基于CESM氣候模式的ENSO后報試驗

李熠，陳幸榮，2*，譚晶，黃勇勇，蔡怡

(1.國家海洋環境預報中心 海洋氣候預測室，北京 100081; 2.國家海洋局海洋災害預報技術研究重點實驗室，北京 100081)

基于CESM氣候模式的ENSO后報試驗

李熠1，陳幸榮1，2*，譚晶1，黃勇勇1，蔡怡1

(1.國家海洋環境預報中心 海洋氣候預測室，北京 100081; 2.國家海洋局海洋災害預報技術研究重點實驗室，北京 100081)

基于美國國家大氣研究中心(NCAR)開發的通用地球系統模式(CESM)，本文設計了nudging次表層海溫的同化方案，進行了后報實驗。對1982-2011年后報結果的分析表明，通過nudging同化，模式對ENSO現象有一定的模擬和預報能力，對赤道太平洋SST、緯向風、降水等海洋、大氣要素等的后報結果與GODAS和NCEP再分析資料較接近，可以較好地重現歷次厄爾尼諾和拉尼娜事件中異常東傳的過程，超前1、3、6個月時，模式預報的Nio3指數與CPC指數的相關性分別達到0.88、0.81、0.70。但模式同時也表現出一定的春季預報障礙，秋季起報的后報效果最好，春季最差。對1982/1983和1997/1999兩個厄爾尼諾事件的分析表明，模式后報的緯向風、熱通量、風應力等大氣變量的響應較實際滯后，而海洋的變化與實際情況相似，這與我們的同化方案設置有關，即模式只同化了次表層海溫，進而強迫大氣的響應，從而導致大氣的變化較滯后。

CESM模式；nudging同化；ENSO后報

1 引言

ENSO預報技巧的提高一方面依賴于模式本身的改進，另一方面需要合理的初始化方案。由于ENSO的可預報性主要來源于海洋的記憶，因此可以通過初始化耦合模式的海洋模塊，得到較好的ENSO預報效果[8—12]。長時間來，國內外學者發展了多種耦合模式初始化方法[8—9，13—14]。在實際業務預測工作中，我們更傾向于使用格點分析資料進行同化，以免去收集觀測資料、進行質量校正等工作，提高預報的實效性和準確性。已有研究表明，nudging同化是行之有效的方法[8—9，15]。國家海洋環境預報中心自2008年開始，利用nudging方法將NCEP的業務化同化資料GODAS的次表層海溫同化到共同氣候系統模式第三版(Community Climate System Model 3，CCSM3)中，取得了較好的效果[15]，并開展了業務化預報。

CESM模式是由NCAR于2010年7月推出的新一代地球系統模式，是一個完全耦合的氣候模式，包括大氣、陸地、海洋、海冰、陸冰等模塊[16]。自發布以來，CESM模式得到了廣泛應用[17—19]，在ENSO模擬方面，研究指出，模擬的Nio3指數功率譜周期主要峰值集中在3～6年，赤道太平洋海溫異常呈1年周期振蕩，與實況較相符[17—18]。通過nudging方法，將GODAS次表層海溫同化到CESM模式中，并進行了后報實驗。本文將介紹同化設置和后報實驗結果，并對ENSO相關的各變量進行分析。

2 數據和方法

2.1 數據

本文所用同化資料為美國大氣海洋局國家環境預報中心(NCEP)的全球海洋數據同化系統資料集GODAS數據(http://www.cpc.ncep.noaa.gov/products/GODAS/)。GODAS是NCEP的業務化同化數據集，該套數據的觀測源為連續實時浮標、船舶等觀測數據，模式基于GFDL MOM v3版本，模式覆蓋范圍為75°S～65°N，分辨率從南北向赤道增加，變化范圍為1°～ (1/3)°，垂直40層，每月發布月平均數據。同化分析方法為三維變分同化方法(3D-VAR)。該套資料溫度、鹽度廓線與觀測對比十分接近，資料質量和實時性都較好，是目前應用最為廣泛的海洋實時同化數據集。

