非线性强迫奇异向量及其在ENSO第二类可预报性研究中的应用

本项目拟将强迫奇异向量方法拓展到非线性领域，建立用于研究数值模式最优外强迫的非线性强迫奇异向量方法，研究计算非线性强迫奇异向量的优化算法，形成一套可用于研究第二类可预报性问题的非线性最优化理论和方法；将该理论和方法应用于ENSO第二类可预报性问题研究中，考察由外强迫形式刻划的模式误差对ENSO可预报性的影响，探讨该类模式误差导致的ENSO事件的最大预报误差问题，研究该类模式误差的演变机制；通过与强迫奇异向量的比较，分析非线性在ENSO第二类可预报性问题研究中的作用。这些问题的研究，不仅有助于我们弄清模式误差对ENSO可预报性影响的机理，而且可以为发展和改进模式、提高ENSO预报技巧提供新的思路。

为了探讨模式误差对天气和气候可预报性的影响，识别对预报结果不确定性具有最大影响的模式误差，建立了适用于研究第二类可预报性问题的非线性优化方法，即非线性强迫奇异向量（NFSV）方法，探讨了求解NFSV的目标函数梯度的伴随算法，给出了目标函数关于外强迫的梯度公式，揭示了NFSV与传统的线性强迫奇异向量（FSV）的异同。将NFSV方法应用于研究ENSO 可预报性，表明了NFSV较FSV呢能够导致更大的预报误差，而且由NFSV刻画的模式误差也能够导致ENSO事件的春季可预报性障碍（SPB）现象；用NFSV方法成功模拟了两类ENSO事件（EP-El Nino和CP-El Nino），揭示了两类El Nino事件的目标观测敏感区，提出了目标观测敏感区-多模式集合预报新方法，并成功应用于ENSO预测研究，取得了令人满意的结果，从而为ENSO预测提供了一种具有较预报技巧且计算代价较小的预测方法。