季节性气候预报为利益相关者提供了重要的决策支持工具，帮助他们管理各种社会经济相关的资源。例如，初始化的动力学预报通常用于提供区域降水量和地表温度、热带气旋活动以及厄尔尼诺-南方涛动（ENSO）等气候模式的季节性展望。目前，这些展望大多使用水平分辨率相对较粗的气候模型生成，通常网格间距约为1°。虽然粗分辨率的季节性预报在多种应用中非常有用（例如，Becker等人，2022年），但人们越来越希望获得更精细尺度的气候预报和预测，以捕捉对当地管理策略最相关的区域动态。随着计算资源的最新进展，建模中心开始探索高分辨率（0.25°或更低）耦合气候建模的潜在优势，以支持基于更详细气候信息的决策制定。
最近的研究表明，更高分辨率的模型能够更准确地捕捉气候系统的许多关键方面，包括海洋-大气耦合的强度、风暴路径的强度和位置、太平洋十年际趋势的符号和强度、大尺度海洋环流以及中尺度海洋变异性（例如，Chang等人，2020年；Drenkard等人，2021年；Meehl等人，2019年）。尽管基于高分辨率全球模型的气候预报也被证明比低分辨率模型更准确（Infanti和Kirtman，2019年；Kim等人，2023年；Siqueira等人，2021年；Yeager等人，2023年；Zhang等人，2024年），但由于模拟分辨率低于约100公里时耦合气候系统的计算需求巨大，开发和维护高分辨率业务预报系统仍然具有挑战性。然而，有一些技术可以降低高分辨率气候预报的计算成本。例如，一些研究通过使用传统粗分辨率全球气候模型的输出来驱动区域海洋模型，生成了1.5公里至10公里分辨率的准确季节性海洋预报（Jacox等人，2023年；Kearney等人，2021年；Ross等人，2024年；Siedlecki等人，2016年）。其他人则利用了全球粗分辨率模型内的嵌套高分辨率网格（例如，Lin等人，2024年；Wills等人，2024年）。尽管区域和嵌套模型可能改善了给定范围内的精细尺度特征的表示，但这些模拟并不一定能改善可预测的年际变异性（主要源于大尺度变异性，例如ENSO遥相关）。例如，统计降尺度方法改善了区域海洋预报的空间表示，但并未提高异常预报的准确性（例如，Jacox等人，2023年）。此外，尽管区域模型预报所需的计算资源较少，但它们每年初始化的次数、预报集合的大小以及再预报期的长度（即使用初始化时仅有的信息来评估模型准确性）仍然有限。
一种有可能克服高分辨率气候预报计算瓶颈的预报技术是“模型模拟”方法。在传统的模拟框架中，将过去观测到的气候状态与当前状态进行比较，并将最接近的匹配结果（或模拟值）的后续演变视为预报（Lorenz，1969年）。Ding等人（2018年）在此基础上进行了扩展，将可能的模拟气候状态“库”扩展到包括耦合气候模型模拟，并将模型演变视为预报。从漫长的前工业控制模拟中提取模拟值，使得与观测结果的匹配更加紧密，并允许生成预报集合，从而提高了预报的总体准确性。在这些发展之后，模型模拟技术已被证明可以生成与初始化动力学预报一样准确的季节性气候预报（Ding等人，2019年；Ding等人，2018年；Ding和Alexander，2023年；Lou等人，2025年；Lou等人，2023年；Menary等人，2021年），并且具有几个额外的优势：
1. 模型模拟预报在计算上高效。特别是，通过利用现有的气候模型模拟，模型模拟基本上消除了使用传统模型初始化方法进行实时预报所需的持续计算成本。因此，每年初始化的次数、预报集合的大小或再预报的长度几乎没有限制。此外，一旦确定了模拟值，任何模型变量的演变都可以被视为预报（例如，Ding等人，2019年），从而允许对通常不被业务建模中心优先考虑的变量进行详细分析。
模型模拟的计算效率克服了与数据存储相关的问题，因为模型模拟预报可以轻松快速地再现，从而无需为大量高分辨率模型输出提供长期存储。不过，仍然需要为父数据库提供足够的存储空间。
由于模型模拟并不是像动力学预报那样使用观测数据进行真正初始化（例如，通过数据同化），因此模拟预报已经存在于有偏的模型状态中。因此，模型模拟在预报期间不会发生漂移，从而避免了与“初始化冲击”相关的潜在预报误差。
在这里，我们应用模型模拟技术，基于社区地球系统模型（CESM）的高分辨率版本，生成了一系列0.1°（约10公里）的加利福尼亚洋流系统（CCS）季节性再预报。具体来说，我们评估了1994年至2019年间，美国西海岸海洋状态的模型模拟再预报的准确性，预报时间提前12个月，并与基于区域海洋模型的现有高分辨率初始化预报进行了直接比较。尽管模拟方法可以用于预报任何区域/领域，但我们主要关注CCS的海洋预报，主要有三个原因：1）作为上升流系统，CCS具有不成比例的高初级生产力和鱼类捕获量（例如，Chavez & Messié，2009年），因此为各种敏感的海洋生态系统提供了栖息地，这些生态系统的管理将受益于高分辨率、前瞻性的环境信息（Cannizzo和Selz，2021年；Jacox等人，2023年；Tommasi等人，2017年）；2）存在用于直接比较的CCS动态降尺度再预报（Jacox等人，2023年）；3）尽管近年来在海洋预报方面取得了实质性进展，但与气候模型分辨率和海洋学输出可用性相关的瓶颈仍然存在（Minobe等人，2022年）。特别是，业务预报模型往往过于粗糙，无法准确表示海岸线和影响海洋生态系统的更细尺度特征。此外，虽然基于区域模型的高分辨率替代方案可能提供完整的海洋学输出，但它们的年度初始化次数通常有限。因此，高分辨率模型模拟的CCS预报提供了一个独特的机会，可以比其他现有数据集更全面地探索海洋的可预测性。
