冬季北极涛动（AO）对北半球冬季、春季、甚至夏季气候都有重要的影响，并且在一些极端气候事件中扮演着重要的角色。南京信息工程大学的博士研究生张大鹏等评估ENSEMBLES模式对1962-2006年冬季AO的预测能力发现，大部分模式成员均高估了AO在阿留申地区的正异常，同时对AO在北大西洋的正异常和北极地区的负异常也有不同程度的低估；大部分模式成员对AO指数的预测技巧也比较有限，与观测的相关系数大多通过不了显著性检验。
相对于传统预测方法将预测变量对于气候态的异常作为预测对象，他们的研究将冬季AO的年际增量（DY_AOI）作为预测对象，并把年际增量方法应用于动力统计模型中来改进ENSEMBLES对冬季AO的预测。他们选择了前期秋季的北极海冰和同期北大西洋海温作为预测因子建立的多元线性回归模型与年际增量方法的结合，可以很好的改进模式对AO指数的预测，留二交叉验证和独立样本实验对该模型的检验结果都表明该方法能提高模式对冬季AO的预测技巧，从图1的交叉验证结果上可以看到改进后的AO指数（图1b）和实际观测有很好的一致性，并且在90年代以后的时段与观测结果十分接近。改进后的大部分AO指数与实际观测的相关均达到了0.5以上(表1)，通过99%的显著性检验。该研究不仅为AO的改进提供了较好的结果，也为短期气候预测提供了新的尝试。
图1 改进后和观测的AO指数（AOI，b）及其年际增量（DY，a），其中MME表示所有ENSEMBLES模式成员的集合平均。
表1 改进后(改进前)的AOI及其DY与观测的相关系数，以及改进后均方根误差RMSE下降百分比。其中*和**表示通过95%和99%的显著性水平。
ENSEMBLE Model | Cross-Validation | RMSE |
AOI | DY_AOI | AOI | DY_AOI |
ECWMF | 0.54**(0.20) | 0.60**(0.02) | 17% | 46% |
IFM | 0.51**(0.29*) | 0.57**(0.31*) | 9% | 38% |
MF | 0.54**(0.33*) | 0.59**(0.30*) | 8% | 40% |
UKMO | 0.54**(0.22) | 0.60**(0.31*) | 16% | 40% |
INGV | 0.48**(-0.05) | 0.52**(-0.11) | 22% | 50% |
MME | 0.51**(0.36**) | 0.55**(0.33*) | 3% | 37% |
|
|
|
|
|
|
参考文献:
Zhang, D. P., Y. Y. Huang, and B. Sun (2019), Verification and Improvement of the Capability of ENSEMBLES to Predict the Winter Arctic Oscillation. Earth and Space Science, 6, 1887–1899. doi: 10.1029/2019EA000771.