排序方式： 共有2条查询结果，搜索用时 234 毫秒
1
1.
基于南京信息工程大学次季节气候预测系统(NUIST CFS1.1),通过调整成员的大气初始化方案并优化了集合预测方案,构建了性能更优、计算成本更低的9成员NUIST CFS1.1 Pro系统。进一步基于实时多变量Madden-Julian Oscillation(MJO)指数和两类北半球夏季季节内振荡(Boreal Summer Intraseasonal Oscillation,BSISO)指数BSISO1和BSISO2,评估了该预测系统对热带不同季节的大气季节内振荡(ISO)的预测技巧。结果表明,NUIST CFS1.1 Pro能分别提前26、17、12 d有效预测(距平相关高于0.5)MJO、BSISO1、BSISO2,对强事件(振幅>1)的有效预测时长能分别延长到30、21、13 d。此预测性能对比国内其他最新次季节动力模式如BCC_CSM2和FGOALS-f2有一定优势,同时在与国际S2S计划的8个主要业务预测系统的技巧对比中,NUIST CFS1.1 Pro在冬季MJO和夏季BSISO1预测上处于较为领先的水平,BSISO2的预测则处于中等水平;对不同位相的计算技巧显示,冬季MJO和夏季BSISO1的2、3、6、7位相较其他位相技巧更高。进一步的分析表明,NUIST CFS1.1 Pro能提前5候准确把握冬季MJO的东传特征,并能在一定程度上预测出其对我国气温异常的影响,尤其是对位相2、3时候的冷异常预测;而在夏季,则能提前4候正确预测BSISO1的北传、西北传特征,尤其能较好地预测西北太平洋上的对流和低层环流异常,从而成功预测出BSISO1造成的我国东部地区降水异常的空间形态。然而预测的强度较观测偏弱,这需要进一步的工作来改进。 相似文献
2.
南京信息工程大学气候预测系统1.0版(NUIST CFS1.0)是基于日本海洋科学技术开发机构(JAMSTEC)的SINTEX-F模式发展而来,可以实现对全球气候异常的季节-年际预测。对过去近40 a的集合历史回报预测试验结果的评估发现,该预测系统对热带太平洋和印度洋海温异常具有良好的预测技巧,并且该系统能提前1.5~2 a对ENSO(Nino3.4指数)做出有技巧的预测(即相关系数达0.5),同时也可以提前1~2个季节对印度洋偶极子(IOD)做出有较高技巧的预测,展现了对主要热带气候信号的良好预测技巧。但是与国内外所有动力模式预测系统类似,该系统对东亚地区的气候异常预测还存在较大的不足。考虑到ENSO对东亚地区气候异常的强烈影响,本文尝试去除与ENSO预测相关的系统偏差来初步订正东亚地区夏季温度异常和降水距平百分率的预测结果。对比订正前后的结果表明,这一简单的订正方法有助于提高我国气候异常的预测准确率。同时选取2019年夏季气温异常和降水距平百分率的实时预测结果作为个例进行分析,发现订正能够提供一定的技巧改善,但与观测结果相比仍存在较大偏差,需要在今后的工作中不断改进完善。此外,本文也初步评估了NUIST CFS1.0对我国冬春季的气候预测技巧,并提供了经简单订正后的2019/2020年冬季和2020年春季的实时预测结果。 相似文献
1