高被引論文選編

“條件非線性最優(yōu)擾動(dòng)”主題

來源數(shù)據(jù)庫：SCI-E和CAJD，檢索時(shí)段：2014—2015年

ENSO事件的最優(yōu)前兆和El Ni?o預(yù)測(cè)中最快增長(zhǎng)初始誤差之間的相似性——Similarities between optimal precursors for ENSO events and optimally growing initial errors in El Ni?o predictions. Theoretical and Applied Climatology, 2014, Vol. 115, No. 3-4.

穆穆等利用Zebiak-Cane模型，使用基于條件非線性最優(yōu)擾動(dòng)（CNOP）的一種方法，探討了觸發(fā)El Ni?o/南方濤動(dòng)（ENSO）事件的最優(yōu)前兆（OPR）和El Ni?o預(yù)測(cè)不確定性中的最快增長(zhǎng)初始誤差（OGE）之間的關(guān)系。計(jì)算的El Ni?o事件的OPR包括赤道中東太平洋的海表溫度異常（SSTA）偶極子，加上整個(gè)赤道太平洋的溫躍層深度的正異常?；谟蒓PR觸發(fā)的El Ni?o事件，計(jì)算了導(dǎo)致最大預(yù)測(cè)誤差的OGE。研究發(fā)現(xiàn)，OPR和OGE在中東太平洋上的SSTA偶極子模態(tài)的位置和空間結(jié)構(gòu)以及赤道太平洋相對(duì)均勻的溫躍層深度異常方面具有很大的相似性。相似性可能由與Bjerknes正反饋相同的機(jī)制引起。這表明，如果在有限覆蓋范圍內(nèi)向目標(biāo)觀測(cè)部署附加觀測(cè)儀器，則應(yīng)優(yōu)先部署在赤道中東太平洋，這里已被確定為ENSO預(yù)測(cè)的敏感區(qū)，能更好地探測(cè)ENSO的早期信號(hào)事件并減少初始誤差，從而提高預(yù)報(bào)技能。

改善高影響海洋—大氣環(huán)境事件預(yù)報(bào)初始化的目標(biāo)觀測(cè)——Target observations for improving initialization of high-impact oceanatmospheric environmental events forecasting. National Science Review, 2015, Vol. 2, No. 2.

穆穆等對(duì)目標(biāo)觀測(cè)的近期研究進(jìn)展進(jìn)行了綜述，強(qiáng)調(diào)了準(zhǔn)確的初始條件在預(yù)測(cè)高影響海洋大氣環(huán)境事件中的重要性，如El Ni?o/南方濤動(dòng)（ENSO）、印度洋偶極子（IOD）、熱帶氣旋（TC）和黑潮大彎曲（KLM）。由于實(shí)地觀測(cè)代價(jià)不菲，而且觀測(cè)密度也不足以完全覆蓋發(fā)生這些事件的廣闊空間，因此有必要發(fā)展一些方法，以指導(dǎo)設(shè)計(jì)有效的觀測(cè)策略。其中， CNOP方法已被證明在確定ENSO、IOD、TC和KLM預(yù)測(cè)的目標(biāo)觀測(cè)的敏感區(qū)域時(shí)非常有用。目前需要開展進(jìn)一步的研究，以了解這些事件在氣候變化影響下的可預(yù)測(cè)性，并探討實(shí)施目標(biāo)觀測(cè)的實(shí)地計(jì)劃的可能性。

利用LPJ模型分析區(qū)域和季節(jié)性溫度差異影響下的中國東部地區(qū)凈初級(jí)生產(chǎn)力——The analyses of the net primary production due to regional and seasonal temperature differences in eastern China using the LPJ model. Ecological Modelling, 2014, Vol. 289.

