题目：热带气旋3-7天强度预报技术研究

主讲人：占瑞芬，研究员，复旦大学大气与海洋科学系

主讲人简介：占瑞芬，女，博士，现为复旦大学大气与海洋科学系研究员，博士生导师。主要从事台风气候学、台风预报技术、气候变化等研究。已发表学术论文40余篇，其中SCI论文20余篇，学术研究成果先后发表于Science Advances、Journal of Climate、Geophysical Research Letters、《中国科学》、《科学通报》等国内外权威期刊。主持国家自然科学基金共4项、并作为骨干承担国家重点基础研究发展计划（973计划）、国家十二五科技支撑项目、国家重大研发计划等多项研究工作。曾获2019年教育部自然科学奖一等奖（排名第4）、2018年江苏省科技进步三等奖（排名第2），入选中国气象局首届青年英才，曾任美国气象学会杂志Weather and Forecasting助理编辑，第十七届、第十八届全国热带气旋会议气候分会召集人，第八届、第九届国际台风讨论会季节-季节内预测工作组成员。

题目：模式不确定性对ENSO可预报性的影响

主讲人：陶灵江，博士后，复旦大学大气与海洋科学系

主讲人简介：2020年博士毕业于中国科学院大气与物理研究所，随后在复旦大学从事博士后研究。主要研究方向为ENSO可预报性，误差发展动力学。

报告摘要：依赖于数值模式的ENSO预测必然在很大程度上受到模式自身不确定性的影响。但是模式不确定性对ENSO预报能够产生多大影响前人并没有过多涉猎。为此，我们首先从最优化角度，基于条件非线性最优参数扰动方法（CNOP-P），考察了控制ENSO增长的两个关键海气耦合参数（风-SST反馈系数和温跃层强迫系数）不确定性对ENSO预测的影响。结果表明，位于中太平洋的参数误差和位于东太平洋的误差能够造成预报误差在春季快速增长，导致ENSO预报误差最大发展。这意味着，中太平洋风-SST耦合过程和东太平洋温跃层反馈过程的准确描述和模拟是改进模式、提高ENSO预测的关键过程。其次，通过最优化这两个参数，成功回报出2015年强El Nino事件。最后，为了综合描述不同来源的模式不确定性对ENSO预测影响，我们建立了CNOP-F同化系统，提取了模式倾向误差，通过在原模型上添加该类模式倾向误差，能够较好地再现观测事实。进而，基于此发展了模式倾向扰动模型，并将其耦合到原模型中，建立了新的ENSO预测系统NFSV-ICM。通过模式倾向扰动模型产生模式扰动，能够较好地描述模式不确定性的影响，从而使得ENSO预报技巧显著提升，并且新的ENSO预测系统NFSV-ICM能够有效地提前6个月预测并识别出两类El Nino事件，而原模式仅为6个月。