2009年全國(guó)優(yōu)秀博士學(xué)位論文中英文摘要:ENSO集合預(yù)報(bào)研究
作者姓名:鄭飛
論文題目:ENSO集合預(yù)報(bào)研究
作者簡(jiǎn)介:鄭飛,男,1979年5月出生,2004年9月師從于中國(guó)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(dòng))研究取得了長(zhǎng)足的進(jìn)步,ENSO預(yù)測(cè)是目前短期氣候預(yù)測(cè)中最為成功的。目前一些預(yù)報(bào)系統(tǒng)已經(jīng)開始了實(shí)時(shí)的ENSO預(yù)報(bào),并且其預(yù)報(bào)水平可以達(dá)到6~12個(gè)月的可信度,其中包括了經(jīng)驗(yàn)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(bào)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(bào)結(jié)果有著很大的不確定性),實(shí)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(shí)間的ENSO預(yù)報(bào)也存在著很明顯的不確定性。為了盡可能的降低ENSO預(yù)測(cè)的不確定性,我們應(yīng)該采取集合概率預(yù)測(cè)的方法加以彌補(bǔ)。
集合預(yù)報(bào)在數(shù)值天氣預(yù)報(bào)中已有了很好的研究和應(yīng)用,但是在ENSO概率預(yù)測(cè)方面仍然處于起步階段,目前大部分研究著重于初始擾動(dòng)(不確定性)對(duì)ENSO預(yù)報(bào)的影響。同時(shí)模式物理過程的不確定性也是影響集合預(yù)報(bào)水平的一個(gè)重要因素,目前研究中考慮較少。在本文,我們嘗試?yán)靡粋€(gè)中等復(fù)雜程度耦合模式來探討ENSO集合預(yù)測(cè)的方法,同時(shí)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(bào)過程的不確定性(模式誤差)對(duì)ENSO集合預(yù)報(bào)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(jiǎn)單的假設(shè)背景誤差是固定的、不隨時(shí)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(jì),EnKF能夠最優(yōu)的使背景場(chǎng)逼近新的觀測(cè)信息,得到更加精確合理的分析場(chǎng)和預(yù)報(bào)場(chǎng)。但是由于EnKF是利用一組預(yù)報(bào)樣本來統(tǒng)計(jì)背景誤差協(xié)方差矩陣,如果沒有模式擾動(dòng)或預(yù)報(bào)樣本的膨脹,預(yù)報(bào)樣本的離散度會(huì)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(jī)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(jī)模式來模擬模式誤差。這種方法對(duì)于沒有外強(qiáng)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(bào)結(jié)果對(duì)觀測(cè)的偏離(不考慮觀測(cè)誤差)。我們首先考慮了模式模擬的對(duì)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(jī)模式將隨機(jī)組分加入到SST異常模式中來隨機(jī)的擾動(dòng)模擬的SST異常場(chǎng)。通過驗(yàn)證,該隨機(jī)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(duì)于集合預(yù)報(bào),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(bào)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(gè)樣本的集合初始場(chǎng)。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(cè)誤差協(xié)方差矩陣適應(yīng)協(xié)調(diào)起來。同時(shí)初始集合樣本的標(biāo)準(zhǔn)差空間分布特征與觀測(cè)誤差的空間分布比較一致,說明每個(gè)初始樣本都可以代表一種觀測(cè)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(cè)都是動(dòng)力協(xié)調(diào)的。
其次,利用經(jīng)驗(yàn)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(jī)模型被進(jìn)一步的修改和擴(kuò)展成預(yù)報(bào)12個(gè)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(gè)月集合預(yù)報(bào)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(bào)在熱帶太平洋的SST異常。后報(bào)試驗(yàn)從1975~2004年共30年的每個(gè)月都開始預(yù)報(bào)12個(gè)月,同時(shí)把預(yù)報(bào)結(jié)果與相應(yīng)的觀測(cè)資料和原始的確定性預(yù)報(bào)結(jié)果相比較。
