Ein Team unter der Leitung von Dr. Dake Chen hat kürzlich ein Multi-Model-Ensemble-Vorhersagesystem (MME) entwickelt. Dieses Vorhersagesystem besteht aus fünf dynamisch gekoppelten Modellen mit unterschiedlicher Komplexität, Parametrisierung, Auflösung, Initialisierung und Ensemblestrategien, um verschiedene mögliche Unsicherheiten der ENSO-Vorhersage zu berücksichtigen.
Ein Langzeit-Ensemble-Hindcast (1880–2017) zeigte die Überlegenheit des MME gegenüber einzelnen Modellen, bewertet sowohl anhand deterministischer als auch probabilistischer Fähigkeiten, und es litt weniger unter der Frühlings-Vorhersagbarkeitsbarriere. Ein Vergleich mit dem North American Multi-Model Ensemble zeigt, dass dieses MME-Vorhersagesystem mit den Gegenstücken bahnbrechender Vorhersagemodelle dieser Welt konkurrieren oder diese sogar übertreffen kann.
Seit 2020 gibt das MME-System die Echtzeit-ENSO-Vorhersage heraus, mit der die jüngsten aufeinanderfolgenden dreifachen La Niña-Ereignisse sechs Monate im Voraus erfolgreich erfasst wurden, einschließlich des Auftretens eines La Niña-Ereignisses im dritten Jahr. Diese MME-Vorhersage wurde regelmäßig vom National Marine Environmental Forecasting Center gesammelt und als Berater für nationale Betriebsvorhersagen verwendet.
Die Forschung wird in der Zeitschrift veröffentlicht Wissenschaft China Geowissenschaften.
Mehr Informationen:
Ting Liu et al, Ein Multimodell-Vorhersagesystem für ENSO, Wissenschaft China Geowissenschaften (2023). DOI: 10.1007/s11430-022-1094-0