统计-动力相结合的相似误差订正法

根据大气相似性原理,提出了利用历史资料的相似信息估计模式误差的反问题,并发展了一种相似误差订正(ACE)方法。该方法将统计和动力两种方法有机结合,在不改变现有数值预报模式的前提下,既充分利用了动力学发展的成就,又能够有效提取大量历史资料中的相似信息,达到减小模式误差、改进当前预报的目的。而且,ACE方法能够针对当前预报的特殊性来区分所利用过去资料的特殊性,提取历史相似信息间接求解反问题。定性分析表明,ACE方法与以往相似-动力模式原理是等价的,但无需重新建立复杂的相似离差预报模式,更具可行性和业务应用前景。在理想化的极限情形下,当数值模式或历史相似完全准确时,ACE方法的预报结果将分别蜕变为动力或统计学方法的预报结果。

一个ENSO动力相似误差订正模式及其后报初检验

为有效利用历史资料中的相似信息,减小模式误差对ENSO这类跨季节年际尺度预测问题的影响提高动力模式的预测水平。作者利用一种基于统计相似的模式误差订正方法,以国家气候中心简化海气耦合模式为平台建立了相应的动力相似误差订正(DAEC)模式,并着重探讨了系统相似程度(全相似或部分相似)、误差重估周期以及相似样本个数等因素对预报效果的影响。结果表明,利用该方法可以有效地改善原有模式的预报性能,其中“全相似”比“部分相似”更能反映海气耦合系统的相似程度,从而对模式误差做出更为准确的估计,使预报误差明显减小。海洋和大气的误差重估周期对结果也有较大影响,在不同相似程度下分别存在着某种最优配置使得预报效果达到最佳。另外,在对相似样本存在状况及影响的研究中则发现在当前资料长度内整体上只存在着有限个相似样本,在此范围内随着样本取样数目的增加DAEC模式的预报性能逐渐提高。