气候与环境研究
氣候與環境研究
기후여배경연구
CLIMATIC AND ENVIRONMENTAL RESEARCH
2013年
4期
524-538
,共15页
天气%气候%可预报性%最优扰动%非线性局部Lyapunov指数
天氣%氣候%可預報性%最優擾動%非線性跼部Lyapunov指數
천기%기후%가예보성%최우우동%비선성국부Lyapunov지수
Weather%Climate%Predictability%Optimal perturbation%Nonlinear local Lyapunov exponent
简要回顾了数值天气预报和气候预测可预报性研究的若干动力学方法,包括用于研究第一类可预报性问题的线性奇异向量(LSV)和条件非线性最优初始扰动(CNOP-I)方法,以及Lyapunov指数和非线性局部Lyapunov指数方法。前两种方法用于研究预报或预测的预报误差问题,可以用于估计天气预报和气候预测的最大预报误差,而且根据导致最大预报误差的初始误差结构的信息,这两种方法可以用于确定预报或预测的初值敏感区。应该指出的是,LSV是基于线性化模式,对于描述非线性大气和海洋的运动具有局限性。因而,对于非线性模式,应该选择使用CNOP-I估计最大预报误差。Lyapunov指数和非线性局部Lyapunov指数可以用于研究第一类可预报性问题中的预报时限问题,前者是基于线性模式,不能解释非线性对预报时限的影响,而非线性局部Lyapunov指数方法则考虑了非线性的影响,能够较好地估计实际天气和气候的预报时限。第二类可预报性问题的研究方法相对较少,本文仅介绍了由我国科学家提出的关于模式参数扰动的条件非线性最优参数扰动(CNOP-P)方法,该方法可以用于寻找到对预报有最大影响的参数扰动,并可以进一步确定哪些参数最应该利用观测资料进行校准。另一方面,通过对比CNOP-I和CNOP-P对预报误差的影响,可以判断导致预报不确定性的主要误差因子,进而指导人们着力改进模式或者初始场。
簡要迴顧瞭數值天氣預報和氣候預測可預報性研究的若榦動力學方法,包括用于研究第一類可預報性問題的線性奇異嚮量(LSV)和條件非線性最優初始擾動(CNOP-I)方法,以及Lyapunov指數和非線性跼部Lyapunov指數方法。前兩種方法用于研究預報或預測的預報誤差問題,可以用于估計天氣預報和氣候預測的最大預報誤差,而且根據導緻最大預報誤差的初始誤差結構的信息,這兩種方法可以用于確定預報或預測的初值敏感區。應該指齣的是,LSV是基于線性化模式,對于描述非線性大氣和海洋的運動具有跼限性。因而,對于非線性模式,應該選擇使用CNOP-I估計最大預報誤差。Lyapunov指數和非線性跼部Lyapunov指數可以用于研究第一類可預報性問題中的預報時限問題,前者是基于線性模式,不能解釋非線性對預報時限的影響,而非線性跼部Lyapunov指數方法則攷慮瞭非線性的影響,能夠較好地估計實際天氣和氣候的預報時限。第二類可預報性問題的研究方法相對較少,本文僅介紹瞭由我國科學傢提齣的關于模式參數擾動的條件非線性最優參數擾動(CNOP-P)方法,該方法可以用于尋找到對預報有最大影響的參數擾動,併可以進一步確定哪些參數最應該利用觀測資料進行校準。另一方麵,通過對比CNOP-I和CNOP-P對預報誤差的影響,可以判斷導緻預報不確定性的主要誤差因子,進而指導人們著力改進模式或者初始場。
간요회고료수치천기예보화기후예측가예보성연구적약간동역학방법,포괄용우연구제일류가예보성문제적선성기이향량(LSV)화조건비선성최우초시우동(CNOP-I)방법,이급Lyapunov지수화비선성국부Lyapunov지수방법。전량충방법용우연구예보혹예측적예보오차문제,가이용우고계천기예보화기후예측적최대예보오차,이차근거도치최대예보오차적초시오차결구적신식,저량충방법가이용우학정예보혹예측적초치민감구。응해지출적시,LSV시기우선성화모식,대우묘술비선성대기화해양적운동구유국한성。인이,대우비선성모식,응해선택사용CNOP-I고계최대예보오차。Lyapunov지수화비선성국부Lyapunov지수가이용우연구제일류가예보성문제중적예보시한문제,전자시기우선성모식,불능해석비선성대예보시한적영향,이비선성국부Lyapunov지수방법칙고필료비선성적영향,능구교호지고계실제천기화기후적예보시한。제이류가예보성문제적연구방법상대교소,본문부개소료유아국과학가제출적관우모식삼수우동적조건비선성최우삼수우동(CNOP-P)방법,해방법가이용우심조도대예보유최대영향적삼수우동,병가이진일보학정나사삼수최응해이용관측자료진행교준。령일방면,통과대비CNOP-I화CNOP-P대예보오차적영향,가이판단도치예보불학정성적주요오차인자,진이지도인문착력개진모식혹자초시장。
Several dynamical methods used in predictability studies for numerical weather forecasting and climate prediction are briefly introduced. For the first type, the methods of linear singular vector (LSV), conditional nonlinear optimal initial perturbation (CNOP-I), Lyapunov exponent, and nonlinear local Lyapunov exponent (NLLE) are reviewed. The LSV and CNOP-I have been used to estimate maximal forecast errors and to identify sensitive areas in the initial stages of weather and climate prediction. Because the former method is based on a linear model and has limitations in determining nonlinear atmospheric and oceanic motions, the latter is recommended for use in nonlinear models. The Lyapunov exponent and NLLE have been used to study predictable time issues. The former is based on linear models; therefore, it cannot be used to explore nonlinear effects. However, the latter considers these effects and can be used to more accurately estimate maximal predictable time in actual weather and climate prediction. For the second type of predictability study, this paper reviews only the method of conditional nonlinear optimal parameter perturbation (CNOP-P). The CNOP-P can be used to search parameter perturbations that largely affect the forecasts and to determine those that should be verified by observation. A comparison of forecast errors brought by CNOP-I and CNOP-P can be used to determine whether the model or initial state should first be improved.