此外，本文還使用了NCEP再分析資料第二版的海平面氣壓和850 hPa緯向風(http://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis2.html)、GPCP降水資料(http://www.esrl.noaa.gov/psd/data/gridded/data.gpcp.html)以及CPC的Nio3指數(http://www.cpc.ncep.noaa.gov/data/indices/sstoi.indices)進行對比分析，這些資料均為月平均資料。其中NCEP再分析資料和GPCP降水資料的水平分辨率為2.5°×2.5°。

2.2 模式設置

采用CESM1.0.4版本進行運算，其中海洋模塊為POP2，大氣模塊為CAM5，陸面模塊為CLM4，海冰模塊為CICE4，陸冰模塊為GLIMMER-CISM，耦合器為CPL7。采用的模式分辨率為0.9×1.25_gx1v6，即大氣水平分辨率為0.9°×1.25°，垂向分為26層，海洋模式水平分辨率接近1°，垂向分為60層，范圍為5～5 375 m。

2.3 同化和后報方案設計

我們首先對模式進行了100年的積分，在大氣和上層海洋基本達到平衡后，利用nudging方法，將GODAS海溫資料同化到CESM模式的海洋模塊中，同化時間為1981-2011年共31年。同化變量為次表層海溫，垂直層次從15 m至約400 m(31層)，松弛系數在15 m時為30 d，在400 m時線性過渡到90 d，同化模擬的結果見參考文獻[20]。在此基礎上，以每月的同化結果為初始場做6個月的后報。本文選取1982-2011年共30年的后報結果進行分析。

3 結果

3.1 對全球海表面溫度(SST)的后報

圖1為CESM后報的SST與GODAS資料的差值。可以看到，超前1個月和3個月的后報結果在全球大部分海域與GODAS的差值在0.5℃以內，超前6個月的誤差一般也不超過1.0℃。誤差主要集中在秘魯沿岸、非洲西南沿海、大西洋西北部和南極繞極流區域，這些區域大多上升流活躍、地形復雜。在我們較為關注的赤道太平洋區域，存在東部偏暖、中東部偏冷的情況。許多氣候模式都有類似的系統性偏差，對該現象的研究表明，其產生可能與模式垂直混合參數化方案的選取有關[21—22]。如果引入波浪模式，可以改善這一偏差，其原因在于波浪模式可以增加東太平洋上混合層深度，同時激發Bjerknes反饋，導致中太平洋SST上升[21]。總體而言，在超前6個月以內，模式對全球大多數區域的SST后報結果較準確，說明nudging同化次表層海溫的方法可以使模式對SST有一定預報能力。

圖1 CESM后報與GODAS資料SST差值(a.超前1個月，b.超前3個月，c.超前6個月)Fig.1 Difference of SST between CESM hindcast and GODAS with 1-(a)，3-(b) and 6-month (c) lead time

圖2 赤道太平洋SSTA時間經度剖面(a.GODDAS資料，b.超前1月，c.超前3月，d.超前6月)Fig.2 SSTA along the equatorial Pacific from GODAS (a) and CESM handcast with 1-(b)，3-(c) and 6-month (d) lead time

3.2 對赤道太平洋海表面溫度異常(SSTA)的后報

圖2為模式后報和GODAS數據的SSTA的時間-經度剖面。由圖可見，超前1個月和3個月時，CESM可以較好的后報歷次ENSO過程，在位置、強度和位相上與GODAS均比較接近。問題在于，模式對拉尼娜事件的預報強度略偏大，如1988/1989和1998/1999的拉尼娜事件中，GODAS的SSTA幅度最大達到-2.0℃，而超前1個月和3個月的后報SSTA最大幅度可達-2.5℃左右，這可能與模式本身對赤道中東太平洋海表溫度模擬偏冷有關。超前6個月時，后報SSTA無論是正異常還是負異常幅度均較GODAS偏弱，但位相和位置符合較好，如1997/1998的強厄爾尼諾事件中，GODAS資料的SSTA在150°W以西均高于3.0℃，但后報的SSTA最高只達到2.0℃左右。

