作者姓名：鄭飛
　　論文題目：ENSO集合預(yù)報研究
　　作者簡介：鄭飛，男，1979年5月出生，2004年9月師從于中國科學(xué)院大氣物理研究所?朱江?研究員，于2007年7月獲博士學(xué)位。

　　中文摘要
　　過去20多年，ENSO（El?Ni?o-南方濤動）研究取得了長足的進步，ENSO預(yù)測是目前短期氣候預(yù)測中最為成功的。目前一些預(yù)報系統(tǒng)已經(jīng)開始了實時的ENSO預(yù)報，并且其預(yù)報水平可以達到6～12個月的可信度，其中包括了經(jīng)驗性模式和物理耦合模式。這些物理耦合模式在復(fù)雜程度上存在較大差異，從中等復(fù)雜程度耦合模式（ICM）到混合型耦合模式（HCM），以及復(fù)雜的耦合環(huán)流模式（GCM）。即便如此，這些模式的單一確定性預(yù)報結(jié)果仍然存在著很明顯的差異（說明確定性的模式預(yù)報結(jié)果有著很大的不確定性），實際上，由于氣候變化的不規(guī)則性和噪音的存在，即使很短時間的ENSO預(yù)報也存在著很明顯的不確定性。為了盡可能的降低ENSO預(yù)測的不確定性，我們應(yīng)該采取集合概率預(yù)測的方法加以彌補。
　　集合預(yù)報在數(shù)值天氣預(yù)報中已有了很好的研究和應(yīng)用，但是在ENSO概率預(yù)測方面仍然處于起步階段，目前大部分研究著重于初始擾動（不確定性）對ENSO預(yù)報的影響。同時模式物理過程的不確定性也是影響集合預(yù)報水平的一個重要因素，目前研究中考慮較少。在本文，我們嘗試利用一個中等復(fù)雜程度耦合模式來探討ENSO集合預(yù)測的方法，同時綜合考慮和分析初值的精確性，初始不確定性（初始誤差），以及預(yù)報過程的不確定性（模式誤差）對ENSO集合預(yù)報的影響和作用。
　　1.?通過合理的考慮模式誤差的作用，有效的防止了集合Kalman濾波（EnKF）同化中常見的“濾波發(fā)散”現(xiàn)象的發(fā)生。相比目前其它一些簡單的假設(shè)背景誤差是固定的、不隨時間變化的資料同化方法，EnKF通過提供“流型”和“局地”依賴的背景誤差的估計，EnKF能夠最優(yōu)的使背景場逼近新的觀測信息，得到更加精確合理的分析場和預(yù)報場。但是由于EnKF是利用一組預(yù)報樣本來統(tǒng)計背景誤差協(xié)方差矩陣，如果沒有模式擾動或預(yù)報樣本的膨脹，預(yù)報樣本的離散度會迅速縮小，導(dǎo)致集合同化方案不起作用（亦即“濾波發(fā)散”現(xiàn)象）。
　　在本文，我們采用“將隨機誤差直接加入到模式方程右端”的方法，利用一階馬爾科夫隨機模式來模擬模式誤差。這種方法對于沒有外強迫的模式非常便利，比如海~氣耦合模式。在耦合模式的模式誤差主要來源于模式的不完美所造成的假設(shè)下，我們定義模式誤差為預(yù)報結(jié)果對觀測的偏離（不考慮觀測誤差）。我們首先考慮了模式模擬的對海氣耦合過程起關(guān)鍵作用的變量——海表溫度（SST）異常，利用馬爾科夫隨機模式將隨機組分加入到SST異常模式中來隨機的擾動模擬的SST異常場。通過驗證，該隨機模式通過合理的保持模式變量的集合樣本之間的離散度，可以有效的防止“濾波發(fā)散”，提高EnKF的同化效果。
　　2.?對于集合預(yù)報，我們利用了一種新的方法來生成初始的集合樣本和模擬預(yù)報過程中的模式不確定性。首先，我們利用EnKF資料同化系統(tǒng)為ICM提供100個樣本的集合初始場。初始的各變量間的背景誤差協(xié)方差矩陣在一系列同化循環(huán)之后能夠與觀測誤差協(xié)方差矩陣適應(yīng)協(xié)調(diào)起來。同時初始集合樣本的標準差空間分布特征與觀測誤差的空間分布比較一致，說明每個初始樣本都可以代表一種觀測出現(xiàn)的可能性。并且初始的集合狀態(tài)變量與模式和觀測都是動力協(xié)調(diào)的。
　　其次，利用經(jīng)驗正交函數(shù)（EOF）方法，在同化過程中使用的線性、一階馬爾科夫隨機模型被進一步的修改和擴展成預(yù)報12個月的模型。該模型同樣被嵌入到ICM的SST異常模式中來模擬12個月集合預(yù)報過程中的模式不確定性。因此我們將這種綜合考慮初始誤差和模式誤差的集合方法應(yīng)用到ICM中預(yù)報在熱帶太平洋的SST異常。后報試驗從1975～2004年共30年的每個月都開始預(yù)報12個月，同時把預(yù)報結(jié)果與相應(yīng)的觀測資料和原始的確定性預(yù)報結(jié)果相比較。
