分离空间尺度的延伸期数值预报方法研究

Although the prediction skills within 10 days of current numerical prediction models have been greatly improved, very little headway has been made in improving the prediction skills more than 10 days due to the limit of atmospheric predictability. This program aims to carry out the research on extended-range numerical forecasting based on the new theories and methods. The variations of the forecast errors in numerical models will be analyzed firstly in this study. Then a new method to separate predictable components from numerical models, which based on the spatial scale separation principles, will be proposed by using the conditional nonlinear optimal perturbation (CNOP) method. Based on this method which could overcome the difficulties in computing the predictable components of numerical models, we will extract the predictable components of numerical models on 10-30-day time scales, and establish the forecast model for predictable components through applying the dimension transformation. Meanwhile, considered the forecast errors caused by the flaw of model itself, we will adopt the dynamical-statistical method to collect the useful information in historical data and form a scheme to improve the prediction skills of current extended-range prediction models. This method, which based on the existing numerical models and needn't rewrite the program to describe the atmospheric dynamical equations, will provide a new way for the development of extended-range numerical prediction.

由于大气可预报性限制，当前数值预报模式虽然在十天以内的预报能力大大提高，但是十天以上则收效甚微。本项目将基于新的理念和新的方法进行延伸期数值预报的研究。研究中将探索数值模式预报误差的时空变化规律，在此基础上根据模式变量空间尺度分离原理，借鉴条件非线性最优扰动(CNOP)的优化算法,克服以往在模式中提取可预报分量的计算困难，研究在数值模式中分离可预报分量的新方法。利用该方法对10-30天时间尺度内数值模式的可预报分量基底进行提取，实现逐步分离模式变量的可预报分量，对于分离出的可预报分量通过维度转换，建立针对可预报分量的预报模式。同时针对模式本身缺陷所造成的可预报分量的预报误差，采用低维度条件下动力-统计内结合的方法，在历史资料中寻找可预报分量的有用信息，改善预报效果。该方法以已有数值模式为基础，无需重新编写描述大气动力方程组的程序，为延伸期数值预报的发展提供了良好的新途径。

本项目主要基于新的理念和新的方法进行延伸期预报的研究与探索。本项目首先从数值模式预报误差的时空演化规律入手，研究了不同初值条件下Lorenz模式预报误差的演化情况，并根据误差算子特征值大小确定了积分过程中的可预报分量。定义了数值模式预测误差的相似可预报度，用以衡量逐年模式预测误差的可预测性。在已有的月动力延伸预报模式的基础上，从数值模式可预报分量的定义出发，通过构建新的泛函，采用免伴随模式的快速算法实现对目标泛函极小值的求取，从而实现了在原始模式运行过程中提取可预报分量。以此为基础在可预报分量基底上，将历史资料分离为可预报分量和混沌分量。对模式的可预报分量，在历史资料的可预报分量中寻找相似场，降低了相似判断过程中变量的维数，消除了对初值扰动敏感的快变分量的影响，使得相似初始场在模式积分中可以提供有效的预报误差信息。初步建立了基于可预报分量的10-30天延伸期预报模式，采用4个相同的初始场分别对可预报分量模式和原始模式进行积分，对比了模式10-30天延伸期时段内200hPa、500hPa、850hPa的位势高度场预报状况，结果表明数值模式的延伸期预报技巧有所提高，其中热带外北半球可预报分量模式预报结果在200hPa层的提高最为显著，其他区域不同层次高度场也有不同程度的提高，显示了一定的业务应用前景。此外本项目基于可预报分量理论对持续性异常高温事件进行研究，发现提取的异常型稳定分量可以很好地解释此次持续高温及其减弱过程的维持和转变机制；同时还对华南持续性暴雨事件“积成效应”进行了研究，对其水汽输送特征进行了分析，并定量研究了各个水汽源地对华南地区降水的贡献比例。相关研究成果可为持续性异常气候事件的预测提供科学支持，为防灾减灾决策提供服务。