非线性误差增长理论在大气可预报性中的应用

为了能从非线性误差增长动力学的角度来研究大气的可预报性问题,在非线性动力系统的理论和方法基础上,文中引入了可预报性研究的新方法--非线性局部Lyapunov指数.非线性局部Lyapunov指数及其相关统计量能够用来定量地确定混沌系统可预报性的大小,真正地实现了对可预报性的定量化研究.首先给出了利用大气单个变量的实际观测资料获得其可预报期限估计的计算方法,因而解决了将非线性误差增长理论应用到大气实际的可预报性研究中的问题.然后,以位势高度场为例,详细讨论了逐日时间尺度上全球可预报性的时空分布,得到的主要结论为:(1)在水平方向上,全球位势高度场可预报性表现为一定的南北纬向带状分布,赤道地区和南极地区的可预报期限最长,可以达到两周左右;北极地区次之,可预报期限大约为9-12 d;北半球中高纬度地区可预报期限相对较短,可预报期限大约为6-9 d;而在南半球的中纬度地区最短,可预报期限仅为4-6 d.此外,500 hPa位势高度场可预报性分市随季节有明显变化,季节不同一些可预报期限的高值区和低值区所在的纬度和经度也会不同,总体来说,全球大部分地区的可预报性冬季都大于夏季,尤其在南极地区、热带印度洋以及北太平洋地区.(2)在垂直方向上,位势高度场可预报期限随高度升商而增加,可预报期限从对流层下层的两周以下增加到平流层下层的1个月左右,对流层和平流层天气尺度运动的可预报期限与其时间尺度是十分一致的.     

关于大气过程可预报性问题的一些讨论

从非线性角度重新解读了von Neumann提出的大气运动三个分类，指出大气过程预报问题中存在两类不确定性——初始条件的不确定性和外强迫条件的不确定性，它们分别成为第一类可预报性与第二类可预报性问题的研究对象。强调了大气过程可预报性的客观存在性，由于大气过程的复杂性及人类观测手段和认识水平的限制，人们只能给出这些可预报性的估计，逐日天气预报存在上限(2周左右)。分析了预报误差产生的来源是初始条件的不确定性和预报模式的不完善性，但根本原因是大气过程的混沌本质；还分析了混沌系统误差增长理论，但由于实际大气过程包含很多显著不同的时空尺度以及不同尺度间的相互作用，人们对大气过程复杂的误差增长规律的认识还不是很清楚；最后讨论了动力学数值模式中不同的空间分辨率会改变系统的性质，指出可预报性问题的研究必须考虑空间分辨率的影响。而在讨论初值不确定性对预报的影响时，不需要考虑控制参数微小变化产生的影响，当然条件是控制参数的微小变化不会引起系统性质的重大变化。     

混沌系统单变量可预报性研究

对于n维的混沌系统, 不同变量的可预报性是不同的。为了研究混沌系统中单个变量的可预报性, 本文在以前提出的混沌系统整体的非线性局部Lyapunov指数基础上(李建平等, 2006), 引入了单变量的非线性局部Lyapunov指数及其相关统计量, 进一步完善了非线性误差增长理论。通过应用到几个混沌个例, 结果表明单变量的非线性局部Lyapunov指数及其相关统计量可以用来定量地研究多维混沌系统中不同变量的可预报性, 系统不同变量的可预报性之间不是相互独立的, 而是单个变量的可预报期限与系统整体的可预报期限之比都近似保持一个常数, 但各个变量的常数值有所不同。     

