北半球冬季大气环流主模态变异成因及其预测研究

With Arctic warming rapidly, atmospheric circulation pattern at high latitude in Northern Hemisphere has changed significantly, resulting in more frequency of abnormal winter climate and extreme climate events occurred over Eurasia in the recent years. It is essential to research what happened in the variability of these winter climate modes in Northern Hemisphere and its forecasting. In this project, we will focus on research of the variation of winter atmospheric modes in Northern Hemisphere and its impacts of Eurasian climate since 1980s. On the other hand, we will research the effective prediction method and establish hybrid prediction model in combination of dynamical model and statistical model for North Atlantic Oscillation (NAO), North Pacific Oscillation (NPO), Siberian High, etc. Our goal is expected to understand the impact of global warming on winter climate modes in Northern Hemisphere, to disclose the variation of the winter climate modes; to evaluate the international coupled models’ ability in prediction of NAO, NPO, Siberian High, etc. We will establish high effective statistical, dynamical and statistical prediction model for them, improving the skill in perdition of winter climate modes and Eurasian winter climate.

随着北半球极区变暖加剧，北半球中高纬的环流形势发生显著变化，这是近几年欧亚冬季气候异常和极端气候事件频发一个原因，因此需要加强对北半球冬季大气环流主模态变异规律成因及其预测研究。本项目将一方面研究20世纪80年代北半球主要的大气环流模态如北大西洋涛动、北太平洋涛动、西伯利亚高压等变异的特征、成因以及它们对欧亚气候的影响机理。另一方面，研究冬季大气环流主模态有效的预测方法并建立北大西洋涛动，北太平洋涛动、西伯利亚高亚等主模态的统计和动力结合的高效的预测模型。通过项目研究，将揭示主模态的变化规律成因；系统认识国际上先进耦合动力模式对大气环流主模态的可预测性，建立北大西洋涛动、北太平洋涛动、西伯利亚高压等统计，动力和统计结合高效预测模型，提高对冬季大气主模态及欧亚冬季气候预测能力。

全球增暖背景下，冬季欧亚大陆极端气候事件频发，往往给当地居民日常生活、社会和经济发展造成严重的影响；而北半球冬季大气环流主模态与欧亚大陆极端气候的发生密切相关。因此，深入理解北半球冬季大气环流主模态变异机理及发展其有效预测模型对提高冬季欧亚气候预测能力、科学防灾减灾具有重要意义。项目围绕北半球冬季大气环流主模态变异成因及其对欧亚气候的影响、北半球冬季大气环流主模态预测开展研究，目前已取得的重要成果有：（1）揭示了ENSO对东亚冬季风（EAWM）的影响在前冬（11～12月）显著，而在后冬（1～2月）很弱，一个重要原因是ENSO的变率在前冬大于后冬；（2）发现了冬季北极极涡对春季北欧亚植被的影响显著，并揭示了可能物理机制；（3）揭示了12月北半球平流层弱极涡事件对欧亚气温季内变化的影响分为平流层－对流层相互作用阶段和对流层波动阶段；（4）揭示了北极海冰和海温对欧亚大陆季节和次季节气候的影响及其机理；（5）评估发现国际上先进耦合模式对北大西洋涛动（NAO）和EAWM的可预测性在冬季不同月份（12月、1月和2月）或不同阶段（前冬、后冬）存在差异，并分析原因；（6）发展了EAWM的动力−统计预测模型，且实时预测效果良好。目前，共发表文章10篇（SCI论文8篇），均为第一和第二标注11篇。项目负责人获得多项国家级人才计划和奖项。