基于气候系统中多因子相互作用的气候预测新方法研究

Recently, there are growing demands for improved climate prediction from the government and society. Therefore, more and more experts have been devoted to the research of new theories, or methods on climate prediction. Considering the climate system is a nonlinear, non-stationary complex system, we may get better climate prediction skills if nonlinear techniques are used. This project plans to apply several new nonlinear methods to the research of climate prediction. The idea is that, the state of a given climate variable can be decomposed into two parts: the memory effects from history and the current dynamical excitations. By first studying these two parts separately, then combine their results together, one can design a new climate prediction method. For the memory effects from history, we apply the recently proposed Fractional Integral Stochastic Model (FISM) to extract the memory signals, and further evaluate the contributions of memory effects on the short-term climate prediction. As for the current dynamical excitations, we aim to design a new method, which can diagnose how the multi-variables are interacted with each other, on different time scales and during different time periods. With this method, we will be able to classify different predictors into different time scales, and further design a hierarchical prediction model (for the current dynamical excitations). By combining both the results from FISM and the hierarchical prediction model, we can finally obtain the climate predictions. In this research, we plan to apply this new method to the summer-time short-term climate predictions over China. Besides the designing of the new method, we also expect a new perspective on the research of climate prediction.

随着国家社会对气候预测的需求越来越高，针对气候预测新理论、新方法的研究逐渐受到越来越多的重视。考虑到气候系统是非线性、非平稳的复杂系统，利用非线性方法建立的气候预测模型或许会有更好的预报能力。本研究拟利用近几年出现的一些新方法，将被预测气候要素的状态分解成“历史影响”和“当前扰动”两部分，通过分别对两部分展开研究，建立一种新的气候预测方法。对于“历史影响”部分，利用分数阶随机气候模型实现对气候要素中记忆性信号的提取，进而评估这种“历史影响”对实际气候预测的贡献；对于“当前扰动”部分，尝试建立一套可诊断多因子多尺度相互作用强弱及时间稳定性的新方法，通过对多预报因子进行尺度分离，分层建立预报模型，实现对“当前扰动”部分的预测。最后，将两部分结合，给出对该要素的最终预测结果。本项目拟将该方法应用于我国汛期的气候预测中。除此之外，希望通过本项目，逐步形成一条新的气候预测思路供广大业务工作人员参考。

气候系统是一个非线性、非平稳的复杂系统。为了更好地开展气候预测，有必要充分考虑气候系统中的多因子多尺度相互作用及相应的非线性效应。本项目便是重点针对这个问题而开展的，希望通过本项目研发新的方法，为气候预测水平的提高提供支撑。.本项目的主要研究思路是将被预测气候要素的状态分解成“历史影响”和“当前扰动”两部分，通过分别对两部分展开研究，建立一种新的气候预测方法。四年来，项目组按计划首先利用分数阶随机气候模型评估了气候系统中不同要素（温度、降水等）的记忆性特征（“历史影响部分”）对气候预测的可能贡献，并在此基础上进一步利用方差分解法挖掘了“当前扰动”部分的可预报性，建立了估算气候可预报性的新方法；然后项目组进一步对已有的去趋势偏-交叉相关分析方法进行了升级和完善，实现了对多因子多尺度相互作用随时间变化的诊断，并通过引入方差项，实现了对多因子多尺度相互作用强度的诊断；接下来，重点针对“当前扰动”部分开展了多因子多尺度分析及气候可预报性来源分析，建立了一套诊断气候可预报性来源的新方法，并为后续建立气候预测模型做好了准备；最后，从“历史影响”和“当前扰动”两个方面建立了一种新的气候预测模型，其中，“历史影响”部分由分数阶随机气候模型估算，而对“当前扰动”部分的预测则依赖于由多因子多尺度相互作用分析、方差分解法、回归分析等完成。除此之外，在完成项目计划书内容的同时，还针对我国短期气候预测的重要前期因子，厄尔尼诺，开展了判别其气候影响强弱的研究，提出了一种可以客观判别厄尔尼诺气候影响强弱的指标。另外，针对影响我国气候的重要大尺度调制因素，太平洋年代际振荡，从气候网络的分析出发，建立了一种预警其位相转换的新方法。.上述研究提出了一种气候预测的新思路，并初步建立了一个可能的预测模型框架，有望从新的角度为气候预测的改进做出贡献。通过研究，提出了若干新方法，有望应用于今后的气候预测预警研究中。