条件非线性最优扰动方法在ENSO集合预报中的应用

本项目探讨条件非线性最优扰动（CNOP）方法在ENSO集合预报研究中的应用。用CNOP方法产生集合预报的初始扰动，建立中等复杂程度Zebiak-Cane模式的ENSO集合预报系统。用该ENSO集合预报系统进行大量后报试验，对集合预报结果进行确定性检验和概率预报检验，评估集合预报质量。通过比较CNOP方法与国际上奇异向量方法（SV）、繁殖法和集合卡曼滤波等方法在ENSO集合预报研究中应用的优缺点，评判CNOP方法改善ENSO集合预报效果的可行性。分析该集合预报系统在不同季节的预报性能，考察其是否发生春季预报障碍现象，与基于SV方法的集合预报结果进行比较，探讨非线性在ENSO春季预报障碍现象中的作用，为进一步理解ENSO事件的物理本质、提高ENSO事件的预报技巧提供理论基础。

ENSO事件作为气候系统最强的年际变化信号之一，虽然发生在热带太平洋地区，但因其对气候和经济的重要影响，受到人们的高度关注。ENSO事件的模拟和预测研究，一直是当代气候研究的焦点问题之一。上世纪90年代以来，El Nio事件呈现多样化特征，东太平洋型厄尔尼诺事件（EP-El Niño）发生频率减少，中太平洋型厄尔尼诺事件（CP-El Niño）频繁发生，为ENSO事件的成功预报提出了挑战。.　　本项目首先考察了著名的中等复杂程度ENSO预报模式—Zebiak-Cane（ZC）模式对EP-El Niño和CP-El Niño的模拟能力，并分析了ZC模式对两类El Niño事件预报结果不确定性的误差来源。结果表明：ZC模式对EP-El Niño事件的模拟效果，主要是初始误差起作用，通过调试ZC模式的初始场，能够得到较好的模拟效果；对于CP-El Niño事件，主要是模式误差起主要作用，需要改进数值模式，才能提高模拟效果。.　　基于以上结论，本项目把条件非线性最优扰动方法（CNOP）应用于ENSO集合预报研究，建立了ZC模式的集合预报系统，完成了对历史EP-El Niño事件的集合预报研究，比较了基于CNOP和奇异向量方法（SV）的集合预报结果，评价了CNOP方法应用于ENSO集合预报的有效性。结果表明：对于极端强El Niño事件，用CNOP方法产生集合成员的初始扰动，可能会较大程度提高ENSO集合预报的预报技巧。.　　本项目还提出了一种可用于矫正数值模式、改善数值模式模拟能力和预报技巧的最优外强迫向量（OFV）方法，并将其应用于ZC模式对CP-El Niño事件的模拟研究中，为提高CP-El Niño的模拟和预测能力提供有用信息。数值结果表明：用OFV方法矫正模式误差后，ZC模式成功模拟出了三次观测CP-El Niño，OFV方法从而被认为是一个能够矫正模式误差并且提高模式预报技巧的有用的方法。.　　最后，本项目在前人工作的基础上，还提出了另一种不需要伴随模式计算条件非线性最优扰动（CNOP）的新算法，即基于奇异值分解（SVD）的集合投影算法，并将该算法应用于中等复杂程度的ENSO 预报模式中计算CNOP，检验了新算法的有效性。数值结果表明，基于SVD的新集合投影算法是计算CNOP的一种有效近似算法。