几种统计模型对热带印度洋海温异常的预报

本文利用神经网络模型、多元线性回归模型和马尔科夫模型分别建立了统计预报模型,对热带印度洋海表温度异常(SSTA)和印度洋偶极子(IOD)指数进行了63 a的长时间回报实验,并详细比较了线性和非线性统计预报模型的差异。结果表明:统计模型对IOD指数的预报技巧和现有动力模式预报技巧相差不大,对偶极子指数(DMI)有效预报时效为3个月,东极子指数(EIO)为5~6个月,西极子指数(WIO)达到8~9个月。IOD事件强烈的季节锁相特性使得对秋季的DMI指数可以提前4个月做出有效预报。加入同期的ENSO指数来预报IOD指数,能有效地提高IOD预报技巧,特别是对IOD峰值的预报。复杂的神经网络模型和简单的多元线性回归模型在对SSTA和IOD指数的预报具有同等的效果。

高影响海-气环境事件预报模式的高分辨率海洋资料同化系统研发

由于国家安全与社会经济可持续发展的迫切需求,MJO、ENSO、IOD和PDO等高影响海-气环境事件的预测一直是一个重要的研究领域。多尺度、多过程的复杂性使这些海气环境事件的预测至今仍然是气候科学最具挑战性的问题之一。由于海洋成分的长期记忆能力,耦合模式海洋成分的预报初始化对它们的预报有非常重要的作用。然而,国内现有的气候预测系统缺乏耦合模式框架下先进的海洋资料同化系统,同化的海洋资料种类也亟待增加。而针对MJO等季节内尺度和PDO等年代际尺度气候变率,现有气候预测系统的研究水平和业务能力更处于薄弱或空白状态,滞后于国际发展水平。针对全球变化的背景,需着重开展耦合模式的海洋资料同化研究,发展全球耦合模式的海洋资料同化系统,从而提高气候预测能力,增强我国气候防灾减灾的手段,提升我国全球变化研究的竞争力和国际地位。基于我国自主研发的海气耦合模式,项目将开展全球和区域多源海洋观测资料同化技术研究,突破耦合资料同化中海洋和大气之间的动力、热力平衡的关键技术问题,发展耦合模式框架下的参数估计和约束系统,研制具有业务化前景的高分辨率海洋模式的耦合同化系统,并开展MJO、IOD、ENSO和PDO等高影响海-气环境事件的综合评估和预测示范应用。