国家气候中心MJO监测预测业务产品研发及应用

热带大气低频振荡 (MJO) 和北半球夏季季节内振荡 (BSISO) 对全球范围天气气候事件有重要影响,是次季节-季节 (S2S) 预报最主要的可预报性来源之一。国家气候中心 (BCC) 基于我国完全自主的T639全球分析场数据、风云三号气象卫星射出长波辐射 (OLR) 资料以及BCC第2代大气环流模式系统的实时预报,发展了MJO实时监测预测一体化业务技术,建立了ISV/MJO监测预测业务系统 (IMPRESS1.0),已投入实时业务运行,在全国气象业务系统得到应用。该文着重介绍该系统提供的MJO和BSISO指数监测预测数据和图形产品,并描述了这些业务产品在2015年对MJO典型个例的实时监测预测应用情况。监测分析和预报检验表明,基于我国自主资料的监测结果能够较为准确地表征MJO和BSISO指数的振荡和演变过程,该系统对MJO和BSISO事件分别至少具备16 d和10 d左右的预报技巧。因此,基于IMPRESS1.0的MJO/BSISO监测预测一体化业务产品可为制作延伸期预报提供重要的参考依据。     

我国春季沙尘天气趋势的数值气候预测试验

利用IAP动力学气候预测系统(IAP DCP)对1980～2000年共21年进行了集合后报试验,首先考察了IAP DCP对我国春季气候异常的预测能力,并在此基础上利用该系统进行了春季沙尘天气异常的动力学气候预测试验.结果表明:该系统对我国春季气候具有一定的跨年度预测能力,特别是对春季西北地区降水异常和近地面风场具有较好的预报技巧.实时预测及其检验表明,IAP DCP对我国2003年春季沙尘的预测结果与实况比较一致.对2004年春季气候异常及沙尘趋势的实时预测结果表明,2004年春季我国北方,特别是西北及内蒙沙源地区降水偏多,冷空气势力较常年弱,因此2004年春季我国北方地区沙尘趋势应为正常或略偏弱.     

我国短期气候预测业务系统

中国第一代短期气候监测、预测、评价和服务业务系统主要由6个部分组成：数据库、动力气候模式系统、气候监测诊断系统、短期气候预测系统、气候影响评价系统与气候应用服务系统。在建立短期气候业务系统过程中，主要获得了三方面的成果：第一，揭示出影响中国气候异常的最强气候信号是厄尔尼诺事件、高原积雪和季风；第二，发展并建立了复杂的全球与区域动力气候模式预测系统，该系统包括T63L16全球大气环流模式、高分辨率区域气候模式、T63L30全球海洋模式和海冰模式、太平洋和印度洋高分辨率海洋模式和厄尔尼诺预测模式；第三，在高性能计算机和网络的支持下建立了完整的业务应用系统，不仅可提供短期气候预测信息，而且可以快速、客观、准确地给出气候变化对水资源、农业、林业、交通、电力、重大工程等国民经济重要部门和关键地区的影响，及时为决策部门提供决策服务。1998年开始应用以来，国家和大区两级整体预报水平比“九五”以前20年平均提高了6％～10％。但对区域性强洪涝事件的预报能力偏低，尚需进一步提高。     

超强厄尔尼诺事件海洋学特征分析与预测回顾

2015/2016年厄尔尼诺事件被认为是一次与1982/1983和1997/1998年相当的超强事件。基于多套再分析数据,比较了此次事件的海洋上层变量主要特征与历史上两次超强事件的异同,并利用热带太平洋混合层热收支方程对主要物理过程进行了定量分析。研究认为,2015/2016年事件前期为异常高海温东传特征,且前期形成了一次弱的中太平洋型暖事件;但后期表现为弱西传特征,在成熟位相转换成东太平洋型强厄尔尼诺。此次事件中伴随着多次西风爆发事件和开尔文波东传,但赤道开尔文波在盛期基本维持在中东太平洋而不继续东传,赤道外罗斯贝波西传特征亦不明显。相比之下,此次事件在发展-成熟期前后的赤道“热容量放电”过程更加明显些。此次事件异常暖中心位置偏西,其主要原因很可能与赤道东太平洋的强东风异常和冷海水上翻,以及纬向洋流异常和次表层温度异常分布偏西有关;东边界冷水入侵,削弱赤道东太平洋海温异常程度,可能是此次事件位置偏西的直接原因。在海洋上层热量收支中,此次事件中温跃层反馈是促进海温升高和位相转换的最关键过程,纬向平流反馈项亦发挥了重要作用,两种过程共同形成了超强的升温幅度和偏西的异常暖海温分布型。中国国家气候中心新一代ENSO预测系统（SEMAP2.0）每年两次的实际会商预测中给出了较为合理的预测,特别是考虑前期海洋变化预报因子信息的统计模型更好地预测出了海温异常的波动演变状况,成为多方法集合（MME）的重要成员。      

