四维变分资料同化方法在简单海气耦合模式中的应用及其对ENSO实时预报的改进

The El Niño and Southern Oscillation (ENSO) has great influence on climate and weather worldwide. It is of great practical significance to accurately and effectively make real-time ENSO prediction using coupled models. However, there exist large uncertainties and model biases in real-time ENSO predictions. One of the reasons is the uncertainties in model initial condition and model parameters. Data assimilation is a key technology to improve real-time ENSO prediction. Previously, we developed a four dimensional variational (4D-Var) data assimilation system based on an intermediate coupled model (ICM). This project will further apply the system to improving real-time ENSO prediction, including model parameter optimization, multi-source data assimilation, ocean-atmosphere coupled assimilation, comparisons between different assimilation methods (such as ensemble Kalman filter (EnKF) method and ensemble optimal interpolation (EnOI) method), and constructions of hybrid assimilation method. It is finally anticipated to construct an effective ENSO forecast assimilation system for improved real-time ENSO prediction. This project is expected to provide modeling tool and theoretical guidance for the improvement of real-time ENSO prediction using the ICM, and the innovative modeling platform can have wide applications for future studies on ENSO analyses and predictions. It is also providing valuable methodologies and guidance for other modeling studies.

ENSO对全球气候和天气具有重要影响，准确、及时、有效地预报ENSO事件具有重大的实用意义。但目前对ENSO实时预报存在很大的不确定性和模式误差，其原因之一是模式初条件和模式参数的不确定性，资料同化是改进ENSO实时预报效果的关键技术。以前我们基于一个简单的海气耦合模式（ICM）发展了一个四维变分（4D-Var）资料同化系统，本项目将进一步开展其对ENSO实时预报的改进和应用研究，包括：模式参数优化、多源资料同化、海气耦合资料同化、不同资料同化方法间的比较（如集合卡尔曼滤波（EnKF）和集合最优差值（EnOI）方法等）、以及构建混合（Hybrid）同化方法等，最终形成一个完善而有效的ENSO预报同化系统，提高ENSO实时预报水平。这将为ICM实时预报的提高提供模式工具和理论指导，为ENSO分析和预报研究打造一个模式平台；所发展的方法和经验也可为其他模式研究提供方法和指导。

ENSO是热带太平洋海区年际时间尺度上的海气耦合现象，是地球气候系统最强的年际变率信号，其对全球气候异常和极端天气的产生具有重要影响。因此，能够准确、及时、有效地预测ENSO事件的发生、发展和演变具有重大的意义。本项目按计划围绕四维变分资料同化方法在简单海气耦合模式中的应用及其对ENSO实时预测的改进开展工作，完成了全部研究内容，包括：构建了一个基于四维变分资料同化系统的参数优化方法，采用模式状态变量-参数联合优化的方法，对模式的经验参数引起的动力模式的部分偏差进行校正，结合状态变量优化方法，进一步优化了模式性能；以2014-2016年El Niño事件为重点研究对象，分析了影响ENSO的主要海气过程，分析模式对2014-16年El Niño事件预测不准确的原因，通过优化修正模式初始场和参数以改进对2015年El Niño事件的模拟；对比了多源观测资料同化的有效性，评估了不同资料同化方法的效果，探讨了海气耦合模式最优初始化的效果。已按计划完成了项目的研究目标，包括：发展了一个基于中间型海气耦合模式的四维变分资料同化系统进行模式参数优化的方法，评估了模式参数和初始场优化方法对提高ENSO实时预测的相对效果；进行了多源资料同化（如海洋表层和次表层资料等）试验，揭示了多源观测资料同化的重要性；在耦合框架下进行同化试验，阐明了海气耦合框架下资料同化的有效性；对比了不同资料同化方法（如4D-Var和EnKF）对提高ENSO模拟的相对效果；以具体事件为例给出了同化方法对ENSO模拟的改善效果。这些工作为完善一个基于ICM的ENSO预测同化系统、改进ENSO的模拟和预测奠定了基础，促进了将最新的研究成果及时有效地转化成为ENSO实时预测服务。目前已发表学术论文4篇，其中SCI论文3篇；参与撰写专著一部，预计2021年3月出版；参与国际学术会议并做相关口头和墙报展示4次，参与国内学术会议进行项目成果交流10余次。