论文部分内容阅读
气候模式中含有许多的经验参数，这些经验参数的误差会给气候模拟带来较大的不确定性。探讨模式参数误差对气候模拟结果的影响是第二类可预报性研究中的一个非常重要的方面。由于超出可预报性时间尺度时扰动与预报误差之间切线性近似的假设不成立，导致目前在短期数值预报领域的最优扰动方法都难以应用于长期的气候模拟之中。前人研究结果表明短期模式积分的敏感性与长期气候模拟的敏感性是相关的，基于这一研究启示和一种最优扰动(CNOP-P)的最优化思想，本文提出了一种新的最优参数扰动方法，即在给定的约束条件下寻找一种最优的参数扰动，使得对应于不同初始条件的大量短期模式预报集合的总误差达到最大。这样的扰动称为非线性最优集合参数扰动(NOEPP)。本文分别利用简单的Lorenz-63模型和复杂的全物理过程大气环流模式（GAMIL2）验证了NOEPP能够导致长期气候模拟的最大误差，同时也验证了一系列短期天气预报对参数扰动的最大敏感性可以用来估计长期气候模拟对参数扰动的最大敏感性。此外，由于本文NOEPP的求解是以CNOP-P的算法为基础的，然而计算CNOP-P这种最优扰动需要使用伴随模式，而气候模式通常没有伴随模式，所以本文首先在本课题组提出的最优初始扰动(CNOP-I)快速算法的基础上发展了一种计算最优参数扰动CNOP-P的集合样本梯度算法。论文的主要结果，可总结如下: (1)本文在CNOP-I快速算法的基础上发展了计算CNOP-P的集合样本梯度算法，其计算得到的最大预报误差相比优化前的初猜预报误差有大幅度地增加，而且甚至大于由穷举法获得的预报误差的最大值（这里穷举法指在满足参数扰动约束条件下产生一百万个随机参数扰动样本，然后计算出其相应的预报误差的概率分布，其结果可以被看做真实结果），这表明由该集合样本梯度算法计算得到的最优参数扰动CNOP-P是非常精确的。此外，在不同的模式预报时间、不同的参数扰动约束以及不同的初值条件下，由集合样本梯度算法计算得到的CNOP-P始终能够保持较高的精度。 (2)本文求解NOEPP的最大值问题采用了计算CNOP-P的集合梯度算法，遗弃了伴随梯度算法。当短期预报的集合样本数足够大时，非线性最优集合参数扰动(NOEPP)独立于模式初始条件。在参数扰动约束条件分别采用L2-范数约束条件和L∞-范数约束条件的情况下，非线性最优集合参数扰动(NOEPP)都能够对Lorenz-63模型气候态的模拟产生最大的影响，即能够导致其气候平均态的最大模拟误差。NOEPP能够导致模式的气候态产生最大模拟误差的原因，可能与短期模拟集合对参数扰动的最大敏感性与气候模拟对参数扰动的最大敏感性之间的高度相关性有关，因为二者都独立于模式的初始条件。由于针对大量不同初值的短期模拟样本集合会反应出模式的一些气候特征，这个针对大量不同初值的短期预报样本集合对参数扰动的敏感性就倾向于与模式预报轨迹的长时间平均对同样的参数扰动的敏感性保持一致。 (3)本文发展了一种基于NOEPP思想的参数估计策略，其目标函数定义为大量对应于不同初值的短期模式预报与其相应的观测之间的总的距离误差。在Lorenz-63模型中的参数估计试验结果表明，在不同短期模拟优化时间尺度，不同观测密度，不同短期模拟集合数以及针对不同观测误差方差和初始误差方差的条件下，三个参数的真实值都能够被这种基于NOEPP的参数估计方法很好地还原出来。但是当短期模拟优化时间尺度过长时这种参数估计就很难有好的试验效果，这是由于非线性混沌动力系统长时间使用切线性近似而导致的。此外，该参数估计算法的极小化迭代过程是非常快的，而且由于该参数估计算法中的不同的短期模拟集合成员之间是相互独立的，如果对每一个短期模拟集合成员都采用不同的CPU核进行并行计算，其所需的计算时间就非常少，因而其计算效率是极其高的。 (4)本文利用NOEPP方法研究参数误差对大气环流模式GAMIL2气候平均态模拟的最大影响。其结果表明，非线性最优集合参数扰动(NOEPP)能够引起大气环流模式GAMIL2的气候平均态巨大的模拟误差;相比标准版本的GAMIL2气候平均态模拟，在三个参数上叠加了NOEPP之后，大多数区域的30年模拟的平均对流降水与总降水比例的值都出现了极大地减少。单参数扰动试验结果表明，相比任何一个单参数扰动，NOEPP这种最优参数扰动组合能够对GAMIL2模拟的30年气候平均态模拟产生更显著的改变。试验结果还表明，这种非线性最优集合参数扰动(NOEPP)组合对气候平均态模拟的影响可能是由三个参数的扰动之间非线性的共同作用产生的，即第二个参数的扰动和第三个参数的扰动的作用大大地加强了第一个参数的扰动对30年气候模拟的对流降水占总降水比例的值的减小的效果。在实际大气模式中参数扰动向量的扰动增长型方向是比较少的，因而非线性最优集合参数扰动(NOEPP)代表了一种最优的参数扰动组合，属于在气候模式中的一种增长型的参数误差。非线性最优集合参数扰动(NOEPP)是通过对大量不同初值对应的短期模式积分的预报误差的集合平均最大化而获得，所以NOEPP能够对长期的气候模拟产生一种非线性的作用并且有能力导致长期气候平均态的最大模拟误差。另外，本文进一步地在复杂的大气模式中验证了短期天气预报对参数扰动的最大敏感性可以用来估计长期气候模拟对参数扰动的最大敏感性。此外，由于所有的短期预报集合样本都是相互独立的，在采用并行计算的条件下，NOEPP的计算时间相比进行一次气候模拟的时间几乎可以忽略不计。因此，本文提出的短期天气预报集合的策略为高分辨率气候模式的不确定性研究提供了一种非常有效而且计算效率非常高的研究手段。