英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

耦合气候模型预测亚澳季风年际变化的主要模态的准确性如何？

Bin Wang · June-Yi Lee · I.-S. Kang ·J. Shukla ·

J.-S. Kug · A. Kumar · J. Schemm · J.-J. Luo ·

T. Yamagata · C.-K. Park

作者简介B.Wang(amp;)J.Y.Lee夏威夷大学/IPRC，邮政大楼，401室，1680美国檀香山东西路，HI 96822，电子邮件：wangbin@hawei.edu

I.-S. 康J.-S.KUG 首尔国立大学，韩国首尔

J.Shukla乔治梅森大学和COLA，美国马里兰州卡尔弗顿

A.Kumar J.Schemm NCEP / NOAA气候预测中心，Camp Springs，MD，USA

J.-J. Luo T. Yamagata FRCGC / JAMSTEC，Yokohama，Japan

C.-K.Park 亚太经合组织气候中心，韩国釜山

收稿日期2007年3月1日收到；2007年8月25日接受；2007年10月30日网上发布copy;Springer-Verlag2007

摘要：准确预测亚澳季风（A-AM）季节性变化是气候预测中最重要、最具挑战性的任务之一。为了了解目前A-AM降水预测准确性低的原因, 本研究试图确定十个最先进的大气-海洋-陆地耦合的气候模式以及它们的多模式集合(MME)能够在何种程度上再现两种主要的A-AM降雨变率模态，这两个模态解释了1981-2001年回报期间年际方差的43%。第一种模态与厄尔尼诺-南方涛动（ENSO）由暖到冷的转向相关，而第二种模态则超前ENSO事件一年，代表了ENSO的前兆条件。第一种模态具有强烈的两年趋势并反映了热带准两年振荡（Melhl in J Clim 6：31-41,1993）。我们发现，季节性降水异常的MME 提前1个月的预测较好地再现了降水变率的两个模态的季节性演变的空间型和逐年时间变化以及它们与ENSO的关系。MME显示了在强厄尔尼诺成熟之前大约五个季节捕获第二种模态中ENSO前兆信号的潜力。然而，MME低估了这两种模态的总方差以及第一种模态的准两年趋势。这些模式难以捕捉海洋性大陆的降水和ENSO衰减阶段的沃克型遥相关，这可能部分地造成了季风的“春季预测障碍”（SPB）。NCEP / CFS模式后报结果表明，随着提前时间的增加，第一种模态的方差增加，表明A-AM降雨的提前较长时间的可预测性主要来自ENSO的可预测性。在CFS模式中，第一个主成分的相关技巧在其快速下降之前保持约0.9至6个月，但是对于空间型，相关技巧跨越北半球春季时表现出明显的下降。这项研究揭示了两项令人惊讶的发现。首先，耦合模式的MME预测能够捕获降水变化的前两种模态，效果优于ERA-40和NCEP-2再分析数据集，这表明将大气视为奴隶可能无法模拟夏季强降水区域的季风降水变化 (Wang et al. in J Clim 17:803–818,

2004)。建议未来的再分析应该用耦合的大气和海洋模式来进行。其次，虽然MME总体上优于任何单个模式，但CFS集合后报在两年期趋势和振幅方面优于MME，表明MME预测的改进技能是以高估第一模态的解释方差为代价的。本文还讨论了其他重要的问题。

关键词 亚洲-澳大利亚季风;耦合大气-海洋-陆地气候模式;降水变化的主导模态; MME提前一个月的预测;NCEP CFS;两年期趋势;ENSO可预测性

1.引言

虽然由于大气运动随机的内部动力过程(Lorenz 1965),几天到两周的天气事件的详细演变可能无法预测。但是。由于大气与较缓慢变化的海洋和陆地表面特性之间的相互作用，大气变量的时间或空间平均值，或者天气的统计行为可以在一个季节或更长的时间尺度上预测。因此，气候的可预测性关键取决于缓慢耦合物理过程的性质。 在热带太平洋，海面温度，海表风和降水紧密相连(Bjerknes 1969); 该地区的气候变化在很大程度上是由缓慢的海洋动力过程决定的(Cane et al. 1986; Zebiak and Cane 1987)。因此，厄尔尼诺-南方涛动（ENSO）及其对全球影响可能是地球气候系统中最可预测的现象。