数值天气预报和气候预测可预报性研究的若干动力学方法

简要回顾了数值天气预报和气候预测可预报性研究的若干动力学方法,包括用于研究第一类可预报性问题的线性奇异向量（LSV）和条件非线性最优初始扰动（CNOP-I）方法,以及Lyapunov指数和非线性局部Lyapunov指数方法。前两种方法用于研究预报或预测的预报误差问题,可以用于估计天气预报和气候预测的最大预报误差,而且根据导致最大预报误差的初始误差结构的信息,这两种方法可以用于确定预报或预测的初值敏感区。应该指出的是,LSV是基于线性化模式,对于描述非线性大气和海洋的运动具有局限性。因而,对于非线性模式,应该选择使用CNOP-I估计最大预报误差。Lyapunov指数和非线性局部Lyapunov指数可以用于研究第一类可预报性问题中的预报时限问题,前者是基于线性模式,不能解释非线性对预报时限的影响,而非线性局部Lyapunov指数方法则考虑了非线性的影响,能够较好地估计实际天气和气候的预报时限。第二类可预报性问题的研究方法相对较少,本文仅介绍了由我国科学家提出的关于模式参数扰动的条件非线性最优参数扰动（CNOP-P）方法,该方法可以用于寻找到对预报有最大影响的参数扰动,并可以进一步确定哪些参数最应该利用观测资料进行校准。另一方面,通过对比CNOP-I和CNOP-P对预报误差的影响,可以判断导致预报不确定性的主要误差因子,进而指导人们着力改进模式或者初始场。     

深对流系统中初始误差增长和传播的热动力机制

利用WRF模式模拟一个典型的超级单体风暴,揭示了深对流系统中初始误差增长和传播的热动力机制,讨论了系统的高度非线性作用和可预报性等问题。结果表明:影响深对流系统发展强度的不稳定能量和潜热释放是影响误差增长和空间分布的主要因素;误差增长主要集中在对流区,对流区域外的初始扰动有向对流区域传播的趋势,并可在对流区域内迅速增长。随着对流系统的强烈发展,量级为O(10^-2)的初始扰动在210 min时即可达到量级O(10⁰),反映了系统高度的非线性作用和单一确定性预报显著的局限性。另外还发现,初始扰动对的相关性迅速增加,这将导致集合离散度偏低,给集合预报捕获极端天气的能力设置了障碍。误差的传播主要以声波和重力波两种波动形式传播。声波主要表现在积分初期,能量较小。重力波则能够在对流系统以外的区域激发新的对流中心(目前这种误差是不可预报的),进而限制了系统的可预报性。     

天气可预报性的时空分布

为了能从非线件误差增长动力学的角度研究大气的可预报性问题,文章引入了可预报性研究的新方法--非线性局部Lyapunov指数.非线性局部Lyapunov指数及其相关统计量能够被用来定量地确定混沌系统可预报性的大小,真正地实现对可预报性的定量化研究.为了把非线性局部Lyapunov指数方法应用到实际的大气可预报性研究中,给出了一种利用大气的实际观测资料估计非线性局部Lyapunov指数的计算方法.存非线性局部Lyapunov指数方法的基础上,文中利用NCEP/NCAR再分析资料,对大气位势高度场、温度场、纬向风场、经向风场等要素场可预报性的时空分布进行了研究,结果表明:(1)在500 hPa高度层上,对于不同的要素场,其可预报期限的大小以及时空分布规律都不一样;全球大部分地区位势高度场可预报期限最大,温度场和纬向风场次之,而经向风场的可预报期限最小.(2)在500 hPa高度层七,位势高度场和温度场的纬向平均可预报期限基本上表现为一定的南北纬向带状分布,热带地区和南极地区的可预报期限最大,北极地区次之,南北半球中高纬度地区可预报期限相对较小.纬向风场可预报期限在热带地区最高,但是南北极地区可预报期限与邻近的中高纬度地区差别不大.经向风场可预报期限在南北两极地区最高,南北半球的中纬度和赤道附近地区可预报期限最小.(3)在垂直方向上,纬向平均高度场、温度场以及纬向风场可预报期限基本上都是随高度升高而增加,高层的可预报期限明显大于低层;经向风场可预报期限随高度的变化比较复杂,不同的纬度有所不同.(4)可预报性有明显的季节变化,不同要素场可预报期限高低值区的位置和强度随季节鄙有明显变化,对于全球大部分地区来说,冬季可预报性都大于夏季的.     

