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.     

伴随系统及非线性优化方法在REM模式可预报性研究中的实际个例应用

利用REM模式的伴随系统和非线性优化方法，通过三个实际天气个例，对REM模式的可预报性问题进行了研究。结果表明，REM模式在给定的实际应用中可接受的预报误差范围内，对三个天气个例都具有预报能力。对于个例一，利用现有的常规报文初始观测场，进行简单的插值处理（最优插值等），REM数值模式就可以得到比较满意的预报结果； 对于个例二和个例三，对现有的报文初始观测场进行处理（如四维变分资料同化）后，REM模式在给定的误差允许范围内，对这两个天气个例仍得到满意的预报。研究结果不仅对改进数值模式具有一定的指导意义，而且对如何改进数值模式的初值问题，特别是在中尺度天气预报中如何改进具有一定的参考价值。     

短期气候变化可预报性的研究和进展

短期气候变化是指以月、季和年际为时间尺度的气候变率和气候异常。近几年，国外开始注意年际气候变化，即10年尺度的气候变化，并把它也归之为短期气候变化的范畴。短期气候预测的对象是某个气象要素的时间和区域的平均值，或它相对于多年平均值的偏差（即距平）。在作短期气候预测时，首先面临的是可预报性问题。目前，已有大量工作对此问题进行了研究。1大气的可预报上限P．D．”fhompson最先在气象文献中谈到可预报性问题，分析了初始状态的不确定性对大尺度气流可预报性的限制。后来，Lorenz在一次偶然的重复计算中发现初值的微小差…     

数值天气预报和气候预测的可预报性问题

考察由初始状态误差和模式中参数误差所引起的预报结果的不确定性。提出了数值天气预报与气候预测中三类可预报性问题，即，最大可预报时间，最大预报误差，初值与参数的最大允许误差。然后将这三类问题化成了对应的非线性优化问题，给出了处理此类非线性优化问题的思路，并且有数值方法对Lorenz模型研究了这三类问题。     

气候系统可预报性理论研究

介绍了作者近年来关于气候系统可预报性理论研究的一些工作,包括:非线性最快增长扰动理论以及在气候预测的可预报性研究中的应用;从一个新的角度研究了2类可预报性问题,并提出可预报性的3类子问题;根据计算不确定性原理,讨论了模式可预报性与机器精度的关系;探讨了可预报性与时空尺度的关系,建立了可预报性的相对观.     

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。     

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.     

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。     

延伸期预报中的可预报性浅析

延伸期（10-30天）预报是无缝隙集约化预报预测业务体系的重要一环,一直以来在防灾减灾科学决策中起着重要作用。然而实际预报中,其准确率较中短期天气预报和气候预测均明显偏低,原因在于随着预报时效延长,预报结果存在明显的不确定性。因此,业务预报中需要充分考虑预报对象的可预报性。本文通过总结延伸期时效可预报性的来源、主流数值模式预报性能的现状,介绍了一线业务中的预报思路及常用的可预报性参考产品,揭示了可预报性理论在延伸期预报中的应用。同时还展望了延伸期预报未来的发展方向。     

因子的可预报性和预报模型适用性研究初探

本文从因子场与预报量场之间的整体相关性着手，通过典型相关分析来提取因子信息，用求得的典型变量作为新预报因子，经试用表明，新因子的可预报性比原因子有明显提高。 在预报模型的选择上，本文提出了依据预报模型对历史样本实际预测精度的优劣来衡量预报模型的预测能力，从而选用对历史样本预测精度较高的预报模型作未来预报。     

10~30 d延伸期可预报性与预报方法研究进展

10~30 d延伸期的可预报性既依赖于初始条件,也与缓变的下垫面有关,寻找延伸期时段内可预报性较高的低频特征,识别延伸期的可预报性来源及影响的物理机制是提高延伸期预报水平的关键。近年延伸期可预报性来源、热带大气季节内振荡监测预测和影响等领域的研究取得较大进展,提出和应用了动力统计相结合以及大气低频信号释用等新的延伸期预报方法。对延伸期可预报性来源及其与初值和外强迫异常的关系分析表明,海气相互作用能提高亚洲和西太平洋区域延伸期时段大气环流和要素的可预报性。热带大气季节内振荡、平流层爆发性增温以及各种次季节尺度的海气、陆气耦合作用和大气响应均为延伸期预报提供了重要的可预报性来源。由于数值模式延伸期时段的预报性能与实际业务需求还存在一定距离,基于动力统计相结合和物理统计的延伸期预报方法被广泛应用于业务预报,表现出一定的预报技巧。     

季风的模拟和可预报性

季风的模拟和可预报性Ｊ．ＳｈｕｋｌａＭ．Ｆｅｎｎｅｓｓｙ（海洋－陆地－大气研究中心，马里兰州，美国）１前言本文给出了亚洲夏季风的模拟和可预报性的三个结果：亚）在亚洲夏季风环流的建立和印度及邻近区域的降水方面，ＳＳＴ年变程与太阳强迫的年变程同样重要。２...     