2015年汛期气候预测先兆信号的综合分析

文章全面回顾了发布2015年汛期预测时考虑的先兆信号及其应用情况。2015年春夏季厄尔尼诺事件进一步发展,并由中部型向东部型转变,热带印度洋为一致偏暖模态发展;冬、春季北大西洋三极子为正位相;冬、春季北极海冰较常年略偏少,南极海冰偏多;冬季欧亚积雪增量略少,青藏高原积雪略多但气温偏高。通过诊断分析,认为2015年汛期预测的主导外强迫信号是太平洋厄尔尼诺事件和印度洋海温一致偏暖模态。同时参考动力气候模式的预测,在4月初的预报中,重点考虑了厄尔尼诺事件的强度和空间型变化对东亚夏季风环流的影响,有利于东亚夏季风偏弱,西太平洋副热带高压偏强偏西,季风季节内进程偏晚,我国降水呈南多北少型。在5月底的订正预报中,进一步考虑热带印度洋偏暖模态对副热带高压偏强偏西偏南的影响,以及南半球越赤道气流强度偏弱特征及对夏季风季节进程和强度的影响。经过综合分析,准确地预测了2015年东亚夏季风偏弱、我国夏季降水南多北少的布局,以及季节内主要气候事件的演变。最后对汛期气候预测存在的不足进行了初步分析和讨论。     

四个耦合模式ENSO后报试验的“春季预报障碍”

用CliPAS计划中3个气候模式和中国科学院大气物理研究所耦合模式FGOALS-g短期气候异常回报试验结果,将动力和统计方法相结合,考察了1982—2003年厄尔尼诺/拉尼娜事件发展期和衰减期海表温度春季可预报性障碍现象。结果表明,所考察的耦合模式对ENSO事件预报的误差发展存在明显的季节依赖性,最大误差增长通常发生在春季,发生显著的可预报性障碍现象。进一步分析发现厄尔尼诺事件和拉尼娜事件在发展期的季节预报障碍现象比衰减期明显,以厄尔尼诺事件发展期春季可预报性障碍现象最为显著,拉尼娜事件衰减期季节预报障碍现象不显著。研究还发现,预报误差的增长在ENSO事件冷暖位相具有显著的非对称性,发展期暖位相预报误差强于冷位相,而衰减期冷位相的预报误差比暖位相大。通过回归分析,诊断了海-气相互作用的强度,发现耦合系统在春季最不稳定,使预报误差最易在春季发展,从而导致可预报性障碍。     

2015年汛期气候预测先兆信号的综合分析

文章全面回顾了发布2015年汛期预测时考虑的先兆信号及其应用情况。2015年春夏季厄尔尼诺事件进一步发展,并由中部型向东部型转变,热带印度洋为一致偏暖模态发展;冬、春季北大西洋三极子为正位相;冬、春季北极海冰较常年略偏少,南极海冰偏多;冬季欧亚积雪增量略少,青藏高原积雪略多但气温偏高。通过诊断分析,认为2015年汛期预测的主导外强迫信号是太平洋厄尔尼诺事件和印度洋海温一致偏暖模态。同时参考动力气候模式的预测,在4月初的预报中,重点考虑了厄尔尼诺事件的强度和空间型变化对东亚夏季风环流的影响,有利于东亚夏季风偏弱,西太平洋副热带高压偏强偏西,季风季节内进程偏晚,我国降水呈南多北少型。在5月底的订正预报中,进一步考虑热带印度洋偏暖模态对副热带高压偏强偏西偏南的影响,以及南半球越赤道气流强度偏弱特征及对夏季风季节进程和强度的影响。经过综合分析,准确地预测了2015年东亚夏季风偏弱、我国夏季降水南多北少的布局,以及季节内主要气候事件的演变。最后对汛期气候预测存在的不足进行了初步分析和讨论。     

2015/2016年极强厄尔尼诺事件下我国动力和统计结合实时气候预测研究

本文研究建立2015/2016年极强厄尔尼诺事件下我国动力和统计结合的气候预测模型,并开展2015年夏季和2016年冬季气候我国160个站点和主要区域实时气候预测。夏季降水的实时预测起报于2月,冬季气温的预测起报于10月。研究结果表明,尽管NCEP-CFSv2耦合气候模式能较好预测2015/2016年极强厄尔尼诺事件中海温异常的演变,但对我国160个站点夏季降水和冬季气温预测仍有较大的偏差。因此,基于NCEP-CFSv2耦合模式预测结果,分别建立我国160个站点冬季气温和夏季降水异常的动力和统计结合气候预测模型。同时,利用年际增量预测方法开展我国长江中下游夏季降水和华北冬季气温的区域气候预测。研究结果表明以上预测模型在2015/2016年的实时预测中较NCEP-CFSv2有更好的预测效能。相对于NCEP-CFSv2耦合模式的预测结果,2015年夏季降水距平空间相关系数ACC从0.21提高到0.31（超过0.01信度的显著性水平）,距平同号率提高到60%,2016年冬季气温ACC从0.19提高到0.32（超过0.01信度的显著性水平）,距平同号率提高到75%。     

