中国科学院大气物理研究所研究员郑飞和朱江研究发现,影响ENSO事件的各类随机性过程的定量效应会导致模式产生严重的预报偏差(比如预报强度不足等),而且这种预报误差会随着预报时效的延长而迅速增长,严重制约了ENSO模式预报准确性的提高。与此同时,该研究进一步发现尽管这些随机性过程的总体效应也是随机的,但具有一定的时间和空间统计规律,可以通过建立随机模型对其加以模拟和预测。鉴于此,为了能够弥补由于随机性过程造成的预报偏差,该研究提出了一套系统地对随机过程的定量效应进行分析、估计和随机参数化模拟的方法并用于ENSO预测中。该工作证明了通过合理地考虑随机性过程整体效应的影响和作用,能够有效地弥补模式缺失的随机过程导致的预报偏差,延长ENSO模式的预报时效,进一步提高模式的预报精度。如图所示,基于1993~2013年21年的整体回报检验,随机过程对ENSO预报的影响能够持续整个预报过程,并且该影响会随预报时效的延长持续增强,同时也表明该误差随机参数化方法对预报误差的弥补在更长的预报时效亦更加有效。

图片 1

图:考虑模式误差扰动和未考虑模式误差扰动对ENSO预报技巧的影响,相关系数和均方根误差

目前的ENSO(El Niño–Southern
Oscillation)预报模式抓住了大气-海洋间主要的确定性物理过程(如Bjerknes正反馈机制和延迟负反馈机制),但是仍然存在着许多其他随机因素和物理机制影响着ENSO循环,比如天气尺度的随机强迫等。许多研究也表明这些机制和过程对ENSO事件的影响具有一定的随机性,但是由于影响ENSO循环的过程和机制众多且复杂,目前大多研究也只针对某个随机过程对ENSO预报的影响。

论文信息:Zheng, F., and J. Zhu, 2016: Improved ensemble-mean
forecasting of ENSO events by a zero-mean stochastic error model of an
intermediate coupled model.
Clim. Dyn., 47, 3901–3915, doi:
10.1007/s00382-016-3048-0.

该成果于2016年发表于《气候动力学》(Climate Dynamics)。

相关文章