智协飞 张璟 段晚锁

1 南京信息工程大学气象灾害预报预警与评估协同创新中心/气象灾害省部共建教育部重点实验室，南京210044

2 南京信息工程大学大气科学学院，南京210044

3 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（LASG），北京100029

1 引言

ENSO是重要的短期气候现象之一，它的发生、发展可引起全球性气候异常，造成众多地区发生严重的旱涝、高温或低温冰雪灾害，导致许多国家的工农业生产和人民生命财产遭受巨大损失（龚道溢和王绍武，1999；Wang et al., 2000；Trenberth et al., 2002；张人禾等，2003；Sakai and Kawamura，2009）。因此，对 ENSO事件乃至整个热带太平洋地区海温的准确预测具有重要意义。

在过去几十年里，关于ENSO的理论和数值模拟研究均取得了很大进展，但其预测结果仍呈现很大的不确定性（翟盘茂等，2003；Luo et al., 2008；Jin et al., 2008）。不同模式间的预测结果存在较大差异，这种差异可能是由模式内部框架和物理过程的处理方法，以及数值模式的初始化方案不同导致的，如模式的水平和垂直分辨率、物理参数化方案、初始场、资料同化技术等。考虑到各个模式预报均存在不确定性，多模式集合预报技术 得到了发展。多模式集合预报是一种能够提高模式预测水平的一种统计后处理方法（杨学胜，2001）。早在上世纪60～70年代，Danard et al.（1968）和 Thompson（1977）研究发现，通过将两个相互独立的预测结果进行特定的线性组合，其预测的均方根误差（RMSE）可以小于单个预测结果的预报误差。在此基础上，Krishnamurti et al.（1999，2000a）提出了超级集合预报方法（Superensemble Prediction，SUP）。该方法是将多个模式的预报结果通过选取适当的权重系数组合在一起，形成最终的预报结果，以此来降低模式的系统偏差对预报结果的影响。……