资源描述：
《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_段晚锁》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第18卷第4期气候与环境研究Vol.18,No.42013年7月ClimaticandEnvironmentalResearchJul.2013段晚锁,丁瑞强,周菲凡.2013.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[J].气候与环境研究，18(4):524–538，doi:10.3878/j.issn.1006-9585.2012.12009.DuanWansuo,DingRuiqiang,ZhouFeifan.2013.Severaldynamicalmethodsusedinp
2、redictabilitystudiesfornumericalweatherforecastsandclimateprediction[J].ClimaticandEnvironmentalResearch(inChinese),18(4):524–538.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112段晚锁丁瑞强周菲凡1中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室，北京1000292中国科学院大气物理研究所云降水物理和强风暴实验室，北京100029摘要简要
3、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
4、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
5、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。关键词天气气候可预报性最优扰动非线性局部Lyapunov指数文章编号1006–9585（2013）04–0524–15中图分类号P437文献标识码Adoi:10.3878/j.issn.1006-9585.2012.12009SeveralDynamicalMethodsUsedinPredictabilityStudiesforNu
6、mericalWeatherForecastsandClimatePrediction112DUANWansuo,DINGRuiqiang,andZHOUFeifan1StateKeyLaboratoryofNumericalModelingforAtmosphericSciencesandGeophysicalFluidDynamics,InstituteofAtmosphericPhysics,ChineseAcademyofSciences,Beijing1000292Laboratory
7、ofCloud–PrecipitationPhysicsandSevereStorms,InstituteofAtmosphericPhysics,ChineseAcademyofSciences,Beijing100029AbstractSeveraldynamicalmethodsusedinpredictabilitystudiesfornumericalweatherforecastingandclimatepredictionarebrieflyintroduced.Forthefir
8、sttype,themethodsoflinearsingularvector(LSV),conditionalnonlinearoptimalinitialperturbation(CNOP-I),Lyapunovexponent,andnonlinearlocalLyapunovexponent(NLLE)arereviewed.TheLSVandCNOP-Ihavebeenusedtoestimatemaximalforecasterrorsandtoidentifysensitivear