3.3 對赤道太平洋緯向風異常的后報

赤道太平洋西風異常是激發赤道Kelvin波的重要因子，而赤道Kelvin波是太平洋西側的暖水持續東傳的主要機制。圖3為NCEP再分析數據和CESM后報的赤道緯向風異常的時間-經度剖面。由圖可見，CESM模式較好地后報出歷次厄爾尼諾事件和拉尼娜事件的緯向風異常，而且異常東傳趨勢明顯。問題在于，后報的緯向風異常幅度和范圍常較NCEP再分析資料偏大。如在1997/1998的強厄爾尼諾事件中，NCEP再分析資料的緯向風正異常(西風異常)最大為8 m/s，而超前1個月后報的西風異常最大達到12 m/s左右，超前3個月后報的西風異常最大達到10 m/s左右；在1986/1987的厄爾尼諾事件中，再分析的西風異常最大為4 m/s，超前1個月和3個月后報的西風異常最大均可達到8 m/s左右。

圖3 NCEP再分析資料和CESM后報的赤道太平洋850 hPa緯向風異常時間-經度剖面(a.NCEP再分析資料，b.超前1月，c.超前3月，d.超前6月)Fig.3 850 hPa zonal wind speed anomaly along the equatorial Pacific from NCEP (a) and CESM handcast with 1-(b) ，3-(c) and 6-month (d) lead time

3.4 對赤道太平洋降水異常的后報

作為熱力和動力過程的集中體現，降水是評價大氣模式模擬能力的重要因子。厄爾尼諾期間，Walker環流上升支從印度尼西亞東移到日界線附近，將造成赤道中東太平洋降水增多，拉尼娜期間則相反。圖4為赤道太平洋降水異常的時間-經度剖面圖。總體來看，模擬的強度和位相都與GPCP結果基本一致，也較好重現了距平東傳的過程。但與GPCP相比，模擬的降水距平偏弱，且范圍偏大、偏東，這一現象在弱厄爾尼諾事件中尤為明顯。如在2002/2003年的厄爾尼諾事件中，GPCP資料的降水正異常達到10 mm/d，范圍主要在135°W以西，后報的降水正異常最高為8 mm/d，范圍可以擴展到100°W附近。

圖4 GPCP資料和CESM后報的赤道太平洋降水異常時間-經度剖面(a.GPCP資料，b：超前1月，c.超前3月，d.超前6月)Fig.4 Precipitation anomaly along the equatorial Pacific from GPCP (a) and CESM handcast with 1-(b)，3-(c) and 6-month (d) lead time

圖5 后報Nio3指數與CPC指數的對比(a.超前1個月的后報，b.超前3個月的后報，c.超前6個月的后報)Fig.5 Nio3 index from CPC and CESM handcast with 1-(a)，3-(b) and 6-month (c) lead time

3.5 對ENSO現象的后報

3.5.2 ENSO位相鎖定

觀測表明，厄爾尼諾事件一般于春季或夏初發生，于年底達到成熟位相，這一現象被稱為ENSO的位相鎖定[23]。一般認為，ENSO位相鎖定的機制在于ENSO的固有頻率與季節循環的非線性共振。模式對位相鎖定的模擬是體現其對ENSO模擬能力的重要方面。Deser等[18]利用CCSM4進行了1 300年的積分，并對最后500年進行了分析，結果表明，CCSM4的Nio3.4最大值出現在1月，最小值出現在5月(觀測分別為12月和4月)，較CCSM3有了明顯改進[18]。

我們將1982-2011年間8次厄爾尼諾事件(1982/1983、1986/1987、1991/1992、1997/1998、2002/2003、20004/2005、2006/2007、2009/2010)的CPC和CESM后報的Nio3指數進行了合成，如圖6所示。由圖可見，在超前1個月的后報中，CESM的Nio3曲線與CPC幾乎重合，很好地重現了ENSO的位相