气候大气和海洋的临界时间跨度与非线性作用结构

研究了气候海洋与大气的临界时间跨度及其非线性作用的大致结构。与预报的空间分辩率及系统的非线性强度相联系，气候大气和海洋的临界时间跨度可反映系统可预报的相对时间尺度。对于具有同样空间特征尺度的大气和海洋，海洋的最小临界时间跨度约是大气的9倍（可达数日至数十日）。一般（外源变化缓慢的）气候海洋与大气的一阶非线性越强，其临界时间跨度越小。气候海洋与大气非线性作用的大致结构是：通常与科里奥利力对流体运动的规范作用（如地转运动）有关，非线性作用随纬度增加而减弱。距平流场的切变结构及其沿经向与纬向上强度的比较直接改变气候大气和海洋的非线性作用（比如，向东的距平环流强度与经向环流强度相当时，非线性作用最强），较强的外部驱动（风应力和压弹梯度力）使非线性作用加大等等。     

GRAPES全球模式的模式误差估计

现代数值天气模式考虑的物理过程和边界条件越来越复杂, 但是它描述的大气状态和真实的大气流体运动轨迹还有一定的差距, 存在模式误差。在以往的研究中, 模式误差往往被忽略, 在集合卡尔曼滤波同化系统中, 如果忽略模式误差会导致滤波发散现象。本文用不同分辨率的模式预报差异估计了GRAPES全球模式的模式误差, 研究发现模式误差随着分辨率降低而线性增加, 而且模式误差随着预报时效的增加呈现线性增长的趋势。     

误差非线性的增长理论及可预报性研究

对非线性系统的误差发展方程不作线性化近似，直接用原始的误差发展方程来研究初始误差的发展，提出了误差非线性的增长理论。首先，在相空间中定义一个非线性误差传播算子，初始误差在这个算子的作用下，可以非线性发展成任意时刻的误差；然后，在此基础上，引入了非线性局部Lyapunov指数的概念。由平均非线性局部Lyapunov指数可以得到误差平均相对增长随时间的演变情况；对于一个混沌系统，误差平均相对增长被证明将趋于一个饱和值，利用这个饱和值，混沌系统的可预报期限可以被定量地确定。误差非线性的增长理论可以应用于有限尺度大小初始扰动的可预报性研究，较误差的线性增长理论有明显的优越性。     

用非线性最优化方法研究El Niño可预报性的进展与前瞻

综述用非线性优化方法研究厄尔尼诺(El Ni(n)o)-南方涛动(ENSO)事件可预报性的进展.针对ENSO可预报性研究中的热点问题--"前期征兆"、"春季可预报性障碍",以及如何量化研究ENSO可预报性和ENSO的不对称性问题,作者在近年来的工作中先后用理论模式和中等复杂程度ENSO模式研究了ENSO可预报性的动力学,揭示了ENSO的若干重要非线性特征.主要结果如下:(1)条件非线性最优扰动(CNOP)(局部CNOP)比线性奇异向量更易发展成ENSO事件,扮演了ENSO的最优前期征兆.这些ENSO事件关于气候平均态是不对称的.理论分析表明,非线性温度平流过程是造成这种不对称性的重要原因.1980～2002年的海洋再分析资料验证了上述理论结果.(2)ENSO事件CNOP型初始误差的发展有明显的季节依赖性,该误差导致了ENSO事件最显著的春季可预报性障碍(SPB)现象.ENSO事件SPB的发生不仅依赖于气候平均态,而且依赖于ENSO事件本身及其初始误差模态,是三者综合作用的结果.(3)建立了关于ENSO可预报性的最大可预报时间下界、最大预报误差上界和最大允许初始误差下界的三类可预报性问题,分别从三个方面揭示了ENSO事件的春季可预报性障碍现象,比较有效地量化了其可预报性.(4)通过CNOP方法,揭示了非线性温度平流在年代际尺度ENSO不对称性研究中的重要作用,解释了ENSO不对称性的年代际变化,基于所用ENSO模式给出了ENSO不对称性年代际变化的机制.最后,展望了非线性优化方法在ENSO可预报性中应用的前景,并期望该方法能拓展到ENSO第二类可预报性问题的研究中.     

