可预报性研究中最优前期征兆与增长最快初始误差的相似性及其在目标观测中的应用

结题报告

项目介绍

AI项目解读

基本信息

批准号：
41230420
项目类别：
重点项目
资助金额：
335.0万
负责人：
穆穆
依托单位：
中国科学院海洋研究所
学科分类：
D0504.大气动力学
结题年份：
2017
批准年份：
2012
项目状态：
已结题
起止时间：
2013-01-01 至2017-12-31

项目参与者：
段晚锁；姜智娜；秦晓昊；王强；马利斌；张培军；田奔；冯蓉；张若楠；
关键词：
前期征兆相似性可预报性目标观测初始误差

项目摘要

The studies of optimal precursors and the fastest growing initial errors are two important aspects in predictability, which is a fundamental issue in numerical weather and climate prediction. Using relatively simple models, the principal applicant and the main members of this proposal found out that there exist similarities between the optimal precursors and the fastest growing initial errors, both of which show the property of localness, for blocking events, Kuroshio path varations and ENSO. Based on the above studies, we are going to carry out the following studies. Firstly, whether there exist similarities between the optimal precursors and the fastest growing initial errors for North Atlantic Oscillation (NAO) or not. Secondly, whether the above similarities can be revealled for Kuroshio path varations and ENSO events by more complex models or not. Based on these studies, how to utilize these similarities to identify the sensitive regions for adaptive observations will be investigated. Finally, observing system simulated experiments (OSSEs) will be conducted to investigate the effects of adaptive observations on the improvement of forecast skill of these high impact weather and climate events and therefore, a scientic support is expected to be provided.

可预报性是数值天气预报和气候预测中的一个基本问题，最优前期征兆和增长最快初始误差是可预报性研究中的两个重要方面。申请人及骨干成员近年来用简单模式通过对阻塞、黑潮路径变异和ENSO事件的研究发现，这些高影响天气和气候事件发生的最优前期征兆和增长最快初始误差的空间结构皆呈现明显的局地性特征，并且两者存在较高的相似性。该项目拟对北大西洋涛动（NAO），考察其最优前期征兆、增长最快初始误差以及它们空间结构的相似性；对黑潮路径变异和ENSO事件，用更复杂的模式进一步考察这种相似性关系。基于申请人和骨干成员在目标观测方面的有关研究，本项目将深入探讨如何通过上述相似性关系指导目标观测敏感区的确定，通过观测系统模拟试验（OSSEs），考察目标观测对改进上述天气与气候事件预报技巧的有效性，为目标观测的实施、进而为提高天气预报和气候预测水平提供科学支持。

结项摘要

本项目针对北大西洋涛动（NAO）、黑潮路径变异和厄尔尼诺和南方涛动（ENSO）三类高影响海气环境事件，利用条件非线性最优扰动（CNOP）方法开展了可预报性和目标观测研究。首先对于不同类型事件，分别建立了计算CNOP的非线性优化系统，并利用该系统揭示了各类事件发生的最优前期征兆（OPR）及预报中增长最快初始误差（OGE）。通过考察OPR和OGE的空间结构和发展过程，发现对于每一类事件，OPR和OGE的空间结构具有显著的相似性和局地性特征，并且它们具有类似的发展机制；基于OPR和OGE的这些性质，确定了对于NAO、日本南部黑潮路径变异和ENSO预报的目标观测敏感区，进一步通过观测系统模拟试验，证实了敏感区的有效性，即在敏感区增加观测能够较大程度地提高NAO、日本南部黑潮路径变异和ENSO的预测技巧。. 本项目成果为开展目标观测和实际预测提供了科学支撑，所确定的敏感区能够直接应用于各类事件最优观测网的设计，尤其在ENSO的研究中已经设计了适用于提高两类ENSO预测技巧，且优于目前已有的TAO/TRITON阵列的目标观测网。因此，本项目研究结果对于提高NAO、日本南部黑潮路径变异和ENSO的预报能力具有重要的理论和实际意义。