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.     

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.     

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。     

Quantifying local predictability of the Lorenz system using the nonlinear local Lyapunov exponent

非线性局部Lyapunov指数(NLLE)可以用来度量混沌系统的局地可预报性。本文基于NLLE方法研究了Lorenz吸引子在相空间上的局地可预报性的空间分布特征。结果表明,在吸引子两翼的内、外边缘的局地可预报性期限较高,而吸引子中部地区的局地可预报性期限则较低。然而,局地可预报性期限的分布却没有呈现有组织的均一结构,相邻两点的局地可预报性期限可能差别很大。局地可预报性的来源被认为与吸引子上的局地动力学有关,由所在位置和在当前状态的持续时间决定。     

月尺度气温可预报性对资料长度的依赖及可信度

利用全国518个站1960—2011年逐日气温观测资料和160个站1983—2012年月尺度气温客观预测数据,基于非线性局部Lyapunov指数和非线性误差增长理论,研究中国区域月尺度气温可预报性期限对资料序列长度的依赖性。结果表明:气温可预报性期限对资料序列的长度有一定程度的依赖性,在西北、东北及华中地区尤为明显。平均而言,45年的资料序列长度才能够得到稳定合理的可预报性期限。为了验证气温可预报期限计算结果的可信度,将月尺度气温的可预报性期限与客观气候预测方法的预报评分技巧进行对比,发现两者结果非常一致。其中,由观测资料得到的1月气温的可预报性期限明显低于7月,1月客观气候预测方法的预报评分技巧也明显低于7月,且1月 (7月) 预报评分的空间分布型与1月 (7月) 气温可预报性期限的空间分布型较为一致。因此,利用非线性局部Lyapunov指数和台站逐日观测资料分析气温的可预报性期限结果是可信的。     

季节内印度洋-西太平洋对流涛动对次季节-季节尺度大气可预报性的影响

利用非线性局部Lyapunov指数和条件非线性局部Lyapunov指数定量估计了季节内印度洋-西太平洋对流涛动（IPCO）和实时多变量Madden-Julian指数（RMM指数）可预报期限,量化了季节内IPCO对S2S尺度大气可预报性的贡献,深入研究了季节内IPCO演变下S2S尺度可预报期限空间分布的变化规律。结果表明：（1）与RMM指数相比,季节内IPCO指数可预报性更强,可预报期限达到31天左右,比RMM指数高出2周以上;（2）印度洋-西太平洋区域S2S尺度大气可预报性最强,可预报期限达到30天以上,其中季节内IPCO是该地区的主要可预报性来源之一,其贡献达到6天,占总可预报期限的25%以上;（3）随着季节内IPCO的演变,印度洋-西太平洋地区S2S尺度大气可预报性有空间结构变化,表现为可预报期限异常的传播和振荡。S2S尺度大气可预报期限正负异常沿季节内IPCO传播路径,一支以赤道中西印度洋为起点北传至印度半岛,一支向东传播,经过海洋性大陆到赤道西太平洋后向北传播,到达日本南部。同时,可预报性异常的传播在在东印度洋和西太平洋表现出反向变化的特征,形成东西两极振荡,当季节内IPCO向正位相发展时,东印度洋具有更强的可预报性,西太平洋具有更弱的可预报性,反之亦然。季节内IPCO的发展（衰退）可使东印度洋（西太平洋）S2S尺度大气可预报性更强,表明模式预报技巧对此具有更大的提升空间。     

随机误差对混沌系统可预报性的影响

根据非线性局部Lyapunov指数的方法, 以Logistic映射和Lorenz系统的试验数据序列为例, 研究了在初始误差存在的情况下, 随机误差对混沌系统可预报性的影响。结果表明: 初始误差和随机误差对可预报期限影响所起的作用大小主要取决于两者的相对大小。当初始误差远大于随机误差时, 系统的可预报期限主要由初始误差决定, 可以不考虑随机误差对预报模式可预报性的影响; 反之, 当随机误差远大于初始误差时, 系统的可预报期限主要由随机误差决定; 当初始误差和随机误差量级相当时, 两者都对系统的可预报期限起重要作用。在后两种情况下, 在考虑初始误差对可预报性影响的同时还必须考虑随机误差的作用。此外, 我们在已知系统精确的控制方程和误差演化方程的条件下, 研究了随机误差对可预报性的影响, 理论所得结果与试验数据所得结果相似。这表明在随机误差较小的情况下, 对系统可预报期限的估计相对准确, 但在随机误差较大的情况下, 可预报期限的估计误差也较大。本文利用三种不同的滤波方法对序列进行了试验, 结果表明, Lanczos高通滤波得到的高频序列与原始加入的噪声序列无论是在强度上还是在演变趋势上都表现得相当一致, 其能有效地去除高频噪音继而提高对系统的可预报期限的估计, 这对实际气象观测资料如何有效地去除噪音具有一定的启发意义。     

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。     

区域旱涝气候混沌动力学可预报性研究

根据西安地区旱涝气候等级近1624a（380-2003年）资料序列，运用非线性系统混沌动力学理论，通过计算气候吸引子的关联维数、Kolmogorov熵和Lyapunov指数，对西安区域旱涝气候的混沌特性和可预报性进行研究。结果表明：西安区域旱涝气候系统是一个具有有限个自由度的复杂的混沌系统。其吸引子关联维数约为3．1，确定性的平均可预报时间尺度约为14．8a，最大可预报时间尺度约为20．7a。     

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。     

Determining the Spectrum of the Nonlinear Local Lyapunov Exponents in a Multidimensional Chaotic System

For an n-dimensional chaotic system, we extend the definition of the nonlinear local Lyapunov exponent(NLLE) from one-to n-dimensional spectra, and present a method for computing the NLLE spectrum. The method is tested on three chaotic systems with different complexity. The results indicate that the NLLE spectrum realistically characterizes the growth rates of initial error vectors along different directions from the linear to nonlinear phases of error growth. This represents an improvement over the traditional Lyapunov exponent spectrum, which only characterizes the error growth rates during the linear phase of error growth. In addition, because the NLLE spectrum can effectively separate the slowly and rapidly growing perturbations, it is shown to be more suitable for estimating the predictability of chaotic systems, as compared to the traditional Lyapunov exponent spectrum.     

