一种新的模式倾向误差估计算法及其在ENSO模拟中的应用

气候模式是我们理解、模拟和预报气候演变的重要工具。然而即使是目前最先进的耦合模式,其模拟和预报与大气/海洋的真实状态相比,仍存在较大偏差,这是由于在模式的倾向方程中不可避免地存在系统性的误差(倾向误差)。因此,减小模式倾向误差对改进模式的模拟和预报效果具有重要意义。该研究首先发展了一种新的计算模式倾向误差的估计算法——基于局地集合变换卡尔曼滤波器(local ensemble transform kalman filter,LETKF)同化技术的倾向误差估计算法。在此基础上,将新发展的算法应用到Zebiak-Cane(ZC)模式,通过同化海表面温度异常(sea surface temperature anomaly,SSTA)数据,估计随时空变化的倾向误差,并使用计算得到的倾向误差订正模式,进行积分模拟。结果表明:(1)倾向误差和ZC模式的模拟偏差具有高度相关性;(2)订正后的模式改善了对厄尔尼诺-南方涛动(El Ni?o-Southern Oscillation,ENSO)的一些重要特征的模拟。这说明新发展的模式倾向误差估计算法十分有效且在ENSO模拟中具有较好的应用价值,此外,这种新的模式倾向误差估计算法,计算高效简便,可便捷地应用于各模式中,利于推广。