Applications of conditional nonlinear optimal perturbation in predictability study and sensitivity analysis of weather and climate

Considering the limitation of the linear theory of singular vector (SV), the authors and their collaborators proposed conditional nonlinear optimal perturbation (CNOP) and then applied it in the predictability study and the sensitivity analysis of weather and climate system. To celebrate the 20th anniversary of Chinese National Committee for World Climate Research Programme (WCRP), this paper is devoted to reviewing the main results of these studies. First, CNOP represents the initial perturbation that has largest nonlinear evolution at prediction time, which is different from linear singular vector (LSV) for the large magnitude of initial perturbation or/and the long optimization time interval. Second, CNOP, rather than linear singular vector (LSV), represents the initial anomaly that evolves into ENSO events most probably. It is also the CNOP that induces the most prominent seasonal variation of error growth for ENSO predictability; furthermore, CNOP was applied to investigate the decadal variability of ENSO asymmetry. It is demonstrated that the changing nonlinearity causes the change of ENSO asymmetry. Third, in the studies of the sensitivity and stability of ocean’s thermohaline circulation (THC), the nonlinear asymmetric response of THC to finite amplitude of initial perturbations was revealed by CNOP. Through this approach the passive mechanism of decadal variation of THC was demonstrated; Also the authors studies the instability and sensitivity analysis of grassland ecosystem by using CNOP and show the mechanism of the transitions between the grassland and desert states. Finally, a detailed discussion on the results obtained by CNOP suggests the applicability of CNOP in predictability studies and sensitivity analysis.     

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。     

台风强度模拟的海温目标观测研究

根据非线性强迫奇异向量(NFSV)型海温(SST)强迫误差识别的敏感性特征,通过观测系统模拟试验(OSSE)确定了12个热带气旋(TC)的强度模拟的海温目标观测最优布局。NFSV型SST强迫误差敏感区一般沿着台风移动路径,主要位于台风快速增强阶段。结果表明,在NFSV型SST强迫目标观测敏感区内以90km间隔加密海温观测,这些额外观测能够更加有效地改善TC强度的模拟技巧;与空间范围更大的非敏感区相比,在NFSV型SST强迫目标观测敏感区内进行目标观测,能够更加有效地改进TC强度的模拟能力,而当非敏感区内的局地观测区域逐步接近目标观测敏感区时,该局地区域的加密观测对TC强度模拟改善程度也逐步提高。进一步研究表明,上述目标观测对台风强度模拟水平的改善尤以NFSV型SST强迫误差大值区所对应的TC快速增强阶段最为明显。所以,在由NFSV型SST强迫误差确定的目标观测敏感区和敏感时段内加密观测,对台风强度模拟能力的提高最有效,而且在敏感区内以合适的间隔实施外场观测是最经济的观测策略。     

北京地区一次空气重污染过程的目标观测分析

针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式（Weather Research Forecasting,WRF）和嵌套网格空气质量模式（Nested Air Quality Prediction Model System,NAQPMS）,针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物（PM2.5）预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。     

非线性最优扰动方法在热带气旋目标观测研究和外场试验中的应用

综述了我国学者近年来用非线性最优扰动方法探索热带气旋目标观测及其外场试验的主要进展,具体包括：从提高数值模式初始场精度的角度,用条件非线性最优扰动方法确定了热带气旋路径和强度预报的目标观测敏感区,并成功应用于“风云四号”气象卫星和下投探空仪台风目标观测外场试验,助力业务部门获得了宝贵资料。从减小模式误差或外强迫不确定性的角度,将非线性强迫奇异向量方法应用于探讨热带气旋强度预报的敏感性,揭示了模式误差的敏感气象要素和敏感区,以及海表温度强迫的敏感区;用集合扰动的思路识别了热带气旋快速增强过程预报的行星边界层的模式误差敏感区。讨论了目前热带气旋目标观测研究存在的问题以及可能的解决方法,展望了未来热带气旋目标观测研究应努力的前沿方向,及其在实际预报中的应用前景。     

