从短模拟中学习平流层罕见转变的预报

非线性大气动力学中出现的罕见事件仍然难以预测和归因。我们在一个原型例子——突发性平流层增温(SSWs)中解决罕见事件的预报问题。大约每隔一个冬季，北半球平流层极地涡旋迅速崩溃，使中纬度地面天气模式偏移数月。我们关注两个关键量：发生SSW的概率，以及若发生则预期的提前时间，二者均为初始条件的函数。这些最优预报具体地度量了事件的进展。直接数值模拟原则上可以估计它们，但在实践中极其昂贵：每个罕见事件都需要长时间积分来观测，且每次积分的成本随模型复杂度增长。我们描述了一种替代方法，使用相对于增温事件时间尺度而言短的积分。我们通过求解涉及转移算子的方程来高效计算概率和提前时间，该算子编码了关于动力学的所有信息。我们将这些最优预报与少量可解释的物理变量相关联，提出了用于预报的最优测量。我们在Holton和Mass(1976)提出并经随机强迫修改的原型SSW模型上说明了该方法。尽管高度理想化，该模型抓住了SSWs的本质非线性动力学，并展现出关键的预报挑战：单个事件与连续事件间返回时间之间的剧烈时间尺度分离。我们的方法旨在充分利用来自模型和观测的高维数据，并有可能识别气象学中许多复杂罕见事件的详细预测因子。