题目🚵‍♀️：冬季东亚极端冷事件的可预报性研究

主讲人：戴国锟，万事平台博士后☝🏻🚵🏼，2012和2017年分别获得南京信息工程大学和中科院大气物理研究所学士和博士学位，主要研究方向为天气气候可预报性、北极海冰-气相互作用🙅‍♀️。

报告摘要：随着全球变化的不断加剧，近年来北半球冬季极端冷事件频发，给各国人民造成了巨大的损失，做好这些事件的预报至关重要。报告首先针对过去几年中东亚地区的极端冷事件𓀕，评估了数值模式的预报能力。其次，针对2016年1月东亚地区的“世纪寒潮”事件，探讨了大气初始场在提高预报技巧中的作用🤵🏽。最后🤟🏿，针对今年年初发生的极端寒潮事件🤨，进行了初步讨论。

题目👂🏻：向后非线性局部Lyapunov指数方法及其应用

主讲人👨🏼‍✈️：李旋，万事平台博士后，合作导师穆穆教授。2019年博士毕业于中国科学院大气物理研究所👳🏿。主要研究方向为集合预报和极端天气事件和气候可预报性。

报告摘要：大气是复杂的非线性系统，它对于初始状态和外强迫等极其敏感👨🏿‍⚖️，微小扰动快速增长从而导致大气可预报性的丧失✍🏽。在可预报性领域，真正的难题是对于极端天气和气候的预测🏹，得知提前预测出来的时间𓀍🌤，有利于预防灾害的发生‼️🧗🏼‍♂️，减少灾害。传统可预报性方法对于极端事件可预报的估计存在着不足🧑🏿‍⚕️，对此我们从误差非线性增长角度，提出了一个新的理论方法——向后非线性局部Lyapunov指数方法（BNLLE）🤦🏼，来定量估计极端事件可预报性。BNLLE方法可以较好的估计出特定状态的理论提前预报时间。将BNLLE方法应用到理论模型中，研究了冷暖事件可预报性的相对高低以及两类误差对于可预报性的相对影响👃🏽。研究发现（1）暖事件比冷事件具有更高的可预报性；（2）两类误差对于特定状态可预报性的影响取决于误差量级😿，同时两类误差对于可预报性的相对贡献具有流依赖性。