全球热带简单海气耦合模式中的ENSO预报试验

利用一个全球热带简单海气耦合模式（GTSM模式），并选取热带三大洋较强的冷暖事件作为预报对象进行了若干预报试验，分析结果发现：在GTSM模式中由于热带三大洋海气耦合通过大气模式而相互作用和影响，使得该模式对于东大西洋和中东印度洋较强冷暖事件的预报能力，较单独大西洋或单独印度洋耦合模式均有明显提高，预报和观测的ATL3、IND3指数的相关系数达到0．5以上的月份，分别达到9个月和6个月左右；而在东太平洋则和 ZC（LDEO1）模式差不多，预报和观测的 Nino 3指数的相关系数达到 0．6以上的月份可以达到15个月左右。

Prediction of ENSO using multivariable deep learning

本文基于残差神经网络和观测数据构建了一套深度学习多因子预报测模型,以改进厄尔尼诺-南方涛动(ENSO)的预报.该模型基于最大信息系数进行因子时空特征提取,并根据泰勒图的评估标准可自动确定关键预报因子进行预报.该模型在超前8个月以内的预报性能要优于当前传统的业务预报模式.2011–2018年间,该模型的预报性能优于多模式集成预报的结果.在超前6个月预报时效上,模型预报相关性可达0.82,标准化后的均方根误差仅为0.58°C,多模式集成预报的相关性和标准化后的均方根误差分别为0.70和0.73°C.该模型春季预报障碍问题有所缓解,并且自动选取的关键预报因子可用于解释热带和副热带热动力过程对于ENSO变化的影响.

Zebiak-Cane模式中条件非线性最优扰动对ENSO春季预报障碍的影响

使用Zebiak-Cane模式和条件非线性最优扰动(CNOP)方法,研究初始误差和参数误差共同作用对ENSO春季预报障碍现象的影响。选取模式中的8个El Ni?o事件,包括4次强事件和4次弱事件,每个El Ni?o事件又分别从8个不同的起始时间做1 a的预报,这样一共64个预报实验。对每个实验分别计算CNOP误差(初始误差和参数误差同时存在时的最优误差),通过分析误差增长,发现CNOP误差引起的1 a后的预报误差随着初始预报时间的不同有较大差异,并且不同强度的El Ni?o事件也会影响CNOP误差的发展,增长位相中强事件的预报误差要比弱事件的预报误差大一些;而衰减位相中恰恰相反,弱事件的预报误差要比强事件的预报误差要大一些;同时也发现高频El Ni?o事件对误差增长率的影响较大。本结论有助于提高Zebiak-Cane模式预报ENSO的技巧。

简化ENSO预测模式的改进试验

利用NCEP的海洋模式同化资料,对Cane-Zebiak简化海气耦合模式的海洋动力要素进行对比分析。结果表明,该模式的大气部分能够较好地模拟出海温强迫下的大气风场异常,而海洋部分的模拟结果与实况相比存在较多虚假的偏暖偏冷事件以及对El Nino事件的模拟强度偏小等问题。这主要与海洋模式中混合层厚度选取较浅,导致垂直上翻温度平流的贡献削弱有关。试验结果证明,适当加强该项的强度可提高模式的预报能力。

IOCAS ICM及其ENSO实时预测试验和改进

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。

影响春季热带太平洋地区海温变化的动力热力作用分析

厄尔尼诺-南方涛动(ENSO)春季预报障碍是ENSO预测的一个难点问题,弄清影响春季热带太平洋地区海表温度(SST)变化的动力和热力作用对于理解ENSO关键区SST的异常变化及ENSO春季预报障碍成因非常重要。本文利用BCC-CSM2-MR数值模式,模拟产生一套1986~2017年间相互协调的逐月海表风应力、感热、潜热、长波和短波净辐射能量、海洋流场等观测代用数据。利用这些数据对影响海温变化的动力和热力作用及其相对重要性进行了诊断分析,结果表明:(1)与其他季节相比,春季Ni?o3.4区海洋表层温度(后文中用T_S表示)呈现出独特的先增暖后趋冷的不对称季节性转换特征,这一变化主要是由于影响T_S的大气风应力、海流以及能量净通量在春季均表现出明显的季节性转换过程。进一步的分析表明,热力作用对局地海温的季节性变化影响最为重要,水平平流输送以反向作用为主,其中经向平流输送起到了反向作用,不利于该区域T_S的季节性转变,纬向平流输送仅在春季转为弱的正贡献,浅层垂直平流输送对春季T_S变化的影响很小。(2)动力热力作用与T_S异常的变化倾向相关关系也表明,春季Ni?o3.4区热力作用与T_S异常变化呈现显著的正相关,纬向海流异常的输送项也表现为正相关,而经向海流输送项展现出由负相关向正相关转化的特征。(3)对Ni?o3.4区T_S变化的方差贡献分析结果表明,春季热力作用对T_S的异常变化的贡献达50%以上,相关系数超0.7,其次是纬向、经向平流项贡献,各占10%~20%左右,但两者作用相反,其他项贡献较小。

Nino3指数及其相关因子的时延分析和混合动力模型反演

该文针对厄尔尼诺-南方涛动(ENSO)发生发展机理的复杂性和影响制约因子的多样性的问题,基于海温场、海面风场和海面气压场资料,首先采用交叉小波的分析方法对Nino3指数及其相关因子进行时滞相关分析,找出与其相关性较好的动力因子。在此基础上,采用动力系统反演思想和遗传算法途径,建立了Nino3指数及其相关因子的混合动力预报模型,克服了ENSO作为一个复杂的系统信息完备性不够充分这个问题,进一步改进完善了ENSO预报模型,实现对Nino3指数以及南方涛动指数、海面气压场距平的数值积分预报。试验结果表明,本文所建立的Nino3指数及其相关因子预报模型具有先进性,为El Nino/La Nina预测研究提供了一种新的思路和方法。