用非线性最优化方法研究El Ni(n)o可预报性的进展与前瞻

综述用非线性优化方法研究厄尔尼诺(El Ni(n)o)-南方涛动(ENSO)事件可预报性的进展.针对ENSO可预报性研究中的热点问题--"前期征兆"、"春季可预报性障碍",以及如何量化研究ENSO可预报性和ENSO的不对称性问题,作者在近年来的工作中先后用理论模式和中等复杂程度ENSO模式研究了ENSO可预报性的动力学,揭示了ENSO的若干重要非线性特征.主要结果如下:(1)条件非线性最优扰动(CNOP)(局部CNOP)比线性奇异向量更易发展成ENSO事件,扮演了ENSO的最优前期征兆.这些ENSO事件关于气候平均态是不对称的.理论分析表明,非线性温度平流过程是造成这种不对称性的重要原因.1980～2002年的海洋再分析资料验证了上述理论结果.(2)ENSO事件CNOP型初始误差的发展有明显的季节依赖性,该误差导致了ENSO事件最显著的春季可预报性障碍(SPB)现象.ENSO事件SPB的发生不仅依赖于气候平均态,而且依赖于ENSO事件本身及其初始误差模态,是三者综合作用的结果.(3)建立了关于ENSO可预报性的最大可预报时间下界、最大预报误差上界和最大允许初始误差下界的三类可预报性问题,分别从三个方面揭示了ENSO事件的春季可预报性障碍现象,比较有效地量化了其可预报性.(4)通过CNOP方法,揭示了非线性温度平流在年代际尺度ENSO不对称性研究中的重要作用,解释了ENSO不对称性的年代际变化,基于所用ENSO模式给出了ENSO不对称性年代际变化的机制.最后,展望了非线性优化方法在ENSO可预报性中应用的前景,并期望该方法能拓展到ENSO第二类可预报性问题的研究中.     

海洋气象学最近的进展与课题

1.前言大气和海洋是覆盖地表的相互作用的流体系统。不仅航海和渔业需要了解海洋气象和海况预报,而且制作陆上的天气预报也需要调查海洋气象和海洋本身来得到情报。海洋气象学就是根据这种必要性产生的。近几年科学的进展正在证明,即使是日本的天气,也受到大气、海洋和大陆的冰雪等相互作用的全球气候系统变化的直接影响。特别是在最近有显著进展的研究中,已弄清秘鲁海面的厄尔尼诺是被称作 ENSO     

用非线性最优化方法研究El Nio可预报性的进展与前瞻

综述用非线性优化方法研究厄尔尼诺(El Ni~no)南方涛动(ENSO)事件可预报性的进展。针对ENSO可预报性研究中的热点问题———“前期征兆”、“春季可预报性障碍”,以及如何量化研究ENSO可预报性和ENSO的不对称性问题,作者在近年来的工作中先后用理论模式和中等复杂程度ENSO模式研究了ENSO可预报性的动力学,揭示了ENSO的若干重要非线性特征。主要结果如下:(1)条件非线性最优扰动(CNOP)(局部CNOP)比线性奇异向量更易发展成ENSO事件,扮演了ENSO的最优前期征兆。这些ENSO事件关于气候平均态是不对称的。理论分析表明,非线性温度平流过程是造成这种不对称性的重要原因。1980~2002年的海洋再分析资料验证了上述理论结果。(2)ENSO事件CNOP型初始误差的发展有明显的季节依赖性,该误差导致了ENSO事件最显著的春季可预报性障碍(SPB)现象。ENSO事件SPB的发生不仅依赖于气候平均态,而且依赖于ENSO事件本身及其初始误差模态,是三者综合作用的结果。(3)建立了关于ENSO可预报性的最大可预报时间下界、最大预报误差上界和最大允许初始误差下界的三类可预报性问题,分别从三个方面揭示了ENSO事件的春季可预报性障碍现象,比较有效地量化了其可预报性。(4)通过CNOP方法,揭示了非线性温度平流在年代际尺度ENSO不对称性研究中的重要作用,解释了ENSO不对称性的年代际变化,基于所用ENSO模式给出了ENSO不对称性年代际变化的机制。最后,展望了非线性优化方法在ENSO可预报性中应用的前景,并期望该方法能拓展到ENSO第二类可预报性问题的研究中。     