　　最后，對于集合預(yù)報結(jié)果的檢驗包括了確定性預(yù)報檢驗和概率預(yù)報檢驗。確定性預(yù)報檢驗包括了相關(guān)系數(shù)和均方根誤差。在概率預(yù)報檢驗方面，包括Talagrand概率分布檢驗、高斯分布檢驗、離散度檢驗、Brier評分檢驗、相對作用特征（ROC）檢驗的統(tǒng)計檢驗。檢驗結(jié)果表明，該集合預(yù)報方法是合理可行的，通過該集合方法明顯的提高了ICM的確定性預(yù)報水平，集合預(yù)報系統(tǒng)也有較高的概率預(yù)報技巧，對確定性預(yù)報是一個完善和補充。
　　3.?基于30年的集合后報結(jié)果，我們針對ENSO預(yù)報領(lǐng)域兩個比較熱門的研究問題，即“春季預(yù)報障礙”和預(yù)報誤差對ENSO預(yù)報的影響。進一步探討了該集合預(yù)報系統(tǒng)在不同季節(jié)的預(yù)報性能，以及集合預(yù)報系統(tǒng)中所采用的預(yù)報誤差（初始誤差和模式誤差）方案對ENSO預(yù)報水平的影響。對于季節(jié)可預(yù)報性而言，確定性的樣本均值預(yù)報仍存在明顯的季節(jié)變化，而對于概率預(yù)報而言，集合預(yù)報系統(tǒng)的預(yù)報性能沒有明顯的季節(jié)變化，消除了“春季預(yù)報障礙”。
　　關(guān)于預(yù)報誤差的影響，EnKF同化結(jié)果提供的作為確定性初始場的樣本均值是一個最優(yōu)估計，并且初始擾動對確定性預(yù)報水平的改進幾乎無作用；EnKF同化方法相比原始的初始化方法能夠提供更加協(xié)調(diào)的初始場，提高預(yù)報技巧；預(yù)報過程的模式誤差擾動能使樣本均值平滑掉一些不可預(yù)報的噪音，進一步提高樣本均值的預(yù)報技巧；如不考慮預(yù)報過程的模式誤差，EnKF提供的初始不確定性會在較短的預(yù)報時間內(nèi)迅速減小，樣本的分布不能夠表征預(yù)報均值的誤差；考慮預(yù)報過程的模式誤差可克服這一點，從而大大提高集合預(yù)報系統(tǒng)的概率預(yù)報技巧。
　　4.?為了檢驗我們的集合預(yù)報系統(tǒng)在更長的時期（更大的自由度）的可預(yù)報性，我們將只用SST觀測資料做初始化的集合預(yù)報方法應(yīng)用到過去120年的集合后報試驗中，同時分析其在不同時期的年代際預(yù)報性能。檢驗結(jié)果表明：預(yù)報樣本均值的確定性預(yù)報水平仍明顯高于確定性預(yù)報，樣本均值能夠提前12個月對強度較大的ENSO事件做出正確的預(yù)測；確定性分析（相關(guān)系數(shù)和均方根誤差）和概率預(yù)報分析（Talagrand分布和ROC面積）表明集合預(yù)報系統(tǒng)存在著較為明顯的年代際變化；集合預(yù)報系統(tǒng)的概率預(yù)報性能隨季節(jié)沒有明顯的變化。
　　5.?為了進一步能將更多種觀測信息同化入模式，為模式提供更加精確的初始場，在前面工作的基礎(chǔ)上，我們擴展和改進了集合同化過程中的隨機誤差模型，將其從單變量（SST異常）模型拓展到雙變量（SST和海表高度（SL）異常）模型，資料同化方案同樣也擴展到能夠同時同化SST和SL異常觀測資料。為了能夠得到隨機誤差模型中兩個變量協(xié)調(diào)、平衡的系數(shù)，我們采用多變量的經(jīng)驗正交函數(shù)（MEOF）方法來分析變量SST和SL異常的模式誤差屬性，并將改進的馬爾科夫多變量模型嵌入到ICM的動力海洋模式中來模擬模式的不確定性。
　　我們利用發(fā)展的集合同化方法為集合預(yù)報系統(tǒng)提供了更加精確且動力協(xié)調(diào)的100個樣本的集合初始場。13年的后報結(jié)果與原始的集合后報結(jié)果相比，通過改進SL的初始條件來更好的參數(shù)化模擬次表層熱力影響，新的集合預(yù)報水平到預(yù)報12個月均被很顯著的提高了。這種改進表明，相比隨機強迫，ENSO的可預(yù)報性在很大程度上是受初始誤差的限制。同時預(yù)報水平的大幅度改進可以期待通過更加完善的集合資料同化方法來改進模式初始條件的精確性和協(xié)調(diào)性。

　　關(guān)鍵詞：ENSO，集合預(yù)報，中等復(fù)雜程度耦合模式，集合Kalman濾波，馬爾科夫隨機模型，初始不確定性，模式不確定性，經(jīng)驗正交函數(shù)，樣本離散度，預(yù)報水平，可預(yù)報性