大气的可预报性与大气模式的设计

本文首先提出了设计数值天气预报模式的基本原则——模式大气的可预报性和实际大气的可预报性相一致。然后依据此原则讨论了目前在设计各种数值预报模式时存在的问题。     

我国的降水资源及其稳定性与潜在可预报性（Ⅱ）潜在可预报性

本文探讨了年降水量气候噪声估计的方法，并利用我国分布较均匀的１６２个测站１９６０－１９９１年降水资料，讨论了年降水量的潜在可预报性，以便进一步研究月，季降水量的可预报性。结果得出；黄河以南和长江流域的广大地区，特别是四川东部和江淮地区，是我国降水量气候噪声最大的地区；华北，西北以及华南地区降水量的潜在可预报性较大黄河以南和长江流域中下游地区降水量的潜在可预报性较小。     

基于最新全球集合预报系统的可预报性评估

为了提供有价值且可靠的概率(或者不确定性)预报,最新的全球集合预报系统已在美国国家环境预报中心日常业务运行,以满足社会需求。通过对各个关键要素的概率预报统计检验,可为广大用户提供这些概率预报的信心指数。但是预报(或集合预报)能力不仅取决于我们使用的预测要素,而且与时间和空间分辨率,极端事件或者高影响天气,以及预报时效有关。以大尺度天气系统预报为例,通常选择北半球500 hPa位势高度距平相关指数或概率指数表征模式的预报能力。如参照北半球500 hPa位势高度的距平相关指数(60%AC)或概率预报技巧指数(25%CRPSS),美国全球集合预报系统能够提供大约10 d的技巧预报。从全球集合预报系统输出的各预报要素,满足不同时空尺度需求的角度进行讨论,其可预报性(或预报极限)能够为模式研发人员、一线预报员和用户提供参考。尤其是对大气可预报性的深入研究,对于从科学与技术角度全面提升数值预报系统水平非常重要。当能够确定可预报性(或是预报误差)的真实来源时,科学家(包括模式研发人员)就能够有针对性地修改与完善。将传统的可预报性研究与改进的能够更客观地表述预报不确定性的集合预报相结合,所得可预报性将提供另一种有价值的参考。可预报性研究总体表明,全球集合预报系统对行星波、大尺度和天气尺度的系统(或者过程)可能分别具备约15、12、10 d的预报能力。对于热带天气过程的预报,如果进一步改善模式偏差和物理参数化过程,其MJO(Madden-Julian Oscillation)预报技巧可以延长至32.5 d。     

2015/2016年超强El Nio事件背景下我国月预测技巧差异分析

利用中国站点观测降水资料、国家气候中心第2代月动力延伸预报模式(BCC_DERF2.0)的回报和预报数据、NCEP/NACR再分析资料和国家气候中心实时发布的月尺度降水预测评分数据,通过评估和诊断分析发现,在2015/2016年超强El Nio事件背景下,这两年内业务发布的月降水预报能力有明显不同,BCC_DERF2.0对月环流的预测技巧也存在差异:在2015年(El Nio发展位相),降水预报和环流预测技巧较高且稳定,而在2016年(El Nio衰减位相)的预报技巧总体偏低。进一步的研究显示,亚洲—太平洋涛动(Asia-Pacific Oscillation,APO)可能是导致2015年和2016年夏季预测技巧高低的重要影响因素。2015(2016)年夏季为APO低(高)指数年,且2016年具有高指数年的典型环流特征。而APO高指数对应的环流特征与El Nio衰减位相对西北太平洋环流的影响不同,在El Nio和APO的物理影响途径不一致时,将直接影响东亚环流可预报性的高低及动力气候模式的预报技巧,即El Nio在发展和衰减位相与APO型不同组合的影响是2015和2016年月预测技巧有差异的重要原因。     

月尺度降水可预报性的实验研究

利用信噪方差比探讨了山东省月尺度降水可预报性,发现２～３月、９～１０月不可预报,其它月份可预报性强。一般大气环流系统冬夏转换季节可预报性差。与１３个代表站预报评分进行了比较,发现可预报性指数越高,则实际预报评分也相对较高,两者有较好的对应关系。     

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。     

大气运动的可预报性

大气运动的可预报性自１９５０年第一张成功的数值天气预报图问世以来。数值预报已经取得了巨大进展、预报水平有了很大提高，预报对象也从大尺度天气系统扩展到多种时空尺度的空气运动。不少先进国家和地区都相继建立起数值预报的业务预报，随着数值预报的业务预报能力不...