基于IRI实时预测系统的ENSO峰值预测能力评估

陈汉卿; 张文君; 戈文昌; 姜蕾杉

doi:10.13878/j.cnki.dqkxxb.20251128001

大气科学学报 ›› 2026, Vol. 49 ›› Issue (1) : 156 -167. DOI: 10.13878/j.cnki.dqkxxb.20251128001

基于IRI实时预测系统的ENSO峰值预测能力评估

陈汉卿, 张文君, 戈文昌, 姜蕾杉

作者信息 +

Author information +

文章历史 +

PDF

摘要

基于2002—2025年IRI(International Research Institute for Climate and Society)实时多模式预测资料，构建了一个面向事件的ENSO(El Niño-Southern Oscillation)峰值诊断框架，定量评估预测系统对峰值强度与峰值时间两项关键特征的可预报性。尽管IRI系统在ENSO时间序列上可维持8～9 mon的较高技巧，但传统统计指标难以反映具体事件在峰值阶段的系统性偏差。结果表明，随着预报时效延长，预测的峰值强度普遍减弱，并呈现出显著的强度依赖特征。中等和强事件往往被低估，但弱事件更容易被高估。在模式差异方面，动力模式在再现中、强事件的峰值振幅上更有优势，但在弱事件中，统计模式的预测反而更接近观测。在峰值时间方面，模式预测普遍存在偏晚现象，并且滞后误差会随着预报时效持续累积。峰值时间偏差还呈现明显的冷暖不对称结构，拉尼娜事件的滞后程度显著强于厄尔尼诺事件。在不同模式类型的比较中，统计模式在拉尼娜事件中的峰值时间偏差远大于动力模式，而在厄尔尼诺事件中两类模式的差异相对较小。总体而言，本研究揭示了现有ENSO预测系统在峰值特征上的偏差结构，并指出动力与统计模式的互补性，为改进多模式集合策略和提升ENSO预测性能提供了科学依据。