气候与应用前沿研究院罗京佳教授与韩国团队合作发文《Nature》
近日,气候与应用前沿研究院院长、国家特聘专家罗京佳教授与韩国全南国立大学Yoo-GeunHam教授团队合作,在厄尔尼诺-南方涛动(ENSO)预测研究领域取得重要进展。研究成果以“DeepLearningformulti-yearENSOforecasts”为题于9月19日发表在《Nature》期刊。Yoo-GemHam教授为文章第一作者,Jeong-HwanKim博士生、罗京佳教授分别为第二、第三作者。ENSO这一强热带年际气候信号不仅经常引起全球范围气候的显著异常变化,还深刻影响我国气候,因此在短期气候预测中被视为重要的影响因素。尽管经过几十年的努力,提前一年以上进行ENSO事件预测仍是一个很大的挑战。Yoo-GeunHam团队和罗京佳教授利用深度学习方法构建了卷积神经网络模型(CNN),该模型可以将ENSO预测时效提前到一年半,并达到80%左右的预测准确率。研究结果显示,在预测时效超过6个月时,CNN模型对Nino3.4指数的预测能力显著高于目前国际上最优秀的动力预测系统,并且在预测时效为17个月时,相关系数预测技巧仍在0.5以上。同时CNN模型还能预测海表温度异常的不同空间分布,对不同厄尔尼诺类型(东太平洋型、中太平洋型、混合型)预测也有较高的正确率,弥补了目前动力预测系统的不足。本研究利用机器深度学习的方法,不仅提高了ENSO的预测技巧,同时还充分证明了机器深度学习等方法在地球科学大数据上应用的可行性,为地球科学研究提供了更多的思路与方法。论文链接:https://doi.org/10.1038/s41586-019-1559-7ENSO相关系数预测技巧各模型比较ElNiño类型在各模型中预测准确率比较直方图
王斌教授团队在Science子刊发表重要研究成果
近日,王斌教授团队在热带季节内振荡(MJO)研究领域取得新进展。进展成果以“DiversityoftheMadden-JulianOscillation”为题于7月31日发表在《Science》子刊《ScienceAdvances》(影响因子11.51)。王斌教授为文章第一作者,陈国森教授、刘飞教授分别为第二作者(通讯)、第三作者。MJO是热带季节内变率的主导模态,并且是极端天气事件(诸如洪涝、干旱、热带气旋等)季节内尺度预测的基石。但是,气候模式对MJO的模拟和预测仍存在较大的不确定性,这在一定程度上是由于对MJO传播多样性的认识不足造成的。研究MJO传播多样性不仅能提高我们对于MJO传播机制的认识,也能够提高对MJO模拟和预测的能力。王斌教授团队利用聚类分析对观测中的MJO的多样性进行了研究。结果显示MJO可以分为四种基本类型:驻波型、跳跃型、缓慢传播型和快速传播型。每一个类型都具有独特的东-西不对称的环流和热力学结构,体现在Kelvin波响应的强弱及其与MJO对流之间的耦合程度。研究结果揭示了影响MJO传播多样性的物理机制:赤道中太平洋的背景场海温异常可以通过影响Kelvin波响应的强度及其与MJO对流的耦合来影响MJO的传播多样性。本研究深入探讨了MJO传播的多样性,研究结果有助于解释现有数值模式中MJO模拟效果不好及普遍传播过慢的原因,并为预报MJO的传播提供了潜在预报因子。同时,本研究也为数值模式诊断及研究MJO在全球变暖背景下的未来变化提供了一套客观分析手段。MJO传播路径多样性分类论文链接:https://advances.sciencemag.org/content/5/7/eaax0220
两类厄尔尼诺事件的季节预报障碍研究取得新进展
21世纪以来厄尔尼诺-南方涛动事件(ENSO)的预报技巧并没有稳步提高。其原因一方面在于季节性预报障碍现象的干扰,另一方面,新型厄尔尼诺事件的出现也增加了ENSO的预报难度。前人对于厄尔尼诺事件季节预报障碍的研究,大多侧重于传统型厄尔尼诺即东太平洋型厄尔尼诺(EP-ElNiño),对新型厄尔尼诺即中太平洋型厄尔尼诺(CP-ElNiño)的研究较少。为此,我校智协飞教授团队和中科院大气所段晚锁研究员团队合作提出一种针对厄尔尼诺可预报性的资料分析方法,利用多个CMIP5模式的海温资料,对两类厄尔尼诺事件的季节预报障碍展开研究,并分析了导致造成季节预报障碍的初始误差在整个太平洋的分布结构。以博士生侯美夷为第一作者,段晚锁研究员和智协飞教授为通讯作者的论文《Season-dependentpredictabilitybarrierfortwotypesofElNiñorevealedbyanapproachtodataanalysisforpredictability》近日在国际期刊ClimateDynamics发表。论文网页截图 文章结果表明,中太平洋型厄尔尼诺事件(CP-ElNiño)的预报会发生夏季预报障碍,而东太平洋型厄尔尼诺事件(EP-ElNiño)的预报主要受到春季预报障碍的影响。通过对产生季节性预报障碍的海温初始误差进行分析,发现位于北太平洋维多利亚模态区域的初始误差对于CP-ElNiño的强度预报具有重要影响,而位于赤道西太平洋次表层以及东南太平洋的初始误差对CP-ElNiño的结构预报具有重要影响。对于EP-ElNiño事件的预报来说,位于北太平洋维多利亚模态区域的初始误差更侧重于影响其结构的预报,而位于赤道西太平洋次表层以及东南太平洋的初始误差则更容易影响其强度的预报。综上所述,若要在预报中更好地区分两类ElNiño事件,除了热带太平洋以外,我们还应该关注东南太平洋上层以及北太平洋维多利亚模态区域初始海温的准确性。该研究结果对于如何进行模式初始化,从而可以在预报中更加有效地区分两类ElNiño事件具有重要意义。520个针对Nino4指数预报的预报误差月增长率。(a)CCSM4,(b)CESM1-BGC,(c)CMCC-CMS,(d)CNRM-CM5,(e)GFDL-CM3,and(f)GISS-E2-R。横轴表示预报个例,纵轴表示月份。导致CP-ElNiño事件发生显著春季预报障碍的CP-Type-1型海温、海表风场误差(单位:℃、m/s)。(a)CCSM4,(b)CESM1-BGC,(c)CMCC-CMS,(d)CNRM-CM5,(e)GFDL-CM3,and(f)GISS-E2-R。第1-4行表示0m、55m、95m和135m的海洋深度,第5行表示海洋温度误差在5°S-5°N的纬向平均。所有阴影区域表示通过95%显著性t检验的合成误差。 论文网址:https://link.springer.com/article/10.1007%2Fs00382-019-04888-w
07
2019.11
  11月6日下午,大气科学学院院气象与环境联合研究中心党支部在气象楼413会议室开展了“不忘初心、牢记使命”专题党课...
06
2019.11
  “未来气候变化国际学术研讨会”将于2019年11月16日至17日在南京信息工程大学召开。本次会议由南京信息工程大学地...
30
2019.10
  10月24日-31日,加拿大皇家科学院院士、美国地球物理联合会和美国气象学会会士、加拿大维多利亚大学太平洋气候影响...
© 2019 气象灾害教育部重点实验室   版权所有 NUIST备80040
地址:江苏省南京市宁六路219号 气象灾害教育部重点实验室 邮编:210044
技术支持: