Atmosfären är ett kaotiskt system, och till och med försumbara initiala fel kommer att ge upphov till en gradvis avvikelse av prognostillståndet från den sanna banan, till slut resulterade i kaos. Detta innebär att vädret har en förutsägbarhetsgräns bortom vilken prognoser kommer att förlora all träffsäkerhet. Baserat på det här, varje enskild prognos är helt enkelt en uppskattning av atmosfärens framtida tillstånd inom en stokastisk ram, men ger ingen information om dess tillförlitlighet. Ensembleprediktion erbjuder ett tillvägagångssätt för att generera probabilistiska prognoser för systemets framtida tillstånd baserat på en statistisk samplingsmetod.

Under de senaste två decennierna, ensembleprognoser har avsevärt utvecklats, och är nu ett kraftfullt tillvägagångssätt som förbättrar numeriska väderprognoser. Grundprincipen för genereringen av initiala ensemblemedlemmar är att ta prov på osäkerheterna relaterade till den initiala analysen. Olika ensemblegenereringsscheman baserade på teori om dynamisk feltillväxt har testats och använts i väderprognoser; till exempel, den förädlade vektormetoden (BV) som används vid NCEP, och singular vektormetoden (SV) vid ECMWF. Nyligen, dataassimilering (DA)-scheman kombinerades ytterligare med de dynamiska metoderna för att bättre sampla analysosäkerheterna, såsom i ensemble transform Kalman filter (ETKF) schema.

I ett papper på framsidan av Framsteg inom atmosfärsvetenskap , Dr Ruiqiang Ding vid CAS Institute of Atmospheric Physics och hans medförfattare utökade definitionen av NLLE från en- till n-dimensionella spektra, och demonstrera överlägsenheten hos NLLE-spektrumet vid uppskattning av förutsägbarheten hos kaotiska system jämfört med det traditionella Lyapunov-exponentspektrumet. Förutom att uppskatta förutsägbarheten hos kaotiska system, en annan viktig tillämpning av NLLE-metoden är att tillhandahålla initiala störningar för ensembleprognoser. Resultaten indikerar att NLLE-schemat har liknande ensembleprognosförmåga som ETKF-schemat, som båda visar bättre ensembleprognosförmåga jämfört med BV- och SV-scheman. Trots de liknande prognostiseringsförmågan hos NLLV- och ETKF-systemen, genereringen av NLLV är betydligt mer tidsbesparande och lättare att implementera, jämfört med ETKF-systemet.

"Vi förväntar oss att NLLE-schemat ska vara effektivt för att generera ensemblestörningar i en högdimensionell numerisk modell, " säger Ding. "I framtida arbete, vi avser att ytterligare undersöka prestanda för NLLE genom jämförelse med olika metoder i mer komplexa modeller, och vårt slutmål är att tillämpa NLLE-metoden i operativa väderprognoser."