圖6 1982-2011年間8次厄爾尼諾事件的Nio3指數的合成(藍色：CPC指數，綠色：超前1個月后報Nio3指數，紅色：超前3個月后報Nio3指數，粉色：超前6個月后報Nio3指數)Fig.6 Composite Nio3 index of 8 El Nio events between 1982 and 2011 from CPC (blue line) and CESM handcast with 1-(green line)，3-(red line) and 6-month (pink line) lead time

3.5.3 春季預報障礙

在ENSO的觀測和數值預報中，存在所謂的“春季預報障礙”現象，即春季起報的預報效果較差，這一現象最早由Webster和Yang[24]指出，在不同模式中都有體現[7—8，25]，這一現象的可能原因為ENSO季節循環的位相鎖定[26]。為此，我們分析了各月起報的Nio3指數與CPC指數的相關系數，如圖7所示。由圖可見，無論在幾月起報，模式在超前2個月的后報效果均較好，Nio3相關系數可以達到0.8以上，效果最好的是11月，相關系數達到0.97。夏末和秋季(8、9、10、11月)是后報效果最好的季節，8月起報超前6個月的后報結果與CPC指數的相關系數為0.91，這一結論與Luo等利用SINTEX-F模式，采用nudging SST方法得到的結論類似[8]。在本文中，春季預報障礙主要存在于2月，超前3個月的相關系數只有0.51。

圖7 各月起報的Nio3指數與CPC指數的相關系數Fig.7 Correlations between CESM hindcasted and CPC Nio3 index

3.5.4 對1997/1998強厄爾尼諾事件的后報結果

1997/1998年的厄爾尼諾事件是有觀測以來最強的厄爾尼諾事件，我們專門對這次厄爾尼諾時間的后報結果進行了分析。圖8所示為1997年的Nio3指數。可以看到，CESM從2、3、4月起報均可以模擬出Nio3指數上升的趨勢，其中2月和4月起報時Nio3指數上升較明顯。但由于這次厄爾尼諾事件強度太大，模式模擬的Nio3指數沒有達到的實際觀測的幅度。

圖8 CESM后報的1997年Nio3指數與CPC指數(藍色：CPC指數，綠色：2月起報的后報Nio3指數，紅色：3月起報的后報Nio3指數，粉色：4月起報的后報Nio3指數)Fig.8 Nio3 index for 1997 from CPC (blue line) and CESM hindcast starting in February (green line)，March (red line) and April (pink line)

3.5.5 對模式SST、850 hPa緯向風、熱通量、風應力和海洋次表層溫度變化的分析

在圖2和圖3中，模式后報的緯向風異常與SST異常并不完全匹配，緯向風異常一般大于再分析資料，而SST則相反，對此我們初步分析了可能的原因。圖9所示為1982/1983和1997/1999年間標準化之后的Nio3區SST、850 hPa緯向風、潛熱通量、感熱通量和海表面熱通量異常的模式結果(超前3個月后報)和觀測與再分析結果(SST為CPC結果，海表面熱通量為GODAS結果，緯向風、潛熱通量、感熱通量為NCEP再分析結果)。可以看到，模式基本能將1982年和1997年春末緯向風異常增強、SST上升、熱通量同時開始升高，并于年底達到最高值的情況模擬出來。但是，實況中風速的變化一般超前于SST的變化，如1982年4月、5月和1997年1月、3月、5月，西風爆發激發出Kelvin波并導致SST的升高；而模式后報的結果西風增強常常滯后于SST的變化。此外，熱通量的響應也有相應的滯后，并且最大值比實際情況偏強。如1982年，實際的熱通量最大值出現在10月，而模擬的潛熱和感熱通量的最大值均出現在12月，強度也相對更大；1997年實際的熱通量最大值出現在12月，而模擬的潛熱和感熱通量的最大值分別出現在1997年12月和1998年1月，強度也偏強。這可能與我們的同化設計方案有關，即模式只同化了次表層海溫，進而強迫大氣的響應，從而導致大氣的變化較滯后。

