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
摘要:熟练的亚季节极端高温和降水预测可大大造福于水资源管理、公共卫生和农业等多个部门,以减轻极端事件的影响。我们开发了一个统计模型来预测美国北半球夏季每周极端高温天数和 14 天标准化降水指数 (SPI)。我们使用美国土壤湿度的主要主成分和基于北太平洋海面温度 (SST) 的指数作为预测因子。该模型在美国东部的第 3-4 周优于 NCEP 气候预报系统第 2 版 (CFSv2)。研究发现,北太平洋 SST 异常持续数周,并与持续的波列模式相关,导致美国东部阻塞和极端温度的发生率增加。极端干燥的土壤湿度条件持续到第 4 周,并伴有感热通量增加和潜热通量减少,这可能有助于维持上层反气旋。阻塞反气旋带来的晴朗天空条件进一步降低了土壤湿度,增加了极端高温天气的频率。这种巧妙的统计模型有可能帮助制定灌溉计划、作物规划和水库运行,并减轻极端高温事件的影响。