与热带太平洋气候相比，动力模式模拟和亚洲季风降水年际变化的季节预测是一项重大挑战 (Sperber and Palmer 1996; Goswami 1998; Gadgil and Sajani 1998)。Sperber and Palmer (1996)评估了参与大气模式比较计划（AMIP）的32个大气环流模型（AGCM）的性能。除了1987年的厄尔尼诺和1988年的拉尼娜这些模式在预测1979年至1988年的全印度降雨量方面几乎没有或根本没有准确性。Wang et al. (2004)评估了1996年9月至1998年8月前所未有的厄尔尼诺事件期间11个AGCM中亚澳季风（A-AM）异常的集合模拟性能。亚洲夏季异常的11型模式集合模拟A-AM地区（30°S-30°N，40°E-160°E）的降雨模式显示地图相关系数约为0.45，远低于其在厄尔尼诺地区的相应系数（在其中地图相关系数约为0.8）。检验五种AGCM多模型的潜在可预测性集体（MME）后报21年证实，当模式被观测到的海面温度（SST）强迫时，它们无法有效预测亚太夏季风降水(Wang et al. 2005)。

模拟和预测亚洲夏季风的季节性降雨的困难在一定程度上是由于在预报季风内部动力方面的局限性。利用地球物理流体动力学实验室AGCM，Goswami (1998)假设ENSO对印度季风区域的年际变化的贡献与由SST异常无关的内部振荡引起的区域尺度波动相当。因此，该模型在亚洲夏季风区域的低预测能力可能是由于天气与季节内波动相关的内部动力学或与陆地表面或海洋过程相互作用的不可预测的一部分。但是，还有其他潜在的来源可能会禁止实际的短期可预测性。其他低频（LF）边界强迫的作用，如欧亚大陆和喜马拉雅山脉积雪目前还不清楚。

限制可预测性的因素之一与AGCM单独模拟和所谓的“两层”预测的策略有关。Sperber and Palmer (1996)指出，正确的平均状态更有可能正确地捕获热带降水的年际变化。此外，Turner et al. (2005)表明，提高与ENSO相关的大气遥相关模式预测的准确性需要准确预测气候平均状态。但是，耦合的大气-海洋模型往往在再现良好的气候学方面存在缺陷。为了更好地预测与ENSO遥相关模式相关的气候异常，Bengtsson et al. (1993)提出了一种双层方法，在这种方法中，首先使用耦合模型预测海表温度，然后通过使用预测的海温强迫的大气模型对大气异常进行了预测。最近利用海洋-大气耦合模式进行的最新研究表明，夏季风降水的预报需要研究人员考虑当地季风-暖池海洋的相互作用。(Wang et al. 2003, 2004; Wu and Kirtman 2005; Kumar et al. 2005)。研究表明，观测到的海温强迫大气模式在模拟亚洲夏季风变率方面的性能不佳，部分归因于试验设计。其中大气被迫被动地响应海温变化，而实际上，海温部分是由大气强迫引起的 (Wang et al. 2004)。在没有季风-海洋相互作用的情况下，所有模式都得到了与强降水夏季风区观测不一致的海温-降水正相关关系 (Wang et al. 2005)。因此，为了评估季风的可预测性，需要使用耦合的大气-海洋模型或单层预测系统。