孫國棟等使用與參數(shù)（CNOP-P）有關(guān)的CNOP方法給出的一種溫度變化情景（稱為CNOP-P型溫度變化情景），以及其他兩種溫度變化情景，結(jié)合LPJ動(dòng)態(tài)全球植被模型（LPJ DGVM），估計(jì)了中國東部地區(qū)南北樣帶上的凈初級(jí)生產(chǎn)力（NPP）的變化。CNOP-P型溫度變化情景有兩個(gè)特征。首先，它考慮了南北樣帶上的區(qū)域和季節(jié)溫度差異。不過，由于觀測(cè)的約束，該情景的溫度變化特征與觀測(cè)數(shù)據(jù)相似。其次，該情景考慮了溫度變化對(duì)模擬NPP造成的最大可能影響，討論了模擬NPP響應(yīng)于南北樣帶溫度變化的最大不確定性。研究表明，在CNOP-P型溫度變化情景下，華北的NPP減少了1.84%，東北和華南分別增加了4.09%和18.99%。 CNOP-P型溫度變化情景導(dǎo)致的華北、東北和華南地區(qū)的NPP變化與其他兩種類型的溫度變化情景不同。CNOP-P型溫度變化情景對(duì)NPP的影響要強(qiáng)于其他兩種類型的溫度變化情景。季節(jié)分析表明，三種類型的溫度變化情景下，NPP變化之間的差異主要源于春季、夏季和秋季。上述結(jié)果表明，區(qū)域和季節(jié)性溫度變化在估算NPP的不確定性方面起著關(guān)鍵作用，CNOP-P方法可以提供能夠反映區(qū)域和季節(jié)性溫度變化的可能的溫度變化情景。

使用基于3-D海洋環(huán)流模式及其伴生模式的CNOP方法在南海進(jìn)行適應(yīng)性觀測(cè)——Adaptive observation in the South China Sea using CNOP approach based on a 3-D ocean circulation model and its adjoint model. Journal of Geophysical Research-Oceans, 2014, Vol. 119, No. 12.

中科院南海海洋研究所的Li等研究了適應(yīng)性（或目標(biāo)）觀測(cè)對(duì)改善中國南海（SCS）海洋中期（30d）預(yù)報(bào)技巧的影響。 與南海西部邊界流（SCSWBC）相關(guān)的區(qū)域被選作為適應(yīng)性觀測(cè)的目標(biāo)。 CNOP方法被應(yīng)用于三維海洋模式及其伴生模式，以確定敏感區(qū)域。 結(jié)果表明，CNOP方法確定的敏感區(qū)域的初始誤差對(duì)目標(biāo)區(qū)域海洋狀態(tài)的預(yù)測(cè)有重要影響。因此，通過適應(yīng)性觀測(cè)減少這些初始誤差，可以對(duì)目標(biāo)區(qū)域的海洋狀態(tài)生成更好的30d預(yù)測(cè)。 本研究表明，實(shí)施適應(yīng)性觀測(cè)是提高SCS海洋模式預(yù)報(bào)技巧的一種有效的、節(jié)約成本的方式。

適應(yīng)性觀測(cè)能改善熱帶氣旋強(qiáng)度預(yù)報(bào)嗎——Can Adaptive Observations Improve Tropical Cyclone Intensity Forecasts? Advances in Atmospheric Sciences, 2014, Vol. 31, No. 2.

為了研究適應(yīng)性觀測(cè)是否可以改善熱帶氣旋（TC）強(qiáng)度預(yù)報(bào)，中科院大氣物理研究所的Qin等使用MM5中尺度模式及其3DVAR同化系統(tǒng)，根據(jù)CNOP敏感性對(duì)2010年來自北太平洋西部的20個(gè)TC實(shí)例進(jìn)行了觀測(cè)系統(tǒng)模擬實(shí)驗(yàn)（OSSE）。新的強(qiáng)度指數(shù)被定義為以相應(yīng)的預(yù)測(cè)TC中心位置為中心的分配的方格內(nèi)的網(wǎng)格點(diǎn)數(shù)量的總和，其滿足與海平面氣壓（SLP）、近地表水平風(fēng)速以及累積對(duì)流降水相關(guān)聯(lián)的約束。該指數(shù)值越高，TC的強(qiáng)度越高。然后，估計(jì)了CNOP敏感性對(duì)強(qiáng)度預(yù)測(cè)的影響。 OSSE結(jié)果顯示，20個(gè)TC實(shí)例中有15個(gè)有改善，預(yù)測(cè)誤差的減少在0.12%～8.59%，遠(yuǎn)低于軌跡預(yù)測(cè)。因此，CNOP敏感性對(duì)TC強(qiáng)度預(yù)測(cè)在總體上（但僅在一定程度上）具有積極影響。研究認(rèn)為，諸如使用耦合模式或?qū)C渦旋進(jìn)行更好的初始化等因素，對(duì)于精確的TC強(qiáng)度預(yù)測(cè)更為重要。