石羊河流域干旱气候对ENSO事件的响应及预测分析

根据石羊河流域5个气象站1961—2018年的降水、气温、干旱实况资料,利用气候统计学方法分析ENSO事件对该区气候变化及干旱的影响。结果表明:厄尔尼诺事件会造成流域春季降水偏多,春、秋、冬季气温偏高,易出现暖冬;拉尼娜事件则春季降水偏少,秋季降水偏多,冬季气温偏低,易出现冷冬,中下游发生中度以上春旱、春末夏初旱和伏旱的概率较高。应用1968—2010年旬、月气象要素和大气环流特征量,采用最优子集回归方法,建立降水和干旱统计预测模式,然后结合ENSO事件,通过加权平均法构建集成预测概念模型。对模型进行检验,拟合率与准确率较高,已投入业务使用。     

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。     

2015/2016年强厄尔尼诺过程及其对全球和中国气候的主要影响

根据全球气候系统和中国的最新观测资料,分析了2015/2016年ENSO循环过程,讨论了强厄尔尼诺过程对2015年全球温度和极端天气气候灾害的可能影响,重点研究了其对中国夏季和秋冬转换季节的降水异常的影响。指出自2015年春季开始,厄尔尼诺条件迅速发展,使得2015年厄尔尼诺成为有观测记录以来最强的三次厄尔尼诺之一,同时由于前期(2014年春季开始)赤道太平洋异常热状况的维持,这次厄尔尼诺也可以视为最长的厄尔尼诺过程。受到长期气候变化趋势和强厄尔尼诺等共同影响,2015年全球地表温度和中国陆面气温均创有观测以来的最高记录。强厄尔尼诺事件在2015年给全球许多地区带来了灾害性天气气候事件,也使得中国夏季华北地区,特别是河套地区、内蒙古中部和环渤海湾地区降水显著减少,并造成一些地区夏季严重干旱。在2015年11-12月厄尔尼诺峰值时期,受到西北太平洋对流层低层菲律宾反气旋性异常环流和中高纬度欧亚-太平洋遥相关型负位相异常环流的共同影响,中国东部出现偏南风异常,造成南方地区降水明显增多,而北方地区偏北风气流受到抑制,PM2.5浓度异常偏高,雾霾天气频繁发生。目前,这一事件快速减弱,但其对全球和中国气候的影响在未来几个月仍将持续。      

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。     

天山北坡次季节-季节尺度降水集合预测北大核心CSCD

在新疆天山大地形背景下,实现了中国气象局研发的高分辨率气候业务预测系统CMA-CPSv3(China Meteorological Administration-Climate Prediction System version 3)在天山北坡经济带的本地化应用,分别评估控制预报、传统集合平均预报以及改进后的最优概率阈值集合方法(deterministic ensemble forecast using a probabilistic threshold,DEFPT)对该区域次季节-季节降水的预测水平。评估结果表明:基于CMA-CPSv3预测系统的DEFPT方法可以提升天山北坡次季节-季节尺度1~5 mm阈值降水落区以及持续性的预测效果,优于传统集合平均预报和控制预报。从2016年7月29日—8月2日、2017年6月7—12日以及2020年7月8—12日时段发生在天山北坡的降水事件个例分析结果看,不论从降水落区、降水异常还是降水持续性,DEFPT集合预报在天山北坡西部和南部均有更好的效果,但在天山北坡东部和北部预测能力相对略低,这与该区域水汽的预报偏差增大有关。     

IAP ENSO预测系统预报技巧的时间依赖性及对1999年La Nia事件的预测

利用IAP ENSO预测系统对1981年11月至1997年12月系统性回报实验的结果,分析了预报技巧的时间依赖性。结果表明：该预测系统对80年代的ENSO具有较强的预报能力,在Nino 3区接近0.8的预报相关技巧（预报与观测的相关系数）可达1年半左右,而对90年代的ENSO现象,预报技巧则较低,超前半年以上的预报仅在0.4左右;预报技巧具有季节依赖性,从春季到秋初开始的预报较好,高于0.5的技巧均可维持15个月以上,其中从7月到9月开始的预报,其高于0.6的相关技巧可达16个月;而从秋末和冬季开始的预报,其技巧衰减较快,预报5个月后降到了0.5以下。对1999年La Nia事件的实时预测总体上是成功的,即此次La NNia事件将维持到2000年;但未能预测出其在1999年春季以后再次加强的过程。对其未来变化趋势的预测显示,此次La Nia事件有可能于今年夏秋季结束。     

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.     