最后,對(duì)于集合預(yù)報(bào)結(jié)果的檢驗(yàn)包括了確定性預(yù)報(bào)檢驗(yàn)和概率預(yù)報(bào)檢驗(yàn)。確定性預(yù)報(bào)檢驗(yàn)包括了相關(guān)系數(shù)和均方根誤差。在概率預(yù)報(bào)檢驗(yàn)方面,包括Talagrand概率分布檢驗(yàn)、高斯分布檢驗(yàn)、離散度檢驗(yàn)、Brier評(píng)分檢驗(yàn)、相對(duì)作用特征(ROC)檢驗(yàn)的統(tǒng)計(jì)檢驗(yàn)。檢驗(yàn)結(jié)果表明,該集合預(yù)報(bào)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(bào)水平,集合預(yù)報(bào)系統(tǒng)也有較高的概率預(yù)報(bào)技巧,對(duì)確定性預(yù)報(bào)是一個(gè)完善和補(bǔ)充。
3.?基于30年的集合后報(bào)結(jié)果,我們針對(duì)ENSO預(yù)報(bào)領(lǐng)域兩個(gè)比較熱門的研究問題,即“春季預(yù)報(bào)障礙”和預(yù)報(bào)誤差對(duì)ENSO預(yù)報(bào)的影響。進(jìn)一步探討了該集合預(yù)報(bào)系統(tǒng)在不同季節(jié)的預(yù)報(bào)性能,以及集合預(yù)報(bào)系統(tǒng)中所采用的預(yù)報(bào)誤差(初始誤差和模式誤差)方案對(duì)ENSO預(yù)報(bào)水平的影響。對(duì)于季節(jié)可預(yù)報(bào)性而言,確定性的樣本均值預(yù)報(bào)仍存在明顯的季節(jié)變化,而對(duì)于概率預(yù)報(bào)而言,集合預(yù)報(bào)系統(tǒng)的預(yù)報(bào)性能沒有明顯的季節(jié)變化,消除了“春季預(yù)報(bào)障礙”。
關(guān)于預(yù)報(bào)誤差的影響,EnKF同化結(jié)果提供的作為確定性初始場(chǎng)的樣本均值是一個(gè)最優(yōu)估計(jì),并且初始擾動(dòng)對(duì)確定性預(yù)報(bào)水平的改進(jìn)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(chǎng),提高預(yù)報(bào)技巧;預(yù)報(bào)過程的模式誤差擾動(dòng)能使樣本均值平滑掉一些不可預(yù)報(bào)的噪音,進(jìn)一步提高樣本均值的預(yù)報(bào)技巧;如不考慮預(yù)報(bào)過程的模式誤差,EnKF提供的初始不確定性會(huì)在較短的預(yù)報(bào)時(shí)間內(nèi)迅速減小,樣本的分布不能夠表征預(yù)報(bào)均值的誤差;考慮預(yù)報(bào)過程的模式誤差可克服這一點(diǎn),從而大大提高集合預(yù)報(bào)系統(tǒng)的概率預(yù)報(bào)技巧。
4.?為了檢驗(yàn)我們的集合預(yù)報(bào)系統(tǒng)在更長(zhǎng)的時(shí)期(更大的自由度)的可預(yù)報(bào)性,我們將只用SST觀測(cè)資料做初始化的集合預(yù)報(bào)方法應(yīng)用到過去120年的集合后報(bào)試驗(yàn)中,同時(shí)分析其在不同時(shí)期的年代際預(yù)報(bào)性能。檢驗(yàn)結(jié)果表明:預(yù)報(bào)樣本均值的確定性預(yù)報(bào)水平仍明顯高于確定性預(yù)報(bào),樣本均值能夠提前12個(gè)月對(duì)強(qiáng)度較大的ENSO事件做出正確的預(yù)測(cè);確定性分析(相關(guān)系數(shù)和均方根誤差)和概率預(yù)報(bào)分析(Talagrand分布和ROC面積)表明集合預(yù)報(bào)系統(tǒng)存在著較為明顯的年代際變化;集合預(yù)報(bào)系統(tǒng)的概率預(yù)報(bào)性能隨季節(jié)沒有明顯的變化。
5.?為了進(jìn)一步能將更多種觀測(cè)信息同化入模式,為模式提供更加精確的初始場(chǎng),在前面工作的基礎(chǔ)上,我們擴(kuò)展和改進(jìn)了集合同化過程中的隨機(jī)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(kuò)展到能夠同時(shí)同化SST和SL異常觀測(cè)資料。為了能夠得到隨機(jī)誤差模型中兩個(gè)變量協(xié)調(diào)、平衡的系數(shù),我們采用多變量的經(jīng)驗(yàn)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(jìn)的馬爾科夫多變量模型嵌入到ICM的動(dòng)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(bào)系統(tǒng)提供了更加精確且動(dòng)力協(xié)調(diào)的100個(gè)樣本的集合初始場(chǎng)。13年的后報(bào)結(jié)果與原始的集合后報(bào)結(jié)果相比,通過改進(jìn)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(bào)水平到預(yù)報(bào)12個(gè)月均被很顯著的提高了。這種改進(jìn)表明,相比隨機(jī)強(qiáng)迫,ENSO的可預(yù)報(bào)性在很大程度上是受初始誤差的限制。同時(shí)預(yù)報(bào)水平的大幅度改進(jìn)可以期待通過更加完善的集合資料同化方法來改進(jìn)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(bào),中等復(fù)雜程度耦合模式,集合Kalman濾波,馬爾科夫隨機(jī)模型,初始不確定性,模式不確定性,經(jīng)驗(yàn)正交函數(shù),樣本離散度,預(yù)報(bào)水平,可預(yù)報(bào)性