关于线性奇异向量和条件非线性最优扰动差别的一个注记

奇异向量(singular vectors,SVs)和条件非线性最优扰动(conditional nonlinear optimal perturbation,CNOP)已广泛应用于研究大气—海洋系统的不稳定性以及与其相关的可预报性、集合预报和目标观测问题研究。本文首先回顾了SVs和CNOP的发展历史,并简单描述了它们的基本原理;然后针对二维正压准地转模式,使用不同的范数组合,分析了第一线性奇异向量(first singular vector,FSV)和CNOP之间的异同。结果表明,当优化时间较短时,度量SVs和CNOP大小的范数不同也将导致FSV和CNOP相差很大,而当度量SVs和CNOP大小的范数相同时,FSV和CNOP之间的差别则主要是由非线性物理过程作用的结果。因此,针对不同的物理问题,应该选取合适的度量范数研究FSV和CNOP以及其所引起的大气或海洋动力学的异同,从而揭示非线性物理过程的影响机理。     

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。     

Zebiak-Cane数值模式的可预报性分析

用Zebiak-Cane(ZC)模式关于热带太平洋海表温度距平(SSTA)的预报资料,从预报误差发展的角度,考察了该模式关于El Ni(n)o/La Ni(n)a事件生长期和衰减期以及正常年份SSTA的预报技巧.结果表明,ZC模式关于ENSO预报的一个最突出的特征是:El Ni(n)o事件生长期SSTA的预报误差存在着明显的季节依赖性,最大预报误差增长通常出现在春季和夏初(AMJ),存在显著的春季可预报性障碍(SPB);对于El Ni(n)o事件的衰减期、La Ni(n)a事件的生长期和衰减期以及正常年份,SSTA预报误差没有明显的季节依赖性.作者比较了ZC模式关于ENSO事件不同发展阶段(生长期和衰减期)以及正常年份SSTA的可预报性.结果表明,La Ni(n)a生长期SSTA的预报最困难;在El Ni(n)o事件、La Ni(n)a事件和正常年份3种情形中,ZC模式关于La Ni(n)a事件的预报技巧最低.用上述动力学方法,进一步考察了ZC模式预报技巧的年代际变化.结果表明,ZC模式在20世纪80年代SPB现象相对较弱,有较高的预报技巧;而在70和90年代,ZC模式预报技巧明显低于80年代,同时伴有显著的SPB现象.     

季风与ENSO的选择性相互作用:年循环和春季预报障碍的影响

本文主要基于对Webster and Yang（1992）一文的回顾,讨论了年循环在季风和ENSO相互作用中的作用、春季预报障碍（SPB）、Webster-Yang指数（WYI）、以及亚洲夏季风的前期讯号等内容。亚洲季风和ENSO作为全球天气和气候变率的主要来源,它们之间的相互作用存在明显的年变化和季节“锁相”特征:在北半球秋冬季,亚洲季风对流活动最弱,此时ENSO的信号最强;但是到了北半球春季,亚洲季风对流快速爆发,而此时的ENSO信号却迅速衰减。亚洲季风和ENSO位相的错位变化使得热带海—气系统的不稳定性在北半球春季达到最大,此时任意一个微小的扰动都容易快速增长,最终导致基于ENSO的预报技巧减小。亚洲夏季风环流本质上可以看成是大气对副热带地区潜热加热的低频罗斯贝波响应,它具有很强的垂直风切变,这是WYI定义的物理基础。WYI数值越大,代表垂直东风切变越大,即亚洲季风环流增强,反之亦然。利用WYI与前期大气环流场、欧亚雪盖、土壤湿度等物理量进行回归分析,结果表明:当亚洲夏季风增强时,前期冬季和春季,在北印度洋和亚洲副热带地区上空出现东风异常,同时在更高纬度地区伴随出现西风的异常;此外,副热带地区如印度次大陆、中南半岛和东亚的土壤湿度增大;中纬度地区尤其是青藏高原中西部的积雪密度明显减小。这些前期讯号的发现有助于我们构建动力统计模型,进而提高对亚洲夏季风的季节预报水平。