基于一个中等复杂程度耦合模式的ENSO集合预报系统研究

ENSO是短期气候年际变化中最强的信号，它对全球气候的短期变化有着重要影响，研究并弄清ENSO现象的物理机制、成功预测ENSO事件非常重要。目前ENSO模式的确定性预报结果仍然存在着较大的不确定性，因此为了降低预测的不确定性，通常需要采用集合概率预测的方法加以完善和弥补。.本研究利用一个中等复杂程度耦合模式来探讨ENSO集合预测的方法，同时综合地考虑和分析初值的精确性，初始不确定性（初始误差），以及预报过程的不确定性（模式误差）对ENSO集合预报的影响和作用。①利用目前在大气、海洋同化中先进的集合Kalman滤波同化（EnKF）方法同步协调地同化多种观测资料提供集合初始场；②深入细致地统计分析该中等复杂程度耦合模式的预报误差特征，并依此发展一个一阶马尔可夫随机误差模型，模拟跨季度ENSO预报中的不确定性；③有机地结合初始误差与模式误差的模拟，构建一个实时化的大样本的ENSO集合预报系统。