數(shù)值模式延伸期可預(yù)報(bào)分量提取及預(yù)報(bào)技術(shù)研究——《中國科學(xué)（地球科學(xué)）》2014年第44卷第2期

王啟光等針對(duì)延伸期尺度的可預(yù)報(bào)分量，借鑒了CNOP相關(guān)算法，形成了在數(shù)值模式中提取可預(yù)報(bào)分量的實(shí)用方法和預(yù)報(bào)技術(shù)。從模式預(yù)報(bào)誤差增長(zhǎng)的角度將模式變量分為可預(yù)報(bào)分量和不可預(yù)報(bào)的混沌分量，將可預(yù)報(bào)分量定義為在預(yù)報(bào)時(shí)段內(nèi)誤差增長(zhǎng)較慢的分量?；诂F(xiàn)有的國家氣候中心月動(dòng)力延伸預(yù)報(bào)業(yè)務(wù)模式，建立了針對(duì)可預(yù)報(bào)分量的數(shù)值模式。同時(shí)結(jié)合歷史資料有用信息，對(duì)數(shù)值模式的可預(yù)報(bào)分量，在歷史資料的可預(yù)報(bào)分量中尋找相似場(chǎng)，降低了相似判斷過程中變量的維數(shù)，進(jìn)一步對(duì)可預(yù)報(bào)分量的預(yù)報(bào)誤差進(jìn)行訂正。對(duì)混沌分量利用歷史資料，通過集合預(yù)報(bào)方法得出其期望值和方差。數(shù)值試驗(yàn)結(jié)果表明，該方法能有效提高10～30天延伸期數(shù)值模式大氣環(huán)流場(chǎng)的預(yù)報(bào)技巧，具有良好的業(yè)務(wù)應(yīng)用前景。

基于CNOP方法的臺(tái)風(fēng)目標(biāo)觀測(cè)中三種敏感區(qū)確定方案的比較研究——《大氣科學(xué)》2014年第38卷第2期

在目標(biāo)觀測(cè)中，敏感區(qū)的確定是個(gè)關(guān)鍵性的問題。周菲凡等詳細(xì)研究了如何用條件非線性最優(yōu)擾動(dòng)（CNOP）方法確定敏感區(qū)。提出了三種確定敏感區(qū)的方案：水平投影方案、單點(diǎn)能量投影方案以及垂直積分能量方案。比較了三種方案確定的敏感區(qū)的差異，分析了它們所闡釋的物理意義，討論了它們的優(yōu)缺點(diǎn)，并通過理想回報(bào)試驗(yàn)考查了不同方案確定的敏感區(qū)的有效性。對(duì)6個(gè)臺(tái)風(fēng)個(gè)例的應(yīng)用結(jié)果顯示，單點(diǎn)能量投影方案與垂直積分能量方案下識(shí)別的敏感區(qū)較為相似，二者與水平投影方案確定的敏感區(qū)則有較大的區(qū)別。兩種能量方案確定的敏感區(qū)更多地反映了環(huán)境場(chǎng)對(duì)臺(tái)風(fēng)的影響，而水平投影方案則反映了臺(tái)風(fēng)自身對(duì)流不對(duì)稱性結(jié)構(gòu)對(duì)臺(tái)風(fēng)發(fā)展變化的影響。理想回報(bào)試驗(yàn)結(jié)果表明，由兩種能量方案確定的敏感區(qū)對(duì)預(yù)報(bào)誤差能量的減小程度以及路徑預(yù)報(bào)的改善程度都要大于水平投影方案確定的敏感區(qū)的效果，且垂直積分能量方案確定的敏感區(qū)的有效性最高。而在強(qiáng)度預(yù)報(bào)方面，三種方案對(duì)預(yù)報(bào)效果的改善程度相當(dāng)。因此，總的說在臺(tái)風(fēng)目標(biāo)觀測(cè)研究中，利用CNOP方法確定敏感區(qū)時(shí)，垂直積分能量方案是較佳的方案。

