#科研进展# 【极端低温事件预报不确定性的来源解析：C-NFSVs方法】组合非线性强迫奇异向量（C-NFSVs）方法，依托非线性强迫奇异向量（NFSV）最优扰动理论框架构建，通过有机耦合初始扰动与模式扰动，可在集合预报中综合考量初始和模式不确定性的协同影响。
近日，AAS有文章将该方法纳入WRF模式，以2008年极端低温事件的四次过程为研究对象，深入探究了我国南方地区2米气温的预报不确定性演变特征。结果表明，较仅考虑单一初始扰动或模式扰动的情形，C-NFSVs方法能输出更加可靠的集合预报样本。基于该集合样本的离散度演变特征分析发现，极端低温事件的关键指标2米气温的预报不确定性对上游环流系统的不确定性高度敏感，且这种敏感性在初始与模式不确定性间的分配随事件进程呈现显著差异：事件初期，预报不确定性沿背景环流由上游向我国南方传播，表现为C-NFSVs集合离散度随环流向下游逐步发展；事件后期，不确定性则源于上游环流持续与背景环流相互作用，不断向下游输送并持续影响南方地区气温预报。
该传播机制揭示了极端低温事件预报不确定性主导因素的演变规律：事件初期以初始不确定性为主导，后期则以模式不确定性贡献更为突出。由此可见，本研究从初始误差与模式误差协调增长的独特视角出发，构建了一套用于识别极端低温事件预报不确定性主要来源的分析框架。这一框架不仅充分凸显了C-NFSVs方法在诊断预报误差来源方面的应用潜力，更为进一步针对性地提升极端低温事件的预报能力提供了全新的思路与方向。查看更多 http://t.cn/AXX3UXoN