季节性预测的准确性可能受到观测误差和大气和海洋初始状态测定误差的限制，也可能受到模型未解决过程对未解决过程影响的物理参数化的不确定性的限制。从不同初始条件出发的集合预测提供了一种判别集合均值的方法，该总体均值被认为与气候信号有关，并且确定与总体均值的偏差，其被视为由内部动力学引起的噪声和不确定性的一种度量。(Shukla 1981; Rowell et al. 1995; Shukla et al. 2000)为了进一步减少一个模型物理参数化中的不确定性相关误差，本研究中使用了多种模型，并假设各种模型解决方案中的异常误差随意扩散。虽然气候平均状态中的系统误差，如冷舌偏差，过度的信风和双重ITCZ，在许多模型中都是类似的，但我们最近的分析发现，不同模型之间的异常误差有很大的差异。为了获得对CGCM当前状态的一致观点，采用了简单的复合方法来计算MME。 MME是汇总和综合多模式预测的有效方式。人们已经认识到，在MME中，总体平均值降低了单个预测中存在的噪声，增加了相关性并减少了系统误差(Krishnamurti et al. 1999; Doblas-Reyes et al. 2000; Palmer et al.2000)。在下面对夏季风可预报性评估中，我们将分析MME的结果，以便更好地估计实际的可预测性。

确定夏季风的可预测性和确定可预测性的来源对于季节预测和预测与预测相关的潜在不确定性都有重要的意义。如何确定耦合模式后报中的气候可预测性仍然是一个难题。我们建议，A-AM年际变化的显著主要模态可能表示或提供变率的可预测部分的量度。此外，模型在捕获这些主要模态时的表现可能与他们的季节预测技能有关。因此，重要的是：（1）确定A-AM年际变化的主要模态是什么；（2）评估最先进的耦合气候模型如何很好地捕捉A-AM年际变异性的主要模态；（3）确定模型在捕获这些主导模式时的性能如何与季节预测技能相关。这些是本研究的主要目的。

我们的分析将主要集中在降水上，因为降水量是季节预测的最重要变量，也是季节预测中最困难的变量。对降水预测的检验是对气候模式最严格的检验。回顾性预测使用更新的初始条件，与以往的耦合长积分中模拟相比，初始条件的影响有望使CGCM更真实地预测A-AM异常。

2.模式、数据和分析步骤

2.1 模式与数据

本研究所研究的模式是十个完全耦合的大气-海洋-陆地季节预测系统，它们来自于以下两个国际项目：“欧洲季节至年际预测多模式集合系统的发展” (Demeter)(Palmer et al. 2004)和亚太经济合作气候中心气候预测及其在社会中的应用(APCC/CliPAS) (Wang et al. 2007b)。表1简要介绍了每种模式。有关这些模型的更多详情,请参阅表1中引用的相关文献。这些模型包括来自Demeter的七个模型，它们分别来自欧洲科学计算研究和高级培训中心(Cerfacs)、欧洲中程天气预报中心。 STS(ECMSWF)，GeoinicaeVulano-Logia(Inv)，国家气象和气候学实验室，国家气象研究中心(Meteor-France)， 英国气象局和马克斯普朗克气象研究所(MPI)。这些模型包括DEMETER的七个模型，它们分别来自来自欧洲科学计算研究和高级培训中心（CERFACS），欧洲中期天气预报中心（ECMWF），国家地理学报（Instituto Nazionale de Geofisica e Vulcano-logia）（INGV），国家气象和气候学实验室，国家气象研究中心（Meteor-France），英国气象局和马克斯普朗克气象研究所（MPI）。还包括来自APCC / CliPAS的三个耦合模型：全球变化前沿研究中心（FRCGC），国家环境预测中心（NCEP）和首尔国立大学（SNU）。

所有选定的模型都具有1981 - 2001年共同21年的回顾性预测（后报），从4个季节的不同初始条件开始，6至9个月的6-15个成员的整合。除了CFS模式外，在2月1日、5月1日、8月1日和11月1日，初始化了这些后置模式，其中对9、10、11、12、13、19、20、21、22进行了15个大气初始条件的观测，和目标月份前一个月的23天，前一个月的第二至最后一天，以及目标月的第一至第三天 (Saha et al. 2006)在本研究中，我们重点评估了1个月的季节性预测。假设预测在2月1日初始化，1个月的季节性预测意味着3月，4月和5月预测的平均值。CFS后报每月发布一次，积分时间为9个月。

表1是本研究中使用的10个耦合模型的描述