初始扰动对一次华南暴雨预报的影响的研究

本文选取了2006年华南前汛期的一次暴雨过程, 采用AREMv2.3中尺度数值模式进行数值模拟, 分别在模式初始场的物理量场 (温度场、 风场、 湿度场) 上加扰动, 分析不同物理量场上的扰动对降水预报的影响, 以及物理量预报误差和扰动能量的增长情况。同时, 通过本个例讨论误差增长与湿对流的关系, 扰动振幅对误差增长的影响和华南区域的中尺度降水的可预报性问题。数值试验结果表明: 初始时刻不同物理量场加实际振幅的正态分布的随机扰动时, 对降水的影响是不同的。对于24小时降水预报, 温度场对降水的影响最大。误差的增长与湿对流不稳定有着密切的关系。小尺度小振幅误差增长很快, 而且是非线性增长。这意味着短期的较小尺度降水的可预报性很小。与大振幅扰动相比, 小振幅扰动造成的误差较小。但是小振幅扰动的迅速发展, 很快就会对降水预报造成较大的影响。因此, 只能有限地提高预报质量, 而且由于扰动非线性增长很快, 在预报时间的提前上, 不会有太大的改善。     

一种短期降水预测技术的应用

1前言大气运动是非常复杂的，其复杂性在数学上表现为非线性。欧阳首承[1]从实际出发，经过多年对流体演化特征和一系列非线性模型的研究和分析，指出在流体运动过程中非线性外迫力可导致原函数的连续性崩溃及逆转；而方程自身的非线性则可导致流体辐合，通过不连续逆转演变为辐散，并称这种过程为溃变，即旧结构的破坏，并通过不连续产生新结构。这种过程正好与天气演变中的转折性变化相对应。Zt意使型图1为概念化的系统演变的模型。fo表示初始时刻，t。表示终极时刻或预报时效，黑点表示一个孤立系统，矢量V可抽象地表示为系统演变方向，…     

耦合Lorenz模型的吸引子特性及其可预报性分析

通过改变耦合Lorenz模型中控制快、慢子系统之间耦合强度的参数,本文探究了耦合强度对该系统的混沌吸引子特性及可预报性的影响。结果表明：随着耦合增强,快系统中显示出与慢系统类似的低频变化特征,其吸引子也随之变大;而慢系统高频分量变大,导致其变率增强,吸引子轨道变得更加密集。在此基础上,利用非线性局部Lyapunov指数方法定量分析了耦合强度对耦合Lorenz系统可预报性的影响。具体来说,在耦合之后,耦合系统的对数误差增长曲线包含前后两段不同的误差增长率,分别代表快速和慢速误差增长过程。此外,各子系统的可预报性对耦合强度变化响应并不一致,随着对快系统的耦合强度增加,快/慢两个不同尺度系统的可预报上限均减少。然而,增加对慢系统的耦合强度却只能提高快系统的可预报上限,对慢系统的可预报性改变不大。     

集合敏感性在预报误差及可预报性研究中的应用进展综述

研究大气的可预报性和预报误差产生的原因,对于改进数值预报,提升业务预报技巧具有重要意义。集合敏感性基于具有流依赖特性的集合预报,通过建立预报与初始场或前期预报大气状态之间的统计关系,为揭示与预报对象可预报性相关的动力学特征及理解预报误差来源和传播机制提供了一种新方法。同时,介绍了集合敏感性的定义和度量,并综述了其针对典型天气系统和高影响天气事件研究的进展,并讨论了该方法的优势和局限性。     