基于奇異值分解的計(jì)算條件非線性最優(yōu)擾動(dòng)的集合投影算法——A SVD-based ensemble projection algorithm for calculating the conditional nonlinear optimal perturbation. Science China (Earth Sciences), 2015, Vol. 58, No. 3.中文版發(fā)表于《中國科學(xué)（地球科學(xué)）》2015年第45卷第3期

條件非線性最優(yōu)擾動(dòng)（CNOP）是線性奇異向量（LSV）在非線性領(lǐng)域的拓展，它代表了在一定物理約束條件下且在預(yù)報(bào)時(shí)刻導(dǎo)致最大預(yù)報(bào)誤差的一類初始誤差。CNOP類型的初始誤差在天氣和氣候的可預(yù)報(bào)性研究中具有重要作用。在求解復(fù)雜數(shù)值模式的CNOP中，一般通過數(shù)值計(jì)算目標(biāo)函數(shù)關(guān)于初始擾動(dòng)的梯度，并沿著梯度下降方向在相空間搜索極值點(diǎn)而得到CNOP。計(jì)算梯度常用的一個(gè)方法是利用伴隨模式得到梯度，然而發(fā)展一個(gè)復(fù)雜模式的伴隨模式是困難且非常繁瑣的，大大限制了CNOP方法在復(fù)雜數(shù)值模式中的廣泛應(yīng)用。陳磊等在前人工作的基礎(chǔ)上，提出了一種基于奇異值分解（SVD）的集合投影算法。該算法避免了集合投影算法中采用的局地化步驟，從而克服了局地化半徑的經(jīng)驗(yàn)性選擇帶來的不確定性。將該算法應(yīng)用于中等復(fù)雜程度的ENSO預(yù)報(bào)模式中計(jì)算CNOP。結(jié)果表明，用新集合投影算法得到的CNOP能夠有效地逼近用伴隨算法得到的CNOP，抓住了CNOP的主要空間特征。因此，文章提出的基于SVD的集合投影算法是計(jì)算CNOP的一種有效近似算法。

Zebiak-Cane模式中參數(shù)誤差對(duì)ENSO春季預(yù)報(bào)障礙的影響——Role of Parameter Errors in the Spring Predictability Barrier for ENSO Events in the Zebiak–Cane Model, Advances in Atmospheric Sciences, 2014, Vol. 31, No. 3.

中科院海洋研究所的Yu等研究了Zebiak-Cane（ZC）模式中初始誤差和參數(shù)誤差對(duì)春季預(yù)報(bào)障礙（SPB）的影響。過去的研究表明，在ZC模式中初始誤差對(duì)SPB的貢獻(xiàn)比參數(shù)誤差要多。盡管參數(shù)誤差本身是貢獻(xiàn)較小的項(xiàng)，但也許有一種可能，即兩種類型的誤差之間產(chǎn)生非線性相互作用，從而導(dǎo)致比初始誤差單獨(dú)引起的更大的預(yù)報(bào)誤差。在此種情況下，參數(shù)誤差不能被忽視。文中計(jì)算了這兩類誤差的最優(yōu)組合（即條件非線性最優(yōu)擾動(dòng)（CNOP）誤差）用以探討其是否可能導(dǎo)致更顯著的SPB現(xiàn)象。使用CNOP方法，計(jì)算CNOP誤差和CNOP-I誤差（最優(yōu)誤差僅考慮初始誤差），之后對(duì)誤差增長(zhǎng)的3個(gè)方面進(jìn)行比較：1）季節(jié)性誤差增長(zhǎng)的趨勢(shì)；2）海表溫度異常的預(yù)報(bào)誤差；3）誤差增長(zhǎng)的形態(tài)。結(jié)果均顯示CNOP誤差不會(huì)導(dǎo)致更顯著的SPB現(xiàn)象。這一結(jié)果表明，El Ni?o春季預(yù)報(bào)水平可以僅通過降低模式的初始誤差來提升。