[论文解读] Quantifying the Predictability of ENSO Complexity Using a Statistically Accurate Multiscale Stochastic Model and Information Theory

Xianghui Fang, Nan Chen|arXiv (Cornell University)|Mar 5, 2022

Climate variability and models被引用 9

一句话总结

本文提出了一种基于信息论的框架，采用统计上精确的多尺度随机模型，量化了不同类型厄尔尼诺-南方涛动（ENSO）事件的可预报性极限。研究发现，中太平洋（CP）厄尔尼诺和拉尼娜事件具有高达两年的强可预报性，而东太平洋（EP）厄尔尼诺事件则高度不可预报，集合离散度在不确定性量化中起关键作用，且高斯近似在高效计算中表现准确。

ABSTRACT

An information-theoretic framework is developed to assess the predictability of ENSO complexity, which is a central problem in contemporary meteorology with large societal impacts. The information theory advances a unique way to quantify the forecast uncertainty and allows to distinguish the predictability limit of different ENSO events. One key step in applying the framework to compute the information gain representing the predictability is to build a statistically accurate dynamical model. To this end, a recently developed multiscale stochastic model, which succeeds in capturing both the large-scale dynamics and many crucial statistical properties of the observed ENSO complexity, is incorporated into the information-theoretic framework. It is shown that different ENSO events possess very distinct predictability limits. In addition to the ensemble mean, the ensemble spread also has remarkable contributions to the predictability. While the information theory indicates that predicting the onset of the eastern Pacific El Niños is challenging, it reveals a universal tendency to convert strong predictability to skillful forecast for predicting many central Pacific El Niños about two years in advance. In addition, strong predictability is found for the La Niña events, corresponding to the effective discharge process. In the climate change scenario with the strengthening of the background Walker circulation, the predictability of sea surface temperature in central Pacific has a significant response with a notable increase in summer and fall. Finally, the Gaussian approximation is shown to be accurate in computing the information gain, which facilitates the use of more sophisticated models to study the ENSO predictability.

研究动机与目标

• 为解决量化ENSO预报技巧上限的挑战，特别是针对具有复杂动力学特征的多样化ENSO类型。
• 克服传统路径依赖指标（如均方根误差和异常相关系数）在捕捉混沌系统内在可预报性和不确定性方面的局限性。
• 开发一种框架，以区分集合预报中信号与发散（离散度）对可预报性的贡献。
• 评估气候变化和模型组件对ENSO可预报性的影响，特别是对CP和EP事件的影响。
• 验证高斯近似在复杂模型中用于高效计算信息增益的适用性。

提出的方法

• 整合一种新近发展的多尺度随机模型，精确再现观测到的ENSO统计特性，包括空间模态、时间演变和变异性。
• 应用信息论计算信息增益作为可预报性的度量，并将其分解为信号与发散两部分。
• 采用信号-发散分解方法，量化可预报性中有多少来自集合均值（信号），有多少来自集合离散度（发散）。
• 采用高斯近似进行信息增益计算，经验证在有限集合成员数下具有高准确性和高效性。
• 通过增强背景沃克环流的气候变化情景开展敏感性分析，评估CP和EP区域海表温（SST）可预报性的变化。
• 通过逐项排除风爆发、经向平流和年代际变异性，执行组件敏感性测试，以隔离其在可预报性损失中的作用。

实验结果

研究问题

• RQ1 不同类型的ENSO事件（包括CP厄尔尼诺、EP厄尔尼诺和拉尼娜）的可预报性极限有何不同？
• RQ2 集合均值与集合离散度对ENSO事件整体可预报性的贡献有何差异？
• RQ3 在沃克环流增强的气候变化情景下，ENSO事件的可预报性将如何变化？
• RQ4 关键物理过程（如风爆发、经向平流和年代际变异性）如何影响CP和EP ENSO事件的可预报性？
• RQ5 在复杂ENSO模型中，信息增益计算的高斯近似是否足够准确，从而实现对有限集合数据的高效应用？

主要发现

• 中太平洋（CP）厄尔尼诺事件在约两年的提前期表现出强可预报性，且存在从高可预报性到技能预报的显著转化。
• 拉尼娜事件的可预报性强于中等和超强EP厄尔尼诺，这与其中期成熟阶段有效的放电过程有关。
• 在沃克环流增强的气候变化情景下，中太平洋（T_C）海表温的可预报性在夏秋季节显著提高，而东太平洋（T_E）则基本保持不变。
• 排除风爆发会导致EP厄尔尼诺预测中出现显著的信息损失，主要体现在发散分量中，从而削弱极端事件的预报能力。
• 信息增益的高斯近似既准确又高效，使得信息论在有限集合成员数的复杂模型中得以实用化应用。
• 海洋经向平流主要影响CP厄尔尼诺的可预报性，而年代际变异性则同时增强了CP和EP区域的可预报性。