Decreasing predictability as a precursor indicator for abrupt climate change

Abrupt climate change has an important impact on sustainable economic and social development, as well as ecosystem. However, it is very difficult to predict abrupt climate changes because the climate system is a complex and nonlinear system. In the present paper, the nonlinear local Lyapunov exponent (NLLE) is proposed as a new early warning signal for an abrupt climate change. The performance of NLLE as an early warning signal is first verified by those simulated abrupt changes based on four folding models. That is, NLLE in all experiments showed an almost monotonous increasing trend as a dynamic system approached its tipping point. For a well-studied abrupt climate change in North Pacific in 1976/1977, it is also found that NLLE shows an almost monotonous increasing trend since 1970 which give up to 6 years warning before the abrupt climate change. The limit of the predictability for a nonlinear dynamic system can be quantitatively estimated by NLLE, and lager NLLE of the system means less predictability. Therefore, the decreasing predictability may be an effective precursor indicator for abrupt climate change.

     

非线性局部Lyapunov指数方法在目标观测中的应用初探

本文初步探讨了非线性局部Lyapunov指数方法(NLLE)在目标观测中的应用。首先, 在NLLE理论基础上研究了非线性动力系统内局部平均误差相对增长(LAGRE)特征, 证明了在误差发展进入随机状态前, LAGRE与初始误差大小无关而是与初始状态有关;在演化进入随机状态后, LAGRE的饱和值由初始误差大小决定这一特征。同时利用三个变量的常微分方程模型Lorenz63验证了这一结论。其次, 从非线性局部误差增长理论出发, 在局部动力演化相似方法(LDA)的基础上提出向前局部动力演化相似方法(FLDA)的概念, 并通过两个混沌个例来说明LDA和FLDA方法能够有效的利用历史资料还原任意初始状态的LAGRE。这些方法的提出为NLLE理论应用于观测资料研究目标观测问题提供了依据。     

Progress in the Study of Nonlinear Atmospheric Dynamics and Predictability of Weather and Climate in China (2007--2011)

Recent progress in the study of nonlinear atmospheric dynamics and related predictability of weather and climate in China (2007-2011) are briefly introduced in this article. Major achievements in the study of nonlinear atmospheric dynamics have been classified into two types:(1) progress based on the analysis of solutions of simplified control equations, such as the dynamics of NAO, the optimal precursors for blocking onset, and the behavior of nonlinear waves, and (2) progress based on data analyses, such as the nonlinear analyses of fluctuations and recording-breaking temperature events, the long-range correlation of extreme events, and new methods of detecting abrupt dynamical change. Major achievements in the study of predictability include the following:(1) the application of nonlinear local Lyapunov exponents (NLLE) to weather and climate predictability; (2) the application of condition nonlinear optimal perturbation (CNOP) to the studies of El Nin o-Southern Oscillation (ENSO) predictions, ensemble forecasting, targeted observation, and sensitivity analysis of the ecosystem; and (3) new strategies proposed for predictability studies. The results of these studies have provided greater understanding of the dynamics and nonlinear mechanisms of atmospheric motion, and they represent new ideas for developing numerical models and improving the forecast skill of weather and climate events.     

Baseline predictability of daily east Asian summer monsoon circulation indices

The nonlinear local Lyapunov exponent (NLLE) method is adopted to quantitatively determine the predictability limit of East Asian summer monsoon (EASM) intensity indices on a synoptic timescale. The predictability limit of EASM indices varies widely according to the definitions of indices. EASM indices defined by zonal shear have a limit of around 7 days, which is higher than the predictability limit of EASM indices defined by sea level pressure (SLP) difference and meridional wind shear (about 5 days). The initial error of EASM indices defined by SLP difference and meridional wind shear shows a faster growth than indices defined by zonal wind shear. Furthermore, the indices defined by zonal wind shear appear to fluctuate at lower frequencies, whereas the indices defined by SLP difference and meridional wind shear generally fluctuate at higher frequencies. This result may explain why the daily variability of the EASM indices defined by zonal wind shear tends be more predictable than those defined by SLP difference and meridional wind shear. Analysis of the temporal correlation coefficient (TCC) skill for EASM indices obtained from observations and from NCEP’s Global Ensemble Forecasting System (GEFS) historical weather forecast dataset shows that GEFS has a higher forecast skill for the EASM indices defined by zonal wind shear than for indices defined by SLP difference and meridional wind shear. The predictability limit estimated by the NLLE method is shorter than that in GEFS. In addition, the June-September average TCC skill for different daily EASM indices shows significant interannual variations from 1985 to 2015 in GEFS. However, the TCC for different types of EASM indices does not show coherent interannual fluctuations.