圖10為1996-1999年間赤道太平洋風應力異常，可以看到，模式基本模擬出了這次強厄爾尼諾事件的海表面風應力異常的傳播過程，位置、位相和幅度都與GODAS資料較接近，但是有一個明顯的問題，模式后報的風應力異常出現偏晚，其峰值出現在1997年底至1998年初，而不是1997年年中。此外，超前6個月的后報中風應力異常的最大值出現在赤道西太平洋，與GODAS相比明顯偏西。這與上述模式模擬的大氣響應偏晚的情況一致。

厄爾尼諾事件中赤道東太平洋次表層溫度升高，溫躍層加深。圖11為1996-1999年間赤道太平洋海表面與次表層(65 m)溫度異常的差，隨著厄爾尼諾事件的發展，次表層溫度的升高幅度將超過表層，導致溫度差小于0，并在1997年底至1998年初達到峰值。類似的，在隨后的拉尼娜事件中，次表層溫度的下降也超過了表層，溫度差大于0。模式后報結果與GODAS相比，位置和位相較一致，只是幅度偏小，超前6個月的后報尤為明顯。這進一步說明，本預報系統可以較好的模擬和預測出海洋表層及次表層的狀態及其變化，但是對于大氣的響應和演變則較滯后。

4 結論與討論

ENSO現象是氣候系統中最強的年際信號，也是短期氣候預報工作的重點之一。近年來，隨著分辨率的提高和參數化的進步，耦合模式日漸成為ENSO預測的有力工具，其中，NCAR開發的CESM模式得到了廣泛的應用。利用nudging方法，本文將GODAS資料的次表層(15～400 m)海溫同化到CESM模式的海洋模塊中，對1982-2011年間的后報結果進行了分析。

結果表明，同化次表層海溫的方法可以使模式有一定的ENSO模擬和預報能力。歷次厄爾尼諾和拉尼娜現象都得到了較好的重現，包括1997/1998年的強厄爾尼諾現象也得到了較好的模擬，超前1、3、6個月后報的Nio3指數與CPC指數的相關系數分別達到0.88、0.81和0.70。對赤道太平洋SST、緯向風、降水等海洋、大氣變量的分析也表明，模式可以較好預報歷次厄爾尼諾和拉尼娜事件，也可以較好模擬出信號東傳的過程和ENSO位相鎖定現象。存在的問題主要在于，拉尼娜事件的預報強度略偏大，緯向風異常幅度和范圍常偏大；但與GPCP相比，模擬的降水距平偏弱，且范圍偏大、偏東，這一現象在弱厄爾尼諾事件中尤為明顯。進一步分析顯示，模式存在一定的“春季預報障礙”，秋季起報的后報效果最好，春季最差。

圖9 標準化的Nio3區SST、850 hPa緯向風、潛熱通量、感熱通量(a.1982/1983年間的模式結果(超前3個月)，b.1982/1983年間的觀測和再分析結果，c.1997/1999年間的模式結果(超前3個月)，d.1997/1999年間的觀測和再分析結果)Fig.9 Normalized SST (pink line)，850 hPa zonal wind (red line)，sensible heat flux (blue line) and latent heat flux (green line) in Nio3 region from CESM hindcast with 3-month lead time for 1982/1983 (a) and 1997/1998 (c) and re-analysis for 1982/1983 (b) and 1997/1999 (d)

圖10 GODAS資料和CESM模式后報的赤道太平洋海表面風應力異常時間-經度剖面(a.GODAS資料，b.超前1個月后報，c.超前3個月后報，d.超前6個月后報)Fig.10 Zonal wind stress anomaly along the equatorial Pacific from GODAS (a) and CESM handcast with 1-(b)，3-(c) and 6-month (d) lead time

圖11 GODAS資料和CESM模式后報的赤道太平洋海表面與次表層(65 m)溫度異常的差時間-經度剖面(a.GODAS資料，b.超前1個月后報，c.超前3個月后報，d.超前6個月后報)Fig.11 Difference of temperature between surface and sub-surface (65 m) along the equatorial Pacific from GODAS (a) and CESM handcast with 1-(b)，3-(c) and 6-month (d) lead time

