多模式和单模式集合季节气候可预报性差异的成因研究

Recently, there appears to be a tendency to use multi-model ensembles (MMEs) to make seasonal climate predictions instead of single-model ensembles (SMEs) in the climate prediction community. However, a theoretical foundation seems to be still absent so far as to why exactly and under what conditions MME can outperform the member SMEs in terms of actual seasonal predictability. Through an analysis of hindcast skill of dynamic models, based on theoretical predictability analysis of ideal stochastic models, and with the method of Monte Carlo simulation, this project will first compare seasonal climate predictabilities demonstrated by multi- and single-model ensemble forecasts and then focus on investigating the rationale behind the predictability contrast. Firstly, using hindcast data of state-of-the-art coupled climate models, we will compare the seasonal climate predictabilities of MME and the participating SMEs from multiple aspects. Secondly, based on a simple and fitting stochastic model that will be constructed, and with a theoretical framework and the Monte Carlo technique, we will explore the rationale behind the superiorities of the MME, consisting of the SMEs that perform equally, over the participating single models. Finally, based on a simple stochastic model to be constructed to fit the considered issue, we will explore the conditions under which and how the MME that is made up of the SMEs with diverse performances can beat the single member models. This project aims at uncovering the mechanisms behind the seasonal predictability contrast between MME and the participating SMEs, and further providing the scientific basis and criterions for using optimally the MME strategy to make operational seasonal climate predictions.

利用多模式而不是单一模式集合开展季节气候预测是目前国际上的一个趋势，然而，多模式集合可预报性为何以及在何种条件下优于单模式可预报性还缺乏理论根据。本项目拟主要采用动力模式回报技巧评估分析、理想随机模型可预报性理论分析以及蒙托卡罗模拟相结合的方法研究多模式和单模式集合季节气候可预报性的差异及其成因。1)利用最新耦合模式历史回报输出资料,多角度比较多、单模式集合季节气候可预报性的差异;2)构建简单合理的随机模型,并在此基础上通过理论分析和蒙托卡罗模拟研究由等同性能单模式集合构成的多模式集合的优势成因;3)构建简单合理的随机模型,并在此基础上研究性能有较大差异的单模式集合构成的多模式集合具有优势的条件和原因。项目旨在从理论角度揭示隐藏在"多、单模式集合季节气候可预报性存在差异"这一现象背后的本质原因，进而为最优利用多模式集合开展季节气候预测提供科学基础和判据。

目前国际上业务季节预测方法的一个重大发展趋势就是使用多模式集合代替原先的单一模式集合来开展动力预测。然而，无论是对于确定性预报还是概率预报，多模式集合可预报性为何以及在何种条件下优于单模式可预报性还缺乏理论根据。本项目通过评估业务多模式集合历史预报技巧、理想框架理论分析和蒙托卡罗模拟研究了多模式和单模式集合季节气候可预报性的差异及其成因。主要研究内容包括：评估业务多模式集合及其成员单模式集合对季节性气候异常的预测技巧及差异；理论研究季节气候预测中确定性技巧和概率性技巧的关系；理论分析由等同性能单模式集合构成的多模式集合的优势成因；理论分析由性能有较大差异的单模式集合构成的多模式集合具有优势的条件和原因。.业务多模式集合技巧评估结果表明，多模式集合的概率性预报技巧总是显著优于每个单模式，而多模式集合的确定性预报技巧并不显著优于每个单模式，甚至可以劣于某些单模式。概率性预报技巧由可靠性和分辨能力两个属性所决定，前者反映预报概率和相应观测概率之间的一致程度，后者反映观测概率和气候概率的偏离程度。多模式集合在概率性技巧上的优势主要由其在可靠性上的优势所决定，其在分辨能力上并无显著优势，这一点和确定性技巧类似。分辨能力与确定性技巧之间似乎有准一一对应的关系，进一步的分析表明，这一关系在理论层面上也是存在的，也能被蒙托卡罗方法所模拟，它意味着多模式集合在确定性及分辨能力技巧方面的优势成因是一致的。基于信号-噪声分解简单统计框架的理论分析表明，当单模式性能差不多时，组成的多模式通过模式误差相互抵消提高确定性及分辨能力技巧，通过克服单模式信号和噪声“过于自信”缺陷提高可靠性技巧；当单模式性能有较大差异时，多模式的优势不易形成，但模式误差相互抵消和克服“过于自信”两种机制依然存在，在单模式性能差异不是太大时，这两种机制能克服性能差异的不利影响，使得多模式仍具有优势。由于可靠性涉及模式信号和噪声两个因子的改进，而确定性及分辨能力技巧只与信号的改进有关，所以多模式集合在前者上的优势往往会比后者要显著。本项目的研究结果对在业务中组建多模式集合开展季节气候预测有重要的指示意义。