数据同化是一种结合数值模式和观测数据的手段，在数值预报中具有非常广泛的应用。除了产生模式初值以外，它还可以被用于约束和优化数值模式的不确定性参数。本研究在全耦合的通用地球系统模式（NCAR-CESM）中应用了参数估计方法，使用海洋温盐观测来优化海洋模式POP中的背景垂直扩散系数。这些参数的不确定性首先由敏感性实验的结果揭示，随后利用参数估计系统进行约束和优化。本研究扩展了CESM和集合调整卡尔曼滤波器（EAKF）的耦合数据同化系统，以实现参数估计。在此基础上进行了参数估计（PE）实验，以建立平衡的初始状态和优化的参数，用于预测厄尔尼诺南方涛动（ENSO）。比较PE实验和状态估计（SE）实验之间的模式状态变量结果表明，PE可以显著降低这些参数的不确定性，提高分析质量。基于SE和PE获取的分析场，本研究开进行了10年以上的后报实验，比较了基于不同初始场和不同参数的ENSO指数预报技巧。结果进一步验证了通过PE有潜力提高ENSO的预测技巧。
 

参数估计,数值预报,耦合模式