号 ,对它们的前几个显著典型分布型建立多元线性统计气候预报模式。经对Nino海区各季海温距平所进行的短期气候预测试验表明 ,其预报效果优于其它统计预报方案 ,从而为探索ENSO预测方法提供了一种新的思路     

四个耦合模式ENSO后报试验的“春季预报障碍”

用CliPAS计划中3个气候模式和中国科学院大气物理研究所耦合模式FGOALS-g短期气候异常回报试验结果,将动力和统计方法相结合,考察了1982—2003年厄尔尼诺/拉尼娜事件发展期和衰减期海表温度春季可预报性障碍现象。结果表明,所考察的耦合模式对ENSO事件预报的误差发展存在明显的季节依赖性,最大误差增长通常发生在春季,发生显著的可预报性障碍现象。进一步分析发现厄尔尼诺事件和拉尼娜事件在发展期的季节预报障碍现象比衰减期明显,以厄尔尼诺事件发展期春季可预报性障碍现象最为显著,拉尼娜事件衰减期季节预报障碍现象不显著。研究还发现,预报误差的增长在ENSO事件冷暖位相具有显著的非对称性,发展期暖位相预报误差强于冷位相,而衰减期冷位相的预报误差比暖位相大。通过回归分析,诊断了海-气相互作用的强度,发现耦合系统在春季最不稳定,使预报误差最易在春季发展,从而导致可预报性障碍。     

几个方兴未艾的气候学问题

气候学是大气科学中发展最快的一个分支．文中重点总结了几个有关气候诊断与气候预测问题的研究进展,包括大气环流基本模态、夏季风与ＥＮＳＯ、ＥＮＳＯ预测、季度预测及年代际气候变率     

ENSO动力学与预测

发生在热带太平洋地区的ENSO现象是海气相互作用的集中表现,是年际气候变化中的最强信号.由于它的发生会在全球许多地区引起严重的气候异常,极大地影响着这些地区的工农业生产和人民生活,因此,对ENSO的机理及其预测的研究一直是大气海洋界的一个热点研究课题.中国科学院大气物理研究所在ENSO的机理及其预测等方面进行了大量的研究,取得了许多研究成果.作者将对中国科学院大气物理研究所在这方面的一些研究成果进行回顾和介绍.     

What Kind of Initial Errors Cause the Severest Prediction Uncertainty of EI Nino in Zebiak-Cane Model

With the Zebiak-Cane (ZC) model, the initial error that has the largest effect on ENSO prediction is explored by conditional nonlinear optimal perturbation (CNOP). The results demonstrate that CNOP-type errors cause the largest prediction error of ENSO in the ZC model. By analyzing the behavior of CNOP- type errors, we find that for the normal states and the relatively weak EI Nino events in the ZC model, the predictions tend to yield false alarms due to the uncertainties caused by CNOP. For the relatively strong EI Nino events, the ZC model largely underestimates their intensities. Also, our results suggest that the error growth of EI Nino in the ZC model depends on the phases of both the annual cycle and ENSO. The condition during northern spring and summer is most favorable for the error growth. The ENSO prediction bestriding these two seasons may be the most difficult. A linear singular vector (LSV) approach is also used to estimate the error growth of ENSO, but it underestimates the prediction uncertainties of ENSO in the ZC model. This result indicates that the different initial errors cause different amplitudes of prediction errors though they have same magnitudes. CNOP yields the severest prediction uncertainty. That is to say, the prediction skill of ENSO is closely related to the types of initial error. This finding illustrates a theoretical basis of data assimilation. It is expected that a data assimilation method can filter the initial errors related to CNOP and improve the ENSO forecast skill.     

What Kind of Initial Errors Cause the Severest Prediction Uncertainty of El Nino in Zebiak-Cane Model

With the Zebiak-Cane （ZC） model, the initial error that has the largest effect on ENSO prediction is explored by conditional nonlinear optimal perturbation （CNOP）. The results demonstrate that CNOP-type errors cause the largest prediction error of ENSO in the ZC model. By analyzing the behavior of CNOPtype errors, we find that for the normal states and the relatively weak E1 Nifio events in the ZC model, the predictions tend to yield false alarms due to the uncertainties caused by CNOP. For the relatively strong E1 Nino events, the ZC model largely underestimates their intensities. Also, our results suggest that the error growth of E1 Nifio in the ZC model depends on the phases of both the annual cycle and ENSO. The condition during northern spring and summer is most favorable for the error growth. The ENSO prediction bestriding these two seasons may be the most difficult. A linear singular vector （LSV） approach is also used to estimate the error growth of ENSO, but it underestimates the prediction uncertainties of ENSO in the ZC model. This result indicates that the different initial errors cause different amplitudes of prediction errors though they have same magnitudes. CNOP yields the severest prediction uncertainty. That is to say, the prediction skill of ENSO is closely related to the types of initial error. This finding illustrates a theoretical basis of data assimilation. It is expected that a data assimilation method can filter the initial errors related to CNOP and improve the ENSO forecast skill.     

模式气候吸引子信息约束下的动力协调初始化方法及其在ENSO预测中的应用

为了改善模式初始场质量,减少初值与模式不协调对ENSO预测的影响,针对国家气候中心NCCo海-气耦合模式原初始化方案动力小协调的问题,从利用模式长期耦合模拟资料中的模式气候吸引子信息的角度出发,发展了一种获取观测资料中与模式相协调分量的信息重构方法,提出了一种模式气候吸引子信息约束下的动力协调初始化方案.对该方案回报检验的结果表明:通过反演NCCo海-气耦合模式模拟资料中的模式气候吸引子信息,有助于获取观测资料中与模式相协调的信息分量特征,实现了初始化过程中动力模式与所同化观测资料间的协调.这种基于信息重构方法的动力协调初始化方案,既可以延续原初始化方案利用观测信息较多的优势,又克服了原方案中观测资料和动力模式不协调的缺陷.这种新的初始化方案,消除了观测资料和模式不协调在初始场中产生的小尺度高频噪声,突出了与NCCo模式动力特征相适应的ENSO尺度信息.进而抑制了初始场中高频噪声所引起的快变预报误差的增长,提高了模式的预测技巧.     

EXPERIMENTS WITH SHORT-TERM CLIMATE PREDICTION MODELS ON SSTA OVER THE NINO OCEANIC REGION

Predictions of averaged SST monthly anomalous series for Nino 1-4 regions in the context of auto-adaptive filter are made using a model combining the singular spectrum analysis (SSA) and auto-regression (AR). The results have shown that the scheme is efticient in forward forecaning of the strong ENSO event in 1997-1998, it is of high reliability in retrospective forecasting of three corresponding historical strong ENSO events. It is seen that the scheme has stable skill and large accuracy for experiments of both independent samples and real cases.With modifications, the SSA-AR scheme is expected to become an efficient model in routine predictions of ENSO.