机构名称：
¥ 1.0
对印度夏季季风降雨（ISMR）的季节性预测已在将近一个世纪的时间尝试，这是由于其对印度经济的巨大用处和居民的生计。已经做出了许多努力，以增强ISMR预测的技能，并使用大气 - 海洋通用循环耦合模型，但成功率有限。海洋初始化一直是重要参数之一。此案例研究显示了ISMR的耦合预测系统（CFSV2）模拟中改善海洋初始条件（IC）的影响。CFSV2用作印度气象部（IMD）的ISMR季节性预测的操作动力学模型。在这里，我们使用基于全球海洋数据同化系统（GODAS）分析的新的改进的海洋IC来初始化CFSV2的海洋组成部分来展示提高的ISMR技能。这种新分析比NCEP Godas更好，后者使用了早期的海洋模型MOM4P0D，并使用3DVAR同化方案同化了观察到的温度和合成盐度。但是，新的改进的GoDas分析使用MOM4P1海洋模型，并吸收观察到的盐度而不是合成盐度。，我们进行了仅在IC中有所不同的几乎相同模型实验的双组集，其中一组使用NCEP IC，另一组使用新的IC（NIC）。NIC实验显示了更好的ISMR预测技能。改进的海洋IC导致了耦合反馈系统中的海洋和大气变量的实质性改善，从而有助于提高ISMR技能，如示意图
IIOE-2新闻通讯，第8卷，第1期，2024年1月-Incois
主要关键词
相关文件推荐
