模式参数误差对黑潮路径变异预报的影响

In this study, the conditional nonlinear optimal parameter perturbation (CNOP-P) approach will be used to investigate the nonlinear effects of model parameter errors on the prediction of the Kuroshio path variations using a multi-layer baroclinic model, and also the mechanisms. This project will cover the following two main aspects: (1) The CNOP-P method is used to examine the mode of parameter errors which results in the largest forecast error of the Kuroshio path variations. The nonlinear evolution of the forecast error caused by the model parameter errors and the effects of model parameter errors on the forecast will be investigated. (2) The roles of different physical processes, especially the baroclinic processes on the forecast error developments caused by the model parameter errors will be analyzed. The key physical processes, which affect the forecast error developments, will be explored and the physical mechanism of the influences of model parameter errors on the prediction of the Kuroshio path variations will be revealed. This study will provide a scientific guidance for improving the model and enhancing the forecast skills of Kuroshio path variations.

本项目拟基于多层斜压模式，利用条件非线性最优参数扰动（CNOP-P）方法，深入研究模式参数误差对黑潮路径变异预报的非线性影响及其机理。主要包含两个方面：（1）利用CNOP-P方法，考察导致黑潮路径变异最大预报误差的参数误差模态，并探讨该参数误差引起的预报误差的非线性发展过程，研究模式参数误差对黑潮路径变异预报结果的影响；（2）分析不同物理过程，尤其是斜压过程在参数误差引起的预报误差发展中的作用，探讨影响预报误差发展的关键物理过程，揭示模式参数误差对黑潮路径变异预报影响的物理机制，为发展和改进模式，进而提高黑潮路径变异的预报技巧提供科学的指导。

黑潮路径变异对天气和气候有重要影响，因此开展其可预报性研究，提高预报准确性，对改进天气和气候的预测技巧具有重要意义。本项目主要从模式参数不确定性的角度研究了黑潮路径变异的可预报性。首先，基于2.5-层斜压模式和非线性优化算法，建立了能够对参数误差进行优化的非线性优化系统；其次，利用此优化系统和条件非线性最优扰动（CNOP）方法评估了模式中参数误差对黑潮路径变异预报的影响程度，揭示了风应力大小和海洋层结的误差要比其他参数误差对黑潮路径变异预报影响更大，并阐释了影响的物理机制，该结果对于改进模式中参数值的估计、提高黑潮路径变异的预报技巧具有重要的指导意义；最后，在上述工作的基础上，从理论上扩展了CNOP方法，使其能够探讨模式中边界条件不确定性对预报结果的影响，为开展大气海洋的可预报性研究提供了方法储备。