[1] Neelin J D，Battisti D S，Hirst A C，et al. ENSO theory[J]. Journal of Geophysical Research: Oceans (1978—2012)，1998，103(C7): 14261-14290．

[2] Suarez M J，Schopf P S. A delayed action oscillator for ENSO[J]. Journal of the Atmospheric Sciences，1988，45(21): 3283-3287．

[3] Philander S G H. El Nio Southern Oscillation phenomena[J]. Nature，1983，302: 295-301．

[4] 陳永利，趙永平，王凡. ENSO與海洋環境和中國氣候異常[M]. 北京：科學出版社，2013．

Chen Yongli，Zhao Yongping，Wang Fan. ENSO and its influence on oceanic environment and climate anomaly in China[M]. Beijing: Science Press，2013．

[5] Cane M A，Zebiak S E，Dolan S C. Experimental forecasts of El Nio[J]. Nature，1986，321(6073): 827-832．

[6] Zebiak S E，Cane M A. A model El Nio-Southern Oscillation[J]. Monthly Weather Review，1987，115(10): 2262-2278．

[7] Chen D，Cane M A，Kaplan A，et al. Predictability of El Nio over the past 148 years[J]. Nature，2004，428(6984): 733-736．

[8] Luo J J，Masson S，Behera S，et al. Seasonal climate predictability in a coupled OAGCM using a different approach for ensemble forecasts[J]. Journal of Climate，2005，18(21): 4474-4497.

[9] Luo J J，Masson S，Behera S K，et al. Extended ENSO predictions using a fully coupled ocean-atmosphere model[J]. Journal of Climate，2008，21(1): 84-93．

[10] Wyrtki K. Water displacements in the Pacific and the genesis of El Nio cycles[J]. Journal of Geophysical Research: Oceans (1978-2012)，1985，90(C4): 7129-7132．

[11] 鄭飛，朱江，王慧. ENSO 集合預報系統的檢驗評價[J]. 氣候與環境研究，2008，12(5): 587-594．

Zheng Fei，Zhu Jiang，Wang Hui. The verifications for ENSO ensemble prediction system[J]. Climatic and Environmental Research，2008，12(5): 587-594．

[12] Zhang R H. Improved ENSO forecasts by assimilating sea surface temperature observations into an intermediate coupled model[J]. Advances in Atmospheric Sciences，2006，23(4): 615-624．

[13] Chen D，Zebiak S E，Busalacchi A J，et al. An improved procedure for El Nio forecasting: Implications for predictability[J]. Science，1995，269(523): 1699-1702．

[14] Chen D，Zebiak S E，Cane M A，et al. Initialization and predictability of a coupled ENSO forecast model[J]. Monthly Weather Review，1997，125(5): 773-788．

[15] 凌鐵軍，王彰貴，王斌，等. 基于 CCSM3 氣候模式的同化模擬試驗[J]. 海洋學報，2009，31(6): 9-21.

Ling Tiejun，Wang Zhanggui，Wang Bin，et al. Assimilation modeling by using CCSM3 model[J]. Haiyang Xuebao，2009，31(6): 9-21．

[16] Vertenstein M，Craig T，Middleton A，et al. CESM1.0.4 user’s guide[R].National Center for Atmospheric Research，Boulder，CO.2012．

[17] Gent P R，Danabasoglu G，Donner L J，et al. The community climate system model version 4[J]. Journal of Climate，2011，24(19): 4973-4991．

[18] Deser C，Phillips A S，Tomas R A，et al. ENSO and Pacific decadal variability in the Community Climate System Model version 4[J]. Journal of Climate，2012，25(8): 2622-2651．

[19] Subramanian A C，Jochum M，Miller A J，et al. The Madden-Julian oscillation in CCSM4[J]. Journal of Climate，2011，24(24): 6261-6282．

[20] 李熠，陳幸榮，譚晶，等. 基于CESM氣候模式的同化模擬實驗[J]. 海洋預報，2015，32(3): 1-12．

Li Yi，Chen Xingrong，Tan Jing，et al. A data assimilation experiment based on CESM[J]. Marine Forecasts，2015，32(3): 1-12.

