对ENSO的认识和模拟水平在过去几十年里已经取得了长足的进步,但是利用动力模式对ENSO进行预报仍存在很多限制和挑战,研究如何提高ENSO的预报技巧和准确率,对于季节性气候预测具有重要的意义。本文基于美国环境预报中心、美国国家海洋大气研究所地球流体力学试验室、美国国家大气研究中心开发的CFS_v2、GFDL_CM2p1、GFDL_CM2p1_aer04、GFDL_CM2p5_-FLOR_B01和COLA_CCSM4五个耦合动力模式1982-2010年的海表温度与降水数据,对ENSO进行了多模式集合研究。在动力模式预报的基础上,采用统计订正后处理方法,可以在一定程度上减小模式误差对预报的影响,因此本研究中将统计订正与多模式集合方法有效地结合在一起。研究中还对近几十年发生频率明显增加的暖池型El Ni?o的预报技巧进行了讨论。研究中,首先采用逐步回归模态投影方法(Stepwise Pattern Projection Method,简称SPPM)对多模式集合的每个模式成员进行误差订正。SPPM方法的原理是从大尺度模式预报因子场中找寻出与格点观测预报变量相关性高的信号,再通过投影的方式将这种信号反演出来,最后建立回归方程求得订正后的预报结果。本研究中以CFS_v2模式为代表,讨论了该方法对模式误差的订正效果。结果表明,利用SPPM可以有效地提高CFS_v2气候系统模式的预报技巧。经过SPPM统计订正后,模式提前6个月预报的Ni?o3.4指数技巧评分技巧提高了17%。空间上,该方法较高的订正技巧集中在热带太平洋区域。另外研究结果还表明,SPPM对于两类ENSO也有一定的订正技巧。将经过SPPM订正后的多个模式结果,选用平均集合方法进行集合,得到多模式集合预报结果SENSM。本研究中将未经订正的多个模式结果也进行了平均集合,并将得到的预报结果ENSM与SENSM作了对比。研究结果表明,SENSM有效地提高了ENSO的预报技巧。SENSM提前6个月的Ni?o3.4指数技巧达到了0.8,比订正前技巧最差的模式GFDL_CM2p5_B01提高了33%,比ENSM提高了12%。空间上,SENSM在很多地区也都表现出了非常高的预报技巧,尤其是在热带太平洋地区。对两类El Ni?o的研究结果表明,SENSM对两类El Ni?o预报技巧比单一耦合模式结果略高。对降水进行的统计订正分析与多模式集合分析的结果表明,SPPM订正方法和SENSM多模式集合对全球的降水预报技巧都有明显提高。SENSM提前9个月以内的降水预报结果都比其他模式更能抓住降水的空间分布型,并且对El Ni?o年和La Ni?a年合成后的夏季降水与观测之间的空间相关性,分别相对于平均集合提高了28%和38%。通过本文的研究,实现了利用多个国际先进模式资料对ENSO预报技巧地提高。研究中所采用的多模式集合方法,即先对多模式集合成员进行误差订正,再进行平均多模式集合的方法,有望真正提升实际ENSO预测能力。在后续研究中将继续就订正和多模式集合方法开展更深入的研究。