次季节天气型预报的机会窗口：一种统计-动力学方法

MJO 和 SPV 是热带外地区次季节可预报性的重要来源。已有研究表明，MJO 与 SPV 的联合相互作用可以调制 NAO 的偏好位相以及天气型的发生，这对欧洲天气具有重要意义。然而，在三周提前期改进延伸期 NWP 的研究仍不充分。本研究探讨了 MJO 和 SPV 位相如何影响格陵兰阻塞（GL）活动，并将大气状态信息整合到神经网络中，以增强第三周天气型活动预报。我们利用 ECMWF 再分析和回报数据定义了一个天气型活动度量指标。在再分析中，我们发现 MJO 第 7、8 和 1 位相以及弱 SPV 位相之后，GL 活动增加，这表明存在与先前研究一致的气候学机会窗口。然而，ECMWF 预报技巧仅在 MJO 第 8 和 1 位相以及弱 SPV 位相下有所提高，这识别出略有不同的模式机会窗口。接下来，我们探索在后处理工具中应用这些发现。基于 MJO/SPV-NAO 关系的气候学预报为延伸期 GL 活动预报提供了一种独立于 NWP 模式的纯统计方法。值得注意的是，当根据观测到的 GL 活动进行评估时，基于 MJO 条件的气候学预报显示出清晰的信号。使用结合历史大气状态数据与 NWP 导出的天气型度量指标的神经网络的统计-动力学模型，改善了所有考虑到的天气型的活动预报，与 ECMWF 相比，在预报主导天气型方面实现了 2.9% 的绝对准确率提升。这对 NWP 模式通常表现不佳的欧洲区域的阻塞形势尤为有利。大气条件预报和神经网络预报可作为 NWP 模式之外有价值的决策支持工具，增强 S2S 预测的可靠性。