用复杂气候模式研究两类El Niño事件的春季预报障碍及目标观测敏感区

The “Spring Predictability Barrier” (SPB) phenomenon could cause the large uncertainties of the prediction results for El Niño events. Within the revised Zebiak-Cane model, previous studies have discussed the sensitive areas of targeted observation associated with two types of El Niño events, and have determined the optimal observational array of SSTA for the target observation on the tropical pacific. However, Zebiak-Cane model is an anomaly coupled model of intermediate-complexity and cannot be used to explore the influence of subsurface and the extratropical pacific. In view of this, using the Geophysical Fluid Dynamics Laboratory Climate Model version 2p1(GFDL CM2p1), this project will firstly identify the characteristics and the growth mechanisms of the initial errors in the Pacific that cause a significant SPB, especially the largest prediction errors for two types of El Niño events (including both CP-El Niño and EP-El Niño events) most probably from the perspective of initial error growth. On the basis of these initial errors, the project will further identify the sensitive areas of targeted observation associated with two types of El Niño events, and examined the validity of sensitive areas. In addition, the Ensemble Optimal Interpolation will be adopted to conduct observation system experiment for realistic CP- and EP- El Niño events, in order to investigate the role of sensitive areas in improving realistic two types of El Niño predictions. These studies may be helpful for optimizing the Pacific observation network.

“春季预报障碍”（SPB）现象能导致El Niño事件预报结果产生较大的不确定性。前人用订正的Zebiak-Cane模式探讨了两类El Niño事件预报的目标观测敏感区，并确定了热带太平洋上的SSTA最优观测网。鉴于Zebiak-Cane模式较为简单，未能用于考察次表层和副热带太平洋的影响。本项目拟采用全球海气耦合模式（GFDL CM2p1），首先从理想回报试验出发，针对模式中的两类El Niño事件，从误差增长的角度，考察太平洋上易导致两类事件发生显著SPB，尤其是导致最大预报误差的初始误差。在此基础上，确定两类El Niño事件预测的目标观测敏感区。其次，从实际预测思路出发，针对真实的两类El Niño事件进行观测系统试验，对初值采用集合最优插值同化方法，考察敏感区内初始场精度的提高对提高两类El Niño事件实际预测的作用，进而为太平洋上优化实际观测网的布局提供指导。

采用GFDL CM2p1模式，从初始误差增长的角度开展了EP-和CP-两类El Niño事件的可预报性研究。通过执行整个太平洋海温的集合回报理想实验，结果表明，两类El Niño事件的预报均发生了“春季预报障碍”现象，尤其是，EP-El Niño事件的季节预报障碍现象要比CP-El Niño事件的明显。进一步，通过K-mean聚类分析方法，找到了影响两类El Niño事件强度预报和模态预报水平的初始误差结构，并分析了其误差增长机制。结果表明：对EP-El Niño事件，两类最敏感的初始误差模态分别是EP-Type-I 和EP-Type-S初始误差。EP-Type-I中的赤道太平洋西太次表层及副热带东南太平洋上层的经向模态结构的初始海温误差可导致热带太平洋Nino3区最大的预报误差，并可调整EP-El Niño事件的强度大小。EP-Type-S中的赤道东太平洋上层及副热带北太平洋上层经向模态结构的初始海温误差可通过调整EP-El Niño事件的模态预报水平，导致预报的最大不确定性。对CP-El Niño事件，两类最敏感的初始误差模态分别是CP-Type-I 和CP-Type-S初始误差。CP-Type-I中的副热带北太平洋上维多利亚相反模态（VM-）结构的初始海温误差可导致热带太平洋Nino4区最大的预报误差，并能调整CP-El Niño事件的强度。CP-Type-S中的赤道太平洋西太次表层及副热带东南太平洋上层的经向模态结构的初始海温误差可通过调整CP-El Niño事件的模态预报水平，导致预报的最大不确定性。进一步地，当综合考虑EP-和CP-El Niño事件的强度和空间结构预报，我们确定了两类El Niño事件的目标观测敏感区，他们分别是：区域A (20ºN-60ºN, 150ºE-120ºW, 0-85m), 区域 B1 (10ºS-10ºN, 150ºW-85ºW, 0-85m), 区域 B2 (10ºS-10ºN, 130ºE-135ºW, 95-165m)和区域 C (15ºS-30ºS, 140ºW-85ºW, 0-85m)。在上述敏感区内执行同化试验，两类El Niño事件的强度和空间结构预报水平均得到极大提高，这表明，在上述敏感区内实施目标观测是有效的。