Advanced Search
Impact Factor: 5.8

免伴随方法的ENSO事件可预报性研究

海洋面积约占地球总面积的71%,海洋的微小变化对自然界天气和气候有着不容忽视的影响,用“失之毫厘,谬以千里”来描述这种影响也不为过。其中,发生在热带太平洋的厄尔尼诺-南方涛动现象,是全球范围内年际、年代际气候变化的显著信号,它的发生会造成全球性的天气和气候异常。目前对ENSO的实时预报于显示仍有一定的差距,因此研究其可预报性具有重要的意义。

围绕上述问题,同济大学软件学院穆斌教授、其博士研究生任菊慧,袁时金教授及其合作者,在中国科学院所冠名的IOCAS ICM模式上,将ICM模式模拟得到的非ENSO事件作为基本态,采用一种免伴随方法——基于梯度定义的方法求解CNOP,并应用于ENSO事件的海表温度最优前期征兆的研究。研究表明,得到的最优前期征兆在赤道中西太平洋呈现出正异常信号,但是不同季节的最优前期征兆模态不尽相同,并且呈现出一定程度的季节敏感性。

基于不同季节的最优前期征兆,进一步将其叠加到对应季节的初始态,发现均可发展为厄尔尼诺事件,其Niño3.4指数在年末达到峰值。文章的通讯作者袁时金教授指出,传统求解CNOP的伴随方法,非常依赖于伴随模式,而伴随模式的开发和验证是极为耗时耗力的。本研究将GD方法应用于ICM模式的CNOP求解,未来可应用于具有相同或者更高复杂度的数值模式进行ENSO事件的可预报性研究,这对提高ENSO事件的预报技巧具有重要的实际意义。

袁时金教授同时提到,在使用GD方法求解ICM模式CNOP的基础上,如何进一步将该方法应用于其他物理量的最优前期征兆的识别,以及模式参数的优化等方面,以进一步提高ICM模式对ENSO事件的模拟预报能力,这方面仍需深入研究。

以上研究已被《Advancesin Atmospheric Sciences》接收并出版,得到了中央高校基本科研业务费专项资金,中国科学院战略重点研究计划等项目的共同资助,穆斌教授为第一作者, 其项目组的博士研究生任菊慧为第二作者,袁时金教授为通讯作者。



图1 正常年、厄尔尼诺年、拉尼娜年示意图


论文信息:Mu, B., J. H. Ren, S. J. Yuan, R.-H. Zhang, L. Chen, and C. Gao, 2019: The optimal precursors for ENSO events depicted using thegradient-definition-based method in an intermediate coupled model. Adv. Atmos.Sci., 36(12), 13811392, https://doi.org/10.1007/s00376-019-9040-y

下载链接:http://www.iapjournals.ac.cn/aas/en/article/doi/10.1007/s00376-019-9040-y