一种同化行星尺度和机器学习外强迫的气候模式预测方法

摘要

本发明涉及一种同化行星尺度和机器学习外强迫的气候模式预测方法，该模式包括以下步骤：⑴分离出背景场中1~3波的信息；⑵利用流依赖的同化技术，形成模式的初始条件；⑶采用机器学习方法，形成气候模式的海温外强迫场；⑷采用机器学习方法建模，形成气候模式的陆地外强迫场；⑸利用观测和再分析资料，通过机器学习对冰冻圈缓变信号进行建模，得到冰冻圈信号的跨季节外推预测值，该预测值作为模式外源强迫项；⑹形成大气边界场；⑺进行季节气候预测；⑻进行检验订正，得到修订值；⑼将非线性信息和线性变化信息二者叠加作为一个预测值；⑽将修订值和预测值按照历史拟和率进行集合，即得最终的预测结果。本发明可有效地改进气候预测结果。