-
题名IOCAS ICM及其ENSO实时预测试验和改进
- 1
-
-
作者
高川
王宏娜
陶灵江
张荣华
-
机构
中国科学院海洋研究所海洋环流与波动重点实验室
青岛海洋科学与技术国家实验室
中国科学院大学
-
出处
《海洋与湖沼》
CAS
CSCD
北大核心
2017年第6期1289-1301,共13页
-
基金
中国科学院战略性先导科技专项(A类)项目
XDA11010105号
+5 种基金
XDA11020306号
国家自然科学基金项目
41705082号
41690122号
41690120号
41475101号
-
文摘
厄尔尼诺和南方涛动(ENSO)是仅次于季节变化的最强年际气候变率信号,对全球气候和天气产生重要影响。准确、及时、有效地预报ENSO事件的发生和演变具有重大的实用意义。以中国科学院海洋研究所冠名的中等复杂程度海气耦合模式(IOCAS ICM),每月定期进行ENSO实时预报试验。IOCAS ICM实时预报结果目前收录于美国哥伦比亚大学国际气候研究所(IRI),以作进一步的集成分析和应用。该模式的大气部分是一个描述对海表温度(SST)年际异常响应的风应力异常经验模式,海洋部分包括了动力海洋模块、SST距平模块(嵌套于动力海洋模块中)和次表层上卷海温(T_e)距平模块三部分。IOCAS ICM的特点之一是开发了次表层海温反算优化这一创新技术,可有效改进热带太平洋SST异常的模拟和预报。IOCAS ICM和其他海气耦合模式的最新预报结果(以2017年9月为初条件)表明,2017年年末热带太平洋会处于一个SST冷异常态,最大变冷中心集中在赤道东太平洋,但并不足以达到拉尼娜(La Ni?a)事件的水平,SST冷异常可能会在2018年春季逐渐减弱,转化为中性状态。此外,本文还对四维变分资料同化方法(4D-Var)以及条件非线性最优扰动方法(CNOP)在IOCAS ICM中的应用进行了讨论。
-
关键词
IOCAS
ICM
ENSO实时预报试验
资料同化
cnop技术
-
Keywords
IOCAS ICM
real-time ENSO prediction
data assimilation
cnop approach
-
分类号
P732
[天文地球—海洋科学]
-