ENSO可预报性研究的一个新方法:条件非线性最优扰动

首先给出了条件非线性最优扰动的概念; 其次, 采用简单的ENSO海-气耦合模式, 通过比较条件非线性最优扰动和线性奇异向量的异同, 揭示出在气候可预报性研究中考察误差增长应该使用非线性模式; 然后, 使用条件非线性最优扰动, 初步研究了该ENSO模式的“春季预报障碍”问题.     

条件非线性最优扰动及其在天气和气候可预报性研究中的应用

条件非线性最优扰动(CNOP)是非线性动力系统中满足一定物理约束条件, 且在预报时刻有最大非线性发展的一类初始扰动. 它不仅可以代表某一天气或气候事件的“最优前期征兆”, 而且可以用来研究预报时刻对预报结果有最大影响的初始误差. 在流体运动的(不)稳定性(或敏感性)问题研究中, 它还可以代表最不稳定(或最敏感)的初始模态. CNOP还可以被用来估计某一天气或气候事件预报误差的上界. CNOP的上述物理特征在厄尔尼诺-南方涛动(ENSO)的可预报性研究和海洋热盐环流(THC)的敏感性分析中得到了实现: 在一个海气耦合ENSO模式中, CNOP代表了最容易发展成ENSO事件的初始模态(即最优前期征兆); 在ENSO事件的预报误差研究中, CNOP代表了在预报时刻对ENSO预报有最大影响的初始误差. 当CNOP作为观测ENSO事件的初始扰动时, 它给出了ENSO事件预报误差的上界估计; 当CNOP作为THC的最不稳定(或最敏感)的初始模态时, 它揭示了THC对有限振幅扰动的非线性不对称响应. 最后, 讨论了CNOP方法在较复杂模式中的应用, 结果表明CNOP方法对于较高维数的模式也是适用的, 对应的优化算法也是有效的.