基于Lorenz系统提取数值模式可预报分量的初步试验

针对数值预报模式中存在的非线性混沌特性, 从提取可预报分量的思路出发, 阐述了在数值模式中提取可预报分量的方法, 并利用Lorenz系统进行了相关数值试验。研究发现, Lorenz系统初始误差在相空间中的增长速度是不同的, 某些方向的误差增长速度较慢, 即存在对初值扰动不敏感、相对稳定的可预报分量。根据数值模式切线性误差算子的特征值演化规律, 提取出数值模式的可预报分量, 并将模式变量在其基底上进行投影变换, 建立了可预报分量数值模式。在此基础上, 研究了Lorenz系统的混沌状态、模式参数误差及外部随机噪声对提取可预报分量的影响, 发现基于可预报分量的数值模式, 具有更好的预报技巧。     

长期天气过程的可预报性研究的进展

在数值天气预报中,大气可预报性问题是一个重要的研究课题。它们有的是从数值预报模式初值场误差探讨,即讨论计算过程中的误差增长使得预报与实况差异太大的时间。这段时间一般为两周,它称为大气可预报的时间。这是短期天气过程可预报性问题。长期天气过程的可预报性,大多是从天气变化稳定性进行探讨。短期天气过程与长期天气过程的关系以及长期天气过程的可预报性问题一直是近十余年来气象学者十分关心的研究课题,本文将着重介绍有关长期天气过程可预报性研究的进展。     

ENSO机理及其预测研究

资料分析研究表明ENSO(El Ni?o和La Ni?a)实际上是热带太平洋次表层海温距平的循环,而次表层海温距平的循环是赤道西太平洋异常纬向风所驱动的,赤道西太平洋的异常纬向风又主要由异常东亚冬季风所激发。因此可以将ENSO的机理视为主要是由东亚季风异常造成的赤道西太平洋异常纬向风所驱动的热带太平洋次表层海温距平的循环。同时分析还表明,热带西太平洋大气季节内振荡(ISO)的明显年际变化,作为一种外部强迫,对ENSO循环起着十分重要的作用;El Ni?o的发生同大气ISO的明显系统性东传有关。资料分析也表明,El Ni?o持续时间的长短与大气环流异常有密切关系。 用非线性最优化方法研究El Ni?o－南方涛动(ENSO)事件的可预报性问题,揭示了最容易发展成ENSO事件的初始距平模态,即条件非线性最优扰动(CNOP)型初始距平;找出能够导致显著春季可预报性障碍(SPB),且对ENSO预报结果有最大影响的一类初始误差——CNOP型初始误差,进而探讨耦合过程的非线性在SPB研究中的重要作用,提出了关于ENSO事件发生SPB的一种可能机制;用CNOP方法揭示了ENSO强度的不对称现象,探讨ENSO不对称性的年代际变化问题,提出ENSO不对称性年代际变化的一种机制;建立了关于ENSO可预报性的最大可预报时间下界、最大预报误差上界和最大允许初始误差下界的三类可预报性问题,分别从三个方面揭示ENSO事件的春季可预报性障碍现象,比较有效地量化了模式ENSO事件的可预报性。 利用中国科学院大气物理研究所地球流体力学数值模拟国家重点实验室的ENSO预测系统,研究了海洋资料同化在ENSO预测中的应用,该系统可以同时对温、盐剖面资料和卫星高度计资料进行同化。并且在模式中采用次表层上卷海温的非局地参数化方法,可有效地改进ENSO模拟水平。采用集合卡曼滤波(Ensemble Kalman Filter,EnKF)同化方法以及在集合资料同化中“平衡的”多变量模式误差扰动方法为集合预报提供更加精确和协调的初始场,ENSO预报技巧得到提高。