虽然气候建模在过去的几十年中,稳步提高建模社区与偏见仍在苦苦挣扎的时间意味着特性和这些相关的可变性,在年代际尺度上中尺度不等。气候分析和预测初始化需要的数值模型和观测系统通过数据同化方法。数据同化利用动力学和物理模型从测量数据中提取观测信息分散在时间和空间,追求平衡和相干态分析和估计。而数据同化为气候预测提供了初始条件,天气和气候变量的重建的连续时间序列与三维结构作为一个基础,进一步理解气候发展的机制。如今,各种数据同化方法和观测系统评估已经发展为分析和预测的需要有不同的空间和时间尺度的现象,和大范围的研究正在进行同化方法以及影响模型预测和数值预测。

在这个特殊的问题,我们要求论文处理数据同化方法的最新进展,气候分析和预测,观测系统评估,和模型偏差纠正以及模型参数的优化。

潜在的主题包括,但不限于:

• 开发、实现和数据同化方法的验证
• 可预测性和数值气候预测模型
• 热带气旋预报初始化
• 多尺度数据同化应用耦合数据同化以及高分辨率数据同化
• 卫星和雷达数据的同化
• 耦合的数据同化、海洋数据同化和海冰数据同化
• 在生态系统土地数据同化和数据同化
• 年代际预测、预测和长期预测
• 观测系统评估