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.     

2015年西北太平洋和南海台风活动特征及主要预报技术难点

利用常规气象观测资料、1949—2015年中国气象局台风最佳路径资料、2015年中日美台风实时定位资料、1°×1°的NOAA/OISST月平均海温资料和NCEP/FNL再分析资料以及05°×05°的NCEP RTG实时海温等资料,对2015年西北太平洋和南海台风活动的主要特征、厄尔尼诺对该年台风整体活动的影响、1508号台风“鲸鱼”实时定位、1522号台风“彩虹”近海急剧加强预报、1510号台风“莲花”和1521号台风“杜鹃”长时效路径预报以及地面观测系统存在的薄弱环节等主要业务技术难点和问题进行了初步分析。结果表明： 1）2015年台风活动活跃期不明显,呈现生成总数与多年平均持平、南海台风偏少、生成源地偏东、强度强、超强台风异常偏多、登陆个数及频次偏少等特征。2）2015年台风主要活动特征与极强厄尔尼诺事件关系密切,但厄尔尼诺对台风的影响不是单一的,其影响物理机制尚待深入研究。3）台风“鲸鱼”实时业务定位的精度直接影响其登陆预报的精度,综合应用多源观测资料、规范台风定位业务流程,有利于台风定位和路径预报精度的提高。4）台风快速增强和路径长时效预报仍是台风业务的主要技术瓶颈,高分辨率台风-海-气-浪耦合模式、集合预报及相关动力统计模式和天气物理概念模型的研发改进将是未来的主要解决技术途径。5）中国地面观测系统尚不具备对极端台风的监测能力,在沿海受台风影响的重点区域（包括海岛）布设先进的重型机械式强风仪,将有助于提高对极端台风事件的监测能力。     

IAP ENSO预测系统预报技巧的时间依赖性及对1999年La Nina事件的预测

利用IAPENSO预测系统对1981年11月至1997年12月系统性回报实验的结果,分析了预报技巧的时间依赖性。结果表明：该预测系统对80年代的ENSO具有较强的预报能力,在Nino3区接近0.8的预报相关技巧（预报与观测的相关系数）可达1年半左右,而对90年代的ENSO现象,预报技巧则较低,超前半年以上的预报仅在0.4左右;预报技巧具有季节依赖性,从春季到秋初开始的预报较好,高于0.5的技巧均可维持15个月以上,其中从7月到9月开始的预报,其高于0.6的相关技巧可达16个月;而从秋末和冬季开始的预报,其技巧衰减较快,预报5个月后降到了0.5以下。对1999年La nina事件的实时预测总体上是成功的,即此次La nina事件将维持到2000年;但未能预测出其在1999年春季以后再次加强的过程。对其未来变化趋势的预测显示,此次La nina事件有可能于今年夏秋季结束。     

2015/2016年超强厄尔尼诺事件气候监测及诊断分析

文章基于国家气候中心现行厄尔尼诺监测和诊断业务规范,分析了2015/2016年厄尔尼诺事件的现状及其演变过程,并将之与1982/1983年以及1997/1998年厄尔尼诺事件做对比。监测结果表明,2015/2016年厄尔尼诺事件是自1951年以来继1982/1983年和1997/1998年厄尔尼诺事件之后的第三次超强厄尔尼诺事件,并且在持续时间、峰值强度、累计海温距平和海温距平连续超过2.0℃的时间等指标上均强于前两次超强厄尔尼诺事件。赤道中西太平洋的多次西风爆发过程驱动次表层异常暖海温东传,使得厄尔尼诺事件发展。与前两次超强厄尔尼诺事件对比发现,2015/2016年厄尔尼诺事件盛期暖海温中心强度和范围较前两次事件偏小,南方涛动强度较前两次偏弱,西风爆发过程中西风异常强度也小于前两次事件。     

深度学习协助预测厄尔尼诺

<正>《自然》近日发表的一篇论文报道了一种可以提前一年半预测厄尔尼诺事件的深度学习方法,攻克了该领域内长期存在的一项挑战。厄尔尼诺事件发生于太平洋东部和中部,会引起极端气候,对当地生态系统造成严重损害。预测这些事件一直困难重重,因为传统的预测方法无法提供超过一年的准确预测。韩国光州全南国立大学的Yoo-Geun Ham及同事报道了能够预测厄尔尼诺事件的深度学习方法,该模型利用1871年至1973年的历史气候数据以及厄尔尼诺事件的模拟数