厄爾尼諾-南方濤動（ENSO）是熱帶地區年際尺度變率的主導模態，它對包括農業、林業、漁業、公共衛生、水循環、全球碳循環、海洋和陸地生態系統在內的自然系統和人類社會具有重要影響。準確預測ENSO事件發生發展的位相和振幅對氣象防災減災決策具有重要的參考價值。近年來，受益於ENSO動力學機制、氣候模式研發、觀測和數據同化技術等方面的進步，對ENSO事件的動力預測能力有了顯著提升，但不管是從國際還是國內的實際業務預測來看，我們在準確預測ENSO事件的演變特徵等方面依然面臨挑戰。
氣候系統模式存在著系統性的偏差，採用了數據同化技術的季節預測系統在進行數值積分時，結果會受到模式氣候態漂移的影響。這種模式氣候態漂移的具體表現是，當預測試驗開始積分後，隨著積分時間的增長，模式的氣候場逐漸從最初給定的觀測初始場向其自身固有的氣候狀態調整，這種調整會加大模式的系統性偏差，帶來虛假的長期變化趨勢，干擾預測結果。對此，實際試驗中常採用經驗性的偏差訂正方法來消除模式氣候態漂移的影響。但是，關於模式漂移與預測信號相互作用的物理過程目前不甚清楚。
最近，中國科學院大氣物理研究所博士研究生胡帥與其合作者採用IAP-DecPreS氣候預測系統，通過使用“全場同化”和“異常場同化”兩種不同的初始化策略來進行歷史氣候回報試驗，比較了預測技巧差異，定量診斷了不同ENSO反饋過程對預測技巧的貢獻，發現異常場同化策略能夠有效減小模式漂移，顯著提升ENSO的預測技巧，特別是對較長預測時效下強ENSO事件振幅的預測技巧。相反，當採用全場同化策略時，在存在冷舌偏差的熱帶中東太平洋，模式漂移表現為暖海溫偏差不斷增長，它一方面增強了ENSO發展過程中的平均緯向平流負反饋機制，另一方面使得模式中的局地“海洋低層雲-輻射-SST”正反饋轉變為“對流雲-輻射-SST”負反饋，這兩類物理過程均不利於ENSO的發展，最終使得全場同化策略下預測系統嚴重低估ENSO的振幅，造成預測技巧下降。
該工作的價值，在於基於IAP-DecPreS預測系統，明晰了模式漂移影響ENSO預測的關鍵物理過程，為在實際預測中提高預測技巧了提供一種有效途徑。該工作的一個重要啟示是，對於常用的氣候預測偏差訂正技術，由於模式漂移與預測信號之間存在非線性相互作用，基於經驗統計的偏差訂正方法不能完全去除模式漂移的影響，這一點需要引起季節預測研究領域的重視。本文結果對模式研發者尋求減少模式偏差的途徑也具有參考價值。
論文信息：Hu, S., Zhou, T., & Wu, B. (2020). Improved ENSO prediction skill resulting from reduced climate drift in IAP-DecPreS: A comparison of full-field and anomaly initializations. Journal of Advances in Modeling Earth Systems, 12, e2019MS001759.
閱讀更多 中科院之聲 的文章
