简介：利用全球谱模式T106L19和增长模繁殖法（BGM）建立了月动力延伸集合预报系统，基于气候海表面温度（SST）和预测海表面温度，设计了三组集合预报试验，一组为气候SST作为模式下边界条件的集合预报试验（CSST试验），另一组为预测SST作为模式的下边界条件的集合预报试验（FSST试验），第三组为前两组试验的集合预报结果之和（AvE30试验），对两种海温强迫分别进行了48个月的试验，并对预报结果进行了检验和分析。结果表明：相对于单一的控制预报，不管是CSST试验还是FSST试验，利用BGM方法制作的初值集合预报能显著提高月平均环流的预报技巧，集合预报对PNA区域的预报技巧改进显著，特别是预测SST强迫有正的贡献；同时考虑初值和边值不确定性影响的集合预报试验（AVE30试验），其全球预报技巧不仅高于控制预报，也分别高于FSST试验和CSST试验，这说明要提高月延伸预报技巧，必须同时考虑初值和边值的影响；大气对SST强迫的响应在模式积分10天开始显著，SST对第二旬和第三句的作用直接影响月平均环流的预报效果，而SST对第二旬和第三旬预报的影响不仅与SST本身变化有关，还与初值有关，不同的初值其作用不同；集合预报对我国夏季月平均温度分布具有较强预报能力，采用预报海温强迫的预报结果，总体上优于气候海温强迫的结果。

简介：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。