ENSO预报的耦合资料同化研究

目前利用海气耦合模式进行ENSO预报的初始场大都是同化海洋资料到耦合模式的海洋模式中得到，其主要依据是海洋对初始条件具有更长的记忆性。但由于耦合模式的预报误差会同时通过海洋和大气分量以及它们的相互反馈来增长，因此仅同化海洋观测无法有效地压制通过大气分量的误差增长。另一方面，仅同化如SST和高度计等海洋观测无法很好地约束热带太平洋表层及次表层流场，从而使流场的初始误差对SST预报的影响很大。解决上述问题的一个途径是利用耦合同化的方法，同时将大气和海洋观测同化到耦合模式中。本研究利用一个中等复杂程度耦合模式来研究ENSO预报的耦合同化方法及效果检验。该方法利用EnKF算法，用耦合样本构造背景协方差来同化海洋和风应力观测。该方法的创新点是充分利用了热带太平洋地区风应力和海流的高相关性，通过同化风应力显著地提高模式初始流场的精度，从而抑制SST预报误差通过平流项误差的快速增长，有助于提高预报精度。

如何为ENSO模式提供精确的初始场，仍然是提高ENSO模式预报水平的关键。本项目近三年的研究突破了ENSO预报的初始化瓶颈，大幅提高了ENSO预报的技巧。以往ENSO预报主要关注初始温度场。本项目研究揭示海洋表层和次表层流场的初始误差是进一步制约ENSO预报精度的重要因素。但由于海洋流场观测的缺乏，无法对其进行直接同化。为克服这一瓶颈，本项目研究发现在热带海域，大尺度流场和风场相关性很高，并发展了一个耦合同化方法将风场观测同化到海洋模式中，提高了初始流场的精度。.本项目是利用一个中等复杂程度耦合模式来研究ENSO预报的耦合同化方法及效果检验。项目已完成了预期目标，三年以来，项目建立了一个跨季度的ENSO集合预报系统暨耦合同化系统，并应用于实时的ENSO预测研究，为我国的气候会商会提供可靠的预测结果。项目组成员共发表10篇，其中SCI论文6篇。