[21] Song Z，Qiao F，Song Y. Response of the equatorial basin-wide SST to non-breaking surface wave-induced mixing in a climate model: An amendment to tropical bias[J]. Journal of Geophysical Research: Oceans (1978-2012)，2012，117(C11)．

[22] Li G，Xie S P. Tropical biases in CMIP5 multimodel ensemble: the excessive equatorial Pacific cold tongue and double ITCZ problems[J]. Journal of Climate，2014，27(4): 1765-1780．

[23] Neelin J D，Jin F F，Syu H H. Variations in ENSO phase locking[J]. Journal of Climate，2000，13(14): 2570-2590．

[24] Webster P J，Yang S. Monsoon and ENSO: Selectively interactive systems[J]. Quarterly Journal of the Royal Meteorological Society，1992，118(507): 877-926．

[25] Yan L，Yu Y. The spring prediction barrier in ENSO hindcast experiments using the FGOALS-g model[J]. Chinese Journal of Oceanology and Limnology，2012，30: 1093-1104.

[26] Xue Y，Cane M A，Zebiak S E，et al. On the prediction of ENSO: a study with a low-order Markov model[J]. Tellus A，1994，46(4): 512-528．

An ENSO hindcast experiment using CESM

Li Yi1，Chen Xingrong1，2，Tan Jing1，Huang Yongyong1，Cai Yi1

(1.TheDivisionofOceanClimatePrediction,NationalMarineEnvironmentalForecastingCenter，Beijing100081，China;2.KeyLaboratoryofResearchonMarineHazardsForecasting，NationalMarineEnvironmentalForecastingCenter，Beijing100081，China)

An ENSO forecast system based on the Community Earth System Model (CESM) released by the National Center for Atmospheric Research (NCAR) is developed. We use a simple sub-surface sea temperature nudging scheme to generate realistic SST distribution. Hindcast results for the period 1982-2011 show a high predictability of ENSO. All past El Nio and La Nia events，including the strong 1997/1998 warm episode，are successfully predicted with SST，zonal wind and precipitation matching well with GODAS and NCEP datasets. The correlation coefficient of Nio3 index scores 0.88，0.81 and 0.70 at the 1-，3-and 6-month lead time respectively. However，the model shows a “spring prediction barrier” with the best predictability in autumn and the worst in spring. The comparisons of zonal wind，heat flux，SST anomaly，wind stress and sub-surface temperature of 1982/1983 and 1997/1999 demonstrate that the atmospheric response is latter than that of the ocean，which is in contrast with observing and reanalysis data. This is due to the ocean-only data assimilation scheme，which forces a delayed atmospheric response．

CESM; nudging; ENSO hindcast

2014-09-28；

2015-03-17。

海洋公益性行業科研專項經費項目——中國近海短期氣候預測技術及其應用(201105019)；國家科技支撐計劃——氣候變化對海岸帶影響與風險評估技術(2012BAC19B08)；國家自然科學基金項目——全球變暖“間斷”現象中的海洋熱量傳輸機制研究(41440039)。

李熠(1987—)，男，山東省泰安市人，研究實習員，主要從事海洋短期氣候預測研究。E-mail：liyi@nmefc.gov.cn

*通信作者：陳幸榮(1978—)，男，湖北省黃岡市人，副研究員，主要從事海洋短期氣候預測研究。E-mail：chenxr@nmefc.gov.cn

10.3969/j.issn.0253-4193.2015.09.005

P732.6

A

0253-4193(2015)09-0039-12

李熠，陳幸榮，譚晶，等. 基于CESM氣候模式的ENSO后報試驗[J]. 海洋學報，2015，37(9):39-50，

Li Yi，Chen Xingrong，Tan Jing，et al. An ENSO hindcast experiment using CESM[J]. Haiyang Xuebao，2015，37(9):39-50，doi：10.3969/j.issn.0253-4193.2015.09.005