用条件非线性最优扰动方法研究ENSO第二类可预报性问题

本项目尝试利用条件非线性最优扰动方法和中等复杂程度的ZC模式，研究ENSO的第二类可预报性问题。首先，建立关于模式参数扰动的非线性优化系统，计算给定约束条件下，导致预报时刻最大预报误差的模式参数误差，即CNOP型模式参数误差，考察模式参数的不确定性对预报误差的影响，分析误差的演变规律。其次，建立可以同时考虑初始条件和模式参数不确定性的非线性优化系统，计算给定约束条件下，导致预报时刻最大预报误差的CNOP型误差联合模态，该模态由初始误差和模式参数误差两个分量组成。与此同时，利用已有的只考虑初始条件不确定性的非线性优化系统，计算导致最大预报误差的初始误差，即CNOP型初始误差。比较CNOP型误差联合模态的初始误差分量与CNOP型初始误差的异同，探讨与各参数相关的物理过程在误差发展中所起的作用。最后，比较初始误差和模式参数误差各自对春季可预报性障碍的影响。

春季可预报性障碍（SPB）是引起许多ENSO预报模式发生预报结果不确定性的原因之一。在完美模式假定下，从初始误差不确定性的角度研究SPB现象，国内外已有相当一部分研究。然而，现有的ENSO模式远没有达到可以完美描述ENSO发展演变的程度，存在着模式误差，由模式中部分参数的不确定性导致的模式参数误差对SPB现象有怎样的影响目前还不清楚。CNIOP方法作为最优化方法的一种，能够体现非线性的作用，在研究初始条件的不确定性方面，已经被应用于ENSO可预报性研究。利用CNOP方法研究模式参数误差的不确定性与SPB现象之间的关系还未见有文献发表。本项目利用CNOP方法，探讨模式中参数的不确定性对SPB现象的影响，并同时考虑初始条件和参数的不确定性对SPB现象的影响，并试图利用目标观测方法改进预报技巧。首先，建立可以衡量ZC模式的参数不确定性对预报结果影响的非线性最优化系统。该系统能够在假设不存在初始误差的情况下，计算在给定约束条件下导致最大预报误差的模式参数误差，即CNOP型参数误差。利用CNOP型参数误差，考察参数的不确定性对预报结果不确定性的影响。结果表明，模式参数误差导致的预报误差不大，误差发展没有明显的季节依赖性，不会导致显著的SPB现象。其次，进一步考虑同时存在初始误差和模式参数误差的情况，建立可以衡量初始条件以及参数的不确定性对预报结果影响的非线性最优化系统。该系统可以计算在给定约束条件下导致最大预报误差的CNOP误差联合模态。该误差联合模态具有两个分量，即初始误差分量和模式参数误差分量。通过考察CNOP误差联合模态发展的季节依赖性以及对预报结果的影响，我们发现该误差会造成显著的SPB现象。通过与CNOP型初始误差、CNOP型参数误差分别对SPB现象的影响做比较，初始误差在SPB现象中起主要作用，而参数误差通过与初始误差的非线性相互作用使得预报误差更大。最后，鉴于初始误差在SPB现象中所起的重要作用，减小初始误差可以有效改进预报技巧。在有限的观测仪器资源下，利用目标观测方法，指出在东太平洋增加观测，相对于布置于其他地区，能更为有效的提高ENSO预报技巧。本项目研究有利于理解SPB现象的成因，为发展和改进模式提供理论指导。